在现代企业运营中，数据已经成为一种至关重要的资产。数据不仅能够帮助企业优化运营流程，还可以推动创新、提升客户体验和增加市场竞争力。
然而，如何科学、准确地评估数据资产的价值，成为了一个亟待解决的关键问题。数据资产的估值直接影响到企业的战略决策、投资方向以及资源配置。如果数据资产被高估或低估，都会带来重大的风险和挑战。
1
数据资产价值评估作用及问题
（一）数据资产价值评估的重要性
数据资产价值评估在数据经济中具有至关重要的作用。首先，通过对数据资产的价值进行评估，企业能够优化资源配置，确保投资策略更加精准，有效地将资源投入到最具价值的数据资源上，从而避免资源浪费。其次，高价值的数据资产可以为企业提供独特的商业价值，提升其市场竞争力和创新能力，使其在市场中占据更有利的地位。同时，数据资产的价值评估是实现数据货币化的关键前提，只有确定了数据的具体价值，才能制定合理的数据交易和服务价格策略，获取经济收益。
（二）数据资产价值评估存在的问题
目前数据资产估值的问题主要是高估价值或者低估价值。高估和低估是两个相对的概念，高估是指对数据资产的价值评估过高，导致企业在数据管理和应用上投入过多，进而可能出现资源浪费和决策失误的情况。而低估则是指对数据资产的价值评估过低，未能充分认识到数据的潜在价值，从而错失了利用数据驱动业务增长的机会。这两种错误都会对数据资产经济的发展产生深远的影响。
2
当前数据资产价值评估的局限性
如何科学、准确地评估数据资产价值是一个复杂的问题。在实际操作中，通常采用多种评估方法来衡量数据资产的价值。
目前有多种数据资产估值方法，包括成本法、市场法和收益法等。不同方法各有其优缺点，并可能在特定情境下导致估值的偏差。为了更好地理解和避免这些潜在的偏差，以下将详细分析成本法、收益法和市场法中可能出现的高估和低估情况。
（一）成本法
数据资产评估成本法即通过估算数据资产的重置成本，扣除各项损耗来确定数据资产价值的评估方法，在应用时需要充分考虑数据资产的特殊性，与一般资产评估成本法存在一定的差异。
1. 高估值情形
采用成本法造成数据资产高估通常包括以下几种情形：
一是未考虑数据贬值和折旧。数据资产的价值可能随着时间的推移而减少，特别是在技术和市场环境快速变化的情况下。如果未能在后续计量中正确评估数据资产的折旧，可能会高估其当前的账面值。例如数据资产可能会在短期内因市场变化或新技术出现而贬值，则可能会高估该数据的价值。
二是忽视无形成本。在数据资产的管理和维护过程中，存在许多隐形成本，如数据存储成本、数据安全保护成本、数据质量提升成本等。如果这些成本没有被充分的考虑，可能会导致价值高估。
三是技术进步导致重置成本降低。随着技术的快速发展，数据收集和处理的成本可能会显著降低。如果未能将这种技术进步导致的成本下降因素纳入评估，可能会高估现有数据的价值。例如在数据收集技术不断进步的情况下，过去高成本收集的数据现在可以以更低的成本收集，导致旧数据资产的高估。
2. 低估值情形
采用成本法造成数据资产低估通常包括以下几种情形：
一是未充分考虑数据的长期价值。如果只关注数据的当前生成成本，而未能看到其长期使用和再利用的潜力，可能会低估其实际价值。例如某数据在未来能够用于多种应用场景，如预测分析、市场研究等，但在评估时只考虑了其初始生成成本，导致低估其潜在价值。
二是忽略数据的增值潜力。数据通过进一步分析和挖掘可以创造额外的价值。如果未能充分考虑这些增值潜力，可能会低估数据的实际价值。例如一个原始数据，通过先进的数据挖掘技术，可以产生有价值的商业价值，但这些潜在收益未被纳入评估中。
（二）收益法
数据资产评估收益法即通过估算被评估数据资产在未来特定时期内的预期收益，并将其折算成现值，从而确定数据资产价值的评估方法。
1. 高估值情形
采用收益法造成数据资产高估通常包括以下几种情形：
一是过于乐观的收益预测。对未来市场需求和数据应用场景过于乐观的预测，可能会导致预期收益过高，从而高估数据资产的价值。例如预测一家公司的业绩在未来五年内将实现大幅度增长，但未能充分考虑市场竞争和技术替代的可能性，导致高估数据资产的价值。
二是忽视市场和技术风险。未能充分考虑市场变化、技术替代和其他潜在风险，可能导致收益预测过高，从而高估数据资产的价值。例如某公司在评估其大数据平台价值时，未能预见到新技术的迅速崛起，导致原有技术平台收益下降。
三是折现率设置过低。使用过低的折现率会增加未来收益的现值，从而高估数据资产的价值。例如一家企业在评估未来十年的数据资产收益时，使用了过低的折现率，导致其未来收益现值被高估。
2. 低估值情形
采用收益法造成数据资产低估通常包括以下几种情形：
一是保守的收益预测。对未来收益的预测过于保守，未能充分考虑潜在的市场机会，可能会低估数据资产的实际价值。例如某公司在预测其数据服务平台未来收益时，过于保守地估计了市场增长率，未能反映出数据服务的巨大潜力。
二是忽略间接收益。仅考虑直接收益，而未能将数据带来的间接收益纳入评估，可能会低估数据资产的实际价值。例如企业在评估其客户数据时，只计算了直接的销售提升，而忽略了客户满意度提升和品牌忠诚度增加带来的长期收益。
三是过高的折现率。使用过高的折现率会减少未来收益的现值，从而低估数据资产的价值。例如在高风险环境下，使用了过高的折现率来评估未来收益，导致其数据资产的价值被低估。
（三）市场法
数据资产评估的市场法即利用市场上同样或类似的数据资产的交易价格，经过直接比较或类比分析以估测数据资产价值的评估方法。在运用市场法时，关键在于选择合适的可比交易案例，并合理确定调整系数，以确保评估结果的准确性和可靠性。但由于数据资产的独特性和市场交易的有限性，市场法在数据资产评估中同样存在估值过高和过低的情形。
1. 高估值情形
采用市场法造成数据资产高估通常包括以下几种情形：
一是选择的可比案例不具有代表性。如果选择的市场交易案例不具有代表性，或者交易价格异常高，可能会高估数据资产的实际价值。例如一家企业在评估其数据资产时，选择了几笔极端高价的市场交易案例作为参考，导致其评估结果过高。
二是忽视市场波动。未能充分考虑市场波动和短期价格异常，可能导致数据资产价值的高估。例如在数据市场出现短期泡沫时，企业基于当时的高交易价格评估数据资产，忽略了市场价格的波动性。
三是市场过热现象。在市场过热、泡沫严重的情况下，基于市场法的估值可能会高估数据资产的实际价值。例如在某个行业的市场过热时期，依据当时过高的市场价格评估其数据资产，结果在市场回归正常后发现价值被高估。
2. 低估值情形
采用市场法造成数据资产低估通常包括以下几种情形：
一是缺乏可比交易数据。如果市场上缺乏足够的可比交易数据，可能会导致对数据资产的低估。例如一家新兴企业的数据资产在市场上没有类似的交易案例，导致评估过程中参考的交易数据较少，最终低估了其价值。
二是市场低迷。在市场低迷或交易活动较少的情况下，基于市场法的估值可能会低估数据资产的实际价值。例如在经济衰退期，数据市场交易价格较低，企业依据这些低价交易案例评估其数据资产，导致低估其实际价值。
三是未考虑数据的独特性。未能充分考虑数据资产的独特性和不可替代性，可能导致低估其市场价值。例如某企业的数据资产具有独特的竞争优势，但在评估时未能充分体现其不可替代性，导致其市场价值被低估。
综上所述，成本法主要基于数据的收集、存储和处理成本来评估价值，虽然能反映数据的投入成本，但却无法体现数据的潜在商业价值和未来收益。收益法则通过数据在实际应用中产生的经济效益来评估其价值，虽然能够较好地反映数据的实际使用价值，但这种方法需要准确的效益数据和复杂的模型计算，且易受外部因素影响。市场法则依赖于类似数据交易的市场价格，但数据市场尚不成熟，交易数据有限且价格波动较大，难以提供稳定的参考。
数据资产价值评估的最大挑战在于其无形性和多样性，不同的数据具有不同的质量、用途和价值。相对而言，传统的估值方法各有优缺点，且在实际应用中存在一定的局限性，并不完全适用于数据资产，这使得统一的评估标准难以建立，企业在数据投资和管理决策中面临挑战。
3
数据资产估值产生风险的原因
数据资产产生估值风险的原因主要是数据资产本身的质量问题，如数据不完整、不准确和应用范围有限，导致其价值被低估或高估；其次，法律法规的更新直接影响数据资产的实际价值。这些因素共同作用，使得数据资产的估值存在较大的不确定性和风险。
（一）数据资产本身的质量过低
数据的完整性和准确性是决定数据资产价值的基础要素。如果数据存在不完整、不准确或不一致等问题，这些缺陷会直接降低数据的可靠性和实用性，从而显著影响其整体价值。高质量的数据资产应当具备高准确性、全面性和一致性，以支持有效的决策和业务操作。
数据质量低不仅直接影响数据的内在价值，还会限制其在实际应用中的范围。低质量的数据往往不被用户信任、商业场景应用有限，导致其在业务决策、分析和其他应用中的使用受限。这种限制进一步减少了数据的实际价值体现，因为数据的价值在很大程度上取决于其能否广泛应用并为企业提供有效支持。
（二）技术进步引发的数据资产相对质量下降
随着技术的不断进步和数据管理工具的升级，曾经被认为高质量的数据资产可能在新技术环境下显得质量较低。这是由于新技术通常能够提供更高的精度、更好的数据处理能力和更全面的数据整合能力，使得旧有数据在比较之下不再具备竞争优势。这种相对质量的下降会影响数据资产的长期价值，促使企业不断更新和优化其数据资源以保持竞争力。
（三）法律不完善带来的合规风险影响估值结果
法律和合规风险是导致数据资产产生估值风险的关键因素之一。这些风险主要表现在数据隐私法规的变化、数据安全法律的影响以及行业特定的法律和合规要求等方面。
首先，某些数据在法规下可能被禁止使用或需要经过更严格的审查和处理，从而降低了其应用价值。这些合规成本会增加数据管理的开支，从而影响数据资产的净值。
其次，数据安全法律的影响也不可忽视。若企业发生数据泄露或安全事件，不仅会面临巨额罚款，还可能遭受声誉损失和客户信任度下降。这些后果会直接降低数据资产的市场价值导致商业模式不能成立。
最后，行业特定的法律和合规要求也对数据资产的估值产生影响。不同行业有不同的法律和合规要求，这些要求会影响数据的收集、处理和利用。企业必须投入大量资源来确保合规，从而影响数据资产的估值。此外，一些行业需要定期进行合规审查和认证，这些过程不仅耗时耗力，还会增加数据管理的间接成本。未能通过合规审查或认证的企业，其数据资产价值可能会大幅下降。
综上所述，法律和合规风险是影响数据资产估值的重要因素。企业需要密切关注数据隐私和安全法规的变化，及时调整数据管理策略，确保合规，以维护和提升数据资产的价值。同时，应充分考虑合规成本和潜在法律风险，在估值过程中进行全面评估，以准确反映数据资产的实际价值。
4
结语
尽管存在这些挑战和局限性，数据资产价值评估仍然是数据经济发展的重要课题。需要结合多种方法，综合考虑数据的质量、用途、市场环境和未来预期等因素，逐步建立科学、系统的评估体系。
同时，随着技术的进步和数据市场的发展，评估方法和工具将不断完善，为数据资产管理和利用提供更可靠的依据。通过科学的评估，企业能够更好地理解和管理其数据资产，推动创新和商业价值的实现，进一步巩固其在数据经济中的竞争优势。
准确的评估数据资产价值可以帮助企业了解数据的真实价值，从而优化资源配置和投资决策。企业可以将资源集中于最具价值的数据资产上，避免不必要的浪费，提升整体运营效率。
其次，推动经济发展是解决数据资产评估难点的关键驱动力。数据作为新型生产要素，其有效利用和管理能够带来巨大的经济效益。科学的评估体系能够促进数据交易市场的发展，推动数据货币化进程，使数据资源得到更广泛的利用和共享，从而促进经济增长。
此外，解决这些难点对于推动创新至关重要。数据资产的准确评估可以为企业提供可靠的基础，支持数据驱动的创新活动。企业能够基于高价值的数据开发新产品和服务，探索新的商业模式和市场机会，增强其创新能力和市场竞争力。
增强竞争优势也是解决数据评估难点的重要必要性之一。随着数据在商业决策中的重要性不断提升，拥有科学的数据评估体系的企业能够更好地利用数据资源，做出更有竞争力的战略决策。
总之，通过科学、系统的数据资产价值评估，企业和社会公众能够更好地理解和利用数据资产，充分发挥其在数据经济中的潜力。
资料来源：忠慧数字经济团队
组稿制作：谢朝喜
责任编辑：李前
内容审核：李鸿
声明：本文所用素材部分来源于网络，如涉及版权问题，请及时与我们联系。
本文作者可以追加内容哦 !
