电子数据资产及其评估方法量化改进：创新与实证

■ 张铭洪 蔡少俊 魏永坤 赵 海

（1. 厦门大学经济学院，福建厦门 361005；2. 深圳市星领域教育科技有限公司，广东深圳 518048；3. 厦门市思明区税务局信息中心，福建厦门 361005）

一、引言

大数据和云时代接踵而来使得电子数据呈现爆炸式增长。传统的统计抽样分析已经不能满足一些精度极高的分析需求，同时信息技术进步而不断提高的信息处理能力和传输速率使得人们有能力处理大量的数据。大量数据中蕴含的信息已开始受到各行业的广泛重视，数据资源的重要性日益凸显。党的十八届五中全会公报提出要实施“国家大数据战略”，《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》首次将数据视为一种重要的生产要素，明确指出“发展数字经济，推进数字经济产业化和产业数字化”、推进土地、劳动力、资本、技术、数据等要素市场化改革。在此背景下，电子数据资产的概念被人们所提和熟悉，围绕数据资产的服务行业开始蓬勃发展，同时电子数据资产作为一种新型资产，其还带动了相关金融行业业务范围如数据资产保险、数据资产抵质押、数据资产证券化的发展，对电子数据资产的资产价值和评估问题研究就显得格外的迫切和重要。

国内学者对电子数据资产的探索处于起步阶段，研究资料较为稀少。我国学者主要通过对现有三大基本评估方法的改进和尝试性的引入AHP方法来处理电子数据资产的评估问题，评估依据理论的科学性和评估过程中的主观性问题仍需长时间的探讨和完善。张志刚等（2015）描述了数据资产的定义及评估方法的模型，引入层次分析模型构建指标评价体系；从数据资产的成本和应用两方面构建数据资产价值评估模型，提出一套全新的数据资产价值评估方法。对于单一数据资产的评估结合层次分析法的评估方法是一种较为有效的评估方法，然而针对数据资产的特殊性来改进AHP的评估方法是近年来较为主流的研究方法。张咏梅和穆文娟（2015）选择成本法评估数据资产中的金融数据资产，并在构建的金融资产价值评估模型中加入了风险因素。

电子数据资产是近几年才受到专家学者们的关注，目前还没有关于电子数据资产价值的准确定义和统一的价值认定标准，亦没有形成一个权威的电子数据资产价值评估模型。本文将从明确电子数据资产的定义开始，分析讨论电子数据资产的性质特征和价值表现形式，并依据市场法的逻辑框架对电子数据资产评估过程中的主观性问题和电子数据资产价值评估模型进行讨论和改进。

二、电子数据资产基本要素

（一）电子数据资产定义

电子数据资产是指企业消耗一定的人力物力财力，在生产运营过程中产生并积累或有意识的运用一定的电子数据收集技术方法和统计方法对数据信息进行撷取、管理、处理、整理成为帮助企业经营决策或预期能为企业带来经济收益，可用货币单位来计量由企业拥有或者控制并以某一种格式存储在电子信息存储介质上的新生资源。

（二）电子数据资产性质特征

信息资产是企业拥有或控制的一项特殊资产。其存在需要媒介，具有一般物质资产的特征，同时又兼有信息资源和无形资产的双重特征。电子数据资产是信息资产的一部分，因此其不仅继承了信息资产的多种性质，同时还具有自身特殊的性质：

①传输低成本。电子数据能够应用现在主流数字化、网络化信息技术和手段方便快捷进行存储、复制、传输和处理，具有低成本的特性。②可还原性。现有数据管理系统和工具具有良好的冗余备份功能，在对电子数据进行修改、增添、删除等错误操作后，一般可以恢复和修复数据。③高风险性。随着互联网的发展和应用，不法分子可利用计算机系统和互联网的漏洞和缺陷对电子数据库进行窃取、破坏、更改，造成企业巨大的经济损失。④非磨损性。不同于一般的资源如矿产资源，在使用过程中会不断减少。电子数据资产可重复多次使用而不会发生损耗，相反，在数据使用过程中可能会产生新的数据。⑤增值性。增值性也称为积累性。一些通过技术手段实时获取的动态业务和监测电子数据，随着数据量规模不断扩大，数据间的协同效应和数据量本身的增加会使得电子数据资产价值也随之提升。⑥替代性。随着信息技术更新换代以及市场环境的变迁，一些旧的数据集合不再能适用新环境要求，新的数据指标将会替代旧的数据指标。⑦附着性也称为依赖性。电子数据不能直观被查看，必须通过设备读取存储介质内的二进制码，然后通过计算机按一定的编码规则转换成我们需要的数据格式。因此，电子数据是以二进制编码进行存储，不能脱离载体单而独存在。⑧共享性。电子数据因其可复制性和具有经验产品的公共物品性质而形成的外部性和非排他性，使得电子数据具有共享性。⑨数据使用差异性。不同的企业或个人因其背景经历、对事物认识程度、理解能力、侧重点差异性导致对同一电子数据的分析结果存在明显偏差，数据分析结果的差异性还取决于企业或个人的分析目的、分析方法的选择等主观因素的影响。⑩时效性。数据资产给企业带来的收益是逐年递减的，按照目前数据的使用情况来看，数据资产所能创造的价值在五年后基本耗用殆尽。

（三）电子数据资产分类

电子数据资产的分类有很多种，本文所提出的几种分类方式是服务于电子数据资产评估方法的分类方式。

一是按电子数据是否与数据库交互分为动态电子数据和静态电子数据。汪振林（2013）根据收集措施的不同来对动态、静态电子数据进行区分，若采用实时收集或电子监视来收集数据则称为动态电子数据，反之为静态电子数据。在此基础上，本文对该分类方法进行补充。本文认为在一个数据库内数据是动态的，即便是静态数据也是会进行修改、删除等操作。因而从获取数据的方式来判断并不合适。本文从数据显示是否与数据库交互来区分，当数据使用者在查看数据时，数据从数据库中被读取后显示，此时数据若时依旧保持与服务器上数据库的交互，则被称为动态数据。若数据只是从数据库一次性获取后便断开与数据库的交互，便是静态数据。

二是按行业与数据资产相关程度由高至低分为数据强相关行业的数据资产、数据相关行业的数据资产、数据弱相关行业的数据资产。国家统计局于2011年以2008年联合国重新修订的《国际标准行业分类》（ISIC4）为参照修订了《国民经济行业分类》，本文根据该标准将总共二十大类的行业根据与数据资产相关程度进行分类。其中数据强相关行业的数据资产包括交通运输、仓储和邮政业数据；信息传输、计算机服务和软件业数据；批发和零售业数据；金融业数据；科学研究、技术服务和地质勘查业数据；文化、体育和娱乐业数据。数据相关行业的数据资产包括制造业数据；建筑业数据；住宿和餐饮业数据；房地产业数据；租赁和商务服务业数据；教育数据；公共管理和社会组织数据；国际组织数据。数据弱相关行业的数据资产包括农、林、牧、渔业数据；采矿业数据；电力、燃气、水的生产和供应业数据；水利、环境和公共设施管理业数据；居民服务和其他服务业数据；卫生、社会保障和社会福利业数据。该三级分类服务于数据资产评估进行分类这一设想，通过不同层次采用不同方法以达到合理的、偏差小的评估结果。

三是按电子数据（能否以纸质方式）显示形式分为纯电子数据和非纯电子数据。纯电子数据指只能在电子设备上进行显示或称软拷贝，如视频、动画、音频等。非纯电子数据指不止能在电子设备上显示（软拷贝），还能通过硬拷贝的方式显示阅读，如文字、图片、数字等。按电子数据是否直接获取分为直接电子数据和间接电子数据。直接电子数据是通过一定的收集方式从来源处直接获取。间接电子数据是从直接电子数据中衍生出来的数据，也称衍生数据。举例来说，网络商城的交易数据记录为直接电子数据，而通过处理产生的交易者的平均年龄则为间接电子数据。

四是按电子数据的类型可分为文本型数据、图片型数据、音频型数据和视频型数据。本文的指标体系是建立在该分类之下，指标体系中的个性指标按照该分类而有所不同，具体指标选取详见下后文中评估指标的选择。

（四）电子数据资产价值主要表现形式

电子数据价值不仅在于其表面直观体现的显性价值，还在于对其进行数据分析的隐形价值。有些数据在分析后可具备合理的解释，然而更多在于分析后所呈现的一些复杂的相关性。这种相关性通常会超出传统理论的解释范围，这也是数据的研究魅力之一。

1.开发价值。开发价值也称为挖掘价值、潜在价值或隐形价值。是电子数据价值中最重要的价值形式之一，包括科研价值、商业价值等，通过使用数据处理工具、初始数据梳理、建立模型、采用数据分析技术、利用数据和模型的关系优化结果。经过一系列的流程，将数据的隐形价值转化为显性价值，并将此结果应用到生活各个领域，电子数据服务于医疗、商业、科研、教育、电子商务、市政服务、旅游、个人健康等。近年来，电子数据开发价值越发明显，特别是大数据概念提出以来，数据隐形价值的挖掘算法理论不断发展、改进，并形成分类、估计、预测、相关性分析、聚类、复杂数据类型挖掘等相对完善体系分支。

2.协同价值。协同价值也称为附加值或创造价值，分为内部和外部协同价值，数据内部协同价值指数据质量的提高或数据量增加导致数据的关系明显或产生新的关系，因而使得原有数据集的价值更具价值。数据外部协同价值指新的数据集的加入原有的数据集而导致更多数据关联的产生，该合并的数据集大于孤立两个数据集的价值之和。将使得原有数据发挥更大的作用，数据价值在数据间的协同效应下发挥更大的价值。

3.现行价值。现行价值是指数据在不经过任何数据挖掘技术处理之前就具有的价值，也称为显性价值或现实价值。在数据挖掘未出现之前，许多数据都是直接利用统计分析而得出具有参考意义的结果。

4.市场价值。市场价值也称为交易价值，是指一项电子数据资产在交易市场上的价格，它是买卖双方通过相互竞价博弈协商后产生的双方都认同的价格。我国电子数据资产交易市场尚未形成体系，但也已经有一些代表性的交易平台出现，如数海交易平台。该平台通过平台资源优势来编制合理的大数据定价机制，同时依据该机制构建价格指数，建立规范完善的电子数据资产交易市场，为电子数据资产交易双方提供交易平台。

5.经济价值。经济价值是开发价值的一种体现形式，在将隐形价值转化为显性价值的过程中或在对数据分析结果进行合理应用时，企业或个人在该过程中直接提供技术服务。如数据分析、云计算等由数据或围绕该过程而提供相关衍生的服务而取得的一定的收益。电子数据的经济价值在目前各种互联网相关行业、软件开发行业、数据服务商、市场调查企业、市场研究企业中体现尤为明显，带动了一大批新兴行业，为社会创造了价值。

三、电子数据资产价值评估模型与方法

（一）评价指标构建思路与原则

1.评价指标体系构建思路

电子数据资产价值是以开发价值为中心，按电子数据资产的类型加以区分，以数据内容质量、数据市场供需、数据来源为主要分支，通过数据资产自身和外部市场情况相结合、共性指标和各类型的个性指标相结合的电子数据资产价值评估体系。本文所采用的方法是综合估值法，或称多变量综合估值法，是指通过构建一套评估指标体系，并运用一定的评估处理方法将不同指标整合成为一项综合评估值。本文综合考虑主客观因素对指标权重的影响采用主客观的组合赋权方法，主观方法为层次分析法和序关系法，客观方法为CRITIC法和变异系数法，构建带限制条件的求基于方差最小的最优解方程并采用遗传算法求得组合权重，根据求得的权重分别计算综合评估值。

2.评价指标体系构建原则

单指标选取通常要遵循SMART原则。“S”代表评价指标必须是具体、明确的，“M”代表评价指标必须是可度量、可评价的，“A”代表评价指标是可实现的、切合实际的，“R”代表指标是现实的、非假设的，“T”代表评价指标是明确时限的。本文的指标体系的构建主要依据以下原则：第一，全面性和代表性相结合的原则。全面性体现在所选择的指标能够全面的解释数据资产信息，同时所选择的指标应当能体现数据资产的核心价值。第二，定性和定量相结合的原则。定性指标体系中所选择的指标含有对数据资产价值的主观价值判断，定量指标体系中含有指标是数据资产客观事实的反映。第三，一般性和特殊性相结合的原则。本文构建的数据资产价值体系要既能反映数据资产标的共性同时也体现每个标的资产的个体表现，将不同的标的资产加以区分。

（二）评估指标的选择

一套完整的评价指标体系包括目标层、准则层、指标层，本文所构建数据资产价值评估体系的目标层为数据资产价值评估，准则层包括数据基本信息、数据质量、数据市场供需、数据来源四种，同时下设若干指标及分指标，指标分为正向指标和反向指标，按其特殊性与否分为个性指标和共性指标：

①数据基本信息A。数据基本信息为电子数据的基本参数，本文的数据资产分类为文本、图像、音频、视频，本文由数据资产的分类来确定个性指标，因此个性指标主要集中在数据基本信息A中。②数据质量B。数据质量包括数据购买者的使用评价B1、是否经过数据清洗 B2、使用难度B3。③数据市场供需 C。数据市场供需包括数据的下载次数 C1、主要用途种类 C2、交易市场上类似数据数量 C3。④数据来源 D。数据来源包括数据发布者 D1、获取难度 D2、发布时间距今日的天数 D3。

（三）定性指标定量化处理

本文采用模糊数学中的集值统计方法对初选指标体系中的定性指标进行定量化处理，所有的定性指标评价区间为 。假设有A个专家对B项标的资产的C个定性指标进行判定，第 a（a=1,2,…,A）位专家对于任一标的资产 b（b=1,2,…,B）的某一定性指标 c（c=1,2,…,C）给出的评价区间记为将A个区间叠加，则会形成经典集值统计理论中的分布（落影）。落影函数反映每位专家的评价区间，可设为：

该式为每位专家落影函数。对于同一项标的资产的同一个定性指标b和c是不变的。将所有A位专家的落影函数进行重叠，则可以得到模糊覆盖频率样本落影的估计函数，该函数为多位专家评价区间上的分布。根据张卫华和王建军（2007）定性指标定量化的方法中对于传统集值统计进行合理的改进，将传统每个专家均分评判结果改为与专家评价区间宽度相关的权重确定方法：

式（2）说明专家给出的判断范围越小，说明专家的把握性越大，对于判断越精准，这对于最终的检验有不少的提升。令为A专家的评估区间端点值从小至大排列而成的序列，令为评判区间包含区间各专家权重之和，即为：所以，分布函数为：

根据集值统计原理，标的资产b的第c个定性指标的综合评价值为：

关于评判集中统计评估值是否较大程度上符合要求，主要判别方法是求集值统计样本的方差，计算公式如下：

衍生判别集值统计结果可靠性的判别指标如下：

式（6）为所有专家对标的资产b的第c个定性指标好坏程度的量化评估值的可信度，其取值为[0,1]，由于本文研究对象数据资产其内容较为新颖、未形成业内一致的标准，所以当T值大于等于0.75时，该次集值统计的定量评估值是可信的，专家意见基本上一致。当T值小于 0.75 时，必须组织专家重新评价。

（四）评估指标筛选① 在筛选之前首先对指标进行无量纲化处理，本文采用阀值法中的最大最小值法。

为了避免指标间高关联度和重覆计算，在指标构造过程中，本文参考苏为华（1995） 提出对指标体系必要性检验，即辨别力和冗余度检测，使得评价指标体系更具全面性、科学性和层次性。本文就辨识度和冗余度这两方面来对指标进行筛选，采用的是灰关联度与灰关联聚类分析方法对指标进行筛选。

（五）评估指标赋权

本文选取了主客观赋权方法相结合的组合赋权综合指数法来衡量数据资产的价值，通过各种主观和客观方法的对比，选出其中科学的经典的两种主观方法：层次分析法（Analytic Hierarchy Process）、序关系法；两种客观方法：CRITIC法、变异系数法。

为了兼顾主观意愿和客观事实需要考虑对四种方法得到的权重值向量进行组合赋权，设组合后的合理权重为 ，该权重使得各个标的资产每个指标得分至四种主客观权重的各指标得分偏差尽可能的小。由于为组合权重可表示为：

可构建相应的拉格朗日函数求解该最优化模型。由于计算量较大且存在的约束范围较小，本文采用matlab的Fmincon函数与各种组合相结合求取全局最优解。Fmincon函数求解结果是给出离初始点最近的极小值，但是由于本文的各组合权重的权重范围为[0,1]，范围比较小，因此给出精度为0.01的[1,2,3,4]的各种组合，并求出每种组合下的局部最小值，所有组合的局部最小值的最小值即为近似全局最优解。

四、电子数据资产评估实证过程

本文数据资产信息来自数据堂数据交易平台。因该平台数据文本类的数据较为完善，所以实证部分选择文本类电子数据资产进行分析。将收集的40个数据标的资产分为用于构建模型的测试组30个标的（编号由1-30）和用于模型检验的验证组10个标的（编号为31-40）。主要模型参数求取及步骤如下：

（一）文本类数据资产评估指标构建

根据文本类的数据资产特性，构建表1的指标体系。

表1 文本数据资产价值评估指标体系

（二）定性指标定量化

将上文中文本类型的数据资产的初选指标体系中定性指标，即数据存储格式A1、使用难度B3、数据发布者D1、获取难度D2，分别邀请10位数据相关专家对40个标的资产进行评价。由于数据资产较为新颖，不同专家对于同一资产的判断会存在差异，所以本文对于每一个标的资产的每一个定性指标均由10位专家做出判断，再从中选择使得式（6）中最大的8位专家的评判区间，如若不能满足大于0.75，则重新组织专家进行重新评判。①限于篇幅，四个定性指标的专家评判区间矩阵不再汇报，备索。

（三）初选指标筛选① 无量纲化处理以及灰关联矩阵结果，限于篇幅未做汇报，备索。

在指标筛选及以下权重确定的求解过程中，测试组并没有参与计算。将15个指标进行标准化处理和灰关联度与灰关联聚类分析，设定分辨系数为0.65，并设阀值为0.85，可以得出表2结果。

表2 关联度分析

可以发现指标数据条数A5分别与数据大小A4和字段数A6存在明显的关联关系，直观来看，一个二维的数据大小A4是跟字段数 A5 和数据条数A6存在乘数关系。因此三者一定程度上存在重复性计算，特别的是对于大数据来说字段数A6一般相对于数据条数A5来说数值非常小，此时数据大小A4与数据条数存在共线性，在该测试样本的情况下，由表2可得该样本的字段数A6与数据条数A5也存在关联。为此，去除数据条数A5这一指标以打破这种关联关系，提升数据的辨识度，降低数据的冗余度。

（四）主客观指标赋权及组合赋权

按前文所述的 AHP、序关系法、CRITIC 法和变异系数的方法分别计算各自的权重，得到主客观方法相结合的综合权重值。同时利用matlab根据构建的最优化函数式（8）求解可得，各权重的组合赋权结果见表1最后一列。②限于篇幅，各指标分类赋权的结果未做汇报，备索。

（五）计算综合评估值③ 限于篇幅，此处只汇报了得分前五位的测试组和验证组的结果，其余结果备索。

运用表1最后一列的组合权重值，利用模型计算测试组和验证组的综合指标得分，见表3。

表3 测试组和验证组数据集合综合得分排序

④ 限于篇幅，问卷设计未作汇报，备索。

表3中，50 000例人类工效学数据精简版排名第一，因为其有较好数据结构和规范性，在使用上效率高，同时该数据的市场需求大、数据获取难度远高于其他数据，其来源具有权威性。从这几点来看，该数据的评价都远高于其他的数据。相反，新浪娱乐领域新闻数据集这个数据集合，其获取渠道简单，是个人从互联网上简单抓取，并未经过数据的清洗和整理，获取难度小、市场上供求多，所以评价相对较低。按上述方法，当该数据资产价值评估体系在数据库容量不断增加之后，各区间的间隙将更加精细，可逐步精确至千分位、万分位、十万分位等。

（六）市场交易价格确定

1.市场调查细节

考虑到问卷调查的内容为40个数据标的资产，本文的问卷调查方式主要通过手机端收集问卷，以提高问卷调查的便捷性。问卷的发放对象为从事科学研究员、高校硕博士、与数据相关的计算机及互联网企业员工。问卷内容为40个数据标的资产的介绍，包括数据产品概况、数据来源、发布时间、数据用途、数据应用结构、数据技术规格（数据规模、数据存储格式、数据大小、数据字段）、数据细节截图、数据结构等，全面详细的介绍数据标的资产。

2.集合竞价

本文的价值评估时点为 2016年1月31日，由于市场调查所需要的时间较长，并不能在2016年1月31日一天内完成，所以本文假设宏观环境短时间内是一致的。因此市场调查集中在2016年1月31日前后一周内完成。本次市场调查的主体是40个数据标的资产的买卖双方的心理定价，本文共发放343份问卷，其中269份为有效的买方和卖方的心理价格，采用使成交量最大化原则的集合竞价方法确定各标的资产的交易价格。可提取成交价格如表4。

表4 市场交易价格汇总表

（七）评估值与市场交易价格的映射

在确保指标体系构建、指标权重值计算准确和数据标的资产价格问卷调查的有效性的前提下，将测试组的各标的资产的综合得分和市场价格作回归分析，得到的回归模型即是指标体系模型下的无量纲评估值至市场价格的映射。本文将验证组的资产标的评估值带入回归模型可得在该模型下的预期市场价格，该预期的市场价格同真实的市场价格进行比较和分析，以验证该评估模型的可行性。本文将评估值和市场交易价格进行一元线性回归主要是因为评估值与市场交易价格必然存在联系，而评估值是各标的资产的相互比较所得，市场交易价格是由买卖双方心理价格确定的，而买卖双方定价行为同样也是存在相互比较的结果。所以两者如果存在映射的话，必然是线性的。根据所得测试组的评估值与市场交易价格作回归分析可得：

F统计量为335.9226，F统计量的P值为3.951441751647090e-17，远小于0.05，即可以拒绝原假设H0，回归模型成立。评估值与市场交易价格存在明显的线性关系，本文中数据资产价值评估指标体系与市场认定的数据资产价格因素是吻合的，该评估体系能反映标的资产的价值。

该回归模型是基于测试组所得到的模型，现在我们将验证组的评估代入该模型可得市场交易价格估计值，将其与问卷调查所得的市场交易价格进行比较，表5的偏差为（市场交易价格-市场交易价格评估值）/市场交易价格。

表5 验证组市场真实价格与价格估计值表

① 限于篇幅，问卷设计未作汇报，备索。

从表5中可以数据标的资产编号为36、37、39的偏差绝对值达到了10%以上，其他标的资产偏差绝对值均在10%以内。若将10%内的偏差设为合理范围，则该模型的合理估计成功率为70%，若将16%内的偏差设为合理范围，则该模型的合理估计成功率为100%，当需大量评估的数据标的资产，使用该模型来评估可以在很大程度上提高效率。该模型从整体来看该结果相对合理和准确，所以本文认为该模型的建立是有意义的，其估计是可行的。

五、结论

本文采取文件调查的方式来获取市场价格，将综合评估值和市场价格作映射，并对验证组的市场价格进行验证，该思路一定程度上可用于资产评估方面研究的相关评估结论检验和借鉴。同时由于本文采用的方法均实现了计算机模块化处理，能做到快速批量评估。数据标的资产的交易通常采用互联网平台的形式，因此获得数据资产信息的数据均为电子数据。将本文所述评估方法和流程结合计算机网络辅助系统进行处理，在测试样本库中收纳更多的数据资产的同时，模型中的参数将不同程度的随之变动，那么模型对已评估过的数据标的资产将会重新进行估价，这样就能及时的反馈市场信息的变化和影响实时计算定价，实现动态评估。最后，本文认为动态评估在当前网络信息化技术支撑下是可以实现的。通过拾建相关企业与资产评估机构的接口，对相关企业所持有的数据资产标的规模等情况以及相关评估的数据进行链接（API接口），在收集动态的评估数据的基础上，评估机构可根据不同企业的类型调整不同的评估策略（甚至使用计算机AI人工智能技术自动给出评估策略），计算机网络辅助系统根据设置好的评估方法和评估内容直接给出评估结果，完成对相关企业所持有数据资产价值的实时评估。