数据财政:数据资产化潜在规模估值评估

我国数据要素市场发展正处于从资源化走向资产化的道路上,数据资产化的典型特征是数据可以通过流转在生成主体外的更广范围发挥其生产要素作用。
从具体数据资产估值方法来看,现有文献阐述的主要有成本法、市场法、收益法和估值技术法。对于成本法,虽然其具有操作简单、易于落地的特点,但是其同时有着容易低估价值、难以精确计量等缺点。对于市场法,虽然其能更加客观、真实反映数据资产价值,且易于被市场接受,但由于需要具有公开且活跃的交易市场,因此短期内也难以大范围实践。对于收益法,虽然其能够较好凸显数据的内在价值,但是由于对数据资产未来收益难以进行可靠计量,因此也难以在操作中落地。对于估值技术法,虽然其兼具可充分反映数据真实价值、不需要活跃市场、可不用对数据资产未来收益进行准确计量的优点,但由于其需要事先获得大量数据资产价值数据以训练模型,因此当前仍在探索尝试阶段。

一、数据资产市场发展概况

1.1 我国数据资产化之路起步

当前,我国数据要素市场的建设正逐步走上快车道。早在2015年8月31日,国务院发布《促进大数据发展行动纲要》(国发〔2015〕50号,以下简称“《纲要》”),提出引导培育大数据交易市场,开展面向应用的数据交易市场试点。此后,中共中央、国务院、发改委等多次发文引导数据要素市场发展。2022年12月,中共中央 国务院发布《关于构建数据基础制度更好发挥数据要素作用的意见》(以下简称“《数据二十条》”),确定数据要素市场发展原则,指明数据要素市场的发展方向。2023年3月,中共中央、国务院印发了《党和国家机构改革方案》,明确将组建国家数据局,负责协调推进数据基础制度建设,统筹数据资源整合共享和开发利用,统筹推进数字中国、数字经济、数字社会规划和建设等。国家数据局的成立意味着数据市场发展将从此前的原则性引导文件过渡到具体实施落地,中国数据要素市场走上快车道。

从数据要素由资源走向资产的过程来看,数据要素市场发展可以分为三个阶段,依次为数据资源化、数据资产化、数据资本化(普华永道,2022;信通院,2023)。数据资源化是指使无序、混乱的原始数据成为有序、有实用价值的数据资源的过程。数据资产化是以数据资源为起点,为既定应用场景及商业目的进行加工、开发,形成可供企业应用或交易的数据产品。数据资本化是在数据资源化和资产化的基础上,赋予数据资产具有更多金融属性,例如可以将其作为抵押品进行信贷融资等金融活动的过程。目前,我国正处于数据从资源走向资产的阶段,在此阶段我国的数据要素市场发展具有如下特征:

一是数据已经可以带来显著的经济收益。根据国家工业信息安全发展研究中心与北京大学光华管理学院在2022年11月发布的《中国数据要素市场发展报告(2021-2022)》测算,数据要素使得工业企业业务增长平均增加41.18%,生产效率平均提高42.8%,产品研发周期平均缩短15.33%,能源利用率平均提高10.19%。

二是数据要素交易市场雏形已现。根据我们2023年4月发布的《全国数据交易平台梳理与商业银行业务机会分析》[1]报告梳理,截至2023年2月,据不完全信息统计,全国共有数据交易平台40家,涉及全国30多个省、市或者地区,根据各数据交易所对于自身的目标和定位,已初步形成国际数据交易枢纽、国家级数据交易所、区域级数据交易中心与行业级数据交易平台的分层架构。

三是数据资产入表工作逐步展开。2022年 12月9日,财政部发布《企业数据资源相关会计处理暂行规定(征求意见稿)》,探索对现阶段数据资源入表会计处理适配相应的企业会计准则。同时,按照会计上经济利益的实现方式,进一步将企业数据资产细分为“企业内部使用的数据资源”和“企业对外交易的数据资源”两类。近年来,某股份制银行[2]、贵阳大数据交易所[3]等也在尝试通过数据估值以推动数据资产入表工作。

根据我们此前的研究[4],数据作为一类重要的生产要素,其资产属性已经得到了各方的确认。参照《企业会计准则》中的定义,资产是指由企业过去的交易或事项形成的、由企业拥有或者控制的、预期会给企业带来经济利益的资源。目前,我国境内对于数据资产尚无官方、统一的定义。从境外经验来看,美国国家标准与技术研究院(National Institute of Standards and Technology,NIST)将数据资产定义为任何由数据组成的实体(Any entity that is comprised of data),包括系统、应用程序、数据库、文档、网页、以及基于应用程序的数据服务[5]。

1.2 数据资产化面临的挑战

数据资产化的典型特征是,数据不仅可以在数据产生主体内产生价值,更可以在数据流通后通过更多主体被多次使用,从而充分发挥其资产价值。因此,数据的有序流通是提升数据资产化能级的重要枢纽。而从数据流通、使用的角度来看,目前数据资产化面临诸多挑战:

第一,数据制度的顶层设计尚不完善,存在数据产权不清晰、数据的分类分级制度不完善等情况,是数据资产化之路面临的最大挑战。2022年12月2日,中共中央、国务院发布《数据二十条》,指出数据相关的合法权利包括数据资源持有权、数据加工使用权、数据产品经营权。虽然《数据二十条》尚未给出数据产权确定与权属分割的详细规则,但鼓励优先推动数据资产在经济生产中探索深度、广泛的使用。

第二,数据流转确权、数据应用与数据安全技术仍需进一步提升,从而能通过成熟且丰富的技术,保障数据相关制度的建设与实施。数据确权技术的不足阻碍了数据流转中各类权利主体相关利益的保障,数据应用技术的不足则不利于数据价值的充分释放,数据安全技术的不足增加了数据流转的风险和障碍,降低了数据主体提供数据的意愿。

第三,亦是本文重点探讨的问题,即数据价值如何确定。资产与资源最大的区别在于资产可以给企业带来经济利益。而如何度量数据所带来的经济利益,即数据资产估值,以及如何在交易流转过程中达成合意的成交价格(即促进双方对数据的估值达成一致),是数据如何进一步对外赋能需要解决的关键课题。应当指出的是,公允价值(Fair Value)是指市场参与者在计量日发生的有序交易中,出售一项资产所能收到或者转移一项负债所需支付的价格,下文中对数据资产的估值指评估其公允价值。

数据相关制度需要国家监管部门等通过立法、发布规范性文件等给与明确;数据相关技术的发展也需要时间;而数据资产价值难确定导致数据价格难形成的问题,将直接影造成数据流通交易的堵点。

当前数据资产估值存在诸多难点:

一方面,数据价值难以直接度量。第一,从数据本身来看,无法直接确定数据价值。无论是数据的维度、体量大小都无法直接决定数据在数据分析中的贡献,数据条数在衡量客户级别的数据时具备一定直接的作用,但不能决定数据质量的高低。例如,非对称数据集数据分布不均匀,则该类数据在数据分析中的价值较低。此外,稀疏数据等问题也会导致数据体量大、条数多,但实际应用价值并不高。第二,从数据使用的角度来看,统计学框架中缺少对数据定量比较的方法。在经典的统计学框架中,模型评价体系较为完善,有众多模型评价指标。相较而言,由于缺少数据质量的评价指标,已有的部分指标无法起到度量数据质量的作用,如方差膨胀因子(Variance Inflation Factor, VIF)仅针对多重共线性这一特定数据问题;费雪信息矩阵中虽然包含着数据可用于参数估计的信息量,但其仅针对特定参数的估计,且无法衡量整个数据的价值;深度学习、强化学习框架会使用数据增强[6]等方法以增加数据量,进而提升模型表现,更是缺少数据评价指标。第三,数据资产价值到货币之间的映射缺少参考系。即使我们拥有数据价值的度量指标,但如何映射到以货币计量仍然缺乏参考系的支撑,即数据价值的量纲与货币量纲间缺少连接点。

另一方面,通过各类估值技术对数据资产进行间接估值时,难以在各方之间形成共识。第一,从数据供需来看,目前国内数据交易大部分以双边的“点对点”撮合为主,对于数据提供方来说,基于其自身数据资产入表的出发点,或将有高估数据资产价值的倾向。而对于数据使用方来说,数据的价值体现在对其业务能力的提升等方面,且采购数据前数据对业务的提升效果具有较强不确定性,因此其有低估数据资产价值的倾向。第二,从数据使用的行业来看,由于不同行业需求和使用方法的差异,对于同一数据所认定的附加价值也将存在不同。例如,个人客户的消费数据在互联网行业、金融行业中具有较高的应用价值,而在传统的制造业则应用价值有限。第三,从数据资产生成的行业来看,数据资产生成的成本不同。以电商行业为代表,其通过业务经营活动即可获得大量的用户数据,成本较低;而地质勘探、政务数据等在收集与整理的过程中均需付出较大成本。此外,成本法等经典的估值方法在数据资产估值时也面临一定的局限性。

1.3 数据资产会计处理原则

2022年 12月9日,财政部发布《企业数据资源相关会计处理暂行规定(征求意见稿)》(以下简称“《暂行规定》”),其适用范围包括企业按照企业会计准则相关规定确认为无形资产或存货等资产类别的数据资源,以及企业合法拥有或控制的、预期会给企业带来经济利益的、但由于不满足企业会计准则相关资产确认条件而未确认为资产的数据资源的相关会计处理。《暂行规定》明确现阶段数据资源会计处理应当按照企业会计准则执行,并按照会计上经济利益实现方式,进一步细分为“企业内部使用的数据资源”和“企业对外交易的数据资源”两类。

企业内部使用的数据资源需要按照《企业会计准则第6号——无形资产》(财会〔2006〕3 号,以下简称“《无形资产准则》”)确认为无形资产,按照获取方式可以分为企业自行开发的无形资产、外购取得的无形资产、其他方式取得的无形资产,包括非货币性资产交换、债务重组、政府补助和企业合并取得的无形资产等。《无形资产准则》[7]中定义无形资产指企业拥有或者控制的没有实物形态的可辨认非货币性资产。确认无形资产首先需要满足“可辨认性标准”[8],并且判定“与该无形资产有关的经济利益很可能流入企业”与“该无形资产的成本能够可靠地计量”。

企业对外交易的数据资源则需要按照《企业会计准则第 1 号——存货》(财会〔2006〕3 号,以下简称“《存货准则》”)确认为存货,按照获取方式可以分为企业自行加工存货、外购存货以及其他方式取得的存货。《存货准则》[9]中定义存货是指企业在日常活动中持有以备出售的产成品或商品、处在生产过程中的在产品、在生产过程或提供劳务过程中耗用的材料和物料等。确认存货需要判定“与该存货有关的经济利益很可能流入企业”与“该存货的成本能够可靠地计量”。

数据财政:数据资产化潜在规模估值评估

应当指出的是,《暂行规定》明确了数据资产适用的会计准则,但是对数据资产的会计处理只是数据资产估值的众多应用场景之一。除在资产入表过程中必需的会计处理外,评估数据资产的公允价值将对数据有效畅通的流转和使用有着更重要的意义,是建立公开活跃交易市场的必要条件。因此,下文将重点关注数据资产各类估值方法在数据资产价值确认过程中应用具体情况。

二、数据资产估值方法分析

《企业会计准则第39号——公允价值计量(2014)》(以下简称“《第39号准则》”)中指出企业以公允价值计量相关资产或负债,使用的估值技术主要包括市场法、收益法和成本法。企业应当使用与其中一种或多种估值技术相一致的方法计量公允价值[10]。中国资产评估协会(2020)指出数据资产价值的评估方法包括成本法、收益法和市场法三种基本方法及其衍生方法。我们将详细分析三种基本方法在数据资产估值上的优劣势以及实际应用情况,并且在基本方法的基础上提出数据资产估值技术法的发展方向。

剩余内容需解锁观看

解锁查看全文

已经登录?立即刷新

原创文章,作者:首席安全官,如若转载,请注明出处:https://www.cncso.com/valuation-of-the-potential-scale-of-data-assetization.html

(0)
上一篇 2024年3月11日 下午1:46
下一篇 2023年12月31日 下午5:04

发表回复

登录后才能评论