引    言

银行业金融机构正处于一个数字化变革的时代，在这个时代中，数据无疑已经成为核心的价值驱动 器。随着中央文件将数据确认为重要的生产要素以及《“十四五 ”数字经济发展规划》的发布，数据的 价值不仅得到了国家层面的认可，更在各行各业中释放出潜在力量。与其巨大的价值潜力同时存在的， 是当前数据资产估值的种种难题。

传统的资产评估方式很难完全适应数据的特性。数据是流动的、易变的，它不仅可以重复使用，还 可以在不同的场景下产生不同的价值。尽管数据的价值显而易见，但如何为其匹配一个合适的资产估值 算法，并且确保估值结果能够真实地反映其在市场中的价值，是目前亟待解决的问题。

本文件通过融合数据、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。

银行业数据资产估值指南

1  范围

本文件界定了银行业数据资产估值涉及的术语及定义，确立了估值总体原则、对象，并提供了指标 体系构建、估值过程与保障内容方面的指导。

本文件适用于银行业金融机构，为金融机构开展数据资产估值提供参考。对参照本文件进行银行业 数据资产估值的结果运用，超出了本文件的范围。

2 规范性引用文件

下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件， 仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本 文件。

GB/T 37550—2019 电子商务数据资产评价指标体系

GB/T 40685—2021 信息技术服务 数据资产 管理要求

3  术语和定义

下列术语和定义适用于本文件。

3.1数据  data

任何以电子或其他方式对信息的记录。

[来源：JR/T 0236—2021，3.4]

3.2数据资产 data asset

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。

[来源：GB/T 40685—2021，3.1，有修改]

3.3数据资产估值 data asset valuation

银行业金融机构对评估基准日特定目的下的数据资产价值进行评定和估算的活动。 [来源：GB/T 40685—2021，3.9，有修改]

4  总体原则

数据资产估值宜满足以下原则：

a) 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；b)  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；c)  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；

d) 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。

5  估值对象

数据资产估值的对象即数据资产本身。开展数据资产估值时，宜分析数据资产的信息要素和基本特征。

a) 数据资产的信息要素通常包括基础属性、业务要素、管理要素及价值要素，具体宜符合 GB/T 40685—2021 中 5.3 的内容。

b) 数据资产的基本特征可表述为以下几点：

1） 可辨认性：能够通过盘点、注册等管理手段，对数据资产进行识别、记录及计量，并从组织中分离或划分出来，能单独或者与相关合同、资产或负债一起，用于出售、转移、授予许可、租赁、交换或托管等；

2） 可加工性：数据资产能够通过各类数据技术，如更新、维护、加总、分析及挖掘等处理方式，改变其状态和形态；

3） 无限复制性：数据资产可被低成本无限复制，并在同一时间为多方使用；

4） 共享性：同一数据能够支持组织内外部多个主体共享使用，不同主体对同一数据的利用将 产生不同的价值；

示例 1：银行业金融机构的贷款合同数据能够用于风险监控、拓客营销及向管理部门报送等不同场景，且在不 同场景下产生不同价值。

5） 价值易变性：数据资产的价值受到数据容量、数据时效、应用场景等因素影响，价值易发 生变化。

示例 2：银行业金融机构过往制定的客户交叉营销算法模型，随着机器学习算法的发展，原有模型的准确率将 远远低于运用最新技术的模型，其价值受到技术因素的影响。

6 估值指标体系

6.1  设计策略

数据资产估值指标体系是指通过整合数据资产管理中的多个相互联系、相互协调的活动或要素，形 成的一系列反映数据资产加工特性和价值特性的一组指标。该组指标的设计与GB/T 37550—2019中第4 章提出系统性、典型性、动态性和可操作性原则协调一致。

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：

6.2 估值指标体系和估值指标

数据资产估值指标体系的内容主要包括成本价值、经济价值、市场价值和数据内在价值4大类指标，估值指标体系详情见附录A：

a) 成本价值，指在数据资产全生命周期过程中，数据的规划、获取、存储、加工、维护、应用和管理数据所需要支出的成本；

b) 经济价值，指直接面向业务应用，量化数据资产带来的业务收益、风险收益以及成本收益，衡量数据对业务的赋能效果；

c) 市场价值，指数据资产在主要流通交易市场中的价值，在有可参考、已成交案例的前提下，依据市场活跃程度、市场参与者的数量及供需关系等来衡量；

d) 数据内在价值，指数据资产自身所蕴含的潜在价值以及其能够使用后所产生的价值，包括数据 规模、数据质量、数据安全、数据应用等。

7  估值过程

7.1  概述

估值过程包括以下步骤，即识别估值目的、划分估值对象、选取估值方法、匹配估值指标、确认估值信息、编制估值报告及归档估值信息。

7.2 识别估值目的

开展数据资产估值，宜综合考虑数据资产特性、价值来源、应用场景等因素确定估值目的。不同的估值目的将影响估值数据采集的范围、方法的选取、测算的精度及结果报告的形式。主要估值目的包括但不限于：

——面向内部管理：银行业金融机构针对其所拥有的数据资产进行全面评估，确定数据资产价值， 为数据资产管理体系建设及各级管理决策提供参考；

——面向外部交易：数据交易双方发起的，针对交易过程中的数据资产价值进行评估，确定数据交易的价值。

7.3 划分估值对象

7.3.1  考虑因素

基于数据资产估值的目的，划分、界定和描述估值对象，明确数据资产估值粒度。估值对象划分的考虑因素如下：

a) 独立性：估值对象能够具备独立产生价值的能力，例如单个字段在许多情况下并不具备独立产生价值的能力，不适合作为独立的估值对象；

b) 整体性：对整体不可分割的数据资产划分为同一估值对象，以评估其整体价值，如模型及其参 数；

c) 稳定性：基于数据资产总体分类框架进行划分，估值对象的分类需要保持一段时间的稳定性；

d) 成熟度：数据资产估值对象的划分要综合考虑数据资产管理成熟度，如数据资产管理水平、财务核算精细度等；

e) 合理性：在满足估值目的前提下，考虑颗粒度与成本投入的平衡，既要避免工作量和成本投入过高的情况，也要保证近似、主观估计的合理性。

7.3.2 估值对象分类

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。

本文件参照 GB/T 38667 给出的分类维度和分类方法，基于数据资产特点、价值类型以及数据资产加工方式，将数据资产分为原始类、过程类和应用类，分类详情参见附录 B。由于数据具有无消耗性和 无限复制性，原始类、过程类和应用类可互相转化，在为多个估值对象估值时，宜注意其边界的确定。

a) 原始类：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。因此可根据数据来源将数据资产分为外部获取类和内部采集类 2 部分，并分别作为 1 个估值对象。

注：外部获取与内部采集两种获取方式形成的数据资产特点及边界不同，分类管理可以提高原始类数据资产的管理 效率，也有利于后一步的加工处理。

b) 过程类：过程类数据资产处于原始类数据资产和应用类数据资产之间的过渡阶段，为数据进一步开发和应用提供清洗后的、统一的汇总数据。过程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。过程类数据 资产通过数据仓库、大数据平台、数据中台等对原始类数据资产汇总加工形成，可作为同一估 值对象进行估值。

c) 应用类：应用类数据资产是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。考虑到与收益的对应性，将其分为收益提升类和统计支持类 2 大类数据资产。

不同的银行业金融机构根据应用的实际情况及自身数据资产管理需求，能够从不同的视角如数据所属主题、业务应用维度、数据安全隐私保护等方面进行适当选择和扩展。

7.4 选取估值方法

数据资产估值的方法主要包括成本法、收益法、市场法及其衍生方法，具体估值方法详见附录 C。

在执行数据资产估值时，估值的组织者根据估值目的、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。

估值方法选择遵循如下原则：

a) 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；

示例 1：运用成本法时，数据资产相关成本能够通过各种方式最终获取；运用收益法时，数据资产的相关收益能够 预测及追溯；运用市场法时，市场中需要具备同类型交易和产品。

b) 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；

示例 2：算法模型资产能够通过企业内部应用而产生收益，同时在市场中交易直接产生交易价值，因此在满足方法适用前提的情况下，针对内部应用目的，采用收益法计算，面向市场交易，采用市场法计算。

c) 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。

7.5  匹配估值指标

数据资产估值前需要确定评估基准日及评估周期，基于选定的估值方法，参照估值指标体系和指标项匹配估值指标，估值指标匹配示例参见附录D。

估值指标采用定量为主，定性和定量相结合的方式匹配。对于定性指标，宜结合实际情况进行权重设定。权重设定使用的方法包括但不限于：层次分析法、模糊综合评价法和德尔菲法等。

基于同一行业或同一估值目的下开展的数据资产估值，通常沿用统一的指标权重设定方法，以保证估值的连贯性、稳定性及可比性。

7.6 确认估值信息

遵循客观、公正、真实、准确、有效的原则，明确数据资产估值各项指标信息，并在各相关方确认 后，作为估值的输入值。主要包括以下几个方面：

a) 资料准备流程遵循组织自身治理与管理要求；

b) 考虑数据资产的特征及信息要素；

c) 根据估值目的和数据资产的特性，对估值对象进行针对性的现场调查，收集数据资产基本信息、权利信息、相关财务会计信息和其他资料，并进行核查验证、分析整理和记录，对资料的准确性、完整性、一致性和全面性进行检查；

d) 使用数据领域专家工作成果及相关专业报告等作为估值的输入值；

e) 估值资料确认过程中，宜分析数据资产估值对估值资料存储的安全性影响。

7.7 编制估值报告

数据资产的估值报告包括的内容：

a) 数据资产信息要素描述，包括基本属性、业务要素、管理要素和价值要素等的描述；b)  估值依据的信息来源以及利用专家工作或者引用专业报告内容；

c) 方法的选择及其理由；

d) 各重要参数的来源、分析、比较与测算过程；

e) 对测算结果进行分析，形成估值结论的过程；

f) 评估结论成立的假设前提和限制条件；

g) 其他必要信息。

7.8 归档估值信息

估值组织者宜对估值材料包括估值过程、估值报告等建档留存并在既定时间对数据资产的价值增减变动进行复审。

8  估值保障

8.1 制度保障

数据资产估值相关制度关注要点如下：

a) 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；

b) 建立工作考核机制，纳入相关部门的绩效考核；

c) 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；

d) 加强数据来源的管控，保证数据来源的可靠性和权威性，进而保障估值的准确性；

e) 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；

f) 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；

g) 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。

8.2 技术保障

数据资产估值相关技术保障包括估值算法、数据安全相关技术及平台工具支撑，关注要点如下：a)  积极研究和引入价值评估领域的前沿算法，确保评估的稳定性、先进性和现代性；

b) 采用适宜的数据保护技术，利用加密技术、访问控制、审计跟踪等措施保障数据安全及隐私保 护，例如采用区块链等技术保证数据在传输过程中不受数据泄露、遗失和纂改等风险威胁；

c) 搭建可靠的平台工具，如数据仓库、数据挖掘工具、数据分析工具等，以保障数据资产估值的 准确性和效率。加强估值系统与其他系统的数据交互，增强评估数据的全面性，同时支持内部 部门之间的数据共享，增强协同效应。

附  录