来源：《中国会计报》11月8日8版  作者：胡耘通 韩菀

今年6月，《国务院关于 2023 年度中央预算执行和其他财政收支的审计工作报告》将“利用政务数据牟利成为新苗头”列为重点问题之一，并披露“4个部门所属7家运维单位未经审批自定数据内容、服务形式和收费标准，依托13个系统数据对外收费2.48亿元”。

数据资产存在高估或者低估的风险，通过虚增数据资产价值，实际可以变相虚增收入。财政部在《关于加强数据资产管理的指导意见》中提出，严防虚增公共数据资产价值。为推动数字经济高质量发展，规范数据资产评估行为、加强资产评估行业监管迫在眉睫。

党的二十大报告强调，加快发展数字经济，促进数字经济和实体经济深度融合。数据资产价值释放的步伐显著加快。

2023 年，《企业数据资源相关会计处理暂行规定》（以下简称《暂行规定》）与《数据资产评估指导意见》（以下简称《指导意见》）相继印发，为数据资产评估工作提供支撑。

今年9月，中共中央办公厅、国务院办公厅联合发布《关于加快公共数据资源开发利用的意见》，强调了公共数据开发利用的总体要求；上海、北京以及江苏镇江等多个地区也制定了相关文件，强调要建立健全数据资产评估管理机制，全力推动数据资产入表、数据资产的开发与利用、价值评估、收益分配以及信息披露等多方面快速发展。

数据资产评估直面崭新挑战

数据资产交易展现出了巨大潜力，但市场尚处于初步发展阶段，监督管理体系存在薄弱环节，导致与数据资产相关的舞弊问题较大，数据资产评估业务面临全新挑战。

一是数据资产价值评估难。数据资产具有技术迭代快、市场波动大以及估值专业性强的特点。技术更替的快速性意味着数据资产的价值可能因新技术的出现而迅速贬值，而市场波动则进一步加剧了价值的不确定性。对于外部信息使用者而言，数据资产的透明度不足也增加了估值的难度。同时，数据资产的估值需要结合数据分析、统计学等多个领域的专业知识，进一步提升评估的复杂性。

二是操纵估值风险较大。数据资产具有复制成本低、动态变化快、资产规模大等特点，数据资产评估具有较高的主观性和不确定性，企业存在高估或低估数据资产价值的可能。舞弊手段隐蔽性高，外部信息使用者识别和揭露舞弊的成本也较高，对市场交易的稳定和健康发展带来了潜在的不良影响。

三是数据资产评估方法的局限性。根据《暂行规定》要求，数据资产的计量应当采用历史成本法，即基于数据资产取得或形成时发生的成本进行计量。然而，数据资产的使用价值取决于不同企业的业务模式、技术水平、数据治理能力等多个因素，仅采用历史成本法难以准确反映数据资产的真实经济价值，也难以满足数据资产交易的公允要求。此外，随着数据资产交易市场的不断发展，历史成本法可能无法及时反映数据资产的市场价值变化，从而影响数据信息的及时性和相关性。

数据资产评估亟需夯实基础

党的二十届三中全会要求，健全劳动、资本、土地、知识、技术、管理、数据等生产要素由市场评价贡献、按贡献决定报酬的机制。数据资产入表能够激发数据资源的价值，展现企业的数字竞争优势，使得数据市场的主体更加多元化，从而形成一个更加开放、透明、高效的数据市场环境，为相关产业的蓬勃发展提供了肥沃土壤。

首先，数据资产评估能够揭示数据的内在价值。数据本身具备碎片化、规模化的固有属性，其价值往往难以直观展现。而专业的数据资产评估，通过科学的评估方法与严谨的评估程序，根据不同行业数据资产的特点，对数据的质量、可用性、时效性等多个维度进行全方位评估，深入挖掘数据资产的内在价值，实现公允反映。

其次，数据资产评估为数据交易提供客观、公正的量化依据。在数字经济中，数据已成为一种重要的生产要素。数据交易和流通对于推动数字经济的发展具有重要意义。通过数据资产评估，数据资源的价值得以明确，为数据资产交易提供了更加可靠的评估结果，提高了数据定价的合理性与可接受度，确保数据在市场上更顺畅地流通。

最后，数据资产评估有助于企业优化数据资源配置。通过对数据资产的价值进行评估，企业能够更精准地了解数据资产的价值优劣，从而将这些资源投入到最具潜力的领域，优化数据管理策略，通过改进数据质量、提高数据分析的准确性，确保数据交易的安全、合规，实现数据资产的优化配置。

数据资产评估质效提升策略

数据资产入表是一项持续性过程。在完成初始计量后，需针对数据资产进行跟踪分析，综合考虑数据资产的应用场景、产品的生命周期、摊销方式及年限等因素，确保数据资产准确反映。同时，根据数据资产在应用过程中可能涉及的管理风险、流通风险、数据安全风险以及监管风险等，合理估算评估时所需的各项参数（如折现率、未来收益额等），为数据资产管理、投资决策以及风险管理提供科学依据，从而充分释放数据要素潜力。

首先，完善数据资产评估体系。目前，在指标设置上仍存在局限性。一方面，可以量化数据对于特定目标任务的有用程度（即相关性），考虑数据使用者对数据真实性的主观感知（即可信度），更全面地反映数据的实际应用价值；另一方面，围绕数据的固有特性及应用场景区分主客观维度的指标，包括刚性、绝对的客观考量标准（如规范性、准确性等），同时，涵盖相对主观的、以满足特定需求为目的的主观评价标准（如相关性、可信度等）。

其次，改进数据资产评估技术方法。资产评估机构、人员应当考虑数据资产投资的成本、预期效益及回报周期，准确衡量其经济效益。同时，积极引入新型数据资产价值评估模型，基于数据资产的特征和价值属性，构建模糊综合评价与层次分析相结合的模型评估数据资产价值。

再其次，完善数据资产评估监管机制。在行业层面，主管部门应当不断研究并制定出更具针对性的数据资产评估执业准则，从而提供更加清晰的执业依据，确保评估机构严格遵循既定准则，客观、公正地反映数据资产的公允价值。在企业层面，建立数据资产管理内控制度，明确管理职责、流程和控制措施，保障数据资产安全、完整、准确，并加强数据资产审计和相关信息披露，确保数据资产的核算合法合规，降低交易中的信息不对称性。在第三方层面，针对数据采集、存储、应用等环节，强化数据资产审计监督，精准识别数据资产不合规行为及风险点，以确保数据资产管理有效性。

数据逐步成为新时代的关键生产要素。强化数据资产评估不仅是提升数据价值认知、促进数据交易流通的基石，更是推动数字经济高质量发展的核心驱动力。应构建更加公平、透明、高效的数据资产评估体系，促使数据资产评估更加标准化、精细化，奠定数据市场的坚实基础。

（责任编辑：吴进）