内容字号: 默认 大号超大号

段落设置: 段首缩进取消段首缩进

字体设置:切换到微软雅黑切换到宋体

瞭望智库、光大银行《商业银行数据资产估值白皮书》 重磅发布

2021-08-11 14:44 出处:未知 人气: 评论(

  数字经济势不可挡。

  自2020年4月中共中央国务院在《关于构建更加完善的要素市场化配置体制机制的意见》中,将数据列为与土地、劳动力、资本、技术并列的生产要素后,各相关部门、机构纷纷求解对数据宝藏的合法合规挖掘,探索加速数据资产流通和交易。这其中,如何衡量数据价值,构建科学、统一的估值和定价机制,成为重要前提。

  为此,瞭望智库与中国光大银行历时近半年,于8月8日联合发布了《商业银行数据资产估值白皮书》(以下简称《白皮书》),系统研究了金融领域尤其商业银行的数据资产估值体系建设,兼具了前瞻性和实用性,开行业之先河。

  《白皮书》的撰写过程中,课题组先后研究了30多份法律法规和相关标准、80多份专业文献,并对54个市场主体和355个交易产品进行了充分调研,召开20多次专项研讨会,反复推敲和优化,最终阐释了金融领域一系列数据资产估值的理论框架和落地实践。可以说,《白皮书》以数据应用特征匹配估值方法的原则,以不同实施场景下不同参数的具体算法和应用实例,为我国金融领域数据资产估值体系的全面构建,提供了有力参考。

  数据资产估值是全球性难题

  数据作为新型生产要素,其巨大的经济价值、社会价值已经达成了广泛共识。

  课题总策划人之一、瞭望周刊社党委常委、副总编辑苏会志指出,估值是数据市场建设的基础工作之一。解决这个难题,既要建立政府主导下的数据确权机制,也需要学术界提出价值评估体系,经由市场机构的实践验证,才能形成说得清、看得懂、用得好的估值体系,推动数据要素市场前进一大步。

  对此,《白皮书》首先对数据资产进行了定义,即为企业过去的交易或事项形成的、由企业合法拥有或控制的、预期在未来一定时期内能为企业带来经济利益的、以电子方式记录的数据资源。

  《白皮书》指出,相比于传统有形资产,数据资产具有非实体性、无消耗性、零成本复制性和依托性等特点,因此需要全面评估其使用成本,不能套用现有办法。

  比如,数据资产并不会因为正常的使用频率增加而磨损或消耗;数据资产的成本主要在于前期的数据获取、研究开发阶段,但以后的产品由于可无限复制,其边际成本趋于零;数据资产需要依托于某种介质进行存储和加工,因此在计算数据资产的价值和相关成本时,也需要考虑数据资产所依托的介质成本。

  《白皮书》因此认为,由于数据资产具备可加工性、可衍生性、可共享性,因此在评估其经济利益时,需将数据资产加工、衍生、共享所可能产生的收益考虑其中。

  同时,技术的发展、相关政策的变化、应用场景的丰富等因素变化,使得数据资产的价值也随之改变,且变化的程度较为明显。

  正是基于以上这些特点,全球范围内,数据估值都面临较大挑战。这成为未来逐步构建和完善数据资产估值体系中,需要持续考虑和优化的内容。

  从实践入手、从场景入手

  课题总策划人之一、中国光大银行副行长杨兵兵指出,数据确权是数据要素流通的前提,数据定价是数据要素流通的基础,数据交易是数据要素流通的关键。光大银行聚焦在数据资产估值领域深入研究,建立了面向商业银行的数据资产估值体系和方法,并完成首次数据资产价值计算。

  结合数据资产的前述特点,《白皮书》展示了商业银行如何构建和优化数据资产估值方法体系,并以光大银行的案例来指导实际工作。

  以营销类模型为例。《白皮书》提到,在大数据营销类模型应用之前,银行业务人员主要通过地毯式营销将相关产品推荐给一类客群。这种粗放式营销,一方面会导致有限的营销资源被过度分散,另一方面无法有效满足不同客户的差异化购买偏好,导致营销转化率低。

  各金融机构逐步开始应用大数据营销类模型,通过预测能力强大的集成算法、深度学习算法进行模型开发,能有效识别出高营销成功率的客户名单,协助业务人员最大限度的开展精准营销,促进客户购买产品,并最终提升产品销售收入。

  因此,大数据营销类模型输出的价值,主要体现在模型应用前后产品销售收入的增加上,可以通过客户人次增量和产品客均收益获得进行对比。其中,购买产品的客户人次根据营销类模型的作用方式,分为交叉营销后首次购买产品的新客人次和营销后回购产品的老客人次。在实际计算过程中,为保证估值结果的精确性,可进一步将产品收入按照产品类型进行分类统计。

  根据此方法,《白皮书》以光大银行为研究对象,针对17个估值对象确定了17个数学计算公式,结合111个计算参数,明确出198个计算指标及口径。最终,采集了198个指标数据,计算出光大银行目前的数据资产价值超过千亿元。

    数据要素市场建设任重道远

  “数据资产价值的计算方法,就像我们解一道应用题,使用最朴素的、都能理解的方法,就是先确定‘算什么’,再知道‘怎么算’,最后采集数据、代入公式得到最终的价值。”课题负责人之一、中国光大银行信息科技部总经理史晨阳总结。

  而构建数据资产估值体系的终极目标,是推动数据要素市场化发展。这还需要两方面工作,一是打破部门壁垒、地方壁垒、行业壁垒,真正实现数据共享;二是有效约束市场行为,该监管时要监管。

  因此,《白皮书》对数据要素市场的科学有效发展提出了以下建议:

  一方面,通过积极的政策激发数据要素市场活力。

  具体包括:推进和完善顶层设计,使数据市场发展有法可依;确定数据要素流通角色,保护数据流通相关方权利;研究制定多样化的支持政策,促进各主体数据共享意愿;通过产学研一体化研究推动新技术在数据要素流通中的创新使用;建立社会公共数据共享流通的机制,活跃市场交易;建立试点机制,允许先行先试,逐步完善市场;鼓励开展多种数据市场模式等。

  另一方面,制定市场规则,审慎包容指导市场有序发展。

  具体包括:鼓励行业开展自律,形成行业协同监管局面;建立交易争端仲裁机制,完善市场运营机制;建立数据共享的标准,提升数据共享效率;建立指导定价机制,促进市场有序良性竞争;建立全新监管理念,维护数据要素市场秩序等。

分享给小伙伴们:
本文标签:

更多文章

相关文章


Copyright © 2002-2018 企业家在线