李锦程 任旭华

摘 要：数据作为一种战略资源，现如今得到人类的普遍重视，在赋能社会经济发展同时，也面临如何确权、如何盘活、如何交易的挑战，本文围绕数据与产权、数据资产、数据资产管理、数据资产交易和数据资产金融化做了说明。

关键词：数据资源;数据资产;数据产权;数据资产管理;数据资产交易。

数据如何成为资产？

2020年04月10日，《中共中央、国务院关于构建更加完善的要素市场化配置体制机制的意见》正式公布。这是中央第一份关于要素市场化配置的文件。该《意见》分类提出了土地、劳动力、资本、技术、数据五个要素领域改革的方向，明确了完善要素市场化配置的具体举措。数据作为一种新型生产要素写入国家级文件。

当前，数据的范围已经变得更加广泛，远远超越了传统意义上的数据，它包括符号、字符、文本、声音、图像、文件、照片和视频等各类型的数据。根据会计学中对于资产的定义，新《企业会计准则-基本准则》第20条规定：“资产是指企业过去的交易或者事项形成的、由企业拥有或者控制的、预期会给企业带来经济利益的资源。”因此，我们将数据资产定义为企业过去的交易或者事项形成的、由企业拥有或者控制的、预期会给企业带来经济利益的数据资源。如果数据要成为数据资产，至少要满足三个核心必要条件：企业过去的交易或者事项形成的;企业拥有或者控制;预期会给企业带来经济利益。

从数据资产四个字就能看出，数据是其中最基础的环节。从长远角度考虑，要懂得养数据，有长线思维，让数据能够直接产生价值，数据变现的过程就是数据交易的过程，此过程的成本在于数据收集、处理、存储、分析的成本，属于比较容易的数据变现;而利用数据为业务赋能产生可预期的经济收益，由于数据自身的特点，则拥有更复杂、专业的处理流程。其特点主要包括1、 质量层次不齐，标准化和非结构化;2、 可重复使用，具有高昂的固定成本;3、低廉的复制成本;4、 数据本身无价值，其价值体现在应用场景和使用方向。

数据与产权

数据涉及它的供给端、需求端、运营方和监管方四个主体，由于主体分布于社会经济不同的领域和层级，隶属于不同的部门和组织，情况比较复杂。对可能涉及国家安全、个人隐私、商业秘密等方面的问题本文将不做讨论展开，将更多从商业应用价值角度谈数据作为一种资产在市场经济中的流转交易。

数据作为资产交易其核心就是产权。如何解决归属清晰、权责明确、保护严格、流转顺畅的产权问题，这就会回归到与传统产权相关的内容，例如如何实现数据产权界定、产权交易、产权变更、产权交割等操作层面的事情。这些问题解决不好，数据资产不但难以交易，甚至还会引发一系列法律、道德等方面的纠纷，更谈不上数据资产的合理优化配置。依次推理，我们可以将有关产权管理特别是国有产权管理的制度原理与数据产权管理相结合，便能够从数据产权的特殊性中抽离出具体的操作思路。

具体到落地方面：建议采用“试验田+产品化”的操作路径。也就是要结合一个个具体的业务类型和应用场景，小范围投入真实的数据、人力、物力、财力等必备条件下，在试验田中测试数据交互的可行性、稳定性、合法性、可控性等，并从需求出发将其解决方案产品化。同时针对每一类数据资产在涉及具体的收集、存储、利用、转让和在无竞争的前提下，邀请供给方、需求方、技术方、场景方、监管方与行业专家等共同订立实施细则或规则标准，其成熟与否作为数据产品投放市场的前提条件。

数据资产管理

将数据看作一种全新的资产形态，围绕数据资产本身建立一个可靠可信的管理机制，实现数据标准管理、数据资产管理、元数据管理、数据质量管理、数據安全与隐私、数据结构等功能，解决数据管理人员、运维人员、业务人员和应用开发者面临的现实问题。

·数据生命周期管理

对数据从征集、上线、加工、分析、使用到下线整个生命周期的使用情况进行跟踪、记录和操作。

·数据标准管理

数据标准更多是解决系统与系统之间数据集成的标准问题，解决跨区域、跨行业、跨部门数据分析时数据一致问题。

·元数据管理

元数据管理是需要将各系统的数据信息进行收集并统一管理。以帮助更多使用人员了解数据分布、数据关系、指标口径等。通过数据之间的“血缘关系”，反应数据的来源、加工、分析等过程。用来判断数据来源，定位数据质量等问题。

·数据质量管理

数据质量管理的总体目标：常态化、体系化、标准化、自动化的全面数据质量管理，以达到数据质量控制的全面性、可控性、可度量性、可迅速定位和有效解决。根据时间发生的顺序，可分为事前质量检查、事中运行监控、事后归纳总结，并能对各过程中所产生事件及信息形成警示信息，通过短信、邮件的形式进行发送。

·数据安全管理

针对不同的用户，设置安全策略进行访问控制，从而限制用户对数据库具体文件、目录和数据库表的访问。如限制用户只能对指定的数据库表执行查询操作，不能进行增删改操作。为了保证数据平台的数据安全性，需要对不同层级数据访问者，如数据分析人员、数据管理人员、数据测试人员等，在保证数据逻辑完整性的前提下采用差异化的数据呈现方式。

·数据隐私管理

目前，数据的应用迅速发展，世界各国也日益增强了对个人识别信息（PII）的保护，不断出台数据监管和个人隐私保护的相关法律这需要对数据中个人身份信息和敏感信息，通过脱敏规则进行数据的变形，实现敏感隐私数据的可靠保护，即数据脱敏技术。

数据资产交易

数据作为资产进行交易，最大难题依旧是权属难以界定，加之法律缺失，在此背景下，进行数据资产交易，那么对数据本身的所有权、使用权、经营权、分配权和复制权要进行分离和界定显得尤为迫切。

既然数据所有权很难界定，不妨认定为数据所有权属于国家。那我们更多的还是探讨数据的使用权、经营权、分配权和复制权，让问题趋于简单化。

将数据资产如同金钱一样流通起来才会产生更大的价值。构建基于区块链技术的数据资产交易，打造多领域的应用场景，数据资产信息上链，数据资产交易记录可追溯可监管，数据资产链上确权，以及隐私数据保护的能力。

就围绕数据在使用权、经营权、分配权和复制权方面，通过将数据资产进行交易是数据要素市场化配置的主要手段。市场对数据资产的价格也应是基于产生数据的成本与市场供求关系的平衡点相结合而得出。数据资产分类不妨可分为数据资产国有类、数据资产集体类和数据资产民营类，暂时撇开数据所有权进行商业化的使用权、经营权、分配权和复制权的应用与交易。

尽管国内部分地区先后已经尝试数据交易，比如贵阳大数据交易所、上海大数据交易中心、华东大数据交易中心、新华社金融信息交易所等机构。上述交易机构从数据要素的特征出发，在笼统的数据资产的交易品种、模式和规则等方面作出了有益的探索。但从根本上来说，数据资产交易应当更多的是基于权属属性和“试验田+产品化”的角度去设计谋划，要抓住“牛鼻子”。

数据资产交易金融化

从经济学视角看，通过数据最后形成的数据产品、数据服务、分析模型具有一般物品普遍具有的经济属性。一是稀缺性，由于数据分布、开放等问题，在满足市场需求方面存在有限性，从这个角度看，数据资源符合稀缺性特征。二是有价性，数据已成为当今和未来社会经济发展的驱动力，其价值可以满足各类市场主体所需。三是增值性，作为数据资产通过流转交易实现增值保值，可以对从事数据的企业投资，信贷，推动企业的数据资产的增值。四是收益性，数据资产的收益是数据在使用权、经营权、分配权和复制权有更清晰的界定下权益的具体体现。

将数据以产权、资产、交易等方式让它流通变现。盘活数据各要素，使之成为能增值的数据资产。简而言之，当数据要素通过市场交易、金融创新，使得数据形态和价值不断变化而实现价值增值时，数据要素成为数据资产。这里的数据资产，是指具有一定权属并且能够实现价值增值的数据。数据资产更加强调增值性。

按照市场化手段对数据要素进行投入产出管理，是释放数据要素活力、提升数据要素价值的重要路径。二是资本化有利于高效利用数据。，大量“沉睡数据”未被激活，特别是海量政务数据、金融数据被束之高阁，难以充分利用并转化为治理效能;大量“碎片数据”未被整合，特别是在智能制造、社会治理等领域还存在很多零散数据，数据的价值没有被充分挖掘。利益驱动会驱使各类市场主体主动挖掘、利用潜在数据要素;另一方面，专业化运营团队从管理和技术上也确保了高效利用数据的可行性。三是资本化有利于数据保值增值。资本化更强调利益分配，利益相關方更有动力推动实现数据要素价值最大化，进而实现数据的保值增值。

参考文献

[1] 赵晓舒， 许珂. 大数据交易框架下的数据权属研究[J]. China and Sinology， 2019， 37（null）：147-163.

[2] 赵子瑞. 我国大数据交易模式研究[D]. 上海社会科学院， 2018.

[3] 庄金鑫. 三类大数据交易平台模式和优劣势分析[J]. 中国工业评论， 2016， 000（010）：109-1.

作者简介：李锦程（1985.01-），男，汉族，北京，中央财经大学在职研究生，研究方向：资产（产权、数据）交易、资本市场和农村资产交易等。

3329500589239