德勤：數據資產化之路——數據資產的估值與行業實踐（40頁）.pdf

1、數據資產化之路數據資產化之路 數據資產的估值與行業實踐   推薦語  虞正 中國 估值與商業模型服務 合伙人  高紅冰 阿里巴巴集團 副總裁、阿里研究院院長  經濟學的基本假設是認為資源是有限的。所以人們總是 盡可能地去尋找占有更多的資源來為己所用。當今的時 代，資源已經不僅僅是限于傳統的范疇，數據是資源的 新內容。誰擁有更完整、更及時、更可靠、更直接的數 據資源，誰就能領先一步，從數據資源中找到規律，做 出更準確的決策。作為全球最大的專業服務機構， 我們已經和數據打了 100 多年的交道。今天，我們站 在時代的前沿，協助客戶用數據來探索新世界。 &nb

2、sp;“數據”的巨大價值，而今已得到了普遍認可。但關于 “數據資產”，至今仍存在諸多爭議。本報告即試圖就數 據的資產化，以及數據資產的評估維度、評估方法等，展 開初步的探索性研究。我們相信，盡管還面臨概念辨析、 技術演進、會計準則等諸多挑戰，但“數據資產”毫無疑 問將是數字經濟下越來越重要的一項資產，也將是全球經 濟競爭的重要領域。因此，在數據監管領域，建議應采取 面向未來、審慎包容、鼓勵創新的理念和原則，以期為數 據資產相關產業開辟更大的發展空間。   文檔文檔標題標題| | 摘要摘要  3  摘要  隨著數據價值逐漸得到普遍認可，數據資產也越來越成為

3、一個重要議題：數據資產 與傳統資產有何不同？數據資產的價值如何體現？影響數據資產的因素有哪些？進 一步地，關于數據資產有哪些可能的估值方法？作為一項探索性研究，本報告試圖 為以上問題，提供一個初步的思考框架。本報告的主要發現如下：  數據的資產化數據的資產化 數據資產不完全符合會計準則中對于“資產”及“無形資產”的定義，因此，數據 資產目前尚未體現在企業的財務報表上。但對于數據資產的確認和計量，從會計角 度的討論其實只是一個起點，這一研究議題更重要的價值指向還在于：如何從廣義 上認可數據的價值及其對企業價值的貢獻。  影響因素影響因素 影響數據資產價值的因素主要從數據資產的

4、收益和風險兩個維度考慮。  數據資產的收益取決于數據資產的質量和數據資產的應用價值。數據資產質量價值 的影響因素包含真實性、完整性、準確性、數據成本、安全性等。數據資產應用價 值的影響因素包含稀缺性、時效性、多維性、場景經濟性。  數據資產的風險主要源自于所在商業環境的法律限制和道德約束，其對數據資產的 價值有著從量變到質變的影響，在數據資產估值中應予以充分考慮。從實際效果來 看，對于數據交易的限制性規定越多，交易雙方的合規成本和安全成本自然也會相 應提升，雖然作為附帶效果，數據合規和數據安全產業會因此得到發展空間，但卻 可能從整體上對數據資產市場的發展造成重大影響，進而影

5、響到數字經濟的整體發 展，應以發展和包容的理念去平衡考慮數據的價值創造與風險控制。  評估方法評估方法 成本法、收益法、市場法傳統的三種評估方法在應用于數據資產估值時各具有 適用性，但也都存在一定的局限性，目前尚未形成成熟的數據資產估值方法。逐步 探索和推進特定領域或具體案例中數據資產的價值分析，將可能是未來一段時間內 不斷深化這一研究的可行之道。      目錄  前言 5  第一章 數據如何轉化為資產 6  第二章 數據資產的價值體現及影響因素 18  第三章 如何分析數據資產的價值 25  總結 3

6、6  參考文獻 37  聯系方式 38  特別鳴謝 39   數據資產化之路 | 前言  5  前言  在移動互聯網及云計算等技術的推動下，人們可獲取并控制的數據日益豐富，我們 已經進入了一個創造數據、獲取數據、運用數據的“數據時代”。銷售平臺可以根 據買家的瀏覽記錄做出精準推送以提高銷量，制造企業可以通過分析生產流水線數 據對生產情況及時做出調整以提高生產效率，家居公司可以通過分析客戶的生活習 慣數據創造“智慧家庭”以提高生活服務質量，種種應用展示出數據在被有效的挖 掘、整合后可能產生巨大的價值。Gartner 推測，到

7、2020 年，80%的企業將會 致力于提升在其所處行業的“數據”能力。數據逐漸成為與人、技術、流程同樣重 要的第四大核心競爭力（Logan, 2017）。  本文即試圖從數據如何轉化為資產數據如何轉化為資產入手，分析數據資產如何產生價值數據資產如何產生價值，并進一步探 討如何分析數據資產的價值如何分析數據資產的價值。   數據資產化之路 | 第一章 數據如何轉化為資產   6  第一章  數據如何轉化為資產     數據數據權權 信息信息權權 （如：商業秘密、隱私、個人信息） 符號符號權權 （如：知識產權） 物物權權 1 2

8、 3 4  數據資產化之路 | 第一章 數據如何轉化為資產  7  從經濟史的視角來看，“資產”的屬性、范疇、種類、范圍，都經歷了一個不斷擴張和深化的過程。在人 類經濟史上的很長一段時間里，“資產”都主要表現為“實物資產”的形態，比如農業時代的土地、房 產、貴金屬，工業時代的廠房設備、汽車、家電等。隨著工業經濟的發展，社會經濟復雜性不斷上升，又 出現了“無形資產”的范疇，比如狹義的企業品牌、知識產權，廣義的“無形資產”則進一步包括了專有 技術、客戶關系等。  而到了數字經濟時代，隨著數據、算法的發展，“資產”的形態和范圍正在出現全新的革命性變化，比如 近

9、年來開始涌現的狹義的數字資產（如加密的數字貨幣）和廣義的數據資產（也即本報告研究的內容）。 國內經濟學者，從權利類型擴展的角度，已對此做了探索性的研究（許可，2019）。  數據的概念數據的概念  圖圖 1 數據的概念數據的概念      數據通常是指對客觀事物進行 記錄、未被加工的原始素材。 互聯網時代下，具有價值的數 據通常具有體量大、種類繁多、 價值高、反應速度快等特點， 也就是行業所謂的大數據。 數據量大（Volume） 數據更新頻繁（Velocity） 數據類型多樣（Variety） 數據價值密度低（Value） 按生產對象分類按生產

10、對象分類 與人有關的數據 與物有關的數據 與事有關的數據 按存儲形式分類按存儲形式分類 結構化數據 半結構化數據 非結構化數據 按內容類型分類按內容類型分類 社交數據 購物數據  按權屬分類按權屬分類 公有數據 私有數據 數據的定義數據的定義 數據的特性數據的特性 數據的分類數據的分類  數據資產化之路 | 第一章 數據如何轉化為資產   8   對巨量數據進行分析，提取出有價值的信息， 并利用該信息為企業創造經濟價值。  數據的定義數據的定義  數據通常是指對客觀事物進行記錄、未被加工的原始素材，是基礎生產資料?；ヂ摼W時代下，具有價

11、值的數 據通常具有體量大、種類繁多、價值高、反應速度快等特點，也就是行業所謂的大數據。數據資產的概念由 信息資產、數字資產衍生出來，并隨著大數據的蓬勃發展而被提出。信息資產概念來源于信息技術對各個領 域和生活方式的影響，強調數據的信息屬性；數字資產概念來源于“數據經濟”的提出，對應著數據的物理 屬性；數據資產概念來源于將數據視為一項戰略資產，對應著數據的存在屬性。實質上，這三個概念具有一 致的內涵（朱揚勇等，2018）。Gartner（2015）認為需要具有更強的決策力、洞察發現力和流程優化能 力的處理模式來適應海量、高增長和多樣化的信息資產。通過數據的定義，我們看到當下的模式，主要體現 為：

12、對巨量數據進行分析，提取出有價值的信息，并利用該信息為企業創造經濟價值。   數據可以按照生產對象、存儲形式、內容類型生產對象、存儲形式、內容類型 和權屬和權屬進行分類    數據的分類數據的分類   數據按照生產對象生產對象可以分為：  與人有關的數據與人有關的數據指圍繞個人生產生活所產生的數據，如：個人信息、信用數據等；  與物有關的數據與物有關的數據包括與產品、設備等實物相關的信息，可用于優化生產流程，調整生命周期，如： 生產線的操作記錄等；  與事有關的數據與事有關的數據指與人、物均相關，即人與物的鏈接，可用于解決事

13、件問題，形成萬物互聯、萬物 智能，如：家庭生活起居信息、公交車日客流量數據等。  數據的分類數據的分類   數據資產化之路 | 第一章 數據如何轉化為資產  9   數據按照內容類型內容類型可以分為：社交數據、購物數據、生產數據等。按照內容區分種類最為繁多，但應 用意義較弱。    數據按照存儲形式存儲形式可以分為：  結構化數據結構化數據是由明確定義的數據類型組成，其模式可以使其易于搜索。一般特點是數據以行為單位， 一行數據表示一個實體的信息，每一行數據的屬性是相同的。結構化數據的分析使用更為便利，且存 在成熟的分析工具；

14、  半結構化數據半結構化數據是指非關系模型的、有基本固定結構模式的數據，例如日志文件、XML 文檔、JSON 文檔、Email 等；  非結構化數據非結構化數據是具有內部結構，但不通過預定義的數據模型或模式進行結構化的數據，如 WORD、PDF，各種格式的圖片、視頻等。非結構化數據占企業全部數據的 80%以上，但直接挖 掘非結構化數據的分析工作具有很強的專業性。（何小朝，2014）   數據按照權屬權屬可分為：私有數據、公有數據。  私有數據私有數據是指有明確歸屬的數據，歸屬方為可決定數據使用目的的自然人、法人或其他組織，如私 人數據、企業數據等； &n

15、bsp;公有數據公有數據指具有公共財產屬性且可被公眾訪問的數據，如天氣數據、人口數據等。   數據的特性數據的特性 我們在這里先討論數據，或者說大數據的一般特性。后文會進一步從資產化的視角去討論數據與一般資產 相比的獨特性。大數據的特征通常概括為 4V，即 Volume(大量)、Velocity(高速)、Variety(多樣)、 Value(低價值密度)。   數據量大（數據量大（Volume） 隨著互聯網普及及技術革新，數據量成幾何級數增長，傳統的存儲計算方式無法應對規模異常龐大的 數據，當量變達到質變，就催生出新的研究價值。當前典型個人計算機硬盤的容量為 TB 量級，而

16、一 些大企業的數據量已經接近 EB 量級。   數據數據更新更新頻繁（頻繁（Velocity） 這是大數據區分于傳統數據的顯著特征。根據 IDC 的“數字宇宙”的報告，預計到 2020 年，全球數 據使用量將達到 40ZB。在如此海量的數據面前，分析對象的數據將被頻繁更新。對分析對象要求是 頻繁更新的數據.   數據類型多樣（數據類型多樣（Variety） 大數據面對的數據通常是異構、異質的數據集。如同前文提到數據的存儲形式，可能包括文本、音 頻、視頻等多種形式，即可能是結構化、半結構化的或無結構的。    數據資產化之路 | 第一章 數據如何轉化為資產

17、   10   數據價值密度低（數據價值密度低（Value） 價值密度的高低與數據總量的大小成反比。以視頻為例，一部 1 小時的視頻，在連續不間斷的監控 中，有用數據可能僅有一二秒。如何通過強大的機器算法更迅速地完成數據的價值“提純”成為目前 大數據背景下亟待解決的難題。       數據資產化之路 | 第一章 數據如何轉化為資產  11     資產的定義資產的定義 目前，關于如何將數據視為企業的一項資產來計量、管理、轉讓，尚未形成一個明確的標準，我們將從 企業會計準則中對于資產的定義入手，來探討數據與資產的聯系

18、和轉換。  根據企業會計準則基本準則（財政部令第 33 號），“資產是指企業過去的交易或者事項形成 的、由企業擁有或者控制的、預期會給企業帶來經濟利益的資源。由企業擁有或者控制，是指企業享有某 項資源的所有權，或者雖然不享有某項資源的所有權，但該資源能被企業所控制。預期會給企業帶來經濟 利益，是指直接或者間接導致現金和現金等價物流入企業的潛力。符合準則規定的資產定義的資源，在同 時滿足以下條件時確認為資產：與該資源有關的經濟利益很可能流入企業;該資源的成本或者價值能 夠可靠地計量?！? 數據資產由于不具有實物形態，我們進一步參考了“無形資產”的定義。  根據企業會

19、計準則第 6 號無形資產，“無形資產是指企業擁有或者控制的沒有實物形態的可辨認 非貨幣性資產。符合無形資產定義中的可辨認性標準：能夠從企業中分離或者劃分出來，并能單獨或者 與相關合同、資產或負債一起，用于出售、轉移、授予許可、租賃或者交換；源自合同性權利或其他法 定權利，無論這些權利是否可以從企業或其他權利和義務中轉移或者分離。無形資產同時滿足下列條件的 才能予以確認：與該無形資產有關的經濟利益很可能流入企業；該無形資產的成本能夠可靠地計 量?！? 參考企業會計準則對“資產”的定義，判斷一個對象是否符合資產的定義可以從以下幾個標準來考 慮：該資產是由企業過去的事項形成的；由企業擁有或

20、控制；預期為企業帶來經濟利益；成本或該資產是由企業過去的事項形成的；由企業擁有或控制；預期為企業帶來經濟利益；成本或 價值可以可靠計量；價值可以可靠計量；若進一步參考“無形資產”的定義，還需符合能夠從企業中劃分出來；源自合同能夠從企業中劃分出來；源自合同 性權利或其他法定權利性權利或其他法定權利這兩條標準。  企業會計準則對于數據是否可以作為資產具有一定的指引作用，或者說是數據能否被視為資產的充分 條件。然而，會計準則僅局限于財務報表的范疇，實際在衡量企業價值的時候，我們經?？吹酵顿Y人對某 些擁有大量數據資產的公司支付遠高于其賬面資產價值的溢價，這也意味著，即使數據無法被反映在財務

21、報表上，仍可能蘊藏著巨大價值。  數據和資產的聯系及轉換數據和資產的聯系及轉換 根據前述分析的數據特性，我們將對照會計上資產的概念，逐條討論數據和資產、無形資產的聯系與轉換。  數據與資產數據與資產 “該資產是由企業過去的事項形成的”“該資產是由企業過去的事項形成的”  通常來講，大部分數據是在企業的生產經營活動中產生，是由過去的事項形成的。但是，數據是動態的， 并且持續更新的數據才更有價值。數據的價值不僅體現在現有的數據，更在于未來可以持續更新或擴充該 類數據的能力。這是數據資產有別于傳統無形資產（如數據庫）的方面，卻也可能導致數據資產無法完全 滿足會計準則對資

22、產的定義。    會 計 準 則  數據資產化之路 | 第一章 數據如何轉化為資產   12  “由企業擁有或控制”“由企業擁有或控制”  這條標準涉及數據的權屬問題。對于數據的權屬，目前中國尚未有完整的法律體系。通常情況下，對于依 托于互聯網平臺產生的數據，如搜索引擎的用戶在搜索引擎平臺輸入的數據，這類數據一方面來源于用戶 的行為，另一方面也來源于平臺的信息系統，對這種可能產生權益交叉的問題，目前平臺和用戶在遵照法 律原則規定的前提下，通過合同的方式確定其權益的分配，進而確保平臺可利用該數據為企業創造價值， 同時用戶可基于合同保障自

23、身合法權益。  “預期為企業帶來經濟利益”“預期為企業帶來經濟利益”  企業在運營中可能產生大量的數據，數據在被有效的挖掘、整合后可以產生巨大的價值。但并不是所有的 數據都值得被利用，如果數據的取得、維護成本大于其產生的收益，或企業無法通過自用或外部商業化對 其有效變現，那么這部分數據就不存在經濟利益，即沒有被視為數據資產的意義。  “成本或價值可以可靠計量”“成本或價值可以可靠計量”  數據的成本主要包括獲取成本、加工處理成本、存儲等持有成本，其中，加工處理成本、持有成本可以直 接對應至相關數據對象，相對方便計量，但大部分數據為企業生產經營的附加產物，

24、獲取成本通常難以從 業務中劃分出來而難以可靠計量。此外，數據的價值主要取決于數據的應用場景，同一數據在不同的應用 場景下價值差異可能很大，也是導致數據資產價值難以計量的重要因素之一。綜上，數據的成本或價值均 難以可靠計量，成為了“數據”確認為會計準則定義下“資產”、“無形資產”的阻礙之一。  數據與無形資產數據與無形資產 “能夠從企業中劃“能夠從企業中劃分出來”分出來”  這條標準需要數據資產能夠從企業中劃分出來，并且可以和其他資產區分開。大部分數據能夠從企業劃分 出來應用于外部商業化，形成數據產品從而產生價值；但是大部分數據的產生來源于企業的日常經營，如 客戶消費數據，企

25、業收集分析后用于更好地為客戶服務，逐漸形成良好的“客戶關系”，這種情況下， “客戶數據”的價值與“客戶關系”的價值息息相關，數據資產難以與客戶關系區分開來；另一種角度 看，數據資產是企業持續經營的產物，那么數據資產則難以從企業中獨立劃分出來，而這種無法被獨立劃 分的資產，在目前通常被認為是商譽的組成部分。  “源自合同性權利或其他法定權利”“源自合同性權利或其他法定權利”  這條標準為無形資產定義中的判斷“可辨認性”的標準之一。界定無形資產的權利來源，如一方通過與另 一方簽訂特許權合同而獲得的特許使用權，通過法律程序申請獲得的商標權、專利權等。對于合同性權 利，數據資產由于

26、具有通用性、無限共享等特性，需視合同具體約定而確定權利范圍。目前“數據”尚未 像商標、專利一樣，制定有明確的權利申請途徑、權利保護方式等，對于數據的法定權利，尚未有完整的 法律保護體系。數據資產的法律權屬問題尚待解決，導致其可能無法符合“無形資產”的這一準則要求。   數據資產化之路 | 第一章 數據如何轉化為資產  13  圖圖 2 數據和資產及無形資產的聯系及轉換數據和資產及無形資產的聯系及轉換       綜上，我們可以看到數據資產不完全符合會計準則中對 于“資產”及“無形資產”的定義，因此，數據資產也 尚未體現在企業的財務報表

27、上。然而，從會計角度的討 論只是一個起點，這一研究更重要的價值指向還在于： 如何從廣義上認可數據的價值及其對企業價值的貢獻。    該資產是由企業該資產是由企業 過去的過去的事項事項形成的形成的 由企業擁由企業擁 有或控制有或控制 預期為企業預期為企業 帶來經濟帶來經濟利益利益 成本或成本或價值價值 可以可靠計量可以可靠計量 能夠從企業能夠從企業 中劃分出來中劃分出來 1 2 04 3 05 數數 據據 資產資產/ /無形無形 資產資產 數據數據 資產資產 源自合同性源自合同性權利權利 或或其他法定權利其他法定權利 6 4 5  數據資產化之路 | 第一章 數據如

28、何轉化為資產   14  數據資產化的重要性數據資產化的重要性 形成企業共通的數據語言：形成企業共通的數據語言： Logon（2017）認為數據在企業內部充分應用最大的障礙是存在語言壁壘。 數據作為各部門運行的衍生產物，分散在企業運營各部門處。各部門由于職能不同，對數據的理解表述方 式也各不相同。數據分析者往往需要花費大量的時間和精力收集各類數據，尋找數據共通的連接方式，才 能將其歸類分析應用。數據資產化意味著在公司內部形成共同的“數據語言”，各部門為了統一的分析目 的，形成各自對應的統計標準，在運營過程中實時對數據進行收集匯總分析。由此，企業的管理層可以更 高效地對數據進

29、行討論和溝通。  形成企業的戰略資產：形成企業的戰略資產：數據資產化之后，數據資產會漸漸成為企業的戰略資產，企業將進一步擁有和強化 數據資源的存量、價值，以及對其分析、挖掘的能力，進而會極大提升企業的核心競爭力。  加速數據資產交易進程：加速數據資產交易進程：目前在缺乏交易規則和定價標準的情況下，數據交易雙方承擔了較高的交易成本， 制約了數據資產的流動，但隨著數據資產管理的完善，必然能加速數據資產交易的進程。  促使數據資產產權問題明確：促使數據資產產權問題明確：同時，數據資產的所有權問題，在未來也會越來越明確，法律制度會隨著基 礎管理能力的提高而完善，以數據資產

30、為核心的商業模式，也將會在資本市場中越來越受到青睞。      數據資產化之路 | 第一章 數據如何轉化為資產  15  資產化資產化視角視角下的下的數據特性數據特性   通用性通用性 資產具有通用性和專用性，數據資產與傳統資產最重要的區別在于數據資產的通用性更強。資產的通用 性是指資產替換使用程度以及與其它資產結合使用的程度。替換使用是指資產不僅能擔當原來的用途， 還能直接擔當其它的用途。結合使用是指資產與資產之間通過互補、重組，形成新的資產，擔當新的用 途。通過結合使用，原來的資產間接轉為它用。  關于資產的通用性與專用

31、性，傳統意義上如生產工藝帶來了生產的副產品（如：發電廠發電形成附帶產 品熱氣），生產工序之間高度的關聯性，兩種或多種產品在生產上具有交叉性，一種產品可能是另一種 產品的投入（鋼鐵企業從煉鐵、煉鋼到型材的工藝聯系日益緊密）等。而隨著信息通信技術等通用目的 技術的發展，資產的通用性不斷增強，新技術的發展正在不斷改變有形資產的利用效率，隨著信息技術 的發展，固定成本的可變性增大了，而資產的專用性卻減少了。  數據相對于一般的無形資產、實物資產可以說具有更高的通用性。有形資產往往由于其形態限制，用途 有限，比如專用設備只能用于加工某類產品；通用設備雖然可加工的產品種類較多，但僅能用于生產制

32、造。而數據通?？梢杂糜诓煌袠I不同領域，比如個人的信用信息，在金融行業和消費領域都是非常重 要的營銷、運營依據。  資產通用性與專用性的變化對企業帶來的影響體現在企業規模經濟和范圍經濟上，資產的通用性是企業 形成范圍經濟的重要來源。   外部性外部性 數據除企業自用外，還可以打包形成數據產品、數據服務等在外部市場銷售，以產生更大的商業價值， 而且數據的外部性往往是其價值的重要組成部分。生產數據的企業可以利用數據提升自身的業績，同時 這些數據對其他企業也會具有相當的價值。比如，租車企業在搜集到用戶的用車習慣后，不僅可以進行 針對性的客戶維護和營銷活動，還能在合法合規的前提下，

33、把相關數據提供給保險公司作為其分析尋找 目標客戶的重要信息。   可以無可以無限共享限共享 數據可以在在同一時間被多方使用而沒有任何損失，這一特性使得數據具有更大的使用價值。   集合使用價值更高集合使用價值更高 數據的價值取決于數據的應用場景，單一數據的應用有限，多維度的數據結合應用可能產生 1+1 大于 2 的價值。   數據權利不同造成價值差異數據權利不同造成價值差異 鑒于數據資產的特殊性，在純學術推演的理想狀態下，完整的數據權可以根據應用情況分為多個權利 束，如占有權、使用權、收益權、共享權、跨境傳輸的權利等（許可，2019）。權利人可以同時擁有 一個或多

34、個權利束，不同權利束下，數據資產的價值也會不同。   數據資產化之路 | 第一章 數據如何轉化為資產   16  圖圖 3 數據權的權利束理論數據權的權利束理論     數據權的權利束理論數據權的權利束理論 完整產權和不完整產權的分類 來自于德姆塞茨。所謂“完整 產權”，一般指的是占有權、 使用權、處分權和收益權，所 謂“不完整產權”或“殘缺產 權”即將完整產權的權利束中 刪除一部分權利的剩余權利。 在數據資產的評估中，設想可 以將數據完整產權作為一個 “理想型”，在不考慮法律限 制的情形下，確定其價值。 占有權占有權 排他權排他權 使用權使用

35、權 管理權管理權 收益權收益權 資本資本權權 共享共享權權 保障權保障權 無無期限限制期限限制 禁止有害禁止有害 使用使用 跨跨境傳輸境傳輸 權利權利 損害賠償權損害賠償權 拒絕政府索拒絕政府索 取權利取權利 剩余性剩余性 權利權利 占有權占有權對數據 直接控制的權利 排他權排他權對數據排 除他人使用或從中獲 利的權利 使用權使用權-對數據的 使用權 管轄權管轄權決定如何或由 何人使用該數據的權利 資本權資本權出售、許可 數據獲得收益的權利 收益權收益權享有因個人對數 據的使用或允許他人使用而 產生的收益 保障權保障權免于被 侵奪的權利 共享權共享權將數據與 他人共享的權利 無期限限制無期限限

36、制對數 據的權利不應有時間 上的限制 禁止有害使用禁止有害使用有 權制止以有害他人方 式使用數據的權利 剩余性權利剩余性權利在某項權 利消滅之后回復所有權 拒絕政府索取權利拒絕政府索取權利不 向政府報送數據的權利 損害賠償損害賠償權權對數據 的侵奪和侵害，有權獲 得金錢賠償的權利 跨境傳輸權利跨境傳輸權利數據 自由跨境流通的權利  數據資產化之路 | 第一章 數據如何轉化為資產  17  實踐中的數據資產交易實踐中的數據資產交易  LinkedIn  Microsoft 在 2016 年以 262 億美元，超 50%的溢價收購 LinkedIn

37、，消息公布后，LinkedIn 盤前 股價大漲超過 48%。LinkedIn 是一家全球職業社交網站公司，收購時用戶數量高達 4 億會員，營收 超過 30 億美元。  Facebook  Facebook 在 2011 年上市時公司市值超過 1,000 億美元，公布的資產價值則僅有 66 億美元，巨大 差額產生的原因，是源于 Facebook 沒有體現在賬面上的“數據資產”Facebook 上市時擁有 8.45 億個月活躍用戶，每日產生 27 億條評論，每日上傳 2.5 億張照片，1,000 億條好友關系。  Instagram  Facebook 于

38、2012 年 4 月宣布以 10 億美元收購 Instagram。Instagram 創建于 2010 年 10 月， 收購時擁有活躍用戶數量超過 4,000 萬，2012 年 9 月，注冊用戶數突破 1 個億。  Google  Google 為了深化公共 WIFI 業務，提供比電信運營商更有利的服務條款。這是因為 Google 更看重 WIFI 業務所帶來的用戶數據價值。  Wholefoods  亞馬遜于 2017 年以 137 億美元收購高端連鎖超市 Wholefoods。收購后，亞馬遜可以更全面地獲取 客戶的綜合消費數據。在收購消息曝光后，Am

39、azon 股價上漲了 26.03 美元，達到 990.20 美元，漲 幅為 2.7%；Wholefoods 股價上漲 8.83 美元，達到 41.80 美元，漲幅為 26.7%。  WhatsApp  Facebook 于 2012 年以 190 億美元收購 WhatsApp。WhatApp 于 2009 年在美國創立，為一款國 際化的移動社交平臺。收購時員工數 50 人，總用戶超過 10 億，月活躍用戶數超過 4.5 億。   數據資產化之路 | 第二章 數據資產的價值體現及影響因素  18  第二章  數據資產的價值體現及影響 因

40、素    信用科技 數據銀行  外部商業化使用外部商業化使用 數據業務化數據業務化 數據數據 資產資產 內部管理使用內部管理使用 業務數據化業務數據化 智能家居  數據資產化之路 | 第二章 數據資產的價值體現及影響因素   19  數據資產的應用場景極其豐富，并仍在不斷擴大。在金融領域，和中科院聯合開發的智能化產品“智 慧債券”，其主要采用云、大數據和人工智能技術，基于基本面分析和輿情分析，實現了債券的信用風險 實時預警；在公共事業領域，浙江省開展“公共數據資源梳理”項目，它包括企事業單位、政府單位，依 托電子政務項目預審的工作，開

41、展全省項目獨立預審單位的信息系統實有數據普查等，借助數據系統更高 效地處理政務工作。  數據的應用場景數據的應用場景 內部使用內部使用業務數據化業務數據化 內部使用主要指將企業運營產生的數據進行收集整理分析，用于服務自身經營決策、業務流程，從而提升 公司盈利能力。  電商平臺在運營中會產生大量的平臺交易數據，平臺可以通過對現有交易數據的分析來制定下一步的運營 和營銷策略。各電信運營商都有成熟的高價值客戶關懷維護體系，會定期分析高價值用戶的套餐狀態、消 費情況、使用異常等，從而可以適時地采取客情維系策略，如在用戶套餐即將到期時，通過一定的續約優 惠（續約送手機、充值返話費等）

42、吸引用戶續約，延長穩定收益的時間。  外部商業化外部商業化數據業務化數據業務化 外部商業化是指將數據整理分析后形成可以對外服務的數據商品，如芝麻信用和品牌數據銀行等。  芝麻信用是一家旨在構建簡單、平等、普惠商業環境的信用科技企業，是螞蟻金服生態體系的重要組成部 分。芝麻信用利用云計算、機器學習等領先科技客觀呈現個人和企業的商業信用狀況。芝麻信用從用戶信 用歷史、行為偏好、履約能力、身份特質、人脈關系五個維度對用戶的信用進行評估。目前已在租賃、購 物、商旅出行、本地生活等眾多商業場景中通過信用科技賦能，讓商戶為更多用戶提供更好更便利的服 務。人與人，人與商業之間的關系正因為

43、信用而變得簡單。比如，當用戶的芝麻分達到一定數值，租車、 住酒店時可以不用再交押金；有一定芝麻分的個人辦理簽證時可以等同于存款證明等等。目前芝麻信用已 經在超過 40 個行業提供商業信用服務，免押金額超過 1000 億元，服務過億用戶數。  除上述兩款產品外，阿里巴巴旗下還有 “數據銀行”等，也是使用數據進行外部商業化的實例。2017 年， 阿里巴巴發布了服務于品牌的消費者數據資產管理中心品牌數據銀行（Brand Databank）。品牌數 據銀行的含義，就是將品牌消費者數據視為資產，像貨幣一樣進行儲蓄和增值。品牌商由此可以直觀地看 到相應的消費者資產，并用于幫助其營銷決策。消費者資

44、產的形成，與品牌在三個維度上的表現相關：消 費者總量；消費者品類購買力；消費者轉化力。它可以基于品牌消費者人數，預測該人群將為品牌帶來的 商業價值（按 GMV 維度）。通過數據的全鏈路透視，消費者數據資產由此終于變得可評估、可優化、可 運營，這在根本上改變了對營銷效果的評估方式：消費者資產由一次次營銷和運營活動逐漸積累和沉淀而 來，它以資產為主線，將多個單次活動串聯起來，從而能夠支撐企業長期的營銷規劃和決策。例如，戴森 Dyson 借助阿里巴巴 Uni Marketing，準確地找到了潛在的消費者，并能夠開展長期運營：所有與戴森 有過聯系的消費者，都沉淀在了它的品牌數據銀行中，并以 AIPL（

45、認知、興趣、購買、忠誠）的不同階 段進行了區分。正是基于對“品牌與消費者關系不斷加深”的這一清晰分析，戴森可以有效地判斷和規劃 某類營銷活動中相關產品組合的有效程度。   數據資產化之路 | 第二章 數據資產的價值體現及影響因素  20  影響數據資產價值的因素影響數據資產價值的因素   圖圖 4 影響數據資產價值的因素影響數據資產價值的因素   影響數據資產價值的因素主要從數據資產的收益和風險兩個維度考慮，數 據資產的收益取決于數據資產的質量和數據資產的應用價值。數據資產的 質量是應用價值的基礎，對數據的質量水平有一個合理的評估，有利于對 于

46、數據的應用價值進行準確預測。（李然輝，2018） 1 1 1 質量維度質量維度 數據資產的質量是應用價 值的基礎，對數據的質量 水平有一個合理的評估， 有利于對于數據的應用價 值進行準確預測。 應用維應用維度度 數據的價值在于與應用場景的結合，不同應 用場景下，數據所貢獻的經濟價值有所不同。 風險維度風險維度 內容受法律限制少的數據類 型通常有著較高的交易價值， 另外，同一數據在法律要求 不同的國家交易價值也會有 所不同。 VALUE 稀缺性稀缺性 2 真實真實性性 4 數據成本數據成本 安全性安全性 2 4 3 完整性完整性 時效性時效性 多維性多維性 場景經濟性場景經濟性 2 法律限制 道

47、德約束 5 3 準確性準確性  數據資產化之路 | 第二章 數據資產的價值體現及影響因素   21  質量維度質量維度      真實性真實性，表示數據的真實程度。如果數據有偏 差，那么使用結果可能會差之毫厘失之千里；若 數據造假，更將失去數據統計的意義。真實的數 據才具有價值。    完整性完整性，表示數據對被記錄對象的所有相關指標 的完整程度。關鍵數據的缺失，將影響數據在應 用中的價值貢獻，或需增加成本去補充數據。數 據的采集范圍越廣，完整性可能越高，數據資產 的價值相對也會越大。   準確性準確性，

48、表示數據被記錄的準確程度。在工作 中，拿到的數據都需要先進行清洗工作，排除異 常值、空白值、無效值、重復值等，這項工作很可能會占到整個數據分析過程將近一半的時間。專職 工種“數據清理工程師”的出現也說明數據清洗工作的復雜性。數據的準確性越高，對數據的清理成 本越低，數據的價值也就越大。   數據成本數據成本，在數據交易市場不活躍的情況下，數據的價值沒有一個明確的計算方式，賣方出售數據的報 價首先會考慮數據的成本。數據的獲取方式通常為公司內部收集或者外購。對于公司內部產生和收集數 據，顯性成本主要有收集、持有程序下的人力成本、存儲設備成本等，無法可靠計量的隱形成本主要為 數據所附著業務

49、的研發成本、人力成本攤銷等。通常，獲取成本越大，數據的交易價值相對越大。   安全性安全性，表示數據不被竊取或破壞的能力。數據自身的安全性越高，就可以為企業產生越穩定的價值 貢獻；同時，數據持有企業對其支付的保護成本越低，其數據資產的價值越大。    數據資產質量價值的影響因素包含真實性、完整性、準確性、數據成本、 安全性等。   1 2 真實真實性性 4 數據成本數據成本 安全性安全性 完整性完整性 5 3 準確性準確性  數據資產化之路 | 第二章 數據資產的價值體現及影響因素  22  應用維度應用維度  

50、   稀缺性稀缺性，表示數據資產擁有者對數據的獨占程度。 商業競爭的本質，部分來自于對于稀缺資源的競 爭。在制造差異化趨平的情況下，稀缺數據資源背 后潛在的商業信息更加凸顯價值。比如司機駕駛習 慣的數據，如：駕駛速度的穩定系數、剎車油門踩 動的頻繁程度等保險公司拿到這些數據，有助 于它分析出司機的駕駛習慣、事故風險概率，從而 相對精準地計算車險保費金額，更有效地提高經營 效率（東方財富網, 2018）。然而，這類數據是稀 缺的，一般只有汽車生產商或出行服務運營商可以 獲得這類數據。相對于司機的姓名、聯系方式等普 通信息，駕駛習慣數據由于其稀缺性而體現出更高的價值。 &nbs

51、p;  時效性時效性，數據的時效性決定了決策在特定時間內是否有效。比如交通信息數據，在沒有智能交管之 前，交管中心收集的交通數據通常比較滯后，司機收到的路況信息已經是幾十分鐘之前的，低時效導 致數據的價值大打折扣。在有了智能交管之后，信息中心通過獲取智能手機、車輛的實時位置，可以 實時提供地區的人流量和車流量情況，提前分散車流、緩解交通壓力。由此可見，數據的時效性在某 些應用場景下至關重要(bingdata123, 2018)。    多維性多維性，表示數據覆蓋范圍的多樣性。比如用戶在搜索引擎提問“美妝”、“學區查詢”、“金融招 聘”等問題，搜索引擎可以根據這些問

52、題及打開的相關鏈接，分析出用戶的年齡段、性別、文化背 景、職業大類、需求偏好，再根據使用的手機或電腦品牌，更換通信設備的頻率等推測出收入階層， 將這些數據挖掘整理后連接起來，就刻畫出一個多維的用戶形象。數據維度越多，適用的范圍越廣， 數據的價值也就越大。   場景經濟性場景經濟性，數據的價值在于與應用場景的結合，不同應用場景下，數據所貢獻的經濟價值有所不 同。比如我們上述提到的，司機駕駛習慣數據可以幫助保險公司更準確地計算保費和理賠概率以提高 利潤，該數據也可以幫助交通公司招聘合適的司機，但招聘場景下的應用價值，可能沒有幫助保險公 司提高利潤所帶來的價值更大；又如交通路況信息用于物流

53、公司的場景，比個人出行場景下的經濟價 值更大；再如，當多維度的用戶信息用于尋找高凈值客戶時，也比用于普通生活用品推廣場景下的經 濟價值更大。  數據資產應用價值的影響因素包含稀缺性、時效性、多維性、場景經濟性 （李然輝，2018）。   1 稀缺性稀缺性 2 4 3 時效性時效性 多維性多維性 場景經濟性場景經濟性  數據資產化之路 | 第二章 數據資產的價值體現及影響因素   23  風險維度風險維度      法律限制，在法律尚未明確規定的情況下，哪些數據 絕對不能交易，哪些數據可以通過設計合法后才能交 易，這些問題在限制數據交易的同時也影響著數據資 產的價值。例如，經去標識化處理后的個人信息雖然 可以相對自由地進行交易，但其價值與去標識前的個 人信息顯然存在差異。從實際效果來看，對于數據交 易的限制性規定越多，交易雙方的合規成本和安全成 本自然