江苏钟吾大数据发展集团有限公司

数据资产化基础概念研究

王泽宇  闫树  王丹阳

    （中国信息通信研究院云计算与大数据研究所,北京 100191）    

摘要：“资产”概念在实际使用中常有三层含义,限定条件逐层叠加。“数据资产”概念起源于对数据潜在价值的强调,在我国逐渐演变成专门的术语,并成为推进数据要素市场化配置改革的关键环节。推进数据资产化的过程可相应分为三个阶段,不同阶段实现难度不同。当前我国大部分主体尚未满足数据资产化第一阶段、第二阶段的条件要求,仍需夯实基础、稳定预期,持续深化数据资产化探索。

关键词： 资产；数据资产；数据资产化

本文源自中国信息通信研究院基础研究课题“我国数据资产化关键技术体系研究”。

0  引言

当前，“数据资产”被广泛认为是支持数字经济发展、推动企业经营的战略性资源，对提升创新能力和核心竞争力具有重要意义。2023年以来，财政部相继印发《企业数据资源相关会计处理暂行规定》《关于加强数据资产管理的指导意见》《关于加强行政事业单位数据资产管理的通知》等文件，旨在加强数据资产相关工作引导、回应业界关切。然而，当前财政部文件尚未明确定义数据资产，各界对数据资产的管理、价值实现、价值评估及数据资产化路径等方面仍存诸多争议。总体来说，我国数据资产领域尚处于早期探索阶段，有必要加强对于数据资产基本概念的研究，澄清数据资产化的基本问题，促进各界共识的形成与深化。

1  资产的三层含义

“资产”是会计学的基本概念，是会计核算中处理的关键要素。1988年，我国《会计学导论》一书将资产作为会计要素的一项正式提出，并随着概念的使用不断广义化^[1]。人们将一种资源视为资产，会在资产的分类、管理、应用、交易、计量等过程中产生不同层次的理解（如图1），导致概念使用中出现混淆。在广义层面，凡能产生价值的各种经济资源，都可能用“资产”一词来强调。例如，除现金、设备等资源外，良好的客户关系、优质的企业文化等资源也会被称为“企业的重要资产”，从而提高这些资源的受重视程度。总体而言，这层意义的“资产”是一种引起重视的表达，未必是定义非常明确的对象，但资源及其产生的价值可被独立识别和描述，是广义“资产”的基本要求。

图1   资产的三层概念

在会计层面，广义资产的一部分可以成为会计处理的对象。以财政部《企业会计准则——基本准则》《政府会计准则——基本准则》为例，对企业来说，资产是指企业过去的交易或者事项形成的、由企业拥有或者控制的、预期会给企业带来经济利益的资源；对政府会计主体来说，资产是指政府会计主体过去的经济业务或者事项形成的、由政府会计主体控制的、预期能够产生服务潜力或者带来经济利益流入的经济资源。两条定义结构类似，突出了会计处理的资产与其他资源的3种差别，即由过去事项形成、由主体控制、预期产生社会价值或带来经济价值流入。会计意义的“资产”重在突出主体对资源的权利和资源为主体带来的价值或利益，主体有权利用资源为自己带来使用价值或交换价值，才有可能使该资源成为会计处理的资产。

在资产负债表层面，一部分符合条件的会计资产列示于资产负债表之中，实现“入表”。以财政部《企业会计准则——基本准则》为例，符合该准则资产定义的资源，在同时满足“与该资源有关的经济利益很可能流入企业”“该资源的成本或者价值能够可靠地计量”两项条件时，才能确认为资产，并应列入资产负债表。若只符合资产定义但不符合资产确认条件，则不应当列入资产负债表。可见，并非所有会计资产都可以列入资产负债表，资产确认条件的设置对资产认定、风险防范具有重要意义，资产负债表层面的“资产”进一步对资源的利用效果和价值评估计量提出了相应的要求。

2  将数据视为资产的演进过程

从历史上看，数据的含义主要有两条发展脉络。第一是信息记录脉络。“data”一词源于古罗马时期拉丁语“datum”，指“给出的事实”。中古时期，世界各地不乏观察记录、册目表格，这都符合我们今天对数据的认知。18世纪以来，“data”又被用于指代可统计的数值记录^[2]。第二是信息处理脉络。算盘、差分机、机械计算器、打孔卡等发明不断提高人们对数据的处理能力。1946年，“data”被用于指代计算机存储和传输的二进制编码^[3]。当今，随着技术的发展，计算机已可以处理结构化、非结构化等各种形式的信息，两条脉络的“数据”趋于统一，例如《中华人民共和国数据安全法》（简称《数据安全法》）将数据定义为“任何以电子或者其他方式对信息的记录”，可以涵盖两条脉络中各种形式的数据。当今被视为资产或生产要素、蕴藏极大价值潜能的“数据”，既不特指非电子的信息记录，也不特指计算机底层的编码，而更多指基于二进制编码的、按预定规则汇聚的信息记录^[4]。人们愈加主动发掘更多的复杂现象并记录形成更多数据，物理世界中的一切事物都可以被预先设置的认知角度、记录规则和技术框架映射到数据世界，并被性能不断提升的计算机处理和分析。数据的大规模采集和高维度分析带来显著的经济价值，“数据资产”的概念也因此而流行。

有观点认为，数据资产（Data Asset）的提法出现于1974年Peterson的文章《货币需求的横断面研究》，并由此提出数据资产一开始指政府债券、公司债券和实物资产。在原文中可发现，此处指捷克和美国的数据中，资产包括了政府债券等若干项目，原文中“data”和“asset”并非属于同一词组^[5]。1997年，Algan提出石油公司的市场价值和竞争地位与其数据资产的数量、质量、完整性和由此产生的可用性直接相关^[6]，可以看到勘探领域率先对数据资产产生相关认识。2009年， Fisher出版了著作《数据资产》，较早提出了与时下讨论最接近的数据资产概念^[7]。此后，随着数据资产管理在国外逐渐流行，数据资产概念也被广泛提及。

21世纪早期，我国逐渐引入数据资产概念。2005年前后，石油、矿产等地质勘探相关的行业以数据仓库等技术为背景，提出建立数据资产管理中心、消除“信息孤岛”、加强数据资产开发利用等观点^[8-9]。这一时期我国部分行业对数据资产概念的运用，主要目的也是希望为企业管理经营提供完整、准确、高价值的数据，将系统管理数据、开发利用数据的意义提到更高的地位，引起业内更广泛的重视。

2014年，中国信息通信研究院发布《大数据白皮书（2014年）》，开始关注数据资产的价值和运营^[10]。国内一些企业也提出数据资产的运营包括确权、估值、定价等内容，并开始对大数据资产的确认与计量问题进行探讨^[11]。2017年，《数据资产管理实践白皮书（1.0）》系统总结企业实践中的数据资产管理经验，并将数据资产定义为“由企业拥有或者控制的，能够为企业带来未来经济利益的，以物理或电子的方式记录的数据资源，如文件资料、电子数据等”^[12]。这一时期，我国对数据资产的讨论开始变得丰富和多元。例如，穆勇等^[13]提出我国数据资源资产化存在资产属性亟待确定、权属界定不清、交易市场发育不成熟、现行会计制度不适应、政务数据资源的资产化管理有待加强五大问题，朱扬勇等^[14]提出数据资产兼具有形资产和无形资产特征，是新的资产类别。在此阶段，数据与权利归属、经济利益、价值计量的联系愈加紧密。

自2019年数据增列为生产要素以来，如何释放数据要素价值受到各界高度关注。中国信息通信研究院提出了数据资源化、资产化、资本化的“三化”框架，将数据资产化所涉及的关键问题聚焦于交易、确权、定价等方面^[15]。沿此类思路延伸，各界着重探讨如何推动数据资产进入产品市场和金融市场，如何将数据资产计入会计报表、计入国民经济统计，从而充分释放数据的经济价值。例如在2022年，黄丽华等^[16]区分了资源性数据资产和经营性数据资产，提出数据资产登记是将数据资源转变为数据资产的必由之路。汪文张等^[17]认为数据资产可以成为一种独立的财产形式，可将数据资产作为设立质押的对象，实现融资功能。符文娟等[18]提出，数据资产分类为存货和无形资产的可能性较高，确认时可围绕“控制权”展开。许宪春等^[19]将数据资产定义为拥有应用场景且在生产过程中被反复或连续使用一年以上的数据，可从供给和使用两个阶段来研究数据资产统计与核算问题。经过各界充分研究与实践探索，数据资产的话题域充分展开，并在2024年企业数据资源入表等若干探索中走向落地。

3  数据资产化的三个阶段

综合资产的三层含义和我国探索数据资产的历程可知，我国对“数据资产”的使用兼容了数据的使用价值、交换价值、金融价值等诸多方面，是贯通不同发展阶段的综合性概念。但在实际表达过程中，有时人们感觉到可能蕴藏价值的各类数据都被归入“数据资产”予以强调，有时可能只有狭义的、满足会计确认资产条件的那一部分数据资源被纳入“数据资产”的考虑范围。因此，由资产的普遍性定义类推，本文提出数据资产的总体内涵为：由于过去合法事项所导致的、得到有序管理的、由组织拥有或控制的、能给组织持续带来直接或间接经济利益和社会利益流入的、成本或利益可计量的数据。数据资产的外延，则包括文本、图像、语音、视频、网页、数据库、传感信号等结构化或非结构化数据。

上述内涵突出了数据资产化的基本条件。由于这些条件的组合相对复杂，且实践中常常不是同时满足，因此可根据这些条件对数据资产化进行阶段划分（如图2）。第一阶段，数据通过管理转化为有内在使用价值的数据资产；第二阶段，数据通过确权、使用、交易，转化为会计意义的数据资产；第三阶段，数据通过估值或定价转化为可计入资产负债表的数据资产。数据资产化不同阶段实现难度不同，不必追求一次性彻底的数据资产化。

在第一阶段，首先要确保数据满足“由于过去合法事项导致”这一大前提。数据承载的信息多变，数据产生的方式多样，在实际的产生过程中，几乎都会涉及多元的利益主体。一个组织持有的数据首先要保证产生的事项合法、不侵犯其他主体权益，才有可能继续讨论该组织的“数据资产”问题。其次，当组织具备采集、产生数据的授权及相应设备、系统，已有数据可用并能够持续更新后，组织需要让数据“得到有序管理”，即要对数据进行主动管理，使数据高质量归集、有序分类、具备可识别的独立性。换言之，如果组织确有需求要使数据变成一项资产，那么这些数据必然要与之前的系统、业务相分离，要能够在精细化、动态管理的基础上适应新的场景，保证这些数据不因其异质性和时效性问题而丧失使用价值。当前所讨论的数据毕竟是信息技术的产物，从技术视角看，完成上述数据资产化第一阶段的目标并非易事。没有经过有效管理的数据只能成为组织的成本，越来越多的组织意识到，管好数据才能进一步发挥数据价值，提高竞争优势。

在第二阶段，数据通过确权、使用、交易，转化为会计意义的数据资产。具体而言，一方面数据是“组织合法拥有或控制”的，数据带来的利益能流入组织，需要组织具备控制或使用数据的权利。另一方面数据“能持续带来利益流入”，组织需要通过内部使用数据创造价值获得利益，或在不失控的前提下，组织对外出售数据并实现价值变现。一般而言，如果数据产生于组织自身业务运转的积累，组织天然持有这部分数据资源，若只对内使用提升自身业务、经营能力，而不参与对外流通，那么基本不会产生权属相关争议，容易成为会计意义的数据资产。但当前我国数据要素发展的一大目标是进一步释放数据流通、复用的价值。在此背景下，数据交易带来的利益能流入组织，往往需要组织明确控制或使用数据的权利。业界高度关注数据确权问题，其目的就是保护组织合法权益的同时促进数据对外交易，既释放数据的复用价值，又推动这部分数据实现第二阶段的数据资产化。这里的交易是指组织以各种形式对外提供数据并获得货币对价的广义行为，我国广大市场主体正积极投身于数据要素市场培育浪潮中，大量研究讨论和实践探索都在着力破解数据产权、流通交易、收益分配、安全治理等方面的障碍。

在第三阶段，数据进一步通过估值、定价等多种手段，最终确认为资产并计入资产负债表，即组织通过可靠的估值定价方法或模型，“对数据的成本或利益进行计量”并在报表中披露。作为资产负债表意义的资产，组织将数据纳入财务报表处理范围可发现和确认数据对业务的贡献、促进数据的市场价值“显性化”。当前，以上市公司为代表、其他类型公司为补充的众多企业开始按照财政部相关要求稳慎推进在资产负债表中列示“数据资源”项目。这方面仍然存在“数据资源入表”和“数据资产入表”的概念争论。这一争议反映出第三阶段数据资产化探索仍处于早期阶段，由于该阶段已基本从数据的技术属性中超脱出来，导致针对数据相关概念的各项判定条件标准尚未形成共识。例如，在实务中如何识别、剥离由数据带来的，而不是管理、技术等要素带来的利益；如何公允评估数据资产的价值，进而便于融资等资本化应用；如何建立相适应的审计制度，避免虚增资产等。这些问题既是挑战，也是未来深化第三阶段数据资产化探索的方向。

4  我国数据资产化探索与应用现状

我国各界的数据意识、数据基础和数据发展水平并不同步，在实践中，不同组织在数据资产化的三个阶段均有相应探索，也产生了数据资产化实效。部分组织更突出资产的强调性表达作用，重点提高数据管理水平、促进数据自由高效流通使用，走出数据资产化的“应用路”；部分组织更突出资产的金融属性，直接探索融资变现等途径，走出数据资产化的“金融路”；也有少数组织严格遵循资产定义，划定数据安全使用范围，完成数据管理、流通使用、入表三阶段，走出数据资产化“规范路”。

无论哪种数据资产化实践路径，合法合规仍然是大前提。我国已形成《中华人民共和国网络安全法》《数据安全法》《中华人民共和国个人信息保护法》和《关键信息基础设施安全保护条例》《网络数据安全管理条例》构成的数据“三法二条例”法律体系，数据产生的合法合规相关问题大都有法可依。从法条看，我国法律规定已比较严格，然而从执法层面看，相关法律的落实还不充分。仍以个人信息为例，个人信息的复杂性体现在：每个人的信息价值不大，企业汇聚关联更多个人数据后价值凸显，企业在其中确有较大贡献。但从维护个人权益角度看，个人较企业始终处于弱势地位。众多应用产品仍在过度收集个人信息，掌握了并不应属于企业的个人数据，违规收集个人信息、强制频繁过度索取权限、违规使用个人信息等问题屡禁不止。因此，数据资产化大前提的法律体系虽然基本筑牢，但监管、执法层面在统筹发展和安全方面客观上仍面临较大挑战，需要继续深化。

目前，部分组织将第一阶段的数据资产化作为当前投入的重心，致力于通过数据资产管理强化组织内部的数据意识，提升数据价值；部分组织逐渐构建起数据质量管理闭环，投入充足的人力和数据管理技术工具，完善数据标准、格式、内容、准确性、及时性等方面，对数据的真实结构、内容和质量进行统计分析，识别数据内容和结构中的模式，判断潜在的质量问题，确保各数据管理职能的流程可监测、质量可提升、安全可管控。与此同时，随着数据规模、数据格式、应用场景的类型逐渐增加，数据管理对象的复杂性日益提升，组织的数据管理工作逐渐兼容多样的数据类型和应用形式，在提高管理便利性的同时，满足高并发、精准化、高性能的实时性查询需求，提高数据复用性，降低数据资源和管理系统的重复冗余。总体而言，我国各组织的数据管理水平仍显薄弱。例如，2023年我国参评数据管理能力成熟度评估模型（Data Management Capability Maturity Assessment Model，DCMM）的企业中，数据管理能力达到三级（“稳健级”）及以上的企业占比23.6%，仍有76%以上的贯标企业数据管理能力在二级（“受管理级”）及以下，数据整体管理水平还有较大的提升空间^[20]。数据管理是典型的“下水道”工程，耗时长、见效慢，但只有实现高效而精细的数据管理，理顺数据间关系、加强数据间协同，才能为数据的进一步资产化奠定基础。

以部分头部企业为代表的组织已将数据进行有效管理，开始向数据资产化第二阶段探索，致力于将自身的数据资产作为一种商品对外交易，放大数据蕴藏的价值。从会计意义的数据资产角度看，各类组织在数据交易方面的共同诉求是在原始数据不泄露的前提下，同时保证数据价值可利用，实现数据交易过程的可互信、可追溯、可审计、可监管。当前，通过应用程序编程接口（Application Programming Interface，API）调用、数据脱敏等实现非全量明文数据的交易已成为实践中最常用的技术方案。API方案目前已在各行各业成熟应用，成本低且可通过管理API访问权限实现对数据资产的控制与收费，满足数据供需双方的交易需求。数据脱敏通过对明文数据进行掩码、替换和模糊，可以有效地降低数据敏感度，可以满足数据合规和安全保护要求，进而对外交易。我国这类点对点数据交易已初具规模，形成较为稳定的供需关系。例如个人征信持牌机构依规有偿提供个人征信数据服务、金融数据服务商有偿出售金融数据终端等。然而，在全国统一大市场建设的背景下，API、数据脱敏等技术手段及一些常见产品形态无法满足更广泛的数据流通使用需求，各界愈加期待兼顾数据价值与数据安全、数据权利的机制和方案。基于区块链的数据权利声明，基于隐私计算、数据空间等的数据可信流通技术，以及试图提供整体解决方案的数据基础设施应运而生。总体而言，由于数据资产管理基础不牢、数据深层应用需求尚不显著，我国大规模、多层次的数据资产交易市场仍不成熟。

理想状态下，数据资产化的第三阶段可衔接数据资本化，用数据撬动出更多的价值。业界普遍期待，应用资产负债表意义的数据资产，为进一步的资本化提供可靠依据。然而如前所述，整体上我国数据资产化前两阶段的基础并不坚实，只有部分上市公司和少数企业有条件将数据资源正式计入资产负债表，入表金额占总资产金额普遍不高。与此同时，部分组织存在数据资产变现的强烈需求，尤其是当数据本身的开发开放和流通使用尚有阻碍时，利用相对成熟合规的金融体系“绕过”数据资产化的前两阶段，直接将数据资产资本化、将数据价值变现成为这些组织关注的路径。一定程度上，实践中质押、融资等数据资产资本化应用不完全以资产负债表中计量的数据资产为前提。未来，数据资产化如何满足复用、入表、资本化等多样的衍生需求，仍有较长的路有待探索。

5  结束语

综上所述，数据资产存在三层含义，数据资产化也可根据现实条件、发展情况分阶段进行，不必追求一次性彻底资产化。当前各界对“数据资产”概念的使用，可以显著提升政府、企业、公众等对数据价值的认知，促进数据的开发开放和流通使用，也对各类参与主体提出了更高的合规性、便利性等要求。当然，推进数据资产化的具体过程并不容易，仍然需要夯实数据基础，以数据实际蕴藏的内在价值为准绳。数据资产化要以合法合规为大前提，但法律法规、执法监管也要给参与主体以明确和稳定的预期，在动态平衡中保证数据不被滥采滥用，促进数据价值增值。事实上，大部分主体尚未达到数据资产化第一阶段的要求，仍存在数字化水平较低、数据管理能力不足的问题。对于第二阶段，我国数据应用挖掘、流通交易等也处在起步阶段，还需要化解各方顾虑、激发参与主体的动力和活力。以前两阶段为基础，可以让第三阶段的数据资产化探索更扎实、更稳健，从而为国际数字经济治理、国际数据会计处理贡献中国智慧，提供中国方案。

Research on basic concepts of data assetization

WANG Zeyu, YAN Shu, WANG Danyang

（Cloud Computing & Big Data Research Institute, China Academy of Information and Communications Technology, Beijing 100191, China）

Abstract: The concept of “asset” often carries three layers of meaning in practical use, with each layer adding specific conditions. The concept of “data asset” originated from an emphasis on the potential value of data and has gradually evolved into a specialized term in China, becoming a key part of promoting the market-oriented allocation reform of data factor. The process of data assetization can be correspondingly divided into three stages, each with varying degrees of implementation difficulty, and it is not necessary to pursue a one-time complete data assetization. At present, most entities in China have not yet met the conditions required for the first and second stages of data assetization, and there is still a need to consolidate foundations, stabilize expectations, and continue to deepen the exploration of data assetization.

Keywords: asset; data asset; data assetization