在现代经济中数据作为一种新型资产，其重要性日益凸显。然而，如何有效评估数据资产的价值成为了一个复杂且具有挑战性的问题。
在实际操作中，不同的评估方法各有其优缺点，并可能在特定情境下导致估值的偏差。例如，成本法虽然能反映数据的投入成本，但却无法体现数据的潜在商业价值和未来收益。收益法则通过数据在实际应用中产生的经济效益来评估其价值，虽然能够较好地反映数据的实际使用价值，但这种方法需要准确的效益数据和复杂的模型计算，且易受外部因素影响。市场法则依赖于类似数据交易的市场价格，但数据市场尚不成熟，交易数据有限且价格波动较大，难以提供稳定的参考。
下面本文将对以上三种方法进行详细介绍和评价。
1成本法
成本法是基于数据资产的历史成本为主导的价值评估方法。成本法主要强调构成数据资产的成本，是数据资产在开发周期中全部成本的转移价值，主要包括从产生数据资产时点到评估基准时点期间的全部前期费用、直接建设运维成本和间接成本等。
（一）评估方法介绍
基本模型：在传统无形资产成本法的基础上，可以综合考虑数据资产的成本与预期使用溢价，加入数据资产价值影响因素对资产价值进行修正，建立一种数据资产价值评估成本法型。成本法模型的表达式为：
P=TC×(1+R)×U
其中：
P—评估值；
TC—数据资产总成本；
R—数据资产成本投资回报率；
U—数据效用
在上述评估模型中，数据资产总成本TC表示数据资产从产生到评估基准日所发生的总成本。数据资产总成本可以通过系统开发委托合同和实际支出进行计算，主要包括建设成本、运维成本和管理成本三类，并且不同的数据资产所包含的建设费用和运维费用的比例是不同的。
数据效用U:在上述评估模型中，数据效用U是影响数据价值实现因素的集合，用于修正数据资产成本投资回报率R。数据质量、数据基数、数据流通以及数据价值实现风险均会对数据效用U产生影响。定义数据效用的表达式为：
U= α β (1+l )(1-r )
其中：
α—数据质量系数；
β—数据流通系数；
l—数据垄断系数；
r—数据价值实现风险系数。
数据质量系数α：数据质量是指数据固有质量，可以通过对数据完整性、数据准确性和数据有效性三方面设立约束规则，利用统计分析数据是否满足约束规则完成量化。
数据流通系数β：数据资产按流通类型可以分为开放数据、公开数据、共享数据和非共享数据四类。因此，在考察数据流通效率时，首先通过可流通数据量占总数据量的比重确定数据对外开放共享程度；然后，考虑到不同的数据流通类型对数据接受者范围的影响，需要将数据传播系数考虑进来。传播系数是指数据的传播广度，即数据在网络中被他人接受的总人次，可以通过查看系统访问量、网站访问量获得。数据流通系数表示为：
数据流通系数=（传播系数×可流通的数据量）/总数据量=（a×开放数据量+b×公开数据量+c×共享数据量）/总数据量
其中，a、b、c分别为开放、公开和共享三种数据流通类型的传播系数，非共享数据流通限制过强，对整体流通效率影响忽略不计。
数据垄断系数l: 数据资产的垄断程度是由数据基数决定，即该数据资产所拥有的数据量占该类型数据总量的比例，可以通过某类别数据在整个行业领域内的数据占比衡量，即通过比较同类数据总量来确定。数据垄断系数表示为：
数据垄断系数=系统数据量/行业总数据量
数据是现实事物的客观描述。衡量某种数据的垄断性不仅受限于所属行业，还可能与其所处的地域相关。
数据价值实现风险系数r:在数据价值链上的各个环节都存在影响数据价值实现的风险。数据价值实现风险分为数据管理风险、数据流通风险、增值开发风险和数据安全风险四个二级指标和设备故障、数据描述不当、系统不兼容、政策影响、应用需求、数据开发水平、数据泄露、数据损坏八个三级指标。由于数据资产价值实现环节较多且评估过程复杂，可以采用专家打分法与层次分析法获得其风险系数。
（二）评估方法评价
成本法是通过数据资产在其整个生命周期中的成本来判断其价值的一种方法。这种方法的优势在于其简单易懂且计算方便。评估过程中主要依据客观数据，如数据收集、存储、处理和维护的实际成本。因此，成本法对评估过程的透明度较高，计算结果具有较好的客观性和可重复性。
然而，成本法也存在明显的不足。首先，数据资产的贬值因素难以确定，数据的功能性贬值和经济性贬值原因多种多样，贬值率难以准确估算。此外，成本法往往低估了数据资产的价值，因为它只考虑了数据生成和维护的成本，而忽略了数据的市场价值和潜在收益。由于数据资产的市场价格和实际价值之间的关系并非完全线性，成本法的评估结果可能偏低。
成本法适用于市场交易不活跃且没有明确实施方案的数据资产，尤其是那些数据成本易于跟踪和记录的场景。
2收益法
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化的价值，更容易被交易各方所接受。
（一）评估方法介绍
基本模型：
收益法评估的基本计算公式为：
其中：
P—评估值；
Ft—数据资产未来第t个收益期的收益额；
n—剩余经济寿命期；
t—未来第t年；
i—折现率。
根据收益法基本公式，在获取数据资产相关信息的基础上，根据该数据资产或者类似数据资产的历史应用情况以及未来应用前景，结合数据资产应用的商业模式，重点分析数据资产经济收益的可预测性，考虑收益法的适用性。
区分现金流：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。
目前确定数据资产现金流的方法有增量收益、收益分成或者超额收益等方式。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。
收益期限：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。
折现率：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。
（二）评估方法评价
收益法通过估算数据资产未来的预期收益并折现成现值来进行评估。这种方法能够真实反映数据资产的经济贡献，特别适用于那些能够明确预测未来收益的数据资产。通过预期收益的折现，收益法的评估结果直观易懂。
然而，收益法也存在一定的局限性。首先，未来收益的预测存在很大的不确定性，预期收益和折现率的确定往往依赖于主观判断，容易导致评估结果的误差。其次，收益法不适用于市场交易与应用不明确的数据资产。数据资产的使用期限和法律保护情况也具有不确定性，需要在评估过程中综合考虑。
收益法适用于能明确预测未来收益的数据资产，尤其是在能够清晰定义数据应用场景和预期收益的情况下。
3市场法
（一）评估方法介绍
基本模型：执行数据资产评估业务，选用市场法的前提条件是具有公开并活跃的交易市场。市场法通过以下公式中的因素修正评估数据资产价值：
被评估数据资产的价值=可比案例数据资产的价值×技术修正系数×价值密度修正系数×期日修正系数×容量修正系数×其他修正系数
可比较案例收集：使用市场法执行数据资产评估业务时，在充分了解被评估数据资产的情况后，需要搜集类似数据资产交易案例相关信息，包括交易价格、交易时间、交易条件等信息，并从中选取可比案例。
对于类似数据资产，可以从相近数据类型和相近数据用途两个方面获取。目前比较常见的数据类型包括：用户关系数据、基于用户关系产生的社交数据、交易数据、信用数据、移动数据、用户搜索表征的需求数据等。目前比较常见的数据用途包括：精准化营销、产品销售预测和需求管理、客户关系管理、风险管控等。
修正系数：使用市场法执行数据资产评估业务时，应当收集足够的可比交易案例，并根据数据资产特性对交易信息进行必要调整，调整参数一般可以包括技术修正系数、价值密度修正系数、期日修正系数、容量修正系数和其他修正数。
（1）技术修正系数：主要考虑因技术因素带来的数据资产价值差异，通常包括数据获取、数据存储、数据加工、数据挖掘、数据保护、数据共享等因素。
（2）期日修正系数：主要考虑评估基准日与可比案例交易日期的不同带来的数据资产价值差异。一般来说，离评估基准日越近，越能反应相近商业环境下的成交价，其价值差异越小。
期日修正系数的基本公式为：期日修正系数=评估基准日价格指数/可比案例交易日价格指数。
（3）容量修正系数：主要考虑不同数据容量带来的数据资产价值差异，其基本逻辑为：一般情况下，价值密度接近时，容量越大，数据资产总价值越高。
容量修正系数的基本公式为：容量修正系数=评估对象的容量/可比案例的容量。
当评估对象和可比案例的价值密度相同或者相近时，一般只需要考虑数据容量对资产价值的影响；当评估对象和可比案例的价值密度差异较大时，除需要考虑数据容量之外，还需要考虑价值密度对资产价值的影响。
（4）价值密度修正系数：主要考虑有效数据占总体数据比例不同带来的数据资产价值差异。价值密度用单位数据的价值来衡量，价值密度修正系数的逻辑为：有效数据（指在总体数据中对整体价值有贡献的那部分数据）占总体数据量比重越大，则数据资产总价值越高。如果一项数据资产可以进一步拆分为多项子数据资产，每一项子数据资产可能具有不同的价值密度，那么总体的价值密度应当考虑每个子数据资产的价值密度。
（5）其他修正系数：主要考虑数据资产评估实务中，根据具体数据资产的情况，影响数据资产价值差异的其他因素，例如，市场供需状况差异。可以根据实际情况考虑可比案例差异，选择修正系数。
（二）评估方法评价
市场法是通过比较市场上类似数据资产的交易价格来估值的方法。这种方法的一个显著优势是能够反映数据资产在市场中的实际价值。由于基于市场交易数据，市场法评估结果的客观性和参考性较高，且易被交易双方接受。
但是，市场法在应用中也面临一些挑战。首先，它依赖于活跃的市场交易环境，如果市场上缺乏足够的交易案例，评估将变得困难。其次，市场交易数据往往不透明，获取交易价格信息可能需要大量的时间和资源。此外，数据资产在不同交易条件下价格波动较大，导致评估结果不稳定。
市场法适用于市场交易活跃的数据资产，特别是那些以交易为主要目的的数据资产。
4结语
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。
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。
