陈琨
2019年党的十九届四中全会将数据和劳动、资本、土地等并称为生产要素,提出数据要作为要素参与分配,肯定了数据在数字经济中起到的关键作用,标志着我国正式进入“数字经济”高速发展的新时代。在这样的背景之下,企业深入挖掘数据价值,实现数据的资产化,明确数据资产增值路径,推进商业模式变革是大势所趋。本文对我国数据资产化现状进行分析,并对数据资产如何增值进行了思考和研究。
一、数据资源与数据资产概念的区分
企业的数据资源可理解为企业在经营过程中来自内部或外部对企业有用的数据,可以是采购数据、销售数据、客户信息、财务数据、库存信息等。但数据资源并非都能成为数据资产,需要解决三大问题:一是数据资源能否被会计确认为资产;二是数据资产在法律上的产权能否界定;三是数据资产的价值能否量化评估 [1]。首先,数据资源在会计领域被定义为资产必须符合其确认的条件,即与该资源有关的经济利益很可能流入企业和该资源的成本或价值能够可靠的计量。国内不少学者认为数据资产符合关于无形资产所描述的确认条件,即一项企业拥有或控制的、无实物形态、可辨认性和非货币性。其次,企业对一项数据资产的确权在法律上需要清晰界定,确保法律对该数据资产进行权属和保护。再次,数据资产的价值会随着时间的变化或者是不断加工和使用发生价值波动,导致数据资产的评估在实际操作中受到较多不确定因素的影响。
二、我国数据资产化研究现状分析
现阶段,我国学者逐渐加强对数据资产领域研究的重视程度,积极开展数据资产化方面的研究,探索企业运用数据资产开发新型商业模式。学者们从不同的角度开展研究,如数据资产运营增值的方法,探索数据资产化的详细过程,如何实现多领域通用等。例如王伟玲、吴志刚、徐靖在研究中深入分析加快数据要素市场培育的关键点与路径,从不同的角度分析数据资产的价值,研究如何提升数据资产的活性和应用规模,探索新路径促使数据资源的流通[2]。在实现数据资产化的过程中,数据资产的隐私保护也需要强化,尤其是受数据资产自身的虚拟无形因素影响,在实践应用过程中必然会产生权属问题、隐私问题,需要加强重视力度,以满足实际需求。近年来国家也在积极出台相关的法律法规,规范行业发展,进一步保障数据流通的规范有序,以满足市场发展需求,提升整体的管控水平[3]。
三、我国数据资产特征现状分析
现阶段我国的数据资产相比于传统资产,其特征主要表现在以下几方面:
(一)可控制性
从资产的权属与权限方面开展分析,数据资产呈现出明显的可控性。一是从数据资产的资产属性层面分析,对于企业来说,数据资产必须在保证数据管理者具有明确的修改、查看、使用等控制权限时,才能使数据资产产生价值。二是从数据资产价值影响因素角度分析,当数据资产被恶意篡改时,就会造成数据质量降低、数据错误、资产贬值的情況[4]。当数据资产不可控制时,就容易出现非法复制或者泄露,导致资产价值贬值,限制整体发展。三是从用户层面分析,企业通过控制数据资产权属可以有效地避免个人数据隐私被泄露。现阶段移动互联网的飞速发展使企业的数据资料和客户资料可能受到恶意病毒或木马攻击,导致出现数据信息泄露情况,不仅对用户带来困扰,还会对企业的社会形象造成毁灭性的打击。数据资产需要加强整体可控制性,提升整体数据安全性,才能保证资产自身价值安全[5]。
(二)可量化性
与商品等其他传统资产类似,数据资产可以被计量,可以通过交易来流通。因此需要选择可靠的数据资产计量方式,以满足交易流通的需求。在“数字经济”蓬勃发展的今天,数据资产交易业务呈现出全面发展的趋势,其资产交易业务的组织数量逐年增加,但大部分通过存储单位计量,难以明确数据的内在价值,由此促使数据资产评估报告的迅速发展,例如数据资产质量评估、价值评估、等级评估的出现[6]。如在数据资产隐私等级评估过程中,企业会根据实际情况按照保密等级的要求,从高到低,设置为高度敏感、敏感、内部和公共四个等级。企业既可以从数据资产的获得成本和应用价值来量化分类,也可以从数据资产的重要性、使用频率和使用效果等多个维度量化评分来分类。通过数据资产的价值量化,可以促进数字资产管理水平的提升[7]。
(三)可变现性
从本质上分析,可变现指的是数据资产可以为企业发展带来良好的经济效益,因此数据资产具有明显的可变现性特征。如数据资源以数据资产的形式流通,实现商品化、证券化,加速现阶段数据资产进入企业资产的步伐,从而满足企业在数字时代发展的需求。与此同时,由于数据资产的收益呈现出明显的不确定性,因而随着数据资产的时效性、维护成本以及产品市场占有率的变化,数据资产价值会出现明显变化[8]。
四、数据资产化过程
数据资源如何向数据资产有效的转化,一些拥有海量数据的企业已经开始相关的研究和尝试。如拥有海量电网数据的电网企业探索出数据资产化的四个步骤:建立数据标准、数据私隐评级、数据加工处理和数据产品封装[9]。
(一)建立数据标准
数据资产化首先需要建立数据使用的共识。为了达成共识,必须做好数据资产的标准化建设,为后续的工作开展奠定良好的基础。首先要做好现状调查,明确将数据标准现状调研。其次要建立数据字段标准和体系的数据字典,推动统一的数据资产标准,促使企业数据资产标准一致性提升。
(二)数据私隐评级
数据资产的使用离不开数据私隐的分类管理。可以通过设立数据资产类别,对数据资产的涉密程度进行分类,保证每项数据资产都实现涉密程度的划分,降低数据资产使用过程的涉密风险。
(三)数据加工处理
数据加工处理指从原始数据中找到数据特征、分析整理并形成报表或图表的过程。随着大数据、云计算等技术的不断发展进步,数据加工处理的方法也日新月异,将海量原始数据处理成高价值的数据资产在不少优秀企业都有很好的应用。如中国联通上海公司利用AI算法中的聚类算法模型,对用户信息进行运动信息建模,从模型中清洗数据特征,搭建特征指纹库,实现用户画像的识别[10]。