数字经济时代的数据资产

何海锋 张彧通 刘元兴

数字经济，是一种以数据的开发、利用和保护为基础，在相对去中介、去中心、去信任的环境下，以辅助甚至替代人力的更加强大的方式开展的经济活动。数字经济不是一种独立于其他经济系统之外的，甚至是对立的“虚拟经济”或“未来经济”，而是一种基于传统经济系统的，以技术为核心驱动力，通过对数据资产的挖掘和运用而实现的更高级的经济发展形态。从传统经济走向数字经济，出发点在于数据资产。

数据资产是人类经济活动走向高级阶段的结果，从数字到数据，再从数据到数据资产，是一个阶梯式上升的过程。人类的经济活动，从一开始就是以数字形式记录和呈现的，一张资产负债表最能反映一个企业的基本状况。从重视资产负债表中的数字，到发现生产经营中数据的价值，是一次认识能力的飞跃，客观的数据积累被广泛用于企业经营和价值形成的过程；相比静态的数字记录和呈现，数据更注重动态的形成过程和更加立体的分析运用；但在这个阶段，数据还只是生产活动的辅助，更多体现的是工具属性。到了数据资产阶段，数据本身成为了生产资料和价值载体，对于数据资产的价值挖掘、竞争和保护就成为了最核心的问题，对于个人、企业和政府，都是如此。

在个人层面，今年“两会”期间，个人信息数据的保护和利用就成为了热门的话题，《个人信息保护法》已列入本届全国人大常委会立法规划；刚刚结束的世界互联网大会上，最高检察院专门主办了一个“大数据时代的个人信息保护”论坛，讨论个人信息数据的利用和保护问题。在企业层面，不少企业都开始设置数据保护官（DPO），全面负责企业的数据开发、保护和合规管理；今年5月份出台的《银行业金融机构数据治理指引》明确提出，银行业金融机构可根据实际情况设立首席数据官。而在政府层面，近期，全国省级机构改革正在渐次展开，许多省份都设立了数据管理机构，比如，北京市就设立了大数据管理局，广东组建省政务服務数据管理局。

本文将探讨的是，在数字经济时代，数据如何成为数据资产，其转化需要什么样的条件，数据资产具有什么特征，其价值又是如何实现的，以及数据资产到底应该如何保护。

从数据到资产

进入“大数据时代”，数据体量呈现爆炸式增长态势，如何将企业在日常运营中积累和沉淀大量用户与交易数据进行有效活化利用，无论对支持企业业务运转，还是支持有效决策以及处理突发风险事件都至关重要。而在大数据时代，数据泄露和数据隐私问题也日渐迫切。因此，应该实现从传统数据管理到以“挖掘数据价值”和“保障数据安全与隐私”为双核的数据治理的转变。其中的“挖掘数据价值”，是企业将数据资料上升为数据资产的目标和动力；《银行业金融机构数据治理指引》第十六条就提出，要树立数据是重要资产的理念与准则。资产是指由企业过去的交易或事项形成的，由企业拥有或者控制的，预期会给企业带来经济利益的价值资源。结合数据资产的定义和大数据时代特征，可以归纳出数据资料转化为数据资产的路径和条件。

（一）从数据到资产的路径

1.企业整理

企业整理层面上的数据资产转化，是指企业将以往企业行为沉淀下来数据整理形成标准化可应用的数据集合，重在企业内部整理和盘点。就本质来说，是将企业以往沉淀的静态数字记录，通过标准化处理转化为结构化或有序的数据。企业整理层面上的数据资产转化，核心是数据管理，即企业静态数据整理和管控，仍集中于数据本身层面的存档与安全。在企业整理层面上，应该全面梳理企业内部整个大数据资产，摸清企业大数据资产全貌。企业在业务快速发展过程中，积累了客户数据、交易数据、外部数据等海量数据。要将这些安身立命之本的“核心生产资料”，通过前端数据治理行为上升为数据资产，并通过后端数据治理行为实现双核目标——“挖掘数据价值”和“保障数据安全与隐私”。

2.数据创新

数据创新层面上的数据资产转化，是指企业通过数据创新行为，将搜集的用户数据经过合法处理、建模分析、场景设计等一系列数据行为形成数据产品，重在数据的动态输入和输出。就本质来说，是将动态的用户数据，通过建模分析等数据行为形成数据产品的过程。企业整理层面上的数据资产转化，重在数据治理，即企业对数据的动态处理和价值挖掘，已经从数据管控提升到了高层战略、公司治理及公司价值的层面。在数据创新层面上，应该通过数据创新行为，大力挖掘数据价值，最终传导并完善各项经营管理活动，也就是将原本由企业内需和市场竞争要求所决定的公司价值落脚到数据的价值实现上来。

3.虚拟资产

虚拟资产层面上的数据资产转化，是指企业通过自身挖矿行为或者交易行为获得或持有已有形态的虚拟资产或虚拟货币。首先，企业通过自身挖矿可以直接形成数据资产；其次，企业通过内部设计出的积分权益或游戏币种等，其在一定封闭场景达成使用价值共识，从而形成虚拟资产；第三，企业发布虚拟币形成虚拟财产，但其在不同法域下，可能是证券资产或证券以外的豁免融资资产，或仅仅是虚拟财产或虚拟商品，也可能是禁止性行为。此外，只有在区块链分布式数据库上进行挖矿或者基于数据的价值固化存储和流转才能称为数据资产，但此部分数据资产不稳定，受技术、市场、监管政策的波动影响。在虚拟资产层面，应该做到以下三点：一是充分评估挖矿投入（能源、矿机等成本）与虚拟货币资产获得之间收益比；二是在企业内部设计积分权益或游戏币种，应该遵循特定场景特定使用限制原则；三是要注意发布虚拟币在不同法域下的合规性和资产属性认定。

（二）从数据到资产的条件

1.数据行为投入

从数据资料上升为数据资产，需要企业一定的数据行为投入。依据马克思主义的劳动价值凝结理论，企业通过遵循一定的数据标准经过企业内部沉淀数字记录的整理行为、用户数据的动态创新行为、虚拟数据资产的挖矿或交易行为等数据行为劳动投入，获得数据资产。总结来说，个人可因在数据生产中贡献个人数据获得相应权益，企业也可以因为经过一系列数据行为，即搜集、归类、整理、加工、打标、分析、建模、存储、使用、传输等数据劳动行为获得相应的数据产权，具体表现为将劣质数据、不完整数据、错误数据、碎片化数据提炼变成数据资产的过程。

2.数据可控量化

从数据资料上升为数据资产，需要数据于企业可控制、可计量，即在企业内部或相互交易过程中，制定或形成数据资产定价、计量的会计规则。数据资产，因为来源场景化、内容动态化、主体复合化，所以不能形成统一、普适性的定价标准。所以，要对特定场景下产生的经济利益进行具体衡量，对不同相关主体的权属利益进行公平安排，对数据资产进行合理定价。就数据资产定价来说，可以遵循交易雙方的意思自治或行业协会的行业自律，即在单笔交易之间依据具体情势自愿定价，以及在行业内形成定价标准和行业惯例。

3.数据经济利益

从数据资料上升为数据资产，需要能给企业带来一定的经济利益，即充分发现和设计数据的应用场景，通过数据在广泛场景中的应用落地最终实现数据资产的变现。比如，通过数据建模分析来进行个人画像或者群体画像，从而给出信用评分来开展信贷、消费金融业务，或开展精准营销、智能风控、KYC优化等。此外，企业内部形成的数据资产，还可以帮助企业做出正确商业决策，取得商业利益。最后，企业还可以通过数据资产交易流转，获得极大的经济收益。

数据资产的特征

（一）数据资产成为主流的资产形态

在大数据背景下，数据价值在于流动，数据流动不仅在于数据的传输、共享、交易、转让，而是利用人工智能、大数据、云计算、区块链、物联网技术，通过收集、存储、分析、使用、处理、传输、共享、交易、备份等一系列数据行为，将原本价值有限的单一碎片化和相对静止的个人信息数据变成集约化大数据（尤其是衍生数据产品，如数据画像）的活化过程。在工业化社会进入以“数据”为核心的信息化社会，要么数据资产化，要么资产数据化，表现为实物资产、虚拟资产、数据资产之间逐级跃进。所有资产将会被数据来记录、来衡量、来控制。资产的数字化、代码化以及其对应物理世界实体资产的无界映射，将成为未来数字经济时代中资产的主流形态。

（二）数据资产通过数字科技凝结

人工智能、区块链、云计算、大数据、物联网等数字科技的物化工具，能够帮助甚至自主完成一系列“数据资产化、资产数据化”行为，是实现“数据资产化、资产数据化”不可或缺的生产工具。比如，区块链是数据治理的天然工具，是打开“数据资产化、资产数据化”之门的金钥匙，可以实现以下四项功用。一是区块链（Blockchain）的分布式记账技术使多方能够实时安全地访问共享数据，并可基于该技术建立资产价值传输网络，实现支付清算等价值传输的实时化、自动化、高效化。二是通过设计区块链分布式共享机制，可以实现个人和企业之间数据权益的有效、公平分配。三是因可追溯、分布式、分散式、加密等技术特性，区块链可以维护数据资产安全。四是通过将所有数据使用、共享、传输、转让行为记录在区块链上，可以使得数据共享和交易可信和高效，并实现公众对数据使用和流动的民主化和透明化监督，从而从根本上促进了数据使用，革命性地改变数据流动模式。

（三）数据资产为“无界经济”铺路

在数据资产化、资产数据化成为主流资产形态后，将数字科技能力、海量用户数据、行业洞察力有机融合，无缝连接物理世界与虚拟世界，高效打通实体经济和虚拟经济，从而实现数字经济的高级阶段——“无界经济”。作为第一生产力的数字科技，是实现“无界经济”的能量矩阵。而作为生产资料的数据以及转化后的数据资产，是“无界经济”运行的常态能量。数字科技和数据资产的结合，可以实现数字经济时代的生产、分配、交换、消费四个环节的无界衔接。尤其是在分配方面，通过打开“数据资产化，资产数据化”之门构建人人贡献和人人分享数据资产的模式，最终达成公平分配。

数据资产的价值实现

伴随着数据资产向着“数量大”“范围广”“关系复杂”的方向发展，数据资产的价值实现方式已经突破原有数据库分析方法，转而形成以“大数据”为主要表现方式的各类价值实现方式。

（一）数据资产的内部循环

不论对于组织和个人而言，数据资产都是战略资源。数据资产的内部循环主要包括从收集之后开始的整合、分析、提炼、挖掘，保存等一系列活动，也即数据劳动行为。这些活动都发生在组织内部，或者发生在个人自身，主要基于回归、分类、相关性、聚类分析等统计分析方法。数据劳动行为的目的是：首先，通过不同数据的整合，发现大量数据中的规律和模式；其次，将数据进行对比、聚合，提取新信息、生成此前未知的新数据；再次，将数据分析结果与相关参照物对比；最终达到的是创造有利于生产力发展的数据资产价值。数据资产价值实现的内部方式的一个特点是循环性——通过某些数据分析和挖掘所获得的新信息和新数据，又可能循环进入到其他环节的数据分析与挖掘中。一个典型例子是，电子商务公司运用其收集、经营的海量用户数据勾勒出不同的用户画像，并且给定有意义的参考指标；这些指标和用户画像又被用来分析更多的内容；整个过程一方面更加精确地为用户提供所需要的服务；另一方面节省了电商公司的推广和获客成本，提高了效率。

（二）数据资产的外部流通

数据资产就像其他一切有价值物一样，在组织或者个人之间产生流动。这种流动行为，相对的，可以被称为数据交易（流转）行为。与内部循环类似，数据资产的外部流通是不同组织或者个人之间实现数据资产价值的方式，大多数也可能采用回归、分类、相关性、聚类分析等统计分析方法，进行整合、分析、提炼、挖掘，保存等一系列活动。与内部循环不同的是，数据资产的外部流通更加有指向性和目标性，即不同属性之间的数据有目的地进行关联、融合。具体来说，外部流通的方式包括共用、开放、交易、聚合等形式。这些方式主要受到双方的契约或者强制性法律规定约束。共用与开放比较好理解，一般出现在拥有社会属性的组织中，例如政府数据公开，美国政府在这方面做的比较超前和到位。一方面美国政府将所有依法应当公开的数据直接开放给全社会，其本质是将政府资源提供给社会使用，以使得数据资产发挥更大功能。共享在本质上是让渡、分享其数据资产的价值，因此往往发生在社会组织、政府部门的数据流转行为中。而交易和聚合则更多发生在私人部门，因为商业利益是重要的考量因素之一，交易价格、条款等都是交易与聚合的必备要素。外部流通的例子很多，例如金融企业与互联网平台之间采用数据聚合而非共享的方式，各取所需以达到信用评估等目的。

数据资产的保护

数据一旦获得了价值，就会出现权利与义务的对应关系。对于数据资产的保护体现为对数据资产法律关系中的主体与客体的保护。数据资产从生成、利用、灭失的全生命周期中，都是各种法律关系的客体。保护数据资产，首先保护的就是数据资产本身。例如，数据资产生成法律关系中，数据资产成为了一个组织或者个人的一项带有财产属性的“无形资产”，保护财产是应有之义。保护数据资产还需要保护不同法律关系中的主体。主体作用于客体，或占有、或使用数据资产，其合法权益的保护也尤为重要。对于数据资产的保护有三条主要路径。

第一条是技术路径。从技术上来说，所有的数据资产都表现为电磁记录。技术要达到一定安全标准，还要兼顾技术方法和技术架构的效率。所以合适的技术路径应当包含必要的数据分析、数据统计、数据收集等要件，同时还要注重数据安全评估和隐私保护。一套比较完整的数据资产管理与保护技术系统应当包括：第一，环境级，指的是计算机系统、数据机房等物理环境的保护，防止物理破坏；第二，职员级，指的是有权限接触到数据资产的工作人员的权限管理、操作流程管理等，防止管理上的人为破坏；第三，网络与系统级，指的是访问数据资产所承载系统的相关权限管理、身份安全验证等，防止无序的系统访问；第四，新技术级，指的是数据资产采用大量新技术时的风险防护，例如云、区块链技术的技术防范。

第二条是法律路径。既要明确数据资产本身的法律性质，也要处理好数据资产所涉及的各类法律关系，通过行之有效的法律规范和司法判决形成全社会对于数据资产保护的认可与预期。由于“数据资产”的权属往往不够明朗，因此法律上需要首先明确定义其财产属性和权利义务内涵外延。具体来说，第一，形成一套自上而下的相关法律体系，主要包括《数据资产法》《个人信息保护法》《政府数据公开法》等，与《网络安全法》等法律协力构筑面向未来的数据资产保护法律体系；第二，政府部门、社会组织应当有效地履行其职责，促进数据资产在社会中的交易、流通、聚合等活动，同时更要严厉打击不合法合规的数据使用行为，保护权利人的合法权益；第三，在出现数据资产法律纠纷时，司法部门要及时转变思路，开阔视野，有力地保护新兴的资产形式与类别。

第三条是经济路径。数据资产的特性决定了其保护不能仅照顾公平、公正，还应当考虑到数据资产价值实现的效率问题。一切保护措施，都应当以能够促进数据资产内部循环或者外部流通为目的。所谓经济路径是在产权界定的前提下，尽可能通过自由市场和竞争博弈，最大化提升数据资产的价值。数据的活力在于流动，流动产生价值锚定。通过公平有效的市场交易（通常表现为授权或许可），比如，金融机构从互联网企业获得与金融消费者行为数据、操作习惯、账户信息等有关的数据，明确权利义务，既充分提升了数据资产的利用效率，同时也是对数据资产的有效保护。

小结

在数字经济时代，数据成为最关键的生产资料。数据的有无、数据量的大小、数据质量的优劣，数据挖掘水平的高低，数据储存能力的强弱，成为竞争力的根本来源——大到国家，小到企业和个人，都是如此。数据的价值毋庸置疑，说数据是最重要的资产毫不为过。但是，数据资产无论是在利用上，还是保护上都有很大的空间。比如，在企业端，数据质量不高、标准不统一、归集处理手段单一、存储分散，数据挖掘能力不足，数据割裂、共享不充分等问题较为普遍；在政府端，关键领域数据监测不足，风险预警数据不敏感，政策效果评估数据不充分。

面向未来，数据资产应当在更好的管理中走向治理，推动其价值的充分实现。首先，在认识上，要把数据管理上升到数据治理的高度，纳入到公司治理、行业治理和行业监管中，建立起主动、全周期、全覆盖、动态的数据治理体系。其次，在架构上，要构建自上而下、多层次、覆盖全员，责任明确的数据治理机制，同时营造积极审慎的数据文化。再次，在管理上，要依靠制度，落实责任，把握国内外数据产业、数据技术的发展趋势和數据管理、数据立法的最新动向，持续评价更新数据管理制度和手段。最后，在理念上，要更加重视数据的价值挖掘，金融机构要把数据作为核心资产管好用好，促进数据资产的流动和增值；监管机构要依靠数据发展监管科技，丰富监管手段和风险监测方法，提高监管水平。

（作者为京东金融研究院法律与政策研究中心研究员）