Định giá dữ liệu là ước tính giá trị kinh tế của một tập dữ liệu đối với người nắm giữ hoặc người mua, dựa trên chi phí tạo ra nó, lợi ích nó mang lại khi được sử dụng, hoặc giá mà thị trường trả cho dữ liệu tương tự. Về kinh tế, dữ liệu rõ ràng là tài sản: nó giúp giảm chi phí, tăng doanh thu, ra quyết định tốt hơn. Về kế toán, dữ liệu do doanh nghiệp tự thu thập gần như không được ghi nhận trên bảng cân đối theo chuẩn mực hiện hành.
Khó khăn đặc thù là giá trị của dữ liệu phụ thuộc vào ai dùng và dùng để làm gì. Cùng một bộ dữ liệu giao dịch bán lẻ có giá trị lớn với bộ phận dự báo tồn kho, giá trị khác với một ngân hàng chấm điểm tín dụng, và có thể không được phép chuyển cho bên nào cả nếu chứa dữ liệu cá nhân. Vì vậy định giá dữ liệu luôn bắt đầu bằng việc xác định trường hợp sử dụng và quyền sử dụng hợp pháp.
Dữ liệu có phải là tài sản trên sổ sách không
Theo IAS 38, dữ liệu có thể đáp ứng định nghĩa tài sản vô hình: không có hình thái vật chất, có thể tách rời hoặc gắn với quyền hợp đồng, doanh nghiệp kiểm soát được và mang lại lợi ích tương lai. Nhưng điều kiện ghi nhận chặt hơn: chi phí tạo ra tài sản phải đo lường được một cách đáng tin cậy và tách được khỏi chi phí vận hành thông thường. Với dữ liệu tự thu thập trong quá trình kinh doanh, như lịch sử đơn hàng hay hành vi người dùng, chi phí đó hoà lẫn vào chi phí bán hàng và vận hành, nên không được vốn hoá.
Dữ liệu chỉ thường xuất hiện trên sổ sách trong hai trường hợp: khi được mua riêng từ bên ngoài (một cơ sở dữ liệu thương mại, giấy phép sử dụng dữ liệu nhiều năm) hoặc khi doanh nghiệp bị mua lại và cơ sở dữ liệu được nhận diện như một tài sản công nghệ trong phân bổ giá mua. Các chuẩn mực kế toán Việt Nam cũng theo logic thận trọng tương tự. Hệ quả là có một khoảng cách lớn giữa giá trị kinh tế của dữ liệu và những gì báo cáo tài chính cho thấy.
Ở Việt Nam, Luật Dữ liệu năm 2024 lần đầu đặt khung pháp lý chung cho dữ liệu số, bao gồm sản phẩm, dịch vụ dữ liệu và sàn dữ liệu. Các quy định chi tiết về giao dịch dữ liệu và định giá vẫn đang được hướng dẫn, nên bạn cần kiểm văn bản hiện hành trước khi đưa dữ liệu vào một giao dịch có giá trị lớn.
Đặc tính kinh tế làm dữ liệu khác mọi tài sản khác
Không cạnh tranh trong sử dụng. Một máy ép chỉ chạy ở một xưởng tại một thời điểm; một bộ dữ liệu có thể được nhiều bộ phận dùng cùng lúc mà không hao mòn. Điều này làm tổng giá trị sử dụng có thể lớn hơn nhiều chi phí tạo ra, nhưng cũng làm giá trị trao đổi giảm khi dữ liệu đã được sao chép cho nhiều bên.
Giá trị theo ngữ cảnh. Dữ liệu tự thân không làm gì cả; giá trị đến từ quyết định nó cải thiện. Một bảng dữ liệu thời tiết lịch sử gần như vô giá trị với cửa hàng thời trang nhỏ nhưng có giá trị với công ty bảo hiểm nông nghiệp. Định giá mà không nêu trường hợp sử dụng là định giá một thứ trừu tượng.
Mất giá theo thời gian. Dữ liệu liên hệ, giá cả, hành vi người dùng lỗi thời nhanh. Ngược lại, chuỗi dữ liệu lịch sử dài có thể tăng giá trị vì không thể tạo lại. Phải xác định dữ liệu thuộc loại nào trước khi chọn tuổi đời.
Lợi ích tăng theo kết hợp. Hai bộ dữ liệu ghép lại, chẳng hạn giao dịch và vị trí, có thể có giá trị lớn hơn tổng từng bộ. Đó cũng là chỗ rủi ro pháp lý tăng, vì kết hợp có thể làm lộ danh tính dù từng bộ đã ẩn danh.
Chi phí biên gần bằng không, chi phí cố định cao. Thu thập, làm sạch và gán nhãn tốn kém; sao chép gần như miễn phí. Cấu trúc chi phí này giống phần mềm và tác phẩm sáng tạo, làm cho cách tiếp cận chi phí dễ đánh giá thấp giá trị khi dữ liệu được dùng rộng.
Ba cách tiếp cận và sáu mô hình của Laney
Doug Laney, trong cuốn Infonomics (2017), đề xuất sáu mô hình đo giá trị thông tin, chia thành nhóm đo lường nền tảng (không tiền tệ) và nhóm tài chính. Chúng ánh xạ khá tự nhiên vào ba cách tiếp cận định giá quen thuộc.
| Mô hình | Đo cái gì | Thuộc cách tiếp cận | Dùng khi nào |
|---|---|---|---|
| Giá trị nội tại | Chất lượng, độ đầy đủ, độ khan hiếm của dữ liệu (không tiền tệ) | Nền tảng cho mọi cách | Xếp hạng tập dữ liệu nội bộ để ưu tiên đầu tư |
| Giá trị kinh doanh | Mức độ liên quan và kịp thời với các quy trình (không tiền tệ) | Nền tảng | Chọn dữ liệu nào đáng làm sạch, tích hợp |
| Giá trị hiệu quả | Tác động của dữ liệu lên chỉ số kinh doanh | Bán định lượng | Đánh giá dự án phân tích dữ liệu |
| Giá trị chi phí | Chi phí thu thập, thay thế, hoặc thiệt hại nếu mất | Chi phí | Bảo hiểm, phân bổ ngân sách, sàn đàm phán |
| Giá trị thị trường | Giá người khác trả cho dữ liệu tương tự hoặc quyền dùng | Thị trường | Khi có giao dịch hoặc giấy phép dữ liệu tham chiếu |
| Giá trị kinh tế | Đóng góp vào doanh thu trừ chi phí trong vòng đời | Thu nhập | Góp vốn, mua bán, quyết định đầu tư lớn |
Giá trị của khung này nằm ở chỗ buộc người dùng tách bạch "dữ liệu tốt" với "dữ liệu đáng tiền". Một bộ dữ liệu có thể đạt điểm nội tại cao (đầy đủ, chính xác) nhưng giá trị kinh tế thấp vì không có quyết định nào dùng đến nó. Lưu ý đây là khung quản trị đề xuất bởi một nhà tư vấn, chưa phải chuẩn mực định giá chính thức; thẩm định viên vẫn áp dụng các cách tiếp cận chuẩn.
Cách tiếp cận chi phí và cách tiếp cận thu nhập trong thực hành
Cách tiếp cận chi phí cho dữ liệu đặt câu hỏi: tạo lại bộ dữ liệu tương đương tốn bao nhiêu? Các khoản gồm chi phí thu thập (khảo sát, đo đạc, mua nguồn), chi phí làm sạch và chuẩn hoá, chi phí gán nhãn (đặc biệt lớn với dữ liệu huấn luyện mô hình học máy), chi phí lưu trữ và quản trị, cộng chi phí cơ hội của thời gian chờ. Sau đó trừ lỗi thời: phần dữ liệu đã cũ, trùng lặp, sai lệch. Với chuỗi dữ liệu lịch sử, chi phí tái tạo có thể là vô hạn vì quá khứ không đo lại được; khi đó cách tiếp cận chi phí chỉ cho một mức sàn, không cho giá trị.
Cách tiếp cận thu nhập đo lợi ích khi dùng dữ liệu. Công cụ tự nhiên nhất là so sánh có và không có: một chuỗi siêu thị dùng dữ liệu bán hàng lịch sử để dự báo nhu cầu, giảm tồn kho và hàng hỏng; giá trị của dữ liệu là hiện giá phần lợi nhuận tăng thêm so với dự báo theo kinh nghiệm. Bằng chứng tốt nhất đến từ thử nghiệm có kiểm soát, chẳng hạn áp dụng dự báo dựa trên dữ liệu ở một nhóm cửa hàng và so với nhóm đối chứng.
Một bẫy cần tránh: gán toàn bộ lợi ích của dự án phân tích cho dữ liệu. Lợi ích đó đến từ dữ liệu, mô hình, phần mềm, đội ngũ phân tích và sự thay đổi quy trình. Phải trừ phí đóng góp cho các yếu tố kia, tương tự logic của phương pháp thu nhập vượt mức, nếu không giá trị dữ liệu bị thổi phồng.
Ví dụ giả định: dữ liệu giao dịch của một chuỗi nhà thuốc
Một chuỗi nhà thuốc có dữ liệu giao dịch bảy năm của hai trăm cửa hàng, đã ẩn danh theo khách hàng, chi tiết đến mã sản phẩm và giờ bán. Công ty muốn biết bộ dữ liệu này đáng giá bao nhiêu để quyết định đầu tư nâng cấp và cân nhắc hợp tác với nhà sản xuất dược phẩm.
Theo cách tiếp cận thu nhập nội bộ: dự báo tồn kho dùng dữ liệu đã giúp giảm hàng hết hạn và thiếu hàng, ước tính tăng lợi nhuận gộp khoảng 6 tỷ đồng mỗi năm sau thử nghiệm ở bốn mươi cửa hàng. Trừ phí đóng góp cho phần mềm, đội phân tích và hạ tầng (giả định 2,5 tỷ), phần thuộc về dữ liệu khoảng 3,5 tỷ trước thuế. Dữ liệu cần được cập nhật liên tục, nên dữ liệu hiện có mất dần tỷ trọng đóng góp trong khoảng năm năm. Chiết khấu ở 18% cho giá trị nội bộ khoảng 7–8 tỷ đồng (ví dụ giả định).
Theo cách tiếp cận thị trường: nếu một nhà sản xuất sẵn sàng trả phí thường niên cho báo cáo tổng hợp xu hướng tiêu thụ theo vùng, phần thu nhập đó là giá trị bổ sung, với điều kiện chỉ chia sẻ dữ liệu tổng hợp không định danh và hợp đồng hạn chế việc tái nhận diện. Hai nguồn giá trị không cộng máy móc, vì việc bán cho bên ngoài có thể làm giảm lợi thế cạnh tranh của chính chuỗi nhà thuốc. Bài học: giá trị dữ liệu là một tập kịch bản sử dụng, và quyết định quản trị quan trọng hơn con số.
Các yếu tố chất lượng và pháp lý điều chỉnh giá trị dữ liệu
Trước khi chọn phương pháp, thẩm định viên rà soát các yếu tố dưới đây. Mỗi yếu tố có thể làm giá trị thay đổi đáng kể, và vài yếu tố pháp lý có thể đưa giá trị chuyển giao về không.
- Độ đầy đủ và chính xác: tỷ lệ trường bị thiếu, lỗi nhập liệu, trùng lặp. Dữ liệu bẩn tốn chi phí làm sạch, phải trừ khỏi giá trị.
- Độ kịp thời và độ dài chuỗi: dữ liệu cập nhật đến đâu, chuỗi lịch sử dài bao nhiêu năm, có đứt gãy do đổi hệ thống không.
- Độ độc quyền: người khác có thể thu thập dữ liệu tương tự dễ dàng không. Dữ liệu ai cũng có thì giá trị trao đổi thấp.
- Quyền sở hữu và quyền sử dụng: dữ liệu do doanh nghiệp tự tạo, mua theo giấy phép có hạn chế, hay thu thập từ đối tác với điều kiện; giấy phép có cho dùng lại hoặc chuyển giao không.
- Dữ liệu cá nhân: có căn cứ thu thập hợp pháp và sự đồng ý phù hợp với mục đích sử dụng mới không; pháp luật bảo vệ dữ liệu cá nhân hiện hành của Việt Nam cấm mua bán dữ liệu cá nhân trái phép.
- Ẩn danh hoá: mức độ ẩn danh, rủi ro tái nhận diện khi kết hợp với dữ liệu khác.
- Bảo mật và rủi ro rò rỉ: sự cố rò rỉ có thể gây trách nhiệm pháp lý và mất lòng tin, làm giá trị âm trong kịch bản xấu.
Danh mục này cũng là lộ trình tăng giá trị dữ liệu: doanh nghiệp đầu tư vào chất lượng, ghi nhận nguồn gốc và căn cứ pháp lý ngay từ khi thu thập sẽ có tài sản dữ liệu dễ định giá và dễ giao dịch hơn nhiều.
Câu hỏi thường gặp
Có thể góp vốn vào công ty bằng dữ liệu không?
Khung pháp luật doanh nghiệp liệt kê tài sản góp vốn gồm quyền sở hữu trí tuệ và các tài sản định giá được bằng tiền. Một cơ sở dữ liệu có thể được bảo hộ quyền tác giả nếu sự tuyển chọn, sắp xếp có tính sáng tạo. Trường hợp dữ liệu thuần tuý, nhất là dữ liệu cá nhân, cần hỏi luật sư và kiểm văn bản hiện hành trước khi lập hồ sơ.
Dữ liệu huấn luyện mô hình AI được định giá thế nào?
Thường dùng chi phí tái tạo: thu thập, làm sạch và đặc biệt là gán nhãn, cộng chi phí cơ hội. Khi mô hình đã tạo ra doanh thu, có thể dùng cách tiếp cận thu nhập bằng cách so sánh hiệu năng mô hình có và không có bộ dữ liệu. Quyền sử dụng hợp pháp của dữ liệu nguồn là điều kiện tiên quyết.
Dữ liệu ẩn danh có còn chịu quy định về dữ liệu cá nhân không?
Dữ liệu đã ẩn danh thật sự, không thể nhận diện lại, thường nằm ngoài phạm vi dữ liệu cá nhân. Nhưng ẩn danh hoá không triệt để, chỉ xoá tên mà vẫn giữ ngày sinh, địa chỉ, có thể bị tái nhận diện khi kết hợp với nguồn khác. Cần đánh giá rủi ro tái nhận diện trước khi coi dữ liệu là ngoài phạm vi.
Ngân hàng có nhận dữ liệu làm tài sản bảo đảm không?
Hiện rất hiếm. Dữ liệu khó định giá, dễ sao chép, giá trị phụ thuộc vào doanh nghiệp vận hành nó và có thể bị ràng buộc pháp lý khi chuyển giao. Ngân hàng thường đánh giá dữ liệu gián tiếp qua dòng tiền mà doanh nghiệp tạo ra, không nhận nó như tài sản bảo đảm độc lập.
Giá trị dữ liệu có nên trình bày trong báo cáo quản trị không?
Nên, dưới dạng chỉ số quản trị chứ không phải số liệu kế toán. Theo dõi giá trị ước tính của các tập dữ liệu chính giúp ban lãnh đạo ưu tiên đầu tư vào chất lượng dữ liệu và bảo mật. Cần nêu rõ phương pháp và giả định để không bị hiểu nhầm là giá trị đã kiểm toán.
Mua dữ liệu từ bên thứ ba thì ghi nhận thế nào?
Nếu doanh nghiệp mua quyền sử dụng dữ liệu trong nhiều kỳ, kiểm soát được và kỳ vọng thu lợi ích, khoản chi có thể đủ điều kiện ghi nhận là tài sản vô hình và phân bổ theo thời gian sử dụng. Thuê bao dữ liệu theo tháng thường là chi phí. Cách ghi nhận cụ thể nên trao đổi với kế toán và kiểm toán viên.