交易性数据资产的价值确定机制研究开题报告

1. 研究目的与意义

21世纪以来,大数据、云计算、移动互联网、人工智能、区块链等数据技术迅猛发展,推动了人类社会从信息时代到数据时代的转变。

在数据时代,数据已经成为企业的核心资产,如何有效发挥数据资产在交易中的价值却面临不少难题。

现有的理论和方法难以甄别海量数据中有价值的数据、难以有效分析与量化数据资产的价值。

2. 研究内容和预期目标

随着数据时代的到来，在数据产业日趋成熟、不断发展的现实背景下，数据资产的资产属性已经得到产业界、学术界的广泛认可，但是数据资产明确的定义、范围和特性仍然处于研究和探索中。目前，产业界和学术界普遍认可将数据资产放入无形资产中，并参考现有无形资产的评估方式，使用收益现值法、市场价值法和重置成本法对数据资产进行评估。

借鉴信息生命周期理论,数据资产的价值只能在其交换中体现。从数据量与数据质量以及数据分析能力两方面,剖析数据资产价值后可以发现,影响数据资产价值的因素为企业规模、数据覆盖程度、数据完整性、数据外部性、数据时效性、数据相关性和信息系统、人才技能、消费者需求。同时,利用层次分析法以及灰色关联分析法的双重结合,将数据资产价值影响因素嵌入其中,并运用关联度确定可比数据资产,进而对市场法进行修正,并结合收益现值法和重置成本法等方法构建数据资产价值评估模型,从而评估交易性数据资产的价值。

3. 国内外研究现状

Dalessandro B , Perlich C , Raeder T（2014）在《Bigger is Better, but at What Cost?Estimating the Economic Value of Incremental Data Assets》一文中表明许多公司依靠第三方供应商为商业预测建模应用程序提供数据。在先前的研究文献中很少关注的问题是评估购买数据的公允价值。于是提出了一种估算将增量数据添加到预测建模应用的经济价值的方法。该方法首先从通用分类评估指标的角度评估增量数据对模型性能的影响。然后，这种效应转化为经济单位，从而提供公司可能通过收购特定数据资产而实现的预期经济价值。根据这一评估，公司可以评估交易性数据资产。Dennedy M F , Fox J , Finneran T R （2014）在《Value and Metrics for Data Assets》一文中表明在这些情况下，拥有可相互操作的价值模型非常重要。虽然这是一项极其有价值的努力，可以推动最终结果和系统性变革，但提取这些常见的测量模型并不容易。隐私工程师的任务是沟通和澄清这些利益相关者的数据价值，以推动创新。显然，这种价值方法必须为最高管理层提供协调的累积观点。方法和模型对于收集模型数据的运营团队也必须有意义。一旦数据资产得到适当衡量，并通过创新技术和工具理解价值，数据经济就可以蓬勃发展并从进一步投资中获益。从中可以体现交易性数据资产的重要性和评估交易性数据资产的必要。张驰 （2018）在《数据资产价值分析模型与交易体系研究》一文中表明如何衡量数据资产的价值成为数据资产研究的前沿问题。据资产为研究对象,以分析及量化数据资产价值、安全实现数据资产价值为目标。在明确数据资产的定义,分析数据资产价值的构成及其影响因素的基础上,提取了数据资产价值的特征维度,设计了数据资产价值分析模型框架;采用深度学习技术,构建了数据资产价值分析模型;基于区块链技术,构建了数据资产交易体系;提出了港口为核心的商务圈的应用场景,探索了数据资产价值分析模型与交易体系在实际场景中的应用方式。在上述研究的基础上,剖析了数据资产价值的构成,将价值分为内在价值和外在价值两部分;结合数据资产价值的影响因素分析,提取了衡量数据资产价值的五项特征维度(颗粒度、活性度、关联度、多维度和规模度)及相应的细分维度指标;设计了基于特征维度的数据资产价值分析模型框架,给出了数据资产价值的计算公式,提出了量化数据资产价值的通用方法。其次以完善基于特征维度的数据资产价值分析模型框架为目标,利用深度学习技术,构建了数据资产价值分析模型,实现了五个特征维度值的计算,完成了对数据资产价值的量化。在模型的构建过程中,进行了原始数据的收集和预处理,确定了模型的输入格式、模型的层次结构及各层函数,完成了模型的训练与优化。李永红,李金骜 （2017）在《互联网企业数据资产价值评估方法研究》一文中表明数据资产是由企业经营过程中收集的数据形成的一种资产，由于互联网企业的主要业务一般为信息类的服务或产品，因此，数据资产与企业的经营更是息息相关。虽然目前关于企业运营过程中数据的收集与分析受到了一定程度上的重视，但是关于数据资产及其价值评估的研究却比较少。因此，以互联网企业为分析对象，概述了其数据资产价值在不同方面的构成内容，研究了使用传统的资产价值评估方法对数据资产进行评估的应用条件，并对原有计算方法进行了相应的调整，目的在于为未来的理论研究与现实应用提供基础。李雅雄, 倪杉 （2017）在《数据资产的会计确认与计量研究》一文中指出数据资产已成为企业的一项重要资源,具有可数据化、加工性、时效性、更新性、个性等特点。为了更准确地反映企业数据资产的价值,需要对其进行合理的会计确认和计量。数据资产在内涵界定、确认内容、独特性及会计核算方法等方面均有别于无形资产,需要慎重评估其是否满足资产确认条件,能否带来未来经济利益流入并可计量,可单独设置'数据资产'科目予以反映。会计计量上也应当采用货币和非货币计量单位相结合的方式,区分自产加工、外购等方式分别采用历史成本和公允价值进行计量。

4. 计划与进度安排

1、2022年11月至2022年1月，拟订提纲。

通过学校图书馆书籍、电子网络、杂志以及硕博论文收集相关资料，在学习所有与论题相关知识点的基础上，总结并提炼出提纲，填写开题报告。

2、2022年1月至3月，完成初稿。

5. 参考文献

[1]李雅雄, 倪杉. 数据资产的会计确认与计量研究[j]. 湖南财政经济学院学报, 2017:82-90.

[2]张驰. 数据资产价值分析模型与交易体系研究[d].北京交通大学,2018.