在移动互联网及云计算等技术的推动下，人们可获取并控制的数据日益丰富，我们已经进入了一个创造数据、获取数据、运用数据的“数据时代”。销售平台可以根据买家的浏览记录做出精准推送以提高销量，制造企业可以通过分析生产流水线数据对生产情况及时做出调整以提高生产效率，家居公司可以通过分析客户的生活习惯数据创造“智慧家庭”以提高生活服务质量，种种应用展示出数据在被有效的挖掘、整合后可能产生巨大的价值。
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？
从经济史的视角来看，“资产”的属性、范畴、种类、范围，都经历了一个不断扩张和深化的过程。在人类经济史上的很长一段时间里，“资产”都主要表现为“实物资产”的形态，比如农业时代的土地、房产、贵金属，工业时代的厂房设备、汽车、家电等。随着工业经济的发展，社会经济复杂性不断上升，又出现了“无形资产”的范畴，比如狭义的企业品牌、知识产权，广义的“无形资产”则进一步包括了专有技术、客户关系等。
而到了数字经济时代，随着数据、算法的发展，“资产”的形态和范围正在出现全新的革命性变化，比如近年来开始涌现的狭义的数字资产（如加密的数字货币）和广义的数据资产。
数据的概念
图 1 数据的概念
数据的定义
对巨量数据进行分析，提取出有价值的信息，并利用该信息为企业创造经济价值。
数据通常是指对客观事物进行记录、未被加工的原始素材，是基础生产资料。互联网时代下，具有价值的数据通常具有体量大、种类繁多、价值高、反应速度快等特点，也就是行业所谓的大数据。数据资产的概念由信息资产、数字资产衍生出来，并随着大数据的蓬勃发展而被提出。信息资产概念来源于信息技术对各个领域和生活方式的影响，强调数据的信息属性；数字资产概念来源于“数据经济”的提出，对应着数据的物理属性；数据资产概念来源于将数据视为一项战略资产，对应着数据的存在属性。实质上，这三个概念具有一致的内涵。Gartner 认为需要具有更强的决策力、洞察发现力和流程优化能力的处理模式来适应海量、高增长和多样化的信息资产。通过数据的定义，我们看到当下的模式，主要体现为：对巨量数据进行分析，提取出有价值的信息，并利用该信息为企业创造经济价值。
数据的分类
数据可以按照生产对象、存储形式、内容类型和权属进行分类。
- 数据按照生产对象可以分为：
‒ 与人有关的数据指围绕个人生产生活所产生的数据，如：个人信息、信用数据等；
‒ 与物有关的数据包括与产品、设备等实物相关的信息，可用于优化生产流程，调整生命周期，如：生产线的操作记录等；
‒ 与事有关的数据指与人、物均相关，即人与物的链接，可用于解决事件问题，形成万物互联、万物智能，如：家庭生活起居信息、公交车日客流量数据等。
- 数据按照内容类型可以分为：社交数据、购物数据、生产数据等。按照内容区分种类最为繁多，但应用意义较弱。
- 数据按照存储形式可以分为：
‒ 结构化数据是由明确定义的数据类型组成，其模式可以使其易于搜索。一般特点是数据以行为单位，一行数据表示一个实体的信息，每一行数据的属性是相同的。结构化数据的分析使用更为便利，且存在成熟的分析工具；
‒ 半结构化数据是指非关系模型的、有基本固定结构模式的数据，例如日志文件、XML 文档、JSON 文档、Email 等；
‒ 非结构化数据是具有内部结构，但不通过预定义的数据模型或模式进行结构化的数据，如 WORD、PDF，各种格式的图片、视频等。非结构化数据占企业全部数据的 80%以上，但直接挖掘非结构化数据的分析工作具有很强的专业性。
- 数据按照权属可分为：私有数据、公有数据。
‒ 私有数据是指有明确归属的数据，归属方为可决定数据使用目的的自然人、法人或其他组织，如私人数据、企业数据等；
‒ 公有数据指具有公共财产属性且可被公众访问的数据，如天气数据、人口数据等。
数据的特性
我们在这里先讨论数据，或者说大数据的一般特性。后文会进一步从资产化的视角去讨论数据与一般资产相比的独特性。大数据的特征通常概括为 4V，即Volume(大量)、Velocity(高速)、Variety(多样)、Value(低价值密度)。
- 数据量大（Volume）
随着互联网普及及技术革新，数据量成几何级数增长，传统的存储计算方式无法应对规模异常庞大的数据，当量变达到质变，就催生出新的研究价值。当前典型个人计算机硬盘的容量为 TB 量级，而一些大企业的数据量已经接近EB 量级。
- 数据更新频繁（Velocity）
这是大数据区分于传统数据的显著特征。在如此海量的数据面前，分析对象的数据将被频繁更新。对分析对象要求是频繁更新的数据。
- 数据类型多样（Variety）
大数据面对的数据通常是异构、异质的数据集。如同前文提到数据的存储形式，可能包括文本、音频、视频等多种形式，即可能是结构化、半结构化的或无结构的。
- 数据价值密度低（Value）
价值密度的高低与数据总量的大小成反比。以视频为例，一部 1 小时的视频，在连续不间断的监控中，有用数据可能仅有一二秒。如何通过强大的机器算法更迅速地完成数据的价值“提纯”成为目前大数据背景下亟待解决的难题。
资产的定义
目前，关于如何将数据视为企业的一项资产来计量、管理、转让，尚未形成一个明确的标准，我们将从《企业会计准则》中对于资产的定义入手，来探讨数据与资产的联系和转换。
根据《企业会计准则——基本准则》（财政部令第 33 号），“资产是指企业过去的交易或者事项形成的、由企业拥有或者控制的、预期会给企业带来经济利益的资源。由企业拥有或者控制，是指企业享有某项资源的所有权，或者虽然不享有某项资源的所有权，但该资源能被企业所控制。预期会给企业带来经济利益，是指直接或者间接导致现金和现金等价物流入企业的潜力。符合准则规定的资产定义的资源，在同时满足以下条件时确认为资产：①与该资源有关的经济利益很可能流入企业;②该资源的成本或者价值能够可靠地计量。”
数据资产由于不具有实物形态，我们进一步参考了“无形资产”的定义。
根据《企业会计准则第 6 号——无形资产》，“无形资产是指企业拥有或者控制的没有实物形态的可辨认非货币性资产。符合无形资产定义中的可辨认性标准：①能够从企业中分离或者划分出来，并能单独或者与相关合同、资产或负债一起，用于出售、转移、授予许可、租赁或者交换；②源自合同性权利或其他法定权利，无论这些权利是否可以从企业或其他权利和义务中转移或者分离。无形资产同时满足下列条件的才能予以确认：①与该无形资产有关的经济利益很可能流入企业；②该无形资产的成本能够可靠地计量。”
参考《企业会计准则》对“资产”的定义，判断一个对象是否符合资产的定义可以从以下几个标准来考虑：①该资产是由企业过去的事项形成的；②由企业拥有或控制；③预期为企业带来经济利益；④成本或价值可以可靠计量；若进一步参考“无形资产”的定义，还需符合⑤能够从企业中划分出来；⑥源自合同性权利或其他法定权利这两条标准。
《企业会计准则》对于数据是否可以作为资产具有一定的指引作用，或者说是数据能否被视为资产的充分条件。然而，会计准则仅局限于财务报表的范畴，实际在衡量企业价值的时候，我们经常看到投资人对某些拥有大量数据资产的公司支付远高于其账面资产价值的溢价，这也意味着，即使数据无法被反映在财务报表上，仍可能蕴藏着巨大价值。
数据和资产的联系及转换
根据前述分析的数据特性，我们将对照会计上资产的概念，逐条讨论数据和资产、无形资产的联系与转换。
数据与资产
“该资产是由企业过去的事项形成的”
通常来讲，大部分数据是在企业的生产经营活动中产生，是由过去的事项形成的。但是，数据是动态的，并且持续更新的数据才更有价值。数据的价值不仅体现在现有的数据，更在于未来可以持续更新或扩充该类数据的能力。这是数据资产有别于传统无形资产（如数据库）的方面，却也可能导致数据资产无法完全满足会计准则对资产的定义。
“由企业拥有或控制”
这条标准涉及数据的权属问题。对于数据的权属，目前中国尚未有完整的法律体系。通常情况下，对于依托于互联网平台产生的数据，如搜索引擎的用户在搜索引擎平台输入的数据，这类数据一方面来源于用户的行为，另一方面也来源于平台的信息系统，对这种可能产生权益交叉的问题，目前平台和用户在遵照法律原则规定的前提下，通过合同的方式确定其权益的分配，进而确保平台可利用该数据为企业创造价值，同时用户可基于合同保障自身合法权益。
“预期为企业带来经济利益”
企业在运营中可能产生大量的数据，数据在被有效的挖掘、整合后可以产生巨大的价值。但并不是所有的数据都值得被利用，如果数据的取得、维护成本大于其产生的收益，或企业无法通过自用或外部商业化对其有效变现，那么这部分数据就不存在经济利益，即没有被视为数据资产的意义。
“成本或价值可以可靠计量”
数据的成本主要包括获取成本、加工处理成本、存储等持有成本，其中，加工处理成本、持有成本可以直接对应至相关数据对象，相对方便计量，但大部分数据为企业生产经营的附加产物，获取成本通常难以从业务中划分出来而难以可靠计量。此外，数据的价值主要取决于数据的应用场景，同一数据在不同的应用场景下价值差异可能很大，也是导致数据资产价值难以计量的重要因素之一。综上，数据的成本或价值均难以可靠计量，成为了“数据”确认为会计准则定义下“资产”、“无形资产”的阻碍之一。
数据与无形资产
“能够从企业中划分出来”
这条标准需要数据资产能够从企业中划分出来，并且可以和其他资产区分开。大部分数据能够从企业划分出来应用于外部商业化，形成数据产品从而产生价值；但是大部分数据的产生来源于企业的日常经营，如客户消费数据，企业收集分析后用于更好地为客户服务，逐渐形成良好的“客户关系”，这种情况下，“客户数据”的价值与“客户关系”的价值息息相关，数据资产难以与客户关系区分开来；另一种角度 看，数据资产是企业持续经营的产物，那么数据资产则难以从企业中独立划分出来，而这种无法被独立划分的资产，在目前通常被认为是商誉的组成部分。
“源自合同性权利或其他法定权利”
这条标准为无形资产定义中的判断“可辨认性”的标准之一。界定无形资产的权利来源，如一方通过与另一方签订特许权合同而获得的特许使用权，通过法律程序申请获得的商标权、专利权等。对于合同性权利，数据资产由于具有通用性、无限共享等特性，需视合同具体约定而确定权利范围。目前“数据”尚未像商标、专利一样，制定有明确的权利申请途径、权利保护方式等，对于数据的法定权利，尚未有完整的法律保护体系。数据资产的法律权属问题尚待解决，导致其可能无法符合“无形资产”的这一准则要求。
图 2 数据和资产及无形资产的联系及转换
综上，我们可以看到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，数据资产也尚未体现在企业的财务报表上。然而，从会计角度的讨论只是一个起点，这一研究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。
数据资产化的重要性
形成企业共通的数据语言： Logon 认为数据在企业内部充分应用最大的障碍是存在语言壁垒。
数据作为各部门运行的衍生产物，分散在企业运营各部门处。各部门由于职能不同，对数据的理解表述方式也各不相同。数据分析者往往需要花费大量的时间和精力收集各类数据，寻找数据共通的连接方式，才能将其归类分析应用。数据资产化意味着在公司内部形成共同的“数据语言”，各部门为了统一的分析目的，形成各自对应的统计标准，在运营过程中实时对数据进行收集汇总分析。由此，企业的管理层可以更高效地对数据进行讨论和沟通。
形成企业的战略资产：数据资产化之后，数据资产会渐渐成为企业的战略资产，企业将进一步拥有和强化数据资源的存量、价值，以及对其分析、挖掘的能力，进而会极大提升企业的核心竞争力。
加速数据资产交易进程：目前在缺乏交易规则和定价标准的情况下，数据交易双方承担了较高的交易成本，制约了数据资产的流动，但随着数据资产管理的完善，必然能加速数据资产交易的进程。
促使数据资产产权问题明确：同时，数据资产的所有权问题，在未来也会越来越明确，法律制度会随着基础管理能力的提高而完善，以数据资产为核心的商业模式，也将会在资本市场中越来越受到青睐。
资产化视角下的数据特性
- 通用性
资产具有通用性和专用性，数据资产与传统资产最重要的区别在于数据资产的通用性更强。资产的通用性是指资产替换使用程度以及与其它资产结合使用的程度。替换使用是指资产不仅能担当原来的用途，还能直接担当其它的用途。结合使用是指资产与资产之间通过互补、重组，形成新的资产，担当新的用途。通过结合使用，原来的资产间接转为它用。
关于资产的通用性与专用性，传统意义上如生产工艺带来了生产的副产品（如：发电厂发电形成附带产品热气），生产工序之间高度的关联性，两种或多种产品在生产上具有交叉性，一种产品可能是另一种产品的投入（钢铁企业从炼铁、炼钢到型材的工艺联系日益紧密）等。而随着信息通信技术等通用目的技术的发展，资产的通用性不断增强，新技术的发展正在不断改变有形资产的利用效率，随着信息技术的发展，固定成本的可变性增大了，而资产的专用性却减少了。
数据相对于一般的无形资产、实物资产可以说具有更高的通用性。有形资产往往由于其形态限制，用途有限，比如专用设备只能用于加工某类产品；通用设备虽然可加工的产品种类较多，但仅能用于生产制造。而数据通常可以用于不同行业不同领域，比如个人的信用信息，在金融行业和消费领域都是非常重要的营销、运营依据。
资产通用性与专用性的变化对企业带来的影响体现在企业规模经济和范围经济上，资产的通用性是企业形成范围经济的重要来源。
- 外部性
数据除企业自用外，还可以打包形成数据产品、数据服务等在外部市场销售，以产生更大的商业价值，而且数据的外部性往往是其价值的重要组成部分。生产数据的企业可以利用数据提升自身的业绩，同时这些数据对其他企业也会具有相当的价值。比如，租车企业在搜集到用户的用车习惯后，不仅可以进行针对性的客户维护和营销活动，还能在合法合规的前提下，把相关数据提供给保险公司作为其分析寻找目标客户的重要信息。
- 可以无限共享
数据可以在在同一时间被多方使用而没有任何损失，这一特性使得数据具有更大的使用价值。
- 集合使用价值更高
数据的价值取决于数据的应用场景，单一数据的应用有限，多维度的数据结合应用可能产生 1+1 大于 2 的价值。
- 数据权利不同造成价值差异
鉴于数据资产的特殊性，在纯学术推演的理想状态下，完整的数据权可以根据应用情况分为多个权利束，如占有权、使用权、收益权、共享权、跨境传输的权利等。权利人可以同时拥有一个或多个权利束，不同权利束下，数据资产的价值也会不同。
图 3 数据权的权利束理论
实践中的数据资产交易
Microsoft 在 2016 年以 262 亿美元，超 50%的溢价收购 LinkedIn ，消息公布后，LinkedIn 盘前股价大涨超过 48%。LinkedIn 是一家全球职业社交网站公司，收购时用户数量高达 4 亿会员，营收超过 30 亿美元。
Facebook 在 2011 年上市时公司市值超过 1,000 亿美元，公布的资产价值则仅有 66 亿美元，巨大差额产生的原因，是源于Facebook 没有体现在账面上的“数据资产”——Facebook 上市时拥有8.45 亿个月活跃用户，每日产生 27 亿条评论，每日上传 2.5 亿张照片，1,000 亿条好友关系。
Facebook 于 2012 年 4 月宣布以 10 亿美元收购 Instagram 。Instagram 创建于 2010 年 10 月，收购时拥有活跃用户数量超过 4,000 万，2012 年 9 月，注册用户数突破 1 个亿。
Google 为了深化公共 WIFI 业务，提供比电信运营商更有利的服务条款。这是因为 Google 更看重 WIFI 业务所带来的用户数据价值。
亚马逊于 2017 年以 137 亿美元收购高端连锁超市 Wholefoods 。收购后，亚马逊可以更全面地获取客户的综合消费数据。在收购消息曝光后，Amazon 股价上涨了 26.03 美元，达到 990.20 美元，涨幅为 2.7%；Wholefoods 股价上涨 8.83 美元，达到 41.80 美元，涨幅为 26.7%。
Facebook 于 2012 年以 190 亿美元收购 WhatsApp 。WhatApp 于 2009 年在美国创立，为一款国际化的移动社交平台。收购时员工数 50 人，总用户超过 10 亿，月活跃用户数超过 4.5 亿。
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。
本文摘编自德勤、阿里研究院发布的《数据资产化之路》，全文下载请留意下一篇：数据资产的价值体现及影响因素。
