数据资产化之路 数据资产的估值与行业实践 推荐语 经济学的基本假设是认为资源是有限的。所以人们总是 尽可能地去寻找占有更多的资源来为己所用。当今的时 代,资源已经不仅仅是限于传统的范畴,数据是资源的 新内容。谁拥有更完整、更及时、更可靠、更直接的数 据资源,谁就能领先一步,从数据资源中找到规律,做 出更准确的决策。德勤作为全球最大的专业服务机构, 我们已经和数据打了 100 多年的交道。今天,我们站 在时代的前沿,协助客户用数据来探索新世界。 虞正 德勤中国 估值与商业模型服务 合伙人 “数据”的巨大价值,而今已得到了普遍认可。但关于 “数据资产”,至今仍存在诸多争议。本报告即试图就数 据的资产化,以及数据资产的评估维度、评估方法等,展 开初步的探索性研究。我们相信,尽管还面临概念辨析、 技术演进、会计准则等诸多挑战,但“数据资产”毫无疑 问将是数字经济下越来越重要的一项资产,也将是全球经 济竞争的重要领域。因此,在数据监管领域,建议应采取 高红冰 面向未来、审慎包容、鼓励创新的理念和原则,以期为数 阿里巴巴集团 据资产相关产业开辟更大的发展空间。 副总裁、阿里研究院院长 文档标题| 摘要 摘要 随着数据价值逐渐得到普遍认可,数据资产也越来越成为一个重要议题:数据资产 与传统资产有何不同?数据资产的价值如何体现?影响数据资产的因素有哪些?进 一步地,关于数据资产有哪些可能的估值方法?作为一项探索性研究,本报告试图 为以上问题,提供一个初步的思考框架。本报告的主要发现如下: 数据的资产化 数据资产不完全符合会计准则中对于“资产”及“无形资产”的定义,因此,数据 资产目前尚未体现在企业的财务报表上。但对于数据资产的确认和计量,从会计角 度的讨论其实只是一个起点,这一研究议题更重要的价值指向还在于:如何从广义 上认可数据的价值及其对企业价值的贡献。 影响因素 影响数据资产价值的因素主要从数据资产的收益和风险两个维度考虑。 数据资产的收益取决于数据资产的质量和数据资产的应用价值。数据资产质量价值 的影响因素包含真实性、完整性、准确性、数据成本、安全性等。数据资产应用价 值的影响因素包含稀缺性、时效性、多维性、场景经济性。 数据资产的风险主要源自于所在商业环境的法律限制和道德约束,其对数据资产的 价值有着从量变到质变的影响,在数据资产估值中应予以充分考虑。从实际效果来 看,对于数据交易的限制性规定越多,交易双方的合规成本和安全成本自然也会相 应提升,虽然作为附带效果,数据合规和数据安全产业会因此得到发展空间,但却 可能从整体上对数据资产市场的发展造成重大影响,进而影响到数字经济的整体发 展,应以发展和包容的理念去平衡考虑数据的价值创造与风险控制。 评估方法 成本法、收益法、市场法——传统的三种评估方法在应用于数据资产估值时各具有 适用性,但也都存在一定的局限性,目前尚未形成成熟的数据资产估值方法。逐步 探索和推进特定领域或具体案例中数据资产的价值分析,将可能是未来一段时间内 不断深化这一研究的可行之道。 3 目录 前言 5 第一章 数据如何转化为资产 6 第二章 数据资产的价值体现及影响因素 18 第三章 如何分析数据资产的价值 25 总结 36 参考文献 37 联系方式 38 特别鸣谢 39 数据资产化之路 | 前言 前言 在移动互联网及云计算等技术的推动下,人们可获取并控制的数据日益丰富,我们 已经进入了一个创造数据、获取数据、运用数据的“数据时代”。销售平台可以根 据买家的浏览记录做出精准推送以提高销量,制造企业可以通过分析生产流水线数 据对生产情况及时做出调整以提高生产效率,家居公司可以通过分析客户的生活习 惯数据创造“智慧家庭”以提高生活服务质量,种种应用展示出数据在被有效的挖 掘、整合后可能产生巨大的价值。Gartner 推测,到 2020 年,80%的企业将会 致力于提升在其所处行业的“数据”能力。数据逐渐成为与人、技术、流程同样重 要的第四大核心竞争力(Logan, 2017)。 本文即试图从数据如何转化为资产入手,分析数据资产如何产生价值,并进一步探 讨如何分析数据资产的价值。 5 数据资产化之路 | 第一章 数据如何转化为资产 第一章 数据如何转化为资产 1 物权 信息权 2 (如:商业秘密、隐私、个人信息) 符号权 3 (如:知识产权) 4 数据权 6 数据资产化之路 | 第一章 数据如何转化为资产 从经济史的视角来看,“资产”的属性、范畴、种类、范围,都经历了一个不断扩张和深化的过程。在人 类经济史上的很长一段时间里,“资产”都主要表现为“实物资产”的形态,比如农业时代的土地、房 产、贵金属,工业时代的厂房设备、汽车、家电等。随着工业经济的发展,社会经济复杂性不断上升,又 出现了“无形资产”的范畴,比如狭义的企业品牌、知识产权,广义的“无形资产”则进一步包括了专有 技术、客户关系等。 而到了数字经济时代,随着数据、算法的发展,“资产”的形态和范围正在出现全新的革命性变化,比如 近年来开始涌现的狭义的数字资产(如加密的数字货币)和广义的数据资产(也即本报告研究的内容)。 国内经济学者,从权利类型扩展的角度,已对此做了探索性的研究(许可,2019)。 数据的概念 图 1 数据的概念 数据的定义 数据的分类 数据通常是指对客观事物进行 • 按生产对象分类 记录、未被加工的原始素材。 − 与人有关的数据 互联网时代下,具有价值的数 − 与物有关的数据 据通常具有体量大、种类繁多、 − 与事有关的数据 价值高、反应速度快等特点, 也就是行业所谓的大数据。 • 按存储形式分类 − 结构化数据 − 半结构化数据 − 非结构化数据 数据的特性 • 按内容类型分类 − 社交数据 • 数据量大(Volume) − 购物数据 − …… • 数据更新频繁(Velocity) • 按权属分类 • 数据类型多样(Variety) − 公有数据 • 数据价值密度低(Value) − 私有数据 7 数据资产化之路 | 第一章 数据如何转化为资产 对巨量数据进行分析,提取出有价值的信息, 并利用该信息为企业创造经济价值。 数据的定义 数据通常是指对客观事物进行记录、未被加工的原始素材,是基础生产资料。互联网时代下,具有价值的数 据通常具有体量大、种类繁多、价值高、反应速度快等特点,也就是行业所谓的大数据。数据资产的概念由 信息资产、数字资产衍生出来,并随着大数据的蓬勃发展而被提出。信息资产概念来源于信息技术对各个领 域和生活方式的影响,强调数据的信息属性;数字资产概念来源于“数据经济”的提出,对应着数据的物理 属性;数据资产概念来源于将数据视为一项战略资产,对应着数据的存在属性。实质上,这三个概念具有一 致的内涵(朱扬勇等,2018)。Gartner(2015)认为需要具有更强的决策力、洞察发现力和流程优化能 力的处理模式来适应海量、高增长和多样化的信息资产。通过数据的定义,我们看到当下的模式,主要体现 为:对巨量数据进行分析,提取出有价值的信息,并利用该信息为企业创造经济价值。 数据的分类 数据可以按照生产对象、存储形式、内容类型 和权属进行分类 数据的分类 • 数据按照生产对象可以分为: ‒ 与人有关的数据指围绕个人生产生活所产生的数据,如:个人信息、信用数据等; ‒ 与物有关的数据包括与产品、设备等实物相关的信息,可用于优化生产流程,调整生命周期,如: 生产线的操作记录等; ‒ 与事有关的数据指与人、物均相关,即人与物的链接,可用于解决事件问题,形成万物互联、万物 智能,如:家庭生活起居信息、公交车日客流量数据等。 8 数据资产化之路 | 第一章 数据如何转化为资产 • 数据按照内容类型可以分为:社交数据、购物数据、生产数据等。按照内容区分种类最为繁多,但应 用意义较弱。 • 数据按照存储形式可以分为: ‒ 结构化数据是由明确定义的数据类型组成,其模式可以使其易于搜索。一般特点是数据以行为单位, 一行数据表示一个实体的信息,每一行数据的属性是相同的。结构化数据的分析使用更为便利,且存 在成熟的分析工具; ‒ 半结构化数据是指非关系模型的、有基本固定结构模式的数据,例如日志文件、XML 文档、JSON 文档、Email 等; ‒ 非结构化数据是具有内部结构,但不通过预定义的数据模型或模式进行结构化的数据,如 WORD、PDF,各种格式的图片、视频等。非结构化数据占企业全部数据的 80%以上,但直接挖 掘非结构化数据的分析工作具有很强的专业性。(何小朝,2014) • 数据按照权属可分为:私有数据、公有数据。 ‒ 私有数据是指有明确归属的数据,归属方为可决定数据使用目的的自然人、法人或其他组织,如私 人数据、企业数据等; ‒ 公有数据指具有公共财产属性且可被公众访问的数据,如天气数据、人口数据等。 数据的特性 我们在这里先讨论数据,或者说大数据的一般特性。后文会进一步从资产化的视角去讨论数据与一般资产 相比的独特性。大数据的特征通常概括为 4V,即 Volume(大量)、Velocity(高速)、Variety(多样)、 Value(低价值密度)。 • 数据量大(Volume) 随着互联网普及及技术革新,数据量成几何级数增长,传统的存储计算方式无法应对规模异常庞大的

pdf文档 数据资产化之路:数据资产的估值与行业实践-德勤+阿里研究院-2019.10-40页

行业报告 > 人工智能_大数据_云计算_区块链 > 区块链 > 文档预览
40 页 0 下载 232 浏览 0 评论 0 收藏 3.0分
温馨提示:当前文档最多只能预览 5 页,若文档总页数超出了 5 页,请下载原文档以浏览全部内容。
本文档由 南城荒凉北城伤2019-11-04 14:27:02上传分享
给文档打分
您好可以输入 255 个字符
知豆文库的域名是什么?( 答案:zhidoudou.com )
评论列表
  • 暂时还没有评论,期待您的金玉良言