李玲珑  沈亦双  王鑫  顾欣妍

（东南大学成贤学院，江苏 南京 210088）

摘要：在当今时代，数字经济作为农业经济、工业经济之后的全新经济形态，正以磅礴之势在我国蓬勃发展，成为驱动经济增长的核心引擎。在这大背景下，数据资产作为第五大生产要素的价值实现路径日益明晰，推动传统产业效能提升与新兴产业生态构建的协同发展。本文基于CiteSpace可视化分析对数据资产价值评估的相关文献进行了分析整理。由于目前相关研究较少,本文主要从数据资产的定义、评估目的、评估方法等角度对相关文献进行归纳整理。本研究结果为探索数据资产价值评估提供了理论支撑，有助于推动数据资产确权、定价及流通体系的完善，为国家加快培育数据要素市场、构建数字经济新型基础设施布局提供决策参考。

关键词：数据资产；评估目的；评估方法；可视化分析

一、引言

近年来我国数据资产管理改革进程加速。2023年9月，中评协发布《数据资产评估指导意见》，建立了数据资产确权评估的制度基础；10月国家数据局正式组建，标志着数据治理体系进入机构化改革新阶段；财政部于12月底出台专项指导意见，系统构建数据资产全周期管理框架。2024年1月起实施的《企业数据资源会计处理规定》，则首次从会计准则层面明确数据资源的资产属性及计量规则，实现了数据要素资本化的重要突破。

然而，数据资产作为新兴资产，其价值具有不确定性，极有可能引发市场的混乱，进而导致企业在数据资产配置上的不合理。因此，精准且合理地评估数据资产，对于企业而言迫在眉睫。本文基于当下数字经济发展的现实背景和政策导向，系统梳理数据资产价值评估指标体系的演进脉络，深入归纳与评述数据资产评估的主流方法，同时精准洞察现有研究的薄弱环节，为未来研究的拓展明确方向，以期为数据资产的有效评估与合理应用提供有益参考。

二、数据资产评估研究的可视化分析

（一）研究方法及数据来源

在CNKI高级检索中,考虑到数据作为重要的生产要素时间较晚和对其评估的标准仍不确定,结合本文主题,本文以数据资产评估为关键词,选取了近十年的520篇中文文献与116篇外文文献;以数据资产价值评估为关键词,以2015年5月28日至2025年2月14日为时间限,共得到篇520中文文献;由于研究数据资产价值评估模型的文献截止2025年2月14日未曾查找到,本文选择以数据资产价值评估为关键词进行搜索,共获取361篇相关文献｡

本文运用CiteSpace对相关中文文献进行了可视化分析,更加客观地展现出数据资产价值评估这个研究领域的动态发展趋势，直观鲜明地显示出近年来数据资产价值评估的方向和标准。

（二）数据资产价值评估的文献统计分析

   从各年发表量统计来看,数据资产价值评估的研究是一个随着时代发展不断完善的过程，

文献数量与文献被引频次总体呈上升趋势,且近几年来发展迅速｡

从数据趋势（如图1）来看：2015 - 2021年：论文发表数量整体呈缓慢增长趋势，2015年仅有3篇，到2021年增长至31篇，说明数据资产评估领域在此期间逐渐受到关注，但发展较为平稳。 2021 - 2024年：论文发表数量迅速上升，2022年达到86篇，2023 年为141篇，2024年高达179篇，表明这一阶段数据资产价值评估成为学术研究的热门领域，吸引了大量硕博研究生投入研究。 2025年（截至当前）：目前仅有13篇，相比2024年大幅下降，可能是数据统计时间尚未结束，或者研究热度出现波动。

图1   近十年来数据资产价值评估硕博论文数量统计

总体而言，过去十年该领域研究热度先缓慢上升，后快速增长，当前数据显示2025年出现大幅回落，但最终趋势还需结合全年数据判断。

由关键词共现图谱（如图2）可知,本次分析中共有217个节点,494条连线,网络密度为0.0211,最大被引次数为196次｡通过时区图谱聚类分析（如图3）可知,本次分析Silhouette值为0.8462,Q值为0.4583,聚类效果显著｡数据资产价值评估研究的核心主题集中在评估方法、价值影响因素和应用场景等方面。围绕评估方法，多种传统与创新方法共现，反映学界在探索科学评估体系上的努力。价值影响因素节点与其他概念联系紧密，说明其在研究中的基础性与重要性，是准确评估的关键。应用场景的广泛分布，显示该研究对金融、医疗等多行业的辐射作用。

这些主题间的关联体现了研究的系统性，从方法构建到因素剖析，再到应用落地，构成完整研究链条。研究前沿聚焦于新兴技术融合的评估创新，如人工智能与区块链在数据价值评估中的应用，预示未来研究方向将朝着智能化、精准化迈进，为解决数据资产价值评估难题提供新契机，也为相关行业数据资产的管理与决策提供更有力支持。

图2  CiteSpace关键词共现图谱

图3 时区图谱聚类分析

（三）数据资产领域日益引发重视

通过检索,我们发现有关数据资产价值评估主要主题的文献数量较多，从各年发表量统计来看，近几年关于数据资产价值评估的研究数量呈爆发式增长。

整体趋势（如图4）来看，2015 - 2024 年，文献发表数量总体呈增长趋势，尤其是2021 - 2024 年，增长较为迅猛，从23篇增至126篇，体现了近几年该领域研究呈爆发式增长。2025年数据目前仅有9篇，相比2024年大幅下降，可能因统计时间未结束或研究热度变化。2015年起步较低，仅有1篇，随后几年缓慢增长，到2021年后开始加速增长，说明在这一阶段，数据资产价值评估受到更多关注，成为研究热点。潜在原因可能是随着数字经济发展，数据资产重要性日益凸显，促使学者们加大对该领域的研究投入。

 图5   被引用关键词共现图谱

由关键词共现图谱（如图5）可知,本次分析中共有228个节点,533条连线,网络密度为0.0206,最大被引次数为206次,图谱结构较为紧密｡从知识图谱可知,数据资产价值评估领域呈现出多元且关联的研究态势。“数据资产”和“价值评估”作为核心关键词，处于图谱中心位置，表明它们是该领域的研究基石 。围绕这两个核心，多种评估相关概念如“评估模型”“b - s模型”“实物期权”等紧密相连，说明学界在不断探索科学有效的评估方法与模型。“数字经济”“数据共享”等关键词的出现，体现了该研究与当下经济形态和数据应用场景的紧密结合，反映出数据资产价值评估在数字经济背景下的重要性与现实需求。而“电力数据”这一特定领域数据的提及，暗示研究已深入到行业细分数据资产价值评估中。此外，各关键词聚类分布且连线众多，显示出不同研究主题之间相互关联、相互影响，形成了一个有机的研究网络，预示着未来该领域研究将朝着跨领域融合、多方法协同的方向发展，以更好地应对复杂多变的数据资产价值评估问题。

三、国内外研究现状

国内外均高度重视数据资产的动态性、场景依赖性及合规性对价值评估的影响。无论是国内还是国外的评估实践，都意识到数据资产并非一成不变，其价值会随着时间推移、应用场景的变化以及合规要求的更新而发生波动。例如，医疗数据在不同的医疗研究场景或政策监管环境下，其价值评估结果会有显著差异。这意味着在评估过程中，必须充分考虑这些动态因素，以确保评估结果的准确性与可靠性。​

国外早期提出“数据是一种资产”，国内也将数据纳入生产要素范畴，这表明双方都认可数据具备资产属性，能够为企业或组织创造价值，并且在经济活动中扮演着重要角色。这种对数据资产本质的共识，是开展价值评估工作的基础。

不过，不同的是，国外更侧重于市场化与技术驱动。从Tony Fisher^[1]等（2009）认为数据是可以被挖掘利用的，因此数据可以被称为一种资产。Bughin^[2]等（2010年）研究认为能够赋予产品崭新的功效，可作为新型智能资产。Goyal^[3]（2012年）认为数据资产通常以数据集的形式体现，具有时效性，并且需要对其进行收集、分析和挖掘，进而为公司决策提供依据。可以看出，国外强调数据在商业模式创新中的作用，通过市场机制和先进技术来挖掘数据价值。例如，在硅谷的众多科技企业中，凭借先进的数据分析技术和敏锐的市场洞察力，将用户数据转化为创新的产品和服务，推动企业发展并实现数据资产的价值最大化。他们关注数据价值的时效性，快速响应市场变化，利用技术手段及时调整数据资产的应用策略。

国外注重从实践中总结经验，通过技术手段实现数据与业务场景的深度融合，以评估数据资产在实际商业运营中的价值。他们依赖先进的数据分析技术和算法模型，不断优化数据资产价值评估方法，强调实时性和精准性。具体来看，一些国际知名的咨询公司运用大数据分析工具，为企业提供定制化的数据资产价值评估服务，根据企业的业务特点和市场环境，快速准确地评估数据资产价值。

国内更关注政策引导与标准化体系构建。自 2019 年十九届四中全会明确数据作为 “生产要素” 后，一系列政策出台，为数据资产价值评估奠定了政策基础。2021 年信通院发布《数据资产管理实践白皮书（5.0 版）》定义了标准化框架。国内研究普遍指出数据资产标准体系尚未统一，因此在政策引导下，致力于构建统一的标准体系，规范数据资产价值评估流程和方法。例如，在政府主导下，各行业积极参与制定适合本行业的数据资产标准，以促进数据资产在不同行业间的流通与评估。

国内学者积极开展理论研究，如尹传儒^[4]等（2021年）提出“数据资产价值指数”，结合层次分析法与模糊综合评价法量化数据价值。在政策支持下，通过构建标准化框架，从理论层面指导评估实践。虽然也在逐步引入先进技术，但更注重理论与实践相结合，以适应国内复杂的行业环境和政策要求。例如，在金融行业，基于国内的政策法规和行业特点，运用相关理论模型对金融数据资产进行价值评估，同时考虑到不同金融机构的数据标准差异，在标准化框架下进行适当调整。

以上研究现状表明，数据资产价值评估正从理论探索转向实践落地，需通过“方法论创新+技术工具支撑+政策协同”推动其发展。

四、数据资产的相关信息

（一）数据资产的定义

王永树^[5]（2022年）提到数据资产，是指由企业拥有或控制的，能够为企业带来未来经济利益的数据资源。

（二）数据资产的基本特征

与传统资产不同，数据资产虽不具备实物形态，却蕴含着巨大的经济价值，其价值不会因使用而损耗，反而随着数据的积累与分析挖掘的深入而不断提升。张驰^[6]（2018年）学者认为数据资产有五种基本特征。其包括非实体性和可复制性、非竞争性和弱排他性、多样性、可加工性以及时效性与价值易变性。

（三）数据资产评估的意义

通过对其特征的分析，可见对数据资产进行价值评估意义深远。在数据交易市场日益活跃的今天，准确的价值评估是数据交易的基石，只有合理定价，才能保障数据交易的公平、公正与高效，推动数据在不同主体间的顺畅流通。在资源配置方面，通过评估数据资产价值，企业可以明确自身核心数据资源，合理分配人力、物力、财力等资源，将资源集中投入到最具价值的数据开发与应用中，实现资源的优化配置。此外，对于企业决策而言，数据资产价值评估结果能够为企业战略规划、投资决策、风险管理等提供关键信息支持，辅助企业做出科学合理的决策，提升企业的市场竞争力与抗风险能力。

（四）数据资产评估的难点

评估方法选择困难。成本法、市场法和收益法是传统资产评估的常用方法，但数据资产具有非实体性、高复制性等特点，使得这些方法在应用于数据资产评估时存在局限性。虽然有一些学者和机构提出了基于数据质量、数据量等因素的评估模型，但尚未形成被广泛认可和应用的统一标准，导致评估结果可能因采用的方法和模型不同而存在较大差异。

市场交易案例少。数据市场仍处于发展阶段，数据交易活动相对较少，缺乏大量公开、透明的交易案例，使得市场法在数据资产评估中的应用受到限制，难以找到可比的交易实例来确定数据资产的市场价值。即使存在一些数据交易，交易双方往往也会对交易细节进行保密，包括交易价格、数据内容、交易条件等，这使得评估过程中难以获取准确的市场信息，无法对数据资产进行合理的市场价值评估。

评估结果具有片面性。评估人员的专业背景、经验以及对数据资产的认知程度等主观因素会影响评估结果。若评估人员在某一领域具有深厚的专业知识，但对其他相关领域了解不足，可能会在评估过程中侧重于自己熟悉的方面，而忽略其他重要因素，导致评估结果片面。不仅如此，数据资产往往不是孤立存在的，而是与其他数据存在着各种关联关系。在评估单一数据资产时，如果没有考虑到其与关联数据组合后可能产生的协同价值，就会低估数据资产的实际价值，使评估结果具有片面性。

评估报告形式多样。不同行业的数据资产具有不同的特点，因此评估报告也会体现出行业特色。例如，在金融行业，数据资产评估报告可能会特别关注数据的安全性和合规性，因为金融数据涉及到客户的资金安全和隐私；而在互联网行业，报告可能更注重数据的创新性和用户活跃度等指标，以反映数据在推动业务创新和用户增长方面的价值。此外，不同评估机构或评估人员对数据资产评估报告的内容结构设计可能存在差异，报告格式规范也各不相同。

五、现有的评估方法和模型

在数据应用飞速发展的当下，数据资产已成为众多企业的核心资产。如何合理评估数据资产，助力企业有效利用和管理这些数据，对我国经济发展意义重大。根据现有研究，数据资产价值的评估方法涵盖3种传统评估方法及其衍生方法。

（一）成本法

关于成本法的理论框架，林腾飞^[11]（2020年）提出该方法以数据资产获取、存储及维护环节的成本投入为价值评估基础，其操作路径主要包含历史成本法、重置成本法和功能重置成本法三个维度。其中，历史成本法以实际发生的显性成本为核算依据（如数据采集费用、存储设备购置费等），傅传锐^[12]（2024年）团队发展的重置成本法则引入物价指数和技术迭代因素，主张按现行市场价格核算重建成本。功能重置成本法则在此基础上增加功能差异调整机制，通过新旧数据资产功能对比进行价值修正。

（二）市场法

市场法的理论构建方面，孙晓璇^[13]（2020年）等学者强调其以可比交易价格参照为核心逻辑，具体实施路径聚焦两个维度：张俊瑞^[14]（2023年）团队提出的直接比较法要求选取数据类型、应用场景及质量特征高度匹配的可比案例，通过时效性、完整性等关键参数调整实现价值校准；田野^[15]等（2024年）发展的市场倍数法则建立财务指标映射体系，借助行业平均市盈率等倍数参数，结合标的资产对企业收益贡献度进行价值推算（典型应用如基于净利润贡献比重的乘数计算模型）。

（三）收益法

收益法是从数据资产未来收益的角度出发，通过对数据资产在未来一段时间内可能为企业带来的收益进行预测，并将这些收益按照一定的折现率折算成现值，以此来评估数据资产的价值。收益法衍生了有两种主要的方法：一个是宋建民^[16]（2025年）学者提出现金流折现法，该方法的核心是预测数据资产在未来各期产生的现金流量，并选择合适的折现率将这些现金流量折现到评估基准日。另一个是彭乙峻^[17]等（2024年）学者提出收益分成法，这种方法是将数据资产与企业其他资产共同创造的收益按照一定的比例进行分配，以确定数据资产应得的收益份额，进而评估其价值。

表1 评估方法的思路和局限性

（四）其他方法

在数据资产价值评估领域，学者们探索了多种创新方法。王静^[18]（2019年）等学者指出实物期权法适用于评估不确定性高的数据资产，将其看作具期权性质的资产，代钿杰^[19]（2023年）、吴惟熙等学者强调企业在数据开发应用中的决策灵活性如同金融期权有价值，通过评估期权价值来确定数据资产价值。王建伯^[20]（2016年）等学者提出博弈论方法在多方参与的数据交易中作用关键，通过构建博弈模型分析各方策略下的收益风险，能帮助确定最优交易策略、价格以及数据共享规则和收益分配方案，实现数据资产价值最大化。

六、小结

在数字化进程迅猛发展的当下，数据资产价值评估领域的研究持续推进，取得了一系列阶段性成果。目前，学界和业界已对数据资产的定义、特征达成基本共识，并深入探讨了多种价值评估方法，如成本法、市场法、收益法等经典方法，以及实物期权法、博弈论方法、机器学习方法等新兴方法。同时，也清晰识别出数据质量、数据规模、数据应用场景、数据权属和法律法规等影响数据资产价值评估的关键因素。然而，由于数据资产本身具有无形性、可复制性和价值不确定性等特殊属性，导致现有的评估方法均存在一定局限性，数据交易市场也亟待完善，整个评估体系仍处于不断探索与优化阶段。

展望未来，该领域研究有望在多个方向取得突破。一方面，持续致力于构建更为科学、全面、精准的评估指标体系，融合多维度因素，提升评估结果的可信度与实用性；另一方面，积极探索结合人工智能、区块链等前沿技术的创新评估方法，借助技术力量攻克传统评估难题。同时，完善数据交易市场机制，加强数据安全与隐私保护，为数据资产价值评估营造良好的外部环境，推动数据资产价值评估理论与实践迈向新高度，更好地服务于数字经济的蓬勃发展。

参考文献：

[1]Fisher, T. The Data Asset: How Smart Companies Govern Their Data for Business Success[M]. John Wiley & Sons Inc.,2009: 12-30.

[2]Bughin, J., Chui, M. and Manyika, J.Clouds, Dig Data, and Smart Assets: Ten Tech-Enabled Business Trends to Watch[J]. McKinsey Quarterly, 2010,56:75-86.

[3]Goyal Manish,Hancock Maryanne Q.,Hatami Homayoun.Selling into Micromarkets[J].HARVARD BUSINESS REVIEW,2012,90:7-8.

[4]尹传儒,金涛,张鹏,王建民,陈嘉一.数据资产价值评估与定价:研究综述和展望[J].大数据,2021(10):14-27.

[5]王永树,李先祥.关于数据资产定义、会计确认与核算的探讨[J].财会研究,2022(10):138-140.

[6]张驰.数据资产价值分析模型与交易体系研究[D].北京:北京交通大学,2018.

[7]丘开浪.数据资产的识别确认与价值评估[J].中国资产评估,2024(2):10-16.

[8]申卫星.论数据产权制度的层级性：“三三制”数据确权法[J].中国法学,2023(4):26-48.

[9]李振楠,毛腊梅,舒康.数据资产的会计确认与计量研究[J/OL].兰州财经大学学报,1-15[2026-01-04].

[10]赵鑫喆,刘勇.企业数据资产的确认、计量与披露[J].江苏商论,2025(3):23-31.

[11]林腾飞.基于成本法的大数据资产价值评估研究[J].商场现代化,2020(10):59-60.

[12]傅传锐,康佳雯,许荔香,薛雨婕.基于改进成本法的公共数据要素资产估值研究[J].武汉理工大学学报（信息与管理工程版）,2024,46(2):276-283.

[13]孙晓璇,赵小明.基于模糊层次法的数据资产评估方法研究[J].智能计算机与应用,2020,10(6):252-254.

[14]张俊瑞,董雯君,危雁麟.商务大数据分析：交易性数据资产估值方法研究[J].情报杂志,2023,42(7):93-101.

[15]田野,市场法评估企业价值指标的标准化设定研究[J].商业会计,2024(24):11-15.

[16]宋建民.新质生产力赋能下关于数据资产入表的思考[J].老字号品牌营销,2024(3):52-54

[17]彭乙峻,王保平,李文贵.近十年我国数据资产价值评估研究述评[J].数据资产评估,2024(6):40-44.

[18]王静,王娟.互联网金融企业数据资产价值评估:基于B-S理论模型的研究[J].技术经济与管理研究,2019(7):73-78.

[19]代钿杰.基于模糊实物期权法的数据企业价值评估研究 ——以上市公司数据港为例[D].南昌:江西财经大学,2023.

[20]王建伯.数据资产价值评价方法研究[J].时代金融,2016(12):292-293.