數據作為新型生產要素，其戰略意義已不下于石油。但是，與石油不同的是，數據的價值不在于它的存在，而在于如何提煉和使用。而數據資產化作為數據要素價值實現的重要途徑，也更加頻繁地出現在公眾視野。從國內總體實踐情況來看，已經取得了顯著的進展，但還有許多普通人難以理解數據資產化的具體含義和應用。數據資產化到底是什么？如何實現數據資產化？本文將從資源化、資產化、資本化三大角度來為您深入了解、探索數據資產化提供參考。

全文約7000字，閱讀完約20分鐘，本文較長，建議收藏。

站在數據要素視角上，數據價值的最終落地，涉及到數據的資源化、資產化與資本化。也就是說，要先將原始數據通過整理、清洗、加工等方式，從無序變為有序，成為具備潛在利用價值的資源；其次將數據資源通過確權、登記、評估、定價、入表等環節，成為能夠流通的資產；過程中并不斷把數據資產運用于生產管理、創新活動中。

1數據資源化 從數據到數據資源

一、概述

在數字化時代，數據是信息的原材料，是企業和組織進行決策、優化流程和增強用戶體驗的關鍵，以及能為企業帶來價值的數據的集合，它不僅包括企業內部的數據，還包括外部的市場調研數據、用戶生成數據等。當數據積累到一定規模后，除了原本記錄事務信息的功能外，還具有進一步挖掘更高價值的潛力。因此，數據資源不僅僅是原始的數據，還包括對這些數據進行處理、分析后能夠得到的有價值的信息和洞察力。

而數據資源化是指將分散、無序的原始數據收集、處理并轉化為有組織、易于訪問和分析的格式的過程，這是數據資產化之路的第一步。某個數據有潛在價值但還未經過加工，那這就是數據資源。如果這個數據加工后成可以產生經濟利益的數據，那它就變成了數據資產。所以，數據有沒有價值，不是其本身決定，而是由需求決定，不同的使用場景，同一數據的價值也不同。

二、數據采集的挑戰

數據收集可以通過多種方式進行，包括自動化工具、在線表單、調查問卷、傳感器等。每種方法都有其優勢和局限性。收集數據的挑戰在于確保數據的質量和相關性，同時也要考慮到成本效益、數據隱私和安全性的問題。例如：

1.數據的質量和準確性：如果數據質量差或不準確，那么基于這些數據的決策可能也會有誤。因此，必須確保數據采集方法和設備的可靠性，以提供準確的數據。

2.數據的整合和分析：隨著數據量的不斷增加，如何有效地整合和分析這些數據成為一大挑戰。不同來源和格式的數據需要進行統一和轉換，以便進行深入分析和挖掘。此外，還需要借助先進的數據分析技術，如機器學習和人工智能，以發現數據中的隱藏規律和價值。

3.數據的安全性和隱私：在收集和處理個人數據時，需要遵守相關法律法規，確保數據主體的隱私權不被侵犯。同時，還需要采取一系列技術措施，如加密、訪問控制等，以防止數據泄露和濫用。這要求企業在數據采集和處理過程中，不斷完善數據安全和隱私保護機制。

4.成本效益：數據采集和處理需要投入大量的人力、物力和財力。如何在保證數據質量和相關性的前提下，盡可能地降低成本，是數據采集過程中需要考慮的一個重要問題。合理選擇數據采集方法和技術，以及優化數據處理流程，都可以有效降低數據采集的成本。

5.實時數據采集：在某些場景下，如金融交易和交通監控，實時數據采集至關重要。這要求數據采集系統具備高實時性和穩定性，以確保數據的及時性和準確性。同時，還需要對數據進行實時分析和處理，以便及時發現問題并采取相應措施。

6.數據采集的可持續性：隨著業務的發展和環境的變化，數據采集需求也會不斷變化。因此，數據采集系統需要具備良好的可擴展性和適應性，以滿足不斷變化的數據采集需求。

在面對這些挑戰時，企業和研究機構可以采取以下策略來提高數據采集的效率和質量：

1.選擇合適的數據采集方法和工具：根據需求和資源，選擇最適合的數據采集方法和工具，以提高數據采集的效率和質量。

2.建立數據質量管理體系：通過制定數據質量標準和檢測方法，建立數據質量管理體系，確保數據的質量和準確性。

3.加強數據安全和隱私保護：遵守相關法律法規，采取適當的技術措施，加強數據安全和隱私保護。

2數據資產化從確權到入表

在了解數據資產化之前，首先要了解“數據資產”是什么。根據中國資產評估協會在去年9月份發布的《數據資產評估指導意見》（以下簡稱《意見》），數據資產是指特定主體合法擁有或者控制的，能進行貨幣計量的，且能帶來直接或者間接經濟利益的數據資源。

一、數據資產挖掘——數據資產化的基礎

數據資產挖掘是數據資產化的基礎，主要對應業務數據化、數據資源化、數據產品化三個階段。數據資產化，簡單來說，就是數據從原始數據逐步轉變為數據資產的過程。從數據資產的形成過程來看，數據資產化是圍繞數據的價值創造活動，包括數據加工、治理、開發以及交易等諸多環節和流程，最終目的是推動數據向數據資產轉化，激發和釋放數據價值潛能。結合數據形態變化與價值實現的具體過程，數據資產化過程可以概括為以下四個階段：業務數據化、數據資源化、數據產品化、數據資產化。

1.在業務數據化階段，企業應意識到數據要素對企業經營發展的促進作用，在合規的前提下，更積極主動地收集、匯聚各項業務數據。此外，企業需要建立數據戰略與規劃，明確數據管理的組織機構與職責，制定數據管理制度與流程，打造企業數據資產管理體系。

2.在數據資源化階段，企業應當對存量數據與增量數據進行全面盤點，按業務部門、項目、系統等維度，梳理形成數據資源目錄，明確數據資源的血緣鏈路，構建全域數據資源地圖。通過數據資源盤點，加強跨部門、跨層級業務協同，提高數據資源使用率。建立數據字段標準、數據字典、數據質量規則、數據資產標準等，形成數據加工治理工作的統一共識。依據相關法律法規和行業標準，對數據資源開展分類分級安全管理，指導未來數據產品的開發應用。

3. 在數據產品化階段，數據產品的研究開發要與數據應用場景緊密結合。企業需梳理應用場景標簽與數據產品類型，通過多元組合，尋找數據產品的機會點與服務提供方式，建立數據產品體系。通過數據產品開發，將數據資源轉化為有實際價值的數據產品，滿足企業內部或外部用戶的需求，為企業提升業務效率，并帶來新的商機和收益。

4.在數據資產化化階段，在這一階段主要通過確權、估值、入表、交易等手段，明確數據產品的權屬和價值，將數據產品轉變為具有金融屬性的數據資產，為持有人提供保值、增值和資金融通等功能。

二、數據權屬確認——數據資產化的前提

確認數據資產權利歸屬是數據資產化應當解決的首要問題，也是數據資產進行會計確認計量的前提條件。

2022年12月，中共中央、國務院印發《關于構建數據基礎制度更好發揮數據要素作用的意見》，明確提出建立數據資源持有權、數據加工使用權和數據產品經營權“三權分置”的數據產權制度框架。

圖：數據資源入表的資產類科目

這一制度框架的核心在于區分數據的不同使用階段和用途，明確不同階段的權利人和權利范圍。數據資源持有權關注的是數據的原始擁有者和其對數據的基本控制權；數據加工使用權允許持有者對數據進行處理和分析，以創造價值；而數據產品經營權則涉及將加工后的數據進一步用于商業活動，如銷售數據產品或提供基于數據的服務。通過“三權分置”，既保障了數據原始擁有者的權益，又促進了數據的合理利用和流通，為數據資本化提供了堅實的法律保障。

在實踐中，數據權屬的確認過程往往復雜且充滿挑戰。例如，當數據由多方共同產生時，各方對數據的權利可能產生爭議。此外，數據的跨境流動也帶來了數據權屬的國際法律問題。因此，企業和組織在進行數據資產化之前，必須仔細分析和評估數據的來源、收集和使用過程中的法律風險，確保數據權屬的明確和合法。

三、數據資產入表——數據資產化的轉折點

數據資產入表，是指將數據確認為企業資產負債表中的“資產”項，即數據資產入資產負債表。入表是企業數據資源轉變為數據資產的主要方式之一。

2024年1月1日，財政部會計司正式發布《企業數據資源相關會計處理暫行規定》（以下簡稱“《暫行規定》”）正式施行。《暫行規定》極富時效性和實踐指導意義，圍繞數據資源是否可以確認為資產、可能確認的資產類別以及相關確認和計量等問題進行了規范，且兼顧信息需求、成本效益和商業秘密保護原則，引入強制和自愿披露結合的方式，引導企業根據自身情況進行披露，以全面地反映數據資源對企業財務狀況、經營成果等的影響。

首先，《暫行規定》對企業可納入資產的數據資源做了界定，數據資產需首先滿足“企業擁有或者控制”或“企業在日常活動中持有”的條件。證明企業合法合規地享有數據資源相關權利，是數據資產入表的首要步驟。企業可以將用戶授權協議、代理協議、知識產權證書、專利證書等文件作為權屬證明。

其次，《暫行規定》明確了在符合相關會計準則要求的前提下，數據要素可以按照不同持有目的作為資產入表，企業自用類的數據資源可以納入無形資產，對外交易的數據資源可以納入存貨。無論數據資源納入無形資產還是存貨，都同屬資產類科目，在提供服務或對外出售后計入損益類科目并確認收入。資產化處理相較于《暫行規定》發布之前的費用化處理方式，能夠有效改善企業資產負債率和利潤率，減少數據資源投入期對利潤的影響。

圖：數據資源入表的資產類科目

按數據資源的取得方式，《暫行規定》對數據資源的成本歸集也做出了指引。對于企業自用計入無形資產的數據資源，外購取得的，其成本可以包括購買價款、相關稅費、加工成本和間接成本；自行開發的，只有進入開發階段符合規定的支出才能計入無形資產成本，研究階段支出需計入當期損益。對于對外交易計入存貨的數據資源，外購取得的，其成本包括購買價款、相關稅費、保險費和間接成本；涉及自行加工的，其成本包括采購成本、加工成本和其他支出。數據資源相關成本納入資產，有利于完整、準確地反映企業投入狀況，同時，也為數據資產交易流通提供合理的定價依據。

圖：數據資源的成本計量

最后，企業應當利用好《暫行規定》正式施行前的時間窗口，做好以下三項重要準備：

一是全面盤點企業數據。通過數據資產管理平臺，對照《暫行規定》中的定義和確認條件，確定哪些數據是企業自用的，哪些數據可以對外交易。

二是提前做好數據資源開發計劃與成本梳理。《暫行規定》采用未來適用法，在2024年1月1日《暫行規定》正式施行前，企業已經費用化計入損益的數據資源相關支出不再調整為資產。因此企業需明確哪些部分的投入按費用化計入損益處理，哪些部分的投入按《暫行規定》納入資產成本處理，做好不同會計處理方式的前后銜接。

三是強化信息披露。根據《暫行規定》中對強制披露和自愿披露的要求，企業在數據資源生成、使用、交易、管理等過程中應注意收集相關信息，通過披露幫助投資者更好地判斷企業數據資源價值。

四數據資產評估——數據資產化的助推器

數據資產評估是數據資產化的重要前置工作。數據資產入表主要依據成本法體現數據資產價值，但僅從成本端難以準確反映數據資產的實際價值，因此數據資產要應用在金融領域，還需要第三方專業服務機構的估值作為參考依據，以增強數據資產價值的準確性和客觀性。

數據資產評估需要關注影響數據資產價值的成本因素、場景因素、市場因素和質量因素。

四項因素：

成本因素包括形成數據資產所涉及的前期費用、直接成本、間接成本、機會成本和相關稅費等，主要依據數據資產在會計報表中記錄的各項成本信息。

場景因素包括數據資產相應的使用范圍、應用場景、商業模式、市場前景、財務預測和應用風險等，主要評估數據產品的應用前景和預計收益。

市場因素包括數據資產相關的主要交易市場、市場活躍程度、市場參與者和市場供求關系，與數據要素市場發展狀況密切相關。

質量因素包括數據的準確性、一致性、完整性、規范性、時效性和可訪問性等。

通常情況下，數據質量評價是數據資產評估的基礎，主要參照國家標準《GB/T 36344-2018信息技術 數據質量評價指標》開展評價（數據質量評價指標詳見下表）。根據數據自身特點與應用場景的關注點對數據質量評價的一二級指標賦予不同權重，得出數據質量評價總分。因此，為達成更好的數據資產評估結果，企業在前期開展數據治理時，就應當注意從各個維度提升數據資產的質量。

表：數據質量評價指標（GB_T 36344-2018）

數據資產評估的基本方法主要包括成本法、收益法和市場法。

成本法

成本法，是以重置該項數據資產所發生的成本作為確定評估對象價值的基礎，并對重置成本的價值進行調整以此確定評估對象價值。采用成本法，除了歸集與數據資產相關的各項成本費用，還需關注各項投入與數據資產的相關程度、數據資產的質量、經濟壽命等。

收益法

收益法，是通過測算該項數據資產所產生的未來預期收益并折算成現值，進而確定被評估數據資產的價值。在獲取數據資產質量評價等相關信息的基礎上，根據該數據資產的歷史應用情況及未來應用前景，結合數據資產應用或者擬應用企業經營狀況，重點分析數據資產經濟收益的可預測性。采用收益法，需關注數據資產的應用場景、收益模式和收益風險。

市場法

市場法，是在具有公開并活躍的交易市場的前提下，選取近期或往期成交的類似參照系價格作為參考，并修正有特異性、個性化的因素，從而得到估值。采用市場法，需關注該數據資產或者類似數據資產是否存在合法合規的、活躍的公開交易市場，是否存在適當數量的可比參照物。

各種方法本身沒有優劣，主要是適用條件有所不同。為了更準確地估計數據資產的價值區間，數據資產評估一般采用至少兩種評估方法。現階段，數據資產價值評估主要采用成本法和收益法評估。市場法評估所要求的公開并活躍的交易市場條件暫未滿足，還需要法律、政策對健全數據要素市場給予更多支持。數據資產只有依托合規高效的數據要素市場進行流通交易，才能更大限度釋放價值和潛能。

3數據資本化將信息轉化為資本

數據資本化是在數據資源化和資產化的基礎上，賦予數據資產更多金融屬性，比如可以將數據資產作為抵押品進行信貸融資等金融活動的過程。

一、政策環境

目前，我國已經逐步形成了一套“一項頂層規劃”+“一套基礎制度”+“多點政策配套”共同發力的政策體系。在頂層規劃方面，《數字中國建設整體布局規劃》明確地提出了“釋放商業數據價值潛能，開展數據資產計價研究，建設數據要素按價值貢獻參與分配的機制”。數據作為資產的商業價值與收益分配已經成為了數字中國建設的一項重點內容。

在基礎制度方面，“數據20條”明確支持為實體經濟企業尤其是中小微企業數字化轉型賦能開展信用融資，探索數據資產入表。在配套政策方面，國家數據局、工信部、財政部、國家統計局、國家知識產權局以及中國氣象局等多部委配合“數據20條”出臺了一連串相關的配套政策，初步地形成了一套政策“組合拳”（參見表1）。

二、行業實踐

事實上，多地已圍繞數據資產融資展開實踐，不少企業從中獲益，依據自己的數據資產登記證書獲得融資，有效緩解了融資難題。這也正是政策支持和鼓勵的。近期財政部印發的《關于加強數據資產管理的指導意見》（以下簡稱《指導意見》）指出，鼓勵在金融、交通、醫療、能源、工業、電信等數據富集行業探索開展多種形式的數據資產開發利用模式。

2022年7月，北京國際大數據交易所（以下簡稱“北數所”）揭牌，圍繞數據資產登記、評估開展工作。截至2023年11月，北數所數據交易備案規模已超過20億元，交易主體500余家，發放27張數據資產登記憑證。

北數所副總經理欒明月此前表示，北數所在數據確權、評估上已經積累了不少案例，此外也在進行數據資本化探索，包括數據資產的質押融資、數據資產保險、數據資產證券化和數據資產入股等。

三、挑戰與前景

數據在金融領域的應用不止于此。《行動計劃》將數據在金融領域的應用總結為提升金融服務水平和提高金融抗風險能力兩個方面。其中，有賴于科技、環保、工商、稅務、氣象、醫療、社保、農業農村、水電氣等公共數據的開放和利用。事實上，在各類場景中，金融是對公共數據需求最旺盛、應用條件最成熟、邊際價值最大的場景，因而也一直是公共數據開放的重要實踐領域。金融機構運用公共數據能夠更充分地了解企業的經營現狀和發展趨勢，能夠有效消除銀企信息不對稱，幫助金融機構規避金融風險，還可以通過降低信用風險溢價的方式降低有發展前景企業的融資成本。

不過，當前公共數據在開放和應用于金融領域的過程中仍然面臨一些問題。如何進一步提升公共數據質量，如何從場景需求出發精準匯集和開放公共數據，如何保障數據應用過程中的安全和隱私，這些問題還尚待研究解決和實踐探索。

另外，《指導意見》指出，統籌運用財政、金融、土地、科技、人才等多方面政策工具，加大對數據資產開發利用、數據資產管理運營的基礎設施、試點試驗區等扶持力度，鼓勵產學研協作，引導金融機構和社會資本投向數據資產領域。