论文部分内容阅读
摘 要：作为一种无形资产，大数据价值如何体现成为重要的研究内容。通过对大数据的产权界定、交易模式、估值方法、估值风险等内容进行探索，讨论大数据无形资产价值评估的框架。大数据资产的产权界定应考虑将原始数据和衍生数据区别对待;大数据交易模式会对价值评估产生影响，应综合考虑各种评价指标;在三大基本估值方法外应拓展衍生估值方法对大数据资产估值风险进行分析。上述研究对促进大数据交易体系建设及大数据产业的政策制定有一定的理论意义。
关键词：大数据;资产价值;价值评估框架
中图分类号：F832.33 文献标志码：A 文章编号：1673-291X（2021）08-0005-03
引言
政府一直把大数据行业的发展作为重中之重。无论对政府还是企业而言，如今大数据都成为一种重要的无形资产。在这种背景下，作为核心竞争力的大数据无形资产价值成为重要的研究内容之一。对政府而言，在大数据管理过程中积累了巨量的大数据无形资产，但这些无形资产的产权界定、价值体现、交易模式都有很大的研究空间。政府需要更完善、更充分的理论和实践研究，以促进大数据行业的健康发展。对企业而言，出于其利益需求，需要合理、合法利用这些无形资产，或者把这些无形资产合理变现。由于数据资产是新生事物，企业需要知晓它们的价值以便将其纳入资产交易体系。未拥有大数据资产的企业也可能成为大数据资产的潜在需求者。比如，商业银行、保险企业、互联网企业迫切需要与自身业务密切相关的大数据，以便有针对性地开展精准营销业务或避开存在风险的客户，实现自身利益最大化。因此，利益相关者迫切需要以合理的价格交易大数据资产，传统行业也可以抓住大数据发展的契机驶入快车道。这些都属于大数据无形资产价值评估潜在需求。
一、大数据的产权界定
大数据资产的产权界定一直都是学者探索和争议的重要内容。徐汉明和孙逸啸等（2020）认为，数据是一种虚拟资产和特殊资产，数据和信息是不同的概念[1]。大数据资产在采集、整理、利用的过程中其产权如何界定一直是个复杂的问题。网络或交易平台是数据的收集者，在网络上发贴或平台上交易的个体是数据的贡献者。数据收集者将会员提供的信息收集起来出售，或者经过整理或清洗为自己所用。从资产的含义来看，凡是能為企业或个人在未来带来收益的实物或信息等均可视为资产。问题的关键是，如果平台收集了会员的私人信息，那么会员拥有产权吗？即使会员对自己贡献的信息部分拥有产权，但是也很难对平台因出售信息产权而产生的收益进行分成。分成的道理如果行得通，但由于个人信息的贡献极小，从而使该收益分成变得微不足道，甚至会由于维权成本大于分成收益而自行放弃。虽然如此，平台也不应该在数据资产变现时完全无视会员的收益分成部分。田杰棠和刘露瑶（2020）认为，企业平台的数据可以分为原生数据和衍生数据，其产权的界定方式是不同的[2]。理论上，为大数据贡献信息的个人对各自的原生数据拥有产权，而衍生数据的产权则应属于数据企业。至于各拥有产权的利益主体采取何种方式在收益实现时进行分成，数据企业通常选择“王顾左右而言他”的方式应对。但是，在将数据资产进行价值评估时，如何界定数据资产的产权，或者考虑数据资产收益中的会员分成，是必须说明或讨论的重要组成部分。如果对某项大数据资产进行价值评估，在正式报告出具前，产权界定部分又未区分原生数据和衍生数据，或者认为产权界定存在一定风险，则应该在评估报告的重要假设部分或其他需要说明的事项中进行阐明，以提请报告的使用者或交易关联方注意。
二、大数据资产交易模式对价值评估的影响
大数据资产的交易模式主要从国内外大数据交易平台的实际做法总结而来。大数据交易模式对数据资产的价值评估内涵有着重要的影响。交易模式决定交易成本，从而也决定价值评估的成本。价值评估作为交易成本的一部分，不可能超过大数据的生产成本。王文平（2016）认为，数据交易按标的物划分可以分为所有权交易、使用权交易、收益权交易，按平台交易模式可分为C2B（用户向企业）模式、B2B（企业向企业）模式，按平台定价机制可分为平台预定价、固定定价、实时定价、协议定价、拍卖定价[3]。胡燕玲（2017）认为，大数据定价理论包括效用价格理论和成本价格理论，按交易的收费模式可以分为按次计价、一口价和撮合定价，定价策略可以采取预处理定价、拍卖定价、协商定价、反馈定价等[4]。前人对大数据定价模式的讨论大多数是对定价方式的描述，而很少涉及大数据定价的本质，如大数据交易定价的依据是什么、大数据平台是如何进行定价或喊价的，等等。实际上最后仍需要大数据价值资产评估的内容，即采取适当的价值评估方法估计出大数据资产的价值后，在此基础上再进行定价。定价与估值的关系实际上反映了价值与价格的关系，即先有价值，再有价格。赵子瑞（2017）认为，大数据定价指标可以在质量评价指标、数据拆分指标、历史成交价指标和效用指标的基础上，再增加人力指标、物力指标和佣金指标综合进行衡量[5]。翟丽丽和马紫琪等（2018）提出，对大数据产品进行定价可以考虑大数据产品的生命周期、数据质量、流通过程和使用方式等因素[6]。各种定价指标最终应围绕一个核心指标展开，即收益指标。大数据资产的购买者在期待购入该项资产时，其最终目的是希望该无形资产能为自己带来收益，以抵减购买成本。例如，大数据资产用于精准营销能够带来收入的增加，用于风险回避则为降低成本带来好处。
三、大数据资产的估值方法
数据资产价值的影响因素较多，数据的后期加工、使用者的变动、使用规模等都会影响数据资产价值，因此要建立数据资产的动态变化监控模型。在获得大数据交易基础数据和相关资料的基础上，与国内省份大数据交易所的交易体系和交易规则进行对比，分析大数据无形资产价值实现的途径和方式。数据资产价值分析模型的建立需要全面考虑数据资产的维度，计算其每个特征值的整体效应，避免单个维度特征值的影响。根据数据资产维度的划分对数据资产价值进行量化，从数据质量、数据规模、数据时效、价值密度等方面分别测度数据资产的价值。从传统数据无形资产价值评估的角度，使用成本法、市场法、收益法等方法可以解决一部分数据资产交易中出现的问题。然而，更优化的评估方法、数据资产数据库的建立和参数调整规则应作为主要问题进行研究。 由于大数据规模和容量巨大，利用传统方法进行价值评估会产生局限性。人工智能或机器学习技术可以在数据资产价值评估中发挥很好的优势，从而利于数据资产价值评估目标的实现。相比其他类无形资产，如专利技术、非专利技术、商标使用权等价值评估范式，对数据无形资产的价值内涵进行研究，结合数据资产价值实现的维度，根据不同的价值评估目的确定其价值类型，可以为数据资产价值评估的实现奠定基础。
在传统评估方法的基础上，结合数据资产的特点，探索新的数据资产价值评估衍生方法，构建数据资产价值分析模型和数据资产交易体系。基于取得的数据和资料，对适合于数据资产的评估方法进行理论与实证分析。定量研究方法可以利用成本法评估模型、市场法评估模型、收益法评估模型分别对数据资产进行价值评估分析，重点使用收益法下的自由现金流量模型、销量增加的价值评估增值模型、成本降低的价值评估增值模型，并探索数据资产价值分析模型的适用性和可推广性。成本法评估模型的内涵在于利用成本途径评估大数据无形资产的形成成本及合理利润。由于大数据资产的本质特征，其成本可能与市场价格产生较大的差异。成本价值高并不一定会产生可观的收益，成本价值低也不一定只能带来低收益。市场法模型，即对市场上相同或类似的大数据资产进行比对，经过参数调整，最后确定其价值的方法。市场法评估途径的结论往往能提高交易双方的信服度。收益法评估模型，即从大数据资产能为拥有者带来的未来收益为出发点，将其每期的收益现金流折现，从而体现大数据资产的价值。收益法评估途径与大数据资产购买者的投资理念及未来的使用安排有关，并依赖于投資者的其他投入，比如，不同的投资规模和不同的大数据资产使用方式可能带来不同的收益。
对于仅涉及大数据交易当事人的方法还有协商估价法，该方法基于当事人双方都非常了解所交易的大数据的范围、规模、作用等因素，能够综合卖方底价及买方对该数据在未来的使用方式、期望等自行对其价格进行商议。
四、大数据资产的估值风险
由于大数据资产具有公共性、非物质性、价值的双重性、可再生性等特点，对大数据资产估值存在一定的风险。大数据资产的交易主体最终目的不同，对大数据资产的处理方式也不相同。在这种情况下，价值评估的过程及风险处理非常重要。以数据资产交易中的主体为例，交易模式有：一是只为买卖双方提供交易平台不出售数据资产，这种情况下平台提供方是否应承担双方交易内容的法律风险存在较多争议;二是不交易原始数据只交易经过数据清洗、脱敏和挖掘处理过的数据，理论上这种情况使估值风险较第一种模式有所降低;三是通过网络爬虫方式获取数据，再出售原始数据或经过脱敏处理后的数据，这种情况也存相当大的产权界定风险甚至会引起诉讼。因此，在对数据资产进行估值时，应充分考虑存在的种种估值风险。
五、结论
大数据资产的价值评估首先要建立在产权界定的基础上，须要考虑大数据资产的交易模式对价值的影响程度，之后从大数据无形资产的价值内涵出发，分析该资产能够带来的最终收益，从而做出其价值判断。当然，从三大基本评估方法中可以衍生出若干适合大数据无形资产评估的子方法。2015年阿里研究院发布了《中国数据经济发展关键问题探索》报告，提出三种数据资产定价方式：物权定价、知识产权定价、收益定价，反映了数据资产价值评估的内涵。
本文通过对大数据资产的产权界定、交易模式、估值方法及估值风险的分析，讨论了大数据无形资产价值评估的框架，相信这会对促进大数据发展、交易体系建设及数据产业的政策制定有一定的理论意义。
参考文献：
[1] 徐汉明，孙逸啸，吴云民.数据财产权的法律保护研究[J].经济社会体制比较，2020，（4）：183-191.
[2] 田杰棠，刘露瑶.交易模式、权利界定与数据要素市场培育[J].改革，2020，（7）：17-26.
[3] 王文平.大数据交易定价策略研究[J].软件，2016，37（10）：94-97.
[4] 胡燕玲.大数据交易现状与定价问题研究[J].价格月刊，2017，（12）：16-19.
[5] 赵子瑞.浅析国内大数据交易定价[J].信息安全与通信保密，2017，（5）：61-67.
[6] 翟丽丽，马紫琪，张树臣.大数据产品定价问题的研究综述[J].科技与管理，2018，20（6）：105-110.
The research on the Valuation of Big Data Assets —An Analytical Framework
Jiang Yu-yong
（School of Management Science and Engineering， Guizhou University of Finance and Economics， Guiyang 550025， China）
Abstract： As an intangible asset， how to reflect the value of big data has become an important research content. By exploring the definition of property rights， transaction mode， valuation method and valuation risk of big data， this paper discusses the framework of value evaluation of big data intangible assets. The definition of property rights of big data assets should consider the difference between original data and derivative data; Big data trading mode will have an impact on value evaluation， so various evaluation indicators should be comprehensively considered; derivative valuation methods should be expanded besides the three basic valuation methods; and the valuation risk of big data assets should be analyzed. The above research has a certain theoretical significance to promote the development process of big data trading system and the policy formulation of big data industry.
Key words： big data; asset value; value evaluation framework
关键词：大数据;资产价值;价值评估框架
中图分类号：F832.33 文献标志码：A 文章编号：1673-291X（2021）08-0005-03
引言
政府一直把大数据行业的发展作为重中之重。无论对政府还是企业而言，如今大数据都成为一种重要的无形资产。在这种背景下，作为核心竞争力的大数据无形资产价值成为重要的研究内容之一。对政府而言，在大数据管理过程中积累了巨量的大数据无形资产，但这些无形资产的产权界定、价值体现、交易模式都有很大的研究空间。政府需要更完善、更充分的理论和实践研究，以促进大数据行业的健康发展。对企业而言，出于其利益需求，需要合理、合法利用这些无形资产，或者把这些无形资产合理变现。由于数据资产是新生事物，企业需要知晓它们的价值以便将其纳入资产交易体系。未拥有大数据资产的企业也可能成为大数据资产的潜在需求者。比如，商业银行、保险企业、互联网企业迫切需要与自身业务密切相关的大数据，以便有针对性地开展精准营销业务或避开存在风险的客户，实现自身利益最大化。因此，利益相关者迫切需要以合理的价格交易大数据资产，传统行业也可以抓住大数据发展的契机驶入快车道。这些都属于大数据无形资产价值评估潜在需求。
一、大数据的产权界定
大数据资产的产权界定一直都是学者探索和争议的重要内容。徐汉明和孙逸啸等（2020）认为，数据是一种虚拟资产和特殊资产，数据和信息是不同的概念[1]。大数据资产在采集、整理、利用的过程中其产权如何界定一直是个复杂的问题。网络或交易平台是数据的收集者，在网络上发贴或平台上交易的个体是数据的贡献者。数据收集者将会员提供的信息收集起来出售，或者经过整理或清洗为自己所用。从资产的含义来看，凡是能為企业或个人在未来带来收益的实物或信息等均可视为资产。问题的关键是，如果平台收集了会员的私人信息，那么会员拥有产权吗？即使会员对自己贡献的信息部分拥有产权，但是也很难对平台因出售信息产权而产生的收益进行分成。分成的道理如果行得通，但由于个人信息的贡献极小，从而使该收益分成变得微不足道，甚至会由于维权成本大于分成收益而自行放弃。虽然如此，平台也不应该在数据资产变现时完全无视会员的收益分成部分。田杰棠和刘露瑶（2020）认为，企业平台的数据可以分为原生数据和衍生数据，其产权的界定方式是不同的[2]。理论上，为大数据贡献信息的个人对各自的原生数据拥有产权，而衍生数据的产权则应属于数据企业。至于各拥有产权的利益主体采取何种方式在收益实现时进行分成，数据企业通常选择“王顾左右而言他”的方式应对。但是，在将数据资产进行价值评估时，如何界定数据资产的产权，或者考虑数据资产收益中的会员分成，是必须说明或讨论的重要组成部分。如果对某项大数据资产进行价值评估，在正式报告出具前，产权界定部分又未区分原生数据和衍生数据，或者认为产权界定存在一定风险，则应该在评估报告的重要假设部分或其他需要说明的事项中进行阐明，以提请报告的使用者或交易关联方注意。
二、大数据资产交易模式对价值评估的影响
大数据资产的交易模式主要从国内外大数据交易平台的实际做法总结而来。大数据交易模式对数据资产的价值评估内涵有着重要的影响。交易模式决定交易成本，从而也决定价值评估的成本。价值评估作为交易成本的一部分，不可能超过大数据的生产成本。王文平（2016）认为，数据交易按标的物划分可以分为所有权交易、使用权交易、收益权交易，按平台交易模式可分为C2B（用户向企业）模式、B2B（企业向企业）模式，按平台定价机制可分为平台预定价、固定定价、实时定价、协议定价、拍卖定价[3]。胡燕玲（2017）认为，大数据定价理论包括效用价格理论和成本价格理论，按交易的收费模式可以分为按次计价、一口价和撮合定价，定价策略可以采取预处理定价、拍卖定价、协商定价、反馈定价等[4]。前人对大数据定价模式的讨论大多数是对定价方式的描述，而很少涉及大数据定价的本质，如大数据交易定价的依据是什么、大数据平台是如何进行定价或喊价的，等等。实际上最后仍需要大数据价值资产评估的内容，即采取适当的价值评估方法估计出大数据资产的价值后，在此基础上再进行定价。定价与估值的关系实际上反映了价值与价格的关系，即先有价值，再有价格。赵子瑞（2017）认为，大数据定价指标可以在质量评价指标、数据拆分指标、历史成交价指标和效用指标的基础上，再增加人力指标、物力指标和佣金指标综合进行衡量[5]。翟丽丽和马紫琪等（2018）提出，对大数据产品进行定价可以考虑大数据产品的生命周期、数据质量、流通过程和使用方式等因素[6]。各种定价指标最终应围绕一个核心指标展开，即收益指标。大数据资产的购买者在期待购入该项资产时，其最终目的是希望该无形资产能为自己带来收益，以抵减购买成本。例如，大数据资产用于精准营销能够带来收入的增加，用于风险回避则为降低成本带来好处。
三、大数据资产的估值方法
数据资产价值的影响因素较多，数据的后期加工、使用者的变动、使用规模等都会影响数据资产价值，因此要建立数据资产的动态变化监控模型。在获得大数据交易基础数据和相关资料的基础上，与国内省份大数据交易所的交易体系和交易规则进行对比，分析大数据无形资产价值实现的途径和方式。数据资产价值分析模型的建立需要全面考虑数据资产的维度，计算其每个特征值的整体效应，避免单个维度特征值的影响。根据数据资产维度的划分对数据资产价值进行量化，从数据质量、数据规模、数据时效、价值密度等方面分别测度数据资产的价值。从传统数据无形资产价值评估的角度，使用成本法、市场法、收益法等方法可以解决一部分数据资产交易中出现的问题。然而，更优化的评估方法、数据资产数据库的建立和参数调整规则应作为主要问题进行研究。 由于大数据规模和容量巨大，利用传统方法进行价值评估会产生局限性。人工智能或机器学习技术可以在数据资产价值评估中发挥很好的优势，从而利于数据资产价值评估目标的实现。相比其他类无形资产，如专利技术、非专利技术、商标使用权等价值评估范式，对数据无形资产的价值内涵进行研究，结合数据资产价值实现的维度，根据不同的价值评估目的确定其价值类型，可以为数据资产价值评估的实现奠定基础。
在传统评估方法的基础上，结合数据资产的特点，探索新的数据资产价值评估衍生方法，构建数据资产价值分析模型和数据资产交易体系。基于取得的数据和资料，对适合于数据资产的评估方法进行理论与实证分析。定量研究方法可以利用成本法评估模型、市场法评估模型、收益法评估模型分别对数据资产进行价值评估分析，重点使用收益法下的自由现金流量模型、销量增加的价值评估增值模型、成本降低的价值评估增值模型，并探索数据资产价值分析模型的适用性和可推广性。成本法评估模型的内涵在于利用成本途径评估大数据无形资产的形成成本及合理利润。由于大数据资产的本质特征，其成本可能与市场价格产生较大的差异。成本价值高并不一定会产生可观的收益，成本价值低也不一定只能带来低收益。市场法模型，即对市场上相同或类似的大数据资产进行比对，经过参数调整，最后确定其价值的方法。市场法评估途径的结论往往能提高交易双方的信服度。收益法评估模型，即从大数据资产能为拥有者带来的未来收益为出发点，将其每期的收益现金流折现，从而体现大数据资产的价值。收益法评估途径与大数据资产购买者的投资理念及未来的使用安排有关，并依赖于投資者的其他投入，比如，不同的投资规模和不同的大数据资产使用方式可能带来不同的收益。
对于仅涉及大数据交易当事人的方法还有协商估价法，该方法基于当事人双方都非常了解所交易的大数据的范围、规模、作用等因素，能够综合卖方底价及买方对该数据在未来的使用方式、期望等自行对其价格进行商议。
四、大数据资产的估值风险
由于大数据资产具有公共性、非物质性、价值的双重性、可再生性等特点，对大数据资产估值存在一定的风险。大数据资产的交易主体最终目的不同，对大数据资产的处理方式也不相同。在这种情况下，价值评估的过程及风险处理非常重要。以数据资产交易中的主体为例，交易模式有：一是只为买卖双方提供交易平台不出售数据资产，这种情况下平台提供方是否应承担双方交易内容的法律风险存在较多争议;二是不交易原始数据只交易经过数据清洗、脱敏和挖掘处理过的数据，理论上这种情况使估值风险较第一种模式有所降低;三是通过网络爬虫方式获取数据，再出售原始数据或经过脱敏处理后的数据，这种情况也存相当大的产权界定风险甚至会引起诉讼。因此，在对数据资产进行估值时，应充分考虑存在的种种估值风险。
五、结论
大数据资产的价值评估首先要建立在产权界定的基础上，须要考虑大数据资产的交易模式对价值的影响程度，之后从大数据无形资产的价值内涵出发，分析该资产能够带来的最终收益，从而做出其价值判断。当然，从三大基本评估方法中可以衍生出若干适合大数据无形资产评估的子方法。2015年阿里研究院发布了《中国数据经济发展关键问题探索》报告，提出三种数据资产定价方式：物权定价、知识产权定价、收益定价，反映了数据资产价值评估的内涵。
本文通过对大数据资产的产权界定、交易模式、估值方法及估值风险的分析，讨论了大数据无形资产价值评估的框架，相信这会对促进大数据发展、交易体系建设及数据产业的政策制定有一定的理论意义。
参考文献：
[1] 徐汉明，孙逸啸，吴云民.数据财产权的法律保护研究[J].经济社会体制比较，2020，（4）：183-191.
[2] 田杰棠，刘露瑶.交易模式、权利界定与数据要素市场培育[J].改革，2020，（7）：17-26.
[3] 王文平.大数据交易定价策略研究[J].软件，2016，37（10）：94-97.
[4] 胡燕玲.大数据交易现状与定价问题研究[J].价格月刊，2017，（12）：16-19.
[5] 赵子瑞.浅析国内大数据交易定价[J].信息安全与通信保密，2017，（5）：61-67.
[6] 翟丽丽，马紫琪，张树臣.大数据产品定价问题的研究综述[J].科技与管理，2018，20（6）：105-110.
The research on the Valuation of Big Data Assets —An Analytical Framework
Jiang Yu-yong
（School of Management Science and Engineering， Guizhou University of Finance and Economics， Guiyang 550025， China）
Abstract： As an intangible asset， how to reflect the value of big data has become an important research content. By exploring the definition of property rights， transaction mode， valuation method and valuation risk of big data， this paper discusses the framework of value evaluation of big data intangible assets. The definition of property rights of big data assets should consider the difference between original data and derivative data; Big data trading mode will have an impact on value evaluation， so various evaluation indicators should be comprehensively considered; derivative valuation methods should be expanded besides the three basic valuation methods; and the valuation risk of big data assets should be analyzed. The above research has a certain theoretical significance to promote the development process of big data trading system and the policy formulation of big data industry.
Key words： big data; asset value; value evaluation framework