翁 翕
本期看法概览
l 数据资产化是一个多层面的看法，涉及将数据转化为具有经济价值的资产。数据资源化和资产化的历程可分为资源化、产品化和可测化三个阶段，其中产品化和可测化是数据资产化的焦点。
l 具有资产化潜力的数据普遍漫衍于多个行业，例如银行、IT、零售、医疗保健等，并涵盖车联网、供应链治理和消耗者数据等多个种别。随着天生式人工智能手艺的生长，数据资产化的需求预计将进一步增长。
l 全球数据资产化市场正在快速增添，大型企业领先于中小企业，北美市场领先于欧洲，但亚洲市场增速最快。西欧蓬勃国家在数据工业生长上领先，但同时也面临数据战略妄想与现实执行之间差别较大的问题。
l 我国数据资产化面临供应缺乏、需求疲弱和生意本钱高的问题。国家层面应统筹推进数据资源化、产品化及入表评估事情，使用刺激性政策增进数据资产的供应和需求，并充分验展市场的价钱发明功效，降低信息差池称。
一、数据资产化的详细内在
数据资产化并不是一个国际公认的看法，在许多方面都处于探索状态，并没有一个统一的界说。现在公认的看法是把数据资产化与数据资源化相提并论，但对数据资源化和数据资产化的详细内在也有许多差别的明确。
一种是偏经济学的视角，将数据资产化明确为“通过有用使用数据，将其转化为具有可权衡经济价值的资产的历程”。在这个视角下，首先要举行数据资源化，也即通过数据收罗、数据整理、数据聚合和数据剖析等运动，使得数据变得可用（类比于石油开采），其次再举行数据资产化，也即通过对数据的挖掘和提炼，使之成为具有商业价值的资产（类比于石油炼化）。通常数据可通过以下方法完成资产化：在内部使用数据来提高运营效率或推动立异、向客户提供基于数据的效劳或产品、与相助同伴交流数据、向第三方出售数据或授权数据允许等等。
另一种是偏金融学和会计学的视角。在这个视角下，上述的数据资源化和资产化大都被归于数据资源化的领域，而数据资产化主要是为相识决数据麋集型企业的资产评估和定价问题。好比美国哥伦比亚大学商学院的Laura Veldkamp教授就持这种看法，她在2023年揭晓于Review of Finance上的论文“Valuing Data as an Asset”指出，数字经济中独角兽企业的高估值来自于其所拥有的数据资产，以是需要生长出新的定价工具来权衡数据资产的价值，好比可通过较量使用数据资产之前和之后的业绩指标，包括但不限于收入、本钱和危害等，来识别和量化数据资产的潜在投资回报率。
总结而言，可以将数据资源化和资产化的历程划分为三个阶段：一是资源化，开发原始数据并将其组装成数据资源；二是产品化，基于数据资源和市场需求开发相关产品和效劳；三是可测化，为每项基于数据的产品或效劳确定可生意和丈量的计价单位，并将相关生意纳入企业的财务、合规、风控等流程。若是把数据资产化广义明确为阶段二+阶段三，其生长空间重大，可以说是数据要素市场建设最焦点的组成部分。但若是把数据资产化明确为阶段三，其生长空间就依赖于数据资源化和产品化的水平，特殊是在没有很好地实现数据产品化的基础上就太过强调资产化，就很有可能导致数据资产泡沫。
公共数据资产化同样亟需区别广义的资产化和狭义的资产化。关于广义的资产化，公共数据资产化可以引发市场活力、提升政务效率、创立社会价值。公共数据资产化可以通过提高企业盈利能力、发动就业、节约政府运行本钱等方法，间接增添财务收入。鉴于公共数据的特殊属性，需要更关注其定价和使用主体等问题。
虽然公共数据的运营是以非营利性为主要目的，但从提高市场设置效率的角度来看，必需支持公共数据的有偿使用。一方面可以赔偿公共数据运营本钱、激励数据资源开发、提高数据和效劳质量，另一方面通过市场价钱机制也可以更好地指导政府开发真正有价值的数据产品。但同时公共数据的定价应以本钱为参考基准，不应收取过高使用用度，应允许企业保有一部分通过合规、有用使用公共数据获得的收益，以增进数据价值越发充分地释放，从而为政府部分带来更一连、更普遍的回报。
从包管收益分派公正的角度来看，不应为任何市场主体提供独家公共数据效劳，同时，在切合执律例则和清静隐私等要求的条件下，也不应将任何主体扫除于公共数据的使用。关于科研院所和中小微企业，可提供用度减免或无偿使用的选项。关于有较强盈利能力及市场支配职位的企业，应通过允许其竞争敌手使用相同的公共数据效劳，来阻止不正当竞争行为。
但关于狭义的公共数据资产化而言，就应如前所述，特殊小心数据资产化前行于数据产品化。这实质上照旧需要统筹推进数据资源化、产品化以及数据资源和资产的入表评估各项事情。
在后文叙述中，主要接纳广义界说（产品化+可测化）来明确数据资产化。
二、数据资产化的种类
哪些数据有资产化的潜力？可以参考年头国家数据局团结16个部分派合印发的《“数据要素×”三年行动妄想》中提及的12个重点行业。在这12个重点行业的基础上，还可以参考现在普遍展望以为天生式人工智能（AIGC）手艺最有可能被普遍应用的几个领域。AIGC大模子的训练需要以海量数据为基础，因此在有辽阔应用远景的领域中，也最可能催生出数据资产化的需求。
目今有数据资产化潜力的主要行业详细包括：银行、金融效劳和包管、IT 和电信、零售和电商、医疗保健、工业制造、传媒和娱乐等。
有资产化潜力的数据主要包括以下几类：
（1）车联网数据：汽车制造商数据、传感器数据、位置、路况、驾驶行为、行程、商家数据、交通妄想；
（2）供应链与物流：供应商关系数据、物流数据、库存数据、采购数据；
（3）消耗者数据：特征标签、财务习惯、生意行为、社交网络；
（4）商业数据：产品特征、品牌及销售情形、营收及财务数据；
（5）地理、遥感和气象数据：位置、导航、气象、卫星数据；
（6）公共数据：生齿普查、工商注册信息等。
三、数据资产化的国际履历
国际上，由于疫情加速了数字化转型和云手艺的应用，数据资产化生长迅速。其中，大型企业领先于中小企业，北美领先于欧洲，亚洲预计增速最快。
Invisibly公司数据显示，2022年全球数据资产化总市场价值为33.8亿美元，预计到2028年将抵达104.1亿美元，复合年增添率为19.98%，这将由天生的数据量一直增添、数据资产化意识以及商业智能和剖析、云盘算、区块链、物联网、社交网络和新营业模式等推动。目今，大型企业份额最大，占比67.6%。中小企业增速更快，复合年增添率可达29.3%，主要通过云盘算等工具降低其数据资产化的本钱。北美地区基于物联网和云盘算的普及、以及由此爆发的数据量激增，为现在最大的数据资产化市场，占全球32.9%。由于拥有最大的消耗者基础和智能手机用户，再加上人工智能、物联网和大数据剖析的快速普及，亚太地区被以为将成为增添最快的区域市场。
西欧等蓬勃国家在数据工业的生长、数据产品化水一律方面均大幅领先于我国，因此这些国家都不是特殊强调“数据资产”这个看法，关于数据麋集型企业也没有特殊推行数据资产入表。但由于这些国家均拥有较量完整的资源市场，通过对标行业的标杆企业，也能对数据资产举行较量好的估值。近些年来，一些西欧企业生长的数据资产化案例包括：
（一）使用数据作为融资典质品。好比大宗美国航空公司使用其会员奖励项目作为典质品，以应对疫情造成的财务压力，其中美国航空公司 American Airlines筹集了 100 亿美元，创下了融资纪录。已往需要数月才华完成的数据资产价值评估，现在通过软件和机械学习手艺仅需 24 小时。
（二）建设数据生意平台。如Datarade 或 Eagle Alpha 等数据生意平台，通过毗连买家与卖家，并提供推广、销售、数据处置惩罚和允许生意等效劳，资助企业更容易地将其数据以产品或效劳的形式转化为新的收入泉源。
（三）在企业并购估值时最先思量数据爆发的潜在影响。一方面，最先关注企业收购中由于误导性的数据资产而导致估值虚高。另一方面，首创企业可以通过对数据优异的治理，阻止数据价值评估中的阻碍，并在并购谈判中施展数据资产的主要作用。
别的，外洋羁系部分如美国FTC最近出台了更严酷的对社交媒体、游戏和教育平台使用青少年数据获取收入的政策，以限制基于数据的在线使用、有目的的令人上瘾的设计以及歧视性营销行为。
西欧蓬勃国家目今在数据资产化方面也面临许多问题和挑战，其中最主要的是数据战略与执行之间保存差别。
IDC 预计， 2023 年欧洲约有95% 的组织使用某种形式的外部数据。然而，最近一项涵盖 34 个国家/地区、 400 多家公司的研究显示，只有十二分之一的公司完全将其数据资产化，主要由于大大都公司缺乏网络和存储数据的基础设施。别的，许多公司没有资源或专业知识来剖析他们网络的数据并将其转化为可行的营业决议。在 2022 年数据和 AI 向导力高管视察中，New Vantage Partners 视察了 94 名财产 1000 强企业高管。视察发明，虽然 64.3% 的组织专注于增添和立异数据妄想，但其中只有 26.5% 的公司建设了数据驱动型组织。因此在数据资产化领域我国完全有潜力能够通过跨越式生长实现弯道超车。
四、目今数据资产化面临的主要问题及对策建议
我国数据资产化面临的最突出问题涉及供应、需求和生意本钱三个方面：
一是供应缺乏。主要体现在企业整体数字化水平不高，数据开发使用及相关手艺和效劳的用度较高，以及企业数据资产化所需的前期投入的融资难度较大。
二是需求疲弱。主要体现为市场对数据产品和效劳的认知缺乏和付费意愿低，别的也与企业对短期回报的偏好有关。
三是生意本钱高。由于数据产品及效劳仍处于市场起步阶段，生意双方均面临投入产出比不确定性较高的问题，与此同时市场尚缺乏有用约束生意双方行为的机制，进一步阻碍了数据价值的施展与权衡。
鉴于此，国家层面政策和制度供应可以主要围绕以下方面开展：
一是统筹推进数据资源化、产品化以及数据资源和资产的入表评估各项事情。好比财务部于2023年8月21日制订印发《企业数据资源相关会计处置惩罚暂行划定》，近期又果真宣布《关于增强数据资产治理的指导意见》。但这两份文件关于数据资源和资产的界定并不明确。数据资源可以入表，但其估值应较量守旧以阻止资产泡沫；但对已证实晰市场价值的数据资产，可以适当基于其市场潜力给予更高估值以激励数据产品的供应。
二是使用刺激性政策增进企业对数据资产的供应和需求。可以思量的政策工具包括：
（1）加大数字基础设施和科技研发投资，加大云盘算、5G、物联网、人工智能应用的使用率，降低企业开发和使用数据的本钱；
（2）为企业数字化和数据资产化提供更多信贷、债券、股权等融资工具支持。
三是在各地数据要素流通先行先试中充分验展市场的价钱发明功效，实时汇总并推广量化数据资产的履历做法及相关数据资产价值，为更多的潜在加入者提供参考并降低市场的信息差池称。
作者单位：伟易博
