张永旺 （河南应用技术职业学院 河南郑州 450042）

一、引言

在数字经济时代背景下，大数据、人工智能、移动物联网和云计算（以下简称“大智移云”）等先进技术加快了商业化应用，数据作为基础性资源和战略性资源，正在成为全球经济社会发展的新驱动力，也成为了数据驱动的数字经济发展的关键生产要素。近年来，“数字经济”多次被写入《政府工作报告》，我国数字经济在加快成长、不断壮大、打造新优势的过程中不断创新升级。习近平总书记强调“促进数字技术与实体经济深度融合”。数字经济推动了各类资源包括劳动、资本、数据、土地、知识、技术和管理等要素的快捷流动。大力发展数据驱动的数字经济是我国经济社会发展的重要战略。在此背景下，研究数据要素的资源化、资产化、资本化、治理化、产业化、平台化和应用化，不仅是推动数字经济发展的关键环节，也是加快我国企业数字化转型基础设施建设的重要阶段，对数字经济理论发展和实践应用具有重要价值和深远影响。

2020年1月，中评协印发了《资产评估专家指引第9号——数据资产评估》，其中对数据做出了明确界定，包括数字、表格等结构性数据和图像、声音、视频、文字、光电信号、化学反应甚至是生物信息等非结构性数据，这些类型的数据复杂多样。在此之前，已有研究主要集中在数据资产的概念、价值评估方面，尽管在管理和应用方面也有一些研究，但与实际需求仍存在较大差距。因此，深化对数据资产的估值、管理和应用的系统研究值得关注。

二、数据资产的研究现状和局限

以往数据的潜在价值常常被人们所忽略，而随着人们对数字经济发展的认识逐步提升，加之数据量的急剧增加和各种先进处理方法的应用，数据的潜力价值被激活，可以说数据变成了“金矿”。在这个过程中，数据是什么？数据如何转化为资产？如何衡量数据资产的价值？数据资产如何变现？如何对数据进行管理？如何实现平台化运营？对这一系列问题的研究在理论上逐步丰富。Richard E.Peters（1974）提出，关于“数据资产”的深入研究源于大数据，正如“大数据之父”维克托·迈尔·舍恩伯格（2013）认为“数据资产最终会像固定资产一样单独列示在资产负债表中。”我国对数据资产研究的全面开展始于2011年，本文对此后的相关文献进行了梳理和分类，主要包括以下几方面。

（一）数据资产的概念界定和发展

数据资产、信息资产和数字资产都蕴含着知识的价值，但又各不相同。对此，不同学者有不同的看法。秦荣生（2020）从资产的概念出发，结合数据的特性，认为数据资产是指企业由于过去的事项而控制的现时数据资源，并且有潜力为企业产生经济利益。陈琨（2021）认为数据资源是指在经营过程中企业内部或外部的数据，比如财务、供应、生产、仓库、销售业务环节产生的数据以及客户关系信息，而数据资源并非都能成为数据资产，关键在于解决数据资源的会计确认计量、法律权属性质、价值评估量化等问题。同时，我国数据资产还具有可量化性、可变现性及可控制性的特征。此外，结合不同行业特点，产生的数据还具有其他特征。谭明军（2021）基于数据资产的概念发展视角，对信息资产、数字资产和数据资产进行了全面且相对客观的诠释，认为数据资产是指利用现代计算机技术对用户行为信息以及公开信息或从合法渠道所获悉的相关信息，通过数据采集、挖掘和分析等系列活动所形成的、能够给企业带来价值或潜在价值的数据资源，笔者也赞同该观点。上述对数据资产的概念认知研究为数据资产估值奠定了良好的理论基础。

（二）数据资产的权属和立法

由于数据具有依托性、多样性、可加工性、非实体性和价值易变性，故与传统资产相比，数据资产具有无限可复制性的特点，数据资产的采集权、所有权、使用权、收益权等归属现阶段在法律上没有明确的界定，这正是当前数字经济发展过程中迫切需要解决的问题之一。为此，学者从不同视角进行了研究。刘国英和周冬华（2021）基于IASB《财务报告概念框架》，在不确定性资产和负债的会计确认与计量决策的理论指引下对数据资产准则进行了研究，提出了两种数据资产报告以改进报告信息传递，为数据资产在会计上的权属界定提供了重要的借鉴依据。秦荣生（2020）也提出过类似的数据资产报告。此外，全国人大常委会审议通过了《中华人民共和国数据安全法》并于2021年9月1日起施行，其特点在于实行分级分类保护制度，为数据相关行业工作者提供了数据合规参考，使个人数据、政务数据和企业数据有了立法基础。

（三）数据资产的价值评估方法和确认计量报告

数据具有潜在的价值已成为普遍共识，但是如何衡量以及怎么确认计量数据资产的价值成为众多学者关注的问题。为此，学者深入研究了数据资产的估值方法。林飞腾（2020）依据无形资产评估准则中的方法，运用收益法、市场法及成本法对数据资产进行了评估，尽管部分不适用，但也是一种借鉴和参考。方元欣和郭骁然（2020）基于数据要素价值的影响因素分析，从市场和非市场两个角度对数据资产进行了评估研究。还有学者运用模糊层次法（孙晓璇和赵小明，2020）、实物期权法（刘枬等，2021）、构建EDAV评价指标体系和模型（宋杰鲲等，2021）等方法对数据资产进行了估值。而关于数据资产确认计量方面，秦荣生（2020）从会计视角，运用历史成本法、公允价值法、评估法对数据资产进行了确认计量报告研究，提出了数据资产报告和披露的相关建议。正是这些研究极大地推动了数据资产的价值应用。

（四）数据资产的管理和应用研究

上述研究基本上解决了数据资产的部分理论问题，尽管有些研究实践性不强，但也为数据资产的管理提供了指导。与数字经济的大力发展趋势相比，数据资产的应用研究仍有很大发展空间，需要逐渐探索和实践应用。中国数据资产管理峰会（Data Asset Management Summit，DAMS）对数据资产管理进行了界定，即对数据管理、治理及资产化的管理过程。在数据资产应用方面，李虹等（2020）以顺丰速运公司为例，基于公司业务数据情况，建议公司不断完善数据资产评估相关制度与规程。张晓光（2021）以中国石化为例，深入剖析了中国石化数字化转型中数据资产管理应用的举措，分析了公司的数据资产现状，提出数据资产管理框架和实施路径以及相关建议。李锦狄等（2020）以电网企业数字化战略转型为契机，以电网基础数据为依托，研究数据资源转化为数据资产并进行评估的实现方法，探索了电网数据的管理优化模式，使数据为业务赋能和实现增值效益。2021年11月，南方电网公司围绕数据要素流通面临的法律、财务、安全等重点难题，首次开辟了能源行业数据资产管理体系建设“策源地”，构建了以数据价值发现为目的的数据资产管理体系框架。这些应用性研究推动了我国数据资产相关政策的贯彻落实。

（五）数据资产的研究局限

上述对于数据资产某些方面的零散研究，尽管有助于推动数据资产的理论发展和实践应用，但未能有效结合不同行业企业的数据类型、特征、定价机制、流通和交易模式、应用场景等情况，鲜少探索关于数据资产系统化、统一化的评估、管理和应用，这恰恰是数据资产研究的局限性。苑泽明等（2021）在数据资产研究中还提出了数据资产的市场机制尚未形成的局限性。要破解数据资产发展的“困境”，需要构建数据资产的估值、管理和应用体系。

三、构建基于数据驱动的数据资产估值、管理和应用体系

为了推动数据驱动的数字经济社会发展，结合不同类型的数据特点和行业企业业务流程，在加速企业数字化转型过程中，构建基于数据驱动的数据资产估值、管理和应用体系很有必要。

（一）优化数据资产的估值实现路径

一般来说，数据包括原始数据和集成数据，也可分为内部数据和外部数据。无论哪种数据只有先经过数据采集，随后依次是标注存储、提取挖掘分析、交付，最后是应用与服务等数据的产生和消耗活动，才能使数据要素逐渐资源化、资产化、资本化、价值化。在这个过程中，数据资产要进行估值，可以通过明晰数据产权归属，确定数据资产的提供者和使用者，以便利益相关者估值，并运用适合不同行业情景和数据特征的评估方法，根据数据量包括数据大小及结构复杂程度、数据质量（准确性、一致性和完整性）、评估指标和数据成本进行综合研判，强化数据资产的合理开发和有效利用。与此同时，还要保护数据资产不被恶意利用，基于数据性质的不同，运用不同的定价规则，规范数据产品和服务市场，为数据资产的有效估值提供良好环境。

（二）探索数据资产的管理机制

数据资产估值研究为数据资产交易定价提供了指导性框架体系的参考。为了更好地促进数据要素市场健康发展，提升社会公众对数据资产的认知，合理引导数据交易市场正向发展，还要探索建立数据资产的管理机制。具体包括以下几方面内容：（1）数据基础设施建设，包括数据资产地图分布和行业数据资产目录。（2）数据确权登记机制，包括立法或规范产权以保护个人隐私数据和公共数据资源，强化数据伦理意识。（3）数据采集存储机制，需要考虑数据种类、深度、完整性和实时性，实行分类分级和存储标准化。（4）数据质量管理机制，主要包括营造数据可信的环境、保障数据的安全和加强数据风险管理。（5）评估量化机制，体现为数据利益相关主体、评估方法、评估指标及数据成本效益。（6）数据交易流通机制，侧重于数据资产盘点、平台搭建与运营、数据交易所和配套机构建设。（7）数据人才保障机制，包括创新数字化人才培养模式、兼顾专业知识学习和信息素养的养成、强化数据人才的继续教育和人才支撑。（8）价值应用机制，主要体现在数据资产可以单独列示报告，考虑到数据资产的稀缺性、多维性、及时性和场景价值性，可以使用、共享、编辑、修改、出售、出租、赠送、限制访问乃至销毁数据等。这些具有内在逻辑规律的数据资产管理机制，一方面可以解决数据资产共享机制不健全的问题，另一方面能够提升数据价值评估水平、数据法治水平、数据开发应用水平、数据人才保障和激励水平。

（三）推广数据资产在不同领域、行业和企业中的应用

数据要素的资源化、资产化、资本化、治理化、产业化、平台化和应用化是一个系统工程。数据具有依托性，它始于数据生产者，并经过数据中介的加工处理，可以提供数据技术、数据产品和数据服务，最终再被数据消费者所使用。总之，从数据资产生命周期角度描述数据的产生与消耗，数据资产估值基本上解决了数据要素的资源化、资产化、资本化问题，数据资产的管理机制为数据要素治理化、产业化、平台化提供了重要保障。数据资产通过推广应用可以实现其内在的社会和经济价值。

借鉴刘绪光等（2020）把数字账户分类为个人、企业、行业和公共四类的逻辑思路，梳理目前数据资产的应用领域，主要集中在交通、医疗、教育、能源和金融等五个方面。再细分这些账户，具体而言，个人数字账户可以汇聚个人消费行为、习惯偏好、思想观点、社交人脉和交易记录等原始数据。企业数字账户可以汇聚采购、投资、库存和融资等行为数据。行业数字账户可以汇聚不同行业发展趋势的数据资料，包括结构性数据和非结构性数据、内部数据和外部数据等相关资料，比如原材料行业的智能化和精准化、装备制造行业的新模式新业态创新、消费品行业的质量追溯管理、电子信息行业的全流程稳定性管理等。公共数字账户可以汇聚转移支付、国家政策统筹、提供公共服务等数据，比如信用、就业、社保、通信、农业及水利、公安、应急管理和城市安全等领域。截至2020年底，全国已有18个省级公共数据开放平台和124个副省级和地级政府公共数据开放平台正式上线，且免费为社会各界提供相关政府单位的公开数据，实现了数据资产的服务价值。并且截至2021年10月，我国13个省份出台了数据条例或草案，以保护数据资产的合法应用。

随着业务数据应用场景的增加，数据资产的经济和社会价值越来越大。数据资产是国家落实数字化转型的重要载体，基于数据驱动的数据资产估值、管理和应用体系建设是我国数字经济发展的重要举措。据此可遵循数据“获取和存储、脱敏清洗、分析处理、价值研判（是否有价值）、权属确认（归谁）、形成数据资产、价值验证（免费与否）、共享和协作（交易流转）、价值场景的探索和挖掘、数据产品的度量和运营、数据技术的应用和创新、数据服务的构建和利用”的生命周期管理原理，建立不同领域或行业的数据应用场景库，以推动数据资产在实践中的应用。为此，部分国企在进行数字化转型中对数据资产进行了充分挖掘并应用，且效果显著。例如上飞公司打造了智能辅助装配与远程协助系统、南方电网以智能现场为重点实现了全业务链协同创新和高效运营、中国铁建集团打造了以建筑信息模型（BM）为数据支撑的智慧建造平台、格力积极拓展智慧家居等数字化转型项目，充分体现了数据资产的场景化应用。不仅如此，不同省份也对数据资产的应用案例进行了挖掘。以公共数据为例，普华永道2021年7月发布了《开放数据资产估值白皮书》，评选出十佳数据资产实践案例，如北京市的“基于无人机在线取证的智慧城市交通突发事件应急响应”和“融合遥感产品和地理要素的北京市PM2.5污染制图”、上海市的“普惠金融应用”和“城市商业数据地图”、广东省的“粤港澳文化生活地图”、浙江省的“数字经济中的企业风险全景画像、浙江省的“菜篮子”应用、四川省的“重大慢病发病风险AI量化预警系统”、山东省的“豌豆苗应用”和“城市针灸师”。这些案例展现了数据资产在公共领域的场景应用，并产生了巨大的经济和社会价值。

四、关于数据资产应用和发展的建议

（一）依据国家大数据政策有序出台行业数据资产标准规范

目前我国对数据资产理论的研究尚处在探索阶段，其实践应用中还存在诸多问题，这就需要在贯彻落实我国大数据战略和相关政策的同时，政府要结合不同行业的数据资产现状，从全局出发，联合权威的行业机构和数据交易所、数据服务商，对数据要素进行市场化规范化引导，进行多层次统筹设计。如2019年9月29日我国首家数据确权服务平台——人民数据资产服务平台开始运营，2021年成立的北京国际大数据交易所，探索从数据、算法定价到收益分配且涵盖数据交易全生命周期的价格体系等，使数据资源标准化并合理配置。为保护数据资产且促进公共数据协作与开放，2021年6月国家出台了《数据安全法》，2021年7月深圳出台了《深圳经济特区数据条例》，有效地保障了数据资产的安全性，并协调个人信息安全与商业模式创新，使数据资产更好地服务于社会，如为社会提供金融数据产品和服务支持，提高人们生产生活的便利性。

（二）树立“数据即资产”的价值理念

《中国数字经济发展白皮书（2020年）》提到我国产业数字化中服务业、工业、农业的数字经济渗透率分别达37.8%、19.5%和8.2%。可见，在数字经济时代，对数据资产的估值与管理是财会领域的发展机遇。鼓励人人树立“数据即资产”的价值理念，在工作生产生活过程中要充分挖掘数据应用场景，使业务数据化、数据资产化、资产服务化、治理标准化、运营平台化和应用价值化，做好整体设计，改进传统组织为数据驱动型新组织，以统一标准规范业务流程，建设数据资产管理体系。作为市场经济的不同主体，要适应数字经济发展趋势，各领域和行业企业要逐步进行数据资产的管理和应用，助力我国数字化转型步伐。同时，还要积极把握数字经济发展机遇，充分利用数据技术优化业务流程、创新业务模式、提升生产效率，进而促进经济社会的可持续发展。

（三）加强数字化人才培养和供给

根据帆软数据应用研究院2021年发布的《中国数据人才供需关系和培养报告》显示，“未来一段时间内，数据人才缺口将以每年40%左右幅度攀升。”因此，为了推动数据资产的估值和管理应用发展，国家和各行各业都需要重视数字化人才培养和大数据财会专业人才队伍建设，深化校企合作，共同培育数字化会计师、数字化管理师、数据工程师、数据开发师和数据分析师等专业领域数据人才，强化数据人才的专业跨界和数据应用能力，拓宽多种数字人才培养通道，为数字经济的深入快速发展提供充足的供给，使数据资产的管理应用更加广泛。

五、结语

随着信息技术的快速发展和数字化转型的形势需要，数据资产的估值、管理和应用将迎来前所未有的理论研究和实践探索之发展机遇。针对不同行业数据资产的研究现状，为解决数据资产发展中存在的问题，本文构建了基于数据驱动的数据资产估值、管理和应用体系。数据资产在不同行业中的应用也在逐步显现，对数据资产进行规范化、流程化、价值化管理，进一步提高了数据服务质量，进而帮助更多机构合理评估数据资产的现有和未来价值，以运营数据产品、技术和服务等数据资产管理手段提升企业数字化转型水平，助推数据资产在实践应用中的高质量发展。