《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.pdf》由会员分享，可在线阅读，更多相关《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.pdf（41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、数据资产化之路数据资产化之路数据资产的估值与行业实践 推荐语 虞正 德勤中国 估值与商业模型服务 合伙人 高红冰 阿里巴巴集团 副总裁、阿里研究院院长 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。“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
2、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，建议应采取面向未来、审慎包容、鼓励创新的理念和原则，以期为数据资产相关产业开辟更大的发展空间。文档文档标题标题|摘要摘要 3 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
3、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
4、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
5、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。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 5 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
6、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数据如何转化为资产入手，分析数据资产如何产生价值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如何分析数据资产的价值。数据资产化之路|第一章 数据如何转化为资产 6 第一章 数据如何转化为资产 数据数据权权信息信息权权（如：商业秘密、隐私、个人信息）符号符号权权
7、（如：知识产权）物物权权1234数据资产化之路|第一章 数据如何转化为资产 7 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
8、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）。数据的概念数据的概念 图图 1 数据的概念数据的概念 数据通常是指对客观事物进行记录、未被加工的原始素材。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。数据量大（Volume）数据更新频繁（Velocity）数据类型多样（Variety）数据价值密度低（Value）按生产对象分类按生产对象分类与人有关的数据与物有关的数据与事有关的数据按存储形式分类按存储形式分类结构化数据半结构化数据非结构化数据按内容类型分类按内
9、容类型分类社交数据购物数据按权属分类按权属分类公有数据私有数据数据的定义数据的定义数据的特性数据的特性数据的分类数据的分类数据资产化之路|第一章 数据如何转化为资产 8 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
10、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。数据可以按照生产对象、存储形式、内容类型生产对象、存储形式、内容类型和权属和权属进行分类 数据的分类数据的分类 数据按照生产对象生产对象可以分为：与人有关的数据与人有关的数据指围绕个人生产生
11、活所产生的数据，如：个人信息、信用数据等；与物有关的数据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。数据的分类数据的分类 数据资产化之路|第一章 数据如何转化为资产 9 数据按照内容类型内容类型可以分为：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。数据按照存储形式存储形式可以分为：结构化数据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
12、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）数据按照权属权属可分为：私有数据、公有数据。私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
13、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（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数据，当量变达到质变，就催生出新的研究价值。当前典型个人计算机硬盘的容量为 TB
14、量级，而一些大企业的数据量已经接近 EB 量级。数据数据更新更新频繁（频繁（Velocity）这是大数据区分于传统数据的显著特征。根据 IDC 的“数字宇宙”的报告，预计到 2020 年，全球数据使用量将达到 40ZB。在如此海量的数据面前，分析对象的数据将被频繁更新。对分析对象要求是频繁更新的数据.数据类型多样（数据类型多样（Variety）大数据面对的数据通常是异构、异质的数据集。如同前文提到数据的存储形式，可能包括文本、音频、视频等多种形式，即可能是结构化、半结构化的或无结构的。数据资产化之路|第一章 数据如何转化为资产 10 数据价值密度低（数据价值密度低（Value）价值密度的高低与
15、数据总量的大小成反比。以视频为例，一部 1 小时的视频，在连续不间断的监控中，有用数据可能仅有一二秒。如何通过强大的机器算法更迅速地完成数据的价值“提纯”成为目前大数据背景下亟待解决的难题。数据资产化之路|第一章 数据如何转化为资产 11 资产的定义资产的定义 目前，关于如何将数据视为企业的一项资产来计量、管理、转让，尚未形成一个明确的标准，我们将从企业会计准则中对于资产的定义入手，来探讨数据与资产的联系和转换。根据企业会计准则基本准则（财政部令第 33 号），“资产是指企业过去的交易或者事项形成的、由企业拥有或者控制的、预期会给企业带来经济利益的资源。由企业拥有或者控制，是指企业享有某项资源
16、的所有权，或者虽然不享有某项资源的所有权，但该资源能被企业所控制。预期会给企业带来经济利益，是指直接或者间接导致现金和现金等价物流入企业的潜力。符合准则规定的资产定义的资源，在同时满足以下条件时确认为资产：与该资源有关的经济利益很可能流入企业;该资源的成本或者价值能够可靠地计量。”数据资产由于不具有实物形态，我们进一步参考了“无形资产”的定义。根据企业会计准则第 6 号无形资产，“无形资产是指企业拥有或者控制的没有实物形态的可辨认非货币性资产。符合无形资产定义中的可辨认性标准：能够从企业中分离或者划分出来，并能单独或者与相关合同、资产或负债一起，用于出售、转移、授予许可、租赁或者交换；源自合同
17、性权利或其他法定权利，无论这些权利是否可以从企业或其他权利和义务中转移或者分离。无形资产同时满足下列条件的才能予以确认：与该无形资产有关的经济利益很可能流入企业；该无形资产的成本能够可靠地计量。”参考企业会计准则对“资产”的定义，判断一个对象是否符合资产的定义可以从以下几个标准来考虑：该资产是由企业过去的事项形成的；由企业拥有或控制；预期为企业带来经济利益；成本或该资产是由企业过去的事项形成的；由企业拥有或控制；预期为企业带来经济利益；成本或价值可以可靠计量；价值可以可靠计量；若进一步参考“无形资产”的定义，还需符合能够从企业中划分出来；源自合同能够从企业中划分出来；源自合同性权利或其他法定权
18、利性权利或其他法定权利这两条标准。企业会计准则对于数据是否可以作为资产具有一定的指引作用，或者说是数据能否被视为资产的充分条件。然而，会计准则仅局限于财务报表的范畴，实际在衡量企业价值的时候，我们经常看到投资人对某些拥有大量数据资产的公司支付远高于其账面资产价值的溢价，这也意味着，即使数据无法被反映在财务报表上，仍可能蕴藏着巨大价值。数据和资产的联系及转换数据和资产的联系及转换 根据前述分析的数据特性，我们将对照会计上资产的概念，逐条讨论数据和资产、无形资产的联系与转换。数据与资产数据与资产“该资产是由企业过去的事项形成的”“该资产是由企业过去的事项形成的”通常来讲，大部分数据是在企业的生产经
19、营活动中产生，是由过去的事项形成的。但是，数据是动态的，并且持续更新的数据才更有价值。数据的价值不仅体现在现有的数据，更在于未来可以持续更新或扩充该类数据的能力。这是数据资产有别于传统无形资产（如数据库）的方面，却也可能导致数据资产无法完全满足会计准则对资产的定义。会 计 准 则数据资产化之路|第一章 数据如何转化为资产 12“由企业拥有或控制”“由企业拥有或控制”这条标准涉及数据的权属问题。对于数据的权属，目前中国尚未有完整的法律体系。通常情况下，对于依托于互联网平台产生的数据，如搜索引擎的用户在搜索引擎平台输入的数据，这类数据一方面来源于用户的行为，另一方面也来源于平台的信息系统，对这种可
20、能产生权益交叉的问题，目前平台和用户在遵照法律原则规定的前提下，通过合同的方式确定其权益的分配，进而确保平台可利用该数据为企业创造价值，同时用户可基于合同保障自身合法权益。“预期为企业带来经济利益”“预期为企业带来经济利益”企业在运营中可能产生大量的数据，数据在被有效的挖掘、整合后可以产生巨大的价值。但并不是所有的数据都值得被利用，如果数据的取得、维护成本大于其产生的收益，或企业无法通过自用或外部商业化对其有效变现，那么这部分数据就不存在经济利益，即没有被视为数据资产的意义。“成本或价值可以可靠计量”“成本或价值可以可靠计量”数据的成本主要包括获取成本、加工处理成本、存储等持有成本，其中，加工
21、处理成本、持有成本可以直接对应至相关数据对象，相对方便计量，但大部分数据为企业生产经营的附加产物，获取成本通常难以从业务中划分出来而难以可靠计量。此外，数据的价值主要取决于数据的应用场景，同一数据在不同的应用场景下价值差异可能很大，也是导致数据资产价值难以计量的重要因素之一。综上，数据的成本或价值均难以可靠计量，成为了“数据”确认为会计准则定义下“资产”、“无形资产”的阻碍之一。数据与无形资产数据与无形资产“能够从企业中划“能够从企业中划分出来”分出来”这条标准需要数据资产能够从企业中划分出来，并且可以和其他资产区分开。大部分数据能够从企业划分出来应用于外部商业化，形成数据产品从而产生价值；但
22、是大部分数据的产生来源于企业的日常经营，如客户消费数据，企业收集分析后用于更好地为客户服务，逐渐形成良好的“客户关系”，这种情况下，“客户数据”的价值与“客户关系”的价值息息相关，数据资产难以与客户关系区分开来；另一种角度看，数据资产是企业持续经营的产物，那么数据资产则难以从企业中独立划分出来，而这种无法被独立划分的资产，在目前通常被认为是商誉的组成部分。“源自合同性权利或其他法定权利”“源自合同性权利或其他法定权利”这条标准为无形资产定义中的判断“可辨认性”的标准之一。界定无形资产的权利来源，如一方通过与另一方签订特许权合同而获得的特许使用权，通过法律程序申请获得的商标权、专利权等。对于合同
23、性权利，数据资产由于具有通用性、无限共享等特性，需视合同具体约定而确定权利范围。目前“数据”尚未像商标、专利一样，制定有明确的权利申请途径、权利保护方式等，对于数据的法定权利，尚未有完整的法律保护体系。数据资产的法律权属问题尚待解决，导致其可能无法符合“无形资产”的这一准则要求。数据资产化之路|第一章 数据如何转化为资产 13 图图 2 数据和资产及无形资产的联系及转换数据和资产及无形资产的联系及转换 综上，我们可以看到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，数据资产也尚未体现在企业的财务报表上。然而，从会计角度的讨论只是一个起点，这一研究更重要的价值指向还在于：如
24、何从广义上认可数据的价值及其对企业价值的贡献。该资产是由企业该资产是由企业过去的过去的事项事项形成的形成的由企业拥由企业拥有或控制有或控制预期为企业预期为企业带来经济带来经济利益利益成本或成本或价值价值可以可靠计量可以可靠计量能够从企业能够从企业中划分出来中划分出来1204305数数据据资产资产/无形无形资产资产数据数据资产资产源自合同性源自合同性权利权利或或其他法定权利其他法定权利645数据资产化之路|第一章 数据如何转化为资产 14 数据资产化的重要性数据资产化的重要性 形成企业共通的数据语言：形成企业共通的数据语言：Logon（2017）认为数据在企业内部充分应用最大的障碍是存在语言壁垒
25、。数据作为各部门运行的衍生产物，分散在企业运营各部门处。各部门由于职能不同，对数据的理解表述方式也各不相同。数据分析者往往需要花费大量的时间和精力收集各类数据，寻找数据共通的连接方式，才能将其归类分析应用。数据资产化意味着在公司内部形成共同的“数据语言”，各部门为了统一的分析目的，形成各自对应的统计标准，在运营过程中实时对数据进行收集汇总分析。由此，企业的管理层可以更高效地对数据进行讨论和沟通。形成企业的战略资产：形成企业的战略资产：数据资产化之后，数据资产会渐渐成为企业的战略资产，企业将进一步拥有和强化数据资源的存量、价值，以及对其分析、挖掘的能力，进而会极大提升企业的核心竞争力。加速数据资
26、产交易进程：加速数据资产交易进程：目前在缺乏交易规则和定价标准的情况下，数据交易双方承担了较高的交易成本，制约了数据资产的流动，但随着数据资产管理的完善，必然能加速数据资产交易的进程。促使数据资产产权问题明确：促使数据资产产权问题明确：同时，数据资产的所有权问题，在未来也会越来越明确，法律制度会随着基础管理能力的提高而完善，以数据资产为核心的商业模式，也将会在资本市场中越来越受到青睐。数据资产化之路|第一章 数据如何转化为资产 15 资产化资产化视角视角下的下的数据特性数据特性 通用性通用性 资产具有通用性和专用性，数据资产与传统资产最重要的区别在于数据资产的通用性更强。资产的通用性是指资产替
27、换使用程度以及与其它资产结合使用的程度。替换使用是指资产不仅能担当原来的用途，还能直接担当其它的用途。结合使用是指资产与资产之间通过互补、重组，形成新的资产，担当新的用途。通过结合使用，原来的资产间接转为它用。关于资产的通用性与专用性，传统意义上如生产工艺带来了生产的副产品（如：发电厂发电形成附带产品热气），生产工序之间高度的关联性，两种或多种产品在生产上具有交叉性，一种产品可能是另一种产品的投入（钢铁企业从炼铁、炼钢到型材的工艺联系日益紧密）等。而随着信息通信技术等通用目的技术的发展，资产的通用性不断增强，新技术的发展正在不断改变有形资产的利用效率，随着信息技术的发展，固定成本的可变性增大了
28、，而资产的专用性却减少了。数据相对于一般的无形资产、实物资产可以说具有更高的通用性。有形资产往往由于其形态限制，用途有限，比如专用设备只能用于加工某类产品；通用设备虽然可加工的产品种类较多，但仅能用于生产制造。而数据通常可以用于不同行业不同领域，比如个人的信用信息，在金融行业和消费领域都是非常重要的营销、运营依据。资产通用性与专用性的变化对企业带来的影响体现在企业规模经济和范围经济上，资产的通用性是企业形成范围经济的重要来源。外部性外部性 数据除企业自用外，还可以打包形成数据产品、数据服务等在外部市场销售，以产生更大的商业价值，而且数据的外部性往往是其价值的重要组成部分。生产数据的企业可以利用
29、数据提升自身的业绩，同时这些数据对其他企业也会具有相当的价值。比如，租车企业在搜集到用户的用车习惯后，不仅可以进行针对性的客户维护和营销活动，还能在合法合规的前提下，把相关数据提供给保险公司作为其分析寻找目标客户的重要信息。可以无可以无限共享限共享 数据可以在在同一时间被多方使用而没有任何损失，这一特性使得数据具有更大的使用价值。集合使用价值更高集合使用价值更高 数据的价值取决于数据的应用场景，单一数据的应用有限，多维度的数据结合应用可能产生 1+1 大于2 的价值。数据权利不同造成价值差异数据权利不同造成价值差异 鉴于数据资产的特殊性，在纯学术推演的理想状态下，完整的数据权可以根据应用情况分
30、为多个权利束，如占有权、使用权、收益权、共享权、跨境传输的权利等（许可，2019）。权利人可以同时拥有一个或多个权利束，不同权利束下，数据资产的价值也会不同。数据资产化之路|第一章 数据如何转化为资产 16 图图 3 数据权的权利束理论数据权的权利束理论 数据权的权利束理论数据权的权利束理论完整产权和不完整产权的分类来自于德姆塞茨。所谓“完整产权”，一般指的是占有权、使用权、处分权和收益权，所谓“不完整产权”或“残缺产权”即将完整产权的权利束中删除一部分权利的剩余权利。在数据资产的评估中，设想可以将数据完整产权作为一个“理想型”，在不考虑法律限制的情形下，确定其价值。占有权占有权排他权排他权使
31、用权使用权管理权管理权收益权收益权资本资本权权共享共享权权保障权保障权无无期限限制期限限制禁止有害禁止有害使用使用跨跨境传输境传输权利权利损害赔偿权损害赔偿权拒绝政府索拒绝政府索取权利取权利剩余性剩余性权利权利占有权占有权对数据直接控制的权利排他权排他权对数据排除他人使用或从中获利的权利使用权使用权-对数据的使用权管辖权管辖权决定如何或由何人使用该数据的权利资本权资本权出售、许可数据获得收益的权利收益权收益权享有因个人对数据的使用或允许他人使用而产生的收益保障权保障权免于被侵夺的权利共享权共享权将数据与他人共享的权利无期限限制无期限限制对数据的权利不应有时间上的限制禁止有害使用禁止有害使用有权
32、制止以有害他人方式使用数据的权利剩余性权利剩余性权利在某项权利消灭之后回复所有权拒绝政府索取权利拒绝政府索取权利不向政府报送数据的权利损害赔偿损害赔偿权权对数据的侵夺和侵害，有权获得金钱赔偿的权利跨境传输权利跨境传输权利数据自由跨境流通的权利数据资产化之路|第一章 数据如何转化为资产 17 实践中的数据资产交易实践中的数据资产交易 LinkedIn Microsoft 在 2016 年以 262 亿美元，超 50%的溢价收购 LinkedIn，消息公布后，LinkedIn 盘前股价大涨超过 48%。LinkedIn 是一家全球职业社交网站公司，收购时用户数量高达 4 亿会员，营收超过 30 亿
33、美元。Facebook Facebook 在 2011 年上市时公司市值超过 1,000 亿美元，公布的资产价值则仅有 66 亿美元，巨大差额产生的原因，是源于 Facebook 没有体现在账面上的“数据资产”Facebook 上市时拥有8.45 亿个月活跃用户，每日产生 27 亿条评论，每日上传 2.5 亿张照片，1,000 亿条好友关系。Instagram Facebook 于 2012 年 4 月宣布以 10 亿美元收购 Instagram。Instagram 创建于 2010 年 10 月，收购时拥有活跃用户数量超过 4,000 万，2012 年 9 月，注册用户数突破 1 个亿。Go
34、ogle Google 为了深化公共 WIFI 业务，提供比电信运营商更有利的服务条款。这是因为 Google 更看重WIFI 业务所带来的用户数据价值。Wholefoods 亚马逊于 2017 年以 137 亿美元收购高端连锁超市 Wholefoods。收购后，亚马逊可以更全面地获取客户的综合消费数据。在收购消息曝光后，Amazon 股价上涨了 26.03 美元，达到 990.20 美元，涨幅为 2.7%；Wholefoods 股价上涨 8.83 美元，达到 41.80 美元，涨幅为 26.7%。WhatsApp Facebook 于 2012 年以 190 亿美元收购 WhatsApp。W
35、hatApp 于 2009 年在美国创立，为一款国际化的移动社交平台。收购时员工数 50 人，总用户超过 10 亿，月活跃用户数超过 4.5 亿。数据资产化之路|第二章 数据资产的价值体现及影响因素 18 第二章 数据资产的价值体现及影响因素 信用科技数据银行 外部商业化使用外部商业化使用数据业务化数据业务化数据数据资产资产内部管理使用内部管理使用业务数据化业务数据化智能家居数据资产化之路|第二章 数据资产的价值体现及影响因素 19 数据资产的应用场景极其丰富，并仍在不断扩大。在金融领域，德勤和中科院联合开发的智能化产品“智慧债券”，其主要采用云、大数据和人工智能技术，基于基本面分析和舆情分析
36、，实现了债券的信用风险实时预警；在公共事业领域，浙江省开展“公共数据资源梳理”项目，它包括企事业单位、政府单位，依托电子政务项目预审的工作，开展全省项目独立预审单位的信息系统实有数据普查等，借助数据系统更高效地处理政务工作。数据的应用场景数据的应用场景 内部使用内部使用业务数据化业务数据化 内部使用主要指将企业运营产生的数据进行收集整理分析，用于服务自身经营决策、业务流程，从而提升公司盈利能力。电商平台在运营中会产生大量的平台交易数据，平台可以通过对现有交易数据的分析来制定下一步的运营和营销策略。各电信运营商都有成熟的高价值客户关怀维护体系，会定期分析高价值用户的套餐状态、消费情况、使用异常等
37、，从而可以适时地采取客情维系策略，如在用户套餐即将到期时，通过一定的续约优惠（续约送手机、充值返话费等）吸引用户续约，延长稳定收益的时间。外部商业化外部商业化数据业务化数据业务化 外部商业化是指将数据整理分析后形成可以对外服务的数据商品，如芝麻信用和品牌数据银行等。芝麻信用是一家旨在构建简单、平等、普惠商业环境的信用科技企业，是蚂蚁金服生态体系的重要组成部分。芝麻信用利用云计算、机器学习等领先科技客观呈现个人和企业的商业信用状况。芝麻信用从用户信用历史、行为偏好、履约能力、身份特质、人脉关系五个维度对用户的信用进行评估。目前已在租赁、购物、商旅出行、本地生活等众多商业场景中通过信用科技赋能，让
38、商户为更多用户提供更好更便利的服务。人与人，人与商业之间的关系正因为信用而变得简单。比如，当用户的芝麻分达到一定数值，租车、住酒店时可以不用再交押金；有一定芝麻分的个人办理签证时可以等同于存款证明等等。目前芝麻信用已经在超过 40 个行业提供商业信用服务，免押金额超过 1000 亿元，服务过亿用户数。除上述两款产品外，阿里巴巴旗下还有“数据银行”等，也是使用数据进行外部商业化的实例。2017 年，阿里巴巴发布了服务于品牌的消费者数据资产管理中心品牌数据银行（Brand Databank）。品牌数据银行的含义，就是将品牌消费者数据视为资产，像货币一样进行储蓄和增值。品牌商由此可以直观地看到相应的
39、消费者资产，并用于帮助其营销决策。消费者资产的形成，与品牌在三个维度上的表现相关：消费者总量；消费者品类购买力；消费者转化力。它可以基于品牌消费者人数，预测该人群将为品牌带来的商业价值（按 GMV 维度）。通过数据的全链路透视，消费者数据资产由此终于变得可评估、可优化、可运营，这在根本上改变了对营销效果的评估方式：消费者资产由一次次营销和运营活动逐渐积累和沉淀而来，它以资产为主线，将多个单次活动串联起来，从而能够支撑企业长期的营销规划和决策。例如，戴森Dyson 借助阿里巴巴 Uni Marketing，准确地找到了潜在的消费者，并能够开展长期运营：所有与戴森有过联系的消费者，都沉淀在了它的品
40、牌数据银行中，并以 AIPL（认知、兴趣、购买、忠诚）的不同阶段进行了区分。正是基于对“品牌与消费者关系不断加深”的这一清晰分析，戴森可以有效地判断和规划某类营销活动中相关产品组合的有效程度。数据资产化之路|第二章 数据资产的价值体现及影响因素 20 影响数据资产价值的因素影响数据资产价值的因素 图图 4 影响数据资产价值的因素影响数据资产价值的因素 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。数据资产的质量是应用价值的基础，对数据的质量水平有一个合理的评估，有利于对于数据的应用价值进行准确预测。（李然辉，2018）11
41、1质量维度质量维度数据资产的质量是应用价值的基础，对数据的质量水平有一个合理的评估，有利于对于数据的应用价值进行准确预测。应用维应用维度度数据的价值在于与应用场景的结合，不同应用场景下，数据所贡献的经济价值有所不同。风险维度风险维度内容受法律限制少的数据类型通常有着较高的交易价值，另外，同一数据在法律要求不同的国家交易价值也会有所不同。VALUE稀缺性稀缺性2真实真实性性4数据成本数据成本安全性安全性243完整性完整性时效性时效性多维性多维性场景经济性场景经济性2法律限制道德约束53准确性准确性数据资产化之路|第二章 数据资产的价值体现及影响因素 21 质量维度质量维度 真实性真实性，表示数据
42、的真实程度。如果数据有偏差，那么使用结果可能会差之毫厘失之千里；若数据造假，更将失去数据统计的意义。真实的数据才具有价值。完整性完整性，表示数据对被记录对象的所有相关指标的完整程度。关键数据的缺失，将影响数据在应用中的价值贡献，或需增加成本去补充数据。数据的采集范围越广，完整性可能越高，数据资产的价值相对也会越大。准确性准确性，表示数据被记录的准确程度。在工作中，拿到的数据都需要先进行清洗工作，排除异常值、空白值、无效值、重复值等，这项工作很可能会占到整个数据分析过程将近一半的时间。专职工种“数据清理工程师”的出现也说明数据清洗工作的复杂性。数据的准确性越高，对数据的清理成本越低，数据的价值也
43、就越大。数据成本数据成本，在数据交易市场不活跃的情况下，数据的价值没有一个明确的计算方式，卖方出售数据的报价首先会考虑数据的成本。数据的获取方式通常为公司内部收集或者外购。对于公司内部产生和收集数据，显性成本主要有收集、持有程序下的人力成本、存储设备成本等，无法可靠计量的隐形成本主要为数据所附着业务的研发成本、人力成本摊销等。通常，获取成本越大，数据的交易价值相对越大。安全性安全性，表示数据不被窃取或破坏的能力。数据自身的安全性越高，就可以为企业产生越稳定的价值贡献；同时，数据持有企业对其支付的保护成本越低，其数据资产的价值越大。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、
44、安全性等。12真实真实性性4数据成本数据成本安全性安全性完整性完整性53准确性准确性数据资产化之路|第二章 数据资产的价值体现及影响因素 22 应用维度应用维度 稀缺性稀缺性，表示数据资产拥有者对数据的独占程度。商业竞争的本质，部分来自于对于稀缺资源的竞争。在制造差异化趋平的情况下，稀缺数据资源背后潜在的商业信息更加凸显价值。比如司机驾驶习惯的数据，如：驾驶速度的稳定系数、刹车油门踩动的频繁程度等保险公司拿到这些数据，有助于它分析出司机的驾驶习惯、事故风险概率，从而相对精准地计算车险保费金额，更有效地提高经营效率（东方财富网,2018）。然而，这类数据是稀缺的，一般只有汽车生产商或出行服务运营
45、商可以获得这类数据。相对于司机的姓名、联系方式等普通信息，驾驶习惯数据由于其稀缺性而体现出更高的价值。时效性时效性，数据的时效性决定了决策在特定时间内是否有效。比如交通信息数据，在没有智能交管之前，交管中心收集的交通数据通常比较滞后，司机收到的路况信息已经是几十分钟之前的，低时效导致数据的价值大打折扣。在有了智能交管之后，信息中心通过获取智能手机、车辆的实时位置，可以实时提供地区的人流量和车流量情况，提前分散车流、缓解交通压力。由此可见，数据的时效性在某些应用场景下至关重要(bingdata123,2018)。多维性多维性，表示数据覆盖范围的多样性。比如用户在搜索引擎提问“美妆”、“学区查询”
46、、“金融招聘”等问题，搜索引擎可以根据这些问题及打开的相关链接，分析出用户的年龄段、性别、文化背景、职业大类、需求偏好，再根据使用的手机或电脑品牌，更换通信设备的频率等推测出收入阶层，将这些数据挖掘整理后连接起来，就刻画出一个多维的用户形象。数据维度越多，适用的范围越广，数据的价值也就越大。场景经济性场景经济性，数据的价值在于与应用场景的结合，不同应用场景下，数据所贡献的经济价值有所不同。比如我们上述提到的，司机驾驶习惯数据可以帮助保险公司更准确地计算保费和理赔概率以提高利润，该数据也可以帮助交通公司招聘合适的司机，但招聘场景下的应用价值，可能没有帮助保险公司提高利润所带来的价值更大；又如交通
47、路况信息用于物流公司的场景，比个人出行场景下的经济价值更大；再如，当多维度的用户信息用于寻找高净值客户时，也比用于普通生活用品推广场景下的经济价值更大。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（李然辉，2018）。1稀缺性稀缺性243时效性时效性多维性多维性场景经济性场景经济性数据资产化之路|第二章 数据资产的价值体现及影响因素 23 风险维度风险维度 法律限制，在法律尚未明确规定的情况下，哪些数据绝对不能交易，哪些数据可以通过设计合法后才能交易，这些问题在限制数据交易的同时也影响着数据资产的价值。例如，经去标识化处理后的个人信息虽然可以相对自由地进行交易，但其价值与去
48、标识前的个人信息显然存在差异。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。一部关于数据交易的法律法规的出台或者一个经典判决的作出，都可能对相应数据资产的价值带来从量变到质变的影响。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。12法律限制道德约束数据资产化之路|第二章
49、数据资产的价值体现及影响因素 24 图图 5 对对 GDPR 实施效果的评价实施效果的评价 道德约束，是指来自社会舆论压力的风险等。获取个人隐私信息的公司如不恰当地使用个人信息，不尊重用户隐私，将会影响公司的品牌形象、客户信任，对于数据资产的价值和公司的价值都会带来负面影响。123123通用数据保护条例通用数据保护条例（General Data Protection Regulation，“GDPR”）对对GDPR实施效果的评价实施效果的评价支持支持批评批评GDPR提升了消费者的自我保护意识，企业在数据收集和使用时更加谨慎。各项数据权利，部分地加强了消费者对数据的控制权。GDPR促使企业逐渐建
50、立一个注重数据安全的流程和战略。GDPR下的数据监管机构倾向于积极履行职能，增加了政府介入企业经营的深度和广度。影响创业创新：民众对大型公司的数据保护程度更加信任，大型公司也更有能力承担合规成本，中小型创业企业可能失去更多发展机遇。影响投资和就业：美国国家经济研究局的一项研究发现，GDPR 使新企业每周减损 90 万美元投资，使成熟企业每周减损 710 万美元投资；GDPR使新兴、年轻和成长阶段企业每笔交易融资额分别缩水27.1%、31.4%和77.3%；其造成的岗位流失大致相当于样本新兴企业雇工人数的 4.09%-11.20%。数据资产化之路|第三章 如何分析数据资产的价值 25 第三章 如