数据资源入表白皮书（2023 版）.pdf

亲爱的读者：欢迎阅读本数据资源入表白皮书。在数字经济蓬勃发展的今天，数据要素已成为基础性生产要素和市场主体核心竞争力重塑来源。数据资源入表是显化数据资源价值的重要手段，也是当前各级政府和数据富集性企业关注的焦点。今年 8 月，财政部正式印发企业数据资源相关会计处理暂行规定，为企业数据资源入表提供了行动指南，即将于 2024 年 1 月 1 日起施行。这一规定的出台标志着数据资源会计处理和信息披露进入了新的阶段、新时代，对数字经济的发展具有重要意义。然而，数据资源入表仍然面临一系列重大挑战，例如数据确权、数据资源价值计量、数据资产审计、数据安全与合规等，这些挑战可能给企业数据资源会计处理带来阻碍。这份白皮书聚焦于数据资源入表，旨在为您提供深入的洞察，引导您在数据资产的世界中航行。从国家政策和市场趋势来看，数据资源入表能够有效反映企业对经济资源的拥有或控制，促进数据资产入表成为推动数据要素市场发展、探索数据财政创新模式的重要抓手。对企业而言，数据资源入表实现了企业资产边界的拓展，使得数据成为一种新型资产，在资产负债表中体现，增厚企业资产、提高利润水平，进而提升企业估值。在未来，企业可以进一步探索利用金融创新工具，实现数据的资产化和资本化。对于政府而言，从短期来看，公共数据授权运营及公共数据资源入表路径探索具有创新示范作用，可以显化数据资源价值，实现公共数据资产盘点、价值挖掘和融通交易；从长远来看，数据资源入表是打造数字政府、激发数据要素新动能的重要环节，有助于推动地方数据要素流通、培育数据产业生态、推动数据财政转型。然而，在这数据资源入表倒计时的关口，我们必须清晰地认识到：数据资源入表并非一日之功，企业需要完成一系列准备动作，包括确认数据资源权属、加强数据质量管理、打造数据安全合规体系、分析数据资源预期经济利益、实现相关成本的合理归集和分摊等，以保障数据资源符合资产确认条件，最终能够实现资产的列报与披露。由此可见，数据资源入表是一个系统性工程，涉及法律、财会、大数据等业务交互，只有在专业机构的指引下，企业才能有效实现相关数据资源的入表，为业务发展提供新动能。我们围绕数据资源入表各环节，打造了一支数据资源入表尖兵团队，团队成员包括会计事务机构、律师事务所、数据安全厂商、大数据厂商、数据资产评估机构和相关科研院所，为客户提供一站式数据资源入表解决方案，全方位助力数据资源入表。联合体以数据资源入表路径研究和创新实践为驱动，精心编制本白皮书，从数据治理到隐私保护，从资产评估到入表“五步法”，从案例实践到未来趋势，为推进数据资源入表贡献集体智慧。我们相信，通过更好地理解和利用数据资源入表规则，政府和企业将能够更充分地释放数据资源价值，灵活地适应不断变化的数据要素市场环境，取得可持续的数字经济竞争优势。数据要素万亿元蓝海市场已经打开，价值链上各环节能量亟待释放。响应数据要素市场化趋势不能只靠口号，而需要在跟踪国际会计领域对数据资源研究的基础上，结合我国数据经济发展的实际情况，深化数据资源会计的研究，完善数据资源管理制度，搭建规范完善的数据要素市场体系，充分激发数据价值与活力。通过构建数据资源入表范式，用入表行为贯穿数据资产内外循环，使数据要素成为地方经济发展的新引擎。感谢您选择阅读这份白皮书，希望它能为您提供有价值的见解，启发您在数据资源入表方面的思考。让我们一同迎接数据要素时代的挑战，并共同创造更加繁荣的未来。祝阅读愉快！数据资源入表服务联合体2023 年 12 月 8 日目 录目 录1.引言.11.1 数据资源入表总体现状.11.2 数据资源入表的法律意义.21.3 数据资源入表面临的机遇与挑战.31.4 数据资源入表的效益分析.52.数据资源入表理论基础.92.1 数据价值化理论基础.92.2 数据资产确权理论基础.203.数据资源入表及资产评估服务生态联盟体系.243.1 数据资源入表技术路线.243.2 数据资源入表生态联盟体系.264.探索数据确权与登记体系，夯实数据资源入表产权基础.284.1 数据确权的法律规范依据.284.2 数据确权的实践路径.334.3 数据确权的工作流程.354.4 数据资产确权的适用.364.5 数据资产登记业务.374.6 数据资产登记流程.384.7 数据资产线上登记.395.提高数据治理能力，保障高品质、高价值数据资源供给.415.1 治理的目标与价值.415.2 数据治理资源管理体系.435.3 数据资源入表治理路径.476.注重数据质量评价，确保数据资源入表的质量和可靠性.506.1 数据质量评价的目的和意义.506.2 数据质量评价方法.516.3 数据质量评价流程.536.4 数据质量智能评价.547.构建数据资产评估体系，显性化数据资源资产合理价值.567.1 数据资产评估.567.2 数据资产评估的评估目的.577.3 数据资产评估主要工作过程.577.4 评估依据.607.5 评估方法及适用条件.618.规范会计核算方法路径，解决数据资源资产化判断难题.658.1 企业遵照暂行规定可能出现的误区.658.2“五步法”入表路径.678.3 会计计量与核算内容分解.709.建构可信低碳存储设施，筑牢数据资源入表的底座支撑.759.1 数据资源入表存储痛点.759.2.解决思路与潜在优势.769.3.数据资源入表存储解决方案.7610.打造安全合规体系，构建数据资源入表的安全监管机制.8010.1 数据资源入表的法律风险.8010.2 数据资源入表的权属审查和权属论证.8110.3 数据资源入表的全流程合规.8210.4 数据资源入表的安全监管技术.8311.衍生入表后服务：数据资产授信融资，再激活金融价值.8611.1 数据资产授信融资的概念.8611.2 数据资产贷前准备.8611.3 数据资产贷中审查审批.8811.4 数据资产贷后管理与处置.8812.数据资源入表的实践案例.9112.1 数据资产评估案例.9112.2 数据资源模拟入表案例.9413.未来展望.97参考文献.9911.引言引言1.1 数据资源入表总体现状数据资源入表总体现状2023 年 8 月 21 日，财政部发布企业数据资源相关会计处理暂行规定（下称暂行规定），自 2024 年 1 月 1 日起开始施行，标志着企业数据资产入表事宜正式提上日程。也意味着数据要素作为数字经济时代的五大生产要素之一，在符合条件的情况下有可能被确认为企业资产负债表中的“资产”项，在财务报表中可显性化相关投入。2023 年 9 月 8 日，在财政部指导下，中国资产评估协会印发数据资产评估指导意见（下称指导意见），自 2023 年 10 月 1 日起施行，明确了数据资产价值的评估方法，为数据资产评估方式指明发展方向，引导市场主体积极参与数据资源入表的探索。指导意见和暂行规定两份推动数据资产化财会文件的出台，是对“数据二十条”的进一步落实，标志着我国数据要素资产化迈出了实质性一步，将极大推动数据资产化进程，为数据要素市场培育按下“加速键”，也为数据资产转化为具有可持续性的经济增长点提供了强劲动力。数据资产评估入表作为推动数据资产化的重要前置工作，有助于提升企业数据资产运营及变现能力。数据资源入表后，将在财务报表中直接反映企业数据资产状况，为企业在数字经济时代的价值发现提供新思路，同时，数据要素的重要性将进一步被各方关注，引导政府和企业更加重视数据资产的价值挖掘和应用。东吴证券报告显示：全国数据资产市场总规模 8.6 万亿，带动相关产业数字化潜在收益 34.4 万亿，叠加数据资产衍生市场，其潜在总规模可能超过 60 万亿，且未来的增长空间非常大。企业数据资源入表后拥有的庞大市场空间，为产业数字化和数据资源入表相关行业的发展提供了广阔的前景，数据厂商应围绕数据资产评估入表的各个环节积极规划布局，通过为客户提供高质量、2高可信的全生命周期服务，全方位助力企业数据资源入表，把握数据要素时代新机遇。1.2 数据资源入表的法律意义数据资源入表的法律意义数据资源入表缘起于数据作为新的生产要素参与社会分配的国家创新战略。2017 年，习近平总书记主持中共中央政治局第二次集体学习时就指出，“要构建以数据为关键要素的数字经济”。2019 年 10 月，党的十九届四中全会首次将数据确立为生产要素。数据作为参与社会价值分配的生产要素，其重要程度与土地、资本、劳动力、技术要素并列。数据资源合规入表是企业凭借数据资产参与社会经济分配的基础和依据。数据资产入表是对数据资源进行价值评估，记载入财务报表的行为。入表后，数据资源变为资产，数据资产是所有者权益的体现，将扩大企业的资产总额。目前在立法、司法层面对于数据的定义较为宽泛，对数据资产没有明确的定义。在 2019 年 9 月 21 日实施的中华人民共和国数据安全保护法中对数据的定义非常广泛。该法第三条从数据承载的形式进行了限定：数据是指任何以电子或者其他方式对信息的记录。部分行业标准、地方标准中针对数据资产的概念做了尝试性解读。任何一种资源成为资产、并成为参与国民经济分配的前提是权益。从立法层面说，我国尚未对如何保护数据权益进行专门立法；在实践中，数据权益也并未给出直接定性。目前，对数据权益认定的探索包括以下几方面：1、人格权利益说。建构数据产品及服务的认定和权益保护无法回避对个人信息的保护。个人信息作为数据流动中的重要组成部分，部分法学家主张应当予以个人信息财产权益属性，使个人在参与数字活动中能有所收益。2、知识产权说。数据与知识产权具有无形特征和时效性，学术界尝试将数据信息作为知识产权进行保护，但二者的权利架构模式却不尽相同。知识产权的权益体现在人身权利3和财产权利，而数据权益却体现在来源者的权利、加工使用的权利和数据衍生品的经营权。3、物权说。数据具有经济价值，属于财产范畴，财产是属于经济学概念。在法律上对财产进行保护，还需对财产的法律属性进行界定。部分学者提出采用类物权的方式对数据权益进行保护，物权享有占有、使用、收益、处分等行为权利。而数据的上述权利在现实生活中属于不同的主体，无法完全适用。数据资源入表可为数据权利的现实实践提供“摸石头过河”的机会。从法律效果来讲，数据资源入表可达到证据固定的效果。入表之后，数据作为企业权益，其价值从隐藏在主体内部到公开于企业资产中。该步骤为企业资产保护提供依据，一旦涉及到企业数据被破坏的情况，资产负债表可以为相关争议提供证据支持。在解决法律纠纷中，通过对入表的数据受损害的程度进行分析和鉴定，可以作为证据来支持各方的主张，并对争议解决起到重要的作用。1.3 数据资源入表面临的机遇与挑战数据资源入表面临的机遇与挑战新一轮数字经济变革的号角已然吹响。国家政策从宏观规划、微观实践等层面，积极探索数据要素和数字经济的新计量和评估方式，帮助市场更可靠、更真实、更准确地获得数据资源信息，为市场宏观管理调控、投资者精准决策提供支持。企业作为关键市场主体，在响应国家政策、追随市场趋势的同时，也将面临诸多机遇与挑战。1.3.1 数据资源入表带来的机遇数据资源入表带来的机遇数据资源入表将从经营管理、财报融资、业务拓展等多方面为企业发展带来数字经济时代的新机遇。第一，推进数据资源入表的实施过程，将带动企业数据管理水平提升。企业需梳理其数据资源构成，开展数据治理，提高数4据资源管理水平，进而基于优质的数据资源，全方位提升企业业务运营、经营管理水平，推动企业数字化转型。第二，企业数据资产价值准确计量与列示披露，将有助于企业优化财务报表，提高企业的投资吸引力。企业资产规模的提升，将会间接提高企业的信用评级和融资能力，进而提高企业在资本市场的核心竞争力，凸显企业优势。拥有丰富数据资源的企业财务报表质量将大幅提高，从财务角度和业务角度都将提升数据资产密集型企业的估值，进而有利于数据资源密集型企业及相关产业链的发展。资本市场将更倾向于对拥有丰富数据资产的企业提供融资支持。第三，数据资产评估也赋予了企业数据资源合理变现的机会，有助于企业进行数据要素相关业务的拓展。企业可在优质数据资源的基础上形成数据产品，合理评估及定价，在市场中流通交易，形成创新业务模式和增量利润来源，帮助企业提升市场价值和竞争力，吸引更多的投资者和合作伙伴。1.3.2 数据资源入表面临的挑战数据资源入表面临的挑战由于数据自身的特殊属性，数据资产评估和数据资源入表工作依旧面临可预见的实施挑战与困难。第一，对于数据资产的精确估值依然存在难度。虽然现在已有较为成熟完善的无形资产估值方法和模型，但是对于数据资产的价值评估仍存在诸多问题和难点，不同的估值方式均存在局限性。目前来看，通用的估值方法在进行数据资产价值评估时，仍需要结合数据资产的特点不断进行探索与发展。第二，在数据资源的会计确认层面，依旧存在数据资产确权困难、界定不明的问题。需要专业人员进行梳理和辨析，定义“数据资产”与普通数据资源的划分界限，识别哪些数据产生了价值，产生了多少的价值，能够作为数据资产进入财务报表。会计计量层面则是入表面临的下一个难题。从初始计量阶段开始，就需要5考虑如何更加准确地衡量不同来源的数据资产的初始确认金额以及其适用的计量属性。在后续计量的过程中，也存在数据作为无形资产时难以确定其使用寿命、摊销方法不明确、数据资产的经济价值易波动等问题。较之其他诸多无形资产，数据资产受应用场景和大环境影响较明显，如何合理衡量无形资产价值的变化，需要企业对数据资产相关理论进行深刻理解。1.4 数据资源入表的效益分析数据资源入表的效益分析1.4.1 企业侧效益分析企业侧效益分析数据资源入表工作在企业侧的经济效益主要体现为：第一，改善企业资产负债结构及整体估值，数据资源入表工作将会提升企业会计信息质量和真实性，同时倒逼企业更好的优化数据治理，推动数字化转型，将企业数据的价值科学、量化地在财务报告中进行反映，系统性量化数据资源为企业带来的收益和未来预期收益，长期来看，可有效提高企业的韧性及整体估值。第二，提升企业数据全链条管理能力，促进企业数字化新业务拓展。数据资产入表的过程，可帮助企业摸清数据家底，以数据资源入表要求为抓手，科学、持续、系统性管理企业数据，有助于形成以数据要素为核心的企业经营决策方式，进一步推动企业数字化转型。同时，将促进企业围绕数据设计相关业务和商业模式，归集数据要素领域投入产出，拓展数字化相关新业务。对于最终形成的数据产品，可进入数据交易市场，将数据作为商品进行定价、流通和买卖，获得收益。据相关机构统计，2021 年中国数据交易市场规模可达 463 亿元；短期预测将达到 5 千到 1万亿；中长期中国数据资产及其衍生市场的总规模将超过 30 万亿。第三，在法律允许的范围内，以数据资产为新设企业出资，数据资产评估的结果为参考作价入股。对用于出资的非货币财产进行评估作价，数据资产可替代货币作为新设立企业的出资，且6数据资产符合相关法律规定入股标准。北京市数字经济促进条例明确提出，支持开展数据入股；2023 年 8 月 30 日，青岛三家公司进行全国首例数据资产作价入股签约。第四，利用数据资产开展相关金融服务。对数据资产进行评估后，可开展股权债权融资、数据信托、质押融资、数据资产保险、数据资产担保、数据资产证券化等活动。北京市数字经济促进条例明确提出，支持开展数据信贷、数据信托和数据资产证券化等。2022 年 10 月，北京银行成功落地首笔 1000 万元数据资产质押融资贷款。在社会效益方面，推动数据资源入表和数据资产评估工作，可以有效提升数据资产市场的运作效率及公允性。通过鉴证性财务报告对企业的资产和业务价值进行背书，可缓解信息不对称，消除资本对于企业核心竞争力的理解焦虑，提升市场估值效率。1.4.2 政府侧效益分析政府侧效益分析数据资源入表工作在政府侧的经济效益主要体现为：第一，促进数据流通使用，实现按市场贡献分配的需要。建立数据资源入表机制有利于提升企业数据资产意识，有效激活数据市场供需主体的积极性，增强数据流通意愿，有效减少“死数据”，对数据进行深度开发利用提供动力。同时，数据只有进行科学有效的核算计量，才可能基于市场的原则进行分配，即数据会计核算体系是实现按市场贡献分配的前置条件，是实现数据要素市场化配置的关键所在。第二，培育数据产业生态，提高就业率和收入水平。建立数据资源入表机制能够有效带动数据采集、清洗、标注、评价、资产评估等数据服务业发展，深化数字技术创新应用、激发数字经济发展活力，营造繁荣发展的数字生态。产业发展等将产生大量的就业岗位，这些岗位将为求职者提供多样化的就业选择，也将7带动相关产业的培训和教育发展，提高劳动者的职业技能和素质。这将有助于提高劳动者的市场竞争力，提高个人收入水平。第三，加速推进数据要素转化，反哺地方产业发展。推动数据资源入表和数据资产评估工作，为盘活地方政府的国资平台公司数据产业发展集团的资产提供了可能性。在公共数据授权运营的基础上，可尝试探索新型数据资产价值创造模式，如数据资产的授权经营、数据资产作价入股、数据资产融资、数据信托等数据资产资本运作形式。同时，创新公共数据服务模式，发展场景驱动数据要素资产化，为经济活力的提升注入新动力。数据资源入表工作在政府侧的社会效益主要体现为：第一，积极探索数据资源入表机制，打造试点创新示范标杆。共同助力企业探索数据资源入表的可行路径，推动释放数据要素价值和市场潜力，鼓励各行业企业开展数据资源入表试点工作，鼓励引导企业加强数据资源信息披露，通过树立一批创新能力突出、应用效果良好、示范作用明显的企业先行先试标杆，促进地方数据要素市场高质量发展。第二，显化数据资源价值，实现政务数据资产盘点。数字经济的演变和发展从根本上推动商业模式变革，对以工业经济为基础的国民经济核算和会计核算体系提出新挑战。建立数据资产核算和入表机制，一方面能够为数字化转型背景下客观反映经济发展态势、做好宏观调控提供支撑，有利于更加系统科学的评价数据要素对经济社会发展的贡献度；另一方面有利于盘活数据资产价值，展示数字竞争优势，为依据政务数据资产化提供依据，有效促进内外部会计信息使用者提升决策水平，优化市场资源配置。第三，提升政府公信力，实现数据安全可控发展。伴随我国数字经济高速发展，数据安全引发的新问题层出不穷。从市场角度看，建立数据资产核算体系，在提升数据资产价值的同时能够有效促进提升数据安全意识，加强数据使用的规范性，提升数据8交易过程中的安全监管。有利于防止公共数据资产流失，推进建立数据市场安全风险预警机制和数据跨境流动风险防控机制。数据资源入表工作在政府侧的政治效益主要体现为：第一，激发数据要素新动能，推动数字政府建设。数据赋能是数字政府建设的关键和发展方向，一是通过数据资源入表“五步法”，创新数据资源管理机制，明确数据归集、共享、开放、应用、安全、存储、成本归集等责任，加快推进全国一体化政务大数据体系建设；二是加强数据汇聚融合、共享开放和开发利用，高度重视公共数据质量，依法依规促进数据高效共享和有序开发利用，充分发挥数据的基础资源作用和创新引擎作用。第二，建立健全数据资产评估体系，促进国有资产保值增值。随着我国经济体制改革的持续深化，资产评估在企业重组购并、资金流动、资源配置、利益分配、产权转让等方面的作用也变得更加凸显，因而有效建立资产评估体系，健全资产评估制度，完善资产评估措施，加强资产评估工作，对国有企业在深化改革过程中保障资产的保值增值起到关键作用。第三，加强数据要素市场培育，推动数据财政转型。根据相关测算，全国数据资产市场总规模 8.6 万亿，带动相关产业数字化潜在受益 34.4 万亿，叠加数据资产衍生市场，其潜在总规模可能超过 60 万亿。当前公共数据授权持有主体，特别是地方政府成立的大数据集团，迫切需要思考和探索如何实现数据价值显性化的路径，通过推动数据资源的有效汇聚、数据登记确权、数据资源入表和数据资产评估的工作，加快公共数据和社会数据的有效融合和交易变现，积极探索数据要素价值化的创新模式，逐步实现从土地财政迈进数据财政。92.数据资源入表理论基础数据资源入表理论基础数据资源入表的概念涵盖法律、知识产权、会计、数据价值论、数据资产管理、数字经济等多个领域，它们共同构成了指导数据资源入表的理论支撑和实践支持。本章将重点从数据价值化和数据资产确权两方面梳理数据资源入表相关基础理论，可引导企业高效挖掘数据资产价值，合规开展数据使用和管理，推动企业实现数据资产价值显化和我国数字经济的可持续发展。2.1 数据价值化理论基础数据价值化理论基础数据资源入表是实现数据价值化的前提和基础，只有对企业数据资产进行有效记录和管理，才能对其进行深入分析和挖掘，从而实现数据价值化。数据价值化是推动数据资产入表的动力。随着大数据时代的到来，企业越来越重视数据的管理和利用，会不断优化和完善数据资产入表的路径和方法，以提高数据质量和数据价值。本节将从理论视角出发，重点阐述数据的社会属性、数据价值的形成条件、实现路径、实现方式和生态运行逻辑等内容。2.1.1 数据数据数据数据“5I”社会属性社会属性首先要认识到，数据要素价值化的前提是建立起对数据要素超越其自身自然属性的社会属性特征的充分认知与相应挑战的准确把握，这也是理解和构最大化释放数据要素价值的理论和现实逻辑基础。本研究将其总结和提炼为大数据的大数据的“5I”社会属性，即数据整合（社会属性，即数据整合（Integration）、数据融通（）、数据融通（Interconnection）、数据洞察（）、数据洞察（Insight）、数据赋能（）、数据赋能（Improvement）以及数据复用（）以及数据复用（Iteration）。数据整合）。数据整合是对数据的重组、抽取、聚合、清洗标准化，将原本独立的信息片段整合为有序的信息条目。其本质是数据“熵减”的过程，是数据实现从无序到有序、混乱到规则、低价值到高价10值的转变。因此通常的数据整合会面临多个数据源中字段的语义差异、结构差异、字段关联关系以及数据的冗余重复等问题的挑战。数据融通数据融通则是释放大数据的规模效益和边际效应递增效益的重要前提。数据具有使用价值而本身并无价值，随着数据聚合规模的增大，数据的潜在使用价值会呈现出明显的规模效益和边际效用递增效益。但只有打通当前数据融通的壁垒，才能联通各行各业，增强信息的活力，降低信息不对称带来的负面影响，极大地释放信息红利，创造新的社会经济价值。数据洞察数据洞察是大数据时代对数据“石油”的开采之后的进一步深度“提炼”，是对数据“化学能”的开发和利用。数据整合和数据融通是数据发生的“物理”层面的变化，即数据的汇聚、过滤、重组，但仅以该数据库系统层面的录入、查询、统计等功能操作，无法发现数据中存在的关系和规则，无法根据现有数据预测未来的发展趋势，更缺乏挖掘数据背后隐藏知识的手段。因此，更好地挖掘大数据价值，需要对数据进行“化学”反应，即通过利用先进的数据治理及数据挖掘等技术，对数据进行完整且优质的诠释，提取处数据内部的深层价值，进而提高“数据洞察”的成效，发现潜在的新规律，进而做出相对准确的战略预测及推断。如果说数据整合、融通是“物理”层面的组合，数据洞察是“化学”层面的解构，那么数据赋能数据赋能是真正发挥数据“核能”的价值激活和价值创造。一方面，运用大数据的赋能作用，为传统行业及新兴行业提供内容传播、数据营销、舆情分析、大数据采集研究分析及解决方案等服务，助力产业数字化和国家治理的数字化智慧化转型；另一方面，数据本身作为全新的生产要素，数据资产化、证券化和产业化将催生全新的数字经济新业态，是培育未来产业的重要抓手。11数据复用数据复用是数尽其用原则的体现。大数据相比于传统的土地、劳动力等生产要素，具有无限复制性和重复使用的特性，其边际成本几乎为零，但由此带来的数据规模效益却是巨大的。除此之外，旧的数据在新的使用场景、新的处理方式以及重复的迭代中，会不断迸发出新的信息成果和价值产物，数据资源的价值开发生生不息。在数字空间内，数据资源的永恒成为了现实。简言之，数据要素社会属性是数字文明下科技与社会不断共演的产物，数据价值化本质上是充分利用数据要素的社会属性，将数字化的知识和信息转化为新的生产要素的过程，进而通过信息技术创新和管理创新、商业模式创新融合，不断催生新产业、新业态、新模式，最终形成数字经济产业链和产业集群，进而助力新发展阶段高质量发展目标的实现数据价值化本质上是充分利用数据要素的社会属性，将数字化的知识和信息转化为新的生产要素的过程，进而通过信息技术创新和管理创新、商业模式创新融合，不断催生新产业、新业态、新模式，最终形成数字经济产业链和产业集群，进而助力新发展阶段高质量发展目标的实现。2.1.2 数据价值化的形成条件数据价值化的形成条件数字经济时代，数据同土地、劳动、资本、技术一样已经成为独立的生产要素。数据价值可以通过以下两种形式得以体现：一方面，当经过治理的数据用于交易时，是以数据产品的形式存在；当数据成为商品生产和流通过程中的价值载体时，数据本身就成为了商品。另一方面，当数据作为资源赋能其他生产要素时，则将数据的价值转移到其他产品中，通过企业生产过程提高其他产品的价值。此时，数据价值通过其他商品的价值增值而得以体现。数据要素价值形成是一个动态演化过程。数据的社会属性使得数据要素的价值实现方式有别于传统生产要素，但同为生产要素，其价值实现过程也有相似之处，比如都需要经历要素流通、投入和产品产出三个阶段。首先是数据要素流通阶段数据要素流通阶段，数据要素的自由流通并成为可投入生产的独立生产要素是实现价值化的前提条件，由此逐渐完善的数据要素市场为下一阶段的数据交易奠定了基础。在这个阶段，12数据以生产要素的形式在市场中自由流通，使得企业通过市场手段获取数据并加以利用，最终得以实现数据价值。其次是数据要素投入阶段数据要素投入阶段。在此阶段，数据要素与劳动力、资本、技术等其他生产要素同时投入生产，成为企业重要的生产资料。在生产过程中，通过持有权、控制权和收益权等权属关系使要素所有者获得相应收益和报酬。在这个阶段，数据要素以资产形态参与数据价值实现，企业的核心任务是完成数据要素确权动作，为数据赋能企业生产做出合规、合法性准备。最后是数据产品生产阶段数据产品生产阶段。数据要素的价值实现和增值在此阶段得到充分释放。数据产品以及数据赋能的其他产品在商品市场被出售，通过交易行为实现价值变现。在这个阶段，数据要素和其他生产要素通过企业组织生产成为产品，以产品的形态体现出数据要素价值，并最终通过市场“供需关系”实现价值。2.1.3 数据要素价值化动态实现过程数据要素价值化动态实现过程在实现数据要素价值化创造的过程中，可将其中的动态过程机制提炼为低成本汇聚、规范化确权、高效率治理、资产化交易和全场景应用五部分。（1）低成本汇聚。）低成本汇聚。数据的收集汇聚是数据要素开发利用的前提。数据的海量性和多样性是导致数据价值密度低的重要因素。海量信息的产生不断稀释单一数据的价值，同时数据的多样性意味着数据所包含的不对称信息越多，使得零散的数据要素价值密度低，融合难度大。要使数据达到价值可用的程度，需要以足够低的成本实现足够的数据积累汇聚，才能分析还原出事物的全貌。因此，汇聚的低成本是数据要素价值增益的基础。大数据时代的到来，伴随着 5G 的超级链接、物联网的万物互联和云计算的超级计算等一系列技术的突飞猛进，使得数据产生的维度、广度和数据量都呈现出“核爆”式增长，同时大数据科学的快速发展，基于数据驱动的科技发展对数据量的需求也愈加迫切，对数据是汇13聚存储必然提出了绿色、经济、安全、高效的基本要求，只有数据的汇聚成本低于其潜藏的价值，数据要素的收集存储成为新常态，才能为数据科学、数据产业、数字经济提供源源不断的数据生产要素。（2）规范化确权。）规范化确权。数据要素确权是优化数据要素资源配置的基础，是实现数据价值化和数据要素融通增值的前提。科斯定理指出当交易成本为零或极低，只要初始产权界定清晰，就可以形成最优资源配置，促成帕累托最优。由于数据要素具有虚拟性、数据的传输复制成本几乎可以忽略不记，使得数据要素的确权不同于传统物权。数据要素权属界定需要基于法律制度和人工智能技术并行，以保障数据要素融通的总体效率和安全性，是数据价值生产、数据资产评估、数据融通交易以及最终实现数据要素价值最大化的前提与基础。其中数据权属界定的规范化是数据合法获取、隐私保障的核心。源源不断的合法、完整、全面的数据源是数据价值化的基础，也是国家发展大数据产业基础性战略资源的全局性关键因素。同时，数据要素的规范化确权需要保障数据拥有者主体的隐私安全、权属收益和明确数据使用者的权利边界、侵权责任，以更好地促进数据要素的合法获取、开发共享、开发利用，形成“数据权益保护和数据产业激励”双层维度平衡性制度，促进高质量数据的生成和价值实现。（3）高效率治理。）高效率治理。数据治理是一个组织中关于数据使用相关的管理行为体系，是在综合过程、技术和责任等因素下的数据管护过程或方法，以实现数据资产的合理使用，也是国家治理能力现代化的应有之义。基于数据银行实现的数据高效率治理是以海量数据资源为基础，以云计算、AI、大数据、容器服务等技术为支撑，提供统一便捷的数据获取、存储、管理、治理、分析、可视化等服务，通过对数据的生命周期的管理，提高数据质量，促进数据在“内增值，外增效”两方面的价值变现。14（4）资产化交易。）资产化交易。资产化交易模块是数据价值化新业态的积极探索。数据经过的统一汇聚、存储，实现数据资产化、商品化后的交易和融通，并基于此模式吸纳更多、更新的高质量数据聚集，最大化发挥平台的工具属性，赋能“数据资源”向“数据资产”的转变过程。同时，在存储层实现数字孪生，在数据价值层实现数据的共享和红利释放，进而吸纳更多、更新的有价值数据汇聚，实现业务的闭环。数据交易是数据要素流动的重要通路，数据在不同主体之间流通从而表现为包括持有权、使用权、收益权等在内的数据权利的让渡，主要交付形式有 API、数据集、数据报告及数据应用服务、咨询服务等。数据资产化通过数据存储、确权、治理以及融通的一系列流程，最终目的在于数据要素落地于各个产业一线，实现数据融通之后的全场景应用，赋能行业产业发展。（5）全场景应用。）全场景应用。全场景应用模块是提升数据价值化效率的落脚点。在合法、合规、安全的前提下，为多种用户角色提供数据权属确认、数据质量评估、数据定价、数据商品发布、数据交易结算等产品或服务，建立全场景数据应用业务闭环，是提升数据资产化效率，探索数据资本化过程的重要实践。2.1.4 数据价值化生态运行逻辑数据生态圈是实现数据要素全周期流转和构建创新生态系统的核心载体，理清其商业运作逻辑是解析数据价值化过程的基础。数据价值化生态运行逻辑数据生态圈是实现数据要素全周期流转和构建创新生态系统的核心载体，理清其商业运作逻辑是解析数据价值化过程的基础。数据价值化的参与者可以概括为数据持有方、数据需求者和数据服务商三类，并构成了以数据流动为主线的数据价值化体系，如图 1 所示。数据持有方数据持有方是经过审核，能够为各类数据运营平台提供合法、合规、安全数据的政府部门、企事业单位或个人，其在数据价值化过程中的主要职能基本对应源出层。但是在实际操作过程中，数据持有者向数据平台提交的数据不单单局限于原始数据，有可能是经过加工、处理后的数据集合、数据资源或数据资产。经数15据平台审核数据的来源、内容及其权限之后，数据所有者可以将所拥有数据存储于平台并进行确权，将数据变为“固定资产”，再通过发布数据产品等形式参与价值分配活动。当涉及定制化数据产品时，数据所有者可以通过平台响应数据需求者，或对数据服务商发起对数据的进一步加工、处理等服务需求。图 1 数据价值化的生态运行逻辑数据服务商数据服务商是经过数据运营平台鉴定具备合法、合规、安全服务资质的企事业单位或个人，其在数据价值化过程中的主要职能基本对应增值层。数据服务商以通过平台响应数据需求者或数据所有者的形式，提供算法、解决方案等数据融通或赋能服务。数据需求者数据需求者是经过数据运营平台审核，可合法取得平台上数据产品并按照规定使用的用户。数据需求者可直接购买由平台审核后发布的数据产品，也可直接在平台上进行数据的融通业务，即通过平台寻找数据集、数据资源或数据资产，或向数据服务商发布需求。数据运营平台数据运营平台主要提供数据融通相关业务的信息服务，以第三方的身份参与数据所有者、数据服务商、数据需求者之间数据产品的交易，其在数据价值化过程中的主要职能基本对应基础层和流通层。原则上，平台可以开展与数据价值化过程相关的所有16存储和交易业务，对参与各方进行资格审查、交易监管、数据存储等一系列保障措施，保障各方合法权益，是数据实现资产化、探索资本化重要的合法、合规、安全场所。政府通过对数据运营平台所有业务流程的监管，可以确保平台上每个操作均符合相关法律规定。通过上述形式，政府可以切实做到对数据全生命周期的监管，履行其监管职能，维护数据要素市场体系中参与各方的基本权利，最大化保障数据价值的涌现。2.1.5 数据要素市场价值化过程与机制数据要素市场价值化过程与机制数据要素市场是数据交换或流通过程中形成的市场，是数据通过全生命周期建设实现价值转化的重要场所。图 2 数据价值化的过程与机制框架从数据要素市场体系不同的职能来看，可细化为数据源出层、数据基础层、数据增值层、数据流通层和数据监管侧五类构成主体。数据在市场化体系中遵循“源出层-基础层-增值层-流通层”的流动方向，实现从“原始数据”逐步转变为“数据集合”、“数据资源”、“数据资产”、“数据资本”的价值化过程。数据价值化的过程与机制框架如图 2 所示。（1）数据源出层）数据源出层17数据源出层对应数据的生产过程，是数据在市场体系中流动的起点，主要包含数据生产者和数据持有者。源出层的参与主体包括个人、企业与政府等，通常进行主动或被动式的数据创造或生产作业，是原始数据的产出或拥有方。此时，由于数据处于无序、混乱的状态，通常价值密度较低。（2）数据基础层）数据基础层数据基础层由数据收集和数据存储两个模块组成。其中，数据收集对应数据搜寻与获取的过程。由于数据具有极易复制、传播、篡改等特征，需要对数据搜寻与获取的过程单独处理，适配特殊的技术方案；数据存储对应数据汇聚、关联和更新的过程。需要以成熟且足够低成本的技术实现足够量级的数据汇聚，并不断完善高效、安全的关联和更新作业，才能进一步分析、还原出数据本应表达的全貌，为数字科学、数字产业、数字经济提供源源不断的支撑。此时，数据由无序、混乱的状态逐步规整为有序的“数据集合”，数据质量得到提升，涌现统计价值。（3）数据增值层）数据增值层数据增值层对应数据从整理到能力匹配的过程。其主要功能是对接基础层，通过算法开发、资源配置、安全管控等措施，实现对数据的清洗、脱敏、加密、挖掘等整理工作，和对应的算力、资源、网络等能力匹配工作。此时，数据由基础层流向增值层，经过处理后其质量得到更大幅度的提升，由“数据集合”转变为“数据资源”，开始与企业内部的业务或管理等需求对接，具备在组织层面发挥价值的基础，涌现商用价值。（4）数据流通层）数据流通层数据流通层由数据交易和数据配置两个模块组成。其中，数据交易是数据资产化的重要表现，对应数据通过流通交易给应用者或所有者带来经济利益的过程。通常伴随 API、数据库、数据报告及数据应用服务等各种可交易的数据产品与服务。此时，“数18据资源”基于交易中介在市场体系中所发挥的作用，具备在行业内不同组织间或跨领域发挥价值的基础，开始转变为“数据资产”，涌现交换价值。数据配置是数据资本化的重要表现，对应数据实现要素社会化配置的过程。此时，“数据资产”通过商业化运营开始逐渐变为“数据资本”，整个过程主要分为两个步骤：第一步，基于在行业内不同组织间或跨领域的市场交易情况，不断完善数据产品或服务质量，提升“数据资产”在市场中的交换价值，使其具备对某领域未来发展更大的赋能作用；第二步，对数据产品或服务进行资本化赋能，通过诸如信贷融资、证券化等形式，将“数据资产”转变为“数据资本”，涌现资本价值。（5）数据监管侧）数据监管侧当前，数据要素市场监管体系需要明确政府主管部门的“元监管”角色。从