如何对数据业务价值创造进行价值链分析？

李威03

数字化或数字经济时代下的现代创新商业模式正在催生高度整合的价值链，但也带来相应的问题：（1）如何准确描述此类价值链，且基于税收目的使得数据和数字业务的价值创造和价值获取透明化的方式；（2）如何分析在自己独特的数据生态系统中运行的现代企业。
价值链分析（简称“VCA”）通常用于确定集团业务运营中价值创造在何处以及如何创造，并涉及经济上重要功能、资产和风险的权衡，以及有助于创造上述价值的人的职能。简单来说，价值链分析是指企业的整个经营过程，从研发活动开始，到交付至最终消费者为止。价值链分析已成为全球社会性倡议的重要组成部分。经合组织秘书长古里亚认为：“随着全球价值链的出现，国际贸易和投资加速发生变化”。全球价值链涉及不同地理区域之间活动、人员和流程的协调。基于国际税收角度，在当前经合组织/二十国集团和欧盟确定各国征税权利的工作中，价值创造概念发挥着核心作用，尤其是数字化经济进程中。为了使税收与价值创造保持一致，需要更深入地研究数字商业模式的价值驱动因素、核心特征和新因素。在试图确定价值链的重要因素时，应同时考虑收入和成本。
除了传统意义上理解波特概念化的价值链机制之外（例如：基本活动包括进出物流、生产、销售、和售后服务；支持性获得包括基础设施、人力资源管理、技术开发和采购等），已涉及几种新方法进行价值链分析，特别是在转让定价领域。

数字化（或称“数据化”）给决策者提出了带来若干税收挑战，包括与数据使用相关的价值创造方面。在数据经济中，价值不是由单个参与者创造的，而是由不同参与者的组合（或网络）创造的；其中某些或是数据生态系统及其数据价值链的一部分。另一方面，如果研究数据在组织现有价值链中的作用，可能得到出人意料的结果，因为数据逐渐成为愈加重要的价值驱动因素。公司可利用数据为当前商业模式注入所有核心要素，并提供全新解决方案的分析；或者公司可以以新的方式利用现有的数据对其商业模式进行彻底改造，从而摆脱之前的商业模式。

考虑到生态系统及其参与者发挥着重要作用，以及参与者和生态系统之间存在持续互动；为了使任何数字化数据驱动的商业模式获得成功，价值链分析方法必须考虑数据生态系统的具体情况，同时充分展示参与者在固定关系中如何发挥作用。即：（1）连接消费者、提供者、开发者和中介等角色；（2）促进跨境数据流（数据流贡献）；（3）通过将原始数据转化为价值实现价值提升。同时满足上述标准或导致每种价值链分析方法出现三重困境。这三重困境具体如下：
（1）概述数据价值创造或价值链：过程贡献分析可作为描述跨境数据流的好起点，但其缺乏稳定性；因为该方式非常依赖与公司不同利益相关者的面谈，故具有主观性；所以不适合确定在价值创造过程中如何（在何处）或在多大程度上使用数据。比率分析法可能帮助不大，因为该方式只关注少数关键指标，使其无法识别数据价值创造的作用。总成本的税前加成法也是如此，因为虽然该方式可以有助于更广泛地理解相互联系，但仅关注成本可能会妨碍各方理解生态系统背后的协同效应。
（2）分析跨境数据流：画布或无形方法有助于更好地理解对无形数据的关注。但是笔者认为，通过该分析无法充分追踪跨境流动。
（3）描述互联性：尽管存在波特价值链模型中，仍然很难想象参与者之间的相互联系和数以百万的贡献。当使用指标来分割剩余利润时，也会出现上述情况；因为该方法基本上只区分常规中心和投资中心，没有未考虑到各种参与者之间的相互联系及其跨境数据的相互作用。
因此，建议将定性价值链分析方法与调整后的定量价值链分析方法相结合，即在数字业务中通过“数据强度测试”的情况下添加数据功能方法，例如：根据价值创造过程的不同阶段和数据生态系统中的关键参与者对剩余利润进行分类。但考虑到现实中的复杂性，这种混合方法的实际可行性还有待分析。由于数据生态系统商业模式仍然是未来一种概念，或需要数字化文档工具使之成为现实。结构良好的数字化文档工具以及定性和定量方法的结合将有助于区分部分数据功能。

首先，需要进行定性分析。波特价值链分析方法，以责任分配矩阵为支撑，或是一种合适的定性价值链分析方式。一旦进行定性分析，重点就转移到定量分析上。此方法下的剩余利润不仅可以在利润中心和投资中心之间分配，也可根据数据中心（即数据生态系统中的关键参与者和数据价值创造过程的不同步骤）进行分配。
该方法的更详细、分步说明如下：
第一步：可以进行数据强度测试，确定在何种哪些情况下或何种业务需要将超额剩余利润归因于数据功能。广义上，可以根据各种宏观经济和微观经济因素建立数据强度测试。宏观经济因素可能是行业在原始数据或丰富数据方面的数据成熟度，以及竞争对手的数据成熟度，而微观经济因素可以是技术的提供或使用，信息技术资产投资，广告、营销和推广费用，研发费用，或数字内容和服务。毋庸置疑，当今世界，企业很可能会因为上述微观因素而产生费用；因此，确定一个百分比阈值来确定是否满足数据强度测试是有用的。
第二步：各种工具，包括敏感性分析和同行评审，可用于确定超额的非常规或剩余利润（即分配给利润和投资中心后的剩余金额）。
第三步：若满足必要条件，例如数据中心明确本地化、基于税务管理角度存在控制的可行性以及各数据中心贡献的价值创造可全面平衡反映，则第二步中确定的超额剩余部分需要分配至不同的管辖权地区。一个案例是根据数据生态系统中关键参与者的参与情况和数据价值链中的不同阶段，将利润分配给不同的司法管辖权地区。

由于采用数据驱动商业模式的创新趋势正在兴起，并且实体的参与程度有所不同，很难定义一个可以普遍适用于所有企业的简单价值链。因此，单一价值链分析方法或不适用于所有数据驱动的业务模式，尤其对于日益重要的数据生态系统商业模式而言。定性和定量价值链分析的结合（以及若干附加模式）可以获取数据功能。也不失为一项可行的选择。因为此方法可更加有效地分析高度整合的价值链，及其相互关联的参与者和跨境数据流。
此价值链审查方法需要提供管理层、税务机关和其他利益相关者所需的信息，以便了解价值创造如何与集团的税务状况保持一致。同时也有助于更好地匹配经济、金融和商业实质，甚至可被用作现代企业如何构建的技术蓝图。然而，该方法实际执行情况仍然需要更为详细的评估，同时也需要上述数据生态系统内的数据评估。