본 글에서 전통적 평가법으로 분류한 평가방법은 기존 자산 가치평가 시 많이 활용되는 원가접근법, 시장접근법 그리고 수익접근법입니다.
과거 지출한 비용으로 가치를 평가하는 원가접근법은 과거 자료를 토대로 자산 가치를 측정한다는 측면에서 객관성이 높으며, 검증 가능성이 높아 신뢰성이 있는 반면 미래 수익창출능력에 대한 고려가 용이하지 않아 계속 기업의 가정에 적합하지 않을 수 있다는 단점이 있습니다.
시장에서 거래되는 유사 사례를 바탕으로 가치를 평가하는 시장접근법의 경우 직관적이고 이해 가능성이 높으며 재무적·비재무적 요인을 모두 고려한다는 장점이 있어 가장 이상적인 결과 결과를 기대할 수 있는 평가방법이지만, 평가 시점별로 변동 가능성이 클 수 있고 가치평가에 참고할 정도로 충분한 유사 사례를 찾기는 거의 불가능에 가까워 실무적으로 활용하기에는 어려움이 있는 방법입니다.
수익접근법의 경우 가치창출이라는 기업의 목적을 고려할 때 이론적으로 가장 합리적이며, 내재가치 측정에 상대적으로 적합하다는 장점이 있지만 평가과정에서 고려해야 될 변수가 많고 복잡하며 가정을 기반으로 한 추정이 반영되므로 추정이 불확실할 경우 적합하지 않은 결과 값이 도출될 수 있습니다.
전통적 평가법 연구 자료 및 사례 검토 내역
1) 원가접근법
원가접근법은 무형자산을 형성하는데 투입된 비용을 기초로 가치를 산정하는 방법입니다. 원가접근법은 ‘무형자산 개발자가 같은 가치를 가지는 무형자산을 개발 비용보다 비싸게 구매하고 도입하지 않을 것이다’라는 가정을 근거로 합니다. 무형자산의 개발에는 동일한 비용과 노력으로 개발이 가능함을 의미합니다. 무형자산 공정가치는 합산 개발 비용을 넘을 수 없습니다.
비용 계산에 포함되는 요소는 인건비, 재료비, 간접비입니다. 인건비 계산에는 세금, 연금, 보험 등 모든 급여 혜택을 포함합니다. 무형자산 개발에는 드물게 적용되나, 개발에 직접적으로 소비된 재료비 역시 비용에 포함됩니다. 간접비는 시설 비용, 관리 및 행정 비용, 기타 미할당 비용 등을 포함합니다.
과거 자료를 토대로 자산 가치를 측정한다는 측면에서 주관성이 낮으며, 비용만을 고려하기 때문에 보수적으로 평가된다는 점은 장점입니다. 수익을 내지 못하는 초기 단계의 기업과 무형자산 평가에는 유용하게 사용될 수 있습니다. 또한, 금융지원, 세무 목적 등 보수적 관점에서 데이터 가치를 평가할 때 활용될 수 있습니다.
원가접근법의 주요 평가 모델에는 대상 무형자산 개발에 사용됐던 과거 비용을 모두 합산하여 가치를 평가하는 방식인 역사적 원가법(Historical Cost Approach), 현시점에서 완전히 동일한 재료, 생산 기준, 디자인 등으로 무형자산을 정확히 복제하는 데 사용된 비용을 측정하는 재생산 원가법(Reproduction Cost Approach) 그리고 평가 시점에서 현시대의 재료나 생산기준, 디자인 등을 이용해 ‘동일한 효용성’을 제공하는 무형자산을 만드는데 사용되는 비용을 측정하는 대체 원가법(Replacement Cost Approach)이 있습니다.
일반적으로 무형자산을 평가할 때에는 대체 원가법을 권장 하나[1], 저는 ‘동일한 효용성’을 판단함에 있어 주관적인 요소가 많이 반영되어 원가접근법의 장점인 객관성을 확보하는데 부적합하다고 판단되어, 데이터 가치를 평가할 때에는 원가에서 데이터 활동과 관련한 일시적 비용 및 자산에 투입된 비용을 구분 집계하고 이를 현시점 기준으로 환산하는 재생산 원가법으로 데이터의 가치를 측정하는 것이 가장 적합하다고 생각합니다.
원가접근법의 주요 평가 모델
원가접근법을 적용했을 때의 데이터 가치는 데이터 관련 자산의 취득원가와 원가 구성 요소별 비용에서 데이터와 관련하여 발생한 총 비용 중 데이터 활동비중 만큼 원가인 데이터 활동비용의 합으로 계산합니다.
데이터 가치 = 데이터 자산 취득비용(데이터 관련 자산 취득원가) + 데이터 가치 = 데이터 활동비용(총 비용 x 데이터 활동비율)
데이터와 관련하여 발생한 총 비용의 집계 기간은 합리적으로 추정해야 합니다. 일반적인 데이터의 경우 최신 데이터이며, 시의 적절한 데이터가 가치를 가지며, 시간이 지나면서 가치를 상실합니다. 평가하고자 하는 기업이 속한 산업 특성별로 합리적인 추정기간이 상이하겠지만, 저는 산업 특성을 파악하기 어려운 경우 합리적인 집계기간을 Min(① 데이터 비즈니스 시작 이후부터 평가시점 간의 기간, ②평가시점 직전 5년[2])으로 설정하는 것을 추천드립니다.
데이터 활동을 회사가 데이터베이스를 구축하기 위한 활동으로 정의하고, 데이터를 수집하고 가공하는 활동을 데이터 생산, 수집·가공한 데이터를 저장·갱신하는 데이터 관리, 하드웨어 및 소프트웨어 등을 운영하는 데이터 제공, 데이터 보안 유지 및 데이터 이용자·제공자를 관리하는 데이터 지원 등 4가지 유형으로 분류[3]하였으며 이 활동과 관련 있는 비용과 자산을 집계하는 방식으로 계산합니다.
데이터 활동(생산, 관리, 제공, 지원) 분류 및 관련 비용 및 자산 계정
2) 수익접근법
현금흐름할인법(DCF[4])은 모든 자산 평가의 이론적 근간을 이룹니다. 데이터 가치평가에서도 수익접근법은 원가접근법, 시장접근법 대비 가장 기본적 평가 방법론입니다.
수익접근법은 보유한 유·무형의 자산으로 향후 얼마만큼의 수익 (또는 현금흐름)을 실현시킬 수 있는가 라는 관점에서 가치를 평가하는 방법입니다. 즉, 미래의 수익(현금) 창출능력을 바탕으로 가치를 평가하는 것입니다.
수익접근법의 기본 개념
데이터는 기본적으로 자산이기 때문에 보유함으로써 경제적 효익을 가집니다. 현금흐름 관점에서 편익은 매출의 증대나 비용의 감소를 의미합니다. 미래 발생할 현금흐름(기회)을, 할인율(위험)로 할인한 후 합산한 값은 자산의 본질적 가치를 나타냅니다. 미래현금흐름은 미래 예상되는 경제적 이익의 합이 기업가치라는 개념의 출발점이며 할인율은 기회비용, 영업위험, 재무위험 등을 고려하여 현금흐름할인 방법론은 다음과 같습니다.
현금흐름할인 방법론
데이터로부터 산출되는 현금흐름과 비용을 추정해서 데이터의 가치를 산출하는 직접법을 사용하는 것이 이상적이나, 데이터가 단독으로 기업 현금흐름에 기여하는 경우보다는 통상 다른 자산과 함께 현금흐름에 기여하는 경우가 대부분이어서 현금흐름할인법(DCF)을 통해 기업가치를 산출하고 데이터 기여도를 적용하여 데이터의 가치를 계산하는 간접법을 활용하는 것이 현실적인 가치평가 방법입니다. 간접법을 사용함에 있어 가장 중요한 것은 기업의 현금흐름에서 데이터의 기여분을 추정하는 것이 수익접근법을 활용한 데이터 가치평가의 핵심입니다. 데이터 기여도를 산출하는 방법에는 여러가지가 있겠지만 기업 내 데이터와 관련하여 업무를 수행하는 인원 비중 또는 기업 내 데이터와 관련 자산 비중 등을 활용할 수 있습니다.
3) 시장접근법
시장접근법은 평가대상 데이터와 동일 또는 유사한 데이터가 활성시장에서 거래된 가치에 근거하여 비교․분석을 통하여 상대적인 가치를 산정하는 방법입니다. 시장접근법은 실제 시장에서의 거래사례에 근거하여 대상 데이터의 가치를 추정하는 방법이므로 시장거래 사례 비교법이라고도 합니다. 실제 시장에서의 거래사례란 독립적인 제3자의 입장에서 공정한 거래로서 비교 가능하거나 또는 기준이 될 수 있는 데이터의 거래를 의미합니다.
시장접근법 기반 데이터 가치평가 프로세스
시장접근법에서 시장거래 사례 비교법을 사용하기 위해서는 대상기술의 속성과 동일한 혹은 유사한 데이터의 거래사례 정보가 있어야 합니다. 거래사례로부터 거래조건, 데이터의 속성, 데이터 활용 분야 등과 같은 비교정보를 수집할 수 있어야 합니다.
데이터 거래소에서 거래사례 비교정보를 수집할 수 있으면 거래사례 데이터와 대상 데이터는 비교기준에서 다를 수밖에 없기 때문에 비교기준에 대한 차이의 조정을 통해 적정가치를 산출해야 하고, 비교기준의 차이에 대한 분석 근거가 제시되어야 합니다.
시장거래 사례 비교법은 시장에서 동일 혹은 유사 데이터에 대한 거래사례가 없을 경우 적용할 수 없고, 거래사례가 매우 적은 경우에 적용이 제한적이고 가치산출의 객관성을 담보하기 어렵습니다.
시장접근법에서 거래사례와 비교정보가 수집 가능하더라도, 대상기술의 차별화된 특성을 반영하는데 필요한 조정의 결정이 어려운 경우에는 다른 평가방법을 적용하는 것이 바람직합니다.
시장접근법을 의미 있게 적용하기 위해서는 ① 데이터 분류 기준 체계화 및 유료 데이터 거래량 증가하여야 하고, ② 거래소와 연계를 통해 데이터 거래 정보 입수가 가능해야 하며, ③ 시장 데이터베이스(DB)구축 및 시스템 내 유사거래 탐색 및 매칭 프로세스의 구축이 선행되어야 할 것으로 생각됩니다.
참고로 한국의 데이터 거래소는 데이터스토어, KDX한국데이터거래소, 금융데이터거래소가 있습니다.
데이터 스토어는 한국데이터산업진흥원 주관으로 2014년 출범하였습니다. 현재 386개의 판매사의 데이터 1,946건이 등록되어 있고 회원 수와 이용건수는 꾸준히 증가하고 있습니다. 유료/무료 상품의 총 거래량은 연 2,000~3,000건 이내 정도이며, 매년 평균 20~30 % 증가하는 추세를 보입니다. 그 중 유료 상품 거래량은 연 1,000건 정도의 거래가 이루어지고 있습니다.
국내 첫 민간 데이터 거래소인 KDX한국데이터거래소는 NIA한국정보화진흥원과 MBN매일방송이 구축하여 2019년 12월 2일 출범하였습니다. 현재 22개의 판매사의 데이터 70,508건이 등록되어 있고 회원 수와 이용건수는 꾸준히 증가하고 있습니다.
금융위원회 금융보안원 주관으로 2020년 5월 11일 금융데이터거래소(FinDX)가 출범하면서, 금융회사가 가지고 있는 금융데이터를 암호화해 사고팔 수 있는 시장이 형성되었습니다. 현재 90개의 판매사의 데이터 534건이 등록되어 있고 회원 수와 이용건수는 꾸준히 증가하고 있습니다. 20년 9월 기준 누적거래량은 477건으로 그 중 유료상품의 누적거래액은 3억 5700만원으로 집계되었습니다.
[1] “무형의 시대” 신한금융투자(2020)
[2] ‘데이터베이스 자산 가치평가 모형과 수명주기 결정’ 성태응 (2016) 참조 [3] ‘데이터베이스 구축 비용 산정기준 및 서비스 이용요금 체계 설정에 관한 기초 연구’ 오해석 (1995) 및 ‘데이터베이스 서비스의 원가 계산 방법에 대한 기초 연구’ 이영재 (1994) 참조
[4] Discounted Cash Flow
[5] Multi-priod Excess Earnings MEthod
Comments