德勤_阿里研究院-数据资产的估值和行业实践_40页_2mb

数据资产化研究报告总结

核心内容

本报告探讨了数据资产的定义、特性、影响因素及估值方法，旨在为数据资产化提供一个初步的思考框架。随着数字经济的发展，数据已成为企业的重要资产，其价值体现在多维度的应用场景中，但目前尚未被广泛纳入企业财务报表。

主要观点

• 数据资产的定义：数据资产是数据在企业运营中被确认为具有价值的资源，其价值不仅来源于数据本身，更来源于其应用场景和商业价值。
• 数据的特性：数据具有“4V”特性（Volume, Velocity, Variety, Value），即大量、高速、多样和低价值密度。
• 数据资产的分类：数据可按生产对象、存储形式、内容类型和权属进行分类，其中权属分为公有数据和私有数据。
• 数据资产与传统资产的差异：数据资产具有更强的通用性、外部性、可无限共享和集合使用价值更高的特点，与传统资产相比，其权属和价值评估更为复杂。
• 数据资产的收益与风险：数据资产的收益取决于其质量与应用场景，而风险则主要来自法律和道德层面的限制。

关键信息

数据资产的收益维度

• 数据质量：包括真实性、完整性、准确性、数据成本和安全性。
• 数据应用价值：包含稀缺性、时效性、多维性和场景经济性。

数据资产的风险维度

• 法律限制：如GDPR等法规对数据交易的影响，可能增加合规成本，限制数据资产的流动性。
• 道德约束：数据使用不当可能损害企业形象，影响客户信任，从而降低数据资产价值。

数据资产的估值方法

• 成本法：以重置成本减去贬值因素，适用于某些数据资产的估值，但存在成本难以区分和贬值因素难以估算的问题。
• 收益法：基于数据资产的预期收益进行折现，包括权利金节省法、多期超额收益法和增量收益法，但对收益和使用期限的估计存在较大挑战。
• 市场法：通过可比交易案例进行估值，但市场尚不成熟，缺乏足够的交易数据。

数据资产的实践应用

• 企业案例：如Facebook、LinkedIn、WhatsApp、Google、Wholefoods等，展示了数据资产在企业并购和商业应用中的重要性。
• 淘宝店铺：作为数据资产的载体，淘宝店铺的交易价值不仅来源于店铺本身，还依赖于其所承载的消费者数据。

结构清晰

数据资产的定义与分类

• 数据资产是企业过去形成的、由其拥有或控制的、预期带来经济利益的资源。
• 数据资产可以分为与人、与物、与事相关的数据，以及按存储形式和内容类型进行的分类。

数据资产的特性

• 通用性强，可应用于多个行业和场景。
• 具有外部性，可形成数据产品在外部市场销售。
• 可无限共享，不会因使用而损耗。
• 集合使用价值更高，多维度数据结合能产生更大的价值。

数据资产的估值方法

• 成本法、收益法和市场法是传统的资产估值方法，但数据资产由于其特殊性，这些方法均存在局限。
• 成本法关注数据成本与贬值，但难以准确计量。
• 收益法基于数据资产的预期收益，但收益和使用期限的预测复杂。
• 市场法依赖于交易市场，但当前市场尚不成熟。

数据资产的风险与法律影响

• 数据资产面临法律风险，如GDPR对数据交易的影响。
• 道德风险也需被重视，不当使用数据可能损害企业声誉和客户信任。

数据资产的未来发展方向

• 数据资产化有助于形成企业共通的数据语言，提升企业运营效率。
• 数据资产将成为企业的战略资产，提升核心竞争力。
• 数据资产交易市场需要进一步发展，以建立更完善的估值体系。

结论

尽管数据资产尚未被广泛纳入财务报表，但其在数字经济中的价值已日益凸显。数据资产的估值仍处于探索阶段，未来需在法律、技术、市场等方面不断完善。随着数据交易市场的成熟和数据资产的广泛应用，数据资产的估值体系和方法将逐步建立，为数字经济的发展提供重要支撑。