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）