大数据管理与应用概论 课件 2.2 大数据资产估值

2.2大数据资产估值与交易大数据资产定义数据资产（DataAssets）是指由特定主体拥有或者控制，能够被计算机识别，并且能带来经济利益的信息资源。依托性多样性价值易变性可加工性非实体性个人数据企业数据关系数据数据主体工业数据农业数据医疗数据应用行业第一方数据第二方数据第三方数据获取方式大数据资产价值维度影响数据资产价值的因素主要从数据资产的收益和风险两个维度考虑，数据资产的收益取决于数据资产的质量和数据资产的应用价值。数据资产的质量是应用价值的基础，对数据的质量水平有一个合理的评估，有利于对于数据的应用价值进行准确预测。质量维度应用维度风险维度数据资产质量价值的影响因素包含真实性、完整性、准确性、数据成本、安全性等数据资产应用价值的影响因素包含稀缺性、时效性、多维性、场景经济性。数据资产的风险主要源自于所在商业环境的法律限制和道德约束难点一：资产价值随着不断的加工而改变难点二：价值随着使用次数与人数而改变难点三：价值随着用户的不同存在差异难点四：数据质量相同可能产生不同的价值难点五：数据资产权属分析比较复杂大数据资产价值维度案例：科技大数据价值评估科技大数据是一类能够反映人类科技活动状态和过程的信息资源，可以支持人类洞察新思想、发现新规律、发明新技术、开发新产品。价值类型科研院所高等院校科技企业政府机构使用价值洞察新思想、发现新规律、发明新技术洞察新思想、发现新规律、发明新技术、培养创新人才发明新技术、开发新产品、创新新模式、制定新政策制定新政策象征价值科学研究和社会服务的实力和地位科学研究、人才培养、社会服务的实力和地位市场的竞争地位国家的战略形象大数据资产价值维度案例：科技大数据价值评估科技大数据是一类能够反映人类科技活动状态和过程的信息资源，可以支持人类洞察新思想、发现新规律、发明新技术、开发新产品。大数据资产价值维度案例：科技大数据价值评估科技大数据是一类能够反映人类科技活动状态和过程的信息资源，可以支持人类洞察新思想、发现新规律、发明新技术、开发新产品。科技大数据多元价值链模型与价值评估方法，工程管理科技前沿，202241(3):31-38大数据资产估值方法数据资产价值的评估方法包括成本法、收益法和市场法三种基本方法及其衍生方法。成本法收益法市场法根据形成数据资产的成本进行价值评估通过预计数据资产带来的收益估计其价值根据相同或者相似的数据资产的近期或者往期成交价格大数据资产估值方法关于数据价值的评估，目前业界已有多个数据资产评估模型落地。其中，影响力最大是Gartner的数据估值模型体系（InformationValuationModels）。大数据资产估值方法关于数据价值的评估，目前业界已有多个数据资产评估模型落地。其中，影响力最大是Gartner的数据估值模型体系（InformationValuationModels）。内在价值（IntrinsicValue）：数据资产的潜在可能价值。它主要衡量数据资产的准确性和完整性，以及其他组织获取该数据资产的可能性。业务价值（BusinessValue）：数据资产应用于具体业务时产生的效用，它强调数据资产对业务的适用性和及时性。绩效价值（PerformanceValue）：数据资产对业务绩效目标（如KPI）的影响。绩效价值关注使用该项数据资产能在多大程度提升业务绩效。成本价值（CostValue）：用来评估数据资产在获取过程中的财务成本，也可用来评估数据资产损毁或丢失的财务风险，其作用类似于成本法下的数据资产评估。市场价值（MarketValue）：数据资产在公开交易市场上的财务价值，作用类似于市场法下的数据资产评估。经济价值（EconomicValue）：收益法下的数据资产财务价值减去其使用周期中产生的费用。大数据资产估值方法内在价值衡量的是数据资产的正确性和完整性，以及其他组织拥有它的可能性。这表明，更专有或排他性的高质量和可用数据具有更大的内在价值潜力。内在价值是以下方面的函数:有效性（Validity），记录被认为是正确的百分比；完整性（Completeness），总记录与潜在或假设记录的百分比；稀缺（Scarcity），市场或竞争对手可能也有相同数据的百分比；生命周期（Lifecycle），数据资产的任何给定单位(记录)的合理可用性。大数据资产估值方法优点：是可用的最简单的数据评估模型。数据质量因素可以通过自动分析和基本的市场了解来确定。它可以帮助快速比较不同数据资产的潜力，识别数据质量、数据隐私或数据治理问题，或者识别不应该保留的数据。缺陷：不考虑数据实际或潜在与任何实际商业目的的相关性。大数据资产估值方法业务价值考虑了数据资产对实际业务使用的效用(与内在价值不同)。它解决了数据的好坏程度、对业务的适用程度以及数据的最新程度。通过业务价值，可以方便地了解数据在现实世界中的潜在好处。业务价值是以下方面的函数：相关性（Relevance），数据对一个或多个业务流程的有用程度(0到1)；有效性（Validity），记录被认为是正确的百分比；完整性（Completeness），总记录与潜在或假设记录的百分比；及时性（Timeliness），捕获和访问数据的新实例或更新实例的速度有多快。大数据资产估值方法优点：业务价值将数据与实际业务价值联系起来。实现相对简单，可以考虑实际和潜在的场景。缺陷：业务相关性可能是非常主观的，可能需要进行耗时的分析来确定。大数据资产估值方法绩效价值着眼于数据资产对业务目标的已实现或估计的影响，业务目标表示为关键性能指标(KPI)。该方法回答了以下问题：拥有这些数据能在多大程度上提高业务性能?

PVI是一个简单的比率，通过合并给定的数据资产来计算KPI改进，在任何给定数据实例的可用生命周期进行推断。或者对于多个KPI，总体业绩绩效可以表示为个体业绩绩效的平均值:i=使用数据资产的业务流程实例(知情组)；c=不使用数据的业务流程实例(控制组)；n=测试测量的不同kpi的数量；T=任何数据实例的平均可用寿命；t=衡量KPI的持续时间。大数据资产估值方法优点:是硬性的、经验的测量，是一个很好的预测或金融措施。它介绍了一个不需要进行业务功能级分析的场景。缺陷：需要运行一个或多个实验，可能涉及系统或流程更改。数据集成到流程中的方式会影响结果。它没有考虑将数据合并到流程中的费用。大数据资产估值方法成本价值是将数据资产作为生成、捕获或收集数据所需的财务费用进行评估。亦可表示当此数据资产变得不可用(例如，损坏、丢失)或被盗(特别是复制)时对业务的影响。当数据资产没有活跃的市场且其对收入的贡献不能充分确定时，这种方法是首选的。此外，该模型还可用于评估数据资产损坏、丢失或被盗的潜在财务风险。ProcExp=捕获数据所涉及的流程的年化成本；Attrib=可归因于获取数据的过程费用的部分

；T=任何给定数据实例的平均寿命；t=测量过程费用的时间段；n=直到数据被重新获取，或直到业务连续性不再受丢失或损坏的数据影响的时间间隔。大数据资产估值方法优点：成本价值是评估数据替换成本和如果丢失、被盗或损坏的负面业务影响的最佳方法。会计人员喜欢用这种更保守、更稳定的方法评估大多数无形资产的初始价值。缺陷：一些因素需要评估和主观性。这些成本很可能已经被支出，因此CVI仅仅通过将数据从费用转为资产来表达数据的价值。大数据资产估值方法市场价值着眼于数据资产在开放市场中的潜在或实际财务价值。数据货币化是在贸易伙伴之间进行交易，以换取现金、货物或服务，或其他考虑，如优惠的合同条款和条件。然而，越来越多的公司直接通过托管的数据市场或特定行业的数据代理来销售他们的数据。市场价值是以下方面的函数：ExclusivePrice=独家价格；NumberofPartners=缔约方数量；Premium=溢价。大数据资产估值方法优点：市场价值对确定可销售或可交易的数据资产的价值是最有用的。它还可以用于确定数据产品的价格点，或者进行调整以确保对数据产品收取可接受的许可费用。挑战：对于非市场数据资产，它不是特别适用或有用。它包括高度主观的因素，可能需要广泛的市场分析。数据资产的独占价格可能很难确定或估计。大数据资产估值方法经济价值采用传统的收益法进行资产评估，然后减去与数据的生命周期费用，从而产生数据资产的财务净值。该方法与绩效价值方法一样，是对数据资产实际价值的实证计算。因此，它更多的是一个落后指标，而不是数据价值的领先指标——除非第一个收入期能够被充分估计。经济价值是以下方面的函数：Revenuei=使用数据资产产生的收入(知情组)。Revenuec=不含数据资产的收入(控制组)。T=任何给定数据、实例或记录的平均预期寿命。t=执行经济价值实验