“数据要素如何形成价值”这是当下的热点话题，实际上目前的数据要素市场还属于起步期，有很多系统性问题亟待解决，而数据资产化就是解决其中几个核心问题的驱动力。这也是本次分享的主体内容。

一数据资产化的背景需求

从数据要素市场和传统要素市场的区别，以及数据要素市场自身还存在要素资源和要素商品两级市场，主要围绕这两个维度进行特点分析。

1. 数据要素跟传统要素的本质区别
一是无形无限。传统要素都是稀缺性的，用了就没有了。而数据要素是可以无限采集的，数据量随着时间节点可以无限增长，同时数据采集项也会逐步增多，再加上原始态数据还可以形成衍生的多维分析融合型数据，致使数据资源可以无限开采和利用；二是一源多用。传统要素在一个时间节点只能在一个场合发挥作用。但是数据不一样。举个例子，公共数据可以在同一时间点，既可以面向金融机构提供企业的信用等级评价服务，又可以赋能医疗行业开展医疗健康等大数据分析，还可以支撑政府机构做好精细化社会治理。所以说，数据要素与传统要素的区别就是可以形成多维度的数据价值挖掘的平行宇宙。它的价值增长不仅是乘数效应，甚至是指数效应。未来挖掘的场景越多，形成融合价值越高，所释放的价值倍增，甚至是指数级增长；三是网状关联。传统要素只是线性关联，但是数据要素既可以线性关联还可以跳跃式关联，不是简单的线性关系。数据资源可以先形成初加工的数据特征等，再形成深加工的数据画像等，最后面向场景形成终端的数据应用服务和产品，同时数据资源也可以直接面向场景，形成数据服务和产品，它可以跳跃传统要素分布式加工的逻辑。

2. 数据要素市场自身特点
一是资源市场和商品市场。数据要素市场分为两级市场，一种叫资源类市场，另一种叫商品类市场，包括估值定价也是这个逻辑。比如湖泊的水资源，我们肯定不会说去买湖泊水资源，但可以把湖泊水资源以授权的方式给到一个主体，进行价值挖掘和开采。这不是商品定价逻辑，是估值逻辑。但是当它开发成矿泉水，面向饮用功能的具体的数据产品或者叫场景，这个时候就不是估值逻辑，就是供需双方的定价逻辑。也就是说，资源市场和商品市场是两级市场。二是产权流转和商品流通。现在数交所更关注的交易都是基于商品交易，而不是数据资源的产权流转交易。三是非流动资产和流动资产。原始态数据资源属于非流动性资产，以产权流转的方式交易，而基于原始态数据资源开发出来的数据产品属于流动性资产，是以商品流通的方式交易。如果土地资源的权属和使用性质不确定，在上面构建的房产，它的价值也会面临不确定。一定要先解决原始态数据资源的权属问题，其权属清晰了，基于这些数据资源形成的衍生性数据产品和服务，它们的权属才可能清晰，这是关联性影响，也是目前国家积极研究推进数据产权相关制度的主要原因。四是数据产权和数据知识产权。知识产权的定义是经过创造性的劳动投入所形成的知识成果。数据产权不是知识产权性质，不存在知识创造逻辑，它只是真实物理世界的客观数字化描述，所以数据产权管理肯定在数据局。但是基于合法合规路径获得了数据资源授权，并用模型算法开发出来的数据产品，这个数据产品形态属于数据知识产权范畴。区分于原来传统知识产权的是，还要附带一个合法的原始数据资源的权利。这是数据产权和数据知识产权以及知识产权之间的区别。五是隐性价值和显性价值。这一点比较好理解，就不展开描述了。

3. 数据要素市场存在的问题
整个市场主要是三个核心问题。一是权属不清晰。这个权属主要是指原始态数据资源权属，而不是数据产品的，实际上数据20条的“三权”主要是面向统一的标的物，即原始态数据资源，但很多人误解为分别面向数据资源和数据产品等，后面我会讲到三权怎么样界定，怎么分析。二是定价标准不统一。分为两类，一个是数据资源的估值，一个是数据商品的定价。这两个都缺乏统一标准，但是资源估值在2022年工信和财政已经联合出台了团标和国标，基于这个标准在北京做了试点，并得到很好的试点验证。去年财政部中评协发布的《数据资产评估指导意见》也是基于这个标准的验证成果进行了正式发布，所以已经形成了一套科学的数据资源公允价值度量体系。三是交易风险不确定。包括在数据的采集、存储、管理、运营和流通应用等环节的合规风险，以及交易过程中是否涉及个人数据，怎么样形成个人数据的合法交易，这些都存在不确定的风险。这个不确定会导致什么呢？就是交易产生的收益和承担的风险不成比例，而且风险会被无限制放大，最终导致大家不愿和不敢交易，这是根源性问题。

另外，市场流通难监管问题也比较突出。数据要素网状关联，相当于一个数据源可以开发出多个产品，有可能一个产品还基于多个数据源形成产品，几个产品再形成增值型产品，再加上产品之间形成的多级迭代，这就导致数据价值流通监管存在很大的风险问题。

4. 数据要素市场需求
要素市场需求，主要包括数据的资产化、资本化、商品化和产业化等需求，目前聚焦的就是数据资产化需求。大家都说数据资产，到底数据资产怎么来定义？2021年《数据资产管理国家标准》，第一个发布的标准已经对数据资产明确定义，包括财政部发布的《关于加强数据资源管理指导意见》，还有《关于企业数据资源相关会计处理暂行规定》，还有《数据资产评估指导意见》，关于数据资产定义都是统一共识的。

首先明确企业拥有的数据资源哪些是产权清晰的？无论是所有权或者经营权，还是使用权，你都能拿出清晰的权利证明，而且要能追溯到给你授权的主体，他的权利获得是否也是清晰的，这叫权利路径、权利链追溯。同时你的数据是否能够清晰进行计量？计量分为两个维度，一个是内在价值的显性计量，就是数据的质量、成本和应用价值计量；第二是货币计量，怎么样通过成本、收益和市场法等进行市场公允价值计量。最后还要看企业拥有的数据资源是否能为企业带来预期价值收益，包括赋能企业内部的降本增效，以及对外的交易流通收益等。

5. 全国数据资产化布局
基于数据资产化，从国务院、发改委、工信部、财政部等多个部委都形成了制度的布局。由于工信部主管信息技术和大数据等产业，所以在信息化和数字化过程中发现了数据的资产和价值属性，继而在2018年开展了数据资产管理国家标准的立项和研究，并在2021年发布了第一个数据资产管理的国家标准，同年底还完成了《数据资产评估指南》专业书籍的出版，这是国际第一本关于数据资产评估的专业书籍。同时，数据资产评估标准也是工信部中电标协和财政部中评协联合研制的，一方面解决数据的内在价值显性化问题，就是数据的质量、成本和应用价值计量，另一方面是通过资产评估方式，应用成本、收益和市场法等进行货币度量。2022年上半年，在北京做了六家试点，全国第一个数据资产1000万质押贷款是在这个试点里形成的，还有第一个无质押授信1000万贷款。

基于这个成果，财务部认为可以形成数据资产的公允价值计量。通过计量就把它形成了行业的准则，也就是《数据资产评估指导意见》，2022年下半年发布了征求意见稿。会计司在同一年年底发布了《关于企业数据资源相关会计处理的暂行规定》的征求意见稿。去年八月份，暂行规定正式稿发布，之后一个月《评估指导意见》发布。但是《征求意见稿》发布还是评估在前，就是价值计量在前，之后才可能形成会计处理。今年年初，是财政部力度最大的，也是以往制度出台中最创新型的，1月8号财政部资产管理司发布了《关于加强数据资产管理的指导意见》。这个政策的发布，区别前两个的不同是什么呢？前两个面向对象只是企业，而《关于加强数据资产管理的指导意见》已经扩大到面向所有的党政机关、行政事业单位，相当于只要财政拨款投资信息化和数字化建设的，都要把投入所形成的数据资产有效管理起来，这是从财政口径来推动的。春节后立刻又发布了《关于加强行政事业单位数据资产管理的通知》。上海、北京同时跟着发布了本市级的通知。这是国家对数据资产化推动的制度政策以及标准，实际上都是为了驱动数据要素市场的价值流通。


二数据资产化的研究基础

1.《数据治理规范》国家标准
《数据治理规范》是2014年开展数据治理的标准研究，2018年正式发布。这个标准创新提出数据价值体系，当时考虑到生态还没到那个阶段，所以没有提到数据资产，但是已经提前优于国际标准，这是我们国内优先创新的。

2.《数据管理能力成熟度模型与评估》国家标准
《数据管理能力成熟度模型与评估》(简称DCMM) 定义了数据战略、数据治理、数据架构、数据应用、数据安全、数据质量、数据标准和数据生存周期8个核心能力域，旨在帮助企业利用先进的数据管理理念和方法，建立和评价自身数据管理能力，持续完善数据管理组织、程序和制度，但是这个标准的推进在数据价值体系方面相对弱化。

3.《信息技术服务 数据资产 管理要求》国家标准
以上两个标准只解决怎么样合规管理，也就是为了管理而管理，不提管理等级提升到底能为企业带来什么样的降本增效，创新业务增值？以及如何让它确保连续性增值？在以上两个标准都没有提。2018年开展这个研究就是要真正挖掘数据要素的显性价值，这个价值一定不是从管理合规角度看，更多是从价值挖掘、价值释放。这个过程中就产生了数据资产管理国家标准研究。

数据资产首先是数据资源，但不是所有的数据资源都是数据资产，它是受到三个前提限定：

第一是组织合法拥有和控制的数据资源。拥有，大家能理解，就是生产环节形成的。控制，就像机房机柜里的设备，虽然租赁方不具有设备的所有权，但是租赁期内有权利用设备形成价值收益。数据资产的控制也是这个逻辑，就是在数据的经营权、使用权等权利范围内，可以用这个资产形成组织的合法合规收益，这类都可以称为组织的数据资产。数据资产也不是狭义的只有数据产品是数据资产，包括原始态的数据资源、衍生态数据资源以及最终的数据产品，只要符合数据资产的定义都可以称其为数据资产；第二是能够进行可靠计量。计量分为内在价值的显性化计量，包括质量、成本和应用价值等，还有一个是货币价值计量，通过成本、收益和市场法等进行市场公允价值计量；第三是能为组织带来可预期的经济价值收益。这也是数据资产确认的必要前提，如果没有场景应用和流通价值，那不能称其为数据资产。无论是做资产评估，还是资产入表，只有满足这三个条件的数据资源才称之为资产。

4.《信息技术 大数据 数据资产价值评估》国家标准
评估标准从2022年上半年开始试点，面向信用、公交、卫星、环保、电力等领域数据验证数据评价并完成资产评估。工信体系主要从数据的质量、成本和应用维度来评价数据要素的显性价值，财政体系通过成本、收益和市场法等进行货币度量，这样专业协同在试点已经形成数据资产评估服务闭环。后面陆续在各地实现的首单首例多是基于这套模式。

5.《信息技术服务 数字化转型 成熟度模型与评估》国家标准
这也是我牵头研制的国家标准，去年发布的，今年6月1日正式实施，就是围绕组织的数字化转型成熟度进行评级。面向组织数字化转型成熟度评估的七个能力域，其中数据能力域下面包含一个数据资产子域，基于它形成五级模型，指导组织怎么样实现合规或者更加高效带来价值的数据资产管理。

6. 数据权利矩阵
数据产权矩阵实际上就是基于“数据20条”的三权分置。三权分置经常被大家误解，包括深圳第一个数据条例都是曲解了三权。实际上三权的标的物不是说数据资源持有权就对应数据资源、数据产品经营权就对应数据产品。它的标的物其实都是数据资源，跟土地资源或者原始态资源是一样的。多主体面向一个数据资源可以行使不同权利：一是持有权，是表明持有状态，其实跟物权的占有权是相似的。包括原始持有，继受持有和不持有三种状态；二是经营权，更多强调的是获得数据资源的产品经营权后，开发出产品，通过产品进行交易流通收益，它实际上是数据资源的产品经营权；三是使用权，数据资源的加工使用权指组织可以应用数据为组织降本增效，赋能原有业务增长，但不能开发数据产品通过交易方式进行收益。其中经营权里还有细分，很多地方在做两级开发商。第一级叫许可经营权，相当于可以许可别人拥有产品经营权。许可经营权主体相当于一级开发商，做原始数据初加工，为二级开发商即数据产品经营权主体提供衍生态数据，进而面向价值场景形成最终的数据产品和服务。这个时候就可以形成原始数据不出域，可用不可见，而且形成面向场景的顺畅的合规的价值流通。

“数据20条”解决了数据产权的两个核心问题。第一个是弱化所有权。按照“数据20条”原则，谁贡献，谁投入，谁收益，但是所有权主体在链条上是没有贡献，没有投入的。平台通过为所有权主体提供价值服务换得了数据采集授权，后面关于数据的采集、存储、管理、运营等都是平台来投入，只有保护好投入主体的利益，才能更好地推动数据价值流通；第二个是财产权和人格权分离。为什么要做分离呢？因为如果在数据的全生命期过程中，把财产权和人格权混在一起谈，这个数据价值流通又面临着层层阻碍。分离的逻辑是什么呢？这三权面向的是财产收益权，先不考虑人格权。财产收益权相当于谁贡献、投入了相关资源，所形成的产出物，就应该拥有其收益支配的权利，这样才能鼓励投入主体合法合规积极采集和开发更多的数据资源。通过以上方式投入主体的财产权得到保护了，那么人格权怎样保护呢？投入主体在行使财产权的同时，在采集、加工和使用等环节应遵从个保法的相关规定，采集前必须要获得采集对象的授权采集许可，之后在应用的时候必须经过所有权主体的使用许可，一头一尾形成了合规授权。这个过程中，数据资源的收益分配或者财产权都是按照谁投入、谁贡献、谁收益的逻辑。由于时间关系，关于数据产权的细化解读大家如果感兴趣可以再约时间详细交流。

三数据资产化的推进路径

1. 数据资产化业务生态
数据资产化业态实际上是需要多委办局协同推进的，因为现在还是市场起步和培育阶段，概念还没有很清晰，包括数据产权、数据知识产权、数据产品、数据资产等。

怎么样形成数据要素的价值闭环以及生态构建？各个环节，各个阶段都面临着多部门协同。真正的数据要素市场不是单一学科，而是交叉学科。在数据要素市场想形成核心价值力，如果不能跨学科去理解，不懂法律知识，不懂财务知识，不懂数据的话，是很难去理解这个要素市场，这也是数据要素市场的主要特征。

2. 数据资产服务联盟链
基于这个我们构建数据资产服务联盟链，其中地方节点具有区域重点产业的融合效应，行业节点是从产业链上中下游，能形成面向产业链的数据价值流通赋能。通过地方节点和行业节点的横纵结合，我们形成了数据资产的全生命周期服务，从数据的登记确权、价值计量，增值流通和合规运营等环节形成了管理闭环，但是这样也不可能覆盖到数据资产的全生命期流通，我们还要和外部的交易链、司法链、金融链、监管链，形成外链接入，最终实现数据要素价值流通的全生命期安全追溯以及多元数据融通应用。

3. 试点落地模式和建设内容
试点落地模式：无论在哪，都要能识别驱动这个业务的主体。是从数据局驱动，还是财政，知识产权局，或者是国资委？不同部门面向不同的服务主体，服务需求方都是不一样的。在这个过程中，必不可少的需要由数据产权登记、数据交易和数据知识产权等构成的职能服务中心，还需要数据运营机构、数据评价机构、资产评估机构、律师事务所、会计事务所和金融机构等构成的专业服务中心。这样才能在地域或行业范围内形成面向数据资产化的连续、可复制的模式推动。而不是就为了首单首例，那样没有任何意义。

试点建设内容：推动数据资产国家标准试点，以制度落地为保障，要形成地方的，面向服务对象、市场主体以及监管主体出台相关的地方制度。基于这个制度，以平台为载体，去支撑专业机构服务，并存证数据资产全生命周期服务过程中的各类数据和成果。因为数据资产不像其他资产，其价值易变性更加突出，所以整个服务过程和结果文档都要形成存证，支撑未来审计。再有是专业服务赋能，确保专业机构提供的数据资产化服务更加规范化、标准化，降低数据资产虚增风险。

4. 数据资产化全生命期服务
这是面向企业或者面向主体，在数据资产管理过程中四个环节：从数据资产管理、产权保护、价值度量到资产增值四个环节，形成18项专业服务，这是我们生态伙伴，不是说某一家机构，而是联合了登记机构、评价机构、评估机构、律师事务所、会计事务所和金融机构等形成的融合服务。

5. 数据评价
一是质量要素评价。价值度量，内在价值显性化到底都有什么？2019年出的第一个数据质量评价报告，是面向一个城市的法人库、人口库、信用库进行全量的数据质量评价，梳理各部委办局提供数据的质量和价值情况，指导政务数据治理，推动政务数据共享开放，辅助政府科学决策，释放政务与行业、企业等数据融通应用价值。

二是成本要素评价。成本是什么呢？不是说客户或者委托方说什么成本就是什么，而是要系统性、科学性的梳理数据资产形成过程，真实地发现成本项和合理的成本计量方法。成本要素评价是分为两个维度：第一个维度是纵向的，按照生命期阶段，从规划、建设到运维，这是从数据部门或者业务部门视角去看成本发生；第二个维度是横向的，这个是财务视角，主要体现财务支出的科目，包括人员成本、环境类费用和服务类费用等。这就是在一个企业或者一个组织，开展数据资产评估或者数据资产入表，对成本要素进行评价，识别成本项以及确认成本计量方式等，这都是必要的核心能力。

三是应用要素评价。应用要素在标准中已经实现了全维度分析，包括使用范围、应用场景、商业模式、供求关系，还有数间关联、应用风险等多维度。 举一个2022年在北京评的试点实例，我们挖掘了数据在组织内外部之间形成的价值流通路径，这个价值流通路径是否可以持续性收益，是否具有规模性增长可能，是否可以大范围推广等都是需要考虑的，在完成数据资产内在价值显性化评价之后，才能通过成本、收益和市场法等进行公允价值的货币度量，这也是数据资产评估服务闭环的核心逻辑。

这个跟矿产资源评估是一样的，评估一个矿产资源的价值，评估机构也是要委托一个专业的勘测机构，来勘测一下这个矿产资源到底有什么矿物质元素，储备量多少，深矿还是浅矿，贫矿还是富矿？这些都会影响到矿产资源的公允价值计量，和矿产资源的开采成本和预期收益都是紧密相关的。这些识别出来了，评估机构才能通过内成本、收益和市场法等做它的货币度量。数据评价机构就类似于数据资源的矿产勘测机构。

6. 数据资产入表
数据资产入表现在有很多误区，包括国际会计师事务所也常给大家带偏。第一个误区就是评估后入表。这个国际无形资产会计准则是支持的，但是国内无形资产会计准则是不支持的。《国际无形资产会计准则》支持重估值模型，可以通过数据资产的市场公允价值货币度量，对无形资产进行调增。但是国内无形资产会计准则只能初始成本计量，而且按照财政部的暂行规定，只能是2024年1月1日之后所发生的开发阶段的可资产化成本才可以在表内列示，而且后面是不能调增的。

第二个误区是要先做数据资产登记才能入表。入表实际上是组织内部的财务管理逻辑，资产的确认是入表的前提。那确认到底是外部登记确认，还是组织内部的确认逻辑？这是没有制度来约定的。而且数据资产外部登记只是把组织已经拥有的合法权利证明进行广而告之，让市场都知道其拥有这个数据的合法权利。现在没有任何一个机构会做确权背书，因为确权是很专业很复杂的系统性工程，具有很多的不确定性，在这个过程中现在登记都是声明性登记，就是组织要为自己提供的权利证明承担法律风险。因此，登记就不是资产入表的前置，反而是组织内部怎么样去做数据资产的产权保护，确保数据产权清晰，通过数据资产的定义和无形资产的确认条件来进行综合判断。

第三个误区是入表前必须做数据质量评价。很多评价机构为了要提供数据质量评价服务，非得说入表前必须做数据质量评价。这个主要取决于企业数据资产的确认规则。因为在入表之前强调，入表的数据资产一定要是处于就绪状态。如果组织做数据资产入表时就绪状态的判断是必须要达到一定质量标准要求的话，那做数据质量评价是必要的前提，如果没有这样一个就绪度判断标准，那数据质量评价跟数据资产入表没有任何关系。

数据资产入表确认需要产权清晰。数据获权，无论是经营权、使用权，还是原始财产权，获权路径是否清晰？是否有合法的证明能够证明你的权利清晰？需要梳理数据资产类别和级别。数据首先要进行分类分级。如果是核心数据一定是不可能入表的，核心数据多是保密的，不可能形成增值流通。重要数据有一些是可以形成面向特定主体的授权形成资金收益，还有一些也是不会的，这些都要作为数据资产确认的前置条件做优先判断；之后需要明确数据资产应用场景；需要确定数据到底列支在哪个科目等。这个过程中肯定不是一两个部门就能完成的，需要多部门协同。