报告概述
《数据资产评估案例选编》是浙江省资产评估协会专业技术委员会编制的首期案例集，旨在为资产评估机构和评估师提供数据资产评估业务的参考与借鉴。报告聚焦数据资产这一新型生产要素，针对当前数据资产交易市场尚处“破冰”期、估值理论实践较少的问题，遴选并整理了四个典型实务案例，涵盖海洋生态环境数据、人工智能大模型数据资产、企业用水监测预警数据、停车余位数据等不同行业与应用场景。报告详细阐述了各案例的评估背景、方法选择（成本法、收益法及市场法的适用性分析）、关键参数确定（如重置成本、价值调整系数、折现率）以及数据质量评价的应用。通过案例实践，报告总结了数据资产评估中的常见难点、创新做法及经验启示，为行业从业人员提供了可操作的评估思路和方法论框架。
报告的核心结论
数据资产质量评价是价值评估的前置关键环节。
报告指出，与一般资产不同，数据资产评估必须先行开展质量评价，从规范性、完整性、准确性、一致性、时效性、可访问性等维度分析数据质量，否则难以合理反映数据资产价值。案例中均引入专业质量评价报告，将质量评价结果作为价值调整系数的重要依据。
成本法适用于开发成本可计量且市场不活跃的数据资产评估。
报告显示，当数据资产历史成本清晰、重置成本可测算，且缺乏活跃交易市场（如用水监测数据案例）或未来收益难以预测时，成本法是合理选择。模型需包含重置成本（开发成本、应计利息、开发利润）和价值调整系数（质量、流通、垄断及风险因素）。
收益法需要明确的应用场景和可量化的未来收益。
报告强调，收益法适用于数据资产已有成熟应用场景、预期收益和风险可合理估计的案例（如海洋生态数据和AI大模型案例）。通常采用超额收益或分成收益模型，需区分数据资产与其他资产的贡献，并关注应用场景变化对结论的影响。
数据资产登记确权是评估和交易的重要基础。
报告归纳指出，明确数据资产的权属（如数据资源持有权、数据加工使用权、数据产品经营权）是构建成熟数据要素市场的前提。案例中联合律师事务所、大数据交易中心进行确权登记，为价值评估和后续融资增信提供了坚实依据。
报告回答的关键问题
数据资产评估中成本法和收益法如何选择？
报告指出，选择评估方法需结合数据资产的实际状况：当资产有明确历史成本且重置成本可计量，但未来收益不确定或市场不活跃时，优先采用成本法；当资产已具备成熟应用场景、未来收益和风险可合理预测时，收益法更能体现价值。市场法因交易案例缺乏，当前适用性较弱。
数据资产质量评价对价值有什么影响？
报告通过案例说明，数据质量直接影响评估价值。质量评价从规范性、完整性、准确性、一致性、时效性、可访问性六个维度进行，评价结果作为价值调整系数的重要输入。例如，案例中AI大模型数据质量整体通过率99.9%，企业用水监测数据则通过19个细分指标打分，质量得分直接影响最终评估值。
企业用数据资产融资需要哪些步骤？
报告以企业用水监测预警数据和停车余位数据为例，展示了数据资产融资的全流程：首先进行数据资产确认与权属法律意见，其次委托专业机构开展数据质量评价和价值评估，然后以评估值为基础与银行协商质押或增信，最后完成登记并获得融资。评估报告是融资的关键参考依据。
报告中的代表性数据
AI大模型训练语料规模
截至评估基准日，案例二中B公司用于训练大模型的语料规模，包含中英文文本、图片、视频等多模态数据。
AI大模型数据质量评价整体通过率
评估基准日，案例二中B公司××大模型数据质量自评估结果，六个维度中准确性、规范性、时效性、一致性、可访问性通过率100%，完整性99.90%。
以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。
完整报告包含什么
- 案例一（海洋生态环境数据）：完整展示了增信目的下数据资产从质量评价到成本法、收益法评估的全流程，包括重置成本明细（前期费用、直接成本、间接成本、机会成本）、价值调整系数确定方法，以及收益法中的超额收益预测模型和折现率计算。
- 案例二（人工智能大模型）：详细说明了AI大模型数据资产及其他无形资产组合的评估，涵盖大模型备案信息、训练语料规模、数据质量自评估报告，以及成本法中开发成本调整、AHP+模糊综合评价法确定价值调整系数，收益法中的多期超额收益模型及参数选取。
- 案例三（企业用水监测预警数据）：呈现了融资目的下数据资产的成本法评估实践，重点包括数据采集、加工、开发、更新维护等成本的归集与分摊方法，以及如何利用律师事务所法律意见书解决权属核查难题。
- 案例四（停车余位数据）：提供了成本法评估的完整步骤，包括数据建设、运维、安全等各环节成本核算，以及基于数据质量评价指标体系（规范性、准确性、完整性、时效性等）确定质量调整系数的具体操作。
- 附录或补充内容：报告包含四个案例的评估底稿样表、数据质量评价指标框架（如GB/T 36344-2018）、以及各案例的评估汇总表，便于读者对照实务操作。
本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。
