随着数字技术的深度渗透, 数据作为第五大生产要素, 已经带动国民经济的规模增长和结构变化。要素定价体系是实现要素市场化配置的基础性工程, 数据资产的价值评估无疑成为一个现实课题。

1

数据资产的一般分类

可以说，数据资产门类繁多，各种分类五花八门，需要具体分析，一一解读。

1. 基于技术视角的分类

数据可分类数字产品与数据产品。其中，数字产品，亦被称之为数字藏品，存在狭义与广义之别。从狭义层面看，指信息内容基于数字格式的交换物或凭借互联网以比特流方式传送的产品，如元宇宙概念下的NFT(非同质化代币)；从广义层面看，还包括基于数字技术的电子产品或通过网络来传送或依托于一定的物理载体而存在的产品。而数据产品分为3类:信息和娱乐类产品(如图形图像、音频和视频等)；象征、符号和概念(如音乐会、比赛等的门票，支票、电子货币、信用卡等)；过程和服务(如远程教育、数字咖啡馆和交互式娱乐等)。

2. 基于管理视角的分类

通常，数据按照来源分为内部数据和外部数据，内部数据又分为原始数据(应用系统数据、传感器数据和工作日常数据)、处理数据(统计分析数据)；外部数据又分为开放数据、行为数据。此外，数据常常被分为商业数据与公共数据两类，前者是将数据产品服务化后进行商业变现而着眼产权交易的价值认定；后者在政务数据为代表的公共数据领域。政务数据开放价值是多元且相对的，一般可分为数据买卖产品、指数化类产品、可视化类产品、报告类产品等几大产品形态，深入金融、文旅、健康、社会管理与公共服务四大应用场景并形成了一定应用价值。

3. 基于使用视角的分类

当然，数据资产还可以按照数据应用依托的行业性质进行相应划分，不同行业的数据资产通常具有明显不同的异质性特征，这些特征也会对数据资产的价值产生一些影响。目前多见的情形有3类，一是金融行业数据资产，普遍具有高效性、风险性和共益性；二是电信行业数据资产，其特征通常具有关联性和复杂性；三是政府数据资产，数量更加庞大，领域更为广泛，异构性强，可能会跨越农业、气候、教育、能源、金融、地理空间、全球发展、医疗卫生、工作就业、公共安全、科学研究、气象气候等领域。

2

基于数据资产价值评估的技术方法

“管好”“用好”数据资产，其实也需要一个科学认知与精益管理的过程，从数据要素到数据资产是必然趋势，高质量确权与计量的过程能够更好释放数据资源的价值，当前应加快健全数据资产的确权体系、探索定价机制、明确收益分配制度并优化监管体系建设。

1. 数据资产价值评估的出发点

数据资产具有不同于传统资产(比如设备、房屋建筑物)的很多特性，这些特性嵌人数据资产导致其价值高低会与用户群体、使用频率、市场波动等存在变异关系。这样，对其估值也相应提出一些难点，比如:数据资产的价值随着既有数据资产的挖掘、分析、清洗等算力演进而形成一个全新的数据资产价值层次；数据资产价值由于用户的不同而存在差异，用户的深度满足显然能够体现其不同的价值；数据资产的价值动态变化，即随着使用次数、甚至使用群体的变化面改变。无论如何，数字经济的发展为数据资产的市场认可提供了前所未有的机会，数据资产的价值确认与评估，应该伴随着市场情形，主动探索特殊表现背后的一般规律，找寻数据资产价值评估的基本思路与技术方法。

作为价值评估的立意渊源，最简单、最原始而直观的评估肯定是成本法评估、具有可操作、客观可考证之便利。不过，它侧重于数据资产开发过程的成本转移价值，而非数据使用的商业市场价值，是强调数据资产的成本而市场收益，无法体现资产持有者从数据资产释放价值而获取的收益。而请注意，当人们开始主动关注数据资产的功能与效用时，采取收益法能更好地促进数据要素的合理定价。收益法进一步地,在大数据技术条件下，创新出一些全新的技术来评估其价值。诸如此类，从目前经济与技术发展态势分析。数据资产的价值评估多种多样，可选用经典的传统方法，也可创新技术工具来实施。

2. 传统评估方法

参照传统的资产评价技术方法，主要包括成本法、收益法和市场法，现简要阐述其原始要义与比较关系。

在对数据资产价值认定的方法上，目前主流的资产评估方式依然可行可用，即成本法、收益法和市场法。成本法的优势是计算简单，但是成本法会偏离市场的真实价值，或者数据会出现资产相关的成本费用较难区分，无法反映数据资产可能形成的合理利润。

收益法可以分为数据产品带来的直接收益、数据应用产品带来的分成收益等模式进行评估。收益法也可能存在可参照的内含报酬率参数难以确定。

市场法通过参照既有交易案例而进行价值套算的方法，可以获取同类市场环境下同业资产的价值标杆，是一种真实、可信但也要面临可比性挑战的技术选择。

总之，通过成本法、收益法、市场法对数据资产进行估值，也都存在一定的不合理性，普通的资产估值方法对于全新的数字资产也是不完全契合的切。因此，“给时光以生命，给岁月以文明"，需要坚持“穿新鞋不走老路”，探索一种综合的估值方法或一种新型的估值方式。

3. 创新评估方法

数据资产本身就是一种大数据技术，一些学者对数据资产价值评估方法进行了改进，比如黄乐、张驰等提出数据资产价值分析与评估的创新思维“。现简要就一些创新方法阐述如下:

博弈方法

博弈法俗称讨价还价法。在一定条件下，数据资产定价可通过其买卖双方各自所掌握的信息，以讨价还价方式实现自身利益最大化和风险成本最小化，即博弈方法。交易活动的推进中，由于买卖双方信息不对称，根据自身掌握的信息进行往复决策，讨价还价的进程可以看作不完全信息条件下的动态博弈。基于博弈论的协议定价。其精妙之处在于交易双方以协议定价的方式反复试错从而找寻最佳匹配点。这种数据定价方法具有针对性较强、沟通机会多、成交概率高的重点。不过，现实中协议定价方法也存在一些弊端，如:漫长的博弈过程会增加时间成本，降低交易效率；数据垄断性导致卖方主导而可能忽视数据的真实效用；信息不对称会导致数据真实价值难以评估，非法套利会引发偏差。

实物期权法

实物期权法源于金融学的实物期权原理。国内外学者形成这样的共识，即原始数据具备基准价格特征的，过滤和整合所需工作越多，其价值就越大；交易次数越多，其效用价值就越高，每个数据产品的价值应该等于其处理步骤和交易次数的加权线性组合。比如，在保险产品的大数法则应用中，智能核保与理赔常以季或年批量结算、创新产品以上市第一年、第二年和第三年逐年验证。样本量足够大滋生出价值量观察的准确度，这从本质上呈现出与金融实物期权类似的特征。因此，定价策略拟参照金融实物期权定价思想，以传统期权定价模型为基础，引入新的大数据特征变量，包括收入和成本现值、无风险利率、资产价格变动率、稀缺系数等相关系数，尽可能反映未来真实价值，也可以提前预防潜在的风险。

人工智能方法

数据资产价值评估的人工智能技术方法，既有 ChaiGPT、New Bing等，也有人工神经网络等技术方法的拓展应用，都可以进行估值的辅助工作，能够大大提升询价效率，找寻数据规律，是数据资产评估领域包括辅助询价、辅助阅读和辅助格式在内的先进体验。实施数据资产价值评估时，可能借助人工智能的辅助功能形成评估准则、指南和专家指引等框架性体系。进一步地，根据数据资产的影响因素构建人工神经网络系统，利用成熟的人工神经网络技术来处理，统筹好输人层(可包含数据日期、有效期限、数据类型、数据复杂度、数据应用范围等)和输出层(可包含数据内在价值、数据市场价值等)指标，遵从神经网络模型的非线性动力学习系统特点，克服了人工评价所带来的人为因素及模糊随机性的影响，能保证评价结果的客观性、准确性。

资料来源：《财务管理研究》2023年第10期