CN116934160A - 一种数据要素资产价值评估方法及系统 - Google Patents
一种数据要素资产价值评估方法及系统 Download PDFInfo
- Publication number
- CN116934160A CN116934160A CN202310916948.0A CN202310916948A CN116934160A CN 116934160 A CN116934160 A CN 116934160A CN 202310916948 A CN202310916948 A CN 202310916948A CN 116934160 A CN116934160 A CN 116934160A
- Authority
- CN
- China
- Prior art keywords
- data
- asset
- value
- expert
- weight
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000011156 evaluation Methods 0.000 claims abstract description 64
- 238000013077 scoring method Methods 0.000 claims abstract description 12
- 230000008859 change Effects 0.000 claims abstract description 5
- 238000012545 processing Methods 0.000 claims description 39
- 239000011159 matrix material Substances 0.000 claims description 25
- 238000004364 calculation method Methods 0.000 claims description 22
- 230000008901 benefit Effects 0.000 claims description 15
- 238000012360 testing method Methods 0.000 claims description 12
- 239000013598 vector Substances 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 10
- 230000007423 decrease Effects 0.000 claims description 8
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 230000002776 aggregation Effects 0.000 claims description 5
- 238000004220 aggregation Methods 0.000 claims description 5
- 230000009897 systematic effect Effects 0.000 claims description 5
- 238000004140 cleaning Methods 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 4
- 238000007621 cluster analysis Methods 0.000 claims description 3
- 238000007418 data mining Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 241000272496 Galliformes Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000037211 monthly cycles Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
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
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/06—Asset management; Financial planning or analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Technology Law (AREA)
- Complex Calculations (AREA)
Abstract
本发明涉及一种数据要素资产价值评估方法及系统,该方法包括:S1、获取待评估的数据资产;S2、计算经过通货膨胀调整后的数据总成本;S3、选取可比数据资产,将其收益率作为评估基准时点同类资产的平均收益率;估计数据资产的使用年限,预估其在不同情景下的未来收益变化;然后,综合不同收益情景,计算待评估数据资产的预期收益率;S4、通过分析不同因素对数据资产价值的影响逻辑,构建数据资产价值影响指标体系;S5、通过专家打分法、改进群决策层次分析法计算数据资产价值影响指标权重;S6、通过专家打分法和模糊综合评价法计算数据资产效用水平系数;S7、计算数据要素资产价值。该方法及系统可以客观、准确地对数据资产进行价值评估。
Description
技术领域
本发明涉及资产评估技术领域,具体涉及一种数据要素资产价值评估方法及系统。
背景技术
随着我国进入数字信息时代,数据在社会发展中占据重要地位,逐渐成为政府转型升级、企业转型发展的重要驱动力。加快数据要素流转交易、推动数据资产价值转化,已经成为建设数字中国的关键引擎。不论是助推企业数字化转型升级,还是估测数据对政府政务、经济增长的贡献,促进数字经济高质量发展,数据资产的价值评估工作都显得尤为重要。然而数据要素市场还处于起步阶段,且目前对于数据资产的研究少之又少,尚未形成科学规范的数据资产估值体系。
目前对资产价值进行评估的基本方法主要有成本法、收益法和市场法。但是,现有技术用于数据资产价值评估存在以下缺点:(1)现有的成本法中,尚未形成标准化的数据资产效用评价指标体系。早前学者在指标体系的组成上尚未达成共识,且部分数据资产价值的重要影响因素未被纳入评价指标体系中。(2)现有的成本法中,对于不同数据资产价值影响指标间相对权重的计算方法存在不足。已有研究仅基于单专家信息构建资产价值影响指标权重,未考虑到不同专家对数据资产的评价观点不同,以及易受个体主观倾向性影响的局限。(3)现有的收益法中,难以将数据资产创造的收益从资产总收益中单独分离出来,并且选择一个合适的折现率较为困难,受主观因素影响相对较大,客观性有待提高,无法应用于未商业化的数据资产价值评估。(4)现有的市场法中,由于目前我国数据要素市场处于起步阶段,数据要素交易市场并不活跃,公开性有限,因此可供参考的数据资产交易案例较少,导致其运用受到明显限制,尤其是无法应用于尚未进入市场流通、缺乏可比交易案例的数据资产价值评估。
发明内容
本发明的目的在于提供一种数据要素资产价值评估方法及系统,该方法及系统可以客观、准确地对数据资产进行价值评估。
为了实现上述目的,本发明采用的技术方案是:一种数据要素资产价值评估方法,包括如下步骤:
步骤S1、获取待评估的数据资产;
步骤S2、计算经过通货膨胀调整后的数据总成本COST;
步骤S3、选取可比数据资产,将其收益率作为评估基准时点同类资产的平均收益率;估计数据资产的使用年限T,预估其在不同情景下的未来收益变化;然后,综合不同收益情景,计算待评估数据资产的预期收益率expR;
步骤S4、通过分析不同因素对数据资产价值的影响逻辑,构建数据资产价值影响指标体系;
步骤S5、通过专家打分法、改进群决策层次分析法计算数据资产价值影响指标权重;
步骤S6、通过专家打分法和模糊综合评价法计算数据资产效用水平系数Utility;
步骤S7、计算数据要素资产价值DAV,其计算公式如式(1)所示:
DAV=COST×(1+expR)×Utility (1)。
进一步地,步骤S2中,从数据处理环节来看,数据总成本包括数据采集、数据清洗、数据加工、数据汇聚、数据挖掘、数据输出多个环节的成本,并且不同数据处理单位之间的数据处理环节可能存在一定的交叉或重叠;对于一项数据,经历各个单位必要的数据处理,将各个环节经通货膨胀调整后的成本予以加总,即得到数据总成本COST;当某一数据处理单位仅有多个数据资产的处理成本合计数时,将该成本合计数分摊到各个数据集,可以使用简单平均分摊、按照各个数据集的规模大小、按照各个数据集的维护成本大小等规则进行分摊;数据总成本COST的计算公式如式(2)所示:
式中,a为数据处理单元总数,b为第i个数据处理单元相关的数据处理环节总数,Cij为第i个数据处理单位与该项数据有关的第j项成本开支货币金额,pij为与成本Cij相对应的通货膨胀系数,等于自该项成本发生之日到评估基准日的各月通货膨胀系数累乘。
进一步地,步骤S3的实现方法为:
首先,选取可比数据资产,并计算其净资产收益率ROE,以此作为评估基准时点同类资产的平均收益率;
其次,根据数据具有时效性、准确性和有用性等特点,估计待评估数据资产的预期使用年限T,并设置三种不同的收益流入情景:一是假定被评估数据资产在未来T年内均以所述净资产收益率ROE稳定获利;二是假定被评估资产在未来t1年内以所述净资产收益率ROE稳定获利,t1<T,而自第t1+1年起收益率逐年递减,直至第T+1年不再产生现金流收益;三是假定被评估资产在第1年以所述净资产收益率ROE获得收益,而自第2年起现金流入量逐年递减,直至第T+1年不再产生现金流收益;
最后,将基于三种情景计算的累积收益率取均值即为被评估数据资产的预期收益率expR。
进一步地,步骤S4中,通过分析不同因素对数据资产价值的影响逻辑,构建包含数据完整性、准确性、及时性、有用性、独特性、一致性、可追溯性、价值实现风险八个维度在内的数据资产价值影响指标体系。
进一步地,步骤S5中,利用专家打分法与改进群决策层次分析法计算数据资产价值影响指标权重,具体包括以下步骤:
A)确定判断矩阵并进行一致性检验;邀请m位专家基于“1-9”标度法,通过对n个数据资产价值影响指标两两比较的方式构建各自的判断矩阵,记第k位专家所生成的判断矩阵为Ak,k=1,2,…,m;对每位专家的判断矩阵进行一致性检验,检验公式如下:
其中,λmax为判断矩阵的最大特征根,CI为判断矩阵的一致性指标,RI为判断矩阵的随机一致性指标,CR为一致性比率;
B)运用特征值法求得m位专家对n个指标的权重;记第k位专家所求得的指标权重为Wk:
Wk=(wk1,wk2,…,wkn),k=1,2,…,m (5)
C)计算专家的判断力权值Pk;记第k位专家的判断矩阵为Ak,为Ak的最大特征值,Ak的一致性指标CIk为:
由于专家判断能力与一致性指标CIk成反比,因此,将第k位专家的判断力权值定义为:
将权值规范化,有:
D)计算各专家基于判断力权值的指标权重;采用基于个体排序向量的算数加权平均法计算指标i的权重系数,其计算公式为:
式中,Pk为式(8)所求得的各专家的判断力权值;
E)计算专家相似度权值;首先,设置一个相似度阈值T,运用系统聚类法对通过一致性检验的t位专家进行聚类,其中两两专家排序向量间的相似度以向量夹角余弦定义,其计算公式如下:
其次,根据聚类结果,将t位专家划分为c类,c<t,根据群决策“少数服从多数原则”,对类容量较大的类中排序向量赋予较大的权重;设第k位专家的权重为λk,第k位专家所在的第p类的专家数目为可得基于聚类分析的相似度权重系数如下:
最后,结合式(11)计算得到的各专家相似度权重系数对t位专家的第i个指标信息进行合并,其计算公式为:
F)确定最终数据资产价值影响指标权重;记指标i的最终权重为Ci',计算公式为:
综上,构造出数据资产效用评价指标体系,各一级指标,包括数据完整性、准确性、及时性、有用性、独特性、一致性、可追溯性、价值实现风险,的最终权重为C'=(C'1,C'2,…,C'8)。
进一步地,步骤S6中,数据资产效用水平系数Utility是对数据完整性、准确性、及时性、有用性、独特性、一致性、可追溯性、价值实现风险八个方面的效用综合评价;Utility的取值在0~1之间;计算数据资产效用水平系数Utility的具体方法为:
首先,邀请多位专家根据数据资产效用评价表对待估数据资产多维度效用进行打分,打分范围为0~10分,专家的打分越高表明待估资产特定指标维度的效用越高;一级指标的权重为式(13)计算所得的C',每个一级指标下的各二级指标等权重,然后运用模糊综合评价法计算数据资产效用评价分值Q,最后,运用式(14)将其转化为0~1的效用系数Utility:
其中,minq表示十分位制区间中位数的最小值;maxq表示十分位区间中位数的最大值。
本发明还提供了一种数据要素资产价值评估系统,包括存储器、处理器以及存储于存储器上并能够被处理器运行的计算机程序指令,当处理器运行该计算机程序指令时,能够实现上述的方法步骤。
与现有技术相比,本发明具有以下有益效果:本发明提供了一种数据要素资产价值评估方法及系统,不受数据交易市场发展不完善、数据资产超额收益分离受阻、数据资产未商业化的约束,能够对不存在已实现现金流的数据资产进行价值评估。现有的成本法中,尚未形成标准化的数据资产效用评价指标体系,且多数研究仅基于理论分析,缺乏实用性,本发明通过分析不同因素对数据价值的影响逻辑,构建了包含数据完整性、数据准确性等八个维度在内的问卷式效用评价体系,提供了相对全面与具体的数据要素资产价值研判框架。此外,本发明在计算数据要素资产价值影响指标权重的过程中,提出纳入专家判断力权值与相似度权值的群决策层次分析法,既在考虑专家逻辑不一致矛盾的情形下,最大限度地保留了专家的原始评价信息,又通过多专家信息集结,避免了以往文献仅运用单一专家信息构建指标体系可能存在的专家个体主观倾向性。
附图说明
图1是本发明实施例的方法实现流程图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
应该指出,以下详细说明都是示例性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
如图1所示,本实施例提供了一种数据要素资产价值评估方法,包括如下步骤:
步骤S1、获取待评估的数据资产。
步骤S2、计算经过通货膨胀调整后的数据总成本COST。
步骤S3、选取可比数据资产,将其收益率作为评估基准时点同类资产的平均收益率;估计数据资产的使用年限T,预估其在不同情景下的未来收益变化;然后,综合不同收益情景,计算待评估数据资产的预期收益率expR。
步骤S4、通过分析不同因素对数据资产价值的影响逻辑,构建数据资产价值影响指标体系。
步骤S5、通过专家打分法、改进群决策层次分析法计算数据资产价值影响指标权重。
步骤S6、通过专家打分法和模糊综合评价法计算数据资产效用水平系数Utility。
步骤S7、计算数据要素资产价值DAV,其计算公式如式(1)所示:
DAV=COST×(1+expR)×Utility (1)。
步骤S2中,从数据处理环节来看,数据总成本包括数据采集、数据清洗、数据加工、数据汇聚、数据挖掘、数据输出等多个环节的成本,并且不同数据处理单位之间的数据处理环节可能存在一定的交叉或重叠;对于一项数据,经历各个单位必要环节的数据处理,将以上的各个环节经通货膨胀调整后的成本予以加总,即得到数据总成本COST。当某一数据处理单位仅有多个数据集,即数据资产的处理成本合计数时,需要将该成本合计数分摊到各个数据集,可以使用简单平均分摊、按照各个数据集的规模大小、按照各个数据集的维护成本大小等规则进行分摊。数据总成本COST的计算公式如式(2)所示:
式中,a为数据处理单元总数,b为第i个数据处理单元相关的数据处理环节总数,Cij为第i个数据处理单位与该项数据有关的第j项成本(即第j个数据处理环节产生的成本)开支货币金额,pij为与成本Cij相对应的通货膨胀系数,等于自该项成本发生之日到评估基准日的各月通货膨胀系数累乘。
在本实施例中,步骤S3的实现方法为:
首先,选取可比数据资产,并计算其净资产收益率ROE,以此作为评估基准时点同类资产的平均收益率。
其次,根据数据具有时效性、准确性和有用性等特点,估计待评估数据资产的预期使用年限T,并设置三种不同的收益流入情景:一是假定被评估数据资产在未来T年内均以所述净资产收益率ROE稳定获利;二是假定被评估资产在未来t1年内以所述净资产收益率ROE稳定获利,t1<T,而自第t1+1年起收益率逐年递减,直至第T+1年不再产生现金流收益;三是假定被评估资产在第1年以所述净资产收益率ROE获得收益,而自第2年起现金流入量逐年递减,直至第T+1年不再产生现金流收益。
最后,将基于三种情景计算的累积收益率取均值即为被评估数据资产的预期收益率expR。
步骤S4中,通过分析不同因素对数据资产价值的影响逻辑,构建包含数据完整性、准确性、及时性、有用性、独特性、一致性、可追溯性、价值实现风险八个维度在内的数据资产价值影响指标体系。
步骤S5中,利用专家打分法与改进群决策层次分析法计算数据资产价值影响指标权重,具体包括以下步骤:
A)确定判断矩阵并进行一致性检验;邀请m位专家基于“1-9”标度法,通过对n个数据资产价值影响指标两两比较的方式构建各自的判断矩阵,记第k位专家所生成的判断矩阵为Ak,k=1,2,…,m;对每位专家的判断矩阵进行一致性检验,检验公式如下:
其中,λmax为判断矩阵的最大特征根,CI为判断矩阵的一致性指标,RI为判断矩阵的随机一致性指标(如表1所示),CR为一致性比率,一般认为CR≤0.1,专家判断矩阵的一致性可接受。
表1平均随机一致性指标
B)运用特征值法求得m位专家对n个指标的权重;记第k位专家所求得的指标权重为Wk:
Wk=(wk1,wk2,…,wkn),k=1,2,…,m (5)
C)计算专家的判断力权值Pk;记第k位专家的判断矩阵为Ak,为Ak的最大特征值,Ak的一致性指标CIk为:
由于专家判断能力与一致性指标CIk成反比,因此,将第k位专家的判断力权值定义为:
将权值规范化,有:
D)计算各专家基于判断力权值的指标权重;采用基于个体排序向量的算数加权平均法计算指标i的权重系数,其计算公式为:
式中,Pk为式(8)所求得的各专家的判断力权值。
E)计算专家相似度权值;首先,设置一个相似度阈值T,运用系统聚类法对通过一致性检验的t位专家进行聚类,其中两两专家排序向量间的相似度以向量夹角余弦定义,其计算公式如下:
其次,根据聚类结果,将t位专家划分为c类,c<t,根据群决策“少数服从多数原则”,对类容量较大的类中排序向量赋予较大的权重;设第k位专家的权重为λk,第k位专家所在的第p类的专家数目为可得基于聚类分析的相似度权重系数如下:
最后,结合式(11)计算得到的各专家相似度权重系数对t位专家的第i个指标信息进行合并,其计算公式为:
F)确定最终评价指标权重;记指标i的最终权重为Ci',计算公式为:
综上,构造出数据资产效用评价指标体系,各一级指标,包括数据完整性、准确性、及时性、有用性、独特性、一致性、可追溯性、价值实现风险,的最终权重为C'=(C'1,C'2,…,C'8)。这里的n表示n个评价指标,所计算出的C'就表示第i个评价指标的权重,通过计算n个指标的C'值就构造出了最终的数据资产效用评价指标体系。
步骤S6中,数据资产效用水平系数Utility是对数据完整性、准确性、及时性、有用性、独特性、一致性、可追溯性、价值实现风险八个方面的效用综合评价;Utility的取值在0~1之间。计算数据资产效用水平系数Utility的具体方法为:
首先,邀请多位专家根据数据资产效用评价表对待估数据资产多维度效用进行打分,打分范围为0~10分,具体指标设置如表2所示,专家的打分越高表明待估资产特定指标维度的效用越高,如:对问题1的打分越接近于10,说明数据完整性越高,即便存在数据缺失,对数据可能的应用影响程度越小;一级指标的权重为式(13)计算所得的C',每个一级指标下的各二级指标等权重,然后运用模糊综合评价法计算数据资产效用评价分值Q,其中,评分与评价等级划分如表3所示,最后,运用式(14)将其转化为0~1的效用系数Utility:
表2数据资产效用评价指标体系
表3评价等级
其中,minq表示十分位制区间中位数的最小值,即1.5;maxq表示十分位区间中位数的最大值,即9.5。
本实施例还提供了一种数据要素资产价值评估系统,包括存储器、处理器以及存储于存储器上并能够被处理器运行的计算机程序指令,当处理器运行该计算机程序指令时,能够实现上述的方法步骤。
本实施例以福建省政务数据汇聚共享平台为实施例,以2022年6月30日为评估基准日,评估汇聚共享平台全部数据库资源的价值,验证本发明提出的数据要素资产价值评估方法的有效性。福建省政务数据汇聚共享平台为分阶段立项建设而来,从成本构成来看,数据资产项目的建设经费包含了数据采集、数据清洗等数据处理环节的费用支出,可将其作为数据资产项目总成本的计算基础。与此同时,考虑到该数据平台的建设经费为自2001年以来的分阶段投入,通货膨胀因素对于数据资产成本的影响较大,本文利用全国消费者物价指数(CPI)月度环比数据计算通货膨胀因子,并对各阶段立项建设经费投入进行调整,计算得数据资产总成本COST为8425.2166万元。
在确定数据资产总收益率expR时,本文选取A股三家主营政务数据业务的上市公司,即科创信息(证券代码:300730)、易华录(证券代码:300212)和数字政通(证券代码:300075),作为福建省政务数据汇聚共享平台的可比数据资产,计算得三家公司近四年(2018年-2021年)的平均净资产收益率为7.38%。鉴于数据具有时效性、有用性等特点,预估待评估数据资产能够使用十年,并设置三种收益情景:一是假定待评估数据资产数据在未来十年以每年7.38%的收益率稳定获利;二是假定待评估数据资产数据在未来5年内以每年7.38%的收益率稳定获利,而自第6年起收益率逐年递减,直至第11年不再产生现金流收益;三是假定待评估数据资产在第1年以7.38%的收益率获得收益,而在2-10年收益率逐年递减,直至第11年不再产生现金流收益。最后将基于上述三种情景分别计算的累积收益率取均值,即为待估资产总收益率expR,为74.46%。
在确定数据资产效用系数时,先运用综合判断力权值和相似度权值的改进群决策层次分析法确定数据资产效用的八个评价指标维度间的相对权重,在此基础上,运用专家打分法和模糊综合评价法计算得数据资产效用系数Utility,为0.7895。综合上述,以2022年6月30日为评估基准日,估计得福建省政务数据汇聚共享平台数据资产价值为11604.5707万元。
结果显示,成本法适用于未商业化的公共政务数据资产估值。上述数据资产价值评估结果能够有效协助指导有关公共数据平台的发展规划。
本发明在成本法的基础上,通过归纳数据资产价值的多维度影响因素,运用专家打分法、群决策层次分析法、模糊综合评价法等方法构建了一套全面与具体的数据资产价值效用评价体系。同时,本发明综合考虑数据具有及时性、有用性和准确性的特点以及数据资产未来可能产生经济收益流入的状况,设置三种收益流入情景,结合可比数据资产收益率预估数据资产的期望收益。综合上述,提出了一个基于改进成本法的数据要素资产评估模型,该模型特别适用于对未实现商业化、不存在已实现现金流的数据要素资产进行价值评估,而现有的收益法、市场法和成本法难以对此类数据资产进行价值评估。
与已有成本法相比,本发明具有以下创新贡献:其一,现有的成本法中,尚未形成标准化、系统化的数据资产效用评价指标体系,且多数文献仍局限于理论分析,缺乏实用性,本发明通过分析不同因素对数据价值的影响逻辑,构建了包含数据完整性、数据准确性、数据及时性、数据有用性、数据独特性、数据一致性、数据可追溯性和数据价值实现风险八个维度在内的问卷式效用评价指标体系,提供了较为全面、具体且具备可实践性的数据要素资产价值研判框架;其二,在计算数据要素资产不同评价维度间的相对权重过程中,已有成本法模型仅基于单专家信息计算数据资产价值影响指标权重,而本发明提出了纳入专家判断力权值与相似度权值的群决策层次分析法。该群决策层次分析法既在考虑专家逻辑不一致矛盾的情形下,最大限度地保留了专家的原始评价信息,又通过多专家信息集结,避免了以往文献仅运用单一专家信息构建指标体系可能存在的专家个体主观倾向性;其三,已有成本法在确定数据资产价值调整系数时,对于数据资产经济收益的计算仅基于主观估测,缺乏系统且具体的计算方案,无法为成本法的应用提供客观且具有可重复实现性的操作指引。本发明提出了对待估资产预期收益的具体计算方案,通过选取待评估对象的可比数据资产,计算评估时点同类资产的平均收益率,在综合考虑数据时效性、准确性、有用性等特点的基础上,设置待估资产在未来不同情境下的收益变化方式,将数据资产的未来预期经济收益纳入价值评估模型中,体现了数据资产的获利能力。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述,仅是本发明的较佳实施例而已,并非是对本发明作其它形式的限制,任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型,仍属于本发明技术方案的保护范围。
Claims (7)
1.一种数据要素资产价值评估方法,其特征在于,包括如下步骤:
步骤S1、获取待评估的数据资产;
步骤S2、计算经过通货膨胀调整后的数据总成本COST;
步骤S3、选取可比数据资产,将其收益率作为评估基准时点同类资产的平均收益率;估计数据资产的使用年限T,预估其在不同情景下的未来收益变化;然后,综合不同收益情景,计算待评估数据资产的预期收益率expR;
步骤S4、通过分析不同因素对数据资产价值的影响逻辑,构建数据资产价值影响指标体系;
步骤S5、通过专家打分法、改进群决策层次分析法计算数据资产价值影响指标权重;
步骤S6、通过专家打分法和模糊综合评价法计算数据资产效用水平系数Utility;
步骤S7、计算数据要素资产价值DAV,其计算公式如式(1)所示:
DAV=COST×(1+expR)×Utility (1)。
2.根据权利要求1所述的一种数据要素资产价值评估方法,其特征在于,步骤S2中,从数据处理环节来看,数据总成本包括数据采集、数据清洗、数据加工、数据汇聚、数据挖掘、数据输出多个环节的成本,并且不同数据处理单位之间的数据处理环节可能存在一定的交叉或重叠;对于一项数据,经历各个单位必要的数据处理,将各个环节经通货膨胀调整后的成本予以加总,即得到数据总成本COST;当某一数据处理单位仅有多个数据资产的处理成本合计数时,将该成本合计数分摊到各个数据集,可以使用简单平均分摊、按照各个数据集的规模大小、按照各个数据集的维护成本大小等规则进行分摊;数据总成本COST的计算公式如式(2)所示:
式中,a为数据处理单元总数,b为第i个数据处理单元相关的数据处理环节总数,Cij为第i个数据处理单位与该项数据有关的第j项成本开支货币金额,pij为与成本Cij相对应的通货膨胀系数,等于自该项成本发生之日到评估基准日的各月通货膨胀系数累乘。
3.根据权利要求1所述的一种数据要素资产价值评估方法,其特征在于,步骤S3的实现方法为:
首先,选取可比数据资产,并计算其净资产收益率ROE,以此作为评估基准时点同类资产的平均收益率;
其次,根据数据具有时效性、准确性和有用性等特点,估计待评估数据资产的预期使用年限T,并设置三种不同的收益流入情景:一是假定被评估数据资产在未来T年内均以所述净资产收益率ROE稳定获利;二是假定被评估资产在未来t1年内以所述净资产收益率ROE稳定获利,t1<T,而自第t1+1年起收益率逐年递减,直至第T+1年不再产生现金流收益;三是假定被评估资产在第1年以所述净资产收益率ROE获得收益,而自第2年起现金流入量逐年递减,直至第T+1年不再产生现金流收益;
最后,将基于三种情景计算的累积收益率取均值即为被评估数据资产的预期收益率expR。
4.根据权利要求1所述的一种数据要素资产价值评估方法,其特征在于,步骤S4中,通过分析不同因素对数据资产价值的影响逻辑,构建包含数据完整性、准确性、及时性、有用性、独特性、一致性、可追溯性、价值实现风险八个维度在内的数据资产价值影响指标体系。
5.根据权利要求1所述的一种数据要素资产价值评估方法,其特征在于,步骤S5中,利用专家打分法与改进群决策层次分析法计算数据资产价值影响指标权重,具体包括以下步骤:
A)确定判断矩阵并进行一致性检验;邀请m位专家基于“1-9”标度法,通过对n个数据资产价值影响指标两两比较的方式构建各自的判断矩阵,记第k位专家所生成的判断矩阵为Ak,k=1,2,…,m;对每位专家的判断矩阵进行一致性检验,检验公式如下:
其中,λmax为判断矩阵的最大特征根,CI为判断矩阵的一致性指标,RI为判断矩阵的随机一致性指标,CR为一致性比率;
B)运用特征值法求得m位专家对n个指标的权重;记第k位专家所求得的指标权重为Wk:
Wk=(wk1,wk2,…,wkn),k=1,2,…,m (5)
C)计算专家的判断力权值Pk;记第k位专家的判断矩阵为Ak,为Ak的最大特征值,Ak的一致性指标CIk为:
由于专家判断能力与一致性指标CIk成反比,因此,将第k位专家的判断力权值定义为:
将权值规范化,有:
D)计算各专家基于判断力权值的指标权重;采用基于个体排序向量的算数加权平均法计算指标i的权重系数,其计算公式为:
式中,Pk为式(8)所求得的各专家的判断力权值;
E)计算专家相似度权值;首先,设置一个相似度阈值T,运用系统聚类法对通过一致性检验的t位专家进行聚类,其中两两专家排序向量间的相似度以向量夹角余弦定义,其计算公式如下:
其次,根据聚类结果,将t位专家划分为c类,c<t,根据群决策“少数服从多数原则”,对类容量较大的类中排序向量赋予较大的权重;设第k位专家的权重为λk,第k位专家所在的第p类的专家数目为p≤c,可得基于聚类分析的相似度权重系数如下:
最后,结合式(11)计算得到的各专家相似度权重系数对t位专家的第i个指标信息进行合并,其计算公式为:
F)确定最终数据资产价值影响指标权重;记指标i的最终权重为Ci',计算公式为:
综上,构造出数据资产效用评价指标体系,各一级指标,包括数据完整性、准确性、及时性、有用性、独特性、一致性、可追溯性、价值实现风险,的最终权重为C'=(C′1,C′2,…,C′8)。
6.根据权利要求5所述的一种数据要素资产价值评估方法,其特征在于,步骤S6中,数据资产效用水平系数Utility是对数据完整性、准确性、及时性、有用性、独特性、一致性、可追溯性、价值实现风险八个方面的效用综合评价;Utility的取值在0~1之间;计算数据资产效用水平系数Utility的具体方法为:
首先,邀请多位专家根据数据资产效用评价表对待估数据资产多维度效用进行打分,打分范围为0~10分,专家的打分越高表明待估资产特定指标维度的效用越高;一级指标的权重为式(13)计算所得的C',每个一级指标下的各二级指标等权重,然后运用模糊综合评价法计算数据资产效用评价分值Q,最后,运用式(14)将其转化为0~1的效用系数Utility:
其中,minq表示十分位制区间中位数的最小值;maxq表示十分位区间中位数的最大值。
7.一种数据要素资产价值评估系统,其特征在于,包括存储器、处理器以及存储于存储器上并能够被处理器运行的计算机程序指令,当处理器运行该计算机程序指令时,能够实现如权利要求1-6任一项所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310916948.0A CN116934160A (zh) | 2023-07-25 | 2023-07-25 | 一种数据要素资产价值评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310916948.0A CN116934160A (zh) | 2023-07-25 | 2023-07-25 | 一种数据要素资产价值评估方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116934160A true CN116934160A (zh) | 2023-10-24 |
Family
ID=88384027
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310916948.0A Pending CN116934160A (zh) | 2023-07-25 | 2023-07-25 | 一种数据要素资产价值评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116934160A (zh) |
-
2023
- 2023-07-25 CN CN202310916948.0A patent/CN116934160A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dahooie et al. | A novel dynamic credit risk evaluation method using data envelopment analysis with common weights and combination of multi-attribute decision-making methods | |
Aldamak et al. | Review of efficiency ranking methods in data envelopment analysis | |
Brauers et al. | MULTIMOORA for the EU Member States updated with fuzzy number theory | |
Safaei Ghadikolaei et al. | Applying fuzzy MCDM for financial performance evaluation of Iranian companies | |
Mortaji et al. | Fuzzy time-driven activity-based costing | |
Hsiao et al. | Using fuzzy super-efficiency slack-based measure data envelopment analysis to evaluate Taiwan’s commercial bank efficiency | |
EP2506207A1 (en) | Computer system, computer-implemented method and computer program product for managing operations of a system | |
WO2006004131A1 (ja) | 企業評価装置、企業評価プログラム並びに企業評価方法 | |
Mousavi et al. | Multi-criteria ranking of corporate distress prediction models: empirical evaluation and methodological contributions | |
Yang et al. | A study on directional returns to scale | |
CN112884590A (zh) | 基于机器学习算法的电网企业融资决策方法 | |
Kadhim et al. | Using Attribute-Based Costing To Conduct Efficient Customer Profitability Analysis In Small And Medium-Sized Manufacturing Businesses | |
CN115310752A (zh) | 面向能源大数据的数据资产价值评价方法及系统 | |
Chao | Estimating project overheads rate in bidding: DSS approach using neural networks | |
Dobrescu | Modelling an emergent economy and parameter instability problem | |
CN110322347A (zh) | 一种长短期策略多因子量化投资方法及装置 | |
US11995667B2 (en) | Systems and methods for business analytics model scoring and selection | |
CN115841345B (zh) | 跨境大数据智能化分析方法、系统以及存储介质 | |
Bogetić et al. | Measuring untapped revenue potential in developing countries: cross-country frontier and panel data analysis | |
CN111161065A (zh) | 股权估值结果调整方法及系统 | |
CN116468273A (zh) | 客户风险识别方法及装置 | |
CN116934160A (zh) | 一种数据要素资产价值评估方法及系统 | |
Niknya et al. | Financial distress prediction of Tehran Stock Exchange companies using support vector machine | |
Al-Halabi et al. | The impact of designing accounting information systems on the level of accounting conservatism-a field study | |
CN114626940A (zh) | 数据分析方法、装置及电子设备 |
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 |