市場法評估大數據資產的應用的案例研究【摘要】隨著5G、互聯網、人工智能等基于依托大數據的新技術的不斷進步，我國開始逐漸步入了“大數據”時代，通過整合，“大數據”變成了重要的資產。對于企業來說，“大數據資產”不僅僅能夠提高資產的價值，而且也會提高企業的核心競爭力。此外，隨著“大數據資產”的經濟價值不斷被凸顯出來，相對應的評估市場也變得十分活躍，大數據資產估價的重要性也凸顯了出來，所以采用一定的評估辦法來評估“大數據資產”的價值就顯得尤為重要。目前，我國在“大數據資產”上主要采用的是成本法、市場法、收益法，本文以市場法為視角，來研究其評估方法在“大數據資產”中的應用。【關鍵詞】大數據；大數據資產估價；市場法；應用目次摘要 I引言 IV一、緒論 1（一）研究背景與意義 1（二）相關研究綜述 2（三）研究思路和方法 4二、大數據相關概念及理論基礎 5（一）大數據 5（二）大數據符合資產定義分析 5（三）大數據資產的特性 5（四）理論基礎 5三、大數據資產價值的影響因素及市場法的比較與選擇 8（一）大數據資產價值影響因素 8（二）評估大數據資產的方法比較及市場法的選擇 9四、市場法在大數據資產評估中的應用——以前海征信為例 11（一）前海征信大數據資產價值評估的重要性 11（二）評估過程 11（三）評估結果分析 12五、市場法評估大數據資產的啟示 14（一）研究合適的評估方法 14（二）提高評估人員在大數據方面的相關水平 14（三）可以著力于建立專業的大數據資產評估相關機構 14六、結論與展望 16（一）研究結論 16（二）不足與展望 16參考文獻 17引言在現代，互聯網成為了人們生活的一大工具，伴隨著互聯網技術的飛速發展，大數據也逐漸占據了市場的核心地位，因此大數據的價值也順理成章的成為了企業不可忽視的一部分。大數據資產并非屬于實體資產，其作為一種無形資產，在社會主義市場經濟的飛速發展，以及大數據時代的背景下，其重要性和功能性愈發的凸顯出來，已然成為了互聯網企業實力的體現方式之一，也是支撐企業快速發展的重要力量，因此相關企業要重視大數據的變革，重視大數據資產的價值，以此來迎合大數據環境下的變化，緊跟時代發展的潮流，這樣才能激流勇進，一步步在這競爭激烈的市場中占據自己的一席之地。正因為大數據資產以無形資產的方式體現出來，評估難度就已經高于實體資產，與此同時我國資產評估行業對于大數據的研究又起步較晚，發展較國外的研究所來說慢了一步，因此在對其進行價值評估時，難免會缺乏一些準確、專門服務于其資產特色的評估準則，也缺乏在該領域內具備權威的機構，因此增加了對于大數據資產價值評估的難度。本文正是在這一背景下，以市場法的角度，來探討其在大數據資產評估中的應用、相關計算及影響因素。一、緒論（一）研究背景與意義1.研究背景計算機信心技術的飛速發展 ，使得計算機的存儲能力得到了大幅度的提升，算法也逐漸復雜化，使得大數據的數據量以指數型的方式極速增長。這些信息技術的日新月異，也使商業模式發生了天翻地覆的變化。在信息技術的不斷發展與應用下，“數據經濟”成為了促進經濟發展的重要方式，它不僅僅能夠給經濟帶來變革，而且也會改變企業的商業模式，比如阿里巴巴、谷歌、微軟便是利用大數據的方式來改變了自己的商業模式，以此為基礎了來建立全新的商業模式，來提高企業的競爭力。此外，隨著5G、人工智能、物聯網等新技術的出現，為大數據的應用創造了一個極為優異的“成長環境”，以大數據為依托的各類企業的數量開始迅速增加，并且根據IDC的調查顯示，2020年世界全面邁入了“大數據時代”，這也意味著對于大數據資產的競爭就會變得尤為激烈。在“大數據時代”下，不僅僅會給企業帶來資產增值，而且會對整個社會的生產力、社會發展模式帶來深刻的變革，這是未來國家的發展趨勢，更是新時代下的變革。此外，大數據的應用十分廣泛，基本可以應用到社會的各個方面，形成“大數據+”的形式，因此在此背景下，對于大數據資產的價值評估就會變得尤為重要。2.研究意義①理論意義“大數據資產評估”這一問題一直是當今國內外學術界研究的重點，但是對于使用何種評估辦法進行資產評估，國內并沒有較為豐富的理論基礎，本文以市場法為研究視角，來具體剖析市場法在大數據資產中的應用，以此來豐富大數據評估的理論基礎，并且完善大數據資產評估的相關體系，來提高資產評估行業在大數據資產評估方面的整體實力與水平，并且可一定程度上提高相關的工作效率。②現實意義本文主要是探究市場法在大數據資產中的應用，通過研究指出在市場法在實際應用中需要注意的方面以及相關建議，將會促進大數據資產評估市場的發展，也會為企業在大數據資產整合中提供一定的實踐價值，隨著大數據的不斷應用，未來資產評估行業中對于大數據資產評估的需求也會越來越多，要想使得大數據資產評估的評估結果更加準確，那么必須讓大數據資產評估的理論體系更加完善，要加強評估工作人員的能力，尤其是數據處理能力，在未來數據處理能力將是所有評估工作人員應該擁有的能力之一，所以本文的研究具有一定的現實意義。（二）相關研究綜述1.國外研究現狀大數據（bigdata），指無法在一定時間范圍內用常規軟件工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。2012年研究所Gartner曾發表聲明，表示大數據在未來的兩年中將發展成為新技術發展的核心，不斷膨脹擴大的信息量及相關資產，將迫使新的數據處理模式出現以此迎合其發展的速度。只有新模式的出現，才能為使用者高效、準確的提供其所需要的數據。可以有效增強企業偵察危險的能力，使企業發展更加安全、穩定，決策更加靠攏科學化。美國政府將大數據視為強化美國競爭力的關鍵因素之一，把大數據研究和生產計劃提高到國家戰略層面。2012年3月，美國政府宣布投資2億美元啟動“大數據研究和發展計劃”，這是繼1993年美國宣布“信息高速公路”計劃后的又一次重大科技發展部署。以美國科學與技術政策辦公室(OSTP）為首，國土安全部、美國國家科學基金會、國防部、美國國家安全局、能源部等已經開始了與民間企業或大學開展多項大數據相關的各種研究開發。美國政府為之撥出超過2億美元的研究開發預算。繼美國之后，歐盟委員會全新的開放數據平臺（以下簡稱為ODP）Beta版已經向公眾開放，和美國政府的數據開放平臺類似，致力于推動開放、透明的政府，促進創新。在《Science》（2008）[1]雜志出版的專刊中，大數據被定義為：代表著人類認知過程的進步．數據集的規模是無法在可容忍的時間內用目前的技術。方法和理論去獲取、管理、處理的數據。美國拉斯維加斯舉辦第11屆EMCWord大會，正式拋出大數據概念。在IDC（2011）[2]發布的報告中，大數據被定義為：數據技術描述了新一代的技術和架構體系，通過高速采集．發現或分析．提取各種各樣的大量數據的經濟價值。隨后．麥肯錫全球研究院（2000）[3]發布的報告說明了大數據能夠釋放潛在的價值，將大數據定義為：無法在一定時間內用傳統數據庫軟件工具對其內容進行抓取。理和處理的數據集合。此后，大數據成為研究熱點。GarganoRaggad（1999）[4]通過研究發現數據對于企業運營的重要性，認為數據可以為企業提供有效的價值信息，一定程度上彌補數據時代，信息不對稱所帶來的經濟危機。Coiera（2000）[5]認為數據并非實物，其出售并不會導致數據的消失，因此可以重復出售，為企業提供較大的經濟價值。綜上所述，國外學者的研究重點在于量化數據資產價值，來研究數據的實際價值，從這個角度上看，國外學者的研究水平是較為前沿的，能夠為后者的研究提供一定的理論基礎，具有很大的理論研究價值。2.國內研究現狀中國政府在美國提出《大數據研究和發展計劃》的2012年也批復了“十二五”國家政務信息化建設工程規劃”，總投資額估計在幾百億，專門有人口、法人、空間、宏觀經濟和文化等五大資源庫的五大建設工程。我國的開放、共享和智能的大數據的時代已經來臨。2012年8月份國務院制定了促進信息消費擴大內需的文件，推動商業企業加快信息基礎設施演進升級，增強信息產品供給能力，形成行業聯盟，制定行業標準，構建大數據產業鏈，促進創新鏈與產業鏈有效嫁接。姜玉勇（2021）[6]討論了大數據無形資產價值評估的框架，并且提出將原生和衍生數據區別對待是大數據資產產權界定的基礎，以及應當在三大基本評估方法外研究出新的評估方法來適應大數據資產價值的評估。林飛騰（2020）[8]以成本法的視角，研究了成本法在大數據資產評估中的具體運用，并指出成本法相比較其他評估方式，是最為適合我國大數據資產價值評估的方式。歐凌燕（2020）[9]認為資產評估行業的發展與大數據的發展有著密切聯系，資產評估行業要想進一步發展，需要借助大數據的力量，并提出了“資產評估信息聯合平臺構建”的觀點，以此來推動我國資產評估行業快速發展。徐燕（2019）[12]則是從評估人員的角度出發，來研究資產評估在大數據中的應用，認為在大數據下，評估人員必須要更新自己的工作方式，運用更多信息化的方式，來提高對于大數據資產評估的準確性。司雨鑫（2019）[16]以我國互聯網企業為視角，通過構建價值模型的方式，來研究大數據資產對于互聯網企業的價值驅動作用，研究分析，在構建價值模型時，可以從收益的角度出發來評估大數據資產的價值。陶怡然（2019）[17]則是基于AHP平臺數據的角度，來研究大數據資產的價值評估，并利用層次分析的評估辦法進行價值模型構建，具有一定的實用價值，但同時也存在一定的不足，該價值模型需要進一步的檢驗。章赟（2016）[18]同樣以大數據為研究視角，以房地產為研究對象，認為在依托大數據的基礎上，建立房地產案例數據庫和信息平臺，能夠有效提升房地產的評估精準值。王東燕（2016）[19]以阿里巴巴為例，概述了大數據發展的熱潮，為資產評估行業所帶來的機遇和挑戰，并指出了如今企業運用大數據來提高公司經營決策效率的數量不斷增加，因此對于大數據資產價值評估的研究應加速進程。綜上所述，我國在“大數據資產評估”這一問題上的研究主要集中在現狀分析、價值模型構建、評估辦法應用這三個方面，同時值得注意的是，我國在對這一問題上的研究年限較短，說明了我國理論基礎不足的缺陷。（三）研究思路和方法1.研究思路首先，對大數據及其相關資產和其價值評估的國內外研究現狀進行了綜述，得出國內外學者對大數據及相關資產的結論，然后對其相關概念及評估的理論基礎進行闡述。其次，提出評估大數據資產的影響因素并進行方法的比較，得出本文以市場法的角度對大數據資產進行評估，以為例，來研究市場法這一評估辦法在大數據資產中的應用，并指出其存在的缺陷，提供一定的解決措施。最后，對全文進行總結與展望，總結本文撰寫中的不足，并對大數據資產評估行業進行一定的展望。2.研究辦法本文在研究“市場法評估大數據資產的應用”主要采取了文獻研究的辦法，通過對知網、萬方、百度學術等網站進行信息搜索，以關鍵詞“大數字資產”、“市場法”、“市場法評估大數據資產”來進行相關文獻的檢索，并對檢索過的文獻進行二次整合與分析，提取出對本次論文撰寫有價值的信息，以此來提高本次論文撰寫的理論水平。二、大數據相關概念及理論基礎（一）大數據目前，學術界對于“大數據”這一概念的定義并沒有一個統一的共識，不同學者的視角下，大數據也有不同的定義。“大數據”最早的提出者是一個名為阿爾文?托夫勒索，但是并沒有對“大數據”做出詳細的定義。隨著信息技術的發達，“大數據”開始走進學術界的視野中，并成為了當今學術界的一大研究重點，但是“大數據”是一個較為新穎的概念，所以會有不同的看法。在《大數據時代》這本書中，對“大數據”進行了定義：大數據是企業發展與生產的重要生產要素，能夠有效提升企業的價值，并且在分析、獲取數據上的能力十分突出；Gartner認為，大數據是一種十分重要的信息資產，其固有特征不僅僅能夠給企業帶有巨大的好處，而且能夠促進生產方式的變革，更新人們的觀念；科普中國?科學百科則認為大數據是需要以新處理方式來適應海量、高增長率和多樣化的信息資產。綜述所述，我們可以從以下幾個方面來理解“大數據”，第一，大數據是一種信息資產；第二，大數據需要以高水平技術水平為依托；第三，大數據會給企業、社會發展帶來一定的好處。（二）大數據符合資產定義分析由于學術界眾說紛紜，因此對于大數據的定義仍舊在討論中，但是在我國的《企業會計準則-基本準則》中認為大數據資產需要滿足以下幾種條件。第一，由過去的交易或事項形成；第二，由企業擁有或者控制；第三，預期會為企業帶來未來的經濟利益。（三）大數據資產的特性第一，無實物形態。與有形資產相比，大數據資產是虛擬存在的，并沒有實物的依托，屬于無形資產的范疇，它的存在主要是以一定的技術手段，對數據進行分析、整合，從中獲得有價值的信息，是一個抽象的存在。第二，不確定性。一是大數據資產對于企業未來收益的增加是不確定的，受外部環境的影響較大，無法真正清楚未來收益的范圍；二是大數據資產交易價值需要以一定的參照物為依托，但是就目前的發展現狀來看，參照物較少，也因此造成了不確定性；三是大數據資產價值評判指標難以確定。（四）理論基礎互聯網行業的飛速發展改變著人們的生活，大數據就是其發展所誕生的產物。互聯網大數據的使用價值也是一步步的體現了出來。正是因為其具備使用價值，符合資產的定義，因此成為了資產的一種，具備可以衡量的價值。現階段，大數據技術早已完全的融入到了人們生活的方方面面，得了相當普遍的應用。大數據和各類資產本質上并無不同。其獲得方式也需要付出一定的成本，也會為獲得方帶來一定的收益。雖然學術界仍舊對其定義存在爭論，但是在這一方面是無人存在異議的。由于學術界和產業界對于大數據資產及相關價值的觀點和認知尚未達成一致，因此大數據資產的成本和價值如何進行可靠的計量計算，仍舊在不斷的努力探索中。所以評估大數據資產的研究是具備實際意義的。大數據資產的評估意義主要在以下幾方面：第一，是評估大數據價值的基礎和依據。買賣雙方對大數據資產進行交易時，雙方應當能夠清楚的認知此項大數據資產的現實價值，在此基礎上以合理的價格進行資產定價。尤其是在進行大額的大數據資產交易時，而且想以合理的價格達成交易，賣方的最低價應當低于買方的最高價，這是必要條件。在此基礎上，再通過評估機構進行合理的價值評估，得到一個雙發都能接受的合理價格，并定出最高價和最低價，以這樣合理公平的手段來完成買賣雙方交易的目的。第二，可以為解決相關糾紛提供價值參考。大數據資產的飛速發展也讓人們對于其價值愈發重視。因此，有關大數據資產的權益糾紛問題也愈發明顯，這也是大數據產業能否健康發展的重要影響因素之一。通過合理的評估方法和手段來評估出大數據資產的價值和價格，可以以此作為解決糾紛的依據之一。第三，為各投資方分擔的成本大小提供書面依據。現如今，市面上的大數據平臺大多由多方合作共同建設而成，各方又根據所占份額的大小來分配來自平臺的收益。與此同時，其主體在享受平臺帶來利益的同時，也要按份額承擔起建設發展平臺的責任和義務。大數據平臺在建設過程中，各主體如何分擔其建設成本，這也需要利用資產評估的方法對其建設成本進行評估，為成本分擔提供可靠的依據。第四，可以為利益主體的收益分配提供價值依據。大數據平臺多數由多方合作建設而成，那么其帶來的利益也應由建設主體來分享。但是其收益的分配牽扯到兩個基本的問題：一是怎樣確定該項資產的具體價值？二是大數據資產所帶來的收益應當如何在利益主體中分配？通過資產評估的方法確定該項資產的價值是解決利益分配問題的依據和基礎。第五，提高我國社會對于大數據價值的認識。我國的關于大數據資產的法律雖然已經初步基本確立并且基本建設完善起來，但是，必須不斷加強全社會對于大數據資產的保護意識。通過對大數據資產價值的綜合全面評價，全社會可以直接認識到大數據資產在發展過程中可能形成的巨大社會價值，從而增強整個社會對大數據資產重要性的認識。第六，大數據的量化價值是未來企業發展的重要經濟基礎。市場經濟的發展改變了中國企業科技發展的封閉工作模式，迎來了大數據時代。關于大數據的投資項目和交易越來越多，企業越來越重視評估自己的數據信息的資產價值，以及在確定投資和引進技術時必須購買的大數據資產的價值。對大數據資產進行價值評估在一定程度上儼然已經成為企業經營戰略的重要內容。第七，明確企業總資產，防止資產統計的遺漏。雖然企業明確界定了投資主體在市場經濟中的作用，但有必要對企業擁有的資產的現值做出準確的評估。編制公司過去有關資產的統計數據時，通常只根據公司賬戶中的現有資產以及涉及到廠房和設備等的資產進行計算，但無形資產，包括未經估價的所有無形資產，包括大數據資產，被省略和不記錄。此類算法統計數據不準確，或者可以說存在相當大的數據紕漏。因為在實際活動中通常會遇到這樣的情況，一個企業所擁有的包括大數據資產在內的無形資產的價值大于其廠房、設備等硬件的價值。而當出現企業資產遺漏，就會導致投資企業在談判過程中的處于不利，平白無故處于弱勢并讓對方占據先機。總而言之，大數據資產評估是資產定價中確定價值的基礎和手段。并且大數據產業想要快速健康的發展也要依賴于大數據資產評估的支撐。因為大數據資產的特殊性，傳統的評估方法并不能直接適用于大數據資產的評估，所以創新和研究資產評估方法在評估大數據資產中的應用是具有重要的理論價值和一定的現實意義的。本文也將以市場法的角度，來研究其評估辦法在“大數據資產”中的應用。三、大數據資產價值的影響因素及市場法的比較與選擇（一）大數據資產價值影響因素大數據資產作為一種無形資產，在對其運用市場法進行價值評估時，需要注意其價值影響因素。一般來說，大數據資產的價值影響因素有成本因素、技術差異、價值密度差異、容量差異四個方面，在使用市場法的時候，需要重點關注以上四個方面，以此作出較為客觀的價值評估結果。1.成本隱私雖然大數據資產是屬于無形資產的范疇，但是成本的取得同樣和有形資產一樣需要被計算出來，不同的是大數據資產成本充滿了不確定性，難以計算。一般來說，大數據資產分為兩個方面，一是直接購買他人的數據資產，這種數據因為有相應的成交價格，所以較為容易計算；二是自主生產的數據資產，因為所包含的成本要素太多，需要多方面考慮，最終來確定成本的價格，這也相對應的增加了計算的難度。2.技術差異不同技術水平下的數據資產價值是不一樣的，舉個例子，高技術水平公司和低技術水平擁有同一份數據資產，高技術水平公司可以利用自己的技術優勢來深挖數據資產的價值，而低技術水平卻因技術有限的原因，則達不到高技術水平公司那樣的標準，最終產生的數據資產價值也會不一樣。因此，在使用市場法對數據資產價值評估時，一定要考慮到技術差異對數據資產的影響程度，仔細甄別在一定技術水平下帶來的數據資產價值。3.價值密度差異數據資產擁有價值密度的特點，數據資產的價值不再于大數據的體量大小，而是再于企業能夠在大數據中提取到多少有用的價值信息，最終以資產的形式表現出來，所以來說，不同價值密度下的數據資產會給企業不同的價值，價值密度越大，大數據資產價值就會越高。4.容量差異一般認為，數據容量大，就會給企業帶來更多的數據價值，但是這種關系并不是恒定不變的，兩者也不是呈現正比的關系，所以在使用市場法的時候，需要對數據容量與數據價值進行一個詳細的分析，確定兩者之間存在的關系。（二）評估大數據資產的方法比較及市場法的選擇1.收益法收益法應用的前提是資產未來的收益可以被預測。并且要求被評估資產可以穩定經營，持續收益，其資產價值與經營獲得的收益成比例關系。再選取合適的資本化率或報酬率等以公式的方式進行時點累加的計算。由于未來不可預測因素的影響，就國內目前的情況來看，國內的評估機構及相關人員很少會使用收益法，因為評估得到的結果存在著對未來的主觀預測，因此會受到有關部門以及被評估方的質疑而不被接受，這影響了收益法在我國資產價值評估中的應用。而大數據資產恰恰屬于無形資產的范疇，其價值主觀性也較強。所以正常是不會作為評估大數據資產價值的方法。2.成本法成本法要求被評估資產是可以被再生或者復制的，并且隨著時間的推移具有貶值特性的。滿足這些條件后，在估價時點計算其重置價值后，減去折舊的價值，從而得到被評估資產價值的一種方法。此方法多用于房地產評估。大數據資產作為無形資產的一種，其是不存在實體性貶值的，從這點來看，利用成本法反而可以簡化其計算的過程，但是大數據具有時效性的特點，其價值波動也是根據市場需求變動的，可變性較強，并且價值的大小基于買方的視角以及買方整合其數據資源的能力，因此功能性貶值和經濟性貶值難以定義和定價。從這些方面可以看出成本法并不能很好的適用于大數據資產的價值評估。3.市場法市場法是要求在一個活躍的市場中，先選取與被評估資產相同或者類似的參照物，再進行因素比較的選擇，根據這些因素數據進行系數的調整，最后再進行綜合定價的一種方法。現如今大數據發展蒸蒸日上，所以大數據資產的市場是相對活躍的，并且相對來說公開透明。因此在市場中找到類似的資產進行比較相對容易一些。市場法中的相關數據可以直觀的從市場中獲得，并且可以客觀反映資產當前的市場情況、現實價格以及其價格的變動趨勢。這一優點也貼合大數據資產價格波動性的特點，并且其價格定價基于市場，更具有說服力，更容易使被評估信服。綜上所述，較于收益法和成本法來說，市場法更適用于大數據資產的價值評估。因此本文以市場法的角度來探討大數據資產價值的評估。四、市場法在大數據資產評估中的應用——以前海征信為例（一）前海征信大數據資產價值評估的重要性作為一個大數據企業，其核心價值就在于對大數據的挖掘、分析等技術所誕生的資產化價值。要想提升自身企業的綜合競爭力，就需要通過提高大數據技術水平來得到企業價值的提升。如何確定企業價值是否提升，就要對企業所研發、深化的大數據技術所衍生出的資產，選擇一個合適的評估方法進行評估，從而得到一個符合市場行情的價值，來確定企業的核心價值。由此來看來，對于此類公司而言，對大數據資產價值的評估是至關重要的，是決定其市場價值和地位的基礎。（二）評估過程此次的評估對象為前海征信公司的大數據資產，評估對象的價值類型為市場價值，以市場法為評估方法來探討評估大數據時的具體應用及使用該方法時的不足與缺陷。首先，市場法所要進行的第一步，選取合適具有可比性的參照物，要挑選在功能、所處的市場等都較為合適的對象進行對比。即在同行業中選取合適的可比對象：同盾科技、海云數據、華院數據。第二步，觀察行業內可比因素然后進行分析及系數的調整，此次可比因素選為：企業的技術研發能力、品牌在業界的影響力、資產價值的增值比率以及同行業內的市場占有率，由于其部分市場數據難以完整搜集統計，以下數據部分為自取數據。如表1所示為前海征信與參照物的各項指標對比：表4.1前海征信與參照物的指標項目同盾科技海云數據華院數據前海征信技術研發能力（%）10.392.171.912.35業界影響力（%）3.171.111.321.39價值增長率（%）24.1315.1917.6316.17市場占有率（%）5.692.632.422.95第三步，對圖表中統計的各項指標進行修正，修正系數K為被評估對象對應指標/參照物對應指標。如表2所示為對應修正系數值：表4.2前海征信與參照物的指標修正系數值項目同盾科技海云數據華院數據技術研發能力0.226181.082951.23037業界影響力0.438491.252251.05303價值增長率0.670121.064520.91719市場占有率0.518451.121671.21901第四步，計算前海征信的資產價值表4.3比準價值項目同盾科技海云數據華院數據大數據資產價值（億元）4710.510比準價值（億元）1.6217.0014.48根據表3中進行各項修正計算以后得到的評估結果，針對三個評估結果進行了分析，由同盾科技得了的評估值與其他兩組得到的評估值差距過大，應剔除此異常結果。因此，只需對兩個評估結果進行求取算術平均數即可得到被評估資產的價值。即：前海征信的資產價值=（17.00+14.48）/2=15.74（億元）（三）評估結果分析此案例以市場法的評估方式計算了前海征信的大數據資產價值，得到的評估價值為15.74億元。通過觀察評估計算的過程，發現其比準價值中存在異常數值。反觀整個評估過程以及查找相關資料能夠分析發現：首先，評估由于大數據資產涉及面廣，各公司的業務方向存在著不小的差異且影響因素繁雜難以確定，導致在參照物和相關因素很難做出合適的選擇，因此在參考公司的選擇和對應影響指標的分析上不到位，可能存在著選取不合適等問題。對于此類資產，哪怕是三種基本方法中較為合適的市場法，得到的評估結果仍舊準確度不高，可信度較差。單單依靠傳統的三種基本方法難以很好的評估大數據資產的價值。其次，由于對大數據資產了解不多，也導致了此次評估異常艱難并且評估比準價值中也出現了異常的數據。而評估行業依賴的正是評估人員的專業知識和實踐經驗。并且大數據是一門新興的廣泛的學問，如今也正處于互聯網科技、大數據的環境下。倘若不通過專業的了解和學習，難以掌握有關大數據的知識，對于難度更高的大數據資產難以做出正確的判斷和客觀的評估價值。而且國內大數據資產評估的需要量增長極快，倘若不設立專門針對于大數據的評估機構，也將降低整體的評估效率。五、市場法評估大數據資產的啟示（一）研究合適的評估方法當前大數據資產價值評估辦法主要包括成本法、市場法、收益法，但是這三種原本是評估有形資產的主要方法，所以大數據資產這種特殊的無形資產在使用這三種評估方法的過程中必然會出現不適配的特點，在價值評估的效果性上會降低很多。此外，就我國目前大數據資產的發展現狀來看，我國并沒有一個統一的價值的評判標準，不同的評估機構與評估師的評估結果也不一樣，這也造成了大數據資產在評估過程中無法有效清楚其實際價值。同時，在價值評估辦法上的應用，我國也沒有統一的應用標準，并且三種基本方法中較為合適的市場法也不能很好的服務于大數據資產評估。因此應當著手去研究適用于大數據資產的評估方法。以此來更好的迎合市場的需求，也可以促進資產評估行業的發展。（二）提高評估人員在大數據方面的相關水平大數據資產不同于有形資產的價值評估，它會對評估機構人員的素質要求更高，包括學歷、工作經驗、專業水平等等，這也說明了要想成為大數據資產價值評估師的難度會加大，而且目前我國在此方面的人才也面臨極度缺乏的局面，隨著中小企業的不斷發展與數量增多，我國大數據資產評估的需求數量也會增多，會遭遇供不應求的后果。此外，大數據資產屬于無形資產，在其發展的過程中，也會遇到各種各樣的新問題，如果評估師僅僅還是依靠以往的經驗進行價值評估，勢必會降低大數據資產的價值，因此必須要求評估師有不斷學習的能力，學習新的知識來應對新的變化，以此來滿足價值評估的需要。具體有以下建議：（1）對相關評估工作人員進行定期的培訓與考核，更新評估工作人員的工作觀念，讓其更好了解大數據資產的特征及評估流程。（2）加強評估工作人員數據處理能力的提升，在大數據時代下，數據處理能力將是未來所有評估工作人員應該擁有的能力之一。（三）可以著力于建立專業的大數據資產評估相關機構大數據資產評估機構是指對于大數據資產進行專業和精準性評估業務的機構，它對于培養專業的大數據資產的評估人才也具有一定的益處，并且有利于提高大數據資產評估的整體水平和實際的工作效率，可以提高整個行業的相關業務水平。同時依據資產評估行業的管理體系，相關大數據的研究機構的合理理論和大數據資產交易中心的實際情況，在資產評估體系內建立一套專門服務于大數據資產評估的機構和附屬體系。六、結論與展望（一）研究結論本文是以市場法的角度來探究其在評估大數據資產中的應用，以前海征信為例進行研究，研究發現以下結論：第一，大數據資產屬于無形資產，其評估難度遠遠超過有形資產，未經過學習專業知識的評估人員，無法準確的給出一個客觀的、可靠的評估結果。第二，我國對于大數據及大數據資產的研究仍存在諸多不足，其相關市場尚不完善，影響因素繁雜，企業發展方向較多，部分數據難以搜集統計，也一定程度上增加了市場法評估大數據資產難度。第三，對于案例分析的評估結果進行了分析，得到了三種基本方法并不能很好的適用于大數據資產的價值評估，需要去研究出一個專門適用于大數據資產定價的評估方法來提高評估的準確性、可靠性以及高效率。（二）不足與展望本文通過對“市場法評估的數據資產的應用”研究，以前海征信為例，了解了市場法在其應用中的注意事項以及不足，并提出了相關的建議，但是，本文在撰寫過程中仍然存在一定的不足之處，第一，本文只是簡單的介紹了市場法在大數據資產評估中的應用，雖然利用了相關案例進行了具體的分析，但是由于部分數據難以搜集統計，按照已知數據和推算數據計算出的評估結果存在不可靠性。因此導致評估結果缺乏一定的說服力；第二，以目前的情況來說，三種基本方法中較為適合評估大數據資產的市場法也不能很好的適用于我國大數據資產評估，本文僅僅是對案例得到的計算結果的進行了分析說明，沒有查閱更多的資料去進行深層次分析。隨著大數據時代的到來和以及大數據的普遍應用，未來大數據資產價值評估的需求量也會增加。希望未來在對大數據資產進行評估時，能夠研究出更多科學、有效的評估辦法可以更好的去使用，來彌補傳統評估方法下的不足，從而大大提高大數據資產評估的客觀性、準確性以及評估效率，更好的促進整個資產評估行業的良性發展。參考文獻[1]Graham—Rowe，D．Goldston，C．Doctorow，M．Waldrop．Bigdata：scienceinthepetabyteera．Nature，455(7209)：8—9，2008．[2]GantzJ.ReinselD．Extractingvaluefromchaos．IDCiView．1—12．2011．[3]R．Ahswsde，N．Cai．S．Y．Li．Networkinformationflow．IEEEtransactions．oninformationtheory，46(1)：1204—1216，2000．[4]GarganoML,RaggadBG.Datamining-apowerfulinformationcreatingtool[J].OclcSystems&Services,1999,15(2):81-90.[5