一文读懂数据资产评估方法、问题和挑战附评估案例

中国项目投资产业基金

一文读懂数据资产评估方法、问题和挑战附评估案例

全国首部！《数据资产评估场景化案例手册》

一、数据资产评估的基本概念

数据资产评估是对数据资源经济价值的量化分析过程。它不仅涉及数据的内在价值，如准确性、完整性、时效性，还涉及数据的外在价值，如数据的应用场景、市场需求以及数据对企业决策的支持程度。

二、数据资产评估的重要性

数据资产是企业或组织在长期运营过程中积累的有价值的数据资源，包括结构化数据、非结构化数据和半结构化数据。数据资产评估的重要性主要体现在以下几方面：

1. 支持更好的投资决策

通过对数据资产进行评估，组织可以更加明智地决定在哪里投资其资源。了解哪些数据资产具有最高的价值，可以帮助组织优先考虑资源的分配，确保投资能够带来最大的回报。

2. 增强数据管理

评估数据资产可以揭示数据的质量、相关性和可用性等关键方面的信息，从而支持更有效的数据管理。这包括数据清洗、数据整合、数据存储和数据保护等活动，确保数据资产保持其价值并可供使用。

3. 提高透明度和合规性

随着数据隐私和保护法规的加强（如GDPR和CCPA），组织需要对其数据资产有清晰的了解，以确保合规。通过评估数据资产，组织可以更好地了解其数据的来源、用途和存储方式，从而增强透明度和遵守相关法律法规。

4. 促进数据货币化

了解数据资产的价值可以为数据货币化提供基础。组织可以通过直接出售数据、提供数据分析服务或通过数据增强其产品和服务的价值来实现数据资产的货币化。准确的数据资产评估有助于制定有效的数据货币化策略。

5. 支持企业估值和并购活动

在并购活动中，数据资产的价值评估对于确定企业总体价值至关重要。数据资产可能占据企业价值的重要部分，特别是对于那些以数据为核心的企业。准确评估数据资产可以确保并购交易中的定价公正合理。

6. 促进创新和竞争优势

通过识别和评估数据资产的价值，组织可以发现新的机会来利用这些资产，推动创新和发展新的业务模式。这可以帮助组织在竞争激烈的市场中获得优势，通过独特的数据驱动洞察来区分自己。

北京大学数据资产与企业数字战略三、数据资产评估的主要方法

（一）、成本法成本法是数据资产评估中的一种传统方法，它主要基于数据资产的获取、处理和维护成本来估算其价值。

以下是成本法的详细阐述：

1. 定义：成本法是一种基于数据资产的生命周期成本来估算其价值的方法。它考虑了从数据采集、存储、处理、分析到维护等各个阶段的成本。

2. 适用场景：成本法通常适用于数据资产的初始价值评估，尤其是在数据资产没有明显市场价值或者收益模式不明确的情况下。

3. 评估步骤：

a. 数据采集成本：计算获取数据所需的成本，包括数据采集的直接成本（如购买数据、传感器等）和间接成本（如人力、时间等）。

b. 数据存储成本：估算数据存储所需的成本，包括硬件设备、软件许可、数据中心空间、能源消耗等。

c. 数据处理和清洗成本：计算对原始数据进行处理、清洗和转换所需的成本，包括软件工具、算法开发、人工干预等。

d. 数据分析和挖掘成本：估算对数据进行分析、挖掘和建模所需的成本，包括算法开发、模型训练、计算资源等。

e. 数据维护成本：计算数据维护所需的成本，包括数据更新、备份、恢复、安全防护等。

f. 折旧和摊销：根据数据资产的使用寿命，对上述成本进行折旧和摊销，以反映其当前价值。

g. 风险和机会成本：考虑数据资产在特定应用场景下可能面临的风险和机会，对评估结果进行调整。

4. 优缺点： 优点： 易于理解和实施，尤其是在数据资产的直接成本容易量化的情况下。 可以为数据资产的初始价值提供一个基本的参考。 缺点： 可能无法准确反映数据资产的市场价值，尤其是在数据资产具有潜在的高市场价值时。 忽略了数据资产的潜在收益和未来价值。

5. 改进方法：为了提高成本法的准确性，可以结合其他评估方法（如市场法和收益法）进行综合评估。此外，还可以引入专家知识和行业经验，对数据资产的价值进行更全面的评估。

（二）、市场法

1. 定义：

市场法是一种基于市场上类似数据资产的交易价格来估算目标数据资产价值的方法。它假设在自由市场条件下，类似资产的交易价格可以作为评估参考。

2. 适用场景：

市场法通常适用于那些在市场上有明确交易记录和可比性的数据资产。例如，公开交易的数据集、数据服务或数据驱动的公司股权。

3. 评估步骤：

a. 确定评估目的：明确评估数据资产的目的，如并购、合作、投资等。

b. 选择可比数据资产：寻找与目标数据资产具有相似特征的可比数据资产，包括数据类型、数据量、数据质量、数据来源等。

c. 收集市场交易数据：收集可比数据资产在市场上的交易价格、交易条件、交易时间等信息。

d. 分析市场条件：分析市场条件对数据资产价值的影响，如供需关系、市场趋势、竞争环境等。

e. 计算价格比率：根据可比数据资产的交易价格和特征，计算价格比率，如每GB数据的价格、每条记录的价格等。

f. 调整价格比率：根据目标数据资产与可比数据资产之间的差异，对价格比率进行调整，以反映目标数据资产的特定价值。

g. 估算目标数据资产价值：将调整后的价格比率应用于目标数据资产，估算其价值。

4. 优缺点：

优点：

直接反映市场对数据资产的价值认可，具有较高的市场敏感性。

适用于有明确交易记录和可比性的数据资产。

缺点：

需要足够的市场交易数据和可比性分析，可能在某些情况下难以实现。

忽略了数据资产的潜在收益和未来价值。

5. 改进方法：

为了提高市场法的准确性，可以结合其他评估方法（如成本法和收益法）进行综合评估。此外，还可以引入专家知识和行业经验，对数据资产的价值进行更全面的评估。

（三）、收益法

1. 定义：

收益法是一种基于数据资产未来收益的预测来估算其价值的方法。它假设数据资产的价值取决于其未来能够为所有者带来的经济利益。

2. 适用场景：

收益法通常适用于那些能够直接或间接产生经济收益的数据资产，如数据驱动的产品和服务、数据支持的决策优化等。

3. 评估步骤：

a. 确定评估目的：明确评估数据资产的目的，如投资、并购、合作等。

b. 预测未来收益：基于数据资产的应用场景和市场需求，预测其未来能够产生的收益。这可能包括直接收益（如销售收入、服务费等）和间接收益（如成本节约、效率提升等）。

c. 确定收益期限：确定预测收益的时间范围，通常为数据资产的预期使用寿命。

d. 估算折现率：选择合适的折现率来反映预测收益的不确定性和时间价值。折现率可能受到市场风险、项目风险、资本成本等因素的影响。

e. 计算净现值（NPV）：将预测的未来收益按照折现率折现到当前时点，得到数据资产的净现值。

f. 考虑风险和不确定性：分析数据资产面临的风险和不确定性，对评估结果进行调整。

g. 估算数据资产价值：根据净现值和其他调整因素，估算数据资产的价值。

4. 优缺点：

优点：

直接反映数据资产的盈利能力和未来价值。

适用于能够产生经济收益的数据资产。

缺点：

预测未来收益存在不确定性，可能导致评估结果的偏差。

对于没有明确收益模式的数据资产，收益法可能难以应用。

5. 改进方法：

为了提高收益法的准确性，可以结合其他评估方法（如成本法和市场法）进行综合评估。此外，还可以引入专家知识和行业经验，对数据资产的未来收益进行更准确的预测。

四、结合一个案例来具体讲解一下怎么去评估数据资产？

(来源引用知乎亿信华辰文章）。

这个案例是一个典型的一个政务数据的案例。现在政务数据的进一步价值化、资产化，是各个地方政府都高度关注并积极研究的一个事项，因为政务数据如果能够找到更高效更合理的价值实现的路径，对于解决地方政府的财源问题乃至于地方债问题都是一个非常好的实现路径。

地方政府都在做的事情首先是汇聚数据资源然后再进行价值化的利用。此案例是一个已经汇聚了并且进行相应的商业化应用的数据资产。

首先是要梳理数据资产的来源，委托人是b公司，那b公司的数据资产是通过两步授权来的。

2020年4月甲市出台了《关于建设金融公共数据专区建设的意见》，9月份甲市征信局授权了当地国有企业a公司签署授权协议，a公司是一个金融控股公司，业务多元化经营，为了把财务、业务、人员相对独立化专门成立了全资子公司b公司，并且授权b公司做数据处理工作。所以b公司享有对甲市金融公共专区汇聚和共享的公共数据进行清洗，加工处理和对外输出应用的权利。

第二步界定价值评估的对象和价值评估的范围。

B公司的数据资产是授权来的，授权范围包含27家当地政府的委办局 221张表2,500多个字段3亿多条数据，但资产评估的范围实际上只是其中的很小的一部分，切割出了两个比较明确的商业应用场景，其中对应的字段涉及到6家委办局22张表 339个字段接近2,000万条数据 。

第三步明确评估对象里面包含的数据资产内容。

数据资产22张表包含企业基本信息表的主要字段包括统一信用代码、注册地址、法定代表人等，也包含市场监管局的投资人ID、缴付信息、严重违法、失信企业信息等一系列的字段，工商局三张表即股权冻结的信息、股权质押的信息、经营异常的名录，也包括企业名称、冻结文号、冻结金额、质押登记号等一系列的字段；税务局三张表，即纳税人的信用等级信息、欠税公告、重大税收违法信息，包括纳税人的识别号、年度欠税的税种、欠税金额、违法事实等字段；财政局也有中标公告的表格，人民法院有金融专区的开庭信息、公告信息、案件基本信息，经信局的国家级市级两化融合管理体系贯标试点企业名单、互联网与工业融合创新试点企业名单，科委的科学技术创新奖的项目信息以及行政处罚高新技术企业名单、公共信用信息名录等等一系列的信息。

通过分析发现这些有用的信息可以归纳成为两种，一种是积极正面的企业信息，一种是消极负面的企业信息，进行总结和提炼可以衍生出来两个应用场景，并开发了相应的数据产品，一个场景是新客优选，另外一个场景是企业风险扫描。

新客优选主要对应的优质积极正面的企业信息，基于这些信息对优质企业进行用户画像，为金融机构主要是银行的新产品或是对应性产品找到潜在目标客户。通过新客优选的功能可以在营销端快速筛选出优质的潜在的客户，来进行相应的营销活动帮助银行进行获客。

企业风险扫描使用的就是一些消极负面的数据信息，可以给客户提供相应的风险信号预警，包括经营风险、司法风险、监管风险等，基于这些风险信号以及风险级别的提示帮助企业提供关键的运营经营指标的趋势、风险预警、风险扫描。对于银行而言业务的实施要进行风险的筛查、风险预判，对于存量的客户要进行风险的监管、风险的测试都会有相应的作用，可以提高效率，可以更加有的放矢。

企业基于这些应用场景开发了相应的结构化数据，基于结构化数据和银行的信息系统对接，并且在评估的时候就已经有三家当地的银行签了相应的合同，使用了相应的数据。

因此，上述情况可以采用两种典型的方法进行评估。

一是成本法：要分析这数据的形成过程，结合形成的过程来判断成本。

从数据采集开始到数据汇聚、数据存储、开发运维以及安全防护，都是形成这个数据资产的直接的投入。比如数据开发涉及到当中有需求调研、业务分析、概念设计、功能设计、需求文档形成等，都构成了数据开发的成本；对于数据采集包括外购数据、数据持续更新的保障、相应的网络的建设以及相应的人工投入等，汇总在一起构成了直接成本。直接成本是刚性的，需要结合形成的数据质量进行调整。

那么进行质量调整同时也要考虑相应的间接成本，间接成本主要是包含职能整体研发相应的分摊，包括整软硬件成本的分摊。间接形成无形资产，同时还要考量机会成本，因为数据资产的形成需要花费一定的时间，在这段时间里面投入了这么多成本，这些成本实际上是占用了企业的流动性。这些成本如果不做数据资产开发，至少能够获得其他的一个最低限度的机会收益，所以要把机会成本当做资产的成本考量进来。综合上述的全量成本的话，整体的评估值确定出来910万，这是成本法的一个结果。

二是收益法：我们也进行了相应的估值。

案例中的数据资产有具体的应用场景、有具体的产品形态，也有现在的销售业绩。那么两个应用场景的销售单价现在是一个客户15万一年，同时用户数量现在是9个客户，结合未来的物价水平考量单价的增长率，结合当地的市场规模以及企业的年客户拓展能力，考量用户的增加数得到了总的收入。

收入是和数据直接相关，采用的是直接收益预测的一个方式。直接收益预测除了获得收入之外，要考虑在预测期之内和形成收益相关的全部直接投支出全部要扣掉，包括持续的数据产品开发和运营维护、安全保护以及相应的软硬件投入，也包括产品在销售过程中的费用、客户维护的费用，把这些成本和费用扣除掉之后就会得到在预测期的一个收益。预测的总额基于进行折现之后就得到了收益法的评估结果1,790万。

整体来比较，收益法是1,790万成本法是910万。那么这两个方法的结果的差异其实还是比较大的，但这不是说其中有一个方法是有问题的。两个方法都是在以各自的角度反映了这个数据资产的价值。

数据资产尤其是有商业应用场景已经创收了的数据资产，它的收益或者说是价值和它的投入成本必然存在弱对应性。对于数据开发商而言，投入相应的成本去开发数据资产，最终目的肯定不仅仅是收回投入成本，要实现更多的超额收益。从这个角度而言，收益法和成本法对于有商业场景的数据资产而言，这个差异是客观的、是固有的、也是正常的。

全国首部！《数据资产评估场景化案例手册》

可以添加微信pevc2027获取备注“评估手册”

五、数据资产评估的现状面临的问题和挑战

数据资产评估是当前数字经济中一个重要且复杂的领域，它涉及到数据资产的价值量化，这在实践中存在多种挑战和问题。

现状

1. 评估机制建立：中国资产评估协会发布的《数据资产价值评估指导意见》为数据资产的价值评估提供了规范和指导。

2. 政策支持：财政部出台的《企业数据资源相关会计处理暂行规定》为数据资产入表提供了法律政策依据，推动了数据资产评估的标准化。

3. 技术发展：随着大数据、人工智能等技术的发展，数据资产的价值评估方法也在不断进步，如通过经济主体功效函数与决策模型贡献度的耦合进行定量评估。

4. 实践探索：多个地区和企业正在进行数据资产评估的实践，如上海、北京、深圳和贵阳等地的数据交易所已展开数据资产交易的探索。

问题与挑战

1. 权属复杂性：数据资产的权属确认较为复杂，因为数据通常由多方主体贡献，且各主体的贡献程度和性质不同，难以形成所有权共识。

2. 价值易变性：数据资产的价值受多种因素影响，如技术更新、市场变化等，导致其价值具有不稳定性。

3. 评估方法局限性：目前使用的收益法、成本法和市场法等评估方法可能不完全适用于数据资产的特性，需要进一步创新和完善。

4. 质量评价难度：数据资产的质量评价是评估中的难点，需要专业知识和技术来确定数据的准确性、完整性等。

5. 法律与监管：数据资产的法律地位和监管框架尚在发展中，不同地区的法律法规可能对数据资产的评估和交易产生影响。

6. 市场成熟度：数据资产交易市场尚处于起步阶段，缺乏成熟的市场机制和足够的交易数据，限制了市场法的应用。

7. 技术与专业人才缺乏：数据资产评估需要高度专业化的知识和技术支持，目前专业人才相对匮乏。

8. 数据治理挑战：企业在数据资产管理方面面临技术和管理的挑战，需要构建有效的数据治理结构和流程。