站点介绍
在当今数字化时代，数据资产的价值日益凸显，对其准确评估变得至关重要。收益法作为一种常见的评估方法，在数据资产评估中有着特定的适用场景和需重点关注的事项。
明确适用场景：运用收益法评估数据资产，首先需明确其适用场景，即数据资产的未来收益及收益期限能够合理预测、预期收益所对应的风险能够度量，并且数据资产的应用场景已明确或预期能够明确，因为数据生产要素需与其他生产要素结合才能实现价值。依据《资产评估执业准则——资产评估方法》（中评协〔2019〕35号）第十条规定，评估对象的未来收益可以合理预期并用货币计量；预期收益所对应的风险能够度量；收益期限能够确定或者合理预期。
考虑应用场景多样性：数据资产具有可复制性、非消耗性等特征，不同使用者及同一使用者的不同场景下，数据资产的价值存在差异。评估时需考虑当前及未来可明确的所有应用场景，且不应局限于证载场景。例如，某企业用户数据，在营销场景下可用于精准推广，在产品优化场景下可指导产品改进，两种场景下的数据价值评估方式就有所不同。
关注数据资产质量：数据资产质量对收益法应用影响显著，主要体现在三个方面：一是影响收益现金流，低质数据未来应用需考虑清洗、修复等现金支出；二是影响收益期，如数据时效性及更新方式直接决定收益期限；三是影响折现率，质量低的数据收益不确定性大，进而影响折现率。但需注意，已考虑质量因素影响得出收益法结论后，不应再重复调整价值系数等。依据《数据资产评估指导意见》（中评协〔2023〕17号）规定，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方式。
重视数据资产时效性：数据资产时效性是重要质量要素，其效用随时间推移可能减损或消失，评估时需考虑基准日后数据更新假设。若以持续更新为假设，未来收益预测、收益期限及折现率确定方式与不更新假设不同。通常，持续更新假设更符合数据资产应用方式，但评估基准日存量数据时，要避免评估值包含基准日后新增数据贡献，需合理考虑后续更新数据支出。
合理确定折现率：数据资产折现率需与其预测收益口径匹配，其应用场景多样性与动态性使价值易变，未来应用场景不确定性大则折现率高。同时，数据资产质量、时效性以及可复制性导致的排他性弱等特点，都会影响折现率，评估时可选择在未来收益预测中考虑数据保护成本或在折现率中考虑数据安全风险，但两者不得重复考虑。
综上所述，运用收益法评估数据资产，需综合考量数据资产特征、应用场景、质量、时效性及折现率等多方面因素，依据相关权威准则，确保评估结果的科学性与准确性，为数据资产的合理定价、交易等提供可靠参考。
