当“数据资产是企业核心资产”的概念深入人心之后，企业对于数据资产便有了更清晰的界定，将数据管理作为企业核心竞争力，在可持续发展中战略性规划与运用数据资产，成为企业管理和市场竞争的核心因素。因此，对数据资产进行客观公正的价值评估也将成为市场主体对数据资产进行管理和运用的内在需求。

由于数据资产的特有性质，数据资产的价值实现不仅与数据资产的内容和质量相关，也与数据资产利用过程中的算法、模型和算力相关并依赖于数据资产的应用场景。同一数据资源在基本权属不同，应用场景不同的情况下所形成的数据资产也是不同的，即使在同一个应用场景中，数据资产的价值大小并非一成不变，由于数据所包含的信息有效性会随时间改变，因此数据资产的价值可能随时间不断波动。特别是数据资产的持续不断产生，使得数据还具有衍生性和可加工性，在应用的过程中也会衍生出不同的价值，传统的生产要素的价值与其应用场景是相对固定的，而数据的应用场景可以在应用的过程中不断丰富和创新。

与传统的资产类型相比，数据资产的财务核算、价值评估以及数据资产的投资管理面临着新的挑战，数据资产的价值评估已成为推动数据资产化和数据资产市场化的必不可或缺的重要环节之一。如何对数据资产进行价值评估，可以从数据资产的成本、收益、市场以及风险四个维度进行思考。

数据资产的成本是指利用现代信息技术在采集、存储、加工、挖掘、保护或研发过程中形成数据资产所需要的合理成本，所利用的信息技术本身也会影响数据资产的成本，数据资产的成本高低当然并不代表其价值的高低。虽然数据资产的成本与其价值具有弱对应性，并且某项数据资产成本的合理确定和分配具有不完整性，但一些数据资产从成本的角度去评估其价值也存在一定的合理性。当从成本出发评估数据资产的价值时，一般是按照该项数据资产的重置成本作为确定评估对象价值的基础，扣除相关贬值，以此确定评估对象的价值。成本要素指数据资产从产生到评估基准日所发生的总成本，主要包括前期费用、建设成本、运维成本和间接成本等，选择和使用成本法时除考虑重置成本以及相关贬值是否能够合理估算外，还需要分析数据质量是否达到（应用场景下）可评价的质量标准。

数据资产的收益取决于数据资产应用价值以及数据资产的质量。数据资产的基本特征是影响数据资产应用价值的主要因素，数据资产的质量也对其收益产生影响，数据是否真实、完整和准确，数据是否具有可计算和处理等也对数据资产的质量产生影响。相同的数据资产，由于其应用领域、应用场景、使用方法、获利方式的不同，会造成其价值差异。数据资产的收益只有在使用、流通和交易过程中才能实现并由市场来反映和决定，数据资产的收益也取决于在数据内容采集、加工、流通、应用等不同环节相关主体之间的利益所进行的合理分配数额。当从收益出发评估数据资产的价值时，首先要对市场参与者对数据资产被利用的场景或商业模式进行判断和分析，应用场景或商业模式不仅与评估目的相关，不同的选择也可能会影响数据资产的价值类型选择，进而影响数据资产价值量的大小。在收益法的运用过程中，还需要特别考虑到数字资产所驱动的收益增加、成本的节约，以及其他有形和无形资产的价值贡献并进行合理的价值分配。数据资产的预期收益年限，需要综合考虑法律保护期限、合同约定、数据资产的产生和更新时间、时效性等确定。

当从市场出发评估数据资产的价值时，如果从传统的市场法应用实践出发，需要能够找到足够的市场交易数据并通过分析后得到适当数量的的可比交易案例，评估对象与可比交易案例在资产类型、交易价格、交易时间、交易条件等方面具有可比性。然后，数据资产缺乏一般性和相对统一的交易场景，数据资产的交易模式和应用场景也是多种多样，不同数据资产之间难以确认替代关系，这使得我们在采用市场法评估数据资产的价值时，需要对交易方式和交易范围进行限定后才能进行价值的分析和判断。

数据资产的风险主要源自于收益分配的不确定性以及所在商业环境的法律限制和约束，其对数据资产的价值有着从量变到质变的影响，数据资产本身的质量情况、应用情况、以及潜在法律风险等在数据资产的价值分析中应予以充分考虑并反映在相应的评估参数上。

数据作为新型生产要素，是数字经济发展的重要基础。本文对数据、数据资源、数据资产的相关概念和内涵，数据要素的价值分配和数据资产的价值评估进行了较为系统的分析。本文抛砖引玉，希望引起行业专家学者更广泛和深入的研究和探索。可以预期，在发挥数据要素潜能，促进数字经济快速发展，提升经济发展新水平的过程中，专业服务机构的前瞻性研究作用将得到充分的发挥；在数据产权界定、数据流通和交易、数据要素收益分配、公共数据授权使用、数据交易场所建设、数据治理等主要领域关键环节的政策及标准的完善过程中，专业服务机构的实践经验将得到充分的运用；在完善元数据管理、数据脱敏、数据质量、价值评估等标准体系的建设中，专业服务机构的专业能力将得到充分的展现。