CESA-2021-2-026《信息技术 大数据 数据资产评估》团体标准（征求意见稿）

ICS35.240

CCSL67

团体标准

T/CESAXXXX—202X

T/CHNASXXXX—202X

信息技术大数据数据资产评估

Informationtechnology-Bigdata-Dataassetevaluation

（征求意见稿）

在提交反馈意见时，请将您知道的相关专利连同支持性文件一并附上。

已授权的专利证明材料为专利证书复印件或扉页，已公开但尚未授权的专利申请

证明材料为专利公开通知书复印件或扉页，未公开的专利申请的证明材料为专利申请

号和申请日期。

202X-XX-XX发布202X-XX-XX实施

中国电子工业标准化技术协会

发布

中国资产评估协会

T/CESAXXXX—202XT/CHNASXXXX—202X

前  言

本文件按照GB/T1.1—2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定起

草。

本文件由中国电子技术标准化研究院提出。

本文件由中国电子工业标准化技术协会、中国资产评估协会归口。

本文件起草单位：。

本文件主要起草人：。

II

T/CESAXXXX—202XT/CHNASXXXX—202X

信息技术大数据数据资产评估

1范围

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/T34960.5-2018，定义3.3。

3.3

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价和价值评估两个环节。

1

T/CESAXXXX—202XT/CHNASXXXX—202X

3.4

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

2

T/CESAXXXX—202XT/CHNASXXXX—202X

5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

身；

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

3

T/CESAXXXX—202XT/CHNASXXXX—202X

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：

.............................................................................(1)

⟺

式中：P==⟺⟺൅

——评估值；

——数据资产未来第个收益期的收益额；

P

——剩余收益期；

4

T/CESAXXXX—202XT/CHNASXXXX—202X

——未来第年；

——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

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。

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。

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：

5

T/CESAXXXX—202XT/CHNASXXXX—202X

a)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..................................................................................（2）

或者×（−）.......................................................................（3）

式中：

P=C⟺δ

P——评估值

C——重置成本

D——贬值

——贬值率

8.2.4δ评估步骤

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。

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：

δ=×100%.........................................................................（4）

式中：

:——剩余使用年限

——已使用年限

8.3市:场法

8.3.1概述

6

T/CESAXXXX—202XT/CHNASXXXX—202X

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：

P=...................................................（5）

式中，

൅=⟺Qi×Xi⟺×Xi2×Xi3×Xi4×Xi5

P——待评估数据资产价值；

——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；

1——质量调整系数；

൅2——供求调整系数；

൅3——期日调整系数；

൅4——容量调整系数；

൅5——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）1质量调整系数公式如下：

൅1=/^...............................................................................（6）

式中，൅൅൅

——每个待评估数据集的数据质量评价结果；

^൅——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）2供求调整系数公式如下：

൅2=/^................................................................................（7）

式中，൅൅൅

——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；

^——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

7

T/CESAXXXX—202XT/CHNASXXXX—202X

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）3期日调整系数公式如下：

൅3=/^................................................................................（8）

式中，൅൅൅

——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；

^൅——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。

）4容量调整系数公式如下：

൅4=Qi/^Qi...............................................................................（9）

d

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)5其他调整系数公式如下：

൅5=I/^I..............................................................................（10）

式中，൅൅൅

I——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；

^I——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。

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。

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；

8

T/CESAXXXX—202XT/CHNASXXXX—202X

e)其他调整系数主要考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，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。

9

T/CESAXXXX—202XT/CHNASXXXX—202X

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。

10

T/CESAXXXX—202XT/CHNASXXXX—202X

附录A

（规范性）

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

一级指标二级指标三级指标确定方法

按产生频率可分为：每年更新数据、每月更新数据、每周更新数据、每

日更新数据、每小时更新数据、每分钟更新数据、每秒更新数据、无更

新数据等。

按产生方式分类可包括：人工采集数据、信息系统产生数据、感知设备

产生数据、原始数据、二次加工数据等。

按结构化特征分类可划分为：结构化数据，如零售、财务、生物信息学、

地理数据等；非结构化数据，如图像、视频、传感器数据、网页等；半

结构化数据，如应用系统日志、电子邮件等。

技术选型维度

按存储方式可划分为：关系数据库存储数据、键值数据库存储数据、列

式数据库存储数据、图数据库存储数据、文档数据库存储数据等。

按稀疏程度可划分为：稠密数据和稀疏数据。

数据类型

按处理时效性可划分为：实时处理数据、准实时处理数据和批量处理数

[GB/T据。

38667-2020]按交换方式可划分为：ETL（提取、转换和加载）方式、系统接口方式、

FTP（文件传输协议）方式、移动介质复制方式等。

按产生来源可划分为：人为社交数据、电子商务平台交易数据、移动通

信数据、物联网感知数据、系统运行日志数据等。

基本属性

按业务归属可划分为：生产类业务数据、管理类业务数据、经营分析类

业务数据等。

业务应用维度

按流通类型可划分为：可直接交易数据、间接交易数据、不可交易数据

等。

按行业领域分类可划分的类别见GB/T4754—2017。

按数据质量可划分为：高质量数据、普通质量数据、低质量数据等。

数据安全隐私保按数据安全隐私保护维度可划分为：高敏感数据、低敏感数据、不敏感

护维度数据等。

数据集元素总数量

X=A*B

数据量式中：

A=数据项数量

B=数据记录数量

数据规模

数据集元素增加量与原数据集元素总数量之比

X=(B-A)/A*100%

增长率式中：

A=上期数据集元素总数量

B=本期数据集元素总数量

11

T/CESAXXXX—202XT/CHNASXXXX—202X

单位时间内数据集的变更元素数量

X=A/B

更新率式中：

A=数据集的变更元素数量（包括增删改的数量）

B=时间

数据集内容表述正确的元素数量与元素总数量之比

X=A/B

内容准确率式中：

A=数据集内容表述正确的元素数量

B=数据集元素总数量

数据项精度符合标准规范的元素数量与元素总数量之比

X=A/B

精度准确率式中：

A=数据项精度符合标准规范的元素数量

B=数据项元素总数量

准确性数据集重复记录条数与记录总条数之比

X=A/B

记录重复率式中：

A=数据集重复记录条数

B=数据集记录总条数

数据集无效数据（非法字符和业务含义错误的数据）元素数量与元素总

数量之比

X=A/B

脏数据出现率

式中：

质量要素

A=数据集无效数据（非法字符和业务含义错误的数据）元素数量

B=数据集元素总数量

数据集具有相同含义数据（同一时点、存储在不同位置）赋值一致的元

素数量与元素总数量之比

X=A/B

一致性元素赋值一致率式中：

A=数据集具有相同含义数据（同一时点、存储在不同位置）赋值一致的

元素数量

B=数据集元素总数量

数据集赋值的元素数量与元素总数量之比

X=A/B

元素填充率式中：

A=数据集赋值的元素数量

B=数据集元素总数量

完整性

数据集赋值完整的记录条数与记录总条数之比

X=A/B

记录填充率式中：

A=数据集赋值完整的记录条数量

B=数据集记录总条数

12

T/CESAXXXX—202XT/CHNASXXXX—202X

数据集赋值完整的数据项数量与数据项总数量之比

X=A/B

数据项填充率式中：

A=数据集赋值完整的数据项数量

B=数据集数据项总数量

数据项值域符合标准规范的元素数量与元素总数量之比

X=A/B

值域合规率式中：

A=数据项值域符合标准规范的元素数量

B=数据项元素总数量

数据集符合元数据规范的元素数量与元素总数量之比

X=A/B

元数据合规率式中：

A=数据集符合元数据规范的元素数量

B=数据集元素总数量

规范性数据集格式符合标准规范的元素数量与元素总数量之比

X=A/B

格式合规率式中：

A=数据集格式符合标准规范的元素数量

B=数据集元素总数量

数据集符合适用法律法规和行业安全规范的元素数量与元素总数量之

比

X=A/B

安全合规率

式中：

A=数据集符合适用法律法规和行业安全规范的元素数量

B=数据集元素总数量

数据集赋值满足业务周期频率要求的元素数量与元素总数量之比

X=A/B

周期及时性式中：

A=数据集中赋值满足业务周期频率要求的元素数量

B=数据集元素总数量

时效性

数据集赋值延迟时间满足业务要求的元素数量与元素总数量之比

X=A/B

实时及时性式中：

A=数据集赋值延迟时间满足业务要求的元素数量

B=数据集元素总数量

数据集请求访问成功的元素数量与请求访问元素总数量之比

X=A/B

可访问性可访问度式中：

A=数据集请求访问成功的元素数量

B=数据集请求访问元素总数量

数据规划的整体成本，包含数据生存周期整体规划所投入的人员薪资、

成本要素前期费用数据规划

咨询费用及相关资源成本等（人天工资/部门预算支出/规划项目费用）

13

T/CESAXXXX—202XT/CHNASXXXX—202X

主动获取：向数据持有人购买数据的价款、注册费、手续费、服务费等，

通过其他渠道获取数据时发生的市场调查、访谈、实验观察等费用，以

数据采集及在数据采集阶段发生的人工工资、打印费、网络费等相关费用。

被动获取：企业生产经营中获得的数据、相关部门开放并经确认的数据、

企业相互合作共享的数据等，开发采集程序等相关费用。

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

建设成本数据汇聚的成本，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。

数据存储存储库的构建、优化等费用

信息资源整理、清洗、挖掘、分析、重构和预评估等费用

数据开发知识提取、转化及检验评估费用

算法、模型和数据等开发费用

数据应用开发、封装并提供数据应用和服务等产生的费用

数据质量评价费用，包括识别问题、敏感数据等费用

运维成本数据维护数据优化费用，包括数据调整、补全、标注、更新、脱敏等费用

数据备份、数据冗余、数据迁移、应急处置等费用

软硬件成本与数据资产相关的软硬件采购或研发以及维护费用

间接成本基础设施成本包括机房、场地等建设或租赁以及维护费用

公共管理成本包括水电、办公等分摊费用

行业数据可应用的行业

使用范围领域数据可应用的领域等

区域数据可应用的区域，如行政区划

使用方式提供数据服务的方式，如数据订阅、API、访问接口等

使用场景开放程度数据的开发分类，如完全开放、有条件开放、不开放等

使用频率数据在既定时段内被访问、浏览、下载次数

数据产品及服务基于数据的服务或数据产品交易，如按次收费的图片自动识别、按次收

模式费的数据查询、直接授权第三方使用数据等

商业模式

赋能模式利用数据改善组织运营、产品或服务提供、组织创新等

金融模式利用数据参与投融资、并购及其他金融衍生服务等

某类数据在市场中的供给数量及供给方数量的多少

应用要素

数据稀缺性

等效数据集的市场供应数量

供求关系

市场规模等效数据集的市场需求数量

价值密度数据集的有效数据/数据集的总体数据

用户关联性数据与用户之间逻辑关联匹配的程度

数据关联性数间关联性数据与数据之间具备逻辑关系的关联匹配情况

业务关联性数据和业务应用实现之间的关联匹配情况

数据应用过程中，因管理运作中信息不对称、管理不善、判断失误等影

管理风险

响应用的水平。

应用风险

流通风险数据开放共享、交换和交易等流通过程中的风险。

数据安全风险数据泄露、被篡改和损毁等风险。

14

T/CESAXXXX—202XT/CHNASXXXX—202X

数据如使用不当而产生的损害国家安全、泄露商业秘密、侵犯个人隐私

敏感性风险

等风险

监管风险法律法规、政策文件、行业监管等新发布或变更对应用产生的影响。

15

T/CESAXXXX—202XT/CHNASXXXX—202X

附录B

（资料性）

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。

16