下载掌阅APP，畅读海量书库
立即打开
198. 数据资产评估（Data Asset Evaluation）： 是专业领域内对数据资产在特定时间点（即评估基准日）进行客观、公正和科学的评定与估算。这一过程需由资产评估机构及其具有相关专业资质的人员，在严格遵守相关法律、行政法规以及资产评估行业准则的前提下进行。
199. 数据资产评估遵循的法则（Rules Followed in Data Asset Evaluation）： 是指在进行数据资产评估时，必须严格遵守包括法律、行政法规、行业准则及专业操守在内的一系列原则和规范，以确保评估工作的客观性、公正性、合法性和准确性。
200. 数据资产的基本情况（Basic Situation of Data Assets）： 主要包括数据资产的信息属性、法律属性、价值属性等，这些方面共同构成了数据资产的基础框架。
201. 信息属性（Information Attributes）： 是数据本身所具备的特性，影响数据的可用性、准确性和潜在价值，主要包括数据类型、数据结构、数据格式等基础性描述，以及数据规模、存储方式、数据更新周期、产生频率等技术性和动态性特征。这些特性共同影响着数据的时效性和价值评估。（来自“数据资产的基本情况”词条）
202. 法律属性（Legal Attributes）： 是指数据在法律层面所具备的特性，主要涉及数据的权属、权利限制和法律责任等。数据资产的法律属性主要包括授权主体信息、产权持有人信息，以及权利类型、权利范围、权利期限、权利限制等详细的权利信息。（来自“数据资产的基本情况”词条）
203. 价值属性（Value Attributes）： 是指数据在经济和社会层面所具备的价值特性，这些特性决定了数据的潜在价值和市场价值。数据资产的价值属性主要包括数据覆盖地域、数据所属行业、数据应用场景、数据质量、数据稀缺性及可替代性等。（来自“数据资产的基本情况”词条）
204. 数据资产特征（Data Asset Characteristics）： 包括非实体性、依托性、可共享性、可加工性、价值易变性等。
205. 非实体性（Intangibility）： 是指数据资产无实物形态，以电子形式存在，依赖于电子存储介质如硬盘、云存储等。这一特性使得数据资产可以跨越地域限制进行传输和共享。其核心价值完全由数据内容本身决定，且非实体性也衍生出数据资产的无消耗性，即其不会因为使用而磨损、消耗。（来自“数据资产特征”词条）
206. 依托性（Dependency）： 是指数据资产必须依赖于特定的物理或逻辑介质进行存储的特性。这些介质包括硬盘、固态硬盘等物理介质，以及云存储等逻辑介质。同一数据资产可以同时存储于多种介质中。（来自“数据资产特征”词条）
207. 可共享性（Shareability）： 是指在确保数据安全和隐私保护，以及遵守相关法律法规的前提下，通过适当的权限控制和访问管理机制，数据资产可以被合法地复制、分发，并被多个主体共享和应用。这种特性促进了数据资产的充分利用和价值的最大化。（来自“数据资产特征”词条）
208. 可加工性（Processability）： 是指数据资产可以通过更新、转换、整合、分析、挖掘等处理方式，改变其状态及形态，以满足不同应用需求的能力。（来自“数据资产特征”词条）
209. 价值易变性（Value Variability）： 是指数据资产的价值易发生变化，其价值随应用场景、用户数量、使用频率以及市场需求的波动等的变化而变化。（来自“数据资产特征”词条）
210. 数据资产价值的影响因素（Factors Affecting the Value of Data Assets）： 包括成本因素、场景因素、市场因素和质量因素。
211. 成本因素（Cost Factors）： 包括形成数据资产所涉及的前期费用、直接成本、间接成本、机会成本和相关税费等。（来自“数据资产价值的影响因素”词条）
212. 场景因素（Scene Factors）： 包括场景适配性、商业模式创新潜力、市场前景与增长潜力、财务预测与收益分析、应用风险与合规性等。（来自“数据资产价值的影响因素”词条）
213. 市场因素（Market Factors）： 包括数据资产相关的主要交易市场、市场活跃程度、市场参与者的多样性和行为模式以及市场供求关系等。（来自“数据资产价值的影响因素”词条）
214. 质量因素（Quality Factors）： 包括数据的准确性、一致性、完整性、规范性、时效性和可访问性等。（来自“数据资产价值的影响因素”词条）
215. 准确性（Accuracy）： 是指数据正确反映其描述对象或现象真实状态的程度（来自“质量因素”词条）
216. 一致性（Consistency）： 是指数据项之间及其与描述对象之间在逻辑上的一致性，即数据项之间的关系应严格遵循预定的业务规则或逻辑约束，以确保数据的准确性和合理性。（来自“质量因素”词条）
217. 完整性（Integrity）： 是指数据在收集、处理、存储和传输过程中的完整性，不出现数据项缺失、记录丢失或信息被截断等情况，以确保数据的全面性和可用性。（来自“质量因素”词条）
218. 规范性（Normalization）： 是指数据是否按照统一的格式和标准进行存储和编码，如标准编码规则。（来自“质量因素”词条）
219. 时效性（Timeliness）： 是指数据在有效的时间范围内被及时获取、处理和使用，以满足决策或分析需求的能力。（来自“质量因素”词条）
220. 可访问性（Accessibility）： 是指数据的可访问程度，包括数据的物理可访问性（如存储位置的可达性）和逻辑可访问性（如数据格式的兼容性、访问权限的设置等）。（来自“质量因素”词条）
221. 数据质量的评价方法（Methods for Data Quality Evaluation）： 包括但不限于层次分析法、模糊综合评价法以及基于这些方法的专家评估（如德尔菲法收集专家意见）等。
222. 层次分析法（Analytic Hierarchy Process，AHP）： 是指将与决策问题有关的元素分解成目标、准则、方案等层次，然后基于这些层次进行定性和定量分析，以辅助决策的决策方法。
223. 模糊综合评价法（Fuzzy Comprehensive Evaluation）： 是一种基于模糊数学的综合评价方法。它利用模糊数学的隶属度理论，把定性评价转化为定量评价，并通过数学计算和分析，对受到多种因素制约的事物或对象做出一个总体的、定量的评价。
224. 德尔斐法（Delphi Method）： 是一种结构化的、采用匿名方式征询专家意见的方法。其流程是首先对所要预测的问题征得专家的意见之后，进行整理、归纳、统计，再匿名反馈给各专家，再次征求意见，再集中，再反馈，直至得到一致的意见，最后得出预测结论。
225. 数据资产价值的评估方法（Evaluation Methods for Data Asset Valuation）： 主要包括收益法、成本法和市场法这三种基本且常用的方法，以及它们的衍生方法。
226. 数据资产价值评估方法选择的原则（Principles for Selecting Methods for Data Asset Valuation）： 资产评估专业人员应当综合考虑评估目的、评估对象特性、价值类型要求、资料收集情况等因素，分析成本法、市场法和收益法三种基本评估方法的适用性，并据此选择最合适的评估方法。
227. 收益法（Income Approach）： 也称为收益资本化法、收益还原法，是一种用于评估数据资产价值的重要方法。该方法基于对未来正常净收益的预测，通过选用适当的折现率将未来收益折现至某一特定时点（通常是评估基准日），并将各期折现值累加，得到的现值即作为数据资产的客观合理价值或价格。
228. 成本法（Cost Approach）： 是指基于重新构建或购买与被评估资产具有相同或相似功能的替代资产所需的成本，即重置成本（当前成本）或历史成本（原始购置成本），来估算资产价值的方法。在评估过程中，该方法会充分考虑资产的折旧或贬值因素。
229. 市场法（Market Approach）： 也称为市场价格比较法，是一种通过比较被评估资产与最近售出的类似资产在交易条件、功能、用途及新旧程度等方面的异同，并参考其市场价格进行适当调整，确定被评估资产价值的评估方法。市场法因其能够直接体现市场供求关系和资产的市场价值而具有较强的直观性和说服力，但前提是市场上存在足够数量且可比的交易案例，且这些案例与被评估资产在关键方面都具有较高的可比性。然而，市场法也可能因市场不活跃、交易案例稀缺或可比性不足等因素而受到限制。
230. 采用收益法评估数据资产注意事项（Matters Needing Attention in Evaluating Data Assets by Income Approach）：
（1）结合数据资产的历史应用情况、未来发展趋势以及企业的经营状况，深入分析数据资产经济收益的可预测性，并审慎考虑收益法的适用性；
（2）确保预期收益与数据权利类型相匹配，以避免评估偏差；
（3）在估算预期收益时，可根据实际情况灵活选择直接、分成、超额或增量收益预测等方式；
（4）明确区分数据资产和其他资产的收益，细致分析相关预期变动、收益期限，以及与收益相关的成本费用、配套资产、现金流量及风险因素；
（5）综合考虑数据资产应用过程中的管理、流通、数据安全、监管等风险，合理估算折现率，确保评估结果的准确性；
（6）确保折现率与预期收益在逻辑上的一致性，以维护评估逻辑的严密性；
（7）全面考虑数据资产的法律有效期限、合同有效期限、更新时间、时效性、权利状况以及相关产品生命周期等因素，科学合理地确定数据资产的经济寿命或收益期限，并重点关注其在收益期限内的实际贡献。
231. 采用成本法评估数据资产注意事项（Matters Needing Attention in Evaluating Data Assets by Cost Approach）：
（1）综合考虑形成数据资产所需的全部投入成本，深入分析数据资产价值与这些成本之间的相关性，并审慎考虑成本法的适用性；
（2）准确确定数据资产的重置成本，包括前期费用、直接成本、间接成本、机会成本和相关税费等所有可能的相关成本；
（3）在确定数据资产价值时，还需充分考虑各种可能影响其价值的因素，并基于这些因素设置合理且科学的调整系数。这些因素主要包括数据的质量、时效性、完整性、可访问性以及数据资产的剩余经济寿命等。针对这些因素，应依据具体情况进行细致的综合分析和量化处理。
232. 采用市场法评估数据资产注意事项（Matters Needing Attention in Evaluating Data Assets by Market Approach）：
（1）全面评估市场环境：首要的是，需确认该数据资产或类似数据资产是否存在一个合法、合规且活跃的公开交易市场，以及市场上是否存在足够数量且具有可比性的案例，从而审慎考虑市场法的适用性；
（2）精心选择可比案例：根据数据资产的具体特点，严格选择具有相同或高度相似数据权利类型、数据交易市场及交易方式、数据规模、应用领域、应用区域及剩余年限等关键属性的可比案例；
（3）细致进行差异分析与调整：全面对比被评估数据资产与所选可比案例在质量、供求关系、交易日期、数据容量等方面的差异，并充分考虑其他可能影响价值的因素。基于这些差异分析，科学合理地确定调整系数，确保调整后的结果能够真实、准确地反映数据资产的实际价值，并进行系统的汇总分析，最终得出科学、合理的价值评估结果。
233. 国有资产评估管理（Evaluation and Management of State-owned Assets）： 依据《国有资产评估管理办法》《企业国有资产评估管理暂行办法》等相关法律法规，国有企业在进行数据资产的改制、合并、分立、破产清算、国有股东股权比例变动、产权转让、整体租赁等产权变动行为，以及涉及数据资产的对外投资、转让、置换、偿还债务等非诉讼性资产处置行为时，均需依据经济行为的具体类型对数据资产或股权的价值进行专业评估。
234. 单独出具数据资产的资产评估报告时应当说明的内容（A Separate Asset Appraisal Report on Data Assets should Include the Following Contents）：
（1）数据资产的基本信息和权利状态，明确数据的来源、类型、权属及合法性等核心信息；
（2）数据质量的评价概述，包括评价目的、评价方法、评价结果及存在的问题分析等；
（3）数据资产的应用场景，以及应用中所涉及的地域限制、领域限制和法律法规约束等；
（4）与数据资产应用场景相关的宏观经济环境、行业发展趋势及未来预测；
（5）清晰列出评估所依据的信息来源，以保证评估结果的可靠性、准确性和可追溯性；
（6）详细说明评估过程中如何利用专家咨询、评审等方法和手段，以及具体引用了哪些专业报告的内容，并明确注明报告的来源、出具单位、发布日期及有效期等关键细节；
（7）提供其他必要的相关信息和说明。
235. 单独出具数据资产的资产评估报告时应当说明评估方法的内容（A Separate Asset Appraisal Report on Data Assets should Explain the Details of the Appraisal Approach）：
（1）评估方法的选择及其理由：包括所选方法对数据资产特性的适应性、评估目标与评估方法的匹配程度以及评估结果的可靠性等方面的考虑；
（2）重要参数的详细阐述：需详细阐述各重要参数的来源、获取方式、分析过程、比较依据及测算方法，并强调这些参数对评估结果的重要影响及为确保其准确性所采取的措施；
（3）评估结论的形成过程：对测算结果进行分析，形成评估结论；
（4）评估结论的假设前提和限制条件：清晰说明评估结论成立的假设前提和限制条件，以确保评估报告的使用者能够正确理解和应用评估结果。
236. 资产评估的主要程序（Main Procedures of Asset Appraisal）： 包括制定详细的资产评估计划，进行全面的现场调查以收集关键信息，广泛收集、系统整理并深入分析评估资料，以及依据评定估算结果形成最终结论。
237. 数据资产评估的具体操作（Specific Operations for Data Asset Appraisal）：
（1）根据资产评估业务的实际需求和具体情况，制订详尽的评估计划，合理确定评估工作的主要步骤、时间进度及资源分配等；
（2）对资产评估业务涉及的评估对象，采用询问、访谈、核对、实地勘查等多种现场调查方式，全面获取资产评估所需资料，深入了解评估对象现状，并重点关注其法律权属；
（3）根据资产评估业务的实际情况，对收集的评估资料进行系统的分析、归纳和整理，形成评定估算的坚实基础；
（4）基于评估目的、评估对象、价值类型及资料收集情况，综合分析市场法、收益法和成本法等评估方法的适用性，谨慎选择最合适的评估方法及评估参数进行计算和判断，形成科学、客观、公正的评估结论。
238. 数据资产评估过程中需关注的因素（Factors Needing Attention in the Process of Data Asset Appraisal）：
（1）根据《数据资产评估指导意见》，需要全面了解和关注数据资产的信息属性、法律属性和价值属性等核心属性；
（2）信息属性主要包括数据名称、数据结构、数据字典、数据规模、数据周期、数据更新频率及存储方式等；
（3）法律属性主要包括授权主体信息、产权持有人信息，以及权利来源、权利类型、权利范围、权利期限、权利限制、权利变更、权利转让等权利状态信息；
（4）价值属性主要包括数据覆盖地域、数据所属行业、数据成本信息（包括收集、处理、存储等直接成本）、数据应用场景、数据质量状况、数据稀缺性及数据的独特性或可替代性等。
239. 数据资产凭证（Data Asset Certificate）： 是指数据交易所通过采用区块链技术，将数据资产的原始取得信息、加工脱敏信息、合规性信息、数据质量评价信息、数据资产持有人对权属的明确声明信息、数据资产的交易流转等信息进行记录存档，并赋予数据资产唯一标识编码的一种登记凭证，该凭证使数据资产具备唯一身份标识，有助于保障数据资产在确权、交易、授权和维权过程中的可信度。
240. 数据资产凭证的作用（Function of Data Asset Certificate）： 一方面能够厘清权责、节约专业资源，为资产评估提供高度可信的依据；另一方面，通过记载的准确交易信息，基于科学的分类方式和特征标签积累并分析数据资源的交易案例，可以形成丰富的、持续观测的交易案例信息。这些交易案例信息为持续监测数据资产公允价值提供了直观条件，从而便于采用市场法对数据资产进行评估，进而形成更加合理和科学的评估结论。