互联网金融企业数据资产价值评估

　　摘要

随着我国进入数字经济快速发展的新阶段，同时云计算、物联网等新型技术正在向人们的生活中渗透，这使人类的生活和交流方式都发生了重大的变革，这就要求做好数据这一战略资源的开发和利用，为我国现阶段商业模式和营销模式的创新升级提供一个新的着力点，提升产业和国家综合竞争力。大数据的应用特性被市场上广泛接受，但是对其作为资产还没有被广泛的开发。数据是企业的基础性资源和重要生产力，在大数据时代下海量数据的生产和流转给企业带来巨大的风险和挑战。对于互联网金融企业来说，原始数据经过一系列的流转和加工成为企业一项重要的数据资产，能给企业带来巨大经济流入。但是目前在数据资产以及数据资产评估方面有很大的不完善性，其相关的主要研究成果都在无形资产方面，因此对数据资产的评估在互联网金融企业中的应用需要更深的研究。
为提升我国互联网金融企业的数据资产价值，并且挖据其在企业发展中的作用，本文对数据资产的来源进行了界定并且分析了其作为特殊无形资产的具体特性，分析了一般评估方法对互联网金融企业数据资产评估的局限性，再根据互联网金融企业行业背景以及业务流程，进一步分析了这类企业数据资产的影响因素，利用实物期权法中的B-S模型对其进行价值评估。在评估中先确定了标的数据资产的价值然后进一步分析得到其他参数的确定值，得到了评价互联网金融企业数据资产评估的具体模型。最后利用以得到的数据资产评估模型选取互联网金融企业中的网贷平台应用了评估模型，得到该企业数据资产的评估值。本文的研究有助于进一步完善数据资产相关理论，同时为互联网金融企业数据资产价值的评估提供进一步的思路。
关键词：数据资产；互联网金融企业；价值评估

　　1导论

　　1.1选题背景与意义

1.1.1选题背景
随着云计算、大数据、互联网等技术在人们生活中的渗透人类的交流和生活方式发生了强烈的变革，我国也将全面进入数字经济时代，同时大数据作为一项全新的生产要素，正式登上人类历史舞台。数据从获取到沉淀所经历的每一个环节都会与各行各业的产品、服务相关的生产、流通、消费等环节密切结合，在经济社会的发展中发挥中不可或缺的作用。在这种环境下，与数据资产相关的应用和开发已成为各国XX以及各行各业高度关注的重点领域。
目前随着信息社会不断发展，我国也已经开始重视大数据在经济生活中的强大作用。一方面，我党关于“推动互联网大数据、人工智能和实体经济深度融合”的要求积极引导各企业和我们重新审视数据作为资产的应用，将它理解成一种信息资源，兼容实体经济的发展。另一方面，互联网的普及以及数据储存水平的提高，信息资源逐渐增多。根据贵阳大数据交易所预测，2023年数据产业市场将扩展数亿万规模，并且大数据也将成为市场的领导主主体，数字经济将促进实体经济的发展。互联网金融企业是数据发展的重大领域，所以对其中的数据资产价值进行评估就具有更重要的意义。
然而，纵观当今世界数据资产相关领域的发展以及我国数据资产使用与交易现状来看，对数据资产价值评估的研究和实际应用还相对缺乏。对于数据资产属性的界定并不明确，数据资产价值评估方面也并没有形成合理且公允的体系，以及并没有具体的财务管理和会计核算体系与之协调，这些现实困境都难以适应数据交易快速发展的迫切需求。因此，对数据资产的研究尚处于萌芽阶段，如何去界定数据资产并采用合适的方法来对企业的数据资产价值进行评估，对管理、运用、保护数据资产和促进企业价值最大化具有重要意义。
1.1.2研究意义
目前我国数字经济的规模在不断扩张，随着数字经济的状态日渐完善，大量数据的计算采集等技术都在快速发展，随着移动智能化潜移默化的进入人们的生活，数据交易也越来越频繁，这使得数据资产在企业日常经营活动中发挥着越来越重要的作用。同时互联网金融企业是一个新兴行业，它是把传统金融行业和互联网数据思想结合而产生的一种新模式新业务。这种平台每天都产生巨大的数据资源，大量的数据资源最终沉淀成企业的一种资产，被企业开发和利用。本文对数据资产进行理论和应用研究，有以下理论和实践意义：
（1）利于完善数据资产方面相关理论。虽然现在关于数据资产的观点很多，但是对数据资产估值方面的研究却很少。本文通过对数据资产这一定义进行界定分析其特征，加强对数据资产的理论基础。同时对数据资产理论部分的分析有利于补充和改进对数据资产已有成果的研究。
（2）利于完善数据资产价值评估体系的构建。对由于我国互联网金融企业发展水平参差不齐，市场也不够稳定和成熟，在数据资产估值方面有很大的困难，没有统一且公允的价值评估模型对其进行估值。
（3）利于企业正确评估数据资产价值。运用和改进B-S模型对数据资产价值进行评估，探索数据资产更加适用的评估方法，有利于提高对其估值的准确性。对于企业来说，有利于正确估数据资产的价值，使企业的信息使用者可以更加合理的使用数据资产，可以做出更加合理的决策，并且有利于企业对数据资产进行管理。
（4）利于为其他行业数据资产评估提供借鉴。本文以互联网金融企业为研究对象，研究其数据资产，分析互联网金融企业数据资产价值因素，为这类行业数据资产价值评估提供理论依据和估值借鉴。

　　1.2国内外文献综述

从上世纪九十年代开始，互联网金融行业在发展中已经沉淀了数量众多的数据资源，随着互联网那金融在人们生活中的渗透，人们也开始注重互联网金融企业数据资产价值评估方面的理论研究和实践创新。为了更好地完善和发展数据资产价值评估方面的内容，使互联网金融企业的数据资产更好地应用到企业的日常经营中，国内外学者进行着大量的研究和发展，对数据资产的评估有着指导意义，以下将对目前已有的相关研究进行总结。
1.2.1国外文献综述
国外学者对于数据资产价值评估理论方面的研究进行得比较早，不仅进行了数据资产化的研究还进一步研究了其作为资产的价值以及对其的评估。在研究数据资产价值方面，研究了数据资产的属性、构成、和价值等多个方面。麦肯锡研究院最早提出数据资产的概念，将大数据定义为一种采集储存、管理分析的数据集合。Glazer（1993）提出企业的信息包括信息收集管理成本以及信息质量的高低，对于信息密集型企业不仅要关注其信息数据的技术也要进一步关注信息数据本身的价值，研究了衡量公司信息价值的方法，并且对其进行了实证研究。Pitney(2009)提出数据应该作为一种资产在企业中，同时应该被衡量，同时概述了研究数据质量的有效方法。Ikbal（2016）认为数据应该是互联网企业中最有价值的资产，要时刻关注其质量的衡量。
Doherty（2000）指出无形资产每年所产生的预期收益都应有统一而准确的界定。在对无形资产进行进一步评估后，开发方法主要有层次分析法、专家打分法和实物期权法等[6]。麻省理工学院Myers（1977)最早提出实物期权的概念，FischerBlack和MyronSamuelScholes（1978）提出了布莱克斯科尔斯期权定价模型期权定价模型（以下简称B—S定价模型），第一次提出了欧式期权的计算公式。
关于数据资产价值评估在实践方面的研究，Schwartz（2000）以多种方式提出和拓展了互联网公司的估值模型。通过使用实物期权理论和现代资本预算的方法，指出关键变量的不确定性在高增长互联网公司的估值中起着重要作用。Myers（1997）将基于收益的资本结构模型整合到一个简单的实物期权框架中，以分析管理对融资和投资决策之间相互作用的影响，针对其他实际期权讨论了类似的属性和结果。Gonzalo(2008)实物期权模型相对于金融期权模型提出了具有更高的挑战性，原因有以下两个：首先，许多实物期权的成熟度较高，这使风险建模变得至关重要，应考虑考虑许多风险因素，这使得美式期权更难以估值。近年来，已经提出了用于解决X期权的新方法，探讨了这些新方法解决多维实物期权问题的最实用的方法。Dixit（1993）分析了传统决策投资方法和投资项目估值方法的缺点。提供了一个改进的框架用于考虑资本投资决策。为了做出明智的投资选择，管理者需要考虑其项目投资的灵活性和价值的不稳定性。
1.2.2国内研究现状
国内学者近年来对数据资产理论以及价值评估方面都进行了不同程度的研究：
从数据资产概念界定的角度，郑玲微（2013）提出现今社会在互联网与生活方方面面的交互中,创造了大量数据，数据量庞大到传统的数据库和基础架构根本无法及时处理、管理和分析,这标志着我国大数据时代的到来。（1993）认为数据经过加工和处理后成为有价值的信息资产，对企业的决策行为存在潜在的价值。王玉林（2016）的研究提出大数据具有资产的属性,应视作信息财产权的客体和所有者的数据资产，进而从理论方面结合实践对大数据的财产属性进行了探讨。叶雅珍等（2020）研究了如何将一个数据集转化为数据资产，提出了数据资产化的基本框架，其中包括五个步骤：确认数据资源、数据价值的确认与质量监管、将数据装盒入库、货币计价、数据资产管理。卢元红（2019）对大数据资产的会计确认计量进行分析，探讨了会计核算问题。从数据资产价值构成的角度，薛成华[20]。
关于数据资产价值评估的研究，陈丽娟（2004）构建了资产评估方法的基本框架，选择科学合理的研究起点与资产评估理论相联系。系统比较了价值、价格与资产评估价值的关系来认识资产评估价值的本质与核心。张志刚（2015）首次对将数据资产质量研究方面评估转移到价值评估方面的研究，具体分析了数据资产价值的构成，并且利用层次分析法对数据资产的标的资产进行权重分析，将层次分析法模型应用到数据资产价值评估中。徐翔（2003）研究了高新技术企业的无形资产，分析了评估方法的适用性和局限性，在具体评估方法中提出了资产价值分割理论，计算高新技术企业无形资产价值时利用了层次分析法。左文进,刘丽君（2019）分析了大数据资产估价的实用性质，引入Shapley值法和破产分配法设计了大数据资产的估价方法，构建了大数据资产估价方法体系。
在实物期权法的实践方面，方胤杰（2019）分析了如何评估企业大数据资产价值，以及三种基本评估方法的局限性，提出了一种新的评估方法，基于前景理论的实物期权评估模型来评估企业整体数据资产价值。蔡凡(2012)分析了专利权等无形资产进行再使用实物期权法进行价值评估时必须要具备的假设条件，认为实物期权定价法是对传统价值评估方法的有益补充，可以更加准确地应用于对于无形资产的价值评估。李雅佳(2013)指出到传统评估方法没有考虑到在不稳定的环境中特殊资产的灵活性与经营的柔性，从而低估其价值。归纳总结了实物期权理论在价值评估中的应用，并通过两个案例来验证期权定价模型在具体的无形资产价值评估项目上的可行性。王静,王娟（2019）分析了互联网金融企业的特征，并再此基础上采用层次分析法计算出该类标的数据资产的权重，并且应用实物期权枯枝模型对五家互联网金融企业进行了实证研究。
1.2.3研究现状评述
结合国内外研究现状分析，对数据资产的理论研究以及价值评估方面都不太完善。在理论方面，文献上对数据作为资产这一概念并没有准确的定义只是简单从层面上进行了分析，对其价值的衡量也没有统一的研究方向界定。对于互联网金融企业数据资产价值的评估，在一定程度上也只局限于无形资产评估方法的研究，但是由于数据资产本身特殊的性质以及互联网金融企业数据资产的属性，使得一般的评估方法不能较好的应用到互联网金融企业数据资产评估。同时对于数据资产评估的研究也只是对模型的初步构建，并没有形成准确的评估模型，大多都只是从宏观的层面对数据资产的评估方法进行了初步探索，或者只是从单一方面来进行研究，没有提出一套完整平且客观公允的数据资产评估模型。因此在以后的研究中，要更加关注对数据资产理论研究以及互联网金融企业数据资产价值评估模型构建的研究。

　　1.3论文的结构及主要内容

本文以大数据背景的互联网金融企业数据资产作为评估对象，对数据资产价值评估相关问题进行研究。基于数据资产相关理论，对其属性、特点、价值评估进行研究，结合互联网金融企业的特点，分析互联网金融企业数据资产的特点，在此基础上类比无形资产价值评估的一般方法，对比说明实物期权法针对数据资产价值评估的适用性和优越性，构造数据资产评估方法体系。最后应用模型对互联网金融企业中网贷平台的数据资产价值进行实物评估，得到研究结果。本文主要分为六部分：
第一部分为导论。主要阐述研究背景，总结了国内外研究现状，说明了本文的研究方法和思路分析。
第二部分为相关理论概念和界定。本部分界定了数据资产的来源相关概念和主要特征，并对互联网金融企业的的特征进行了分析，并且分析了大数据背景下互联网金融企业的发展趋势。
第三部分互联网金融企业数据资产价值构成及评估方法的分析。根据互联网金融企业数据资产的特性，分析了一般评估方法对数据资产分析的局限性，阐述了实物期权法中的B-S模型在评估中的适用性和优越性，为构建数据资产评估模型提供了初步的设计。
第四部分为互联网金融企业数据资产评估模型的构建。通过分析互联网金融企业数据资产的构成并对其价值影响因素进行分析，根据应用层次分析法计算出的各资产的权重得到标的资产的价值，最后再分析相关参数应用B-S定价模型对数据资产进行评估。
第五部分为数据资产评估模型在互联网金融企业博金贷平台中的应用分析。分析网贷平台博金贷的产品和业务，先通过权重计算出标的数据资产，再利用已构建好的评估模型代入相应的参数得到数据资产的价值。
第六部分为研究结论与展望。对本文的研究结论进行了总结，并且分析了论文中的某些不足，提出合理的建议，并对以后此类研究做出了展望。

　　1.4论文的研究方法

（1）文献研究法
文献研究法是一种对于现有研究的总结和查阅，从而为研究提供借鉴和指导。本文通过查阅相关论文和期刊以及数据库等文献，将已有的数据理论资料结合自己的理解进行总结和分析，然后分析总结数据资产的特征及价值构成，进一步分析互联网金融企业数据资产的特征，作为接下来进行实证研究的依据。
（2）比较分析法
比较分析法是先提供一种确定的标准，对一种事物进行分析比较。数据资产类似于一种新型的无形资产，通过参考已有对无形资产的评估研究，比较分析一般评估方法的适用性和局限性，然后引入实物期权法中的B-S期权定价模型，分析其对数据资产评估的科学性和合理性。
（3）实证研究法
本文先确定企业标的数据资产的价值，再通过实物期权法对企业数据资产进行评估，得到数据资产的影响因素，最后采用改进的模型对网贷平台案例企业进行实证研究。提出了互联网金融企业数据产评估的对策和建议，有利于互联网及融企业更好的评估和利用企业中的数据资产。

　　2数据资产及互联网金融企业的理论基础

　　2.1数据资产相关概念

2.1.1界定
自2014年“大数据”一词首次出现在《XX工作报告》中以来，大数据在不同领域的开发及应用成为热议。“大数据”的概念实际早在1980年便已出现，最为著名的是关于大数据的5V特点的定义：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）。确切的说，大数据实际是当代信息社会衍生出来的特殊的产物，它的价值与使用价值都有待通过一种全新的方式进行衡量。从会计角度去认识数据资产这一概念，大数据资产是指那些能够数据化，并且通过数据挖掘能给企业未来经营带来经济利益的数据集合，一切可数据化并进一步量化的信息都有可能形成企业的大数据资产。目前，学术界关于是否将大数据作为资产还没有权威的定义。由于数据依托互联网以及信息技术作为载体，目前会计上并没有将其单独作为一个会计科目进行核算。但若要将数据确认为一项资产，从而使其价值获得合理的初期与后续计量，首先应接近于《企业会计准则》中对资产的确认条件，进一步可比照无形资产的确认条件，再根据数据资产自身的独有属性对其确认条件进行比较和调整。
在之前对数据资产研究的基础上，本文对数据资产这一概念的定义为：数据资产（DataAssets）是企业在生产经营管理活动中形成的、由企业拥有或控制，在数据从产生到应用的过程中可量化的、预期能给企业带来经济效益的数据。由此可见，是否可控制、能量化以及能否给企业带来经济效益是对大数据确认为资产的基本条件。其中，可控制指的是在数据最初从产生、获取、处理、存储、传输和应用全过程中应为企业拥有或者控制。具体来说就是某项数据资源其归属权是有着明确的界定的可以分辨的；可量化是指数据资产的价值可以用其特定的数量指标或货币进行衡量；能给企业带来经济效益是指数据资产具有具有一定的交换价值和应用价值，其所包含的信息可以直接或者间接地为企业带来预期的经济利益。
2.1.2特征
根据上文总结的数据资产的定义，可延伸出数据资产应具有以下特征：
数据资产具有虚拟性，即数据资产虽然存在有形的媒介之中，但其本身是没有实体形态的，其价值与实用价值也不通过实物而获得直接的体现，而是一种隐性的资产。
数据资产具有收益性，这是数据能够称之为数据资产的根本特性。表现为通过对数据的加工处理，数据挖掘和分析，其所具备的使用价值得以体现。数据的储存和使用可以为企业运营提供决策支持、提高效率并降低成本，获取更高的预期收益。多样化的数据信息也可以满足不同主体的需求，因此其在不同用途不同条件下所体现出来的经济效益也是不同的。这一特征也是对数据资产价值计量的重要前提条件。
数据资产具有难以确定性，即其价值难以直接衡量，具有不确定性。由于数据的多样化，其预期收益也受多种不确定因素影响，无法利用货币单位进行统一的量化。在数据交易市场，由于缺乏普遍公认的参照物，以及可统一估量的生产投入成本，所以数据资产的估值也受到人为主观因素的影响，数据资产的价值存在很强的不确定的。
数据资产具有垄断性，即企业可以独占某项数据资产而获利优势。企业拥有一项数据资产是因为其能在相关行业中形成垄断优势并且为企业带来收益。例如借贷用户个人信息、客户的精准画像、消费者行为数据等等。若企业对数据资产的垄断性越高，该数据资产就能为企业带来更多收益，其价值也就更大。
数据资产具有冗余性。数据资产虽然量很多但其中有很多繁杂的部分需要进一步去分析提炼，得到企业真正需要的部分。企业在日常工作中利用数据资产时，会储存下许多不需要重复的数据，这就需要企业去管理储存这些数据。
数据资产具有易腐性。一方面，数据的价值的体现需要其在特定的时间能够被分析和应用，否则其价值会因其时效性而降低，另一方面，随着时间的的推移和数据量的变化，其价值可能反而会因为时间推移而增大。因此，数据资产的本质特征可以总结为：在形成垄断优势的基础上，能为企业带来收益的、具有易腐性和冗余性的虚拟资产。
1.1.3数据资产化的步骤
（1）数据资源确权
数据资产化的第一步是数据资源确权。目前在法律和规制上都还未给出有效的界定和解决办法，数据资源确权存在困难。当前，在市场上运行和流通的一些典型行业的数据产品以及科学数据出版的运行机制是相对可行也是值得借鉴的数据资源确权方法。
（2）数据价值确认与质量管控
在对数据资源确权后，需要确认数据资源的价值，然后确保这个数据资源有一定的质量。对于企业来说，确认数据资源是否有价值相对容易，因此其重点放在难度较大的数据质量管控。数据质量直接决定了数据资产的价值。对于要开展数据资产化的数据资源，在对其确权后，就需要通过各种技术和管理手段对数据资源的质量问题开展识别、度量、监控、预警等系列工作，通过数据质量管控团队的建设、流程的优化和技术等管控数据质量。
（3）数据装盒入库
在数据资产化过程中，对于确认了价值并完成质量管控的有用的数据集，下一步工作是将其进行规范化整理，形成标准的计件单位，使得数据资产得以准确计量，从而建立资产管理目录对其进行入库管理，即所谓的装盒入库。根据数据权属登记机构的有关规定可以对数据集进行规范化整理，按一定规模大小的副本以“盒”为单位对数据进行灌装，从而建立数据资产目录，进行入库管理。
（4）货币计价与评估
有价值的数据集装盒入库后，就有了计量计价单位，就可以进行货币计价与评估，以确定数据资产的价格和价值。数据资产兼具有形资产和无形资产的特征，与以往的传统资产评估存在一定差异，有其特殊性；加之当前数据在计量计价、流通交易等方面都还有诸多问题需要解决，因此，对于数据资产评估，需要开展设计专门的评估模型。
（5）数据资产折旧和增值的管理
在对数据资产进行管理时，对于已确定价格和价值的数据资产，需要考虑它的折旧和增值情况。由于数据资产是由数据组成的，而数据本身不会随着时间的推移而变化或消亡，只有数据的载体会发生折旧的情况，数据的价值可能会折旧也有可能会越来越高。因此，数据资产相较于一般的资产存在特殊性，在进行管理的过程中，不仅要考虑数据资产的折旧情况，也需要考虑到数据资产增值的情况。

　　2.1互联网金融企业相关概念

2.1.1定义与特征
在大数据时代，互联网金融虽然是一种“传统金融行业＋互联网技术”的新兴领域，但却不是互联网与金融业的一种简单的相加，而是在互联网用户大量增加后对实现网络技术发展提供更便捷安全的需求后的一种新的业务模式。本文认为互联网金融企业是一种利用当代互联网信息技术与数据挖、移动支付以及云计算和云储存的一种新行业。互联网金融企业的流行体现在对传统金融机构，利用互联网打造线上改造传统业务模式，以及互联网企业利用数据挖掘等技术和线上网络向金融服务业过渡。
互联网金融行业是一种朝阳行业，其优势体现依靠互联网使得传统经济领域的资金流通、支付闭环和信息中介等金融服务全都得以实现。它的优势主要是靠互联网来使传统经济领域的资金流转、支付环节还有信息传播全部实现。互联网金融企业相对于传统金融企业，还有高效率低成本、透明度高、移动快捷等特征，现从行业特征和营运特征两方面来进行分析。
（1）互联网金融企业的行业特征
互联网企业提供的各种服务都是以互联网这一平台来进行执行的，所以在数据资产的管理和应用方面，都比其他企业有着先天的优势。互联网的普及有利于企业进行搜集挖据和利用信息，并且数据的储存更加简便快捷有效，并且互联网企业金融企业可以借助数据资产化推动传统行业的发展。
（2）互联网金融企业的运营特性
在企业管理层面上，互联网企业的员工数量比较少，初期营运资金的投入也比较少，它的发展是阶段性的，中小型企业需要经过一定的发展才能获取经济利润。同时互联网金融企业用户数量多市场规模大，可以用较低的成本为企业创造更多的利润。
2.1.2主要商业模式
现在市场上的互联网金融企业类型主要分为五种：第三方支付、众筹、P2P贷款平台、互联网那个金融服务平台还有传统金融的互联化网化。
本文将主要利用网贷平台作为案例进行分析，P2P平台是一种点对点的网络贷款平台，它的出现极大地满足了小微企业与较低收入人群的借贷需求。这种贷款平台是借贷双方根据自己的需求在网贷平台上注册，此时平台会根据双方信息进行分析匹配，贷款人根据各个平台的利率和贷款期限等多方面原因选择适合的平台，平台通过向借款者和贷款这收取一定的费用，包括评估费管理费以及平台运营费来获利。P2P平台主要有以下几种类型：

　　P2P网络借贷平台的业务步骤分为三步：首先小微企业在网贷平台根据阶段双方的利率选择有利于自己的条件，然后双方都进行筛选工作达成合作。然后平台进行网络认证确保安全性和准确性，认证借方的身份准确性以及企业的营业执照、银行流水账等对这些进行审核。最后投资者根据平台发布的借款人信息实现自主借款，网贷平台会提供参考利率借款期限，最后投资人公开竞标确定最终的贷款利率。
2.1.3大数据下的互联网金融企业
由于不同行业的数据资源处于不同阶段，大数据各行业发展阶段显示差异化。根据中国互联网络信息中心（CNNIC）在京发布第44次《中国互联网络发展状况统计报告》。截至2019年6月，我国网民规模达8.54亿，较2018年底增长2598万，互联网普及率达61.2%，较2018年底提升1.6个百分点。互联网金融的兴起和大数据技术的发展使其相结合成为必然的趋势，基于现代互联网通信技术，大数据已经成为推动商业模式、产品服务朝全新的方向转变，使得金融领域产生的颠覆性变革的重要推手。推送。比如根据企业注册资金、账户流水、法人征信情况等信息，或者个人的信息以及网络交易及行为数据的分析，为企业对用户的信用状况评估提供可靠的依据。从而为金融企业在用户的还款意愿和能力方面提供可靠的判断，以便决定是否继续为该用户提供贷款以及授信、分期等服务。从而很大程度的降低了金融企业的风险。
并且，在大数据背景下，信息高度对称，透明度高。可以利用大数据算法，参考收益率、借款期限、风险偏好和用户的灵活度需求等数据，设计出不同层次不同种类的理财产品，有针对性地定向投放，网民也可以匹配到为其量身打造契合市场需求的信贷产品。大数据征信和大数据风控正是利用大数据的高效、和精准化特点，取得了双向的共赢，也是对传统金融行业的有效补充。
随着通讯技术的迅速发展以及互联网应用的普及，互联网企业的用户规模发生了巨大的增长，互联网企业也积累了许多数据。一方面数据的挖掘可以使企业在原始数据中获得大量的信息，提高数据资产的价值，但另一方面数据资产虽然由企业持有可以为企业带来巨大的经济流入，但是数据资产并没有像其他无形资产一样被企业所评估应用。为了解决这种明显的不确定性，需要推动数据资产化，这样便需要可靠合理的方法对数据资产进行评估。

　　3互联网金融企业数据资产价值评估方法的分析

　　3.1资产价值评估相关方法理论

资产评估，即评估人员运用科学合理的评估方法，遵循公允客观的评估标准，对某种资产在特定的时点上价值进行量化的行为。目前我国在对于有形资产和无形资产的价值评估方法中，评估有形资产的评估方法比较成熟，主要有收益现值法、重置成本法、现行市价法、清算价格法[39]。针对无形资产的价值评估方法比较成熟和常用的有三种，分别是成本法、市场法和收益法，除此之外还有在这三种方法上派生的其他方法比如实物期权法。
（1）成本法，即重置成本法，就是以被评估资产的成本作为价值评估基础，然后评估各种贬值从重置成本中将这些贬值减去从而得到现值的方法。贬值可分为实体性贬值、功能性贬值、经济性贬值，被评估资产的价值V可以表示为：
V=重置成本—实体性贬值—功能性贬值—经济性贬值
或V=重置成本×成新率（式1）
成本法是一种对待评估资产的使用损耗贬值和折旧等其他方面进行全面的考虑，然后得到重置成本，通常用于对资产重置或者以补偿为目的的业务，也可用作对特殊的资产以及无形资产进行评估。
（2）收益法，又叫收益现值法，是以资产的未来预期收益折算成当下的现值而进行价值的评判的一种评估方法。收益法是评估无形资产使用最为普遍的方法，其对无形资产的价值分析是基于无形资产未来收益的现值进行分析的，而不是资产本身。EVA模型以及B-S期权定价模型都是对收益法的补充与拓展。

式中：P为资产净现值，为第t年的净收益，i为适用的折现率，n为净收益持续的年限。
（3）市场法，也称市场比较法。是指通过比较被评估资产与可比类似资产的异同，再调整已知的参照物资产的市场价格差异，从而确定被评估资产价值的一种评估方法。市场法的使用应满足以下两个前提条件：首先是要有一个比较活跃并且可比的交易市场，其次在市场要找可以比较的交易案例来作为可比交易案例。
运用市场法评估资产，步骤如下：①明确评估对象；②进行市场调查，寻找类似资产；③选择3个以上的参照物，收集相关资料；④比较被评估资产与参照物；⑤调整差异，得出评估值。
（4）实物期权法
实物期权的概念最初是由麻省理工大学的斯图尔特·迈尔斯教授（1977）提出，他认为投资项目与金融期权在某种程度上具有相类似的特征，所以投资项目的价值应考虑两个方面包括现在资产的价值增值以及未来资产的投资预期收益。实物期权是从期权这个概念发展而来，它也是以期权为基础而产生的一种选择权，所以其性质类似于金融期权，同时期权也在实物领域有了进一步的发展。实物期权法较多地应用于企业战略并购和项目投资以及高风险且评估环境比较不稳定的实物资产投资等领域。合同中标的资产期权可以是某个投资项目，或者是某个特定的企业。
期权价格指的是在购买期权以实现其标的资产的保值或是收益的基础上，为获得期权的潜在价值而支付的费用。在实物期权方法中对期权价值的评估是最为重要的部分。由于金融期权的概念在实物领域得到借鉴和进一步的发展，所以实物期权定价模型这一模型的建立，也是从金融期权的定价模型的进一步改良和调整后形成的。其中，运用最普遍的是X芝加哥大学的布莱克、斯科尔斯在1973年发表的一篇关于期权估值均衡解决方案的文章中提出的提出的Black-Scholes期权定价模型，以及考克斯、罗斯、鲁宾斯坦等人提出的二叉树期权定价模型。Black-Scholes期权定价模型（以下简称B—S定价模型）实质上是对收益法的一种补充，它的提出是对金融理论以及资产评估领域的重大发展。它弥补了收益法无法考量评估环境动态性的不足。若要将B—S实物期权模型应用实际的资产评估或者企业价值评估中，首先应对比模型在运用时所必须要满足的假设条件和环境，根据具体的评估环境和特点对其假设条件进行对比和分析。
布莱克和斯科尔斯在推导B-S模型时指出需要满足以下假设：
（1）股票价格行为服从对数正态分布模式；
（2）在期权有效期内，无风险利率r是常数，投资者可以此利率无限制地进行借贷；
（3）市场不存在税收和交易成本，所有证券完全可分割：
（4）金融资产在期权有效期内无红利及其他所得（该假设后被放弃)；
（5）该期权是欧式期权，即在期权到期前不可实施；
（6）不存在无风险套利机会；
（7）证券交易是持续的；
（8）投资者可以无限制地借人或贷出资金，借人利率与贷出利率相等，均为无风险利率。
基于以上假设，得出B-S模型的具体公式如下：

其中：C为期权初始价格
X为期权执行价格
S为标的资产现价，
T为期权有效期，
r为无风险利率，
δ为股票价格波动率。
从上述式子可以看出该模型共识的推导和证明都较为繁琐，都需要对参数有明确的界定以及满足特定的假设，但是这种模型最终的计算比较方便准确性也比较高，因此被较多的使用在实物中。

　　3.2互联网金融企业数据资产价值影响因素

数据资产的成本。互联网金融企业大多为轻资产型企业，本身就具备低成本的特征。在对其运营时产生的数据进行储存和维护时就产生了相应的成本，可将数据资产的成本分为初期建设成本和后期运营成本。初期建设成本是数据的产生，应用会计计量将其分为外购成本和自建成本。后期的运营成本在一定程度上是包括数据的储存维护和应数据搜集以及开发过程中的人力成本以及后期对大量冗余成本的筛选。不同的行业所应用数据的成本是不同的，一些行业主要是对数据的搜集，另一些行业主要是对数据的储存和管理来推动业务进行，所以这一类企业的运营成本都很大。
数据资产的质量。数据资产的冗余性质也影响着数据资产的质量，包括的因素有品种、数据量、数据的完整程度、以及数据的时效性等。对于互联网金融企业这一特殊的企业来说。这种对价值的影响很大成对上体现在对不同的业务进行分拆然后对用户的价值进行汇总。所以互联网金融企业的用户数量越多，企业掌握用户的数据就越多，这些数据恰好是与企业的经营密切相关，此时企业数据资产的质量就越高。同时数据资产的质量越高，该数据资产的使用价值就越大，就更利于企业的发展。
数据资产的使用状况。对于这些互联网金融企业沉淀的数据资产来说，一部分企业用来获取自身的利益，另一部分企业可以考虑从数据资产所具备的共享特性来获利，数据资产的这一特性决定了数据资产具有重复利用和保值增值方面的能力。企业数据资产的使用状况体现在企业对数据共享的能力、使用次数以及所涉及的范围等方面，也进一步体现了数据资产的收益能力，影响数据资产的价值不再局限于数据的时间跨度和使用次数，而更加看重数据资产的使用状况。

　　3.3互联网金融企业数据资产价值评估方法适用性分析

3.3.1一般评估方法的适用性分析
根据评估项目的具体情况，本文对无形资产评估的三种主要方法及你先弄给对比分析，结合其各自的使用条件，再针对互联网金融企业数据资产的具体特性分析三种方法的可行性和局限性。
（1）成本法评估数据资产的局限性
成本法主要是根据资产取得时的成本来计算资产的价值，结合数据资产的具体特性，因为数据资产在某种程度上来说是一种互联网的衍生产品，她产生于互联网企业运营的各个方面，所以无法对其取得的成本进行一次准确的计量，根据其储存的成本和其他硬件设施计算出来的成本只是其产生出价值的一部分，这样就不能对对数据资产的的成本进行全面的分析，不能得到准确的数据资产成价值。同时成本法这种方法并未考虑到数据资产的未来收益能力，会导致最终价值低于应有价值。
（2）市场法评估数据资产的局限性
市场法是以被评估资产在市场价格为基础在进行调整的价值评估方法，若要用市场法进行数据资产的价值评估，一定程度上优于以成本法进行评估，但是应用这种方法对数据资产进行评估需要满足一定的条件：
①需要对要估算的资产的市场价值影响因素进行统筹考虑；
②需要对不同的影响因素对数据资产的市场价格的影响程度进行有标度的判断与区分，并在此基础上进行调整；
③必须存有一个适用且发育完备的成熟的市场，有较多的可借鉴的历史交易记录或者公开又透明的数据资料信息可参照。这便制约了市场法在数据资产领域的可行性。
总而言之，对于数据资产这种特殊的无形资产来说市场法也不是很适用。即使不考虑各个行业的差异，有数据交易中心提供一个公允可靠的市场，但是市场上不同的数据资产也有很大的差异，无法进行精准的评估。
（3）收益法评估数据资产的局限性
收益法评估方法是通过对数据资产的预期收益进行折现来计算出数据资产的价值，但数据资产是一种特殊的无形资产，即使对数据资产的的预期收益年限有一定可靠的数据阿但是每年的收益额也不能得到准确的计量。所以要使收益法可以准确估计数据资产的价值，必须满足以下条件：
①数据资产的未来收益与风险可预测；
②具备一个标准的折旧年限；
③数据资产的最终价值对当期固定利率的变动较为敏感，会随之而产生价值的变化。
针对以上对三种评估方法对数据资产的分析，以下将对互联网金融企业数据资产的评估方法的选择进行详细的对比：

　　综上所述可以得到，即使数据和无形资产的性质比校相似，但是对无形资产的评估不能较好的评估数据资产，甚至单一的方法不能得到数据资产的价值，所以本文为了找到更加合理的方法评估数据资产的价值，对价值影响因素进行量化采取定性与定量的方法来来评估数据资产的价值。
3.3.2B-S模型相对于一般方法的优越性分析
实物期权定价模型作为解决众多经济问题时必不可少的重要工具，在对无形资产的价值评估领域中应用的较为广泛。由于互联网金融行业有着与传统行业诸多不同的特性以及发展轨迹，在对该行业的数据资产进行评估时，对互联网金融企业的数据资产与实物期权之间的联系具体可做如下分析：
（1）数据资产价值特性是符合实物期权特性的，一方面，其价值会随着不断的加工和使用次数以及人数而改变，这些不确定性因素直接影响数据的内容与数据量，从而影响数据资产评估结果。
（2）数据作为资源具有的无限性和动态性，以及企业拥有的数据资产对于未来收益的不确定性，这与实物期权的特点吻合，其价值评估需要具备灵活性，而只有实物期权法可以对此进行评估。
（3）实物期权法主要适用于在动态评估环境下对不确定性较大的资产价值的评估，互联网金融企业数据资产符合这一评估环境。
（4）互联网金融行业具有着高风险，高收益的特点，这也给予了该企业所具备的数据资产具有着高收益与高风险并存的特点。收益法是传统的评估方法中最适用于评估该类资产的方法，而实物期权法是收益法的拓展，更加全面地吻合了管理的柔性特点。因此，被评估企业的数据资产可被界定为一种看涨实物期权，从而弥补传统估价模型则不能有效地确定评估资产的未来不确定性机会价值的不足。
实物期权模型有两种主要的模型，B-S模型和二叉树模型，在这两种模型下选择B-S模型更利于我们对互联网金融企业的数据资产进行评估。该模型更好的考虑了资产收益的不确定性和管理柔性等因素，对资产的机会和管理柔性价值做出了更准确的预测，它其实是在一般资产评估技术无法满足项目投资需求和资产交易的背景下催生出来的产物。B-S模型参数较容易获得、评估操作计算简便；已知模型需要确定的参数有：标的资产现价、期权有效期、期权执行价格、无风险利率和波动率。只要确定了评估对象符合实物期权特性，则这些参数也是可以一一得到确认的，接下来只需带入公式进行计算。

　　4.互联网金融企业数据资产价值评估模型的构建

　　4.1互联网金融企业数据资产价值的构成

明确了互联网金融企业数据资产的实物期权特性后，在利用B-S期权定价模型进行价值评估时，根据模型的参数设置可知，互联网金融企业的数据资产在B-S模型的运用中，是由五个参数即标的数据资产、执行数据资产、数据资产波动率、无风险利率、数据资产生命周期通过公式计算得来的。标的数据资产价值为被评估的互联网金融企业所持有的数据未来所产生的价值。执行数据资产价值可理解为企业对所持有的数据所需要的人力与设备等的初期和后续的成本费用。而对于标的数据资产的计算，应把数据资产的类型与所处行业的特征相结合起来，因此若将范围锁定在互联网金融企业，则数据资产价值的因素本文可初步确立为为平台营运数据资产，投资方数据资产，借款方数据资产这三个影响因素，然后结合影响因素的权重，进而计算得出标的数据资产的数值，再一一确定所需参数值。数据资产的价值构成也可通过这些参数的权重和数值大小体现出来。

　　4.2互联网金融企业标的数据资产价值计算

4.2.1标的数据资产的构成
以P2P网络借贷平台这一金融服务类网站为例，其参与主体主要有三个，即投资方、借款方和平台自身。其作用体现在，其一是为借款方的融资提供资金和渠道，其二是为投资方的投资需求提供较为匹配的项目从而使其获得相应收益，其三是平台自身通过提供技术平台支持，赚取一定的中介费用从而保证更好的运营。因此，这三个参与实体的行为特征以及其所包含各类数据的积累情况是这类企业的数据资产价值构成的关键，也很大程度上决定了该企业数据资产的价值属性与价值大小。
因此，进一步通过对互联网金融企业平台资产构成结构的分析以及相关资料显示，本文将影响互联网金融企业标的数据资产的构成因素分为平台营运数据资产、投资方数据资产和借款方数据资产这3个指标。每一项指标所包含和涉及的数据信息也可进一步进行细分如下：
（1）平台营运数据资产
平台营运数据资产指的是在实际的运营和发展过程中，其平台的运作和借贷业务开展所积累形成的大量运营数据。根据浏览大多数P2P平台的信息披露以及对相关资料的分析，本文总结出平台运营数据所含括的指标主要有平台背景信息、平台人气数据、以及平台借款收益。
（2）投资方数据资产
投资方是指具有投资需求，经过浏览和对比某一互联网借贷平台上发布的不同借款项目之后，对其进行投资的一方。在目前看来，P2P平台的投资方较多为以理财为目的而出借资金给平台的个人投资者。投资方类比于投资方的数据资产类型，投资方的数据资产也包含有平台所收集到的个人身份信息、个人信用历史信息以及个人公开的资产信息。投资方数据资产在计算时可根据企业投资人数的统计，利用往年数据计算出平均每个投资人可能为企业带来的收益。
（3）借款方数据资产
借款方是将其资金需求在通过一定的申请与平台审核后在P2P平台进行公布的一方。不仅仅局限于需求资金的个人，还有各种融资困难的中小微型企业，本文所研究的借款方主要是指个人参与方。根据笔者的归纳认为，借款方的数据资产主要包括平台所收集到的个人身份信息和个人信用历史信息以及个人公开的资产信息。借款方数据资产可根据企业借款人数的统计，利用往年的数据计算出平均每个借款人可能为企业带来的收益。
不同的企业所拥有的这三方面数据资产的数据量以及数据质量是不同的，每一项数资产以及其所包含的数据信息对企业自身数据资产价值大小的影响程度也是不同的，应根据企业平台的具体情况作出具体的权重划分，最后综合这三部分权重计算得出互联网金融企业的标的数据资产价值。
4.2.2标的数据资产价值计算

图4-1互联网金融企业数据资产构成
首先要利用层次分析法计算出三种资产所占的权重，互联网金融企业标的数据资产总权重主要由借贷产生的利率收益、投资机构或投资人的存储数据资产以及借贷机构或个人的数据资产三部分构成。结合自行设计的问卷调查表，基于专家打分的思路对上述三个影响因素进行权重分配，得到较为客观的权重分配信息，以彻底反映不同影响因素对标的数据资产的影响差异。本文将应用已有的文献用层次分析法计算出的关于互联网金融企业数据资产所占权重，具体权重如下:
表4-1互联网金融企业标的数据资产影响因素的权重分配

　　在已知了每个构成要素在标的数据资产价值中分别所占的比重后，然后对其构成要素自身进行计算。根据对当下互联网金融平台的信息披露状况的总结和归纳，结合贷款收益的计算和资金时间价值等因素，本文将采用以下四个计算公式来计算企业的标的数据资产价值构成要素：

　　互联网金融企业标的数据资产价值=平台运营数据资产+投资方数据资产+借款方数据资产
其中、、分别表示平台运营数据资产、投资方数据资产和借款方数据资产的所占权重

　　4.3基于B-S模型的互联网金融企业数据资产评估

数据资产符合实物期权的特性，利用B-S模型对互联网金融企业数据资产进行评估。基于上述分析，本文考虑互联网金融企业的平台营运数据资产，投资方数据资产，借款方数据资产这三个因素对标的数据资产价值的影响，通过层次分析法计算互联网金融企业的标的数据资产，并将这该模型参数统一到B-S模型中去。
（1）界定数据资产实物期权
影响互联网金融企业数据资产价值评估的因素很多，导致了互联网金融企业标的资产价值及执行数据资产价值的不确定性，因此，可以将互联网金融企业的数据资产看做一种看涨期权。在动态环境对评估不确定性较大的资产价值，互联网金融企业数据资产与该评估环境的要求十分吻合，因此，B-S期权定价模型适用于评估互联网金融企业数据资产。
（2）确定模型参数
B-S期权定价模型的五个参数具体的设置和选取要求如下：
标的资产现值即标的数据资产的现值。主要包括平台营运数据资产，投资方数据资产，借款方数据资产3个部分，通过层次分析法计算出各构成要素的权重，再应用相应的公式计算出标的数据资产的现值。
期权执行价格即合同规定的到期之时的期权交易价格。在本文中期权执行价格指的是互联网金融企业的执行数据资产价值。因此执行资产价值指该资产的成本前期投入的折现值，具体指企业对所持有的数据资产所需要的购买设备和人力等初期建设成本。
波动率体现了实物期权标的资产的不确定性，是评估过程中的重要参数，其数值一般通过参考历史数据得到类似可比资产的波动率而确定。数据资产的波动率应参考无形资产的波动率较为标准，根据学术界对实物期权波动率参数的估算，同时考虑到互联网金融企业所存在的风险与不确定性强于其他一般企业，将波动率这一参数值确定为20%。
期权有效期指数据资产的可使用生命周期，该有效期可以根据市场状况和某一数据资产的时效期以及企业的运营时间状况等多个因素进行判定。据数据交易所对大数据交易以及增值情况的统计与分析，大数据资产的生命周期一般为5年。
无风险利率是假设不存在风险情况下，企业使用资金进行投资所取得的回报率。在实物期权法的具体应用中，一般无风险利率会采用与该项资产的实物期权行权的规定时间相近的国债的到期收益率。实物期权的价值与无风险利率呈现出同方向的变化。
（3）期权价值计算
模型基本假设如下:将B-S模型应用到实际评估之前，需要结合评估对象的自身条件和模型公式本身严格的假设条件进行分析。因此在对互联网金融企业数据资产进行评估时需要满足的假设引申如下：
第一，标的资产价格遵从几何布朗运动；标的资产的价格服从对数正态分布，收益服从标准正态分布；
第二，无风险利率为已知常数且在期权有效期内保持不变；平台保持风险中性态度，对风险既无喜好也无厌恶；
第三，该企业是持续经营的，企业的数据资产开发过程不可逆。
在符合B-S模型假设的前提下，针对互联网金融企业数据资产价值评估模型的构建，互联网金融数据资产价值的计算公式为：

其中，C表示互联网金融企业数据资产价值，
S表示互联网金融企业的标的数据资产价值，
K表示互联网金融企业执行数据资产价值，
r为互联网金融企业数据资产固定利率，
为互联网金融企业数据资产的波动率，
T为互联网金融企业数据资产生命周期，
、为互联网金融企业数据资产价值随企业标的资产价值变化的系数，
N（.）表示正态分布变量的累积概率分布函数。

　　5.评估模型在博金贷数据资产评估中的应用

根据前文对互联网金融企业价值结构的分析、评估方法的选择和对最终得到的评估模型实施步骤的确定，本章把该评估模型更加详细地应用到特定的互联网金融企业中去，利用B-S期权定价模型来对企业的数据资产进行估算，通过对具体案例的应用研究，来验证这种评估模型的准确性和可行性。本章选取博汇九洲江西省首家国资风投战略入股互联网金融平台——博金贷作为评估案例对象，由于博金贷处于行业比较领先的水平，其产品信息、数据资料都比较真实完善，能较好的应用于测评中，所以选择博金贷作为评估案例对象。

　　5.1博金贷概况

5.1.1博金贷背景介绍
在我国互联网金融企业发展非常迅速的行业背景下，网络借贷平台已成为互联网金融企业发展最蓬勃和显著代表。网贷平台在国家发布了一系列监管政策并且进行了紧密落实后，P2P网贷平台正在朝着高效和合规的方向迅速发展。P2P网贷企业可视为借贷双方之间的中间金融机构，负责提供借贷双方的信息沟通平台使数据可视化，负责对双方所需要的信息进行质量审核，同时也提供对借方抵押偿还标的物进行评估。
博金贷是江西省金融办备案的一家互联网金融服务平台。其成立于2014年，是由博能集团联合江西省投资团、江西省大成国有资产、江西省民营企业投资商会，际冀州集团等共同出资设立的。博金贷以其高效、便捷、安全、诚信、创新的特征赢得了广大用户的良好口碑。博金贷已成为江西省首家国资风投战略入股互联网金融平台。博金贷以众镐科技的大数据、人工智能等技术为支撑，与上海直融支持的地方泛金融机构密切合作，为中小微企业提供小额快捷的融资服务，为广大出借人出借闲置资金提供中介服务，实现投资者和融资者的资金融通，满足双方的投融资需求，实现多方共赢，为广大出借人提供更便捷、更高效的综合金融服务。2016年博金贷江西银行存管系统正式上线，目前已完成ICP备案，其电信增值许可已申请，并通过公安部颁发国家息安全等级保护三级认证。截至2019年2月31日，博金贷累计成交总额达258.66亿元。2019年P2P网贷平均综合利率9.32%，金开贷的预期收益率为8.86%。
5.1.2博金贷业务介绍
博金贷P2P平台覆盖个人、企业、XX等各类主体的各类投融资需求，具体如表5-1所示：

　　博金贷平台作为网上贷款信息的中介，通过线上和线下的方式为投资者和借款人提供信息交流、匹配、信用评级以及其他中介服务。博金贷平台采用P+N即个人对多家合作机构的运营模式，在投资人和借款人之间引入合作金融机构。博金贷平台产品根据客户不同，具有不同类型的产品。目前博金贷P2P平台的标准产品共有三类：征信贷、泛机构保荐贷及周转贷。
（1）小微企业征信贷
小微企业征信贷是博金贷平台向已在银行配套了贷款的小微企业发放的纯信用贷款。
（2）泛机构保荐贷
泛机构保荐贷是博金贷平台对合作的机构尽调授信后，在授信额度内为机构推荐的借款客户提供高效的辅助补充融资资金，此类项目为担保类贷款。
（3）周转贷周转贷是一种短期资金的融通，是与长期资金相对接的资金融通方式。博金贷平台提供周转贷资金的目的是通过周转贷资金的融通，达到与长期资金对接的条件，然后以长期资金替代周转贷资金。
5.1.3博金贷标的数据资产价值构成
P2P网贷平台是能够体现数据资产价值的互联网金融机构，根据前半部份对互联网金融企业数据资产构成的分析，再结合分析博金贷业务和主要产品的介绍，以及相关参数的信息披露，本文将对博金贷数据资产中标的数据资产价值构成进行分析，在根据平台标的数据资产的构成建立成价值指标体系来计算资产价值。分析得出标的资产价值指标体系如下图所示：
表5-2平台受众范围表

　　5.2博金贷数据资产价值的评估过程

金开贷的企业数据资产价值的评估通过计算互联网金融企业标的数据资产，执行数据资产，数据资产波动率，数据资产生命周期和数据资产固定利率这5个影响因素，最终确定金开贷交易数据资产价值。现假设企业在经营的情况下，其潜在开发数据资产所预期的现金流符合几何布朗运动，数据资产的开发过程不可逆；则企业数据资产评估过程如下：
5.2.1标的数据资产价值的计算
本文根据博金贷一年的相关数据，以及三项指标权重，来计算出博金贷该年的平台营运数据资产、投资方数据资产、借款方数据资产的数值。首先选取博金贷2019.3月-2020.2月的累积成交额、综合利率、累计借款人数、累计投资人数等数据，将样本数据绘制如下图所示（数据均来自网贷之家和网贷天眼）：

图5-12019.3-2020.2每月累计成交额和待还款金额

图5-22019.3-2020.2每月投资人数和借款人数
根据以上数据，依据公式6、7、8，最终进行企业标的数据资产的计算。可得博金贷标的数据资产的构成要素价值分别如下表所示：

　　根据上表可知金开贷企业标的资产各构成要素的具体数值，可得金开贷标的数据资产价值为8741.782万元。
5.2.2其他参数的确定
（1）执行数据资产价值K
在工信部发布的《关于数据中心建设布局的指导意见》中，我国对数据中心进行了分类布局导向。对数据中心规模根据一定的标准划分为四个级别，即服务运营商、大型企业、中小型企业和微型企业。其中，对于数据中心服务器规模也做出了明确的要求：微型企业少于50台，中小型50-1500台，大型企业1500-4000台，运营商4000-10000台；网络接口要求：微型企业192-384个，中小型企业192-3000个，大型企业3000-16000个，运营商16000-40000个。根据中国互联网信息中心分析师王常青的分析，云计算和储存是一般的中小型大数据企业构建数据中心进行数据收集和存贮的主要途径。通常中小企业典型的计算配置为2G主频服务器+1T硬盘+1Mbps的配置，硬盘设备的存储设备使用寿命为3年，每一年按固定资产5%的折旧率进行折旧，则其所花费的成本约为3.7万元[51]。从博金贷的公司注册资本以及累计交易量可得，博金贷属于中小型企业，类比中小型数据中心的其对数据资产的初期建设成本和运营维护成本，则企业执行数据资产价值为K=6.15万元。
（2）数据资产波动率
本文对互联网金融企业数据资产波动率的计算参考相类似的无形资产波动率，并选取其波动率上限,σ=20%作为本文的参数进行研究。
（3）数据资产生命周期T
数据资产虽然具有时效性导致其使用寿命的不确定，但为了方便对其收益的评估，根据专家的估计，大数据时效性普遍约为5年。数据资产的生命周期为T=5年。
（4）数据资产无风险利率r
无风险利率一般选取与期权执行期到期时一致或接近的国债利率。因此，本文选取2019年期国债利率为r=4.27%，作为博金贷数据资产价值评估的无风险利率。
5.2.3数据资产价值计算
依据公式9、10、11，本文运用excel软件对数据资产价值进行最终的计算。
互联网企业标的数据资产价值S=8741.782；
互联网金融企业数据资产固定利率r=0.0427；
互联网金融企业数据资产生命周期，单位（年）T=0.5；
互联网金融企业数据资产的波动率；
互联网金融企业执行数据资产价值K=6.15，单位（万元）
最终得出博金贷网贷平台数据资产价值为C=890.54万元

　　5.3案例评估启示

本章以互联网金融企业博金贷平台的数据资产为评估对象，分析了该平台的的背景信息及其数据资产的构成，然后对其进行价值评估，最后得到博金贷的数据资产价值。对于此次评估结果，本文将对互联网金融企业数据资产价值评估方法和模型的提出一些建议和总结。
数据正在作为一种新型的资产进行评估，这种新兴的资产需要采用定性和定量的方法进行评估才能很大程度上减少其的不确定性，在一定程度上避免了单一的评估方法所造成的价值评估不确定。针对互联网金融企业的数据资产评估，由于不同类型企业在运作时所产生的数据资产属性和类别都不尽相同，所以需要根据不同的类别对价值进行不同的计量。互联网金融企业要充分利用数据的流通性和共享性，对于数据资产的评估不仅可以量化企业数据资产的价值，在一定程度上也可以提高对数据资产的利用程度和重视，使企业间数据可以相互流通，提高数据资产的使用效率，进一步完善数据资产交易市场，给企业带来更大的发展空间。

　　6研究结论与建议

本文针对互联网金融企业数据资产这一特殊的资产进行了理论分析、模型构建和案例应用得到了以下研究结论和成果；
（1）本文首先界定了数据资产的概念分析了其特征和得到数据资产的流程步骤，接着结合互联网金融企业的独有特征进一步分析其数据资产的特征，在此基础上建立了分析互联网金融企业数据资产价值评估所需要的理论基础。
（2）分析了数据资产价值的三种影响因素，应用定性和定量结合的方法，分析互联网金融企业标的数据资产影响指标，应用层次分析法计算出权重计算标的数据资产的价值。
（3）本文初步设计了关于数据资产价值评估方法的逻辑结构，结合评估方法的适用性和局限性分析得出这种类似于无形资产的数据资产，可以利用实物期权中的B-S定价模型对该种资产进行评估，并在确认标的数据资产的过程中改进了这种模型，使其可以更好地应用到互联网金融企业中，得到最终数据资产的价值。
（4）运用实证对模型进行了检验，以案例企业博金贷平台的数据资产作为符合模型各项假设条件的评估对象，利用所构建的模型对该企业的数据资产价值进行了计算并得到了最终的评估结果。
虽然本文对数据资产以及相关评估方法做了基本的整理，所进行的案例研究也有一定的可行性。但是在完成论文的过程中，本人所拥有的理论知识和应用能力都有限，所以无法准确的涵盖关于数据资产价值评估的知识。同时本文对于数据资产权重的划分是建立在一定研究基础上的，其准确性和时效性都需要进行进一步的考量，需要更多专家和学者在此方面进行更多的研究。
针对本文对数据资产的研究以及对其方法评估的探究，本文将对互联网金融企业如何提升数据资产的价值做出一些合理的建议：
第一，互联网金融需要进一步重视企业内部所储存的数据资产，需要采用更加技术先进的采集手段对数据资产进行分析，要挖互联网金融企业的大量数据在企业中的开发和利用以及储存，进一步充分利用互联网金融企业数据的便捷特性，提升互联网金融企业使用数据资产的能力。
第二，要充分利用互联网企业现存的标的数据资产以及生命周期之间的变化关系，对数据资产的价值进行提升，提高我国利用数据资产进行收益的能力，降低我国企业在应用数据上所要花费的大量成本。
第三，要最大程度的利用互联网这个新兴产业共享的特性，目前我国互联网数据资源共享的软件和机制都不是很完善，充分协同发展的数据资源共享平台也还未形成，因此我国互联网金融企业应该加快对此类网络借款平台的改进，提升企业应用数据资产获利的能力。

　　参考文献

[1]黄珊.互联网金融商业模式研究[D].浙江大学,2017.
[2]蔡凡.基于实物期权定价理论的专利价值评估[C].南昌工程学院经济贸易学院.2012管理创新、智能科技与经济发展研讨会论文集.南昌工程学院经济贸易学院:南昌工程学院经济贸易学院,2012:283-286.
[3]陈丽娟.资产评估基本理论框架研究[D].保定：河北农业大学，2004：5-38
[4]蒋敏超.实物期权法在文化传媒企业价值评估中的应用研究[D].安徽财经大学,2019.
[5]宋晓迪.基于实物期权法的碳资产评估研究[D].合肥工业大学,2017.
[6]方胤杰.前景理论视角下大数据资产价值的实物期权评估研究[D].华北电力大学(北京),2019.
[7]郭邑彤.互联网金融企业数据资产价值评估方法研究[D].西安科技大学,2019.
[8]康旗,韩勇,陈文静,刘亚琪.大数据资产化[J].信息通信技术,2015,9(06):29-35.
[9]卢元红.大数据资产的会计确认与计量的研究[J].广西质量监督导报,2019(07):168.
[10]黎宁.大数据在互联网金融企业风险控制中应用研究[D].广西大学,2018.
[11]李响.谈互联网金融[N].吉林日报,2019-12-30(004).
[12]李雅佳.基于实物期权视角的无形资产价值评估研究[D].保定:河北大学，2013
[13]王静,王娟.互联网金融企业数据资产价值评估——基于B-S理论模型的研究[J].技术经济与管理研究,2019(07):73-78.
[14]王玉林,高富平.大数据的财产属性研究[J].图书与情报,2016(01):29-35+43.
[15]魏弘.基于层次分析法的金融资产评估研究[J].齐齐哈尔大学学报(哲学社会科学版),2018(06):76-79.
[16]王欣.实物期权法在高新技术企业价值评估中的适用性研究[D].山东大学,2018.
[17]薛华成.管理信息系统[M].北京：清华大学出版社,1993：24-25.
[18]徐燕.浅谈资产评估中大数据的应用[J].财会学习,2019(30):212-213.
[19]徐翔.高新技术企业无形资产评估方法的研究[D].成都：西南交通大学，2003：[6］
[20]叶雅珍,刘国华,朱扬勇.数据资产相关概念综述[J]计算机科学.2019(11)
[21]叶雅珍,刘国华,朱扬勇.数据资产化框架初探[J].大数据:2020(3):1-15.
[22]杨景海.实物期权法在企业并购价值评估中的应用[J].财会通讯,2015(20):12-14.
[23]赵清云.博金贷P2P平台财务风险防控策略研究[D].江西师范大学,2018.
[24]郑玲微.大步跨入“大数据”时代[J].信息化建设,2013(01):11-13.
[25]张志刚,杨栋枢,吴红侠.数据资产价值评估模型研究与应用[J].现代电子技术,2015,38(20):44-47+51.
[26]左文进,刘丽君.大数据资产估价方法研究——基于资产评估方法比较选择的分析[J].价格理论与实践,2019(08):116-119+148.