数据资产化之路_数据资产的估值与行业实践-德勤+阿里研究院-2019.10-40页_1mb

数据资产的评估与价值分析总结

核心内容

随着数字经济的发展，数据正逐渐成为企业的重要资产之一。数据资产不同于传统资产，其价值体现在数据的广泛性、可共享性及多场景应用性。然而，由于数据的特殊性，其在会计准则中尚未被明确界定为资产或无形资产。本文从数据的资产化、价值体现及影响因素、估值方法等角度，对数据资产进行了初步探讨。

主要观点

1. 数据资产的定义与特性

   • 数据资产是数据在企业运营中形成的，具有通用性、外部性、可无限共享、集合使用价值高等特性。
   • 数据资产与传统资产相比，具有更高的通用性和更广的使用场景，但其价值受数据质量、应用场景及法律和道德约束影响较大。

2. 数据资产的价值体现

   • 数据资产的价值体现在其应用场景中，包括内部业务优化和外部商业化。
   • 通过数据资产的分析，企业可以提升运营效率、优化决策流程、增强客户关系管理等。

3. 影响数据资产价值的因素

   • 收益维度：数据资产的质量和应用场景是影响其价值的关键因素。质量包括真实性、完整性、准确性、数据成本和安全性；应用场景则涉及稀缺性、时效性、多维性和场景经济性。
   • 风险维度：数据资产的风险主要来源于法律和道德层面的限制。法律限制如GDPR等，对数据交易产生重要影响；道德约束则涉及数据使用方式是否符合用户隐私保护。

关键信息

数据资产的分类与特性

• 按生产对象：与人有关的数据、与物有关的数据、与事有关的数据。
• 按存储形式：结构化数据、半结构化数据、非结构化数据。
• 按内容类型：社交数据、购物数据、生产数据等。
• 按权属：公有数据、私有数据。

数据的特性

• Volume（大量）：数据量快速增长，传统存储方式难以应对。
• Velocity（高速）：数据更新频繁，需要快速处理和分析。
• Variety（多样）：数据类型多样，涵盖文本、音频、视频等多种形式。
• Value（低价值密度）：数据价值密度低，需要通过算法挖掘其潜在价值。

数据资产的资产化

• 数据资产尚未完全符合会计准则中对资产和无形资产的定义，但其在企业内部和外部商业中具有重要价值。
• 数据资产的确认和计量仍需进一步探索，目前更多是理论探讨和实践应用。

数据资产的估值方法

• 成本法：基于重置成本和贬值因素，适用于企业内部数据资产的估值。
• 收益法：通过预期收益的现值进行估值，包括权利金节省法、多期超额收益法和增量收益法。
• 市场法：基于可比交易案例进行估值，但目前市场尚不成熟，数据交易数据有限。

数据资产的实践应用

• 淘宝店铺：作为数据资产的典型案例，其价值不仅体现在店铺本身，还在于其积累的消费者数据。
• LinkedIn、Facebook、Instagram、WhatsApp、Wholefoods：这些案例展示了数据资产在企业并购和商业价值中的重要作用。

数据资产的风险与法律环境

• 数据资产面临法律和道德风险，例如GDPR等法规对数据交易的限制，增加了合规成本，但也推动了数据合规和安全产业的发展。
• 数据的使用需考虑用户隐私和道德责任，否则可能影响企业声誉和数据资产价值。

评估方法适用性分析

数据资产的重要性

• 形成企业共通的数据语言，提升内部数据应用效率。
• 增强企业的战略资产地位，提升核心竞争力。
• 加速数据资产交易进程，推动数据市场发展。
• 促使数据资产产权问题明确，为数据资产相关商业模式提供发展空间。

结论

数据资产的价值分析仍处于探索阶段，尚未形成统一的估值体系。然而，随着数据在企业运营和商业应用中的重要性日益凸显，其估值方法和评估体系的构建将变得越来越关键。未来，数据资产的评估需结合其特性、应用场景及法律环境，逐步完善和推广，以推动数字经济的发展和数据资产的市场化进程。