摘要：数据已成为企业生产经营中的新型生产要素和战略资源，但数据资产价值如何合理估算仍是数字经济和实体经济融合发展中面临的难题。本篇文章通过讨论数据资产的概念和分类，梳理主要的数据资产估值方法，分析各估值方法在各类应用场景下的适用性。最终得出结论：内部使用的数据资产适合用成本法进行估值；授予使用权的数据资产适合用收益法进行估值；转移所有权的数据资产适合用市场法进行估值。凯时app下载
近年来，数据要素已经全面融入生产、消费、流通等各环节。深度挖掘数据要素价值，持续完善数据要素市场化配置，是促进数字经济和实体经济融合发展，推动中国式现代化的关键动力。然而，数据作为第五大生产要素，与土地、劳动力、资本和技术一样，在成为主要生产要素之初都面临着价值核算的难题。要进一步激发数据要素支持经济增长的动能，必须解决数据估值问题。因此，在数字经济时代，科学、合理地界定数据资产的概念，厘清数据资产的估值思路，对加快数据要素融入生产函数，提高新质生产力极为关键。
学术界针对数据、数据要素、数据资源和数据资产的概念已有较丰富的研究成果，但关于数据估值方法的研究略显匮乏。目前，关于数据资产价值统计核算的研究主要分为两类：第一类是将数据资产纳入国民经济核算，但学者们对于数据资产是生产资产还是非生产资产尚未达成共识，在进行GDP核算时，分别将数据资产作为生产资产和非生产资产，发现其核算结果差异巨大。第二类是针对统计核算中的经典估值方法进行研究。按照SNA估值的一般原则，应当优先使用市场价格进行估值，但由于现阶段数据资产的市场交易案例不足，使用市场法缺乏可参考的市场价格，因此各类文献对市场法估值的研究较少，主要探讨了成本法和收益法的适用性，大部分研究止于理论分析阶段，仅个别文献分析了数据资产估值的具体思路。
总而言之，关于数据资产价值核算的既有研究尚处于初步探索阶段，且更侧重于宏观层面，对企业层面数据资产估值方法的研究大多只关注单一方法的使用，关于数据资产分类估值的研究略显不足。鉴于此，本文聚焦于微观视角，通过研究企业数据资产的概念及特征、数据资产的分类和估值方法，以及估值方法的适用性等，进一步解析企业数据资产估值问题。本文可能的边际贡献主要体现在两个方面：第一，剖析不同应用场景下数据资产产生价值的内在机理，并以此为依据对数据资产进行分类，拓宽了数据资产价值核算的研究视角；第二，从数据资产估值方法的估值原理入手，将不同估值方法的适用性与各类数据资产产生价值的内在机理相匹配，为数据资产估值实践提供了一定的思路。
对于数据资产的概念，现有研究多从会计和统计核算的角度进行了探索，主要有三种观点。其一，从数据自身属性角度，将数据资产视为一种能够为企业带来经济利益的，有价值、可计量、可读取的数据资源。数据资产是存在于网络空间中的数据集，且拥有勘探权、使用权、所有权等数据权属。其二，就数据资产的会计确认标准而言，数据资产定义侧重于明确数据可以被确认为资产的必要条件。首先，数据的经济所有权的权属要明晰；其次，数据能为其经济所有者带来收益；最后，数据的成本和未来收益可以被衡量，数据资产是一种数字化资产，必须经过会计程序确认和计量才能最终报告。其三，从国民经济核算角度，数据资产是在生产过程中被反复或连续使用超过一年且具有确定的应用场景的数据，或者被视为由经济主体在生产活动中使用或持有至少一年并因此获利的数据。此外，不同组织定义数据资产时在数据的使用寿命标准上有所不同。加拿大统计局认为数据的使用时长是否超过一年是数据是否可以被视为资产的重要判断标准，其指出大部分数据最后都形成了资本，而形成中间投入和最终消费的占比较低；但根据国际货币基金组织的观点，即使使用寿命不超过一年的数据，也会对GDP产生影响，因此可被视为资产计入资本形成总额，可以将满足条件的该类数据确认为新型存货。
综上所述，虽然现有研究关于数据资产的概念尚未形成共识，但均认为数据资产有明确的所有权，且具备收益性，因此毋庸置疑地属于经济资产，应该将其作为资产并进行准确估值。本文在此基础上，结合数据资产的应用场景和数据价值创造过程，将数据资产定义为：在应用场景中，企业拥有或控制的预期会创造价值并连续使用一年以上的数据。这个定义包括以下含义：一是应用场景方面，数据必须经过收集、存储、分析这一系列过程，并最终应用于特定的场景，才能产生增值；二是由企业拥有或控制，强调了数据的权属问题；三是使用时长方面，根据加拿大统计局关于使用时长的判定标准，使用时长超过一年的数据才可以视作资产。
根据数据资产的概念，数据资产具有资产的普遍特征，比如收益性和流动性。但是与传统的资产相比，数据资产还有其独特性，主要表现在以下三个方面。
第一，非实物性。数据资产是无实物形态的，该特征是其与传统资产的最本质区别。非实物性不仅提升了数据资产存储、传输和处理的效率，而且降低了数据资产交易时所受的地理位置限制，从而提升了企业价值。非实物性也意味着数据资产不具备物理形态，因此传统的实物估值方法往往难以直接应用于数据资产。
第二，非消耗性。数据资产不会因为被使用而产生损耗，反而有可能随着被使用而产生更大的价值。数据资产的非消耗性特征主要体现在其可被重复使用上。与实物资产不同，数据资产的使用不会导致其价值降低。相反，数据资产可以通过复制、备份等方式被反复使用，甚至可以在不同的场景和目的下被多次使用。这种重复使用使得数据资产具有极高的效率和价值，但也给数据资产的估值带来挑战。
第三，非竞争性。数据资产的非竞争性也可以称为非排他性，是指多个用户或实体可以同时访问和使用同一份数据资产，不会相互干扰或产生冲突。数据资产可以被无限制地复制和共享，而不会减少其原始数量或质量，这意味着多个用户可以在互不干扰的情况下同时使用同一份数据。这种非竞争性使得数据资产可以同时为多方提供价值，但也同样为数据资产的估值增加了难度。
数据资产的分类方式有很多，现有研究一般都是按照数据的不同分类标准对数据资产进行分类。经济合作与发展组织将数据分为个人数据和机构数据两大类。我国学者按照数据的用途，将数据划分为自用数据、市场化数据、公益性数据三种类型；按照数据的来源，将数据划分为内部数据和外部数据；按照数据的权属主体，将数据划分为企业数据、政府数据和个人数据；按照数据的获取方式,将数据分为从外部购入的数据、从外部免费获取的数据、以易货交易形式获取的数据、来自单位内部的数据。
合理的数据分类将简化数据资产的统计识别工作，相比从数据的角度对数据资产进行分类，在数据资产估值时从资产应用的角度对数据资产进行分类更为合适。资产的应用场景不同，给企业创造的价值就不同。比如，一艘轮船，对于船舶制造企业而言是商品，企业通过出售轮船获取利润，为企业带来价值增长；对于航运企业而言是固定资产，企业通过运输货物获取利润，为企业带来价值增长。数据资产的价值和应用场景紧密相关，在不同的应用场景中，影响价值的因素不尽相同，价值也就因此不同。在不同的条件下，数据的报酬性质是不同的，因此数据要素报酬是递增的还是递减的要根据具体情境具体分析。在进行数据资产价值评估时，应该按照数据资产的应用场景对其进行分类。而数据的应用场景又取决于商业模式，厘清数据在不同商业模式下产生的价值的区别，有助于更准确地进行数据资产价值的评估。
马克思认为，如果生产者只是用自己的产品来满足自己的需要，那么产品就仅体现出使用价值，不是商品。成为商品的前提是产品必须能通过交换，转到能使用它的人手里。数据资产的类型也可以按照此逻辑大致地分为自用型数据资产和交换型数据资产。黄世忠等（2023）在进行数据资产分类时，将外部出售模式按照是否转移数据所有权进行细分。参考这种分类方法，可以将交换型数据资产进一步分为转移所有权的数据资产和授予使用权的数据资产。结合上述分析，根据不同应用场景下数据资产价值实现方式的不同，将数据资产分为三类，分别是内部使用的数据资产、转移所有权的数据资产和授予使用权的数据资产，如图1所示。
企业内部使用的数据资产，通常是间接为企业创造价值，其价值体现为使用价值。有研究认为，数据不一定直接产生货币价值，也可以通过提升产品和服务质量产生“非货币交易”的综合价值。此外，数据可以通过反映现实信息、提高决策水平、优化企业管理、提高生产效率、降低企业风险等途径为企业管理决策提供信息。显然，对于以内部使用数据资产为商业模式的企业而言，数据资产并非企业直接生产的商品，也不作为商品被销售，而是通过使用数据来产生价值，交易性较差。对于同样的数据资产，使用数据的程度（劳动力）差异和使用数据的技巧（技术）差异都会导致数据资产为企业创造的实际价值不同，产生的收益通常难以确定。
企业转移所有权的数据资产，在对外进行交换时直接产生价值。它为企业带来的价值增长仅在企业对外交换所有权时发生，通常是一次性的。《中央 国务院关于构建数据基础制度更好发挥数据要素作用的意见》虽然强调了数据的使用权，淡化了数据所有权的概念，但这一举措是为了避免“反公地悲剧”，即主要针对产权不明的数据而言。数据一旦满足数据资产的概念，即被企业拥有和控制，那么它的所有权就归属于企业。因此，对数据资产的所有权进行交易是切实可行的。现实中，许多企业也正是这样做的，比如益普索、零点咨询等公司，通过为客户提供个性化定制的数据产品来获得收益。
企业授予使用权的数据资产，也是在对外交换时直接产生价值。但其为企业带来的价值增长是多次的，企业可以按照数据资产的使用时间、使用人数、使用次数等标准向相同或者不同的交易方授予数据使用权，并且在持续获得收益的同时并没有失去数据资产的所有权。大部分互联网公司都是以授予客户数据资产使用权为商业模式的。
成本法是先估算被评估数据资产的重置成本，再扣除各项贬值后确定该数据资产价值的一种方法。这种方法的估值思路是，购买者的支付价格不会高于重新构建某项数据资产的成本。重新构建资产时，除了重置成本还需要考虑资产贬值情况，比如实体性贬值、功能性贬值和经济性贬值。由于数据资产的非实物性特征，数据资产的贬值不包括实体性贬值。因此，根据《资产评估专家指引第9号——数据资产评估》，数据资产价值计算的成本法基本公式为：
数据资产的重置成本是指在当前市场条件下获取相同数据资产所需的现金或现金等价物的金额。在成本法中，需要根据数据资产形成过程的特点，分阶段计算数据资产的重置成本。数据形成数据资产要经历数据收集、数据存储、数据分析和数据应用的过程。数据收集阶段可能产生的重置成本有市场调查费、访谈费、采集数据的劳务费、使用设备的租赁费、外购数据的费用等。数据存储阶段可能产生的成本有计算机购置费用、购买存储硬盘和云盘的费用等。数据分析阶段可能产生的成本有软件使用费、软件购置费、分析人员的劳务费等。数据应用阶段的费用跟实际的应用场景有关，比如企业根据前三个阶段得到的数据分析结果向客户精准投放广告，那么产生的费用就是广告费。
数据资产的功能性贬值指的是在使用数据资产期间，由于新技术运用和新数据的产生，使得企业原有数据资产与社会上普遍运用的数据资产相比而言较为落后，其价值也就相应减少。对资产的功能性贬值进行衡量的方法主要有两种：一是超额投资成本法，该方法的重点在于计算按原步骤重新构建被评估资产和取得一个与被评估资产相同功能的新资产之间的成本差异；二是超额营运成本法，该方法的重点在于被评估资产与全新资产相比，功能方面的差异造成的成本增加和效益降低。对数据资产估值时，更适合采用超额投资成本法计算数据资产的功能性贬值，基本公式为：
式（2）中，复原重置成本是运用与被评估数据资产相同的数据收集、存储、分析和应用流程，以现行价格水平重新构建与被评估数据资产相同的全新数据资产所发生的成本；更新重置成本是指采用与被评估数据资产并不完全相同的数据收集、存储、分析和应用流程，以现行价格水平构建与被评估数据资产具有同等功能的全新数据资产所需的成本。
资产的经济性贬值指的是企业生产产品的市场需求下降、行业生产能力过剩或者原材料断供等外部环境变化造成的经济效益下降，从而导致的贬值。这类贬值的程度取决于企业产品生产和销售的情况。因此，数据资产若直接用于企业的生产和销售，则需要计算经济性贬值；若只是为企业的内部决策提供信息，不直接与产品的生产和销售一一对应，则可以不计算经济性贬值。
收益法是指在确定数据资产未来应用场景的前提下，对数据资产产生的预期经济收益进行折现，以核算其合理价值的方法。收益法的评估思路是，购买者的支付价格不会高于数据资产未来持有期产生的预期收益。
根据《资产评估专家指引第9号——数据资产评估》，收益法估值的基本计算公式为：
其中，P 为评估值，Ft 为数据资产未来第 t 个收益期的收益额，n 为剩余经济寿命期，t 为未来第 t 年，i 为折现率。
第一步，必须区分数据资产和其他资产所带来的收益，确定收益期限内数据资产未来各期的收益额。对于帮助其他资产产生价值的数据资产，无法直接单独计算该类资产产生的收益，使用剩余法能够更合理地对其价值进行评估。剩余法的原理是用企业自由现金流量扣除数据资产外的其他各类资产收益贡献值的余额作为数据资产收益额。参考陈芳和余谦（2021）的方法，基于剩余法的多期超额收益模型如下：
其中，E 为企业自由现金流，Ec 为流动资产的收益贡献值，Ef 为固定资产的收益贡献值，Ei 为无形资产的收益贡献值。
对于可以有效与其他资产收益进行区分的数据资产，则可以直接根据未来收益确定现金流。而且由于数据资产具有非竞争性，当使用收益法对数据资产估价时，会发现数据资产的使用者越多，能创造的预期收益就越大，未来收益的净现值也就越大。由于数据资产的非实物性、非消耗性和非竞争性特征，一项数据资产可以同时供无限多个使用者使用，比如同花顺、百度、中国知网、腾讯等企业通过授予数据使用权提供数据服务来获得收益，在这种商业模式下，数据资产的使用者越多，获得的收益越大。
第二步，需要综合考虑法律保护期、相关合同协议期、数据资产的生成时间、数据资产的更新时间、数据资产的时效性、数据资产的权利状态等因素来确定收益期。
第三步，数据资产折现率的计算可采用风险累加法，即在无风险收益率的基础上加上风险收益率。另外，也可以根据综合资本成本进行适当调整，如使用收益率拆分法来分离数据资产的折现率。
市场法是根据市场上相同或相似数据资产的近期交易价格估算目标数据资产价值的一种估值方法。市场法的评估思路是，购买者的支付价格不会高于市场上相同或相似数据资产的价格。根据《资产评估专家指引第 9 号——数据资产评估》，利用市场法进行数据资产估值时，通过式（5）中的修正系数来修正所评估数据资产的价值：
数据资产的价值=可比案例数据资产的价值×技术修正系数×价值密度修正系数×期日修正系数×容量修正系数×其他修正系数 （5）
式（5）中“可比案例”的选择极为重要，必须在全面了解目标数据资产各类特征的基础上，寻找与其数据类型、数据用途相似，并且交易时间、交易条件相近的交易案例。市场上数据资产的交易越公开、越活跃，可比案例的选择就越合理。
由于选择的可比案例数据资产不可能在各方面都与目标数据资产相一致，因此，还需要进一步对二者的差异进行量化，并对目标数据资产的价值进行调整。一般而言，可比案例数据资产和目标数据资产可能会在技术、价值密度、期日、容量等方面存在差异。
技术带来的数据资产价值差异主要受到数据获取、数据存储、数据加工、数据挖掘等环节技术因素的影响，通过技术修正系数进行调整。价值密度带来的数据资产价值差异是指可比案例数据资产和目标数据资产的有效数据占总体数据的比重不同带来的资产价值差异，通过价值密度修正系数进行调整。期日带来的数据资产价值差异是由评估日期和可比案例交易日期的差异带来的，通过期日修正系数进行调整。容量价值差异是由可比案例数据资产和目标数据资产的容量大小不同带来的数据资产价值差异，通过容量修正系数进行调整。实际评估中遇到的其他差异通过其他差异系数进行调整。上述修正系数可以参考刘琦等（2016）的方法进行计算。
SNA2008建议使用成本法对最终被自己使用的产出进行估值。该方法作为无形资产价值核算的经典方法，在无形资产核算研究中得到了广泛应用。并且 SNA2008建议，用成本法估算不可出售的数据库资产，用市场价格估算可供出售的数据库资产。《知识产权产品资本测度手册》建议使用成本法对自给型软件、数据库等知识产权产品进行估值。《资产评估专家指引第9号——数据资产评估》在对比了市场法、收益法和成本法各自的优势和劣势及适用性之后明确指出，目前我国正处于数据资产市场建设的初期，交易透明度和信息披露制度还需要时间来完善，部分数据资产在企业运营中尚未形成直接利润，需要做大量的市场调研和实践检验才能进行利润预测。考虑到上述情形，对收益性和交易性较好的数据资产应该使用收益法和市场法进行估值，其余数据资产的估值通常使用成本法。
由于成本法适用于难以计算资产未来收益或不易寻找市场参照物的情况，而根据本文对数据资产的分类，企业内部使用的数据资产交易性较差且收益难以确定,因此，建议采用成本法对内部使用的数据资产进行估值。
收益法为数据资产估值的最佳方式。凯时app下载从理论上讲，收益法能恰当地体现数据资产“预期会创造价值并连续使用一年以上”这一概念，能较直观地反映数据资产的经济价值，容易被买卖双方所接受。而且比起成本法和市场法，使用收益法估值才能体现出数据资产价值随使用者数量增加而增加，能更好地体现数据资产的非消耗性和非竞争性特征。但是，收益法在数据资产估值时的使用效果如何，取决于数据资产的预期收益是否可以被有效预测，数据资产的使用期限是否可以被合理确定，以及数据资产折现率是否可以被准确测算。因此，如果可以清晰地确定一项数据资产的预期收益、使用期限和折现率，那么使用收益法对其进行估值就可以得到较为准确的结果。反之，那么收益法不适用于这项数据资产的估值。
根据本文对数据资产的分类，对于企业授予使用权的数据资产，该类资产的使用期限和使用收益可以在企业和交易方发生交易时通过签订合同予以确定。部分企业为了提高交易效率，按照使用时间、使用人数、使用次数等标准制定标准化合同，这也为收益法的使用提供了便利。因此，对于授予使用权的数据资产，使用收益法对其估值较为恰当。
从现实情况来讲，目前数据市场的交易规则尚未明确，数据交易的相关法律尚未完善，交易型数据资产仅占少数，绝大多数数据资产仍是自给型，凯时app下载数据资产的市场法使用并不普遍。但是，市场法的使用和市场的公开活跃是互相促进的，不能被动等待数据资产的交易市场变活跃。当可以收集到与目标数据资产相近的可比指标、技术参数等信息时，就应该尽可能地使用市场法进行估值。而且随着数字经济的快速发展，我国已成立数据资产登记赋值机构（中关村数海数据资产评估中心）和数据交易所（贵阳大数据交易所），数据已经充分表现出其市场化属性，未来应用市场法对数据资产进行估值是大势所趋。
考虑到数据资产的非竞争性特征，有些情况下数据资产交易的是数据使用许可，此时的市场交易价格反映的是数据资产使用许可的价值，而不是原始数据资产的价值。因此，市场法不适用于授予使用权的数据资产估值。此外，绝大多数企业内部使用的数据资产都很难在市场上找到相同或类似的可比数据资产的交易案例，市场法也不适用于企业内部使用数据资产的估值。结合本文对数据资产应用场景的分析和对数据资产的分类，市场法适用于转移数据所有权情况下的数据资产估值。
通过上述对成本法、收益法和市场法的适用性分析可知，三大方法有其各自的估值依据、使用前提、优点和缺点，适用于不同类型的数据资产估值，具体如表 1 所示。因此，在进行数据资产估值时，应该遵循先分类、后估值的原则。
虽然本文已将企业数据资产分为三类，但并不意味着每个企业都同时拥有这三类数据资产。根据企业数据规模和数据应用场景的不同，可能的情形是：部分企业只拥有其中一类数据资产，其他企业可能同时拥有两类甚至三类数据资产。在具体实践中，根据上述情形，不同企业的估值难度不同。对于只拥有一类数据资产的企业，只需要按照数据资产的类型选择相应的估值方法即可；对于同时拥有多类数据资产的企业，首先要对数据资产进行合理分类，然后进行数据资产类型与估值方法的匹配，最后将各类数据资产的价值加总。以下典型案例展示了上述几种情形的具体情况：
广东省某建筑公司构建的建筑全产业数字中台，形成全局数据库，推动了该公司的数字化转型。高效的数据汇聚提升了各环节的对接效率，降低了成本，带动公司营业收入及净利润显著增长。和大部分传统制造业企业相同，该企业数据资产通过提升企业各环节效率，实现了企业价值增长。因此，该类企业通常只拥有内部使用的数据资产，应采用成本法对其数据资产进行估值。
芒果TV是芒果超媒旗下的互联网视频平台，日活跃用户超5000万，截至2023年年末，芒果TV付费用户规模已达6653万，2023年全年会员收入达43.15亿元，约占芒果超媒年营业收入的30%。该平台主要通过收取会员费用的形式实现价值增长，其数据资产是典型的授予使用权的数据资产。因此，应采用收益法对其数据资产进行估值。
上海芯化和云数据科技有限公司为地方政府和化工企业提供数据集和数据服务。数据集为一次性全量交付的数据包，客户可定制数据范围。数据服务主要为数据报告，客户可以定制内容。该企业免费为20万家企业提供商机数据，拥有500多家付费客户，2023年数据产品销售额超百万。该企业通过为客户提供数据产品和数据服务来实现企业价值增长。因此，该类企业通常只拥有转移所有权的数据资产，应采用市场法对其数据资产进行估值。
三六零安全科技股份有限公司是中国最大的网络安全服务供应商，其经营范围十分广泛，包括互联网安全服务、互联网数据服务、信息咨询服务、广告服务、计算机软硬件及辅助设备零售等。该企业商业模式多样化，其数据资产应用场景多元，因此，该企业同时拥有内部使用的数据资产、授予使用权的数据资产和转移所有权的数据资产。对其数据资产进行估值时，需要根据应用场景对数据资产进行分类，而后分别使用对应的估值方法对其进行估值，最终的数据资产价值为三类数据资产价值的总和。
本文对数据资产价值评估的探索，是从数据资产的应用场景出发，针对不同场景下数据资产为企业产生价值的特点和数据资产估值的三大方法的适用性进行分析，最终确定适用于各类应用场景的数据资产估值方法。通过分析得出的结论是：内部使用的数据资产，建议使用成本法进行估值；授予使用权的数据资产，建议使用收益法进行估值；转移所有权的数据资产，建议使用市场法进行估值。
本文重点讨论了企业数据资产的分类和各类数据资产的估值方法问题，以期为企业数据资产估值方法的选择提供有益参考。在现实中，或许存在内部使用的数据资产，其重置成本的确定无法攻克技术性难题的情况；授予使用权的数据资产，预期收益难以与其他收益有效区分的情况；抑或转移所有权的数据资产，其市场交易缺乏可参照的案例的情况，这些均为数据资产估值落地应解决的关键问题。因此，今后的研究应该深入探析如何对大量数据资产进行精准分类，以及如何完善后续估值工作中的数据采集流程。一方面，应继续细化数据资产分类的具体操作流程；另一方面，应进一步讨论成本法、收益法和市场法以外的衍生方法。
赛智产业研究院能够为政府和企业提供数据要素研究咨询服务，全面助力国内数据要素市场建设。
赛智产业研究院能够为政府提供数据基础制度咨询、数据法律政策咨询、数据市场监管咨询、公共数据管理咨询、数据服务产业规划、数据要素园区规划等咨询服务。
赛智产业研究院能够为企业提供数据战略规划、数据治理咨询、数据技术架构、数据资产管理、数据应用方案、数据商业模式等咨询服务。
北京赛智时代信息技术咨询有限公司(简称赛智时代)是国内知名的数字经济等新兴产业的咨询规划、大数据分析和产业生态体系建设的创新型公司。业务范围涵盖了智库咨询、数据服务、软件平台以及会议培训等方面。其中智库咨询服务依托于赛智产业研究院丰富的行业资源和高端专业化人才等竞争优势，面向政府、园区和企业，提供发展战略与规划、政策研究、招商引资策略研究、智慧城市规划、运营模式研究等现代咨询服务。研究领域涵盖大数据、人工智能、区块链、5G、战略性新兴产业等行业领域。
饮鹿网(Innov100)是赛智时代旗下的产业创新创投数据平台，覆盖新兴产业近20万创新型企业，为客户提供创业孵化、投融资等服务。
赛智区块链(北京)技术有限公司简称(赛智区块链)，是一家专注于企业级大数据区块链产品与应用服务的高科技企业。
贵阳市大数据五大新领域（人工智能、量子信息、区块链、物联网、5G移动网络）产业规划
饮鹿网精准招商大数据云（平台）是赛智产业研究院联合饮鹿网开发的针对产业招商的最新产品。涵盖大数据、人工智能、区块链、5G、智慧城市、 工业互联网等 30 多个领域，为招商部门、产业主管部门、园区管委会和产业地产提供大品牌招商、产业筛选招商、产业生态链招商、重点产品招商、资本注入式招商、区域一体化协同招商、原籍创业人才招商等招商数据分析服务。
政府提供新兴产业的产业链、企业、技术、投资等数据分析服务的平台，主要为各地发改部门、工信部门、产业分管领导提供产业仪表盘、产业链分析、产业地图、产业发展要素分析、产业政策、产业洞察等产业数据分析服务。
服务于创业投资领域，为母基金、头部投资机构、地方政府产业基金或引导基金提供绩效考核的专业化平台，主要提供投资数据（投融资仪表盘:与投资趋势洞察融合）、投资绩效分析（投资绩效分析、融资日报、投资机构百强、投资人百强）、项目分析（重点项目、产业链投资、细分图谱投资）、投资布局（投资地图）、投资要素分析、投资管理等服务。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
得了癌症的人，都活不过5年？肿瘤医生:这3类患者，多活30年不是问题！
决赛开赛，AI之光点燃深圳，2024新一代人工智能（深圳）创业创新大赛今日决赛
《编码物候》展览开幕 北京时代美术馆以科学艺术解读数字与生物交织的宇宙节律
OPPO Reno13 系列手机维修备件价格公布，屏幕组件 790 元起，
三星 Galaxy S25 / S25+ 手机 SIM 卡卡托和 USB-C 电路板曝光
湾区黄金枢纽之上，有灵魂与底蕴的「世界庄园」广佛新世界，打版第四代高质量住宅！
