翁 翕
本期概想概览
l 数据资产化是一个多层面的概想 ，涉及将数据转化为拥有经济价值的资产。数据资源化和资产化的过程可分为资源化、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主题。
l 拥有资产化潜力的数据宽泛散布于多个行业 ，例如银杏注IT、零售、医疗保健等 ，并涵盖车联网、供给链治理和消费者数据等多个类别。随着天生式人为智能技术的发展 ，数据资产化的需要预计将进一步增长。
l 全球数据资产化市场在急剧增长 ，大型企业当吓宗中幼企业 ，北美市场当先于欧洲 ，但亚洲市场增速最快。欧美蓬勃国度在数据产业发展受骗先 ，但同时也面对数据战术规划与现实执行之间差距较大的问题。
l 我国数据资产化面对供给不及、需要疲弱和买卖成本高的问题。国度层面应两全推动数据资源化、产品化及入表评估工作 ，利用刺激性政策推进数据资产的供给和需要 ，并充分阐扬市场的价值发现职能 ，降低信息不合称。
一、数据资产化的具体内涵
数据资产化并不是一个国际公认的概想 ，在好多方面都处于索求状态 ，并没有一个统一的界说。此刻公认的见解是把数据资产化与数据资源化等量齐观 ，但对数据资源化和数据资产化的具体内涵也有好多分歧的理解。
一种是偏经济学的视角 ，将数据资产化理解为“通过有效使用数据 ，将其转化为拥有可衡量经济价值的资产的过程”。在这个视角下 ，首先要进行数据资源化 ，也即通过数据采集、数据整顿、数据聚合和数据分析等活动 ，使得数据变得可用（类迸宗石油开采） ，其次再进行数据资产化 ，也即通过对数据的挖掘和提炼 ，使之成为拥有贸易价值的资产（类迸宗石油炼化）。通常数据可通过以下方式实现资产化：在内部利用数据来提高运营效能或推动创新、向客户提供基于数据的服务或产品、与合作同伴互换数据、向第三方销售数据或授权数据许可等等。
另一种是偏金融学和管帐学的视角。在这个视角下 ，上述的数据资源化和资产化多数被归于数据资源化的领域 ，而数据资产化重要是为相识决数据密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教授就持这种概想 ，她在2023年颁发于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致反自于其所占有的数据资产 ，所以必要发展出新的定价工具来衡量数据资产的价值 ，好比可通过比力使用数据资产之前和之后的业绩指标 ，蕴含但不限于收入、成本微风险等 ，来鉴别和量化数据资产的潜在投资回报率。
总结而言 ，能够将数据资源化和资产化的过程划分为三个阶段：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要开发有关产品和服务 ；三是可测化 ，为每项基于数据的产品或服务确定可买卖和丈量的计价单元 ，并将有关买卖纳入企业的财政、合规、风控等流程。若是把数据资产化广义理解为阶段二+阶段三 ，其发展空间巨大 ，能够说是数据身分市场建设最主题的组成部门。但若是把数据资产化理解为阶段三 ，其发展空间就依赖于数据资源化和产品化的水平 ，出格是在没有很好地实现数据产品化的基础上就过度强调资产化 ，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。对于广义的资产化 ，公共数据资产化能够引发市场活力、提升政务效能、创造社会价值。公共数据资产化能够通过提高企业盈利能力、带头就业、节约当局运行成本等方式 ，间接增长财政收入。鉴于公共数据的特殊属性 ，必要更关注其定价和使用主体等问题。
固然公共数据的运营是以非投机性为重要主张 ，但从提高市场配置效能的角度来看 ，必须支持公共数据的有偿使用。一方面能够赔偿公共数据运营成本、激励数据资源开发、提高数据和服务质量 ，另一方面通过市场价值机造也能够更好地疏导当局开发真正有价值的数据产品。但同时公共数据的定价应以成本为参考基准 ，不应收取过高使用用度 ，应允许企业保有一部门通过合规、有效使用公共数据获得的收益 ，以推进数据价值越发充分地开释 ，从而为当部门门带来更持续、更宽泛的回报。
从保险收益分配平正的角度来看 ，不应为任何市场主体提供独家公共数据服务 ，同时 ，在切合司法律规和安全隐衷等要求的前提下 ，也不应将任何主体排除于公共数据的使用。对于科研院所和中幼微企业 ，可提供用度减免或无偿使用的选项。对于有较强盈利能力及市场摆布职位的企业 ，应通过允许其竞争敌手使用一样的公共数据服务 ，来遏造不正当竞争行为。
但对于狭义的公共数据资产化而言 ，就应如前所述 ，出格警惕数据资产化前行于数据产品化。这性质上还是必要两全推动数据资源化、产品化以及数据资源和资产的入表评估各项工作。
在后文论说中 ，重要选取广义界说（产品化+可测化）来理解数据资产化。
二、数据资产化的种类
哪些数据有资产化的潜力？能够参考岁首国度数据局结合16个部门共同印发的《“数据身分×”三年行动打算》中提及的12个沉点行业。在这12个沉点行业的基础上 ，还能够参考此刻普遍预测以为天生式人为智能（AIGC）技术最有可能被宽泛利用的几个领域。AIGC大模型的训练必要以海量数据为基础 ，因而在有辽阔利用远景的领域中 ，也最可能催生出数据资产化的需要。
当前罕见据资产化潜力的重要行业具体蕴含：银杏注金融服务和保险、IT 和电信、零售和电商、医疗保健、工业造作、传媒和娱乐等。
有资产化潜力的数据重要蕴含以下几类：
（1）车联网数据：汽车造作商数据、传感器数据、地位、路况、驾驶行为、行程、商家数据、交通规划 ；
（2）供给链与物流：供给商关系数据、物流数据、库存数据、采购数据 ；
（3）消费者数据：特点标签、财政习惯、买卖行为、社交网络 ；
（4）贸易数据：产品特点、品牌及销售情况、营收及财政数据 ；
（5）地理、遥感和形象数据：地位、导航、形象、卫星数据 ；
（6）公共数据：人丁普查、工商注册信息等。
三、数据资产化的国际经验
国际上 ，由于疫情加快了数字化转型和云技术的利用 ，数据资产化发展迅速。其中 ，大型企业当吓宗中幼企业 ，北美当吓宗欧洲 ，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年将达到104.1亿美元 ，复合年增长率为19.98% ，这将由天生的数据量不休增长、数据资产化意识以及贸易智能和分析、云推算、区块链、物联网、社交网络和新业务模式等推动。当前 ，大型企业份额最大 ，占比67.6%。中幼企业增速更快 ，复合年增长率可达29.3% ，重要通过云推算等工具降低其数据资产化的成本。北美地域基于物联网和云推算的遍及、以及由此产生的数据量激增 ，为目前最大的数据资产化市场 ，占全球32.9%。由于占有最大的消费者基础和智能手机用户 ，再加上人为智能、物联网和大数据分析的急剧遍及 ，亚太地域被以为将成为增长最快的区域市场。
欧美等蓬勃国度在数据产业的发展、数据产品化水平等方面均大幅当吓宗我国 ，因而这些国度都不是出格强调“数据资产」剽个概想 ，对于数据密集型企业也没有出格奉行数据资产入表。但由于这些国度均占有比力完整的本钱市场 ，通过对标行业的标杆企业 ，也能对数据资产进行比力好的估值。近些年来 ，一些欧美企业发展的数据资产化案例蕴含：
（一）使用数据作为融资抵押品。好比大量美国航空公司利用其会员嘉奖项目作为抵押品 ，以应对疫情造成的财政压力 ，其中美国航空公司 American Airlines筹集了 100 亿美元 ，创下了融资纪录。从前必要数月能力实现的数据资产价值评估 ，此刻通过软件和机械进建技术仅需 24 幼时。
（二）成立数据买卖平台。如Datarade 或 Eagle Alpha 等数据买卖平台 ，通过衔接买家与卖家 ，并提供推广、销售、数据处置和许可买卖等服务 ，援试祗业更容易地将其数据以产品或服务的大局转化为新的收入起源。
（三）在企业并购估值时起头思考数据产生的潜在影响。一方面 ，起头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 ，草创企业能够通过对数据优良的治理 ，预防数据价值评估中的故障 ，并在并购交涉中阐扬数据资产的沉要作用。
此表 ，国表监管部门如美国FTC最近出台了更严格的对社交媒体、游戏和教育平台利用青少年数据获取收入的政策 ，以限度基于数据的在线把持、有主张的令人上瘾的设计以及歧视性营销行为。
欧美蓬勃国度当前在数据资产化方面也面对好多问题和挑战 ，其中最重要的是数据战术与执行之间存在差距。
IDC 估计 ， 2023 年欧洲约有95% 的组织使用某种大局的表部数据。然而 ，最近一项涵盖 34 个国度/地域、 400 多家公司的钻研显示 ，只有十二分之一的公司齐全将其数据资产化 ，重要由于大无数公司不足网络和存储数据的基础设施。此表 ，很多公司没有资源或专业知识来分析他们网络的数据并将其转化为可行的业务决策。在 2022 年数据和 AI 辅导力高管调查中 ，New Vantage Partners 调查了 94 名财富 1000 强企业高管。调查发现 ，固然 64.3% 的组织专一于增长和创新数据打算 ，但其中只有 26.5% 的公司创建了数据驱动型组织。因而在数据资产化领域我国齐全有潜力可能通过逾越式发展实现弯路超车。
四、当前数据资产化面对的重要问题及对策建议
我国数据资产化面对的最凸起问题涉及供给、需要和买卖成本三个方面：
一是供给不及。重要体此刻企业整体数字化水平不高 ，数据开发利用及有关技术和服务的用度较高 ，以及企业数据资产化所需的前期投入的融资难度较大。
二是需要疲弱。重要体现为市场对数据产品和服务的认知不及和付费意愿低 ，此表也与企业对短期回报的偏好有关。
三是买卖成本高。由于数据产品及服务仍处于市场起步阶段 ，买卖双方均面对投入产出比不确定性较高的问题 ，与此同时市场尚不足有效约束买卖双方行为的机造 ，进一步故障了数据价值的阐扬与衡量。
鉴于此 ，国度层面政策和造度供给能够重要萦绕以下方面发展：
一是两全推动数据资源化、产品化以及数据资源和资产的入表评估各项工作。好比财政部于2023年8月21日造订印发《企业数据资源有关管帐处置暂行划定》 ，近期又公开颁布《关于加强数据资产治理的领导定见》。但这两份文件对于数据资源和资产的界定并不明确。数据资源能够入表 ，但其估值应比力守旧以预防资产泡沫 ；但对已证了然市场价值的数据资产 ，能够适当基于其市场潜力赐与更高估值以激励数据产品的供给。
二是利用刺激性政策推进企业对数据资产的供给和需要。能够思考的政策工具蕴含：
（1）加大数字基础设施和科技研发投资 ，加大云推算、5G、物联网、人为智能利用的使用率 ，降低企业开发和利用数据的成本 ；
（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。
三是在各地数据身分流通先行先试中充分阐扬市场的价值发现职能 ，实时汇总并推广量化数据资产的经验做法及有关数据资产价值 ，为更多的潜在参加者提供参考并降低市场的信息不合称。
作者单元：J9集团国际站
