在当前数字经济高速发展的背景下，数据资产已成为企业重要的无形资产之一。如何科学、合理地评估数据资产的价值，成为企业、投资者乃至监管机构共同关注的问题。成本法作为资产评估中的一种常见方法，在数据资产评估中也有其特定的适用场景。然而，面对不断更新、快速迭代的数据资源，尤其是“新数据”是否适用成本法进行评估，也成为业内讨论的焦点。

成本法的基本原理是依据获取或重置某项资产所需的成本来确定其价值，通常包括历史成本和重置成本两种方式。对于数据资产而言，成本法主要考量的是企业在收集、整理、存储、处理和维护数据过程中所投入的资源，如人力成本、技术投入、数据清洗费用、系统建设成本等。

在以下几种场景中，成本法较为适用于数据资产评估：

首先，在数据资产尚未产生直接经济收益的情况下，成本法可以作为初步评估的参考依据。例如，一些初创企业或科研机构在早期阶段积累了大量数据，但尚未开发出成熟的商业应用模式。此时，由于缺乏市场交易数据和未来收益预测基础，成本法可以较为客观地反映企业为构建数据资产所付出的实际投入。

其次，对于企业内部使用的数据资产，如客户数据库、产品研发数据、内部运营记录等，这些数据通常不对外出售，因此难以通过市场法或收益法进行估值。此时，成本法可以作为衡量其内部价值的重要手段，帮助企业更好地进行资产管理和财务披露。

第三，在数据资产并购或重组过程中，当交易双方对数据的未来价值预期存在较大分歧时，成本法可以作为谈判的基准之一，提供一个相对客观的估值起点。虽然成本法不一定能反映数据资产的全部潜在价值，但在缺乏市场参照和未来收益预测的情况下，仍具有一定的现实意义。

然而，在使用成本法评估数据资产时，也存在一些局限性，尤其是在面对“新数据”时更为明显。所谓“新数据”，通常指的是近期采集、尚未经过充分清洗、整合或应用的数据资源。这类数据往往具有较高的不确定性，其未来的使用价值和变现能力尚未明确。

首先，新数据的成本构成可能尚不完整。由于数据采集、处理和存储是一个持续的过程，新数据可能还未经历完整的生命周期，相关成本尚未完全发生或明确记录。例如，数据采集初期的投入可能已经发生，但后续的数据清洗、结构化、分析建模等环节仍处于进行中，导致成本难以准确估算。

其次，新数据的价值更多体现在其潜在应用前景上，而非当前的投入成本。例如，某些实时数据、边缘数据或非结构化数据在初期可能并未展现出明显的商业价值，但随着人工智能、大数据分析技术的发展，这些数据可能会在未来产生巨大的经济价值。此时，如果仅以成本法评估，可能会低估其真实价值。

此外，数据资产的贬值速度较快，技术更新和数据过时可能导致前期投入的成本迅速贬值。例如，某些数据采集系统在几年后可能已被更先进的技术取代，相关数据的存储和维护成本反而成为负担。因此，在评估新数据时，除了考虑其获取成本外，还需综合评估其时效性、可用性、合规性和潜在应用价值。

综上所述，成本法在数据资产评估中具有一定的适用性，尤其适用于尚未产生收益、内部使用或缺乏市场参照的数据资产。但在面对“新数据”时，仅依赖成本法可能无法全面反映其价值。因此，在实际操作中，建议采用多种评估方法相结合的方式，例如将成本法与收益法、市场法等进行综合运用，以提高评估的全面性和准确性。

对于企业而言，在进行数据资产管理时，应建立完善的数据成本核算机制，记录数据采集、处理、存储等各环节的成本信息，为后续评估提供基础数据支持。同时，也应关注数据资产的动态变化，结合技术发展和市场需求，灵活调整评估策略，确保数据资产估值的科学性和实用性。