方圆之道以全过程系统性场景化治理破解数据资产估值难丨法经兵言

数字经济时代，数据是关键性创新型生产要素，然而其估值面临诸多困境。核心数据因敏感而难以公开定价，可交易数据又常因脱敏或非独占性而价值有限，形成“劣币驱逐良币”的现象。究其根源，数据资产法律属性存在内在矛盾，导致权利边界模糊、市场失灵等风险。为打通数据市场化“最后一公里”，需构建涵盖权益确认、估值方法、市场结构与风险分配的系统性场景化数据治理体系，加快推动可信数据空间建设。

数据资产估值难缘于数据权益构造复杂

数据实现资产化的过程，是法律与技术双重赋能的过程。作为推动数字中国建设和加快数字经济发展的重要战略资源，财政部2023年12月31日印发的《关于加强数据资产管理的指导意见》明确将“健全数据资产价值评估体系”作为关键任务。但“数据资产”在法律性质上与传统的有形及无形资产存在本质差异，呈现出动态化、复合化且充满内在张力的鲜明特征，这正是数据资产估值工作面临诸多困境的核心症结。

从官方定义看，国家市场监督管理总局、国家标准化管理委员会于2021年10月11日发布的《信息技术服务数据资产管理要求》将数据资产定义为“合法拥有或者控制的，能进行计量的，为组织带来经济和社会价值的数据资源”。之后，中国资产评估协会于2023年9月8日印发的《数据资产评估指导意见》、国家数据局于2024年12月30日发布的《数据领域常用名词解释（第一批）》进一步完善了这一概念，明确“数据资产”为“特定主体合法拥有或者控制的，能进行货币计量的，且能带来直接或间接经济利益的数据资源”。尽管不同文件表述略有不同，但均强调数据资产需同时具备合法性与可控性、可计量性、价值性。

然而，数据资产无法被简单地归入任何一类传统的财产权框架之内，它是由多种性质不同、来源各异的权利与利益交织而成的“复合性权益束”，因此传统财产权体系中以所有权为核心的单一化确权逻辑，难以适配数据要素的权益结构特征。

首先，数据要素具有多主体合法使用权并存与价值实现的非排他性特征，同一数据要素可被多个主体同时用于不同场景而价值不减。

其次，数据资产具有强场景依赖性与价值的不确定性。例如，一组用户的地理位置数据，或许在社交软件中价值并不凸显，却在精准营销或城市规划中价值连城。数据资产价值外生于特定场景的属性，导致普遍性、标准化的估值方式面临根本性挑战。

最后，数据资产估值还具有高度的风险附着性，其“复合性权益束”属性天然捆绑着巨大的合规责任与安全风险。而资产估值远非单纯的经济计算，而是一项复杂的法律合规性审查与风险诊断，资产的价值评估同时也是对潜在风险进行定价的过程。数据资产复杂的法律属性，伴随庞杂的合规问题，直接加大了数据资产估值的难度。

全过程系统性治理乏力

数据资产具有的法律属性，决定了其估值存在诸多难点与卡点，这些深植于属性层面的结构性矛盾，还将在实际操作中衍生为具象而尖锐的难题。

首先，数据资产的价值动态性使其成为难以捕捉的“移动靶标”，加大数据评估难度。数据具有较强的时效性，其价值会随时间、技术、政策等外部因素剧烈波动。譬如，一份实时的消费者趋势数据价值千金，但一个月后可能价值归零；一项新的法规出台、一个竞争性技术的出现甚至一次社会热点事件，都可能瞬间改变特定数据资产的价值。数据资产的评估只能建立在极大的不确定之上，其时效性与主观性过强、可靠性存疑，降低了数据资产评估结论的公信力。

其次，数据资产全流程合规性判定的复杂性与风险的不可量化性。数据资产的合法性链条始于原始数据来源，且从存储、传输、加工到销毁，数据的全生命周期都受到《网络安全法》《数据安全法》《个人信息保护法》等法规的规制。由于数据价值一定程度上取决于其法律上的洁净度，数据或数据资产潜在的法律风险也随着流通链条不断延伸，任何环节的合规风险都将斩断其价值链条。若数据收集未获得合法有效同意、超出必要的范围，通过非法爬取手段获取，后续加工形成的资产便构成“权利瑕疵品”。而数据作为资产，在持续流通中释放价值，数据资产的评估工作需要进行穿透式、全程化审查，技术难度较大。

最后，“柠檬市场”效应和“影子交易”现象，对数据资产估值形成外部性影响。

其一，柠檬市场，又称次品市场，指因买卖双方信息不对称导致劣质商品驱逐优质商品的市场现象，该效应在数据交易中较为常见。数据买方交易前难以充分验证数据的准确性、完整性、时效性和真实性，而卖方宣称的高价值数据资产，可能充斥着虚假信息、重复记录或过时内容。持优质数据的卖方难以证明其数据优质，索要高价无法被买方采信；而提供劣质数据的卖方却可以低价倾销。

其二，场外的“影子交易”现象层出不穷，真正具有战略价值的数据资产，总是通过非公开渠道流通，对公允价值形成较为隐秘的侵蚀。这类隐蔽式的数据资产交易多通过数据互换、数据调用接口授权等名义操作，交易对价被隐藏在整体服务合同之中而不单独列明。其价格形成机制与数据使用范围均不透明，不仅可能侵害个人信息主体权益或第三方商业秘密，还在一定程度上规避了数据评估相关的监管。因此，真正有价值的数据资产无法被观测，整个数据资产估值体系都将因缺少高价值的“锚点”而漂浮不定。

数据资产估值面临制度性梗阻

现行法规政策不仅未能有效疏解数据资产估值的困境，还在一定层面上构成了制度性梗阻。

首先，当前数据规范体系存在数据促用的滞后性。以《网络安全法》《数据安全法》《个人信息保护法》为核心的“三驾马车”，为数据流通交易活动列明了负面清单，但对于如何合法高效地将数据转化为资产、如何对其进行合理规范估值，缺乏清晰、可操作的正面引导。风险防控导向型的规则路径，不仅使市场主体在挖掘数据价值时畏首畏尾，还会因缺乏稳定的合法预期而引发数据资产评估主体的“寒蝉效应”。尽管“数据二十条”提出的“三权分置”是数据产权制度供给的一大进步，但其法律性质、权利内容、登记效力、侵权责任等核心问题尚未被《民法典》或专门立法吸纳，在进行数据权属核验时缺乏明确而具有强制力的合法性指引，数据资产估值的基础始终不稳。

其次，数据资产评估缺乏统一的标准化体系，在实践层面存在断层。目前，我国对于数据质量的量化标准、数据成本的归集范围、数据收益的分摊方法、数据折旧的模型等均缺乏明确定义与计量指引。不同评估机构采用的自定标准千差万别，对同一数据资产的估值结果可能相差数个数量级，导致估值报告的公信力和互认性较低。此外，数据资产具有场景依赖性与时效性，静态的评估标准犹如刻舟求剑，无法衡量多样态、高流动性的数据资产。

最后，市场监管层面存在资源错配的情况，影响了数据资产估值活动的展开。当前，监管资源集中于少数官方或官方认可的数据交易所。这些平台交易量有限，却承受着严格的交易流程、信息披露和合规审查要求。这种高强度监管在规范市场的同时，也因其高合规成本使得本就顾虑重重的高价值数据供给方望而却步，加剧了公开市场的“空心化”。而“非公开”的数据资产交易存在盲区，使得最重要的价值信号无法被采集，数据市场无法形成合理有效定价。

构建全过程系统性场景化治理方案

面对数据资产估值难问题，孤立、静态的估值方案略显无力，必须转向建一个系统性的、动态化的方案。

首先，确权定质是数据资产估值的逻辑前提，应重点推进数据资产本身的确权与定质，明晰数据资产的法律属性与质量标准。

其一，推动数据产权登记从备案管理走向权利公示，可构建全国统一的数据资产登记公示平台，强制要求公示经第三方审计的“数据资产权利清单”与“合规摘要”。清单主要载明数据来源、加工处理方式，主要运用场景等；合规摘要则是第三方对数据收集、处理全流程符合数据治理基础法规要求的认证结论。二者经公示产生权利归属与合规状态的初步证据效力，为估值提供合规起点，分散评估主体压力与风险。

其二，推行“合规基线审计”与“质量增值认证”双轨制革新。一方面，规定进入交易市场的数据资产应由独立第三方机构出具《数据资产合规审计报告》，重点验证数据来源合法性、数据安全保障措施有效性等，为核心风险定价提供定价依据。另一方面，数据质量具有物质性和社会性双重属性，研究数据质量应从二者结合角度出发。由国家标准化管理委员会牵头，与行业协会共同制定数据质量国家标准，评估维度需涵盖数据的准确性、完整性、一致性、时效性、稀缺性、应用广度等维度的评价，并分级认证，有效缓解“柠檬市场”中的信息不对称，为优质数据的溢价提供客观依据。

其次，确立场景化的数据资产估值方式。评估报告须绑定并披露所依赖的合约场景、合作模式、收益分成机制及关键绩效假设。同时，为应对数据价值的强动态性特征，应在具体合同中嵌入“基于后续绩效的对价调整条款”。例如，将部分交易对价与数据应用后实际产生的、可量化的业务增长或成本节约直接挂钩。这实质上是将“一次性估值”转化为“长期性绩效核算”，实现价值创造与价值兑现同步，估值结论得以更贴近经济实质。

最后，完善评估责任承担与争议解决机制，合理分散估值风险。通过行业规范明确，在数据资产估值过程中，评估机构和专业人员只要履行了勤勉尽责义务，即遵循了公认评估程序、采用了合理方法、依据了已公示的权属与合规信息并进行了充分的风险披露，便应减免其对数据资产最终实际价值认定偏差的法律责任。同时，还应在数据要素市场活跃地区，试点设立专业化数据争议仲裁中心。例如，组建融合法律、技术、经济与行业知识的仲裁员队伍，利用仲裁的保密性、专业性和灵活性，为因数据估值产生的复杂争议提供比传统诉讼更高效的解决路径，维护市场信任。

（作者系南开大学竞争法研究中心主任、法学院副院长、教授，中国法学会经济法学研究会常务理事、副秘书长）

举报文章作者