银行业金融机构正处于一个数字化变革的时代，在这个时代中，数据无疑已经成为核心的价值驱动器。随着中央文件将数据确认为重要的生产要素以及《“十四五”数字经济发展规划》的发布，数据的价值不仅得到了国家层面的认可，更在各行各业中释放出潜在力量。与其巨大的价值潜力同时存在的， 是当前数据资产估值的种种难题。
传统的资产评估方式很难完全适应数据的特性。数据是流动的、易变的，它不仅可以重复使用，还可以在不同的场景下产生不同的价值。尽管数据的价值显而易见，但如何为其匹配一个合适的资产估值算法，并且确保估值结果能够真实地反映其在市场中的价值，是目前亟待解决的问题。
一、《银行业数据资产估值指南》发布
在近日，中国银行业协会发布《银行业数据资产估值指南》（以下简称《指南》）团体标准。《指南》由中国光大银行牵头，中国工商银行、中国农业银行、招商银行、上海浦东发展银行等 12 家单位共同参与研究制定，旨在解决商业银行数据资产价值衡量难等问题，为实现商业银行数据资产价值全面量化、提升数据资产精细化管理水平及各类管理决策提供参考，推动数据要素市场科学有序发展。
财政部 2023 年 8 月公布的《企业数据资源相关会计处理暂行规定》中提出，将数据资源纳入会计报表核算，并对数据资产评估提出了披露要求。数据资产价值的科学评估是数据要素流通的重要前提，推进数据资产的估值计量，加速数据交易流通，成为数据价值释放的进阶之基。但数据资产估值、入表核算处理以及数据资产交易是需要持续探索的难题，从创新中寻求最优解，成为推动数据资产化的重要议题。
价值是资产的核心属性，数据资产估值体系是探索数据要素定价机制及价值核算的重要参考，对厘清数据、制定统一数据要素定价标准、实现数据要素的有效配置具有重要意义。对社会而言，数据资产估值研究为交易市场的统一数据定价模式形成提供系统框架和标准参考，促进数据资产要素流通市场的构建，提升行业对于数据资产价格的公允认知。对企业自身管理而言，数据资产估值结果能够有效提升各方业务的开展水平与管理能力。
- 一方面，管理层能够从统一的视角，直观了解企业的数据资产价值，并依据评估结果做出数据资产相关的战略决策。周期性的数据资产估值帮助企业将数据价值与业务价值相连接，发掘高价值密度的数据，对未来数据挖掘、分析工作提供方向性指导，做到工作有的放矢。
- 另一方面，在上下级沟通或部门沟通中，具有准确量化价值的数据资产有助于沟通双方对数据产生共同理解，减少企业沟通成本，提高运营效率。
传统资产评估方法主要包括成本法、收益法和市场法三种。相比于传统资产，数据资产具有其独特性，而这些独特性导致传统评估方法在数据资产估值的实践中局限性较大。此外，当前数据资产估值方法体系的研究探索尚处在理论层面，企业开展数据资产估值的实践较为少见。
《指南》以传统成熟的资产估值体系为理论依据，以国内标准体系、规范性文件以及专业文献等上位标准为参考，以当前金融行业中不同类型、层级的数据资产为对象，兼顾数据能力建设相关需求，界定了银行业数据资产估值涉及的术语及定义，确立了估值总体原则、对象，并提供了估值指标体系构建策略、估值过程及估值管理保障方面的指导。
《指南》构建了全面而实用的数据资产估值框架，涵盖数据资产的识别、评估、管理到价值提升等关键环节，为全面构建我国金融领域数据资产估值体系提供了有益参考，有助于完善数据要素资源体系，并带动行业数据资产估值走向规范化、市场化。
通过融合数据、资产评估和财务等多个专业领域的理论研究和实践，结合商业银行数据资产特性及数据质量、规模及市场交易等因素，构建了适用于商业银行的数据资产估值框架，旨在解决商业银行数据资产价值难衡量等问题，从而为全行业数据资产估值体系的全面构建及落地提供实践参考，推动数据要素市场科学有序发展。
二、 数据资产估值指标体系
1.1 设计策略
数据资产估值指标体系是指通过整合数据资产管理中的多个相互联系、相互协调的活动或要素，形成的一系列反映数据资产加工特性和价值特性的一组指标。该组指标的设计与 GB/T 37550—2019 《电子商务数据资产评价指标体系》中第 4 章提出系统性、典型性、动态性和可操作性原则协调一致。
估值指标体系的设计策略在系统性综合数据与数据资产特性以及传统资产评估方法基础上，采纳了数据资产基础评价方法中对数据资产价值影响因素的综合性考量，将数据质量、数据应用、数据安全等指标纳入通过层次分析法定量转化为价值调整系数，形成由成本价值指标、经济价值指标、市场价值指标、内在价值指标组成的估值指标体系。
数据资产估值指标体系设计策略示意图如下：
图 1 数据资产估值指标设计策略示意图
1.2 估值指标体系和估值指标
数据资产估值指标体系的内容主要包括成本价值、经济价值、市场价值和数据内在价值 4 大类指标，数据资产估值指标体系如表A.1所示。
- a) 成本价值，指在数据资产全生命周期过程中，数据的规划、获取、存储、加工、维护、应用和管理数据所需要支出的成本；
- b) 经济价值，指直接面向业务应用，量化数据资产带来的业务收益、风险收益以及成本收益，衡量数据对业务的赋能效果；
- c) 市场价值，指数据资产在主要流通交易市场中的价值，在有可参考、已成交案例的前提下，依据市场活跃程度、市场参与者的数量及供需关系等来衡量；
- d) 数据内在价值，指数据资产自身所蕴含的潜在价值以及其能够使用后所产生的价值，包括数据规模、数据质量、数据安全、数据应用等。
表 A.1 估值指标体系
| 一级指标 | 二级指标 | 指标项说明 |
| 成本价值 | 规划成本 | 数据资产在采集获取前设计数据体系结构、统筹规划数据资产整体方案的成本 |
| 获取成本 | 采购价款及税费、采购人员成本、采集人员成本、采集终端设备成本、采集系统成本等获取原始数据时的成本 | |
| 存储成本 | 数据资产在企业中各个系统存储消耗的成本。该阶段成本包括数据存储设备的折旧，比如投入数据储存过程中的软硬件设备的折旧额、数据存储所用的场地租金或建设费用等 | |
| 加工成本 | 搭建将数据资产从原始状态变为预期可使用状态的系统，其成本主要是系统构建时发生的开发、测试成本以及数据加工人员成本 | |
| 管理成本 | 组织管理运营数据资产所用系统的建设成本，以及在组织中运用数据管理系统管理运营数据资产的人员的成本 | |
| 成本价值调整系数 | 在使用成本法对数据资产估值时使用的调整系数，如合理利润率、调整系数等，用来调整成本法下数据资产价值，反映外部市场等因素对数据资产价值的影响 | |
| 经济价值 | 业务收益 | 数据资产如何帮助增加组织的收入，包括利用数据优化营销策略、提升业务质量等 |
| 成本收益 | 数据资产如何帮助降低组织的成本，包括优化流程管理、提高效率、减少人力成本等 | |
| 风险收益 | 数据资产如何帮助组织更好地了解和管理风险，包括准确地评估客户的信用风险、减少坏账、预防和识别欺诈活动等 | |
| 经济价值调整系数 | 在使用收益法对数据资产估值时使用的调整系数，如分成率、收益提升类质量调整系数、投产期限调整系数等，用来调整由数据资产带来的预期收益的系数 | |
| 市场价值 | 基年交易价值 | 数据资产在基准年份的市场价值 |
| 有效交易年限 | 数据资产存在价值时可交易的时间长度 | |
| 市场价值调整系数 | 在使用市场法对数据资产估值时使用的调整系数，如质量调整系数、供求调整系数、期日调整系数、容量调整系数等。在估算被评估数据资产价值时，根据市场情况综合考虑对其价值影响的调整系数 | |
| 数据内在价值 | 数据规模 | 指数据资产储存、计算量级的大小 |
| 数据质量 | 在指定条件下使用时，数据的特性满足明确的和隐含的要求的程度 | |
| 数据应用 | 指数据应用场景的丰富程度，包括数据的多维性、数据规模、数据活性等指标 | |
| 数据市场 | 指数据资产的市场活跃程度以及市场上的供给数量和供给方的多少 | |
| 数据安全 | 指数据资产安全管理能力，包括规避数据泄露、损坏等导致数据资产无法达到预期可使用状态的问题 |
三、数据资产估值过程
开展数据资产估值，宜综合考虑数据资产特性、价值来源、应用场景等因素确定估值目的。不同的估值目的将影响估值数据采集的范围、方法的选取、测算的精度及结果报告的形式。主要估值目的包括但不限于：
——面向内部管理：银行业金融机构针对其所拥有的数据资产进行全面评估，确定数据资产价值，为数据资产管理体系建设及各级管理决策提供参考；
——面向外部交易：数据交易双方发起的，针对交易过程中的数据资产价值进行评估，确定数据交易的价值。
估值过程包括以下步骤，即识别估值目的、划分估值对象、选取估值方法、匹配估值指标、确认估值信息、编制估值报告及归档估值信息。
3.1 划分估值对象
3.1.1 考虑因素
基于数据资产估值的目的，划分、界定和描述估值对象，明确数据资产估值粒度。估值对象划分的考虑因素如下：
- a) 独立性：估值对象能够具备独立产生价值的能力，例如单个字段在许多情况下并不具备独立产生价值的能力，不适合作为独立的估值对象；
- b) 整体性：对整体不可分割的数据资产划分为同一估值对象，以评估其整体价值，如模型及其参数；
- c) 稳定性：基于数据资产总体分类框架进行划分，估值对象的分类需要保持一段时间的稳定性；
- d) 成熟度：数据资产估值对象的划分要综合考虑数据资产管理成熟度，如数据资产管理水平、财务核算精细度等；
- e) 合理性：在满足估值目的前提下，考虑颗粒度与成本投入的平衡，既要避免工作量和成本投入过高的情况，也要保证近似、主观估计的合理性。
3.1.2 估值对象分类
数据资产估值对象划分帮助使用者从海量数据资产中找出某一数据对象，便于进行对数据对象的管理与分析。
参照 GB/T 38667 给出的分类维度和分类方法，基于数据资产特点、价值类型以及数据资产加工方式，将数据资产分为原始类、过程类和应用类，对估值对象的划分方式见表 B.1。由于数据具有无消耗性和无限复制性，原始类、过程类和应用类可互相转化，在为多个估值对象估值时，宜注意其边界的确定。
a) 原始类：原始类数据资产是通过外部获取或内部采集而来的明细数据，可以为后续数据加工应用提供原始信息。因此可根据数据来源将数据资产分为外部获取类和内部采集类 2 部分，并分别作为 1 个估值对象。
注：外部获取与内部采集两种获取方式形成的数据资产特点及边界不同，分类管理可以提高原始类数据资产的管理效率，也有利于后一步的加工处理。
b) 过程类：过程类数据资产处于原始类数据资产和应用类数据资产之间的过渡阶段，为数据进一步开发和应用提供清洗后的、统一的汇总数据。过程类数据资产具有普遍适用性，可以使得后续的深度加工减少重复加工工作，避免资源浪费，具有一次加工多次使用的特性。过程类数据资产通过数据仓库、大数据平台、数据中台等对原始类数据资产汇总加工形成，可作为同一估值对象进行估值。
c) 应用类：应用类数据资产是面向实际的数据需求，以原始类和过程类的数据资产为基础，通过数据汇总、挖掘等加工方式得到的个性化的统计数据或数据产品，可以直接应用于业务部门，支持业务相关工作的开展和收益的提升。考虑到与收益的对应性，将其分为收益提升类和统计支持类 2 大类数据资产。
不同的银行业金融机构根据应用的实际情况及自身数据资产管理需求，能够从不同的视角如数据所属主题、业务应用维度、数据安全隐私保护等方面进行适当选择和扩展。
表 B.1 估值对象分类
| 一级分类 | 二级分类 | 定义说明 | 举例 |
| 原始类数据资产 | 外部获取类资产 | 外部获取类数据资产是从外部数据厂商购买、交换或从外部网站上爬取等方式获取的数据，对内部采集的数据形成有效补充，对生产经营起到辅助参考作用 | 客户征信数据、工商类数据等 |
| 内部采集类资产 | 内部采集类数据资产是企业生产经营过程的数字化记录，详细记录了业务发生过程中的相关信息 | 客户信息系统采集的客户信息数据、核心系统采集的交易数据、信贷系统采集的合同数据等均是内部采集的数据 | |
| 过程类数据资产 | / | 通过统计、汇总等加工方法，形成的统一、可复用的数据资产，包括数据仓库（除集市数据）、数据湖、中台、各平台中间层数据 | 数据仓库根据所属数据主题域整合形成的参与人类、机构类、产品类、协议类、渠道类、事件类、财务类、资产类、公共代码类数据 |
| 应用类数据资产 | 收益提升类资产 | 收益提升类数据资产是指在原始类和过程类的基础上进行深度及定向加工，面向业务开展输出业务洞察，直接赋能产生业务收益的数据资产，包括模型、数据产品等 | 银行业金融机构营销模型、流失挽回模型、信用风险模型、操作风险模型等算法模型类数据资产 |
| 统计支持类资产 | 统计支持类数据资产是在原始类和过程类的基础上进行深度及定向加工，支持业务开展，间接实现数据价值的数据资产，可用于经营分析、向管理部门报送等，充分发挥数据资产的业务价值，推动业务部门开展相关工作，比如报表数据反映企业经营历史及现状，为企业经营决策提供有力支持 | 数据报表、仪表盘等 |
3.2 选取估值方法
数据资产估值的方法主要包括成本法、收益法、市场法及其衍生方法。在执行数据资产估值时，估值的组织者根据估值目的、估值对象、价值类型、应用场景及资料收集等情况，梳理各估值对象价值来源，分析各类估值方法的适用性，针对不同的估值对象匹配合适的估值方法。
估值方法选择遵循如下原则：
- a) 前提适用原则，不同的估值方法均具有不同的适用前提，通常情况下需分析能够运用各估值方法的前提是否满足综合选择最适配的方法；
示例 1：运用成本法时，数据资产相关成本能够通过各种方式最终获取；运用收益法时，数据资产的相关收益能够预测及追溯；运用市场法时，市场中需要具备同类型交易和产品。
- b) 方法与价值实现方式匹配原则，由于同一数据资产具有“可加工性”及“共享性”等特点，同一数据资产在不同的场景下发挥不同的价值，且多种价值可同时存在，需要根据各类估值对象的不同价值实现方式，匹配合适的估值方法；
示例 2：算法模型资产能够通过企业内部应用而产生收益，同时在市场中交易直接产生交易价值，因此在满足方法适用前提的情况下，针对内部应用目的，采用收益法计算，面向市场交易，采用市场法计算。
- c) 连续性原则，选用估值方法后，宜确保方法的可持续性。为保持估值方法计算数据的连续可比，通常持续沿用同一种方法以保证估值的连贯性和稳定性。
表 C.1 价值调整系数计算指标体系
| 考虑维度 | 评价指标 | 评价说明 |
| 数据规模 | 数据规模系数 | 数据资产的数据记录量大小程度。数据规模与数据资产的价值呈正相关，数据记录数越多，数据资产的价值越大 |
| 数据质量 | 数据质量评分 | 描述数据满足业务运作、管理与决策的程度，从数据的准确性、完整性、一致性、唯一性、规范性、时效性对数据质量水平做评价 |
| 数据应用 | 数据多维性 | 描述数据资产的维度多寡程度，数据维度与数据资产的价值呈正相关，更为复杂的多维度数据蕴含着更大的价值 |
| 数据活性 | 数据资产在相同时间范围内使用的次数，与同类数据资产平均使用次数相比较 | |
| 数据可用性 | 数据资产受时间、技术发展等内/外部因素影响而导致其本身可有效使用的性质发生变化的程度和范围 | |
| 数据风险 | 风险分级打分 | 由于数据泄露、数据损坏、数据描述不当、数据隐私保护、开发水平不足等原因导致数据资产无法达到预期可使用状态的风险等级衡量 |
| 数据市场 | 数据稀缺性 | 描述数据资产的供给数量及供给方数量的多寡。在数据资产市场上，当数据供给方局限在很少的数量，或者市场上该类型的数据量稀少，那么相应的数据价值就会较高 |
3.3 匹配估值指标
数据资产估值前需要确定评估基准日及评估周期，基于选定的估值方法，参照估值指标体系和指标项匹配估值指标。基于数据资产估值方法的特点以及分析各个估值对象的价值来源，对估值指标及估值对象的匹配示例如表 D.1 。
估值指标采用定量为主，定性和定量相结合的方式匹配。对于定性指标，宜结合实际情况进行权重设定。权重设定使用的方法包括但不限于：层次分析法、模糊综合评价法和德尔菲法等。
基于同一行业或同一估值目的下开展的数据资产估值，通常沿用统一的指标权重设定方法，以保证估值的连贯性、稳定性及可比性。
表 D.1 估值指标匹配示例
| 估值对象 | 估值指标 | ||||||||||||||||||
| 成本价值 | 经济价值 | 市场价值 | 数据内在价值 | ||||||||||||||||
| 规划成本 | 获取成本 | 存储成本 | 加工成本 | 管理成本 | 价值调整系数 | 业务收益 | 成本收益 | 风险收益 | 价值调整系数 | 基年交易价值 | 有效交易年限 | 价值调整系数 | 数据规模 | 数据质量 | 数据应用 | 数据市场 | 数据安全 | ||
| 原始类 | 外部获取类 | √ | √ | √ | √ | √ | √ | √ | √ | √ | √ | ||||||||
| 内部采集类 | √ | √ | √ | √ | √ | √ | √ | √ | √ | √ | |||||||||
| 过程类 | √ | √ | √ | √ | √ | √ | √ | √ | √ | √ | |||||||||
| 应用类 | 统计支持类 | √ | √ | √ | √ | √ | √ | √ | √ | √ | √ | ||||||||
| 收益提升类 | √ | √ | √ | √ | √ | √ | √ | √ | √ | √ | √ | √ | |||||||
3.4 确认估值信息
遵循客观、公正、真实、准确、有效的原则，明确数据资产估值各项指标信息，并在各相关方确认后，作为估值的输入值。主要包括以下几个方面：
- a) 资料准备流程遵循组织自身治理与管理要求；
- b) 考虑数据资产的特征及信息要素；
- c) 根据估值目的和数据资产的特性，对估值对象进行针对性的现场调查，收集数据资产基本信息、权利信息、相关财务会计信息和其他资料，并进行核查验证、分析整理和记录，对资料的准确性、完整性、一致性和全面性进行检查；
- d) 使用数据领域专家工作成果及相关专业报告等作为估值的输入值；
- e) 估值资料确认过程中，宜分析数据资产估值对估值资料存储的安全性影响。
3.5 编制估值报告
数据资产的估值报告包括的内容：
- a) 数据资产信息要素描述，包括基本属性、业务要素、管理要素和价值要素等的描述；
- b) 估值依据的信息来源以及利用专家工作或者引用专业报告内容；
- c) 方法的选择及其理由；
- d) 各重要参数的来源、分析、比较与测算过程；
- e) 对测算结果进行分析，形成估值结论的过程；
- f) 评估结论成立的假设前提和限制条件；
- g) 其他必要信息。
3.6 归档估值信息
估值组织者宜对估值材料包括估值过程、估值报告等建档留存并在既定时间对数据资产的价值增减变动进行复审。
本文摘编自中国银行业协会发布的《银行数据资产估值指南》，相关内容推荐：
数治入门 | 手把手教你做数据估值和入表！
对于企业而言，首先要明晰并统一内部对于数据、数据资源、数据资产的共识理解、数据范围、职责权力等，确保后续数据管理工作的有序运行。
赋能数实融合 数据产品估值定价的三种实践探索
电力数据估值定价是推动数据产品交易价格计算器常态化试用、市场化推广的重点领域，产业数据估值定价则是数据交易赋能数字经济和金融、服务实体经济的重要落脚点。
数治入门 | 案例手册全国首发 带你详解数据资产和评估
手册基于具体案例开展数据资产评估分析工作，从评估目的、行业应用场景、评估价值类型、评估方法等几个方面提供了数据资产场景化评估的具体操作指引。
从原油变石油 透过1000+挂牌产品看数据资产“入表”
从数据资源到数据资产的过程类似原油提取为石油等化工产品的过程，从数据资源到数据资产的“艰苦一跃”，既是实现数据经济价值的过程，也能为数据资产化的必经之路。
加入“数治x”行业社群， 300+ 高质量前沿资料免费下载，不只做个资料党，更开启你的自主个性化学习旅程，在公众号“idtzed”上回复“入”直通：
资料、学习、成长问答助手；
图解、模板、问卷行业工具包；
个人、团队数据素养水准评估；
数治连线产研导师专场直播等。
在此声明以上观点和内容，仅代表原作者和出处，与数治网DTZed 无关，如有出错或侵犯到相关合法权益，请通过电邮与我们联系：cs@dtzed.com。
