孙庆庆  张琪  宁德节

（云南财经职业学院，云南 昆明 650000）

摘要：数据已成为驱动互联网企业发展的关键生产要素，准确评估数据资产价值，对企业数据战略制定、数字化转型至关重要。数据资产价值内涵界定不清、传统评估方法不适用、动态性与不确定性等特点，给数据资产定价带来挑战。本文在梳理数据资产经济属性、价值形成机理的基础上，借鉴国内外数据资产评估理论。从构建多维评估指标体系、综合运用多种评估方法、纳入数据质量修正因子、实施动态评估优化等方面，提出互联网企业数据资产价值评估策略，以期为数字经济时代数据要素价值厘定提供决策参考。

关键词：互联网企业；数据资产；价值评估；评估策略

一、引言

于数字经济时代而言，数据是极重要的生产要素，伴随大数据、人工智能等新一代信息技术迅猛发展，创新由数据驱动，成为互联网企业发展重要路径。企业核心的无形资产——数据资产，在企业价值造就方面的地位逐步突显，恰当地评估数据资产价值，为企业规划数据策略、推进数字化变革的关键基础。诸多互联网巨头陆续投身数据资产领域布局，加大针对数据要素的投入量，将数据视作促进业务突破、带动企业上扬的“新驱动源”。怎样开展数据资产价值的科学评估工作，成为企业决策者面前亟待攻克的课题，作为一种刚兴起的生产要素，数据资产定价目前尚无统一的标准及规范，面临着价值界限不明、评估方法不足等困境，急切需要理论钻研与实践创新举措。

二、数据资产价值评估在互联网企业中的意义

1.数据驱动决策对企业发展的价值

大数据时代，数据已上升为推动企业创新发展的关键生产要素，海量数据的获取、存储、分析和应用，正深刻重塑企业的商业模式和管理方式。数据能够多维度刻画用户特征，精准洞察用户需求，企业借助数据分析用户行为、构建用户画像，能够研发出更契合用户需求的产品和服务，提升用户体验，增强用户黏性。数据驱动的精细化运营，能够提高企业管理效率，企业通过数据分析市场反馈、优化营销策略、指导生产调度等，能够实现精准营销、柔性生产，降本增效。跨界数据整合利用，能催生新业态新模式，企业打通内外部数据，深度挖掘数据价值，能孕育产业数字化新业态，重塑产业价值链。数据正成为互联网企业的核心资产，是保持市场竞争力、实现可持续发展的“利器”，在数字化浪潮席卷全球的当下，唯有立足数据驱动的发展战略，加快数字化、智能化转型步伐，企业才能在数字经济时代抢占先机、赢得未来。

2.数据资产在企业无形资产中的重要地位

无形资产是企业价值的重要组成部分，在知识经济时代，专利、商标、版权等传统无形资产对企业价值的贡献日益凸显，而在数字经济时代，数据作为一种新型无形资产，对企业价值的影响更加深远。数据资产体量庞大，据统计，2020年全球数据总量达到47ZB，预计到2025年将突破175ZB，海量的数据资产是企业的“富矿”。蕴藏着巨大的商业价值。数据应用价值凸显，数据经过采集、存储、分析、应用等一系列处理，能够指导企业的战略制定、营销决策、风险管控等，为企业创造实实在在的价值，数据资产具有较强的耐用性和增值性，数据可以重复使用而不损耗价值，且能通过数据关联、数据整合不断产生新的价值，相比之下，有形资产会不断贬值，使用价值也相对有限。数据已成为企业无形资产的“压舱石”，是推动企业价值倍增的新引擎。在“数据为王”的时代，企业要审时度势，加快数据资产的积累与变现，依托数据资产的驱动作用，构筑企业发展新优势。

3.准确评估数据价值对企业战略制定的意义

作为互联网企业核心资源的数据资产，其价值评估结果直接关联企业发展决策走向，恰当评定数据资产价值，有利于企业实现数据要素的恰当配置。企业借助数据资产价值评估最终得出的结果，可对不同数据要素投入产出的比例进行权衡，优化数据资源的分配模式，着重投入打造可产出最高价值的数据能力。精准无误的数据定价，会引导企业对数据应用场景进行优化，借助评估不同应用情境里的数据价值，企业能把精力汇聚到高价值场景，提高数据创新应用的实施力度，达成数据价值的极致化，数据资产的估值可在企业融资、并购等资本运作上提供参考借鉴。靠着数据资产的评估操作，企业可精准判定自身数据长处，抉择恰当的资本操作途径，依靠资本力量带动自身快速成长，合理评价数据资产的价值量，可帮企业数字化转型明确走向，支持企业在数字经济比拼里获得领先，把数据价值估计得过低，会抑制企业开展数据应用创新的积极性，丢掉发展良机；但若是对数据价值高估，也会引发资源配置错乱，侵害企业综合利益。规范评测数据资产的价值，成为互联网企业构建发展战略的关键切入点，需精准觅得数据资产定价的“要害钥匙”，企业才得以在数字化变革浪潮间扬帆奋进。

三、互联网企业数据资产价值评估面临的挑战

1.数据资产价值内涵与外延界定困难

跟传统的那种有形资产不一样，数据资产可归为新型的无形类资产，其价值的内涵跟外延界定还不清楚，对准确评估形成阻碍。数据资产载体呈现出多种样式，数据或许存于像文本、图像、音视频这类不同载体里，对它价值内涵的界定，未形成统一标准。数据资产所具价值形态复杂多样，数据价值大概会体现成使用价值、交换价值、溢出价值等各类形态，各种价值形态对数据定价的影响机理依旧模糊，数据资产价值的外延界限模糊难辨，数据资产价值的外延大概关联到数据采集、清洁、贮存、分析、运用等流程，各环节价值贡献界定，没有量化指标支撑。由于数据资产价值的内涵跟外延存在复杂性，就目前而言，统一的数据定价标准未确立，各企业和各行业的数据估值差异极大，评估结果缺少权威性以及可比性，确定数据资产价值的内涵与外延范畴，解析数据要素的多维价值内涵，构建一体化价值评估架构，对实现数据资产价值评估规范化起到基础支撑作用。只有厘清数据价值的起始与终局，构建完善且科学的数据资产价值估量理论体系，数据要素才可在市场交易过程中彰显应有价值。

2.传统资产评估方法难以适用数据要素

传统资产评估主要采用的方法有成本法、市场法以及收益法，考虑数据资产特有的属性情形，就数据资产定价来说 上述评估方法均呈现出局限性，成本法估值把资产的重置成本作为基础，而准确计量数据资产获取成本有一定难度，数据使用价值多数时候比其历史获取成本大，单纯凭借成本衡量数据价值存在缺陷。市场法估值把同类资产市场交易价格当作参照，鉴于活跃的数据交易市场的匮乏，能作为参照的数据交易实例数量不多，于数据估值而言市场法应用受限，收益法估值把资产预期收益当作依据。但数据资产收益的不确性处于较高水平，还容易受数据应用场景、数据质量等方面因素的牵扯，从单一的收益视角出发难以全面评判数据价值。鉴于数据存在非竞争性、可复制性等属性，以有形资产为目标的传统估值思维难以起效，迫切需要创新评估的理念跟方法，惯用的资产价值评估方法难以应用到数据要素，需要对数据资产的独特属性进行深入分析。在传统方法借鉴的进程里，创制针对数据特质的新颖评估模型及工具，唯有结合数据特点去制宜，研究符合数据资产属性的评估新思路向，方可真切揭开数据价值的神秘面纱，给出针对数据价值评估可操作的解决途径。

3.数据资产价值的动态性与不确定性

与土地、厂房等有形资产的价值相对稳定不同，数据资产价值呈现出动态性和不确定性的特点。数据资产价值具有时效性，海量数据在高速产生和更新，数据的价值也在动态变化。一些数据在刚产生时价值较高，但随时间推移，价值会逐渐降低。如用户浏览、交易等即时数据，对数据资产的评估不能静态地看，而要动态地分析其价值变化趋势，不同情境下的数据价值差异较大。同样一组数据，在不同应用场景中的价值贡献大不相同，如用户消费数据应用于营销决策和信贷审批，其价值差异巨大。孤立地评估数据价值是片面的，必须将数据置于具体应用情境中考察，数据价值受数据质量、数据关联度等因素影响，当数据噪声较大、数据匹配度低时，数据价值会大打折扣。数据质量又具有主观性和语境相关性，缺乏统一的衡量标准，上述因素使数据资产价值评估充满不确定性，单一的估值结果往往难以准确反映数据的实际价值。这就需要在评估中引入动态调整机制，综合考虑数据价值的影响因素，建立多情景、多时点的动态评估模型，只有充分考虑数据价值的不稳定性，评估结果才能更加客观、准确，为企业提供可靠的决策参考^[1]。

四、互联网企业数据资产价值评估的理论基础

1.数据资产的经济学属性分析

经济学视角能够揭示数据资产的本质属性，是构建科学评估理论的基石。数据具有准公共产品属性，数据具有非竞争性和非排他性，多个主体使用同一数据并不会导致数据价值的减损，且难以阻止他人使用数据并从中受益。数据的外溢性和规模报酬递增特征，使其在共享中产生更大价值。数据兼具生产要素与消费品属性，数据不仅是一种新型生产要素，通过深加工能创造价值，同时数据产品也可直接满足消费者需求，如短视频即是消费品，又可沉淀数据指导决策。海量异构数据具有网络效应，不同来源、不同类型的数据关联匹配，能产生“化学反应”，带来全新洞见，创造更大价值，单一数据的价值有限，数据整合利用的价值倍增。数据资产的准公共品、生产消费二重属性以及网络效应，决定了其价值评估不同于传统资产，要充分考虑数据自身的独特经济属性，只有立足经济学理论高度，从数据价值本源出发探索评估之道，才能找准数据价值评估的理论“钥匙”，破解数据价值之谜^[2]。

2.数据要素价值形成机理与贡献度研究

研究数据要素价值形成机理，考察数据对企业价值的贡献度，是科学评估数据资产价值的基础。要探究数据价值形成的内在机理，数据资产的价值主要源于数据的采集、存储、分析、应用等环节，不同环节通过叠加、放大效应共同形塑数据价值。如数据采集阶段关系到数据的规模和质量，决定了后续环节的价值创造空间；而数据应用环节直接影响数据价值的最终实现，要系统分析数据全生命周期各环节的成本投入和价值产出，揭示数据价值形成的内在机理。要研究数据价值贡献度的度量方法，由于数据与其他生产要素交织作用，对企业价值的贡献难以直接分离计量，这就需要借助经济学生产函数、投入产出模型等，引入数据投入变量。通过多元回归、因子分析等方法测度数据的边际贡献率，即数据每增加一个单位给企业带来的价值提升量。要探索数据价值溢出效应的测度方法，即数据在共享交换中、在跨场景应用中带来的外部性价值，唯有厘清数据价值形成机制，刻画数据的内生性贡献和外溢性贡献，构建科学的数据价值贡献度测算模型，才能为数据资产价值评估提供坚实的理论支撑和量化工具^[3]。

3.国内外数据资产价值评估理论与方法综述

系统梳理国内外数据资产价值评估的研究现状，能为构建符合我国国情的评估策略提供有益借鉴。国外学者较早开始数据价值评估研究。Moody和Walsh最早提出信息经济学七定律，为数据价值研究奠定理论基础。Laney提出数据价值影响因素的“7V”理论，包括数据规模、多样性、速度、准确性、真实性等。Amidon探索数据价值评估的三维框架，包括数据自身特征、数据产品属性、数据业务应用三个维度。卡斯塔内达等实证检验了数据质量、数据速度、数据相关性等对数据价值的影响。这些研究为数据价值评估提供了新视角，但主要聚焦数据自身特征，缺乏情境化考量。而国内学者的研究起步较晚，但发展迅速。马首群等分析了大数据价值内涵与外延，提出基于边际贡献率的数据定价模型。房四海等构建了数据质量导向的价值评估指标体系。赵晋等提出数据资产价值评估“三元论”，包括基于数据禀赋的内在价值、基于数据关联的协同价值、基于数据应用的使用价值。这些研究立足数据应用价值，但对数据价值的动态性缺乏深入讨论。国内外已有研究主要侧重构建数据价值评估指标体系，而在动态评估、情境化评估等方面的研究还比较欠缺。未来还需要进一步拓展数据价值评估的理论视野，改进评估模型，提升评估方法的适用性和操作性，为互联网企业的数据资产价值评估实践提供更加精准、务实的指引^[4]。

五、构建互联网企业数据资产价值评估策略

1.构建多维度数据资产价值评估指标体系

科学评估数据资产价值，构建一套全面、规范的评估指标体系。基于数据资产内在价值的评估维度，主要考察数据自身的量化指标，如数据规模、数据质量、数据结构化程度、数据稀缺性等。这些指标决定了数据资产的内在价值。其中，数据规模可用数据总量、数据字段数等衡量，数据质量可从完整性、准确性、时效性等角度评估，数据结构化程度可用非结构化数据占比反映，数据稀缺性可从独特性、可替代性等方面考量。基于数据资产价值贡献的评估维度，重点评估数据资产对企业经营管理的影响力，如数据应用广度、数据决策支持度、数据变现能力等。数据应用广度可从应用场景数量、深度等衡量，数据决策支持度可用数据分析结果转化率、数据指导决策的边际贡献率等反映，数据变现能力可从数据产品收入、数据交易收益等方面评估。基于数据资产协同价值的评估维度，着眼数据与其他数据、其他资源要素的匹配度，考察数据资产的关联协同效应，如数据关联度可用数据链接数、数据网络中心度等社会网络分析指标衡量。数据协同效应可从数据应用中的规模经济、范围经济水平等方面评价。上述评估指标并非孤立，而是相互关联、互为补充，共同形成“1+N”的数据资产价值评估指标谱系。在实际评估时，要结合不同类型数据资产的特点，构建差异化的指标体系，增强评估的针对性、有效性。只有立足多元视角、开发科学的评估指标，才能较为全面地刻画数据资源的内在价值和外部贡献，为精准评估数据资产价值提供可量化的抓手。通过探索数据资产价值评估的核心维度与关键指标，有助于系统评估数据资产的价值，为数据资产管理与运营提供重要决策依据^[5]。

2.综合运用收益法、市场法、成本法评估

鉴于数据资产的特殊属性，单一评估方法难以全面反映数据价值，要在借鉴传统评估方法的基础上，因“数”制宜，灵活综合运用多种评估方法。收益法评估，收益法关注数据带来的未来收益，适用于具有稳定收益预期的数据资产，对于应用场景单一、商业模式清晰的数据资产，如金融风控数据等，可采用收益法评估，通过测算数据应用带来的成本节约、效率提升、收入增量等，对数据价值贡献进行量化，并用适当的折现率折算为当前价值，但收益法易受折现率选取、收益期预测等主观因素影响，要谨慎使用。市场法评估，市场法依据可比数据资产的市场交易价格，修正后确定评估对象的价值，这种方法简便直观，但要求有较为活跃的数据交易市场，对于在数据交易平台挂牌的数据资产，可选取可比案例，参考其成交价格和交易特征，并进行必要修正，以此评估目标数据资产的市场价值。成本法评估，成本法从重置该项数据资产所需的必要支出角度，评估数据资产的价值，对于获取渠道单一、采集成本可计量的数据资产，如传感器采集的工业数据，可采用成本法评估，计算数据采集、存储、标注等环节的必要投入，再适当考虑一定的利润空间，最终确定数据资产价值。在实际评估时，要立足数据资产特点，权衡各评估方法的优劣，通过多种方法并用、交叉印证，以期获得更为客观、准确的评估结果。只有在多元视角的比较权衡中找寻利弊得失，才能选择最优评估路径，减少评估偏差，为数据资产定价奠定坚实基础^[6]。

3.引入数据质量与数据应用潜力等修正因子

由于数据资产价值易受数据质量、数据关联程度等因素影响，要在评估中引入必要的修正因子。数据质量修正因子，数据质量直接决定数据应用效果，是影响数据价值的关键因素。要从完整性、准确性、一致性等维度，构建数据质量评估矩阵，并设置与质量水平相匹配的权重，形成数据质量修正系数，将该系数纳入评估模型。当数据噪声大、错漏多时，质量系数将拉低评估值；反之，当数据准确完整时，质量系数将抬高评估值。数据关联度修正因子，数据资产的价值主要在关联融合中实现，数据的关联广度和深度越大，数据协同效应就越显著，创造的价值空间也越大。要测度数据资产的内外关联度，开发数据网络中心度、数据链接密度等关联度指标，形成数据关联度修正系数，将其引入评估过程，反映数据资产的网络价值和溢出价值。数据应用潜力修正因子，数据资产应用前景广阔，后续开发空间巨大。如何评估数据的应用增值空间，是影响其价值的重要因素。要前瞻性地分析数据资产的应用场景拓展潜力、数据产品研发可能性等，形成数据应用潜力系数，并纳入评估的前瞻性考量。数据应用潜力越大，评估值就越高。上述修正因子的引入，能够多角度反映数据资产价值的影响因素，动态调节评估值，提升评估的精准性、前瞻性。只有立足数据价值生成的多维影响因素，综合“诊断”数据资产的“体检报告”，才能更加客观地评判数据价值，为数据资产定价提供更加稳健可靠的依据^[7]。

4.实施动态评估与持续优化迭代策略

由于数据资产价值呈现动态及不确定特性，评估绝非能一步到位，而应作为一个动态精炼的阶段，需按照数据资产价值的实时变动，开展循环性评估且不断校准，实施多情景估算，考虑到不同应用场景里数据资产价值差异颇为明显，要编制基础局面、积极局面和消极局面。针对各类情景分别预计数据资产的价值变动区间，形成按情景划分、以区间呈现的评估数值，不是某个静态的既定值。组建多时间区段评估矩阵，鉴于数据更新迭代速率高，价值呈动态发展态势，应设立短期、中期、长期等若干个评估的时间点，以动态方式评估数据价值的变化走向，聚合各时点的评估结果值，造就评估时间矩阵，呈现数据价值的时间发展脉络，纳入评估反馈规程，需马上采集数据资产的管理及应用绩效，把相关绩效当作反馈信号，连续修正评估数值。若数据绩效得以提升，恰当调高评估额度；数据绩效出现不理想情形时，合理调低估值水平，通过反复迭代做优化，创建动态评估的封闭循环，达成评估精准性提高，采用人工智能为评估赋能，协同采用大数据洞察、机器智能学习等技术途径，自动集成数据资产应用成果、不断优化评估算法逻辑，得出智能化动态的评估举措。上述策略可在多种情景、多个时间点体现出数据价值的动态特性，凭借持续反馈搭建起评估闭环体系。采用前沿技术以优化迭代，最终产出情景化、呈现弹性态势的动态评估体系，仅当在动态评估中不断察觉问题，在处理问题当中不断校正偏移，数据资产价值评估才得以贴合时代进展，赋能数据资产价值达成最大化^[8]。

六、结语

数字经济时代，数据堪称最为关键的生产要素，对其价值的评估牵涉数字中国建设整体局势，精准评定数据资产价值量，为互联网企业的内在诉求，更是数字经济稳健前行的时代要求，这就有必要从经济学高度去探索。须系统地梳理数据资产价值的内涵与外延范畴，有序打造多维度评估指标矩阵；应依照数据特点采取办法，统筹采用收益评估法、成本核算方法、市场参照法等方式，造就多元评估协同合力；应把目光放到数据价值全貌上，把数据质量、关联程度、应用潜能等纳入评估范畴，促进评估精准性提升；得按照数据价值动态变化的规律。在数据引领革新的时代大势浪潮里，数据资产评估理论与实践有值得开拓的空间，以数据作画笔、借评估为途径，用心探求数据价值评估的新颖路径，为数字中国建设增添强大价值引擎力，靠评估创举助力数字经济稳步迈进。

参考文献：

[1]高炜，岳照清.数据资产入表的难点与对策研究[J].河北企业，2025（7）：112-115.

[2]王敬勇，丁澄，薛丽达.数据资产质押的规则纷争与整合：理论反思与实现机制[J].当代经济，2025，42（7）：3-13.

[3]喻洁.数据资产入表面临的挑战及应对措施[J].国际商务财会，2025（12）：42-45.

[4]周耕羽，郑浩东.数据资产价值评估与会计核算问题文献综述[J].国际商务财会，2025（12）：36-41.

[5]陈燕红，刘悦.数智赋能场景金融产品营销与策略矩阵研究[J].天津师范大学学报（社会科学版），2025（4）：90-99.

[6]夏文蕾，程佳银，余辉，程丽娟，陈晓芳.多学科视角下数据资产内涵、特征及价值化实施路径[J].财会通讯，2025（12）：3-12+54.

[7]卢二坡，李奇娇.数智化赋能农业新质生产力发展：理论机制与实证检验[J].新疆农垦经济，2025（6）：1-12+24.

[8]夏杰长，苏敏.数据要素市场化配置驱动实数融合高质量发展[J].南京社会科学，2025（6）：31-42.