데이터 금융: 데이터 자산화의 잠재적 규모에 대한 가치 평가

I. 데이터 자산 시장 발전 개요

1.1 우리나라데이터 자산화도로의 시작

현재 중국의 데이터 요소 시장 건설은 점차 빠른 궤도에 올라서고 있습니다.2015년 8월 31일, 국무원은 <빅데이터 발전 촉진을 위한 행동 개요(关于促进大数据发展的行动概要, Guo Fa [2015] 제50호, 이하 "개요")를 발표하여 빅데이터 거래 시장의 육성을 유도하고 애플리케이션 중심의 데이터 거래 시장을 시범적으로 실시할 것을 제안했습니다. 이후 중국 공산당 중앙위원회, 국무원, 국가데이터센터가 데이터 요소 시장의 발전을 안내하는 문서를 반복적으로 발표했습니다.2022년 12월 중국 공산당 중앙위원회와 국무원은 데이터 요소의 역할을 더 잘 발휘하기 위한 데이터 기반 시스템 구축에 관한 의견(이하 "데이터 20조")을 발표하여 데이터 요소 시장 발전의 원칙을 정하고 다음과 같은 사항을 지적했습니다. 데이터 요소 시장의 발전 방향 .2023 년 3 월 중국 공산당 중앙위원회와 국무원은 당과 국가 기관의 개혁을위한 프로그램을 발표하여 데이터 기반 시스템 구축을 조정하고 촉진하는 국가 데이터 국이 구성 될 것임을 분명히했습니다.데이터 리소스디지털 중국, 디지털 경제, 디지털 사회 계획 및 건설 등의 통합, 공유 및 개발 및 활용, 공동 추진.국가 데이터국의 설립은 데이터 시장의 발전이 이전의 원칙적인 지침 문서에서 중국 데이터 요소 시장의 착륙, 즉 패스트 트랙의 구체적인 실행으로 전환됨을 의미합니다.

데이터 요소를 리소스에서 자산으로 이동하는 프로세스의 측면에서 볼 수 있습니다.데이터 요소 시장의 발전은 데이터 리소싱, 데이터 자산화, 데이터 자본화의 세 단계로 나눌 수 있습니다(PwC, 2022; ICTA, 2023).데이터 리소스무질서하고 혼란스러운 원시 데이터를 정돈되고 유용한 데이터 리소스로 만드는 과정입니다.데이터 자산화데이터 자원을 출발점으로 삼아 정해진 활용 시나리오와 비즈니스 목적에 맞게 가공 및 개발하여 기업이 활용하거나 거래할 수 있는 데이터 상품을 만드는 것입니다.데이터 대문자데이터 리소싱 및 자산화를 기반으로 데이터 자산에 더 많은 금융 속성을 부여하는 과정으로, 예를 들어 신용 금융과 같은 금융 활동의 담보로 사용할 수 있습니다. 현재 중국은 데이터가 자원에서 자산으로 이동하는 단계에 있으며, 이 단계에서 중국 데이터 요소 시장의 발전은 다음과 같은 특징이 있습니다:

하나는 데이터가 이미 상당한 경제적 이익을 가져올 수 있다는 점입니다.국가 산업정보 보안북경대학교 개발연구센터와 광화관리대학이 2022년 11월에 발표한 '중국 데이터 요소 시장 발전 보고서(2021-2022)'에 따르면 데이터 요소를 통해 산업 기업의 비즈니스 성장률은 평균 41.181%, 생산성은 평균 42.81%, 제품 개발 주기는 평균 15.331%, 에너지 활용도는 평균 10.191% 증가할 수 있는 것으로 측정되었습니다. 평균 10.19%.

둘째, 데이터 요소 거래 시장이 형성되었습니다.2023년 4월에 발표된 '전국 데이터 거래 플랫폼과 상업은행의 사업 기회 분석'[1] 보고서에 따르면, 불완전한 정보 통계에 따르면 2023년 2월 현재 전국에 30개 이상의 성, 직할시 또는 지역이 참여하는 40개의 데이터 거래 플랫폼이 있으며, 각 데이터 거래소의 목표와 위치에 따라 국제 데이터 거래 허브, 국가 수준의 데이터 거래소, 지역 수준의 데이터 거래 센터 및 산업 수준의 데이터 거래 플랫폼이 초기에 형성되어 있다. 각 데이터 거래소의 목표와 위치에 따라 국제 데이터 거래 허브, 국가 수준의 데이터 거래소, 지역 수준의 데이터 거래 센터, 산업 수준의 데이터 거래 플랫폼의 계층 구조가 초기에 형성되었습니다.

셋째, 데이터 자산 입력 프로세스가 점진적으로 진행 중입니다.2022년 12월 9일, 중국 재무부(이하 '재무부')는 기업 데이터 자원의 회계 처리에 관한 임시 규정(노출 초안)을 발표하여 현 단계에서 표의 데이터 자원의 회계 처리에 해당 기업 회계 기준을 적용하는 방안을 모색하고 있습니다. 한편, 회계상 경제적 효익 실현 방식에 따라 기업 데이터 자산은 '기업 내부에서 사용하는 데이터 자원'과 '기업 외부에서 거래되는 데이터 자원'의 두 가지 범주로 세분화됩니다. 최근에는 합자 은행[2], 구이양 빅데이터 거래소[3] 등에서도 데이터 가치 평가를 통해 데이터 자산의 가치 평가를 시도하고 있습니다.

이전 연구[4]에 따르면, 데이터의 자산적 특성은 생산 요소의 중요한 부류로서 다양한 당사자들에 의해 인식되고 있습니다.기업회계기준의 정의를 참조하면, 자산은 기업의 과거 거래 또는 사건에 의해 형성되고 기업이 소유하거나 통제하며 기업에 경제적 이익을 가져올 것으로 기대되는 자원입니다. 현재 중국 내에는 데이터 자산에 대한 공식적이고 통일된 정의가 없습니다. 해외 경험에 비추어 볼 때, 미국 국립표준기술연구소(NIST)는 데이터 자산을 시스템, 애플리케이션, 데이터베이스, 문서, 페이지 등 데이터로 구성된 모든 개체로 정의합니다, 데이터베이스, 문서, 웹 페이지 및 애플리케이션 기반 데이터 서비스[5]를 포함한 모든 데이터로 구성된 개체로 정의합니다.

1.2 데이터 자산화를 위한 과제

데이터 자산화는 일반적으로 데이터가 데이터를 생성하는 주체 내에서만 가치를 창출할 수 있을 뿐만 아니라 데이터가 유통되면 더 넓은 범위의 주체를 통해 여러 번 사용될 수 있어 자산 가치를 충분히 발휘할 수 있다는 특징이 있습니다.따라서 데이터의 질서 있는 순환은 데이터 자산화의 에너지 수준을 높이는 데 중요한 축입니다. 그리고 데이터 유통과 사용의 관점에서 볼 때, 데이터 자산화는 현재 많은 도전에 직면해 있습니다:

첫째, 데이터 시스템의 최상위 설계가 아직 완벽하지 않고, 데이터 재산권이 불분명하며 데이터의 분류 및 등급 체계가 불완전하다는 점이 데이터 자산화의 길에 직면한 가장 큰 과제입니다.중국공산당 중앙위원회와 국무원은 2022년 12월 2일 데이터 관련 법적 권리로 데이터 자원 보유권, 데이터 처리 사용권, 데이터 제품 운영권 등을 명시한 '데이터에 관한 20개 조항'을 발표했습니다. 데이터에 관한 20조는 아직 데이터 재산권의 결정과 소유권 분할에 대한 자세한 규칙을 제시하지는 않았지만, 경제 생산에서 데이터 자산의 활용의 깊이와 폭을 탐구하기 위해 데이터 자산의 홍보를 우선시할 것을 권장하고 있습니다.

둘째, 데이터 흐름 권한, 데이터 애플리케이션 및데이터 보안성숙하고 풍부한 기술을 통해 데이터 관련 시스템의 구축과 구현을 보장할 수 있도록 기술을 더욱 업그레이드해야 합니다.데이터 확인 기술의 부족은 데이터 흐름에서 각종 권리 주체의 관련 이익 보호를 방해하고, 데이터 응용 기술의 부족은 데이터의 가치를 충분히 발휘하는 데 도움이 되지 않으며, 데이터 보안 기술의 부족은 데이터 흐름의 위험과 장애를 증가시키고 데이터 주체의 데이터 제공 의욕을 감소시킵니다.

셋째, 이 백서의 초점인 데이터의 가치가 어떻게 결정되는지에 대한 문제입니다.자산과 자원의 가장 큰 차이점은 자산이 조직에 경제적 이익을 가져올 수 있다는 점입니다. 그리고 데이터가 가져다주는 경제적 이익을 측정하는 방법, 즉데이터 자산의 가치 평가그리고 거래 과정에서 합의된 거래 가격에 도달하는 방법(즉, 양 당사자가 데이터의 가치 평가에 동의하도록 촉진하는 것)은 데이터가 외부에서 더욱 힘을 발휘할 수 있는 방법에 대해 다뤄야 할 핵심 주제입니다.공정가치는 시장 참여자가 측정일에 발생하는 질서 있는 거래에서 자산을 매도하거나 부채를 이전하기 위해 지불하는 가격이며, 아래의 데이터 자산의 평가는 공정가치를 평가하는 것을 의미합니다.

데이터 관련 제도는 국가 규제 당국이 입법, 규범 문서 발행 등을 통해 명확히 해야 하고, 데이터 관련 기술 개발에도 시간이 필요하며, 데이터 자산의 가치 판단의 어려움은 데이터 가격 형성의 어려움으로 이어져 데이터 유통 및 거래의 막힘을 직접적으로 유발할 수 있습니다.

현재 데이터 자산의 가치 평가에는 많은 어려움이 있습니다:

한편으로 데이터의 가치는 직접 측정하기 어렵습니다. 첫째, 데이터 자체의 관점에서 데이터의 가치를 직접적으로 판단하는 것은 불가능합니다.데이터의 차원이나 볼륨 크기는 데이터 분석에서 데이터의 기여도를 직접적으로 결정할 수 없으며, 데이터 항목 수는 고객 수준 데이터를 측정하는 데 직접적인 역할을 하지만 데이터의 품질을 결정하지는 않습니다. 예를 들어, 데이터 분포가 고르지 않은 비대칭 데이터 세트는 데이터 분석에서 가치가 떨어집니다. 또한 희소 데이터와 같은 문제는 데이터의 양과 수는 많지만 실제 활용에는 큰 도움이 되지 않을 수 있습니다.둘째, 데이터 사용의 관점에서 보면 통계 프레임워크에는 데이터의 정량적 비교를 위한 방법론이 부족합니다.고전적 통계 프레임워크에서는 모델 평가 체계가 더 완벽하고 수많은 모델 평가 지표가 있습니다. 반면, 데이터 품질 평가 지표가 부족하기 때문에 기존 지표 중 일부는 데이터 품질을 측정하는 데 역할을 할 수 없습니다. 분산 인플레이션 계수 (VIF)는 다중 공선성의 특정 데이터 문제에만 해당되며 피셔의 정보 행렬에는 데이터가 매개 변수 추정에 사용할 수있는 정보의 양이 포함되어 있지만 특정 매개 변수 추정에만 해당되며 전체 데이터의 값을 측정 할 수 없으며 딥러닝, 강화 학습 프레임 워크는 데이터 증강 [6] 등의 방법을 사용하여 전체 데이터의 가치를 높일 수 있습니다. 추정에만 사용되며 전체 데이터의 가치를 측정할 수 없고, 딥러닝 및 강화학습 프레임워크는 데이터 증강[6]과 같은 방법을 사용하여 데이터의 양을 늘려 모델 성능을 향상시키며, 데이터 평가 지표가 부족합니다.셋째, 데이터 자산 가치를 통화로 매핑하는 기준 시스템이 부족합니다.데이터 가치에 대한 지표가 있더라도 이를 화폐 측정값에 매핑하는 방법이 기준 시스템에서 지원되지 않는 경우, 즉 데이터 가치 지표와 화폐 지표 간의 연결성이 부족한 경우입니다.

반면, 다양한 가치평가 기법을 통해 간접적으로 데이터 자산을 평가할 경우 당사자 간 공감대를 형성하기 어렵습니다. 첫째, 데이터 공급과 수요 측면에서 보면현재 국내 데이터 거래는 대부분 양자 간 'P2P' 매칭을 기반으로 하고 있으며, 데이터 제공자 입장에서는 자신이 보유한 데이터 자산의 출발점을 표로 삼아 데이터 자산의 가치를 과대평가하는 경향이 있을 수 있습니다. 데이터 사용자의 경우 데이터의 가치는 비즈니스 역량 강화에 반영되며, 데이터 조달 이전에는 데이터의 비즈니스 향상 효과가 불확실성이 높기 때문에 데이터 자산의 가치를 과소평가하는 경향이 있습니다.둘째, 데이터가 사용되는 산업 측면에서 보면 다음과 같습니다.산업별 니즈와 활용 방식이 다르기 때문에 같은 데이터라도 그 부가가치에 대한 인식에 차이가 있을 수 있습니다. 예를 들어, 개인 고객 소비 데이터는 인터넷과 금융 산업에서는 활용 가치가 높은 반면, 전통적인 제조업에서는 활용 가치가 제한적입니다.셋째, 데이터 자산이 생성된 산업 측면에서 보면 다음과 같습니다.데이터 자산은 서로 다른 비용으로 생성됩니다. 이커머스 산업에서 볼 수 있듯이 대량의 사용자 데이터는 비즈니스 운영을 통해 저렴한 비용으로 얻을 수 있는 반면, 지질 탐사나 정부 데이터는 수집과 대조 과정에서 많은 비용이 필요합니다. 또한 원가법과 같은 고전적인 가치 평가 방법은 데이터 자산을 평가할 때 일정한 한계에 직면합니다.

1.3 데이터 자산 회계 처리 원칙

2022년 12월 9일, 재무부(이하 "MOF")는 "기업 데이터 자원 관련 회계 처리에 관한 임시 규정(노출 초안)"(이하 "임시 규정")을 발표했습니다.적용 범위는 기업회계기준서의 관련 규정에 따라 기업이 무형자산이나 재고자산과 같은 자산 범주로 인식하고 있는 데이터 자원과 관련된 회계 처리와 기업이 법적으로 소유하거나 통제하고 있고 기업에 경제적 효익을 가져올 것으로 예상되지만 기업회계기준서의 관련 규정에 따른 자산 인식 조건을 충족하지 않아 자산으로 인식하지 않는 데이터 자원과 관련된 회계 처리를 모두 포함합니다.임시 규정은 이 단계에서 데이터 자원의 회계 처리는 기업 회계 기준에 따라 수행되어야 하며, 회계 목적의 경제적 이익 실현 방식에 따라 "기업 내부 사용 데이터 자원"과 "기업 외부에서 거래되는 데이터 자원"의 두 가지 범주로 더 세분화해야 한다고 명확히 합니다. (b) 기업 내부에서 사용하는 데이터 자원과 기업 외부에서 거래하는 데이터 자원.

기업 내에서 사용되는 데이터 리소스무형자산은 기업회계기준 제6호 무형자산(기업회계기준 [2006] 제3호, 이하 "무형자산기준"이라 함)에 따라 무형자산으로 인식해야 합니다. 취득 방법에 따라 기업이 자체 개발한 무형자산, 외주를 통해 취득한 무형자산, 비화폐성 자산 교환, 채무 구조조정, 정부 보조금, 기업 결합으로 취득한 무형자산 등 기타 수단으로 취득한 무형자산으로 분류할 수 있습니다. 무형자산은 무형자산 기준서[7]에서 물리적 형태가 없는 기업이 소유하거나 통제하는 식별 가능한 비화폐성 자산으로 정의합니다. 무형자산을 인식하기 위해서는 "식별가능성 기준"[8]을 충족하고 "무형자산과 관련된 경제적 효익이 기업에 유입될 가능성이 높으며", "무형자산의 원가를 신뢰성 있게 측정할 수 있어야 한다"고 판단해야 합니다. 무형자산의 원가를 신뢰성 있게 측정할 수 있다"고 판단합니다.

기업의 외부 거래를 위한 데이터 리소스재고는 기업회계기준(ASBE) 제1호 - 재고(차이징 [2006] 제3호, 이하 "재고기준")에 따라 인식하며, 취득 방법에 따라 자체 처리 재고, 위탁 재고, 기타 방법으로 취득한 재고로 분류할 수 있습니다. 재고는 취득 방법에 따라 재고로 인식됩니다. 재고자산은 재고자산 기준서[9]에서 통상적인 영업 과정에서 판매를 위해 보유하고 있는 완제품 또는 상품, 생산 공정에서 진행 중인 작업, 생산 공정 또는 서비스 제공에 소비된 자재 및 소모품으로 정의하고 있습니다. 재고자산을 인식하려면 "재고자산과 관련된 경제적 효익이 기업에 유입될 가능성이 높으며" "재고자산의 원가를 신뢰성 있게 측정할 수 있다"는 판단이 필요합니다.

경과 규정은 데이터 자산에 적용되는 회계 기준을 명시하고 있지만, 데이터 자산의 회계 처리는 데이터 자산의 가치 평가에 대한 여러 적용 시나리오 중 하나에 불과하다는 점에 유의해야 합니다. 데이터 자산의 공정가치 평가는 자산을 표에 입력하는 과정에서 필요한 회계처리 외에도 데이터의 효과적이고 원활한 흐름과 활용을 위해 더 큰 의미가 있으며, 개방적이고 활발한 거래 시장 구축을 위한 필수 조건입니다. 따라서 다음 섹션에서는 데이터 자산의 가치를 인식하는 과정에서 데이터 자산에 대한 다양한 평가 방법의 적용에 대해 중점적으로 설명합니다.

II. 데이터 자산 가치평가 방법 분석

기업회계기준서 제39호 '공정가치 측정'(2014)('AS 39')에 따르면 기업이 관련 자산이나 부채를 공정가치로 측정하기 위해 사용하는 평가 기법에는 주로 시장접근법, 수익접근법, 원가접근법 등이 있습니다. 원가 접근법. 기업은 이러한 평가 기법 중 하나 이상과 일치하는 접근법을 사용하여 공정가치를 측정해야 합니다[10].중국자산평가협회(2020)에 따르면 데이터 자산 가치의 평가 방법에는 원가법, 수익법, 시장법의 세 가지 기본 방법과 그 파생 방법들이 있습니다.데이터 자산 가치평가를 위한 세 가지 기본 방법의 장단점과 실제 적용 사례를 자세히 분석하고, 기본 방법을 바탕으로 데이터 자산 가치평가에 대한 기술적 접근의 발전 방향을 제안합니다.