文章

德勤携手阿里研究院联合发布《数据资产化之路——数据资产的估值与行业实践》报告

随着数据价值逐渐得到普遍认可,数据资产也越来越成为一个重要议题:数据资产与传统资产有何不同?数据资产的价值如何体现?影响数据资产的因素有哪些?进一步地,关于数据资产有哪些可能的估值方法?作为一项探索性研究,上海德勤资产评估有限公司与阿里研究院共同推出《数据资产化之路——数据资产的估值与行业实践》,本报告试图为以上问题提供一个初步的思考框架,希望以此作为起点,逐步探索和推进特定领域或具体案例中数据资产价值的分析,从而在构建数据资产评价体系道路上向前迈进。本报告的主要发现如下:

 

数据的资产化

数据资产不完全符合会计准则中对于“资产”及“无形资产”的定义,因此,数据资产目前尚未体现在企业的财务报表上。但对于数据资产的确认和计量,从会计角度的讨论其实只是一个起点,这一研究议题更重要的价值指向还在于:如何从广义上认可数据的价值及其对企业价值的贡献。

数据的应用场景

数据的应用场景主要分为内部使用外部商业化

内部使用,也称业务数据化,主要指将企业运营产生的数据进行收集整理分析,用于服务自身经营决策、业务流程,从而提升公司盈利能力。

外部商业化,也称数据业务化,是指将数据整理分析后形成可以对外服务的数据商品,如芝麻信用和品牌数据银行等。

数据资产价值的影响因素

影响数据资产价值的因素主要从数据资产的收益风险两个维度考虑。

数据资产的收益取决于数据资产的质量和数据资产的应用价值。数据资产质量价值的影响因素包含真实性、完整性、准确性、数据成本、安全性。数据资产应用价值的影响因素包含稀缺性、时效性、多维性、场景经济性。

数据资产的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。从实际效果来看,对于数据交易的限制性规定越多,交易双方的合规成本和安全成本自然也会相应提升,虽然作为附带效果,数据合规和数据安全产业会因此得到发展空间,但却可能从整体上对数据资产市场的发展造成重大影响,进而影响到数字经济的整体发展,应以发展和包容的理念去平衡考虑数据的价值创造与风险控制。

数据资产价值的评估方法

成本法、收益法、市场法——传统的三种评估方法在应用于数据资产估值时各具有适用性,但也都存在一定的局限性,目前尚未形成成熟的数据资产估值方法。逐步探索和推进特定领域或具体案例中数据资产的价值分析,将可能是未来一段时间内不断深化这一研究的可行之道。

此内容是否提供了您需要的资讯?