1物流企业数据资产的确定和价值来源

1.1 物流企业数据资产的确定

数据资产的特点决定了其确认需要通过数据采集、数据分析处理和分析结果的运用3个步骤来实现。下面将从这3个方面进介绍物流企业数据资产的确定和形成。

1.1.1 数据采集。

物流企业需要通过建立自己内部信息管理的智能平台实现对公司数据的采集、储存并应用。要实现数据的采集需要做到以下几点：①物流的信息化，具体是指公司使用技术手段将公司日常事务及业务进行信息化收集。②建立公司自己的数据库，这样才能将物流企业日常巨大的业务信息量储存起来。③数据的规范采集。数据的规范采集不仅能使企业更好地管理企业拥有的数据资产，而且能保证数据的质量，提高数据评估结果的准确性。大数据下物流企业数据资产的形成首先是通过将日常业务的仓储、运输、配送系统等信息储存于信息化系统中，接着运用大数据处理技术将这些信息转换为数据储存到数据化系统，最后将这些数据资源运用到物流业务中去。

企业有两种数据采集方式，一种是从自有的信息化系统导出数据，另一种是使用嵌入式技术自动提取网站、App、PC客户端、小程序等的数据信息。因为企业的系统数据是实时更新的，使用嵌入式技术自动调取数据，也就能动态获取最新的数据，并且使用嵌入式技术更能保证数据的客观公正性。

1.1.2 数据分析处理。

企业将日常业务活动产生的被储存在仓储系统、运输系统、配送系统的信息收集起来，物流企业日常活动较为活跃，因此对信息化系统的数据分析能力具有一定的要求，需要筛选日常生产的信息，获取较为重要的、有用的信息储存在信息化系统中。筛选信息只是第一步，这些信息并不是能被称作数据资产的数据，这些信息在运用Hadoop、HPCC等大数据技术将无用的信息和有用的信息进行筛选后进行加工、整理，最后成为能为企业带来经济利益的数据。以顺丰物流为例，顺丰物流运用大数据技术制作了被物流行业誉为灯塔的顺丰数据，其注重大数据的计算与分析，在自然语言处理、物流路径规划、智能推荐引擎等领域具有核心算法技术优势。在数据分析方面，物流企业将数据分析主要运用在数据指标墙分析、数据多维报表分析、数据自助分析、数据运营诊断分析。物流企业可以通过构建数据管理平台，从而实现全业务数据的大盘浏览和资产检索。

1.1.3 分析结果的运用。

分析结果主要运用于两方面：①数据资产是如何作用于物流企业。物流企业借助物联网技术采集海量终端数据，依托云计算为企业平台运作提供强大计算能力，提高收集、储存、分析信息和依据信息进行预测的能力，这是企业竞争优势的来源。物流企业能够利用数据资产提高自身的企业竞争力[1]。②分析结果可以用来反向验证数据资产的确认，以获取更高质量的数据资产，为数据资产的使用排除不良影响。

1.2 物流企业数据资产的价值来源

资产的价值是由能为企业带来的预期经济效益决定的，而判断物流企业数据价值来源的前提是先要明白数据资产的应用方向，在确定了数据资产后并将数据资产运用到实际业务中去，同时为企业带来经济效益，这正是数据资产的价值来源。

数据资产的应用场景可以分为两部分，第一部分是使用数据资产运用到物流业务流程，支撑企业日常运营，提高物流的运行效率以带来经济利益。这一点主要表现在3个方面：①可以利用数据分析工具，选择数字化营销工具，实现精准人群的识别、高价值人群的获取，以提高企业的获客效率；②可以通过对全局业务流程的数据检测与分析，提升业务流程的效率；③为管理者呈现企业运营的全场景数据视图，为企业管理决策提供辅助和依据，提高企业管理决策的效率[2]。第二部分是物流企业将数据库中的数据直接拿去数据市场交易，以此为企业带来经济利益。

从上述的两个应用场景来看，物流企业的数据资产价值来源于两个途径：①通过利用数据资产提升物流企业的业务量、提升效率、降低成本等间接地为企业带来价值；②通过交易数据资产直接带来利益流入。

2影响物流企业数据资产评估准确性的因素

2.1 数据质量参差不齐

数据质量是应用价值的基础，是影响数据资产评估准确性的重要因素。数据质量的好坏决定了数据资产能提供给物流企业信息的多少，决定了评估结果与实际价值的拟合程度。质量好的数据资产能为企业带来更高的价值，为企业评估提供更有效的信息。数据资产的信息质量主要包含以下几个方面：①数据完整性。数据完整性包括数据本身所覆盖的信息范围，信息采集覆盖范围越广，数据所涵盖的信息也就越完整。②数据的清洁程度。数据的清洁程度指的是数据资产所含有效信息的多少，数据资产自身含有无效信息会扰乱数据资产的评估，降低数据资产评估的效率。③数据时效性。数据资产在一定的时效范围内才能发挥其最大价值，超过一定的时效后使用该数据资产评估出来的结果会具有一定的滞后性。④数据真实性。数据真实性有偏差就会导致数据资产所传递的信息是错误的，从而影响到数据资产评估结果的准确性。物流企业储存于内部数据库的数据资产极易受到噪声、缺失值和不一致数据的侵扰，数据集成可能也会产生数据不一致的情况[3],从而容易导致企业内部数据质量下降的问题。

2.2 数据资产难以确权

数据资产的确权是数据资产研究的核心，同时也是评估数据资产价值的前提[4]。①要对数据资产进行确权，就需要考虑数据资产本身的属性及权利主体之间的关系。而数据资产的属性包括数据的来源、格式、结构、内容、可信度等多方面的因素，特别是还包含着无形的因素，增加了获取数据资产资料的难度，这也是数据资产确权难度较大的原因之一。②数据要素所涉及的权利主体众多，各主体之间的权利关系复杂，并且数据权利往往不具有排他性，这使得各权利主体之间边界模糊，极易引发权利纠纷，使得数据的确权难度较大[5]。数据资产的确权问题无疑增加了数据资产价值评估的难度，并且，若是没有处理好确权问题，在价值评估过程容易出现数据的缺失和数据内容不准确的情形，从而影响数据资产评估的准确性。

2.3 评估标准未能统一

在数据资产价值评估的过程中，使用的评估标准不一样，最终得出来的结果就会有所偏差。至今为止，对于数据资产评估的研究中使用的标准都未能统一，而数据资产评估标准的制定也是数据资产评估工作中的一个突破点，确定了评估标准后，数据资产的价值评估工作会更加有序，评估结果也会更加客观。当前，数据资产在企业会计的标准来源于2022年12月9日财政部发布的《企业数据资源相关会计处理暂行规定(征求意见稿)》,该规定明确了会计意义上的符合准则规定、可确认为相关资产的数据资源。而在数据资产估值方面，以中国资产评估协会发布的《资产评估专家指引第9号——数据资产评估》(中评协[2019]40号)和《数据资产评估指导意见(征求意见稿)》为参考。数据资产在会计和资产评估中的定义不相同，并且，上述两份作为指导性意见，操作性还有较大的提升空间。目前不同学者对于数据资产的标准是根据自己所作评估的数据资产特征来定义其范围。显然，这种数据资产评估标准的不统一会对评估结果的准确性和可信度产生影响[6]。

2.4 存在数据孤岛问题

孤岛问题是指企业可能存在多个不同的数据源和系统，这些系统之间可能存在数据孤岛，导致数据难以共享和整合。这使得企业在评估数据资产时难以使用全局的数据资产统一进行价值评估，最终影响数据资产价值评估的结果。物流企业内部数据来源广、数据量庞大、数据更新迭代速度快。物流企业的数据主要集中在CRM系统、ERP系统、数据仓库、电子商务平台、信息系统[7]。其所涉及的业务常常需要使用多种不同的信息系统，如运输管理系统、仓储管理系统、客户关系管理系统等，这些系统可能来自不同的供应商或部门，造成了数据来源不一致的问题，最终形成数据孤岛。正是数据的来源出现偏差，才会使物流企业数据资产评估结果的准确性下降。

2.5 评估过程容易出现数据泄露的风险

当前，数据资产价值评估工作多在网络上进行，黑客或者其他恶意组织的出现使得容易发生数据泄露问题，数据泄露的同时容易出现数据遗失或者是数据质量下降的状况，这些状况也都会对数据资产评估结果造成影响，使结果准确性下降，尤其是，如果遗失重要数据更是有可能出现无法完成价值评估工作的情况。物流企业所拥有的数据相比其他普通企业的数据量要更多，且储存于不同的信息模块系统中，更易因信息保护技术问题导致数据资产的泄露和丢失，最终影响数据资产评估的质量。

3物流企业数据资产价值评估的建议

3.1 提高数据质量以使评估结果更加准确

数据质量对于数据资产价值评估的结果尤为重要，数据质量直接影响到数据资产价值评估结果的准确性。从物流企业的角度来看，提高物流企业数据质量需要从建立数据质量管理体系、加强数据收集和清理、建立数据质量监控机制和提供数据质量培训等多个方面入手，这些举措都将有助于提高物流企业数据质量。因此，企业应该建立数据质量评估模型、数据清洗等模型，加强对于数据资产的管理和清洗，保证数据资产的质量，定时清洗数据，剔除没有用的、质量较差的数据资产，确保企业数据资产的准确性和完整性，保证在评估数据资产时结果的准确性。

3.2 确定数据资产核算标准

确定数据资产核算标准的必要性在于，它可以为企业提供更为准确的数据资产价值评估和核算，为企业提供更科学的数据管理和利用方法。具体来说，确定数据资产核算标准可以帮助企业更好地理解数据的价值、作用和潜在风险，为企业的数据资产管理提供规范化的指导，减少数据浪费和重复投资，提高数据资产的价值和利用效率，为企业的经营和决策提供更多的支持和依据[8]。同时，确定数据资产核算标准有利于数据资产的评估，使得数据资产价值评估工作过程更加顺利进行，评估结果也更有保障。

3.3 加强对数据资产评估方法的完善

目前，由于数据资产评估还处在发展初期，对于适合评估数据资产的方法未能统一，评估方法也在不断改进，数据资产评估方法的不断完善能提高数据资产评估结果的准确性。当前数据资产的评估方法有成本法、收益法和实物期权法等。从目前来看，相对而言，因无形资产与数据资产有相似的特征，常用以无形资产价值评估的收益法，即通过统计资产产生的收益量来对其进行评估的方式更适合数据资产的价值评估。评估方法的使用对于评估结果的作用是直接性的，评估方法的不同会直接影响评估结果。不过，作为一种新型资产，更完善的数据资产评估方法有待进一步探究。

3.4 建立完整的数据仓库以强化信息集成和数据共享

物流企业需要建立统一的数据架构和标准，以确保数据的互通和共享。同时采用数据整合工具和技术来整合不同来源的数据，建立一个完整的数据仓库，为企业提供全面的数据洞察。依靠区块链技术建造一个完整的、多方参与的数据仓库，提供破解数据孤岛困境的钥匙[9]。在企业内部加强信息系统集成和数据共享，建立统一的数据管理平台和数据标准化规范，加强组织架构整合和流程优化，从而实现数据的共享和协同，避免数据孤岛问题的出现。当企业内部的数据信息能够更好地被管理和使用，其质量、使用效率的提高也能够使得企业数据资产价值快速增值。

3.5 加强数据保护以减少数据滥用

数据资产作为企业的一项重要资产，一般是被保留在电子数据库中，没有实体状态，以虚拟状态保存的数据资产更容易出现被盗用、泄露的风险，因此更要加强对数据资产的保护。因为数据资产对企业具有重要价值且不易保存，若是技术不达标容易出现泄露的风险且导致数据资产的信息缺失，对评估过程和结果造成影响，因此在数据的保存及使用数据资产进行评估的过程中，需要提高企业数据资产管理技术以解决数据资产的安全和隐私问题，确保数据资产的确权与安全流通使用，以得出数据资产的准确评估结果。关于企业对自身数据资产的保护，企业应当加强自身的同时对数据资产的管理系统进行技术升级，提高自身数据管理系统的保密性，以防出现技术风险而导致数据泄露。同时加强对数据资产的管理，不得滥用企业的数据资产。