数据资产评估困境及其对策研究

数据资产评估困境及其对策研究

江玲

身份证号码：430702197904274040

摘要：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。

关键词：数据资产评估；困境；对策

1数据资产的定义

目前，国内很多学者虽已逐渐意识到数据资产价值评估的重要性及必要性，并开始致力于数据资产价值评估的分析与研究，但并未对数据资产下定义。一部分学术工作者将数据资产定义为用于交流、处理、解释的一种重要经济资源。另一部分学术工作者则认为企业数据资产是具有正确性、重复性、完整性和参考性的信息资料，通过对这类数据资料的深入研究，挖掘其潜在的价值信息，进一步提高相关数据资料的利用价值，并帮助企业管理层制定更加科学、合理的战略决策，从而促进企业的长效化稳健发展。由此可见，加强对企业数据资产价值评估的探析与研究有着极其深远的现实意义。

2数据资产评估困境

2.1数据资产评估标的权属核查受限

数据资产化的关键前提在于产权结构的清晰。产权归属比较清晰的数据是企业通过自己收集、整理和分析得到的资料。但如果是通过网络大数据“爬虫”、资源共享，甚至非法手段获得的数据，数据资产的产权就存在争议，即使数据已经经过加工和处理。目前对于数据资产产权归属的相关制度和法律法规并不完善，再加上数据资产的可加工性特征，复制成本低，共享性强，权属问题较为复杂，确认经济上的所有权权属困难，不容易进行准确界定。

2.2数据资产评估人员专业技能欠缺

随着数字经济的快速发展，数据信息量越来越大，分析和量化数据的工作越来越突出。资产评估师需要利用大数据技术和数据库资源，结合技术信息方法，对数据资产信息进行整合、识别和区分，为进一步开展数据资产价值评估工作提供依据。然而，相对缺乏精通使用大数据技术进行评估的机构和专业人员，资产评估人员缺乏数据资产评估技能。中小型评估机构在数据处理方面缺乏专业知识和创新意识，其评估人员对数据库的使用有限。同时，我国高校资产评估与管理专业数据评估人才培养尚未形成体系，无法及时满足数字经济时代的社会发展需求。无论是资产评估从业人员还是资产评估专业学生，在数据资产评估方面的专业知识和技能仍然不足，数据资产评估专业人员的能力仍有待提高。

3提高数据资产评估的对策建议

3.1测算数据资产重置成本的注意事项

根据《数据资产评估指导意见》的规定，数据资产的重置成本，包括前期费用、直接成本、间接成本、机会成本和相关税费等。前期费用主要指数据资产对应的前提调研、数据模型设计和规划等费用；直接成本主要包括数据采集成本、数据脱敏、清洗、标注、整合、分析成本、数据更新成本、数据存储成本；间接成本主要包括数据资产应分摊的管理费用、软件使用费、维护数据安全对应的成本。而考虑到评估中的重置成本采用的是客观必要成本，并非个别实际成本，客观的资本成本也可以包含在数据资产的重置成本之中。

《数据资产评估指导意见》中列举的重置成本构成项目并未包含合理利润，所列举的机会成本可视为对合理利润的替代，两者都是投资收益能力的一种体现。数据资产的机会成本是指选择数据资产的投资作为最优方案而放弃其他次优方案的收益，通过其他次优项目的“收益”来衡量数据资产这项最优投资项目的“投资收益”，这一间接过程本质上应用了替代原理，要求最优方案与次优方案之间很接近，且两者具有可比性，而按照风险与收益对等的原理，要求数据资产这项最优投资方案与次优方案之间的风险类似。因此，数据资产重置成本中的机会成本，可以采用投资风险相同或相近的投资项目的报酬率，来间接衡量数据资产投资应获得的报酬水平。投资项目的投资报酬率实质是超过资产成本的投资收益率，而数据资产的应用前景及应用风险是影响投资报酬率的两大因素，因此机会成本也可以视为数据资产的应用价值，即应用数据资产带来的超过其成本的那部分价值。

3.2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，只有这样才能准确评估数据资产价值，进一步促进企业降本增效。

3.3建立数据资产评估产权归属制度

明确产权结构是数据资产化的前提。要通过构建新型产权制度，实现数据资产使用、持有、加工、收益和经营等方面重要权益确权，建立相应的产权运行机制。依据数据资产的特征对权属进行划分，通过对数据资产的“拥有或者控制”,行使处分和收益等权利“带来经济利益”,或者是通过权属转移赋予他人拥有数据资产的控制和处理的合法权益。

3.4可比案例的差异调整

根据《数据资产评估指导意见》的规定，对于待评估的数据资产与可比案例的差异，通常情况下需要考虑质量差异调整、供求差异调整、日期差异调整、容量差异调整以及其他差异调整等。除此之外，数据资产保护措施及效果，应成为一个修正因素。在众多调整因素中，质量差异调整是其中的重点事项，而数据资产的质量要素包括数据的准确性、一致性、完整性、规范性、时效性和可访问性等，时效性又是其中的重要质量要素，不同类别的数据的时效性不同，即便是同一数据，在不同的应用场景下数据的时效也可能不同。因此，如果可比案例与被评估的数据资产的时效性及其他质量要素差异显著且难以对质量差异进行量化修正，则可能致使市场法不适用。从这个角度看，数据资产的时效性等质量要素，甚至成为筛选可比案例的条件之一。

3.5提升数据资产评估人员执业水平

面对高速发展的数字经济，数据资产评估工作呈现出新的特点，资产评估专业人员除了需要具备评估知识外，还需要具备信息和大数据方面的知识和技能。因此，评估机构在提升资产评估专业人员执业水平和业务胜任能力的同时，需要加大对评估专业人员数字化技能的培训力度。此外，高校资产评估与管理专业需要结合社会实际，更新完善人才培养方案，从增强数字化执业能力的角度出发，培养学生采集、处理、分析、运用数据的能力，为评估机构输送紧缺人才。

结论

综上所述，数据资产价值评估模型具有十分光明的应用前景，是新时期企业提升自身总体管理水平、加快产业结构转型升级的关键支撑。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]赵丽，李杰.大数据资产定价研究—基于讨价还价模型的分析[J].价格理论与实践，2020(08):124–126+178.

[2]彭刚，李杰，朱莉.SNA视角下数据资产及其核算问题研究[J].财贸经济，2022,43(05):145–160.

[3]陈芳，余谦.数据资产价值评估模型构建——基于多期超额收益法[J].财会月刊，2021(23):21–27.

[4]张俊瑞，危雁麟，宋晓悦.企业数据资产的会计处理及信息列报研[J].会计与经济研究，2020,34(03):3–15.