《数据资产》专题：《数据权属、数据资产、数据产权》如何明确、估值、保护？

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。

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。

3.中国信通院：成熟要素市场的“四因素定价模型”

中国信通院认为，数据具有类似金融资本和人力资本的双重属性，即数据具有金融资本的增值性、风险性，也有人力资本的异质性。故数据价格是其补偿价值、增值价值、异质性价值、风险溢价的集合。

补偿价值即为成本，增值价值指数据带来的市场价值和社会价值，异质性价值指由于数据结构异质、搜集主体各不相同、价值高度依赖使用场景等带来的异质性价值和数据交易市场分割带来的异质性价值。风险溢价是指数据投资组合的收益率与无风险收益率的差额，用来衡量数据资产投资者由于承担风险而获得的报酬率。

“四因素定价模型”即指数据价值是补偿价值和新增价值的和。具体计算公式比较复杂，在此不展开，有兴趣的朋友可以看看中国信通院发布的《数据价值化与数据要素市场发展报告（2021）》。

在数字经济蓬勃发展的大背景下，数据资产化成为必然趋势。

根据科斯定理的逻辑，只要数据的产权得到清晰界定，即可进入市场流通交易。土地、劳动力、资本、技术等传统生产要素都经历了明确产权的过程，随后才得以通过市场化机制流通、盘活。

相信随着数字经济的发展，数据相关的配套法律法规逐步完善，数据产权得以明晰，数据估值的市场机制得以完善，数据资产的价值将被真正释放出来。