数据作为新型生产要素，是数字化、网络化、智能化的基础，已快速融入生产、分配、流通、消费和社会服务管理等各环节，深刻改变着生产方式、生活方式和社会治理方式。我国企业数据资产化需求十分迫切，定价是数据资产化过程的关键环节。中国资产评估协会发布的《数据资产评估指导意见》（以下简称《指导意见》），对于规范数据资产评估行为、发掘数据资产价值、促进数据资产流通、繁荣数据要素市场等方面意义重大。数据资产价值评估势必将在数据资产化进程中发挥重要作用。

《指导意见》明确提出数据资产的三大属性、四大价值影响因素、五大特征，强调了数据资产的权利类型、应用场景和数据质量评价，提出的三种评估基本方法，充分考虑了数据资产的特点和当前市场环境下对数据资产评估的需求，具有较强可操作性。

一是数据资产作为评估对象要关注三大属性、三种权利类型和五大特征。

执行数据资产评估业务时，可以通过委托人、相关当事人等提供或者自主收集等方式，了解和关注数据资产基本情况，特别是数据资产的信息属性、法律属性、价值属性。对于数据资产的权利类型，应根据数据来源和数据生成特征以及评估目的、权利证明材料等，关注所有权、收益权、使用权等三种权利类型，即数据资源持有权、数据产品经营权、数据加工使用权等数据产权。有别于其它资产，数据资产具有非实体性、依托性、可共享性、可加工性、价值易变性等五大特征，特别是可共享性、可加工性、价值易变性，要充分关注其对评估对象的影响。

二是数据资产评估操作要关注四大价值影响因素、不同的应用场景和数据质量评价。

执行数据资产评估业务，要关注影响数据资产价值的成本因素、场景因素、市场因素和质量因素，特别是场景因素和质量因素。

场景因素包括数据资产相应的使用范围、应用场景、商业模式、市场前景、财务预测和应用风险等。同一数据资产在不同应用场景下，通常会发挥不同的价值。评估时要根据具体应用场景，选择和使用恰当的价值类型。

数据质量是数据在指定条件下使用时，其特性能够满足明确的或者隐含的要求的程度。质量因素包括数据的准确性、一致性、完整性、规范性、时效性和可访问性等六个方面。数据质量评价是数据资产评估的基础。评估专业人员可以执行数据质量评价程序或者获得数据质量的评价结果，必要时可以利用第三方专业机构出具的数据质量评价专业报告或者其他形式的数据质量评价专业意见等。此外，《指导意见》列举了常见的几种数据质量评价方法。

三是数据资产评估的三种基本方法具有较强的可操作性。

数据资产价值评估方法包括收益法、成本法和市场法三种基本方法及其衍生方法。三种基本评估方法的排序充分考虑了当前市场环境下数据资产评估的现实特点。

数据资产的收益法评估，在估算数据资产带来的预期收益时，根据适用性可以选择采用直接收益预测、分成收益预测、超额收益预测和增量收益预测等四种方式。

直接收益预测通常适用于被评估数据资产的应用场景及商业模式相对独立，且数据资产对应服务或者产品为企业带来的直接收益可以合理预测的情形。分成收益预测通常适用于软件开发服务、数据平台对接服务、数据分析服务等数据资产应用场景。当其他相关资产要素所产生的收益不可单独计量时可以采用此方法。超额收益预测通常适用于被评估数据资产可以与资产组中的其他数据资产、无形资产、有形资产的贡献进行合理分割，且贡献之和与企业整体或者资产组正常收益相比后仍有剩余的情形，尤其是数据资产产生的收益占整体业务比重较高，且其他资产要素对收益的贡献能够明确计量的数据服务公司。增量收益预测通常适用于可以使应用数据资产主体产生额外的可计量的现金流量或者利润、获得可计量的成本节约的情形。