杜海燕，孙浩荃，杨 毅，郑植庆

(1.山东工商学院 a.外国语学院;b.图书馆,山东 烟台 264005；2.烟台市大数据局，山东 烟台 264000；3.烟台市市场监督管理局，山东 烟台 264000)

2020年3月30日，中共中央国务院发布《关于构建更加完善的要素市场化配置体制机制的意见》(下称《意见》)，把数据作为一种在数字经济时代涌现的新型生产要素，与土地、劳动力、资本、技术并列，提出加快培育数据要素市场，充分挖掘数据要素价值[1]，这对于全面深度释放数据要素红利意义重大，标志着数据要素市场化配置已上升为国家战略。关于数据作为生产要素如何界定权属、有效定价、可信交易的问题正在研究和发展过程中，其中最关键的问题是如何实现数据资产化。

一、从数据要素到数据资产

(一)数据的定义

一般地，数据被定义为通过观测得到的数字性的特征或信息。但是，这个概念并不完全准确。因为，数据是指对客观事物的性质、状态以及相互关系等进行记载的符号或这些符号的组合。它不仅指狭义上的数字，还可以以文本、图形、图像、视频及音频等方式呈现。同时，数据和信息也不能等同，数据是反映客观事物属性的记录，是信息的具体表现形式；数据经过加工处理才能成为信息；信息数字化转换成数据才能存储和传输。数据一般被称为“信息的原材料”，而信息则被称为“在上下文语境中的数据”[2]。在新业务模式下，可将数据狭义地定义为对客观世界进行的电子化的记录和表达。

(二)从资产要素定义重新审视数据资产

资产是一个经济学和会计学术语，资产的定义在现行概念框架中依次经历了“未来经济利益观”“资源观”“权利观”和“经济资源观”[3]，2018年，IASB发布了新修订的《财务报告概念框架》，资产的定义被高度提炼为“由于过去事项所导致的、由主体控制的限时经济资源”[4]。从以上定义中，可以看出“由过去事项导致”“主体拥有或控制”和“带来经济利益”是资产最核心的内涵。

从资产的概念升华到数据资产可知，首先，数据资产要满足“必须是由企业过去发生的事项或交易形成的”这一界定。通过事项形成的数据多来自于电商、通讯服务商等互联网平台，通过交易形成的数据多来自于企业本身的生产经营活动，这些数据都可以经过运营加工给企业带来经济流入。其次，数据资产必须由企业拥有或控制，企业必须要拥有该项数据资源的所有权或控制权。该项资源若是企业生产数据，企业享有该项数据的所有权；该项资源若是自行挖掘的互联网数据或政务公开数据，并不具有排他性，企业虽然不享有资源的所有权，但该资源加工处理后能被企业所控制。最后，原始的或经过加工处理的数据资源必须能够或有潜力带来巨大的商业和决策价值，从而为企业带来经济利益。

因此，数据资产是指经济主体在参与社会生产活动中所创造、获得、积累、交易的具有明确产权权属关系且能为拥有者带来预期经济利益，并以电子化形式的记录和表达的经济资源。数据资产应具备四个要素，一是来源于以往的生产经营活动，二是权属关系清晰，三是能带来经济利益，四是以电子化的形态存在。

二、数据要素资产化面临的问题

数据资产化是数据通过市场流通交易给使用者或所有者带来经济利益的过程，其本质是形成数据交换价值，初步实现数据价值，资产化是实现数据价值的核心。数据的确权、价值计量等问题是目前我国数据资产化实践面临的主要问题。

(一)数据产权复杂，权利属性不明

权属关系清晰的数据资源才能转变为数据资产。目前，数据产权不清使得菜鸟与顺丰案、淘宝与美景案、大众点评与百度案等数据纠纷案不断上演，愈演愈烈。权属问题是实现数据合规和有效流通不可回避、亟待解决的问题。数据的价值在于流动，但一旦流动起来就丧失其控制，而数据控制和使用又不具有任何排他性，它可以轻易实现同一时间无限多次的使用。虽然数据价值也存在价值递减性，但是其价值并不因为使用而完全消失。从这些特征来看，数据资产产权不同于普通物权，以有形资产排他支配范式不适用于数据资产，数据资产化需要新财产权范式。另外，缺乏行之有效的技术也加剧了数据确权的实践难度[5]。

(二)数据无形虚拟，依赖平台存在

数据要素的信息属性及数据采集权、管辖权、使用权等表现出无形性、虚拟性的显著特征，其最大的特点是汇聚关联、多维复杂。由于体量巨大、增长迅速，数据(尤其是比特化的数据)更多地是依托平台作为数据处理的载体。因此需要在平台这个虚拟空间中对数据做好管理，开发有效应用，解决数据的规约和管辖问题。

(三)数据家底不清，方向不明

目前，公共数据、社会数据及个人数据资源底账情况还处在无序或混沌状态。对于公共数据，有些部门有、有些部门没有，有数据的部门存在数据底数、数据台账不清，有些部门有数据但又不想、不敢、不会共享开放，跨部门、跨层级、跨区域、跨领域的数据难以打通，导致了数据“纵向不到底、横向不到边”的问题。对于社会数据，有些企业有数据但难以实现与相关领域企业数据对接等。对于个人数据，虽部分进行了数字化，但由于安全问题和隐私保护措施不强很难实现权限清晰管理等。这些都是数据底数不清的表现。同时，还存在数据质量参差不齐、隐私泄露、难于管理等问题，导致数据盘点梳理没有明确的方向。

(四)数据难以跟踪，难以估值定价

数据资产是由现实事项或交易信息化产生而来的，其价值在于所包含的信息，但信息的价值因人而异、因事而异、因时而异，要对纷繁复杂的各种多源异构数据进行统一计量非常困难。一是数据自身定价存在诸多难点，数据交易时买方不清楚应支付的费用额度；二是数据产品或服务定价管控难，数据要素收益分配时不清楚如何测算贡献比例。

三、数据资产化管理的关键路径

数据资产首先表现为一种资源，也就是说，并非所有的数据资源都可以升级为数据资产。对于一项数据资源，需要经过数据资产化后才能成为数据资产并进入企业资产负债表。针对数据要素面临的以上问题，我国数据资产化实践应着重于以下六个关键环节。

(一)数据汇聚盘点是数据资产化的基础

数据只有聚集才能发挥价值，目前，由于数据互联互通体制机制不够完善，“信息孤岛”“系统孤岛”现象仍然存在，虽然各级政府建立了大量数据中台，但开放数据质量不高，数据资源使用效率欠佳，跨部门、跨层级业务协同有待进一步加强。

有必要通过摸清“数据家底”的方式，做好数据资源目录梳理，盘点现有数据资源分布状况。对各系统、各单位散在、异构的各种数据资源进行梳理盘点，掌握存储位置、存储技术、数据量、字段内容、数据更新周期、相关说明文件等情况，明确各部门的业务数据、业务流程以及职能责任，编制数据资源目录规范，构建统一数据资源目录。其中，编制目录规范可为各部门梳理本单位信息资源目录提供统一核心基础元数据。数据资源目录必须遵循可理解、可搜索、可获取、可管理四个原则，即让数据使用者快速理解数据的内涵、数据的责任人，可编辑、可记录、可搜索并获取数据。掌握数据资源家底，规划数据资产架构，可保证各级政府做到“心中有数”，挖掘数据“聚通用”潜能，促进数据的共享开放。

(二)分类分级数据治理是数据资产化的保证

数据可大致分为公共数据、社会数据和科学数据。不是所有的数据都要通过交易才能释放价值，不同类型数据的来源不同，也有不同的流通方式，比如公共数据(税收数据、社保数据等)主要来源于公共业务，主要流通方式是数据共享；科学数据(基因测序数据、社交网络数据等)绝大部分来自于科学仪器，主要流通方式是数据开放，例如在科学前沿很多重大突破都源于开放数据；社会数据(比如电商数据、证券数据等)主要来源于业务系统，主要流通方式是数据交易。

由于数据具有多重属性，个人数据保护和社会数据权益、公共数据权益等多种模式可以共存，并非此消彼长，因此不能无差别地要求数据开放，特别是不能强制要求企业数据共享，而是应对原始数据、脱敏化数据、模型化数据、人工智能数据等进行自动、准确分类分级，并针对不同类型级别数据的属性和安全防护需求，采取数据安全保护措施。

从数据资产化的角度，数据治理应更多聚焦于数据的资产属性，要求政府以战略性方式管理数据，实现数据资产价值的保值增值，工作着眼点是从供给环节考察数据质量、数据流通、数据增值加工、数据基础服务、数据安全保障等关键问题，并建立起覆盖数据采集、存储、流通、应用等全生命周期的数据优化结构。

(三)数据确权是数据资产化的前提

数据确权涉及公权和私权两个层面，需要在国家、社会和个体的多方权益中权衡配置，从政策、法规、制度、标准等多方面理顺数据生产关系，主要解决三个基本问题：一是数据权利属性，即是否承认数据财产权，并给予与之配套的保护制度。二是数据权利主体，即谁应该享有数据上附着的利益。如果在资源或资产意义上使用产权，就必须因循资源(价值)形成或来源的思路来思考产权配置，按照价值贡献分配经济收益，并且还需考虑可行性、交易成本、社会公共利益实现等因素。三是数据权利内容，能明确数据主体享有哪些具体的权利。另外，加快新技术的研发和应用，也是数据确权实践的重要组成部分。

(四)数据资产授权运营是数据资产化的支撑

现如今，数据安全事件频发，在安全可控的范围内解决数据的合规使用，必须依靠可信的开发者来运营公共数据交易平台，必须依靠数据市场化有偿交易。国内较早探索数据资产化运营的是贵州省，根据中国信息通信研究院发布的《中国数字经济发展白皮书(2021年)》，目前我国已投入运营的由政府牵头或背书的交易所(中心)共17所，包括贵阳大数据交易所、上海数据交易中心、中原大数据交易中心等，此类交易平台因其权威性和合规性最强，对我国数据合规定价与流通的意义最大，但普遍处于产品少、交易少的状态[6]。

在数据需求旺盛，但数据资产化暂无法明确的当下，交易平台授权主体应对公共数据运营内容、服务方式、权责分工、监督管理、数据安全等做出具体规定，建立“透明化、可记录、可审计、可追溯”的运营平台全过程管理机制；交易平台运营主体需不断完善内部规范和技术创新，融合安全多方计算、联邦学习、可信计算等隐私计算技术[7]，建立“数据可用不可见”的数据安全框架[8]，在不泄露数据情况下实现协同计算，达到价值挖掘和隐私保护之间的平衡，为政府采集企业数据、企业使用政府数据、企业间共享交易数据提供共性服务。

(五)数据交易定价是数据资产化的关键

数据缺少统一合理的定价标准，就很难有效地进行数据交易。2015年国务院印发的《促进大数据发展行动纲要》是促进大数据发展的第一份权威性、系统性文件[9]，文件明确体现了对建立健全数据资源评估和定价机制的高度关注。学者们从技术角度出发研究了不同的数据定价机制和模型[10]，也有不少学者建议使用区块链方法解决数据交易问题[11-12]。

首先，定价应围绕数据服务，而不是数据本身，不同的数据服务中可能用到了相同的数据，但价值却截然不同。其次，数据信息服务是一种探索型商品[13]，由于数据资源具有很强的模型相关性和场景相关性，数据产品或服务的质量效果对于供需双方都是未知的，有很强的不确定性，数据需求方在不确定某数据资源是否对数据应用有价值的情况下，很难向数据的供应方给出一个较高的价格。对于数据资源、产品或服务的定价，很难从制度与法律层面快速界定。数据商品的价值链会一直向下游客户延伸，因此，结果导向型定价方法更适用于数据资产，并且要保证数据产品或服务的后期产生的价值和收益能够被数据供应方获取或追溯。此外，仅仅利用技术手段解决不了数据交易全部问题，还需要政府政策、法律给予支持，形成可供市场良性循环的定价模式。

(六)数据要素市场是数据资产化的保障

数据资产必须依托健全高效的数据要素市场才能安全有序地流通起来，才能释放最大价值和潜能。《意见》已对我国培育数据要素市场提出具体要求，但建立完善的数据要素市场体系是一项复杂的系统工程，需要多管齐下，统筹推进。首先要以开放共享、有效利用、安全高效为原则，疏通以政府、科研院所、企业、行业及产业领域内部数据交换共享和分析应用为主的数据流通内循环，其次，充分发挥市场配置数据资源的决定性作用，以政府委托授权的数据运营商为纽带，逐步形成以数据交易机构、数据经纪商、中介机构、公众等多类市场主体参与的数据流通外循环，进而构建数据要素市场运营的新模式。

四、数据资产化对数据要素市场培育的实践启示

数据资产化初步实现数据价值的这一过程将重新定义和调整生产力和生产关系，即以新型生产要素的价值释放为核心，更新生产工具(数据基础设施和数字技术)，培养新型劳动者(数字化劳动者)，构建新型生产关系(数据确权)，创新生产模式(深挖应用场景)，从而创造新业态(数字经济)[14]。

从以上角度，数据要素市场的培育实践应从数据供给侧、价值需求侧、数字品牌、保障方面进行“四轮驱动”，既要从数据供给侧分别针对社会数据、公共数据、科学数据建立差异化的共享服务平台，提高数据资源技术产品、服务提供者的供给能力，不断产出数据要素研究成果；又要从价值需求侧推动融合应用及其场景牵引，打造数据创新应用生态，以发展带动技术不断升级；同时，对于各级政府要创立地标意义的科创标签，做强做大地方数字品牌，进而推动数据产业健康发展，加快培育和繁荣数据要素市场。

图1 数据要素流通市场培育体系

(一)数据供给侧驱动：丰富数据要素研究成果

如何在保障数据安全和权益的前提下，实现数据技术和平台的创新，是充分释放数据价值的最根本保证。各级政府要创新应用区块链、数据沙箱、多方安全计算、联邦学习等新一代信息化技术，进一步激发技术供给活力，加快一体化大数据平台建设，搭建公共数据服务中心、社会数据融通平台和科学数据共享平台，建立数据共享开放评估机制，研究制定数据共享开放评估指标，提升数据安全管控及权益保障能力。让数据突破点对点交易甚至“数据黑市”的传统交易模式，发展为涵盖“数据+算力+算法”的组合交易模式。此外，虽然各级政府拥有海量的数据资源，但符合数据资产四个要素的却很少，其中存在大量的技术瓶颈，制约了数据要素的市场化供应。要以“资产可控可计量”为原则，积极培育产出数据资产确权、数据评估定价、数据质押抵押、数据流通分账等数据要素研究成果，为数据汇聚流通打好基础。

(二)价值需求侧驱动：打造数据创新应用业态

市场是数据价值孵化的土壤。目前，市场价值需求侧的结构性矛盾导致对数据要素需求的显性化程度不高，数据价值成效难以彰显。要充分发挥价值需求侧的创新引领作用，大力推进人工智能、大数据、区块链、5G等新兴技术形态与社会各领域的深度融合，围绕教育、医疗、经济、户政等领域，打造典型应用场景，打造数字政府；引导用电、用水、通信、交通等公共数据按需提供服务，建设智慧社会；强化数据对消费升级的拉动作用，培育以数据为核心的消费新模式、新业态，发展数字经济。

(三)数字品牌驱动：快速形成显性标签

目前，我国不少省市大力发展数据交易机构，探索创新数据资产化路径，创建综合性大数据聚合交易流通平台，促进信息系统数据联动，打造开放融合的数据交易生态体系。部分省市先行先试，建立了具有地标意义的数字品牌，赢得了重要的战略契机，比如贵州省有“国际大数据产业博览会”，福建省有“数字中国建设峰会”，山东省有“数据应用创新创业大赛”，深圳市有“数据要素市场化配置改革试点”等等。但仍有部分省市缺少适宜的数据标签，关于数据资产化的创新经验未能在市场得到有效展示和传播。建议通过申办数据要素流通展会和峰会、申报数据要素市场化配置改革示范地、主办数据创新赛事等形式，快速形成地方显性标签，打造地方数字品牌，提升数据汇聚力，促进数据要素高效流通和经验的广泛传播。

(四)保障因素驱动：激发数据要素市场持续活力

各地可出台专门政策文件，从顶层设计方面加强政策引导，建立符合市场实际的数据规范体系和体制机制，为数据资产化提供明确方向指引和实施指导。加大新型数字基础设施建设的建设力度，全面部署5G千兆光纤网络、IPV6、移动物联网等新一代通信网络基础设施。鼓励高校积极推动大数据与人工智能等新兴学科建设，培育并汇聚大批数字经济亟需的专业化人才，集中人才优势，突破数据资产化交易中的技术瓶颈，促进数据要素市场健康发展。

本文从资产要素的定义重新审视数据资产，归结了数据资产应具备的四大基本要素。通过梳理目前我国数据资产化面临的主要问题，得出以下结论：数据资产化实践应着重于数据盘点、数据治理、数据确权、数据运营、数据定价、数据市场六个关键环节；我国数据资产化市场培育应从数据供给侧、价值需求侧、数字品牌、保障方面进行“四轮驱动”；各级政府应不断激发技术供给活力，丰富数据要素研究成果，打造智慧城市、数字政府等典型应用场景，树立地方数字品牌，做好政策制度实施推广，加强数字基础设施、专业人才等服务能力支持，促进数据要素高效流通和价值释放。