CN110858343A - 一种数据资产价值评估系统以及方法 - Google Patents

一种数据资产价值评估系统以及方法 Download PDF

Info

Publication number
CN110858343A
CN110858343A CN201810965924.3A CN201810965924A CN110858343A CN 110858343 A CN110858343 A CN 110858343A CN 201810965924 A CN201810965924 A CN 201810965924A CN 110858343 A CN110858343 A CN 110858343A
Authority
CN
China
Prior art keywords
data
consumption
value
evaluated
subject type
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810965924.3A
Other languages
English (en)
Inventor
李然辉
阮亚芬
段立新
吴燕飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guoxin Youe Data Co Ltd
Original Assignee
Guoxin Youe Data Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guoxin Youe Data Co Ltd filed Critical Guoxin Youe Data Co Ltd
Priority to CN201810965924.3A priority Critical patent/CN110858343A/zh
Publication of CN110858343A publication Critical patent/CN110858343A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提供了一种数据资产价值评估系统以及方法，该系统包括：获取单元，用于获取待评估数据的产生成本，以及获取直接使用待评估数据的至少一种消费主体类型下的消费主体的数量；价值指数计算单元，用于根据每种消费主体类型对应的预设权重，以及每种消费主体类型下的消费主体的数量，计算待评估数据的价值指数；其中，价值指数越高，表征待评估数据的价值越高；价值评估单元，用于基于待评估数据的生产成本以及价值指数，获取待评估数据的价值。本申请实施例在整个评估过程中，不会受到人为因素的影响，因而能对数据资产的价值进行客观、准确的评估。采用本申请实施例对数据资产进行评估的结果来评价员工的工作绩效，具有更高的公平性。

Description

一种数据资产价值评估系统以及方法
技术领域
本申请涉及数据评估技术领域，具体而言，涉及一种数据资产价值评估系统以及方法。
背景技术
在数字信息飞速发展的今天，数据对企业的影响日益增强，越来越多的企业需要“用数据说话”。对企业来说，无形资产占有的比重越来越大，除了专利、软件著作权、商标等知识产权等无形资产，数据这种无形资产的重要性不容小觑。数据资产的价值有时直接决定企业的价值。
员工所创造的价值是企业在衡量员工工作绩效的重要指标。员工所创造的价值包括有形资产价值和无形资产价值。数据资产作为企业的无形资产组成部分，员工所创造的数据资产的价值也能够在一定程度上衡量员工的工作绩效。为了确定数据资产的价值，就需要对数据资产的价值进行评估。当前的数据资产价值评估方法过程中受到人为因素影响太多，导致评估结果不客观，准确，进而造成在通过数据资产的价值来评价员工的工作绩效时，不能做到公平公正。
发明内容
有鉴于此，本申请实施例的目的在于提供一种数据资产价值评估系统以及方法，能够对数据资产的价值进行客观、准确的评。
第一方面，本申请实施例提供了一种数据资产价值评估系统，包括：
获取单元，用于获取待评估数据的产生成本，以及获取直接使用所述待评估数据的至少一种消费主体类型下的消费主体的数量；
价值指数计算单元，用于根据每种所述消费主体类型对应的预设权重，以及每种消费主体类型下的消费主体的数量，计算所述待评估数据的价值指数；其中，所述价值指数越高，表征所述待评估数据的价值越高；
价值评估单元，用于基于所述待评估数据的生产成本以及所述价值指数，获取所述待评估数据的价值。
可选地，所述价值指数计算单元，具体用于：
根据每种所述消费主体类型对应的预设权重，对所有消费主体类型下的所述消费主体的数量进行加权求和，并将加权求和的结果作为所述价值指数。
可选地，所述产生成本包括：生成所述待评估数据的数据生成器的构建成本、待评估数据的存储成本、待评估数据的采集成本、数据生成器的运维成本中一项或者多项。
可选地，还包括：第一数据评估模型训练单元；
所述第一数据评估模型训练单元，用于采用专家打分法获取每种所述消费主体类型对应的预设权重。
可选地，还包括：第二数据评估模型训练单元；
所述第二数据评估模型训练单元，用于将数据的生产成本，以及数据的至少一种消费主体类型下的消费主体的数量作为自变量，将数据的价值作为因变量，并为数据的至少一种消费主体类型下的消费主体的数量添加权重系数，构建数据评估模型；
所述获取单元，还用于获取样本评估数据的产生成本，以及获取直接使用所述样本评估数据的至少一种消费主体类型下的消费主体的数量；
所述第二数据评估模型训练单元，还用于将样本评估数据的产生成本的值，以及获取直接使用所述样本评估数据的至少一种消费主体类型下的消费主体的数量的值作为自变量的值，将对应样本数据的价值作为因变量的值代入所述数据评估模型中，对所述数据评估模型进行训练；并将经过多轮训练的数据评估模型中，所述样本评估数据的至少一种消费主体类型下的消费主体的数量的权重系数的值，作为所述每种所述消费主体类型对应的预设权重的值。
第二方面，本申请实施例还提供一种数据资产价值评估方法，包括：
获取待评估数据的产生成本，以及获取直接使用所述待评估数据的至少一种消费主体类型下的消费主体的数量；
根据每种所述消费主体类型对应的预设权重，以及每种消费主体类型下的消费主体的数量，计算所述待评估数据的价值指数；其中，所述价值指数越高，表征所述待评估数据的价值越高；
基于所述待评估数据的生产成本以及所述价值指数，获取所述待评估数据的价值。
可选地，所述计算所述待评估数据的价值指数，具体包括：
根据每种所述消费主体类型对应的预设权重，对所有消费主体类型下的所述消费主体的数量进行加权求和，并将加权求和的结果作为所述价值指数。
可选地，所述产生成本包括：生成所述待评估数据的数据生成器的构建成本、待评估数据的存储成本、待评估数据的采集成本、数据生成器的运维成本中一项或者多项。
可选地，采用下述方式获取所述预设权重：
采用专家打分法获取每种所述消费主体类型对应的预设权重。
可选地，采用下述方式获取所述预设权重：
将数据的生产成本，以及数据的至少一种消费主体类型下的消费主体的数量作为自变量，将数据的价值作为因变量，并为数据的至少一种消费主体类型下的消费主体的数量添加权重系数，构建数据评估模型；
获取样本评估数据的产生成本，以及获取直接使用所述样本评估数据的至少一种消费主体类型下的消费主体的数量；
将样本评估数据的产生成本的值，以及获取直接使用所述样本评估数据的至少一种消费主体类型下的消费主体的数量的值作为自变量的值，将对应样本数据的价值作为因变量的值代入所述数据评估模型中，对所述数据评估模型进行训练；并将经过多轮训练的数据评估模型中，所述样本评估数据的至少一种消费主体类型下的消费主体的数量的权重系数的值，作为所述每种所述消费主体类型对应的预设权重的值。
本申请实施例根据待评估数据在至少一种消费主体类型下的消费主体数量以及每种消费主体类型对应的预设权重，计算待评估数据的价值指数，然后根据待评估数据的价值指数和生产成本，获取待评估数据的价值，在整个评估过程中，不会受到人为因素的影响，因而能对数据资产的价值进行客观、准确的评估。采用本申请实施例对数据资产进行评估的结果来评价员工的工作绩效，具有更高的公平性。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例所提供的一种数据资产价值评估系统的结构示意图；
图2示出了本申请实施例所提供的数据资产价值评估方法的流程图；
图3示出了本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
与现有技术不同，本申请实施例在对数据资产的价值进行评估时，是基于数据资产在至少一种消费主体类型下的消费主体的数量，计算数据资产的价值指数，并基于数据资产的生产成本以及价值指数，获得数据资产的价值评估结果，在整个评估过程中，不会受到人为因素的影响，因而能对数据资产的价值进行客观、准确的评估。采用本申请实施例对数据资产进行评估的结果来评价员工的工作绩效，具有更高的公平性。
为便于对本实施例进行理解，首先对本申请实施例所公开的一种数据资产价值评估系统进行详细介绍。该数据资产价值评估系统能够用于对多种数据资产进行评估。例如业务数据、试验数据、住宅数据、交通数据、旅游数据、软件所产生的互联网数据等。
参见图1所示，本申请实施例提供一种数据资产价值评估系统，包括：获取单元10、价值指数计算单元20以及价值评估单元30。
Ⅰ：获取单元10，用于获取待评估数据的产生成本，以及获取直接使用所述待评估数据的至少一种消费主体类型下的消费主体的数量。
在具体实现的时候，待评估数据的生产成本，是指生成待评估数据所需要的成本。一般地，根据生产成本的不同类型，生产成本主要包括：生成所述待评估数据的数据生成器的构建成本、待评估数据的存储成本、待评估数据的采集成本、数据生成器的运维成本中一项或者多项。
对于不同类型的待评估数据，其对生产成本也不一样。例如对于互联网数据，其生产成本包括：互联网平台搭建成本、应用程序建设成本、互联网平台的运维成本、存储成本等。对于住宅数据，其生产成本包括：数据采集成本、存储成本。对于实验数据，其生产成本包括：实验室搭建成本、实验支出成本。
消费主体是指直接使用待评估数据的主体。直接使用待评估数据的主体，是指直接基于待评估数据处理业务的主体。与之相对的，还有间接使用待评估数据的主体，即为非消费主体，是指使用消费主体对待评估数据处理后所生成的处理数据执行业务的主体。
这里，需要注意的是，数据的所有者也作为消费主体的一种。
消费主体有多种消费主体类型。且每一种消费主体类型下的消费主体，作为待评估数据的直接使用者，其数量越多，表征待评估数据的地位越重要，待评估数据的价值也应当越高；且每一种消费主体类型下的消费主体本身的地位越重要，也表征待评估数据的地位越重要，其价值也应当越高。
消费主体主要有两种，普通消费主体和特殊消费主体。
以待评估数据为互联网数据为例，特殊消费主体包括如下消费主体类型：安全消费主体、主数据消费主体、集成消费主体、未使用数据消费主体中至少一种。普通消费者是指除特殊消费者以外的其它消费者，例如辅助决策系统。
(1)安全消费主体：是指出于安全符合规范性的要求，待评估数据的所有者不允许其使用待评估数据的消费者。对于安全消费者，虽然该安全消费者并未真正使用待评估数据，这不应导致待评估数据价值的降低，因此要将安全消费主体作为衡量待评估数据价值的消费者。
(2)主数据消费主体：是指产生待评估数据的一个或者多个权威数据源。也即产生待评估数据的主体。
(3)集成消费主体：待评估数据在被使用的时候，任一消费主体可能并非是使用该待评估数据中的所有数据进行业务处理，而仅仅是使用待评估数据中的部分数据进行业务处理。集成消费主体，是指在使用待评估数据执行业务时，由于待评估数据和/或流程集成而减少了待评估数据的存储或者使用的重复，这种主体称为集成消费主体。
(4)未使用数据消费主体：是指将待评估数据引入到自身的存储库中，但并未基于该待评估数据执行任何的业务，这种消费主体称为未使用数据消费主体。
待评估数据在各个消费主体类型下的消费主体的数量，可以是该消费类型下全部消费主体的数量，也可以是部分消费主体的数量。
以主数据消费主体为例，待评估数据的产生者可能包括多个；可以将产生待评估数据的全部消费主体都作为主数据消费主体，也可以仅仅将其中产生的待评估数据量较多，或者待评估数据的重要程度较高的主体作为主数据消费主体。
例如，当某个主体产生的待评估数据量占据待评估数据总量预设比例阈值以上时，该主体能够作为主数据消费主体。
又例如，当某个主体产生的待评估数据在业务处理时占据重要地位，或者被多种消费主体类型下的消费主体所使用，将该主体作为主数据消费主体。
另外，在确定消费主体类型的时候，由于使用待评估数据的消费主体类型是比较多的，对于某些消费主体类型而言，其对待评估数据的价值贡献度是比较低的，则可以在对待评估数据的价值进行评估的时候，不考虑这部分消费主体类型。
这里，可以通过专家打分法从多个消费主体类型中确定在对待评估数据的价值进行评估时所采用的消费主体类型。
专家打分法的具体流程为：
(1)选择专家。
此处，专家应当是对于待评估数据所属领域具有较深了解的专家。
(2)确定使用待评估数据的多种消费主体类型。
(3)向专家提供背景资料，以匿名方式征询专家意见。
(4)对专家意见进行分析汇总，将统计结果反馈给专家。
(5)专家根据反馈结果修正自己的意见。
(6)经过多轮匿名征询和意见反馈，形成最终分析结论。
此处，通过专家打分法确定消费主体类型的具体方法，与下述通过专家打分法确定每种消费主体类型的权重的具体方法类似，在此不再赘述。
在通过上述专家打分法确定了在对待评估数据进行评估时采用的消费主体类型后，将对待评估数据进行评估时采用的消费主体类型进行保存；然后就可以在对待评估数据进行价值评估时，获取与保存的消费主体类型对应的消费主体的数量，以实现对待评估数据价值的评估。
Ⅱ：价值指数计算单元20，用于根据每种所述消费主体类型对应的预设权重，以及每种消费主体类型下的消费主体的数量，计算所述待评估数据的价值指数；其中，所述价值指数越高，表征所述待评估数据的价值越高。
在具体实现的时候，每种消费主体类型对应的预设权重，可以采用专家打分法、模型训练法中至少一种方法获得。
其一：为了实现采用专家打分法获取每种消费主体类型对应的预设权重，参见图1所示，本申请实施例提供的数据资产价值评估系中，还包括：第一数据评估模型训练单元40。
所述第一数据评估模型训练单元40，用于采用专家打分法获取每种所述消费主体类型对应的预设权重。
专家打分法的具体流程如下：
(1)选择专家。
此处，专家应当是对于待评估数据所属领域具有较深了解的专家。
(2)确定对待评估数据进行评估时采用的多种消费主体类型。
(3)向专家提供背景资料，以匿名方式征询专家意见。
(4)对专家意见进行分析汇总，将统计结果反馈给专家。
(5)专家根据反馈结果修正自己的意见。
(6)经过多轮匿名征询和意见反馈，形成最终分析结论。
在具体实现的时候，在确定对待评估数据进行评估时采用的多种消费主体类型后，会针对每一种消费主体类型生成多轮征询表。
具体地，在生成轮征询表时，需要对征询的问题进行描述，例如，在对待评估数据进行评估时，可以将要征询的问题描述为：每种消费主体类型在对待评估数据的价值进行评估时，所占据的评估权重；在进行问题描述之后，要提供相应的背景材料，作为专家在打分时的部分打分依据。在本申请中，为每种消费主体类型设置了多个预设权重值，专家能够基于要征询的问题，对每种消费主体类型的多个预设权重值进行打分，然后基于所有第一专家对同一种消费主体类型的多轮征询表打分结果，得到该种评价指标的评估权重。
在确定了每种消费主体类型对应的征询表后，专家会对消费主体类型在该轮征询表中使用的多个预设权重值进行打分，获得对应的第一打分结果。
这里需要注意的是，由于下一轮征询表的预设权重值是基于当前征询表的第一打分结果确定的，因此，多轮征询表并不是在进行问题征询前一次性生成的，而是先生成第一轮征询表；在获得专家对第一轮征询表进行打分的第一打分结果之后，再基于第一轮征询表的打分结果，获得第二轮征询表对应的预设权重值，生成第二轮征询表；通过同样的方法，能够得到第三轮征询表对应的预设权重值，生成第三轮征询表；直至得到最终的征询结果。
另外，不同的消费主体类型对应的征询表的轮数，可以相同也可以不同，只要最后一轮的征询表能够获得符合要求的结果为止。
其二，为了实现采用模型训练法获取每种消费主体类型对应的预设权重，参见图1所示，本申请实施例提供的数据资产价值评估系中，还包括：第二数据评估模型训练单元50。
所述第二数据评估模型训练单元50，用于采用模型训练法获取每种所述消费主体类型对应的预设权重。
具体地，所述第二数据评估模型训练单元50，用于将数据的生产成本，以及数据的至少一种消费主体类型下的消费主体的数量作为自变量，将数据的价值作为因变量，并为数据的至少一种消费主体类型下的消费主体的数量添加权重系数，构建数据评估模型；
所述获取单元10，还用于获取样本评估数据的产生成本，以及获取直接使用所述样本评估数据的至少一种消费主体类型下的消费主体的数量；
所述第二数据评估模型训练单元50，还用于将样本评估数据的产生成本的值，以及获取直接使用所述样本评估数据的至少一种消费主体类型下的消费主体的数量的值作为自变量的值，将对应样本数据的价值作为因变量的值代入所述数据评估模型中，对所述数据评估模型进行训练；并将经过多轮训练的数据评估模型中，所述样本评估数据的至少一种消费主体类型下的消费主体的数量的权重系数的值，作为所述每种所述消费主体类型对应的预设权重的值。
在具体实现的时候，第二数据评估模型训练单元50在构建数据评估模型的时候，会首先确定进行数据价值评估的基础评估模型，然后将数据的生产成本，以及数据的至少一种消费主体类型下的消费主体的数量作为基础评估模型的自变量，并为每种消费主体类型添加权重系数，将数据的价值作为基础评估模型的因变量，构建数据评估模型。
基础评估模型采用逻辑回归模型、自回归模型、移动平均模型、自回归移动平均模型、整合移动平均自回归模型、广义自回归条件异方差模型中任意一种。
然后，再将获取的样本评估数据在自变量和因变量的值代入构建的数据评估模型，对数据评估模型进行训练。
其中，针对不同的基础评估模型，具有不同的模型训练方法。但是其原理是类似的。训练模型的过程，实际上是使用多组样本评估数据的产生成本的值，获取直接使用所述样本评估数据的至少一种消费主体类型下的消费主体的数量的值，以及对应样本数据的价值作为因变量的值，求解模型中未知参数的过程。
其中，未知参数包括：与每个消费主体类型对应的权重系数，和附加系数。对模型训练的过程，即为对权重系数和附加系数进行求解的过程。
具体地，在训练数据评估模型的时候，可以将样本评估数据的产生成本的值，以及获取直接使用所述样本评估数据的至少一种消费主体类型下的消费主体的数量的值构成解释变量矩阵，并将每个解释变量的参数构成参数矩阵，将将对应样本数据的价值作为因变量的值构成被解释变量矩阵，然后基于构成的解释变量矩阵、参数矩阵以及被解释变量矩阵，对参数矩阵进行求解，从而得到训练后的数据评估模型，进而得到每种消费主体类型的预设权重。
其三，为了实现采用专家打分法和模型训练法相结合的方法获取每种消费主体类型对应的预设权重，参见图1所示，本申请实施例提供的数据资产价值评估系中，还包括：第三数据评估模型训练单元60。
其中，第三数据评估模型训练单元60，所述第三数据评估模型训练单元60，用于采用专家打分法获取每种所述消费主体类型对应的第一权重。
此处，第三数据评估模块训练单元60获得每种消费主体类型对应的第一权重的方式，与上述第一数据评估模块训练单元40获得每种消费主体类型对应的预设权重的方式类似，在此不再赘述。
所述第三数据评估模型训练单元60，还用于采用模型训练法获取每种所述消费主体类型对应的第二权重。
此处，第三数据评估模块训练单元60获得每种消费主体类型对应的第一权重的方式，与上述第二数据评估模块训练单元50获得每种消费主体类型对应的预设权重的方式类似，在此不再赘述。
第三数据评估模块训练单元60，还用于根据每种所述消费主体类型对应的第一权重和第二权重，获取每种消费主体类型对应的预设权重。
此处，根据第一权重和第二权重获取预设权重的方式有多种，例如可以采用对第一权重和第二权重进行加权求和的方式获得预设权重，或者对第一权重和第二权重求平均的方式得到预设权重，或者对第一权重和第二权重的和求对数的方式获得预设权重等。
在根据每种消费主体类型对应的预设权重，以及每种消费主体类型下的消费主体数量，计算待评估数据的价值指数时，有多种方式。
例如根据每种所述消费主体类型对应的预设权重，对所有消费主体类型下的所述消费主体的数量进行加权求和，并将加权求和的结果作为所述价值指数，则价值指数S满足：
Figure BDA0001774962940000121
其中，n表示消费主体类型的数量；mi表示第i种消费主体类型下的消费主体的数量；bi表示第i种消费主体类型的预设权重。
又例如，将所有消费主体类型下的消费主体数量进行归一化，并使用每种消费主体类型对应的预设权重对归一化后的消费主体数量进行加权求和，并将加权求和的结果作为所述价值指数，此时，价值指数S满足：
Figure BDA0001774962940000131
其中，n表示消费主体类型的数量；mi表示第i种消费主体类型下的消费主体的数量；bi表示第i种消费主体类型的预设权重，mj表示第j种消费主体类型下的消费主体的数量；
又例如，将所有消费主体类型的预设权重对数化，并基于每种所述消费主体类型对应的预设权重的对数，对所有消费主体类型下的所述消费主体的数量进行加权求和，此时，价值指数S满足：
Figure BDA0001774962940000132
其中，n表示消费主体类型的数量；mi表示第i种消费主体类型下的消费主体的数量；bi表示第i种消费主体类型的预设权重；logbi表示第i种消费主体类型的预设权重的对数。
Ⅲ：价值评估单元30，用于基于所述待评估数据的生产成本以及所述价值指数，获取所述待评估数据的价值。
在具体实现的时候，可以将待评估数据的生产成本与价值指数的乘积作为待评估数据的价值，此时，待评估数据的价值P满足：
P＝C×S。
其中，C表示生产成本；S表示价值指数。
本申请实施例根据待评估数据在至少一种消费主体类型下的消费主体数量以及每种消费主体类型对应的预设权重，计算待评估数据的价值指数，然后根据待评估数据的价值指数和生产成本，获取待评估数据的价值，在整个评估过程中，不会受到人为因素的影响，因而能对数据资产的价值进行客观、准确的评估。采用本申请实施例对数据资产进行评估的结果来评价员工的工作绩效，具有更高的公平性。
示例：
待评估数据的建设成本包括：1995年实施的申请费用为50万元；2005年实施的外部运维费用为2万元。
待评估数据的四种消费主体类型包括：数据产生者，也即应用程序；价格分布的网站、企业数据仓库的订阅以及安全数据消费者；
其中，应用程序的数量为1，预设权重为1,；
网站的数量为1，预设权重为1；
数据仓库的数量为1，预设权重为1；
安全数据消费者的数量为1，权重为5。
则根据上述公式：以及公式P＝C×S，
则该待评估数据的价值P满足：
P＝(500000+20000)×(1×1+1×1+1×1+1×5)＝4160000。
基于同一发明构思，本申请实施例中还提供了与数据资产价值评估系统法对应的数据资产价值评估方法，由于本申请实施例中的装置解决问题的原理与本申请实施例上述数据资产价值评估系统相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。
参见图2所示，本申请实施例所提供的数据资产价值评估方法包括：
S201：获取待评估数据的产生成本，以及获取直接使用所述待评估数据的至少一种消费主体类型下的消费主体的数量；
S202：根据每种所述消费主体类型对应的预设权重，以及每种消费主体类型下的消费主体的数量，计算所述待评估数据的价值指数；其中，所述价值指数越高，表征所述待评估数据的价值越高；
S203：基于所述待评估数据的生产成本以及所述价值指数，获取所述待评估数据的价值。
本申请实施例根据待评估数据在至少一种消费主体类型下的消费主体数量以及每种消费主体类型对应的预设权重，计算待评估数据的价值指数，然后根据待评估数据的价值指数和生产成本，获取待评估数据的价值，在整个评估过程中，不会受到人为因素的影响，因而能对数据资产的价值进行客观、准确的评估。采用本申请实施例对数据资产进行评估的结果来评价员工的工作绩效，具有更高的公平性。
可选地，所述计算所述待评估数据的价值指数，具体包括：
根据每种所述消费主体类型对应的预设权重，对所有消费主体类型下的所述消费主体的数量进行加权求和，并将加权求和的结果作为所述价值指数。
可选地，所述产生成本包括：生成所述待评估数据的数据生成器的构建成本、待评估数据的存储成本、待评估数据的采集成本、数据生成器的运维成本中一项或者多项。
可选地，采用下述方式获取所述预设权重：
采用专家打分法获取每种所述消费主体类型对应的预设权重。
可选地，采用下述方式获取所述预设权重：
将数据的生产成本，以及数据的至少一种消费主体类型下的消费主体的数量作为自变量，将数据的价值作为因变量，并为数据的至少一种消费主体类型下的消费主体的数量添加权重系数，构建数据评估模型；
获取样本评估数据的产生成本，以及获取直接使用所述样本评估数据的至少一种消费主体类型下的消费主体的数量；
将样本评估数据的产生成本的值，以及获取直接使用所述样本评估数据的至少一种消费主体类型下的消费主体的数量的值作为自变量的值，将对应样本数据的价值作为因变量的值代入所述数据评估模型中，对所述数据评估模型进行训练；并将经过多轮训练的数据评估模型中，所述样本评估数据的至少一种消费主体类型下的消费主体的数量的权重系数的值，作为所述每种所述消费主体类型对应的预设权重的值。
如图3所示，为本申请实施例提供的计算机设备的示意图，该计算机设备包括处理器31、存储器32和总线33，所述存储器32存储执行指令，当所述装置运行时，所述处理器31与所述存储器32之间通过总线33通信，所述处理器31执行所述执行指令使得所述计算机设备执行如下方法：获取待评估数据的产生成本，以及获取直接使用所述待评估数据的至少一种消费主体类型下的消费主体的数量；
根据每种所述消费主体类型对应的预设权重，以及每种消费主体类型下的消费主体的数量，计算所述待评估数据的价值指数；其中，所述价值指数越高，表征所述待评估数据的价值越高；
基于所述待评估数据的生产成本以及所述价值指数，获取所述待评估数据的价值。
可选地，所述处理器31执行的所述方法中，所述计算所述待评估数据的价值指数，具体包括：
根据每种所述消费主体类型对应的预设权重，对所有消费主体类型下的所述消费主体的数量进行加权求和，并将加权求和的结果作为所述价值指数。
可选地，所述处理器31执行的所述方法中，所述产生成本包括：生成所述待评估数据的数据生成器的构建成本、待评估数据的存储成本、待评估数据的采集成本、数据生成器的运维成本中一项或者多项。
可选地，所述处理器31执行的所述方法中，采用下述方式获取所述预设权重：
采用专家打分法获取每种所述消费主体类型对应的预设权重。
可选地，所述处理器81执行的所述方法中，采用下述方式获取所述预设权重：
将数据的生产成本，以及数据的至少一种消费主体类型下的消费主体的数量作为自变量，将数据的价值作为因变量，并为数据的至少一种消费主体类型下的消费主体的数量添加权重系数，构建数据评估模型；
获取样本评估数据的产生成本，以及获取直接使用所述样本评估数据的至少一种消费主体类型下的消费主体的数量；
将样本评估数据的产生成本的值，以及获取直接使用所述样本评估数据的至少一种消费主体类型下的消费主体的数量的值作为自变量的值，将对应样本数据的价值作为因变量的值代入所述数据评估模型中，对所述数据评估模型进行训练；并将经过多轮训练的数据评估模型中，所述样本评估数据的至少一种消费主体类型下的消费主体的数量的权重系数的值，作为所述每种所述消费主体类型对应的预设权重的值。
本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器81运行时执行上述数据资产价值评估方法的步骤。
具体地，该存储介质能够为通用的存储介质，如移动磁盘、硬盘等，该存储介质上的计算机程序被运行时，能够执行上述数据资产价值评估方法，从而解决现有技术中存在的对数据资产的评估过程中受到人为因素影响太多而造成的评估结果不客观、准确的问题，进而达到在整个评估过程中，不会受到人为因素的影响，因而能对数据资产的价值进行客观、准确的评估。采用本申请实施例对数据资产进行评估的结果来评价员工的工作绩效，具有更高的公平性的效果。
本申请实施例所提供的数据资产价值评估系统以及方法的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种数据资产价值评估系统，其特征在于，包括：
获取单元，用于获取待评估数据的产生成本，以及获取直接使用所述待评估数据的至少一种消费主体类型下的消费主体的数量；
价值指数计算单元，用于根据每种所述消费主体类型对应的预设权重，以及每种消费主体类型下的消费主体的数量，计算所述待评估数据的价值指数；其中，所述价值指数越高，表征所述待评估数据的价值越高；
价值评估单元，用于基于所述待评估数据的生产成本以及所述价值指数，获取所述待评估数据的价值。
2.根据权利要求1所述的系统，其特征在于，所述价值指数计算单元，具体用于：
根据每种所述消费主体类型对应的预设权重，对所有消费主体类型下的所述消费主体的数量进行加权求和，并将加权求和的结果作为所述价值指数。
3.根据权利要求1所述的系统，其特征在于，所述产生成本包括：生成所述待评估数据的数据生成器的构建成本、待评估数据的存储成本、待评估数据的采集成本、数据生成器的运维成本中一项或者多项。
4.根据权利要求1所述的系统，其特征在于，还包括：第一数据评估模型训练单元；
所述第一数据评估模型训练单元，用于采用专家打分法获取每种所述消费主体类型对应的预设权重。
5.根据权利要求1所述的系统，其特征在于，还包括：第二数据评估模型训练单元；
所述第二数据评估模型训练单元，用于将数据的生产成本，以及数据的至少一种消费主体类型下的消费主体的数量作为自变量，将数据的价值作为因变量，并为数据的至少一种消费主体类型下的消费主体的数量添加权重系数，构建数据评估模型；
所述获取单元，还用于获取样本评估数据的产生成本，以及获取直接使用所述样本评估数据的至少一种消费主体类型下的消费主体的数量；
所述第二数据评估模型训练单元，还用于将样本评估数据的产生成本的值，以及获取直接使用所述样本评估数据的至少一种消费主体类型下的消费主体的数量的值作为自变量的值，将对应样本数据的价值作为因变量的值代入所述数据评估模型中，对所述数据评估模型进行训练；并将经过多轮训练的数据评估模型中，所述样本评估数据的至少一种消费主体类型下的消费主体的数量的权重系数的值，作为所述每种所述消费主体类型对应的预设权重的值。
6.一种数据资产价值评估方法，其特征在于，包括：
获取待评估数据的产生成本，以及获取直接使用所述待评估数据的至少一种消费主体类型下的消费主体的数量；
根据每种所述消费主体类型对应的预设权重，以及每种消费主体类型下的消费主体的数量，计算所述待评估数据的价值指数；其中，所述价值指数越高，表征所述待评估数据的价值越高；
基于所述待评估数据的生产成本以及所述价值指数，获取所述待评估数据的价值。
7.根据权利要求6所述的方法，其特征在于，所述计算所述待评估数据的价值指数，具体包括：
根据每种所述消费主体类型对应的预设权重，对所有消费主体类型下的所述消费主体的数量进行加权求和，并将加权求和的结果作为所述价值指数。
8.根据权利要求6所述的方法，其特征在于，所述产生成本包括：生成所述待评估数据的数据生成器的构建成本、待评估数据的存储成本、待评估数据的采集成本、数据生成器的运维成本中一项或者多项。
9.根据权利要求6所述的方法，其特征在于，采用下述方式获取所述预设权重：
采用专家打分法获取每种所述消费主体类型对应的预设权重。
10.根据权利要求6所述的方法，其特征在于，采用下述方式获取所述预设权重：
将数据的生产成本，以及数据的至少一种消费主体类型下的消费主体的数量作为自变量，将数据的价值作为因变量，并为数据的至少一种消费主体类型下的消费主体的数量添加权重系数，构建数据评估模型；
获取样本评估数据的产生成本，以及获取直接使用所述样本评估数据的至少一种消费主体类型下的消费主体的数量；
将样本评估数据的产生成本的值，以及获取直接使用所述样本评估数据的至少一种消费主体类型下的消费主体的数量的值作为自变量的值，将对应样本数据的价值作为因变量的值代入所述数据评估模型中，对所述数据评估模型进行训练；并将经过多轮训练的数据评估模型中，所述样本评估数据的至少一种消费主体类型下的消费主体的数量的权重系数的值，作为所述每种所述消费主体类型对应的预设权重的值。
CN201810965924.3A 2018-08-23 2018-08-23 一种数据资产价值评估系统以及方法 Pending CN110858343A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810965924.3A CN110858343A (zh) 2018-08-23 2018-08-23 一种数据资产价值评估系统以及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810965924.3A CN110858343A (zh) 2018-08-23 2018-08-23 一种数据资产价值评估系统以及方法

Publications (1)

Publication Number Publication Date
CN110858343A true CN110858343A (zh) 2020-03-03

Family

ID=69635061

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810965924.3A Pending CN110858343A (zh) 2018-08-23 2018-08-23 一种数据资产价值评估系统以及方法

Country Status (1)

Country Link
CN (1) CN110858343A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113592649A (zh) * 2021-07-28 2021-11-02 北京易华录信息技术股份有限公司 一种数据资产价值确定方法、装置及电子设备
CN113807872A (zh) * 2020-06-11 2021-12-17 中国标准化研究院 一种数据资产价值评估系统及方法
CN117667640A (zh) * 2024-02-02 2024-03-08 华测检测认证集团股份有限公司 系统的数据价值评估方法、装置、设备及存储介质
CN117667640B (zh) * 2024-02-02 2024-05-31 华测检测认证集团股份有限公司 系统的数据价值评估方法、装置、设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120097587A (ko) * 2011-02-25 2012-09-05 주식회사 이레테크 국제 회계기준 공정가치 평가 시스템
CN105069575A (zh) * 2015-08-19 2015-11-18 安徽继远软件有限公司 一种数据资产价值的评估方法
CN106372775A (zh) * 2016-08-19 2017-02-01 国网冀北电力有限公司电力科学研究院 一种电网客户综合价值评估方法及系统
CN106557876A (zh) * 2016-11-15 2017-04-05 国网四川省电力公司信息通信公司 基于电力信息的评估指标和评估标尺的构建系统及其方法
CN108090835A (zh) * 2017-12-29 2018-05-29 中国电子科技集团公司信息科学研究院 一种城市数据资产价值评估系统及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120097587A (ko) * 2011-02-25 2012-09-05 주식회사 이레테크 국제 회계기준 공정가치 평가 시스템
CN105069575A (zh) * 2015-08-19 2015-11-18 安徽继远软件有限公司 一种数据资产价值的评估方法
CN106372775A (zh) * 2016-08-19 2017-02-01 国网冀北电力有限公司电力科学研究院 一种电网客户综合价值评估方法及系统
CN106557876A (zh) * 2016-11-15 2017-04-05 国网四川省电力公司信息通信公司 基于电力信息的评估指标和评估标尺的构建系统及其方法
CN108090835A (zh) * 2017-12-29 2018-05-29 中国电子科技集团公司信息科学研究院 一种城市数据资产价值评估系统及方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113807872A (zh) * 2020-06-11 2021-12-17 中国标准化研究院 一种数据资产价值评估系统及方法
CN113592649A (zh) * 2021-07-28 2021-11-02 北京易华录信息技术股份有限公司 一种数据资产价值确定方法、装置及电子设备
CN117667640A (zh) * 2024-02-02 2024-03-08 华测检测认证集团股份有限公司 系统的数据价值评估方法、装置、设备及存储介质
CN117667640B (zh) * 2024-02-02 2024-05-31 华测检测认证集团股份有限公司 系统的数据价值评估方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
Allahbakhsh et al. Reputation management in crowdsourcing systems
Schultz et al. Integrating ecology and economics for restoration: using ecological indicators in valuation of ecosystem services
Adetunji et al. Managing system obsolescence via multicriteria decision making
Cao et al. Customer demand prediction of service-oriented manufacturing incorporating customer satisfaction
CN105247507A (zh) 品牌的影响力得分
CN110766428A (zh) 一种数据价值评估系统以及方法
Sharma et al. Comparison of AHP-TOPSIS and AHP-AHP methods in multi-criteria decision-making problems
Kenne Pagui et al. Pairwise likelihood inference for multivariate ordinal responses with applications to customer satisfaction
Peluso et al. Discrete Weibull generalized additive model: an application to count fertility data
Potts et al. Assaying the importance of system complexity for the systems engineering community
CN110858343A (zh) 一种数据资产价值评估系统以及方法
Wu et al. A situationally sample‐size‐adjusted sampling scheme based on process yield verification
CN110858368A (zh) 一种数据评估服务价值确定系统和方法
Bordes et al. Partially observed competing degradation processes: modeling and inference
Theerthaana et al. A signalling paradigm incorporating an Agent-Based Model for simulating the adoption of crowd funding technology
Ono et al. Improving risk assessments in conservation ecology
WO2015159357A1 (ja) コミュニティ内におけるユーザの行動分析装置および行動分析用プログラム
Martin et al. Efficient method of moments estimators for integer time series models
Jørgensen et al. Relative estimates of software development effort: Are they more accurate or less time-consuming to produce than absolute estimates, and to what extent are they person-independent?
Neuenfeldt Junior et al. Hierarchy the sectorial performance indicators for Brazilian franchises
CN113435713B (zh) 基于gis技术和两模型融合的风险地图编制方法及系统
Saisana et al. Expert panel opinion and global sensitivity analysis for composite indicators
Liao How to conduct a multi-item research assessment in bibliometric studies? Theoretical support and empirical evidence
Bod’a Stochastic sensitivity analysis of concentration measures
KR101291502B1 (ko) 온라인 게임 고객 충성도 분석 시스템 및 분석 방법

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 101-8, 1st floor, building 31, area 1, 188 South Fourth Ring Road West, Fengtai District, Beijing

Applicant after: Guoxin Youyi Data Co.,Ltd.

Address before: 100070, No. 188, building 31, headquarters square, South Fourth Ring Road West, Fengtai District, Beijing

Applicant before: SIC YOUE DATA Co.,Ltd.

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200303