《数据资产》专题：《数据资产》如何确权、估值? 《数据产权》如何明确、保护?

本文主要是介绍《数据资产》专题：《数据资产》如何确权、估值? 《数据产权》如何明确、保护?，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

2020 年 04 月 10 日，《中共中央国务院关于“构建更加完善的要素市场化配置体制机制”的意见》正式公布，将数据确立为五大生产要素（土地、资本、劳动力以及技术）之一，数据要素市场化已成为建设数字中国不可或缺的一部分，数据资产时代已然来临。

会计学上，资产指由企业过去的交易或事项形成的、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，具有三项核心特征：资产应归属某主体所有或控制，即权属明确；资产能够产生既有的或预期的经济利益，且可计量；资产是一种资源，可进行交易。

参考资产的核心特征，数据目前还存在两大问题：一是权属模糊，数据从生产到流转的过程中，可产生衍生数据及衍生数据主体，数据资产主体具有多重性；二是没有统一、普适性的定价标准和健全的数据资产交易机制，使得数据资产的价值无法量化。

这意味着，数据资产化需要克服两个重要且极具挑战的命题，即法律角度的数据资产确权和市场角度的数据资产估值与交易。

本文将对数字资产化进行深度分析，解答数据资产是什么、数据资产如何确权、数据资产如何估值三大问题。

什么是《数据资产》？

1.我国高度重视数据要素的发展

自2015年出台《促进大数据发展行动纲要》至今，我国出台了诸多政策和法案，推进数据的发展和要素的资产化。

2.数据资产的定义

关于数据资产的定义，目前还没有一个统一的说法。

学者朱扬勇、叶雅珍认为，数据资产是拥有数据权属（勘探权、使用权、所有权）、有价值、可计量、可读取的网络空间中的数据集。

中国信通院认为，数据资产指由企业拥有或者控制的，能够为企业带来未来经济利益的，以物理或电子方式记录的数据资源，如文件资料、电子数据等。

光大银行&瞭望智库认为，从企业应用的角度，数据资产是企业过去的交易或事项形成的，由企业合法拥有或控制，且预期在未来一定时期内为企业带来经济利益的以电子方式记录的数据资源。

综合比较，个人认为光大银行的说法更为合适些。“企业合法拥有或控制”强调数据来源及出处合法合规，这与目前高度强调数据安全的发展理念相契合；“电子记录”强调数据资产的存在形式，指能够通过盘点、注册等管理手段对数据资产进行识别、记录及计量，物理记录的数据是不能算作数据资产的。

3.数据资产的特征

相较于传统的有形资产和无形资产，数据资产具有非实体性和无消耗性、可加工性、多样性、依托性、价值易变性、多次衍生性、可共享性和零成本复制性八大特征。

普华永道将数据资产的基本特征总结为五点，即非实体性、依托性、多样性、可加工性和价值易变性。

光大银行&瞭望智库则在其基础上进行了丰富，除非实体性、可加工性、多样性、依托性、价值易变性外，新增了多次衍生性、可共享性和零成本复制性。

多次衍生性指同一数据主体可以被多层次多维度加工，从而衍生出不同程度的数据价值，进行多层次、多维度数据资产潜在价值挖掘，丰富数据资产；可共享性指数据资产可以进行无限地进行交换、转让和使用，利用其共享性可最大程度地挖掘数据资产价值；零成本复制性指数据资产的成本主要在于前期的数据读取和研究开发阶段，因此初创数据资产的成本极高，但之后的复制、共享，边际成本趋于零。

数据资产的诸多特征，很大程度上导致了归属权确认和估值交易的难度。

《数据资产》如何确权？

数据确权是实现数据安全有序流动和数据资产化不可或缺的重要前提。

但是，由于数据资产的特殊属性，我国到目前为止还没有一部全国性的数据确权立法，业内也还未对数据资产的确权形成统一的看法。

普华永道看来，数据确权要解决三个基本问题。

一是数据权利属性，即给予数据何种权利保护;二是数据权利主体，即谁应当享有数据权利;三是数据权利内容，即数据主体享有何种具体的权利。并提出实现数据产业的健康发展亟需建立可行的数据分类体系，明确不同类型数据权利在数据资产化过程中的定位和设计。对于个人数据、政务数据和企业数据进行合理划分，并对企业数据的采集权、使用权、收益权、处分权进行合理分配，以有效促进数据资产化的进程和保护数据主体权益并维护数据安全。

中国信通院也曾提出过数据确权的“三分原则”：分割、分类、分级。

分割原理指将数据产权进行分割为数据公有产权和数据私有产权（如图），在确权时平衡数据价值链中各参与者的权益。总体思路是为数据公有产权和数据私有产权，对公共数据强调集体权益不受侵犯而共享收益最大化，对原始数据强化个人信息的隐私保护，对数据企业添附后的衍生数据则突出利益保护。分类原理指根据数据主体的不同，将数据分为个人数据、企业数据、社会数据三部分。分级原理指按照竞争性和排他性对数据进行不同级别的划分，将数据分为私有品、准公共品、公共品。

两家机构对数据确权的一些原则和思路有些相似之处，即数据确权方式不能一概而论，需要考虑数据主体、数据类型、数据性质的差异性。

产权归属终究是法律层面的概念，最重要的还是需要从司法角度不断完善。目前数据产权相关法规的缺失给司法实践、企业合规、行政监管均带来诸多不便，需要建立健全的数据产权制度，健全的数据产权制度是数据资产化的保障。

《数据资产》如何估值？

统一的数据资产估值即定价标准是数据要素配置的重要手段。但是目前市场上尚无对数据资产进行估值的通用方式和统一标准，这或与其是一种新要素以及本身的特性有关。

以下总结了几个机构提出的估值方法供参考。

1.光大银行：货币估值法和非货币估值法

光大银行按照估值结果的形式将估值方法分为以货币度量的估值方法及非货币度量的估值方法两类。

货币度量的估值方法以传统资产评估方法为代表，主要包括成本法、收益法以及市场法三大类，此外还包括由Gartner提出的浪费价值（WVI）和风险价值（RVI）两种货币类评估模型。非货币度量法主要包括Gartner提出的内部价值（IVI）、业务价值（BVI）和绩效价值（PVI）三类模型，分别从数据的内部特征、业务价值和绩效的角度进行评估，同时也涵盖实践中各类参数形成的综合评估体系。具体如下表：

在方法应用方面，货币类资产评估方法当前已经有较为成熟的方法体系，但数据资产与传统资产间有较大差异，当前估值方法难以适用于数据资产，市场当前也无实际应用货币度量类的估值方法对数据资产价值进行衡量的先例。

相比之下，非货币度量估值方法不受到货币单位的限制，部分数据技术领先的企业已具备实际应用条件。总体上，对此类估值方法的应用和前述方法的应用思路有一致性，即根据与数据资产价值实现相关的维度构建评估模型，但不同企业对数据资产评估的范围各不一致，且评估时普遍会依据自身的业务关注点选取特有的衡量维度创建度量体系，在维度和模型算法构建上也有较大差异。

2.普华永道：数据资产估值的框架体系

普华永道结合数据资产的特征和发展阶段提出了数据资产估值的框架体系，认为在暂没有活跃交易市场的情形下，主要根据数据的发展阶段从成本角度及收益/效益角度对数据资产价值进行分析；在有活跃交易市场的情形下，可从数据资产交易价值（市场角度）结合类比数据资产特征进行分析。

其中，成本思路指从形成数据资产所需花费的成本进行评估。适用于处于开发初期（即没有形成显著社会价值及经济价值的数据资产）的数据资产估值。可变现净值思路指以数据资产于预计处置日的估计处置价格，减去为处置该资产需要额外发生的费用（例如交易成本，税费）等，得到期末的可变现净值，将其通过合适的折现率折现以得到数据资产于当下的估计价值。

其他估值思路需要复杂的公式进行辅助理解，故不详细介绍，建议看看普华永道的《数据资产化前瞻性研究白皮书》报告原文。