数据资产名词解释及盘点、估值思路

type

Post

status

Published

date

Nov 23, 2023

slug

content-fe9fefee-f73b-4534-907e-752f2b9b475d

summary

在进行数据资产评估时，需要综合考虑原始数据、数据资源和数据资产这三个层面的特点，并且根据它们的独特性采取不同的盘点和估值方法。原始数据 - 特点：原始数据通常无序、混乱，含有重复、错误或不完整的信息。 - 盘点方法：重点在于核实数据量的准确性，以及数据完整性的基础确认。 - 估值方法：主要采用成本法，但需注意成本与价值之间的弱对应关系。数据资源 - 特点：数据资源是经过整理、清洗、分类的有序数据，具有潜在价值。 - 盘点方法：涉及数据资源量化指标的确定和质量评估，如准确性、完整性和时效性。 - 估值方法：结合成本法、市场法和收益法，但要注意这些方法在反映数据资源价值时的局限性。数据资产 - 特点：数据资产是数据资源与方法论的结合，已具备明确的使用场景和方向。 - 盘点方法：参考数据资源和原始数据的盘点方法，同时评估方法论的适用性和效率。 - 估值方法：建议使用收益法，重点考虑数据资产在实际应用中的收益。在整个评估过程中，需要强调的是，数据资源与方法论的不同组合方式会产生不同的商业价值。因此，在进行数据资产的估值时，必须考虑其在特定商业环境中的实际或预期使用，以及不同业务场景下的数据资源和方法论组合。估值不仅是量化的过程，还涉及对数据如何被应用和利用的深入理解。此外，还需注意估值的非线性特性，即在不同市场环境、数据规模、方法和数据质量下，数据资产的价值会有显著差异。

category

技术分析

icon

password

原始数据（关键字：无序、混乱）：是数据收集的最初阶段，通常是未经加工的，可能包括重复、错误或不完整的信息

数据资源（关键字：有序，潜在价值）：当原始数据被整理、清洗、分类后，这个过程可能包括去除无关或错误的数据、标准化数据格式、整合来自不同来源的数据等步骤。

数据资产（关键字：确权，有价值）：数据资产是一种价值概念，实际上它是数据资源和方法论的合集。

方法论是指处理数据资源的方法。

方法论可以被视为数据资产的一部分的。这些方法包括数据分析技术、数据管理策略、算法、软件工具等，它们在将数据资源转换为有价值的数据资产的过程中发挥着关键作用。以下是几个关键点：

技术和方法论：如数据挖掘技术、机器学习算法、统计分析方法等，它们用于从数据中提取有价值的信息和洞察。

数据管理策略：包括数据整合、数据质量控制、数据安全和隐私保护等，这些都是确保数据资产价值最大化的关键组成部分。

软件和工具：如数据库管理系统、数据可视化软件、数据分析平台等，它们是处理和分析数据的重要工具（可能会被视作另外一类无形资产）。

专业知识和技能：数据科学家、数据分析师、数据库管理员等专业人员的知识和技能也是数据资产的重要组成部分（可能会被视作人力资源）。

数据要素（关键字：关键字，最小单位）：数据要素是指构成数据记录的最小命名单位。它通常指的是表格中的单个列或字段，例如“客户姓名”、“产品价格”等。每个数据要素都有其特定的数据类型和格式，它是构建更复杂数据结构的基本组件。

对于数据资产的盘点、估值工作的一点思路：

对于三类数据盘点核实、估值方法工作有所差别，总体而言检查数据的可访问性和是否符合相关法律法规，如数据保护法律等法律因素都需要前置，不具合法性的数据不可以评估。比如未授权的个人隐私数据等。

原始数据

在数据资产评估中是一个比较特殊的类别，它的价值通常难以精确确定。要评估原始数据的价值，以下是一些可能的步骤和考虑因素：

盘点原始数据: 这个步骤是为了核实申报的数据量是否准确。例如，如果有400T的销售记录被申报，那么通过人工或自动化手段核对这些记录的实际数据量。这不仅是对数据量的一个核实，只是对数据完整性的一个基础确认。

估值方法的选择: 在估值方法上，对于原始数据而言，首推成本法。成本法是基于收集、储存和处理这些数据所花费的成本来估算其价值。相对而言，市场法和收益法不太适用于原始数据。市场法需要有相似数据的市场交易信息作为参考，而收益法则依赖于数据带来的预期收益，这在原始数据阶段往往难以准确评估。

需要强调披露: 在评估原始数据时，需要特别强调成本和价值之间的弱对应关系。原始数据未经清洗和整理，可能包含大量冗余、错误或不相关的信息，因此它的实际价值可能与投入的成本并不完全成正比。原始数据的价值在很大程度上取决于其潜在的可用性和有效性，这需要进一步的处理和分析来揭示。

数据资源

数据资源已经经历过整理，质量和完整性，对比原始数据有了质的变化。以下是一些可能的步骤和考虑因素

我们需要关注到一些内容，即数据要素，例如“客户姓名”、“产品价格”等，数据机构化过程中的各种“关键字“以及对应的”数值“。

盘点方法:

量化数据资源: 需要精确地确定数据资源的量化指标，如数据总量、类型、来源等。这不仅包括数据的数量，还包括数据的多样性和覆盖范围。

质量评估: 对数据的质量进行深入评估，重点关注其准确性、完整性和时效性。高质量的数据通常意味着更高的可用性和价值。

估值方法的选择:

成本法: 考虑原始数据的获取成本加上清洗和整理的成本，但需要注意成本与价值之间可能存在的弱对应性。

市场法: 参考市场上类似数据资源的交易价格，结合具体的数据要素和质量评估进行对比。（找到合适的市场案例和确立评估指标可能是一个挑战）。

收益法: 通过估算数据资源可能带来的直接或间接收益进行估值。尽管此方法可行，但其反映的是数据资产的价值，而非数据本身的价值，且依赖于所选用的评估方法论。

需要强调的披露内容:

成本法: 需要强调成本与价值之间的非直接对应关系，提醒利益相关者不应简单地将成本等同于价值。

收益法: 在使用收益法时，要指出数据资源的价值依赖于数据资产的整体评估，不同的评估方法可能导致不同的价值判断，这种差异可能会使得数据资源的价值评估存在一定的主观性和不确定性。

数据资产

数据资产，是数据资源和方法论和合集，已经有了明确的使用场景和方向，是一个整体。

1、盘点方法：

数据盘点参考，数据资源，原始数据的盘点验证方法。

方法论核实的适用性和效率：分析数据资产中使用的方法论，包括数据处理、分析方法和工具的有效性，以及它们在特定使用场景中的适用性。

2、估值方法的选择：

成本法、市场法：不建议使用

收益法：应用无形资产收益法进行评估，重点考虑数据资产在实际应用中可能带来的收益。在此基础上，进行更细分的类别评估，如软件和工具的价值、提供服务的设备价值，以及流动资金的收益价值比例。这种方法强调数据资产在实际业务中的贡献，更能准确反映其价值。

3、需要强调的披露内容：

数据资产的价值在很大程度上取决于数据资源与方法论的结合方式。同一批数据资源，当应用不同的分析方法论或工具时，其展现出的商业价值可能有显著差异。

数据资产的估值应该基于其在特定商业环境中的实际或预期使用。不同的业务场景和目标可能需要不同的数据资源和方法论组合，从而产生不同的价值。

小提示：数据资产的估值，是数据资源和方法论的结合，在不同的市场环境，不同的数据规模，不同的方法，不同的数据质量，都会有很大差异，且为非线性的。