[摘 要] 隨著 5G 技術普及和新型信息化時代的到來，數字經濟產業在我國經濟社會扮演著越來越重要的角色，各行各業都在實施數字化技術的轉型。人工智能和算法模型在產業鏈和商業場景的深入應用，使得數據資源被深入挖掘，數據資源數量實現了爆發式增長。與資產負債表中其他傳統的資產類別相比，數據資產的會計核算、價值評估面臨著前所未有的挑戰，對數據資產進行價值評估已經成為推動數據資源資產化和數據要素市場化的必要環節之一。因此，構建合理科學的數據資產估值體系和框架，對于完善和促進數據要素市場健康發展具有重要的意義，同時也能進一步提升企業內部數據資產管理能力和運營效率。

一、引言

2020 年《中共中央國務院關于構建更加完善的要素市場化配置體制機制的意見》首次提出將數據并列作為五大生產要素。2021 年國務院發布的《“十四五”數字經濟發展規劃》進一步指出，數據要素是數字經濟深化發展的核心引擎。《中共中央國務院關于構建數據基礎制度更好發揮數據要素作用的意見》(以下簡稱“數據二十條”)指出建立數據資源持有權、數據加工使用權、數據產品經營權等分置的產權運行機制，并提出要積極探索數據資產入表新模式，推進數據要素的市場化。2022 年 12 月，中共中央、國務院印發《關于構建數據基礎制度更好發揮數據要素作用的意見》，明確指出了探索數據資產入表的新模式。2023 年 8 月 1 日，財政部印發了《企業數據資源相關會計處理暫行規定》，首次明確了企業數據資源入表的相關會計處理方法。2023 年 8 月 1 日，財政部發布《企業數據資源相關會計處理暫行規定》(財會〔2023〕11 號，簡稱《暫行規定》)，對企業數據資源相關會計處理作出了明確規定，并于 2024 年 1 月 1 日起施行。在數字化轉型的浪潮中，數據要素在企業生產中扮演的角色愈發重要。

二、數據資產在會計上的界定

根據《暫行規定》，企業確認數據資產需要滿足兩個條件：一是企業合法擁有或者控制的，二是預期會給企業帶來經濟利益的數據資源，同時滿足以上兩個條件，企業可以將數據資源確認為資產負債表中的無形資產或存貨。財政部對于數據資源的界定均是以企業會計準則對資產的定義為基礎，符合《企業會計準則第 6 號——無形資產》(以下簡稱無形資產準則) 規定的定義和確認條件的，應當確認為無形資產，適用于無形資產準則對數據資源進行初始計量、后續計量、處置和報廢等會計處理。符合《企業會計準則第 1 號——存貨》(以下簡稱存貨準則)規定的定義和確認條件的，應當確認為存貨，適用于存貨準則對數據資源進行初始計量、后續計量等會計處理。

三、數據資產的主要特征

(一)虛擬性數據作為生產要素要想發揮作用，必須通過其他生產要素作為其附著的載體，而傳統生產要素如土地、資本和勞動力，都具有明確的現實物理形態主體。而數據資源是在由計算機硬件和應用系統軟件組合形成的環境下產生的，必須依附于特定的計算機硬件及系統軟件才能發揮價值，這是數據要素有別于傳統生產要素最大的特征。

(二)可復制性可復制性是指一方在使用某項數據資源時，不影響其他方同時使用同一數據資源，并且一方或多方對數據資源的使用，不會減少該項數據資源對使用者產生的效用，因此數據資源的使用主體之間不存在競爭性。數據的可復制性決定了數據要素較高的使用效率空間和極大的內在經濟價值。

(三)排他性數字經濟時代產生了海量的數據資源，數據資源對于企業的生產經營和戰略起著越來越重要的作用，因此大部分企業都會選擇將數據資源進行自留在企業內部，作為輔助企業決策的工具，呈現明顯的排他性。

(四)價值變化的獨特性在經濟學范式中，傳統的生產要素一般隨著市場供給量的不斷增加，其產生的經濟學效用價值不斷增加。數據資源的物理學屬性顯著區別于傳統的生產要素，具有極強的可復制性，使用過程中不發生折舊。并且同一數據資源在不同的應用場景、不同時點、不同的軟件分析技術下，其市場價值可能有較為顯著的差異，因此應用環境、市場需求和時間節點都一定程度影響著數據資源的市場價值。

(五)衍生性和可加工性數據資產隨著經濟活動的運行而不斷產生、積累、組合和利用，同時在這個過程中不斷衍生出基于原始數據的新數據，與實物類資產不同，基于各種模型和算法，數據隨著經濟社會的運轉而不斷衍生，加工生成更全面的數據資產。

四、影響數據資產價值的因素

從數據持有者的角度劃分，數據可以分為公共數據、企業數據和個人數據。本文主要研究的是企業數據。影響企業數據資產價值的因素主要包括數據的數量、質量、管理能力、應用場景、稀缺程度、相關性，以及運用數據資產涉及的算法、模型等。

(一)數據的數量對于數據資產，隨著數據量的不斷增加，各種數據之間產生關聯性的可能性也會增加，且關聯數據之間的耦合效應也逐漸增強，一般而言，數據資產價值可能將不斷上升。同時，數據量的增加反映著企業業務量和交易活動的變化趨勢，因此也影響著企業的商業價值。但是，由于增加的數據中可能是無法產生預期收益的無效數據資產，或是增加的數據中蘊含了能產生較高預期收益的有效資產，因此當其他條件不變時，數據資產的價值和數據的數量之間并非完全的呈正比例關系。

(二)數據的匹配程度數據資產交易市場中存在著大量的數據需求方和數據供給方，針對某一特定數據資產，市場中的數據需求方在特定的應用場景下存在著個性化的需求，而數據資產的提供方在數據市場中提供的數據產品或數據服務可能無法匹配數據需求方的特定需求，即出現數據的供需不匹配或錯配的現象，進而可能影響數據資產在數據交易市場中的價格。

(三)數據的質量數據質量的高低一定程度影響著數據資產的價值，是影響數據資產價值的重要因素。這是因為在企業的生產經營和戰略決策中，低質量的數據極易引起低效工作和資源浪費，而高質量的數據在指導科學決策和提升商業效益中起著至關重要的作用，增強企業在市場中的競爭力，提高市場分析預判性。衡量數據質量的標準主要包括數據規范性、完整性、準確性、及時性和可解讀性。

(四)數據的應用場景數據只有在特定的應用場景中才能產生一定的經濟價值，在同一時點的不同應用場景下，由于數據其本身的價值變化獨特性，數據市場中的需求方對數據信息的側重點可能有顯著區別，因此即使同一數據資產產生的經濟效益也可能差異巨大。

(五)數據的管理能力企業內部產生的數據資源經過一系列篩選、匯集、加工、處理后得到對企業有用的數據資產，良好的數據管理能力對于提升企業內部數據可用性和商業價值具有重要作用，例如智慧城市公司搭建的數據中臺，對各個模塊的數據進行整合和分析，企業能夠全面、準確、及時獲取有效數據信息，進而做出科學決策，提升管理效率。

(六)數據面臨的風險數據資產面臨的風險包括道德風險和法律風險。由于數據資產依附于信息技術硬件和應用系統軟件而產生，隨著數據資產的不斷累積，其面臨的數據泄露、網絡安全、黑客攻擊等風險也會增加，相應的數據資產價值則會不斷降低。企業要想維持穩健良好的數據資產價值，則需要采用切實有效的技術手段和法律措施，增強數據資產的安全性。

五、數據資產價值的評估方法

影響企業數據資產價值的因素眾多，既可以表現為數據資產的具體成本構成，也可以表現為評估時點的經濟價值和市場價值，同時也體現為數據資產所蘊含的內在價值。根據財政部發布的《企業數據資源相關會計處理暫行規定》和中國資產評估協會制定的《數據資產評估指導意見》，數據資產價值的評估可參照傳統的資產評估方法，主要包括成本法、收益法和市場法。

(一)成本法

成本法是基于數據資產的歷史成本為主導的價值評估方法，主要思路是將數據資產的重置成本，通過扣除一系列可能導致數據資產貶值的項目，作為數據資產的價值。成本法主要強調構成數據資產的成本，是數據資產在開發周期中全部成本的轉移價值，主要包括從產生數據資產時點到評估基準時點期間的全部前期費用、直接建設運維成本和間接成本等。而可能導致數據價值貶值的因素可能包括數據的時效性和功能性，時效性和功能性貶值程度都可能會導致數據價值的降低，在實務操作中，專業的評估人員會針對數據資產的功能性貶值進一步拆分，包括準確性、安全性、適合性和完整性等，分別賦予不同指標相應的貶值比率，最終通過加權得到整體的數據資產功能性貶值率。優點是評估過程中所運用的參數和數據較為可觀，計算簡單，具有較高的便利性。缺點是忽略了數據資產的商業市場價值，這種評估方法沒有體現數據資產在一定應用場景下所可能釋放的經濟收益，可能會偏離數據資產的真實價值，較難衡量判定數據資產為企業所貢獻的真實利潤。

(二)市場法

市場法是基于較為活躍的公開市場交易，在市場中可獲取相同或類似數據資產的交易信息，以此交易信息和交易案例作為數據資產價值評估的基數，并充分考慮影響評估數據資產對象價值的獨特因子，分別賦予不同影響因子不同的修正系數，進而計算出數據資產的價值。因此運用市場法對數據資產進行價值評估的前提是存在活躍的公開數據交易市場，然而我國目前的數據交易市場雖然有了一定的發展，但是數據交易量、活躍性、標準化程度、合規性、安全性、隱私保護等仍處于探索階段，缺乏相關法律政策對數據交易的制度進行明確規范。

對于擬評估數據資產和交易市場中可比對象各影響因子之間的差異，需要進行量化和模型分析，形成科學合理的修正系數，主要影響因子的修正系數包括時點修正系數、容量修正系數、價值密度修正系數、技術修正系數和其他修正系數。時點修正系數是指不同的數據交易時點的差異對于數據資產價值的影響，是將可比數據資產交易時點和擬評估數據資產交易時點的價格指數進行對比而形成的修正系數。價值密度衡量的是在一定規模的數據中，可以產生經濟價值的數據占全部數據總量的比例，可以產生經濟價值的數據一般稱之為有效數據。容量修正系數則是對可比數據資產和擬評估數據資產的數據規模之間的差異而造成的經濟價值之間的差異的修正系數，當可比數據資產和擬評估數據資產的價值密度接近時，數據容量越大的數據資產的價值越高，而且僅需要使用容量修正系數對擬評估數據資產進行修正即可。而當可比數據資產和擬評估數據資產的價值密度不一樣時，則需要同時使用價值修正系數和容量修正系數對擬評估數據資產進行修正。技術修正系數是指由于擬評估數據資產和可比數據資產在技術因素方面的差異進行修正而得出的系數，兩組數據資產之間對資產價值形成影響的技術因素可能包括數據的加工程度、數據治理水平、數據脫敏程度、數據安全等級等。其他修正系數是指影響兩組數據資產價值之間差異的其他因素，可能包括市場供需程度、交易對象、市場環境以及相關政策變動等，應根據市場的實際情況對各個差異因子論證和調整，確定修正系數。市場法是從公開市場交易的維度進行價值評估，一般用于擬評估的數據資產用于交易或投資的情況。

(三)收益法

數據資產作為資產類型的一種，具有潛在風險因素和價值回報，當風險和時效性可估計時，可采用收益法對其進行估值。收益法是指基于數據資產在可預期的未來能產生的現金流在當下時點的現值的一種估值方法，這種估值方法適用于，擬評估數據資產在當下時點已經開始為企業帶來可計量的經濟利益或者在可預期的未來會為企業帶來現金流的流入，并且可使用貨幣計量，其本質是在數據資產的經濟壽命周期內，將數據資產在未來各個期間產生現金流之和，通過一定的折現率對未來價值進行還原至當下的價值。數據資產未來可預期的收益具體可以體現為，由于擬評估的數據資產的變動而影響的企業銷售產品、訂單或服務的數量變動，進而影響企業銷售收入的變動。相比較于成本法和市場法，收益法更多地體現了數據資產在具體應用場景下，帶動企業經濟效益提升的價值，更加符合數據資產增值的特點。

(四)經營成果貢獻比法

經營成果貢獻比法是用來衡量企業數據資產對企業整體經營成果所貢獻的比例，其本質是將企業在一定期間內的經營總收益在數據資產和非數據資產之間進行分攤，數據資產所分攤的經營總收益越高，意味著數據資產對企業業務經營的貢獻越大，數據資產在企業經營的重要程度也就越高，反之則越低。在會計上，經營成果可以用主營業務收入的增加來體現，則數據資產貢獻的經濟價值 = 主營業務收入增加值 * 數據資產貢獻比例。

六、收益法下基于數據質量的潛在價值評估

數據資產的潛在價值指的是根據數據資產的當前情況下，暫時無法為企業貢獻經濟收益，但是其具備一定的數據規模、質量和應用場景，可能在未來期間對企業的經濟效益產生貢獻的價值。數據資產的潛在價值存在較大的不確定性，且一定程度依賴評估人員的主觀判斷，因此評估難度較高。在評價數據資產的潛在價值時，需要考慮的因素主要有數據質量、數據規模、數據應用能力和單位數據價值量。其中數據質量極大程度影響了數據的真實價值，是影響數據資產未來潛在價值的重要因素。

影響數據質量的一級指標主要有數據的規范性、完整性、準確性、時效性、可機讀性，對各因素對數據質量的影響賦予一定的權重比例，并建立一套評分規則，構成數據質量的整體評價規則。其中數據的規范性、完整性、準確性、時效性、可機讀性可以進一步分解為相應的二級指標，二級指標包括數據的標準性、元數據完備性、數據元素完整性、數據記錄完整性等，每個二級指標可以根據《信息技術數據質量評價指標》(GB/T36344-2018)進行進一步細分和明確。各個二級指標在所有指標中的權重占比一般需通過數據資產所涉及的行業內專家進行綜合評議而得出，將所有二級指標的計算得分進行加權求和后，得出的就是所對應的一級指標的得分。計算出各個一級指標得分后，再根據各一級指標對應的權重進行加權求和，最終得出數據質量的分值。得分在 90%至 100%之間的，數據質量等級為四級；得分在 75%至 90%之間的，數據質量等級為三級；得分在 60%至 75%之間的，數據質量等級二級；得分低于 60%的，數據質量等級為一級。一般認為數據質量得分高于 60%，即數據質量為二級以上的，數據質量和特性能夠得到保證。將收益法下數據資產基于未來預期現金流產生當下現值乘以其數據質量得分，最終計算出基于數據質量的數據資產價值。

七、結論與建議

當前我國的數據要素市場發展仍處于探索初期，目前由于缺乏相關配套政策和指引對數據資產的價值評估的細節性問題進行明晰，在數據資產評估的實務操作中，市場中各個主體大多基于自身的實際情況和主觀判斷出發評估數據資產的價值，較難形成統一的評估標準和思路，數據資產的價值評估問題嚴重掣肘著數據資產的入表和流通交易等問題。隨著數據要素市場的不斷發展和相關政策指引的成熟，企業對數據資產的價值發現和價值實現路徑也將更加明確，數據資產交易的活躍性也將逐漸增高，伴隨著市場主體對數據資產的持有目的、應用場景的進一步深刻理解，數據資產價值的評估體系也將有望逐漸統一和規范。

(一)構建科學的數據資產評估指標標準目前各個數據市場主體在對相同交易場景下的數據資產進行價值評估時大多沒有使用統一的資產評估方法，但可以試圖構建一套完善的數據價值評估體系，即便在不同的交易場景、不同數據持有目的的情況下，也可以指導各市場交易主體統一數據資產評估標準。建議將影響數據資產價值的數據規模、數據質量、單位數據價值密度、數據安全性等指標進行標準化和量化，進一步提高數據資產價值評估的可比較程度和準確度，明確規范數據資產價值影響因子的權重比例和計算方法。

(二)規范數據資產價值評估方法使用標準成本法、市場法和收益法的價值評估出發點和邏輯各有不同，成本法主要是基于數據資產從產生到形成數據產品過程中全部開發成本和建設成本構成的價值評估思路。市場法適用于當持有數據資產是用于投資或交易時，當下有活躍的公開市場交易的數據市場，有可供參考的相同或類似可比的數據資產的交易信息的情況。收益法則是針對目前持有的數據資產，在當下或可預期的未來能夠給企業帶來經濟效益的情景，評估的是數據資產未來全部現金流的當下經濟價值。由此可見，針對數據資產的價值評估，當數據資產本身的持有目的、持有狀態、所處時點、交易場景等因素不同時，運用不同資產評估方法計算出的數據資產的經濟價值可能差異巨大。因此，有必要對現有數據資產的評估方法的適用標準、適用條件以及參數模型等進行規范。

(三)嘗試探索新型數據資產評估方法傳統的成本法、市場法和收益法，仍是基于具有物理屬性的占有型財產權利的價值評估思路，而數據具有天然的虛擬性、可復制性等獨特屬性，影響其經濟價值的因素紛繁復雜，尤其是數據質量、數據管理能力、數據應用場景因素，極易隨著其他因變量的變化而變化。例如數據的管理能力，一個企業在進行數字化升級改造的前期階段，其對內部業務數據、經營數據和外部市場數據的匯集、加工、治理等能力仍然較低，故而數據資產所產生的直接和間接經濟價值較低，無法全部體現數據資產所蘊含的全部潛在價值，而隨著企業數據管理能力的提升，數據資產貢獻的經濟收益也越來越多，數據資產價值也愈發升高。因此有必要探索新型數據資產的價值評估方法，基于數據資產的特性科學地反映數據資產的真實價值。例如可以嘗試引入人工智能學習的算法模型，全面追蹤不同種類數據資產的應用場景，針對可能影響數據價值的所有因素進行函數建模，科學預測其產生的經濟效益，并不斷對算法進行優化訓練和迭代升級，測算數據資產的經濟價值。