引言
近年来，我国将数字经济纳入国家战略顶层设计，数据资产作为新型生产要素，逐步崛起为驱动经济增长的核心引擎。国有企业凭借其数据资源禀赋和合规管理优势，在数据资产化转型中发挥示范引领作用。国家“数据二十条”等政策支持下，国企数据确权登记、价值挖掘等实践取得突破性进展。目前数据资产交易市场尚处于“破冰”探索期，数据资产估值相关理论研究和实践较少，如何对其价值进行合理评估成为资产评估领域亟待解决的难题。浙江省注册会计师协会专业技术委员会组织遴选并整理了我省执业机构提交的典型案例，形成本系列首期案例选编，旨在为行业提供参考与借鉴。
案例一：增信涉及的海洋生态环境数据资产评估项目
案例背景：A公司为海洋环境检测服务公司，拥有大量海洋生态环境数据，拟进行数据资产增信涉及的海洋生态环境数据资产评估。
基本情况：评估对象为A公司通过海洋监测点自主采集的分布于××港和××湾的海洋生态环境数据资产“海洋生态数据集”，包含××张表格，字段总计××个，共计××数据。数据采集技术流程包括初次数据采集或历史数据收集整理，以及基于完整数据集生成生态环境综合评价报告。数据资产生命周期包括采集、存储与管理、处理与分析、应用、保留与归档、销毁等阶段。数据资产评价从4个维度进行，整体得分××。应用场景包括海洋环境质量发布、用海审批、环境影响评价等。
主要做法：采用成本法和收益法进行评估。
- 成本法：重置成本包括前期费用、直接成本（数据采集、汇聚、存储、开发、产品开发、维护、安全维护）、间接成本（软硬件、基础设施、公共管理）、机会成本和相关税费。价值调整系数包括质量调整系数和经济寿命调整系数。
- 收益法：采用多期超额收益预测模型，预测数据资产与其他相关贡献资产共同产生的整体收益，扣除其他相关贡献资产的贡献，确定超额收益，并折现计算评估值。
归纳总结：
- 数据资产质量评价对价值评估具有重要意义。
- 需要关注数据资产形成的过程和各类成本的归集及差异。
- 数据资产在收益场景的多样性为评估带来挑战，评估结论需针对特定应用场景。
- 数据资产登记是评估的重要基础。
- 需要进一步明晰数据资产边界的界定和识别。
- 区分数据资产和其他资产的贡献，合理评估数据资产价值。
- 针对性调查数据资产。
- 需要更加充分地揭示数据资产价值的外溢性效果。
- 评估实践对于制定数据资产相关评估准则和标准具有重要意义。
案例二：人工智能大模型数据资产及其他无形资产组合评估项目
案例背景：B公司为专注于人工智能大模型各领域智能体及产业应用的科技型创新企业，拟了解××大模型的价值，为后续进行股权融资、业务合作等事项提供参考依据。
基本情况：评估对象为B公司持有的××大模型等数据资产及相关的商标、专利及软件著作权等无形资产。数据资产包括××大模型、用于训练模型的数据资源及由此形成的数据产品。应用场景包括城市治理、民生生活等。权利信息包括数据加工使用权和数据产品经营权。成本构成包括前期费用、数据采集、数据汇聚、数据存储、数据开发、数据应用、运维成本和管理成本以及相关的税费。
主要做法：采用成本法和收益法进行评估。
- 成本法：重置成本包括开发成本、应计利息、开发利润。价值调整系数包括数据质量系数、数据流通系数、数据垄断系数和数据价值实现风险系数。
- 收益法：采用多期超额收益法，预测资产组合预期收益，扣除长期资产、营运资金和劳动力组合所创造的收益贡献值，确定超额收益，并折现计算评估值。
归纳总结：
- 取得成效：激活数据资产价值，赋能企业融资生态；开辟评估新赛道，构建专业服务体系；树立价值转化标杆，驱动经济创新发展。
- 案例创新性：
- 评估方法的创新性：结合企业数据资产的具体特点，摸索各种评估方法的适用性。
- 评估模型及参数的创新性：充分考虑影响数据资产价值的成本因素、场景因素、市场因素和质量因素，并引入AHP和模糊综合分析法。
- 评估过程中遇到的难点及解决方案：
- 成本法主要参数的确定：引入AHP和模糊综合分析法，建立清晰、可操作性强、能有效解决实际问题的参数计量方法。
- 收益相关性的划分和确定：围绕数据资产相关业务进行区分调整后确定收益预测数据。
案例三：融资涉及的企业用水监测预警数据资产评估项目
案例背景：C公司为自来水生产供应和城市生活污水收集处理企业，拟以企业用水监测预警数据产品获得银行授信进行融资。
基本情况：评估对象为C公司基于××省C市范围内企业用水情况数据开发的企业用水监测预警数据产品。数据资产应用场景为增加企业用水量及缴费情况相关业务指标，实现企业用水情况的全天候在线智能监测，发现潜在用水问题，实现企业异常用水波动预警提醒，帮助银行更好地监测企业信贷风险。权利信息包括数据资源持有权、数据加工使用权和数据产品经营权。成本构成包括数据采集成本、数据加工成本、数据产品开发成本及数据更新维护成本。
主要做法：采用成本法进行评估。
- 重置成本：包括开发成本、应计利息、开发利润。开发成本包括数据采集成本、数据加工成本、数据产品开发成本及数据更新维护成本。
- 价值调整系数：包括数据质量系数、数据流通系数、数据垄断系数和数据价值实现风险系数。
归纳总结：
- 取得成效：数据资产价值的量化在本次企业融资过程中起到了积极的作用。
- 案例创新性：
- 评估方法的创新性：结合企业数据资产实际所处的阶段，摸索了各种评估方法的适用性。
- 评估参数的创新性：引入AHP和模糊综合分析法，建立清晰、可操作性强、能有效解决实际问题的参数计量方法。
- 评估过程中遇到的难点及解决方案：
- 数据资产权属的核查验证：利用律师事务所出具的数据资产权属法律意见书，进一步对数据资产的权属状况进行了确认。
- 开发成本与日常经营成本的划分确定：结合业务流程、工序、涉及部门及人员等对数据形成链路进行分析，从而确定数据流转关键角色，进行成本归集后分摊至数据产品。
案例四：融资涉及的停车余位数据资产评估项目
案例背景：D市××停车管理有限公司拟对“停车余位数据资产”进行质量评价与价值评估。
基本情况：评估对象为D市××停车管理有限公司“停车余位数据资产”，主要为为互联网地图的用户提供目的地附近的停车场位置、导航路线、以及空余停车位的数据产品。数据资产业务流程包括数据采集、数据汇聚、数据存储、数据开发、数据运营维护和数据安全维护。应用场景为整理停车场车位的使用状况，为车位管理提供基础数据。
主要做法：采用成本法进行评估。
- 重置成本：包括数据采集相关投入、数据汇聚相关投入、数据存储相关投入、数据开发相关投入、数据资产运营维护相关投入、数据安全维护相关投入和其他成本相关投入。
- 质量调整系数：参考专业人员对数据资产的质量评价结果，并通过对待估数据资产的了解及对D市××停车管理有限公司管理层的访谈，得到数据资产的质量评价系数。
归纳总结：
- 助力企业盘活自身拥有的数据资源，为其后续可能的提升信用评级、拓宽融资渠道、增强融资能力等提供支持。
- 为不同企业不同应用场景下的数据资产评估提供了一定的参考。
- 对评估师综合素质要求较高。
- 评估行业所承接的数据资产评估业务类型日益多样，为评估师带来了新的挑战。
