基于多期超额收益模型的数据资产价值评估

摘要：随着信息科技的发展与大数据时代的到来，大数据资源和技术已成为企业的核心资源。数据资产化与数据资产列入企业财务报表正成为业界的共识与呼声，因此，科学评估数据资产价值对企业发展具有重要意义。本文以K企业为例，通过对三种传统评估方法进行比较分析，构建多期超额收益模型来评估近五年K企业数据资产的价值，希望能为医疗企业的数据资产评估提供参考。关键词：数据资产;价值评估;多期超额收益法引言大数据发展日新月异，将大数据进行资产化已是产业界和学术界的共识。中央全面深化改革委员会第二十六次会议强调，要统筹推进数据资产、交易流通、收益分配、安全治理，加快构建数据制度体系。确立数据的资产地位，量化地呈现数据资产的价值信息，构建数据资产管理体系，推动数据资产合规应用，都具有重要的理论与实践意义。现阶段，我国对数据资产的研究，在理论上提出了数据资产的概念，用现行会计学的理论诠释数据，并提出了相应的确认、计量思路与方法，但缺少实际案例的支持，跨学科、系统性的研究甚少。本文基于医疗企业，以K企业为例，提出了一套量化数据资产价值的可行的路径和方法，希望能为企业解决在建立数据资产管理会计机制方面面临的主要难题提供思路，从而推动企业数据资产管理体系的建设和创新。一、数据资产理论概述（一）数据资产的内涵RichardE.Peterson于1974年提出了数据资产这一概念，认为数据资产涵盖与证券等财产相似的属性。随着时代的演进，数据资产的含义已远超其初始定义。此后，学者们主要从资产属性和数据属性两个维度对数据资产进行界定。在资产属性方面，Ellis和李雨霏等学者将数据资产定义为企业拥有所有权或使用权，能够在未来为企业带来经济利益的数据资源，这些资源以某种形式被记录并保存[1]。从数据属性的角度来看，Zhang等学者将数据资产描述为企业主动或被动收集，通过加工处理能够为企业创造利润的数据集合。朱扬勇和叶雅珍则将数据资产定义为在网络空间中具有实体性、可读性、价值性和可计量性的数据资源[2]。通俗来讲，企业的资产是能够在未来期间给企业创造经济利益的经济资源。随着企业的数据资产管理从信息化时代转变成目前的数据要素化时代，对数据资产的定义也做了一定的规范和说明。近年颁布的《数据资产管理实践白皮书（6.0版）》中提到，企业合法拥有或者控制的，能交易和量化的，预期可以给数据资源拥有企业带来经济价值的数据，如数据库、视频等，均被视为数据资产。然而，那些无法或不适宜进行标准化量化，无实际分析与使用价值的原始数据，不宜被归类为数据资产。（二）数据资产的特征数据资产的存在与计量依赖于实体媒介。数据资产的三个特征：一是价值增值性。意味着数据资产的价值与应用场景紧密相关，可通过深入分析和扩展转化为新的数据产品。二是高风险性。由于目前对数据安全、数据治理相关的法律法规不够健全，造成其评估难度大，使用风险高。三是时间性。数据资产价值随时间、环境和用户需求变化，需要在特定时间内利用以获取最大价值，否则可能导致价值流失。（三）数据资产的估值方法一是市场法。依据市场价格和供求关系评估企业资产，要求有活跃的资本市场和可比较的交易数据。市场活跃度越高，评估结果越真实。二是实物期权法。适用于具有期权特性的数据资产，视期权为风险规避工具。企业根据数据资产的潜在收益与成本决定是否保留或放弃。三是超额收益法。计算企业超过市场平均收益的部分，通过增量、分成或差量法来测算。该模型减少评估主观性，对数据资产评估具有一定参考性。二、数据资产估值案例分析（一）案例介绍K企业成立于2007年，专注于提供可靠的医疗健康产品和全面解决方案。公司产品种类繁多，业务覆盖健康监测、康复辅助、呼吸支持、医疗护理和中医理疗等领域。经过多年发展，已成为个人健康管理领域的领军企业，集研发、生产、销售和服务为一体。（二）对K企业的数据资产价值进行估计通过对比分析，选择超额收益法。评估思路是：在企业自由现金流中，剥离出流动及非流动资产的贡献数值，进而得到数据资产的超额收益，并以此计算结果作为数据资产价值评估的依据。1.评估对象K企业的数据资产。2.评估范围对评估对象的用户行为数据、可深度挖掘的内容数据、数字化数据进行价值评估。3.评估基准日2024年12月31日。4.收益期以K企业2019年至2023年的年报数据为依据，将2024年—2028年作为收益期分析。5.自由现金流量营业收入。通过审阅企业年报，可以观察到K企业在2019年至2023年期间的营业收入总体呈现增长态势，尽管增长率表现出一定的波动性。特别地，2020年的增长额达到近五年来的最高点，这一现象主要归因于疫情的影响。综合分析，K企业的未来发展预期将保持稳定。基于此，以21.24%的平均收入增长率进行预测，2024年—2028年的营业收入分别是34.6亿元、41.95亿元、50.86亿元、61.66亿元、74.76亿元。在采用常用的函数进行拟合分析时发现，通过拟合度分析，函数为y=5.3474x+6.5381，R2=0.8085，由此得出K企业2024年—2028年拟合收入的预测情况，2024年—2028年的营业收入分别是38.62亿元、43.97亿元、49.32亿元、54.66亿元、60.01亿元。本次评估中营业收入最终预测取以上平均，2024年—2028年的营业收入分别是36.61亿元、42.96亿元、50.09亿元、58.16亿元、67.39亿元。各项成本费用预测。一是营业总成本预测。2019年—2023年K企业营业总成本占营业收入的比重集中在80%～90%，取五年平均值为86.28%作为预测标准。资本性支出预测。选取2019年—2023年K企业主营收入中2.40%为资本性支出，作为预测依据。营运资本增加额。其产生原因主要是由于流动资产大于流动负债，取2019年—2023年K企业营运资本增加额占营业收入比重的平均3.22%作为预测依据。折旧与摊销。选取2019年—2023年K企业折旧与摊销占营业收入比重的平均2.81%作为预测依据。最终2024年—2028年的自由现金流分别是1.93亿元、2.27亿元、2.65亿元、3.08亿元、3.57亿元，详见表1。6.折现率在计算折现率时，采用了加权平均资本成本方法，该法综合考虑了债务及股权资本成本，分别是Rd和Re，根据债务及股权占比计算得出。通过分析K企业近五年负债情况，主要是短期负债，选用央行的一年期商贷利率3.65%，作为债务成本Rd。无风险利率选择五年期国债利率2.50%，即式（1）中的Rf。通过查阅wind官网，2024年贝塔系数为0.7692。另外，根据近20年的上证综合指数，得出市场平均收益率Rm为9.03%。K企业所得税率15%，根据年报披露数据，债务比重占21.40%，股权比重占78.6%，将上述数据代入式（1）、（2）：Re=Rf+β×（Rm-Rf）（1）WACC=Re×E/（E+D）+Rd×D/（D+E）×（1-T）（2）根据式（1）、（2），K企业Re为6.57%，WACC为7.52%。7.其他相关贡献额首先，预测固定资产贡献数值，以2019年—2023年的数据为基准，计算得出固定资产折旧额大约占主营收入中的0.38%。总资产的平均年增长率达到了15.92%，而固定资产在总资产中的比重为1.32%。至于固定资产的投资回报率，参考过去五年的银行贷款平均利率，即4.90%。其次，预测流动资产贡献数值，以2019年—2023年的数据为基准，计算得出流动资产占主营收入比重6.34%。在此基础上，我们选择2023年银行一年期贷款利率3.65%，作为投资回报率基准，预测未来连续五年流动资产贡献数值。再次，医疗企业的无形资产相比传统企业，比重较大。K企业除表内无形资产外，还有众多难以量化的无形资产，本次价值评估借助“人力成本”，以报表中“应付职工薪酬”为基准，测算贡献度，占营业收入比重大约为9.78%，wind网显示，目前我国的人才贡献率为33.5%，分析人力资本贡献数值。最后，2024年—2028年的数据资产现值分别是0.78亿元、1.03亿元、1.32亿元、1.67亿元、2.07亿元，合计6.87亿元。三、开发数据资产价值的建议（一）优化开发流程通过对数据资产进一步加工利用，实现现有数据资源化。一方面，数据资源量较大的企业应设置专业数据分析部门，通过技术优化及算法迭代，对数据资产实现全方位、宽维度分析。另一方面，需要与业务部门紧密合作，以实际业务需要为抓手，挖掘数据潜在利用价值，提升企业核心竞争力。（二）打通数据收集过程为了加强数据的可利用性，应结合业务对数据资源实现全流程收集，以提高数据的应用效率与价值。数据资产不同于传统的实物资产，其融合性及互通性十分显著。通过加强类似性质企业间的数据联通，将同行类似业务的数据进行整合分析，可大大消除数据信息障碍，以便于进一步利用数据资产来降低企业业务成本。（三）丰富数据检测手段首先，制定统一的数据标准对实现数据规范化治理极其重要，它能确保数据的可行度，对于目前暂时无法利用的数据资源，也可以规范有序地实现系统保存归档。其次，丰富的数据检测手段能够筛除与过滤一部分无效及错误数据，提升数据资产的可利用性，也便于构建相对合理的数据资源评估体系。最后，考虑到部分数据的安全及保密性需求，应在满足数据安全管理的前提下，对这部分数据进行分析检测