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-201910_40页_2mb

数据资产化研究总结

核心内容

本报告探讨了数据资产化的概念、价值体现、影响因素及估值方法。随着数字经济的发展，数据已成为企业重要的战略资源，其价值逐渐被认可。然而，数据资产在会计准则中尚未被明确界定，因此其价值评估仍处于探索阶段。

主要观点

• 数据资产是数字经济时代的重要资产形式，具有通用性、外部性、无限共享性和集合使用价值高的特点。
• 数据资产的价值主要取决于其质量、应用场景以及法律和道德限制。
• 传统资产估值方法（成本法、收益法、市场法）在应用于数据资产时存在适用性与局限性，尚未形成成熟体系。
• 数据资产化有助于形成企业共通的数据语言、增强企业核心竞争力、加速数据交易进程，并促使数据资产产权问题的明确。

关键信息

数据资产的定义与特性

• 数据资产是指由企业过去的事项形成、拥有或控制、能带来经济利益、成本或价值可计量的资源。
• 数据具有以下特性：
  • Volume（数据量大）：数据量呈指数级增长。
  • Velocity（数据更新频繁）：数据更新速度快，对时效性要求高。
  • Variety（数据类型多样）：数据可以是结构化、半结构化或非结构化。
  • Value（数据价值密度低）：数据需要经过处理才能体现其价值。

数据资产的分类

• 按生产对象分类：
  • 与人有关的数据（如个人信息、信用数据等）
  • 与物有关的数据（如生产线操作记录）
  • 与事有关的数据（如家庭生活信息、公交车客流量数据）
• 按存储形式分类：
  • 结构化数据（如数据库）
  • 半结构化数据（如日志、XML、JSON等）
  • 非结构化数据（如图片、视频等）
• 按内容类型分类：
  • 社交数据、购物数据、生产数据等
• 按权属分类：
  • 公有数据（如天气、人口数据）
  • 私有数据（如企业数据、个人数据）

数据资产的影响因素

• 收益维度：
  • 数据质量（真实性、完整性、准确性、数据成本、安全性）
  • 数据应用价值（稀缺性、时效性、多维性、场景经济性）
• 风险维度：
  • 法律限制（如GDPR对数据交易的影响）
  • 道德约束（如对用户隐私的尊重）

数据资产估值方法

• 成本法：
  • 计算公式：评估价值 = 重置成本 - 贬值因素
  • 优势：易于理解，计算简单
  • 局限性：成本不易区分，贬值因素难以量化，无法体现收益
• 收益法：
  • 计算公式：评估价值 = ∑(超额收益 / (1 + i)^n) + 所得税摊销收益
  • 优势：反映数据资产的经济价值
  • 局限性：超额收益难以估计，使用期限难以确定
• 市场法：
  • 计算公式：评估价值 = 可比数据资产成交额 × 修正系数
  • 优势：市场参数真实可靠
  • 局限性：缺乏成熟交易市场，应用场景差异大，修正困难

数据资产化的重要性

• 形成企业共通的数据语言：减少部门间的数据理解差异，提高分析效率。
• 形成战略资产：提升企业核心竞争力，推动数据资源的积累与应用。
• 加速交易进程：完善数据资产管理，有助于数据交易市场的成熟。
• 明确产权问题：随着法律体系的发展，数据资产的权属问题将逐步清晰。

数据资产案例分析

• LinkedIn收购：微软以262亿美元收购LinkedIn，体现了数据资产的高价值。
• Facebook收购Instagram和WhatsApp：展示了数据资产在用户行为数据和社交数据中的重要性。
• 淘宝店铺：虽不被法律认定为资产，但其积累的消费者数据具有显著的经济价值。

建议与展望

• 需要采取面向未来、审慎包容、鼓励创新的理念和原则，推动数据资产的发展。
• 数据资产估值体系需逐步完善，结合实践探索与理论研究，形成更全面的评估方法。
• 数据交易市场和估值体系应协同发展，以提供更广泛接受的实践和理论依据。

参考文献与联系方式

• 参考文献：

  1. Bingdata123, 2018, 大数据的“多维度”与“时效性”
  2. 东方财富网编辑，2018，数据是最宝贵的财富
  3. Gartner Research
  4. 何小朝，2014，关于结构化、半结构化、非结构化数据的理解
  5. 李然辉，2018，数据资产价值评估模型的理论研究与技术实现探讨
  6. 企业会计准则，2016，财政部
  7. Valerie Logan, 2017, Information as a Second Language: Enabling Data Literacy for Digital Society
  8. 对外经贸大学许可，2019
  9. 朱扬勇，叶雅珍，2018，从数据的属性看数据资产

• 联系方式：

  • 德勤中国：
    • 虞正（合伙人）：micyu@deloitte.com.cn
    • 徐盈（总监）：ellxu@deloitte.com.cn
    • 张文瑜（经理）：tiffzhang@deloitte.com.cn
  • 阿里研究院：
    • 晓坪（副院长）：xiaopeng.axp@alibaba-inc.com
    • 顾伟（副主任）：richard.gw@alibaba-inc.com
    • 宋斐（资深专家）：fei-song@alibaba-inc.com
    • 刘明（高级专家）：yehe.lm@alibaba-inc.com
    • 程欣（高级专家）：longhai.cx@alibaba-inc.com

特别鸣谢

• 陈新河（中关村大数据产业联盟副秘书长）
• 付春（国政通副总裁）
• 尚晶（中国移动大数据平台部副总经理）
• 王融（腾讯研究院资深专家）
• 许可（对外经贸大学数字经济和法律创新研究中心执行主任）
• 闫树（中国信通院高级研究员）
• 叶雅珍（上海数据科学重点实验室数据资产研究中心主任）
• 江玮（德勤风险咨询合伙人）
• 曾辉煌（德勤数据分析与管理合伙人）
• 何向飞（德勤风险咨询副总监）
• 金洪斌（德勤风险咨询副总监）
• 谢鹰、毛波、徐骏、李挺、蒋正伟、赵文隽、韩广、黄伊娜、潘永花（阿里巴巴集团相关人员）

关于阿里研究院

• 成立于2007年，是国内首家互联网企业研究智库。
• 定位为“共创新知，引领未来”，研究领域涵盖数字经济、智能+、新零售、农村电商、供应链、中小企业发展、平台治理、税收、全球化与eWTP等。
• 已成为国内外数字经济和数字治理领域具有广泛影响力的平台。

关于德勤

• 德勤是全球最大的专业服务机构之一，提供审计、咨询、税务等服务。
• 德勤中国致力于推动中国会计准则、税务制度及专业人才培养。
• 德勤在中国的业务范围覆盖多个城市，提供全方位服务。