信息技术大数据数据资产评估

1信息技术大数据数据资产评估本文件规定了数据资产评估框架，包括评估对象、评估依据、数据评价、价值评估、评估过程、评估保障和评估安全。本文件适用于相关主组织开展数据资产评估工作。2规范性引用文件下列文件对于本文件的应用是必不可少的。凡是注日期的引用文件，仅注日期的版本适用于本文件。凡是不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。GB/T33172-2016资产管理综述、原则和术语GB/T34960.5-2018信息技术服务治理第5部分：数据治理规范GB/T36344-2018信息技术数据质量评价指标GB/T37550-2019电子商务数据资产评价指标体系GB/T38667-2020信息技术大数据数据分类指南GB/T40685-2021信息技术服务数据资产管理要求3术语和定义下列术语和定义适用于本文件。3.1资产asset是指组织过去的交易或者事项形成的、由组织拥有或者控制的、预期会给组织带来经济利益的资源。[来源：GB/T33172-2016，3.2.1]3.2数据资产dataasset以数据为载体和表现形式，能进行计量的，并能带来直接或者间接经济利益的数据资源。注：改写GB/T37550-2019，定义2.4、GB/T40685-2021，定义3.1、GB/T34960.53.3数据资产评估dataassetevaluation遵守法律、行政法规和资产评估准则，根据委托对评估基准日特定目的下的数据资产价值进行评定和估算，并出具数据资产评估报告的专业服务行为。注：改写GB/T40685-2021，定义3.9，数据资产评估分为数据评23.4收益期限revenueperiod是数据资产在寿命年限内持续发挥作用并产生经济利益流入的期限。3.5折现率discountrate是指将未来各期的预期收益折算成现值的比率。3.6数据集dataset数据记录汇聚的数据形式。[来源：GB/T35295-2017，2.1.46]3.7元数据metadata定义和描述其他数据的数据。[来源：GB/T18391.1-2009，3.2.16]4评估框架在提供评估保障和确保评估安全的前提下，参照评估依据，对评估对象，进行数据评价，获得可供价值评估使用的质量要素、成本要素和应用要素参数，再采用收益法、成本法或市场法完成价值评估。详细内容见图1。图1数据资产评估框架35评估对象5.1基本属性数据资产评估应通过委托人提供、相关当事人提供、自主收集等方式获取数据资产的基本属性，主要包括：a)通用属性，包括数据的来源、类型、结构、规模、时段、更新周期、元数据标准等，其中数据类型和数据规模详见附录A；b)业务属性，包括业务描述、业务指标、业务规则和关联关系等；c)管理属性，包括数据分类分级、安全信息、数据溯源、职责权限和应用场景等。5.2基本特征数据资产评估应分析基本特征对数据资产价值评估的影响。数据资产的基本特征通常包括非实体性、依托性、可共享性、可加工性、价值易变性等。a)非实体性是指数据资产无实物形态，虽然需要依托实物载体，但决定数据资产价值的是数据本b)依托性是指数据资产必须存储在一定的介质里，介质的种类包括磁盘、光盘等；c)可共享性是指在权限可控的前提下，数据资产可复制，能被组织内外部多个主体共享和应用；d)可加工性是指数据资产可以通过更新、分析、挖掘等处理方式，改变其状态及形态；e)价值易变性是指数据资产的价值易发生变化，其价值可随应用场景、用户数量、使用频率等的变化而变化。6评估依据6.1标准规范标准规范应依据：a)数据质量评价参考GB/T36344-2018等；b)数据资产评估参考资产评估准则等。6.2其他依据a)待评估数据资产的应用场景分析及相应的商业模式；b)待评估数据资产对应的市场调研报告或者行业分析报告；c)待评估数据资产相关的可行性研究报告；d)待评估数据资产对应的收益预测；e)待评估数据资产相关经营合同；f)待评估数据资产对应的投入成本构成明细及相应凭证；g)待评估数据资产相关的交易信息；h)国债利率、市场期望回报率、贷款市场报价利率、物价指数、消费指数等指标。7数据评价7.1概述4数据评价应含对质量要素、成本要素和应用要素的评价。评价要素从规划框架、评价内容、评价指标和备选参数等维度为评价方法设计提供思路和依据。基于评价要素的指标体系详细见附录A。7.2质量要素质量要素是指数据资产在特定业务环境下符合和满足数据应用的程度，参照GB/T36344-2018国家标准的数据质量评价指标框架，质量要素包括准确性、一致性、完整性、规范性、时效性、可访问性等。准确性是指数据资产准确表示其所描述事物和事件的真实程度；一致性是指不同数据资产描述同一个事物和事件的无矛盾程度；完整性是指构成数据资产的数据元素被赋予数值程度；规范性是指数据资产符合数据标准、业务规则和元数据等要求的规范程度；时效性是指数据资产真实反映事物和事件的及时程度；可访问性是指数据资产能被正常访问的程度。质量要素的评估模型和测度方法可参考GB/T36344-2018、GB/T25000.12和GB/T25000.24等国家标准的规定。7.3成本要素成本要素指数据资产从产生到评估基准日所发生的总成本，主要包括前期费用、建设成本、运维成本和间接成本等，详细见附录A。7.4应用要素应用要素主要包括使用范围、使用场景、商业模式、供求关系、数据关联性以及应用风险等，详细见附录A。8价值评估8.1收益法8.1.1概述采用收益法评估数据资产，一般是通过测算该项数据资产所产生的未来预期收益并折算成现值，进而确定被评估数据资产的价值。8.1.2使用前提选择和使用收益法时应考虑的前提条件包括：a)评估对象的未来收益可合理预期并用货币计量；b)预期收益所对应的风险能够度量；c)预期收益期限能够确定或合理预期。8.1.3基本模型收益法评估的基本计算模型为：P=Σ=1Ft.............................................................................(1)式中：P——评估值；Ft——数据资产未来第t个收益期的收益额；n——剩余收益期；5t——未来第t年；i——折现率。根据收益法的基本模型，在获取数据资产相关信息的基础上，需要根据该数据资产或者类似数据资产的历史应用情况以及未来应用前景，结合数据资产应用的商业模式，重点分析数据资产经济收益的可预测性，考虑收益法的适用性。8.1.4评估步骤8.1.4.1预期收益数据资产的预期收益是指数据资产在特定的使用场景下使用的收益，同样的数据资产在不同使用场景下的预期收益可能存在差异。数据资产的获利形式通常包括：对企业顾客群体细分、模拟实境、提高投入回报率、数据存储空间出租、管理客户关系、个性化精准推荐、数据搜索等。在确定预期收益时，需要区分并剔除与委托评估的数据资产无关的业务产生的收益，并关注数据资产产品或者服务所属行业的市场规模、市场地位以及相关企业的经营情况。在估算数据资产带来的预期收益时，需要区分数据资产和其他资产所获得的收益，分析与之有关的预期变动、收益期限、成本费用、配套资产、现金流量、风险因素等。并对收益预测所利用的财务信息和其他相关信息、假设和评估目的的恰当性进行分析。根据预期收益的来源及内涵不同，采用收益法评估数据资产时，预期收益的具体预测方式可采用直接收益预测、分成收益预测、超额收益预测和增量收益预测等，详细内容见附录B。8.1.4.2收益期限使用收益法进行数据资产评估时，需要综合考虑法律有效期限、相关合同有效期限、数据资产自身的经济寿命年限、数据资产的更新时间、数据资产的时效性以及数据资产的权利状况等因素，合理确定收益期限。收益期限的选择需要考虑使评估对象达到稳定收益的期限、周期性等，且不得超出产品或者服务的合理收益期。在确定收益期的过程中，需要考虑被评估数据资产在其收益期限是否存在衰减的情况，例如数据资产未来因广泛传播、更新迭代、下游市场需求下降等情况导致其价值出现降低，如存在则需要在预期收益的测算时考虑合理的衰减对预期收益进行调整。8.1.4.3折现率折现率可以通过分析评估基准日的利率、投资回报率，以及数据资产权利实施过程中的管理、流通、数据安全等因素确定。数据资产折现率与预期收益的口径需要保持一致。数据资产折现率可以采用风险累加法，即无风险收益率加风险收益率的方式进行确定。公式如下：折现率＝无风险收益率＋风险收益率此外，也可以采取其他能够充分反映投资报酬的，与收益口径、内涵一致的折现率确定方法。8.2成本法8.2.1概述采用成本法评估数据资产一般是按照重置该项数据资产所发生的成本作为确定评估对象价值的基础，扣除相关贬值，以此确定评估对象价值的评估方法。8.2.2使用前提选择和使用成本法时应考虑的前提条件包括：6a)评估对象能正常使用或者在用；b)评估对象能通过重置途径获得；c)评估对象的重置成本以及相关贬值能够合理估算；d)数据质量能够达到（应用场景下）可评价的基准。8.2.3基本模型对于成本法，数据资产的价值由该资产的重置成本扣减各项贬值确定。其基本计算公式为：P=C-D 式中：P——评估值C——重置成本D——贬值δ——贬值率8.2.4评估步骤8.2.4.1重置成本数据资产的重置成本包括前期费用、直接成本、间接成本、利润和相关税费。a)前期费用主要是规划成本，即对数据生存周期整体进行规划设计，形成满足需求的数据解决方案所投入的人员薪资、咨询费用及相关资源成本等；b)直接成本通常包括建设成本、运维成本和其他成本，详见附录A；c)间接成本包含与数据资产相关的场地、软硬件、研发和公共管理等成本；d)合理利润可以参考数据行业的总投资回报率调整分析而得到；e)相关税费主要包括数据资产形成过程中需要按规定缴纳的不可抵扣的税费等。8.2.4.2贬值率数据资产的贬值率计算主要有专家评价方法和剩余经济寿命法。a）专家评价方法综合考虑数据质量、数据应用价值和数据实现风险等贬值影响因素，并应用层次分析和德尔菲等方法对影响因素进行赋权，进而计算得出数据资产贬值率；b）剩余经济寿命法是通过对数据资产剩余经济寿命的预测或者判断来确定贬值率的一种方法，其计算公式为：×100%.........................................................................式中：Rl:——剩余使用年限Ps:——已使用年限8.3市场法8.3.1概述7市场法是在具有公开并活跃的交易市场的前提下，选取近期或往期成交的类似参照系价格作为参考，并调整有特异性、个性化的因素，从而得到估值的方法。8.3.2使用前提选择和使用市场法时应考虑的前提条件包括：a)评估对象的可比参照物具有公开、活跃的市场；b)有关交易的必要信息可以获得，如交易价格、交易时间、交易条件等；c)评估对象与可比参照物在交易市场、数量、价值影响因素、交易时间（与评估基准日接近）、交易类型（与评估目的相适合）等方面具有可比性，且这些可比方面可量化；d)可用的可比参照物至少要三个或三个以上。8.3.3基本模型首先，将待评估数据资产分解成n个待评估数据集；其次，每个待评估数据集选取参照数据集进行对比调整；最后，将n个调整后结果加总得出待评估数据资产的价值。市场法评估模型如下：式中，P——待评估数据资产价值；n——待评估数据资产所分解成的数据集的个数；Qi——参照数据集的价值；xi1——质量调整系数；xi2——供求调整系数；xi3——期日调整系数；xi4——容量调整系数；xi5——其他调整系数；所使用的模型应满足各影响因素与数据资产价值存在线性关系。若不存在线性关系，则应根据实际情况对模型进行适当调整。a）xi1质量调整系数公式如下：xi1=qi/^qi...............................................................................（6）式中，i——每个待评估数据集的数据质量评价结果；^qi——每个参照数据集的数据质量评价结果。数据质量评估结果主要考虑质量要素的测度结果，参照GB/T36344-2018国家标准的数据质量评价指标框架，质量要素包括准确性、一致性、完整性、规范性、时效性、可访问性等。b）xi2供求调整系数公式如下：xi2=si/^si................................................................................（7）式中，si——每个待评估数据集的供求指标，由该数据集的市场规模、稀缺性及价值密度相乘获得，即市场规模×稀缺性×价值密度；^si——每个参照数据集的供求指标，由该数据集的市场规模、稀缺性及价值密度相乘获得。其中，价值密度调整主要考虑有效数据占总体数据比例不同带来的数据资产价值差异。价值密度用单位数据的价值来衡量，价值密度调整系数的逻辑为：有效数据（指在总体数据中对整体价值有贡献的那部分数据）占总体数据量比重越大，则数据资产总价值越高。如果一项数据资产可以进一步拆分为多8项子数据资产，每一项子数据资产可能具有不同的价值密度，那么总体的价值密度应当考虑每个子数据资产的价值密度。c）xi3期日调整系数公式如下：xi3=ti/^ti................................................................................（8）式中，ti——每个待评估数据集所在行业交易时点的居民消费价格指数；^ti——每个参照数据集所在行业交易时点的居民消费价格指数。期日调整系数主要考虑评估基准日与可比案例交易日期的不同带来的数据资产价值差异。一般来说，离评估基准日越近，越能反映相近商业环境下的成交价，其价值差异越小。若待评估数据集与参照数据集所处行业不统一或者受多个行业影响，可以选取居民消费价格指数作为调整基础，若待评估数据集与参照数据集受单一行业影响，可以选取行业价格指数，如PPI（生产者物价指数）作为调整基础。d）xi4容量调整系数公式如下：xi4=Qi/^Qi...............................................................................（9）式中，Qi——每个待评估数据集的数量，即该数据集的元素数，由字段数×记录数获得；^Qi——每个参照数据集的数量。容量调整系数主要考虑不同数据容量带来的数据资产价值差异，其基本逻辑为：一般情况下，价值密度接近时，容量越大，数据资产总价值越高。e)xi5其他调整系数公式如下：xi5=Ii/^Ii..............................................................................（10）式中，Ii——每个待评估数据集的其他可量化调整因素，其他调整系数主要考虑数据资产评估实务中，根据具体数据资产的情况，影响数据资产价值差异的其他因素，例如，应用场景状况差异。可以根据实际情况考虑可比案例差异，选择可量化的调整系数；^Ii——每个参照数据集的其他可量化调整因素。8.3.4评估步骤采用市场法对数据资产进行价值评估，通常分为筛选和调整两个步骤。8.3.4.1筛选筛选是指在市场上寻找与评估对象相同或相似的参考数据资产或对标交易活动，评估要素为筛选环节提供了对比的维度和依据。数据资产价值评估专业人员应根据评估对象特点，选择与评估对象相同或者可比的维度，例如交易市场、数量、价值影响因素、交易时间（与评估基准日接近）、交易类型（与评估目的相适合）等，选择正常或可调整为正常交易价格的参照物。8.3.4.2调整调整指的是通过比较评估对象和参考数据资产或对标交易活动来确定调整系数，对价值影响因素和交易条件存在的差异做出合理调整，以取得准确价值。各项调整系数计算标准如下：a)质量调整系数是综合考虑数据质量对数据资产价值的影响，质量评价指标可参考附录A；b)供求调整系数是综合考虑数据资产的市场规模、稀缺性及价值密度等相关影响；c)期日调整系数是综合考虑数据资产交易时点的居民消费价格指数和行业价格指数进行确定；d)容量调整系数是综合考虑数据容量对数据资产价值的影响；9其他调整系数主要考影响数据资产价值差异的其他e)因素，例如，应用场景状况差异，每类数据集的适用范围、使用场景不同也会对其价值产生相应影响，可以根据实际情况考虑可比案例差异，选择可量化的调整系数。9评估过程数据资产评估过程应包括数据评价与价值评估两部分。数据评价是对数据质量要素和应用要素进行评价，形成数据资产评价报告，为价值评估提供质量要素与应用要素。价值评估是对数据资产的价值进行评估，形成数据资产评估报告。10评估保障10.1概述评估保障是指确保数据资产评估有序、规范、可持续发展的支撑体系。评估保障规定了数据资产评估活动的资源条件保障，包括技术、平台和制度等方面。10.2技术保障技术保障融合资产评估领域和信息技术领域的系列关键技术和算法模型，构建跨界创新、扩展性强的综合技术体系。技术保障具体要求如下：a)应集成并提供多类数据资产评估算法，涵盖常见和基础的数据资产评估模型，对影响数据资产价值的主要因素量化处理最终得到合理的评估值，例如基于重置成本的动态博弈法、基于回归算法的市场价值法、基于数据知识图谱的智能关联分析法等；b)宜使用区块链等技术，保证数据在收发、处理和评估的过程中，不受数据泄漏、数据遗失、数据纂改等风险威胁，实现数据资产评估全流程可信、可监控、可追溯；c)宜结合人工智能等技术，解决数据资产质量评估、市场价值回归分析、数据集聚类及分类、数据集相关性评估等业务问题。10.3平台保障平台保障将数据资产评估框架、评估方法和流程等通过软件系统来固化、落地和验证，为评估工作的申请与执行提供规范、可靠、智能的工具和环境支持。平台保障具体要求如下：a)应支撑数据资产登记工作，功能包括对数据资产登记申请、受理、审核和登簿等的流程管理、自动化辅助和工作协同支持等；b)应支撑数据资产评估工作，功能包括数据资产评估流程管理、评估工具管理、评估模型管理、评估安全管理和评估报告管理等。10.4制度保障制度保障通过数据资产评估相关的标准规范、制度流程和人员管理等体系建设，规范数据资产流通行为，防范数据滥用。制度保障具体要求如下：a)应建立评估的管理制度，并持续改进；b)应明确评估流程、标准及规范；c)应明确评估专业人员的能力要求，并建立能力考核机制；d)应明确评估成果的范围、内容和形式。11评估安全11.1人员管理实施数据资产评估的人员应签署保密和数据安全协议。11.2评估工具管理应使用工具支撑评估工作，以满足数据资产评估的安全管控需要。11.3评估过程管理要求评估过程安全管理应涉及数据资产评估的规划、申请、执行、归档等全过程，包含组织、制度、规范和技术等全方位的安全，确保流程、操作的规范性和安全性，规避数据在评估过程中的泄露或窃取等风险，确保评估过程被记录、可追溯。基于评价要素的指标体系表A.1给出了基于评价要素的指标体系。表A.1基于评价要素的指标体系按数据质量可划分为：高质量数据、普通质量A=数据集无效数据（非法字符和业务含义错误的数据）元数据集符合适用法律法规和行业安全规范的元比A=数据集符合适用法律法规和行业安全规范的元A=数据集中赋值满足业务周期频率要求的元A=数据集赋值延迟时间满足业务要求的元数据汇聚数据汇聚成本是指合并来自不同数据源的数据的过程中发生的成本，具体包括投入相应的计算资源、大数据科研及技术人员的薪酬、接口费及咨询的成本等。法律法规、政策文件、行业监管等新发布或变更预期收益的具体预测方式B.1直接收益预测a）技术思路直接收益预测通常是针对特定应用场景下被评估数据资产的预期收益进行直接预测，并通过适当的折现率折现到评估基准日时点，以此作为该项数据资产的价值。b）参考公式（以税后口径为例）Ft=Rt...........................................................................（B.1）式中：Ft——数据资产未来第ݐ个收益期的收益额；Rt——测第t期数据资产的税后净利润；税后净利润=收入-成本-税金及附加-各项费用-所得税。c）适用场景直接收益预测多适用于被评估数据资产的应用场景及商业模式相对独立，且以数据资产服务或产品为组织带来的直接收益的可以独立计量并合理预测的情况。例如：拥有用户资产数据、投资数据的证券公司B通过建立数据资产管理中心，提供“消费者购买力”查询API接口，提供单次单条调用数据并按条收取费用。B.2分成收益预测a）技术思路收益分成预测通常采用分成率计算数据资产的预期收益，并通过适当的折现率折现到评估基准日时点，以此作为该项数据资产的价值。具体思路是，首先计算总收益，然后再将被评估数据资产在产生总收益过程中做出贡献的所有资产之间进行分成。分成率通常包括销售利润分成率和销售收入分成率两种。b）参考公式（以税后口径为例）采用收入分成率时：Ft=Rt×Kt×St×（1-Tt）..............................................................（B.2）采用净利润分成率时：Ft=Rt×Kt×St.........................................................................（B.3）式中：Ft——数据资产未来第ݐ个收益期的收益额；Rt——预测第t期数据资产的收入或税后净利润；Kt——预测第t期数据资产的收入或净利润分成率；St——预测第t期数据资产的期间贡献率；Tt——预测第t期所得税率。c）适用场景收益分成预测适用于主营业务包括软件开发服务、数据平台对接服务、数据分析服务等的技术服务公司，当其他相关资产要素所产生的收益不可单独计量时可采用此方法。例如：对第一手数据进行加工利用并与软件开发服务等传统IT项目结合为完整的解决方案，实现数据持续不断地在未来预测期间间接变现。在确定分成率时，需要通过对被评估数据的数据特征、质量要素、成本要素和应用要素等评估要素进行综合分析，也可以参考市场上存在的相同或类似数据资产评估案例中采用的分成率情况。B.3超额收益预测a）技术思路超额收益预测将归属于被评估数据资产所创造的超额收益作为该项数据资产的预期收益。具体是先测算数据资产与其他相关贡献资产共同创造的整体收益，在整体收益中扣除其他相关贡献资产的贡献，将剩余收益确定为超额收益，并作为被评估数据资产所创造的收益并测算数据资产价值。除数据资产以外，相关贡献资产一般包括流动资产、固定资产、无形资产和组合劳动力等。b）参考公式Ft=Rt−Σ...................................................................（B.4）式中：Ft——数据资产未来第t个收益期的超