目錄

數據資產入表 數據資產交易 數據資產融資 數據資產代運營 四種方式組合

在當今數字化時代,數據已經成為企業最寶貴的資源之一。如何有效管理和利用數據資產,實現數據價值最大化,已成為眾多企業面臨的重要課題。本文將深入探討實現數據資產價值的四種主要方式:入表、交易、融資和代運營。通過剖析這四種方式的內涵、流程、關鍵點以及優勢和挑戰,為企業盤活數據資產、增強數據驅動力提供參考和指引。

數據資產入表是指將企業的數據資源進行全面梳理、分類、定價和登記,形成數據資產臺賬,納入企業資產管理體系。這是數據資產管理的基礎性工作,是后續數據資產運營的前提和基礎。

(一)數據資產梳理:全面盤點數據家底

數據資產梳理的目的是摸清家底,全面了解企業的數據資源狀況。這需要企業從以下幾個維度來開展工作:

1. 數據種類:企業要全面盤點內部各個業務系統和外部渠道中的各類數據,如結構化數據(如數據庫)、半結構化數據(如日志)、非結構化數據(如文本、圖片、音視頻等)。

2. 數據量級:要統計每類數據的數量和容量,評估數據規模。這有助于了解數據的增長趨勢,合理規劃存儲和計算資源。

3. 數據質量:數據的準確性、完整性、一致性、及時性等質量維度都需要評估。數據質量直接影響后續數據應用的效果,需要高度重視。

4. 數據獲取方式:梳理每類數據的來源渠道和獲取方式,如自主采集、外部購買、合作交換等。不同數據的獲取成本和難度不同,影響其價值判斷。

5. 數據存儲方式:盤點數據的存儲介質、格式、工具等,了解分布式存儲、云存儲、數據庫、大數據平臺等存儲方案的使用情況。

通過系統梳理,企業可以繪制出一幅清晰的數據資源地圖,這是開展數據資產管理的第一步。

(二)數據資產分類:構建分類體系

數據資產分類是在梳理的基礎上,根據數據特征和企業需求,構建科學合理的數據分類體系。通?？梢詮囊韵聨讉€角度來考慮:

1. 業務維度:根據數據對應的業務領域或業務流程來分類,如客戶數據、產品數據、營銷數據、財務數據等。這種分類便于業務部門使用和管理數據。

2. 重要性維度:根據數據對企業運營的重要程度分類,如核心數據、重要數據、一般數據等。核心數據對業務運轉至關重要,如交易數據、客戶數據等,應優先保障。

3. 敏感度維度:根據數據的敏感程度分類,如個人敏感信息、商業機密、內部數據、公開數據等。對敏感數據要采取更嚴格的管控措施。

4. 應用維度:根據數據的應用場景分類,如分析型數據、運營型數據、決策型數據等。不同應用對數據的時效性、計算性能等要求不同。

合理的分類體系有利于數據全生命周期的管理,如存儲優化、訪問控制、安全保護、價值評估等,讓數據管理更加精細化、標準化。

(三)數據資產定價:評估數據價值

數據資產定價是對數據資產的價值進行量化評估,為數據資產交易、融資等提供價格基礎。常見的定價方法有:

1. 成本定價法:根據數據獲取、存儲、加工、維護等環節的成本支出,加上合理利潤來定價。這種方法操作簡單,但未充分體現數據的市場價值。

2. 收益定價法:評估數據資產未來可能帶來的收益,如節省成本、提高效率、輔助決策等,然后折現到當前來定價。這種方法較為全面,但評估難度較大。

3. 市場定價法:參考市場上同類數據的交易價格,并考慮自身數據的獨特性、稀缺性等因素來定價。這需要市場有較為活躍的數據交易。

4. 數據要素定價法:將數據劃分為多個要素,如時間維度、空間維度、業務維度等,分別對每個維度評估定價,再綜合得出數據資產價格。這種定價更加精細化。

數據定價是一個復雜的過程,需要權衡各種因素,如數據質量、數據規模、數據獲取成本、供需關系、使用場景等。同時,要關注數據價格的動態變化,及時調整定價策略。

(四)數據資產入表:建立臺賬制度

數據資產入表就是將梳理、分類和定價后的數據資產進行賬務處理,登記造冊,形成企業的數據資產負債表和明細賬,用于反映企業擁有和控制的數據資產情況。

具體步驟如下:

1. 制定數據資產入表標準:明確哪些數據需要入表,入表的標準如何,數據資產如何分類核算等。

2. 搭建數據資產臺賬系統:建立數據資產臺賬登記與管理信息系統,用于錄入、存儲、查詢、統計數據資產信息。

3. 健全工作流程:梳理數據資產入表各環節的工作內容和職責分工,建立跨部門協同的業務流程和審批機制。

4. 明確數據資產財務處理:研究制定數據資產的會計核算、計量、報告方式,以及與企業其他資產的關系處理。

5. 開展數據資產盤點:定期對數據資產進行盤點,核實賬實相符情況,對盤虧盤盈情況進行賬務處理。

數據資產入表是一項系統性工程,需要企業上下齊心協力。建立規范的數據資產臺賬,可以提高數據資產管理水平,也為后續數據資產價值實現打下基礎。

數據資產交易是通過售賣、轉讓、交換等方式,將數據資產的使用權有償轉移給需求方,以獲取經濟收益的過程。這是實現數據資產價值變現的主要方式之一。

(一)數據資產銷售:直接賣數據

數據資產銷售是最直接的變現方式,即數據擁有方將數據產品出售給數據需求方,獲得銷售收入。常見的銷售模式有:

1. API銷售:數據擁有方通過開放數據API接口,供需求方調用獲取數據,并按調用量、頻次等計費。如號碼認證API、企業工商信息查詢API等。

2. 數據集銷售:數據擁有方將特定主題、特定時間段的數據打包成數據集產品出售。如某App一個月的用戶行為數據、某行業的企業財報數據等。

3. 數據服務銷售:數據擁有方利用自身數據,提供數據分析、數據挖掘、數據可視化等增值服務,并按服務內容和效果收費。

4. 數據應用銷售:數據擁有方將數據與業務場景相結合,開發數據應用產品對外銷售。如風控模型、營銷策略等數據驅動的解決方案。

數據銷售要注意幾點:一是要保護用戶隱私,對個人信息要進行脫敏;二是要遵守數據安全法律法規,嚴防數據泄露;三是要制定合理的定價策略,綜合考慮數據成本、市場行情等因素;四是要做好售后服務,為客戶提供必要的技術支持。

(二)數據資產交換:數據互通有無

數據資產交換是指數據擁有方之間基于各自需求,進行數據互換共享,以實現數據價值最大化。交換通常采取等價交換原則,即用等值的數據進行交換。如果雙方數據價值有差異,則可以補足現金或其他資源。

數據交換的優勢在于:

1. 優勢互補:不同企業擁有不同領域的數據優勢,通過交換可以彌補自身數據短板,實現數據互通有無、取長補短。

2. 降低成本:與自建數據相比,交換數據可以顯著降低數據獲取和處理成本。

3. 提升效率:交換可以快速獲得需要的數據,減少重復采集,提高數據使用效率。

4. 創新業務:交換數據可以開拓新的業務場景,催生數據驅動的創新產品和服務。

比如,零售公司和手機運營商交換數據,零售公司可利用通信數據分析客戶位置、出行軌跡,優化網點布局;運營商則可利用消費數據豐富客戶畫像,推送個性化套餐。雙方各取所需,創造共贏。

但數據交換也面臨挑戰:一是如何評估數據價值,以實現等價交換;二是如何保障數據安全,防止數據被濫用;三是如何協調不同企業的數據標準,確保數據質量。這都需要交換雙方密切溝通,制定嚴密的交換協議和管理機制。

總之,無論是數據銷售還是交換,都是盤活數據資產、實現數據價值的有效途徑。企業應立足自身稟賦,結合行業特點、市場需求,靈活選擇變現模式。通過參與數據交易市場,既能獲取額外收益,又能優化業務運作,推動企業數字化轉型。

數據資產融資是以企業持有的數據資產為標的,從資本市場獲取資金支持的行為。具有數據資源、但缺少資金的企業可通過數據融資,盤活數據存量,緩解資金壓力。

(一)數據資產質押貸款:數據當抵押

數據資產質押貸款是指以數據資產為質押物,從銀行或其他金融機構獲得貸款。由于數據資產無形、易復制、難定價等特點,數據質押貸款在實踐中仍面臨諸多挑戰。

1. 質押標的認定:哪些數據資產可以質押,質押數據資產如何界定其邊界和內涵,都需要貸款雙方形成一致。

2. 價值評估體系:為確定貸款金額,需對質押數據進行價值評估。銀行可引入第三方數據資產評估機構,借助大數據分析、人工智能等技術開展評估。

3. 質押登記公示:數據質押要進行登記公示,但數據資產登記還缺乏統一的規范和標準,亟待制度完善。

4. 風險管控機制:數據質押貸款的違約風險高于傳統抵押貸款。銀行既要評估數據價值的穩定性,又要控制借款企業的數據濫用、泄露風險?？刹扇‰A段性審查、動態調整額度、強化用途監管等方式加強管控。

開展數據質押貸款,對銀行的數據認知、風控能力提出較高要求。目前,建設銀行、平安銀行等機構已開展了一些數據質押貸款試點,但總體還處于探索階段。未來,隨著數據確權機制逐步建立,數據質押有望成為中小企業融資的重要渠道。

(二)數據資產證券化:數據變股票

數據資產證券化是指將數據資產進行金融化包裝,形成可在金融市場交易的證券產品。其基本原理是:將特定數據資產及其未來收益,打包成標準化的金融產品,通過公開發行、上市交易等方式,面向投資者募集資金。數據資產證券化可分為以下幾個步驟:

1. 選定基礎資產:選擇現金流穩定、價值高、風險可控的數據資產作為基礎資產,如信貸數據、消費數據等。

2. 成立特殊目的載體(SPV):由發起人成立特殊目的實體,將選定的數據資產真實出售給SPV,實現破產隔離。這是規避發起人信用風險的關鍵。

3. 證券化產品設計:對入池數據資產進行切分組合,設計成不同風險等級、不同收益率的證券化產品,以滿足不同投資者偏好。

4. 信用增級:通過優先/次級分層、超額抵押、第三方擔保等方式提高產品信用等級,以提高發行評級和認購意愿，降低融資成本。

5. 信用評級:由專業評級機構對證券化產品進行信用評級,綜合考慮基礎資產質量、交易結構、參與方信用等因素,為投資者提供參考。

6. 發行與交易:證券化產品通過公開發行、私募等方式銷售給投資者,并可在交易所、柜臺市場進行轉讓交易,為持有人提供流動性。

7. 貸款服務與現金流支付:SPV聘請貸款服務機構負責基礎資產的運營管理和貸款催收,保障證券化產品的現金流按時、足額支付。

數據資產證券化可以盤活存量數據資產,加速資金周轉,拓寬融資渠道。對于投資者而言,數據ABS產品可以提供多元化的投資選擇,有助于優化資產配置。

但數據資產證券化也存在一些問題:一是數據價值不穩定,現金流預測難度大;二是缺乏統一的數據確權機制和登記制度;三是數據資產處置困難,風險較高;四是投資門檻高,投資者教育成本大。這些都制約了數據資產證券化的發展。

總的來說,我國數據資產證券化實踐還不多,仍處于起步探索階段。未來,隨著大數據產業的快速發展和相關法律制度的逐步完善,數據資產證券化有望成為數據價值變現的重要路徑之一。

(三)數據資產基金:借力資本市場

數據資產基金是由專業投資機構發起設立,專門投資數據資產及其相關產業的私募股權投資基金。其運作模式是:基金管理人募集資金,成立數據產業基金,以股權投資、債權投資等方式,投資于大數據、云計算、人工智能等數據驅動型企業或項目,通過投資增值和退出變現來獲取收益。

數據資產基金的優勢在于:

1. 募資廣度:可面向社會募集資金,為數據產業發展提供長期穩定的資金支持。

2. 投資專業性:由專業投資團隊管理,能更好地發掘和培育數據產業優質標的。

3. 資源整合能力:基金可發揮產業鏈整合作用,為被投企業提供資金、技術、管理、渠道等多維賦能。

4. 退出靈活性:基金可根據市場情況,通過IPO、并購、股權轉讓等多元化方式實現退出,為投資者獲取回報。

但數據基金也面臨挑戰:一是數據產業尚不成熟,優質投資標的少;二是數據資產價值評估體系還不健全;三是專業投資人才稀缺;四是相關法律政策有待完善。這些都在一定程度上制約了數據產業基金的發展。

盡管如此,一些頭部機構已嗅到數據產業的巨大前景,先后發起設立了數據產業基金。如2020年,中國平安成立100億元的大數據產業基金,重點投資人工智能、區塊鏈、云計算等領域;2021年,云從科技成立20億元的數字經濟產業基金,專注投資數字政府、智慧交通、智慧金融等數字化轉型項目。未來,隨著我國新型基礎設施建設的持續推進和數字中國戰略的縱深實施,數據資產基金將為數字經濟發展提供重要的資本助力。

數據資產代運營是數據持有方將自身數據委托給專業數據服務商運營,并分享數據收益的一種模式。其實質是以數據使用權獲取收益,data as a service(DaaS)。數據代運營是將數據資產交給"懂行"的合作伙伴,借力實現價值。

(一)選擇數據服務商:甄選最佳伙伴

數據代運營要選對合作伙伴,考察服務商的幾個關鍵要素:

1. 行業理解能力:服務商對所在行業的業務邏輯、數據生態有深刻理解,善于把握行業數據應用趨勢和客戶需求。

2. 數據運營能力:服務商具備數據采集、清洗、挖掘、可視化等全流程運營能力,擁有成熟的數據治理體系和技術工具。

3. 安全保障能力:服務商具備完善的數據安全保護機制,如數據分級分類、訪問權限控制、數據加密傳輸等,可有效防范數據泄露、濫用等風險。

4. 商業變現能力:服務商擁有豐富的行業資源和渠道,擅長數據商業化運作,善于將數據轉化為產品和服務,實現商業價值。

5. 團隊專業背景:服務商匯聚多領域專業人才,如數據科學家、行業專家、產品經理等,具備交叉學科的知識融合能力。

選擇合適的數據服務商需要全面衡量其戰略契合度、數據運營實力、安全管理水平等因素,可采用公開招標、戰略對標等方式擇優選擇。

(二)厘定合作模式:激勵相容很重要

選定服務商后,要制定清晰的合作模式,明確雙方的權利義務。常見的合作模式有:

1. 技術授權模式:數據持有方授權服務商使用其數據,服務商利用自身技術優勢開發數據應用,雙方約定收益分成比例。這種模式技術門檻高,服務商主導能力強。

2. 聯合運營模式:雙方共同出資成立合資公司或項目組,整合各自的數據、技術、渠道等資源優勢,共同開拓市場。這種模式利益捆綁較深,需要雙方高度互信。

3. 委托運營模式:數據持有方將數據交由服務商全權運營,服務商定期返還約定的運營收益。這種模式對數據持有方的管理精力要求較低,但對服務商的公信力要求很高。

4. 風險共擔模式:服務商先期墊付數據運營成本,待運營產生收益后,再與數據持有方分成。這種模式風險共擔,利益共享,但對服務商的資金實力要求較高。

數據代運營要選擇契合雙方商業目標、技術實力、風險偏好的合作模式,并設計靈活的利益分配機制,以實現激勵相容,調動雙方的積極性。同時要做好過程監督,防范道德風險。通過數據代運營,數據持有方既可借助專業力量盤活數據,又能聚焦主業發展。

(三)價值變現路徑:全生命周期服務

在大數據時代,數據運營不僅要"會存會算",更要"會用會玩"。數據服務商要為客戶提供全生命周期、全鏈條的增值服務,實現數據價值"全景式"變現:

1. 咨詢規劃:服務商為客戶提供數據應用的戰略咨詢、規劃設計、評估論證等服務,助力企業頂層設計。

2. 數據治理:服務商可提供數據標準制定、主數據管理、元數據管理等治理服務,夯實數據應用基礎。

3. 數據開發:服務商利用人工智能、機器學習等技術,開發數據分析、挖掘、可視化等工具產品,為客戶個性化定制開發。

4. 數據運營:服務商根據客戶需求,提供數據采集、清洗、加工、分析、應用等一攬子運營服務,實現數據資產增值。

5. 數據變現:服務商可將數據產品、數據服務進行市場化運作,通過API輸出、模型眾包、報告銷售等方式實現變現。

6. 安全合規:服務商全流程融入數據安全保護和隱私合規機制,提供數據分級分類、脫敏加密、訪問審計等安全服務。

7. 培訓賦能:針對客戶技術和業務人員,開展數據思維和數據技能培訓,幫助企業完善數據應用人才體系。

服務商以敏捷迭代的方式推進數據開發運營,快速響應客戶需求變化。同時,堅持需求導向,從用戶痛點和應用場景出發,持續優化算法模型,改進數據服務。通過數據資產全生命周期運營,服務商可為客戶創造長期、穩定的數據紅利。

入表、交易、融資、代運營,是實現數據資產價值的四種主要方式。但在實際運用中,這四種方式并非割裂對立,而是相輔相成,可以靈活組合。不同的企業應根據自身的戰略目標、數據稟賦、經營實力等,因企制宜地選擇價值實現路徑。

比如,互聯網頭部企業數據資源豐富,技術能力突出,可以獨立開展數據運營,打造數據驅動的新業務。傳統企業數據積累較少,可先聚焦內部數據應用,在數字化轉型中沉淀數據,同步引入第三方數據開拓增量空間。中小企業資源有限,可與大企業開展定向數據交易合作,專注細分領域,做強特色數據。

再如,數據量大、實時性要求高的企業,如金融企業,可采取API輸出、數據服務訂閱等模式,實現批量化、自動化交易。而對數據質量要求較高的企業,如醫療健康行業,則更傾向于一次性購買和使用經過專業審核的優質數據集。

企業還可分階段組合運用各種盤活方式。如在初期聚焦數據積累,將優質數據資產化,形成數據資產負債表,為后續運營夯實基礎。而后,圍繞核心場景開展數據交易,如出售汽車后市場數據給保險、維修等合作伙伴。待交易模式成熟,可進一步拓展數據融資,如開展供應鏈金融ABS、消費信貸ABS等數據資產證券化。在應用成效初顯時,可嘗試引入行業領先的數據服務商代為運營,借外力做強數據核心競爭力。

總的來說,實現數據價值沒有統一模板,關鍵要立足企業戰略,把握行業特點,依托自身優勢,選準發力方向。同時,要樹立系統觀念,統籌協調各種路徑,以開放心態加強跨界合作,在與合作伙伴的互利共贏中共同做大數據生態。

此外,數據運營要堅持合規、安全、互信的底線,在用好用活的同時,更要用正用法。要加強數據倫理治理,強化企業數據責任意識,在確保數據安全和個人隱私的前提下開展運營。這需要企業、行業、監管等多方協同發力,共建規范有序的數據流通交易環境。

毋庸置疑,數據已然成為數字經濟時代的新型生產資料,是驅動創新發展的新引擎。而數據要素只有流動起來,才能創造價值。打通數據資產入表、交易、融資、代運營等盤活路徑,是讓數據動起來、活起來的關鍵舉措。站在數據大潮之巔,企業要主動作為、先行布局,推動數據資源向數據資本轉化,將數據優勢轉化為發展優勢和競爭優勢,以數據之力重塑商業版圖、引領產業變革,在智能時代乘風破浪、奮勇前行!