數字經濟時代企業數據資產管理與研究

張艦 哈爾濱遠東理工學院經濟管理學院

引言

隨著互聯網、云計算、物聯網和人工智能等新一代技術的不斷發展，數字經濟發展邁入新的發展階段，全球數字經濟的規模加速增長，各國的數字經濟在國民經濟中占有的比例不斷增加，數字經濟正在創造經濟社會新的發展動力。

2019年，我國的數字經濟增加值規模達到35.8萬億元，占比全國GDP總量36.2%，占比同比提升1.4個百分點。按照可比的口徑計算：2019年我國數字經濟的名義增長率為15.6%，高出同期GDP的名義增速約7.85個百分點。（數據來源：《中國數字經濟發展白皮書（2020年）》）

2020年，我國數字經濟進一步發展，尤其是在新冠肺炎疫情和全球經濟下行雙重不利的條件下發揮著重要作用。2020年，我國數字經濟增加值規模達到39.2萬億元，占GDP的比重為38.6%，數字經濟在國民經濟中的地位日益凸顯。（數據來源：《中國數字經濟發展白皮書（2021年）》）

在全球經濟數字化的背景下，眾多企業開始探索數字化轉型之路。同時，更多企業開始關注數據資產管理，企業也由實體經濟階段邁入數字化轉型發展的階段，關于企業數字化轉型和數據資產管理的研究也開始逐漸興起。

數字經濟時代背景下，數據不再是單一的技術符號，正在逐漸演變成為一種重要的生產要素，從政府到企業對數據的重視程度都在不斷提高。伴隨著數字經濟的進一步發展，企業的一部分可將數據資源轉化為企業擁有或控制的數據資產，數據不再是虛擬工具和技術手段，而是能夠切實為企業帶來經濟利益的重要資產。

目前，相關學者研究數據資產主要集中在以下幾個方面：一是政府、行業以及社會服務部門基于提升數據治理能力的數據資產管理創新；二是以數據為主要產品的互聯網、信息技術以及金融企業數據資產的價值評估；三是基于企業資產管理和權益保護需要的數據資產安全管理。

由于相關法律的不健全以及實務操作的復雜性，盡管數據資產是企業一項重要資產已經成為普遍共識，但在實踐中，企業如何將數據轉化為資產以及如何利用、管理數據資產的相關研究還不夠深入。本文將以探究數據資產的內在屬性為出發點，通過相關研究分析，尋求數據資產形成的途徑，構建數據資產管理機制，以期為企業進行數字化轉型和有效進行數據資產管理提供借鑒和參考。

一、數據資產屬性的界定

（一）數據資產的定義

“數據資產”這一概念最早由理查德·彼得斯（Richard Peters）于1974年提出。理查德認為，數據資產是指企業持有的政府債券、公司債券和實物債券等資產。理查德提出數據資產的概念與如今數據資產的概念還存在較大差別，其更接近于現在的金融資產，而不是現在以數據要素為主構成的數據資產。隨著時間的推移，人們對數據資產的認識在不斷深入，其內涵和范圍也在不斷擴展。

李雅雄，倪杉（2017）[1]認為數據資產是指經過加工后能實現企業特定的商業目的并給企業帶來經濟利益流人的可計量的數據化資源。

朱揚勇，葉雅珍（2018）[2]認為數據資產是擁有數據權屬、有價值、可計量、可讀取的網絡空間中的數據資源，數據資產兼有無形資產和有形資產、流動資產和長期資產的特征，是一種新的資產類別。

目前，盡管關于數據資產的定義學界尚未有統一的定論，但在以下觀點上學者們基本趨同：數據資產是一種數據資源并可以為企業帶來經濟利益；數據資產具有資產的基本屬性，但又具有數據的某些特性，是一種新型資產；并非所有的數據資源都是數據資產，數據資產是那些可計量、可讀取、有價值的數據資源。

因此，本文認為數據資產是指由企業擁有或控制的、預期能為企業帶來經濟利益的可計量、可讀取、有價值的各種數據資源。

（二）數據資產的特性

數據資產首先應當符合資產的定義，具有資產的特定屬性，即數據資產預期可為企業帶來經濟利益的流入。同時，數據資產來源于數據的加工和整理，具有數據的某些特性，與傳統資產的定義有所區別。因此，數據資產兼具資產與數據的雙重屬性。具體來說，數據資產具有業務附著性、技術依賴性、可復制性、非排他性、時效性、價值不確定性等突出特性。

1.業務附著性

數據源自于業務，每一項原始經濟業務的發生都會產生相應的數據，從某種角度上說，這些數據是原始經濟業務的映射產品。企業對這些數據經過加工、整理形成了對企業經營決策和運營管理具有參考價值的高質量數據，此時的數據可稱之為數據資產。盡管數據資產具有了資產的屬性，其依然是原始經濟業務的映射產品，并不能單獨為企業創造價值。數據資產價值的實現必須依附于業務，即通數據資產促使業務端的整合與創新，從而增強業務為企業創造價值的能力。

2.技術依賴性

數據資產價值大小，取決于數據資產分析、加工、整理的質量。面對海量的數據源，并非所有數據都具有價值，數據獲取與加工同樣需要各種成本，只有經過專業的技術處理后數據資源才轉化為有價值的數據資產。因此，數據資產質量的高低很大程度上依賴于數據處理技術的好壞，而且即便是相同的數據資源，采用的技術處理角度與方法不同也會形成不同價值的數據資產。

3.可復制性

不同于其他資產的是，數據資產是可復制的，而且復制成本較低。使用數字資產時，可以獲取任意數量的副本，而不會降低數據資產的價值和質量。使用數據資產時也不會發生腐蝕或磨損等自然消耗現象。當然，數據資產的相關性可能會隨著時間的流逝而降低，但不會磨損或減少。

4.非排他性

數據資產是一種特殊的資產。與實物資產相比而言，數據資產不具有排他性，即同一數據資產可以被多次使用，也可以被多個對象共同使用。因而數據資產在物理上可以共享和多次使用，并由此而產生巨大的經濟效益與社會價值。

5.時效性

關于數據資產費用化目前尚無深入研究，其價值也并非因使用次數而減小。在企業核算中，固定資產折扣、無形資產攤銷都是有固定年限的，可按其原始成本進行折舊或攤銷。與之相比較，數據資產的價值更容易受到時間的影響，尤其是一些經營數據資產具有較強的時效性，企業收集整理這些數據耗費大量的人力、物力，一旦某些數據被公開或者過時，其能為企業帶來價值的潛力也即將消失，數據資產的價值不復存在。

6.價值不確定性

在數據資產的加工和價值發現過程中，最典型的特性是價值不確定性。數據資產的價值不因為加工而一定增值，也同時隨著訪問用戶角色不同和應用場景不同有大的差異。同一數據資產對于不同使用者來說，所能產生的價值是不同的。例如，網站上的服裝消費數據對于服裝企業來說要比食品企業更具價值。

（三）企業數據資產的估值與計量

1.數據資產的估值

數據資產的估值是數據資產管理的一個難點。當前，常用資產估值的方法主要有成本法、收益法和市場法三類[3]。成本法是指對資產價值的確認需要以其形成過程中耗費各項歷史成本總和進行估值；收益法是指對資產價值的確認需要以其預期為企業帶來經濟利益流入總量進行估值；市場法是指對資產的確認需要以其在市場交易日買賣雙方認可的價值進行估量。三種估值方法都有其合理性，可應用于不同類型資產的估值。

但由于數據資產的特殊屬性，其價值評估很難用某一常規方法進行準確衡量，應采用綜合估值的方法。在數據資產進行估值時，除了要考慮數據資產形成過程中耗費的歷史成本，也應對其預期帶來的經濟利益流入以及在交易市場上的公允價值進行估計。此外，對數據資產進行估值需要考慮更多方面的因素，如數據質量水平、不同應用場景和特定法律道德限制均對數據資產的價值有所影響[4]。除了采用傳統估值方法外，還應從質量、應用、風險幾個維度來綜合評估數據資產的價值（見表1）。

表1 數據資產價值的影響因素

盡管不同學者從不同角度提出了不同的估值方法，但在實際應用中應受到諸多限制，在法律政策層面、市場交易層面、企業實際操作層面均存在一定的困難，構建成熟的數據資產評估體系還需進一步研究探索。

2.數據資產的計量

數據資產的計量是數據資產管理的另一個難點，目前為止數據資產還沒有單獨設立會計科目進入資產負債表，一些重要的數據資產對企業產生的價值也無法直接以貨幣形式計量，這也是企業容易忽視數據資產價值創造的一個重要因素。

劉玉[5]認為應該在“無形資產”科目下增設“大數據資產”來核算數據資產，并且在其核算過程中使用無形資產的科目。

李雅雄，倪杉則認為應該針對數據資產單獨設置一個會計科目在資產負債表中予以反映。

從形式上看，數據資產與無形資產確有一些類似之處，如兩者都不是實物形態的非貨幣性資產。但在某些特性上兩者又存在顯著差異。數據資產難以單獨從企業經營管理中剝離出來，獨立地體現其價值，同樣的數據資產對不同企業產生的價值也很難相同，數據資產使用壽命具有很強的不確定性等。

這些差異都使數據資產明顯有別于其他類型的資產，因此本文更傾向于數據資產應單獨設立會計科目進入資產負債表，并對那些可用貨幣計量的數據資產以其獲取成本進行會計確認，記入企業資產總額。

伴隨著數字經濟的發展，數據資產的重要性將愈加顯著，對數據資產進行核算是一種必然趨勢，盡管當前數據資產在會計確認和計量上存在諸多困難，但數據資產計量的會計方法也將不斷改進，數據作為企業最有潛力的資產必定給企業創造更多的價值[6]。

二、企業數據資產價值及其實現方式

（一）企業數據資產價值

數據資產是一種新型資產，它的價值增長方式與傳統資產有著顯著差異，尤其對于資源有限的企業，如果能夠重視數據資產的潛能挖掘并持續不斷地把零散的、孤島式的數據轉變成為可利用的數據資產[7]，那么在不明顯增加其他投入或更新生產技術的前提下，企業也能創造巨大的價值空間，從而增強企業的核心競爭力，這是數字經濟時代賦予數據資產的價值擴增潛能。

（二）企業數據資產價值實現方式

企業數據資產價值的實現有兩種基本方式：一是數據本身可產生價值，數據資產價值實現的過程就是數據交易的過程，常見于以數據交易為主要業務的部分企業，屬于比較簡單的價值實現方式；二是利用數據資產為業務間接賦能實現價值，無論是企業戰略布局還是生產運營均可利用數據資產進行賦能進而提高決策和經營效果，常見于不以數據交易為主要業務的多數企業，其價值實現方式則相對復雜，主要通過以下幾種途徑來實現其價值。

1.運用數據資產打造企業核心競爭力

在數字經濟時代，企業如何利用數據資產進行合理的數據布局，打造企業未來的核心競爭力，占領未來的數據高地，將是各企業在未來的重中之重[8]。企業可基于海量數據分析，深度挖掘數據背后的信息，統籌數據分析整理，并制定企業深度信息化產品的應用解決方案，全方位、多角度助力企業發展。企業應充分運用數據資產，對企業內外部環境進行分析，精準把握產業發展動向，不斷整合與創新業務端，優化資本結構，建立適應動態發展的戰略體系，不斷強化自身優勢，打造品牌、管理與文化的核心競爭力。

2.運用數據資產組織智能化生產

企業可將生產數據加工形成的數據資產用以改善生產環節、降低成本，從而為企業創造更大的利潤空間。在對整個生產過程進行數據采集的基礎上，使主數據流和工業網絡、智能裝備、智能倉庫、智能系統等方面系統集成[9]，實現數據流貫通與共享。通過生產工藝數字化信息平臺建設，打通設計、工藝、制造之間的數據流，實現上下游高效協同，可以較高提高生產效率，降低生產成本。

3.運用數據資產精準定位客戶價值

企業可通過數據分析定位現有客戶與潛在客戶未來的價值。企業在商業活動中產生了大量的數據，包括商業數據、交互數據和傳感數據等[10]。商業數據主要來自企業的交易系統，包括企業與供應商、客戶的各種交易信息和收付記錄等。交互數據主要來自客戶的業務咨詢、市場問卷調查，各種社交媒體的消費意向等。傳感數據主要來自GPS設備、無線網絡、視頻監控設備等。通過對產生的各類數據進行歸集、分析，可掌握客戶的背景、消費心理、行為習慣、購買期望等相關信息。基于數據分析企業可將客戶及潛在客戶劃分為不同消費群體采用精準推送、個性化訂制、市場細分等銷售策略提升客戶的滿意度和忠誠度，創造更多價值。

4.運用數據資產優化財務管理

由于財務管理對信息數據的高度敏感，數據的完整性、準確性和及時性以及如何挖掘數據資產價值并為公司決策提供科學依據已成為財務管理由會計核算型向價值創造型[11]轉變的重要途徑。企業可通過打造一體化財務信息工作平臺，持續提升數據資產質量，運用構建仿真分析預測模型，有力支撐財務輔助決策智能化。企業可通過大數據、互聯網等技術，將數據資產全部進行指標化管理，實現重要指標展示、專業業務分析、多維數據搜索。充分利用資金數據資產，積極開展資金監控研究和探索，涵蓋資金收、支、余及資金預測，為企業科學決策提供可靠準確的財務支撐[12]。

5.運用數據資產提高產品研發質量

面對不確定的市場發展趨勢，企業產品研發存在較高風險。企業可以運用數據資產精確分析客戶需求，降低風險，提高研發成功率。產品研發的主要環節是消費需求分析，產品研發數據化的關鍵環節是數據收集、分類整理和分析利用[13]。

三、企業數據資產管理的實施路徑

（一）建立數據資產管理規范

數據資產能否產生價值受到其在企業內部流通性好壞的影響，數據資產在企業內部流通性越強，其創造價值的可能性就越大。根據數據資產的業務附著性可知，除了能夠直接交易的數據資產，大部分數據資產很難獨立為企業創造財富，必須依靠賦能業務產生價值。而一項數據資產只有在企業內部充分流通，才能尋找到與之相匹配的業務調整或創新，進而為企業創造價值。

在實踐中，出于管理需要企業經常被劃分成若干個業務單元或職能部門，企業內部存在多個業務系統，各類系統的開發流程很多還不一樣，日常生產經營的各類數據主要產生于各系統內部。盡管這些系統內部的數據管理都有各自的規則，但從企業整體的角度看，各類系統之間的數據并不兼容，缺乏統一標準，企業在日常經營活動中產生的各種數據資源僅能供系統內部使用，無法用于企業整體數據分析，很難實現系統之間數據資源的有效共享，造成了“業務墻”和“數據孤島”現象，數據資產價值擴增功能被囿于系統之內。

要實現企業數據資產價值就必須提高企業數據資產的流通性，而進行數據資產的規范管理是提高其流通性的必要條件。因此，企業應建立相應的數據資產管理制度與流程，統籌企業數據標準與質量規則，通過數據資產規范管理形成統一的數據標準。

歐美一些國家的企業數據管理的經驗值得借鑒，其企業在數據化過程中非常注重數據標準的統一性。在各類數據庫建立之初就構建了統一的數據標準，按照數據模型不同組合形成不同的數據系統，標準化的數據可在各數據系統之間共享和利用，大大減少了數據資產形成的成本。因此，針對企業數據資產應進行規范和梳理，根據自身的業務需求和特點建立相應的數據標準和規范，對現有不同的數據系統進行整合與改造，讓各類重要數據能夠在企業內部有效流通，為企業科學決策、改善經營管理提供可靠保障。

（二）構建立體化數據中臺

隨著數字經濟的發展，面對內外部環境，企業形成了更加復雜的業務模式和組織結構，并在每時每刻不間斷生產出大量數據。行業數據量的快速增長累積，促使數據結構、數據類型更加趨于多元化。企業經營場景的持續豐富和拓展，也引發了嚴重的數據質量、安全、成本等問題，在數據的管理和治理上面對前所未有的困難和挑戰。

如何精細化運營海量數據，指引業務進化路徑、實現新的增長曲線顯得格外重要，在這方面，無論是傳統廠商還是海外服務商，都沒有成熟的模式，而數據中臺成了解決這類問題的一種有效探索。

數據中臺以元數據管理和標準管理為基礎，通過建立組織保障和制度規范，構建多領域包括質量、安全、資源（成本）的核心解決方案和技術能力，并創新性地提出治理引擎，保障各領域治理問題閉環流轉，最終為企業和用戶提供多樣高效的數據服務。企業利用數據中臺將分散在各個應用系統數據庫中的數據通過 ETL 過程（抽取、轉換、加載）匯集到企業數據倉庫（EDW）[14]，經過數據治理再將這些資產化的數據以服務的形式共享給各個業務單元，滿足不同業務場景的數據分析需求。

企業數據中臺的建設需要實事求是、量力而行。因此，數據中臺在建設過程中不僅需要正確的方法論，更重要的是要有成熟的實施條件，同時需要一套完備實施的流程保障。數據中臺解決方案既包含數據技術平臺，也包含數據集成、數據建模、數據治理和數據應用。它通過集合需求調研、需求分析、架構設計、數據與應用開發、部署和測試運維等實施流程，形成了一個不斷循環、反饋而使系統不斷增長與完善的數據體系。在這個不斷完善的數據體系中，企業可以全面梳理數據資產，連接打通數據孤島，構建全域數據中心，實現業務數據化。

（三）打造高效管理團隊

目前，很多企業還沒有專門設立數據資產管理部門或者建立數據資產管理團隊，僅憑信息技術部門或者是業務部門很難獨立完成企業數字資產的管理工作。一方面，企業主要經營數據源于業務部門，信息技術部門只能進行數據的收集工作，但不能根據業務需求及特點進行有針對性的分析和甄別。另一方面，相關業務部門數據收集能力不足，難以利用專門的技術方法進行數據爬取，更不用說如何高效利用數據為業務賦能創造價值。

因此，企業在數據化轉型過程中，要高效利用數據創造價值，并形成高質量的數據資產，就必須打造高效的數據資產管理團隊。一個高效的數據資產管理團隊應該有明確的管理目標，數據資產管理要以客戶為中心，通過數據資產了解客戶需求和痛點，為企業提高產品和服務質量提供可靠數據支持。同時，數據資產管理團隊成員應該選擇企業各崗位中的精英，組成動態網絡型組成結構，以項目為中心，發揮組織不同成員的最大優勢，保持組織的快速應變能力和敏捷性，使數據資產管理和為企業實現價值更加迅速精準。

（四）企業數據資產安全管理

安全管理是企業數據資產管理中的重要工作，數據一旦變為可交易的產品，數據價值不可避免地與數據安全性相關聯。企業數據資產涉及企業經營管理、商業機密以及指揮中樞等重要活動，尤其是數字化企業，數據資產意義更為重大，其安全性直接影響企業的生存與發展，企業數據資產的安全管理主要涉及以下幾個方面[15]。

1.數據資產來源安全

企業數據資產的形成一般可分為三種情形，第一種是企業完全自主研發的數據資產；第二種是企業對交易過程中產生的各種數據進行加工后形成的數據資產；第三種是企業通過互聯網搜集加工形成或外購的數據資產。由于數據來源廣泛，其可能涉及數據權屬、國家秘密或公民隱私等問題。數據獲取的合法性是其形成數據資產并為企業創造價值的基本前提。數據本身并不一定具有價值，但數據資產一定要具有價值，因而在其形成過程還必須保持數據的準確性、及時性、完整性和一致性。

首先，要對各種數據進行分類分級管理，賦予不同人員處理數據的權限。其次，要對數據進行合法收集與獲取，對涉及國家秘密、商業機密和公民隱私的數據要進行脫敏處理；對涉及權屬劃分不清的數據要謹慎獲取。最后，要建立專門的組織機構和數據質量監控體系，保持數據資產形成的準確性、及時性、完整性，保證數據資產的質量水平。

2.數據資產存儲安全

數據資產存儲安全的目標是保障數據資產的完整、不受損壞、不被竊取。從數據資產發展的趨勢看，未來存儲安全的核心是以數據恢復為主，兼顧數據備份、數據擦除。在實踐中，企業應建立數據資產的存儲安全機制，要注意細節，不斷檢查，確保存儲解決方案繼續滿足業務不斷改動的需要。

首先，基于數據量增長、數據存儲安全需求和合規性要求制定適當的存儲架構，以實現對數據資產的有效保護。其次，通過建立數據資產訪問授權機制，防止非授權人員對數據資產的竊取的篡改。再次，通過定期開展數據的復制、備份和恢復，實現對數據資產的冗余性管理。最后，通過執行對數據資產存儲時效性的管理，對不再具有價值的數據資產進行定期清理，保證數據資產的質量安全。

3.數據資產交易安全

數據資產不通過正常交易渠道的流轉、復制會損害數據資產的稀缺性，降低數據資產的價值，而在流轉和復制過程中對數據資產內容惡意篡改的后果則更為嚴重，不但會改變數據資產的原有價值量，甚至會導致不可預料的損失。數據資產在非交易狀態下的流轉復制首要關注的就是數據安全，而在價值變現過程中的流轉復制除了數據安全，數據防篡改可能是同樣需要優先關注的問題。

4.數據資產銷毀安全

數據資產與固定資產相比因其虛擬性，是一種非實物資產，而報廢是針對具有實物形態的資產而言的，所以數據資產不存在報廢的情況[16]。但當數據資產時效性發生變化時，企業應對那些不具有價值的數據資產進行銷毀處理。此外，企業存儲數據資產的各種介質在棄置、轉售或捐贈前必須將其所有數據徹底刪除，并保證其無法復原，以免造成數據泄露，尤其是那些具有價值的數據資產。數據資產需要被銷毀而不是簡單的刪除，而需要采用專門的數據銷毀技術，以保證數據資產銷毀安全。

結語

綜上，在全球經濟數字化發展浪潮的引領下，中國的數字經濟正在向著更加互信、共享、均衡的方向發展，數據的“生產關系”正在進一步重塑[17]。中國企業數字化轉型方興未艾，數據資產的價值將被進一步挖掘，逐步成為企業構建核心競爭力的重要元素。伴隨5G網絡、大數據、云計算、人工智能和區塊鏈等新一代信息技術的融合發展，面對更加復雜并呈動態發展的內外部環境，任何企業都不可能“閉門造車、獨立發展”，企業對數據資產的依賴將與日俱增。

盡管數字經濟引領未來，數據資產未來將成為企業的核心資產這一認識被越來越多的企業所認可，企業數字化轉型以及如何有效進行數據資產管理仍面臨諸多挑戰，現實中存在著技術層面和政策層面的雙重困境。

一方面，伴隨著海量數據的產生，云計算、區塊鏈等技術的成熟與應用，各種數據之間的關系變得更為復雜，一些問題數據也匿藏在數據湖中難以被發覺，增加了數據資產化的難度。同時，數據資產價值實現也面臨諸多挑戰。阻礙數據資產價值實現的關鍵原因主要包括數據確權困難、數據估值困難和數據交易市場尚未成熟。企業如何有效管理數據資產仍需要進一步研究探索，企業耗費大量人力、物力形成的數據資產必須能為企業帶來更多的價值，否則數據資產就會演變為數據負債，這也是企業數據管理需要注意的問題。

另一方面，明確數據權屬是數據資產管理的前提，但目前在數據權利主體以及權力分配上存在著諸多爭議，數據資產化的相關法律尚未完善，數據的所有權、使用權、管理權、交易權等權益沒有被明確界定。數據也尚未像商標、專利一樣，有明確的權利申請途徑、權利保護方式等，對于數據的法定權利，尚未有完整的法律保護體系，這些現實問題都亟待相關法律完善后進行解決。