随着数据资产估值系统在企业内部得到落地与应用，数据资产管理工作将实现由“人员主观判断”向“量化客观评价”的质变转型。数据资产价值评估将帮助企业科学、高效、精准地区分出内部的“低投入、高产出的优势资产”和“高投入、低产出的劣势资产”。
这将使企业能够进一步丰富、拓展自身的运营管理手段，持续深化优势数据资产的成熟水平，并在巩固优势地位的同时，有效迁移成熟经验，赋能优化其余数据资产。同时，企业也可以及时采取止损手段，停止对劣势数据资产的持续投入，优化内部资源配置。通过逐步打造企业自身的核心数据资产竞争力，真正实现数据资产对企业战略发展的赋能与提升。
另外，数据资产估值体系的实践经验将加速数据要素市场整体发展的速度，为未来数据资产核算入表、市场交易定价等数据流通场景提供丰富而关键的理论基础和实践参考，真正实现数据资产的变现与流通。例如，在财政部发布的《企业数据资源相关会计处理暂行规定（征求意见稿）》中则明确说明成本核算是数据资产登记入表的基础与前提。同时，未来的数据资产估值体系也将超越企业的视角，立足于社会、国家乃至国际的视野，通过评估数据资产要素在社会生产经营活动中的具体价值，确保国家和社会可以更好地把握数据资产的经济规律，为人类社会的发展提供更加高效且长效的动力支持。
同时，数据资产估值技术并不是一项独立的技术领域。面向大模型，数据资产在其发展中具有关键性的作用，数据决定了模型的训练质量、性能表现和应用领域的广度与深度，高价值数据资产的有效供给是保障大模型技术的关键。未来高价值的数据一定是和人工智能和专业领域行业知识结合，充分促进企业的数字化发展，即数据会有更高阶的杠杆价值。在面向未来的数据资产价值评估的框架中，需要充分考虑到面向应用落地的智能技术的因素影响。
另一方面，大模型也可以助力于智能的资产价值评估体系的构建。例如，在未来大模型可以通过搜集并分析海量的市场交易数据，精准揭示数据市场供需关系，帮助决策者制定合理的定价策略；大模型也可以基于企业历史数据资产价值数据，建立预测模型有效预测数据资产未来价值变化趋势，为投资者、管理层等提供决策参考、数据资产配置及优化等策略内容，进一步丰富、释放数据资产估值领域的技术应用场景与价值。
总体而言，数据资产价值评估市场有着巨大的潜力和发展空间。随着技术的进步和监管环境的改善，这个市场将继续壮大并提供更多创新的解决方案。未来，将会有更多企业和个人积极地参与到这个市场中，以实现数据资产最大化利用的价值。
