2023商业银行数据资产估值白皮书-瞭望智库_中国光大银行_94页_3mb

商业银行数据资产估值白皮书总结

本白皮书系统分析了数字经济背景下数据要素市场化配置的关键性问题，重点探讨了商业银行数据资产估值的理论方法和实践路径，并提出促进数据要素市场科学发展的政策建议。以下是核心内容梳理：

一、数据要素市场发展需求

数据作为数字经济时代的核心生产要素，对产业升级和数字化转型具有不可替代的作用，已成为产业高质量发展的基础燃料。国家层面已通过政策明确数据要素市场化方向，如《中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见》提出“加快培育数据要素市场”；地方层面如深圳《数据条例》及“十四五”规划也强调数据权属、交易流通及价值实现。数据要素市场化需解决三大问题：

1. 数据权属明确化：数据无实体性、多次衍生等特点导致确权困难，需建立清晰的权属规则，确保交易合法性。
2. 统一估值标准：传统资产评估方法难以适配数据资产，需形成具备操作性的估值体系。
3. 交易机制完善：缺乏大规模集中交易平台及完善规则（如信息披露、会员标准），需推动市场规则标准化。

二、数据资产定义与核心属性

数据资产指由企业合法拥有或控制，能持续产生经济利益的电子化数据资源，需满足以下条件：

1. 非实体性与无消耗性：数据可无限复制且不因使用而磨损。
2. 可加工性：数据能通过技术手段衍生为新数据，支撑多样化应用场景。
3. 形式多样性：包括结构化、非结构化和半结构化数据，可转化为不同形态。
4. 多次衍生性：数据可分层级加工，不同层级均体现价值。
5. 可共享性：数据可被多部门或外部主体共享，提升整体价值。
6. 零成本复制性：数据获取成本高，但复制成本接近于零，形成价值差异。
7. 依赖性：需依托硬件、系统支持，其成本需纳入估值模型。
8. 价值易变性：受技术、法律及市场需求影响，需动态评估。

三、数据资产管理发展阶段

数据资产管理经历三个阶段：

1. 数据管理阶段（“十五”至“十一五”）：以技术部门主导，进行数据仓库建设，仅关注内部数据存储与标准化。
2. 数据治理阶段（“十二五”至“十三五”）：强调业务意义，建立组织级管理体系，但因管理分散，标准统一性不足。
3. 数据资产管理阶段（“十三五”至今）：以数据价值为导向，涵盖数据管控、应用和运营，形成闭环管理体系。

四、数据资产估值理论方法

（1）货币度量方法

包括成本法、收益法和市场法：

• 成本法：以重置成本为基础，扣减损耗后计算价值。需考虑数据的合理利润率及质量调节系数（如数据完整性、风险等级）。
• 收益法：基于数据带来的收益增量，通过折现计算现值。需明确收益来源（如营销渠道新增客户、风险模型降低损失），并结合技术及业务维度进行修正。
• 市场法：通过类比交易案例价格评估价值，需考虑数据规模、质量及市场供需关系。

（2）非货币度量方法

• IVI模型：从数据本身特征（正确性、完整性）评估内部价值。
• BVI模型：结合业务相关性与数据质量，更贴近实际应用价值。
• PVI模型：依据调用前后KPI变化衡量价值，适用于后评估场景。
• 综合法：根据评估目的定制化模型，但主观性强，需结合企业特性和数据特征。

五、光大银行数据资产估值实践

光大银行构建了融合数据特性与市场规律的估值体系，分为三类数据资产：

1. 原始类数据资产：包括外部获取（如商业数据）和内部采集（如客户交易信息），采用成本法估值。
2. 过程类数据资产：通过系统加工形成统一数据，用于后续分析。
3. 应用类数据资产：分为收益提升型（如风险评分模型）和统计支持型（如运营分析数据），分别采用收益法和市场法。

特点与创新

• 考虑数据层级的多样化价值（如不同层次加工后的数据均能产生收益）。
• 数据价值与规模正相关，企业需根据数据量选择估值模型。
• 强调调用频率与业务覆盖范围，提升估值的业务相关性。
• 利用质量调节系数（如数据完整性、风险等级）优化估值结果。

六、数据要素市场发展建议

1. 政策引导：

   • 完善顶层设计，明确数据市场法律框架（如数据确权、安全保护规则）。
   • 建立分级分类的数据流通机制，保障各方权益。
   • 推动多元支持政策，激励数据共享及应用创新。

2. 市场规范：

   • 制定数据共享与交易标准，提升流通效率。
   • 引入争端仲裁机制，维护市场秩序。
   • 明确数据资产科学定价原则，促进良性竞争。

3. 技术创新：

   • 通过产学研合作推动数据清洗、隐私计算等技术应用。
   • 建立交易生态，完善数据确权、安全及可追溯机制。

4. 监管优化：

   • 实施“底线监管”，打击数据滥用和不正当竞争。
   • 鼓励数据信托、资产证券化等新型交易模式，拓宽数据价值实现路径。

七、数据资产估值难点与改进方向

• 权属争议：法律对数据权益划分不清晰，需进一步明确所有权、使用权等分类。
• 技术挑战：数据质量（如准确性、唯一性）成为估值关键因素，需通过标准框架量化评估。
• 交易市场不成熟：现有市场缺乏高频交易、标准化定价，需推动数据资产多元化流通。

附录参考

• 法律依据：涵盖《数据安全法》《个人信息保护法》《企业会计准则》等，明确数据流通的合规要求。
• 行业实践：包括京东、腾讯云等平台的数据交易模式，以及光大银行等机构的估值模型案例。
• 标准与模型：如《GB/T 37550-2019数据资产评价指标体系》及Gartner提出的WVI、RVI等模型，提供方法论支撑。

本白皮书强调，数据资产估值需结合其非实体、可共享、价值易变等特性，构建动态、多元化的评估体系，同时需通过政策、技术及市场机制协同推进，方能实现数据要素的科学配置与价值释放。