The RightsVerse Lab：以认养一头牛为例看数字原生企业如何实现数据资产入表lg...

和普通的企业不同，对于数字原生企业来说，数据是它们最重要的资产之一。这些企业通过收集、分析和利用大量的数据，能够更好地理解用户需求、优化产品和服务，并且实现精准营销和增长。因此，其数据资产入表工作也需要格外谨慎。

 

以 "认养一头牛" 为例，它是一个基于互联网和区块链技术的平台，提供给用户认养农场的牛只，并通过数据技术将认养者与牧场进行连接。在牧场侧，数据信息包括牛只的健康信息、生长记录、喂养情况等。在运营侧，认养一头牛可以通过智能算法、推荐系统等方式，为用户提供个性化的养牛体验和服务。这样的数字原生企业的数据资产是深入到“商业模式”骨髓里的。可以说，离开了数据资产企业的核心竞争力就荡然无存。

 

2023年1季度，认养一头牛闯关主板IPO获上交所受理，拟募资18.51亿元，这也宣告着认养一头牛走上挂牌上市的资本之路。公开资料显示，认养一头牛一直走的是重资产发展模式，创立之初就开始自建牧场。截至目前，认养一头牛已经建立了7座现代化牧场，一座智造工厂，奶牛存栏超过6万头。今年，第二座工厂将建成投产，新的大型牧场也在建设之中。

 

但外界更感兴趣的是其“数智化”运营模式。从招股书可以看出，认养一头牛目前所运营的自有牧场，基本都是在2018年下半年后才被其纳入麾下或才成立，而认养一头牛于2016年、 2017年便已推出“牧场共建人”“联合牧场主”活动，与伊利、蒙牛等倚重线下渠道的传统奶企相比，认养一头牛的主要销售渠道是在线上，其数智化运营早已开启。

 

通过将数据资产入表，认养一头牛这样的企业不仅更能够获得资本市场认可，还可以更好地管理和利用数据，实现“数智化升级“，为用户提供更加个性化、精准的产品和服务。

 

然而评估数字原生企业的数据资产是一个复杂而关键的过程，涉及多个维度和指标。在这方面，可以通过对标估值法的方式来进行评估。——如果同在数字原生赛道，有同类的公司比认养一头牛早拿到了投资机构的投资，那么他的估值具有一定参考意义，比如A轮左右的公司也可以通过行业对标公司类似业务阶段时的融资情况进行估值。而当公司业务有了更大的规模和数据之后，则可以有一套相对可量化的估值逻辑，这时候的估值通常采用关键业务指标倍数的方法，但初期公司，由于增长速度快，通常可以获得更高的价格。

 

现在问题的关键是数字原生企业的数据和商业模式纠缠很深。而商业模式往往是独一无二的。好的商业模式往往是独一无二的，竞争对手无法模仿，也很难在同行中找到对标企业。

此时，数据资产估值可以参考“回报率”倒推，比如说，按照上市回报率或并购回报率倒推，通常应用在有明确上市预期的公司。具体的操作方式是假设公司在N年后实现上市或退出，用退出当年的财务预测作为基础，以当前市场P/E或P/S倍数计算出未来上市后的公司价值，扣除可能的稀释之后（至少考虑Pre-IPO和IPO两轮稀释），可以计算出对于投资人的IRR回报。再基于这个推算，测算当前公司的数据资产估值估值会落在什么样的区间。

 

比如说，几乎所有的数字原生企业都可以对标腾讯。腾讯作为一家数据原生企业，拥有海量用户数据和丰富的社交、娱乐、支付等数据资产。腾讯通过对这些数据的处理、分析和挖掘，构建了多个商业模式。

 

首先，腾讯利用用户数据资产进行广告营销。通过深入了解用户的兴趣、偏好、行为等，腾讯能够提供精准的广告投放服务，帮助广告主更准确地找到目标用户群体，提高广告投放的效果。同时，腾讯还通过数据分析和挖掘，为广告主提供用户画像、行业趋势等相关报告，帮助他们做出更有针对性的营销决策。

 

其次，腾讯通过对用户数据的挖掘和分析，提供了一系列增值服务，形成了多个商业模式。比如，他们基于社交数据资产开展社交游戏业务，开发了众多畅销的游戏产品，通过虚拟物品的销售实现盈利；他们还通过对用户支付数据的分析，推出了金融科技服务，如微信支付、理财等，提供便捷的金融服务并获得收益。

 

另外，腾讯利用用户数据资产开展大数据分析与研究，为政府和企业提供相关服务。他们通过对大数据的分析，为政府决策提供参考意见，例如智慧城市建设；同时，他们还为企业提供大数据解决方案，帮助企业进行市场研究、用户行为分析等。

 

以下是数据原生企业数据资产入表时一些常见的评估纬度和要点：

 

1. 数据规模和质量：评估数据的规模和质量是非常重要的。考虑到数据规模的大小、数据的价值和可用性，以及数据的准确性和完整性等因素。

 

2. 数据来源与获取方式：了解数据的来源和获取方式，包括自采集、用户提供、第三方数据等，以及对数据获取的可持续性和合规性进行评估。

 

3. 数据结构与组织：评估数据的结构化程度、标准化程度和组织方式，包括数据的格式、命名规范和分类体系等，以确保数据的易用性和互操作性。

 

4. 数据分析与应用能力：评估企业对数据的分析和应用能力，包括是否具备数据分析团队、数据分析技术和工具的应用水平，以及数据驱动的决策过程和效果等。

 

5. 数据安全与隐私保护：评估企业对数据安全和隐私保护的措施，包括数据加密、权限控制、数据备份和恢复等，以及是否符合相关法律法规对数据隐私保护的要求。

 

6. 数据价值与商业模式：评估数据对企业商业模式和增长的价值，包括数据的商业潜力、市场需求和竞争优势等，以及数据资产的经济价值和回报预期等。

 

7. 可持续发展与创新：评估企业对数据资产的可持续发展和创新能力，包括数据的持续采集和更新、技术的创新和应用、数据伙伴关系的建立等。

 

（The  RightsVerse  Lab刘四海供稿，The  RightsVerse  Lab持续关注数字资产、数字营销、数字权益在全球的发展）

 

来源：金色财经