2020年4月10日,《中共中央国务院关于构建更加完善市场化配置要素体制机制的意见》正式发布,将数据确立为五大生产要素之一。数据要素市场化已经成为建设数字中国不可或缺的一部分,数据资产时代已经到来。

什么是数据资产?
1.中国非常重视数据元的发展。自2015年《促进大数据发展行动计划》出台以来,中国已经出台了许多政策和法案来促进数据的发展和要素的资本化。2.数据资产的定义目前,数据资产还没有统一的定义。学者朱和叶雅贞认为,数据资产是网络空中的数据集,具有数据所有权、价值、可测性和可读性。根据中国信通院的定义,数据资产是指由企业拥有或控制,并能为企业带来未来经济利益的数据资源,如文档、电子数据等。光大银行瞭望智库认为,从企业应用的角度来看,数据资产是以电子方式记录的数据资源,由企业过去的交易或事项形成,由企业合法拥有或控制,预计在未来一定时期内为企业带来经济利益。总的来说,我个人认为光大银行的说法比较合适。“企业合法拥有或控制”强调数据来源和来源的合法合规性,符合当前高度强调数据安全的发展理念;“电子记录”强调数据资产的存在形式,即数据资产可以通过清查、登记等管理手段进行识别、记录和计量。实际记录的数据不能算作数据资产。3.数据资产的特征与传统的有形资产和无形资产相比,数据资产具有非实体性、非消耗性、可加工性、多样性、依赖性、价值可变性、多重衍生性、可共享性和零成本复制性八大特征。普华永道将数据资产的基本特征归纳为五点,即非实体性、依赖性、多样性、可加工性和价值可变性。光大银行-瞭望智库在它的基础上进行了丰富,除了物质性、可加工性、多样性、依赖性、价值可变性之外,增加了若干衍生品、可共享性、零成本复制性。多重派生是指同一数据主体可以进行多层次、多维度的处理,从而派生出不同层次的数据价值,挖掘多层次、多维度数据资产的潜在价值,丰富数据资产;可共享性是指数据资产可以无限交换、转让和使用,利用其可共享性可以最大程度挖掘数据资产的价值;零成本复制是指数据资产的成本主要在于数据读取和研发的前期,因此初始数据资产的成本极高,但后续复制和共享的边际成本趋于零。数据的诸多特性在很大程度上导致了权属确认和估价交易的困难。如何确认数据资产?
数据确认是实现数据安全有序流动和数据资本化不可或缺的前提条件。
产权归属毕竟是一个法律概念,最重要的是需要从司法角度不断完善。目前数据产权相关法律法规的缺失,给司法实践、企业合规、行政监管带来诸多不便,需要建立完善的数据产权制度,这是数据资产化的保障。
数据资产如何估值?
统一数据资产估值,即定价标准,是数据元素分配的重要手段。但目前市场上对数据资产的估值还没有一个通用的方式和统一的标准,这可能与其新因子和自身特点有关。以下总结了几家机构提出的估值方法,以供参考。
1.光大银行:货币估值法和非货币估值法。
根据估值结果的形式,光大银行将估值方法分为货币估值方法和非货币估值方法。
货币估价方法以传统的资产估价方法为代表,主要包括成本法、收益法和市场法。此外,还包括Gartner提出的浪费价值和风险价值两种货币估值模型。非货币计量方法主要包括Gartner提出的内部价值、业务价值和绩效价值三种模型,分别从数据的内部特征、业务价值和绩效角度进行评价,也涵盖了实践中各种参数形成的综合评价体系。具体表格如下:
在方法应用上,货币资产评估有成熟的方法体系,但数据资产与传统资产存在较大差异,因此目前的估值方法难以适用于数据资产,市场也没有实际使用货币计量估值方法来计量数据资产价值的先例。
相比之下,非货币计量和估值方法不受货币单位的限制,一些数据技术先进的企业具备实际应用条件。整体来看,这种估值方法的应用与前述方法的应用思路是一致的,即按照与数据资产价值实现相关的维度构建估值模型。但不同企业对数据资产的估值区间不同,一般会根据自身的业务关注点选择唯一的计量维度来创建计量体系,在维度和模型算法构建上也有较大差异。
2.普华永道:数据资产评估的框架体系
普华永道根据数据资产的特点和发展阶段提出了数据资产估值的框架体系,认为在缺乏活跃交易市场的情况下,应根据数据的发展阶段,从成本和收益/收益的角度分析数据资产的价值。在交易市场活跃的情况下,可以从数据资产的交易价值结合模拟数据资产的特性来分析。
其中,成本思维是指从形成数据资产的成本出发进行评估。适用于发展初期的数据资产估值。可变现净值的概念,是指从预计处置日的数据资产预计处置价格,减去为处置该资产而发生的额外费用等,得出期末的可变现净值。,并用合适的折现率对其进行折现,得到数据资产当前的估计价值。
其他估值思路需要复杂的公式来辅助理解,就不详细介绍了。建议阅读普华永道《数据资产前瞻性研究白皮书》的报告原文。
3.中国信通院:成熟要素市场的“四要素定价模型”。
中国信通院认为,数据具有类似于金融资本和人力资本的双重属性,即数据具有金融资本的附加值和风险以及人力资本的异质性。因此,数据价格是其补偿价值、附加值、异质性价值和风险溢价的集合。
补偿是成本,增值是指数据带来的市场价值和社会价值。异构价值是指异构数据结构、不同采集主体、高度依赖使用场景带来的异构价值,以及数据交易市场细分带来的异构价值。风险溢价是指数据组合收益率与无风险收益率之差,用于衡量数据资产投资者因承担风险而获得的收益率。
“四因素定价模型”是指数据价值是补偿价值和附加价值的总和。具体计算公式比较复杂,这里就不展开了。有兴趣的朋友可以看看中国信息通信研究院发布的《数据价值与数据要素市场发展报告》。
标签
在数字经济蓬勃发展的背景下,数据资本化成为必然趋势。按照科斯定理的逻辑,只要明确数据的产权,就可以进入市场进行流通和交易。土地、劳动力、资本、技术等传统生产要素都经历了产权界定的过程,然后通过市场化机制得以流通和盘活。
相信随着数字经济的发展,数据相关的配套法律法规会逐步完善,数据产权会明晰,数据估值的市场机制会完善,数据资产的价值会得到真正的释放。
参考资料:
朱、叶雅贞,从数据的属性看数据资产,2018中国信息通信研究院云计算与大数据研究所,《数据资产管理实践白皮书》,2018年光大银行瞭望智库,《2021年商业银行数据资产估值白皮书》普华永道,2021年数据资产前瞻性研究白皮书


