运营商数据资产的定价思路如下。
（一）市场法情景下，可以选取可比数据的交易情况来定价。可以参考运营商 C 端红 利期较多使用的“EBITDA/用户”估值体系（即单用户 EBITDA），对照当前存在活跃交易 且可比的数据，对运营商数据资产进行定价。
可以参考美国数据公司 Equifax（征信数据公司）的情况，其 The Work Number 数 据库拥有 1.52 亿条活跃记录、6.04 亿条总量数据，包括来自 200 多万家机构贡献的个人 就业和收入数据。2022 年 Equifax 实现收入 51.22 亿美元，若对应活跃数据，则折合每条 记录收入 33.7 美元。 若以此为假设测算运营商数据潜在价值，以中国移动为例，假设 9.75 亿户移动用户（截 至 2022 年底），若对标 Equifax 在类似场景、类似模式下应用对应每用户数据（即每条 记录）收入 30 美元，且均充分产生价值，则可粗略计算数据价值在 290 亿美元以上（实 际两者数据可比程度有待探讨）。
此外市场公允价值的收并购也是数据资产定价的重要参考。当前数据资产并未在资产 负债表中统一核算，因此预计在科技公司收并购的交易中，数据价值最终体现为收购溢价 或商誉中的一部分。参考社交公司收并购案例，由于用户既创建数据、也通过广告业务使 数据体现价值，因此若将用户或 MAU（月活）的价值对应为数据的价值，则可以做出如下 计算：Facebook 于 2012 年收购 Instagram 时，每个 MAU 的估值为 20 美元（10 亿美 元对价，Instagram 约 5000 万 MAU）；微软于 2016 年收购 LinkedIn 时，每个用户或 每个 MAU 对应估值为 61 美元或 247 美元（262 亿美元对价，LinkedIn 约 4330 万用户、 1060 万 MAU）。若未来国内市场有成熟数据公司的收并购案例，预计可以成为运营商数 据资产定价的参考。 综上推测，在市场法下，预计运营商每个活跃用户产生的每条活跃数据或可对应数十 美元、折合数百元人民币数量级的市场价值。结合国内运营商用户数体量，则可推测千亿 元数量级的数据价值。
（二）成本法情景下，可以按照数据采集、存储、或分析的成本来定价，但较难体现 数据应用的实际价值。以移动云的对象存储 EOS 价格为例，标准存储定价 0.12 元/GB/月， 不考虑外网流入流出的带宽成本和数据请求成本；移动梧桐平台数据规模已累计超 600 PB， 则上述假设下的数据年存储成本约 9 亿元；若进一步累加数据采集与分析环节的成本，预 计 600 PB 数据对应的年成本在 10 亿元数量级。或可以参考本报告 2.2 部分，假设以运营 商每年营销投入的一定比例，作为数据对内应用的替代成本。 该方法较难公允体现运营商数据资产在流通过程中的价值，因未考虑数据资产的预期 收益，预计评估结果低于实际价值，且运营商业务成本较难独立分拆，猜测未来仅在报表 端核算时有参考意义。
（三）收益法情景下，运营商数据价值可以锚定收入成长框架。
1）收入角度，数据相关收入已初具规模。运营商已主动披露数据或中台相关收入。中国联通 2022 年大数据收入 40 亿，同比增 长 58%。中国移动 2022 年中台能力数量 889 项，月调用量均值达到 137.4 亿次（YoY +68.4%），全年能力变现收入超 100 亿元，大数据收入 32 亿元，同比高增 96.1%。 另以中国移动数据业务的承载部门“信息技术中心”为例，整合自原集团公司业务支 撑系统部、中国移动（深圳）有限公司、南方基地 IT 支撑中心、政企公司 M 域等团队，当 前“一套人马、多块牌子”（IT 管理委员会办公室、大数据中心、信息技术有限公司、中 国移动通信集团有限公司信息技术分公司等）；参考公司招股书，信息技术有限公司 2020、 2021H1 分别实现 2.79 亿、3 亿元净利润，推测公司能力中台正保持高速成长，且有盈利 能力保证。 数据或中台收入体量与云收入对比，规模已较为可观，预计重估空间大。若将上述已 披露的数据相关收入与运营商云计算收入进行比较：2022 年中国移动云收入 503 亿元，则 能力变现收入已接近云规模的 20%、大数据直接带来的收入超过云规模的 6%，对比 DICT 收入整体已超 860 亿元，数据收入的增长空间巨大；2022 年中国联通云收入 361 亿元， 大数据直接带来的收入超过云规模的 11%。因此运营商数据相关业务与收入应开始重视。
2）无形资产角度，定价想象空间巨大。 数据资产本质是一种无形资产，拥有不确定性。“该不确定性与大多数资产的不确定 性不能混为一谈，更应被看成一种获利的潜在可能性，这种未来创造价值的潜在性可以看 作是一种看涨期权”2。因此学术界也较多探讨使用 B-S 期权定价模型对数据资产进行定价。 此外层次分析法（AHP，把一个复杂的定价问题拆解成若干个小问题以及小指标的问题， 并计算出各个小问题以及小指标对整个大目标的影响程度）也是无形资产评估的重要方式。
3）云化估值角度，IaaS 到 PaaS 将形成更扎实的估值假设。 “云重估”的进一步演绎，“IaaS”走向“PaaS”估值。预计数据价值的重估最终体 现为政企业务或 DICT 估值（例如 PS ratio）的扎实提升。 对标海外发展，Salesforce 是典型 PaaS 转型公司，收入稳定增长。截至 2023 年 3 月，Salesforce 市值超 1900 亿美元，超过 90%收入为订阅费，主要标准化产品有销售云、 服务云、平台云和市场云，同时通过 PaaS 平台 Force.com 向 ISV（独立软件开发商）开 放定制化软件开发。
从 Salesforce 平台化的发展历程看运营商的数据变现，核心在于：海量资源的前提下 提升标准化程度和复用率，外部合作伙伴和广域客户覆盖，盈利能力为代表的财务指标可 考。
a) 运营商提供数据服务，追求较高标准化程度和数据资产高度复用。从国内三大运营 商的数据要素实践看，数据业务几乎都和 DICT、云网等紧密结合，基于早期标杆场景的积 累最终形成标准化的数据解决方案，例如移动 AaaS 平台、DSSN 数联网、电信星汉数据 平台、联通大数据等。同时，运营商数据业务的开展模式与过去 to C、to B 的经营思路类 似，追求基于规模效应的价值经营，因此商业模式较轻，对 DICT、云网等业务的倍增或拉 动作用显著。
b) 央企站位，外部合作伙伴和广域客户覆盖是数据价值放量的前提。以中国移动为例， 对外合作战略是“打造顶级的数字经济‘朋友圈’、‘亲戚圈’和‘生态圈’”，通过引 入战略合作伙伴、对外股权投资、产业链上下游合作等方式共同挖掘数据应用价值，分摊 成本费用的同时实现数据收入“多点开花”。
与众多数据要素相关公司相比，运营商的广域覆盖能力更强。近期地方性、行业性的 数据要素公司已有较多成功案例，而运营商优势则在于全国、全行业的均衡覆盖，以云网 设施为基础挖掘数据价值。可类比 to C、to B 业务也不乏虚拟运营商、互联网、ICT 厂商 等玩家，本质是差异化竞合。此外央企站位下的机制更利于数据流通，例如通过联邦学习 等技术实现跨集团、跨行业的数据资源积累。 央企价值重估背后，是经济的长期发展模式变化；其目标是优化国有资本布局，在长 期宏观背景和内外部形势下使国有资本的效用最大化。“聚焦产业链和创新链关键环节， 放大国有资本功能，通过并购重组、搭建各类所有制企业共同参与的产业联盟等多种途径， 向价值链高端发展，培育产业龙头，增强产业链的控制力”。
c) 数据变现对运营商的财务价值最终体现为盈利能力的提升。我们认为，运营商数据 变现的主要途径一方面是对内的效率提升（成本费用改善）；另一方面是以数据产品服务、 云网服务、中台能力的形式对外形成收入，且该类业务的成本或研发费用相对前置，收入 具有较强的规模效应。
