数据资产指组织或个人拥有或控制的具有经济价值的数据。数据资产化指将数据从原始状态转化为具有经济价值的资产的过程，是数据价值实现的核心环节。2024年1月1日起，财政部印发的《企业数据资源相关会计处理暂行规定》正式施行，为企业数据资源的会计处理提供了明确的指导原则，标志着我国在数据资产入表方面正式进入实际操作阶段，对赋能企业经营管理、推动经济高质量发展具有重要意义。本文阐释数据资产化的内涵，分析数据资产化发展现状、实践案例及难点，并提出相关建议。

1. 数据资产化定义

数据是具有独特属性的生产要素。与土地、劳动力、资本、技术等传统生产要素相比，数据要素具有非耗尽性、非排他性、非均质性、无形性、可复制性、易变性等特点，是数字经济的核心要素，也推动了传统生产要素的数字化变革。

释放数据要素价值，需要经过数据资源化、资产化、资本化三个阶段。数据资源化包括对原始数据的挖掘、识别、获取和资源化利用，是释放数据价值的第一步。数据资源被识别、获取后，进入利用阶段，由于数据资源分布、质量、需求等差异，就产生了数据资源流动的需求，从而催生数据要素流动机制。

数据资产化是将数据从原始状态转化为具有经济价值的资产的过程。资产通常指由企业过去经营交易或由各类事项形成、被企业拥有或控制并预期会给企业带来经济利益的资源。数据资产则是由企业或个人拥有或控制、能够为企业带来预期经济利益，以物理或电子方式记录的数据资源。数据资产化意味着企业将数据视为一种有价值的资产进行管理和运营，如企业将生产经营和管理活动中产生的客户数据、运营数据、市场数据等转化为资产，通过有效的管理运营产生经济效益。

数据资产化使得数据价值像金融资本一样可度量，并基于资产价值进行交易，从而使数据成为可以经营的产品（商品）或服务，并可衍生出新的产品（商品）或服务，即数据资本化。类比其他生产要素通过资产资本化、资本证券化实现增值的过程，数据资产化后，可以通过数据资产入股、数据资产信贷、数据资产信托、数据资产证券化等资本化流程实现数据收益杠杆化，如企业以合规的数据资产向银行申请质押融资贷款。

数据资源化、资产化、资本化是数据要素价值链的不同阶段，资源化是资产化的前提，资本化是资产化的后续；资产化是数据价值化的前提，也是对数据预期收益的归属进行确权的过程。因此，数据资产化的关键前提是明确数据产权，通过建立完善数据产权制度，确定数据所有权、使用权、经营权等权益，才能基于数据资产的价值进行流通与交易，实现数据要素社会化配置（如图1所示）。

2. 数据资产化核心环节

根据数据资产的内涵，数据资产化有两个核心环节：确定产权归属和发挥经济价值。2022年12月，《中共中央 国务院关于构建数据基础制度更好发挥数据要素作用的意见》（简称“数据二十条”）出台，奠定了数据要素市场基础制度体系的“四梁八柱”，明确了公共数据、企业数据、个人数据三个基本分类；在数据分级分类的基础上，提出建立数据资源持有权、数据加工使用权、数据产品经营权等分置的产权运行机制，推进数据确权授权使用，促进数据要素价值创造和价值实现。

实现数据使用权交换和市场化流通，除了可交易，还要容易定价。“数据二十条”提出建立合规高效、场内外结合的数据要素流通和交易制度，完善和规范数据流通规则，构建促进使用和流通、场内场外相结合的交易制度体系，培育数据要素流通和交易服务生态，探索多样化、符合数据要素特性的定价模式和价格形成机制。

“数据二十条”还提出建立高效公平的数据要素分配制度，按照“谁投入、谁贡献、谁受益”的原则，保护数据要素各参与方的投入产出收益，依法依规维护数据资源、资产权益，为数据资产化、资本化指明了发展方向。

1. 逐步建立中央和地方数据基础制度体系

“数据二十条”对构建数据产权制度、数据要素流通和交易制度、数据要素收益分配制度、数据要素治理制度做出顶层设计，为数据资产管理和利用提供宏观政策指导。随后，中共中央、国务院及相关部委和地方政府相继出台一系列规划、法规和指导性文件，推动数据基础制度建设，完善数据要素市场发展机制，促进数据要素价值释放。

中共中央、国务院2023年2月印发的《数字中国建设整体布局规划》提出，数字中国建设按照“2522”的整体框架进行布局，即夯实数字基础设施和数据资源体系“两大基础”，推进数字技术与经济、政治、文化、社会、生态文明建设“五位一体”深度融合，强化数字技术创新体系和数字安全屏障“两大能力”，优化数字化发展国内国际“两个环境”。

同年8月，财政部印发《企业数据资源相关会计处理暂行规定》，明确数据资源的确认范围和会计处理适用准则及列示和披露要求，推动数据资源作为“资产”进入企业负债表，为企业评估和管理数据资产提供了依据。

同年9月，中国资产评估协会印发《数据资产评估指导意见》，对数据资产进行明确定义，对数据资产评估对象、操作要求、评估方法和披露要求进行详细规定，为数据资产评估实务提供指引。

同年12月，财政部印发《关于加强数据资产管理的指导意见》，提出明晰数据资产权责关系，明确数据资产管理各方权利和义务，完善数据资产相关标准，规范和加强数据资产管理，健全数据资产价值评估体系。

同年12月，国家数据局等17部门联合印发《“数据要素×”三年行动计划（2024―2026年）》，选取12个行业和领域，以推动数据要素高水平应用为主线，以推进数据要素协同优化、复用增效、融合创新作用发挥为重点，强化场景需求牵引，带动数据要素高质量供给、合规高效流通，培育新产业、新业态、新模式，充分发挥数据要素乘数效应，赋能经济社会发展。

与此同时，北京、浙江、深圳等地陆续出台数据领域相关条例和指导性文件，为数据资产化注入动力。

深圳市继2021年6月出台国内数据领域首部综合性立法《深圳经济特区数据条例》后，2022年9月出台《深圳经济特区数字经济产业促进条例》，提出推动建立数据资产评估机制、构建数据资产定价指标体系、制定数据价值评估准则。

2023年6月，北京市出台《关于更好发挥数据要素作用进一步加快发展数字经济的实施意见》（简称“北京数据二十条”），提出探索建立结构性分置的数据产权制度，完善数据收益合理化分配机制，培育发展数据要素市场，大力发展数据服务产业，加快建设数据基础制度先行区；开展数据资产登记和数据资产质量、价值评估，为数据资产流通提供价值和价格依据。

2023年12月，浙江省出台国内首个针对数据资产确认的地方标准《数据资产确认工作指南》，明确“数据资源”“数据资产”“数据资产确认”等相关术语和定义，填补了数据资产确认标准领域的空白。

2. 先行先试探索数据资产化

各地在开展一系列制度、政策创新的同时，围绕数据供给体系、数据确权制度、数据定价体系、数据交易制度等积极开展试点，先行先试探索数据资产化，激活数据要素价值。

数据产权界定和确认是数据资产化的前提。2023年12月29日，国家知识产权局办公室印发《关于确定2024年数据知识产权试点地方的通知》，在北京市、上海市、江苏省、浙江省、福建省、山东省、广东省、深圳市等首批8个试点地方基础上，新增天津市、河北省、山西省、安徽省、河南省、湖北省、湖南省、贵州省、陕西省等9个地方共同作为2024年数据知识产权试点地方。

2023年6月，深圳市发展改革委印发我国首个数据产权登记规范性法律文件《深圳市数据产权登记管理暂行办法》，对数据产权登记主体、主管机关、登记流程、监督管理、法律责任等作出具体规定。

2023年5月，北京市知识产权局、经济和信息化局、商务局、检察院联合发布《北京市数据知识产权登记管理办法（试行）》，提出建设全市统一的数据知识产权登记平台，明确数据知识产权的登记对象、登记内容、登记程序、管理监督等，在数据资产登记、评估、入表、交易、融资和司法保障等方面进行了探索创新。

2024年以来，北京市积极推进《数据资产登记指南》《数据资产质量评估指南》《数据匿名化处理实施指南》《数据资产合规入表指南》《数据可信流通跨域管控技术规范》等地方标准的编制工作。

在要素市场中，价格是集中反映要素在社会化生产中价值贡献度和供需关系的核心指标，也是要素流通的前提。

2023年2月，贵阳大数据交易所上线自主研发的全国首个数据产品交易价格计算器并建立了估价模型，以数据产品开发成本为基础，综合考量数据成本、数据质量、隐私含量等多重价值修正因子对于数据产品价格的影响，结合预估的商业模式、市场规模，评估计算数据产品价格，为数据产品交易双方议价提供参考，旨在促进数据要素高效配置、公平交易和自由流动。

同年7月，上海市发布《立足数字经济新赛道推动数据要素产业创新发展行动方案（2023―2025年）》，提出探索数据产品定价模型和价格形成机制，构建数据交易价格评估指标体系。

3. 各行各业数据资产化实践

随着数字技术快速发展和数字经济蓬勃兴起，数据资产化进程加快，企业数据资产开始在数据要素市场交易流通。

2022年10月12日，北京银行城市副中心分行为罗克佳华科技集团股份有限公司办理1000万元数据资产质押融资贷款，这是全国正式落地的首例数据资产质押融资贷款。2023年4月，深圳数据交易所协同光大银行深圳分行和第三方服务机构，为深圳微言科技有限责任公司成功办理全国首例1000万元无质押数据资产增信贷款。2024年2月，上海数据交易所与中国建设银行上海市分行深度合作，为上海寰动机器人有限公司发放首笔“数易贷”数据资产质押贷款，实现数据资产“确权―评估―质押―贷款”全流程贯通，是数据资产化在金融领域的重要突破。

企业数据资产化的重要步骤是数据资产入表。

2023年10月，浙江省温州市大数据运营有限公司的数据产品“信贷数据宝”完成数据资产确认登记，这是基于温州政务区块链“数据资产云凭证”体系研发的数据产品，通过个人或企业授权后，为金融机构提供信贷业务相关数据服务，简化了申贷材料和申贷流程，提高了银行授信审批效率及核查精准度。

2024年1月，浙江大数据交易中心与多家数据资产管理咨询服务公司、数据质量评价公司、资产评估机构和律师事务所等组成联盟，帮助浙江五疆科技发展有限公司“化纤制造质量分析数据资产”完成全国首单工业互联网数据资产入表。

据企业公开披露和媒体报道的信息，2024年以来，成都产业投资集团有限公司、广东省交通集团有限公司、天津市河北区供热燃气有限公司、青岛华通国有资本投资运营集团有限公司、无锡市梁溪经济发展投资集团有限公司、成都市金牛城市建设投资经营集团有限公司、泉州交通发展集团有限公司、北京亦庄投资控股有限公司、南京公共交通（集团）有限公司、天津港投资控股有限公司等13家城投企业完成数据资产确权入表，展示了数据资产化在城市治理和公共服务领域的潜力。

1. 数据资产确权模糊

数据资产权属界定是目前制约数据资产化的首要难题。数据资产确权难点在于数据生成过程中所涉及主体的复杂性。

例如，企业生产经营过程中产生的大量数据中包括客户数据，在数据商用过程中需要明确客户作为数据提供者和企业作为数据采集者对这些数据的产权界限，而目前缺乏成熟的数据产权制度和机制对此进行界定。此外，数据从产生之时就涉及个人、企业、政府部门等多个主体，数据挖掘、加工等再创造过程又会与更多的主体产生关联，其权属难免存在多重性，不易划分。

2. 数据资产价值评估认定难

由于传统的企业财务指标难以完全涵盖数据的价值，使得数据资产价值评估面临挑战。

首先，数据资产具有不稳定性，影响其价值的因素众多。例如，数据资产价值可能会因技术进步、市场需求的变化而变化。其次，数据资产预期收益具有不确定性。数据资产的评估认定需要先确定哪些数据可以产生预期收益，但由于数据使用方式的多样性和数据资产的不稳定性，数据资产的收益预测面临难题。例如，当数据能够通过市场交易被用户消费和使用时，由于不同的用户有着不同的需求和不同的使用方式，数据产生的价值会存在差异。

3. 数据资产入表难

数据资产入表是推动企业数据资产化的重要一步，但处于起步阶段的企业数据资产入表面临不少难题。

一是数据估值不够精确导致企业数据资产难以反映出其真实价值。二是不同行业和领域、不同性质的企业面临数据资产入表的路径探索和选择困难。三是数据资产入表目前仍处于企业或地方探索阶段，尚未形成可复制推广的系统成熟经验，制约了企业数据资产化后的进一步开发利用。

4. 缺乏配套统一的数据资产管理体系和管理工具

数据资产化既要重视数据资源到数据资产的转化过程，更要重视数据资产管理。目前大多数企业数据管理体系尚未健全，管理工具不足，给企业数据资产化造成障碍；企业之间数据管理标准和规范不统一，降低了数据的可用性、相互操作性和一致性，容易在企业之间形成数据孤岛。同时，数据管理体系不健全也给企业带来数据资产管理运营的合规风险。

5. 缺少数据管理专业人才

数据资产化涉及确权、评估、定价等多个步骤，在数据交易流通过程中也需要大量熟悉数据管理的专业人才。目前我国数据管理人才存在大量缺口，人瑞人才联合德勤中国发布的《产业数字人才研究与发展报告（2023）》预测我国数字人才总体缺口为2500万〜3000万人。除了专业的金融科技人才，数据资产化要求企业相关传统岗位人员也应具备相应的数据管理知识和能力，如数据资产入表需要企业财务人员具备相应的数据资产业务管理和操作能力，否则会导致企业无法有效地将数据资产从传统资产负债表中剥离和进行核算。

1. 数据资产化发展趋势

数据资产化服务于企业数字化转型升级。数据资产化是企业数字化转型的高级阶段，意味着企业能够将数据作为一种有价值的资产，对其进行有效管理和利用，从而实现业务模式和运营管理模式创新变革，给企业带来更多的商业机会和经济回报。随着数字化转型的深入，企业数据体量呈爆炸式增长，管控数据生产和使用成本、筛选有价值的数据、提高数据使用效率和回报率成为企业数字化转型的关键，这也是数据资产管理的重要目标。

数据资产化服务于数字经济与实体经济融合发展。数据资产化可以提高数据要素的供给质量和效率，促进数据要素优化配置和利用。随着“数据要素×”行动深入开展和数据资产管理制度逐步建立完善，数据要素在更多行业和领域拓展应用场景，数据资产将支撑数字经济和实体经济的深度融合发展，推动经济高质量发展。

2. 对企业数据资产化的建议

将数据资产化确立为企业战略。数字经济时代，数据已成为企业的核心资产和生产要素，将数据资产化确立为企业战略之一，有利于企业以数据驱动决策、管理和业务模式创新，使得数据要素渗透于企业管理流程、业务流程的各个方面、各个环节，从而不断提升企业生产经营效率、效益。

建立完善数据资产管理体系。在将数据资产化确立为企业战略的前提下，企业还需要加强数据资产全生命周期管理，构建涵盖数据资源挖掘、识别、获取和数据资产开发、认定、确权、登记、评估、运营、交易流通、会计处理、风险管控等环节的数据资产管理体系和完善的规章制度，使得数据资产管理有章可循。同时，企业可以融合应用大数据、云计算、人工智能等技术，搭建数据资产管理平台，作为支撑数据资产管理体系运行的载体和技术工具，助力企业高效管理和运营数据资产。数据资产管理平台不仅要具备数据资产注册、分类、监控和报告功能，并且要具备数据资产智能化分析和管理等功能，从而提高数据资产的可见性和可用性。

加强数据资产风险管控。一是要持续跟踪监测与数据资产相关的政策变化，深入分析政策变化对企业数据资产管理的具体影响，精准识别、有效应对政策变化带来的机遇与挑战。二是要重视数据安全和个人隐私保护，遵守相关法律法规，建立完善数据资产风险管控体系及风险审查、审计机制，加强数据资产的质量、数据算法的科学伦理等风险管控，确保数据资产管理业务操作符合标准规范，在合法合规前提下开展数据资产运营管理工作。

建立内外协同的数据资产流通机制。对内，企业要建立数据资产运营流通体系，保障从数据资源到数据资产的内部路径畅通，不断提升数据产品、数据资产开发和运营能力。对外，企业可以与业务合作伙伴共同构建数据共享、交换、流通、应用生态，扩大数据资产应用范围，创造更多的商业机会，充分释放数据要素价值。

加强数据资产管理运营人才培养。面对数据资产入表的新要求，企业需要在会计处理、数据管理、法务、审计等方面具备与之相匹配的能力，这既要求相关传统岗位人员提升自身业务素质和能力，也要求企业拥有掌握数据资产开发、运营等能力的专业人才。为此，企业可以开展专题培训，对相关岗位员工进行系统的专业培训，使其具备与数据资产管理工作相匹配的业务操作能力。同时，企业也可以与相关高校和培训机构合作，定向培养数据资产管理人才。