数据资产评估概述
数据通常是指对客观事物进行记录、未被加工的原始素材，是基础生产资料。互联网时代下，具有价值的数据通常具有体量大、种类繁多、价值高、反应速度快等特点，也就是行业所谓的大数据。数据资产，是指特定主体合法拥有或者控制的，能进行货币计量的，且能带来直接或者间接经济利益的数据资源。数据资产的概念由信息资产、数字资产衍生出来，并随着大数据的蓬勃发展而被提出。信息资产概念来源于信息技术对各个领域和生活方式的影响，强调数据的信息属性；数字资产概念来源于“数据经济”的提出，对应着数据的物理属性；数据资产概念来源于将数据视为一项战略资产，对应着数据的存在属性。数据资产评估，是指资产评估机构及其资产评估专业人员遵守法律、行政法规和资产评估准则，根据委托对评估基准日特定目的下的数据资产价值进行评定和估算，并出具资产评估报告的专业服务行为。2023 年 8 月，财政部会计司正式发布《企业数据资源相关会计处理暂行规定》（简称《暂行规定》），为企业数据资产“入表”提供了操作指引，根据《暂行规定》，企业使用的数据资源，符合《企业会计准则第6号——无形资产》（财会〔2006〕3号）规定的定义和确认条件的，应当确认为无形资产，按照无形资产准则、《〈企业会计准则第62号——无形资产〉应用指南》（财会〔2006〕18号）等规定，对确认为无形资产的数据资源进行初始计量、后续计量、处置和报废等相关会计处理；企业日常活动中持有、最终目的用于出售的数据资源，符合《企业会计准则第1号——存货》（财会〔2006〕3号）规定的定义和确认条件的，应当确认为存货，企业应当按照存货准则、《〈企业会计准则第1号——存货〉应用指南》（财会〔2006〕18号）等规定，对确认为存货的数据资源进行初始计量、后续计量等相关会计处理。根据《企业会计准则——无形资产》，企业应定期对无形资产的账面价值进行检查，至少于每年年末检查一次，如发现无形资产的账面价值已超过可收回金额的情形，应对无形资产的可收回金额进行估计，并将该无形资产的账面价值超过可收回金额的部分确认为减值准备；根据《企业会计准则第1号——存货》，资产负债表日，存货应当按照成本与可变现净值孰低计量，存货成本高于其可变现净值的，应当计提存货跌价准备，计入当期损益。由于数据资产价值确定的专业性和复杂性，无论是数据资产的可收回金额或可变现净值，都有可能需要借助评估专业人员确定。数据资产质押融资。在现有质押体系下，企业将基于数据产品交易合约的应收账款或数据资产作为信用担保质押给银行，以获取银行贷款，发挥数据要素的资产属性，助力企业基于优质数据资产而非主体信用拓宽融资途径。数据资产质押融资涉及数据资产权属、现金流等多种问题，主体一般需要提供数据资产评估报告。数据资产持有人可以转让数据资产相关权益来获得收益，数据资产转让从买方视角和卖方视角来看，都需要评估标的资产的市场价值。根据公司法，股东可以用货币出资，也可以用实物、知识产权、土地使用权、股权、债权等可以用货币估价并可以依法转让的非货币财产作价出资；但是，法律、行政法规规定不得作为出资的财产除外。对作为出资的非货币财产应当评估作价，核实财产，不得高估或者低估作价。企业将其合法拥有的数据资产，作为财产作价出资，需要进行资产评估。数据资产证券化是以数据资产未来产生的现金流为偿付支持，发行数据资产支持证券的过程。数据资产证券化可以将分散的数据资产打包形成更优质、更具规模的底层资产，盘活存量数据资产，将企业融资需求对接到金融市场，提升资源配置效率。数据资产证券化中，评估机构通常需要为双方主体提供数据资产未来现金流量预测服务，通常采用收益法进行。数据资产具有非实体性、依托性、可共享性、可加工性、价值易变性等特征。非实体性是指数据资产无实物形态，虽然需要依托实物载体，但决定数据资产价值的是数据本身。数据资产的非实体性也衍生出数据资产的无消耗性，即其不会因为使用而磨损、消耗。依托性是指数据资产必须存储在一定的介质里，介质的种类包括磁盘、光盘等。同一数据资产可以同时存储于多种介质。可共享性是指在权限可控的前提下，数据资产可以被复制，能够被多个主体共享和应用。可加工性是指数据资产可以通过更新、分析、挖掘等处理方式，改变其状态及形态。价值易变性是指数据资产的价值易发生变化，其价值随应用场景、用户数量、使用频率等的变化而变化。根据以上数据资产评估对象特征，在进行数据资产评估中，需要明确数据资产的信息属性、法律属性、价值属性等：1、信息属性主要包括数据名称、数据结构、数据字典、数据规模、数据周期、产生频率及存储方式等。2、法律属性主要包括授权主体信息、产权持有人信息，以及权利路径、权利类型、权利范围、权利期限、权利限制等权利信息。执行数据资产评估业务，应当根据数据来源和数据生成特征，关注数据资源持有权、数据加工使用权、数据产品经营权等数据产权，并根据评估目的、权利证明材料等，确定评估对象的权利类型。3、价值属性主要包括数据覆盖地域、数据所属行业、数据成本信息、数据应用场景、数据质量、数据稀缺性及可替代性等。数据资产价值的评估方法包括收益法、成本法和市场法三种基本方法及其衍生方法。执行数据资产评估业务，资产评估专业人员应当根据评估目的、评估对象、价值类型、资料收集等情况，分析上述三种基本方法的适用性，选择恰当的评估方法。数据资产价值评估的收益法是借鉴实物资产价值测算的最常用的无形资产评估方法，在用收益法进行数据资产价值测算的时候主要参考的价值是数据资产在未来发展中所带来的预期收益，同时将各种预期收益按照折现的方法进行现值的计算，最终确定数据资产价值。1、收益法计算公式，收益法评估数据资产时，数据资产作为经营资产直接或者间接产生收益，其价值实现方式包括数据分析、数据挖掘、应用开发等。收益法较真实、准确地反映了数据资产本金化的价值，更容易被交易各方所接受。基本计算公式为：在估算数据资产带来的预期收益时，需要区分数据资产和其他资产所获得的收益，分析与之有关的预期变动、收益期限、成本费用、配套资产、现金流量、风险因素等。数据资产的预期收益是因数据资产的使用而额外带来的收益，数据资产收益现金流是全部收益扣除其他资产的贡献后归属于数据资产的现金流。数据资产的获利形式通常包括：对企业顾客群体细分、模拟实境、提高投入回报率、数据存储空间出租、管理客户关系、个性化精准推荐、数据搜索等。目前确定数据资产现金流的方法有直接收益、分成收益、超额收益、增量收益等方式。确定预期收益时，注意区分并剔除与委托评估的数据资产无关的业务产生的收益，并关注数据资产产品或者服务所属行业的市场规模、市场地位以及相关企业的经营情况。直接收益预测是对利用被评估数据资产直接获取的收益进行预测的方式。直接收益预测通常适用于被评估数据资产的应用场景及商业模式相对独立，且数据资产对应服务或者产品为企业带来的直接收益可以合理预测的情形。例如：拥有用户数据的某公司建立数据资产管理中心，经用户授权后，提供数据调用服务并收取费用。分成收益预测是采用分成率计算数据资产预期收益的方式。具体思路是，首先计算总收益，然后将其在被评估数据资产和产生总收益过程中作出贡献的其他资产之间进行分成。分成率通常包括收入提成率和利润分成率两种。分成收益预测通常适用于软件开发服务、数据平台对接服务、数据分析服务等数据资产应用场景，当其他相关资产要素所产生的收益不可单独计量时可以采用此方法。例如：对第一手数据进行加工利用并与软件开发服务等传统IT项目结合为完整的解决方案，实现数据持续不断地在未来预测期间间接变现。在确定分成率时，需要对被评估数据资产的成本因素、场景因素、市场因素和质量因素等方面进行综合分析。超额收益预测是将归属于被评估数据资产所创造的超额收益作为该项数据资产预期收益的方式。具体思路是，首先测算数据资产与其他相关贡献资产共同创造的整体收益，然后在整体收益中扣除其他相关贡献资产的贡献，将剩余收益确定为超额收益。除数据资产以外，相关贡献资产通常包括流动资产、固定资产、无形资产和组合劳动力等。超额收益预测通常适用于被评估数据资产可以与资产组中的其他数据资产、无形资产、有形资产的贡献进行合理分割，且贡献之和与企业整体或者资产组正常收益相比后仍有剩余的情形。尤其是数据资产产生的收益占整体业务比重较高，且其他资产要素对收益的贡献能够明确计量的数据服务公司，例如：对自有及公开数据进行加工整合后通过提供可供查询、自助分析的数据产品实现较明确的预期收益。在确定超额收益时，首先将被评估数据资产与其他共同发挥作用的相关资产组成资产组，然后调整溢余资产，进而对资产组的预期收益进行估算。在此基础上剔除非正常项目的收益和费用，以便预测折旧摊销和资本性支出等，从而确定贡献资产及其贡献率，并估计贡献资产的全部合理贡献。最后将预期收益扣除被评估数据资产以外的其他资产的贡献，得到超额收益。 增量收益预测是基于未来增量收益的预期而确定数据资产预期收益的方式。该增量收益来源于对被评估数据资产所在的主体和不具有该项数据资产的主体的经营业绩进行对比，即通过对比使用该项数据资产所得到的利润或者现金流量，与没有使用该项数据资产所得到的利润或者现金流量，将二者的差异作为被评估数据资产所对应的增量收益。 增量收益预测通常适用于以下两种情形下的数据资产评估：一是可以使应用数据资产主体产生额外的可计量的现金流量或者利润的情形，如通过启用数据资产能够直接有效地开辟新业务或者赋能提高当前业务所带来的额外现金流量或者利润；二是可以使应用数据资产主体获得可计量的成本节约的情形，如通过嵌入大数据分析模型带来的成本费用的降低。增量收益预测是假定其他资产因素不变的情况下，为获取数据资产收益预测而进行人为模拟的预测途径。在实务中，应用数据资产产生的收益是各种资产共同发挥作用的结果。资产评估专业人员应当根据实际情况，进行综合性的核查验证并合理运用数据资产的增量收益预测。采用收益法评估数据资产时，可以通过以上四种方法获得收益预测，也可以结合数据资产的实际情况，对上述方法进行调整或者拓展。使用收益法执行数据资产评估业务时，需要综合考虑法律保护期限、相关合同约定期限、数据资产的产生时间、数据资产的更新时间、数据资产的时效性以及数据资产的权利状况等因素确定收益期限。收益期限不得超出产品或者服务的合理收益期。使用收益法执行数据资产评估业务时，应当合理确定折现率。折现率可以通过分析评估基准日的利率、投资回报率，以及数据资产权利实施过程中的技术、经营、市场、资金等因素确定。数据资产折现率可以采用无风险报酬率加风险报酬率的方式确定。数据资产折现率与预期收益的口径保持一致。成本法就是在现实条件下，重新购置或建造一个全新状态的评估对象，将所需的全部成本减去评估对象的功能性陈旧贬值和经济性陈旧贬值后的差额作为评估对象现实价值的一种评估方法。根据这一定义，成本法的基本公式为：数据资产的重置成本，主要包括前期费用、直接成本、间接成本、机会成本和相关税费等。前期费用包括前期规划成本，直接成本包括数据从采集至加工形成资产过程中持续投入的成本，间接成本包括与数据资产直接相关的或者可以进行合理分摊的软硬件采购、基础设施成本及公共管理成本。在基本成本法评估的基础上，可以综合考虑对数据资产全部投入对应的期望状况与评估基准日数据资产实际状况之间所存在的差异进行调整，加入数据资产价值调整系数对资产价值进行修正，建立一种数据资产价值评估成本法模型，具体公式为：市场法是通过在活跃的交易市场上，选择若干个同类对象在市场中的交易条件和价格作为参考，并根据需要评估的对象的特点，两者相结合加以考虑调整，从而做出评估的一种方法。它是价值评估中最直接的一种评估方法。市场法可以采用分解成数据集后与参照数据集进行对比调整的方式，具体模型如下：执行数据资产评估业务，资产评估专业人员应当根据评估目的、评估对象、价值类型、资料收集等情况，分析上述三种基本方法的适用性，选择适当的评估方法。收益法和市场法通常适用于交易性和收益性较好的数据资产评估。当前正值数据资产市场建设期，交易透明度、信息公开度还需要时间来提升，有些数据资产不是在企业经营中形成直接收益，直接预测收益有一定难度，需要进行大量的市场调研、应用推演和实践检验。在上述条件下，可以考虑使用成本法。资产评估专业人员执行数据资产评估业务时，不论选择哪种评估方法进行评估，都应当保证评估目的与评估所依据的各种假设、前提条件，所使用的各种参数，在性质和逻辑上的一致。尤其是在运用多种评估方法评估同一评估对象时，更要保证每种评估方法运用中所依据的各种假设、前提条件，数据参数的可比性，以便能够使运用不同评估方法所得到的测算结果具有可比性和相互可验证性。对同一数据资产采用多种评估方法时，应当对所获得的各种测算结果进行分析，说明两种以上评估方法结果的差异及其原因和最终确定评估结论的理由。数据资产评估报告中应披露必要信息，使资产评估报告使用人能够正确理解评估结论。数据资产评估报告需要披露的内容主要有：2、数据质量评价情况，评价情况应当包括但不限于评价目标、评价方法、评价结果及问题分析等内容；3、数据资产的应用场景以及数据资产应用所涉及的地域限制、领域限制及法律法规限制等；4、与数据资产应用场景相关的宏观经济和行业的前景；2023 年 10 月 25 日，国家数据局正式揭牌。根据《党和国家机构改革方案》，国家数据局负责协调推进数据基础制度建设，统筹数据资源整合共享和开发利用，统筹推进数字中国、数字经济、数字社会规划和建设等，由国家发展和改革委员会管理。显然，数字经济正成为重组全球要素资源、重塑全球经济结构、改变全球竞争格局的关键力量。而数据则是数字经济发展的核心要素和“石油”，对推动技术和商业创新有积极作用，是现代新兴权利客体。2019年，党的十九届四中全会首次将数据与劳动、资本、土地、知识、技术和管理并列作为重要的生产要素，“反映了随着经济活动数字化转型加快，数据对提高生产效率的乘数作用凸显，成为最具时代特征新生产要素的重要变化”。2021 年 3 月，《中华人民共和国国民经济和社会发展第十四个五年规划和 2035 年远景目标纲要》中将“加快数字化发展，建设数字中国”作为国家战略发展目标、政府工作重点及人民的行动纲领，充分发挥海量数据和丰富应用场景优势，促进数字技术与实体经济深度融合，赋能传统产业转型升级，催生新产业新业态新模式，壮大经济发展新引擎，发挥数据在产业发展中重要作用。据国家工业信息安全发展研究中心统计，2021年我国数据要素市场规模达 815 亿元，这一规模预计在“十四五”期间的复合增速将超过 25%。党的十九届四中全会在明确提出将数据作为一种新型的生产要素的同时，要求健全数据要素由市场评价贡献、按贡献决定报酬的机制，这是一项重大的理论创新。中央全面深化改革委员会第二十六次会议审议通过《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》（简称“数据二十条”），指出要以促进数据合规高效流通使用、赋能实体经济为主线，以数据产权、流通交易、收益分配、安全治理为重点，有序培育资产评估、风险评估等第三方专业服务机构，提升数据流通和交易全流程服务能力，并在其中重点提及探索数据资产入表新模式，标志着我国开始摸索企业数据实现资产化的具体路径，同时探索企业数据资产在财务报表中进行确认、计量和披露的具体方式。2023 年 8 月，财政部会计司正式发布《企业数据资源相关会计处理暂行规定》（简称《暂行规定》），为企业数据资产“入表”提供了操作指引，标志着我国数据资产入表完成了 0 到 1 的关键一步，数据资产入表已从原先“箭在弦上”转为“势在必行”。“入表”是“会计核算”的通俗称法，指通过确认、计量、记录和报告等环节，对满足资产确认条件的数据资源进行记录，以满足内外部决策者所需的会计信息。2023 年9 月，中国资产评估协会正式印发了《数据资产评估指导意见》（简称《意见》），以规范数据资产评估执业行为。“价值评估”在规范准则、服务场景、价值形态等方面都与“会计核算”有所区别。会计核算遵循财政部发布的《暂行规定》，在初始计量时记录资产的成本作为账面价值；价值评估主要依据中国资产评估协会发布的《资产评估准则》，服务于企业融资、出资入股、并购重组、破产清算等多样商业场景中的多种经济活动，所选取的价值类型视评估目的而定。随着企业数据资产化理论与实践的推进，基于全国大统一数据要素交易与流通市场的数据资产应用场景也将越来越丰富，无论是银行增信、质押等非标准化服务，还是数据信托、数据保险等标准化产品，都需要依赖于数据资产评估结果。一言以蔽之，数据资产评估技术方法研究及准则制定将是数字经济发展的必然要求，也是数据资产评估相关工作的重要参考。随着我国进入数字时代，大数据在社会发展中占据着重要的地位。由于社会的发展越来越数字化，大数据的推动使价值创造出现新的飞跃。2015年至今，国家先后出台了一系列文件，从政策、技术等方面为数据经济的发展提供保障，包括《中国制造2025》、《促进大数据发展行动纲要》、《国务院关于积极推进“互联网+”行动的指导意见》、《国家信息化发展战略纲要》等重要文件。习近平总书记明确指出要大力推动数据经济，拓展经济发展新空间。我国在G20峰会上将数字经济作为峰会的一项重要议题，表明我国经济正在向数字经济方向发展。同时，党的十九大将数字经济列入报告中，也预示着数字经济将作为我国今后经济发展的方向。随着数字技术的不断发展，越来越多企业走向轻资产化，企业产生的数据资产也成为其资产一个必不可少的组成部分。同时，现代企业将大数据作为其核心发展力。无论是对于互联网企业还是传统企业而言，其存在的大量数据都可以通过标准化的处理后进行交易，而这种交易模式一般是“以消费者为导向”的经营模式，这也表明数据不仅能为信息使用者提供必要的信息，也是企业盈利能力的保障。作为一项公司资产，数据的重要性正日益突显，这促进了新的数据资产价值评估方法的发展。互联网和移动及智能技术的传播已经从根本上改变了商业数据的面貌和曝光度，数据量和数据种类不断增加。数据被越来越多地用于提升运营效率，将数据转化为价值的机会也将随之增多。因此，数据将成为一个重要的财富创造来源，并且将越来越多地被视为一项值得重视的企业资产，数据资产价值评估问题，也将成为公司估值的核心问题之一。
