数据资产化驱动新质生产力发展的内在机理和实现路径

【摘" 要】数据资产化是驱动新质生产力发展的重要力量。在数字经济时代，数据因其显著的价值倍增和创新引擎作用被视为新质生产力的核心生产要素。而数据资产化就是将数据要素与传统生产要素相结合，最终形成有经济价值的数据资产的过程。作为新质生产力发展的内在驱动力，数据资产化主要通过创造数据要素价值、加速新型要素融合渗透、释放经济新动能3个关键机理发挥作用。数据资产化驱动新质生产力发展主要通过业务数据化、数据资源化、数据产品化和数据资产化4个阶段得以实现。论文为理解数据资产化在现代经济中的作用和价值提供了全新的视角，强调了在理论和实践层面进一步深化对数据资产化进行研究的重要性。

【关键词】数据；数据要素；数据资产；数据资产化；新质生产力

【中图分类号】F49" " " " " " " " " " " " " " " " " " " " " " "【文献标志码】A" " " " " " " " " " " " " " " " " " " " " " " " "【文章编号】1673-1069（2024）09-0058-03

1 引言

在中共中央、国务院发布的《关于构建更加完善的要素市场化配置体制机制的意见》中，数据开始作为一种在数字经济时代涌现的新型生产要素，与土地、劳动力、资本、技术并列。这不仅凸显了数据要素在激发经济潜力中的关键作用，也标志着数据要素市场化配置已上升为国家战略。习近平总书记指出，数据是新的生产要素，是基础性资源和战略性资源，也是重要生产力。新质生产力的核心在于“新”的特性和“质”的提升，不仅依赖传统生产要素的积累，更需要数据的赋能。然而，如何有效利用数据要素，最大化其价值，成为当前经济发展的关键课题。这不仅是理论上的需求，更是实践中的迫切需要。目前还没有学者从新质生产力的视角对数据资产化展开论述，因此，本文具有一定的研究意义和创新点。

2 数据资产化的内涵

2.1 数据的相关概念

2.1.1 数据

数据是对客观世界的测量和记录，是描述事物的数字、字符、图形、声音等的表示形式。作为数字经济的一个核心生产要素，数据具有无限增长性、支撑融合性和规模经济性的特点，能够促进规模报酬递增、推动科技创新、实现产业深度转型升级，并催生新产业、新业态、新模式，大幅度提升全要素生产率。

2.1.2 数据要素

从经济学角度来看，数据要素是指市场主体在生产经营过程中能够接触到的用于投入并创造经济社会价值的数据及其衍生形态。与数据不同，数据要素突出了其使用价值。它必须是可以被机器读取的并在社会化大规模生产中发挥重要作用的投入品，不能简单地将所有数据视为数据要素。

2.1.3 数据资源

数据资源是可用于特定目的或价值创造的数据，即国标GB/T 42450—2023定义的“作为资源看待的用于支持实现组织业务目标的数据”。与数据相比，不同的是数据资源可以用于支持组织目标，且可以作为数据要素投入生产活动。

2.1.4 数据资产

组织完成了数据资源化过程后，根据资产确认的标准将其识别并确认为数据资产，即国标GB/T 40685—2021定义的“合法拥有或者控制的，能进行计量的，为组织带来经济和社会价值的数据资源”。相比于传统资产，数据资产具有非实体性并且可以根据不同的需求和数据算法被多维度地多次加工。

2.2 数据资产化的概念

数据资产化是将收集到的数据加工整理，成为具有一定经济价值的数据资源，并转化为数据资产的过程。具体来说，就是将可分析的数据引入企业战略规划、高效的供应链管理体系以及精准的用户服务与管理等关键业务环节中，成为驱动决策智能化、流程优化和用户体验升级的强大引擎。在微观层面，数据资产化是放大企业价值创造的关键一环。在中观层面，数据资产化正深刻改变着产业间的关联与融合模式。在宏观层面，数据资产化为数字经济的发展提供了源源不断的动能。可以说，数据资产的积累不仅优化了资源配置效率，还拓宽了数据应用场景，为经济的持续增长提供了新的方向。

2.3 数据资产化的前提

作为数据资产化的表现形式和基本构成单位，数据并不天生具备资产属性，需要满足以下3个关键属性才能完成数据资产化、形成数据资产。一是信息属性。它要求数据资产应能够直接或间接带来经济效益和社会效益。二是法律属性。主要是指数据要成为资产需具有所有权、使用权、收益权等。在数据资产化的前期，法律属性主要体现在确保数据的合规性上。中后期，法律属性则体现在数据产品流通和交易的可控性和监管性上。只有当经济主体拥有或控制这些数据时，他们才能成为有价值的资产，从而促进企业进行数据的收集、处理和应用。三是经济属性。它要求数据具有价值，并且数据的价值应该能够通过科学的方法进行评估，并以此作为数据在市场上进行交易或转让的依据。

2.4 数据资产化的实现路径

数据资产化主要通过4个阶段实现（见图1）。首先，业务数据化是数据资产化进程的出发点，在此，数字化的信息以指标化的形式呈现，使得业务数据可视化。然而，数据并非都机读可用，他们需要经过加工处理后形成可直接或间接产生经济社会价值的数据资源，这一过程即数据资源化过程。接着，根据资产确认的条件，将这些具有稀缺性和价值的数据资源认定为数据资产。随后，数据产品化阶段将数据资源与其他生产要素结合，加工处理后形成数据产品或服务。同时，在数据资源转化为数据资产过程中，将数据资源识别确认为数据资产的过程即数据资产化过程。这4个阶段共同作用，将数据转变为可以带来经济效益的资产，通过乘数倍增效应形成新质生产力。

3 数据资产化驱动新质生产力发展的内在机理

数据资产化是新质生产力发展的内在驱动力，可以通过3个关键机理发挥作用，源源不断地创造价值增量，成为驱动新质生产力发展的重要力量。

3.1 数据资产化是创造数据要素价值的关键环节

加速塑造并壮大新质生产力，已成为中国经济社会发展转型升级的核心引擎。其中，数据作为新质生产力的核心生产要素，是数字化、网络化、智能化的基础。而数据资产化则是推动企业单位数据资源入表，加快创造数据要素价值的关键一环。一方面，数据资产化有助于解决数据要素合规性问题，为数据要素发挥乘数效应保驾护航。特别地，作为一种新型生产要素，数据在涉及产权归属、评估定价、流通交易等方面被寄予更高要求。数据资产化有助于推动企业重视数据资源、提高数据质量、加快数据应用场景的开发等，真正实现数据要素的乘数效应。另一方面，数据资产化有助于推动数据要素市场化，加快培育数据新产业。它超越了传统经济增长模式的束缚与生产力发展的既定路径，开辟了以数据为核心资源的新质生产力发展道路。在前沿数字技术和数据要素双轮驱动下，数字技术和传统产业、数字经济和实体经济深度融合，贯通于组织生产与管理的全环节，源源不断地为组织创造价值。

3.2 数据资产化是加速各种新型数据要素融合渗透的基础保障

数据要素是新质生产力的关键构成，对其发展具有基础支撑作用。与遵循规模报酬递减规律的传统生产要素截然不同，数据要素在生产过程中展现出独特的双重属性，既是不可或缺的劳动资料，又是直接参与生产过程的劳动对象，发挥出了超越传统生产要素的价值倍增和创新引擎作用。新质生产力核心不仅是“质”的提升，也是“新”的特性，是以数据要素为代表的数字化与智能化的新生产要素的全面嵌入与深度融合。数据资产化过程中，数据首先转化为信息，极大地降低了组织进行市场搜寻与匹配的成本。同时，数据在生产流程中的实时流动与高效共享，打破了信息孤岛，促进了生产要素间的协同，显著提升了整体的运行效率。这不仅加速了产品与服务的创新步伐，更实现了研发创造与价值增量的双重飞跃，为企业的可持续发展注入了强劲动力。

3.3 数据资产化是释放经济新动能的内生动力

在全球科技革命与产业革命加速融合的时代背景下，数据资产化不仅聚焦于生产效率的跨越式提升与产业结构的智能化升级，还致力于全球市场版图的广泛拓展与资源利用效率的绿色升级。在快速变化的数字时代，我国数据资源正在进行指数级增长，拥有多类型多产业数据和丰富的数据应用场景。这为我国深入开展数据资产化相关理论研究、完善政策制定和行业标准、掌握未来数字经济发展的国际话语权提供了战略机遇。此外，数据资产的引入正在重塑资产的定义和估值理论，推动企业在估值、并购、投融资等方面更加重视数据的价值。传统的工业经济时代，企业价值往往与其财务报表上的有形资产相关联，如设备和厂房的数量。然而，在数字经济时代，企业数据资产的价值正日益成为评估企业价值的关键因素。综上所述，数据的复用性和跨领域融合性正在推动全球不同国家、不同领域的知识渗透并不断产生新知识，为经济和社会发展提供了强劲的内生动力。

4 数据资产化驱动新质生产力发展的实现路径

结合数据资产化的过程，数据资产化主要通过4个阶段驱动新质生产力的发展。4阶段相辅相成，共同促进数据资产转化为经济效益，激发新质生产力的发展潜力。

4.1 业务数据化实现业务增值

业务数据化建设要求将不同来源的数据以结构化、指标化的数字化信息形式进行组织、分析及预测，再应用于生产制造、经营管理、专业服务等业务流程的各个环节。由此，企业能够收集、整理并分析各个业务模块产生的数据，实现业务数据的可视化。进一步地，通过不断扩展数据的应用范围并深化数据的价值分析，数据的潜在价值得以被最大程度地挖掘，从而，使得数据为业务赋能，促进技术的进步和业务模式的创新，推动生产力的创新和效率的提升。

4.2 数据资源化推动数据流通

数据资源化是将原始数据转化为具有一定潜在价值数据资源的过程，旨在提升数据质量，为数据资产化奠定了基础。以企业的业务需求、发展战略及客户需求为导向，数据资源化通过对业务数据化阶段生成的数据进行有效治理和融合应用，推动企业内外部数据的流通。数据资源化的进程有助于将数据塑造成企业核心资产，并促进数据资源价值的最大化。随着数据资源管理能力不断提高，数据资源化发展动能不断增强，数据资源生产能力能够获得快速发展的空间。

4.3 数据产品化方便价值计量

数据产品的开发不仅广泛应用于企业内部为业务赋能，也瞄准了外部流通市场以发挥更大潜能。从辅助业务部门日常运营的流畅性，到增强管理层的精准决策能力，再到为决策层提供前瞻性的战略规划支持，数据产品广泛渗透至业务运营的各个层面。转向外部市场，数据产品化进程则聚焦于对海量数据资源的深度挖掘与定制化开发，旨在满足特定行业或客户的独特需求。这充分释放了数据要素的社会和经济价值，为社会和经济的可持续发展提供了新的动力和方向。

4.4 数据资产化形成良性循环

数据资产化涵盖了数据资产运营、数据资产交易与流通、数据资产价值评估等多个方面。这一过程将静态的数据资源激活为动态的资产，使数据资源的潜在价值得以充分释放。通过业务与技术的紧密合作，数据资产化紧密地将数据资产的价值与具体的业务应用场景相绑定，确保数据资产的价值评估既精准又贴合实际。同时，它促进数据在供给与需求两端之间建立起一个正向反馈的循环机制，有效推动了数据价值的最大化利用。在数字经济时代，数据要素按照贡献度、价值创造收益能力参与分配，凸显了其对提高生产效率的倍增效应。数据资产化不仅有助于提升数据资源价值，而且能够赋予数据更多的属性和能量，成为推动新质生产力发展的新动能。

5 结语

随着数字经济的蓬勃发展，数据资产化进程已成为学术界和产业界共同关注的焦点。通过对数据资产化内涵和确认前提进行分析，本文阐明了数据资产化驱动新质生产力发展的内在机理，强调了在理论和实践层面上进一步深化对数据资产化研究的重要性，而且为理解数据资产化在现代经济中的作用和价值提供了全新的视角。然而，数据资产化的实践是一个动态发展的过程。随着数字技术和全球政策环境不断变化，新的挑战和机遇将不断出现。因此，未来的研究应持续关注数据资产化的关键趋势，并进一步探索如何利用数据资产化与要素化之间的内在联系来推动数字经济的高质量和可持续发展。

【参考文献】

【1】王颂吉，李怡璇，高伊凡.数据要素的产权界定与收入分配机制[J].福建论坛（人文社会科学版），2020（12）：138-145.

【2】GB/T 42450—2023 信息技术大数据数据资源规划[S].

【3】GB/T 40685—2021 信息技术服务 数据资产 管理要求[S].

【4】戴双兴.数据要素：主要特征、推动效应及发展路径[J].马克思主义与现实，2020（06）：171-177.

【5】许宪春，张钟文，胡亚茹.数据资产统计与核算问题研究[J].管理世界，2022，38（02）：16-30+2.

【6】李政，廖晓东.发展“新质生产力”的理论、历史和现实“三重”逻辑[J].政治经济学评论，2023，14（06）：146-159.

【7】洪银兴，任保平.数字经济与实体经济深度融合的内涵和途径[J].中国工业经济，2023（02）：5-16.

【8】田时中，许玉久，范宇翔.数据要素新动能对制造业高质量发展的影响研究[J].统计与信息论坛，2023，38（08）：55-66.

【9】谭沐.以数据资产化建设为核心的数据驱动型企业建设路径研究[J].智慧轨道交通，2023，60（02）：1-7.

【10】罗玫，李金璞，汤珂.企业数据资产化：会计确认与价值评估[J].清华大学学报（哲学社会科学版），2023，38（05）：195-209+226.

【11】钞小静，王清.新质生产力驱动高质量发展的逻辑与路径[J].西安财经大学学报，2024，37（01）：12-20.

【12】吴德林，杨茹梦，李晶晶.数据资产化与企业转型：基于CSSCI文献的证据[J].特区实践与理论，2024（03）：88-93.

【13】陈刚，颜斌斌，汤珂.数据的要素化与资产化：理论辨析与实践探索[J/OL].国际经济评论，2024（05）：153-176[2024-08-15].http：//kns.cnki.net/kcms/detail/11.3799.F.20240914.1018.014.html.

【14】徐涛，尤建新，曾彩霞，等.企业数据资产化实践探索与理论模型构建[J].外国经济与管理，2022，44（06）：3-17.

【15】林春，文小鸥.资本市场赋能新质生产力形成：理论逻辑、现实问题与升级路径[J].深圳大学学报（人文社会科学版），2024，41（02）：66-75.

【16】徐政，张姣玉.新质生产力促进制造业转型升级：价值旨向、逻辑机理与重要举措[J].湖南师范大学社会科学学报，2024，53（02）：104-113.

【17】姚树洁，张小倩.新质生产力的时代内涵、战略价值与实现路径[J].重庆大学学报（社会科学版），2024，30（01）：112-128.