劉世平 美國人工智能科學院通訊院士、世界生產力科學院院士、吉貝克信息技術(北京)有限公司董事長
數據資產入表後,在融資環節面臨的一大困境便是評估標準不統一所引發的估值難題。當前,數據資產市場缺乏明確、統一的評估標準體系。不同評估機構依據各自的方法和模型對數據資產進行估值,導致同一數據資產在不同評估下價值差異巨大。
從行業特性來看,各行業數據資產的特點不同,金融、醫療、互聯網等行業的數據價值評估方法難以統一。同時,數據資產的價值受時效性、稀缺性、數據品質等多因素影響,這些因素的衡量在不同評估機構間沒有標準化的量化方式。這種估值難題給企業融資帶來了極大阻礙。金融機構難以依據不准確的估值來判斷數據資產的抵押價值,進而影響企業以數據資產進行融資的額度和成功率。而且,不統一的評估標準也降低了市場對數據資產的信任度,不利於數據資產融資市場的健康發展。
法律法規不完善帶來合規風險
數據資產入表後,法律法規不完善使得企業在融資過程中面臨諸多合規風險。當前,針對數據資產的法律界定尚不清晰,數據的所有權、使用權和收益權在不同場景下的劃分缺乏明確標準,這讓金融機構在評估數據資產作為抵押物或質押物時無所適從,增加了融資難度。在數據流轉和交易方面,相關法規的缺失導致數據資產的流通性受限。企業擔心數據在流轉過程中出現合規問題,比如數據洩露、數據濫用等,從而影響自身聲譽和利益。金融機構也因法規不明,難以準確判斷數據資產的合法性和穩定性,不敢輕易為企業提供融資支持。
此外,數據資產入表後的會計處理規範不夠健全,不同企業可能採用不同的核算方法,這給監管帶來挑戰,也使金融機構難以準確評估企業數據資產的真實價值,進一步加劇了融資困境。完善相關法律法規,明確數據資產的法律地位和監管規則,已成為解決數據資產入表後融資難題的關鍵。
市場認知不足影響融資接受度
市場對數據資產入表的認知不足,嚴重影響了融資接受度。長期以來,傳統的融資觀念主要聚焦於固定資產、存貨等有形資產,對於數據資產這種新興的資產形式,金融機構和投資者普遍缺乏深入了解。一方面,金融機構習慣了基於傳統資產的評估和風控模式,難以準確評估數據資產的價值和風險。數據資產的無形性、易複製性以及價值的動態變化,與傳統資產有很大差異,使得金融機構在制定融資政策和信貸標準時,對數據資產持謹慎態度。另一方面,投資者對數據資產的認知有限,導致他們在投資決策中對包含數據資產的企業價值評估存在偏差。他們更傾向於投資熟悉的傳統行業和資產類型,對以數據資產為核心競爭力的企業信心不足。這種市場認知的局限,使得數據資產入表企業在融資過程中面臨更高的門檻和成本,阻礙了數據資產的融資功能充分發揮。
數據品質和安全問題引發擔憂
數據品質和安全是數據資產入表後融資面臨的關鍵困境。在數據品質方面,數據的準確性、完整性和一致性難以保證。企業的數據來源廣泛,不同系統和部門的數據可能存在偏差和衝突,這使得金融機構難以基於這些數據對企業數據資產的價值進行精準評估。低質量的數據可能導致融資決策失誤,增加金融機構的風險。
安全問題同樣令人擔憂。數據資產包含大量敏感資訊,一旦洩露,不僅會給企業帶來巨大損失,也會影響金融機構的聲譽。儘管企業採取了一定的安全措施,但隨着網絡攻擊手段的不斷升級,數據安全防護面臨巨大挑戰。金融機構在為數據資產入表的企業提供融資時,會擔心數據安全漏洞可能引發的潛在風險,從而對融資持謹慎態度,這在很大程度上限制了企業通過數據資產進行融資的可能性。
(未完,待續,由於篇幅較長,本系列進一步拆分,由原來三篇擴至四篇)
題為編者所擬。本版文章,為作者之個人意見,不代表本報立場。