众说纷纭|解析数据资产价值评估（价值评估是核心）

快速导航

浙江众诚云创资产价格评估有限公司

总部电话：0571-86093661

总部地址：杭州市下城区潮王路10号领骏世界大厦北座303室

桐庐分部电话：0571-69873328

桐庐分部地址：杭州市桐庐县城南街道白云源路1509号

众诚资讯

众说纷纭|解析数据资产价值评估（价值评估是核心）

2024-01-09下载文件：暂时没有下载文件

编者按：8月21日，财政部印发《企业数据资源相关会计处理暂行规定》（以下简称《暂行规定》），标志着“数据资产入表”正式确立；9月8日，在财政部指导下，中国资产评估协会印发《数据资产评估指导意见》（以下简称《指导意见》），为数据资产价值衡量提供了重要标准尺度。

与此同时，各地也在持续从数据资产入表、数据资产流通等方面入手，推进布局数据要素市场。各地相关政策陆续出台将带来哪些利好？数据资产价值评估需要注意哪些问题？本期特邀业内专家进行解读。

本期嘉宾：

刘云波中企华大数据科技公司董事长

李业强中联资产评估集团有限公司副总裁

赵林中同华资产评估有限公司技术总监

谢佳妮上海东洲资产评估有限公司估值研究院副院长

持续释放利好

各地近期出台的相关政策有何亮点？将带来哪些利好？

李业强：《暂行规定》和《指导意见》的印发极大地促进了数字经济发展，激发了整个数据要素市场的活力。各地近期出台的相关政策对数据要素市场的发展起到了重要的支撑作用。

一是有利于有效破解当前数据要素发展的难点堵点。结合各地发展实践，就数据要素市场发展中的核心问题进行明确，涵盖了数据登记、数据资产化、数据交易、数据要素市场生态培育、数据跨境交易、数据要素市场安全保障等。

二是有利于推动数据资产评估工作有的放矢。资产评估机构作为数据要素市场的重要参与者，通过参与相关准则的制定、企业数据资产价值评估试点，不断深入推进数据资产入表、交易、跨境、金融等课题研究和实务践行。

三是有利于进一步催生新应用、新业态，培育经济发展新动能。各地出台政策，积极打造数据要素市场化配置改革综合样板，推广复制成功的经验做法，从发挥数据要素作用出发，围绕强化供给体系、推动定价体系、健全交易体系等先行先试，探索建设数据交易场所，积极推进数据资产化。

刘云波：对企业而言，上述文件的出台将加速企业数字化转型，驱动企业管理提升，合规利用数据资源。数据资产入表考验企业数据治理水平，企业需建立和完善数据管理制度，加强数字化人才培养，有效进行数据的采集、整理，提高数据质量，让数据利用更有可操作性、可重复利用性。企业管理层将会更加关注数据资产的管理和优化，强化数据基础，提高企业运营管理水平，助力企业更好地遵循相关法规，降低合规风险，注重信息安全。

促进组织成长、业务创新和组织创新。通过对数据资产进行系统管理和价值评估，企业能够更好地了解自身创新潜力，有助于优化研发投资，提高业务的敏捷性和竞争力，推动基于数据资产利用的场景创新，并激发业务创新和组织创新。

提升企业多渠道融资能力。数据资源相关披露要求提升了企业财务信息的透明度，数据资源信息披露可以提高投资者和金融机构对企业创新和发展潜在能力的了解，有助于企业有更多渠道进行融资。这将有力促进企业的可持续发展。

谢佳妮：数据资产相关的资源投入、价值发挥在企业经营活动中一直存在，《暂行规定》和《指导意见》的发布使企业能够按照相对具有可比性的标准将数据方面的投入显性化体现，更好地反映企业数据业务的盈利能力。同时，对于数据资产在经济行为中如何公允地定价提出了指导思路。通过“入表”反映数据资产的历史投入，通过“评估/估值”反应数据资产的经济价值，共同激发企业数据化动力，推动数据要素交易流通。

赵林：相关政策明确了数据流通利用有关行为的方向和原则。例如，《中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见》中提出的“四梁八柱”和工作原则，以及数据要素收益分配原则等。这既是对各部门、各领域工作任务的分配，也蕴含着做好各自工作的要求和标准，又保证了一定的自主发挥空间，有利于推动整体进程。

同时，在相关政策指导下形成的规范对打通数据流通渠道、释放经济发展潜力具有重要支撑作用。《暂行规定》和《指导意见》对有关主体开展数据资产入表、流通交易、质押融资等工作予以规范性指导。《数据资产确认工作指南》则从资产的会计定义出发，将数据资产的确认标准进一步分解细化，更加具体地界定了数据资产的边界，而且，对界定过程进行了程序化，具有操作上的可参照性。

合理衡量数据资产价值

数据资产为何需要价值评估？应如何对数据资产进行价值评估？

刘云波：数据资产价值评估是企业数据资源资产化和数据资产资本化过程中的重要一环。通过数据资产价值评估，既可以为数据资产流通提供价值和价格依据，保障数据资产价值公允性，又能为企业通过应用场景的多维度挖掘释放数据价值。需要了解数据来源、采集、持有、加工、流通、使用等不同环节相关主体之间的利益分配机制，分析和判断相关主体所持有的数据资源持有权、数据加工使用权、数据产品经营权等相关权利。参与数据要素收益分配的主体所拥有的权利决定了其价值分配的方式，也影响对数据资产评估对象的判断。

在具体操作方法中，数据资产评估的基本方法是成本法、收益法及市场法。其中，使用成本法应重点关注重置成本、价值调整系数等主要参数。使用收益法应重点关注方法适用性——根据应用场景和商业模式，结合应用或拟应用的业务经营和发展状况、发展规划进行财务预测分析；估算折现率的风险因素——管理风险、流通风险、数据安全风险和监管风险；估计经济寿命和收益期限——考虑数据资产的更新时间、数据资产的时效性。市场法通常仅适用于标准化、使用场景明确、交易活跃的数据资产的价值评估。使用市场法应重点关注“可比”的选择（数据权利类型、数据交易市场及交易方式、数据规模、应用领域、应用区域、剩余年限）以及调整系数（质量差异调整、供求差异调整、期日差异调整、容量差异调整、其他差异调整等）。但对于具有非均质性的数据资产，市场法的运用存在较大的挑战。

数据资产的价值受诸多因素影响，如技术因素、数据容量、数据价值密度、数据应用的商业模式和质量要素等。而且由于其特殊性，源于所在商业环境的法律限制和道德约束的风险因素，对数据资产的价值有着从量变到质变的影响。在估值中需充分考虑并量化上述因素，才能合理衡量数据资产的价值。

赵林：资产评估是为数据要素分配提供价值尺度的专业力量。开展数据资产评估时，需要注意以下事项。

第一，资产评估专业人员需具有开展数据资产评估的胜任能力。数据资产作为新型资产类型，与传统房地产、机器设备和专利商标等资产存在显著差异。资产评估专业人员应加强与数据资产相关的专业知识学习培训，系统性掌握数据资产的形成过程、基本属性、基本特征、会计核算规范要求及其与资产评估的关系，从理论上把握好数据资产特性的影响。

第二，规范开展数据资产现场核查工作。由于数据资产评估具有极强的专业性和技术复杂性，开展数据资产现场核查需具备专业的技术知识、手段和经验。

第三，合理确定评估要素。数据资产评估业务作为新业务新资产，存在较多特殊性。评估时，在诸如评估对象界定、收益能力分析、评估方法选择应用、重要评估参数确定、核查验证落实等方面，都可能存在不同程度的困难，在评估程序的履行上应保持更加严谨态度，根据评估业务实际情况，合理确定评估要素。

李业强：数据资产的价值要通过资产评估来揭示。资产评估是数据资产价值显化的重要手段。对数据资产的价值评估，需尊重数据资产的价值规律，通过了解数据资产自身特点和规律，基于对数据资产价值特性、价值规律的深入研究，在数据资产价值评估方面形成一套完整的方法论。

例如，价值维度多元化，全面、动态地关注数据资产价值驱动因素及实现路径；投入累积资本化，关注数据资产形成的过程和各类成本的归集及差异；应用场景多样化，不同应用场景下，数据所贡献的经济价值有所不同；边际成本最小化，关注数据资产自身特点带来的价值提升；价值创造外溢化，更加充分地揭示数据资产价值的外溢性效果。

谢佳妮：资产评估不仅可以为数据产品定价提供一定参考，还有助于企业完成数据资产化。企业数据资产化是数据从原始状态到能够产生价值并实现价值的过程，经历信息化、资源化、产品化、资产化四个阶段。不同阶段数据在企业中的物理存在形态、价值实现路径、企业数据管理行为均有不同。数据资产化不仅是技术层面的问题，更是管理层面的问题。资产评估服务于微观企业的经济行为，从数据资产评估的程序履行、方法选择、参数输入等方面，均可以帮助企业清晰地了解企业数据资产化所需要的管理投入，包括数据质量管理、数据运营管理、数据价值管理、数据流通管理。

有助于数据资产价值实现，数据完成资产化后，其评估的目的包括交易目的（如数据资产出资、抵质押评估等）、司法目的（如数据侵权赔偿等）、财务报告目的（如数据资产入表后后续计量中涉及的资产减值、企业合并形成的数据资产合并对价分摊等）。

重点关注事项

《指导意见》颁布后，数据资产价值评估仍面临哪些挑战？应特别关注哪些方面问题？

谢佳妮：数据资产的评估依赖于数据的应用场景。有明确的应用场景，经过数据治理、开发利用，形成有助于企业业务开展的资源或能持续产生经济利益流入的数据产品，是数据成为一项资产的重要前提。

需要注意的是，同一项数据在不同应用场景下的价值完全不同。数据资产的价值会随应用场景、用户数量、使用频率变化而变化。因此，评估数据资产价值前，除了要了解数据的基本信息属性、法律属性，还应重点关注数据的应用场景等价值属性。采用收益法评估中，应关注数据资产历史应用情况及未来应用前景，结合应用或者拟应用数据资产的企业经营状况，重点分析数据资产经济收益的可预测性，并根据数据资产对企业的贡献模式选用直接收益、分成收益、超额收益和增量收益等方式预测数据资产的收益。

在数据资产评估中还需关注数据权属、数据质量等问题。在数据权属方面，应重点关注确定委估权属类型、收益预测口径与权属类型的一致性等。数据质量与数据资产价值之间的关系是后续研究中关注的重点。收益法在形成的数据产品收入中已经一定程度上包含了市场对数据质量的评价，因此，数据质量方面需要重点关注预测的合理性和对折现率的影响。

刘云波：数据质量和数据来源的可靠性判断、数据资产应用的场景分析、数据资产应用技术的快速变化和创新、数据安全风险、企业对行业和市场的认知与理解，均是数据资产价值评估面临的挑战。

需重点关注影响数据资产价值的内部因素和外部因素。内部因素包含数据质量、数据规模、数据类型、数据关联性及数据应用；外部因素包括行业需求、市场供需、风险因素及技术进步、应用场景创新。建议从所属行业、数据规模、场景维度、数据融合等多维度研究上述因素对数据价值的影响程度，依靠市场信息、公开数据、模型分析、专家访谈打分等多种手段确定各因素对数据资产价值的影响程度。

赵林：评估人员要清晰准确把握数据资产的边界，注意数据、数据资源、数据资产的关系和区别。要关注不同应用场景对数据资产价值的影响，对数据资产应用场景的获取不仅要依据委托人、被评估单位提供的资料确定，还需要评估人员自主调查收集确定。

同时，应根据委托评估数据资产的利用和收益获取等情况，准确识别其属于存货还是无形资产，结合评估目的、价值类型、资料收集情况以及数据资产收益获取方式、成本因素、场景因素、市场因素、质量因素等情况，选择恰当的评估方法及应用模型。

此外，评估报告应重点披露数据资产的特点、特征和特殊处理。很多具体评估操作及处理方式与传统资产评估区别显著，为使评估报告使用者能够清晰、正确理解评估结论，评估报告披露信息需要反映数据资产的特别之处，更好地体现资产评估专业性。

李业强：数据资产评估是推动数据资产化的重要前置工作。资产评估机构需对照《指导意见》，掌握好要点精髓，充分做好落实是数据资产价值评估的关键。

资产评估相关的专业服务能力和经验为数据资产入表企业提供有力专业支持。数据资产入表前的资产识别和辨认、数据资产初始计量过程中历史成本的归集和梳理、存货类数据资源涉及的成本结转、无形资产类数据资源涉及的摊销方式确定，均需要相应的专业支持。要具备在资产边界界定、成本归集、预测估计等领域的专业能力及经验，为数据资产入表企业提供有力的服务性支撑。

资产评估成为数据资源入表相关信息披露的重要来源。《指导意见》是数据资产相关信息披露的重要依据。企业的经营活动、投融资活动、质押融资、关联方及关联交易、承诺事项、或有事项、债务重组、资产置换等重大交易事项中涉及的数据资源，对该交易事项的影响及风险分析，也需要进行信息披露。

走稳走好行业发展特色之路

这条机遇和挑战并存之路，如何走稳走好？

赵林：行业发展要把握主动性，特别是要把握数据资产评估理论的主动性，尽快开展有关研究。还要把握实践的主动性，积极参与数字经济发展实践，主动开拓、巩固服务领域。

在具体实务中，需要在数据资产评估起步阶段树立更高标准、更严要求的理念，为数据资产评估高质量发展打下坚实的基础。

李业强：资产评估机构要积极主动融入国家数字经济战略，更好地发挥自身专业服务能力，通过助力数据资产评估，促进数字经济高质量发展。

一要继续推动数据资产登记工作，为建立数据产权制度提供专业评估建议。通过课题及试点工作研究、区块链等专业技术为数据资产进行登记，以此方式作为权属确认的尝试，并在报告中充分披露。

二要继续投身数据资产入表实践，为推进数据资产表内管理贡献专业力量。资产评估机构应从自身专业出发，在数据资产价值计量、数据资产会计估计、数据资产信息披露等环节做出专业贡献。

三要继续助力数据要素市场发展，为激发数据资产价值发挥专业作用。资产评估机构应充分发挥数据交易专业服务机构作用，在《指导意见》的指引和规范下，提供专业的价值鉴证服务，保障交易各方利益公平。

四要积极探索数据跨境流动路径，为数据跨境交易有益尝试提供专业保障。资产评估机构应以开放和促进数据流动的姿态投身数据跨境探索，为中国数据价值保驾护航。

五要创新研究数据资产金融属性，在数据资本化道路上做好专业引领。资产评估作为金融市场的重要参与者、资本市场的重要“看门人”，应在数据资本化领域发挥专业引领作用，以价值引擎推动相关制度建设和市场建设。

谢佳妮：数据要素市场的建设是一个涉及政策制度、基础设施、企业生态等多层次的系统工程。

资产评估机构作为数据生态圈中服务型数商，应发挥好价值发现和公允定价的功能，不仅要通过价值评估方法体系帮助企业实现数据价值挖掘，还要做好数据资源入表、数据资产交易及资本化创新应用等涉及的公允定价支持。

刘云波：数据资产入表只是数据资源资产化的第一步。

数据盘点、数据治理、确权登记、入表咨询、质量评价、价值评估等环节相互影响。数据治理的水平影响数据质量评价结果。数据的质量影响数据资产的场景应用和开发。数据应用场景驱动业务价值实现，进而影响数据资产的价值。

因此，只有通过数据资产入表的全过程专业咨询，才能基于数据资源的资产化实现路径，就数据资源的内容、数据资产的用途、数据价值的实现模式等进行系统筹划和全面分析，并不断创新数据资产或数据资源的应用场景，为企业和公共数据资产化和资本化的顺利实现以及数字产业化的持续健康发展打下坚实的基础。

在数据资产化过程中，价值评估是核心，资产评估行业和资产评估师应充分发挥场景分析、财务分析等方面优势；资产评估机构应加强人才队伍建设，外扩竞争力，积极主导或参与数据资产化的方案设计和实施过程，主动参与数据产业生态圈，与各方专业机构进行业务合作，在数据经济时代充满机遇和挑战的道路上，重塑行业逻辑，体现行业价值。

上一页部门规章丨水生野生动物及其制品价值评估办法

下一页企业价值评估的方法