原创 | 这可能是比房子更保值的资产?七步法构建数据资产价值评估模型
作者:清华大数据软件团队
本文约2500字,建议阅读5分钟
“数据是资产”已经成为全球共识。
标签:数据资产
一、前言
在中国共产党十九届四中全会上,中央首次公开提出“健全劳动、资本、土地、知识、技术、管理和数据等生产要素按贡献参与分配的机制。”这是中央首次在公开场合提出数据可作为生产要素按贡献参与分配。
“数据是资产”已经成为全球共识。
各个层面对数据资产的定义基本形成共识。在中国信息通信研究院与中国通信标准化协会大数据技术标准推进委员会联合发布的《数据资产管理实践白皮书(4.0版)》中,对数据资产的定义如下:数据资产(Data Asset)是指由企业拥有或者控制的,能够为企业带来未来经济利益的,以物理或电子的方式记录的数据资源,如文件资料、电子数据等。在企业中,并非所有的数据都构成数据资产,数据资产是能够为企业产生价值的数据资源。
虽然行业内已经有许多数据资产交易案例,但对于数据资产价值评估方法、数据资产价值评估模型等,相关工作在全球范围内都处于起步阶段,尚未形成成熟的通用的成果。
在对于数据资产价值评估体系已有研究成果的基础上,本文总结出数据资产价值评估模型构建及求值的七步法,具有一定的现实意义。
二、数据资产价值评估模型构建的理论方法
在数据资产价值评估模型构建中,常用的理论方法为层次分析法(AHP)和专家打分法(德尔菲法),并在构造比较判断矩阵和计算权重的时候应用到YAAHP层次分析法软件。
(一)层次分析法(AHP)
层次分析法是美国在 20 世纪 70 年代提出的一种将定性和定量分析相结合的多准则决策方法。层次分析模型是把复杂的问题分成若干个组成因素,并按照支配关系分组形成层次结构。然后通过两两比较的方式,综合专家的判断,确定分析的结果。具体步骤如下:
(1)分析各因素的关系,建立递阶层次结构;
(2)对同一层次的多个元素,关于上一层次中某一准则的重要性进行两两判断,构造比较判断矩阵;
(3)由判断矩阵计算比较元素对于该准则的相对权重;
(4)计算合成权重。
在运用层次分析法时,如果所选的要素不合理,其含义混淆不清,或要素间的关系不正确,都会降低AHP法的结果质量,甚至导致AHP法决策失败。为保证递阶层次结构的合理性,需把握以下原则:
(1)分解简化问题时把握主要因素,不漏不多;
(2)注意相比较元素之间的强度关系,相差太悬殊的要素不能在同一层次比较。
(二)专家打分法(德尔菲法)
德尔菲法由兰德公司首次用这种方法用来进行预测,后来该方法被迅速广泛采用。这是一种将所需解决的问题单独发送到各个专家手中,征询意见,然后回收汇总全部专家的意见,并整理出综合意见。随后将该综合意见和预测问题再分别反馈给专家,再次征询意见,各专家依据综合意见修改自己原有的意见,然后再汇总。这样多次反复,逐步取得比较一致的预测结果的决策方法:
(1)组成专家小组。按照课题所需要的知识范围,确定专家;
(2)向所有专家提出所要预测的问题及有关要求,由专家做书面答复;
(3)各个专家根据他们所收到的材料,提出自己的预测意见;
(4)将各位专家第一次判断意见汇总,列成图表,进行对比,再分发给各位专家,让专家比较自己同他人的不同意见,修改自己的意见和判断;
(5)将所有专家的修改意见收集起来,汇总,再次分发给各位专家,以便做第二次修改。这一过程重复进行,直到每一个专家不再改变自己的意见为止;
(6)对专家的意见进行综合处理。
三、七步法构建数据资产价值评估模型并求值
第一步:构造数据资产价值评估指标体系
根据组织进行数据资产价值评估的目的,运用层次分析法,将复杂的数据资产价值评估问题分解为若干个影响数据资产价值的组成因素,并根据这些因素之间相互的关联影响和隶属关系,划分出组成因素之间的层次关系,从而构造出数据资产价值评估指标体系。
李然辉在《数据资产价值评估模型的理论研究与技术实现探讨》中,从质量和应用两个维度对数据资产价值进行评估,构造出数据资产价值评估指标体系(后续步骤的示例皆基于该指标体系)。
图1 数据资产价值评估指标体系
第二步:构造标度表
在构造比较判断矩阵时,对两个因素进行相互比较,需要有定量的标度。图2就是一个标度表的示例:
图2 标度表
第三步:构造各一级指标的比较判断矩阵
根据专家的意见,运用德尔菲法,对组成因素根据重要程度进行两两比较,构造出各一级指标的比较判断矩阵。
图3就是李然辉在《数据资产价值评估模型的理论研究与技术实现探讨》中所构造的数据质量的比价判断矩阵。
图3 比较判断矩阵
第四步:进行比较判断矩阵一致性校验,计算各二级指标的权重
运用YAAHP层次分析法软件,进行比较判断矩阵一致性校验,计算各二级指标的权重。
图4就是数据质量所包含的四个二级指标的权重计算结果。可以看出,完整性和正确性对数据资产价值的影响程度相同,而一致性对数据资产价值的影响程度略低于完整性和正确性,在数据质量指标中,重复性对数据资产价值的影响程度最低。
图4 权重表
第五步:确定各二级指标的得分
在确定各二级指标的得分时,如果有适用的计算公式,就运用公式计算得出。如果没有适用的计算公式,就采用德尔菲法,由专家打分得出。
图5 公式计算二级指标得分
图6 专家打分法确定二级指标得分
在图5中,质量指标所包含的四个二级指标都可以通过公式计算出其得分。而在图6中,应用指标所包含的四个二级指标都没有适用的计算公式,只能采用专家打分的办法确定其得分。
第六步:计算各一级指标的得分
得出所有二级指标的得分和权重后,运用加权计算法计算各一级指标的得分。
比如在上面的示例中:
质量价值Sa =(W1*S1+W2*S2+W3*S3+W4*S4)
第七步:计算数据资产价值
在计算出所有一级指标的得分后,运用合适的计算公式,计算出数据资产价值。
在上面的示例中,采用的计算公式为:
数据资产价值 =(质量价值 * 应用价值)/100
如果根据实际应用的需要,一级指标需要被赋予计算权重,则需要重复第三步和第四步的步骤。
四、结语
目前,并没有一个在各个层面得到普遍认可的数据资产价值评价体系。实际上,因为数据资产价值和应用场景紧密相关,形成一个普遍适用的数据资产价值评估体系也并不现实。
但本文所总结的构建数据资产价值评估模型及求值时所应用的的理论方法和所采用的七步骤流程还是具有普遍适用的价值,可以对今后更深入的研究工作起到一定的现实指导意义。
如您想与我们保持交流探讨、持续获得数据科学领域相关动态,包括大数据技术类、行业前沿应用、讲座论坛活动信息、各种活动福利等内容,敬请扫码加入数据派THU粉丝交流群,红数点恭候各位。
编辑:王菁
校对:林亦霖
原创 | 这可能是比房子更保值的资产?七步法构建数据资产价值评估模型相关推荐
- 【githubshare】开源的可视化数据管道构建工具,以更简便的方式,快速构建数据
推荐 GitHub 上一款开源的可视化数据管道构建工具:Orchest.以更简便的方式,快速构建数据管道,无需框架和 YAML 配置,可直接通过 Python.R.Julia 来编写代码,处理数据.一 ...
- 买低配车,更保值?!坊间有一句戏言:买车都要买低配
买低配车,更保值?! 坊间有一句戏言:买车都要买低配. 其实,在高配版让人眼花缭乱的配置面前,低配版就如同经济适用男或者简单方便女,虽然没有出众的相貌.才华和学历,但够顾家,实用性很强,关键是,对你的 ...
- 2022年起,大数据行业将会比房子更有“前途“
2022年起,大数据行业将会比房子更有"前途" 2020年的今天,运营商大数据技术已经发展到一个相当的高度,可以通过云端存储的手机用户行为数据筛选,精准锁定你所在行业所售产品的潜在 ...
- 如何利用大数据做金融风控? 原创 2016年11月24日 17:42:03 标签: 大数据 / 金融 / 风控 1594 导语:如何通过海量数据与欺诈风险进行博弈? 随着金融科技、科技金融等概念的
如何利用大数据做金融风控? 原创 2016年11月24日 17:42:03 标签: 大数据 / 金融 / 风控 1594 导语:如何通过海量数据与欺诈风险进行博弈? 随着金融科技.科技金融等概念的热起 ...
- 吴恩达的二八定律:80%的数据+20%的模型=更好的机器学习
机器学习的进步是模型带来的还是数据带来的,这可能是一个世纪辩题. 吴恩达对此的想法是,一个机器学习团队80%的工作应该放在数据准备上,确保数据质量是最重要的工作,每个人都知道应该如此做,但没人在乎.如 ...
- 【深度学习】如何更好的Fit一个深度神经网络框架下的模型
[深度学习]如何更好的Fit一个深度神经网络框架下的模型 文章目录 1 随机梯度下降1.1 什么是梯度下降1.2 随机梯度算法 2 Momentum 3 自适应学习率算法3.1 AdaGrad3.2 ...
- 让 Python 代码更易维护的七种武器——代码风格(pylint、Flake8、Isort、Autopep8、Yapf、Black)测试覆盖率(Coverage)CI(JK)...
让 Python 代码更易维护的七种武器 2018/09/29 · 基础知识 · 武器 原文出处: Jeff Triplett 译文出处:linux中国-Hank Chow 检查你的代码的质 ...
- 吴恩达老师经验:80%的数据+20%的模型=更好的机器学习
点上方计算机视觉联盟获取更多干货 仅作学术分享,不代表本公众号立场,侵权联系删除 转载于:新智元 AI博士笔记系列推荐 周志华<机器学习>手推笔记正式开源!可打印版本附pdf下载链接 机器 ...
- 【D】吴恩达的二八定律:80%的数据+20%的模型=更好的机器学习
文章源于公众号:新智元 [导读]模型好就能碾压一切吗?吴恩达泼冷水,机器学习发展80%依靠数据集的进步!这也激起了业内对MLOps工具链的关注. 机器学习的进步是模型带来的还是数据带来的,这可能是一个 ...
最新文章
- arnold官方帮助文档_Baklib-随时编辑随时发布的在线帮助文档制作平台
- Google AI 碾压集成电路设计专家,ASIC智能设计时代来了!
- android studio 不生成buildconfig,Android Studio Update 0.4.0找不到buildConfig()
- SSRF服务器端请求伪造
- raspberry pi_如何进行Raspberry Pi聚会
- oracle表还原truncate,Oracle数据库执行truncate table操作后如何逆向恢复之前的状态...
- git 远程代码被覆盖
- 实验吧——Recursive
- c语言完整表白程序代码,C语言告白代码,一闪一闪亮晶晶~
- 推荐一款好用的jeDate日期控件
- 2022R1快开门式压力容器操作考试模拟100题模拟考试平台操作
- python快速编程入门教材免费阅读,Python快速编程入门(第2版)
- 皮皮虾php解析,实战PHP皮皮虾无水印解析接口
- linux pwm控制蜂鸣器 滴滴_linux pwm实现蜂鸣器
- keil创建无启动文件及自定义.sct文件的工程
- Python--模块和包
- 怎样学习人工智能呢?
- APP运营如何实现流量变现,获取更高收益?
- Python ABC(抽象基类)
- 离子液体N-丙基-吡啶二氰胺盐[C3py][DCA]|N-丙基-吡啶二氰胺[C3py][DCA]|齐岳
热门文章
- java 开发工具_Java开发工具和环境,你了解多少?
- fatal error: Python.h: No such file or directory 解决
- 【webpack】-- 模块热替换
- UnicodeEncodeError: 'ascii' codec can't encode character....
- 汉化 Hirens.BootCD 中的 XP 系统
- Android Animation学习(五) ApiDemos解析:容器布局动画 LayoutTransition
- IBM虚拟化石油行业成功案例分享
- 第一章 MongoDb概述
- 菜鸟报告——多线程操作实例
- keras merge