数治x金融服务:数据资产确权、估值及入表的一体创新

数据资产的真正入表将有助于推动企业持续探索数据在业务创新、运营优化、改善客户体验等领域的创新应用,开拓新的金融商业模式,深度挖掘数据要素潜力。

数据资产确权、估值及入表的一体创新
出处:北京金融科技产业联盟

金融行业具有天然的数字基因,属于数据密集型行业,对推动数据要素基础制度建设、推进数据资产估值探索具有重要引领作用,多家机构已对数据资产估值进行前瞻研究和实践。数据资产确权是数据流通的前提,可充分保障数据流通各参与方的权益;数据资产估值是数据流通的基础,通过搭建数据交易价格之锚促进高效交易;数据资产入表则通过强化相关会计信息披露,奠定数据要素价值发挥的制度性基础。

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,如何从创新中寻求最优解成为推动数据资产化的重要议题。围绕金融数据资产估值与交易主线,从数据资产确权、估值、入表和交易等方面展开系统研究,创新提出数据资产估值与入表的新思路、新方法。根据数据资产价值的构成逻辑,将数据资产价值划分为“投入价值”“业务价值”进行评估,从成本效益角度量化数字化效益,为有效推动数据资产价值释放提供重要参考。

一、金融机构数据资产确权

近年来,商业银行等金融机构日渐重视数据资产管理,陆续开展数据资产管理体系建设,其中数据资产确权机制主要涉及以下两方面的活动:一是数据资产认定,通过数据资产认定帮助管理者明确数据资产管理对象管理范围,包括资产盘点、资产审核、资产发布、资产维护等;二是数据资产确权,通过明确数据资产权属划分,保障数据资产相关方的权利,包括持有权、使用权和经营权等。

1. 编制数据资产目录

数据资产目录是数据资产认定、确权的支撑。数据资产目录依据规范的元数据描述,按照一定分类方法对金融机构数据资产进行排序和编码,为金融机构提供了一个数据检索、定位与获取的入口。数据资产目录是数据资产认定、确权、处置等管理活动的支撑工具和成果输出。因此,数据资产目录编制是各金融机构提升数据质量、摸清数据家底的基础性工作,包括:明确数据资产目录分类方法及资产属性,制定数据资产登记模板,开展数据资产盘点及资产挂载,形成数据资产全景视图等工作。

2. 开展数据资产盘点

以数据资产盘点明晰数据权利相关方。金融机构根据数据资产登记模板,开展数据资产盘点,收集所属机构数据资产来源、分布、权属等属性信息。数据资产盘点可采用自上而下梳理与自下而上盘点相结合的方法。自上而下梳理指从业务视角出发,通过对金融机构业务流程进行逐层分解,梳理数据资产;自下而上盘点指从技术视角出发,通过信息系统的梳理,盘点企业数据资产;最后,将业务视角与技术视角梳理的数据资产进行映射,修订完善数据资产分类,补充数据资产目录的业务属性、技术属性和管理属性,形成数据资产目录。其中,管理属性可包含数据资产的业务管理部门、开发服务部门、所属产品线、访问控制范围等,可依据管理属性信息对应划分数据资产拥有、使用、处置的权利相关方。

3. 建立数据资产权属登记机制

金融行业作为数据密集型行业,多方数据合作是数据要素发挥价值的重点。为促进金融机构间的数据资产共享流通,首先,可以尝试培育专业化的金融数据资产目录登记机构,在金融领域率先开展金融数据资产认定和盘点登记工作,在实践中逐渐形成金融数据资产权属认定的推广示范案例。其次,根据数据要素市场建设的动态趋势,完成对数据的资产身份化认同。

二、数据资产估值方案设计

1. 估值创新体系

根据数据资产的价值构成逻辑,将数据资产估值从“投入价值”和“业务价值”两方面展开。投入价值为形成数据资产的资源总投入,业务价值为数据资产支撑业务开展创造的增量收益的现值,两者构成数据资产总价值。其中,业务价值是数据资产的主要价值构成,这是因为只有数据在赋能业务发展时,才能更好地驱动价值释放。在企业运营过程中,形成的数据资产能够通过公允价值进行计量时,便可进一步评估数据资产的外部价值。

但是,目前数据要素市场尚不成熟,市场法估值缺少可参考的公允价值。为评估数据产品的潜在外部价值,创新提出“订单法”,吸收借鉴市场法估值思路,充分反映企业不同部门的数据资源调用需求,将订单管理模式与市场法相结合,依据数据产品的调用情况,评估数据资产的潜在外部价值。

采用“成本法-收益法-订单法”对数据资产价值进行评估。其中,运用成本法对数据资产的“投入价值”进行评估,以数据资产的投入成本为基础,通过成本重置因素、数据效用综合调节系数进行价值修正。运用收益法对数据资产的“业务价值”进行评估,通过数据资产支撑业务开展的增量收益折现估算数 据的业务价值。运用订单法对数据资产的“潜在外部价值”进行评估,通过参考同类型数据资产的行业代加工对价和订单量进行价值估算。此外,由于潜在外部价值产生于数据资产前期投入或后续运营过程中,为避免重复估值,不将其计入数据资产总价值。

考虑到不同估值方法均有各自的适用条件,对不同类型数据资产所匹配的估值方法选择如下,共分为三种情况:

  • 一是对于获取类数据资产、传输与存储类数据资产、管理类数据资产,由于与最终业务收益之间难以有效追溯,难以挂钩和测度各类数据资产的业务收益,但其投入成本可以较为客观计量,对该部分数据资产采用“成本法”进行价值评估。
  • 二是对于应用类数据资产,由于与业务场景的匹配性较强,可以直接赋能业务提升收益表现,业务增量收益能够较为客观、准确地测度。该类数据资产可进一步按照价值构成划分,对业务算法模型的投入价值,采用“成本法”进行评估;对数据资产赋能业务拓展所创造的业务价值,采用“收益法”进行评估。
  • 三是各类数据资产存在可参考的外部交易案例时,参照外部交易价格进行调整评估,即传统的市场估值法。但目前数据市场体系不完善,公允的参考价格获取难度较大,此处采用同业代加工价格作为“订单法”的数据资产估值对价,对可计量的数据资产潜在外部价值进行评估。

2. 成本法估值设计举例

成本法估值是以数据资产投入成本为基础,充分考虑成本重置因素、数据效用综合因素对数据资产价值进行修正,反映数据资产全生命周期中的获取、存储、加工、管理及应用的相关成本投入。

特别说明的是,考虑到数据资产赋能业务的增量收益,会在收益法对应用类数据资产估值中体现,为避免数据资产的重复估算,需要对传统的成本法估值公式进行修正,在成本法中剔除收益率因素。具体估值公式为:P=HC×S×U。其中,P 为评估的数据资产投入价值,HC 为数据资产历史成本,S 为重置系数,U 为数据效用综合调节系数。

成本法估值模型中历史成本 HC,表示数据资产从统计周期起始时间到评估基准日所发生的总成本。根据数据资产估值类型划分,对获取类、传输与存储类、管理类及应用类数据资产的投入成本进行核算,将所涉及的各项成本支出纳入数据资产的投入价值计量,所涉及的估值指标统计范畴界定如表 1 所示。

表 1:成本法估值指标体系

估值对象 统计范畴界定
获取类数据资产 内部数据采集 主要包括内部数据采集人工成本、数据采集设备和系统成本。其中,内部数据采集人工成本的统计范畴为直接涉及客户信息输入的综合柜员岗、大堂经理、零售客户经理岗的人工成本,按匹配的岗位薪酬和数据采集的工时占比进行测算
外部数据获取 主要包括外部数据采购成本、外部数据管理系统建设成本,以及外部数据管理人工成本。其中,外部数据管理涵盖供应商管理、数据测试、采购管理等全流程服务,确保外部数据供需有效对接,是该项成本内容的组成部分之一
存储与传输类数据资产 数据传输 主要包括网络专线费、接口开发费等数据传输组件相关成本投入
数据存储 主要包括数据存储相关设备及系统建设成本,如存储交换机、服务器、资源池扩容成本;金融业数据湖仓一体化建设是提高数据运营效率的重要趋势,相关成本纳入该项指标中
管理类数据资产 数据运维 主要包括数据基础系统的建设及维护成本、数据技术研发成本、数据运维人力成本等,为全行数据运营提供基础支撑
数据分析 主要包括数据分析服务系统的建设与维护成本,固定报表、模型工具等数据产品开发成本,以及数据分析人力成本
数据治理 主要包括数据治理系统、数据质量管理平台等建设和维护成本,以及数据治理人力成本,以提高数据效用,提升敏捷供数用数能力
数据安全 主要包括为提升数据安全等级投入的人力物力成本,如安全组件或系统建设、隐私计算等相关成本内容
应用类数据资产 业务模型研发 主要包括数字化业务模型的研发、维护、升级等成本支出,统计范畴为业务模型的基础环境、产品和实施费用、软硬件配套成本等相关成本支出

具体来看,获取类数据资产投入成本包括内部数据采集成本和外部数据获取成本。内部数据是金融机构在经营过程中涉及客户信息或交易等与一线业务密切相关的采集数据,外部数据是通过外部购买或公开渠道获取的数据。在数据采集和获取过程中,涉及的人力成本、设备购置成本、系统建设成本,以及使数据达到正常使用状态所付出的相关成本均需要纳入计量范畴,根据数据来源不同和成本投入方式差异分别统计核算。

传输与存储类数据资产投入成本统计范畴包括数据传输成本和数据存储成本,相关设备和系统建设成本分别计入数据成本的发生年份。随着数据管理架构的演进,数据仓、数据湖正在融合发展,湖仓一体架构成为支持实时处理分析的重要数据底座,因此需将湖仓一体化的建设和运营成本纳入存储成本核算。

管理类数据资产投入成本统计范畴包括数据运维、数据分析、数据治理及数据安全相关成本。该类数据资产以数据为基础、以算法为支撑、以场景为导向,打通后台数据支撑系统与前台业务应用及管理决策之间的信息断层,提升数据供给的可用性、可靠性和安全性,这个过程中所涉及的数据处理、数据分析和数据产品开发成本等,均要纳入投入成本的统计范畴。

应用类数据资产主要指通过数据处理、分析、挖掘以赋能业务开展,提升业务价值创造能力的算法模型,可根据使用方向划分为营销类模型、运营类模型和风险管理类模型。该类数据资产的投入成本统计范畴包括业务模型研发及投产过程中所发生的成本支出。

三、数据资产入表方式

数字经济的演变和发展从根本上推动着商业模式变革,同时,对以工业经济为基础的国民经济核算和会计核算体系提出了新的挑战。国内外对数据资产的确认、计量和列报尚没有成熟方案。数据作为数字经济时代的新型生产要素,不适合直接套用现行准则,而是需要制定专门的数据资产相关准则。鉴于现行准则体系比较完备,数据资产入表可以在现行概念框架下予以规范。目前,关于数据资产入表方式的研讨主要分为以下三种观点。

1. 确认为“无形资产”入表核算

列入无形资产二级科目。无形资产是没有实物形态的可辨认非货币性资产,源自合同性权利或其他法定权利,可以从企业单独划分出来或者与相关资产合并以出售、转移、授予许可、租赁或交换。对于能够单独划分的数据,能够直接或间接为所在金融机构创造价值,该部分数据资产具有无形资产属性,在符合《企业会计准则第 6 号——无形资产》规定的定义和确认条件时,可以确认为无形资产,列入资产负债表中无形资产二级科目进行会计处理。

例如,数据资产使用权、数据资产经营权,以及基于数据研发形成的数据工具等。《企业数据资源相关会计处理暂行规定》中,将企业内部使用的数据资源、对外交易的数据资源主要参照无形资产和存货进行会计确认、计量和报告,体现为对数据资产历史成本的会计处理。

以成本法进行初始计量。将数据资产列入无形资产科目,按照形成方式可分为外购的无形资产和内部研发的无形资产。其中,内部研发的无形资产需要划分研究阶段和开发阶段,研究阶段的 支出计入费用类科目,而开发阶段的支出则计入无形资产成本。数据资产价值产生和消耗的方式不同于无形资产一般的研究和开发,因此可以基于数据价值链框架,划分生成、归集、分析、交换四个阶段。在生成和归集阶段,数据密度较大,为后续数据价值挖掘提供了重要基础,但该阶段数据尚未发挥价值,将各项支出直接计入当期费用;在分析应用和交换阶段,满足形成无形资产的条件的,可进行资本化列支,计入数据资产成本。

以摊销或减值进行数据资产的后续计量。将数据资产确认为无形资产时,后续计量要求在使用寿命期限内以系统合理的方法进行摊销,其使用寿命需要考虑数据资源的业务模式、权利限制、数据时效性和技术迭代等因素。如果无法确定使用寿命,则无需进行摊销核算,而是在每个会计年度进行减值测试和使用寿命复核。若减值测试表明已发生减值,则需要计提相应的减值准备;若复核后可合理估计出其使用寿命,则应按照准则要求,在使用寿命期限内进行累计摊销。

2. 新设“数据资产”入表核算

在资产类科目中新设“数据资产”科目。由于数据资产的特殊属性,即使对无形资产概念进行扩充,以无形资产的确认和计量规定仍无法满足数据资产的入表要求。因此,单独设置“数据资产”科目,按照来源划分为自行开发数据资产、外购数据资产和其他数据资产。对于企业内部运营产生的数据资产,可通过“自行开发数据资产”进行确认;对于购买获取的数据资产,拥有明确交易方和支付对价,可通过“外购数据资产”进行确认;对于因网络便捷、无需支付成本即可获取的数据资产,可通过“其他数据资产”进行确认。

自行开发和其他数据资产参照无形资产的计量方式进行会计核算。企业内部经营活动中产生的数据资产,既不存在活跃的数据交易市场,也难以在市场中取得类似产品的市场价格,不符合公允价值计量条件。基于会计信息可靠性的考虑,采用历史成本法计量更为合适。

需要注意的是,并非所有内部经营活动产生的数据均满足资产确认条件,数据资产应该按照价值链划分阶段确认,在数据生成和归集初始阶段,所发生的各项成本支出应当费用化,在数据分析和应用阶段,数据已经有可能产生经济利益流入,所发生的人力、设备、技术等成本可进行资本化计量。

外购数据资产按照公允价值进行确认和后续计量。随着数据资产更紧密、更全面地与业务融合,不仅不会被消耗减值,而且会随着业务和市场发展持续增加。采用公允价值进行确认和后续计量,更能反映数据资产的增值特性,真实反映交易本质。但是公允价值计量需要成熟的交易市场和可靠的交易价格,或者能保证可靠性的估值方式,相比于历史成本计量实施起来更为困难。

3. 新增“第四张表”评估披露

由于数据资产经济价值受到数据规模、应用技术、数据风险等多维因素影响,仅通过现有财务报表提供的财务信息难以全面展现企业的数字经济活动,从而影响报表使用者对企业数据要素的评估。众多咨询机构和企业开展了基于资产负债表、利润表和现金流量表传统报表之外的“第四张表”的探索。

四、数据资产表架构搭建

针对现有主流入表方式存在的弊端,将数据资产入表方式与数据资产估值体系相承接,创新搭建数据资产表架构。在数据资产表中纳入成本法、收益法和订单法的分析、比较与测算过程信息,结合非财务信息实现数据资产的入表核算与披露。

1. 架构设计

将数据资产表的架构按照“投入价值栏”和“业务价值栏”进行设计。将成本法评估的投入价值纳入“投入价值栏”进行计量和披露,反映企业对数据资产的投入积淀。考虑到数据资产的成本费用支出对传统报表的切实影响,将数据资产的投入成本同步纳入传统财务报表,作为无形资产二级科目或者存货进行初始计量、后续计量、处置和报废等会计处理,如表 1 所示。

将收益法评估的业务价值纳入“业务价值栏”进行计量和披露,反映数据资产赋能业务产生的价值。基于会计谨慎性原则,将数据资产的业务价值仅在数据资产表中进行反映,切割其与传统财务报表的关联。数据资产表可进一步披露数据资产的潜在外部价值,在数据要素市场尚未成熟时期,以订单法评估部门间的数据调用价值。

随着数据要素市场的完善,数据资产市场价格便于获得时,将数据资产以公允价值进行计量,反映数据资产的外部交易价值。此时,数据资产交易价值为真实存在价值,需要加入数据资产总价值的核算。

表 1:数据资产表的创新构建

数据资产投入价值、增量价值与潜在外部价值的计量与披露列示
价值分类及适用方法 项目 外购的数据资产 自行开发的数据资产 其他方式取得的数据资产 合计
投入价值栏 成本法核算 一、评估价值
1.期初价值
2.本期增加额
3.本期减少额
4.期末价值
二、评估参数
1.累计年度
2.重置系数
物力成本重置系数
人力成本重置系数
3.数据效用系数
期初适用的数据效用系数
期末适用的数据效用系数
业务价值栏 收益法核算 项目 营销类数据资产 运营类数据资产 风险管理类数据资产 合计
一、评估价值
1.期初价值
2.本期增加额
3.本期减少额
4.期末价值
二、评估参数
1.收益期限
其中:收益总期限
已投产期限
剩余收益期限
2.增量收益
其中:收益期末增量收益
收益期初增量收益
增量收益增长率
3.折现率
期末适用的折现率
期初适用的折现率
外部价值栏 订单法核算 项目 外购的数据资产 自行开发的数据资产 其他方式取得的数据资产 合计
一、评估价值
1.期初价值
2.本期增加额
3.本期减少额
4.期末价值
二、评估参数
1.价值密度系数
期末适用的价值密度系数
期初适用的价值密度系数
2.日期修正系数
价值合计 期末价值
期初价值
特别说明:订单法评估的潜在外部价值体现为部门之间的数据调用价值,不计入数据资产总价值的核算;当数据要素市场成熟时,以公允价值计量、可对外真实交易的数据资产价值,需要纳入数据资产总价值的核算

2. 信息披露

加强对数据资产投入价值和业务价值评估过程的信息披露。以成本法对数据资产的投入价值进行评估,相应披露历史成本底层探源指标、累计年数、重置系数、数据效用综 系数等测算依据和测算过程等详细信息。以收益法对数据资产的业务价值进行评估,并按业务维度进行划分,分别对营销类、运营类和风险管理类业务模型的增量收益预测过程,以及收益期限、折现率等重要参数进行具体说明。

此外,企业可根据实际情况,选择性披露形成数据资产的其他相关信息,包含但不限于:

  • 形成数据资产的原始数据类型、规模、来源、权属等信息;
  • 数据资产的应用情况、应用场景、作价出资、流通交易以及对企业创造价值的影响方式、行业领域前景等信息;
  • 数据资产的风险分析,包括相关权利失效情况及对企业的影响分析等。

3. 运用价值

数据资产表的设计不仅契了数据资产估值方法体系,而且以数据“投入价值”和“业务价值”为基础,搭建了涵盖数据要素投入、数据价值创造、数据产品交易三大维度的数据资产价值分析模式,有助于推动企业持续探索数据在业务创新、运营优化、改善客户体验等领域的创新应用,开拓新的金融商业模式,深度挖掘数据要素潜力。

同时,数据资产表的使用者可以更全面地了解企业数字化业务进程,评估数字化竞争优势,为依据数据资产价值开展投融资提供依据,推动实现数据要素资源的最优配置。进一步加强数据资产价值评估的信息披露,促使企业在积极学习同业估值方法的基础上,主动探索数据资产评估的新方法、新体系,以实践推动估值方法体系的共建和迭代优化。

本文摘编自北京金融科技产业联盟发布的《金融数据资产估值与交易研究》。

在文末扫码关注官方微信公众号“idtzed”,回复“入”直通数治x金融服务行业群,@老邪 免费获取。

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。

欢迎先注册登录后即可下载检索数据资产等相关标准、白皮书及报告。更多高质量纯净资料下载,进入公众号菜单“治库”。