如何看待数据资产化与数据要素市场化的关系？

数据资产化与数据要素市场化相辅相 成，相互促进。

1.企业数据资产化方兴未艾，数据要素市场化起到了催 化作用

企业数据资产化自有其内生动力。数据资产化其本质是企业数字化战略的迭代升级，是基于数字技 术、数据技术和数据管理，与业务经营全面融合，对企业的业务边界、竞争能力和资产价值进行重构的过 程。首先，通过数据资产化，企业可以将数据资源转化为有价值的资产，可以为企业提供更准确、更全面的商业洞察。通过对数据资源的深度分析和挖掘，企业可以发现潜在的市场机会、了解客户需求、优化产 品和服务，从而提升竞争力。其次，数据资产化可以优化企业的运营效率。通过对数据的实时监控和分 析，企业可以及时识别风险并调整策略。最后，数据资产化可以促进企业的创新和业务模式的转型，发现 新的商业模式、创新产品和服务，从而在市场中获得竞争优势。 根据《2022 年全国数商产业发展报告》中介绍的数据要素全链路 15 类数商，数据产品供应商、数据 资源集成商、数据加工服务商、数据分析技术服务商、数据治理服务商是围绕数据要素开展加工、治理、 应用使其产品化的服务商，其中自身拥有数据资源，并能形成数据产品，进而资产化的企业主要是数据产 品供应商，在该报告中定义为数据要素型企业，指自身拥有大量数据且能够提供自身数据给第三方数据处 理商、存储商、分析商的企业，通常这些企业来自于数据密集型行业，如金融、互联网、交运、医药健 康、能源、工业制造和通信运营 7 大行业。截止 2022 年 11 月，数据产品供应商样本占比为 5.11%，与其 它类型数商相比，占比偏低。

以银行为例，银行通过长期多轮信息化和数字化建设，从业务经营、客户服务、生态伙伴中积累了海 量数据，数据技术储备充分，并较早开展了数据治理工作，形成了一批用于企业经营分析、营销获客、风 险评估、运营提效等数据应用。虽然大部分银行参与数据要素生态是以数据需求方的角色出现，较少作为 数据产品供应商，但在数字化转型过程中，银行的数据搜集和应用能力得到进一步提升。随着银行金融科 技能力的提升和数据资产化进程的深入，银行与专门的金融科技公司、或是与第三方金融科技公司联合， 在安全合规的框架下，将有场景需求的行业级数据产品通过数据要素市场挂牌，以数据产品供应商的角色 参与数据要素市场，探索并引领金融数据产品创新。当然，银行作为金融机构，还可以通过数据交易清结 算、数据资产抵质押融资、数据资源受托开发、数据咨询服务等多种角色，借助金融资源和专业服务参与 数据要素市场，护航数据要素的金融属性发展。 数据要素市场化是企业数据资产化的“催化剂”。数据要素市场提供了数据生态体系中各类企业发挥 优势的场所，供需匹配、合规流通和价值发现的优势，会进一步激发企业数据资产化的意愿和动力，同时 数据要素市场也是顺应数据要素发展趋势、创新型业务模式和提升自身数据研发能力的实践平台。

2.数据要素市场建设迫切需要企业数据资产化

任何要素市场的主体都是企业，数据要素市场也不例外。数据要素市场主体包含供给主体、需求主体 和中介服务主体，数据商品是交易标的，通过场内或场外开展流通交易。数据商品供给是市场建设与运行 的基础原料，数据商品的生产过程，同频同步就是企业数据资产化的过程。供给主体企业建立数据商品生 产体系，同时配套建立完善的数据治理体系，严格管控数据商品生产全过程的质量，及时收集要素市场和 需求主体的数据商品的反馈，迭代优化产品，不断创新升级，保持自身商品在数据要素市场的活跃度和认 可度。 数据需求是数据要素市场价值实现的来源。需求主体通过要素市场交易获得数据资产后，作为生产资 产投入企业内部数据资产研发工序，与企业内部业务场景数据分析需求相结合，通过创新性加工和实质性劳动，以管理认知的价值或是业务创新迭代的价值，达到数据再次资产化的条件。 由数据供需双方的数 据资产化，形成了数据要素流通与交易的主轴线。

数据要素市场的运行机制有赖于企业数据资产化。国家给数据要素市场的定位，激发数字经济的活 力，驱动企业数字化创新。数据要素市场运行的逻辑，是有效匹配数据供需，发现数据价值，实现数据合 规有序流通。数据要素供需双方可能存在以下问题，从而影响要素市场发展，企业数据资产化可以在供需 矛盾解决中发挥积极作用。

数据要素市场的高品质商品供给，离不开企业高质量的数据产品生产和高质量的数据治理。尽管我国 数据要素市场刚刚兴起，配套设施正在完善中，各类“数商”企业的数据资产化的实践进程，将促进数据 要素市场规范化与规模化发展。 我国将数字经济作为高质量发展的强国之策，提出了构建数据要素大市场的宏大愿景，“摸着石头过 河”，同时“实践出真知”，需要每一位市场参与者“躬身入局”，“细嗅蔷薇”，共同探索出具有中国 特色的数据要素市场体系。

3.企业数据资产化所需具备的条件正在成熟

在实践中，企业数据资产化有三大难题，分别是数据资产确权、数据资产价值评估、数据资产会计处 理。一方面数据资产化还是新兴事物，在国家顶层设计的框架下，相关理论体系、法律法规、实施细则等 还在制定完善中；另一方面，企业在数据资产化实施过程中碰到的阻碍，也驱动着各类配套制度措施制定 出台。我们欣喜地看到，企业数据资产化所需具备的条件逐渐成熟。 首先是数据资产确权。数据资产的产权明确是企业数据资产化的前提条件，也是数据要素收益得以合 理分配的基础。《数据二十条》提出“探索数据产权结构性分置制度，建立公共数据、企业数据、个人数 据的分类分级确权授权制度”，特别是“建立数据资源持有权、数据加工使用权、数据产品经营权等分置 的产权运行机制”，这一项极为鲜明的制度创新，创造性地指出了一条旨在解决数据资产化过程中企业群 体性贡献和个体性拥有之间可能存在的冲突的路径。尽管目前还未有进一步明确的数据产权立法出台，但 以《数据二十条》为先导，可预见各地方会积极寻求法规层面的突破，以促进数据要素流通和市场化，我 们可以拭目以待。在此之前，企业间的数据交易可以以合同条款的形式，明确所交易的数据权属，同时以 技术手段保障各自权属主张可追溯和无争议。企业内部也可以建立数据资产登记确权的试点，集团公司以 下属实体企业为单位，单一法人以部门为单位，界定数据资产以及生成该资产所需的数据资源的权属类型 和权属对象。统一登记数据权属，以权属分配数据管理职责，明确数据共享机制，决定收益分配或绩效考 评。企业内部数据资产权属管理为后续参与数据要素市场打好基础，积累经验。

其次是数据资产价值评估。由于数据资产的特有性质，数据资产的价值实现不仅与数据资产的内容和 质量相关，也与数据资产利用过程中的算法、模型和算力相关，并依赖于数据资产的使用者在业务场景中 的应用能力和执行能力，其易变性、多样性、可复制性和弱排他性是价值评估的难点。企业建立一套逻辑 自洽的数据资产价值评估方法，对数据产品研发的投入产出进行量化分析，推动数据产品研发成本的准确 归集，展现数据产品在业务经营中带来的经济利益并达成内部共识，进而推动数据资产再研发再运营的良 性循环。 企业寻求独立第三方开展数据资产价值评估，通常有三个目的，一是数据产品参与数据要素交易，实 现合理客观的定价；二是企业将数据资产抵质押给金融机构以实现融资，这是数据资产金融属性的体现； 三是在财务报告和信息披露中，通过第三方对数据资产特定价值进行评定和估算，向外界展现企业应用数 据资产产生的经济利益。中国资产评估业协会为规范资产评估机构及专业人员执业操作，先后发布《资产 评估专家指引第 9 号——数据资产评估》和《数据资产评估指导意见》。企业可根据数据资产价值主张的 目标和评估结果的使用途径，自行决定采用何种评估方法，细化评估参数。现阶段以内部应用为主的数据 资产，仍以成本法为主。数据要素类企业，有较为明确的数据产品交易场景且收益认定直接，可试点采用 收益法。无论采用何种方法，数据质量都是需要重点考量的因素，数据质量对数据价值的认定起着决定性 的作用。

实现数据资产化闭环的数据资产会计处理政策，也在近期得以突破。数据资产在业务端的认定、分 类、管理与运营，部分企业启动较早，陆续开展试点，但财务端的准则基准、科目设置、会计处理与信息披露一直未有政策指导和具体行动。2023 年 8 月，财政部印发的《企业数据资源相关会计处理暂行规 定》实现了财经领域的突破，引起了广泛关注和持续研讨。尽管在会计准则层面主要是基于现有关于存货 和无形资产的定义和确认条件进行规范，企业判断数据资源是否可以“入表”的原则没有发生重大的变 化，但单独针对数据资源设定特定科目、以业财一致性为原则开展成本计量、初始会计处理和后续处理， 以及针对企业数据资源来源、加工、使用以及发挥作用情况进行自愿披露，以展示企业在数据资产领域的 投入和成效。《暂行规定》出台后，已经有企业在研讨解读，从数据产品立项选择、可行性分析、研发成 本台账、内部控制和财务系统等方面，积极准备在生效日后，试点数据资源入表从 0 到 1 的第一步，也为 各行业数据资源入表积累典型案例。 后续，随着法律法规、地方条例、实施细则的陆续出台，行业领先的企业开展数据资产入表案例的引 领作用以及数据要素市场的助推下，千行百业的数据资产化更将百花齐放。