数据资产评估案例选编_90页_2mb

数据资产评估案例选编总结

核心内容概述

本案例选编由浙江省资产评估协会专业技术委员会整理，旨在为数据资产评估提供参考与借鉴。文档包含两个典型案例，分别涉及海洋生态环境数据资产和人工智能大模型数据资产及其他无形资产组合的评估。两个案例均采用成本法和收益法进行评估，同时强调数据质量评价在数据资产评估中的前置作用。

案例一：海洋生态环境数据资产评估

背景

• A公司是一家海洋环境检测服务公司，其海洋生态环境数据资产具有重要的社会和经济价值。
• 数据资产应用场景包括海洋环境质量发布、用海审批、环境影响评价等。
• 评估目的为确定数据资产的市场价值，以支持数据资产增信。

评估方法

• 成本法：重置成本包括前期费用、直接成本、间接成本、机会成本和相关税费，计算公式为：
  $ P = C \times \delta $
  其中 $ C $ 为重置成本，$ \delta $ 为价值调整系数，包括质量调整系数和经济寿命调整系数。
• 收益法：基于超额收益预测模型，计算未来预期收益并折现为现值。计算公式为：
  $ P = \sum_{t=1}^{n} \frac{F_t}{(1 + i)^t} $
  其中 $ F_t $ 为第 $ t $ 期数据资产的收益额，$ i $ 为折现率。

数据质量评价

• 数据资产质量评价包括准确性、完整性、规范性、时效性、一致性、可访问性六个维度。
• 整体通过率为99.9%，数据质量系数为 $ xx% $。
• 数据资产的经济寿命调整系数为 $ xx% $。

评估结论

• 评估值由重置成本与价值调整系数相乘得出，最终评估值为 $ xx $ 万元。

案例二：人工智能大模型数据资产及其他无形资产组合评估

背景

• B公司是一家专注于人工智能大模型及其产业应用的科技型创新企业，其核心资产为“××大模型”。
• 评估目的是为股权融资、业务合作等提供数据资产及其他无形资产组合的价值参考。

评估方法

• 成本法：计算重置成本，包括开发成本、应计利息、开发利润等，最终评估值为 $ xx $ 元。
• 收益法：采用多期超额收益法，计算企业未来收益并折现为现值。计算公式为：
  $ V = \sum_{t=1}^{n} \frac{R_t}{(1 + r)^t} $
  其中 $ R_t $ 为第 $ t $ 年的超额收益，$ r $ 为折现率。

数据质量评价

• 依据《信息技术—数据质量评价指标》（GB/T36344-2018）进行评价。
• 数据质量综合通过率为99.9%，各质量指标均达到较高水平。

价值调整系数

• 价值调整系数由数据质量、数据流通、数据垄断、数据实现风险等因素综合计算得出。
• 公式为：
  $ \delta = \alpha \times \omega_1 + \beta \times \omega_2 + (1 + \tau) \times \omega_3 + (1 - \gamma) \times \omega_4 $

评估假设

• 假设宏观经济、政策环境、经营环境稳定。
• 假设数据资产使用合法合规，无法律障碍。
• 假设未来收益稳定，按合并报表口径预测。

评估结论

• 评估值最终采用收益法结果，为 $ xx $ 万元。

关键信息与主要观点

数据资产价值评估的特殊性

• 数据资产的价值评估需前置进行数据质量评价，以确保评估结果的合理性。
• 数据资产的共享性和可复制性使其在评估过程中具有一定的挑战性。

成本法与收益法的适用性

• 成本法适用于可计量重置成本的数据资产。
• 收益法适用于具有明确应用场景和可预测收益的数据资产。

数据资产边界界定

• 数据资产的边界界定尚不明确，IT和DT是否属于数据资产仍需进一步研究。

数据资产与其他资产的区分

• 数据资产与其他资产共同作用，需合理区分其贡献，以准确评估数据资产价值。

数据资产的外溢性效果

• 数据资产在多个场景中具有应用潜力，其价值可能因应用场景扩大而提升。

评估实践对准则制定的意义

• 评估实践有助于推动数据资产评估相关准则和标准的制定，为行业发展提供理论支持。

数据资产的法律与合规性

• 数据资产的权属和合规性是评估的重要基础，需通过备案、确权、存证等流程保障。

数据资产的风险评估

• 数据价值实现风险包括数据管理、流通、垄断和实现风险，需通过层次分析法和模糊综合评价法进行量化分析。

总结

数据资产评估是一个复杂且多维度的过程，需结合数据质量评价、成本归集、收益预测、风险评估等环节。评估方法的选择需根据数据资产的特性、应用场景和可获取信息进行综合判断。目前，数据资产估值尚处于探索阶段，缺乏成熟市场和统一标准，评估工作仍需结合行业实践不断优化。同时，数据资产的边界界定、权属确认、质量评价及风险控制是评估过程中需重点关注的环节。