进入新发展阶段，数据和数字技术已经成为经济社会高质量发展的核心动力。我国数据要素市场化改革步入全面推进的快车道。2019 年 10 月，党的十九届四中全会首次提出将数据列为生产要素。2020 年 4 月 9 日，《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》提出了完善数据要素市场化配置的具体举措。2022 年 12 月 19 日，《中共中央 国务院关于构建数据基础制度更好发挥数据要素作用的意见》（以下简称“数据二十条”）强调要建立合规高效、场内外结合的数据要素流通和交易制度。2023 年 2 月 27 日，中共中央、国务院印发《数字中国建设整体布局规划》，指出“加快建立数据产权制度，开展数据资产计价研究，建立数据要素按价值贡献参与分配机制”。

    数据资产化是数据要素价值实现的核心。数据资产的计价规范、管理办法、分配机制等问题是数据交易市场发展的基础。8 月 21 日，财政部制定印发了《企业数据资源相关会计处理暂行规定》（财会〔2023〕11 号，以下简称《暂行规定》），自 2024 年 1 月 1 日起施行。《暂行规定》包括以下四部分内容，一是适用范围、二是数据资源会计处理适用的准则、三是列示和披露要求、四是附则。

01数据资产的界定

    数据资产，作为数字经济浪潮中的新兴概念，其精确定义在学术界与法律界尚未达成完全一致。在会计语境下，资产通常指由企业过往交易或事项形成、企业所拥有或控制、预期能为企业带来经济利益的资源。中国资产评估协会将数据资产界定为：由特定经济主体（如政府、企业等）依法拥有或控制的数据资源，这些资源以实体或电子形式存储，能持续发挥作用，并可直接或间接为经济主体创造经济利益。

    进一步地，中国信息通信研究院在《数据资产管理实践白皮书（6.0版）》（2023）中阐述，数据资产指由组织（涵盖政府机构、企事业单位等）合法拥有或控制的数据，这些数据以电子或其他方式记录，涵盖文本、图像、语音、视频、网页、数据库、传感信号等多种结构化或非结构化形态，具备计量或交易的可能性，并能直接或间接促进经济效益和社会效益的提升。值得注意的是，并非所有数字、文字信息均可视为数据资产，只有当它们以电子等形式为载体，并经过结构化或非结构化处理后，方能转化为数据资产。

    综合多方研究成果，我们可将数据资产理解为：由企业合法拥有并控制，具备潜在经济利益创造能力的，可计量或交易的数据信息，这些信息以实体或电子形式存储。数据资产不仅涵盖经过加工处理的数据信息所形成的资产，也包括原始的数字化产品。数据资产呈现出虚拟性、依附性、多样性、增值性和时效性等特征，其种类繁多，形态各异，因此，对于数据资产价值的评估方法也呈现出多元化的特点。

02数据资产评估方法探讨

    数据资产的价值因其固有的不确定性和时效性，深受数据质量、可用性、市场需求及应用场景等多重因素的共同影响。孙淑萍（2022年）从成本、数量、质量、应用及风险等多个维度，深入剖析了这些因素对数据资产价值评估过程、调节机制及保障措施的潜在影响。吕慧与赵冠月（2023年）则指出，当前数据资产评估面临诸多局限，传统评估方法难以精准衡量数据资产的相对价值，进而难以有效应用于数据交易市场，这主要归因于评价维度单一、假设前提过于严苛等问题。

    在数据资产价值评估领域，学术界尚未形成统一共识，但普遍聚焦于数据资产内在价值的评估。评估方法大致可分为两类：一类是对传统资产评估方法的改良与创新，另一类则是在此基础上衍生出的综合性评估方法。

    依据《资产评估基本准则》，数据资产价值的评估方法主要包括市场法、收益法和成本法，以及它们的衍生形式。许宪春、张钟文、胡亚茹（2022年）强调，成本法在客观性、可靠性及可行性方面表现突出。然而，朱晓琴与王宣童（2023年）观察到，当前数据资产评估研究的主流趋势仍是基于传统方法的拓展与应用。直接套用传统方法评估数据资产存在诸多挑战，因此需要对这些方法进行革新。中国信息通信研究院（2020年）对三种基本方法进行了探索性改进，并建议优先采用改良后的成本法，条件成熟时考虑收益法，待数据要素市场进一步完善后再推进市场法。这些改进方法大多结合了层次分析法、情景分析法、修正周期法等，或通过调整参数、系数来适应数据资产的特点。

    近年来，多位学者提出了多种衍生综合评估方法。例如，李静萍（2020年）综合应用市场价格法、收益法、支付意愿法和广告收入法等多种方法，探索数据资产资本化的可能性。李冬青、刘吟啸、邓镭等（2023年）则基于成本法和收益率法，提出了“单资产价值=基础成本价值+阶梯价值”的评估模型。熊旺旺与余炳文（2023年）认为，在国有数据信息管理相对完善、成本可追溯性强的背景下，使用成本法评估数据资产更具可行性。邹磊、胡进伟、陈鹏（2023年）则考虑了数据质量与收益对数据价值的影响，提出了“质量——收益”评价法，即数据资产价值等于数据质量评估与数据资产收益评估的乘积。

    《暂行规定》要求，在编制资产负债表时，应根据重要性原则在“存货、无形资产、开发支出”项目下增设“其中：数据资源”项目，以反映数据资源的账面价值或满足资本化条件的支出金额。本文主要关注企业自用型数据资产，这类资产符合《企业会计准则第6号——无形资产》（财会[2006]3号）对无形资产的定义，即企业拥有或控制的、没有实物形态的可辨认非货币性资产。因此，本文将数据资源作为无形资产下的一个子项进行考虑，并运用无形资产的基本评估方法——市场法、收益法和成本法进行分析。

   成本法通过估测被评估资产的重置成本，并扣除各种贬损因素来得到资产价值。然而，数据资产的成本与价值之间关系较弱，价值可能持续增长而成本却相对较低，因此成本法在衡量数据资产价值时存在局限性。

    市场法则是通过比较类似资产的交易价格来评估资产价值，这种方法最具客观性。但数据作为一种高度保密的信息资产，具有非竞争性特征，且当前数据资产市场发展尚不完善，因此市场法在数据资产评估中的应用条件尚不成熟。

    收益法是指通过估测被评估资产未来预期收益的现值来判断资产价值的各种评估方法的总称。理论上收益法是较为科学合理的，但具有一定的主观性，其主要有三个重要的指标——预期收益额、折现率或资本化率和收益期限。收益法基于资产未来预期收益潜力贴现来评估，其基本公式是：

    其中r 为折现率，Ri 为收益额，n 为预期收益年限。收益法充分考虑了资产的未来收益能力，可以更好地体现资产的内在经济价值，此外，基于数据资产市场运行情况，收益法的操作性和可行性更强，但还需要将收益法进行改进才能适用于数据资产。

    中国信息通信研究院（2020）对三种基本评估方法进行了探索性的改良和完善，认为应优先选择改良成本法，在条件成熟情况下选择改良收益法，在数据要素市场逐步完善后推进改良市场法。运用收益法来评估数据资产在现阶段数据市场较为完善的情况下是一个合理有效的方法，但评估参数方面还存在难点，若是直接运用传统资产评估方法去评估数据资产一定会存在问题，因此需要对传统资产评估方法进行改革创新。

03基于超额收益法的数据资产评估

    《资产评估专业实践准则——资产评估方法论》中明确提及，收益法框架内包含了针对无形资产评估的多种具体手段，例如增量收益法、超额收益法、节省许可费用法以及收益分配法等。其中，多期超额收益法是一种通过累加归属于目标无形资产各期的预期超额收益（经折现处理）来确定评估对象价值的方法。这一方法特别适用于那些具备竞争优势和独特价值的资产，数据资产便属此类。

    在实际操作层面，超额收益法不仅充分考量了数据资产的商业应用特性，还深入分析了不同收入来源和渠道的差异性。然而，尽管超额收益法在理论层面具备显著优势，但在实际应用过程中仍面临一系列挑战，因此有必要对其进行相应的优化与改进。以下将介绍两种旨在提升和完善超额收益法应用效果的策略：

    在研究收益法时，丁弘毅、吴灵（2023）基于数据资产的超额收益不确定性，提出数据资产的现值公式：

    其中R 和 T 分别表示折现率和税率，Q2t、C2t 和 P2t 表示企业使用数据资产后提供产品或服务的数量、单位成本和单位价格，从而（P2t-C2t）Q2t 表示企业使用数据资产后的利润；Q1、C1 和 P1 表示企业使用数据资产前的各要素情况，E 表示数据资产对企业超额利润的贡献率或分成率，N 表示数据资产的超额收益期。该公式表示数据资产的现值等于将未来每一年的税后超额收益按一定的折现率换算成的现值。

孙文章、杨文涛（2023）提出采用差量法测算数据资产的多期超额收益来进行价值评估，模型为：

    其中Vd 是数据资产价值，E 是企业的现金流，Ef 是固定资产的贡献值，Ec 是流动资产的贡献值，Ei 是其他无形资产的贡献值，i 是折现率，n 是收益期，Kt 是数据资产价值变化系数。该模型完整考虑了超额收益的连续性特点。

    在利用超额收益法对数据资产进行评估研究时，可以利用层次分析法对资产进行不同的指标层次分类，计算分成率，计算数据资产贡献率，并与总的超额收益相乘得到每一类资产的超额收益。孙文章、杨文涛（2023）提出的模型考虑了层次分析法，剔除了除数据资产外的其他资产的收益的贡献值，较为科学合理，所以优先选择。改进后的超额收益法计算更具操作性和合理性，适合于大多数的企业自用型数据资产。

04数据资产评估建议

    当前，数据资产评估领域仍面临诸多挑战。首要问题在于其价值评估的主观性，不同的评估手段往往导致迥异的结果，缺乏统一标准。其次，数据的质量参差不齐、完整性难以保证，以及对数据价值预测所依据的假设存在不确定性，这些因素都可能对评估结果产生误导性偏差。此外，数据资产的价值还深受市场环境波动、行业特性差异及数据自身特质等多重因素的影响。

    为了更有效地开展数据资产评估，首要步骤是明确评估的目标与范畴。紧接着，为确保评估结果的精确无误，有必要对数据进行严格的验证与清洗工作。在此基础上，还需依据评估目的及数据资产的独特属性，审慎挑选适宜的评估方法与指标体系。笔者认为，在当前阶段，采用经过改良的超额收益法不失为一种明智之选，但同时也应积极探索综合应用各类基础评估方法，并不断推进其改进与创新。

    朱晓琴、王宣童（2023）的研究为数据资产评估的未来探索与实践提供了宝贵思路。他们强调，应加强对数据资产价值时效性的关注，深入研究不同应用场景下的价值表现，并探索将数字化技术融入传统资产评估流程的可能性。鉴于数据资产所承载的经济与战略重要性，通过实施灵活性分析与敏感性分析，可以更为全面地考量潜在风险与不确定性因素。最后，鉴于数据的时效性特征，建议根据实际情况定期更新数据资产的价值评估，以确保评估结果的时效性和准确性。

    作为数据要素市场化的重要环节，数据资产评估的研究仍需不断深入和完善，大胆探索理论创新，扎实推进实践验证，不断提高评估的科学性、可靠性和准确性。

临研通集团，聚焦数字经济，赋能企业数字化转型

    临研通集团致力于深耕数字经济领域，为企业数字化转型注入强劲动力。其创新采用去中心化的现场管理组织服务模式，这一模式犹如一股强劲的破壁之力，有效打破横亘在数据要素流通与交易之间的数据孤岛壁垒。通过促进数据资源的自由流动与规模化应用，成功激发了数据要素的乘数效应，让数据价值呈几何级数增长，为企业发展带来前所未有的数据红利。

    此外，临研通集团的私有化部署系统堪称企业数字化转型的“加速器”。该系统能够迅速完成功能部署，使企业在极短时间内搭建起一套全面且合规化的管理系统。这不仅大幅削减了企业在系统开发与后期维护方面的成本开支，还为整个行业的数字化生态建设注入了活力。在临研通集团的推动下，数据要素市场化配置进程加快，行业数据资源得到更高效、合理的利用，为数字经济的蓬勃发展提供了有力支撑。

参考文献：

[1] 孙淑萍.企业数据资产价值评估影响因素研究[J].商场现代化,2022(22):37-40.DOI:10.14013/j.cnki.scxdh.2022.22.047.

[2] 吕慧,赵冠月.数据资产的价值评估与会计处理研究进展综述[J].财会通讯,2023(13):24-30.DOI:10.16144/j.cnki.issn1002-8072.2023.13.008.

[3] 李静萍.数据资产核算研究[J].统计研究,2020,37(11):3-14.DOI:10.19343/j.cnki.11-1302/c.2020.11.001.

[4] 李冬青,刘吟啸,邓镭等.基于数据全生命周期的数据资产价值评估方法及应用[J].大数据,2023,9(03):39-55.

[5] 许宪春,张钟文,胡亚茹.数据资产统计与核算问题研究[J].管理世界,2022,38(02):16-30+2.DOI:10.19744/j.cnki.11-1235/f.2022.0030.

[6] 丁弘毅,吴孝灵.基于超额收益不确定的物流企业数据资产价值评估——以顺丰控股为例[J].江苏商论,2023(06):37-41.DOI:10.13395/j.cnki.issn.1009-0061.2023.06.018.

[7] 熊旺旺,余炳文.国有数据资产价值评估方法研究[J].国有资产管理,2023(06):67-76.

[8] 石磊,何天翔,陈端兵.企业数据资产价值评估研究[J].中国资产评估,2023(04):20-30.

[9] 邹磊,胡进伟,陈鹏.数据资产评估与价值实现[J].质量与认证,2023(05):63-65.DOI:10.16691/j.cnki.10-1214/t.2023.05.006.

[10] 孙文章,杨文涛.基于多期超额收益法的互联网金融企业数据资产价值评估研究[J].中国资产评估,2023(02):4-18.

[11] 朱晓琴,王宣童.数字经济背景下数据资产评估研究述评与展望[J].财会月刊,2023,44(06):78-84.DOI:10.19641/j.cnki.42-1290/f.2023.06.010.