从投入到回报：数据资产投资的估值定价逻辑研究

原文刊载于《中国投资（中英文）》2026 年第 19、20 期合刊（总第 592 期），作者：肖光睿 北京明树数据科技有限公司 创始人兼CEO

数据正在成为企业重要的无形投入。所谓数据资产投资，既包括采集、购买和获取数据，也包括清洗标注、标准治理、合规审查、基础设施和场景开发等持续投入。这里采用经营管理上的广义投资口径，各类支出应按经济实质分别核算，并不都构成可确认的数据资源资产成本。与厂房设备不同，这些支出分散在业务流程和技术系统中，回报则可能体现为收入增长、成本节约、风险下降和创新提速。如何识别投入、判断价值并形成价格，已成为无形资产投资管理的新课题。

国家数据局发布的《全国数据资源调查报告(2025年)》显示，2025年企业数据产品和服务交易额同比增长39.8%,样本企业中11.65%的企业购买过数据，企业数据资产入表金额同比增长34.63%。数据资产投资正在从内部积累走向外部采购、合作开发和市场交易。数据资产投资应以应用价值为牵引，贯通预算、估值和投后评价；入表金额不能替代投资绩效。企业需要回答：投什么、投多少、多久产生回报、风险如何承担。估值定价应为这些决策提供可信依据。

数据资产投资的四个关键环节

讨论数据资产投资，首先要厘清入表、登记、评估与定价四个相互衔接但不能替代的环节。

一是会计入表。财政部《企业数据资源相关会计处理暂行规定》自2024年1月1日起施行。企业应根据持有目的、形成方式和业务模式，按现行准则判断相关资源作为无形资产、存货或其他项目核算。入表通常以符合条件的实际成本为基础，不能直接按评估值调增资产，也不能替代合规判断。

二是产权登记。2026年7月，国家数据局印发《数据产权登记工作指引(试行)》，规范登记及凭证应用，推动“一次登记、全国通用”，为明晰权利、降低流通成本提供支持。

三是资产评估。中国资产评估协会发布的《数据资产评估指导意见》强调，评估是在特定目的、基准日和场景下，对特定权利价值的专业判断。转让、许可、出资、质押或内部管理等目的不同，价值类型、假设和参数也不同，评估结论只是特定前提下的价值意见。

四是市场定价。价格是供求双方在合同条件下形成的交易结果。按年订阅还是按次调用，能否融合其他数据，是否持续更新，都会改变成交价格。评估可以提供谈判坐标，但不能代替双方对风险、稀缺性和收益分配的博弈。

数据产权登记遵循自愿原则，凭证可用于权属及合法拥有或控制数据的证明，但不自动满足入表、融资或交易的其他条件。评估仍须核查登记对象与实际数据及权利限制是否一致。未入表不等于无价值，登记不等于收益实现，评估值也不是刚性成交价。

数据资产投资估值面临的困难分析

数据资产投资估值的困难，首先来自权利结构。企业通常不是对一组数据享有抽象、完整的“所有权”，而是在合法来源和合同基础上，拥有或控制一定范围的持有、使用、经营等权益。相同数据集，如果使用期限、地域、用途和对外提供权限不同，价值可能相差很大。一项投资不能只写成“建设某数据库”，而应明确数据内容、版本、权利类型、许可范围、更新频率和禁止事项。

其次来自场景依赖。同一组物流数据，用于线路优化可能降低油耗和空驶率，用于供应链风控可能降低违约损失，用于城市治理又可能产生难以货币化的公共价值。数据价值不是储存在服务器里的固定金额，而是与算法、算力、人才和业务流程结合后形成的增量收益。离开明确场景，预测就容易沦为想象。

最后来自价值贡献难以分离。数据产品收入还依赖品牌、渠道、软件、算法和专业人员，估值既不能把全部收益归于数据，也不能只看采集清洗成本。国家数据局印发的《关于推进行业高质量数据集建设行动的实施方案》强调质量提升和应用验证。面向人工智能应用的数据资产，应结合模型性能、训练推理成本和应用成效，检验技术改善能否转化为可归属的经济收益。

数据资产投资估值方法的比较分析

成本法以评估基准日重新形成同等效用数据资产的合理重置成本为基础，并结合质量、时效性及剩余经济寿命等进行价值调整。对于应用历史较短、收益预测资料不足的数据资产，可在分析其价值与成本相关程度的基础上考虑采用成本法。采集、购买、清洗、标注、治理、存储、合规和维护等合理投入，可以为价值判断提供基础。但已经花掉的钱不等于投资价值。重复建设、低质量采集形成的无效投入不能增加资产价值；低成本获得但高度稀缺的数据，也可能创造远高于成本的收益。因此，应从“花了多少钱”走向“形成了多少可用能力”，并扣除无效投入。

收益法将可归属于数据资产的预期收益资本化或折现，估算其在评估基准日的价值，适用于场景清晰、收益能够合理预测的情况。投资者还应结合实际取得价格、实施投入和后续现金支出，另行测算投资回报及回收期。实践中的难点不是公式，而是收益归因。收益归因可根据条件采用有无数据对比、收益分成或超额收益等方式。有无对比应控制其他条件变化，识别数据带来的增量收益及相关投入；采用超额收益方式时，应合理扣除其他贡献资产的回报，避免对已在净收益或对照方案中体现的成本和贡献重复扣减。对尚未成熟的场景可采用概率加权方式；对快速迭代的数据产品，则应审慎确定收益期限、后续投入和折现率，避免用长期乐观预测放大估值。

市场法为外购、许可和合作开发提供市场参照，却受制于可比案例不足。数据可复制、可多次授权，新增调用边际成本较低，但授权范围扩大又可能削弱稀缺性。同样标注为“企业画像”或“行业数据库”的产品，可能在覆盖率、准确率、更新速度、授权范围和交付方式上完全不同。使用市场法，不能只比较记录或字段单价，还要对权利条件、质量等级、使用规模、授权方式和服务期限作可比性修正。

因此，投资决策不宜迷信某一种方法。更可行的思路是，以合规形成成本和持续维护投入校核成本，以特定场景下可归属于数据资产的预期净收益及其风险判断价值，再用市场交易和实际运营数据校准。估值结果最好表现为合理区间，并通过敏感性分析说明调用量、续约率、数据质量、场景成功率或合规成本变化时，投资回报将如何变化。

从“评出一个数”转向形成投资回报机制

数据资产定价的首要任务，是把投资和交易对象做成可识别、可计量的“资产单元”。每个单元至少应包含数据目录与版本、来源及权利链条、质量指标、适用场景、更新频率、交付方式、使用限制和安全要求。只有各方谈论的是同一个对象，投资预算和价格才有比较基础。在服务计费层面，上海数据集团的公共数据运营服务费试行收费标准引入“数元”计量使用量，并将数据使用服务费与基础设施使用费分别核算，为透明计费提供了参照。但这种使用量计量仍需与资产价值判断相区分。

其次，从“一次性买断”转向多样化许可和收益分配。这既是定价安排，也是投资安排。对高频、标准化的数据服务，可以按调用量、记录数、时间或订阅周期收费；对价值与使用效果高度相关的场景，可以采取基础服务费加效果分成；对持续更新的数据产品，可以约定最低使用量、阶梯价格和续约机制；对具有较高保护要求的数据，在确认合法处理基础、许可范围并依法完成必要评估和审查后，可结合可信环境与结果输出审核，按计算任务或合规交付结果计费。多样化合同有助于优化付款节奏和风险配置，其是否降低前期资金占用、如何分担场景风险，取决于保底承诺、效果核验、质量责任及退出条款等具体安排。

再次，建立价格和投资反馈闭环。初始评估只能基于当时信息，价值要在调用、续约、应用效果和风险事件中不断验证。企业和交易机构应记录报价、成交价、使用量、客户留存、应用收益和合规成本，形成可匿名汇总的市场基准，并据此调整下一轮投资。随着可比交易增多，市场法才能从“找案例”走向“有指数、有区间、有修正参数”。

此外，公共数据授权运营服务实行分类定价：用于公共治理、公益事业的免费提供；用于产业发展、行业发展的可收取运营服务费，实行政府指导价，并按规定核定最高准许收入和上限收费标准。企业依法自主经营的数据产品服务可更多体现市场供求，但同样应遵守个人信息保护、数据安全、商业秘密和公平竞争等要求。投资评价也应与用途相适应：商业应用应检验净收益及其持续性，公共治理和公益应用则应评价服务成效与成本效率。