【瓴羊&阿里云】2023基于数据资产全生命周期估值与实践报告

随着数字经济不断发展，数据作为一种“新型石油资源”价值逐渐凸显。2019年10月，党的十九届四中全会首次将数据确立为生产要素，2020年4月，《中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见》正式公布，明确完善要素市场化配置的具体举措，数据作为一种新型生产要素被列入其中，并指出“加快培育数据要素市场，建立健全数据产权交易和行业自律机制”。2022年12月，中共中央、国务院对外公开发布《数据二十条》，引起了社会各界的高度关注，着重强调了数据作为新型生产要素，具有无形性、非消耗性等特点，可以接近零成本无限复制，对传统产权、流通、分配、治理等制度提出新挑战，巫需构建与数字生产力发展相适应的生产关系，不断解放和发展数字生产力。2023年8月，财政部制定印发了《暂行规定》，明确数据资产明年起入表，是我国跨入数字化时代迈出实质性的一步。这些都展现了国家坚持促进数据合规高效流通使用、赋能实体经济这一主线，以充分实现数据资产价值的坚定决心。

在数据要素市场化持续探索的过程中，如何有效衡量数据价值，构建合理、健全、有效的数据资产评估方式，对数据交易流通具有重要意义，因此，为了促进数据市场交易、专家学者和业界纷纷都在探索数据资产评估模式，提出数据资产评估的方法。但是，由于数据资产与资本、土地、技术等其他传统生产要素相比，具有虚拟性、正外部性、规模报酬递增等独特性，使得数据价值评估成为难点，仍处于探索阶段。产业实践侧，互联网公司作为数字经济时代的代表性企业，其自身不仅拥有海量数据，又具备良好的数字化技术基础，是较早开展数据资产价值评估实践的行业之一。

本白皮书聚焦数据资产价值评估领域，从数据资产的概念和意义出发，分析了目前数据资产价值评估主流方法，以强化数据资产管理能力、推动数据资产广泛应用、加速数据资产高效流通为主要目标，提出了以成本法为主线、以数据管理要素和应用回报率作为调节因子的估值方法，并引入了包括血缘分析、层次分析法和超额收益法在内的方法，加强估值结果的准确度。此外，白皮书通过内部治理运营、外部数据流通两大类场景对估值方法进行阐述，使得估值方法更具有参考性和执行性。最后，白皮书对数据资产估值进行了总结和展望，希望以我们在数据资产价值评估领域研究工作的“一小步”推动我国数据要素市场发展的“一大步”

1)数据运营及业务策略制定

通过对于数据产生价值所影响的业务线、业务场景进行关联分析，可以对于公司当前运营状况及数据化程度进行衡量，从而影响企业内部业务决策及战略治理，主要影响动作包括：

∙评估重点业务场景、数据产品及其商业价值，为企业战略决策提供依据

∙基于数据价值流通链路调整组织结构关系，保持企业各部门工作顺畅进行

∙确认数据产品价值模块，优化数据产品商业模式

∙了解内部各个部门数据化建设状态，拉齐数据化建设水位，推动内部数据价值流动

∙对于数据相关部门工作目标制定提供方向及考核标准

∙业务价值分配及绩效衡量指标依据

2)具体案例：

在获取完整的数据流向后，企业可以进一步基于数据血缘分摊相关信息，得到数据对于企业内部各个数据产品、业务场景、相关团队的支持情况。并进一步得到每份数据的实际业务价值贡献，从而得到数据的价值分层。同时，也可以对于高价值数据流向的业务场景、数据产品及团队进行追踪，从而为企业相关业务运营提供指导和战略决策依据。

∙业务可以通过分摊后的血缘数据，感知生产链路的变化。如果业务使用表的数量没有大的变化而分摊成本发生剧烈变化，那么从血缘分摊的明细数据可以得知，业务所使用表的成本组成（包含自身生产+存储费用和上游链路分摊下来的费用），继而定位生产链路的变化：包含上游加工链路增删改的变化导致的费用变化，上游任务成本变化导致的费用变化等。这可以一定程度上反应数据链路的稳定性。

∙基于数据表下游服务的业务场景，数量和稳定性，业务可以选出“可信赖的优质表”。通常在一个庞大的数仓中，存在许多相似的表，或者相同的表。“使用哪一张表比较可靠？”这个问题对业务或者数据加工者均是一个难题。因此，拥有丰富的描述信息（包含不限于下游服务的业务场景，数量和稳定性）对业务和数据加工者的帮助是巨大的，这些信息可以帮助他们筛选出质量过硬，价值更高，链路稳定性更强的数据。

3)外部数据流通

近年来，各地掀起了新一波数据交易所建设热潮，北京、上海、深圳等地成立了新一批数据交易所，在数据登记、合规审查、估值定价、交易流通等领域进行了深入的探索。

∙首先数据持有方（如企业与政府）在内部进行数据产品加工时，依赖价值评估公式，计算基础成本、管理系数、管理要素及回报率，作为数据产品的基本属性在上架到交易所时进行登记，数据产品中每张表的价值之和构成了数据产品整体价值，数据持有方通过该流程可以做到企业内部的数据账本分明。

∙其次在数据交易场所，基于已上架的数据产品进行二次开发时，也同样依赖价值评估公式计算在可信数据空间内成本及回报率。通过交易场所不断产生新的数据产品，让更多的真实数据参与计算市场收益率，增加价值评估的准确性。所有价值评估的结果作为数据产品定价的参考，让流通交易规则更加量化。

4)数据资产价值评估总结

-数据资产市场目前正处于高速发展的阶段，对于数据资产价值评估领域的关注也在不断加强。政府部门和监管机构开始关注并积极推动相关研究和规范制定，同时越来越多的企业也意识到自身拥有大量有价值的数据资产。然而，尽管已有大量学术研究、行业报告等理论沉淀，但均未突破理论与实践的鸿沟，导致数据资产价值评估体系尚未在企业内部得到有效的落地与应用。

-同时，利用血缘分摊的思路，也可以实现以场景价值为输入的数据资产评估场景。通过记录、分析参与到每一类具体应用场景中的数据血缘关系，可以将应用场景中的总价值逐层、逐步的分摊至各项数据节点，进而为企业提供了以应用收益为主视角的数据资产价值。通过进一步结合成本分摊结果，可最终帮助企业评估每一项数据资产的净收益情况，开展更多维度的分析与评价。

5)数据资产价值评估未来趋势

-随着数据资产估值系统在企业内部得到落地与应用，数据资产管理工作将实现由“人员主观判断”向“量化客观评价”的质变转型。数据资产价值评估将帮助企业科学、高效、精准地区分出内部的“低投入、高产出的优势资产”和“高投入、低产出的劣势资产”。这将使企业能够进一步丰富、拓展自身的运营管理手段，持续深化优势数据资产的成熟水平，并在巩固优势地位的同时，有效迁移成熟经验，赋能优化其余数据资产。同时，企业也可以及时采取止损手段，停止对劣势数据资产的持续投入，优化内部资源配置。通过逐步打造企业自身的核心数据资产竞争力，真正实现数据资产对企业战略发展的赋能与提升。

-另一方面，大模型也可以助力于智能的资产价值评估体系的构建。例如，在未来大模型可以通过搜集并分析海量的市场交易数据，精准揭示数据市场供需关系，帮助决策者制定合理的定价策略；大模型也可以基于企业历史数据资产价值数据，建立预测模型有效预测数据资产未来价值变化趋势，为投资者、管理层等提供决策参考、数据资产配置及优化等策略内容，进一步丰富、释放数据资产估值领域的技术应用场景与价值。

总体而言，数据资产价值评估市场有着巨大的潜力和发展空间。随着技术的进步和监管环境的改善，这个市场将继续壮大并提供更多创新的解决方案。未来，将会有更多企业和个人积极地参与到这个市场中，以实现数据资产最大化利用的价值。