数据资产特性与价值尺度研究系列之四～【交流研讨】理解数据资产及其价值易变性

A老男孩

在本文中，我们的主要观点如下：

1、在资本化语境中，“资产”与“（经济）价值”是一对相互匹配的范畴。

“为主体带来收入”是构成资产的必要条件，这一点已经成为相关专业的共识；资产评估理论的奠基人费雪则揭示了资本化视角下的资产未来收入与价值的关系。此时，“资产”与“价值”相互匹配，严格来讲，提及“价值”，即是指作为“资产”的经济价值，是资本化的收入；提及“资产”，则暗示着对其“价值”属性而非其他属性的强调。

明确“资产”与“价值”的匹配，在严格审视数据资产性质方面，具有理论意义。数据具有多种性质，其中与价值直接相关的可以视为数据作为“资产”的性质，即“数据资产的性质”；与使用价值相关的性质，可以视为数据作为“物”的性质，即“数据的性质”。也因此，将“数据的性质”视为“数据资产的物理性质”亦有一定合理性。“数据的性质”并不直接与价值相关，这些性质对价值的影响通常需要通过“数据资产的性质”间接实现。

明确“资产”与“价值”的匹配也具有实践意义，如帮助对“数据质量”与“数据资产的数据质量因素”这两个概念的辨析。

2、“数据质量”与“数据资产的数据质量因素”并非同一概念。数据质量越高并不意味着数据资产价值必然越高。资产评估报告利用数据质量评价报告，需特别注意，后者作为数据利用前提的“指定条件”应当与资产评估假设中的数据资产预期利用方式一致。

在数据资产评估实践中，不考虑“数据质量”与“数据资产的数据质量因素”的区别，直接将“数据质量”评价结论作为“数据资产的数据质量因素”分析结论，是错误的做法。典型的现象是，将数据质量评价得分作为评估调整系数直接与数据资产价值初步测算结论相乘，从而得到评估结论。“数据资产的数据质量因素”调整系数可以通过对数据质量与数据资产价值关系的分析得出结论，不应不经分析直接采用数据质量评价得分。

数据质量评价报告隐含着数据在“指定条件”下利用这一前提，如果这一前提与资产评估假设不一致，评估结论可能产生错误。因此在不能确保二者一致的情况下，不宜将数据质量评价报告视为可以被资产评估报告所利用。目前，数据质量评价报告通常并不披露“指定条件”具体内涵，从经济行为中两份报告相互配合的现实需求出发，这一点应当由数据质量评价报告予以改进；对于资产评估师而言，则需要采取访谈等其他核查验证形式来确认二者的一致性。

3、在数据资产价值计量与评估领域，数据资产的本质是数据资产权利。

基于《数据资产评估指导意见》《财务报告概念框架》《国际评估准则》等准则，可以认为，在数据资产价值计量与评估领域，数据资产的本质是数据资产权利。数据资产的价值，是数据资产权利的价值。对于传统资产，该权利通常是所有权或所有权的衍生权利；对于不能“所有”的数据资产，该权利并非所有权。从数据资产的价值来源看，尽管该权利并非所有权，但依然属于一种主体可以凭借其取得收益的权利。本系列后续文章将作进一步探讨。

4、数据发挥使用价值的机制是其提供的信息指导人在实践中降低决策风险。“利用方式”“提供信息能力”和“特定目的（利用方式、场景）下的数据质量因素”是衡量“数据价值”的三个主要维度。

在对具体数据资产价值的判断中，通常只有当“数据存在用途”“数据能够提供信息”和“数据有能力提供可以降低决策风险的信息”这三个使用价值层面的条件依次成立，数据资产才能够正常地为主体带来收入，“数据资产具有价值”这一结论才能够成立。

5、在不考虑经济价值与其他价值存在相互转化机制的条件下，通常，只有可以参与产业化经营的数据才可能具有经济价值。

资产之所以在当下具有价值，是因为资产能够在未来带来收入。对于包括数据资产在内的无形资产而言，“可以参与产业化经营”通常是必要条件。“可以参与产业化经营”强调产业化经营路径的畅通，不等同于“实际参与产业化经营”。

树状结构数据资产的价值是多项产业化经营带来收入形成的整体价值；数据资产在一条产业链上的价值是一项产业化经营带来收入形成的价值；而常见的备份数据资产之间所谓的“交易”，只是数据利用人之间的分配金额，并非真正的“交易”。数据资产能够参与产业化经营、能够参与产品或服务的生产提供，即能够参与“做蛋糕”，各数据利用人之间才能够“交易”数据资产，即参与分蛋糕。本系列后续文章将具体解释这一点。

6、数据价值随时间的推移产生变化，即“时变”，是价值易变性的本质特征。

随着市场供求的变化，市场上现有的数据产业链最终产品可能会消失，新的最终产品可能会诞生。当产业链最终产品发生变更，此时数据利用方式产生变化，数据价值固然随之变化；当产业链最终产品不发生变更，此时数据利用方式不产生变化，而数据所依附的物质自身和数据利用的市场、技术等外部条件依然会随时间的推移产生变化，因此数据的价值通常也会改变。这种数据价值随时间的推移产生变化的特征，即数据资产的价值易变性。

数据资产价值在某些情况下的变化并不属于价值易变性带来的价值变化，需要避免造成混淆。例如，来源数据本身的变更。当随时间推移先后产生的两项来源数据聚合为一项来源数据，可能产生协同价值，引起聚合后数据资产价值的增加。由于来源数据发生变更，这并非“同一项”数据资产的价值变化，也与价值易变性无关。

数据资产价值在某些情况下的变化属于价值易变性带来的价值变化，而非其他原因，同样需要避免造成混淆。例如，一项数据资产在某种应用场景下因中止带来收入或带来的收入降低而产生价值变化，这是随时间推移产生的数据资产价值的变化，并非数据资产贬值。随时间推移，未来该数据资产也可能在该应用场景下恢复带来收入或带来的收入提升，这难以用数据资产贬值来解释。前者与后者并无本质区别，如果将前者解释为数据资产贬值，那么后者将难以与前者保持解释上的一致性。

7、数据资产相对于传统资产具有较大的交易不公平风险。面对超越传统资产的价值波动水平，并非评估技术不适用于数据资产，而是“一次性买断”式的交易方式本身，面对价值易变的数据资产，难以实现交易公平。既要考虑数据资产如何评估，又要考虑如何使数据交易制度利用好资产评估这个工具。

数据资产的价值易变性特征为数据资产评估的利用方式假设提供了非常丰富、不易预见的可能性；在数字经济时代，数据价值变化的长期趋势和短期幅度也具有较大不确定性。相对于传统资产，数据资产的价值更加易变，交易价格偏离价值的可能性、幅度范围和变化速度通常倾向于增大。这对于交易双方均意味着交易不公平风险增加。

产权的界定不是一劳永逸和固定不变的，实际上是一个动态的过程。将这一过程视为静态过程，以“一次性买断”方式来交易资产产权，既有益处也有弊端。对于具有价值易变性的数据资产产权而言，弊端比传统资产更显著。这就要求在数据基础制度建设层面对数据资产的合理交易模式有所考虑，降低价值易变性导致的“一次性买断”交易价格偏离价值程度的较高不确定性及其影响。关于资产评估服务数据基础制度建设的探讨，将在本系列后续文章开展。

查看原文 原文转载自微信公众号,著作权归作者所有