1. 引言
在全球数字经济浪潮的席卷之下，数据已与土地、劳动力、资本、技术等传统要素并列，成为驱动经济增长与社会发展的核心引擎。作为数字经济最活跃的组成部分，电商企业在运营过程中天然地产生、汇聚并依赖于海量数据，从用户行为轨迹、交易记录到供应链信息，这些数据资源经过有效的治理与开发，已从原始的“资源”形态转化为能够为企业带来持续经济利益的“战略资产”。数据资产不仅直接参与电商企业的精准营销、个性化推荐和风险控制等核心环节，更在重塑商业模式、优化供应链效能、构建竞争壁垒乃至增强企业韧性方面发挥着不可或代的作用。
然而，与数据资产日益凸显的战略地位相比，其价值评估的理论与实践仍面临严峻挑战。数据资产的无形性、非排他性、价值动态可变性以及成本与价值弱对应等特点，使得传统无形资产评估方法在适用性上存在局限。当前，学术界与实务界虽已积极探索，发展出如多期超额收益法、实物期权法、结合人工智能的混合模型等多种评估路径，并取得了显著进展，但这些方法往往呈现出“碎片化”与“行业专用性”的特征，尚未形成一个能够被广泛接受、逻辑统一且充分契合电商业务特性的评估框架体系。这一理论滞后直接制约了数据资产在财务管理、资本市场交易与企业内部决策中的有效应用。
本文旨在通过对数据资产概念、电商企业特征、评估方法及其在电商企业中应用研究的系统梳理，总结现有成果，指出不足，并为未来研究方向提供展望，以促进电商企业数据资产价值评估体系的构建与完善。
2. 文献检索方法
为确保本文综述的系统性与代表性，我们采用系统文献检索方法，对国内外相关研究进行了全面梳理。检索主要在中国知网(CNKI)、万方数据、维普期刊等中文数据库中进行，辅以Google Scholar、Web of Science等英文数据库进行补充。检索关键词包括：“数据资产”“电商企业”“价值评估”“评估方法”“data assets”“e-commerce”“value assessment”“valuation methods”等中英文组合，检索时间跨度为2010年至2025年，重点关注近五年的研究成果，以反映该领域的最新进展。
文献筛选标准如下：(1) 研究对象明确涉及数据资产或电商企业；(2) 研究内容聚焦于价值评估方法、模型构建或实证应用；(3) 优先选择核心期刊、高水平会议论文及代表性专著；(4) 排除重复发表、内容不相关或方法描述不清的文献。最终共筛选出有效文献25篇，涵盖理论研究、方法探索与案例分析等多个层面，为本综述提供了坚实的文献基础。
3. 相关概念
3.1. 数据资产
在数字经济高速发展的背景下，数据资产已成为学术界研究的重点议题。学者们从不同维度对数据资产的定义展开探讨，刘小红等(2025)强调数据资产作为经济社会数字化转型中的关键生产要素，是参与分配并推动数字中国建设的战略资源，其核心特征在于具备经济价值且可通过指标体系量化评估，体现为数据要素在数字经济中的基础性地位与价值创造功能[1]。赵畅(2025)从信托制度视角指出，数据资产是依托信托机制实现保值增值与金融化流转的特殊资产形态。该定义突出了数据资产的金融属性，即通过权益分离与连续性管理实现价值流转，为数据资产证券化提供了理论支撑[2]。彭正银等(2025)提出，数据资产是平台企业通过资源编排实现从通用性数据资源到专用性资产转化的动态过程。这一过程包含组合、专有化、价值发挥三个阶段，强调数据资产在价值创造中的动态转化特征与专用性能力提升路径[3]。梁孝成等(2025)认为，数据资产是企业提升韧性的新型战略资产，具体表现为全要素生产率提升、技术创新加速、融资约束缓解及人力资本优化。该定义揭示了数据资产在企业战略决策与运营中的核心作用，尤其是对企业抗风险能力的增强效应[4]。王稼琼等(2025)从创新链视角指出，数据资产通过缓解融资约束、促进合作创新等机制影响企业创新链。在融通创新层面，数据资产成为链上企业资源整合、成果共享的关键动力，推动跨组织协同创新模式的形成。数据资产是具备法律权属、动态价值创造能力、多形态融合特性的战略资源，在企业中有着重要的地位[5]。
3.2. 电商企业
电商企业指以互联网、移动网络等电子渠道为核心载体，从事商品或服务交易活动并实现价值创造的企业组织。其本质特征在于通过数字技术重构传统商业流程，涵盖从商品展示、交易协商、支付结算到物流配送及售后服务的全链条数字化运营。
常梅与王美强(2022)构建两阶段动态BP-SBM模型，指出中国上市电商企业综合绩效偏低的核心矛盾在于资本运作效率低下，研究揭示零售电商在资本运作层面表现优于跨境电商，而生产运营效率的差异导致同类企业间绩效波动显著。该视角强调电商企业需平衡规模扩张与资本运营效率，通过优化资产配置实现可持续发展[6]。饶叶玲与罗震东(2021)通过长三角B2B电商企业实证发现，企业数量增长遵循“空间加密–邻近扩散”路径，形成产业空间廊道。研究表明电商驱动产业空间重组，促进区域经济融合。该视角揭示电商企业作为空间载体，通过技术扩散与资源重组推动区域经济格局变革[7]。马述忠与郭继文(2021)构建“口碑–价格”博弈模型，论证产品质量是营销策略选择的关键变量，高质量企业倾向口碑营销以获取长期收益，低质量企业则采用价格竞争策略。研究指出产品质量提升是电商企业建立竞争优势的核心路径，直接影响企业利润结构与市场定位[8]。张阳与徐兵(2019)分析社交团购模式对平台质量的影响机制，发现高质企业因消费者价格敏感被迫制定低价，转向传统平台；低质企业则向社交团购平台聚集，研究强调平台需完善质量管控体系，通过招引优质品牌企业实现整体质量提升，避免“劣币驱逐良币”现象[9]。刘晋飞(2018)基于760家制造业跨境电商企业实证，证实电子商务采纳强度与企业成长呈显著正相关。研究建议企业重视自主品牌建设、熟悉电商扶持政策、选择适配的支付方式与平台，通过技术赋能推动跨境电商业务拓展[10]。何毅(2015)通过B2C电商企业案例筛选，确定团队创新能力、网络技术领先性、品牌推广力度、售后服务能力、物流支持度及用户口碑为互联网企业成长的核心要素。该视角强调电商企业需构建“技术–服务–品牌”三位一体的核心竞争力体系[11]。周凡恒(2014)指出我国电商企业在供应链管理存在观念滞后、供应商关系对立、物流效率低下及技术应用不足等问题。研究建议通过战略联盟构建、流程重组、物流优化及信息化改造提升供应链效能，降低运营成本[12]。
4. 数据资产价值评估方法研究
数字经济浪潮下，数据资产价值评估已成为会计、金融与企业管理交叉领域的前沿课题。现有研究聚焦于互联网企业、互联网金融及数字化转型企业，通过收益法、实物期权模型(B-S)、层次分析法(AHP)、多期超额收益法等方法，试图破解数据资产权属模糊、价值隐性化及风险量化难题。
肖雪娇、杨峰(2022)通过结合收益法与层次分析法评估数据资产的经济价值，并运用基于最小二乘蒙特卡洛模拟的实物期权法衡量其潜在价值，提出了一套适用于互联网企业的数据资产价值评估方案。该方案在Y公司的实证分析中验证了其可行性与有效性，为互联网企业数据资产的整体估值提供了新思路[13]。高华、姜超凡(2022)从应用场景视角出发，将数据资产划分为有交易场景与无交易场景两类。在无交易场景下采用B-S期权定价模型，有交易场景下则结合AHP与超额收益法进行评估。他们认为，按场景分类评估不仅能提升估值操作性，还能更真实地反映数据资产的内在价值，为数据资产入表奠定基础[14]。郭燕青、孙培(2022)原基于实物期权理论，引入模糊数学对B-S期权定价模型进行优化，降低了模型复杂度并提升了评估准确性。他们以三六零公司为例，计算出其数据资产价值为40.05亿元，证明了该方法在互联网企业数据资产评估中的合理性与实用性[15]。陈芳、余谦(2021)针对数据资产权属不清、安全风险高等问题，构建了基于多期超额收益法的评估模型，将数据资产折现率区别于无形资产整体折现率。通过对天士力医药集团的案例分析，并与信息技术企业对比，验证了该模型的科学性与适用性[16]。宋杰鲲等(2021)构建了包含数据成本、表观价值与服务价值三个维度的数据资产价值评价体系，并基于直觉模糊决策方法进行组合评价。该研究通过某油田企业下属研究院的实例分析，证明了该体系能够有效反映企业数据资产的投入产出水平，为数据资产管理提供决策依据[17]。王静、王娟(2019)聚焦于互联网金融企业，利用层次分析法构建数据资产影响因素评价体系，并结合B-S模型进行价值评估。研究指出，当前我国互联网金融企业在数据资产管理方面仍有较大提升空间，需加强数据资产优化与共享平台建设[18]。
Table 1. Comparative analysis table of main valuation methods for data assets of e-commerce enterprises
表1. 电商企业数据资产主要评估方法对比分析
评估方法 |
理论基础 |
核心假设 |
关键数据需求 |
核心优劣势 |
适用电商场景 |
多期
超额收益法 |
收益法
原理 |
数据资产稳定产生
超额收益，收益可拆分 |
企业财务数据、行业收益率、
折现率 |
优：关联企业价值，易理解；劣：收益拆分难，主观判断强 |
成熟期电商
(如京东)、数据资产盈利模式明确者 |
实物期权法
(含B-S模型) |
期权定价理论 |
数据资产有开发
灵活性，收益符合特定波动规律 |
未来现金流、
无风险利率、
收益波动率 |
优：捕捉潜在战略价值；劣：假设与电商实际偏差，计算复杂 |
成长期/转型期电商、计划拓展新业务者 |
层次分析法(AHP) |
系统工程理论 |
价值因素可分层，
专家判断一致 |
影响因素清单、专家打分表 |
优：整合定性定量因素；劣：依赖主观判断，无
绝对价值 |
中小电商、多业务线数据资产排序场景 |
修正
DEVA模型 |
企业价值拆分逻辑 |
企业整体价值可评，
数据资产贡献占比稳定 |
企业整体价值
数据、行业基准占比 |
优：契合资本市场认知；劣：依赖整体价值
准确性，行业数据要求高 |
C2B模式电商、已
上市有明确估值者 |
BP神经
网络模型 |
机器学习理论 |
价值与特征呈非线性
关联，训练数据充足 |
历史评估案例、数据资产特征
数据 |
优：处理复杂关系，客观性强；劣：数据需求大，
“黑箱”难解释 |
大型数据丰富电商
(如阿里)、高频次
评估场景 |
综合上述学者的研究成果见表1，可以看出当前数据资产价值评估研究呈现出以下特点：
(1) 方法融合趋势明显：单一方法难以全面捕捉数据资产的多维价值，因此学者们倾向于将多种方法结合使用，如AHP与B-S模型、实物期权与模糊数学、多期超额收益与风险调整等，以提升评估的全面性与准确性。
(2) 场景化评估成为共识：高华等人提出的“按场景分类评估”思路具有较强的现实指导意义，反映出数据资产价值高度依赖于其应用环境，未来评估体系应进一步细化场景分类，增强实操性。
(3) 风险与不确定性受到重视：陈芳等人强调数据资产的权属与安全风险，宋杰鲲等人则通过直觉模糊方法处理评价中的不确定性，表明在评估过程中必须充分考虑数据资产的独特风险与模糊属性。
(4) 实证研究支撑理论发展：多数研究均通过企业案例进行实证分析，不仅验证了模型的可行性，也增强了研究成果的实践指导价值，推动数据资产价值评估从理论走向应用。
现有研究为数据资产价值评估奠定了坚实理论基础，但需在风险量化、方法客观性及跨行业应用上进一步突破。未来研究应聚焦于动态风险调整模型、跨行业标准化框架及技术融合创新，以适应数字经济时代的复杂需求，推动数据资产价值评估理论与实践的双重革新。
5. 电商企业数据资产估值研究
随着大数据、云计算、人工智能等信息技术的快速发展，数据资产已成为电商企业重要的生产要素和价值创造来源。当前研究多集中于评估方法的改进与应用，如多期超额收益法、DEVA模型、层次分析法、BP神经网络模型、实物期权法等，但尚未形成统一的评估体系。研究趋势表现为评估方法多元化、精细化，关注数据资产特点与价值影响因素，以及会计确认与计量问题的深化。
方茗蕾、熊冬洋(2025)通过引入BP神经网络模型和AHP模型改进多期超额收益法，对京东数据资产价值进行评估，验证了方法有效性，为其他电商企业提供借鉴。此方法结合了机器学习与专家打分，提升了评估的客观性与准确性[19]。贺韵龙(2024)基于C2B电商企业特点修正DEVA模型，结合层次分析法确定数据资产在企业整体价值中的比重，体现了数据资产对C2B模式电商企业的重要意义，该方法强调了企业价值核心要素与数据资产的关联性[20]。艾卿(2024)采用多期超额收益法评估S公司数据资产价值，验证了该方法在电商企业中的适用性，多期超额收益法注重数据资产带来的超额收益[21]。柳江、刘培淇(2024)建立数据资产价值评估模型，结合收益法与实物期权法计算企业现有价值与潜在价值，利用层次分析法确定数据资产价值权重，解决了电商企业数据资产价值评估问题，此方法综合考虑了数据资产的现有价值与潜在价值[22]。胡静怡(2024)采用多期超额收益法与层次分析法评估数据资产在电商企业中的价值，验证了评估方法的有效性，此方法结合了收益法与专家打分，提升了评估的全面性与准确性[23]。祝少威、李莉(2022)从电商企业数据资产的定义、特征、取得方式等方面进行分析，提出相应的会计处理方法，为完善我国电商企业数据资产的会计确认与计量提供参考，此研究关注了数据资产的会计处理问题，为数据资产入表与价值评估提供了理论支持[24]。周芹、魏永长、宋刚、陈方宇(2016)将层次分析法与蒙特卡罗模拟相结合，计算数据资产对电商企业价值的贡献度，解决了数据资产价值的不确定性问题，为决策主体提供了更多信息，此方法结合了专家打分与模拟技术，提升了评估的准确性与可靠性[25]。
当前研究在评估方法上取得了显著进展，但尚未形成统一的评估体系。未来研究可进一步关注数据资产的特点与价值影响因素，结合跨学科的研究方法，如经济学、统计学、计算机科学等，以提升评估的准确性与可靠性。同时，随着数据资产在企业经营决策中的重要性日益凸显，对其会计确认与计量的研究也将成为未来的热点。此外，实际应用案例的研究将不断增加，为其他电商企业提供可借鉴的经验和做法。
6. 结语
本文通过对电商企业数据资产价值评估领域的系统综述，勾勒出该研究主题从概念认知、方法探索到行业应用的演进轨迹。研究显示，学界对数据资产的理解已从最初“具备经济价值的数据资源”深化为一种具备法律权属、动态价值创造能力和多形态融合特性的战略资产。相应地，价值评估方法也经历了从单一财务模型到多方法融合、从静态评估到动态预测、从忽视行业差异到强调场景适配的深刻变革。诸如引入实物期权法捕捉数据的潜在战略价值、结合层次分析法与机器学习处理定性定量混合问题、依据盈利模式差异进行模型修正等创新，显著提升了评估实践的解释力与精准度。
尽管成果丰硕，但本综述也揭示了当前研究存在的几个核心瓶颈：首先，评估体系的“碎片化”问题依然突出，不同方法间的理论基础与参数设定差异较大，导致评估结果缺乏可比性，阻碍了统一标准的形成。其次，现有模型对于电商环境中海量的非结构化数据(如用户评论、社交图片、视频内容)的价值捕捉能力普遍不足，存在显著的价值低估风险。再次，企业内部的“数据孤岛”现象以及数据治理成熟度的差异，为评估的准确性与可靠性带来了不容忽视的干扰，而当前多数模型尚未能系统性地将这些组织与技术因素内化为关键变量。
展望未来，电商企业数据资产价值评估研究将朝着更加精细化、融合化与实务化的方向发展。在理论层面，未来研究应更深入地解构数据资产的价值源泉，不仅关注其直接的货币收益，更需量化其在驱动创新、增强韧性、构建生态系统等方面的间接与期权价值。在方法论层面，迫切需要打破学科壁垒，将经济学、计量统计学、计算机科学(尤其是深度学习、自然语言处理等AI技术)与会计学、金融学进行更紧密的交叉融合，开发能够自适应海量、多模态数据环境的“智慧评估”模型。同时，区块链技术为解决数据溯源与可信度问题提供了潜在方案，可有效提升跨系统数据整合与验证的能力。在实践层面，随着数据资产“入表”等相关会计准则的探讨与出台，对数据资产的会计确认、计量与信息披露研究必将成为下一阶段的热点，推动数据资产从管理实践走向财务报表，最终完成其从隐性资源到显性资本的关键一跃。唯有通过理论、方法与制度的协同创新，才能为电商企业在激烈的市场竞争中盘活数据资产、释放数据价值提供坚实可靠的决策依据。
基金项目
广西科技基地和人才专项项目“基于可持续发展的金属矿山技术指标及开采顺序整体优化方法与模型研究”(编号：桂科AD23026278)和广西科技大学博士基金项目“金属矿山技术指标及开采顺序整体优化研究”(编号：21S07)。
NOTES
*通讯作者。