数据资产的价值构成、特殊性及多维动态评估框架构建_刘雁南.pdf

理论追踪2023 年第 14 期*本文系国家自然科学基金项目“中国本土 VC 境外投资对中国本土企业创新的影响机理研究”（项目编号：71962033）阶段性研究成果。数据资产的价值构成、特殊性及多维动态评估框架构建*刘雁南1赵传仁2（1.榆林学院 陕西 榆林 719000；2.西北大学 陕西 西安 710127）摘要：建立完善的数据价值评估标准体系是构建数据基础制度的重要一环，其对于各类市场主体有效识别和管理数据资产，发现数据资产价值，进而挖掘数据资产价值具有重要的指导意义。然而数据资产价值受多种因素影响，具有一定的复杂性和特殊性，数据资产价值构成主要包括数量价值、质量价值、管理价值、应用价值和风险价值，特殊性主要表现为数据资产价值的不对称性、随时间不断变化以及存在外部性。这就需要建立多维动态的估值框架，按照数据资产状态、持有目的、开发利用情况等不同使用不同维度、不同方法评估其价值。为更好地服务当下、兼顾长远，做好数据资产价值评估还需要制定科学的数据资产分类体系、建立完善的数据资产价值评估标准、探索新的数据资产价值评估方法。关键词：要素市场化 数据资产 价值评估 评估框架一、引言2022年12月2日，中共中央、国务院发布 关于构建数据基础制度更好发挥数据要素作用的意见，提出构建适应数据特征、符合数字经济发展规律、保障国家数据安全、彰显创新引领的数据基础制度，以充分发挥我国数据资源优势，推动数字经济发展，增强经济发展新动能，在具体的政策举措中明确提出了推动建立数据价值评估标准体系。数据基础制度包括数据生产、使用、交易流通、分配、治理和保护等一系列制度，其中数据资产价值评估具有重要的地位和作用，一方面科学、规范的价值评估有利于各类主体有效识别和管理数据资产，最大程度地发现数据资产价值，进而挖掘数据资产价值；另一方面数据资产价值评估又构成了数据资产交易流通的重要基础，因为公平合理的数据资产定价是交易双方达成交易意向的前提。但目前我国数据要素市场化发展还处于起步阶段，数据要素具体应用场景还有待挖掘，其价值实现方式和路径尚不清晰，且数据交易市场发展不活跃，这些都导致数据资产价值实现面临诸多不确定性，从而给数据资产价值评估带来挑战。如何构建既适应当下又兼顾未来发展的数据资产估值框架体系显得尤为重要。据此，本文从IASB最新修订的资产概念框架出发，科学界定数据资产的基本内涵，在此基础上全面把握数据资产的价值构成及其特殊性，同时结合现有数据资产评估实践构建数据资产评估的多维动态框架，为数据资产价值评估提供理论指导和参考。二、基于IASB资产概念框架科学理解数据资产内涵数据资产一词由来已久，是从信息资源和数据资源两个概念衍生而来，但至今理论界和实务界对数据资产概念尚未达成一致意见，对数据资产概念的理解也相对多元化。其中较为权威的定义出自大数据技术标准推进委员会和中国信息通信研究院，2021 年12 月，大数据技术标准推进委员会和中国信息通信研究院联合发布了数据资产管理实践白皮书（5.0版），其中明确“数据资产”是指由组织合法拥有或控制的数据资源，以电子或其他方式记录，可进行计量或交易，能直接或间接带来经济效益和社会效益1。从定义可以看出并非所有数据资源都能成为数据资产，只有能够直接或间接带来效益的数据资源才能成为数据资产，这往往通过组织对数据资源进行主动加以管理实现。这一定义为当下理解数据资产提供了参考，也为数据资产管理实践提供新的指导，但这一定义的科学性仍有待商榷。数据资产本质上属于资产，对其科学界定需要从资产的基本概念出发，财政部 企业会计准则基本准则 第二十条明确：“资产是指过去的交易或者事项形成15DOI:10.16144/ki.issn1002-8072.2023.14.0022023 年第 14 期刘雁南 赵传仁：数据资产的价值构成、特殊性及多维动态评估框架构建的、由企业拥有或者控制的、预期会给企业带来经济利益的资源”。如果按照这一定义来界定数据资产，显然存在诸多的局限性。首先，数据资产的价值发挥并非建立在拥有和控制的基础之上，原因在于数据权利类型多样，包括数据持有权、加工使用权和产品经营权等，单项权利的行使往往也能带来经济利益，并不需要以拥有或控制为前提2。其次，基于会计计量的谨慎性原则，对资产“预期会带来经济利益”标准往往要求相对较高，即要求相关经济利息很可能流入企业，这对于数据资产的判定而言略显严苛，特别是在数据要素市场化发展处于初级阶段的当下，数据资产价值实现具有较大的不确定性，其价值实现方式和程度不仅取决于实际开发利用，还取决于市场发展情况，价值实现也倾向于长期，如果对经济利益的判定标准过于严苛，可能将某些当下价值特征不明显但未来具有较大价值潜力的数据资源排除在外，不利于数据资产的盘活3。2018年，国际会计准则理事会（IASB）发布了新版财务报告概念框架，此次修订对诸多内容做出适应性改进，且不乏亮点。其中对资产定义的调整为科学界定数据资产提供了新的思路，新版 财务报告概念框架 将资产定义修正为“有潜力产生经济利益的权利”，该定义是对传统资产定义的改进和革新，其先进性主要体现在两个方面：一是新的资产定义对资产本质的认识出现实质性转变，从强调资产的资源属性转向突出权利属性，这恰恰符合数据资产的本质特征，数据资产的价值实现更多地建立在数据权利行使的基础上，而非直接拥有或控制数据资产；二是新的资产定义放宽了对资产带来经济利益的判定标准，只要求资产“有潜力产生经济利益”，这显然更适合定义数据资产4。因此，按照IASB新版资产概念框架，可以将数据资产定义为“有潜力产生经济利益的数据权利”。三、数据资产的价值构成及其特殊性（一）数据资产价值构成数据资产价值受数据数量、质量、管理水平、应用能力以及风险等多种因素影响5，因此，数据资产的价值构成具有一定的复杂性。如前所述，并非所有数据资源都能成为数据资产，数据资源成为数据资产需要经历资产化过程，数据资产化是数据资源价值实现的关键，也只有经过资产化，数据资源的价值才能进行评估及核算。因此，系统识别数据资产价值构成需要深刻理解和把握数据资产化过程，数据资产化主要分为三个阶段6：一是数据资源经过确权、加工、管理等转化为可确认的数据资产，这一过程需要数据资源满足权属清晰、有潜在价值、可计量等基本要求；二是数据资产的价值创造阶段，这主要通过数据与业务的结合或数据业务化来实现；三是数据资产的流通阶段，即数据资产本身或者利用数据资产开发的数据产品参与交易为企业带来价值增值。从数据资产化的三个阶段来看，在第一阶段数据资产价值由数量价值、质量价值和管理价值构成，在第二阶段和第三阶段数据资产价值主要表现为应用价值和风险价值7。因此，可以将数据资产价值分为数据数量价值、数据质量价值、数据管理价值、数据应用价值和数据风险价值。数据数量价值是指数据资产所包含的数据量对其价值的影响。一般来说，数据量越大，数据资产的价值越高。这是因为随着数据量的增加，数据之间的关联性和应用范围也会增加。同时，数据的数量也可以反映企业的客户基础和业务活跃度，因此也对企业的价值产生影响。数据质量价值是指数据的准确性、完整性、一致性、及时性等质量因素对数据资产价值的影响。数据质量越高，数据资产的价值也越高，因为高质量的数据可以帮助企业做出更科学的决策，提高决策效率和商业效益8。同时，高质量的数据也可以增加企业市场分析的可信度，提高企业在市场上的竞争力。数据管理价值是企业数据治理水平和数据资产管理能力对数据资产价值的影响。良好的数据管理可以帮助企业更好地组织和管理数据资产，提高数据的可用性和价值，从而为企业带来更多商业价值。例如，通过数据管理平台对数据进行整合和分析，企业能够及时、准确获取有价值的信息，进而提高管理效率和决策的科学性。数据应用价值是数据资产在实际业务应用中所带来的商业价值。数据应用价值与企业的业务类型、市场环境、业务需求等因素密切相关9。例如，在电商领域，通过数据分析和挖掘可以更好地理解用户需求，提高营销效果，增加企业的客户量和销售收入。数据风险价值是指数据资产存在的法律风险和道德风险对其价值的影响。随着数据资产的增加，数据安全风险也会相应增加，如数据泄露、黑客攻击、信息不当使用等10。数据风险的存在会对企业带来负面影响以及一定程度的损失，降低数据资产的价值。数据风险价值往往对数据资产价值产生负面影响，这就要求企业采取有效的数据安全措施来保护数据资产，提高数据资产的价值。（二）数据资产价值的特殊性数据资产价值的特殊性主要表现在三个方面：一是16理论追踪2023 年第 14 期表1数据资产价值评估维度及评估方法价值类型经济价值市场价值内在价值评估基础业务收益市场交易价值潜力价值内涵企业对数据资产的运用所产生的直接或间接的经济收益企业出售数据资产或数据产品所带来的经济收益数据资产本身所蕴含的潜在价值或数据资产的未来价值潜力计量方法收益法、业务收益贡献比法市场法数据质量评价法数据资产价值的不对称性。这种不对称性主要表现为不同的市场主体对同一数据资产具有不同的价值预期，主要原因在于不同市场主体的业务类型、技术水平、数据和业务融合程度、市场拓展能力等方面往往具有较大的差异，这就导致同一数据资产对于不同市场主体而言，其价值发挥空间和价值实现程度大不相同11；二是数据资产价值随时间不断变化。传统资产价值随着时间的变化也会发生变化，如存在折旧、贬值和升值等。同样，数据资产的价值也并非一成不变，且这种变化相较传统资产价值的变化，其不确定性大且难以计量，特别是在数据要素市场化发展初期，数据资产应用场景尚未形成的背景下，某些当前无法产生经济利益的数据资产可能随着未来市场应用的成熟而产生巨大的价值潜力12。与此同时，某些当下能够产生收益的数据资产也可能随着未来法律法规、监管政策的出台而丧失价值；三是数据资产价值存在外部性。外部性是指数据资产的作用和价值发挥可能完全超出数据采集方的初始预期，也超出了原有信息系统设计的目的，也表现为数据资产对于外部第三方具有新的价值13。外部性的存在使得同一数据资产在不同维度、不同应用场景、不同权利主体使用的情况下产生出不同的价值和效用。未来，随着各类数字经济体的增多及活跃，数据资产价值的外部性将更加明显，数据资产的使用维度和价值维度也将更加多元化。上述数据资产价值的特殊性导致数据资产价值实现具有较大的不确定性，受市场发展、应用场景、使用主体、时间、法律法规等多重因素影响。同时在数字经济不断深入发展的背景下，其价值实现更倾向于长期，当下难以产生现实价值的数据资产随着应用基础的成熟可能在未来创造巨大的价值14。因此，应从当前价值和未来价值两方面把握数据资产价值。四、数据资产价值评估的多维动态框架构建（一）多维动态数据资产价值评估的基本思路综上所述，数字资产价值构成复杂，影响因素多，且数据资产价值既可以表现为现有价值，也可以表现为未来价值潜力。因此，数据资产价值评估难以简单使用传统资产价值评估方法加以评估，而应建立多维度、动态的估值框架，以辩证发展的眼光研判数据资产价值变动规律，做到既要科学评估其当前价值，也要评估其未来价值潜力。多维动态的数据资产价值评估框架要求按照数据资产状态、持有目的、开发利用情况等不同使用不同维度、不同方法评估其价值。具体而言，基于资产管理目的的价值评估一般使用内在价值维度，主要评估数据资产的内在价值变动及价值潜力，这有助于企业识别、重视当前无法创造价值但具备潜在价值的数据资产，从而更好地管理和利用数据资产，提高数据资产利用效率和价值15。内在价值的评估可以采用成本法和数据质量评价法，综合考虑投入成本、数据质量、数据规模、应用能力等因素，以评估数据资产的价值潜力。如果已经使用数据资产获取经济利益，则应该从经济价值维度评估其价值，评估方法则可以采用收益法和业务收益贡献比法，评估的关键在于对业务收益的拆分及预测。如果数据资产用于投资或交易，则需要从市场价值维度评估其价值，一般采用市场法进行评估，市场法的应用需要活跃的市场交易和充分的信息披露作为支撑，未来随着我国数据交易市场的成熟，市场法应用基础将更加成熟，应用范围也将更加广泛。（二）具体评估维度和评估方法按照多维动态数据资产价值评估框架，数据资产评估应兼顾当前价值和未来价值两个方面。数据资产的当前价值通常可以从经济价值和市场价值维度进行评估，其中经济价值表现为企业等市场主体利用数据资产创造直接或间接的经济利益，其评估基础是企业的实际业务收益，市场价值则是企业在交易市场上出售数据资产或数据产品所获得的经济回报，其评估基础是市场交易行为（见表1）。数据资产的未来价值潜力则需要通过内在价值维度进行评估，数据资产的内在价值通常是根据数据规模、数据质量、数据应用能力等评估出的数据资产的潜在价值16。（1）以业务收益为基础的经济价值。如果数据资产当下已经开始直接或间接为企业带来经济利益流入，且经济利益流入可计量，则可以从经济价值维度评估数据资产价值。对数据资产经济价值的评估可以采用收益法和业务收益贡献比法，其中收益法是以当前收益为基础，通过预测数据资产经济寿命期内的收益情况来评估其价值，主要是采用折现的方法，将数据资产在经济寿命期的收益额还原为评估时点的价值。业务收益贡献比法是通过货币化方式计量数据资产为企业做出的贡献，即将企业业务总收益在数据资产及其他资产之间进行合理分配，业务总收益具体表现为营业收入的增加或营172023 年第 14 期刘雁南 赵传仁：数据资产的价值构成、特殊性及多维动态评估框架构建表2数据资产经济价值评估方法价值方法收益法业务收益贡献比法评估原理业务收益现金流折现业务收益拆分计算方法P=mi=1Ft1（1+i）t经济价值=业务总效益*数据资产贡献比例计算说明Ft数据资产未来第 t 个收益期的收益额；n剩余经济寿命期；t未来第 t 年；i折现率业务总收益指营业收入增加或经营成本降低业成本的降低。在计算数据资产收益贡献比例时可以根据业务流和价值流对业务总收益进行分解，以此计算业务总收益中数据资产贡献比例17（见表2）。在数据资产经济价值评估过程中还要区分数据价值的实现方式和应用场景。数据价值实现方式主要包括两方面：一是业务数据化，即通过对企业运营数据的收集、整理、分析、开发及利用，服务于企业经营管理决策，提升业务运营效率，从而间接提升企业盈利能力18。对于业务数据化方式下的数据资产价值评估，应以管理成本费用的节省、相关业务收入变动率以及业务利润变动率分析为基础来测算数据资产的间接收益或收益分成，进而评估数据资产为企业带来的价值增值；二是数据业务化，即利用数据资产直接开发出新的业务，如征信业务、信贷风控产品等，这种运营模式下的数据资产价值评估应以数据产品为基础，通过对数据产品的商业模式、应用现状及应用前景的分析和预测，估算数据产品带来的预期收益及收益期限，并采用与预期收益相匹配的折现率进行折现。（2）以市场交易为基础的市场价值。数据资产的市场价值以市场交易为基础，表现为在数据交易市场出售数据资产或基于数据资产开发的数据产品而获得的经济回报。数据资产的市场价值受供求关系影响，在我国数据交易市场不发达的背景下其价值不确定性和波动性较大，但随着未来数据交易的活跃，其适用性及准确性将不断提升，也将逐渐成为数据资产价值评估的主要方法之一。数据资产市场价值的具体评估方法为市场法，市场法主要通过收集近期或者以往相同或者类似数据资产交易信息，将目标数据资产和交易案例进行对比分析，根据数据资产价值的影响因素对交易案例价格进行调整，进而得出目标数据资产价值。市场法的应用需要有丰富的市场交易案例作为支撑，同时需要明确数据资产价值的主要影响因素，进而根据实际情况对交易价格进行修正，从而更加真实反映目标数据资产价格。其具体计算公式为：待估数据资产的价值=可比案例数据资产的价值期日修正系数技术修正系数容量修正系数价值密度修正系数其他修正系数。对案例价格的修正参数主要包括期日修正系数、技术修正系数、容量修正系数、价值密度修正系数和其他修正系数（见表3）。其中，期日修正系数主要用于调整由于交易时间差异造成的价格差异，通常采用两个不同交易日的价格指数进行对比修正。技术修正系数主要用于调整技术因素带来的数据资产价格差异，主要考虑数据加工程度、数据治理水平、数据开发、数据保护等因素19。容量修正系数则是对数据规模差异带来的价值差异进行调整，一般认为价值密度接近时，数据容量越大，其价值越高。容量修正系数通常与价值密度修正系数结合使用，价值密度指的是有效数据占总体数据比例，而有效数据则指的是对数据整体价值有贡献的数据。数据价值密度接近时，一般只需要考虑数据容量对数据资产价值的影响，数据价值密度差异较大时，需要同时使用容量修正系数和数据价值密度修正系数进行修正。其他修正系数主要考虑影响数据资产价值差异的其他因素，例如，市场特征、供需差异、交易对手等，并根据实际情况考虑可比案例差异，确定具体修正系数。（3）以价值潜力为基础的内在价值。与经济价值和市场价值不同，数据资产的内在价值并非当下可实现的价值，其主要表现为数据资产的未来价值潜力。对数据资产价值潜力的判断往往更具挑战性，不仅难以量化，而且面临较大的不确定性，判断的主观性也较强。因此，数据资产内在价值的评估应充分考虑数据规模、数据质量和潜在应用能力等因素，进行综合评价20。具体评估方法可以采用数据质量评价法，计算方法为：数据资产内在价值=（数据质量评价结果+数据应用能力评价结果）/2*数据规模*单位数据价值量，其中数据质量的评价维度主要包括数据的可信性和可用性两个方面，对数据应用能力的评价将综合考虑数据的潜在应用场景、业务应用覆盖度、使用频度以及使用的友好性等方面，两者评价结果可以使用评分制，评分计数单位根据实际情况而定，本公式采用百分比计算评分。数据规模为数据资产所包含的数据总量，可以根据企业实际管理情况确定数据单位；单位数据价值量可以根据数据资产取得成本进行一定成本加成进行估算。表3数据资产市场价值修正体系修正系数期日修正系数技术修正系数容量修正系数价值密度修正系数其他修正系数系数内涵调整由于交易时间差异造成的价格差异调整技术因素带来的数据资产价格差异对数据规模差异带来的价值差异进行调整调整有效数据占总体数据比例不同产生的价值差异影响数据资产价值差异的其他因素修正方法通常采用两个不同交易日的价格指数进行对比修正按照数据加工程度、数据治理水平、数据开发、数据保护等评估情况进行修正数据容量越大，其价值越高，通常与价值密度修正系数结合使用数据价值密度接近时，一般只需要考虑数据容量对数据资产价值的影响，数据价值密度差异较大时，需要同时使用容量修正系数和数据价值密度修正系数进行修正根据市场特征、供需差异、交易条件等，并根据实际情况综合评估后进行调整18理论追踪2023 年第 14 期就具体评估而言，进行数据质量评价需要构建数据质量评价指标体系和评价规则。数据质量评价体系应包括两个基本指标：一是可信性指标；二是可用性指标。可信性指标包括数据的准确性、完整性、一致性和安全性等，可用性指标包括数据的时间性，即数据包含的时间跨度以及数据是否在有效期内；以及数据的可获得性，即为了保证数据持续发挥作用，相关数据是否可以持续获取。数据质量的评价规则是针对数据质量评价指标体系建立各项指标的评分规则和权重，评分和权重的确定可以采用专家评议、模糊综合评价和层次分析等，最终数据质量评价结果根据各项评价指标结果加权平均计算得出。数据应用能力评价方法与数据质量评价方法类似，也是先建立数据应用能力评价指标体系，指标体系应考虑业务数字化（数据支持现有业务发展）和数字业务化（利用数据开发新业务）两个方面，然后建立评分规则，进而计算出最终评估结果。五、结论与建议当前，我国数据要素市场化正处在发展初期，数据资产价值实现方式和实现路径均存在诸多不确定性。在此背景下，各类市场主体往往从自身的客观条件和能力出发来评估数据资产价值，导致各方对同一数据资产难以形成相同的价值预期，也就难以使用统一的评估标准和评估方法来科学评估数据资产价值。因此，应建立多维动态的数据资产价值评估体系，根据数据资产状态、持有目的、开发利用情况等不同使用不同维度、不同方法评估其价值。在此过程中，随着数据要素市场的不断发展、数据资产价值实现路径的逐渐清晰，数据资产价值评估将呈现出动态变化和相互影响的过程，直到市场逐渐成熟后，各市场主体对数据资产价值预期和市场价格的认知将逐渐趋同，数据资产价值评估有望迎来统一的标准规范。但是，为了应对目前数据资产评估面临的挑战，更好地服务当下、兼顾长远，还需要从以下几方面做好应对措施：（一）制定科学的数据资产分类体系制定科学的数据资产分类体系是规范开展数据资产价值评估的关键环节之一。数据管理部门应该依据国家标准和行业标准，制定数据资产分类标准，确保数据资产的分类方法和标准得到统一和规范。在具体分类过程中可以从以下维度建立分类标准体系：一是数据类型维度，数据类型是数据的基本属性，包括结构化数据、半结构化数据和非结构化数据，不同的数据类型在数据管理、价值开发和安全性方面具有不同的特点，其价值特征也各不相同；二是数据来源维度，数据来源是数据产生的渠道和方式，包括官方数据、第三方数据、自有数据等。数据来源对数据价值的影响往往较大，主要原因在于不同来源的数据其数据权利、加工利用方式、流通交易等方面面临不同的约束和限制；三是数据格式维度，数据格式是指数据的存储形式和结构，包括表格、文本、图片、音视频等。不同的数据格式具有不同的存储和传输要求，使用方式和应用场景也各不相同，管理成本和使用收益自然也各不相同；四是数据主题维度，数据主题是数据所涉及的领域和行业，如经济、教育、医疗等。不同主题的数据也因行业发展水平、行业数字化程度等的不同而呈现出不同的价值潜力。（二）建立完善的数据资产价值评估标准虽然目前无法使用统一的评估方法来科学评估数据资产，但可以通过建立科学的评估标准体系来指导数据资产价值评估工作规范开展。建立完善的数据价值评估标准体系，需要从以下几个方面入手：一是建立数据价值评估指标标准，明确数据资产价值评估的指标和计算方法，以确保数据资产价值评估的准确性和可比性。这些指标可以包括数据数量、数据质量、数据利用率、数据流动性、数据安全性等方面的内容；二是建立数据资产价值评估方法标准，明确数据资产价值评估的方法和步骤，规范各类评估方法的使用原则、适用条件、参数选取、模型使用以及结果校验标准等，以确保数据资产价值评估的可操作性和可重复性；三是建立数据资产价值评估结果标准，明确数据资产价值评估结果的呈现方式和内容，以确保数据资产价值评估结果的清晰性和可解释性。对于数据资产价值评估而言，其评估结果既可以是确定数值，也可以是区间值，应明确在两者之间选择的依据和标准；四是建立数据资产价值评估监督和改进标准，定期进行数据资产价值评估监督和评估标准的改进，以确保数据资产价值评估的科学性和权威性。监督和改进措施包括对数据资产价值评估的反馈调整机制，以及对数据资产价值评估各类标准的修订优化等方面。（三）探索新的数据资产价值评估方法当前，数据价值难以量化是数据资产价值评估的主要挑战之一。因此，除了用好传统评估方法外，还需要探索和引入新的数据资产价值评估指标和评估方法，以更准确地评估数据资产的价值。具体来说，可以探索以下评估方法：一是基于数据挖掘和机器学习的数据资产价值评估方法。利用机器学习对数据要素进行价值挖掘和分析，可以更加广泛、全面地识别数据要素的积累、融192023 年第 14 期刘雁南 赵传仁：数据资产的价值构成、特殊性及多维动态评估框架构建合、运行和发展规律，发现数据要素的可能应用场景和潜在价值释放点，进而通过使用机器学习算法，训练模型，预测数据资产的价值；二是面向数据资产全生命周期的价值评估方法。面向数据资产全生命周期的价值评估方法是一种从数据采集、存储、处理、分析到应用等不同阶段，综合考虑每一阶段的数据资产价值影响因素和价值表现，进行分阶段价值评估的方法。它将数据资产的生命周期视作一个连续的过程，对数据资产存在的每个阶段进行价值评估，以发现不同阶段数据资产的价值所在。例如在数据采集阶段，重点评估数据的来源、质量、准确性等，在数据资产应用阶段，重点评估数据资产应用的范围、效果、可持续性等。在综合考虑以上因素的基础上，可以采用定量或定性的方法对数据资产价值进行评估。例如，可以采用成本效益分析、风险评估、利益分析等方法对数据资产价值进行定量评估；也可以采用专家打分、模糊综合评价等方法，对数据资产价值进行定性评估。同时，还可以结合不同方法综合评估数据资产价值，以得出更加准确和全面的结论。参考文献：1 汤洁茵.数据资产的财产属性与课税规则之建构：争议与解决 J.税务研究，2022（11）：29-35.2 金骋路，陈荣达.数据要素价值化及其衍生的金融属性：形成逻辑与未来挑战 J.数量经济技术经济研究，2022，39（7）：69-89.3 刘刚，孙毅.房地产基础数据要素资产化的理论基础、演进规律与价值实现 J.武汉金融，2022（5）：82-88.4 苑泽明，于翔，李萌.数据资产信息披露、机构投资者异质性与企业价值 J.现代财经（天津财经大学学报），2022，42（11）：32-47.5 夏义堃，管茜.国外政府数据资产管理的主要做法与基本经验 J.信息资源管理学报，2022，12（6）：18-30.6 欧阳日辉，杜青青.公共开放数据的“数据赋智”估值模型及应用 J.西安交通大学学报（社会科学版）：2023（2）：1-22.7 林娟娟，黄志刚，唐勇.数据质量、数量与数据资产定价：基于消费者异质性视角 J.中国管理科学，2023（3）：18-30.8 陈晋军，陈菡，池文磊.数据资产价值核算机制研究以国网福建电力数据资产为例 J.财务与会计，2022（20）：49-53.9 张雪，刘艺琦，吴武清.数据资产会计计量研究以大数据企业为例 J.财会通讯，2022（19）：10-14+20.10 胡亚茹，许宪春.企业数据资产价值的统计测度问题研究 J.统计研究，2022，39（9）：3-18.11 赵需要，郭义钊，姬祥飞，陈嘉乐.政府开放数据生态链上数据要素价值分析及评估模型构建基于“数据势能”的方法 J.情报理论与实践，2022，45（12）：50-59.12 彭娜.数据资产价值评估面临的挑战及应对措施 J.财务与会计，2022（14）：74-75.13 李秉祥，任晗晓，尹会茹，管琳.数字经济背景下大数据资产的确认、计量与列报披露 J.财会通讯，2022（11）：79-83+88.14 张正怡.数据价值链视域下数据跨境流动的规则导向及应对 J.情报杂志，2022，41（7）：77-83.15 姜元春，王继成，贺菲菲，陈航，刘业政.科技大数据多元价值链模型与价值评估方法 J.工程管理科技前沿，2022，41（3）：31-38.16 彭刚，李杰，朱莉.SNA视角下数据资产及其核算问题研究 J.财贸经济，2022，43（5）：145-160.17 邵立敏.政务数据资产化路径与交易模式研究基于数字经济背景 J.财会通讯，2022（6）：120-125.18 欧阳日辉，龚伟.基于价值和市场评价贡献的数据要素定价机制 J.改革，2022（3）：39-54.19 许宪春，张钟文，胡亚茹.数据资产统计与核算问题研究 J.管理世界，2022，38（2）：16-30+2.20 尤建新，徐涛.基于多准则决策方法的数据资产质量评价模型 J.同济大学学报（自然科学版），2021，49（4）：585-590.（编辑杜 昌）20