我國大數據產業蓬勃發展，融合應用不斷深化，數字經濟量質提升，“數據資產化”的概念被愈加重視。在中國共產黨十九屆四中全會上，中央首次公開提出“健全勞動、資本、土地、知識、技術、管理和數據等生產要素按貢獻參與分配的機制。”這是中央
首次在公開場合提出數據可作為生產要素按貢獻參與分配，反映了隨著經濟活動數字化轉型加快，數據對提高生產效率的乘數作用凸顯，成為最具時代特徵新生產要素的重要變化
數據：從資源到資產
“數據資產”這一概念由信息資源和數據資源的概念逐漸演變而來，並隨著數據管理、數據應用和數字經濟的發展而普及。中國信通院將其定義為“由企業擁有或者控制的，能夠為企業帶來未來經濟利益的，以一定方式記錄的數據資源”。這一概念強調了數據具備的“預期給會計主體帶來經濟利益”的資產特徵。而在企業中，數據資產的概念邊界隨著數據管理技術的變化而不斷拓展，在大數據階段，隨著分佈式存儲、分佈式計算以及多種 AI 技術的應用，結構化數據之外的數據也被納入到數據資產的範疇，數據資產邊界拓展到了海量的標籤庫、企業級知識圖譜、文檔、圖片、視頻等內容。
與數據資產同步發展的還有“數據資產管理 理論體系 ”，在數據資產化背景下，數據資產管理是在數據管理基礎上的進一步發展，可以視作數據管理的“升級版”。
主要區別表現為以下三方面：一是管理視角不同，數據管理主要關注的是如何解決問題數據帶來的損失，而數據資產管理則關注如何利用數據資產為企業帶來價值，需要基於數據資產的成本、收益來開展數據價值管理；二是管理職能不同，傳統數據管理的管理職能包含數據標準管理、數據質量管理、元數據管理、主數據管理、數據模型管理、數據安全管理等，而數據資產管理針對不同的應用場景和大數據平臺建設情況，增加了數據價值管理和數據共享管理等職能；三是組織架構不同，在“數據資源管理轉向數據資產管理”的理念影響下，相應的組織架構和管理制度也有所變化，需要有更專業的管理隊伍和更細緻的管理制度來確保數據資產管理的流程性、安全性和有效性。
目前，各行業積極實踐數據資產管理，普遍經歷三至四個階段。最初，行業數據資產管理主要是為了解決報表和經營分析的準確性，並通過建立數據倉庫實現。隨後，行業數據資產管理的目的是治理數據，管理對象由分析域延伸到生產域，並在數據庫中開展數據標準管理和數據質量管理。隨著大數據技術的發展，企業數據逐步彙總到大數據平臺，形成了數據採集、計算、加工、分析等配套工具，建立了元數據管理、數據共享、數據安全保護等機制，並開展了數據創新應用。而目前，
許多行業的數據資產管理已經進入到數據資產運營階段，數據成為了企業核心的生產要素，不僅滿足企業內部各項業務創新，還逐漸成為服務企業外部的數據產品。企業也積極開展如數據管理能力成熟度模型（DCMM）等數據管理能力評估工作，不斷提升數據資產管理能力
如，金融、電信等行業普遍在2000年至2010年間就開始了數倉建設，並將數據治理範圍逐步擴展到生產域，建立了比較完善的數據治理體系。2010 年後通過引入大數據平臺，企業實現了數據的匯聚，並逐漸向數據湖發展，內部的數據應用較為完善，不少企業逐漸在探索數據對外運營和服務。四大國有銀行都單獨成立了主管數據的一級部門（管理信息部或數據管理部），負責數據資產管理與應用、監管數據報送和外部數據的合作等工作。其它銀行的數據管理工作多數由科技部門負責，部分由業務部門負責。2018 年銀保監會發布的《銀行業金融機構數據治理指引》，強化了銀行業數據治理和數據資產管理的工作力度。三大電信運營商在信息化部下成立了數據中心部門來統一數據能力的建設，近年來，除了滿足內部的數據應用外，還積極向外拓展，電信和聯通都成立了專業的數據對外服務的公司，通過開放平臺和數據產品來服務外部客戶。
數據資產化的挑戰
目前，在數據資產管理的技術發展方面，由於大數據技術棧中開源軟件的缺失，數據資產管理的技術發展沒有可參考的模板，工具開發者多從數據資產管理實踐與項目中設計工具架構，各企業數據資產管理需求的差異化等各類多原因，使得數據資產管理工具的形態各異，呈現百花齊放的狀態。隨著數據量的增加和數據應用場景的豐富，數據間的關係變得更加複雜，問題數據也隱藏於數據湖中難以被發覺。智能化的探索梳理結構化數據間、非結構化數據間的關係將節省巨大的人力，快速發現並處理問題數據也將極大的提升數據的可用性。在數據交易市場尚未成熟的情況下，通過擴展數據使用者的範圍，提升數據使用者挖掘數據價值的能力，將最大限度地開發和釋放數據價值。
儘管工具眾多且智能化程度不斷提升，但目前數據資產化仍舊面臨著以下相關問題——
- l 問題一：數據確權困難
明確數據權屬是數據資產化的前提，但目前在數據權利主體以及權力分配上存在諸多爭議。數據權不同於傳統物權。物權的重要特徵之一是對物的直接支配，但數據權在數據的全生命週期中有不同的支配主體，有的數據產生之初由其提供者支配，有的產生之初便被數據收集人支配（如微信聊天內容、電商消費數據、物流數據等）；在數據處理階段被各類數據主體所支配。原始數據只是大數據產業的基礎，其價值屬性遠低於集合數據為代表的增值數據所產生的價值。因此，法律專家們傾向於將數的權屬分開，即不探討整體數據權，而是從管理權、使用權、所有權等維度進行探討。而由於數據從法律上目前尚沒有被賦予資產的屬性，所以數據所有權、使用權、管理權、交易權等權益沒有被相關的法律充分認同和明確界定。數據也尚未像商標、專利一樣，有明確的權利申請途徑、權利保護方式等，對於數據的法定權利，尚未有完整的法律保護體系。
- l 問題二：數據估值困難
影響數據資產價值的因素主要有質量、應用和風險三個維度 。質量是決定數據資產價值的基礎，合理評估數據的質量水平，才能對數據的應用價值進行準確預測；應用是數據資產形成價值的方式，數據與應用場景結合才能貢獻經濟價值；風險則是指法律和道德等方面存在的限制。目前常用的數據資產估值方法主要有成本法、收益法和市場法三類。成本法從資產的重置角度出發，重點考慮資產價值與重新獲取或建立該資產所需成本之間的相關程度；收益法基於目標資產的預期應用場景，通過未來產生的經濟效益的折現來反映數據資產在投入使用後的收益能力，而根據衡量無形資產經濟效益的不同方法又可具體分為權利金節省法、多期超額收益法和增量收益法；市場法則是在相同或相似資產的市場可比案例的交易價格的基礎上，對差異因素進行調整，以此反映數據資產的市場價值。
- l 問題三：數據交易市場尚未成熟
2014 年以來，國內出現了一批數據交易平臺，各地方政府也成立了數據交易機構，包括貴陽大數據交易所、長江大數據交易中心、上海數據交易中心等。同時，互聯網領軍企業也在積極探索新的數據流通機制，提供了行業洞察、營銷支持、輿情分析、引擎推薦、API數據市場等數據服務，並針對不同的行業提出了相應的解決方案。但是，由於數據權屬和數據估值的限制，以及數據交易政策和監管的缺失等因素，目前國內的數據交易市場儘管在數據服務方式上有所豐富，卻發展依然面臨諸多困難，阻礙了數據資產化的進程。主要體現在如下兩點。
一是市場缺乏信任機制，技術服務方、數據提供商、數據交易中介等可能會私下緩存並對外共享、交易數據，數據使用企業不按協議要求私自留存、複製甚至轉賣數據的現象普遍存在。二是缺乏良性互動的數據交易生態體系。數據交易中所涉及的採集、傳輸、匯聚活動日益頻繁，相應的，個人隱私、商業機密等一系列安全問題也日益突出，亟需建立包括監管機構和社會組織等多方參與的，法律法規和技術標準多要素協同的，覆蓋數據生產流通全過程和數據全生命週期管理的數據交易生態體系。
當前，數據資產化過程中仍有關於產權、價值、交易等重要問題等待解決，但隨著數據資源越來越豐富，數據資產化正在成為企業提高核心競爭力、搶佔市場先機的關鍵，這些問題也將隨著資產化的進程逐漸明晰。
閱讀更多 泰一數據 的文章
