数据资产化发展背景及概念解析

数据价值化以数据资源化、数据资产化、数据商品化和数据资本化为核心阶段，从动态演化的新视角揭示了数据创造价值的过程。

1.背景

在数字化、网络化和智能化快速发展的背景下，数据已经成为新一轮科技革命和产业变革的核心要素，对于构建现代化经济体系具有至关重要的作用。特别是自 2019 年 10 月党的十九届四中全会首次将数据增列为新的生产要素以来，数据的重要性得到了前所未有的认可。2020 年 3 月，中共中央和国务院进一步印发《关于构建更加完善的要素市场化配置体制机制的意见》，明确将数据作为新型生产要素，强调其在生产、分配、流通、消费和社会服务管理等各环节的基础性作用。 数据不仅是数字经济的核心引擎，也是现代社会治理的关键要素。为了保护数据安全和个人信息，中国政府出台了一系列相关法律和政策，包括《数据安全法》、《个人信息保护法》和《网络安全法》等，这些法律共同构成了数据治理法律领域的“三驾马车”。此外，还有一系列配套政策如《关键信息基础设施安全保护条例》、《网络安全审查办法》和《工业和信息化领域数据安全管理办法（试行）》等，为数字经济的创新和发展提供了更为明确和全面的行为规范和约束标准。

2022 年 12 月 2 日，中共中央和国务院进一步印发了《关于构建数据基础制度更好发挥数据要素作用的意见》（简称“数据二十条”），该政策不仅明确了数据产权、流通交易、收益分配和安全治理等方面的基础制度，还提出了“探索数据资产入表新模式”和“逐步完善数据产权界定、数据流通和交易等主要领域关键环节的政策及标准”。 在这样的政策背景下，数据资产化作为数据要素价值实现的重要方式，其重要性日益凸显。特别是在“十四五”时期，一系列支持性政策不仅持续完善了数字经济的顶层设计，也强力推动了数字技术和实体经济的深度融合，为经济发展增添了新的活力。

数据流通作为数据资产市场循环体系的核心环节，其健康发展依赖于高效、公平的数据资产估值体系。由于数据要素具有虚拟性、低成本复制性、主体多元性、非竞争性、非排他性和异质性等特点，这使得数据价值评估比其他传统生产要素更为复杂。为此，国内外多个标准化组织、财会领域组织和技术咨询服务企业都在积极探索和研究数据价值评估的新方法和体系。例如，财政部会计司在2023 年 8 月发布了《企业数据资源相关会计处理暂行规定》，中国资产评估协会在 2023 年 9 月发布了《数据资产评估指导意见》。综上所述，数据作为新型生产要素，在数字经济和社会治理中的作用日益凸显。在一系列政策和法规的推动下，数据资产化、数据流通和数据价值评估等方面都取得了显著进展，为数字经济的健康发展和社会进步提供了有力的支撑。这些政策和实践不仅反映了数据在现代经济体系中的核心地位，也预示着数据将在未来发挥更加广泛和深远的影响。

2.数据资产化的概念与内涵

2.1 从数据价值化视角看数据资产化

朱秀梅等 1（2023）系统回顾和梳理数据价值化相关研究，认为数据价值化以数据资源化、数据资产化、数据商品化和数据资本化为核心阶段，从动态演化的新视角揭示了数据创造价值的过程。其中，数据资源化以提升数据质量为目标，将杂乱无序的原始数据转换为有一定价值的数据资源；数据资产化以场景赋能为目标，通过数据分析、数据编排、数据治理等环节将数据资源转化为有明确使用场景、价值更高的数据资产；数据商品化以数据脱敏和封装为目标，通过数据打包、数据定价与数据交易，将数据资产转化为具备交易价值的数据商品；数据资本化以数据投融资为目标，通过数据资本运营和数据资本收益分配为手段，将数据商品锻造为具备金融属性的数据资本。 王鹏和杨思萌2（2023）以商业银行为例，认为数据资产价值化的实现过程包括数据资源化、数据资产化和数据资本化三个阶段。其中，数据资源化的本质是提升数据质量，形成使用价值的过程；数据资产化的本质是形成数据交换价值，初步实现数据价值的过程；数据资本化的本质是实现数据要素社会化配置的过程，包括数据信贷融资、数据证券化和数据入股等。

欧阳日辉 3（2023）也认为数据资产化旨在最大化释放数据的经济价值，本质是形成和实现数据的交换价值。数据资产化就是将数据资源转化为数据资产的过程，也是数据通过流通交易给使用者或所有者带来经济利益的过程。数据资产表现出一定的外部性、增值性和价值波动性。 张楠和马治国 4（2023）从数据的价值演进形态出发，基于数据“资源化—资产化—资本化”三重演进形态的系统分析，研究 “数据资源—数据资产—数据资产证券化”的实践路径。作者认为，数据资产化进程既是企业通过实质性处理获取数据资产的过程，也是为数据控制者回报经济利益的过程，有助于激活数据资产价值，推动数据要素资本化进程。可见，数据资产化的目的是为数据资本化创造条件。

2.2 从企业数字化转型的视角看数据资产化

徐涛等5（2022）从企业微观视角，通过案例分析对企业数据资产化路径进行理论模型的构建。作者认为，数据资产化完整路径包括：阶段1：数据战略、规制与组织架构；阶段 2：数据技术、系统和平台；阶段3：数据资产质量治理；阶段 4：数据资产的盘点与运营。其中，阶段 1-3 重在提升企业数据治理能力，这是企业实现数据资产化的重要基础；阶段 4 重在让数据资产可以与特定的应用场景结合，从而构建数据资产的商业模式，通过业务数据化（数据内循环）和数据业务化（数据外循环）开展数字化转型，减少成本、增加收入和控制风险，从而实现数据资产的价值。 张一为 6（2023）提出一套集团化企业数据资产运营体系，包括战略一体化、管理体系化、体系平台化、集约中台化、稽核定期化等内容。数据资产管理与运营的主要目的是将企业数据进行有序管理，提供决策依据，实现价值变现，并降低数据风险。 海比研究院认为 7，数据资产化可以划分为两个阶段，分别是数据资产形成阶段和数据资产管理与变现阶段。数据资产形成阶段则分为两个环节，分别是数据基础能力和业务数据化两个环节，主要是以源数据建设、数据采集、数据分析与应用等为主，市场大部分最终用户都处于第一阶段，甚至较大比例最终用户处于数据基础能力建设环节。数据资产管理与变现阶段，则包括数据资产化和数据资产变现两个环节，包括数据全流程治理、数据分析、可视化、数据决策应用和数据营销变现等。

2.3 从数据要素金融化视角看数据资产化

实践中，数据要素金融化是数据资产化的重要方向，出现了数据增信、数据质押融资、数据资产证券化、数据入股、数据信托、数据保险、数据保理等不同基于数据资产的创新应用案例。

王世强 8（2023）认为金融化是数据要素价值化的重要衍生方向，有利于实现金融与数据要素之间的有效关联，推动数据要素市场高效流通与高质量发展。但也面临数据要素金融化规制引导不足等问题，需要提升数据要素金融监管有效性，并引导数据交易创新，延展数据金融衍生品未来方向。

目前，数据要素金融化包括数据增信、数据质押融资、数据保理、数据入股等方向。 数据增信方面，传统增信通过引入第三方机构为其担保，数据增信则以企业的数据资产价值以及运营产品的能力作为企业增加信用等级的手段之一，以帮助企业进一步增加可申请的贷款额度。 数据质押融资方面，企业将数据产品合约现有应收账款、数据产品合约未来应收帐款或数据资产质押给银行，以获得银行贷款。数据资产质押融资是在现有质押体系下的新模式。 数据保理方面，企业将数据交易合约的应收账款转让给保理机构，以获得资金融通。基于数据产品合约多样的收费模式，给数据资产保理提供了更多可能。数据入股方面，企业将其合法拥有的数据资产作为一种投资资本，以换取另一家公司的股权，是数据作为新型生产要素，融入我国资本市场和经济价值创造体系的直观体现。

数据资产授信流程方面，基于传统贷款流程，结合数据资产在权属认定和价值评估方面的特殊性，通过数据资产认定、数据资产评估、数据资产贷后管理等过程，完成数据资产的贷前准备、贷中审查和贷后处置。（1）数据资产贷前准备 与传统信贷流程相比，数据资产贷前准备有以下特殊工作：一是引入第三方服务机构（公证、律所）对数据资产进行合规审核，并形成审核意见书；二是结合数据交易所作相关数据产品的流通交易情况，对数据资产的定价、处置形成参考依据；三是引入第三方服务机构（资产评估机构等）对企业数据资产价值进行评估，并形成资产评估报告；四是通过引入第三方数据来源（如公共数据）、开展尽职调查等方式，辅助银行对企业状况进行审核。

（2）数据资产认定 1. 由申请贷款的企业发起，将数据资产打包后提交第三方服务机构（公证机构、律师事务所等），第三方服务机构对申请方的数据资产进行权属和合规审核并出具数据资产审核意见书（公证/法律意见书）。2. 企业向银行提交数据资产贷款申请材料，包括但不限于数据资产登记信息、数据来源情况说明、数据交易授权书、知情同意相关佐证材料、数据合规承诺声明等。 （3）数据资产审查 银行对企业提交的数据资产贷款申请材料进行审查，重点对数据权属、数据分级分类进行认定，对数据权属不清晰、涉及国家安全的数据资产予以驳回。数据权属重点关注数据资产授权链是否清晰。对于外采数据重点关注需提供明确的交易合同和授权链；对业务活动自行产生的数据或自行采集的数据，需提供清晰的数据来源说明，涉及个人数据的需有明确的个人授权。

（4）数据资产上市 企业可将通过审查的数据资产在数据交易所上市交易。企业获取相关机关出具的数据资产审核意见书后，可以选择将数据资产以数据产品的形式上市数据交易所，数据交易所对企业申请上市的数据产品进行登记、审查，并对相关材料进行存档。 （5）数据资产评估 由银行委托第三方资产评估机构开展数据资产评估，评估结果作为贷款额度确认参考，贷款额度评估模型由银行和第三方机构共同确认。具体流程包括：1. 选择数据资产评估方法与评估模型：结合数据资产特性，设计用于数据资产评估的评估方法与评估模型。评估方法包括成本法、收益法与市场法；评估模型基于不同评估方法，在确定相关重要参数设置基础上进行开发。2. 数据质量评价：通过对数据完整性、数据准确性和数据有效性三方面设立约束规则，利用统计分析数据是否满足约束规则完成量化。基于统计学的思想，数据质量为满足要求的数据在数据系统中的百分比。数据质量的评价办法由数据模块、规则模块和评价模块三者组成。

3. 资产评估机构出具数据资产评估报告：由第三方资产评估机构结合其他同类数据资产评估结果，基于评估指标体系和数据质量评价提供数据资产评估报告（包括数据资产质量评价报告和数据资产评估报告两部分），为银行贷款提供辅助参考。 4. 银行完成授信报告：银行将数据资产评估结果作为贷款额度的依据，最终授信额度确认，并形成授信报告。 （6）数据资产尽职调查通过引入第三方数据来源（如公共数据）、实地走访等形式开展尽职调查，辅助银行对企业状况进行审核。 （7） 数据资产贷中审查审批 在贷款调查、审查意见的基础上，按授权权限进行审批，决定贷与不贷，贷多贷少以及贷款方式、期限和利率。对于符合条件的企业，银行与其签订贷款合同并完成放款。 （8）数据资产贷后管理与处置 基于银行传统的贷后管理模式，主要在贷后检查环节新增对于企业“数据资产全生命周期”的监督管理：一是对数据资产采集、保存、应用和销毁等数据资产全生命周期环节进行日常监控与贷后检查；二是通过数据交易所、贷款企业及关联企业等渠道对数据资产进行日常监控；三是对贷款企业数据资产的质量、完整性、应用价值以及权属转换情况进行持续监查管理。

2.4 从会计核算的视角看数据资产化

2024 年 1 月 1 日，《企业数据资源相关会计处理暂行规定》正式施行，数据资源将作为资产在企业的会计和财务报告中确认、计量、报告和披露。数据资产化在会计核算视角下具有特定的意义，是指将数据资源在企业资产负债表列示或报表附注披露的数据资产确认过程，相关数据资源需要符合会计意义上的资产定义或达到无形资产、存货的确认条件。 在中国数字经济的快速发展背景下，数据资产化已逐渐成为政府、企业和学术界关注的焦点。尤其是在财政部发布的《企业数据资源相关会计处理暂行规定》之后，数据资产化在中国得到了前所未有的重视。该政策文件不仅为数据资产的会计处理提供了明确的指导，而且进一步确立了数据作为一种资产的法律地位和经济价值。该政策文件作为一个具有里程碑意义的政策，明确了数据资源的权属、评估和管理机制。该规定详细描述了如何将数据资源纳入企业的财务报表，以及如何对数据资源进行合规和有效的管理。这一政策的出台，无疑为数据资产化在中国提供了坚实的法律和制度基础。 在《企业数据资源相关会计处理暂行规定》的指导和推动下，数据资产化不仅获得了明确的法律和制度支持，其在推动数字经济发展和促进社会进步方面的重要性也得到了广泛的认可。因此，数据资产化已经成为一个跨越法律、经济和社会多个层面的复杂但至关重要的议题。这一关系不仅体现了数据资产化在法律和制度层面的重要性，也强调了其在推动数字经济发展和促进社会进步方面的关键作用。