一、数据来源
数据可以是数字、文字、图像、符号等，它直接来自于事实，可以通过原始的观察或度量来获得。原始数据是通常是对物体特征的表达，通过数据加工、数据清洗等步骤，转化为我们需要的高质量数据，随着数据的积累，可以形成大数据库，基于数据的分析结果可以产生信息和知识，起到辅助决策的作用。数据按照不同产生主体可以分为个人数据、企业数据和政府数据，个人数据通常在浏览网页、使用APP时被第三方采集进行市场拓展和产品优化；企业数据通常在开展业务的过程中产生，商业机密性较强；政府数据是在政务过程中产生的数据，是开放性数据库的建设主体。
二、数据价值
托马斯提出的DIKW体系认为数据通过整理形成信息，信息经过归纳成为知识，知识经过思考成为智慧。“数据+算法+算力”通过精准推送人们喜欢的内容成就了“以用户为中心”的互联网企业，通过赋能智能化生产方式成就了“以产品为中心”的高端制造企业。数据不能单独产生价值，但作为一种新型生产要素，可以通过和其他要素的结合，实现价值倍增。
三、数据资产
资产是指个人或企业通过过去的交易或者事项形成的、拥有或者控制的、预期会带来经济利益的资源。数据成为资产的条件是完善的数据确权、数据安全、数据交易制度。在数据资产化的条件尚未成熟时，数据产品已经成为很多企业的主营业务。通过搜集开放型数据，打造自己的数据服务产品，进而获取收益是一种典型的反脆弱商业模式。由于数据的低成本复制性和确权制度的不完善，数据产品被转卖也是一种常见形象。2022年12月，国务院发布的《关于构建数据基础制度更好发挥数据要素作用的意见》提出加快构建数据基础制度，充分发挥我国海量数据规模和丰富应用场景优势，激活数据要素潜能，做强做优做大数字经济，增强经济发展新动能，构筑国家竞争新优势。数据资产化旨在最大化释放数据的核心价值以及流通性。无论对于个人还是企业，提早布局数据资产，才能参与分享数字经济时代的红利。
四、数据定价
数据可以产品化为数据包、数据 API、数据报告和数据服务等。从成本视角出发，在搜集及存储数据、整合数据资源、形成数据产品、产品运营及售后服务的过程中所耗费的人力、物力、设备等成本可以定义为数据要素的价值，然而无法解决数据效用随时间变化增值或贬值的问题。从收入视角出发，通过评估数据所能产生的未来现金流，来定义数据产品当前折现价值，然而难以量化数据对未来的经济影响，且无法解决对于不同主体，数据经济价值不一致的问题。从市场视角出发，以数据市场价格为基准，通过比较相似数据的成交价格，评估尚未流通的数据价值，不足在于对参照物的选择难以确定。除了传统的单一视角评估方式，也可从综合视角来探索数据价值，通过划分数据维度，设计不同指标的权重，采取打分的方式量化数据价值，不足之处在于主观性较强，指标的选择和最终的结果未必被市场认可。此外，通过机器学习法来进行数据要素价值的动态评估，通过建立数据要素所有者、数据交易中间人、数据购买者的博弈模型来确定数据价值，通过问卷调查搜集用户对于数据的支付意愿，进而评估数据价值，基于数据势能建立数据价值评估模型等思路也在不断尝试中。
数据是如何成为资产的？ 
408
0
