摘要：作为数字经济要素的数据资产，其重要性随着2024年1月1日开始施行的《企业数据资源相关会计处理暂行规定》逐渐显现。为保障数据资产的有序流通与价值挖掘，数据资产价值评估是不可或缺的步骤。以我国具有代表性的运营商中国联通为例，采用层次分析法，结合运营商数据资产价值的影响因素，构建矩阵模型，将运营商数据资产价值从风险类型、质量状况、发展阶段和应用场景4个方面进行权重配比，以期降低主观赋值对估值结果的影响，也为运营商数据资产价值评估研究提供参考。
关键词：运营商,数据资产,层次分析法,价值评估
0引言
在数字经济时代，为了迅速推进数字中国和网络强国的建设，数据要素已成为不可或缺的关键战略资源。目前，我国开放数据集规模约为美国的11%,数据资源开发和利用是巨大的“蓝海市场”。据CIC统计，我国数据要素市场2022年规模达到约815亿元，同比大幅增长49.51%。根据国家工信安全发展研究中心，2025年我国数据要素市场规模近2 000亿元，2022—2025年复合增速将达28.99%。全国数据资产市场总规模8.6万亿元，带动相关产业数字化潜在受益34.4万亿元，叠加衍生市场总规模超60万亿元。在2022年中国大数据1.3万亿元产业规模中，互联网、政府、金融、电信四大领域合计占比79.5%。故本文选取具有代表性的运营商中国联合网络通信集团有限公司（以下简称“中国联通”）为例，对其数据资产价值展开研究分析。
1运营商数据资产价值评估文献综述
周艳秋[1]提出将非线性最小二乘法、高斯牛顿法、层次分析法、系统动力学分析法等多种定量和定性方法引入经典评估优化模型中，以丰富数据资产评估模型参数的测算。汪京[2]提出利用超额收益法、层次分析法及熵值法，重新构建矩阵以获取数据资产客观权重，修正估值结果以降低结论主观性。景思棋[3]尝试将用户黏性系数以及企业规模系数修正梅特卡夫—DEVA模型引入数据资产评估过程，以优化数据资产评估体系。
2运营商数据资产价值的影响因素
数据资产价值主要体现在其分析洞察数据的能力上，原因在于原始数据的价值相对有限。从现阶段我国交易市场产品来看，数据包、数据分析产品及数据分析服务是数据产品主要的交易对象。考虑到运营商积极参与的各类数据产品交易过程中，扮演的角色大多是供给方，故数据资产的定价就站在供给方的角度，结合具体市场情况，从风险因素、质量状况、发展阶段及应用场景四方面影响因素展开分析，具体如下：
2.1风险因素
在法律法规、社会伦理、普遍舆论的因素下，运营商数据资产价值的实现需要达到某一“平衡点”，即只有满足市场条件和法律制度的数据资产才有作为交易品进入市场的资格，价值也因此存在。除传统的法律风险和道德风险外，其他风险也在影响数据资产的价值，如应用场景风险、内部数据管理风险、营销风险等。一般情况认为，数据资产价值与风险因素呈负相关关系。
2.2质量状况
一般消费品价值与其自身的质量状况具有较强的正相关性，而数据资产与传统资产类似，也应遵循这一规律。不同的是，数据资产价值除需要考虑基于数据资产本体的质量状况外，对数据资产衍生品的质量状况也需同步考量，并结合运营商数据规模、真实性、准确性、时效性、完整性等因素，对运营商数据资产价值进行合理评估。
2.3发展阶段
就发展阶段而言，可以说数字经济定义是“数字”的拉动、倍增效应，也推动了数据资产的发展。而处于不同发展阶段的数据资产，产生的经济效益和发展速度并不具有绝对的线性关系。按照数据价值链结构来看，创造价值的主要内容可分为“生成、收集、分析、交换”[4]。当数据进入第三阶段后，才具有创造主要价值的潜力，真正开始发展成为具有高价值量的数据资产[5]。
将进入分析阶段的数据与应用场景结合起来，可分为应用场景初探、经济效益初现以及实现商业化。处于第一发展阶段的数据资产，拥有海量高价值数据，但暂未带来可观收益。过去运营商对外提供的数据服务大多只停留在原始数据输出的层面，以平台服务形式输出，但受平台建设周期、数据资产确权、隐私安全等因素影响，价值难以真正体现，交易附加值相对较低，确权、ESG（环境、社会和公司治理）、安全不可控。处于第二发展阶段的数据资产，过去10年云计算的蓬勃发展为运营商数据应用奠定了技术，数据存储、分布式计算、隐私计算、可视化等生产工具逐渐成熟，加之政策与配套产业环境的完善，尤其是国内运营商的数据价值已具备足够的长期变现能力，交易附加值更高，产业链拉长且各环节均可以受益，能够和信息与通信技术(ICT)等新技术融合，符合确权、ESG、安全可控的要求。处于第三阶段的数据资产交易附加值趋于稳定，产业链初步实现完整闭环，市场成熟，交易量高速增长，基本处于理想状态，符合确权、ESG、安全可控。
2.4应用场景
数据资产处于不同的应用场景下，应用效用大不相同，因而数据资产价值也存在复杂性和差异性。为分析洞察各环节数据资产所贡献的经济价值，从应用场景界定、场景的多维性及场景的兼容性展开分析。
运营商数据资产应用场景界定可从内、外部两个角度展开。内部场景主要是指企业内部数据管理和营销能力的提升，即数据资产的内部增值。以运营商整体视角来看，实际数据应用是提升营销类费用、业务支撑类费用的投资回报率(ROI),本质是降本增效，最终通过息税前利润(EBIT)率和资产周转率的优化反映在运营商综合权益净利率(ROE)的提升上，进而传导到估值端，体现数据价值，且价值空间巨大。外部场景是指数据资产的转让、租售等变现行为，严格遵循数据安全原则，采用模型、核验等形式向社会产出，达到保护个人隐私和提高公共安全的主要目的。
场景的多维性是描述数据类型的复杂程度及代表内容。从运营商数据来看，通话关系网数据、用户上网数据、用户终端信息、通信消费数据等，经过DPI内容解读，分析通话关系圈范围、呼叫时间规律，以掌握用户的实名信息、身份认证、行为特征和社交偏好，实现海量App自动识别，实时推送，引导用户消费行为。
场景的兼容性是指数据集被市场接受的程度，也就是运营商数据产品是否契合市场，越被消费者所需要，价值就越高。运营商数据资产可以通过分析不同场景下客户对定价策略、购买历史和竞争对手定价的反应，获得准确的数据洞察并制定最佳定价策略；可以最大限度地提高投资回报率，根据成本收入情况优化定价策略以提高效率。识别目标客群年龄、性别、偏好、位置等信息，匹配客户最需要的产品，在最合适的时间触达“客户、产品、渠道”匹配的链条反应，提高营销效率及精准度。
3中国联通数据资产评估
3.1公司简介
中国联通的数据要素市场化推进模型是“双基座、一循环”。“双基座”指支撑数据产品生产环节的“工场生产基座”和支撑数据要素流通环节的“市场流通基座”；“一循环”指市场到工场的供需循环，提供数据供给和数据运营两方面服务。而据中国联通年报，2022年联通数据资产收入约达40亿元，较上年增长58%。近年来，中国联通除基本升级、优化数据体系外，为超过20个省级政府、100个地市级政府提供数字政府建设服务，也为25个部委提供大数据能力支撑。
3.2评估参数的确定
3.2.1收益期预测
按照传统企业发展特点，可分为成长期和稳定期阶段，故成长期预测为5年。
3.2.2现金流量(FCFF)预测
中国联通2018—2022年相关财务数据见表1。
根据预测函数 (1) (2) (3 ) 及预测比重测算的结果 ，见表 2。
建立预测函数 ( 1 ) , 预测未来 5 年的营业收入， 经回归选取拟合度 R2 为 0. 977 4 的多项式曲线模型 ：y= 27 . 272x2 - 40. 951x + 2 801 . 1 。对现有数据分析 ，评估对象在销售方面的投入波动较大 ，为提高预测准确 度 ，选择近 3 年销售费用变动趋势为基础进行分析预测 ，得出 销 售 费 用 预 测 函 数 ( 2 ) : y = 2. 4 572x2 -4. 600 5x + 283 . 7 。评估对象研发投入呈现高增长态势， 结合内外部环境变动 ， 响应国家政策 ，对研发创新领 域的高度重视 ，对预测数据不采用平均值法进行 ， 同 样选择趋势分析进行预测 ，得出预测函数 ( 3 ) : y =
1 . 754 5x2 + 1 . 202 6x - 2. 197 5 。
根据预函数(1)(2)(3)测算的结果见表2。
经计算，2023—2027年评估对象FCFF分别为663.17万元、773.22万元、820.76万元、880.47万元、952.36万元。
3.2.3折现率的确定
根据相关数据计算得到Re=10.71%,Rd=3.28%,选取2018—2022年均值作为加权成本WACC计算基数，债务资本占比、权益资本占比分别为43.34%、56.66%,经计算确认加权资本成本WACC=7.49%。
3.2.4无形资产组合比重及贡献率的确定
考虑数据时效性，根据2022年中国联通财务报表计算组合无形资产比重为25.64%。根据中国联通2018—2022年财务报表对无形资产贡献率进行预测分析为18.62%。
3.2.5数据资产价值变化系数
1.构建层次结构模型
数据资产价值指标体系从风险因素、质量状况、发展阶段和应用场景4个角度分析，具体见表3。
2. 权值计算
选用专家打分法对准则层各因素的相对重要程度 进行量化 ，具体结果见表 4 。
CR = 0. 003 9 < 0. l , 通过一致性检验的条件 ，根 据特征向量对应的分值 ， 即得一级指标权重 。结果见 表6 。
根据二级指标 ， 同样通过建立判断矩阵计算得出 权重 ，见表 7 。
最后，根据各因素指标的层次分析排序结果，可计算变化系数为K=1.495 2。
3.3运营商数据资产价值综合计算
上文分析过程及数据进行综合分析，计算组合无形资产价值最终得到中国联通数据资产价值在评估基准日(2022年12月31日）为963.37万元。
4结语
随着数据资产入表政策的加速实施，不仅显著提升了企业对数据资产的重视程度，还极大地激发了市场供需双方的积极性，进一步凸显了对数据资产价值的广泛认可。数据资产已不再是单纯的报表存货，其功能和价值得到了更为丰富的拓展，不仅可以作为抵押贷款的标的，还可作为资本入股参与企业运营。然而，无论数据资产用于何种目的，都需要对其进行更为细致深入的披露，以确保其价值能够得到客观、合理的反映。
本文深入分析了影响运营商数据资产的主要因素，并运用层次分析法将这些因素进行具体化、量化处理。通过这种方法，确定了风险因素、质量状况、发展阶段以及应用场景在评估数据资产价值时的各自权重，进而得出了全面而客观的评估结论。这一评估体系的建立具有双重意义：第一，它有助于企业更精准地划分对数据资产的投入程度，从而更有效地实现管理目标；第二，通过对目标运营商的数据资产价值进行深入分析，期望能够为后续的数据资产价值评估工作提供有益的参考和借鉴。
参考文献
［１］周艳秋.数字经济驱动下数据资产价值评估研究［Ｄ］.北京：首都经济贸易大学，２０２２.
［２］汪京.基于综合赋权法的数据资产价值评估研究［Ｄ］.呼和浩特：内蒙古财经大学，２０２２.
［３］景思棋.数据资产价值评估模型的优化［Ｄ］.武汉：中南财经政法大学，２０２１.
［４］赵建辉.我国企业数据资产会计研究［Ｊ］.新会计，２０２２，（５）：９⁃１２.
［５］刘国英，周冬华.ＩＡＳＢ概念框架下数据资产准则研究［Ｊ］.财会月刊，２０２１，（２１）：６６⁃７１.
［６］蒋嘉莉.媒体数据资产价值评估研究［Ｊ］.中国资产评估， ２０２２，（８）：１４⁃１９，２９.
［７］孙文章，杨文涛.基于多期超额收益法的互联网金融企业数据资产价值评估研究［Ｊ］.中国资产评估，２０２３，（２）：４⁃１８.
［８］葛燕飞.企业数据资产价值评估研究［Ｄ］.太原：山西财经大学，２０２３.
［９］“数据×”乘出新质生产力［Ｎ／ＯＬ］.人民邮电报，（２０２４⁃０２⁃０６）［２０２４⁃０５⁃０９］.
［１０］数据要素产业仍处初生阶段未来或是万亿级体量市场［Ｎ／ＯＬ］.中国基金报，（２０２３⁃１２⁃０７）［２０２４⁃０５⁃０９］
［１１］数据资产入表规定落地算力产业化加速在即［Ｎ／ＯＬ］.中国证券报，（２０２３⁃０８⁃２３）［２０２４⁃０５⁃０９］.
［１２］中国联通.中国联通：奋力走好新时代高质量发展“赶考” 之路［ＥＢ／ＯＬ］.（２０２３⁃０８⁃１４）［２０２４⁃０５⁃０９］．
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/guanlilunwen/79837.html
