企业数据资产价值评估探讨

企业数据资产价值评估探讨

汪永忠1戚雪滢2

黑龙江八一农垦大学   黑龙江省大庆市  163316

摘要：资产评估是国有资产管理不可或缺的重要环节与基础性工作，是维护国有资产合法权益、推动国有产权有序流转、防止国有资产流失的重要制度保障。准确评估数据资产价值，不仅能够促进数据交易市场的科学构建，还能够助力企业实现降本增效。基于此，本文围绕企业数据资产价值评估的相关概述展开研究，深度剖析影响企业数据资产价值的相关因素，综合探讨新时期科学构建数据资产价值评估体系的有效措施，希望能为相关企业提出一些具有参考价值的合理化建议。

关键词：企业；数据资产；价值；评估

引言

“十四五”时期，数据资产不仅仅是新时代企业高质量发展的核心生产要素，更是推动各行业领域产业转型升级、助推新一轮科技革命的重要战略资源，特别是在我国全面深化改革的新趋势下，健全数据要素市场规则，发展一套科学有效的数据资产评估体系，合理量化数据资产在安全可靠边界下的经济价值，能够为企业调整经营决策、开拓高端市场以及实现可持续发展提供强有力的科学依据。因此，加强对企业数据资产价值评估的概述、影响因素等内容的分析与研究有着极其深远的现实意义。

1数据资产价值评估

在宏观层面，研究数据资产价值的文献较少，当前数据资产并未被纳入国民经济核算体系中，造成数据对经济社会的贡献被低估。在构建数据资产附属核算框架时，应当包含对数据开发阶段的价值评估，并通过非生产性资产计入国民经济核算体系中。在微观层面，数据作为资产纳入到企业资产负债表中已成为普遍共识。目前对数据资产价值评估以传统的无形资产评估方法为主，结合数据资产的特性做出改进，也有学者拓展视角构建新的模型进行评估，如B-S模型、蒙特卡洛模拟、讨价还价模型。由于数据资产特性，以上方法计量数据资产存在局限性，如过于关注数据资产与无形资产的共性，忽略了数据资产价值与具体价值创造场景有关的特征，导致构建的评估模型不够准确。本文将数据资产估值建立在数据为企业创造收益的基础之上，认为要科学且准确地评估数据资产价值必须先分析数据资产的价值创造过程及表现，从而提出适用性更加广泛的收益法及多期超额收益法相结合的数据资产估值模型。

2数据资产价值创造过程

基于数据价值链理论，数据价值创造是一个包含数据加工及增值的全动态过程，涵盖清洗、融合、分析、应用等环节。将数据价值链分解为数据获取、数据存储、数据分析、数据应用四个环节。在数据获取环节，实现了对原本游离数据的初步收集，包括用户行为数据、交易数据、社交数据等，界定了原始数据类型，该环节成本产生于收集数据的设备购买、运行及其磨损的支出；在数据存储环节，所获取的数据加工、提炼、整合为可以被高效利用的数据资源，并被分类存储在数据平台中，该环节产生了数据平台的运维成本；在数据分析环节，经过数据库的建立及软件开发等过程，可以提取出数据中含价值的信息及知识，实现潜在价值的提升，有利于企业提高生产效率、洞悉客户需求、创造新商业模式及控制风险；在数据应用环节，数据分析阶段的输出于具体的使用场景下转变为企业经济效益，数据价值得以释放，因而数据资产化也得以实现。需要注意的是，在数据创造价值的过程中，经计算分析会不断产生新的数据，从而再次循环进入到其他环节的数据处理中，继续实现经济价值。

3影响企业数据资产价值评估的相关因素

3.1数据数量因素

纵观以往的实践经验不难发现，数据信息的总体数量是影响企业数据信息本身资产价值的重要因素之一。一般而言，在其他各项条件不变的情况下，数据规模越大，数据资产蕴含的经济价值则越高。值得注意的是，个别企业的数据规模虽然不大，但由于日常经营所涉及的数据种类比较多样，因而数据资产同样会发挥较高的应用价值。所以，从这一层面来看，在评估数据资产价值时，相关企业可以将数据种类作为衡量、评估数据资产价值的关键指标。

3.2数据质量因素

数据质量作为影响企业数据资产价值的另一种因素，其主要体现在效率和成本方面。其中，从效率层面上分析，质量较差的数据信息将会大大增加数据资产的识别、挖掘等工作难度，进而导致数据资产评估成本增加，数据资产价值大打折扣。反之，具有完整性、可追溯性和可用性的数据信息则会有效提升数据资产的经济价值，进而为企业顺利实现降本增效目标创造有利的先决条件。

3.3数据管理因素

鉴于企业内部各项信息数据的本身就具有较为明显的价值易变性、可加工性等特征，不同类型的数据资产具有不同的使用途径和处理方式，这就意味着相关管理人员只有对数据资料进行精细化管理，才能实现数据资产价值的有效发挥。但是，伴随着时间的不断推移，同一数据资产的价值也可能会发生增加或损耗变化，致使数据资产价值降低或失效。可见，在企业进行数据资产价值评估作业的过程中，必须注重数据管理的实效性，并在数据资产发生重大变化前，及时进行科学化管理和干预，只有这样才能助力企业获取最大化的经济效益。

4企业数据资产价值评估方法及构建思路

4.1估算末端指标

对于企业数据资产价值评估工作而言，末端指标通常是指数据资产价值评估体系中处于底层的指标项，通过精准估算、预测末端数据指标，可以准确判断企业相关数据信息是否能够满足指标项的具体测量规则。值得注意的是，在估算末端指标时，相关从业人员应借助智能仪表仪器、电子设备等设备，全面采集市场上可比数据资产的市场报价资料，从而准确地估算出数据资产所带来的超额收益，同时这对于确定企业风险系数也起到一定的积极作用。

4.2计算经济价值

在构建数据资产价值评价体系的过程中，设计人员应注重对数据资产绝对价值水平的精准核算。具体来讲，在计算成本价值时，可使用成本法根据数据资产取得成本确定所需的设备购置费用、相关设备研发费用和水电费用；在计算收益价值时，可利用收益法根据未来预期收益来衡量数据资产、折现率和收益年限，只有这样才能实现对数据资产价值的准确核算，进而为企业管理层制定科学决策和高效化管理方案提出一些具有参考价值的数据支持。

4.3质量价值计算及数据资产价值评估

在构建数据资产价值评估体系的过程中，数据资产的质量价值通常以百分比表示，按照构建的评价指标体系，由下至上以此计算数据形式价值、数据内容价值、数据绩效价值和质量价值。此外，针对待估数据资产价值的评估，可从质量、经济等维度入手，即数据质量越高，企业采集、分析和处理数据的成本则越低，数据资产价值则越高。反之，若市场对数据资产价值的认可度不高，即使数据资产的质量再高也不会具有很高的经济价值。所以，在评估数据资产价值时，相关人员必须充分考虑质量和经济两个维度，只有这样

结束语

资产评估不仅可以在数据流通交易中提供价值发现和价值评价功能。因此，各大企业必须高度重视数据资产价值评估方面的探析与研究，精准把握影响数据资产价值评估的相关因素，并根据权重来计算和量化模糊评价需求，科学选择行之有效的价值评估方法，准确估算数据资产的实际价值，在保证相关数据资料真实性与可靠性的前提下，帮助企业管理层制定更加合理的战略决策，从而为企业高效、高质推进数字化转型保驾护航。

参考文献

［1］齐佳音，张国锋，王伟.开源数字经济的创新逻辑：大数据合作资产视角［J］.北京交通大学学报（社会科学版），2021，20（3）：37-49.

［2］李静萍.数据资产核算研究［J］.统计研究，2020，37（11）：3-14.

［3］胡安琴.业财融合下创效型数据资产的会计计量与披露［J］.会计之友，2023（4）：134-139.

［4］黄科满，杜小勇.数据治理价值链模型与数据基础制度分析［J］.大数据，2022，8（4）：3-16.

［5］谭明军.论数据资产的概念发展与理论框架［J］.财会月刊，2021（10）：87-93.