报告概述
本报告由浙江省资产评估协会专业技术委员会组织编写，收录了浙江省执业机构提交的四个典型数据资产评估案例，涵盖海洋生态环境数据、人工智能大模型、企业用水监测预警数据及停车余位数据等不同领域。报告以《数据资产评估指导意见》为框架，详细展示了成本法、收益法以及数据质量评价在实务中的应用，包括评估对象确定、价值类型选择、方法适用性分析、参数选取及调整系数计算等关键环节。旨在为资产评估机构及从业人员提供实操参考，帮助理解数据资产评估的特殊性和难点。
报告的核心结论
数据资产评估需前置质量评价环节
与一般资产不同，数据资产价值受数据质量影响显著。报告指出，评估前需由专业团队对数据规范性、完整性、准确性等进行多维度评价，质量评价结果作为价值调整系数的重要依据，否则难以合理反映资产价值。
成本法和收益法各有适用条件，应结合场景选择
对于应用场景明确、未来收益可预测的数据资产（如海洋生态环境数据、人工智能大模型），收益法能充分体现其超额收益能力；而对于尚未成熟或收益难以量化的资产（如企业用水监测数据、停车余位数据），成本法更客观可靠。报告案例中均通过两种方法测算并分析差异后确定最终结论。
数据资产登记确权是评估的重要基础
报告强调，数据资产的权属明确是评估的前提。实务中需借助律师事务所出具的法律意见书、数据交易中心的登记证明等，确认数据资源持有权、数据加工使用权和数据产品经营权，为评估对象界定提供法律支撑。
报告回答的关键问题
数据资产评估有哪些主要方法？
数据资产评估主要采用成本法、收益法和市场法。成本法从重置成本角度出发，考虑价值调整系数；收益法通过预测未来超额收益并折现；市场法因缺乏活跃交易市场目前较少采用。报告案例综合运用成本法和收益法，根据数据资产的应用场景、收益可预测性等因素选择适用方法。
数据质量评价如何影响数据资产评估？
数据质量评价从规范性、完整性、准确性、一致性、时效性、可访问性六个维度进行。评价结果转化为质量调整系数，在成本法和收益法中修正资产价值。例如，案例二中大模型数据的整体通过率为99.9%，质量调整系数相应调整，最终影响评估结论。
数据资产的应用场景对评估值有什么影响？
数据资产的价值高度依赖应用场景。同一数据资产在不同场景下的收益能力差异显著。报告案例指出，收益法评估时需明确限定评估结论所适用的场景，当场景变化时评估结论可能失效。例如海洋生态环境数据用于用海审批，其收益预测需基于该特定场景。
报告中的代表性数据
人工智能大模型数据质量评价通过率
评估基准日，案例二中，第三方机构依据国家标准GB/T 36344-2018对B公司大模型的输入输出数据进行六维度评价，整体通过率为99.9%，其中准确性、规范性、时效性、一致性、可访问性均为100%，完整性为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
- 四个完整的数据资产评估实务案例，涵盖海洋生态环境、人工智能大模型、企业用水监测预警、停车余位等不同行业和场景。
- 详细的评估方法选择逻辑：成本法、收益法、市场法的适用性分析及比较，包括成本法中的重置成本构成（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、风险系数）。
- 收益法完整测算过程：营业收入预测、成本费用预测、超额收益计算、折现率确定（无风险报酬率+风险报酬率），以及多期超额收益模型的应用。
- 数据质量评价指标体系与实施流程：六维度（规范性、完整性、准确性、一致性、时效性、可访问性）细分为19个二级指标，以及层次分析法（AHP）和模糊综合评价法在风险系数确定中的应用。
- 数据资产权属核查方法：通过法律意见书、登记凭证、访谈等方式确认数据资源持有权、加工使用权和产品经营权，为评估提供合法性基础。
- 评估实践中的难点与解决方案总结：包括成本法调整因素确定、收益相关性划分、数据资产边界界定、开发成本与日常经营成本分摊等。
- 数据资产评估对企业的实际成效：案例二助力企业引入投资者，案例三帮助企业获得银行融资增信，展示数据资产价值量化的商业价值。
- 附录包含评估工作流程、底稿管理、报告编制要求等执业规范参考。
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。
