一文深入探讨数据资产价值评估和定价方法

本文摘自机械工业出版社出版《数字化转型与数据要素，汽车与交通产业新时代的驱动力量》书籍的4.2章节。

（一）数据资产价值评估与定价概念

根据国家数据局《数据领域常用名词解释（第一批）》的定义，数据资产定义是指特定主体合法拥有或者控制的，能进行货币计量的，且能带来经济利益或社会效益的数据资源。

根据中国资产评估协会发布的《数据资产评估指导意见》，数据资产评估是指资产评估机构及其资产评估专业人员遵守法律、行政法规和资产评估准则，根据委托对评估基准日特定目的下的数据资产价值进行评定和估算，并出具资产评估报告的专业服务行为。

根据概念的界定，在进行会计确认与入表的过程中，只有同时满足可变现、可控制、可量化三个确认原则时，数据资源才能被视作数据资产。可变现意味着数据资产需要能够为企业带来持续的经济收益；可控制意味着数据资产必须是企业能够合法合规控制和管理的数据资源；可量化意味着数据资产可以从实际生产与运营中分离出来，并可用货币进行可靠计量。

要有效评估数据资产价值，必须充分考虑影响其价值的各项因素。数据的种类多样，而数据资产价值的评估维度也是多元的。与传统资产相比，数据种类多样、价值易变，具有更加丰富的潜在应用场景，其资产化后的价值评估也需要综合考虑更多方面因素。综合来看，数据资产的价值体现在其应用能够对组织带来潜在的收益或风险，因此数据资产的价值影响因素可以分为数据质量、数据开发阶段、数据应用价值及数据资产风险。

数据质量：参考全国信息技术标准化技术委员会提出的数据质量评价指标，设定规范性、一致性、完整性、时效性、准确性等数据质量评估指标。

数据开发阶段：在初级阶段，数据资产还仅仅为原始未加工数据的形式，尚未有具体匹配的商业化场景，价值可能仅限于其开发成本。经过一定的加工，数据资产在初步找寻到适用的商业化场景后数据资产价值显著增加，最终实现最大化。

数据应用价值：通过分析历史交易数据，量化评估数据产品在不同应用场景下的效用和价值，设定关联度、实用度、复用度、受众广度、受众深度和场景经济性六类指标。

数据资产风险：主要源自于所在商业环境的法律限制和道德约束，其对数据资产的价值有着从量变到质变的影响，在数据资产估值中应予以充分考虑。

数据资产定价是指通过量化方法评估数据资产在市场交易、企业运营或投资决策中的经济价值，为数据交易、资产入表、投资估值等场景提供依据。其本质是将数据的潜在商业价值转化为可衡量的货币价值，数据定价的目的是衡量数据的价值，作为数据流通交易的度量衡，确保供需双方对数据价值的认定标准一致‌。

（二）数据资产价值评估

1.价值评估方法介绍

当前，常见且认可的传统价值评估方法有3种，分别是成本法、收益法、市场法。在数据资产评估应用中，单纯的采用上述3种方法不能满足实际的数据资产评估需求，因此，一般会在传统价值评估方法基础上，融入系数调节的方式，即在传统评估出的价值上，相乘某些系数，以达到对价值进行放缩的效果。一般认为不同的调节系数之间都不相关。

（1）成本法

采用成本法评估数据资产一般是按照重置该项数据资产所发生的成本作为确定数据资产价值的基础，并对重置成本的价值进行调整，以此确定数据资产价值的评估方法。

选择和使用成本法时应考虑的前提条件包括：

数据资产能正常使用或者在用。

数据资产能通过重置途径获得。

数据资产的重置成本以及相关价值调整系数能够合理估算。

成本法的基本计算模型：

其中：

简单的成本构成一般分为直接成本、间接成本两种。

直接成本

直接成本一般为对该项数据资产的数据，从获取到最后形成资产涉及的过程，包含数据采集成本、数据存储成本、数据分析与挖掘成本、数据整合加工成本及研发加工过程的人员投入成本、数据安全与隐私保护成本。此外，如外购数据支出，也可作为直接成本。

间接成本

间接成本一般指与该项数据资产相关的场地费用、机房使用电费、公共管理成本等，与该项数据资产成型无直接相关的费用。

（2）收益法

采用收益法评估数据资产，主要是基于数据资产作为经营资产未来会直接或者间接产生收益。收益法一般是通过测算该项数据资产所产生的未来预期收益并折算成现值，进而确定数据资产的价值。

选择和使用收益法时应考虑的前提条件包括：

数据资产的未来收益可以合理预期并用货币计量。

预期收益期限能够确定或合理预期。

确定收益期限：使用收益法进行数据资产评估时，需要综合考虑法律有效期限、相关合同有效期限、自身的经济寿命年限、更新时间、时效性和权利状况等因素，合理确定收益期限，收益期限的选择需要考虑使数据资产达到稳定收益的期限和周期性等，且不得超出产品或者服务的合理收益期。在确定收益期的过程中，需要考虑数据资产在其收益期限是否存在价值变动的情况，例如数据资产未来因广泛传播、更新迭代和下游市场需求下降等情况导致其价值出现降低，如存在则需要在预期收益的测算时考虑合理价值变动的影响，对预期收益进行调整。

估算折现率：折现率可以通过分析评估基准日的利率和投资回报率，以及数据资产实施过程中的管理、流通和数据安全等因素确定。数据资产折现率与预期收益的口径需要保持一致。数据资产折现率可以采用风险累加法，即无风险收益率加风险报酬率的方式进行确定。此外，也可以采取其他能够充分反映投资报酬，与收益口径和内涵一致的折现率确定方法。

收益法的基本计算模型：

根据收益法基本公式，在获取数据资产相关信息的基础上，根据该数据资产或者类似数据资产的历史应用情况以及未来应用前景，结合数据资产应用的商业模式，重点分析数据资产经济收益的可预测性，考虑收益法的适用性。

（3）市场法

市场法是在具有公开并活跃的交易市场前提下，选取近期或往期成交的可比参照物价格作为参考，并调整特异性和个性化的因素，从而估值的方法。

选择和使用市场法时应考虑的前提条件包括：

数据资产的可比参照物具有公开活跃的市场。

有关交易的必要信息可以获得，如交易价格、交易时间和交易条件等。

存在足够数量的可比参照物，数据资产与可比参照物在交易市场、数量、价值影响因素、交易时间和交易类型等方面具有可比性，且这些可比性可量化。

市场法的基本计算模型：

（4）价值评估方法选择建议

收益法的使用条件需根据数据资产或者类似数据资产的历史应用情况，对未来收益提出合理的预期估计；市场法的使用条件是在公开并活跃的交易市场前提下，选取近期或往期成交的可比参照物价格作为参考。而当前由于数据要素流通处于新兴阶段，可参考价值较少，这两种评估方法都较难执行。因此，目前市场较多使用的是成本法类计算模型。

2.质量系数

质量评估一般分为两部分，一个为质量评价指标计算，一个为各指标的权重配置。

（1）质量评价指标与建议

在国家标准《GB_T 36344-2018 信息技术数据质量评价指标》中提到规范性、完整性、准确性、一致性、时效性、可访问性六个维度，如表1所示；在普华永道的《数据资产价值与数据产品定价新思考》中提到评价维度涉及准确性、完整性、时效性、唯一性、可访问性五个方面，如表2所示。

表1 数据质量评价指标

一级指标	二级指标	释义
规范性	数据标准	数据符合数据标准的度量。注1：评价数据质量时需要收集数据在命名、创建、定义、更新和归档时遵循的标准，包括国际标准、国家标准、行业标准、地方标准或相关规定等。注2：和数据归档一样甚至更重要，在一个完整的数据规则中旧数据的销毁一般也有一个比较详细且具有可执行性的规定。
数据模型	数据符合数据模型的度量。注1：数据模型是一种直观描述组织数据结构的手段，是数据表达的规范。注2：评价数据质量时需要检查是否存在清晰可理解的数据模型定义以及这些数据的组织形式。
元数据	数据符合元数据定义的度量。注：元数据标注、描述或刻画其他数据、以使检索、或使用信息更容易。评价数据质量时需要检查是否提供可靠的元数据文档。示例：包含各字段名称、描述、类型值域等内容的数据字典为一种元数据文档。
业务规则	数据符合业务规则的度量。注1：业务规则是一种权威性原则或指导方针，用来描述业务交互，并建立行动和数据行为结果及完整性的规则。注2：评价数据质量时需要检查是否存在良好归档的业务规则。
权威参考数据	参考数据是系统、应用软件、数据库、流程、报告及交易记录和记录用来参考的数值集合或分类表。注：评价数据质量时需要收集参考数据列表。示例：一张用于一个特定字段的有效值列表为一种参考数据类型。
安全规范	安全规范是安全和隐私方面的规则，包括数据权限管理、数据脱敏处理等。
完整性	数据元素完整性	按照业务规则要求，数据集中应被赋值的数据元素的赋值程度。
数据记录完整性	按照业务规则要求，数据集中应被赋值的数据记录的赋值程度。
准确性	数据内容准确性	数据内容是否是预期数据。
数据格式合规性	数据格式（包括数据类型、数值范围、数据长度、精度等）是否满足预期要求。示例：性别—栏不能出现男/女以外的内容；身份证号不能出现标点符号；以及对字符编码的一些限制，都需要通过规定内容的格式来实现。
数据重复率	特定字段、记录、文件或数据集意外重复的度量。
数唯一性	特定字段、记录、文件或数据集唯一性的度量。
脏数据出现率	正确字段、记录、文件或数据集之外无效数据的度量。示例：事务发生回滚时由于回滚机制不健全或不完善导致可能出现脏数据。
一致性	相同数据一致性	同一数据在不同位置存储或被不同用户使用时，数据的一致性；数据发生变化时，存储在不同位置的同一数据被同步修改。
关联数据一致性	根据一致性约束规则检查关联数据的一致性。
时效性	基于时间段的正确性	基于日期范围的记录数或频率分布符合业务需求的程度。
基于时间点及时性	基于时间戳的记录数、频率分布或延迟时间符合业务需求的程度。
时序性	数据集中同一实体的数据元素之间的相对时序关系。
可访问性	可访问	数据在需要时的可获取性。
可用性	数据在设定有效生存周期内的可使用性。

表2 数据质量评价指标

指标	释义
准确性	数据内容对数据所指对象的描述、展现是否准确及其准确程度，以及数据形式对数据内容的表述、表达是否准确及其确切程度。
完整性	衡量所必须的数据的完整程度，如不能缺失的空值检查，以及不为空字段的占比。
时效性	数据的最新更新时间或有效期（也包括实际信息发生变化后，间隔多久可正确同步至数据表）。
唯一性	数据及数据的全部副本服从某种规则的约束，并对同一数据在同一时刻保持唯一值。即是否存在重复数，若数据重复性较高，会导致后续分析结果失真。
可访问性	数据产品在约定时间长度内的可获取性，如对于数据库或某些检索类产品而言，访问者在约定时间长度内通过数据接口对目标数据表发起访问请求且成功获取数据。

质量评价指标建议基于不同的行业领域、业务场景，在参考相关标准等基础上，可以依据实际情况进行调整，包括一级指标的选取、二级指标的设立。

（2）评估指标建议及解释

本书建议可参考采用以下较通用的评估指标，在实际操作中可在此基础上进行扩充，如表3所示。

其中，评估指标中数据的准确度、完整度、时效度是针对单列特征数据进行，数据的唯一度可对单行或单列样本数据做比对。

数据准确度：数据信息与主体是否匹配。对每一列数据进行评估，检查每一个描述数据是否与其对应客观实体特征相一致，例如，本特征列的主体是身高，但是却出现地址情形。

异常值：对每一列数据进行评估，检查数据是否存在异常情况，分为数值型、字符型两种评估方式。

数据完整度：对每一列数据进行评估，检查数据是否存在缺失记录，即出现空值（空白），或null的情况。

数据时效度（时间颗粒可到年月日）：对每一列数据进行评估，指数据最后更新时间，与当前评估时间进行对比。

数据唯一度：此评估方式分两种情况进行（需对整张数据表的描述主体进行）：

主键唯一性（如“企业某季度收益”）：仅对某列身份信息（企业名称、信用代码等）进行判断，判断有无重复身份信息。

无唯一主键（如“企业每月收入”）：则对整一行样本进行评估，即判断不同样本行间是否存在重复。

表3 数据质量评价指标设立建议

一级指标	二级指标	释义
准确性	数据信息与主体是否匹配	对每一列数据进行评估，检查每一个描述数据是否与其对应客观实体特征相一致进行评估。
异常值	对每一列数据进行评估，检查数据是否存在异常情况，分为数值型、字符型两种评估方式。
完整性	对每一列数据进行评估，检查数据是否存在缺失记录，即出现空值（空白），或null的情况。
时效性	对每一列数据进行评估，指数据最后更新时间，与当前评估时间进行对比。
唯一性	此评估方式分两种情况进行（需对整张数据表的描述主体进行）： 1）主键唯一性：仅对其列身份信息（企业名称、信用代码等）进行判断，判断有无重复身份信息。 2）无唯一主键：则对整一行样本进行评估，即判断不同样本行间是否存在重复。

（3）评估方法

数据准确度

数据信息与主体是否匹配

此评估需对每一列数据进行评估，假设某列数据（包含空值）共有a条数据，描述准确的信息有a1条。

Ø异常值

a) 数值型数据：

①符合正态分布数据：

假设某列数据（包含空值）共有N条数据，距离平均值3δ之内的数据为正常值，共有a2条。

②不符合正态分布数据：

假设某列数据（包含空值）共有N条数据，采用箱线图等方法判断是否属于正常值，共有a2条。

b)字符型数据：

假设某列数据（包含空值）共有N条数据，每列字符型数据种类个数多于给定阈值的数量a2条。

数据准确度得分

该列数据的准确度得分：

若不考虑数据异常值情况（由于实际中可能实有发生），该列数据的准确度得分：

数据完整度

假设某列数据（包含空值）共有N条数据，不缺失数据或非null数据共有n2条，则数据完整度得分

数据时效度

建议数据更新时间不宜大于4年，否则数据价值很小，实际应用中，可根据自身行业情况调整最长更新时间。

假设数据最后更新时间t1，与当前评估时间T1进行对比，时间差值分为五种不同情况进行评估，时间差值小于1年、时间差值介于1年到2年、时间差值介于2年到3年、时间差值介于3年到4年、时间差值大于4年。不同差值对应的数据时效度得分S3如表4所示。

表4 数据时效度得分

时间差值	得分
T1-t1<365	((365-(T1-t1))/365)*(100-81)+81
365<=T1-t1<730	((730-(T1-t1))/365)*(80-61)+61
730<=T1-t1<1095	((1095-(T1-t1))/365)*(60-41)+41
1095<=T1-t1<1460	((1460-(T1-t1))/365)*(40-21)+21
T1-t1>=1460	20*1460/(T1-t1)

数据唯一度

评估的是非标签标识类数据：

主键唯一性：与无唯一主键评估计算方法一致，假设主键列数据共有N条数据，不重复数据共有n3条，则数据完整度得分

无唯一主键性：假设某样本数据共有N条数据，不重复数据共有n3条，则数据完整度每列得分

评估得分

各特征列指标得分如下：

（4）指标权重配置与建议

一般在各行业领域、不同业务场景下，对数据集的各质量指标的侧重程度有所不同，采用权重系数调节的方式能灵活满足各需求。在研国家标准《信息技术大数据数据资产价值评估》（20214285-T-469）中提到，数据资产的价值调整系数计算有专家评价方法。其中，专家评价方法综合考虑数据质量和数据应用价值等影响因素，并应用层次分析和德尔菲等方法对影响因素进行赋权，进而计算得出数据资产价值调整系数。

在实际操作过程中，德尔菲法在时间和流程上花费较长，如一般需组建专家团队，使得专家选取和询问意见用时较长。而层次分析法根据指标间相互比较的评价逻辑，使得一位专家参与评价也可执行，这使得沟通等成本降低许多，同时，目前市面上的一些评估应用也多偏向于使用层次分析法。

因此，本书建议采用层次分析法，对质量指标的权重进行赋权。相关计算流程如图5所示。

图5 层次分析法计算流程

层次分析法的基本思想是将组成复杂问题的多个元素权重的整体判断，转变成对这些元素进行“两两间比较”并进行打分，然后再转为对这些元素的整体权重进行判断，最后确立各元素的权重。上图是层次分析法计算流程，表5是两两指标间的比较打分依据。

表5 比较打分依据

（5）计算方法

依据上述打分依据，填入表6所示判断矩阵（蓝色部分）。

表6 专家打分

先对判断矩阵的每列做归一化处理，再对每行数据求和后，做归一化处理（目前质量评估有4个维度，归一化除以4），得到各特征的数据准确度、数据完整度、数据时效度、数据唯一度的权重值w1、w2、w3、w4（w1+w2+w3+w4=1）。

一致性检验：

一致性指标CI值（其中

为原始判断矩阵的最大特征值，依据当前指标数量n=4）：

一致性比率CR值（其中的RI需查表获得，RI取值对应下图；以n=4为例，RI=0.9）：

其中，RI取值对应下表6所示。

表6 RI取值表

若CR<0.1则通过一致性检验，本次打分无需再调整，所得权值w1、w2、w3、w4可以使用；否则，需要重新调整判断矩阵，重新比较“两两指标”，重新打分。

（6）最终得分与质量系数

各特征列的质量评估得分：

质量评估最终得分：

3.安全系数

数据资产的价值除在数据质量上体现，数据的安全保障也是重要方面，如果数据面临泄露、易被篡改等风险，会造成数据资产的大幅减值甚至价值完全损失，因此，风险的发生概率与数据控制者的数据安全能力相关。

建议在数据资产价值评估中，引入数据资产的风险系数（安全系数）作为评估条件，风险等级可参照“数据安全能力成熟度模型（Data Security capability Maturity Model，DSMM）”作为数据控制者的数据安全能力评价标准。同时，参考普华永道的《数据资产价值评价指标分析》，将数据安全能力评价与数据风险概率关联，如表7所示。

表7 数据安全能力与风险发生概率对照表

安全系数的计算模型：

4.数据资产评估价值

本书建议的数据资产评估价值的计算模型：

（三）数据资产定价

1.市场初期定价

上述章节中提到的数据资产价值评估，主要是基于数据自身的价值。在流通交易阶段，数据资产的定价基于数据资产价值基础上，应考虑该项数据资产的流通情况（稀缺性）。

（1）稀缺性系数

该项数据资产稀缺性应该体现在，随着该项数据资产流通销售量越大（即市场需求量越大），该项数据资产越具备价值；但与此同时，随着市面上该项数据资产越多，稀缺性会有所下降。因此，数据资产的稀缺性曲线应该是，前期随流通量变化增长速度越快，后期随流通量变化增长速度相较变慢，但总体呈上升趋势。如图6所示。

图6 数据资产稀缺性随流通变化曲线

根据上述描述，本书提出的稀缺性系数的基本计算模型：

（2）数据资产定价

本书建议数据资产定价，基于数据资产评估价值基础上加入稀缺性系数作为调节。数据资产定价的基本计算模型：

2.市场活跃后定价

当数据要素流通市场处于高度发展等情况时，市场价值已较能反映数据资产的价值规律时，可逐步弱化成本价值，建议采用回归算法、深度学习等，给出相应市场价值评定，此时，应重新构建相应评估维度（质量、稀缺性等），未来定价可通过输入各维度的得分，给出相应评估定价。

▎好书推荐

本书由吴冬升、李大成担任主编，机械工业出版社出版。书中在分析智慧城市重点建设内容和智能网联汽车重点发展内容基础上，进一步探讨智慧城市与智能网联汽车融合发展带来的车联网智能道路基础设施、新型能源基础设施、地理位置网、现代信息通信网、车城网平台建设和发展情况。并且介绍智慧城市与智能网联汽车融合创新发展的相关案例。了解详情请点击：【新书推荐】《智慧城市与智能网联汽车，融合创新发展之路》