Copyright © 2017 河南盛达资产评估有限公司
基于成本法的金融数据资产估值
近年来,随着数字经济崛起,数据是数字经济的关键要素已经形成共识。数据资产化是数据要素市场建设的前提。
合理选择评估方法
金融数据资产依托实物载体而存在,储存在一定介质里;可被无限次共享且不会损耗;其价值具有易变性,会随着使用次数增多和其精准度的提高而提升;具有可加工性,可以被维护、更新、补充,但也能被删除、合并、归集。
构建数据要素市场的关键问题在于数据资产的合理估值。数据资产估值是促进数据资产在市场中高效流通的关键环节,是推动数据资产成为新的关键生产要素的基础性工作。在评估方法选择上,评估资产价值的基本方法包括市场法、收益法、成本法。
市场法是根据相同或相似的数据资产的近期或往期成交价格,通过对比分析评估数据资产价值的方法。但当前,金融数据资产的交易市场尚未形成一定市场规模,交易案例较少,相关交易价格、交易时间、交易条件等信息搜集比较困难。
收益法是通过预计数据资产带来的收益估计其价值。目前,通过金融数据资产直接获得收益的较少,有些金融数据资产不是在企业经营中形成直接收益,直接预测收益有一定难度。
成本法是根据形成数据资产的成本进行评估。尽管数据资产的成本随市场变化具有一定波动性,但分析数据资产价值与其重置成本的相关程度,以成本法评估其价值存在一定合理性。
案例分析
A公司成立于2019年12月,是一家以云计算、大数据、人工智能、区块链等前沿技术为基础的金融科技公司。
选取A公司申报的科创金融项目内部采集的数据资源(以下简称A公司金融数据要素)为评估对象;评估范围为“A公司金融数据要素”项目下所内采、外购数据相关的已发生的历史成本;评估基准日是2022年12月31日。
A公司金融数据要素的成本统计分为数据资产获取阶段和数据资产研发阶段。其中,获取阶段包括提供应用服务、机器采集、程序爬虫以及购买取得。获取阶段发生的成本有购买数据的价款、人工工资、差旅费、材料费、打印费、网络费等相关费用。数据资产研发阶段包括数据导入和预处理、数据统计和分析、数据挖掘,发生的成本有设备折旧、研发人员工资等。
采取行业回报率作为A公司金融数据要素的投资回报率。从wind数据库中找到与案例公司数据资产类型相同、规模相似的12家企业,并选取近三年数据资产回报率的平均数8%作为A公司金融数据要素的投资回报率R。
评估数据效用U包括数据质量系数α以及数据流通系数β。其中,考虑到金融数据要素的保密性与安全性,数据质量系数α通常由中国信息通信研究院云计算与大数据研究所进行测算,信通院为“A公司金融数据要素”出具了数据质量的白皮书,测算出其数据质量系数α为99.2%。数据质量系数α通常小于1。
关于数据流通系数β,数据资产按流通类型分为开放数据、公开数据、共享数据和非共享数据四类。如果企业只拥有非共享数据,那么数据流通系数β为0,数据资产价值也为0,说明数据虽有价值但不一定能成为数据资产。
数据流通系数由a开放数据量、b公开数据量、c共享数据量和总数据量决定。
a、b、c分别为开放、公开和共享3种数据流通类型的传播系数,非共享数据流通限制过强,对整体流通效率影响忽略不计;传播系数、数据流通系数β通常小于1。
评估A公司金融数据流通效率时,一是通过可流通数据量占总数据量的比重确定数据对外开放共享程度。
二是考虑到不同类型数据影响范围不同,将数据传播系数按照数据类型进行分类,通过查看网站访问量测算具体数值。其中,A公司金融数据要素中的开放数据不一定对所有人公开,通过权限才能查看访问。公开数据和共享数据的传播系数计算同理。
由于数据资产垄断性不仅受限于所属行业,还可能与其所处地域相关、价值实现环节较多且评估过程复杂,如果判断有难度可以忽略不计。此次采用专家打分法与层次分析法获得A公司的垄断系数Ι与风险系数δ。垄断系数Ι与风险系数δ一般小于1。
此次评估以持续使用和公开市场为前提,结合委估对象实际情况,经实施清查核实、实地查勘、市场调查、评定估算等评估程序,得出了A公司金融数据要素的评估值。
需各专业结构合力
当前,我国数字经济处于快速成长期,但数据资产的价值评估还存在很大困难。
一方面,对数据资产进行精确的估值需要完善的数据市场作为前提。另一方面,数据资产实现价值的过程具有高度的不确定性,在当前和未来时点的价值可能并不相同,在应用和流通中可能发生价值增值。此外,数据资产价值与应用场景紧密相关,不同应用场景中的价值可能并不相同。
在A公司金融数据资产估值过程中,在传统成本法的基础上采用了比较具体、可操作性强的模型,使用案例对估值模型进行检验。此方法是目前对于案例公司金融数据资产估值较为合适的方法。但成本法也存在问题,如成本费用与数据资产价值关联性的确定存在一定主观性,评估公司很难单独完成金融数据资产的价值测算,需各个相关专业机构的配合与支持。