中企华积极推进数据资产评估专业研究工作，公司陈徽因和李永刚两位同志梳理大量国外数据资产评估文献并撰写的专业文章“国外基于用户对象的数据资产价值评估”被分为三部分陆续刊登在《中国会计报》，本文为该文章的第三部分。

数据资产的用户可以分为三类，即数据生产者，数据使用目的主要为再出售的用户；数据使用者，数据的主要价值在于辅助日常经营或重大决策的企业或研发中心；数据中心，数据存在多端口来源、多端口输出，且使用目的为多用户共享的集成性用户。

数据中心是指数据库、数据终端等场景，可以被形象地视作数据的图书馆，普遍存在于大学和科研场所等重价值、轻价格的环境中。

作为数据生产者与使用者中间的纽带，数据中心的资产价值更为隐形。

相较于数据生产者、数据使用者的价值评估，数据中心的价值评估更为复杂。

在评估方法方面，相较数据生产者和使用者的评估方法，数据中心类别的评估方法较为新颖，对价值的判断不仅包括对商业发展、盈利获利的衡量，更是涵盖数据库安全性和社会职责等宏观指标。

基于消费的价值评估法

作为数据的交通枢纽，数据中心的信息具有多端口来源、多端口输出的特征。

与生产者和使用者不同，数据中心的价值并不来自于对数据的出售或使用，而是基于数据特征之一的“数据价值的评判只与数据的使用次数挂钩”，即使用次数越多，数据价值越高。

因此，针对其价值的评估方法不应拘泥于该数据中心所创造的现金收益，而应通过统计数据库的使用次数及人数的方式判断数据中心的价值所在，即基于消费的价值评估法。

与修正历史成本法相同，基于消费的价值评估法要求对数据中心的整体费用进行测算，并对测算出的整体费用根据数据中心的实际情况进行修正。

例如，当数据中心里的某数据库存在重复或错误时，该数据库的成本应以重复率或错误率为参数相应地进行降低调整。

在得到修正后的数据中心总体费用后，价值应等于费用乘以数据中心的使用频率。

使用频率系数同样可以被用于鼓励或惩罚数据中心的管理措施。

在数据中心中，如果管理人员严格遵守安全合规条例并禁止部分用户不安全使用数据，其价值不应因为拒绝不安全访问而导致价值减少，反而应为其安全性增加“安全使用价值”；数据库中从未或极少被使用过的数据应被认定为是无效数据，使用频率应按照该“无效数据比例”相应进行扣除。

基于消费的价值评估法存在较多主观假设条件，客户类型的权重对数据中心的评估结果影响较大，对权重轻微的调整可以导致整体数据库评估值的大幅变化。

同时，“数据资产的价值会随着使用次数的增多而提升”是数据特征之一，基于消费的价值评估法以此特征作为理论支撑，将每种用户端口的价值以数据中心整体费用的倍数作为计算基数，且不考虑用户端口对数据的实际使用用途或囤积性复制造成的影响，基于消费的价值评估法必然会导致价值评估结果远超于数据中心的历史费用。

科研数据保护法

科研数据保护法的最佳适用数据类型是重前期研究投入的科研型数据中心，此类数据中心对成本与收益的未来预测时间跨度往往在一年以上。

与基于消费的价值评估法中提到的一般数据中心不同，科研数据保护法中的数据中心往往有国家或地方政府支持，其公益性和科研性的重要程度远高于对短期盈利的追求。

因此，在针对科研数据中心的评估中，评估方法需格外注意科研中心的社会职责，从宏观角度看待科研数据中心为社会整体所带来的价值。

在成本端，科研数据保护法将数据资产从接收到使用的整体成本大致分为三个阶段，分别是存档前阶段、存档阶段和辅助服务阶段。

其中，每阶段再被分割成数个单项服务和底层服务。

英国国家数据中心的研究报告显示，占据时间和成本比例最高的单项服务为存档阶段的数据处理服务，包括数据接收读取、质量检查、分类和引用等数个底层服务。

部分拥有专职人员或专业软件处理的服务，如数据格式转换、数据安全转移、前端授权等处理流程较为标准，单项处理时长比较稳定，而申请数据使用牌照、数据分类标签的辨认及生成、技术支持等部分包含外部服务或定制化服务的单项服务处理时长波动较大，对成本的分配则需要单独分析。

通过对单项服务所需的费用和时间进行阶段性分类，数据中心可以更好地分配数据资产对应成本，并对未来发展对应的成本做出更为精准预测。

与其他数据资产对收益的判断不同，科研型数据中心的核心目的并非盈利，而是作为公益性的公共文化机构为社会提供服务，其社会职能应包括但不限于对科研型数据资产的收集、清洗、整理和借阅。

在此前提下，科研数据保护法的预期收益不应局限于对数据中心本身带来的短期经济收益，而是需要对不同社会群体做出长期价值判断。

因此，科研数据保护法会将数据库带来的收益以三个不同维度进行分析，分别是直接与间接收益、近期与远期收益、内部与外部收益，以此反映出科研数据中心的社会价值。

总体而言，科研数据保护法的成本分割较为严谨，预测数是基于每单项服务的成本动因单独计算得出，且可以通过实地考察或调查问卷反馈情况随时对预测方法进行调整，框架灵活且及时性高；而由于科研数据中心的公益性质，科研数据保护法对收益判断十分宏观，不仅要站在三个维度进行判断，而且需要企业、科研人员或行业专家根据数据所属行业及前景进行专业预测。

对评估人员而言，科研数据保护法需要大量的现场考察及访谈作为基础，并且要求评估师对资产所在的专业领域具有深度理解，是一种具有挑战性的数据资产评估方法。

面临的挑战与机遇

数据资产评估方法还有多期超额收益法、有无比较法、权利金节省法、电子文献周期法等诸多方法，已在国外数据资产评估领域萌芽。

如何在这些方法中进行取舍，并结合我国数据资产的行业标准与实操环境进行修正，是当下数据资产评估业界具有挑战性的难题。

数据资产评估还存在数据资产确权难、网络安全保护难及隐私权保护难等问题，急需行业专家与企业一同对数据资产评估标准进行更细化的界定与补充。

挑战与机遇并存。

在“十四五”时期信息化的大背景下，我国数据产量与质量一同爆炸式上升，在相关政策的鼓励下，数据市场运营将会逐渐发展为一个标准化、规范化、安全化的自律体系。

届时，数据资产评估将作为其必不可少的一部分，辅助数据产权的价值衡量与交易，为数据资产交易市场保驾企服快车。

ycz colgone