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》，本文为该文章的第二部分，现转发以飨读者。

数据资产的用户可以分为3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。

基于数据生产者的评估方法

对于数据生产者而言，数据是待售产品，可被视作库存进行处理，对其价值评估相对简单。

对应传统实物资产评估中的成本法和市场法，数据资产可以用修正历史成本法和市场法进行评估。

修正历史成本法。

在假设市场各方为理智消费者的前提下，买方购买的数据资产未来的经济收益应至少等于或大购买其所需的资金成本。

与传统有形资产不同，数据资产的特质导致卖方可以反复出售数据资产，且被出售后数据不会消耗或减值。

同时，数据资产可带来的未来收益跨度较大，产生价值的衡量标准并不统一。

如若买方购买数据后从未使用，可以认为其内在价值和使用价值均为 0，只存在成本；当数据资产为使用方提供大量决策分析价值与研究价值时，其资产评估价值应远超历史购买成本。

修正历史成本法与成本法相同，在计算公式中，修正历史成本法的第一步是判定数据资产的历史购入成本，包括人工、设备及设施成本。

由于数据资产的生产成本时常产生波动，例如自动数据捕捉软件的更新会降低成本，多步骤数据收集及处理会提高成本，因此，修正历史成本法要求对历史成本单位化、标准化，以形成本次数据价值评估的基准线。

不管外部环境如何变化，评估期间每单位数据的标准历史成本维持不变。

市场法。

市场法旨在理解客户的支付意愿，即客户为商品或服务有意愿支付的最高金额。

当数据可以作为市场上的商品进行定价和交易时，买卖双方的交易定价为显示性偏好或显示性价值；而当无法依靠市场定价时，数据的价值则通过叙述性偏好或叙述性价值间接地进行衡量。

显示性价值主要包括两种方法，市场交易法和实验法。

顾名思义，市场交易法是以市场上存在的真实交易价格为数据资产定价。

然而，由于数据资产交易市场尚不发达，公开渠道中的交易案例较少，影响交易价格的特定条件难以总结归纳，且数据具有诸多传统资产不具备的特殊性，获得数据库或数据池的交易价格较为困难，所以市场交易法中的交易价格可以通过下载量、服务费和订阅费三种途径测算获得。

实验法则通过实验模拟、实地考察及信息拍卖等不同方式，侧面了解消费者对数据价值的判断。

需要注意的是，同样的数据在处理前和加工后的价格往往存在巨大差异。

叙述性价值主要通过调查问卷、专家判断和联合分析等方法侧面获得市场对信息资产的价值认可。

其中，联合分析是较为常用的方法之一。

业界普遍认为，任何商品和服务都可被分割为一系列特质，而联合分析可以辅助企业找出买方认为产品或服务中较为重要且不可替代的特质，并且针对这些特质进行价值判断。

基于数据使用者的评估方法

对于数据使用者来说，数据在一般情况下并不直接参与生产或服务，而是作为服务企业决策制定的衍生资产，其价值评估需要结合数据的实际用途及企业的整体情况进行综合考量。

贡献比例法是一种自上向下型的估值模型，旨在使用结构性方法分析并预测某资产对项目结果的相对影响。

此方法首先确定可量化的预期结果，反推并研究能够达成该结果的最佳使用案例，最后将案例中资产的累计贡献作为其价值评估的参考。

贡献比例法认为，数据资产的价值并不与其历史成本或购买费用挂钩，而是应通过对项目的预期影响体现，即数据资产的价值等于其辅助企业带来的未来收益占比。

企业需要先判断项目的未来收益，分析数据的重要程度，再去将其转化为系数进行计算。

企业对数据的理解可以分为以下3种类型。

一是描述性分析，指通过数据理解过去所发生的情况，并以此作为当前决策的环境背景。

描述性分析带来的价值相对较低，分析结果往往是简单的因果关系。

二是预测性分析。

相较描述性分析更进一步，是指通过当前数据对未来做出概率判断的分析。

三是说明性分析。

说明性分析是三种分析种类中较为有价值的一种，是指根据数据总结出的能够准确预测未来影响的分析方法。

通过贡献比例法，企业可将数据库对项目的贡献程度与相对价值进行打分，间接判断数据库针对该企业的独特价值。

由于企业对数据的使用需求与方式不同，同一数据库对不同主体带来的价值和经济效益理应存在差异。

贡献比例法和决策导向估值法抓住了数据资产作为“服务企业决策制定的衍生资产”这一特质，从企业对未来的预期判断出发，间接地测算出数据库针对不同主体的价值影响。

ycz skin shop