苑秀娥 尚靜靜

【摘 要】 隨著數(shù)字經(jīng)濟(jì)概念不斷深入，數(shù)據(jù)要素對(duì)企業(yè)價(jià)值提升的作用日益增強(qiáng)。文章從價(jià)值創(chuàng)造視角出發(fā)，分析數(shù)據(jù)資產(chǎn)價(jià)值創(chuàng)造的過(guò)程及表現(xiàn)，提出企業(yè)數(shù)據(jù)資產(chǎn)經(jīng)濟(jì)價(jià)值由創(chuàng)新性價(jià)值及效率性價(jià)值構(gòu)成，采用收益法評(píng)估數(shù)據(jù)資產(chǎn)創(chuàng)新性價(jià)值，借助超額收益法評(píng)估數(shù)據(jù)資產(chǎn)效率性價(jià)值，引入灰色預(yù)測(cè)及BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法改進(jìn)模型參數(shù)，最終實(shí)現(xiàn)對(duì)互聯(lián)網(wǎng)企業(yè)數(shù)據(jù)資產(chǎn)整體價(jià)值的評(píng)估，并以TX公司為例進(jìn)行模型應(yīng)用。結(jié)論表明，數(shù)據(jù)資產(chǎn)變現(xiàn)對(duì)企業(yè)價(jià)值的貢獻(xiàn)是巨大的，需要進(jìn)一步釋放數(shù)據(jù)要素價(jià)值。

【關(guān)鍵詞】 價(jià)值創(chuàng)造； 數(shù)據(jù)資產(chǎn)； 價(jià)值評(píng)估； 灰色預(yù)測(cè)； BP神經(jīng)網(wǎng)絡(luò)

【中圖分類號(hào)】 F234.3；F275.2? 【文獻(xiàn)標(biāo)識(shí)碼】 A? 【文章編號(hào)】 1004-5937（2024）06-0059-09

一、引言

在數(shù)字化驅(qū)動(dòng)經(jīng)濟(jì)發(fā)展背景下，為保障數(shù)字經(jīng)濟(jì)長(zhǎng)遠(yuǎn)穩(wěn)定發(fā)展，政府出臺(tái)了一系列重要政策。2015年，國(guó)務(wù)院發(fā)布《促進(jìn)大數(shù)據(jù)發(fā)展行動(dòng)綱要》，明確指出將數(shù)據(jù)上升為國(guó)家基礎(chǔ)性戰(zhàn)略資源，充分肯定數(shù)據(jù)對(duì)市場(chǎng)的貢獻(xiàn)。2020年，《關(guān)于構(gòu)建更加完善的要素市場(chǎng)化配置體制機(jī)制的意見(jiàn)》首次正式將數(shù)據(jù)劃分為新型生產(chǎn)要素。2021年12月，“十四五”國(guó)家信息化規(guī)劃提出建設(shè)更加完善的數(shù)據(jù)要素資源體系，從而釋放數(shù)據(jù)要素價(jià)值。2022年我國(guó)數(shù)字經(jīng)濟(jì)規(guī)模已達(dá)50.2萬(wàn)億元，占GDP比重為41.5%。習(xí)近平總書(shū)記在黨的二十大報(bào)告中強(qiáng)調(diào)，要以經(jīng)濟(jì)高質(zhì)量發(fā)展引領(lǐng)中國(guó)式現(xiàn)代化。數(shù)據(jù)作為國(guó)家基礎(chǔ)性戰(zhàn)略資源，是數(shù)字化經(jīng)濟(jì)發(fā)展的核心生產(chǎn)要素，為推動(dòng)經(jīng)濟(jì)高質(zhì)量發(fā)展注入新動(dòng)能。

隨著云計(jì)算、人工智能、區(qū)塊鏈等新興技術(shù)的加速應(yīng)用，數(shù)據(jù)市場(chǎng)規(guī)模呈現(xiàn)爆炸式增長(zhǎng)，數(shù)據(jù)資產(chǎn)價(jià)值研究也逐漸受到各界重視[ 1 ]。無(wú)論微觀層面企業(yè)價(jià)值評(píng)估，還是宏觀層面國(guó)民經(jīng)濟(jì)核算，數(shù)據(jù)資產(chǎn)價(jià)值都有必要納入其中。2024年1月11日，財(cái)政部印發(fā)《關(guān)于加強(qiáng)數(shù)據(jù)資產(chǎn)管理的指導(dǎo)意見(jiàn)》，要求“建立數(shù)據(jù)資產(chǎn)管理制度，促進(jìn)數(shù)據(jù)資產(chǎn)合規(guī)高效流通使用，構(gòu)建共治共享的數(shù)據(jù)資產(chǎn)管理格局，為加快經(jīng)濟(jì)社會(huì)數(shù)字化轉(zhuǎn)型、推動(dòng)高質(zhì)量發(fā)展、推進(jìn)國(guó)家治理體系和治理能力現(xiàn)代化提供有力支撐”。數(shù)據(jù)資產(chǎn)價(jià)值評(píng)估成為一個(gè)亟待研究的主題。當(dāng)前有關(guān)數(shù)據(jù)資產(chǎn)的研究大多立足于企業(yè)微觀會(huì)計(jì)層面，探究數(shù)據(jù)資產(chǎn)定義、數(shù)據(jù)資產(chǎn)特征、數(shù)據(jù)資產(chǎn)會(huì)計(jì)處理方法以及數(shù)據(jù)資產(chǎn)價(jià)值評(píng)估模型的構(gòu)建?，F(xiàn)有研究大多將數(shù)據(jù)資產(chǎn)歸屬于無(wú)形資產(chǎn)范疇，采用無(wú)形資產(chǎn)價(jià)值評(píng)估方法研究數(shù)據(jù)資產(chǎn)價(jià)值核算，但數(shù)據(jù)資產(chǎn)亦有其不同于無(wú)形資產(chǎn)的特性（如非競(jìng)爭(zhēng)性、規(guī)模經(jīng)濟(jì)性、動(dòng)態(tài)性等），導(dǎo)致數(shù)據(jù)資產(chǎn)經(jīng)濟(jì)價(jià)值遠(yuǎn)高于其生產(chǎn)成本，數(shù)據(jù)交易市場(chǎng)規(guī)模有限，創(chuàng)造的未來(lái)收益較難計(jì)量等，尤其是數(shù)據(jù)資產(chǎn)價(jià)值作用的發(fā)揮需要與具體價(jià)值創(chuàng)造場(chǎng)景相結(jié)合，使得必須對(duì)現(xiàn)有價(jià)值評(píng)估方法做出改進(jìn)才能應(yīng)用于數(shù)據(jù)資產(chǎn)價(jià)值評(píng)估。本文從價(jià)值創(chuàng)造視角對(duì)互聯(lián)網(wǎng)企業(yè)整體數(shù)據(jù)資產(chǎn)價(jià)值進(jìn)行評(píng)估，通過(guò)分析數(shù)據(jù)資產(chǎn)價(jià)值創(chuàng)造的過(guò)程及表現(xiàn)，構(gòu)建適用于互聯(lián)網(wǎng)企業(yè)數(shù)據(jù)資產(chǎn)的價(jià)值評(píng)估體系，為我國(guó)數(shù)據(jù)資產(chǎn)價(jià)值評(píng)估實(shí)踐提供方法支撐。

二、文獻(xiàn)綜述

（一）數(shù)據(jù)資產(chǎn)概念

明晰數(shù)據(jù)資產(chǎn)概念是進(jìn)行數(shù)據(jù)資產(chǎn)價(jià)值研究的基礎(chǔ)，學(xué)術(shù)界目前對(duì)數(shù)據(jù)資產(chǎn)概念未形成統(tǒng)一定論，不同學(xué)科對(duì)數(shù)據(jù)資產(chǎn)概念的側(cè)重點(diǎn)有所不同。

會(huì)計(jì)學(xué)角度，大部分研究基于會(huì)計(jì)資產(chǎn)要素的確認(rèn)條件定義數(shù)據(jù)資產(chǎn)。李靜萍[ 2 ]認(rèn)為數(shù)據(jù)不受數(shù)據(jù)生產(chǎn)者和使用者的制約且具有明確的經(jīng)濟(jì)所有權(quán)及收益性，因而滿足資產(chǎn)的屬性。中國(guó)信通院將數(shù)據(jù)資產(chǎn)定義為由企業(yè)擁有或控制的，在未來(lái)一定期間能給企業(yè)帶來(lái)經(jīng)濟(jì)效益的呈電子方式記錄的數(shù)據(jù)資源。

經(jīng)濟(jì)學(xué)角度，大多數(shù)研究從數(shù)據(jù)具有價(jià)值探討數(shù)據(jù)資產(chǎn)化。數(shù)據(jù)本身并不能直接產(chǎn)生價(jià)值，只能通過(guò)作用于生產(chǎn)和服務(wù)使企業(yè)創(chuàng)造收益、降低成本的表現(xiàn)更加突出，由此體現(xiàn)數(shù)據(jù)資產(chǎn)的價(jià)值[ 3 ]。黃科滿和杜小勇[ 4 ]提出數(shù)據(jù)資產(chǎn)價(jià)值體現(xiàn)在價(jià)值利用化這一最終環(huán)節(jié)上，具有價(jià)值后驗(yàn)性。

信息學(xué)角度，數(shù)據(jù)資產(chǎn)由信息的相關(guān)概念演變而來(lái)，21世紀(jì)以后數(shù)據(jù)資產(chǎn)一詞才普遍出現(xiàn)。譚明軍[ 5 ]認(rèn)為數(shù)據(jù)資產(chǎn)是將用戶行為信息、公開(kāi)信息以及從其他合法渠道收集的相關(guān)信息，利用計(jì)算機(jī)技術(shù)經(jīng)數(shù)據(jù)收集、挖掘、分析等環(huán)節(jié)最終給企業(yè)帶來(lái)價(jià)值或潛在價(jià)值的數(shù)據(jù)資源。

鑒于本文主要探討企業(yè)微觀層面的數(shù)據(jù)資產(chǎn)價(jià)值，因而從會(huì)計(jì)學(xué)視角定義數(shù)據(jù)資產(chǎn)：由企業(yè)擁有或控制的，在未來(lái)能給企業(yè)帶來(lái)經(jīng)濟(jì)流入且能夠可靠計(jì)量的數(shù)據(jù)資源。

（二）數(shù)據(jù)資產(chǎn)價(jià)值影響因素

從價(jià)值影響因素來(lái)看，李曉華和王怡帆[ 6 ]總結(jié)影響數(shù)據(jù)資產(chǎn)價(jià)值的六大因素即數(shù)據(jù)的顆粒度、鮮活度、連接度、反饋度、響應(yīng)度和加工度。任曉波[ 7 ]認(rèn)為數(shù)據(jù)資產(chǎn)價(jià)值不僅與其涵蓋信息相關(guān)，也與其被使用的方式相關(guān)，同時(shí)數(shù)據(jù)質(zhì)量、數(shù)據(jù)應(yīng)用、法律和監(jiān)管也能夠影響數(shù)據(jù)資產(chǎn)價(jià)值。廖東聲[ 8 ]描述影響數(shù)據(jù)資產(chǎn)價(jià)值的外部因素，提出數(shù)據(jù)資產(chǎn)價(jià)值會(huì)因加工、用戶、使用次數(shù)、市場(chǎng)波動(dòng)而改變，對(duì)內(nèi)部因素只提到了數(shù)據(jù)質(zhì)量。王重潤(rùn)等[ 9 ]認(rèn)為數(shù)據(jù)價(jià)值會(huì)受到數(shù)據(jù)質(zhì)量、數(shù)據(jù)具體應(yīng)用場(chǎng)景、成本、使用者異質(zhì)性的影響。實(shí)現(xiàn)數(shù)據(jù)要素價(jià)值最大化不僅要認(rèn)識(shí)到其自然屬性，更重要的是充分認(rèn)知5個(gè)社會(huì)屬性即數(shù)據(jù)整合、數(shù)據(jù)融通、數(shù)據(jù)洞察、數(shù)據(jù)賦能與數(shù)據(jù)復(fù)用，尹西明等[ 10 ]將其稱為“5I”社會(huì)屬性。

（三）數(shù)據(jù)資產(chǎn)價(jià)值評(píng)估

在宏觀層面，研究數(shù)據(jù)資產(chǎn)價(jià)值的文獻(xiàn)較少，當(dāng)前數(shù)據(jù)資產(chǎn)并未被納入國(guó)民經(jīng)濟(jì)核算體系中，造成數(shù)據(jù)對(duì)經(jīng)濟(jì)社會(huì)的貢獻(xiàn)被低估。李靜萍[ 2 ]認(rèn)為在構(gòu)建數(shù)據(jù)資產(chǎn)附屬核算框架時(shí)，應(yīng)當(dāng)包含對(duì)數(shù)據(jù)開(kāi)發(fā)階段的價(jià)值評(píng)估，并通過(guò)非生產(chǎn)性資產(chǎn)計(jì)入國(guó)民經(jīng)濟(jì)核算體系中。

在微觀層面，數(shù)據(jù)作為資產(chǎn)納入到企業(yè)資產(chǎn)負(fù)債表中已成為普遍共識(shí)。目前對(duì)數(shù)據(jù)資產(chǎn)價(jià)值評(píng)估以傳統(tǒng)的無(wú)形資產(chǎn)評(píng)估方法為主，結(jié)合數(shù)據(jù)資產(chǎn)的特性做出改進(jìn)[ 11 ]，也有學(xué)者拓展視角構(gòu)建新的模型進(jìn)行評(píng)估[ 12 ]，如B-S模型、蒙特卡洛模擬、討價(jià)還價(jià)模型。由于數(shù)據(jù)資產(chǎn)特性，以上方法計(jì)量數(shù)據(jù)資產(chǎn)存在局限性，如過(guò)于關(guān)注數(shù)據(jù)資產(chǎn)與無(wú)形資產(chǎn)的共性，忽略了數(shù)據(jù)資產(chǎn)價(jià)值與具體價(jià)值創(chuàng)造場(chǎng)景有關(guān)的特征，導(dǎo)致構(gòu)建的評(píng)估模型不夠準(zhǔn)確。本文將數(shù)據(jù)資產(chǎn)估值建立在數(shù)據(jù)為企業(yè)創(chuàng)造收益的基礎(chǔ)之上，認(rèn)為要科學(xué)且準(zhǔn)確地評(píng)估數(shù)據(jù)資產(chǎn)價(jià)值必須先分析數(shù)據(jù)資產(chǎn)的價(jià)值創(chuàng)造過(guò)程及表現(xiàn)，從而提出適用性更加廣泛的收益法及多期超額收益法相結(jié)合的數(shù)據(jù)資產(chǎn)估值模型。

三、互聯(lián)網(wǎng)企業(yè)數(shù)據(jù)資產(chǎn)價(jià)值創(chuàng)造分析

（一）數(shù)據(jù)資產(chǎn)價(jià)值創(chuàng)造過(guò)程

基于數(shù)據(jù)價(jià)值鏈理論，數(shù)據(jù)價(jià)值創(chuàng)造是一個(gè)包含數(shù)據(jù)加工及增值的全動(dòng)態(tài)過(guò)程，涵蓋清洗、融合、分析、應(yīng)用等環(huán)節(jié)。胡亞茹和許憲春[ 13 ]將數(shù)據(jù)價(jià)值鏈分解為數(shù)據(jù)獲取、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)分析、數(shù)據(jù)應(yīng)用四個(gè)環(huán)節(jié)。在數(shù)據(jù)獲取環(huán)節(jié)，實(shí)現(xiàn)了對(duì)原本游離數(shù)據(jù)的初步收集，包括用戶行為數(shù)據(jù)、交易數(shù)據(jù)、社交數(shù)據(jù)等，界定了原始數(shù)據(jù)類型，該環(huán)節(jié)成本產(chǎn)生于收集數(shù)據(jù)的設(shè)備購(gòu)買、運(yùn)行及其磨損的支出；在數(shù)據(jù)存儲(chǔ)環(huán)節(jié)，所獲取的數(shù)據(jù)加工、提煉、整合為可以被高效利用的數(shù)據(jù)資源，并被分類存儲(chǔ)在數(shù)據(jù)平臺(tái)中，該環(huán)節(jié)產(chǎn)生了數(shù)據(jù)平臺(tái)的運(yùn)維成本；在數(shù)據(jù)分析環(huán)節(jié)，經(jīng)過(guò)數(shù)據(jù)庫(kù)的建立及軟件開(kāi)發(fā)等過(guò)程，可以提取出數(shù)據(jù)中含價(jià)值的信息及知識(shí)，實(shí)現(xiàn)潛在價(jià)值的提升，有利于企業(yè)提高生產(chǎn)效率、洞悉客戶需求、創(chuàng)造新商業(yè)模式及控制風(fēng)險(xiǎn)；在數(shù)據(jù)應(yīng)用環(huán)節(jié)，數(shù)據(jù)分析階段的輸出于具體的使用場(chǎng)景下轉(zhuǎn)變?yōu)槠髽I(yè)經(jīng)濟(jì)效益，數(shù)據(jù)價(jià)值得以釋放，因而數(shù)據(jù)資產(chǎn)化也得以實(shí)現(xiàn)。需要注意的是，在數(shù)據(jù)創(chuàng)造價(jià)值的過(guò)程中，經(jīng)計(jì)算分析會(huì)不斷產(chǎn)生新的數(shù)據(jù)，從而再次循環(huán)進(jìn)入到其他環(huán)節(jié)的數(shù)據(jù)處理中，繼續(xù)實(shí)現(xiàn)經(jīng)濟(jì)價(jià)值。

（二）互聯(lián)網(wǎng)企業(yè)數(shù)據(jù)資產(chǎn)價(jià)值創(chuàng)造表現(xiàn)

根據(jù)對(duì)數(shù)據(jù)資產(chǎn)價(jià)值創(chuàng)造過(guò)程的分析，數(shù)據(jù)在數(shù)據(jù)獲取、存儲(chǔ)、分析階段發(fā)生了成本支出，實(shí)現(xiàn)了數(shù)據(jù)資產(chǎn)潛在價(jià)值的累積，但并未真正給企業(yè)創(chuàng)造價(jià)值。只有在應(yīng)用階段才為企業(yè)帶來(lái)收益，因而數(shù)據(jù)資產(chǎn)價(jià)值只在應(yīng)用階段才有所表現(xiàn)，且不同價(jià)值創(chuàng)造場(chǎng)景下數(shù)據(jù)資產(chǎn)價(jià)值有所不同。因此區(qū)分?jǐn)?shù)據(jù)資產(chǎn)使用的不同場(chǎng)景分析互聯(lián)網(wǎng)企業(yè)數(shù)據(jù)資產(chǎn)的價(jià)值表現(xiàn)。

在無(wú)交易場(chǎng)景下，數(shù)據(jù)調(diào)整原有的生產(chǎn)流程、提高運(yùn)營(yíng)效率，尤其在“供—產(chǎn)—銷”環(huán)節(jié)效率表現(xiàn)更為顯著。在供應(yīng)環(huán)節(jié)，企業(yè)處理客戶訂單引入自動(dòng)化流程、可視化操作等，處于供應(yīng)鏈中的多家合作伙伴可以實(shí)現(xiàn)生產(chǎn)與服務(wù)實(shí)時(shí)交互，大大提高供應(yīng)效率；在生產(chǎn)環(huán)節(jié)，幫助企業(yè)實(shí)時(shí)收集庫(kù)存信息，有效預(yù)測(cè)產(chǎn)品市場(chǎng)需求變化，降低傳統(tǒng)運(yùn)營(yíng)系統(tǒng)成本，促進(jìn)企業(yè)重組生產(chǎn)流程實(shí)現(xiàn)[ 14 ]；在銷售環(huán)節(jié)，經(jīng)對(duì)用戶的消費(fèi)數(shù)據(jù)進(jìn)行挖掘分析，能了解用戶個(gè)性化需求，關(guān)注消費(fèi)者情緒及客戶體驗(yàn)，從而采取更有針對(duì)性的銷售策略，提供差異化服務(wù)和個(gè)性化產(chǎn)品，更好地適應(yīng)市場(chǎng)環(huán)境的動(dòng)態(tài)變化[ 15 ]。無(wú)交易場(chǎng)景下，數(shù)據(jù)要素優(yōu)化企業(yè)生產(chǎn)模式，提高了傳統(tǒng)價(jià)值鏈上研發(fā)、生產(chǎn)、銷售等環(huán)節(jié)的決策效率，未改變企業(yè)原有以傳統(tǒng)生產(chǎn)要素為主的商業(yè)模式，為企業(yè)帶來(lái)超額業(yè)務(wù)收益，稱之為效率性價(jià)值[ 16 ]。

有交易場(chǎng)景下，企業(yè)獲得許可后訪問(wèn)海量用戶數(shù)據(jù)，充分挖掘分析其中潛在的商業(yè)信息，建立用戶精準(zhǔn)畫(huà)像，從而為市場(chǎng)其他客戶提供定制化數(shù)據(jù)產(chǎn)品或服務(wù)，經(jīng)進(jìn)一步出售收取廣告費(fèi)用。該場(chǎng)景下數(shù)據(jù)作為核心生產(chǎn)要素，催生出新的商業(yè)模式，觸發(fā)企業(yè)運(yùn)用數(shù)據(jù)技術(shù)生成新的產(chǎn)品及服務(wù)，與數(shù)據(jù)分析技術(shù)協(xié)同發(fā)揮價(jià)值創(chuàng)造作用[ 17 ]?；ヂ?lián)網(wǎng)企業(yè)所掌握的數(shù)據(jù)資產(chǎn)價(jià)值直接轉(zhuǎn)化為企業(yè)創(chuàng)新性收入，主要體現(xiàn)為企業(yè)廣告收入等，稱之為創(chuàng)新性價(jià)值[ 16 ]?；谏鲜龇治?，數(shù)據(jù)資產(chǎn)價(jià)值表現(xiàn)可概括為基于數(shù)據(jù)處理技術(shù)的決策支持系統(tǒng)和商業(yè)模式創(chuàng)新所帶來(lái)的未來(lái)經(jīng)濟(jì)收益，數(shù)據(jù)資產(chǎn)價(jià)值評(píng)估就是確定該未來(lái)經(jīng)濟(jì)收益的現(xiàn)值。本文將數(shù)據(jù)資產(chǎn)無(wú)交易場(chǎng)景下與決策效率相關(guān)的凈現(xiàn)值稱為數(shù)據(jù)資產(chǎn)效率性價(jià)值，用數(shù)據(jù)資產(chǎn)帶來(lái)的超額業(yè)務(wù)收益現(xiàn)值來(lái)衡量；與商業(yè)模式創(chuàng)新相關(guān)的凈現(xiàn)值稱為數(shù)據(jù)資產(chǎn)創(chuàng)新性價(jià)值，用數(shù)據(jù)資產(chǎn)帶來(lái)的創(chuàng)新性收入現(xiàn)值來(lái)衡量。

四、互聯(lián)網(wǎng)企業(yè)數(shù)據(jù)資產(chǎn)估值模型建立

（一）設(shè)計(jì)思路

近幾年更多文獻(xiàn)僅考慮數(shù)據(jù)資產(chǎn)在無(wú)交易場(chǎng)景下支持決策產(chǎn)生的效率性價(jià)值，而對(duì)商業(yè)模式改變引起的創(chuàng)新性價(jià)值并未涉及?；诖耍疚倪\(yùn)用收益法評(píng)估數(shù)據(jù)資產(chǎn)創(chuàng)新性價(jià)值，運(yùn)用改進(jìn)多期超額收益法評(píng)估數(shù)據(jù)資產(chǎn)效率性價(jià)值。

1.創(chuàng)新性價(jià)值評(píng)估模型

考慮到廣告商是與互聯(lián)網(wǎng)企業(yè)進(jìn)行數(shù)據(jù)資產(chǎn)交易的最主要利益相關(guān)方，互聯(lián)網(wǎng)企業(yè)數(shù)據(jù)資產(chǎn)創(chuàng)新性收入近似體現(xiàn)為企業(yè)廣告收入，該部分收益由企業(yè)與第三方達(dá)成公平交易后體現(xiàn)在會(huì)計(jì)報(bào)表中，可以直接采用收益法評(píng)估。評(píng)估思路如下：根據(jù)歷史數(shù)據(jù)運(yùn)用灰色模型預(yù)測(cè)收益期內(nèi)創(chuàng)新性收入，折現(xiàn)即可得到創(chuàng)新性價(jià)值。公式如下：

其中，n為收益期，ADk為收益期內(nèi)第k年實(shí)現(xiàn)的創(chuàng)新性收入，r為折現(xiàn)率。

2.效率性價(jià)值評(píng)估模型

數(shù)據(jù)資產(chǎn)效率性價(jià)值評(píng)估難點(diǎn)較多，對(duì)此進(jìn)行重點(diǎn)分析。通過(guò)分析數(shù)據(jù)資產(chǎn)價(jià)值創(chuàng)造，數(shù)據(jù)資產(chǎn)效率性價(jià)值依賴企業(yè)超額業(yè)務(wù)收益的實(shí)現(xiàn)，其本質(zhì)與商譽(yù)類似，故采用改進(jìn)超額收益法評(píng)估數(shù)據(jù)資產(chǎn)效率性價(jià)值更能體現(xiàn)數(shù)據(jù)資產(chǎn)價(jià)值創(chuàng)造的本質(zhì)。數(shù)據(jù)資產(chǎn)的效率性價(jià)值創(chuàng)造依賴其他資產(chǎn)的共同參與，因此采用層次分析結(jié)合多期超額收益法確定數(shù)據(jù)資產(chǎn)效率性價(jià)值。整體脈絡(luò)是：首先，根據(jù)企業(yè)歷史凈資產(chǎn)收益率和相關(guān)影響因素值分別采用灰色預(yù)測(cè)及BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)企業(yè)收益期內(nèi)凈資產(chǎn)收益率，再根據(jù)誤差倒數(shù)加權(quán)法確定組合預(yù)測(cè)的企業(yè)凈資產(chǎn)收益率，類似方法得到行業(yè)凈資產(chǎn)收益率，二者作差得到企業(yè)超額收益率；其次，將所有者權(quán)益與超額收益率相乘得到收益期各期超額收益；再次，利用層次分析法計(jì)算數(shù)據(jù)資產(chǎn)收益分成率，與超額收益相乘得到數(shù)據(jù)資產(chǎn)收益貢獻(xiàn)值；最后，將數(shù)據(jù)資產(chǎn)貢獻(xiàn)值在收益期內(nèi)折現(xiàn)得到數(shù)據(jù)資產(chǎn)效率性價(jià)值。公式如下：

其中，n為收益期，Ek為第k年數(shù)據(jù)資產(chǎn)超額業(yè)務(wù)收益貢獻(xiàn)值，r為折現(xiàn)率。

3.整體數(shù)據(jù)資產(chǎn)經(jīng)濟(jì)價(jià)值

將數(shù)據(jù)資產(chǎn)創(chuàng)新性價(jià)值與效率性價(jià)值求和得到數(shù)據(jù)資產(chǎn)整體經(jīng)濟(jì)價(jià)值。本文構(gòu)建的互聯(lián)網(wǎng)企業(yè)數(shù)據(jù)資產(chǎn)估值體系如圖1所示。

（二）經(jīng)濟(jì)參數(shù)確定

1.未來(lái)創(chuàng)新性收入

在測(cè)算創(chuàng)新性價(jià)值時(shí)，用企業(yè)廣告收益近似代表企業(yè)創(chuàng)新性收入，由于其影響因素繁多且難以量化，考慮數(shù)據(jù)的時(shí)間序列特征采用單變量灰色模型預(yù)測(cè)企業(yè)未來(lái)創(chuàng)新性收入?；诨疑Ｐ偷念A(yù)測(cè)過(guò)程如下：

（1）將n年的廣告收入序列作為初始時(shí)間序列

（2）經(jīng)一次累加生成得到序列

（3）作 處理得到相鄰均值序列

（4）得到灰色預(yù)測(cè)模型

（5）計(jì)算得到一次累加生成預(yù)測(cè)值

（6）通過(guò)累減還原生成廣告收入的預(yù)測(cè)值序列

2.企業(yè)預(yù)期超額收益

確定數(shù)據(jù)資產(chǎn)效率性價(jià)值的核心步驟在于預(yù)測(cè)企業(yè)收益期內(nèi)超額收益。考慮到超額收益影響因素的復(fù)雜性與非線性，本文構(gòu)建基于灰色預(yù)測(cè)和BP神經(jīng)網(wǎng)絡(luò)的組合預(yù)測(cè)模型，既考慮了縱向時(shí)間序列趨勢(shì)，又包含了橫向相關(guān)因素的影響?；疑Ｐ颓懊嬉延薪榻B，此處不再贅述。

BP神經(jīng)網(wǎng)絡(luò)是基于誤差反向傳播算法進(jìn)行訓(xùn)練的前饋網(wǎng)絡(luò)模型。該網(wǎng)絡(luò)可以基于數(shù)據(jù)本身挖掘相互之間聯(lián)系的一般規(guī)律，自動(dòng)尋找輸入數(shù)據(jù)與輸出數(shù)據(jù)的非線性映射關(guān)系，若訓(xùn)練次數(shù)或訓(xùn)練誤差未達(dá)到預(yù)設(shè)值，則會(huì)自動(dòng)返回循環(huán)進(jìn)行修正直至達(dá)到預(yù)設(shè)值，具有較強(qiáng)的學(xué)習(xí)能力，因此使用較為廣泛?；贐P神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)步驟如下：

（1）數(shù)據(jù)歸一化

為消除數(shù)據(jù)數(shù)量級(jí)的影響，需要對(duì)數(shù)據(jù)進(jìn)行歸一化處理。

（2）設(shè)定網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)

該步驟需要設(shè)定神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)，包括輸入層、隱含層、輸出層的節(jié)點(diǎn)個(gè)數(shù)，訓(xùn)練次數(shù)，學(xué)習(xí)速率，最小目標(biāo)誤差，激勵(lì)函數(shù)，訓(xùn)練算法等。

（3）訓(xùn)練神經(jīng)網(wǎng)絡(luò)

經(jīng)反復(fù)訓(xùn)練，選擇與實(shí)際值擬合較好的網(wǎng)絡(luò)，計(jì)算預(yù)測(cè)值與真實(shí)值的誤差，檢驗(yàn)?zāi)Ｐ途燃笆諗啃裕魧?duì)輸入值進(jìn)行歸一化處理則在該步驟需要對(duì)輸出值進(jìn)行反歸一化。

（4）調(diào)用神經(jīng)網(wǎng)絡(luò)

將輸入值輸入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)中得到預(yù)測(cè)輸出值。

3.數(shù)據(jù)資產(chǎn)對(duì)企業(yè)超額收益的貢獻(xiàn)比例

數(shù)據(jù)資產(chǎn)作為表外資產(chǎn)，屬于數(shù)據(jù)資產(chǎn)貢獻(xiàn)的超額收益需從企業(yè)整體超額收益中分離。采用層次分析法計(jì)算數(shù)據(jù)資產(chǎn)對(duì)企業(yè)超額收益的貢獻(xiàn)比例，步驟如下：

（1）確定層次結(jié)構(gòu)模型（如圖2所示）

（2）構(gòu)建判斷矩陣

對(duì)同一層次各因素相對(duì)于上一層次指標(biāo)的重要程度采用1—9標(biāo)度法打分，進(jìn)而得到準(zhǔn)則層與方案層的判斷矩陣。

（3）求最大特征值及其特征向量

求得各判斷矩陣的最大特征值λ及其所對(duì)應(yīng)的特征向量。

（4）一致性檢驗(yàn)

檢驗(yàn)公式為：

其中，n表示判斷矩陣階數(shù)，λ表示最大特征值，RI可通過(guò)隨機(jī)一致性指標(biāo)表格獲取，CI為一致性指標(biāo)，CR為一致性比例。當(dāng)CR＜0.1時(shí)，一致性檢驗(yàn)通過(guò)。

（5）計(jì)算方案層各因素權(quán)重

一致性檢驗(yàn)通過(guò)后，將各判斷矩陣最大特征值對(duì)應(yīng)的特征向量作歸一化處理，得到各層判斷矩陣的權(quán)向量，作內(nèi)積運(yùn)算后得到方案層各指標(biāo)對(duì)超額收益的貢獻(xiàn)權(quán)重。

4.計(jì)算折現(xiàn)率

折現(xiàn)率是將數(shù)據(jù)資產(chǎn)創(chuàng)造的廣告收入及超額業(yè)務(wù)收益折算成現(xiàn)值的比率，本質(zhì)為數(shù)據(jù)資產(chǎn)的預(yù)期投資報(bào)酬率，選取股權(quán)資本成本作為折現(xiàn)率。數(shù)據(jù)資產(chǎn)在確權(quán)、制度保護(hù)、未來(lái)收益等存在不確定性，需要考慮數(shù)據(jù)資產(chǎn)的特定風(fēng)險(xiǎn)報(bào)酬率。根據(jù)資本資產(chǎn)定價(jià)模型確定折現(xiàn)率公式如下：

其中：RF為無(wú)風(fēng)險(xiǎn)利率，采用國(guó)債利率代替；？茁為風(fēng)險(xiǎn)系數(shù)，可通過(guò)Wind金融終端計(jì)算得到某企業(yè)該系數(shù)；RM為股票平均市場(chǎng)報(bào)酬率，可通過(guò)Wind金融終端計(jì)算得到；？著為數(shù)據(jù)資產(chǎn)特定風(fēng)險(xiǎn)報(bào)酬率。

5.確定收益期

收益期是持有資產(chǎn)給企業(yè)帶來(lái)收益的時(shí)間。理論上數(shù)據(jù)資產(chǎn)的經(jīng)濟(jì)壽命同企業(yè)存續(xù)期相同為無(wú)限期，因數(shù)據(jù)具有非消耗性，可以一直存于企業(yè)中，但現(xiàn)實(shí)使用時(shí)，受數(shù)據(jù)時(shí)效性、市場(chǎng)競(jìng)爭(zhēng)、法律規(guī)定、合同協(xié)議等的影響，數(shù)據(jù)資產(chǎn)收益時(shí)間可能是有限的，應(yīng)該充分考慮各行各業(yè)特點(diǎn)結(jié)合職業(yè)判斷確定收益期。

五、模型應(yīng)用

本文以互聯(lián)網(wǎng)企業(yè)為研究對(duì)象?；ヂ?lián)網(wǎng)企業(yè)相比其他行業(yè)擁有更豐富的數(shù)據(jù)資源，具備整合及利用數(shù)據(jù)資源的能力，能實(shí)現(xiàn)數(shù)據(jù)要素與企業(yè)其他資源的優(yōu)勢(shì)互補(bǔ)，同時(shí)數(shù)據(jù)實(shí)現(xiàn)價(jià)值創(chuàng)造的途徑更廣泛，可以為更多企業(yè)提供借鑒。TX公司作為國(guó)內(nèi)互聯(lián)網(wǎng)行業(yè)領(lǐng)先企業(yè)，運(yùn)用自身社交網(wǎng)絡(luò)平臺(tái)形成豐富的數(shù)據(jù)資源，為用戶提供互聯(lián)網(wǎng)增值服務(wù)、網(wǎng)絡(luò)廣告服務(wù)及電子商務(wù)服務(wù)。TX公司每年創(chuàng)造比行業(yè)平均更多的明顯收益，數(shù)據(jù)資產(chǎn)成為企業(yè)獲取超額收益的關(guān)鍵性資產(chǎn)，數(shù)據(jù)資產(chǎn)價(jià)值如何、數(shù)據(jù)資產(chǎn)價(jià)值如何實(shí)現(xiàn)更大限度地釋放成為企業(yè)需要解決的問(wèn)題。以TX公司為例應(yīng)用模型，考慮到TX公司經(jīng)營(yíng)多元化、業(yè)務(wù)范圍廣、數(shù)據(jù)更新快的特點(diǎn)，為保證預(yù)測(cè)準(zhǔn)確性將該公司數(shù)據(jù)資產(chǎn)的收益期設(shè)為5年。

（一）數(shù)據(jù)資產(chǎn)創(chuàng)新性價(jià)值評(píng)估

1.灰色模型預(yù)測(cè)企業(yè)未來(lái)創(chuàng)新性收入

使用2017—2021年的歷史廣告收入數(shù)據(jù)對(duì)未來(lái)2022—2026年的創(chuàng)新性收入進(jìn)行預(yù)測(cè)，并檢驗(yàn)?zāi)Ｐ途?，結(jié)果顯示預(yù)測(cè)相對(duì)誤差為1.76%，擬合優(yōu)度R2為0.9878，預(yù)測(cè)精度很高，預(yù)測(cè)曲線如圖3所示。

2.折現(xiàn)率

根據(jù)資本資產(chǎn)定價(jià)模型，無(wú)風(fēng)險(xiǎn)利率選取2022年11月十年期國(guó)債到期收益率2.8%；股票平均市場(chǎng)收益率選取近十年恒生指數(shù)、上證指數(shù)、標(biāo)普500指數(shù)、滬深300指數(shù)及納斯達(dá)克100指數(shù)的年化收益率均值8.65%；風(fēng)險(xiǎn)系數(shù)根據(jù)近五年Wind金融終端該企業(yè)周收益序列計(jì)算為1.1680，則股權(quán)資本成本為9.63%。分析我國(guó)有關(guān)數(shù)據(jù)資產(chǎn)的規(guī)定政策及外部環(huán)境，確定企業(yè)數(shù)據(jù)資產(chǎn)特定風(fēng)險(xiǎn)報(bào)酬率為4%，最終確定數(shù)據(jù)資產(chǎn)未來(lái)收益折現(xiàn)率為13.63%。根據(jù)公式（1）計(jì)算得到數(shù)據(jù)資產(chǎn)創(chuàng)新性價(jià)值為4 693.35億元。

（二）數(shù)據(jù)資產(chǎn)效率性價(jià)值評(píng)估

1.灰色模型和BP神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)企業(yè)未來(lái)超額收益率

（1）灰色模型

一是預(yù)測(cè)行業(yè)凈資產(chǎn)收益率。為保證預(yù)測(cè)準(zhǔn)確性，灰色模型通過(guò)2012—2021年總資產(chǎn)凈利率、權(quán)益乘數(shù)數(shù)據(jù)預(yù)測(cè)未來(lái)凈資產(chǎn)收益率。結(jié)果顯示：灰色預(yù)測(cè)行業(yè)總資產(chǎn)凈利率平均絕對(duì)誤差為1.4825，相對(duì)誤差為19.10%；預(yù)測(cè)行業(yè)權(quán)益乘數(shù)平均絕對(duì)誤差為0.0484，相對(duì)誤差為2.98%。模型精度較高，實(shí)際值在預(yù)測(cè)值上下發(fā)生較小波動(dòng)，可以用來(lái)預(yù)測(cè)，預(yù)測(cè)曲線如圖4、圖5所示。二者相乘得到行業(yè)凈資產(chǎn)收益率。

二是預(yù)測(cè)企業(yè)凈資產(chǎn)收益率。結(jié)果顯示：灰色預(yù)測(cè)企業(yè)總資產(chǎn)凈利率平均絕對(duì)誤差為1.7119，相對(duì)誤差為12.7%；預(yù)測(cè)企業(yè)權(quán)益乘數(shù)平均絕對(duì)誤差為0.1449，相對(duì)誤差為6.89%。模型精度較高，實(shí)際值在預(yù)測(cè)值上下發(fā)生較小波動(dòng)，可以用來(lái)預(yù)測(cè)，預(yù)測(cè)曲線如圖6、圖7所示。二者相乘得到企業(yè)凈資產(chǎn)收益率。

（2）BP神經(jīng)網(wǎng)絡(luò)

一是行業(yè)凈資產(chǎn)收益率預(yù)測(cè)。本文在選取影響互聯(lián)網(wǎng)行業(yè)收益的因素時(shí)，從宏觀經(jīng)濟(jì)、行業(yè)特征、消費(fèi)人群三個(gè)方面考慮，最終選取8個(gè)影響因素：居民人均可支配收入，國(guó)內(nèi)生產(chǎn)總值，行業(yè)凈資產(chǎn)收益率的分解指標(biāo)營(yíng)業(yè)凈利率、總資產(chǎn)周轉(zhuǎn)率、權(quán)益乘數(shù)，互聯(lián)網(wǎng)企業(yè)數(shù)量（滬深A(yù)股剔除ST及*ST），網(wǎng)民數(shù)量，15～64歲人口數(shù)。構(gòu)建神經(jīng)網(wǎng)絡(luò)模型時(shí)，輸入層與隱含層、隱含層與輸出層的激勵(lì)函數(shù)分別為“tansig”型和“purelin”型，訓(xùn)練算法選取“trainlm”型。依據(jù)BP神經(jīng)網(wǎng)絡(luò)建模原理確定的最終網(wǎng)絡(luò)相對(duì)誤差為8.6923%，精度較高?；貧w系數(shù)如圖8所示，訓(xùn)練集、測(cè)試集、驗(yàn)證集以及整體相關(guān)系數(shù)分別為0.99289、0.99772、0.99174、0.99024，訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型輸出值和實(shí)際值非常接近，趨勢(shì)一致，預(yù)測(cè)結(jié)果可信。用該神經(jīng)網(wǎng)絡(luò)模型對(duì)未來(lái)行業(yè)凈資產(chǎn)收益率指標(biāo)進(jìn)行預(yù)測(cè)，預(yù)測(cè)曲線如圖9所示。

二是企業(yè)凈資產(chǎn)收益率預(yù)測(cè)。從宏觀經(jīng)濟(jì)、企業(yè)特性、消費(fèi)人群出發(fā)，選取10個(gè)影響企業(yè)收益的因素：居民人均可支配收入，國(guó)內(nèi)生產(chǎn)總值，企業(yè)凈資產(chǎn)收益率的分解指標(biāo)營(yíng)業(yè)凈利率、總資產(chǎn)周轉(zhuǎn)率、權(quán)益乘數(shù)，企業(yè)營(yíng)業(yè)收入，無(wú)形資產(chǎn)，固定資產(chǎn)，15～64歲人口數(shù)，企業(yè)活躍用戶數(shù)。確定的網(wǎng)絡(luò)相對(duì)誤差為1.4777%，精度較高?；貧w系數(shù)如圖10所示，訓(xùn)練集、測(cè)試集、驗(yàn)證集以及整體的相關(guān)系數(shù)分別為1、0.99931、0.99764、0.99632，訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型輸出值和實(shí)際值非常接近，趨勢(shì)一致，預(yù)測(cè)結(jié)果可信。用該神經(jīng)網(wǎng)絡(luò)模型對(duì)未來(lái)的企業(yè)凈資產(chǎn)收益率指標(biāo)進(jìn)行預(yù)測(cè)，預(yù)測(cè)曲線如圖11所示。

（3）確定組合預(yù)測(cè)模型

組合預(yù)測(cè)可以彌補(bǔ)某單項(xiàng)預(yù)測(cè)模型的劣勢(shì)并充分發(fā)揮各個(gè)模型的優(yōu)勢(shì)，有效從原始數(shù)據(jù)中提取更多的有用信息，最終達(dá)到提高預(yù)測(cè)準(zhǔn)確性的效果。變權(quán)組合預(yù)測(cè)模型能夠?qū)崿F(xiàn)在每一個(gè)樣本點(diǎn)上賦予誤差較小的模型以較大的權(quán)重，比定權(quán)組合預(yù)測(cè)模型更加精確。運(yùn)用誤差倒數(shù)加權(quán)法[ 18 ]計(jì)算未來(lái)時(shí)刻各單項(xiàng)預(yù)測(cè)模型的變權(quán)重系數(shù)。本文涉及兩個(gè)單項(xiàng)預(yù)測(cè)模型，組合預(yù)測(cè)模型公式如下：

其中，■kt為t時(shí)第k種單項(xiàng)預(yù)測(cè)模型預(yù)測(cè)值；■t為t時(shí)各單項(xiàng)模型的加權(quán)平均預(yù)測(cè)值；ekt為t時(shí)第k種單項(xiàng)模型的預(yù)測(cè)誤差平方和；wkt為t時(shí)第k種單項(xiàng)預(yù)測(cè)模型的權(quán)重；■t為t時(shí)的變權(quán)組合預(yù)測(cè)值。根據(jù)公式得到2022—2026年企業(yè)及行業(yè)凈資產(chǎn)收益率組合預(yù)測(cè)值，差額為超額收益率，2022—2026年超額收益率依次為18.03%、15.70%、12.46%、11.66%、12.42%。

2.企業(yè)超額收益確定

基于新信息優(yōu)先原理，運(yùn)用灰色模型預(yù)測(cè)企業(yè)未來(lái)所有者權(quán)益，根據(jù)公式（3）計(jì)算未來(lái)各期超額收益，2022—2026年超額收益依次為25 192 797.82、30 031 424.16、32 631 950.03、41 828 276.85、60 973 724.58（單位：萬(wàn)元）。

3.層次分析法確定數(shù)據(jù)資產(chǎn)收益分成率

根據(jù)圖2確定的層次結(jié)構(gòu)模型，通過(guò)了一致性檢驗(yàn)，得到方案層各指標(biāo)對(duì)超額收益的貢獻(xiàn)權(quán)重，結(jié)果如表1所示。根據(jù)公式（4）得到企業(yè)數(shù)據(jù)資產(chǎn)的效率性價(jià)值為6 297.35億元。

（三）數(shù)據(jù)資產(chǎn)經(jīng)濟(jì)價(jià)值確定

數(shù)據(jù)資產(chǎn)總經(jīng)濟(jì)價(jià)值為創(chuàng)新性價(jià)值與效率性價(jià)值之和，計(jì)算得到10 990.67億元，計(jì)算過(guò)程如表2所示。2021年12月31日該企業(yè)市值為35 885.3億元，數(shù)據(jù)資產(chǎn)價(jià)值占比為30.63%，可見(jiàn)進(jìn)一步釋放數(shù)據(jù)資產(chǎn)的價(jià)值對(duì)企業(yè)價(jià)值提升能發(fā)揮重要作用。

六、結(jié)論

數(shù)據(jù)是數(shù)字經(jīng)濟(jì)市場(chǎng)關(guān)鍵的生產(chǎn)要素，數(shù)據(jù)資產(chǎn)化也成為各行各業(yè)驅(qū)動(dòng)創(chuàng)新和提升競(jìng)爭(zhēng)力的必然途徑，數(shù)據(jù)資產(chǎn)價(jià)值評(píng)估需求亟待解決。圍繞數(shù)據(jù)資產(chǎn)價(jià)值研究主題，本文首先對(duì)數(shù)據(jù)資產(chǎn)相關(guān)研究進(jìn)行回顧與歸納，系統(tǒng)梳理了數(shù)據(jù)資產(chǎn)概念、價(jià)值評(píng)估方法；其次，整合了已有的數(shù)據(jù)為企業(yè)創(chuàng)造價(jià)值的觀點(diǎn)，探究數(shù)據(jù)資產(chǎn)價(jià)值創(chuàng)造的過(guò)程及表現(xiàn)；再次，基于價(jià)值創(chuàng)造視角，構(gòu)建了基于收益法及灰色神經(jīng)網(wǎng)絡(luò)—超額收益法的互聯(lián)網(wǎng)企業(yè)數(shù)據(jù)資產(chǎn)估值模型，提出用收益法評(píng)估數(shù)據(jù)資產(chǎn)創(chuàng)新性價(jià)值，用超額收益法評(píng)估數(shù)據(jù)資產(chǎn)效率性價(jià)值，引入灰色及BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法改進(jìn)模型參數(shù)，得到數(shù)據(jù)資產(chǎn)價(jià)值；最后，輔以具體案例使用該模型評(píng)估數(shù)據(jù)資產(chǎn)價(jià)值，為企業(yè)數(shù)據(jù)資產(chǎn)價(jià)值評(píng)估實(shí)踐提供理論參考。

本文為評(píng)估互聯(lián)網(wǎng)企業(yè)數(shù)據(jù)資產(chǎn)價(jià)值提供了新思路，但尚有不足：第一，采用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)時(shí)依賴企業(yè)及行業(yè)的歷史數(shù)據(jù)，數(shù)據(jù)量較少，可能會(huì)對(duì)組合預(yù)測(cè)結(jié)果產(chǎn)生影響，從而導(dǎo)致預(yù)測(cè)產(chǎn)生偏差；第二，以互聯(lián)網(wǎng)企業(yè)為評(píng)估對(duì)象，對(duì)其他行業(yè)應(yīng)用該模型，創(chuàng)新性收入如何衡量需進(jìn)一步研究；第三，折現(xiàn)率選擇時(shí)雖加入了數(shù)據(jù)資產(chǎn)特定風(fēng)險(xiǎn)報(bào)酬率，但由于數(shù)據(jù)資產(chǎn)相關(guān)研究仍然不夠完善，該報(bào)酬率選取的準(zhǔn)確性有待考察?；谝陨喜蛔?，筆者認(rèn)為未來(lái)需要對(duì)數(shù)據(jù)資產(chǎn)理論、數(shù)據(jù)資產(chǎn)超額收益、數(shù)據(jù)資產(chǎn)折現(xiàn)率等展開(kāi)深入研究，以期為企業(yè)提供更加準(zhǔn)確和科學(xué)的數(shù)據(jù)資產(chǎn)估值體系。

【參考文獻(xiàn)】

［1］ 齊佳音，張國(guó)鋒，王偉.開(kāi)源數(shù)字經(jīng)濟(jì)的創(chuàng)新邏輯：大數(shù)據(jù)合作資產(chǎn)視角［J］. 北京交通大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2021，20（3）：37-49.

［2］ 李靜萍.數(shù)據(jù)資產(chǎn)核算研究［J］.統(tǒng)計(jì)研究，2020，37（11）：3-14.

［3］ 胡安琴.業(yè)財(cái)融合下創(chuàng)效型數(shù)據(jù)資產(chǎn)的會(huì)計(jì)計(jì)量與披露［J］.會(huì)計(jì)之友，2023（4）：134-139.

［4］ 黃科滿，杜小勇.數(shù)據(jù)治理價(jià)值鏈模型與數(shù)據(jù)基礎(chǔ)制度分析［J］.大數(shù)據(jù)，2022，8（4）：3-16.

［5］ 譚明軍.論數(shù)據(jù)資產(chǎn)的概念發(fā)展與理論框架［J］.財(cái)會(huì)月刊，2021（10）：87-93.

［6］ 李曉華，王怡帆.數(shù)據(jù)價(jià)值鏈與價(jià)值創(chuàng)造機(jī)制研究［J］.經(jīng)濟(jì)縱橫，2020（11）：54-62，2.

［7］ 任曉波.如何認(rèn)識(shí)和測(cè)算數(shù)據(jù)的經(jīng)濟(jì)價(jià)值［J］.競(jìng)爭(zhēng)情報(bào)，2021，17（2）：2-10.

［8］ 廖東聲.數(shù)字資產(chǎn)估值問(wèn)題研究［J］.會(huì)計(jì)之友，2022（13）：2-9.

［9］ 王重潤(rùn)，王文靜，趙冬暖.基于討價(jià)還價(jià)模型的大數(shù)據(jù)資產(chǎn)定價(jià)研究［J］.會(huì)計(jì)之友，2023（6）：20-29.

［10］ 尹西明，林鎮(zhèn)陽(yáng)，陳勁，等.數(shù)據(jù)要素價(jià)值化動(dòng)態(tài)過(guò)程機(jī)制研究［J］.科學(xué)學(xué)研究，2022，40（2）：220-229.

［11］ 苑澤明，張永安，王培琳.基于改進(jìn)超額收益法的企業(yè)數(shù)據(jù)資產(chǎn)價(jià)值評(píng)估［J］.商業(yè)會(huì)計(jì)，2021（19）：4-10.

［12］ 王靜，王娟.互聯(lián)網(wǎng)金融企業(yè)數(shù)據(jù)資產(chǎn)價(jià)值評(píng)估：基于B-S理論模型的研究［J］.技術(shù)經(jīng)濟(jì)及管理研究，2019（7）：73-78.

［13］ 胡亞茹，許憲春.企業(yè)數(shù)據(jù)資產(chǎn)價(jià)值的統(tǒng)計(jì)測(cè)度問(wèn)題研究［J］.統(tǒng)計(jì)研究，2022，39（9）：3-18.

［14］ DUBEY R，GUNASEKARAN A，CHILDE S J，et al.Big data and predictive analytics and manufacturing performance：integrating institutional theory，resource-based view and big data culture［J］.British Journal of Management，2019，30（2）：341-361.

［15］ DONG J Q，YANG C H.Business value of big data analytics：a systems-theoretic approach and empirical test［J］.Information & Management，2020，57（1）：103124.

［16］ 遲考勛，邵月婷，蘇福.大數(shù)據(jù)價(jià)值來(lái)源、價(jià)值內(nèi)容與價(jià)值創(chuàng)造機(jī)理：基于2011—2021年管理類和商業(yè)類SSCI期刊分析［J］.科技進(jìn)步與對(duì)策，2022（22）：151-160.

［17］ 劉悅欣，夏杰長(zhǎng).數(shù)據(jù)資產(chǎn)價(jià)值創(chuàng)造、估值挑戰(zhàn)與應(yīng)對(duì)策略［J］.江西社會(huì)科學(xué)，2022，42（3）：76-86.

［18］ 呂欣曼，殷克東，李雪梅.灰色多元變權(quán)組合預(yù)測(cè)模型及其應(yīng)用［J］.統(tǒng)計(jì)與決策，2022，38（14）：25-29.