基于层次分析法的数据资产评估模型研究

摘要

随着大数据、云计算、物联网等新技术向群众生活的渗透，人类交流和生活方式发生了强烈变革，有价值数据量迎来了快速的增长。大数据行业与我国旧型产业深入融合和技术改进，能推动社会商业氛围创新，带动传统行业向信息化、技术化、智能化发展，刺激新的经济增长点，提升传统行业的竞争力。大数据的应用特性被各个行业广泛认可，但是资产特性还有待挖掘。同时国内在数据资产评估方面的研究比较欠缺，相关的主要研究成果也是在无形资产的价值评估之中。因此本文对数据资产价值评估的研究具有丰富的理论意义与实践意义。 国外学者对大数据概念的研究比较成熟，充分认可大数据对各行业发展的积极作用。而针对数据资产评估，理论研究主要在无形资产评估、信息资产评估和网络数据资源评估等与数据资产价值研究相似的方向上，关注无形资产的特性、信息资产管理的过程及数据资产价值的评估等。对数据资产的分类和研究方法都进行了合理讨论。国内学者对数据资产评估的研究集中在如何对数据资产进行分类、数据资产的特性以及构建基础的评估框架等方面。大多数对大数据资产价值评估的研究还是就一个具体的，单一的问题进行的，只能近似的观察系统中的相对比较重要的质量指标，即使是比较系统的研究也只能是大体上研究出一个建立模型的观点，并交代出相关的建模的步骤，但并不能系统的得出数据资产价值评估模型的完整体系。数据资产作为互联网发展的新事物，数据本身仍还需要被不断研究、规范和改进，关于它的资产价值评估更是一个持续的、需要努力完善的逐步过程。 本文在研究过程中，首先分析了数据资产作为特殊的无形资产所具有的特性。其次，根据数据资产特性比较分析了现有的数据资产评估方法，最终确定采用层次分析法构建评估模型。层次分析法在研究过程中，可以将复杂的决策问题进行分解，建立层次结构模型，根据结构模型构造判断矩阵，得出各指标对应的权重系数，进行层次总排序。再次基于层次分析法构建评估模型，包括构造层次结构、建立判断矩阵、计算权重及确立模型。研究过程中详细阐述了在数据交易过程中影响数据资产价值的指标。结合过往的相关研究与数据分析专家意见，确定了各个指标的判断矩阵。根据判断矩阵，使用Matlab软件，简化计算程序，得到相应的权重及一致性检验结果，定量分析各指标权重。在权重表中，数据的数据体量在整体的评估模型中比重较小，数据量不是决定数据价值的最主要因素；数据质量比数据量的权重更高一些，对数据质量的考察是对整体数据对数据需求的满足程度；数据成本所占权重大于数据质量指标，数据成本是企业对数据研究投入的有效度量，权重高于数据质量与数据量；数据挖掘所占比重在四个指标中所占比重最高，数据挖掘是对数据应用的有效衡量，是数据资产的重要特性。此外，对各个指标的标准化计量也进行了详细阐述，指明了各个指标在计算过程中的影响因素，并分析了具体的计算方法及取值范围。由此得出了数据资产评估的最终模型。最后，结合具体案例，研究了模型的应用。以DT地图科技公司的数据资产为例，详细分析了数据资产各个指标，最终计算出了公司持有的一定量地理信息数据的具体价值。 文章仍存在一些研究上的不足，首先是数据模型缺少足量的数据进行验证。目前大数据行业中，数据交易体量较小，交易分散，数据交易框架较多，并且存在较少的公开交易，数据模型的构建方法比较难直接根据交易状况采用市场法进行评估，层析分析法虽然弥补了一定的不足，但仍然存在较大的改进空间。此外，由于阅读量及知识体系有限，无法完全覆盖数据资产价值评估所需要的知识体系，数据有效量，数据质量，数据挖掘程度的进一步价值估算需要更专业的人士从互联网行业出发，提供更完全的知识支持。 未来大数据资产会继续在不同层面、不同行业发挥作用，产生巨大的商业价值和社会价值。在传统评估方法的基础上，如何对数据资产更合理的评估定价，成为资产评估行业新的挑战。

目录

声明

第一章 绪 论

1.1研究背景与意义

1.2文献分析

1.3研究内容

1.4研究方法

1.5技术路线

1.6成果与创新

第二章 数据资产评估方法分析

2.1数据资产交易现状

2.2数据资产特性

2.3数据资产评估方法比较分析

第三章 资产评估模型构建

3.1层次分析法介绍

3.2构造层次结构模型

3.3建立判断矩阵

3.4权重计算

3.5确立资产评估模型

第四章 评估模型指标的价值计量

4.1数据量的价值评估

4.2数据质量价值评估

4.3数据挖掘价值评估

4.4数据成本

第五章 数据资产评估模型案例分析

5.1案例概况

5.2评估过程

第六章 总结与展望

6.1总结

6.2展望

参考文献

攻读学位期间发表的学术论文

附录

致谢