<pre id="7vhjz"></pre>
          <dl id="7vhjz"></dl>
              <pre id="7vhjz"></pre>
              <dl id="7vhjz"></dl>
              <dl id="7vhjz"></dl>
              <pre id="7vhjz"></pre>

              市場法評估大數據資產的應用

              首頁    亦博微訊    政策解讀    評估    市場法評估大數據資產的應用

              市場法評估大數據資產的應用

              劉琦童洋魏永長陳方宇

              中南財經政法大學工商管理學院

               

                  要:

              隨著互聯網技術的不斷發展,大數據在企業的經營決策中發揮著越來越重要的作用,數據已經成了企業重要的利潤來源。然而,數據資產的研究尚處于萌芽階段,如何界定數據資產并采用合適的方法來評估數據資產的價值是充分挖掘數據資產價值,促成數據資產交易的關鍵問題。本文對數據資產進行了界定,提出了運用市場法評估數據資產價值的基本思路,在對技術水平、價值密度、數據容量等差異因素進行量化調整的基礎上,評估同一類型的大數據資產的價值。

              國務院于2015年發布了《促進大數據發展行動綱要》,明確指出我國將全面推行大數據發展和應用,加快建設數據強國。隨著大數據時代的到來,越來越多的行業領頭企業,例如阿里巴巴、亞馬遜、戴爾、UPS、寶潔等,將數據資產作為其核心的競爭優勢,大數據可以幫助企業快速定位最盈利的顧客、促進新產品開發,給產品定價以及用于企業日常的經營管理活動。此外,處在變幻莫測的市場環境中,企業面臨的不確定性因素越來越多,成功的組織需要通過搜集數據和構建數學模型,了解市場發展規律。即使對于一般企業,數據資產價值的評估對投資決策也具有重要影響。有些企業實施了ERP等管理信息系統,但是很難知道系統中的數據具有多大的價值。

              由此可知,大數據資產的價值評估對于促成數據資產的交易,提高企業的經營管理水平至關重要,大數據時代給資產評估學科的發展帶了新的機遇和挑戰。大數據資產不具備實物形態,應屬于一種新型的無形資產,然而其價值與數據的活性、容量、規模、用途有直接的聯系,這些特性給數據資產的價值評估增加了難度。例如,在應用收益法時,數據資產的預期收益、收益期限、折現率就很難確定,即使用分成率法,也難以將數據資產的價值從無形資產組合中分割出來;數據資產屬于一種智力型資產,其收益和成本之間具有弱對應性,因此用成本法評估時,很難完整地核算其成本。盡管目前數據資產交易案例非常有限,但是本文認為,隨著數據資產的交易越來越多,應用市場法評估數據資產的價值具有良好的可行性,本文在對大數據、大數據資產進行界定的基礎上,提出了應用市場法評估大數據資產價值的思路,并詳細闡述了每一類修正系數的計算方法,本文的研究工作可以為大數據資產的評估提供借鑒與參考。

              一、大數據定義及其分類

              目前,理論界對大數據還沒有統一定義,但對大數據的體量、種類、速度、價值幾個方面的特征已經達成共識[5]。在《Science》(2008)雜志出版的???大數據被定義為:代表著人類認知過程的進步,數據集的規模是無法在可容忍的時間內用目前的技術、方法和理論去獲取、管理、處理的數據[6]。美國拉斯維加斯舉辦第11屆EMC Word大會,正式拋出大數據概念。在IDC(2011)發布的報告中,大數據被定義為:大數據技術描述了新一代的技術和架構體系,通過高速采集、發現或分析,提取各種各樣的大量數據的經濟價值[7]。隨后,麥肯錫全球研究院發布的報告說明了大數據能夠釋放潛在的價值,將大數據定義為:無法在一定時間內用傳統數據庫軟件工具對其內容進行抓取、管理和處理的數據集合[8]。此后,大數據成為研究熱點。

              在達沃斯論壇上,大數據是主題之一,其中《大數據,大影響》(2012)報告宣告:數據成為一種新型的經濟資產,就像貨幣或黃金一樣。同年,奧巴馬政府發布《大數據研究和發展倡議》,并提供2億美元相關經費,把大數據研究提升到國家戰略。維克多認為,大數據是人們獲取新的認知、創造新的價值的源泉;是改變市場、組織結構,以及政府與公民關系的方法[4]。從以上有關大數據的概念中可以得知:目前業界對大數據的定義主要關注其體量,并沒有擴展到其潛在的商業價值上。本文認為,大數據是指普通計算機軟件無法在一定時間內及時處理,具有可挖掘商業價值和非結構化數據特征的數據集合。

              目前對大數據的分類主要從其來源、主體的性質、所屬產業、產權主體等方面進行分類。

              按照大數據的來源,可以將其分為以下四類:互聯網數據、科研數據、感知數據和企業數據[2]?;ヂ摼W大數據的典型代表性包括——用戶行為數據、消費數據、地理位置數據、互聯網金融數據、社交等UGC數據,互聯網數據是近年大數據的主要來源??蒲袛祿嬖谟谘芯繖C構手中,這些機構具有計算速度極高且性能優越的機器。感知技術與大數據的采集是緊密聯系的。以傳感器技術、指紋識別技術、RFID技術及坐標定位技術為基礎的感知能力的提升是物聯網發展的基石。全世界的工業設備、汽車、電表上有無數的數碼傳感器,隨時測量并傳遞海量的數據信息。企業數據種類繁雜,企業可以通過物聯網收集大量的感知數據,該類數據增長極其迅猛;相比于企業外部的互聯網數據,企業的內部數據量只是滄海一粟。

              按產生數據的主體的性質,可以分為個人數據、組織數據及關系型數據。個人數據指由個人特征或行為而產生的屬于個體的數據,如每個人的偏好等數據;組織數據指組織行為產生的數據,包括組織在調查、研發、生產等過程中產生的數據;關系型數據指產生于不同主體相互作用過程中的數據,這種過程需要強調主體間關系的對等性,具體包括個人與個人、個人與組織、組織與組織之間由交易等相互作用過程而產生的數據。

              根據大數據應用所在的產業,可以將數據資產分為三類,它們分屬于農業、工業、服務業三大產業。從理論上來看所有產業都會從大數據的發展中受益。農業大數據是在農業生產過程中產生的。采集關于種子、土壤等變化的數據并加以分析可以幫助種植者在正確時間、正確地點實施精確的農業活動。工業大數據是隨著信息化與工業化的融合發展,信息技術滲透到工業企業產業鏈的各個環節而產生的。它重點支持生產過程控制、生產環境檢測、制造供應鏈跟蹤、遠程診斷管理等物聯網應用,促進經濟效益提升、安全生產和節能減排。服務業大數據是企業在對消費者提供服務的過程中采集到的交易數據、瀏覽數據、位置數據等的集合。對服務業大數據進行分析,其結果可以應用到健康與醫療、交通、電子商務等各領域,并對這些領域加以改進。

              從數據的擁有和控制角度,可以將大數據分成第一方數據、第二方數據、第三方數據。第一方數據是指數據的直接生產者。例如,龐大用戶在淘寶上產生的海量交易數據和信用數據,對阿里巴巴來說就是第一方數據。這些數據毫無疑問被其生產者擁有和控制,并借助于數據挖掘或出售等方式不斷給數據擁有者帶來經濟收益。第二方數據是指通過提供某種中介服務所獲得的數據。例如,支付寶作為國內最大的第三方支付平臺,通過對阿里系以外的企業提供支付通道,也獲取了額外交易數據和信用數據。從擁有和控制角度看,第二方數據的所有者的確擁有對數據的掌控權,但這部分數據受制于獲取路徑,在使用、交換或交易的過程中會有一些限制,需要采取匿名化以及整體化等脫敏處理后,才能實現有效控制和使用。第三方數據是指通過爬蟲技術等獲取的數據。例如,百度通過互聯網搜索獲取海量的爬蟲數據。與前兩者相比,第三方數據的產權問題比較復雜。出于對敏感數據泄露的擔憂及數據資產定價困難方面的考慮,第一方和第二方數據的擁有者很少直接進行數據交易或授權。這也正是目前數據還不能和資產劃等號的一個生動體現。由于無法通過交易授權渠道獲得,從法律層面看,這些所有權存在瑕疵的數據即使暫時被擁有,也不能構成資產要素。

              二、大數據資產的界定及其價值影響因素

              評估大數據資產的首要問題是如何界定大數據資產。劉玉從會計角度出發認為:大數據資產是指那些能夠數據化,并且通過數據挖掘能給企業未來經營帶來經濟利益的數據集合,包含數字、文字、圖像、方位甚至于溝通信息等,一切可“量化”、可數據化的信息都有可能形成企業的大數據資產[1]?;谏衔膶Υ髷祿姆诸愐约皩θ綌祿乃袡嗯c控制權的研究,可知大數據資產是來源于用戶數據信息積累,實物形態無法辨認,具有商業價值的第一方數據和第二方數據。大數據資產具有以下特性:

              (1)共享性。大數據資產來源于用戶數據信息積累,這種特性決定了它可以作為共有財富,由不同的主體同時共享,這與無形資產共益性有相同之處。而不同之處在于:大數據資產被不同主體應用時可能用于不同用途,或不同主體之間可能并無競爭性,因此將大數據共享不會給應用主體帶來損失。而無形資產則需要考慮共享可能增加競爭壓力的機會成本。

              (2)冗余性。由于大數據存在價值密度低的特征,龐大數量的數據中有價值的數據非常少,即存在大量無效數據。大數據資產被擁有和控制方儲存時,大量無效數據的儲存占用了過多空間,增加了存儲成本。

              (3)用途多樣性。同一種大數據資產包含眾多不同類型的信息,這種信息多樣性可能滿足不同主體的需求,因而被應用到不同的用途中。

              (4)時效性。對于流動性較強的數據資產,只在特定時間內才擁有最大的價值。如果不能在恰當時間進行開發利用,價值可能隨時間流逝而減少,甚至完全失去。另一方面,在某個時段看起來毫無效用或效用很小的大數據資產,經過時間推移和環境變化,可能會產生更大的價值。

              (5)無消耗性。數據資產不會因為擁有者使用頻率的增加而磨損、消耗,這一點與其他傳統無形資產有相似性。

              對大數據資產的價值產生影響的因素有:數據資產的取得成本、技術差異、價值密度差異、容量差異、用途、時效性、類型等,本文在應用市場法的過程中重點考慮如下因素:

              (1)取得成本。數據資產與有形資產一樣,其取得也有成本。只是相對于有形資產而言,其成本的確定不是十分明晰和易于計量。對企業的數據資產來說,外購數據資產較易確定成本,直接生產數據資產的成本計量較為困難。一般這些成本包括數據生產成本、數據存儲成本等。

              (2)技術差異。由于數據資產的價值就在于對其價值的挖掘,不同技術條件下,這種技術挖掘程度不同,則價值也不同。因此如何有效辨別技術因素對數據價值的影響就非常重要。

              (3)價值密度差異。數據資產之間的價值密度不同給其價值帶來的差異,大數據體量巨大,然而對應用主體而言,有用的數據可能只占總體非常微小的一部分。價值密度等于有效數據量與總體數據量的比,價值密度越大,則大數據資產的價值越高。

              (4)容量差異。該差異主要考慮數據容量的不同給數據價值帶來的折價或者溢價。一般我們認為數據容量越大,則有用信息越多,因此帶來的價值越大。需要說明的是這種因為容量差異導致的價值差異,并不一定是線性關系。

              三、基于市場法的大數據資產價值評估

              市場法是運用市場上同樣或者類似資產的近期交易價格,通過直接比較或者類比分析以估測資產價值的各種評估技術方法的總稱[3]。隨著大數據的價值越來越被人們重視,市場上關于大數據資產的交易將會越來越多,合理識別對大數據價值產生影響的因素并通過比較量化差異判斷出大數據價值,為運用市場法對數據進行評估提供了可行性。運用市場法評估時要求必須有一個活躍的市場。在現實的市場中,對于某一類型大數據資產的交易市場并不活躍。但是這并不意味著,市場法就不能用來評估大數據資產的價值。隨著大數據資產的交易市場越來越活躍,市場法評估大數據資產價值具有明顯可行性。

              應用市場法評估大數據資產必須滿足可比性的要求。不同類型的大數據資產本身并不具備可比性??杀葘嵗馁Y產必須是同一類型的數據資產。關于數據資產類型的討論,現在沒有統一的標準,上文從大數據擁有和控制角度等進行了簡單的劃分,具有一定的參考價值。本文認為,在數據資產的評估中,可比資產的可比性應該體現在以下幾點:

              (1)同一類型數據?,F如今,比較常見的大數據分為:用戶關系數據、基于用戶關系產生的社交數據、交易數據、信用數據、移動數據、用戶搜索表征的需求數據,爬蟲和阿拉丁獲取的公共Web數據等。

              (2)同一用途數據。能夠滿足某單位特定需求的數據資產顯然具有價值。例如,由阿里巴巴等平臺產生的大數據,當該大數據被物流公司使用時,其中的地理位置等數據可以滿足物流公司合理規劃其物流中心的需要,則相關地理位置數據就有較高價值;當被服裝設計公司使用時,其中的服裝交易數據能夠滿足調整產品設計的需要,則消費者的服裝交易數據相對來說更有價值。由此,就資產擁有和控制角度分類而言,雖然是同一類型的數據,因需求者對數據的不同需求,其價值就不同。所以,在選擇可比數據資產時,必須考慮同一用途數據。以上兩個因素,是在選擇可比對象時,必須要考慮的基本條件,其他因素在修正系數的量化過程中加以考慮。

              本文認為,用市場法評估數據資產的基本思路為:

              被評估大數據資產的價值=可比實例大數據資產的價值×技術修正系數×價值密度修正系數×期日修正系數×容量修正系數×其他修正系數

              (1)技術修正系數。本文試圖建立六個指標基本厘清這種因技術進步所帶來的價值差異。這六個指標是:數據獲取、數據存儲、數據加工、數據挖掘、數據保護、數據共享。其次通過層次分析法將某個指標與其他五個指標進行對比,兩兩一組,確定該指標相對于同組中另一指標的重要性程度,以此確定各個指標的權重,最后綜合確定技術修正系數。其指標體系如圖1所示:

              IMG_256

              IMG_257

               

              圖1 影響大數據資產價值的因素體系   下載原圖

              基于以上建立的技術因素體系,進行不同權重之間的探討。本文采用AHP(層次分析法)確定不同技術因素對大數據資產價值的影響,具體操作過程如下:依據影響數據資產價值的技術因素體系,確定六個指標,以上六個技術指標對大數據資產的價值影響的重要性是存在差異的。該重要性差異可以通過構建判斷矩陣進行量化,用來衡量當兩個因素對比時,一個因素是否比另一因素重要,重要性的標度直接參考文獻[3]。

              運用相關打分法,邀請行業專家,技術人員等進行打分,構造出如下判斷矩陣。

              IMG_258

              IMG_259

               

              在得到判斷矩陣后,應用本征向量法計算相應各個因素的權重,得到權重向量IMG_260 

              IMG_261

               

              ,并進行一致性檢驗。在通過一次性檢驗以后,邀請行業專家,對六個指標進行具體分析判斷,識別出可比實例和待評估資產之間的技術指標差異。分別判斷出可比實例和待評估資產之間六個指標的具體得分,滿分100分,用以下計算公式得出相關系數值:

              IMG_262

              IMG_263

               

              其中,MO,i代表第i個技術指標待估大數據資產的得分,MR,i代表第i個技術指標可比實例大數據資產的得分,在此基礎上,可以得到技術修正系數IMG_264 

              IMG_265

               

              。

              (2)價值密度修正系數。有效數據是指在總體數據中對整體價值有貢獻的那部分數據。價值密度可以用單位數據的價值來進行衡量,定義為ρV。按照一般邏輯,有效數據占總體數據量比重越大則該項數據整體價值越高。因此,兩個大數據資產進行比較時,需要對價值密度進行修正,價值密度修正系數λD的計算公式為

              IMG_266

               

              IMG_267 ,其中ρV,O與ρV,D分別代表待估大數據資產的價值密度與可比實例大數據資產的價值密度。如果某一項大數據資產可以進一步拆分為n項子數據資產,每一項子數據資產可能具有不同的價值密度ρi,V,那么其總體的價值密度為IMG_268

              IMG_269

               

              i反映了在特定用途下該大數據資產的價值對于整體價值的重要性可以應。用層次分析法進行計算,滿足歸一性要求:IMG_270

              IMG_271

               

              (3)期日修正系數。期日修正系數主要是考慮評估基準日與可比實例評估日期的不同,所帶來的價值差異。一般來說,離評估基準日越近,其價值越大。其原因就在于,離評估基準日越近,越能反應當下市場的變化,其商業價值就越高。所以說,對于同一數據類型,評估基準日不同,其價值也就不相同?;陔x評估基準日越近,數據資產價值越大的假設,可以這樣認為:期日修正系數的修正主要體現在數據資產因距評估基準日較近導致的價值增值部分。在其他條件不變的情況下,這部分增值隨著待估資產評估期日與比較資產評估期日的接近而增大。這部分增值可能反應在成本的節約上或者收益的增加上,期日修正系數的基本公式為:

              IMG_272

               

              IMG_273

              (4)容量修正系數。本文假定:在評估大數據資產時,其容量越大,則有用信息就越多,其帶來的價值就越多。當可比實例和被評估資產存在容量上的明顯差異時,其價值也存在差異。本文在這里試圖就容量修正系數的確定提出一般思路。通過大量觀察同類數據資產交易活動,探尋出不同容量下,數據資產的價值差異,從而構建出容量修正系數,容量修正系數的基本公式為:

              IMG_274

              IMG_275

               

              (5)其他修正系數。其他修正系數是指:對于在其他情況下出現的,可能影響評估對象價值的因素。比如可比實例存在賣方將增值稅轉移給買方的情況,數據資產的機會成本差異(將數據資產用于某一用途后將無法用于其他用途所獲收益的最大損失),市場供需狀況差異等。在實際的評估過程中,應依據實際情況加以考慮。

              四、結論

              市場法本身不失為一種評估大數據資產的有效方法,隨著大數據資產評估業務的增多,必將形成活躍市場,進而滿足市場法的應用條件,建立起成熟的市場法體系。本文試圖合理界定數據資產,并對影響數據資產價值的因素進行研究,有效量化可比數據資產與待估數據資產之間各因素的差異,構建運用市場法評估大數據資產的基本框架。

              本文研究運用市場法評估數據資產有一定的創新力,但其評估思路和方法在細節方面還存在一些尚待改進的地方:(1)在考慮技術修正系數體系時,僅僅是從六個指標進行論述,且每個方面論述的也不甚完整。在實際的操作過程中,技術修正體系是一個非常復雜的體系。這就需要我們對這種技術修正體系有一個深刻的認識,才能更好的把握這種由于技術進步所引起的價值差異。(2)期日修正系數和容量修正系數沒有給出具體的核定方法。這一方面是由于所掌握的數據資產交易數據有限,另一方面是由于對這種修正系數的確定還沒形成相對完善的體系。只能有效識別出這兩個系數對數據資產價值產生重大影響,本文基于此提出的一般思路,對運用市場法評估大數據資產有一定的啟發意義。

              參考文獻

              [1]劉玉.淺論大數據資產的確認與計量.會計評論,9(18):1,2014.

              [2]張蘭廷.大數據的社會價值與戰略選擇.中共中央黨校博士學位論文.13-14,2014.

              [3]汪海粟.資產評估.高等教育出版社,第2版,2007.

              [4]維克托·邁爾-舍恩伯格,肯尼斯·庫克耶.大數據時代.浙江人民出版社,2013.

              [5]H.Barwick.The“four Vs”of Big Data.Implementing Information Symposium,2012.

              [6]Graham-Rowe,D.Goldston,C.Doctorow,M.Waldrop.Big data:science in the petabyte era.Nature,455(7209):8-9,2008.

              [7]Gantz J,Reinsel D.Extracting value from chaos.IDCiV iew,1-12,2011.

              [8]R.Ahswsde,N.Cai,S.Y.Li.Network information fl ow.IEEE transactions.on information theory,46(1):1204-1216,2000.

               

              人人摸人人干人人看,人人摸人人干人人射,人人摸人人搞,人人摸人人搞人人操,人人摸人人搞人人透