朱曉琴　王宣童

【摘要】近年來， 數(shù)字經(jīng)濟(jì)發(fā)展速度之快、 輻射范圍之廣、 影響程度之深前所未有， 數(shù)據(jù)成為數(shù)字經(jīng)濟(jì)時(shí)代的基礎(chǔ)性戰(zhàn)略資源和革命性關(guān)鍵要素。數(shù)據(jù)資產(chǎn)化逐漸走入大眾視野， 而如何對(duì)數(shù)據(jù)資產(chǎn)進(jìn)行價(jià)值管理是當(dāng)前學(xué)術(shù)界關(guān)注的焦點(diǎn)。本文首先梳理數(shù)據(jù)資產(chǎn)內(nèi)涵， 并給出數(shù)據(jù)資產(chǎn)整合定義； 其次通過文獻(xiàn)計(jì)量分析法分析數(shù)據(jù)資產(chǎn)價(jià)值評(píng)估的相關(guān)研究現(xiàn)狀、 熱點(diǎn)及前沿問題， 得出數(shù)據(jù)資產(chǎn)評(píng)估方法為當(dāng)前研究熱點(diǎn)； 再次結(jié)合文獻(xiàn)歸納法梳理現(xiàn)有的數(shù)據(jù)資產(chǎn)評(píng)估方法， 并根據(jù)方法性質(zhì)與定價(jià)主體的不同， 將其進(jìn)行分類并對(duì)比各種評(píng)估方法的適用性； 最后對(duì)未來數(shù)據(jù)資產(chǎn)價(jià)值評(píng)估研究進(jìn)行展望。

【關(guān)鍵詞】數(shù)據(jù)資產(chǎn)；價(jià)值評(píng)估；評(píng)估方法；Citespace；數(shù)字經(jīng)濟(jì)

【中圖分類號(hào)】F275? ? ? 【文獻(xiàn)標(biāo)識(shí)碼】A? ? ? 【文章編號(hào)】1004-0994（2023）06-0078-7

一、 引言

云計(jì)算、 區(qū)塊鏈、 物聯(lián)網(wǎng)、 移動(dòng)互聯(lián)網(wǎng)等新技術(shù)不斷涌現(xiàn)以及其應(yīng)用場景不斷豐富， 加速了海量數(shù)據(jù)的產(chǎn)生。2019年黨的十九屆四中全會(huì)首次明確將數(shù)據(jù)作為生產(chǎn)要素， 按貢獻(xiàn)參與分配， 這意味著數(shù)據(jù)資產(chǎn)將越來越受到重視。在此背景下， 越來越多的企業(yè)深入挖掘數(shù)據(jù)價(jià)值， 實(shí)現(xiàn)數(shù)據(jù)資產(chǎn)化， 并將其作為一項(xiàng)資產(chǎn)來進(jìn)行管理。如何衡量和反映數(shù)據(jù)資產(chǎn)價(jià)值， 使其更好地服務(wù)于企業(yè)價(jià)值成為實(shí)務(wù)界非常關(guān)心的話題， 為此理論界積極開展相關(guān)研究， 主要圍繞數(shù)據(jù)資產(chǎn)的內(nèi)涵、 數(shù)據(jù)資產(chǎn)的定價(jià)、 數(shù)據(jù)資產(chǎn)運(yùn)營增值方法及數(shù)據(jù)資產(chǎn)管理等數(shù)據(jù)資產(chǎn)評(píng)估方面。

盡管如此， 有關(guān)對(duì)數(shù)據(jù)資產(chǎn)化的研究仍處于起步階段。首先， 對(duì)數(shù)據(jù)資產(chǎn)概念的界定尚未統(tǒng)一， 研究者各自基于不同視角和研究目的進(jìn)行定義。其次， 數(shù)據(jù)資產(chǎn)定價(jià)缺乏系統(tǒng)框架， 前期研究大多是基于具體行業(yè)或具體公司， 對(duì)某種參數(shù)進(jìn)行改進(jìn)或調(diào)整來計(jì)算數(shù)據(jù)資產(chǎn)價(jià)值。最后， 現(xiàn)有的數(shù)據(jù)交易定價(jià)方法均對(duì)應(yīng)于具體的應(yīng)用場景， 缺少統(tǒng)一的數(shù)據(jù)評(píng)價(jià)規(guī)范。因此， 本文試圖梳理現(xiàn)有研究， 結(jié)合定量方法（文獻(xiàn)計(jì)量分析法）與定性方法， 總結(jié)數(shù)據(jù)資產(chǎn)的內(nèi)涵， 探究數(shù)據(jù)資產(chǎn)評(píng)估的研究現(xiàn)狀和熱點(diǎn)問題， 繪制主要關(guān)鍵詞圖譜和突現(xiàn)詞圖譜， 歸納該領(lǐng)域的熱點(diǎn)關(guān)鍵詞， 并對(duì)現(xiàn)有的數(shù)據(jù)資產(chǎn)評(píng)估方法、 定價(jià)模型等進(jìn)行比較。

二、 數(shù)據(jù)資產(chǎn)的內(nèi)涵

數(shù)據(jù)資產(chǎn)的基本概念是本文研究的基礎(chǔ)， 重點(diǎn)在于對(duì)大數(shù)據(jù)內(nèi)涵的認(rèn)識(shí)和對(duì)數(shù)據(jù)資產(chǎn)的定義。大數(shù)據(jù)是指容量大、 范圍廣且難以使用傳統(tǒng)工具和技術(shù)來處理的數(shù)據(jù)集（Janssen等，2017）。隨著大數(shù)據(jù)的增長和大數(shù)據(jù)驅(qū)動(dòng)應(yīng)用的發(fā)展， 數(shù)據(jù)本身變得更有價(jià)值?；诔浞值臄?shù)據(jù)樣本， 數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)過程可以從數(shù)據(jù)集中產(chǎn)生商業(yè)價(jià)值， 因此大數(shù)據(jù)成為一種為組織創(chuàng)造寶貴“機(jī)會(huì)”的新資產(chǎn)。有關(guān)數(shù)據(jù)資產(chǎn)概念的研究已受到諸多學(xué)者關(guān)注， 其概念由信息資源和信息資產(chǎn)逐漸演變而來。主要觀點(diǎn)和代表學(xué)者如表 1所示。

從表 1可以看出， 從資產(chǎn)視角定義數(shù)據(jù)資產(chǎn)更注重其所屬權(quán)限， 是對(duì)數(shù)據(jù)資產(chǎn)內(nèi)涵的界定， 符合數(shù)據(jù)資產(chǎn)的價(jià)值規(guī)律， 因?yàn)閿?shù)據(jù)資產(chǎn)的價(jià)值實(shí)現(xiàn)更多的 是基于合法行使數(shù)據(jù)權(quán)利而非直接控制數(shù)據(jù)資產(chǎn)。但這一定義仍具有一定的局限性， 原因在于其對(duì)經(jīng)濟(jì)利益的要求不適用于政務(wù)數(shù)據(jù)等兼具經(jīng)濟(jì)和社會(huì)雙重價(jià)值的數(shù)據(jù)資產(chǎn)； 而資源視角更注重對(duì)數(shù)據(jù)的加工和應(yīng)用， 其目標(biāo)在于實(shí)現(xiàn)數(shù)據(jù)資源的保值增值， 數(shù)據(jù)資產(chǎn)比初級(jí)的數(shù)據(jù)要素更接近市場化的中心， 即更容易進(jìn)行交易流通， 因?yàn)閿?shù)據(jù)資產(chǎn)是專門為滿足市場主體的數(shù)據(jù)需求而打造的具有確定應(yīng)用價(jià)值的數(shù)據(jù)產(chǎn)品。

因此， 本文認(rèn)為數(shù)據(jù)資產(chǎn)是指某組織或個(gè)人擁有或控制的， 能夠?qū)崿F(xiàn)保值或增值的網(wǎng)絡(luò)空間數(shù)據(jù)集， 即權(quán)益主體以滿足自身及其他相關(guān)主體的數(shù)據(jù)效用需求， 進(jìn)而在自身運(yùn)用的過程中獲得使用價(jià)值， 或者在出讓交易的過程中取得市場化的價(jià)值變現(xiàn)。

三、 數(shù)據(jù)資產(chǎn)評(píng)估的研究熱點(diǎn)分析

（一）研究方法

為實(shí)現(xiàn)對(duì)數(shù)據(jù)資產(chǎn)價(jià)值評(píng)估相關(guān)文獻(xiàn)的熱點(diǎn)及前沿趨勢分析， 本文采用“文獻(xiàn)計(jì)量法+可視化知識(shí)圖譜”相結(jié)合的方法， 即運(yùn)用CiteSpace.V6.1R3版本對(duì)篩選后文獻(xiàn)的關(guān)鍵詞進(jìn)行計(jì)量分析并展示可視化知識(shí)圖譜， 以呈現(xiàn)該研究主題的前沿?zé)狳c(diǎn)和未來趨勢。

關(guān)鍵詞是從文獻(xiàn)中提取出來用以鮮明、 直觀地反映文獻(xiàn)主題內(nèi)容的單詞或術(shù)語， 對(duì)關(guān)鍵詞的研究有助于分析某一科學(xué)領(lǐng)域研究的熱點(diǎn)問題。本文通過對(duì)關(guān)鍵詞的共現(xiàn)分析和聚類分析， 來展現(xiàn)數(shù)據(jù)資產(chǎn)價(jià)值評(píng)估這一領(lǐng)域的研究熱點(diǎn)。突現(xiàn)詞是指在不同的時(shí)間段內(nèi)詞頻共現(xiàn)度發(fā)生突然驟增的關(guān)鍵詞， 突現(xiàn)度越高表明該關(guān)鍵詞的學(xué)術(shù)關(guān)注度越突出， 越能代表該時(shí)間段內(nèi)最新研究動(dòng)態(tài)及發(fā)展趨勢。因此， 本文通過對(duì)突現(xiàn)詞分析來體現(xiàn)該領(lǐng)域的研究前沿。

（二）數(shù)據(jù)來源

本文以2022年7月作為文獻(xiàn)檢索的時(shí)間節(jié)點(diǎn)， 數(shù)據(jù)來源于中國知網(wǎng)（CNKI）和Web of Science（WoS）中發(fā)表的文章。針對(duì)國內(nèi)數(shù)據(jù)庫， 設(shè)定主題為“數(shù)據(jù)資產(chǎn)價(jià)值評(píng)估”“數(shù)據(jù)資產(chǎn)價(jià)值”“數(shù)據(jù)資產(chǎn)估值”等， 剔除報(bào)告講話、 會(huì)議紀(jì)要等非文獻(xiàn)后， 獲得有效文獻(xiàn)共計(jì)175篇。針對(duì)國外數(shù)據(jù)庫， 選擇WoS核心數(shù)據(jù)集， 設(shè)置檢索主題為“data pricing”“pricing model of data”“valuation of data”等， 保留Article、 Review、 Proceedings Paper、 Early Access的文獻(xiàn)類型后檢索得到283篇文獻(xiàn)。對(duì)比后發(fā)現(xiàn)， CNKI文獻(xiàn)從2014年起開始出現(xiàn)關(guān)于數(shù)據(jù)資產(chǎn)評(píng)估方法的研究， WoS則是從2008年開始出現(xiàn)的， 因此本文將CNKI研究時(shí)間段限定為 2014 ～ 2022年， WoS的研究時(shí)間段限定為2008 ～ 2022年。

（三）關(guān)鍵詞共現(xiàn)分析

運(yùn)用CiteSpace.V6.1R3分別對(duì)上述已檢索到的175篇國內(nèi)文獻(xiàn)和283篇國外文獻(xiàn)進(jìn)行關(guān)鍵詞共現(xiàn)分析， 得到如圖 1所示的關(guān)于數(shù)據(jù)資產(chǎn)價(jià)值評(píng)估研究的關(guān)鍵詞對(duì)比圖譜。對(duì)CNKI相關(guān)文獻(xiàn)進(jìn)行關(guān)鍵詞共現(xiàn)后， 得到206個(gè)關(guān)鍵詞節(jié)點(diǎn)以及534條連線， 密度為0.025。而WoS相關(guān)文獻(xiàn)則包括323個(gè)關(guān)鍵詞節(jié)點(diǎn)和934條連線， 密度為0.018。

關(guān)鍵詞的時(shí)效性體現(xiàn)在節(jié)點(diǎn)顏色的深淺， 關(guān)鍵詞的頻率反映在節(jié)點(diǎn)的大小， 節(jié)點(diǎn)之間的連線則代表關(guān)鍵詞之間的聯(lián)系。從圖 1可以看出： big data（大數(shù)據(jù)）、 data pricing（數(shù)據(jù)定價(jià)）、 data management（數(shù)據(jù)治理）等都是國內(nèi)外學(xué)者關(guān)注的焦點(diǎn)。國內(nèi)外研究的不同之處在于： 國外學(xué)者們關(guān)注將供求關(guān)系、 交易效率、 數(shù)據(jù)質(zhì)量等考慮在內(nèi)的數(shù)據(jù)資產(chǎn)價(jià)格的定價(jià)方法研究， 而國內(nèi)更側(cè)重于更好地管理數(shù)據(jù)、 保證數(shù)據(jù)安全、 有效治理數(shù)據(jù)的數(shù)據(jù)資產(chǎn)價(jià)值評(píng)估研究。

（四）關(guān)鍵詞聚類分析

為了更深層次地挖掘數(shù)據(jù)資產(chǎn)價(jià)值評(píng)估的研究熱點(diǎn)區(qū)域， 本文在關(guān)鍵詞共現(xiàn)分析的基礎(chǔ)上， 進(jìn)一步采用LLR算法對(duì)本文研究樣本進(jìn)行聚類分析， 聚類分析結(jié)果如表 2、 表3所示。

觀察表2和表3可以發(fā)現(xiàn)， 中英文數(shù)據(jù)庫關(guān)鍵詞聚類分析S值基本大于0.7， 說明聚類結(jié)果可信度較高。通過對(duì)CNKI關(guān)鍵詞進(jìn)行聚類， 共得到7個(gè)聚類標(biāo)簽， 可見國內(nèi)學(xué)者圍繞數(shù)據(jù)資產(chǎn)、 大數(shù)據(jù)、 價(jià)值評(píng)估、 數(shù)據(jù)定價(jià)、 數(shù)據(jù)價(jià)值、 數(shù)據(jù)安全、 數(shù)據(jù)平臺(tái)7個(gè)方面進(jìn)行了深入研究， 說明目前國內(nèi)的研究以數(shù)據(jù)資產(chǎn)為核心， 以價(jià)值評(píng)估方法、 數(shù)據(jù)治理等為著手點(diǎn)， 進(jìn)行全面研究。對(duì)WoS關(guān)鍵詞聚類后也得到7個(gè)聚類標(biāo)簽， 即data pricing（數(shù)據(jù)定價(jià)）、 big data（大數(shù)據(jù)）、 game theory（博弈論）、 AI（人工智能）、 deep learning（深度學(xué)習(xí)）、 profit maximization（利潤最大化）、 valuation（價(jià)值）， 表明國外學(xué)者們聚焦于數(shù)據(jù)資產(chǎn)具體的評(píng)估方法、 理論基礎(chǔ)以及評(píng)估參考目標(biāo)。由此可以看出， 如何對(duì)數(shù)據(jù)資產(chǎn)的價(jià)值進(jìn)行評(píng)定估算的研究， 是當(dāng)前國內(nèi)外學(xué)者們共同關(guān)注的熱點(diǎn)問題， 且對(duì)于相同的研究主題， 國外學(xué)者們開始關(guān)注的時(shí)間比國內(nèi)早5年左右。

除此之外， 在研讀前期文獻(xiàn)的基礎(chǔ)上結(jié)合國內(nèi)外研究總結(jié)發(fā)現(xiàn)： 從內(nèi)容層面上看， 當(dāng)前研究側(cè)重于數(shù)據(jù)資產(chǎn)的價(jià)值估算、 數(shù)據(jù)管理以及績效作用等方面； 從方法層面上看， 傳統(tǒng)方法和多屬性綜合評(píng)價(jià)法是當(dāng)前國內(nèi)的主流評(píng)估方法， 國外主要運(yùn)用經(jīng)濟(jì)學(xué)方法或結(jié)合人工智能的方法； 從理論基礎(chǔ)上看， 資產(chǎn)評(píng)估理論、 供求理論、 實(shí)物期權(quán)理論、 博弈論等構(gòu)成了數(shù)據(jù)資產(chǎn)價(jià)值評(píng)估的研究理論基礎(chǔ)。

（五）突現(xiàn)詞分析

在關(guān)鍵詞共現(xiàn)分析的基礎(chǔ)上， 本文運(yùn)用Citation Burst功能對(duì)數(shù)據(jù)資產(chǎn)價(jià)值評(píng)估的研究前沿進(jìn)行挖掘， 結(jié)果如圖 2所示。

根據(jù)圖 2將數(shù)據(jù)資產(chǎn)價(jià)值評(píng)估發(fā)展路徑分為以下三個(gè)階段： 第一階段為數(shù)據(jù)資產(chǎn)興起階段（2015 ～ 2018年）， 以關(guān)鍵詞“數(shù)據(jù)市場”“競爭優(yōu)勢”“價(jià)值”“影響因素”等為主， 此階段學(xué)者們關(guān)注到隨著科技的不斷發(fā)展， 數(shù)據(jù)將成為企業(yè)的競爭優(yōu)勢， 對(duì)數(shù)據(jù)估值是大勢所趨， 該階段國內(nèi)主要關(guān)注影響數(shù)據(jù)資產(chǎn)價(jià)值的因素等， 國外開始展開對(duì)數(shù)據(jù)資產(chǎn)定價(jià)方法的研究。第二階段為探索階段（2019 ～ 2020年）， 此階段國內(nèi)研究以“數(shù)據(jù)安全”“信息生態(tài)”“資產(chǎn)價(jià)值”等為主， 主要側(cè)重于數(shù)據(jù)資產(chǎn)管理的研究， 國外研究以personal data（個(gè)人數(shù)據(jù)）、 neutral network（神經(jīng)網(wǎng)絡(luò)）、 dynamic pricing（動(dòng)態(tài)定價(jià)）等關(guān)鍵詞為主， 該階段國外學(xué)者開始探索如何對(duì)數(shù)據(jù)資產(chǎn)進(jìn)行定價(jià)， 即探索數(shù)據(jù)資產(chǎn)定價(jià)方法、 數(shù)據(jù)價(jià)值管理等。第三階段為蓬勃發(fā)展階段（2021 ～ 2022年）， 國內(nèi)以“數(shù)據(jù)治理”“數(shù)據(jù)交易”“數(shù)據(jù)定價(jià)”等關(guān)鍵詞為主， 該階段國內(nèi)逐漸有學(xué)者對(duì)數(shù)據(jù)資產(chǎn)的評(píng)價(jià)指標(biāo)體系、 評(píng)估方法、 定價(jià)模型等展開系統(tǒng)研究， 并取得一些研究成果， 國外以machine learning（機(jī)器學(xué)習(xí)算法）、demand（需求）、prediction（預(yù)測）等關(guān)鍵詞為主， 開始探索計(jì)算機(jī)領(lǐng)域與數(shù)據(jù)資產(chǎn)價(jià)值評(píng)估方法的結(jié)合， 并關(guān)注其預(yù)期價(jià)值。總體來看， 國外學(xué)者對(duì)數(shù)據(jù)資產(chǎn)價(jià)值評(píng)估方法的研究在每一個(gè)階段都早于國內(nèi)學(xué)者。

此外， 在CNKI數(shù)據(jù)庫的10個(gè)研究前沿方向中， 突現(xiàn)強(qiáng)度排名前三的突現(xiàn)詞是“大數(shù)據(jù)”“數(shù)據(jù)治理”和“資產(chǎn)價(jià)值”， 表明通過對(duì)數(shù)據(jù)資產(chǎn)估值從而更好地治理數(shù)據(jù)是國內(nèi)研究的前沿方向； 在WoS數(shù)據(jù)庫的10個(gè)研究前沿方向中， 突現(xiàn)強(qiáng)度排名前三的突現(xiàn)詞分別是data marketplace（數(shù)據(jù)市場）、dynamic pricing（動(dòng)態(tài)定價(jià)）、personal data（個(gè)人數(shù)據(jù)）， 表明對(duì)處于市場交易中的個(gè)人數(shù)據(jù)動(dòng)態(tài)定價(jià)是國外研究的前沿方向。綜合來看， 國內(nèi)外學(xué)者們研究的前沿問題都是對(duì)數(shù)據(jù)資產(chǎn)價(jià)值的評(píng)定估算， 再次說明了數(shù)據(jù)資產(chǎn)評(píng)估方法的重要性。

四、 數(shù)據(jù)資產(chǎn)評(píng)估方法分類及比較

數(shù)據(jù)具有潛在的價(jià)值已成為普遍共識(shí)， 而如何衡量以及如何確認(rèn)計(jì)量數(shù)據(jù)資產(chǎn)的價(jià)值成為眾多國內(nèi)外學(xué)者關(guān)注的問題。為此， 學(xué)者們深入研究了數(shù)據(jù)資產(chǎn)的估值方法。本文通過梳理國內(nèi)外有關(guān)數(shù)據(jù)資產(chǎn)的估值、 定價(jià)等研究成果， 根據(jù)不同的分類標(biāo)準(zhǔn)， 將數(shù)據(jù)資產(chǎn)價(jià)值的評(píng)估方法分為兩類， 并對(duì)現(xiàn)有的評(píng)估方法進(jìn)行比較， 分析目前數(shù)據(jù)資產(chǎn)評(píng)估方法的局限性， 期望為未來數(shù)據(jù)資產(chǎn)價(jià)值的評(píng)估方法提供一些思路。

（一）數(shù)據(jù)資產(chǎn)評(píng)估方法的分類

1. 根據(jù)方法性質(zhì)分類。本文將數(shù)據(jù)資產(chǎn)價(jià)值的評(píng)估方法分為改進(jìn)的傳統(tǒng)方法、 多屬性綜合評(píng)價(jià)法和經(jīng)濟(jì)學(xué)方法（倪淵等，2020）。

（1）改進(jìn)的傳統(tǒng)方法。資產(chǎn)評(píng)估中的三大基本方法分別是收益法、 市場法、 成本法。對(duì)于數(shù)據(jù)資產(chǎn)價(jià)值的評(píng)估， 傳統(tǒng)方法仍然是大多數(shù)國內(nèi)學(xué)者的首選， 學(xué)者們根據(jù)不同種類數(shù)據(jù)資產(chǎn)的特性， 在傳統(tǒng)方法的基礎(chǔ)上進(jìn)行改進(jìn)， 使之更適合待估數(shù)據(jù)資產(chǎn)的價(jià)值評(píng)估。

具體而言， 對(duì)收益法的優(yōu)化主要有三種： 第一， 結(jié)合其他方法的收益法， 如將情景分析法引入收益法中， 根據(jù)多種可能的未來情景的發(fā)生概率綜合確定收益額。第二， 在收益法模型中增加參數(shù)， 如根據(jù)通信企業(yè)數(shù)據(jù)資產(chǎn)的特點(diǎn)， 增加了客戶留存率參數(shù)， 優(yōu)化了通信企業(yè)未來超額收益的預(yù)測。第三， 對(duì)收益法基本公式中的參數(shù)進(jìn)行改進(jìn)， 如業(yè)務(wù)計(jì)劃是面向特定的應(yīng)用場景， 只需考慮在項(xiàng)目周期內(nèi)的當(dāng)期業(yè)務(wù)收益， 因此該情況下的收益期為項(xiàng)目周期， 又如利用無形資產(chǎn)整體折現(xiàn)率倒推數(shù)據(jù)資產(chǎn)回報(bào)率。而對(duì)市場法和成本法的改進(jìn)多為結(jié)合層次分析法， 層次分析法在市場法中主要是用于修正調(diào)整系數(shù)， 在成本法中主要用于對(duì)各種影響數(shù)據(jù)資產(chǎn)價(jià)值因素的權(quán)重計(jì)算。此外， 也有學(xué)者將市場法與成本法結(jié)合運(yùn)用， 即先確定成本范圍再將其與現(xiàn)行市價(jià)比較， 確定數(shù)據(jù)資產(chǎn)的最終價(jià)格區(qū)間。對(duì)傳統(tǒng)方法的具體改進(jìn)之處總結(jié)如表 4所示。

（2）多屬性綜合評(píng)價(jià)法。多屬性綜合評(píng)價(jià)法是近幾年使用較多的評(píng)估方法， 是一種將主觀評(píng)價(jià)和客觀量化相結(jié)合的方法。研究初期多采用具有較強(qiáng)主觀性的層次分析法構(gòu)建指標(biāo)體系并賦值， 后期研究在此基礎(chǔ)上結(jié)合其他定量方法， 對(duì)待估數(shù)據(jù)資產(chǎn)的價(jià)值進(jìn)行綜合評(píng)價(jià)， 彌補(bǔ)了前期受主觀影響的缺陷， 其總體思路可概括為“構(gòu)建指標(biāo)體系—指標(biāo)賦權(quán)—指標(biāo)量化—綜合評(píng)價(jià)”（倪淵等，2020）。具體方法及其評(píng)估思路和實(shí)施路徑如表 5所示。

（3）經(jīng)濟(jì)學(xué)方法。經(jīng)濟(jì)學(xué)方法是指以博弈論、 實(shí)物期權(quán)理論、 人工智能等為基礎(chǔ)， 將數(shù)據(jù)資產(chǎn)置于交易環(huán)境中， 結(jié)合數(shù)據(jù)資產(chǎn)特征， 綜合考慮市場中交易主體對(duì)數(shù)據(jù)資產(chǎn)價(jià)值的影響和需求， 通過交易價(jià)格來反映其價(jià)值的一種數(shù)據(jù)資產(chǎn)定價(jià)方法（倪淵等，2020）， 具體內(nèi)容如表6所示。

2. 根據(jù)定價(jià)視角分類。根據(jù)對(duì)數(shù)據(jù)資產(chǎn)定價(jià)視角的不同， 本文將數(shù)據(jù)資產(chǎn)價(jià)值的評(píng)估方法分為利潤導(dǎo)向定價(jià)方法和效用導(dǎo)向定價(jià)方法。利潤導(dǎo)向定價(jià)方法由賣方主導(dǎo)， 關(guān)注數(shù)據(jù)資產(chǎn)化和數(shù)據(jù)創(chuàng)造價(jià)值的過程， 以利潤最大化為目標(biāo)， 強(qiáng)調(diào)供應(yīng)商的利潤。而效用導(dǎo)向定價(jià)方法則由買方主導(dǎo)， 關(guān)注數(shù)據(jù)資產(chǎn)帶來的效用， 考慮用戶的利益。兩種方法的具體評(píng)估思路和實(shí)施路徑如表 7所示。

（二）數(shù)據(jù)資產(chǎn)評(píng)估方法的比較

根據(jù)上文對(duì)目前國內(nèi)外數(shù)據(jù)資產(chǎn)評(píng)估方法的分類以及評(píng)估思路的總結(jié)， 再從各種方法的優(yōu)點(diǎn)、 適用情形以及局限性進(jìn)行比較分析， 具體情況如表 8所示。

通過前文對(duì)數(shù)據(jù)資產(chǎn)評(píng)估方法的分類以及對(duì)各種方法適用性的比較發(fā)現(xiàn)， 目前， 基于傳統(tǒng)資產(chǎn)評(píng)估方法的拓展應(yīng)用和技術(shù)延伸仍是數(shù)據(jù)資產(chǎn)評(píng)估研究的主流趨勢。但其存在一個(gè)隱含的理論前提， 即市場中的交易雙方信息對(duì)稱且掌握標(biāo)準(zhǔn)化資產(chǎn)信息、 通用性技術(shù)標(biāo)準(zhǔn)或者較為普遍接受的市場交易參照物， 其在實(shí)際操作中又多以主觀性較強(qiáng)的層次分析法為基礎(chǔ)， 依賴用戶和專家等人工評(píng)價(jià)參與， 在小范圍、 低量級(jí)的數(shù)據(jù)資產(chǎn)估價(jià)決策中有一定現(xiàn)實(shí)意義， 且效率相對(duì)低下并缺少統(tǒng)一的標(biāo)準(zhǔn)， 也沒有考慮到數(shù)字經(jīng)濟(jì)時(shí)代海量數(shù)據(jù)資產(chǎn)標(biāo)的和高速信息處理的需要。

另外， 通過對(duì)現(xiàn)有文獻(xiàn)的梳理回顧， 發(fā)現(xiàn)國內(nèi)大多數(shù)學(xué)者是對(duì)數(shù)據(jù)資產(chǎn)本身進(jìn)行估值， 而國外學(xué)者們更多地將數(shù)據(jù)資產(chǎn)置于交易中， 是對(duì)數(shù)據(jù)資產(chǎn)的定價(jià)。所謂估值， 就是從數(shù)據(jù)提供者和原始擁有者的視角出發(fā)， 根據(jù)數(shù)據(jù)自身的特性做出評(píng)價(jià)， 從而為后續(xù)的價(jià)格挖掘奠定基礎(chǔ)， 其技術(shù)性質(zhì)屬于資產(chǎn)評(píng)估范疇， 是數(shù)據(jù)資產(chǎn)使用價(jià)值的一種數(shù)據(jù)化再現(xiàn)； 而定價(jià)是在估值的基礎(chǔ)上， 基于數(shù)據(jù)需求方對(duì)標(biāo)的數(shù)據(jù)資產(chǎn)的效用評(píng)價(jià)和心理價(jià)位之間的比較， 考慮市場中的信息是否對(duì)稱以及交易因素， 最終達(dá)到供需平衡狀態(tài)下的市場均衡價(jià)格， 即定價(jià)是對(duì)估值的一種調(diào)整。因此， 大多數(shù)國內(nèi)學(xué)者的評(píng)估方法得到的結(jié)果相當(dāng)于數(shù)據(jù)資產(chǎn)的內(nèi)在價(jià)值， 國外學(xué)者們計(jì)算出的結(jié)果則是考慮了供求、 消費(fèi)者偏好等因素的數(shù)據(jù)資產(chǎn)市場價(jià)格。

五、 研究結(jié)論及展望

本文通過對(duì)現(xiàn)有國內(nèi)外數(shù)據(jù)資產(chǎn)價(jià)值的有關(guān)文獻(xiàn)進(jìn)行梳理， 得到以下結(jié)論： 第一， 對(duì)數(shù)據(jù)資產(chǎn)概念進(jìn)行界定， 即數(shù)據(jù)資產(chǎn)是能夠?qū)崿F(xiàn)保值或增值的網(wǎng)絡(luò)空間數(shù)據(jù)集； 第二， 根據(jù)方法性質(zhì)與定價(jià)主體將現(xiàn)有數(shù)據(jù)資產(chǎn)評(píng)估方法分為兩大類， 并總結(jié)了各自的評(píng)估思路和實(shí)施路徑； 第三， 對(duì)現(xiàn)有的數(shù)據(jù)資產(chǎn)評(píng)估方法進(jìn)行比較， 總結(jié)出各類評(píng)估方法的適用性， 并得出國內(nèi)多數(shù)方法評(píng)估的是數(shù)據(jù)資產(chǎn)的內(nèi)在價(jià)值， 而國外方法大多評(píng)估的是其市場價(jià)格。

本文通過科學(xué)計(jì)量的方式對(duì)國內(nèi)外數(shù)據(jù)資產(chǎn)價(jià)值評(píng)估領(lǐng)域相關(guān)文獻(xiàn)進(jìn)行系統(tǒng)分析， 可以直觀地看出： 數(shù)據(jù)資產(chǎn)定價(jià)是國內(nèi)外學(xué)者關(guān)注的熱點(diǎn)話題。通過關(guān)鍵詞共現(xiàn)分析以及熱點(diǎn)趨勢分析可以發(fā)現(xiàn)， 數(shù)據(jù)治理、 動(dòng)態(tài)定價(jià)是研究的核心議題。機(jī)器學(xué)習(xí)算法、 數(shù)據(jù)資產(chǎn)預(yù)期價(jià)值等研究熱點(diǎn)在近期得到學(xué)者們的廣泛關(guān)注。這些研究發(fā)現(xiàn)為未來研究和實(shí)踐提供了思路。

1. 注重對(duì)數(shù)據(jù)資產(chǎn)價(jià)值的時(shí)效性研究。由于數(shù)據(jù)資產(chǎn)在應(yīng)用和流通中都可能發(fā)生價(jià)值增值， 使得數(shù)據(jù)資產(chǎn)的評(píng)估值有效期限較有形資產(chǎn)短， 其評(píng)估值僅能代表評(píng)估時(shí)點(diǎn)的價(jià)值， 所以應(yīng)加強(qiáng)對(duì)后續(xù)增值的計(jì)量。具體而言， 可以通過不斷升級(jí)迭代數(shù)據(jù)分析的方法， 如利用分類分析、 回歸分析、 相關(guān)性分析、 聚類分析等分析工具， 提升找到數(shù)據(jù)規(guī)律和數(shù)據(jù)背后隱藏價(jià)值的效率， 及時(shí)發(fā)現(xiàn)未知的或者主觀經(jīng)驗(yàn)判斷失誤的信息， 及時(shí)調(diào)整數(shù)據(jù)資產(chǎn)的評(píng)估值。

2. 注重對(duì)數(shù)據(jù)資產(chǎn)應(yīng)用場景的研究。數(shù)據(jù)資產(chǎn)的價(jià)值和其應(yīng)用場景緊密相關(guān)， 在不同應(yīng)用場景中影響價(jià)值的因素不同， 數(shù)據(jù)資產(chǎn)的價(jià)值也就不同， 且對(duì)于不同的應(yīng)用場景， 數(shù)據(jù)資產(chǎn)所貢獻(xiàn)的經(jīng)濟(jì)社會(huì)價(jià)值也不同。因此， 未來可以建立不同領(lǐng)域或行業(yè)的數(shù)據(jù)應(yīng)用場景庫， 使得待估數(shù)據(jù)資產(chǎn)可以與特定的應(yīng)用場景相結(jié)合， 從而構(gòu)建數(shù)據(jù)資產(chǎn)定價(jià)的商業(yè)模式。為此， 部分國有企業(yè)在進(jìn)行數(shù)字化轉(zhuǎn)型的過程中對(duì)數(shù)據(jù)資產(chǎn)進(jìn)行了充分的挖掘與應(yīng)用， 且效果顯著。

3. 將數(shù)字化技術(shù)融入傳統(tǒng)資產(chǎn)評(píng)估方法中。收益法、 市場法、 成本法仍是主流的評(píng)估方法， 對(duì)數(shù)據(jù)資產(chǎn)進(jìn)行評(píng)估時(shí)， 在運(yùn)用傳統(tǒng)方法的基礎(chǔ)上結(jié)合數(shù)字化技術(shù)， 使之更適合數(shù)據(jù)資產(chǎn)的價(jià)值評(píng)估。具體而言： 首先， 仍以傳統(tǒng)評(píng)估方法技術(shù)路徑為基礎(chǔ)， 并在此基礎(chǔ)上以調(diào)整性應(yīng)用為主、 以成熟的數(shù)字技術(shù)為輔， 來滿足當(dāng)前數(shù)據(jù)資產(chǎn)市場的估價(jià)需求； 然后， 逐步過渡到全面應(yīng)用數(shù)字化估值定價(jià)技術(shù)階段。這兩個(gè)階段是相互關(guān)聯(lián)的， 是在不斷量變的過程中積累直至發(fā)生質(zhì)的改變。

【 主 要 參 考 文 獻(xiàn) 】

閉珊珊，楊琳，宋俊典．一種數(shù)據(jù)資產(chǎn)評(píng)估的CIME模型設(shè)計(jì)與實(shí)現(xiàn)［ J］．計(jì)算機(jī)應(yīng)用與軟件，2020（9）：27 ～ 34．

陳芳，余謙．?dāng)?shù)據(jù)資產(chǎn)價(jià)值評(píng)估模型構(gòu)建——基于多期超額收益法［ J］．財(cái)會(huì)月刊，2021（23）：21 ～ 27．

嵇尚洲，沈詩韻．基于情景法的互聯(lián)網(wǎng)企業(yè)數(shù)據(jù)資產(chǎn)價(jià)值評(píng)估——以東方財(cái)富為例［ J］．中國資產(chǎn)評(píng)估，2022（2）：29 ～ 38．

李春秋，李然輝．基于業(yè)務(wù)計(jì)劃和收益的數(shù)據(jù)資產(chǎn)價(jià)值評(píng)估研究——以某獨(dú)角獸公司數(shù)據(jù)資產(chǎn)價(jià)值評(píng)估為例［ J］．中國資產(chǎn)評(píng)估，2020（10）：18 ～ 23．

李菲菲，關(guān)楊，王勝文等．信息生態(tài)視角下供電企業(yè)數(shù)據(jù)資產(chǎn)管理模型及價(jià)值評(píng)估方法研究［ J］．情報(bào)科學(xué)，2019（10）：46 ～ 52．

李永紅，張淑雯．?dāng)?shù)據(jù)資產(chǎn)價(jià)值評(píng)估模型構(gòu)建［ J］．財(cái)會(huì)月刊，2018（9）：30 ～ 35．

劉琦，童洋，魏永長等．市場法評(píng)估大數(shù)據(jù)資產(chǎn)的應(yīng)用［ J］．中國資產(chǎn)評(píng)估，2016（11）：33 ～ 37．

馬丹，郁霞．?dāng)?shù)據(jù)資產(chǎn)：概念演化與測度方法［ J］．統(tǒng)計(jì)學(xué)報(bào)，2020（2）：15 ～ 24．

倪淵，李子峰，張?。贏GA-BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)平臺(tái)交易環(huán)境下數(shù)據(jù)資源價(jià)值評(píng)估研究［ J］．情報(bào)理論與實(shí)踐，2020（1）：135 ～ 142．

宋杰鯤，張業(yè)蒙，趙志浩．企業(yè)數(shù)據(jù)資產(chǎn)價(jià)值評(píng)估研究［ J］．會(huì)計(jì)之友，2021（13）：22 ～ 27．

譚明軍．論數(shù)據(jù)資產(chǎn)的概念發(fā)展與理論框架［ J］．財(cái)會(huì)月刊，2021（10）：87 ～ 93．

王靜，王娟．互聯(lián)網(wǎng)金融企業(yè)數(shù)據(jù)資產(chǎn)價(jià)值評(píng)估——基于B—S理論模型的研究［ J］． 技術(shù)經(jīng)濟(jì)與管理研究，2019（7）：73 ～ 78．

胥子靈，劉春學(xué)，白彧穎等．多期超額收益法評(píng)估數(shù)據(jù)資產(chǎn)價(jià)值——以M通信企業(yè)為例［ J］．中國資產(chǎn)評(píng)估，2022（3）：73 ～ 81．

徐濤，尤建新，曾彩霞等．企業(yè)數(shù)據(jù)資產(chǎn)化實(shí)踐探索與理論模型構(gòu)建［ J］．外國經(jīng)濟(jì)與管理，2022（6）：3 ～ 17．

張志剛，楊棟樞，吳紅俠．?dāng)?shù)據(jù)資產(chǎn)價(jià)值評(píng)估模型研究與應(yīng)用［ J］．現(xiàn)代電子技術(shù)，2015（20）：44 ～ 47+51．

周芹，魏永長，宋剛等．?dāng)?shù)據(jù)資產(chǎn)對(duì)電商企業(yè)價(jià)值貢獻(xiàn)案例研究［ J］．中國資產(chǎn)評(píng)估，2016（1）：34 ～ 39．

朱富成，劉永，許燁婧．應(yīng)急處置類檔案數(shù)據(jù)資產(chǎn)化及其經(jīng)濟(jì)價(jià)值評(píng)估指標(biāo)構(gòu)建［ J］．檔案管理，2021（6）：63 ～ 65．

朱澤，段堯清，何丹．面向政府?dāng)?shù)據(jù)治理的數(shù)據(jù)資產(chǎn)價(jià)值系統(tǒng)仿真評(píng)估［ J］．圖書館論壇，2021（6）：100 ～ 105．

鄒貴林，陳雯，吳良崢等．電網(wǎng)數(shù)據(jù)資產(chǎn)定價(jià)方法研究——基于兩階段修正成本法的分析［ J］．價(jià)格理論與實(shí)踐，2022（3）：89 ～ 93+204．

左文進(jìn)，劉麗君．大數(shù)據(jù)資產(chǎn)估價(jià)方法研究——基于資產(chǎn)評(píng)估方法比較選擇的分析［ J］．價(jià)格理論與實(shí)踐，2019（8）：116 ～ 119+148．

Birch K.，Cochrane D. T.，Ward C.. Data as Asset？ The Measurement，Gove-rnance，and Valuation of Digital Personal Data by Big Tech［ J］． Big Data & Society，2021（1）：N/A．

Chang M.，Arafa A.，Huang J.，et al.. Pricing Fresh Data［ J］． IEEE Journal on Selected Areas in Communications，2021（5）：1211 ～ 1225．

Fricker S. A.，Maksimov Y. V..Pricing of Data Products in Data Marketpla-ces［M］//Ojala A.，Holmstr?m Olsson H.，Werder K.. Software Business． Cham：Springer International Publishing，2017．

Harmon R.，Demirkan H.，Hefley B.. Pricing Strategies for Information Technology Services：A Value-based Approach［A］． 2009 42nd Hawaii International Conference on System Sciences［C］．? Hawaii，Piscataway：IEEE Press，2009．

Janssen M.， vander Voort H.， Wahyudi A.. Factors Influencing Big Data Decision-making Quality［ J］． Journal of Business Research，2017（70）：338 ～ 345.

Niyato D.， Hoang D. T.， Luong N. C.， et al.. Smart Data Pricing Models for the Internet of Things：A Bundling Strategy Approach［ J］． IEEE Network， 2016（2）：18 ～ 25.

Stahl F.， Vossen G.. Name Your Own Price on Data Marketplaces［ J］． Informatica，2017（1）：155 ～ 180.

Tsai Y. C.， Cheng Y. D.， Wu C. W.， et al.. Time-Dependent Smart Data Pricing Based on Machine Learning［M］//Mouhoub M.， Langlais P.. Advances in Artificial Intelligence. Cham： Springer International Publishing，2017.

Xiong Z.， Niyato D.， Wang P.，et al.. Dynamic Pricing for Revenue Maximization in Mobile Social Data Market With Network Effects［ J］． IEEE Transactions on Wireless Communications，2020（3）：1722 ～ 1737.

Ylijoki O.， Porras J.. A Recipe for Big Data Value Creation［ J］． Business Process Management Journal，2019（5）：1085 ～ 1100.

（責(zé)任編輯·校對(duì)： 劉鈺瑩? 羅萍）

【基金項(xiàng)目】2022年廣西哲學(xué)社會(huì)科學(xué)規(guī)劃研究課題“數(shù)據(jù)驅(qū)動(dòng)下廣西制造企業(yè)數(shù)字化轉(zhuǎn)型對(duì)企業(yè)創(chuàng)新的影響研究”