随着新一轮科技革命和产业变革深入发展，数据作为新型生产要素和战略资源的价值日益凸显。数据资产价值评估在数据要素价值实现和流通实践中的作用非常关键，如何做好数据资产价值评估备受市场关注。为规范数据资产评估行为，保护资产评估当事人合法权益和公共利益，2023年9月，中国资产评估协会发布了《数据资产评估指导意见》，对数据资产评估对象、操作要求、评估方法和披露要求进行了规范。但客观而言，数据资产和其他资产之间存在较为明显的区别，数据资产价值评估还属于新兴业务，仍存在一些现实的挑战，需要进行深入的研讨并寻求相应的对策。
01
数据资产价值评估面临的挑战
1. 数据资产的权属界定不明确
数据资产权属可以分为所有权和使用权，所有权和使用权可以分离，被不同的权利主体同时所用，这意味着数据资产既可以是所有权数据资产，也可以是只拥使用权的数据资产。无论哪种权利形态，数据资产均可以成为交易和转让对象，且可以作为评估对象进行估值。在评估过程中，针对所有权和使用权差异，应了解其权益边际和不同的权利义务内容，以确定其对数据资产价值的影响，从而进行更为合理的估值。尽管《中共中央 国务院关于构建数据基础制度更好发挥数据要素作用的意见》(下文称“数据二十条”)创造性提出了设立数据产权结构性分置制度，但仍然存在产权关系不清晰、权利边界难以确定等问题，导致数据资产价值评估存在困难，也对数据交易流通的合法性构成了多重挑战。如处理含有个人信息的平台数据时，应赋予个人数据权还是企业数据权的问题已成为当前讨论焦点；数据跨境传输时，不同国家和地区的法律法规存在差异导致明确其权属较为困难，因而较难进行价值评估。
2. 数据资产的价值存在易变性
数据资产的价值存在易变性主要体现在：①数据资产的价值会随着不断地加工而改变。数据具有可再生性，数据加工过程中可将多个数据集进行集成再加工，或引入各类算法与模型，这些过程均会增加数据的价值。②数据资产的价值会因使用次数和人数而改变。数据的使用次数和用户数量理论上具有无限性，这使得数据资产的价值较难具体用数字来计量。同时，数据的不可消耗性意味数据的使用不会减少其在其他用途上的可用性。③数据资产的价值会因用户而异。数据作为产品和服务在市场中可满足不同用户的需求，数据资产在不同用户需求和使用场景下具有不同的价值。④相同质量的数据可能产生不同的价值。由于用户对数据的需求不一，即使相同质量的一份数据，有的使用者会视其是高价值数据，有的使用者会视其是低价值数据，数据的商业价值会由于衡量标准不同而有所不同。数据价值的易变性使得数据资产评估中不容易判断价值类型，也增加了进行未来预测的难度，导致数据资产价值评估存在困难。
3. 评估模型和参数选取较为困难
因为缺乏充分的市场信息和公开透明的交易市场，加之应用场景的多样性和变化性，以及数据资产价值贡献度的判断难度较大，更兼数据资产未来收益的预测存在许多不确定性，这些因素都使得目前通用的收益法、市场法和成本法在进行数据资产评估时具有一定的局限性，尤其是其中的评估参数选择，如估算数据资产的重置成本和贬值因素较为困难；如何确定数据资产对应的折现率，预测数据资产的未来收益、收益分成率等参数仍然存在疑义，分成收益、超额收益仍需经过对相关参数进行分析并对数据资产进行合理分离后才能进行确认等仍然存在较大困难，折现率的确定也需要依据专业知识和经验进行审慎判断；如何选择可比交易案例，调整哪些差异因素等仍然存在一定的争议。资产评估过程中评估模型和参数选取是决定评估价值是否合理的关键因素，实践操作中评估方法和模型的可靠性和有效性需要通过持续的验证和调整来确保，以便更好地适应市场的实际需求，这也是数据资产价值评估面临的挑战。
4. 如何评估数据资产的质量存在难度
数据资产价值评估中，合理评估数据资产的质量非常关键。《数据资产评估指导意见》提出了“基于质量要素的指标体系设计示例”，但目前对数据资产的质量评估仍存在一定的局限性。一是评价数据资产质量的指标体系的合理性有待验证；二是如何选取不同维度指标的权重尚存在一定困难；三是评估数据资产质量的若干指标在具体应用时存在一定的主观性，导致评估结果的可靠性不足。同时，数据资产在企业创新、市场洞察和战略规划等方面的潜在价值以及应用领域，是否存在异常数据和缺失数据，数据治理水平等应该在评价数据资产质量时予以考虑，导致如何评估数据资产的质量存在系列现实挑战。
5. 法律与技术问题
数据的所有权、使用权和隐私保护等法律问题在评估过程中尤为突出。如果数据资产涉及个人隐私或敏感信息，评估过程可能需要特别关注相关的法律法规。此外，跨境数据流动带来的法律风险也是一大挑战，评估机构需要在合法合规的前提下进行评估，这增加了评估的复杂性。同时，数据资产评估还涉及数据处理和分析工作，现有的技术工具和评估模型可能还不足以应对日益复杂的数据资产评估需求，尤其是在应用场景分析、财务模型构建、收益算法模型应用等方面，现有工具的局限性可能会使评估的精度和效率受到影响。
02
数据资产价值评估的对策和建议
1. 建立统一的数据资产评估标准和规范
数据资产价值评估重要性日益凸显，我国在数据资产评估领域，中国资产评估协会发布了《数据资产评估指导意见》，且已有许多机构发布各种数据资产估值指南的国家标准，行业标准或地方标准，如2024年3月中国银行业协会发布《银行业数据资产估值指南》，这是社会各界对数据资产价值评估进行的有益探索。但为进一步规范数据资产价值评估，提高评估质量和公信力，应进一步构建统一、具备科学性和实用性的数据资产价值评估体系，明确数据资产评估标准、明晰评估模型和参数选择方法，提升数据资产价值评估质量，确保评估结果的可比性和可靠性。
2. 重视对数据资产评估对象和范围的确认和界定
数据作为生产要素，只有通过产权界定资产化后，才能成为市场经营主体拥有或控制的经济资源，减少经营活动中的纠纷，降低交易成本，促进要素市场发展和要素价值实现。明确评估对象和范围对于做好数据资产价值评估非常关键，从现状看应做好以下两点：
(1)构建合理的数据资源分类体系，并明晰数据资产的权属界定。目前关于数据资源比较公认的分类体系是将数据资源分为公共数据、企业数据和个人数据。“数据二十条”对建立和完善上述三类数据的确权授权机制提出了指导意见，但目前关于数据资产权属界定的相关法律仍然没有出台。在进行数据资产评估时，除了关注评估对象的不同确认授权机制外，还应分析数据资源是否涉及隐私权，判断数据资源因此而面临的潜在法律风险。
(2)关注数据资产评估对象的权属静态性与评估范围的动态性。数据资产评估需要根据评估目的确定一个特定时点的评估对象和范围。“数据二十条”虽提出探索数据产权结构性分置制度，但在资产评估实务中，这些权益的内涵、边界和相互间的关系仍不明确。数据资产界定目前有两种相对可行的途径：一是国家知识产权局指导地方开展数据知识产权工作试点，通过发放数据知识产权登记证书进行数据确权；二是财政部印发的《企业数据资源相关会计处理暂行规定》，可以按照存货或无形资产对数据资源进行资产确认。但是前者发放的登记权证属于地方性确权证明，其法律稳定性和适用范围存在缺陷；后者受制于会计确认规则，并没有突破现有无形资产的确认条件。数据资产评估需要关注评估对象是否能够通过上述两种途径进行确认。除此之外，由于数据资产评估范围通常是一个数据集，数据集中的数据可能发生动态变化，这种动态性对不同类型数据的功能和质量影响存在差异，评估人员需要关注这种动态性对评估结果和交易的影响。
3. 加强数据资产价值评估方法技术创新
数据资产的特性使得传统评估方法和模型难以直接应用于数据资产的价值评估，因而需要做好数据资产价值评估方法技术创新。进行评估方法技术创新应关注以下几点：
(1)需要明确区分数据资产的类型并采用相应的价值评估方法。根据《企业数据资源相关会计处理暂行规定》，企业在编制资产负债表时，应当根据重要性原则并结合企业的实际情况，在“存货”“无形资产”和“开发支出”下增设“数据资源”项目，不同类别的资产性质有所不同，适用不同的评估方法，因而应在判断数据资产类型的基础上采用适用的评估方法评估数据资产的价值。
(2)需要明晰数据价值的驱动要素并采用合理的价值评估模型。影响数据资产价值的主要因素有：数据数量、数据质量、数据创新性、数据可用性、应用场景、数据效能、数据预期收益、数据形成和使用成本、数据竞争力、数据安全性等。一般而言，数据数量越大、质量越高、创新性越强、可用的场景和维度越多、效能越高、预期收益越好、形成和使用成本越大、竞争力越强、安全性越好，则数据资产的价值越大。进行数据资产价值评估时，应仔细判断数据资产的各项价值驱动因素及其对数据资产价值的影响，并以此为基础选择合理的价值评估模型来评估数据资产的价值。
(3)结合数据资产生命周期合理选择评估方法和模型。数据资产具有生命周期特征，初始阶段的数据资产可能是处于研发或者数据收集和应用的初创阶段。处于成长期的数据资产发展速度很快，收益开始体现，一旦用户规模和流量超过起爆临界点，数据资产的价值将进入爆发式增长阶段，其收益增长远快于成本的增长。成熟期数据资产具有很好的品牌效应，其收入增长虽然放缓，但由于成本没有大的变化，利润仍有一定的上涨空间。衰退期数据资产会面临寻找新的增长点和走下坡路甚至走向衰亡两种路径。进行数据资产价值评估时应仔细判断数据资产所处的生命周期，并以此为基础选择合理的价值评估方法和模型。
(4)需要创新数据资产价值评估方法。数据资产的价值在不同行业、不同类型的企业间有不同的呈现。未来应结合行业特征、企业类型的特点，构建差异化的数据资产价值评估逻辑，且应进一步结合数据资产的特性，改进和优化现有的数据价值评估方法的模型选择和参数确定，同时促进新方法和新模型以及衍生方法的研发和应用，推进创新型价值评估模型在数据资产价值评估中的应用，构建综合考虑数据资产价值驱动因素和特征的数据资产价值评估新方法和新思路。
(5)密切结合前沿技术进行创新。数据资产的价值易发生变化，其价值随用户数量、应用场景、使用频率等因素的变化而变化。在进行价值评估时，应综合考虑用户数量、应用场景、使用频率等因素变化对数据资产价值的影响程度，并密切结合前沿技术，如大数据分析、人工智能算法、区块链技术等，解决数据资产评估中的难题，科学合理进行数据资产评估。
4. 制定明确的数据资产质量评价标准和规范
数据的质量是影响数据资产价值的核心因素，数据质量评价是数据资产评估的基础，高质量的数据能给企业带来更高的经济价值，低质量的数据会给企业带来较高风险。应制定一套明确的数据资产质量评价体系和标准，基于完整性、规范性、合规性、准确性、可用性、一致性等方面明晰数据资产质量评价的体系、维度、评价指标、权重和方法，科学合理地做好数据资产质量度量，以提高数据资产价值评估的准确性和完整性。
5. 产学研深度融合，培养高素养数据资产评估人才
专业且高素质的评估人才培养是做好数据资产价值评估的关键，评估界、学术界和产业界应深度协同合作，做好数据资产评估理论和实践研究，积极探索数据资产价值评估的新模式和路径，加速科研成果转化，助力数据资产价值评估人才培养。在注重提升评估人员专业素养的同时，还需兼顾道德和法治素养培养，拓宽国际视野，汲取国际上先进的数据资产评估理念与技术并加以完善，不断提升执业能力。
