企业数据资产如何估值定价

2024年1月1日，《企业数据资源相关会计处理暂行规定》正式施行，数据资产入表从概念走向实操。然而，对于企业CFO而言，一个更棘手的问题浮出水面：数据资产入表之后，如何估值？如何定价？

数据资产不同于传统的固定资产或无形资产，它具有非竞争性、可复制性、价值易变性等独特属性。一台机器设备的价值可以通过重置成本法轻易估算，但一组用户行为数据、一套供应链算法模型，其价值究竟几何？

本文将从实务角度，结合国内外典型案例与极为新政策动态，为企业CFO拆解数据资产估值的底层逻辑与操作路径。

一、数据资产估值为何成为企业CFO的“必答题”

据中国信通院《数据要素白皮书（2024年）》统计，截至2024年6月，已有超过300家A股上市公司在年报中披露了数据资源入表情况，涉及金额合计超过120亿元。这一数字仍在快速增长。

然而，入表只是领先步。当企业需要进行数据资产交易、质押融资、出资入股、并购重组时，估值定价就成为绕不开的核心环节。2024年8月，浙江省某大数据公司以其持有的城市交通数据资产作为质押物，成功获得银行授信5000万元，这背后依赖的正是专业的估值模型。

“数据资产估值不是一道可有可无的附加题，而是企业数字化转型中的必答题。CFO需要像管理资金流一样管理数据资产的价值流。”——某头部会计师事务所数据资产合伙人

二、三大主流估值方法：成本法、收益法、市场法

目前，业界对数据资产估值尚未形成统一标准，但普遍认可成本法、收益法、市场法三大基础路径。三者各有适用场景，也各有局限。

1. 成本法：从“花了多少钱”看价值

成本法以数据资产的历史成本或重置成本为基础，包括数据采集、清洗、标注、存储、加工等环节的投入。其逻辑简单直观，适合内部管理型数据资产或尚未产生直接经济收益的数据集。

但成本法的缺陷同样明显：数据资产的价值往往与其成本不成正比。某电商平台花费500万元构建的用户画像系统，可能创造出数亿元的营销价值；而一个投入巨大的科研数据库，若缺乏应用场景，可能一文不值。

2. 收益法：从“能赚多少钱”看价值

收益法通过预测数据资产未来产生的现金流，并折现到当前时点。这是目前极为具理论说服力的方法，尤其适用于可直接量化收益的数据产品，如数据API接口、数据报告订阅、算法模型授权等。

例如，某金融科技公司将其风控模型授权给多家银行使用，每年产生稳定授权收入。采用收益法估值时，需合理预测收入增长率、折现率及数据资产的经济寿命期。实务中，折现率的确定是极为大难点，通常需参考同类资产的回报率并叠加风险溢价。

3. 市场法：从“别人卖多少钱”看价值

市场法参考类似数据资产的近期交易价格进行调整。其前提是存在活跃、透明的数据交易市场。目前，北京国际大数据交易所、上海数据交易所、广州数据交易所等全国40余家数据交易机构正在构建市场生态。

但市场法面临两大挑战：一是可比交易案例稀缺，数据资产具有高度异质性；二是交易价格往往不公开，难以获取可靠参照。2024年11月，深圳数据交易所上线了数据资产估值参考系统，收录了超过2000个历史交易案例，为市场法应用提供了重要基础设施。

三、进阶方法论：多维度复合估值模型

单一方法难以全面反映数据资产价值。越来越多的专业机构开始采用复合估值模型，从多维度交叉验证。

以某工业互联网平台为例，其拥有设备运行数据、工艺参数数据、质量检测数据等多元数据集。评估团队采用了“成本法+收益法+层次分析法”的组合方案：

• 对基础数据层采用成本法，核算采集与治理投入；
• 对数据产品层采用收益法，预测API授权收入；
• 通过层次分析法确定各层权重，并引入数据质量、稀缺性、应用场景等调节系数。

极为终估值结果较单一方法偏差缩小了约35%，获得了交易双方及审计机构的认可。

数据资产估值没有“标准答案”，但有“极为优路径”。关键在于根据资产类型、交易目的、市场环境，构建适配的估值模型组合。

免费咨询数据资产入表

专业团队一对一服务