文丨李然辉 编辑丨鹿普禾

来源丨数据工匠俱乐部

作者简介:李然辉，1982年9月出生，从事IT行业13年以上，其中拥有数据治理及数据资产管理6年从业经验，获得数据管理专业认证(CDMP)，拥有丰富的数据战略规划、数据管理能力成熟度评估、数据治理体系搭建、数据标准管理、企业数据模型设计、数据仓库构建与数据应用等领域的理论和实践经验，先后为政府、能源、金融、互联网等行业提供服务，近几年专注于数据资产价值评估领域研究，拥有扎实的理论和实践经验。

作为一项公司资产，数据的重要性正日益凸显。伴随着数据量和数据种类的不断增加，数据产生价值的机会也随之增多。未来数据将成为一个重要的财富创造来源，并且越来越多地被视为一项值得重视的企业资产。数据资产的评估问题，也将成为企业估值的核心问题之一。

数据资产作为一种新型的无形资产，在这方面的研究还十分欠缺，目前还没有一种完整的数据资产评估体系。笔者基于对数据资产特点的分析，引入层次分析法(AHP)构建指标评价体系，采用专家打分法(Delphi)予以权重和得分的赋值，力求构建一个完整的数据资产评估模型，并实现评估结果的量化分析。

▌一:数据资产的特点

数据资产具有无形资产的属性，从这个角度出发，我们可以发现数据资产主要有以下特性:无消耗性、增值性、依附性、价值易变性。

无消耗性:数据资产的每次使用只需要花费很低的成本，不会因为使用频率的增加而磨损、消耗，与其他传统无形资产有相似性。

增值性:企业通过稳定发展，会促使数据资产在原有的基础上，数据规模和数据维度的不断积累，整体价值进一步提升。

依附性:与其他无形资产类似，数据资产不能独立发挥作用，其发挥作用和效应往往依附于相应的软件、硬件。

价值易变性:数据资产时刻受到数据容量、数据时效程度、应用场景等因素的影响，与其他无形资产相比，其价值更易发生变化。

▌二:数据资产价值的构成

数据资产受控于企业主体，依附于有形资产。数据资产的价值受到众多变量因素的影响，例如数据的质量、数据在不同场景下的应用价值。

数据质量价值

数据只有应用在具体的场景中，才会体现其价值。因此伴随着不同的场景，同样的数据会表现不同的价值。数据价值是恒定的，但是又是需要不断被挖掘的，随着我们对不同行业的逐渐认知，数据的价值不断丰富。我们可能难以穷尽数据在所有行业的整体价值，但我们可以就数据在某一具体行业、在当前阶段的价值的相对高低予以评估。数据的价值受两个主要因素的影响:数据质量和数据应用。

数据应用价值

数据价格围绕数据价值，是市场环境的影响，进行上下波动。数据价格的评估可以基于两个主要因素:数据成本和数据收益。数据成本主要是从数据拥有方予以考虑，是数据拥有方制定数据价格的主要出发点。处于财务的考虑，数据的价格应该高于数据的成本。数据收益主要是从数据需求方予以考虑，是数据需求方购买数据时愿意付出的最高价格。出于盈利的考虑，数据的价格应该低于数据的收益。

▌三:数据资产价值评估的理论方法

层次分析法(AHP)

层次分析法是美国在20世纪70年代提出的一种将定性和定量分析相结合的多准则决策方法。层次分析模型是把复杂的问题分成若干个组成因素，并按照支配关系分组形成层次结构。然后通过两两比较的方式，综合专家的判断，确定分析的结果。具体步骤如下:

1)分析各因素的关系，建立递阶层次结构;

2)对同一层次的多个元素，关于上一层次中某一准则的重要性进行两两判断，构建比较判断矩阵;

3)由判断矩阵计算比较元素对于该准则的相对权重;

4)计算合成权重;

专家打分法(德尔菲法)

德尔菲法由兰德公司首次用这种方法用来进行预测，后来该方法被迅速广泛采用。这是一种将所需解决的问题单独发送到各个专家手中，征询意见，然后回收汇总全部专家的意见，并整理出综合意见。随后将该综合意见和预测问题再分别反馈给专家，再次征询意见，各专家依据综合意见修改自己原有的意见，然后再汇总。这样多次反复，逐步取得比较一致的预测结果的决策方法。

1)组成专家小组。按照课题所需要的知识范围，确定专家;

2)向所有专家提出所要预测的问题及有关要求，由专家做书面答复;

文章来源：《CT理论与应用研究》 网址: http://www.ctllyyyyj.cn/zonghexinwen/2020/1023/412.html