數據資產作為一種新型資產，其價值評估給學術界與業界帶來挑戰。數據資產的價值呈現出非結構化和不完整的特征，往往難以量化。此外，數據的劇變性和多樣性也增加了數據資產價值評估的復雜性，其價值評估結果可能受主觀因素和不確定性的影響，因此，需要選擇合理的評估模型和數據分析方法。文章從數據資產入表出發，梳理并綜述數據資產相關理論的最新進展，闡述數據資產價值評估面臨的挑戰與相關實踐，并提出對策建議，為數據資產合理化利用以及數據分析提供強有力的理論支撐。

引 言

習近平總書記提出“要構建以數據為關鍵要素的數字經濟”；黨的二十大報告強調“加快發展數字經濟，促進數字經濟和實體經濟深度融合，打造具有國際競爭力的數字產業集群”，促使數據資產價值釋放的進程不斷加速。為做強做優做大數字經濟，加快數據資產底層邏輯設計與基礎制度建設，充分發揮中國海量數據資產規模及市場發展潛能，增強經濟市場要素流動，構建中國經濟發展新格局，中共中央、國務院發布的《關于構建更加完善的要素市場化配置體制機制的意見》將數據與傳統要素如土地、勞動力、資本和技術并列，作為第五要素，并提出要加快數據要素市場培育；《中共中央國務院關于構建數據基礎制度更好發揮數據要素作用的意見》充分肯定了數據作為新興生產要素參與數字經濟發展；2023 年 2 月中共中央、國務院發布的《數字中國建設整體布局規劃》中指出數字中國應按照“2522”整體布局架構與“夯實數字基礎設施和數據資源體系‘兩大基礎’”進行建設。

數字經濟要素資源的發展為企業積累了海量的數據資產，根據國家發改委價格監測中心估算，中長期數據資產規模將在 60 萬億元以上，數據資源、數據資產入表評估將有望催生千億元級別專業服務市場。由此可見在數字經濟背景下，數字產業崛起、數字化轉型成為大勢所趨的今天，加速數據資源要素孵化、釋放數據資源價值以及如何將數據資源合理轉換為數據資產是我國未來經濟高質量發展的核心訴求與重頭戲（圖 1）。

在數據資產的蓬勃發展時期，2023 年 1 月大數據技術標準推進委員會發布了《數據資產管理實踐白皮書》（6.0 版），闡述數據資產管理的概念、演進趨勢與重點難點，結合企業典型方法和實踐案例，重點討論數據資產管理的活動職能、保障措施、實踐步驟等，并對其發展進行總結與展望；2023 年 8 月與 10 月《企業數據資源相關會計處理暫行規定》（財會〔2023〕11 號，以下簡稱暫行規定）、《數據資產評估指導意見》（以下簡稱指導意見）相繼發布，兩份文件充分考慮了企業數字化轉型和數字經濟與相關會計信息的關系，肯定了將數據資源資產化的有用性，并規范企業外部交易數據資產和內部使用數據資產的處理邏輯。暫行規定和指導意見的發布標志著我國數據要素產業化邁出了實質性的一步。傳統技術與高新技術企業越來越意識到數據資產在企業生產經營中發揮著極大作用，并不斷探索發掘數據資產的實際價值與潛在價值，越來越多的企業面對數據資產的滲透，不得不思考價值評估問題。由于數據資產具有增值性、非實體性等特征，在對數據資產進行估值時存在數據潛在價值估算以及數據成本度量困難等問題，為數據資產價值評估帶來阻礙，導致企業生產經營、成本利潤等的核算度量出現偏差，企業各項數據資產不完善的定價制度模型與數據迅速發展之間形成嚴重滯延，在一定程度上制約了數字化時代下經濟的高質量發展。

基于此，本文從數據資源與數據資產入表出發，采用規范研究的形式，梳理并綜述數據資產領域內相關理論的最新進展，厘清企業數據資產價值評估存在的現實意義和經濟價值，闡述數據資產價值評估面臨的挑戰與相關實踐方法，并提出對策建議，為數據資產價值化體現以及數據分析合理化利用提供強有力的理論支撐。

一、數據資產價值評估理論基礎

（一）數據資產界定

數據是用來記錄客觀事物并存儲在介質上的可識別符號，它是記錄事物屬性、狀態和相互關系的物理符號或符號組合，早在 1982 年就被列為促進生產交換的一項重要經濟資源，國際標準化組織 ISO 將數據定義為“以適合交流、解釋或處理的正式方式，對信息進行重新解釋的表述”。數據被作為一項重要的資源參與企業日常生產活動，數據資源在廣義上被定義為對企業有價值的數據。目前，數據資源已成為數字經濟最重要的生產要素，正式成為企業實現可持續發展、提高市場競爭力的關鍵資源。在國內外學術界，Peterspm 等在 1974 年首先提出“數據資產”這一概念，將企業持有的政府債券、企業債券和實體債券并稱為數據資產。Fisher從數據資產的價值屬性出發，在大數據背景下提出“數據是一種資產”。Bughin 等認為數據資產能夠賦予產品嶄新的功效，可作為新型智能資產。2021 年中國信息通信研究院發布的《數據資產管理實踐白皮書（5.0 版）》把數據資產定義為：由企業擁有或者控制的，能夠為企業帶來未來經濟利益的，以物理或電子的方式記錄的數據資源。數據資源可以通過數據有據確權、數據有據確質、數據有據確值體系轉化為數據資產。換句話說，數據資產可通過數據資源進行加工而形成，具有可計量、可操控的特性，當數據資源轉化成資產時，在數據生命開發周期內的各個環節均有未來增值空間，這能夠釋放依賴大數據物聯網的數據要素企業和依靠用戶數據為主的互聯網行業企業的潛在價值，也可以進一步形成具有資本化的金融信貸服務。因此，對于數據資產能夠為企業創造什么價值，抑或是給企業未來經濟利益產生何種促進作用，都是需要深思熟慮的問題。

（二）數據資產的構成及特殊性

數據資產價值構成方面，數據要素參與了企業價值創造、完善、交換和分配全過程，數據資產化是通過企業信息披露程度加強、行業用戶平臺精確細分、實踐操作技術提升、統籌決策制度完善等方向實現價值創造。而數據資源是通過數據資產化實現價值的創造，只有通過數據資產化，數據資源的價值才能被評估、核算及監督，數據資產價值受到數據要素數量、質量、風險水平、管理水平以及應用水平等的影響，因此，數據資產的價值創造具有一定的復雜性及特殊性。數據資產的價值由數據資產成本價值和應用程度構成，數據資產的成本價值包括運營費用和生產費用，應用程度包括數據資產的數量、質量和使用方式等，這些因素共同作用于數據資產，實現價值的創造。數據資產的價值也受數據要素的影響，隨著數據體量的增加，數據資產之間的應用程度和關聯性會隨之增加，數據質量越高，對企業做出合理決策的可能性越大，進而可以提升商業價值與決策質量和價值，所以說數據的體量越大、質量越高，數據資產價值越高，同時數據要素也可以通過業務質量和客戶數量質量影響企業的價值。然而，由于數據資產在一定程度上存在道德風險和法律風險，伴隨數據資產數量及質量的增加，受到黑客攻擊或人為因素導致泄露的風險系數也會增加，所以，風險能夠負向抑制數據資產，給企業帶來一定程度的損失。企業在大力開發、發展數據資產價值的同時應提高對數據資產的安全管控，避免數據資產的流失。在數據資產所創造的商業經濟價值方面，由于數據資產是數據的資產化體現形式及運載形式，企業多種途徑積累的數據化資源和跨行業、跨市場的深度開掘能夠提升數據資產的使用價值，并能夠長期實現經濟效益。

數據資產具有非實體性、依托性、可共享性、可加工性、價值易變性等特征，數據資產的特殊性主要表現在三方面：首先，傳統貨幣存在時間價值，如存在攤銷、折舊、升值和貶值，數據資產化所體現的價值也是隨時間推移而不斷變化的，且這種變動相對于傳統貨幣來講更難評估，具有極大的不確定性，在數據要素市場發展前期，易被企業忽視的數據資產可能隨時間的變動逐漸成熟并迸發出巨大的價值。其次，數據資產的價值存在不對稱性，由于存在不同的企業業務類型、市場開拓能力、數據資產占企業全部資產的價值比率以及數據與企業業務的融合程度，導致不同的預期經濟價值，進而導致同一企業數據資產對不同企業而言，其時間與空間價值實現程度不同。最后，數據資產的價值存在內外部區別性，內部性是指企業原有信息部門開發設計的數據資產，而外部性是指企業數據資產在交易和采集過程發揮的價值高于預期目的與預期價值，也體現在數據資產通過第三方所獲得的額外價值。內外部的區別性使同一數據資產的不同使用區間、不同市場主體和不同表現維度下產生經濟價值差異，暫行規定和指導意見的發布勢必會增加數據資產的活躍度，數據資產內外部性的差異會更加明顯，數據資產的價值領域也會更加多元化。

（三）數據資產的價值管理

在數據資產的價值管理方面，國外學者根據數據資產的流動性提出價值管理的保值方式，并指出能將數據轉化為所需資產的企業，會在復雜的市場環境中取得競爭優勢，從而提升企業軟實力。數據的管理應從數據來源、數據體量、數據質量等方面開展，對數據進行管理時應將其視為資產，并與企業信息生態模型相結合，目的在于提高數據資產管理的效率，以深度挖掘數據資產的內在潛力，并解決數據資產業務層面的實操問題。從價值鏈視角看，質量是企業進行有效資產管理的關鍵一環，只有達到優質數據資產并進行全面管理后才能發揮出數據資產的應有價值。企業進行數據資產管理的客體不單單包括企業生產經營環節產生的數據要素，還包括供應鏈、價值鏈協同產能過程中上下游企業共享的商業資源 。挖掘數據資產的管理問題、明確企業數據資產化的必要性，能夠為企業數據資產管理提供理論支撐。充分利用大數據、云計算、區塊鏈技術、物聯網和互聯網技術能夠加強企業數字化轉型質量和數據隱私安全，防止數據泄露與濫用，進而通過數據服務實現數據資產增值。也有學者表明，數據資產價值管理不成熟以及缺乏良性循環的數據交易市場體系，會使數據資產在交易過程中存在逆向選擇和風險問題，我國對數據資產的機制及管理體系并未建成完全且統一的標準，仍需各行各業在自我管理基礎上進一步摸索與實踐。

二、數據資產價值評估的挑戰與問題

暫行規定、指導意見的頒布雖然使數據資產價值評估有了基本參照，但并不意味著其能夠一蹴而成，反而百步無輕擔。從上述數據資產的性質來看，暫行規定與指導意見頒布后數據資產價值評估體系仍存在一定挑戰。

（一）對數據資源價值化存在認知局限

在企業內部運營方面，過度追求數據資產的數量，認為對數據資產價值方面應“以量取勝”，從而忽視了數據資產的質量，缺乏相應的數據治理能力。一方面，在數據資產的生產、采集、加工、儲存和交易等各個方面存在不規范、不科學的計量方式，往往產生異常數據和缺失數據，無法保證數據資產的準確性和完整性；另一方面，由于數據治理能力的缺失，企業用于生產經營的數據資產質量較低，將會嚴重阻礙后續數據資產的應用與價值評估，不利于企業數字化戰略的實現；同時，企業過度關注數據資產的現實價值，將數據資產僅僅作為一種運營工具，而非可以改變企業命運的戰略資產，沒有將數據資產整合到企業業務流程決策中，忽視了數據資產在企業創新、市場洞察和戰略規劃等方面的潛在價值以及應用領域。在企業數據資產隱私安全的重視程度方面，沒有建立起有效的數據資產保護措施，導致企業喪失競爭優勢。企業的商業機密、客戶信息和研發成果等重要的數據資產可能會被盜取或泄露給競爭對手，導致企業的核心競爭力受損，同時客戶和合作伙伴也會對企業數據資產的安全性產生質疑，從而減少合作意愿，阻礙企業正常發展。此外，由于數據資產的泄露和濫用，可能會間接造成法律訴訟、賠償金、修復成本等費用的增加以及業務中斷、市場份額下降、投資者信任減弱等問題的產生，進而出現企業財務風險問題與經營危機。

（二）數據資產權屬問題仍未解決

傳統實物資產一般首先確認產權所屬，其次方可執行相關權利義務。然而，在數據資產權屬中恰好相反。數據資產來源于各項流程以及多方主體的貢獻，而且各個流程及主體的性質和貢獻程度存在差異，很難達成產權共識。盡管數據產權所屬可能無法明確確定，但可以考慮其他相關權利的確認，包括數據資產使用權、數據資產生產權、數據資產修改權、數據資產經營權等，確保數據資產的合理使用和共享，從而促進數據要素價值的最大化；同時，也能為數據資產的交易和合作提供法律與商業保障。但何為數據資產使用權、數據資產生產權、數據資產修改權、數據資產經營權，暫行規定和指導意見并未明確規定，學界也無具體解釋，可能會對未來數據資產價值評估的應用與實踐帶來一定困難。因此，在數據資產價值評估過程中，除了確認產權所屬問題外，還需要考慮和確定其他相關產權，確保數據資產的正當使用和合理價值的實現，同時也為數據資產的合作與交易提供了可靠的基礎。在個人與企業數據資產產權所屬和數據歸屬與分配方面，企業與個人數據的產權歸屬和使用規則在不同國家和地區存在差異，缺乏統一的國際標準。除此之外，如何制定和實施有效的法律和監管機制，實現數據的合理經濟利益分配，以保護企業和個人數據的產權與隱私，也是現階段數據資產價值評估體系面臨的挑戰。

（三）數據資產價值評估定價機制并不完善

數據資產價值評估是加速數據要素市場流動的關鍵一環，暫行規定中將數據資源以存貨和無形資產的形式計入財務報表，進而體現數據資產價值評估以市場競爭和需求為主確定最終價格；同時，由于數據資產的趨同性和數據處理者的技術水平各不相同，使得有用信息的挖掘能力存在差異，導致數據價值釋放呈現出強烈的消費者異質性。如果數據賣家采取差異化定價策略，可能導致價格歧視問題。然而，數據提供商往往擁有更多的市場信息和數據資源，數據使用者處于信息不對稱的劣勢地位，這種信息不對稱嚴重干擾了數據要素市場價格的形成過程。除此之外，數據資產的價值評估定價機制還應考慮成本、收益、市場和風險要素，并與數據資產的潛在市場產生協同收益，從中分離出的數據資產價值是重中之重。指導意見中將數據資產價值評估的定價機制具體為“成本法、市場法、收益法及其衍生方法”，但并未對衍生方法做具體闡述，反映出對數據資產估值的復雜程度。行業公司與資產評估師事務所在實操過程中需使用尚不成熟的綜合性價值評估模型抑或是不確定性較大的傳統評估模型，在實踐中亟需探索成熟模式。

三、數據資產價值評估實踐探索

數據資產是一種新型的非實物資產。在宏觀層面，暫行規定和指導意見目前并未真正意義上實施，對其定義為無形資產和存貨的概念界限并不清晰，因此，對數據資產各方面的研究仍存在一定局限性。在微觀層面，對數據資產的價值評估是數據資產定價的基礎，對不同價值評估方法運用原理進行剖析，形成兩種可被接受的維度。一種是關于數據資產傳統價值評估維度，主要從數據資產的價值內涵與價格角度對數據資產進行價值評估；另一種是數據資產非傳統價值評估維度，主要從價值指數方面對數據資產價值進行評估。學界目前普遍采用前一種觀點，從傳統的或修正后的資產角度入手，以企業整體價值中數據資產所占權重比例來體現其具有的真實價值。

（一）數據資產價值評估基本方法

成本法

成本法是對數據資產從產生到發展乃至交易的整個生命周期不同階段的成本測度其價值的方法，本質上是通過測度數據資產的各項負相關因素和重置成本得出數據資產的實際價值，同時對成本進行歸納。2019 年阿里研究院與上海德勤資產評估有限公司對數據資產價值評估的成本法公式定義為評估值 = 重置成本 - 負相關因素，但也有學者認為成本法基礎模型應為初始開發成本與后期收集成本之和。成本法適用于評估企業內部生產積累的數據資產，由于當前交易市場并不完善、不活躍，以及交易雙方存在惡意抬價行為，難以發掘其真實情況，使得除成本法外其他傳統估值方法在用于數據資產價值評估時存在較大局限性。利用修正后的成本法對企業已積累的數據資產進行評估時，通過比對市場價格與生產成本價格確定數據資產最終價值，并構建細分性、多樣性與差異性的數據資產定價模型。成本法如式（1）。P表示被評估數據資產價值；C 表示數據資產的重置成本，主要包括前期費用、直接成本等。

2.市場法

市場法是首先選取目標企業數據資產和市場上同行業其他企業數據資產，然后在市場定價的基礎上，將影響數據資產的主要影響因素作為控制變量，在公平、成熟、活躍的交易市場環境中進行比對分析，得出數據資產的實際市場價值，并最終對期權、價值密度、數據體量和技術發展水平等主要影響因素做出必要調整。然而有學者認為數據資產本身非實體化的特性導致市場法在其價值評估過程中受到一定約束，因此，將數據資產主要影響因素代入以灰色關聯度和層次分析法為主的市場法模型體系中，運用關聯度確認、比對、分析雙方企業，以此確認數據資產價值市場法，見式（2）。其中 P 代表被評估數據資產價值，n 代表被評估數據資產所分解成的數據集的個數，i 代表被評估數據資產所分解成的數據集的序號，Q代表參照數據集的價值。

3.收益法在特定未來剩余使用區間內，將數據資產能取得的預期經濟收益按照一定折現率折現后，把數據資產的現值作為收益法資產評估的價值，在缺乏相似或相同數據資產交易的情況下，數據資產價值評估運用成本法和市場法存在局限性，可采用收益法和支付意愿法對其進行價值評估。收益法能夠較明確地確定數據資產的實際價值，但需要考慮未來收益是否能以貨幣價值衡量以及對預期經濟收益的風險預測問題。相較于成本法和市場法，企業的現金流量較為穩定，不會受其他因素影響。直觀地得出數據資產的價值是困難的，因此數據資產的價值可通過測度數據資產使用或交易前后的收益間接得出。自由現金流折現并在收益法的運用過程中需重點關注企業管理層的決策信息，并應綜合考慮行業信息、會計信息、財務信息和風險相關信息，以便對數據資產詳細估值。傳統收益法分為直接收益預測、分成收益預測、超額收益預測和增量收益預測。

（1）直接收益預測直接收益預測適用于數據資產商業模式及應用場景獨立且能夠為企業創造直觀收益的情況。直接收益預測公式如式（3），其中，Ft 表示預測第 t 期數據資產的收益額，Rt 表示預測第 t 期數據資產的息稅前利潤。

（2）超額收益預測

超額收益預測將數據資產預期收益視為數據資產所創造的超額收益，由于數據資產持有特殊屬性，用差量法將數據資產的價值從企業整體價值中剝離出來，將未來預期收益與其他資產預期收益相減后得到數據資產的超額收益，最后經過折現到基準日得到數據資產的價值。其中其他資產預期收益包括固定資產貢獻值、無形資產貢獻值、流動資產貢獻值等，超前收益預測公式如式（4）。n代表其他資產預期收益種類，i 代表其他資產預期收益序號，Cti 代表其他資產預期收益額。

（3）分成收益預測

分成收益預測分成率通常包括收入提成率和利潤分成率兩種。Kt1 表示第 t 期數據資產收入提成率，Kt2 表示數據資產利潤分成率，具體公式如式（5）。

（4）增量收益預測

增量收益預測基于未來增量收益的預期而確定數據資產預期收益的方式，RYt 表示第 t 期數據資產的息稅前利潤，RNt 表示第 t 期未來數據資產的息稅前利潤，具體公式如式（6）。

（二）數據資產價值評估新型方法

在對實物期權法的具體研究中，國內學者基本運用B-S 模型評估數據資產價值，而國外學者主要以蒙特卡洛與最小二乘法相結合求得數據資產價值。蒙特卡洛與最小二乘法最早提出于 2001 年，并在此基礎上創建 LSM模型評估數據資產，而后學者對 LSM 模型進行優化，并得出改良的 LSM 模型更能反映數據資產真實價值的結論，也能運用于實物期權價值評估中，進一步拓寬了實物期權法的評估范圍。B-S 模型于 2016 年應用在數據資產移動云計算價值評估模型中，構建動因為數據資產具有看漲期權的屬性，并通過比對成員的相似度、貢獻度、活躍度、信任度等相關影響因素，運用密切值確定所占權重，隨后得到標的和執行數據資產價值，驗證 B-S 模型的時效性。由于互聯網企業具有資產非實物化、估值較高、迭代速度較快、風險性較大等特點，與傳統企業比具有明顯的特點和較大的短板，將 Schwartz-Moon 實物期權模型和傳統價值評估模型對比分析發現，實物期權模型更能反映公司的真實價值。

有學者在對傳統評估方法的改進研究中，將破產清算理論、人工智能相關理論、博弈論等引入數據資產價值評估模型中，并認為項目的決策差異會導致數據資產估值出現較大不同，當數據資產價值受決策差異影響較大時，傳統方法往往不能對其合理評估，可選用破產分配法和 Shapley 值對數據資產進行修正。另外，也有學者將博弈論和數據資產價值評估有機結合，用收益現值法和重置成本法分析了大數據資產的理論價格區間，并構建三階段“討價還價”模型，得出數據資產交易的最終價格。

有學者運用模糊層次法從市場的角度將數據資產作為商品所具備的屬性和價值評估基礎，并將價值評估所需參數分為基礎參數、市場參數以及質量參數，以PageRank 算法和洛倫茲變換為理論基礎依據，利用PageRank 算法計算其在數據資產參價體系中的權重系數，進而得到數據資產估值。有學者圍繞數據資產關聯度、顆粒度、多維度、規模度以及活性度，并基于 AGA-BP神經網絡，構建數據資產的特質、法律、市場因素的三要素評估模型，將 200 余條武漢東湖大數據交易中心的日常交易信息作為樣本進行實證檢驗。另外，由于非結構化信息在數字經濟背景下不斷出現，有學者根據數據信息化研究提出一種數據模塊化、可視化的通用模型，將數據要素可視化分為可視化結構映射、可視化空間布局、可視化視圖映射三個主要模塊，為不同場景提供了價值評估方案。

四、結論與建議

時至今日，以大數據、云計算、“互聯網 +”和區塊鏈等網絡信息技術為核心的數字經濟時代正在蓬勃發展。基于數據資源的數據資產是當今數字經濟時代的核心資產，也是相當一部分傳統行業企業進行數字化轉型甚至賴以生存的重要資產。企業如何通過數據資產實體化實現自身的高質量發展，是公司內外部治理、稅收與審計監管、學術與科學研究亟待解決的重點問題。在此過程中，隨著數據要素市場的不斷完善成熟，各個行業主體與客體對數據資產價值和管理以及數據要素市場的認知產生協同效應，并有望統一數據資產的價值評估模型體系。為了更好地面對風險與挑戰，更好地統籌當前和長遠，本文從以下方面提出有針對性的建議。

（一）細化數據資產價值評估指標

細化數據資產價值評估指標是規范價值評估體系的關鍵環節之一。相關政府部門和數據資產管理部門應參照國家戰略指標和政策標準，考慮數據資產的準確性、完整性、一致性和可靠性，制定合理的數據資產價值評估模型，在具體的價值評估模型中可建立多種維度的指標體系標準，如從數據資產質量維度和數量維度、數據資產產出率與利用率維度、數據資產安全性與風險性維度、數據資產穩定性與流動性維度等入手，規范數據資產價值評估指標的使用條件，明確指標選取途徑與依據，以確保數據資產價值的規范性和準確性。

在此基礎上，應考慮數據資產在業務決策和運營中的重要性與影響力，通過數據可用性調查或用戶滿意度調查等方式，定性和定量評估數據資產價值指標的可用性，進一步建立并完善數據資產價值指標監督體系，定期對數據資產傳統與非傳統價值評估方法的指標選取及標準進行診斷改良，優化監督細則，以確保數據資產價值評估指標體系的權威性與前沿性。

（二）引入新型數據資產價值評估模型

目前業界與學術界仍然沒有一套完整的、適合的數據資產價值評估方法，因此，首先應判斷好傳統的數據資產價值評估模型，考慮數據資產投資的成本、效益和回報周期等因素，以評估數據對企業的經濟效益。同時引入新型數據資產價值評估模型，基于數據資產的特征和價值屬性，將數據資產視為企業的投資，引入非財務評估體系，建立模糊綜合評價法與層次分析法相結合的特殊模型，抑或采用風險評估法、利益分析法、成本效益分析法評估數據資產的價值。

其次應建立數據資產的治理框架，確立數據資產治理的目標和原則，并建立相應的組織結構和流程，明確數據資產的所有者、責任人和訪問權限，以確保數據資產的合規性和可信度。

最后應制定數據資產價值質量標準和規范，建立數據資產質量度量和監控機制，進行數據清洗、糾錯和驗證等操作，以提高數據資產價值評估的準確性和完整性。同時，對企業數據資產進行分類和標準化，建立統一的數據資產模型和語義規范，以便數據資產的共享和集成，提高數據資產在企業中的可用性和可分析性。

（三）應用先進數據資產分析與處理技術

數字經濟背景下，數據已成為經濟高質量發展的關鍵要素資源，對數據資產的關注是未來國家發展戰略的基本方向。建議深耕機器學習和數據挖掘，利用機器學習算法和數據挖掘技術，對大規模數據進行分析和挖掘，發現數據資產的潛在價值，如隱藏的模式、趨勢和關聯規則等。

同時，應用自然語言處理技術，對非結構化數據（如文本、語音和圖像等）進行分析和處理，提取有價值的信息和知識。基于數據資產價值評估結果，制定數據資產的使用策略和規劃，明確數據資產的用途，確保數據資產的有效利用和最大化價值實現，建立數據資產的價值實現機制與數據驅動的決策機制，將數據資產價值評估與企業的決策過程緊密結合，以保證決策的科學性和準確性。