FreeBuf.COM网络安全行业门户，每日发布专业的安全资讯、技术剖析。

随着金融机构和银行业数字化改革逐步进入“深水区”，数据资产已经成为核心价值的驱动器。近些年《“十四五”数字经济发展规划》的发布，有关部门正式将数据确认为重要的生产要素，数据的价值在国家层面得到认可，在各行各业中释放出巨大的潜在力量。

然而，随着数据资产的重要性日益凸显，数据资产估值也面临着一系列挑战和难题。首先，数据是流动的、易变的，不同于传统实物资产，数据可以被重复使用，且在不同的场景下可以产生不同的价值，传统的资产评估方式很难完全适应数据资产的特性。

进行数据资产估值时，需要考虑诸多因素。首先，需要综合考量数据的稀缺性、重要性、市场需求以及数据所带来的潜在商业价值。其次，要充分了解数据的质量、完整性、准确性和安全性等方面，因为这些因素都将直接影响数据资产的估值结果。

此外，还需要考虑数据的时效性、可更新性以及未来的增值潜力等因素，以便更准确地评估数据资产的长期投资价值。如何为其找到合适的资产估值算法，并确保估值结果能够真实地反映其在市场中的实际价值，是一个复杂而关键的挑战。在这样的背景下，中国银行业协会制定了《银行业数据资产估值指南》（以下简称《指南》）。

《指南》适用于银行业金融机构，通过融合数据、资产评估和财务等多个专业领域的理论研究和实践，结合商业银行数据资产特性及数据质量、规模及市场交易等因素，构建了适用于商业银行的数据资产估值框架，旨在解决商业银行数据资产价值难衡量等问题，从而为全行业数据资产估值体系的全面构建及落地提供实践参考，推动数据要素市场科学有序发展。

《指南》提出，数据资产估值宜满足以下原则：

安全合规原则：即在估值过程中需要关注数据资产的安全性和合法性，确保估值过程安全合规；

目标导向原则：即能够实现为支持内部管理决策和促进外部数据要素流通提供量化参考的目标；

合理假设原则：即数据资产作为企业资产组成部分的价值可有别于作为单项资产的价值，宜采取适当方法区分数据资产和其他资产共同发挥作用时对组织的贡献，合理使用现状利用假设、公开市场假设、持续经营假设等估值假设；

量化评估原则：即确保数据资产各方面信息的真实性、准确性，使用专业知识、技术手段和实践经验等，以数据应用特征匹配估值方法，构建数据资产管理估值指标体系，开展数据资产估值。

在《指南》中，估值指标体系的设计策略在系统性综合数据与数据资产特性以及传统资产评估方法基础上，采纳了数据资产基础评价方法中对数据资产价值影响因素的综合性考量，将数据质量、数据应用、数据安全等指标纳入通过层次分析法定量转化为价值调整系数，形成由成本价值指标、经济价值指标、市场价值指标、内在价值指标组成的估值指标体系。数据资产估值指标体系设计策略示意图如下：

对于数据资产估值的方法，《指南》中提到了成本法、收益法、市场法及其衍生方法。主要遵循以下原则：

前提适用原则：不同的估值方法均具有不同的适用前提，通常情况下需分析能够运用各估值方法的前提是否满足综合选择最适配的方法；

方法与价值实现方式匹配原则：由于同一数据资产具有“可加工性”及“共享性”等特点，同一数据资产在不同的场景下发挥不同的价值，且多种价值可同时存在，需要根据各类估值对象的不同价值实现方式，匹配合适的估值方法；

连续性原则：选用估值方法后，宜确保方法的可持续性。为保持估值方法计算数据的连续可比，通常持续沿用同一种方法以保证估值的连贯性和稳定性。

除了估计方法、估值原则，数字资产估值制度同样重要。《指南》强调，数据资产估值时应遵守相关法律法规，围绕数据资产估值活动的职责分工、管理活动做出全面、系统的制度规范，确保估值过程合法合规。

建立工作考核机制，纳入相关部门的绩效考核；

清晰描述各个评估步骤，为评估人员提供相关操作手册、模板类文件；

加强数据来源的管控，保证数据来源的可靠性和权威性，进而保障估值的准性；

明确交付物的范围、内容、形式，以及数据资产估值结果的披露方式，包括披露范围、披露时间等，确保估值过程的透明度；

建立数据资产估值结果的确认机制，对估值结果进行核对和确认；

建立数据资产估值结果的更新和复核机制，定期更新和复核，确保估值结果的持续准确性。

全文：《银行业数据资产估值指南》

本文为 独立观点，未经允许不得转载，授权请联系FreeBuf客服小蜜蜂，微信：freebee2022