财经 房产 娱乐 地方 美食
首页 » 历史

大数据时代的并购

2020-11-28 15:46:19
A+ A-
经济观察报 曾磊/文 近十年来,数据类并购呈快速增长趋势。根据波士顿咨询集团的统计,2017年全球数据类并购交易总金额达6580亿美元,为2010年的2420亿美元的2.7倍,占全球并购交易总金额的24%。通常而言,数据类并购是指并购的对象拥有某种数字产品或技术作为关键的业务因素。一方面,新兴的数据类企业意图通过并购同业拓展业务的边界和深度;另一方面,未以数据为主业的传统企业则期望通过数据类并购获取新的增长动力,即实现所谓的“数字化转型”(digital transformation)。随着5G等新一代通信网络的普及和数据相关技术的加速迭代,数据类并购预计将继续成为并购产业中炙手可热的类别。数据类并购有别于传统行业并购的特殊性,值得业界的关注。

传统行业热衷于跨界并购

根据波士顿咨询集团的上述统计,来自非数据类企业的跨界收购占数据类并购的三分之二。为什么要跨界收购?大数据的应用导致的业态创新和业务模式颠覆迫使传统企业进行数字化转型,而投入巨资进行内部研发,其结果具有很大不确定性,而且周期太长,难以跟上外部技术更新的步伐。于是,对外收购具备相关技术的企业,就成了传统企业实现数字化转型的捷径。根据埃森哲咨询公司于2017年中对来自七个国家13个行业的1100名企业高管的调查,“获得新的数字化能力”“对新一代技术的需求”与“扩展至新的地域市场”“扩展至新的行业”并列成为开展并购的最主要驱动因素。

2018年初,国际制药巨头罗氏宣布以19亿美元收购了美国癌症数据分析公司Flatiron Health的剩余股份,此举意在借助后者掌握的大量真实的肿瘤临床数据和建模能力,缩短新药研发周期和降低研发成本。2019年8月,中国上市公司江苏沙钢集团宣布以18亿英镑(约158亿人民币)收购英国数据中心运营商 GlobalS witch剩余24.01%的股权,实现对后者的全资控股。据悉,沙钢自2011年启动非钢产业多元化战略,新能源、新材料、IDC互联网大数据等领域是主要的拓展方向。2020年9月,趁TikTok美国业务遭遇特朗普政府封杀之机,美国零售巨头沃尔玛同意与全球最大软件公司甲骨文共同投资TikTok,与后者的母公司字节跳动在美国成立合资公司TikTokGlobal,以继续运营TikTok美国业务。分析认为,TikTok的巨量年轻用户将有助于促进沃尔玛电商平台的销售和扩大在美国以外市场(尤其是中国市场)的营销覆盖面。

中国企业在数据类并购方面尤其活跃。根据国际律师事务所Freshfields的统计,2009年至2017年间,总部位于中国的S&P全球1200指数的成分公司平均开展4.6个数据或科技类并购,仅次于荷兰公司(平均4.7个);鉴于荷兰公司中有大量跨国企业的控股壳公司,并非真正的荷兰本土企业,中国企业实际成为全球最活跃的数据类并购买家。中国企业平均在每个交易中的投资额高达14.7亿美元,高于美国企业的12.6亿美元,为全球第一,反映了中国企业对于数字科技的强烈渴求。中国企业的数据类并购有超过一半(56%)针对境外的目标。

用大数据的方法做并购

根据KPMG的预计,到2025年,全球产生的数据总量将较2016年暴涨10倍,达到163ZB(1ZB等于10亿GB)。在数据汪洋中,企业的运营环境也更为多样和复杂,涉及生产设施、办公场所、实体商铺、网站、社交媒体、应用软件等,各平台之间的交互联动所形成的企业画像较传统单一运营环境下的企业画像更立体和全面。传统的以人工为基础的信息处理方法在检索能力、处理能力、分析质量、响应速度等效能上日渐无法应对数据类并购的复杂性,而数据分析(data analytics)、认知计算(cognitive computing)、机器学习等基于大数据的人工智能工具在大数据时代的并购中的运用越来越受到重视。

首先,大数据技术大幅提高对潜在并购目标的搜寻和筛选效率。不仅局限于对财务报表、管理层报告等传统信息来源的挖掘,人工智能可通过数据挖掘工具收集风险投资流向、科研成果发布和利用、纵向和横向产业联结、舆论评价倾向等非传统信息,并运用文本分析工具对不同来源的信息进行整合和分析。埃森哲的调查显示,80%的受访企业认可数据分析有助于对并购目标的筛选。而更优质的筛选结果有助提高交易的成功率。波士顿咨询集团开发出一款利用人工智能评估非传统指标的并购模型,根据在267个案例上的测试,该模型可以准确预测超过70%的收购项目在收购三年后的业绩表现。KPMG的调查表明,有29%的企业在并购中使用数据分析或商业情报分析技术。

其次,数据分析有助于更合理地对并购目标进行估值。并购双方在并购后的协同效应是目标估值的重要考量因素。传统的估值方法一般基于成本节省和收入增长两方面来测算协同效应。但数据类并购的协同效应更可能体现在以下两个方面:一是收购方可利用被收购方的数字能力创造新的业务模式、服务或产品,从而推动收购方核心业务的增长;二是被收购方借助收购方的业务能力、资本和市场实现数字业务的加速增长。传统的估值方法不太适用于评估这种协同效应。数据分析工具更善于分析数据类企业的“软实力”,帮助并购方发现收购后的价值潜力。例如,通过目标企业在LinkedIn上的员工档案,可以判断公司在相关领域的真实专业水平;通过分析目标公司在社交媒体上的粉丝规模、对其产品的网络点评、对公司的网络舆论倾向等,可以测算目标公司的用户或客户群的黏度;基于目标公司所掌握的客户和供应商第一手数据,并购方可以更好地理解客户和供应商的需求和行为模式,从而有助于规划在并购后如何优化服务和产品、改进客户和供应商关系、合理化资源配置等。大数据技术还能提高传统估值方法的运用效率。例如,在大数据的帮助下,现金流折现法可以更容易地准备现金流量表,更容易地根据现存市场信息识别影响现金流量的风险因素,并且更准确地预测这些风险因素对现金流的具体影响。数据分析与传统的市场基准估值技术相结合,使并购方可以从更广泛的市场数据库提取估值参考倍数,并可帮助并购方更快更可靠地将目标公司与估值参考数据进行比较,从而形成更合理的估值。根据波士顿咨询集团的统计,非传统协同效应的价值可以占到数据类企业估值的至少50%,2017年涉及企业收购方的数据类并购的平均交易金额为1.51亿美元,估值的中位数为EBIT的26倍,远高于全部并购交易的估值中位数(EBIT的14.2倍)。

第三,人工智能大大提高了并购前尽职调查的效率。作为并购的必要程序,并购方须对目标企业或目标资产开展财务、商务、税务、法律、技术、人力资源、数据安全等方面的尽职调查,以便准确评估目标的价值和潜在风险。传统的尽职调查方法耗时耗力,不仅需要调查人员的专业知识,还需要大量的时间和体力投入,相应产生可观的调查支出。对于跨国并购,尽职调查的工作量更为庞大,不同地域的调查人员的协作难度更大,导致人为疏漏的概率增大,给并购方遗留的风险也更大。人工智能,尤其是认知计算的应用,可以大量节省尽职调查的人力投入,提高处理速度和准确率,帮助并购方更好地规避法律风险,并节省调查费用。根据数据专家的估算,将人工智能用于并购尽职调查可节约百分之三十至九十的尽职调查时间。人力资源、财务、产品研发、销售和市场、资产管理、不动产是人工智能增效最明显的尽职调查领域。德勤和KPMG已在越来越多的并购咨询项目中使用人工智能系统为客户服务。咨询公司KiraSystems的尽职调查引擎服务使用机器学习技术自动从合同中搜寻和提取并购调查通常需关注的信息,并以超过1000种可选择的条款模板形成标准调查报告;此外,该公司的KiraQuickStudy系统还可以根据客户的需求进行定制,审查任何指定的特殊信息。

最后,人工智能可大幅优化并购法律文件的起草。企业并购需要并购协议和其他配套法律文件予以规范,这些协议和文件一方面需要准确反映本次交易的商业设计,同时还应符合法律规定、监管要求和市场惯例。传统上,律师事务所根据过往经办的项目形成本所的协议模板,将其用于起草具体项目的并购协议的基础。但协议模板必须根据法律环境和市场实践的变化经常予以更新,这将耗费律师大量的时间,而囿于人工认知的局限,任何一家律所的模板都难以确保全面反映最新的发展变化。数据类企业所处的技术、商业和监管环境的变化远快于传统企业,这更增加了律师更新并购协议模板的难度。人工智能可帮助律师准备高质量的协议模板,使律师可将时间和精力集中于客户在特定项目中需重点解决的法律问题,提升法律服务的效率和价值。例如,法律智库公司Wolters Kluwer早在2017年7月就推出了使用人工智能的并购条款分析服务,该服务通过人工智能对市场中使用的并购协议条款进行大数据统计,归纳出最普遍使用的条款,形成紧跟最新实践的协议模板,再由资深并购律师进行审阅微调,确保模板符合最新的市场标准和行业经验。

日益严峻的监管环境

数据类并购面对的政府监管比传统行业的并购更为复杂和严苛,跨国并购尤甚。首先是个人数据保护。以大数据为核心资产或生产资料的运营模式,难免涉及消费者或公众的个人数据,对大量个人数据的分析和利用正是这类企业的价值来源,而加强对个人数据的保护是当今主流国家的重点关切之一,两者存在天然的冲突。例如,欧盟的《一般数据保护条例》(GDPR)、美国加州的《消费者隐私保护法》(CCPA)、巴西的《个人数据保护法》(LGPD)、泰国的《个人数据保护法》(PDPA)都对个人数据的采集、存储、传输、转移、使用都设立了严格的标准,并且对违规者设置了高额的罚款甚至刑事责任。更值得注意的是,这些法律都具有域外效力,即适用于涉及本国公民数据的任何主体,因此,如果外国的企业对这些国家的数据类企业的收购可能导致数据的跨境转移,也必须遵守这些国家关于个人数据保护的法律。

网络安全也给数据类并购造成潜在风险。掌握大量消费者数据的企业负有保证数据不被非法获取或泄露的义务,一旦违反,企业将面临监管机关的处罚和受害者个人的索赔。这些罚款或赔偿,如果由收购一方承担,将大幅提高收购成本;如果由出售一方承担,则标的的估值将被缩水。例如,2016年,万豪酒店集团以136亿美元收购了喜达屋酒店集团,由于后者的客户预订数据库的安全漏洞,万豪被英国信息专员办公室(ICO)处以9900万英镑的罚款,并遭遇了大量的集体诉讼,公司的股价也因此大跌了5.6%。2016年7月,Verizon与雅虎签订协议,以48.3亿美元购买后者的互联网业务;随后,雅虎披露了之前发生的两起严重的账号泄露事件;最后,经重新协商,收购价格下调了3.5亿美元,至44.8亿美元,并且雅虎将承担相关的股东诉讼和美国证监会调查将导致的全部损失。

如果说数据保护和网络安全问题主要影响数据类并购的价格或成本,国家安全、技术出口限制、反垄断等审查则将直接决定数据类并购是否能够成交。美国政府以国家安全威胁为由强迫字节跳动剥离TikTok美国业务,而截至目前,甲骨文和沃尔玛共同收购TikTok美国20%股权的交易方案仍未获得美国政府的批准,而中国政府最新修订的禁止出口和限制出口技术目录将“基于数据分析的个性化信息推送服务技术”列入限制出口技术,更加深了交易达成的不确定性。互联网巨头通过收购,吞并初创数据类企业以扼杀未来竞争,成为触发反垄断审查的重要原因。例如欧盟于2014年对Facebook收购Whats App的反垄断审查、于2018年对Apple收购Shazam?的反垄断审查和对?Microsoft收购GitHub的反垄断审查。2020年9月11日,欧盟竞争委员会宣布修改欧盟合并规则,允许成员国竞争主管机关将未达到反垄断审查门槛(以营业收入为标准)的并购案件提交欧盟竞争委员会审查。受欧盟实践的启发,早在2019年12月,日本公平贸易委员会就修改了关于在业务合并审查中适用《反垄断法》的指导意见,其中规定如果并购参与方掌握对市场竞争有重大影响的数据或知识产权,则即使这种竞争优势尚未导致并购达到触发审查所需的门槛(如市场份额),委员会仍有权展开实质性审查。

并购双方的法律应对

日益严峻的监管环境给数据类并购的参与方带来的法律风险远高于传统行业的并购,因此并购双方的法律技术也不得不与时俱进。早至尽职调查阶段,双方就必须规避数据合规的雷区。通常,卖方会将与并购标的相关的资料和文件保存在实体资料间或者上传至虚拟数据库以供潜在买方进行查阅。然而,在欧盟GDPR和其他一些主要国家的数据保护法规的框架下,未经数据主体的同意披露个人敏感信息将很可能构成违法。因此,卖方必须考虑限制向买方披露的个人信息,例如,仅提供高管和关键技术骨干的信息、隐去可识别具体人员身份的信息(如姓名和住址)、以汇总或平均数据替代个别人员信息等,而潜在买方也被要求作出更严格的保密承诺。

由于被收购方的网络安全漏洞或事故将使收购方在收购后承担难以估量的责任和损失,网络安全问题成为数据类并购的尽职调查的重点内容之一。根据技术咨询公司ForescoutTech-nologies在2019年对美、英、法、德等七个国家近3000名IT或业务高管的调研,53%的受访者自述曾遭遇足以阻碍并购进行的重大网络安全问题或事件;73%的受访者表示,未主动披露的网络安全违规事件一旦被发现,将会立即导致并购项目被取消;网络安全事件历史成为仅次于财务报表的尽职调查第二大目标。

关于个人数据保护的法律通常严格限制数据作为资产的转让。例如,在欧洲,除了GDPR的限制外,德国法律规定在涉及消费者数据的资产转让交易中,消费者有权在转让发生前选择将本人数据排除出转让的范围。在此背景下,数据类并购更多地选择股权转让模式,即买方收购目标公司的股权,而目标公司持有的数据不发生转让。但是,相对于直接买卖数据的资产转让模式,股权转让模式将使买方承接目标公司过往的数据违规责任,大大增加了交易风险。

为避免受到目标公司违规责任的牵连,多数买方会要求卖方在并购协议中就此作出全面的陈述与保证,包括:在过去一段指定的期间内未发生未经授权的数据调取或查阅;目标公司已采取行业内的最佳做法以保证IT系统的安全;目标公司的经营活动符合数据保护法的要求;目标公司未遭遇涉及数据或隐私事项的诉讼、调查或投诉等。同时,为了获得进一步的保障,越来越多的买方还会购买陈述与保证保险(war-rantyandindemnityinsurance),以期在卖方关于数据合规的陈述与保证被发现为不实或虚假时可以获得尽可能充分的赔偿。

各国不断收紧的关于反垄断、国家安全、出口限制等方面的审查给数据类跨国并购项目的交割带来更多的不确定性。根据Freshfields对2009年至2017年间的跨国并购的观察,尽管由于政府审批原因被撤消的数据类并购的比例并未明显高于非数据类并购,仅占不到1%,但被撤消的交易的总金额更为巨大,超过2500亿美元,占公开的全部数据类并购交易金额的22%。预计日益趋紧的政府审查将导致数据类并购的交割条件变得更为复杂,签约至交割之间的等待期变长,交易失败的风险提高。反映在协议条款上,买方将倾向于在并购协议中列入更多的政府审批结果作为项目是否交割的先决条件,而卖方将在“分手费”(breakup fee)或“反向分手费”(reverse break up fee)安排上更加锱铢必较。

数据合规还将影响交割后的整合过程。数据类并购项目实现交割后,卖方对数据的处理权通常将移交给买方,而这一过程将持续较长时间(一到两年)。在移交完成前,卖方将继续处理其持有的数据,但此时其身份是买方的代表。在GDPR及类似的其他立法的框架下,此时的买方成为数据的控制者,卖方成为数据的处理者。双方的身份还可能再次反转,例如买方有可能需要处理来自消费者的关于交割前由卖方出售的商品的投诉,在此情况下买方是数据的处理者,代表卖方处理数据,而卖方是数据的控制者。数据控制者和数据处理者分别对应不同的法律义务和责任,因此并购双方需要签订一份过渡期服务协议(transitionalser-vicesagreement,TSA),对双方涉及数据的义务进行清晰的约定,以确保移交过程中的数据合规。

经济的数字化是不可阻挡的发展趋势,并购数据类企业或资产也将随着数字经济的深入发展成为并购市场的主流。然而,数字资产及其运营面临多维度、跨国界、严处罚的法律监管,数据类并购注定要背着更重的镣铐起舞。“无限风光在险峰。”谁能在监管的红海中开辟一条通往彼岸的路径,谁就有机会拥抱数字经济的更广阔未来。

责任编辑:bH_06332
点击查看全文(剩余0%)

相关新闻