数字经济时代下数据要素资产化机制与趋势研究

李喆

（福建大数据一级开发有限公司，福州 350000）

1 引言

近年来，我国发布多项重要政策，率先进行数据要素市场体系探索。2021 年，《“十四五”数字经济发展规划》提出在2025 年初步建立数据要素市场体系。2022 年6 月，中央全面深化改革委员会第二十六次会议审议通过了《关于构建数据基础制度更好发挥数据要素作用的意见》（以下简称《数据二十条》），分方向具体阐述了如何建设数据基础制度，包括建立健全合规的数据产权制度、数据要素流通和交易制度、利益分配制度以及安全监管制度，为数据要素权属、交易、监管等方面法律的正式出台打下坚实基础[1]。

2022 年12 月，在《数据二十条》的基础上，财政部发布《企业数据资源相关会计处理暂行规定（征求意见稿）》（以下简称《会计暂行规定》），提出企业数据资源经评估可确认为企业资产，列入财务报表[2]。中国是全球首个提出数据资源入表的国家，在数据资产化方面进行了有益探索。《数据二十条》和《会计暂行规定》的出台标志着“1+N”数据要素国家政策设计架构初步形成。“1+N”即1 个顶层设计以及N 项具体实施措施。其中，《数据二十条》和中共中央、国务院此前发布的顶层文件构建了完整的“1”，《会计暂行规定》则打响了“N”的第一枪，为后续数据资产确权、定价等“N”方面的具体政策指明了方向。

数据的“升格”将对传统的生产方式或经营活动进行变革，成为促进我国经济发展的新引擎、新动力。同时，数据要素在生产过程中持续地激发、释放和创造新的价值，从而推动数据从要素向资产转变，以此盘活数字经济。

2 数据资源化和数据资产化概述

数据资产的概念源于资产的概念演化。根据国家市场监督管理总局、中国国家标准化管理委员会发布的GB/T 40685—2021《信息技术服务数据资产管理要求》，数据资产被定义为合法拥有或控制的，能进行计量的，为组织带来经济和社会价值的数据资源[3]。数据要素成为一项资产，已逐渐成为国际上的行业共识，但并非所有的数据要素均可成为数据资源，并非所有的数据资源均可成为数据资产。数据资产化的必要前提是数据资源化，数据资源化即将原始数据转变为数据资源，从而使数据具备潜在的价值。数据资产化则是将数据资源转变为可交易流通的产品，从而使数据资源的潜在价值得以充分释放。因此，虽然各类文件或材料并未统一数据资源化和数据资产化的概念，但从原始数据到数据资源化再到数据资产化的本质目的，就是使数据能够为组织带来经济利益和价值。

3 数据资产的形成条件

数据资产的形成条件涉及数据要素流通的各个环节，其中，数据可变现、数据确权、数据可计量是数据资产化进程中的三大必要条件。

3.1 数据可变现是数据资产形成的基础条件

能够成为数据资产的数据资源需是能够为企业带来预期经济利益和价值的，那些没有经济利用价值或者在现有技术和知识条件下，未能识别确定在未来是否有经济获利能力的数据资源，不能列入数据资产。数据资产管理是提升数据资产价值的前提，目前多数组织普遍面临的重要难题之一即数据管理、数据治理能力缺乏，导致无序的数据资源难以转化为数据资产。因此，数据可变现的前提因素之一是通过数据管理（数据治理、数据运营），使数据变成可交换且可被流通对象所解释利用的数据资源。如果数据质量普遍不高、数据接口不统一，导致数据无法有效融合，则无法形成有价值的数据资源，这将直接影响数据资产的价值最大化。

3.2 数据确权是数据资产形成的先决条件

数据确权一直是影响数据资产价值形成的最大因素之一，数据权利归属哪个主体、对数据享有什么权利，只有厘清这些数据权利，数据资产价值才有法律法规依据。《数据二十条》提出了数据资源持有权、数据加工使用权、数据产品经营权“三权分置”的产权制度。国家政策层面仅对这3 种数据产权进行了探索，将来还有更多的数据产权制度出现。另外，随着未来数据要素开发利用形态的多样化与各行业实践和理论的深入发展，可能出现其他值得被承认和保护的权益形态，而对数据资源的合法控制会基于对数据不同的利用场景，形成相对应的数据权益。故而基于会计角度对资产的定义，如果数据来源合法且组织基于法定或合同约定能够通过手段对该等数据资源合法有效控制，也应该符合形成数据资产的要求。

3.3 数据可计量是数据资产形成的必要条件

数据资源要想转化为资产，需满足可以用货币的方式衡量数据资产价值的条件，即数据资产可被计量。当前，国家及地方层面已积极地对数据资产入表进行探索。2022 年12 月9 日，《会计暂行规定》公开征求意见，明确了企业数据资源经评估可确认为企业资产，列入财务报表，且企业内部使用数据资源按条件确认为无形资产，企业对外交易的数据资源按条件确认为存货。可以预见，数据资产入表的相关探索将鼓励企业更多地积累数据资源、更好地挖掘数据资源价值，并引导更多企业、机构参与数据交易，而在此过程中，数据资产计量难这一问题将被解决。

4 数据资产价值的实现路径

4.1 良好的数据资产管理基础是重要根基

构建全面有效、切合实际的数据资产管理体系，一方面能够规范数据资产采集、加工、使用过程，提升数据质量，保障数据安全；另一方面能够丰富数据资产应用场景，建立数据资产生态，持续运营数据资产，为政府机构与企事业单位进行资产计量确认提供了良好的数据条件和能力基础，进一步推动数据要素流通，加速要素市场化。目前，我国数据资产管理能力仍处于初期阶段，公共数据管理工作在政策的持续推动下，在全国各省市全面铺开，管理水平稳中有进；行业数据管理水平参差不齐，中国电子信息行业联合会将DCMM 评估的统计数据按照行业进行对比分析，发现通信、电力、银行这3 个行业处于相对领先水平，软件与信息技术服务业、制造业则有较大提升空间。

4.2 统一的数据资产登记制度是重要手段

近年来，我国建立了众多完善的资产登记制度，这些登记制度界定了资产的权属，保障了资产流通交易的安全，降低了市场交易风险和交易成本，提高了要素市场的效率。数据资产登记的意义是，可以基于数据无形性这一特征将之“显性化”，目的在于满足数据“控制”或“持有”这一要求，体现数据由谁拥有或控制，可作为一种数据权利凭证。

我国部分地区和机构开展了针对数据资产登记工作的探索：2017 年，贵州省出台全国首个政府数据资产管理登记办法；2020 年，山东省在全国率先打造数据（产品）登记平台等；2021 年，广东省数据资产凭证化工作正式启动，发布全国首张公共数据资产凭证，深圳市探索建立数据资产入表制度；2022 年，我国首个数据资产管理领域的国家标准正式发布实施。

不过，我国还未对数据资产登记的概念与制度达成统一共识，符合我国国情、健康统一的数据要素登记制度亟待建设。

4.3 科学的数据价值评估体系是重要环节

与传统资产相比，数据种类多样、价值易变，具有更加丰富的潜在应用场景，其资产化后的价值评估需要综合考虑更多方面因素。传统资产评估方法在数据资产价值评估过程中受到了或多或少的限制，数据资产相比其他资产而言，活跃程度更高，灵活性和时效性明显更强，在实际应用中需要对数据要素和数据资产的特殊性进行全面评估，对传统估值方法进行灵活创新，只有这样才能真实反映数据资产的经济价值。从实践看，收益法在实际的数据资产价值评估中相对容易操作，能更真实、更准确地反映数据资产的资本化价值，是目前比较推荐的一种数据资产价值评估方法。例如，“分润”模式被普遍采用，较典型的如腾讯云市场即根据数据供应商过去一个月或一年内销售额，按10%～20%收取交易佣金。

此外，数据资产的分级评估是各方关注的重点，《全国统一数据资产登记体系建设白皮书》将数据资产进一步划分为资源性数据资产和经营性数据资产，国家发改委价格监测中心副主任王建冬[4]提出，“参考资本和土地等要素的多级市场体系，未来我国数据要素市场可探索构建一、二级相结合的市场体系”，并指出“下一步的工作重点是从一级市场（对机构所拥有的数据资源潜在价值进行评估）和二级市场（对机构数据资源开发利用形成的产品和服务价值进行评估）两个层面提出数据价值评估和价格形成的实施细则”。

可以预见，未来更加完善的数据价值评估体系或方法论将陆续被提出，从而有效激发数据要素市场的创造力和活力。

5 数据资产化的趋势和影响

5.1 数据权益保障机制不断完善，数据加工、治理业务存在广阔发展空间

《数据二十条》提出了我国“三权分置”的数据产权制度，并强调充分保障数据处理者使用数据和获得收益的权利。国家知识产权局副局长胡文辉在国新办举行的新闻发布会上同样提出现阶段以数据处理者为保护主体。可以预见，数据资产化将激励市场相关主体投入更多的资源发掘数据的价值和促进数据要素的交易流通，数据加工、治理业务存在广阔发展空间。随着相关政策制度落地，以及政府、企业大数据平台建设步伐的加快，与之相关的数据加工、治理市场也将迎来爆发式增长。

因此，在数据资产化的大背景下，相关企业可积极利用自身优势，深化企业、行业自身基础数据治理工作，创新数据开发、应用模式，积极沉淀自研的数据加工治理和数据开发方面的知识产权（专利、著作），发展与数据产品相关的一站式咨询业务，培育、形成“数据+场景/应用”“数据+标签”“数据+算法”“数据+大模型”等多元化数据产品解决方案，为企业储备数据知识产权做好储备。

5.2 从成本项到增值项，数据资产入表驱动企业价值重估

数据资产入表影响深远，数据资源相关投入将从费用化走向资本化。一方面，根据《会计暂行规定》，企业通过数据加工取得的数据资源确认为存货，而按照现行的会计准则，数据持有企业的数据加工费用需要计入研发费用，此次变革将推动部分支出确认为资本成本，利润表及资产负债表将迎来利好。另一方面，很多数据资源提供商以SaaS 的形式提供服务，按照现行会计准则，其收入分期确认，而成本在当期全部扣除。此次推出的《会计暂行规定》使得原本的成本可以放入存货中，并从存货中逐渐结转，有益于当期利润的表现。

虽然《会计暂行规定》目前仅为征求意见稿，且部分具体细则仍较为模糊，但数据资产入表的目的已较为明确，即企业所持有、控制的特定数据权益，将可纳入企业资产统计，使得数据资源相关的投入从企业成本项转为企业增值项，提升企业价值。因此，在数据资产入表背景下，数据加工及产品开发的部分支出将有可能转换为企业的资本成本，有利于企业资产负债表现。相关企业或可积极开发数据产品，努力探索数据资源或产品增值业务，拓展数据标注或深加工业务板块，并结合人工智能相关技术，提升数据产品的横向及纵向价值，为后续数据资产入表政策的正式颁布、实施提前布局。

5.3 数据资产评估进入快速发展阶段，话语权博弈日趋激烈

数据的可控、可计量是实现数据资产化的技术难题。当前，我国数据资产价值评估实践已进入快速发展阶段。在政策方面，2022 年中国资产评估协会发布《数据资产评估指导意见（征求意见稿）》，国家市场监督管理总局、国家标准管理委员会发布中国国家标准《信息技术大数据数据资产价值评估（征求意见稿）》，引导数据评价与价值评估实施工作标准化、规范化。在具体实践方面，电力、银行、电商等数据资产丰厚的行业已率先在数据资产评估方面发力，争夺行业话语权，为自身资产增值提前布局。例如，光大银行于2021 年发布《商业银行数据资产估值白皮书》，并以自身的数据资产为对象，计算出光大银行数据资产超千亿元的货币价值；浦发银行构建商业银行数据资产价值评估模型，并编制了企业“第四张报表”——《数据资产经营报表》，有效衡量数据资产对业务绩效提升、经营模式变革的推动力；南方电网于2021 年发布了能源行业首个《数据资产定价方法》，构建多维电力数据价值评估体系；国家电网依托自有的两级能源大数据中心和数据中台海量数据资源，形成“三典三特”数据资产评估方法。

数据资产价值评估需要以成熟数据管理架构的搭建，以及数据应用场景的识别和确认为重要前提，脱离底层设施和前提条件所做的探索将存在脱离实际、无法落地、适用度低等问题。此外，数据资产价值评估涉及跨业务单元、跨不同部门、跨组织层级甚至跨企业和行业的协作沟通，涉及面广、工作量大，需要高度协同。因此，相关公司可积极参与数据资产价值评估方法论或体系建设，利用自身行业优势，助力我国数据资产化进程。

6 结语

当前，我国数据资产化进入快速发展阶段，数字劳动的相关权益不断增加，数据要素市场日渐活跃。同时，伴随数据资产入表等相关政策征求意见，企业价值重估已提上日程，电力、银行、电商等数据资产丰厚的行业已率先入场、布局，成为我国数据资产化的重要推动力。相关企业或可立足自身定位及优势，研发数据产品，探索推出数据资源或产品增值业务，积极投身与数据资产相关的价值评估体系建设，提升自身在数据资产价值评估中的主导权和话语权，以此应对数据资产化浪潮，为企业增值提前谋划。