基于改进超额收益法的企业数据资产价值评估

段新悦 青海民族大学

引言

移动互联网完成普及，信息化技术与数字化技术高速发展，为社会进步与经济发展带来全新的发展思路。而数据资产相关理论与研究，无法满足商业实际发展需求，资本市场难以解释的现象屡见不鲜。追根溯源，是由于国内企业虽然充分意识到数据资产对于企业创新发展与稳定发展的促进作用，但由于缺乏完善的数据资产市场机制作为支撑，这也导致企业之间的数据资产交易以及数据资产流通缺乏核心参考依据。

一、数据资产特征分析

数据资产与实物资产虽然同属企业资产范畴，但仍然存在些许差异，具体体现在以下方面：首先，数据资产具备非实体性特征，不同于其他企业实体资产以具体的形状呈现，这意味着数据资产不会出现实物资产特有的物理性损耗。其次，数据资产具备依托性特征，这是由于数据资产并不以实体形式存在，因此，需要依托于特定的载体作为数据的储存介质，同时储存介质具备多元化特征，可以是纸质资料，同时也可以是磁带光盘，甚至可以是化学物质与生物物质，这意味着数据资产具备多样性特征，可以单纯的以视频文件表格以及文字形式存在，同时也可以通过拆分组合的方式呈现[1]。再次，数据资产具备加工性特征，精准收集、科学整合的数据资产，对于企业生产经济活动具有重大意义，这也意味着数据资产具备可加工性特征，相关人员需要对收集到的数据信息开展科学整合、科学分析、科学处理，从而确保数据资产的价值充分体现，为企业重大经营决策提供必要的助力与支持。最后，企业数据资产具备价值异变特征，数据资产的价值并不以固定形式存在，而是受到外界因素以及内部不稳定因素影响。但就一般数据资产而言，随着市场环境的不断转变以及时间的流逝数据，资产的价值极易减弱甚至完全消失。不仅如此，面对不同类型的使用者，数据资产的价值也不尽相同。举例说明：待一系列处理技术得到优化与完善之后，改进之前的数据就会出现严重的价值贬值[2]。

二、数据资产的价值构成与评估方法的适用性

(一)价值构成

1.数据成本

由于在数据收集环节会花费一定的人力资源、物力资源以及财力资源、时间成本，因此，收集到的数据信息量越大，数据收集难度与数据资产价值也会随之提升，数据处理成本与数据储存成本亦是如此。不仅如此，数据处理工作需要得到专业技术型人才以及数据处理设备的支持，因此，在对数据开展清洗处理环节，所消耗的人力成本费用以及设备投入力度明显提升，经过处理后的数据价值也将随之提升。储存成本是指在数据储存环节对储存容量提出需求，就会增加数据成本，数据经过科学处理、科学储存后，需要对其开展精准管理，方可确保数据信息的完整性。数据价值需要在交易环节方可充分体现，因此在此环节数据维护与数据运行都会产生费用成本，从而显著提升数据成本[3]。

2.数据质量

数据质量着重体现在数据规模方面、数据完整性方面、数据针对性方面、数据覆盖范围方面、数据相关性方面以及数据外部性方面，涉及的范围会随着数据规模提升而不断提升。相较于小规模数据，大规模数据包含信息更为广泛。信息化时代背景下，企业掌握充足的信息资源，就可以在激烈的社会竞争环境当中占据有利位置，不断提升自身的核心竞争力与市场竞争力。需要注意的是，在数据信息收集环节，需要对数据的完整性以及数据覆盖范围展开深度分析与综合性考量，覆盖程度主要是指数据的广度[4]。互联网资源具备共享性特征，单纯依靠某项技术或某一企业，难以完全掌握整体行业或某个领域的核心信息。因此，企业应当建立长期稳定的合作关系，并且借助各种渠道获取相关资料信息，最大限度实现数据资源共建与信息资源共享，方可确保自身的核心竞争力稳固提升，当企业数据达到特定广度之后，需要对数据的完整性保持高度关注，完整性是考核信息资产价值的重要评价标准，因此，同样需要得到相关人员的高度重视，不完整的数据信息无法为企业重大经营决策提供核心参考依据，甚至会给企业发展带来巨大影响[5]。

3.数据分析能力

数据分析能力着重体现在信息系统方面、消费者需求方面以及人才技能方面。单就信息系统的数据处理工作以及分析阶段工作展开分析，先进的技术手段可以充分挖掘数据、收集数据，挖掘大数据技术数据处理功能，探索数据背后的信息。人才技能与信息技术并存而立，采用不同技术手段所获取的数据深度与数据广度存在明显差异，因此，具备较强数据分析与数据处理能力的企业会获取更多优质的信息，为企业发展提供更加精准的数据信息支持。而消费者需求，则需要从微观经济学这一角度展开分析，科学衡量供需关系，单就正常物品展开分析，当需求高于供给时，则商品价格随之提升，价格是数据资产价值的重要体现形式，价格提升意味着商品价值随之提升；反之，若是在数据资产市场供大于求，则数据资产价格就会随之下降，价格下降意味着数据资产的商品价值下降。

(二)评估方法适用性

采用超额收益法的企业数据资产价值评估，主要是借鉴无形资产评估方式全面进行数据资产的评估，评估方法虽然具有一定的适用性，但是也有一定的局限性。其一，以成本法的角度来讲，数据资产成本具有模糊性，且收益具备不确定性的特点，采用成本法进行数据资产价值的评估，不能确保评估结果和实际价值相符，会导致最终的评估结果低于实际价值；其二，从市场法的层面而言，由于目前尚未形成较为完善的数据资产市场机制，缺乏公开性的交易市场，所以在使用市场法进行数据资产价值评估期间，缺乏参照的对象；其三，从传统收益法的角度而言，在对数据资产价值进行评估的过程中，能准确确定过去的收益额，主要因为当下的企业年度报告内，很难将数据资产信息披露出来，无法准确明确资产的过去收益额，与此同时，在对未来收益额进行预测的过程中，预测的难度较高，所以本文提出改进超额收益模型的方式进行数据资产价值评估，对超额收益模型就那些全面的改进和优化，除了能够有效解决成本法的数据资产价值评估不准确的问题，还能避免收益法缺少市场参照物方面的缺陷问题，通过未来收益的分析形势明确价值横梁的标准，准确评估数据资产的实际价值，由此可见，对超额收益法进行改进，可以确保企业数据资产价值评估的准确性和可靠性，具有一定的推广应用价值。

三、改进超额收益法的优化思路

(一)科学计算企业整体超额收益

在借助超额收益法对企业内部数据资产展开科学评估环节，首先需要科学判定企业当前是否存在超额收益，并且借助企业相关财务数据以及行业数据展开科学对比，科学判定企业超额收益比例。为实现这一目的，企业需要精准测算超额收益率，并且将超额收益率与企业资产总额相乘，最终得出企业整体超额收益，具体计算流程如下：企业净利润除以企业资产总额，减去行业平均利润除以行业平均总额，最终得出超额收益率[6]。而超额收益则可以通过超额收益率与企业资产总额相乘得出。综上所述，国内企业需要选择科学合理的测算方法，得出企业整体超额收益，这是由于超额收益是由企业无形资产创造而成，因此企业需要对无形资产开展细致划分，借助企业整体超额收益与分成率精准计算出企业上一阶段收益额，并且将此项技术作为基础，精准得出数据资产的核心价值[7]。

(二)科学确认过去企业数据资产收益额

1.科学开展组合无形资产分类

在针对企业无形资产展开划分环节，相关人员需要从会计学角度、经济学角度以及管理学角度开展细致划分。首先，结合会计学角度展开分析，将是否在企业财务报表当中披露作为核心评价依据，将企业内部无形资产划分为表外无形资产与表内无形资产两种。单就表外无形资产展开分析，经济学角度将其划分为商誉类无形资产、知识类无形资产以及特许资源类无形资产，其中知识类无形资产包括企业报表当中进行披露的商标以及专利技术、非专利技术、工业设计等一系列无形资产。而特许资源无形资产，则包括企业所拥有的土地使用权、特许权等，对于报表当中因为科学披露的无形资产，结合管理学角度与经济学角度展开分析，将其划分为数据资产关系资产以及人力资产企业管理资产。其中数据资产是指可以为企业带来经济利益的数据信息，其中包含企业在生产活动、销售活动、管理活动以及科技研发活动当中所收集到的数据信息。人力资产是指企业内部员工整体素质能力以及技术水平，是企业在激烈的市场竞争环境当中脱颖而出的基础保障，可以为企业赢得良好的经济收益与社会收益。人力资产主要评价标准为员工受教育水平、员工创新能力以及管理人员素质；关系类资产是指企业经营环节与企业供应链以及政府关系；管理资产包括企业管理制度、企业文化以及特殊内部政策的优势。在此基础上，其他无形资产是指除上述无形资产以外的所有无形资产的总称。不仅如此，部分企业在财务报表当中所披露的无形资产，将客户关系纳入其中，但多数国内企业并未将客户关系在财务报表当中进行披露，因此并未将其作为无形资产[8]。需要注意的是，在组合无形资产分类的过程中，为确保各类分类方式的科学性与合理性，制定完善的资产分类方案和计划，邀请相关的专家学者和技术人员，按照企业数据资产的特点和实际情况，系统化进行组合，无形资产的分类处理，有效进行数据资产价值的评估提供保障。

2.选择层次分析法，科学判定数据资产收益额

新时期背景下，企业可以选择层次分析法，结合无形资产指标体系，科学判定数据资产的实际收益分成率，将分成率与企业整体超额收益相乘，得出企业在某一阶段的数据资产收益额[9]。在科学应用分层分析法判定分成率环节，由于表内无形资产当中一系列无形资产的比例，可以借助年度财务报表求得，因此，在实际操作环节，仅需要对表外无形资产展开科学测算。具体步骤如下：首先，科学构建层次结构模型；其次，科学构建判断矩阵；再次，科学计算判断矩阵的最大特征值以及与之对应的特征向量；最后，通过一次性检验，对判断矩阵开展检验工作。除此之外，还需要科学计算一系列无形资产的权重，在经过一次性检验后，对判断矩阵的最大特征值以及与之对应的特征向量开展规划处理，分别计算各个层次判断矩阵的全向量，并且将企业阶段性超额收益与分成率相乘，最终得出企业过去一段时间的数据资产收益额。在使用层次分析方式进行数据资产收益额判断的过程中。

(三)对未来数据资产收益额展开科学预测

结合目前形势而言，企业科学预测未来数据资产收益的方法如下：首先，针对企业未来财务指标展开科学预测，并且以此为基础，科学计算企业整体超额收益。借助科学判定分成率，对间接测算数据资产的未来收益额展开科学测算。其次，借助过去资产收益额制定出相关的统计模型，对企业未来资产收益额展开科学预测，其中第一种方式需要针对企业财务指标与行业财务指标展开科学对比、科学预算，耗时耗力，同时预测结果具备不稳定性特征。因此，国内企业可以选择第二种方法对数据资产未来收益额展开科学预测，在借助第二种方法开展未来数据资产收益额预测环节，可以借助定量数学预测模型结合特定时间顺序进行模型分析。需要注意的是，数据资产的发展是在数据经济时代与互联网时代发展之下应运而生的，多数企业并未精准记录或者不存在数据资产的相关数据，而灰色预测模型则缺乏原始数据，会受到外界因素以及内部问题因素影响，预测结果无法得到有效保障。为此，企业需要对原始数据展开科学处理，形成具备规律性特征的数据顺序，并且科学构建微分方程，科学预测事物未来发展规律，方可显著提升未来数据资产收益额的预测效果。

四、结语

总而言之，改进超额收益法，是对企业数据资产价值展开科学评估的有效途径，二者之间具有诸多互通之处。在此形势下，企业可以通过科学计算企业整体超额收益、科学开展组合无形资产分类、选择层次分析法，科学判定数据资产收益额、对未来数据资产收益额展开科学预测等方式开展数据资产价值评估，在显著提升数据资产评估工作效率的同时，充分发挥数据资产价值评估工作的作用与价值，显著提升数据资产利用率为企业的经济收益与社会收益提供保障，为企业健康发展、可持续发展提供助力与保障，确保企业可以在激烈的市场环境当中脱颖而出，在为自身赢得良好发展前景与广阔发展空间的同时，也为社会经济发展奠定坚实稳固的基础。