據中國資產評估協會《數據資產評估指導意見》，數據資產評估主要是三個方法：市場法、成本法和收益法。之前小億和大家分享了數據資產評估方法以及價值發揮的路徑，今天結合一個案例來具體講解一下怎么去評估數據資產。

這個案例是一個典型的一個政務數據的案例?，F在政務數據的進一步價值化、資產化，是各個地方政府都高度關注并積極研究的一個事項，因為政務數據如果能夠找到更高效更合理的價值實現的路徑，對于解決地方政府的財源問題乃至于地方債問題都是一個非常好的實現路徑。

地方政府都在做的事情首先是匯聚數據資源然后再進行價值化的利用。此案例是一個已經匯聚了并且進行相應的商業化應用的數據資產。

首先是要梳理數據資產的來源，委托人是B公司，那B公司的數據資產是通過兩步授權來的。

2020年4月甲市出臺了《關于建設金融公共數據專區建設的意見》，9月份甲市征信局授權了當地國有企業a公司簽署授權協議，A公司是一個金融控股公司，業務多元化經營，為了把財務、業務、人員相對獨立化專門成立了全資子公司b公司，并且授權b公司做數據處理工作。所以b公司享有對甲市金融公共專區匯聚和共享的公共數據進行清洗，加工處理和對外輸出應用的權利。

第二步界定價值評估的對象和價值評估的范圍。

B公司的數據資產是授權來的，授權范圍包含27家當地政府的委辦局 221張表2,500多個字段3億多條數據，但資產評估的范圍實際上只是其中的很小的一部分，切割出了兩個比較明確的商業應用場景，其中對應的字段涉及到6家委辦局22張表 339個字段接近2,000萬條數據 。

第三步明確評估對象里面包含的數據資產內容。

數據資產22張表包含企業基本信息表的主要字段包括統一信用代碼、注冊地址、法定代表人等，也包含市場監管局的投資人ID、繳付信息、嚴重違法、失信企業信息等一系列的字段，工商局三張表即股權凍結的信息、股權質押的信息、經營異常的名錄，也包括企業名稱、凍結文號、凍結金額、質押登記號等一系列的字段；稅務局三張表，即納稅人的信用等級信息、欠稅公告、重大稅收違法信息，包括納稅人的識別號、年度欠稅的稅種、欠稅金額、違法事實等字段；財政局也有中標公告的表格，人民法院有金融專區的開庭信息、公告信息、案件基本信息，經信局的國家級市級兩化融合管理體系貫標試點企業名單、互聯網與工業融合創新試點企業名單，科委的科學技術創新獎的項目信息以及行政處罰高新技術企業名單、公共信用信息名錄等等一系列的信息。

通過分析發現這些有用的信息可以歸納成為兩種，一種是積極正面的企業信息，一種是消極負面的企業信息，進行總結和提煉可以衍生出來兩個應用場景，并開發了相應的數據產品，一個場景是新客優選，另外一個場景是企業風險掃描。

新客優選主要對應的優質積極正面的企業信息，基于這些信息對優質企業進行用戶畫像，為金融機構主要是銀行的新產品或是對應性產品找到潛在目標客戶。通過新客優選的功能可以在營銷端快速篩選出優質的潛在的客戶，來進行相應的營銷活動幫助銀行進行獲客。

企業風險掃描使用的就是一些消極負面的數據信息，可以給客戶提供相應的風險信號預警，包括經營風險、司法風險、監管風險等，基于這些風險信號以及風險級別的提示幫助企業提供關鍵的運營經營指標的趨勢、風險預警、風險掃描。對于銀行而言業務的實施要進行風險的篩查、風險預判，對于存量的客戶要進行風險的監管、風險的測試都會有相應的作用，可以提高效率，可以更加有的放矢。

企業基于這些應用場景開發了相應的結構化數據，基于結構化數據和銀行的信息系統對接，并且在評估的時候就已經有三家當地的銀行簽了相應的合同，使用了相應的數據。

因此，上述情況可以采用兩種典型的方法進行評估。

一是成本法：要分析數據的形成過程，結合形成的過程來判斷成本。

從數據采集開始到數據匯聚、數據存儲、開發運維以及安全防護，都是形成這個數據資產的直接的投入。比如數據開發涉及到當中有需求調研、業務分析、概念設計、功能設計、需求文檔形成等，都構成了數據開發的成本；對于數據采集包括外購數據、數據持續更新的保障、相應的網絡的建設以及相應的人工投入等，匯總在一起構成了直接成本。直接成本是剛性的，需要結合形成的數據質量進行調整。

那么進行質量調整同時也要考慮相應的間接成本，間接成本主要是包含職能整體研發相應的分攤，包括整軟硬件成本的分攤。間接形成無形資產，同時還要考量機會成本，因為數據資產的形成需要花費一定的時間，在這段時間里面投入了這么多成本，這些成本實際上是占用了企業的流動性。這些成本如果不做數據資產開發，至少能夠獲得其他的一個最低限度的機會收益，所以要把機會成本當做資產的成本考量進來。綜合上述的全量成本的話，整體的評估值確定出來910萬，這是成本法的一個結果。

二是收益法：我們也進行了相應的估值。

案例中的數據資產有具體的應用場景、有具體的產品形態，也有現在的銷售業績。那么兩個應用場景的銷售單價現在是一個客戶15萬一年，同時用戶數量現在是9個客戶，結合未來的物價水平考量單價的增長率，結合當地的市場規模以及企業的年客戶拓展能力，考量用戶的增加數得到了總的收入。

收入是和數據直接相關，采用的是直接收益預測的一個方式。那么直接收益預測除了獲得收入之外，要考慮在預測期之內和形成收益相關的全部直接投支出全部要扣掉，包括持續的數據產品開發和運營維護、安全保護以及相應的軟硬件投入，也包括產品在銷售過程中的費用、客戶維護的費用，把這些成本和費用扣除掉之后就會得到在預測期的一個收益。預測的總額基于進行折現之后就得到了收益法的評估結果1,790萬。

整體來比較，收益法是1,790萬成本法是910萬。那么這兩個方法的結果的差異其實還是比較大的，但這不是說其中有一個方法是有問題的。兩個方法都是在以各自的角度反映了這個數據資產的價值。

數據資產尤其是有商業應用場景已經創收了的數據資產，它的收益或者說是價值和它的投入成本必然存在弱對應性。對于數據開發商而言，投入相應的成本去開發數據資產，最終目的肯定不僅僅是收回投入成本，要實現更多的超額收益。從這個角度而言，收益法和成本法對于有商業場景的數據資產而言，這個差異是客觀的、是固有的、也是正常的。