《银行业数据资产估值指南》发布 明确分类与估值方法

3月20日，贝壳财经记者了解到，中国银行业协会已于近期发布《银行业数据资产估值指南》团体标准。该标准由中国光大银行牵头，中国工商银行、中国农业银行、招商银行、浦发银行等单位共同参与研究制定。

作为加快数据要素资产化进程、激发数据流通动力的重要抓手，数据资产估值在数据要素市场建设过程中起到了关键的作用。但业内人士普遍认为，目前的数据资产估值无论是在理论方面，还是在实践方面，都还处于初级阶段。

“如何构建一套通用的数据资产估值体系以及科学有效的估值方法是激活数据要素价值、推动数据要素市场构建的关键。”作为《指南》的牵头行，光大银行向贝壳财经记者表示，《指南》兼具实用性和前瞻性，将银行业的数据资产分为原始类数据资产、过程类数据资产和应用类资产，并根据不同数据资产的特性，给出了估值指标体系设计策略及不同的估值方法参考，将为数据资产的市场化交易奠定基准，进而促进数据要素市场的健康有序发展。

划分资产类别为数据资产估值奠定基础

贝壳财经记者了解到，《指南》将数据资产定义为“银行业金融机构合法拥有或者控制的，能进行货币计量的，为组织带来直接或间接经济利益的可辨认数据资源”，并将银行业的数据资产划分为原始类、过程类和应用类等三类。

其中，原始类数据资产是通过外部获取或内部采集而来的明细数据，可以为后续数据加工应用提供原始信息。如征信数据、工商类数据等外部获取数据资产，以及核心系统采集的交易数据等内部采集数据资产，均属于这一类数据。

过程类数据资产是通过统计、汇总等加工方法，形成的统一、可复用的数据资产，包括数据仓库、数据湖、中台、各平台中间层数据。

《指南》指出，这类数据资产具有普遍适用性，可以使得后续的深度加工减少重复加工工作，避免资源浪费，具有一次加工多次使用的特性。如数据仓库根据所属数据主题域整合形成的参与人类、机构类、产品类、协议类、渠道类、事件类、财务类、资产类、公共代码类数据均属于过程类数据资产。

而应用类数据资产则面向实际的数据需求，以原始类和过程类的数据资产为基础，通过数据汇总、挖掘等加工方式得到的个性化的统计数据或数据产品，可以直接应用于业务部门，支持业务相关工作的开展和收益的提升。银行业金融机构营销模型、流失挽回模型等均属于这类数据。

标准编制组表示，《指南》明确了数据资产、数据资产估值相关的术语、缩略语及定义，统一市场对这些术语、缩略语和定义的理解，进一步标准化和规范化数据资产估值管理与共享的相关工作。而数据资产估值对象划分帮助使用者从海量数据资产中找出某一数据对象，便于进行对数据对象的管理与分析。

基于数据应用特征匹配估值方法

《指南》中还提供了数据资产估值方法和算法模型，主要包括成本法、收益法、市场法及其衍生方法等。在执行数据资产估值时，估值的组织者可根据估值目的、估值对象、价值类型、应用场景及资料收集等情况，梳理各估值对象价值来源，分析各类估值方法的适用性，针对不同的估值对象匹配合适的估值方法。

其中，成本法是将在当前条件下重新购置或建造一个全新状态的估值对象所需的全部成本与合理利润，减去各项贬值后的差额作为估值对象价值的一种评估方法。其中考虑合理利润的主要原因是需要将资产生产者的风险成本纳入考量，而合理利润是风险成本的量化估计。

收益法是通过估算被评估资产的未来预期经济收益，并将预期值折现作为评估资产价值的一种方法。整体思路为资产预期会给企业带来经济利益的流入。

市场法是按所选参照物的现行市场价格，通过比较被评估资产与参照资产之间的差异并加以量化，以调整后的价格作为资产评估价值的方法。市场法充分利用类似资产成交价格信息，采用比较和类比的思路估测被评估资产的价值。

而其他衍生方法则是基于成本法、收益法和市场法，结合数据资产的特性，可根据实际数据情况进行衍生，例如采用综合评估法等。

打通数据资产价值计量“最后一公里”

《指南》还提供了完整的数据资产估值指标体系设计策略，将数据规模、数据质量、数据应用、数据风险等指标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，解决了数据资产特征如何在资产估值模型中体现的问题，打通数据资产价值计量的“最后一公里”，为全面、准确的量化数据资产价值给予明确的指引。

标准编制组表示，《指南》对于不同类型和层级的数据资产都提供了详尽的评估模型和方法论，通过精准评估推动数据资产的有效管理，为数据资产的市场化交易奠定了基准，进而促进数据要素市场的健康有序发展。

事实上，我国数据资产评估仍处于初级阶段。标准编制组表示，数据资产价值评估还主要体现在定性计量层面，尚无科学有效的货币化计量方法。

数据资产本身具有非实体性、无消耗性和可加工性等传统资产不具备的特性，而传统的资产估值方法则难以适用于数据资产估值。《指南》考虑了数据资产的特有属性，其评估框架解决了商业银行长期以来对数据资产价值量化的诉求，在提升数据资产的精细化管理水平、增强管理决策的精准度等方面具有重要作用，为数据资产的市场化交易和科学发展提供了坚实基础。《指南》的发布标志着银行业对数据资产管理理念的一次升级。