衡量数据要素共享与流通的核心手段有哪些？

数据资产价值量化是衡量数据要素共享与流通的核心手段。

1、衔接数据资产与数据要素，搭建价值供需桥梁

对商业银行而言，通过数据资产的业务赋能或对其进行销售，将数据资产与用户衔 接起来，最终在场景生态中产生价值。在转移与流通的过程中，数据资产价值被创造， 产生“价值流”。价值流的正负向，即供方成本与需方收入的平衡关系，在一定程度上 反映了数据资产是否真的为用户所需、为用户所用，日常管理活动是否正在良好地运转。 基于劳动对象、劳动工具、劳动者三大生产力要素，围绕数据资产价值的分配流转， 以判断供需双方成本投入、多维度量化评价，帮助各参与方明确自身价值与贡献度，进 而撬动数据认责，推进数据治理工作。评估其成本投入与价值产出。对商业银行而言， 数据资产价值的创造过程如枝叶繁茂的大树，枝节众多。在此情况下，我们可以通过拆 解供需关系的数据资产价值桥梁，进而判断有哪些供需相关方： 算数：供方，指“数据”，即数据资源，如数据团队提供的原始数据、标签、指标等， 经过组合、加工最终将形成数据资产。 算法：供方，指“算法”，即对数据资源加工、提炼、并最终用于业务场景的算法 模型工具。

算力：供方，指辅助“算数 + 算法”、对数据资产形成起到支撑作用的非实体要素， 如具备存算能力的大数据平台。 场景：需方，指“应用场景”，即数据资产价值的出口。

2、搭建数据资产价值量化框架，明确相关方贡献度

为明确量化供需关系中各参与方贡献程度，为数据资产管理做好支撑工作，数据资 产量化框架基于企业价值模型，通过逐层分析价值动因，从愿景、目标、任务延展至关 键因子，搭建数据资产供需桥梁，从成本角度对供给端进行成本计量，从创收角度对需 求端进行价值评估，辅以数据服务能力水平评估，为数据资产价值变现提供支持。

（1）从供方投入出发，算好数据资产的成本账 为达到数据资产精细化管理的目的，商业银行在数据资产投入的计量显得尤为重要， 算好一笔“成本账”是商业银行走向数据要素市场化之路上的重要基石。要想准确无误 的计量数据资产所涉及的所有成本，需涵盖构建数据资产时的关键组成部分——数据本 身、运用到的算力算法、对数据进行的治理管控，因此计量的成本包含数据资源成本、 算法算力成本、以及数据资产在治理过程中产生的成本。

数据资源成本：形成数据资产的算数成本。由组成数据资产的各类数据的成本组成， 将数据资源形成过程中的采集、清洗加工、开发、运维、管理等过程的成本进行归集， 其中也需要将数据资源所在平台、公共平台的成本纳入计算。为方便计算，将“数据资 源成本”分为直接成本及间接成本分别计算后进行加总。 算法算力成本：对数据挖潜促活的技术成本。算法是数据资产不可或缺的一部分， 商业银行通过使用算法对数据资源进行加工进而形成数据资产，通过算法挖潜、促活数 据资源，最大化激发数据价值。 数据治理成本：价值输出的风险及管理成本。数据资产的数据治理成本涵盖了数据 资产的管理成本以及数据资产在应用中可能带来的风险成本。

（2）从需求场景出发，评估数据资产的创收价值 数据资产创收价值主要包括业务价值、经济价值。其中，业务价值旨在测算数据资 产对场景的业务贡献程度，是数据资产到应用场景的桥梁，经济价值主要衡量数据资产 通过业务赋能和对外售卖产生的货币化收益。

业务价值：数据资产的应用效益呈现。数据资产的业务价值内在呈现在为银行业务 赋能的应用价值，而在银行外部体现为数据资产在应用于数据生态场景中的社会价值： ♦ 内在应用价值，主要围绕对业务场景的赋能展开，依据商业银行业务特性及业务 流程，从客户、运营、经营、财务、风险、营销六大维度进行场景划分，再通过场景细 分建立数据资产业务应用价值类目。当数据资产应用到不同场景时，商业银行可参考场 景内的业务指标设定衡量数据资产应用价值的关键指标。 ♦ 外在社会价值，主要关注商业银行在践行社会责任，支持数字经济、社会与环境等 方面的落地情况。商业银行作为实现“双碳”目标的主力军，在做好绿色金融、服务国家 绿色转型、支持低碳高质量发展过程中扮演着重要角色。因此，社会价值指标从场景出发， 旨在度量数据资产在社会不同应用场景中带来的与绿色、普惠金融相关的间接效益。 考虑社会价值评估维度，是对要素市场化趋势的“未雨绸缪”，也是商业银行扎根 实体经济，避免金融空转的社会责任感体现。金融与实体经济结合，形成“数据—金融— 产业”正向循环，数据资产的价值将被推向一个新的高度。

经济价值：数据资产的货币化收益。数据资产评估经济价值时考虑对银行内部业务 赋能带来降本增收的货币化价值，以及外部市场数据流通带来的货币化经济收益： ♦ 间接收益，无论是内部共享还是外部流通的经营模式，数据的价值在于与应用场 景的结合，不同应用场景下，数据所贡献的经济价值有所不同。依据商业银行业务特性， 数据资产在应用中可带来的货币化收益可划分为业务效益、运营效益及风险效益。包括 经济价值的增加和企业的降本增效，均是数据资产在场景应用带来的业务贡献收益。 ♦ 直接收益，数据资产在数据要素市场流通中，企业会将数据资产进行封装，通过 数据交易的模式对数据资产进行售卖，或通过数据合作的模式，将数据资产打包入业务 解决方案，再以整体方案进行售卖，交易所获得的全部或部分货币化收益即为数据资产 的外在销售收益（即外在经济价值）。

（3）从投产比率出发，发现服务过程的痛点堵点 成本计量与价值评估分别从投入与产出两端对数据资产进行了度量，但本质是服务 业的商业银行，在提供数据资产服务的过程中，除“场景”出口的效益外，还应关注投 入产出的对比关系如何？数据资产的相关资源是否有效发挥作用？对客户的服务供给是 否真正满足用户需求？ 从“投入产出比”理念出发，可以对数据服务能力水平进行评估，反映商业银行将 多种数据资产转化为数据要素的真实能力，并找出数据服务过程中的痛点、堵点，不断 优化数据服务能力，进而支撑“以用户为中心”的服务经营理念。 数据服务能力水平的衡量围绕数据资产对用户产生价值的全过程，主要包括潜在价 值、资产创新、交付效率、运行效果四个维度。根据不同评估对象的特性与使用场景， 有重点地进行数据服务能力水平的监控。