《商业银行数据资产估值研究与入表探索白皮书.pdf》由会员分享，可在线阅读，更多相关《商业银行数据资产估值研究与入表探索白皮书.pdf（76页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、 恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行 课题组 课题总策划 辛树人 课题负责人 聂大志 徐彤 杨立斌 课题执行人 缪海斌 邱蓉蓉 谭云霞 李嘉敏 胡建辉 课题组成员 张勇 朱建旭 杨子琦 江璐 罗璇 路文成 申庆永 余弘铠 苏晓曼 丁万清 高滢珺 孙莉 陶婷 葛亮 孙海青 恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行商业银行数据资产估值研究与入表探索 3 前言 数字经济时代，数据要素为经济增长提供强大的创新动能，数据资产化呈现快速发展趋
2、势。财政部 2023 年 8 月公布了企业数据资源相关会计处理暂行规定，将数据资源纳入会计报表核算，并对数据资产评估提出了披露要求。数据资产价值的科学评估是数据要素流通的重要前提，推进数据资产的估值计量，加速数据交易流通，成为数据价值释放的进阶之基。但数据资产估值、入表核算处理以及数据资产交易是需要持续探索的难题，从创新中寻求最优解，成为推动数据资产化的重要议题。本课题在现有研究的基础上，创新提出商业银行数据资产估值与入表的新思路、新方法、新实践。一是首次将数据资产价值划分为“投入价值”与“业务价值”进行评估。以成本法评估投入价值，反映企业对数据资产的投入积淀；以收益法评估业务价值，反映数据资
3、产支撑业务开展的经济效益。二是创新提出适用于数据要素市场建设初期的“订单法”估值模式。将订单管理法与市场法相结合，依据数据资源的调用情况，评估数据资产的潜在外部价值，为当下数据资产公允价格难以获取的情形提供了可行的估值方式。三是优化完成可公开计量和落地实践的估值参数体系。数据恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行商业银行数据资产估值研究与入表探索 4 资产估值参数的可靠计量对整个估值体系至关重要，针对目前专家法为主的参数确定方式，本课题对所涉及的重要参数进行综合研判和筛选，建立强计量支撑的参数体系，为业界数据资产
4、估值提供参考借鉴。四是改良设计估值公式解决数据资产重复估值问题。明确界定成本法和收益法的评估范畴，重新设计成本法的估值公式，将数据资产的业务收益价值通过收益法进行评估，解决数据资产价值的重复计量问题。五是开创性构建与估值体系相承接的数据资产入表方案。针对现有入表方式与数据资产经济价值严重脱节的弊端，基于数据资产估值体系，构建涵盖投入价值栏、业务价值栏、潜在外部价值栏的“数据资产表”，结合非财务信息披露，实现数据资产评估入表，为推动数据资产合理估值与披露提供创新思路。商业银行依托数据资产估值和入表实践，一方面将加速数据资产定价机制统一标准建设，搭建与外部数据市场衔接基础。另一方面，围绕数据资产评
5、估，打造“数据资产管理中心、数据价值运营中枢、数据市场交易中介”，探索数字化价值创造新模式，培育穿越经济周期的核心实力。下一步，恒丰银行将持续推进数据资产化进程，探索数据要素价值释放有效路径，以金融力量助力数字中国建设。恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行商业银行数据资产估值研究与入表探索 5 目 录 第一章 研究背景 1 一、数据要素时代已来 1 二、商业银行数字化转型已进“深水区”2 三、数据资产化难题待解 3 第二章 研究综述 5 一、研究现状 5（一）数据资产范畴研究 5（二）数据资产估值研究 6（三）
6、数据资产入表研究 8 二、研究述评 9 第三章 数据资产的定义、特征与分类 12 一、数据资产的定义 12 二、数据资产的特征 13（一）业务附着性 13（二）多次衍生性 13（三）零成本复制性 14 恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行商业银行数据资产估值研究与入表探索 6 （四）介质依托性 14（五）价值易变性 14 三、数据资产的估值原则 14（一）整体性原则 14（二）不重复估值原则 15（三）数据可取原则 15（四）成本效益原则 15 四、数据资产的分类 15（一）获取类数据资产 16（二）传输与存储
7、类数据资产 16（三）管理类数据资产 16（四）应用类数据资产 17 第四章 数据资产估值方法设计 18 一、数据资产估值创新体系 18 二、成本法估值设计 20（一）成本法的介绍 20（二）历史成本统计范畴 20（三）重置系数测算方法 23（四）数据效用评估方法 24 恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行商业银行数据资产估值研究与入表探索 7 三、收益法估值设计 28（一）收益法的介绍 28（二）业务模型与增量收益 29（三）增量收益测算增量收益法 31（四）增量收益测算收益提成法 34（五）合理的收益期 3
8、6（六）适用的折现率 36 四、订单法估值设计 38（一）订单法的介绍 38（二）数据产品订单量 39（三）数据产品价格 40（四）价格修正系数 41 第五章 数据资产入表探索 42 一、数据资产入表基础 42（一）以 IASB 新框架为基础 42（二）以企业会计准则为基础 44 二、数据资产入表方式的主流观点 45（一）确认为“无形资产”入表核算 46（二）新设“数据资产”入表核算 47 恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行商业银行数据资产估值研究与入表探索 8 （三）新增“第四张表”评估披露 48 三、数据
9、资产入表存在的问题 49（一）数据资产权属界定模糊 49（二）与经济价值严重脱节 50（三）数据资产估值定价难解 50（四）第四张表处于概念阶段 50 四、构建与数据资产估值体系相承接的数据资产表 51（一）数据资产表的架构设计 51（二）数据资产表的信息披露 54（三）数据资产评估方法的共享共建 55 第六章 建议与展望 56 一、夯实数据资产运维基础 56（一）强化数据资产盘点治理 56（二）推进数据资产估值体系持续优化 57（三）健全数据资产入表制度保障 57 二、强化数据资产价值运营 58（一）以“价值创造”为中心的数据资产运营 58（二）以“订单管理”为策略的数据资产经营 58（三）
10、以“数字银行”为核心的数据资产价值推广 59 恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行商业银行数据资产估值研究与入表探索 9 三、探索数据资产类业务创新模式 59（一）搭建数据供需交易桥梁 60（二）强化数据交易合规安全 60（三）促进产业数字化升级建设 61 参考文献 62 恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行商业银行数据资产估值研究与入表探索 10 图目录 图 1：我国数字经济发展进程 2 图 2：数据资产价值评估创新体系 19
11、 图 3：数据资产收益计算图示 32 图 4：营销和运营类模型增量收益归因分析 33 表目录 表 1：数据资产估值方法概述.6 表 2：成本法估值指标体系.22 表 3：物力成本重置系数测算.23 表 4：人力成本重置系数测算.24 表 5：数据效用 U 的层次结构模型.25 表 6：重要性等级及赋值比例九级标度说明.26 表 7：平均随机一致性指标 RI 标准值.27 表 8：业务模型基础情况统计表.30 表 9：营销类和运营类模型应用情况统计表.30 表 10：风险管理类模型应用情况统计表.31 表 11：支持业务开展的资产层次结构模型.35 表 12：数据资产表的创新构建.53 恒丰银行
12、恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行商业银行数据资产估值研究与入表探索 1 第一章 研究背景 数字经济时代，数据正成为驱动社会经济发展的新型生产要素，数据资产化呈现快速发展趋势。根据国际数据公司（IDC）测算，2025 年全球数据量将达到 180ZB1，预估将是 2020 年数据总量的 2 倍多。全球数据量迅速增加，为经济增长提供强大的创新动能。面对数字经济变革机遇，各个国家竞相制定数字经济发展战略，开启大数据产业发展新赛道，抢占竞争制高点。近年来，围绕经济发展的数字化转型，我国进行了一系列的改革实践，推动经济发展的数
13、字化进程不断走深走实。一、数据要素时代已来 我国数字经济发展进程可以分为“酝酿落地深化”三个阶段。一是酝酿阶段（20142015 年）。2014 年大数据首次写入政府工作报告，以大数据、先进制造等新兴产业引领未来产业发展，这一年成为真正意义上的“大数据元年”。2015 年 3 月，中华人民共和国国民经济和社会发展第十三个五年规划纲要将大数据发展上升到国家战略高度，把大数据作为基础性战略资源，全面实施促进大数据发展行动。二是落地阶段（20162019 年）。工信部发布的“十三五”大数据产业发展规划成为重要的标志性事件，将大数据作为独立产业进行发展和培育，逐渐重视数据与实体经济的深度融合。三是深化
14、阶段（2020 年至今）。2020 年 4 1“ZB”即 Zettabyte,计 算机 术 语，常 用单 位 的换 算 为 1ZB=1024EB,1EB=1024PB,1PB=1024TB,1TB=1024GB。恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行商业银行数据资产估值研究与入表探索 2 月，中共中央、国务院发布中共中央、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，将数据确立为继土地、资本、劳动力以及技术之后的第五大生产要素，明确要用市场化配置来激活数据要素价值。依照“十四五”规划政策指引，大数据正逐步
15、融入经济发展的各个领域，数据基础制度体系加快形成。2023 年2 月，数字中国建设整体布局规划明确了数字中国建设的整体路径，指出数据要素快速融入生产、分配、流通、消费和社会服务管理等各个环节，深刻改变着生产方式、生活方式和社会治理方式。图图 1 1：我国数字经济发展进程：我国数字经济发展进程 二、商业银行数字化转型已进“深水区”经过多年耕耘，我国商业银行线上化、智能化、智慧化建设已实现快速发展，银行数字化转型逐步进入“深水区”。各家银行在移动端的频频发力可直观地说明问题，截至 2023 年 8 月，18 家全国性商业银行的个人手机银行版本均值达到 7.6，成为满足客户需求、打造自身品牌的重要依
16、托。当前，银行数字化转型过程中面临深化阶段（深化阶段（20202020-至今）至今）落地阶段（落地阶段（20162016-20192019）酝酿阶段（酝酿阶段（20142014-20152015）2014年3月“大数据”首次写入政府工作报告2015年3月十三五规划纲要实施国家大数据战略2019年10月将数据作为生产要素参与分配，加快培育数据要素市场2020年4月关于构建更加完善的要素市场化配置体制机制的意见数据首次正式纳入生产要素范围2020年5月关于新时代加快完善社会主义市场经济体制的意见 加快培育发展数据要素市场2021年11月“十四五”大数据产业发展规划 推动大数据产业高质量发展2022
17、年6月关于构建数据基础制度更好发挥数据要素作用的意见 加快构建数据基础制度体系2015年8月促进大数据发展行动纲要加快数据强国建设2017年1月大数据产业发展规划（2016-2020年）推动大数据产业发展2023年2月数字中国建设整体布局规划全面提升数字中国建设的整体性、系统性、协同性恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行商业银行数据资产估值研究与入表探索 3 的客户服务能力不足、风险管理能力不足等问题，已成为越来越多银行管理人员和专家学者的共识。相比转型初期，“深水区”存在着更多的不确定性，银行高质量发展也面临
18、更多挑战。如果拥有在“深水区”自我提升的数字化能力，就意味着更广阔的发展前景。数据要素到数据资产的升级，为银行构筑自身数字化能力提供了千载难逢的机遇。有效开展数据资产价值评估，对于提升数据资产运营质量和效率，推动银行数字化转型向纵深发展具有重要意义。一是对数据在企业发展过程中产生的成本和经济效益进行量化，增强企业数据价值意识。二是将在数据资产价值评估过程中形成的数据目录、数据价值等融入数据治理工作，提升数据治理质效。三是推动数据在银行内外部的交易，构筑数据资产评估、登记结算等数据要素市场运营体系，建立并完善数据交易模式，加快数据聚合、流转、治理和价值转化。总的来讲，数字化转型要不断加强数据要素
19、价值开发，通过将数字能力转化为价值创造能力，全面深化营销体系、管理机制、服务能力、风险管控、生态场景的应用创新，激发数据要素核心竞争力。三、数据资产化难题待解 2022 年，我国数字经济规模超过 50 万亿元，占 GDP 的比重为41.5%，已成为驱动经济增长的重要引擎。无论是在国家层面还是在企业层面，数据资源的重要性都不言而喻，尤其对金融机构而言，大数据的挖掘和应用直接驱动着新商品形态、新价值体系、新交易生态的形成。加快数据要素市场培育，才能有效激发数据价值转化，恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行商业银行数
20、据资产估值研究与入表探索 4 而数据资产价值的科学计量是数据要素流通的重要前提。根据中国信通院建立的“数据资源化、数据资产化、数据资本化”的数据价值框架，目前全球处于数据资源化的初级阶段，推进数据资产的估值计量，加速数据交易流通，成为数据价值进阶的重要基础支撑。但数据资产估值、入表核算处理以及数据资产交易仍是亟待解决的难题，从创新中寻求破局，成为推动数据资产化的重要议题。恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行商业银行数据资产估值研究与入表探索 5 第二章 研究综述 一、研究现状（一）数据资产范畴研究（一）数据资产
21、范畴研究 对数据资产进行估值计量，首先要明确数据资产的定义与范畴，学界和业界为此进行了大量研究。学术上，Green（2012）提出评估数据资产价值框架，明确数据资产能够为企业带来可持续的增量盈利，数据作为资产的理念逐渐被认可。之后，数据资产被定义为拥有数据权属（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，数据资产的概念进一步清晰。当数据具有资产属性时可划分为资产，其具有两种价值创造模式，一是以数据赋能现有产品运营直接带来利润，二是利用数据分析优化服务方法间接产生价值，两种模式均明确了数据资产的价值创造属性。实务上，2019 年 6 月，中国信通院联合多家企业发布数据资
22、产管理实践白皮书（4.0 版），将数据资产定义为“由组织（政府机构、企事业单位等）合法拥有或控制的数据，以电子或其他方式记录，例如文本、图像、语音、视频、网页、数据库、传感信号等结构化或非结构化数据，可进行计量或交易，能直接或间接带来经济效益和社会效益”，对数据资产的权属、存在形式、经济效益进行了界定。2023 年 8 月，财政部发布企业数据资源相关会计处理暂行规定，结合会计关于资产属性的界定，确定了纳入企业恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行商业银行数据资产估值研究与入表探索 6 报表的数据资源适用范围，在“
23、企业合法拥有或控制的、预期会给企业带来经济利益的数据资源”的基础上，将口径放宽至“不满足资产确认条件而未予确认的数据资源”。综上来看，虽然业内尚未形成数据资产的统一概念，但一般将其界定为基于会计资产概念，并加入数据要素特征的范畴延伸。（二）数据资产估值研究（二）数据资产估值研究 根据估值结果形式，数据资产估值方法可分为以货币度量的估值方法和以非货币度量的估值方法。以货币度量的估值方法又可细分为传统资产评估方法和基于期权模型估值法。其中，传统资产评估方法包括成本法、收益法、市场法三类经典估值方法；基于期权的估值模型包括 B-S 模型法、最小二乘模特卡洛模拟法等衍生方法。非货币度量方法以 Gart
24、ner 提出的内部价值（IVI 模型）、业务价值（BVI 模型）和绩效价值（PVI 模型）三类模型最具代表性，如表 1 所示。表表 1 1：数据资产估值方法概述：数据资产估值方法概述 方法名称 简介 以货币度量的估值方法 成本法 数据资产在估值基准日的重置成本中扣减价值损耗得到的数据价值；考虑到数据资产价值往往大于成本特点，通过收益率和综合调节系数进行价值调整 收益法 通过对数据资产产生的预期收益进行折现估值，使用该方法要合理测算数据资产收益期内的预期收益，并匹配适用的折现率 市场法 根据市场已有交易价格，通过比较被评估数据资产与可比交易数据资产的特征差异，对市场价格进行调整，进而确定评估价值
25、 恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行商业银行数据资产估值研究与入表探索 7 方法名称 简介 B-S 模型法 数据资产的最大特性是不确定性，主要体现为未来获利的潜在可能性，采用 B-S 期权定价模型进行无交易场景下的数据资产价值评估 最小二乘蒙特卡洛模拟法 LSM 由于决策者可以在数据资产收益到期前随时对数据资产进行处理，所包含的实物期权可以看作美式期权；采用最小二乘蒙特卡洛模拟方法求解任意时刻每条模拟路径上标的资产价格，最后以无风险利率折现估值 以非货币度量的估值方法 内部价值法 根据数据特征（正确率、完整程
26、度等）衡量数据的内部价值，其特点是不依赖数据支持的业务 业务价值 衡量数据对业务的价值（业务相关性、及时性等），同时考虑数据内部的价值（正确性、完整性等）绩效价值 衡量数据应用前后 KPI 的变化，通过数据对企业关键目标的作用评估数据价值，此方法主要用于事后评估 2019 年，中国资产评估协会发布资产评估专家指引第 9 号数据资产评估（以下简称“9 号指引”），供资产评估机构及资产评估专业人员执行数据资产评估业务时参考，同时为银行业的数据资产估值提供了重要指引。9 号指引对数据资产的范畴及定义、基本状况、基本特征、方法分类等作出了较为清晰的界定，但业务适配、指标设计、参数计量等均需要在实践中进
27、行细化和明确。银行业具有天然的数字基因，属于数据密集型行业，对推动数据要素基础制度建设、推进数据资产估值探索具有重要引领作用，多家机构已对数据资产估值进行前瞻研究和实践。普华永道 2021年发布 数据资产化前瞻性研究白皮书，提出数据资产化需要克服三个重要且极具挑战的命题，分别为法律角度的数据资产确权、恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行商业银行数据资产估值研究与入表探索 8 市场角度的数据资产估值与交易、会计角度的数据资产入表。数据资产确权是数据流通的前提，可充分保障数据流通各参与方的权益；数据资产估值是数据流
28、通的基础，通过搭建数据交易价格之锚促进高效交易；数据资产入表则通过强化相关会计信息披露，奠定数据要素价值发挥的制度性基础。浦发银行 2021 年发布商业银行数据资产管理体系建设实践报告，阐明数据资产的概念、数据资产管理体系的内涵与外延、体系框架、管理规则等内容，旨在为明确数据资产化路径提供有价值的参考。光大银行在数据要素探索上较为深入和系统，2021 年发布商业银行数据资产估值白皮书，聚焦数据资产估值领域，建立了面向商业银行的数据资产估值体系和方法，为数据资产估值实践做出有益探索；2022 年发布商业银行数据资产会计核算研究报告，为数据资产入表提供重要借鉴。（三）数据资产入表研究（三）数据资产
29、入表研究 随着数据资产核心竞争力逐步显现，其已成为影响企业增长潜力和市场估值的重要因素。“大数据时代预言家”维克托尔耶 舍恩伯格表示，数据价值体现在资产负债表日趋扩大的账面价值和市场价值之间的差距，将数据资产纳入资产负债表进行核算将是必然趋势。2023 年 8 月 21 日，财政部印发 企业数据资源相关会计处理暂行规定，从制度上明确数据资产的会计处理方式，强化数据资产信息披露要求，这对数据资产的确认具有里程碑意义。其中，关恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行商业银行数据资产估值研究与入表探索 9 于数据资产的会
30、计处理规定，企业内部使用的数据资源、对外交易的数据资源主要参照无形资产和存货进行会计确认、计量和报告，体现为企业对数据资产投入成本的会计处理。关于数据资产的披露要求规定，与无形资产和存货的会计处理适用准则相承接，按照相应的计量方式进行披露。此外，将数据资产评估加入其他披露要求，提出“企业对数据资源进行评估且评估结果对企业财务报表具有重要影响的，应当披露评估依据的信息来源，评估结论成立的假设前提和限制条件，评估方法的选择，各重要参数的来源、分析、比较与测算过程等信息”。然而，数据资产具有多次衍生性和零成本复制性，数据资产的价值更多地体现在赋能业务产生的经济效益上。当数据以零成本复制支持不同业务开
31、展时，不同场景产生的价值均能增加数据的经济价值，导致以无形资产或存货形式计量的数据资产投入成本会严重偏离数据资产的经济价值，限制数据资源要素价值的呈现和发挥。如何在不违背会计计量谨慎性原则下，真实反映数据资产价值仍有很大探索空间。二、研究述评 我国数字经济正处于数据资产化的初期阶段，支撑数据要素流通的必要条件尚不具备。如何有效衡量数据价值，构建科学、统一的数据资产估值机制，是健全数据交易市场的重要前提。数据资产估值在学界和业界的研究推动下，已由理论层面迈向实践层面，但尚无统一的数据资产价值评估方式和定价标准，需要持续推进恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒
32、丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行商业银行数据资产估值研究与入表探索 10 实践探索，逐步建立和统一商业银行数据资产价值评估体系。本课题在现有研究的基础上，创新提出商业银行数据资产估值与入表的新思路、新方法、新实践，研究价值主要体现在以下五个方面：一是首次将数据资产价值划分为“投入价值”与“业务价值”进行评估。数据资产的投入价值为形成数据资产的资源总投入，业务价值为数据资产支撑业务开展创造的增量收益现值，两者构成数据资产总价值。以成本法评估投入价值以反映企业对数据资源的投入积淀，以收益法评估业务价值以反映数据资产支撑业务开展的经济效益，该数据资产价值评估逻辑，有助于构建数据成本效益
33、评价体系，为数据资源配置决策提供信息支撑。二是创新提出适用于数据要素市场建设初期的“订单法”估值模式。将订单管理模式与市场法相结合，吸收借鉴市场法评估的外部价值优势，充分反映企业内部相关部门对数据资源的调用需求。该估值体系在当前数据交易市场不成熟，类似数据产品市场价格不可获取的情况下，提供了可参考借鉴的估值模式。需要注意的是，当企业中数据资产不能对外交易时，潜在外部价值不可计入数据资产总价值。三是优化完成可公开计量和落地实践的估值参数体系。数据资产估值参数的可靠计量对整个估值体系至关重要，往往差之毫厘、谬以千里。从调研情况看，目前估值参数主要以专家评估法为主，受主观影响较大，尚没有形成完整、客
34、观、公开计量的估值参恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行商业银行数据资产估值研究与入表探索 11 数体系，导致数据资产估值参数呈现明显差异，也使数据资产评估价值的信度和统一性存在质疑。本课题对所涉及的重要参数进行综合研判和筛选，建立强计量支撑的参数体系，为业界数据资产估值提供参考借鉴。四是改良设计估值公式解决数据资产重复估值问题。实践中，采用一种方法往往难以客观、准确地估算出数据资产价值，若对成本法和收益法进行直接联用，会存在明显的重复估值问题。鉴于此，本估值体系重新设计了成本法的估值公式，剔除了收益率因素，将
35、数据资产的业务收益价值通过收益法进行评估，解决了数据资产价值的重复计量问题。五是开创性构建与估值体系相承接的数据资产入表方案。考虑到会计谨慎性原则，目前对数据资产的入表核算主要采用历史成本法的计量模式。但数据资产的价值主要体现在数据赋能业务产生的经济效益，基于成本法的会计计量与数据资产价值严重脱节，且随着数字化转型的深入推进，报表所呈现的信息不对称性越高，不利于数据资源的合理配置，限制数据资源要素价值发挥。本课题基于数据资产估值体系，构建涵盖投入价值栏、业务价值栏、潜在外部价值栏的数据资产表，结合非财务信息实现数据资产评估入表，为推动数据资产价值合理计量与披露提供创新思路。恒丰银行恒丰银行恒丰
36、银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行商业银行数据资产估值研究与入表探索 12 第三章 数据资产的定义、特征与分类 一、数据资产的定义 清晰界定数据资产的概念是数据资产估值的前提。将数据确认为资产，首先需要满足“资产”的定义。企业会计准则将“资产”定义为“由企业过去交易或事项形成，为企业拥有或控制的，预期会给企业带来经济利益的资源”。因此，数据资产在确认过程中，需要满足资产概念的三要素：一是数据是由企业过去的交易或事项形成的。要求企业存在的数据资产主要来源于过去外购、自主研发或日常运营产生，满足由过去的交易或事项形成，而未来预期产生
37、或获取的数据不能确认为数据资产。二是由企业合法拥有或控制的。当企业拥有数据所有权或者使用权时，可通过数据挖掘服务于业务拓展和管理运营，数据所有权也可使企业进行产权交易。因此，拥有数据所有权和使用权，都可认定为企业合法拥有或控制的数据资产。而以不正当手段非法获取、有产权争议、无法控制的数据资源则不能确认为数据资产。三是预期会给企业带来经济利益。数据资产预期在未来一段时间内，可通过直接或间接形式为企业带来持续经济效益。当数据没有经济价值或者在现有的技术条件下无法确定未来经济利益时，不能确认为数据资产。基于会计资产的定义和数据资产的特有属性，本课题将数据恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银
38、行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行商业银行数据资产估值研究与入表探索 13 资产定义为：由企业过去的交易或事项形成，为企业合法拥有所有权或使用权，预期会给企业带来经济利益，并可进行确认和计量的数据资源。二、数据资产的特征 数据资产具有不同于传统资产的一些特征，其兼具有形资产和无形资产属性。由于数据资产需要存储介质，其物理存在性属于有形资产范畴；而数据资产所体现的信息价值，则属于无形资产范畴。由于数据资产的特殊性，需要充分认识其特点，才能准确地进行估值。（一）业务附着性（一）业务附着性 从数据的来源及应用来看，数据资产的价值发挥依赖于业务关系，是在业务过程
39、中产生或者通过外购获得，通过分析处理加工，服务于企业经营和管理决策。因此，在估值的过程中，需要对数据资产进行追根溯源，还原该数据源于什么业务、用于什么业务，以此来适配不同数据资产类型的计量算法。（二）多次衍生性（二）多次衍生性 同一数据主体可以被多层次多维度加工，衍生出服务不同场景的数据产品，丰富数据资产价值体系。例如，对银行直接采集的原始客户数据经过轻度汇总加工，形成数据平台中可供各类应用系统复用的数据，业务部门可在此基础上衍生出客户画像与偏好，风险管理部门可衍生出客户风险等级的判断数据。数据资产价值的大小，取决于赋能业务创造价值的大小，当同一数据主体的应用恒丰银行恒丰银行恒丰银行恒丰银行恒
40、丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行商业银行数据资产估值研究与入表探索 14 场景越多时，其发挥的价值越高。（三）零成本复制性（三）零成本复制性 数据资产成本主要发生在前期数据获取、数据产品和数据系统开发阶段，使得该阶段数据资产的成本较高。由于数据资产可无限复制，其边际成本趋于零，导致相同的数据资产具有截然不同的成本。因此，对数据资产进行复制时，不能重复计量其投入成本。（四）介质依托性（四）介质依托性 数据资产不能独立存在，需要依托于介质进行存储和加工。具体来说，数据资产发挥作用需要依托于有形资产，例如计算机、服务器和其他硬件设备等。因此，在评
41、估数据资产价值中的投入成本时，需要考虑数据资产所依托的介质成本，以及有形资产折旧和维护等相关成本。（五）价值易变性（五）价值易变性 价值易变性是数据资产最典型的特性。由于信息技术发展、相关政策变化、应用场景丰富等因素影响，数据资产价值可能会产生大幅波动。同时，当前数据确权、数据安全及隐私保护等法律法规正在逐步完善中，随着相关政策明确，将决定不同类型或主题的数据资产是否具有价值。三、数据资产的估值原则 数据资产估值对象和颗粒度的划分主要基于以下原则：（一）整体性原则（一）整体性原则 将不可分割、不能独立提供有效信息的数据划分为一个评估恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银
42、行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行商业银行数据资产估值研究与入表探索 15 对象，通过评估整体价值进行数据资产估值。单个字段不具备独立产生价值的能力，不作为独立的估值单元，需要放置于能够进行经营赋能的最小单元中进行评估。（二）不重复估值原则（二）不重复估值原则 由于数据资产价值实现方式不同，需要划分不同类型数据资产进行估值，并明确界定各类型的评估范围，以避免重复计算。此外，应注意与数据资产零成本复制性进行区分。零成本复制不会增加数据资产的投入价值，但可以通过增加业务场景来增加数据对业务价值的贡献，数据资产赋能业务创造的价值越大，则数据资产价值越大。（三）数据可取原则（三
43、）数据可取原则 数据资产估值过程中，会涉及大量数据收集工作。基于企业日常运营分析数据，进行颗粒度划分，将便于数据收集整合，同时提高数据资产评估结果和数据运营分析对业务的指导作用。（四）成本效益原则（四）成本效益原则 对估值精确度和工作量之间进行权衡，避免成本投入过高，同时保证评估结果的合理性。四、数据资产的分类 依据数据资产全生命周期价值实现方式及管理需求，构建数据资产价值评估分类框架。将数据资产划分为获取类、传输及存储类、管理类和应用类四大类型进行估值，同类型的数据资产通常具有类似的价值实现方式。恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行
44、恒丰银行恒丰银行恒丰银行商业银行数据资产估值研究与入表探索 16 （一）获取类数据资产（一）获取类数据资产 根据数据来源，将获取类数据资产划分为内部采集类和外部获取类两大估值对象。通过内部采集或外部获取的底层探源数据，可为后续数据加工应用提供原始信息。其中，内部采集类数据资产主要包括银行日常运营过程中形成的内部数据资源投入，如数据采集人工成本、相关系统成本、硬件设备成本等；外部获取类数据资产主要包括外购数据资源的采购成本投入、外部数据系统研发投入，以及采购过程中发生的人工成本等。内部采集数据和外部获取数据共同构成数据输入源，是银行管理和运营的基础数据支撑。（二）传输与存储类数据资产（二）传输与
45、存储类数据资产 伴随数据规模快速扩张，数据传输和存储成本成为数据资产价值的重要组成部分。该类型数据资产主要处于获取类和管理类数据资产之间的过渡阶段。其中，数据传输中的专线费、通信费以及接口开发费等均为数据资产正常使用所必须付出的成本。随着金融机构数字化转型的深入发展，“湖仓一体”数据技术借助海量、实时、多模的数据处理能力，实现全量数据价值持续释放。数据湖仓承载着数据的存储与基础建模功能，在银行业务中发挥着重要作用，应将其整体作为估值对象纳入数据资产的价值评估。（三）管理类数据资产（三）管理类数据资产 该类数据资产面向实际数据需求，以获取类和传输与存储类数据资产为基础，通过数据汇总、挖掘等加工方
46、式得到个性化的统计数据或数据产品，可以直接应用于企业运营分析、管理决策和监管报送等，全面、深入、准确地呈现企业的运转情况及发展趋势，恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行商业银行数据资产估值研究与入表探索 17 支持业务部门开展相关工作。此类数据资产可作为估值对象，具体从四个维度进行评估，包括数据运维、数据分析、数据治理和数据安全。（四）应用类数据资产（四）应用类数据资产 应用类数据资产主要指在业务开展环节，直接赋能业务产生收益的数据资产。该类数据资产与业务收益的匹配性较强，根据业务价值的实现方式，划分到不同的业
47、务领域和应用场景进行估值。由于数据的零成本复制性，数据资产应用场景越多，创造的价值往往越高。恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行商业银行数据资产估值研究与入表探索 18 第四章 数据资产估值方法设计 一、数据资产估值创新体系 根据数据资产的价值构成逻辑，将数据资产估值从“投入价值”和“业务价值”两方面展开。投入价值为形成数据资产的资源总投入，业务价值为数据资产支撑业务开展创造的增量收益的现值，两者构成数据资产总价值。其中，业务价值是数据资产的主要价值构成，这是因为只有数据在赋能业务发展时，才能更好地驱动价值释放
48、。在企业运营过程中，形成的数据资产能够通过公允价值进行计量时，便可进一步评估数据资产的外部价值。但是，目前数据要素市场尚不成熟，市场法估值缺少可参考的公允价值。为评估数据产品的潜在外部价值，本课题创新提出“订单法”，吸收借鉴市场法估值思路，充分反映企业不同部门的数据资源调用需求，将订单管理模式与市场法相结合，依据数据产品的调用情况，评估数据资产的潜在外部价值。本课题采用“成本法收益法订单法”对数据资产价值进行评估。其中，运用成本法对数据资产的“投入价值”进行评估，以数据资产的投入成本为基础，通过成本重置因素、数据效用综合调节系数进行价值修正。运用收益法对数据资产的“业务价值”进行评估，通过数据
49、资产支撑业务开展的增量收益折现估算数据的业务价值。运用订单法对数据资产的“潜在外部价值”进行评估，通过参考同类型数据资产的行业代加工对价和订单量进行价恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行恒丰银行商业银行数据资产估值研究与入表探索 19 值估算。此外，由于潜在外部价值产生于数据资产前期投入或后续运营过程中，为避免重复估值，不将其计入数据资产总价值，如图 2 所示。图图 2 2：数据资产：数据资产价值评估创新价值评估创新体系体系 考虑到不同估值方法均有各自的适用条件，对不同类型数据资产所匹配的估值方法选择如下，共分为三种情
50、况：一是对于获取类数据资产、传输与存储类数据资产、管理类数据资产，由于与最终业务收益之间难以有效追溯，难以挂钩和测度各类数据资产的业务收益，但其投入成本可以较为客观计量，对该部分数据资产采用“成本法”进行价值评估。二是对于应用类数据资产，由于与业务场景的匹配性较强，可以直接赋能业务提升收益表现，业务增量收益能够较为客观、准确地测度。该类数据资产可进一步按照价值构成划分，对业务算法模型的投入价值，采用“成本法”进行评估；对数据资产赋能业务拓展所创造的业务价值，采用“收益法”进行评估。三是各类数据资产存在可参考的外部交易案例时，参照外部投入价值业务价值潜在外部价值恒丰银行恒丰银行恒丰银行恒丰银行恒