［提要］　本文以中国知网（CNKI）为数据来源，运用CiteSpace文献计量软件对数据资产评估文献进行可视化分析，由此得到结论：（1）中国的数据资产评估研究正处于爆发期，领域内百花齐放、百家争鸣；（2）数据资产评估的理论及管理研究早于实证评估研究，研究热点分散且时间较短；（3）数据资产评估的应用研究相对薄弱，评估方法仍有改进空间。因此，未来可以从加强学术交流、深化不同行业的应用研究、优化交叉学科的评估方法模型三个方面进行改善和发力。

关键词：CiteSpace；数据资产评估；可视化分析

基金项目：广西博士硕士研究生创新项目省部级课题（项目编号：YCSW2021300）。通讯作者：袁中华

中图分类号：F275；F49 文献标识码：A

收录日期：2022年11月16日

随着互联网不断发展，数据资产得到广泛重视。早在2015年，国务院便颁发《促进大数据发展行动纲要》，旨在打造全国健全的大数据产品体系，从国家层面明确数据资源在未来战略性竞争中的重要地位，整体核心便是将数据资产确定为战略性资源，并围绕着数据资源开展系列工作。由此可以说明，无论是在国内还是国外，数据资源都将成为影响各国发展的关键性资源。我们正处于WEB2.0时代，已然被数据包围，因此对数据资产属性、价值的研究具有较强的现实意义。

一、数据来源及获取

（一）可视化研究方法。CiteSpace是一款专业用于分析学术发展趋势和动态的文献计量工具，由美国陈超美于2014年开发。该软件在可视化分析方面功能强大，自定义能力强，常被学者用于从事某领域研究时，将相关文献进行共被引分析、耦合网络分析、时序分析等。

（二）数据来源。本文研究数据主要来自中国知网（CNKI），为了更好地展现数据资产评估领域的学术成果，将检索范围的主题关键词设定为：“数据资产评估” “数据资产价值” “数据资产定价” “数据资产估值” “数据资产价格”。时区上，为了扩大时间溯源，更好地展现数据资产评估研究的起始与发展，检索年份设定为：1994～2022年。

检索策略：主题=数据资产评估or主题=数据资产评估OR主题=数据资产价值or主题=数据资产价值OR主题=数据资产定价or主题=数据资产定价OR主题=数据资产估值or主题=数据资产估值OR主题=数据资产价格or主题=数据资产价格AND年Between （1994，2022 ） （模糊匹配）

检索结果总共158条，对结果进行人为排除法，合理剔除学术会议论文、无作者论文、会议纪要等与数据资产评估并无联系的论文，最后得到有效检索文献148篇，且最早的文献发表于2012年。

二、数据资产评估研究规模及合作网络分析

（一）时间分布特征。通过借助CNKI数据库检索而得的148篇文献，将其导出XLS格式对期刊发表时间进行绘制时间序列趋势图，详情如图1所示。（图1）

图1的数据显示，关于数据资产评估的文献最早出现于2012年，查阅数据库得知，2012年的2篇文献大致阐述了数据资产评估的框架体系，但未对具体评估方法进行深入研究。其实早在2002年中国已有学者提出了数据资产的概念，但其研究的侧重点是数据资产的管理与应用，对数据资产价值评估的研究远远晚于数据资产管理的研究。

因此，从时间序列分布上，可以将数据资产评估的研究分为三个阶段：第一阶段为2012年以前，学术界对于数据资产评估研究接近为0，属于数据资产评估研究的沉默期；第二阶段为2012～2019年，其中2012～2014年仅有零星的有关数据资产评估的研究，从2015年开始，数据资产评估的发文量开始呈现出明显上升趋势，学术界开始关注数据资产评估的研究，此阶段为数据资产评估研究的启蒙期；第三阶段为2020年至今，从2020年开始，数据资产评估研究发文量开始大幅度增长，此阶段为数据资产评估研究的爆发期，此时学术界对于数据资产评估的研究呈现出欣欣向荣的景象。

（二）发文机构及合作网络分析。对于文献发文机构及合作网络的可视化分析采用CiteSpace6.1 R2最新版本计量软件，在CiteSpace面板选择2012～2022年为时间区间，设置1年的Year PerSlice，Node Types选择Institution（机构），并将其top N选择“50”。完成以上的参数设置后，即可进行可视化计量分析。

其中，可视化图谱网络的节点N=177，E连线数量=78，网络密度为0.005。

数据资产评估的发文机构之间的整体联系如图2所示，发文机构之间的联系较弱，没有联系特别紧密的发文机构，因此机构之间的学术交流需要进一步增强。机构间联系不紧密的主要原因是，当时的数据资产处于起步阶段，研究热度不高，交流过少。（图2）

由表1可以得到大部分的发文机构呈现出相对均衡状态，没有出现“一超多强”的发文机构。其中，“国家电网公司运营检测中心” “中国人民大学统计学院” “上海财经大学浙江学院” “上海计算机软件技术开发中心”四者的发文数量都是3篇，并列第一。而对数据资产评估的研究，学科院校和研究中心的分布趋势呈现1.2∶1的状态，对于数据资产评估的二级研究机构更多的是在“经济与管理学院”或者“统计、会计学院”。从地域上看，发文机构和合作网络呈现特别强的地域特色，集中在东部地区，西部、南部的机构甚少。（表1）

（三）发文作者及合作网络分析。发文作者及合作网络的可视化可以更好地展现当前学术界中核心的研究人群及合作关系。在CiteSpace面板中的其他设定不变，只将Node Types选择Author（作者），即可进行可视化计量分析。

参与数据资产评估网络的节点N=290，E=281，其网络密度为0.0067。

由图3及上文得知，数据资产评估研究中虽然不同机构之间联系较弱，但学者之间存在较强的合作联系。例如，其中出现频次最多的作者左文进与作者刘丽君在两篇文章上均为合作关系；作者纪婷婷与作者戴炳荣也同在两篇文章上均为合作关系。（图3、表2）

三、基于关键词共现的数据资产评估研究情况分析

（一）研究动态分析。通过关键词可以大致了解一篇文献的脉络及框架，也是论文主题的凝练。因此，对关键词进行可视化分析可以充分了解该领域近期高频热点。利用CiteSpace，对其Node Types选择keyword进行数据梳理。

分析数据资产评估关键词的共现网络节点为202，连线数量为468，表明关键词之间的联系愈发紧密，其网络密度为0.0231。

由图4和表3得知，数据资产评估研究领域中最高频的关键词是“数据资产”，其次是“数据价值” “大数据” “价值评估” “数字经济”等词语。除了高频关键词之外，围绕共现网络的关键词还有“数据定价”“数据资源” “数据平台” “产权主体”等，说明在研究数据资产评估中，学者同样重视数据资产的产权及属性问题，其对数据资产价值有着重要影响。（图4、表3）

同时，“数据治理” “云计算” “监测体系”等网络节点keyword则更好地说明了研究数据资产价值与数据资产的管理和应用联系紧密，数据资产的研究内容逐渐深化。“数据治理” “数据交易” “数据安全”等关键词明显侧重于研究数据资产的进一步应用，学术界的研究角度呈现愈发多样化。

（二）阶段性引用关键词突现研究分析。CiteSpac将这种突变关键词视为一种可用来度量更深层变化的手段，主要将文献数据分作两种变量：（1）施引文献所用的单词或短语的频次；（2）被引文献所得到的引文频次。意义在于表示不同时间段对于学术研究的主题可能会发生变化，可以看出研究前沿性差异。运用CiteSpace对前文数据的keyword进行处理，点击Control Panel面板，进入Burstness指令，进行Refresh。

设置参数γ=0.3，最小年份切片为1，此次突现共输出9个突现引用关键词。首先，突现强度最强的关键词是“大数据”，Strength=2.86，最早出现于2015年，到2018年逐渐失去热度。其原因是2015年正是大数据时代的高峰点，那时大数据正是整个学术界和科学界的热点。而近几年出现的关键词“数据定价” “会计确认” “数据资源” “数据治理”均突现时间到2022年，表明这四个关键词是近期较为前沿的研究热点。其次，9个引用关键词的突现持续时间都较短，最短则1年以内。而突现关键词的强度也呈现较低的状态，表明数据资产评估研究在时间跨度中研究发文量较少，且未出现特别大型的发文“羊群效应”。因此，数据资产评估研究领域热点更换较频繁，研究热点持续时间短且研究分散。（图5）

（三）关键词时区特征分析。时区特征可以更好地向我们展示关键词与时间的关系，因此结合时间与数据资产评估keyword进行关键词时区特征分析。利用CiteSpace的Layout指令选择TimeLine View，选择依聚类Title展示，得出图6。（图6）

由图6所示，展示了7个时间轴，依次对应7个聚类网络。

时区特征上，“数据资产” “消费者”关键词的持续时间最长，从2012～2022年一直存在。“评估模型” “数据库价值”的关键词最早出现在2015年，正好对应数据资产评估研究的上升期；崭露新苗的“量化指标” “价值评估”关键词都在2015年开始至今，目前依旧是数据资产评估研究的热点话题。

评估方法上，针对“市场法”的研究始于2017年，而新式的评估方法主要有“模糊数字” “竞价机制” “转让定价” “竞价博弈” “会计确认”等。其中，“模糊数字” “层次分析”的研究学者是对数据资产进行主观性评估；“竞价机制”和“竞价博弈”则有学者开始从交易价格层面去评估数据资产的价值；“会计确认”则是学者通过会计计量层面去计算数据资产存在的收益价值。近几年对数据资产评估方法的研究逐渐增多，早些年侧重于理论评估和管理。

（四）关键词聚类分析。为了更直观地反映文献热点，利用CiteSpace的聚类算法对数据库进行聚类分析，其聚类算法我们使用LLR算法，得到表4、图7。（表4、图7）

聚类结果的Weighted Mean Silhouette值表示为平均轮廓值，一般认为S>0.5，则聚类合理。同时，将Modularity Q表示为模块值，一般认为Q>0.3，即聚类结构清晰。因此，根据表4的Q值和S值，我们可以认定该聚类结果可信且合理，聚类具体结果如表5所示。（表5）

第一聚类是价值评估，其关键词包括了“层次分析”“数据资产”“数据质量”等。数据资产的价值评估模型一直都是研究的热点，因此该聚类范围最大，链接的关键词最多。依据CiteSpace输出的报告，该聚类的文献中对价值评估的方法主要分为三类：（1）对数据资产特征维度提出评估模型，徐岚珊和郭树行（2020）从数据治理的资产质量角度提出定性评估模型——数据质量评估框架（DQAF）；（2）对数据资产主观评价结合传统方法，吴江等（2021）就层次分析法结合FCE法对铁路行业的数据资产进行尝试评估；（3）基于机器学习的评估方法，郑奇等（2020）对工业大数据资产的价值提出了向量机算法结合传统实物期权法进行评估。

上述方法虽对数据资产评估方法都有所改进，但依然存在局限性，最主要的是，缺乏研究的数量积累和模型创新。从特征维度定性评估的模型，容易缺乏数据支撑；从主观评价评估的模型，评估结果容易缺乏客观性；而对机器学习结合的评估模型目前的研究量较少，且不适用所有数据资产。

第二聚类是大数据，主要包含“资产评估” “金融数据资产” “数据体系”等关键词。该聚类下，大多数学者是在探讨时代下的大数据资产价值，以理论型的评估论述为主，也为诸多学者提供了数据资产体系上的启蒙作用，但未对数据资产价值评估的体系深入研究。

第三类与第四类分别是数据治理和数据资产管理，其实两者包含的文献较为接近，围绕数据资产的重要性和应用研究为主，探讨了数据资产价值和资产要素对企业的重要性。朱泽等（2021）对政府的数据资产管理提出了仿真型的价值评估模型，以此来帮助政府在数据治理的过程中有效掌握数据资产的价值情况。李源等（2021）则基于区块链的数据从数据确权和数据交易等交互关系，重新对数据资产的价值进行确认，并提出了较为新颖的交易探索性设计。刘阿千（2020）同样也对区块链技术下数据资产交易体系的构建重新确认数据资产价值。但上述应用研究中，具备不适用性的特点，未对具体行业数据资产的应用进行探讨，中国各行各业的数据资产表现及存储形式均存在差异，以上研究主要侧重点在于政府的数据资产应用研究，研究剖面窄。

第五类是数字经济，主要包含“估值” “计量” “空间治理”等关键词。其中，王乐（2020）主要基于数字经济背景下，研究数据资产计量方法之间的关系，并加以评述，为企业和会计信息使用者在数据资产确认上得到启发。此外，韩海庭等（2019）认为数字经济的核心在于数字资产确权、定价和交易机制设计。

第六类是定价机制。大多数学者研究的是“机制”的问题，提出数据资产价格发现、公共数据定价等概念。祖广政和朱冬元（2022）以数据资产在国民经济转型中的重要作用为题，提出模糊数学理论结合B-S模型的数据资产新型定价模型。

第七类和第八类的聚类数量较少，主要都是从会计角度和信息管理的角度来对数据资产评估进行研究。如，刘国英和周冬华（2021）基于IASB《财务报告概念框架》开展数据资产准则研究，从数据资产的不同特征维度，不同企业业务模式下的资产分类、计量和列报与披露，提出两种数据资产报告来推动数据资产价值评估研究。黄海（2021）则对数据资产现状进行研究，分析了评估数据资产的重要性，推动数据资产的会计评估和确认。

四、结论与展望

本文基于CNKI数据库，运用CiteSpace总结分析中国国内对数据资产评估的研究发展动态和前沿热点，得出以下结论：（一）中国学者研究数据资产评估起步较晚，目前正处于爆发期。而且发文机构之间联系较稀疏，发文作者之间却呈现较紧密的合作关系，中国国内没有形成较集中的研究团队核心，领域内百花齐放、百家争鸣。（二）中国数据资产评估的理论及管理研究早于实证评估研究，且以往学者的研究热点呈现两个特征：（1）热点研究较分散，发文量小；（2）持续时间较短。（三）数据资产评估模型及方法呈现多样化和综合性，但依然存在局限性，缺乏对数据资产价值精准评估的模型方法。而数据资产应用研究着眼点在于政府治理，对行业应用研究不够深入。因此，现阶段数据资产评估研究点主要在于：应用研究上相对薄弱，评估方法仍有改进空间。

当前，中国产业面临着数字化转型，为了促进各行各业的数字化转型，数据资产的重要性不言而喻。为推动产业加快转型、释放数据资产红利，对数据资产评估研究将是当前亟待完善的领域。因此，本文认为未来可以从以下三个方面进行改善和发力：第一，促进数据资产评估的学术交流。数据资产评估处于爆发期，需要大量学者对该领域进行研究和探讨，从中取其精华，在传统的基础上再创新。因此，促进学者、机构之间更多的学术交流，可以使数据资产评估的研究深度更进一步，提升研究创新度。第二，深化数据资产评估的应用研究。数据资产作为一种特殊的无形资产，在各行各业的表现形式均存在不同，具体问题具体分析，面向不同行业施以不同的研究角度、体系、方法，为数据资产评估的应用研究领域进行有益的补充。第三，优化数据资产评估模型方法。目前，从数据资产评估的体系、理论、特征等方面构建的理论体系已经有诸多学者付诸行动，但因数据资产的属性而注定难以进行实践评估。所以，除了考虑对当前传统评估模型进行修正之外，还可以考虑与其他学科的交叉融合，不单单局限在金融经济、会计财管领域进行研究，还可以与计算机、信息管理和社会行为学等学科进行融合。采用机器学习、深度学习或者人工信息模型对数据资产评估模型、指标进行优化。相信在未来，学科交叉融合也将会是各个研究领域和实践领域的重点。

（作者单位：1.广西科技大学经济与管理学院；2.香港大学经管学院）

主要参考文献：

［1］Richard E.Peterson.A CROSS SECTION STUDY OF THE DEMAND FOR MONEY：THE UNITED STATES，1960-1962［J］.The Journal of Finance，1974.29（01）.

［2］赵丽，李杰.大数据资产定价研究——基于讨价还价模型的分析［J］.价格理论与实践，2020（08）.

［3］张俊瑞，危雁麟，宋晓悦.企业数据资产的会计处理及信息列报研究［J］.会计与经济研究，2020.34（03）.

［4］陈江宁.工业互联网驱动下的数字资产优化配置［J］.中国发展观察，2020（24）.

［5］李东旭，陈富桥.基于CiteSpace文献计量分析的中国茶产业经济研究现状与展望［J］.华中农业大学学报（自然科学版），2022（05）.

［6］祝子丽，倪杉.数据资产管理研究脉络及展望——基于CNKI 2002-2017年研究文献的分析［J］.湖南财政经济学院学报，2018（06）.

［7］郑海平.数据资产价值评估方法研究综述［J］.广西质量监督导报，2021（06）.

［8］陆岷峰，欧阳文杰.关于新时期数据资产要素市场化的目标、原则及路径的研究——以商业银行数据资产为例［J］.新疆社会科学，2022.

［9］武静，刘嘉聪.基于Citespace的可视化分析：可持续城市［J］.智能建筑与智慧城市，2022（04）.

［10］王行健，贾翔夫.“双碳”背景下的金融可持续发展——基于CiteSpace的知识图谱分析［J］.管理现代化，2022.42（02）.

［11］刘国兵，常芳玲.基于CiteSpace的国内语料库翻译学研究知识图谱分析［J］.河南师范大学学报（自然科学版），2018.46（06）.

［12］胡莉娜，张江峰，邢菁.绿色经济效率国内外研究热点及演进趋势——基于CiteSpace的可视化分析［J］.商业经济研究，2022（04）.

［13］孔维伟，李家艺.智能财务研究热点与发展趋势——基于CiteSpace的可视化分析［J］.财会通讯，2022（10）.

［14］徐岚珊，郭树行.面向数据治理的数据资产质量评估模型研究［J］.科技资讯，2020.18（03）.

［15］吴江，马小宁，邹丹，孙思齐，王沛然.基于AHP-FCE的铁路数据资产价值评估方法［J］.铁道运输与经济，2021.43（12）.

［16］郑奇，李凤岐，李原，邹彦纯，朱洪明.基于支持向量机和实物期权法的工业大数据资产价值研究［J］.新型工业化，2020.10（05）.

［17］朱泽，段尧清，何丹.面向政府数据治理的数据资产价值系统仿真评估［J］.图书馆论坛，2021.41（06）.

［18］李源，高宁，孙晶，赵会群.基于区块链的大数据交易模式研究与探索［J］.大数据，2021.07（04）.

［19］刘阿千.基于区块链技术的数据资产交易体系构建探讨［J］.财会通讯，2020（03）.

［20］王乐.企业自创数字资产的确认与计量方法研究［J］.企业改革与管理，2020（08）.

［21］韩海庭，原琳琳，李祥锐，屈秀伟，孙圣力.数字经济中的数据资产化问题研究［J］.征信，2019.37（04）.

［22］祖广政，朱冬元.基于模糊数学理论改进B-S模型的数据资产定价模型［J］.中国资产评估，2022（03）.

［23］刘国英，周冬华.IASB概念框架下数据资产准则研究［J］.财会月刊，2021（21）.

［24］黄海.会计信息化下的数据资产化现状及完善路径［J］.企业经济，2021.40（07）.

［25］王蕾，李春波.数据资产及其价值评估方法：研究综述与展望［J］.中国资产评估，2022（07）.