数据资产化之路—数据资产的估值与行业实践-德勤+阿里研究院-201910.pdf

数据资产化之路—数据资产的估值与行业实践-德勤+阿里研究院-201910.pdf
本报告探讨了数据资产化的相关问题,旨在提供一个初步的思考框架。报告主要发现如下: **数据的资产化:** 数据资产不完全符合会计准则中对于“资产”及“无形资产”的定义,因此目前尚未体现在企业的财务报表上。然而,从会计角度的讨论只是一个起点,更重要的是如何从广义上认可数据的价值及其对企业价值的贡献。 **影响因素:** 影响数据资产价值的因素主要从数据资产的收益和风险两个维度考虑。收益取决于数据资产的质量(真实性、完整性、准确性、数据成本、安全性等)和应用价值(稀缺性、时效性、多维性、场景经济性等)。风险主要源自商业环境的法律限制和道德约束,对数据资产的价值有着从量变到质变的影响,应充分考虑。 **评估方法:** 成本法、收益法、市场法是传统的三种评估方法,在应用于数据资产估值时各具有适用性,但也都存在一定的局限性,目前尚未形成成熟的数据资产估值方法。 报告指出,数据资产具有通用性强、外部性、不可耗尽等特性。因此,数据资产的价值主要受其数据质量、应用场景及法律道德限制的影响。尽管行业中已有很多数据资产的交易案例,但目前尚未形成成熟的数据资产估值体系及方法。 报告建议,逐步探索和推进特定领域或具体案例中数据资产的价值分析,将可能是未来一段时间内不断深化这一研究的可行之道。同时,应以发展和包容的理念去平衡考虑数据的价值创造与风险控制。 报告还引用了多个数据资产交易的实例,例如微软收购 LinkedIn、Facebook 收购 Instagram 和 WhatsApp、亚马逊收购 Wholefoods 等,说明了数据资产的巨大价值。最后报告探讨了淘宝店铺的估值案例,并总结了数据资产估值中应重点关注的问题。
在线阅读 下载完整报告 | 1.81 MB | 40页
阅读和下载会消耗积分;登录、注册、邀请好友、上传报告可获取积分。
成为VIP会员可免费阅读和下载报告