數據資產化：實現環節、驅動效應與實現路徑

【摘 要】 數字經濟時代，數據成為核心生產要素并對傳統市場形成顛覆性影響，數據資產化作為數據價值釋放的重要環節成為當前學術界關注的熱點問題之一。目前關于數據資產化的文獻日趨增多，但相關研究呈分散狀態?；诖耍旱谝?，文章在歸納數據資產概念的基礎上清晰了數據資產化的概念內涵；第二，從“數據確權—數據估值—數據流通”三個方面對數據資產化的實現環節進行分類述評，為建立系統性的數據資產化理論框架提供了依據；第三，從經濟及社會兩個維度闡述了數據資產化的驅動效應；第四，從數字技術創新、大數據能力提升及數據制度體系完善等方面探究數據資產化的實現路徑；第五，從數據資產化的主題延伸、方法創新和本土化設計三個方面提出未來展望。

【關鍵詞】 數據資產化； 概念內涵； 實現環節； 驅動效應； 實現路徑

【中圖分類號】 F270 【文獻標識碼】 A 【文章編號】 1004-5937（2024）19-0075-07

一、引言

數字經濟時代，數據打破壁壘與傳統生產要素跨界融合或不同類型數據間深度融合引發模式重構，進而產生價值倍增效應以實現數據資產化，成為繼自然資源、人力資源之后的新興戰略性資源。已有文獻從數據管理、數據價值實現、數據賦能等方面展開了論述。目前學術界針對數據資產化問題已有研究，現狀及存在的問題可歸納為如下三條：其一，學者依據側重點的不同對數據資產概念進行了界定和詮釋，但尚未達成較為一致的權威性共識；其二，現有文獻多基于單一理論分析數據資產化的實現環節和驅動效應，從多維度理論體系和具體應用場景探討數據資產化的文獻尚不多見；其三，已有文獻對數據資產化的實現路徑進行了探究，但相關研究較為分散，尚缺乏整合性探討。

對此，本文遵循“是什么—如何做”的邏輯思路，系統梳理數據資產化的相關文獻。首先，在對數據資產概念及特征進行梳理的基礎上，歸納了數據資產化的內涵和重要特征，以及由于前述特征所導致的數據資產化的現實挑戰。其次，根據“數據確權—數據估值—數據流通”的數據資產化實現環節，總結每一環節的已有研究結論及存在的困境。再次，從經濟及社會兩個維度梳理了數據資產化的驅動效應，為數據資產在實現企業價值增值效應方面提供了前沿參考。前述三項內容詮釋了數據資產化“是什么”的問題。最后，結合我國企業的生產經營技術特征，提出包含技術創新、能力提升和制度優化的數據資產化路徑，回答數據資產化“如何做”的問題。本文基于已有文獻的研究結論，嘗試提出未來研究的方向，對完善數據要素具有一定的理論意義，對推動我國數字經濟發展以及數據生態系統安全運行具有積極的現實意義。

二、數據資產化的概念內涵

（一）數據及其特征

數據并非天然的資產，其作為有價值的資源，資產屬性愈發凸顯。數據具有非競爭性和價值不確定性的特征，這些特征既促進了數字經濟社會的快速發展，也給數據資產的界定帶來了挑戰。首先，數據資產強調數據的經濟價值，而數據傳播利用的邊際成本較低，一旦產生便可能被迅速傳播和占有，從而稀釋了原始持有者能夠獲得的經濟利益。其次，盡管數據衍生于企業的生產經營活動，但與企業具體業務之間并非直接關聯，往往不能直接轉化為企業的經濟利益；許多企業通過“燒錢”對數據進行開發，但數據的潛在價值往往不能立即反映在企業的盈利中，甚至可能負向影響企業短期的盈利，造成企業經營困難的假象。最后，數據資產的價值在理論上是可以計量的，但在實際操作中，數據資產價值的大小取決于數據使用者的特定需求和具體的應用場景，這種不確定性導致數據資產的價值難以被精準衡量。迄今為止，數據仍未能作為一項新型資產在財務報表中得到確認。

（二）數據資產的概念界定

數據資產概念的起源和發展，公認的說法是Peterson首次使用了“數據資產”一詞，因當時對數據資源的認識不夠充分，Peterson只是將數據資產界定為持有的政府債券、公司債券和實物債券。隨著認知的擴展，數據資源引起了眾多國家和企業的關注，數據作為一項資產逐漸成為共識?！睹绹戃娦畔弥改稀罚?013）將數據資產定義為是“基于實體、系統或程序所提供的讀取數據的服務、數據庫、網頁和網站”。國內學術界對數據資產的概念界定呈現多元化特征：初始研究遵循企業會計準則將數據視為一般性資產（大數據戰略重點實驗室，2017）；之后，張俊瑞等[ 1 ]認為數據具有無形資產的特征，故類比無形資產對數據資產進行確權和估值；近期有學者將資產定義與數據特征相結合來界定數據資產，認為其是高質量的、擁有權屬和價值、可計量且可讀取的數據資源[ 2 ]。

（三）數據資產化的內涵特征

數據資產化是指遵循了加工、整合和價值挖掘等步驟將數據轉化為資產、使數據的潛在價值得到充分釋放的過程，其結果就是形成了具有經濟價值的數據資產[ 2 ]。從狹義上講，數據資產化是數據作為一項資產入表的過程，即將數據作為一項資產在企業資產負債表中進行確認，從而體現其內含的商業價值[ 1 ]。可見，從數據到數據資產形態演變的過程，本質上是數據價值實現的過程，并包含四個重要特征：第一，以數據資源為邏輯起點，數據資產化需要將數據從原始、無序的狀態轉化為有價值、可管理的資源；第二，以數字技術為內在支撐，數據資產化借助數字技術的通用性和嵌入性實現對數據要素的邊界突破，展現其價值內涵；第三，數據資產化是遵循數據確權、數據估值、數據流通的動態演進路徑實現的，是一個持續且復雜的過程；第四，以價值創造為目標導向，數據資產化強調數據價值增值和效益最大化，通過數據分析、挖掘并應用于具體的業務場景，來發揮數據資產的價值倍增效應。

三、數據資產化的實現環節

隨著數據研究逐漸深入，數據資產化衍生的各種問題引起學者的廣泛關注。本文根據數據資產化的運行邏輯，從“數據確權—數據估值—數據流通”三個方面對數據資產化的實現環節進行分類綜述，為建立系統的數據資產化理論框架提供依據。

（一）數據確權

明確的數據權屬是數據在要素市場中交易、流通的前提，也是實現數據資產化的先決條件。按照權限劃分，數據權利包括所有權、控制權、收益權、處分權等。其中，清晰界定數據所有權是數據確認為資產的關鍵，也是進一步明確數據其他權利主體和流通邊界的首要條件。數據具有非競爭性，可以被無限復制和分享，這提高了數據的流動性，促進了數據交易市場的發展，但也增加了數據的溯源成本和確權難度。為此，學者開始探索基于數據資源特性的新理論基礎，以及如何將這些理論應用于數據確權的實踐中。已有研究表明，目前有關數據權屬的分歧主要集中在個體和企業之間。

第一，部分學者從效率角度認為，雖然個體產生了數據，但一般不具備充分挖掘數據的條件，如果數據所有權歸屬于個體，數據可能會被閑置而浪費其時效性；而企業憑借“數據+算力+算法”組合，對個體數據進行挖掘和整合，能夠帶來顯著的經濟效益并實現價值倍增效應。根據科斯定理，當交易成本為零時，清晰的初始產權分配能達成最優資源配置，數據傳播的邊際成本接近于零，理論上認為此時數據產權的分配應是最優的資源配置結果?；诖?，前述學者主張數據權屬應該歸企業所有[ 3 ]。

第二，部分學者基于價值鏈視角，主張數據權屬不應僅僅歸屬于企業，還應考慮個體，以及數據價值鏈上的各價值創造主體，由此形成了數據權屬的一元制結構、二元制結構及多元制結構。其一，數據權屬的一元制結構階段。研究的初始階段，學者認為盡管分散的初始數據沒有產生價值，卻是數據資產化的邏輯起點。根據勞動賦權理論，個體貢獻的原始數據是企業獲取經濟效益的重要基礎，理應從中獲得收益[ 4 ]，由此數據的權屬應歸屬于個體。其二，數據權屬的二元制結構階段。盡管前述學者主張貢獻原始數據的個體應擁有數據的權屬，但實踐中個體幾乎被排除在數據利益分配機制之外；不僅如此，企業在市場競爭中為謀取壟斷利潤，會過度采集和使用個體數據，侵犯個體隱私權。因此，有學者主張打破數據所有權一元結構形成二元制所有權結構，即賦予數據生產者一定的權利，以平衡數據生產者和處理者之間的權益，促進數據的充分利用和數據市場的有序發展[ 5 ]。其三，數據權屬的多元制結構階段。后期的研究學者認為，數據生產鏈上的各主體共同參與了數據的價值創造，數據權屬應該具有多元性的特征[ 6 ]。

綜上可見，數據本身的復雜性、參與主體的多元性、主體間權利張力的顯著性，均增加了數據確權的難度，傳統產權法律體系在處理數據權屬問題時受到局限。未來研究需探究多元賦權理論，以解決數據確權的當前困境。此外，數據確權還關系到后續數據估值和數據流通環節，因此，構建一個既能促進數據流通共享又兼顧數據安全的理論框架將是未來研究的重點之一。

（二）數據估值

數字經濟時代，數據成為關鍵生產要素，數據資產的價值評估也成為數據資產化過程中的一個重要研究主題。數據估值即采用合理的貨幣計價方法和評估方法以體現數據價值。常見的貨幣計價方法包括按離散計數計價、按使用量計價、按使用時長計價以及混合計價。數據價值的高低受使用者和數據具體應用場景的影響，因此數據資產難有統一的計價標準。除了貨幣計價方法外，還可采用數據內容估值的方式得到相應的價格。

由于數據資產與無形資產存在諸多相似之處，一些學者主張將成本法、收益法和市場法等無形資產評估方法應用到數據資產估值中去。第一，成本法是通過加總數據加工過程中的各項成本來測算數據資產價值的。該方法操作簡單易懂，但需要對數據的特征、結構和功能等方面有較充分的了解，一般適用于數據內容差異不大且成本公開的情況，也適用于因市場環境變化或技術迭代等因素導致產品時效性和稀缺性下降進而價值貶損的情況。第二，收益法是將資產未來預期經濟利益的總流入折算為現在價值的方法。該方法可操作性強，可以反映數據在具體應用場景下對買方未來收益的影響。但數據具有價值倍增效應，其未來收益和使用期限均難以預估和測算，因而采用收益法估算數據資產價值具有局限性，其中確定合適的折現率是將收益法應用于數據資產估值的難點。第三，市場法是對市場上已有的數據交易進行類比并估算出資產價格的方法。市場法能客觀反映數據的市場價值，容易被買賣雙方接受。采用市場法進行價值估值的前提條件是有成熟活躍、公開透明的交易市場，且市場上已有相同或相似的資產作為參照物，而數據種類和形態差異性較大，實現交易統一的難度較大，且我國數據要素市場仍在初步發展階段，相應的評估參數和指標都不易獲取，因此采用市場法進行數據價值評估的難度較大。

除上述三種基礎方法外，還有一些特定的理論和模型被提出并應用于數據資產的估值實踐中。第一，基于信息熵的定價模型。該模型通過量化數據的信息量來間接反映數據資產的價值。但該模型聚焦數據的數量和分布，難以準確計算某些特定數據集的分布概率和信息熵，也未能充分考慮數據資產的其他因素如數據的來源、質量和使用場景等，因此在數據估值方面有不足之處。第二，基于博弈論的定價模型。該模型通過模擬市場主體間的互動行為，預測其對數據資產的價值認知和接受程度，進而得出最終交易的均衡價格。該模型的優勢在于綜合考慮了市場結構、機制設計和主體行為等復雜因素，但其應用存在局限性，如需要準確估計參與主體的效用函數，未考慮市場信息的不對稱性以及計算的復雜性等。第三，基于實物期權理論的定價模型。該模型考慮了投資項目實施過程中的不確定性和動態價值，可以被用來評估那些隨著市場變化而調整其使用或開發策略的數據資產價值。

綜上可知，現有文獻對數據估值進行了多維度的探索，但尚未達成較為一致的可全面推廣的方法或模型，相關理論和模型仍需進一步探究。從會計核算的角度看，不能計量就無法進行會計確認，因此會計計量是核心環節，數據資產亦是如此。鑒于數據估值的復雜性及其跨學科、多領域融合的特征，未來研究應加強跨界合作和創新思維，在現有基礎上不斷探索和發展新的數據資產估值方法和模型。在具體實踐中，數據資產估值應緊密結合其基本特征、價值實現方式和市場環境等因素，并借助信息技術的支持來實現數據資產的準確評估。

（三）數據流通

數據流通是數據資產化的重要環節，通過數據流通，數據的價值得以顯化。數據流通主要包括數據開放、數據交易和數據共享三項內容。

1.數據開放

數據開放是指數據持有者將手中數據向全社會開放，允許任何組織和個人下載、開發和利用。授權性、可讀性和非歧視性是數據開放的三個基本特點。數據開放運動始于2009年奧巴馬政府簽署的《開放政府指令》，現如今，數據開放的動力已經從單純依靠信息透明化驅動演變為信息透明化和商業機會挖掘雙輪驅動。根據有效市場理論，數據開放可以降低信息處理成本，提升管理層決策和利益相關者監督的有效性，進而提升企業經營效率。開放領域內的關鍵性數據還能提升企業的市場敏感性，有助于市場需求的有效評估和供應鏈資源的優化配置，從而提升生產效率和產品質量，改善企業績效。數據開放在實踐中的困境在于，數據提供者不僅要承受數據開放導致的直接經濟損失，而且要支付較高成本以確保數據在正常的情景下流通，可謂“費力不討好”，因此數據開放的應用場景較少。

2.數據交易

數據交易是指將數據作為交易標的在交易市場中流通，包括數據各項權利的讓渡。我國數據交易市場起步較晚，直到2015年貴州數據交易所掛牌成立才意味著國內數據交易市場和交易模式探索的開始。數據交易可以減少信息摩擦，幫助企業獲取最新的經濟數據，從而降低信息不對稱所造成的信息獲取成本。目前我國數據交易市場發展面臨瓶頸期，存在交易標的、交易主體、交易場所、交易機制不明晰以及規則程序不統一等問題，數據交易尚需進一步的制度保障機制。

3.數據共享

區別于單向的數據開放，數據共享更多是指特定主體之間數據的流通，強調雙向性和主體合意性。數據共享有助于降低數據收集成本，提升數據通用性，進而實現數據社會價值的最大化。由于立法供給不足，數據流通秩序尚待完善，數據共享存在隱私泄露、數據濫用等安全問題，其應用場景相對較少，一般在公共領域、需求不相關、需求互補，以及對倫理、安全等具有高要求以至于難以通過交易獲取數據等情況時才會發生。根據博弈論，數據共享是市場主體塑造競爭優勢的方式，但實踐中市場組織壟斷數據往往能帶來超額收益，因此共享數據的意愿普遍不強。

對企業來說，數據流通是一把“雙刃劍”。一方面，數據流通是數據資產化的重要環節；另一方面，數據流通一旦失控，則會增加企業運營風險。對此，未來需要探究新的理論基礎，進一步縱深化數據流通機制的研究，完善相關法律制度，探索契合度更高的技術方案，并在實踐中優化制度安排，促進數據流通。

四、數據資產化的驅動效應

數據資產化作為企業數字化轉型的重要一環，對企業高質量發展具有深遠意義。隨著技術進步和市場環境的變化，數據資產化在企業塑造核心競爭力和可持續發展中起著關鍵驅動作用。已有文獻主要從經濟及社會兩個維度研究了數據資產化的驅動效應。

（一）數據資產化的經濟驅動效應

數據資產化是基于數據的價值創造活動，通過要素驅動、融合反饋、協同提升等機制，促進生產、創新和交易效率提升，并推動組織結構變革和商業模式創新，為提升企業績效提供了新動能。已有文獻研究數據資產化的經濟驅動效應分別從經營視角、創新視角及銷售視角三方面進行研究。

經營視角方面，認為數據資產化的優勢在于精準捕捉生產過程中的信息，幫助企業掌握生產規律，推動現場測控和參數調整自動化，并生成一套適用于工序的算法用以識別產品質量[ 7 ]，發揮數據資產化的經濟驅動效應。研究學者發現，數據資產可通過提升信息透明度、緩解融資約束、促進人力資本結構升級等途徑提升企業價值[ 8 ]，促進企業高質量發展。此外，進一步研究表明，數據資產對企業高質量發展的提升作用會隨時間推移而逐漸增強并趨于平穩，且該作用在地域及產權方面表現出異質性[ 9 ]。

創新視角方面，認為數據資產化有利于拓展企業的信息搜索空間，幫助企業實時掌握市場需求變化，為科技創新活動提供支持，因而具有經濟驅動效應。Ghasemaghaei和Calic[ 10 ]研究不同數據特征對企業創新績效的差異性影響，發現數據的種類和速度能夠提升企業創新績效，而數據的數量對企業創新績效并無顯著影響。劉傳明等[ 11 ]從數據要素聚集的角度對我國30個省級行政區進行研究，發現數據要素聚集通過優化勞動資源配置、加大研發投入和提升人力資本水平三條路徑來促進科技創新，且數據要素聚集還具有空間溢出效應，能夠帶動周邊地區的科技創新水平。此外，任英華等[ 12 ]聚焦綠色創新，探討了數據發展的綠色生產力效應，結果表明數據發展顯著促進了企業綠色創新。

銷售視角方面，認為數據資產化匯集海量用戶信息進行重構，實現對用戶類別的精準定位，從而優化產品設計和服務，并為用戶提供個性化內容定制和精準推送。焦豪等[ 13 ]以案例分析數字化情境下動態能力變革企業業務和管理流程的機制，發現數據算法模型使企業形成需求驅動的智能供應模式，滿足零售端個性化、多場景的創新消費體驗。孫新波和張明超[ 14 ]從工業互聯網平臺入手，探究數據挖掘和應用對制造業銷售業務的影響，發現工業互聯網平臺驅動企業上下游高效協同，通過碎片場景關聯、跨界治理等方式提供集成式解決方案，提升企業銷售績效。

綜上，數據資產化的經濟驅動效應比較顯著，表現為提高經營效率、促進科技創新、優化銷售和服務等方面，通過積極的內部經濟效應和良好的外部市場表現，為企業經濟高質量發展賦能。

（二）數據資產化的社會驅動效應

近年來，數據作為重要的戰略性資源，其價值屬性愈發凸顯，但擁有數據價值挖掘能力的企業只是少數，多數企業會以社會效率低下的方式進行數據囤積，限制其對外流通，數據無法充分利用造成價值貶損。此外，囤積的數據增加了信息摩擦，迫使企業投入更多成本進行數據采集和處理，催生了愈演愈烈的數據“爬蟲”行為。數據資產化可將條塊分割、分散難聚的數據資源以資產的形式在市場上進行互通共享并應用于各類場景產生乘數作用，進而帶來顯著的社會效應。

已有數據資產化的社會驅動效應研究可歸納為如下三條：促進數據流通、強化風險管控和平衡利益分配。

1.促進數據流通

首先，基于成本—收益視角，企業有意愿提供數據并促進數據流通，無論是挖掘數據的潛在價值還是開發數據分析工具均需付出成本，而數據流通共享可以實現部分成本的收回。其次，有研究表明，通過建立數據監管機制和交易市場，可以促進數據的規模化和市場化流通，為企業提供更多的數據流通機會，有效增強企業參與數據交易和共享的積極性[ 15 ]。最后，數據資產化還需要相關制度保障及技術創新支持，海量數據通過算力和算法貫通價值創造鏈，形成資產的過程客觀上也為數據資產化提供了良好的市場環境。

2.強化風險管控

數據資產化可強化風險管控，主要有如下要點。第一，企業間合作會面臨數據隔閡、利益博弈及機會主義等諸多挑戰。激活數據學（activation dataology）提供了一種解決此類問題的新視角：根據大數據戰略重點實驗室（2018）的研究，數據在場景應用中可以帶來規模遞增報酬和價值乘數效應，促使企業摒棄短視行為，積極投身于數據價值挖掘，通過相互賦能，企業可以實現共同發展，能夠降低運營成本和外部風險。第二，數據資產化過程與數據挖掘分析深度融合，數據分析能為組織管理者提供經驗，企業能更有效地識別和評估風險，降低經營風險。第三，進一步研究表明，數據資產化在整個生命周期管理中能夠提升企業的風險承擔水平，有助于企業更好地應對商業道德、行業競爭以及企業自身現狀所帶來的各種挑戰[ 16 ]。

3.平衡利益分配

數據資產化豐富了企業的信息獲取渠道，使企業決策從單一內部領域擴展至跨域環境，決策要素的測量更加完善，從而提升了決策的科學性，有利于平衡利益。此外，數據資產化促進了數據的公開和透明，企業行為及其利益獲取均在關聯企業的共同監督下進行，這種監督機制為企業間的協作和數據流通提供了信任環境，使各企業能夠在互相監督的同時維持利益均衡，并共享數據增值帶來的收益。江小涓和靳景[ 17 ]的研究進一步表明，數據資產化不僅在數據原生產企業中創造了商業價值，而且在數實孿生的雙重價值創造中發揮了作用，并通過數據全納提供了公平競爭的機會，前述因素共同為企業帶來增值空間，也為企業間的利益平衡提供了新的可能。

五、數據資產化的實現路徑

通過歸納發現，已有文獻主要從加強數字技術創新、提升大數據能力以及完善數據制度體系三個方面探索數據資產化的實現路徑。

（一）加強數字技術創新

傳統數據處理方法在面對龐雜的數據集時顯得捉襟見肘；現代數字技術通過增強數據處理能力、改進數據存儲和傳輸方式、加強數據價值認定等措施，推動數據從資源向高價值資產轉化，進而在市場機制下實現優化配置。有研究表明，區塊鏈技術以其分布式記賬原理，徹底顛覆了傳統的封閉式和中心化數據存儲模式。憑借去中心化和不可篡改的特性，區塊鏈技術可以在確保數據隱私和安全的基礎上，提供一種全新的數據管理方式，即在用戶授權和共識機制的雙重支持下，數據市場中的各個參與方都能夠公平地獲得相應的數據價值和收益，從而使數據轉化為具有實際經濟價值的商品，實現個人數據資產化。同時，區塊鏈技術還能夠對數據進行有效的脫敏和加密處理，進一步強化了數據的溯源能力、產權保護以及數據共享的安全性，為數據資產化提供新的解決方案[ 18 ]。朱建明等[ 19 ]提出的基于區塊鏈的聯邦學習框架，旨在確保數據隱私安全的同時，實現數據的高效利用，進一步促進了數據向資產的轉變。此外，深度學習等數據管理模型也展現出其在數據匿名化和數據清洗等方面的潛力。

（二）提升大數據能力

大數據能力是一個多維度的概念，涵蓋了企業在深度分析、精準預測和快速響應等方面的技能、資源和方法，具體包括數據獲取、處理和分析等能力[ 20 ]?，F有wEk/uNdjKa7pc3RczQvfGA==文獻認為，大數據能力在數據資產化中具有重要作用，通過數據整合、挖掘和分析，激發數據的潛在價值，推動商業模式創新，進而實現數據資源向資產轉化。根據張吉昌等[ 21 ]的研究可知，大數據能力不僅具有孕育商業模式變革的潛力，還可助力企業獲取和積累知識，形成數據驅動決策模式，并通過知識共享形成商業洞見，服務于新產品的開發。許治等[ 22 ]基于組織行為要素對珠三角地區企業展開問卷調查，發現企業可以利用大數據能力促進組織學習，并把數據資源轉化為創新動力。簡兆權等[ 23 ]根據創新擴散理論，發現大數據能力通過增強企業的知識搜尋和吸收能力，推動產品和服務創新，實現數據的價值創造。馬鴻佳等[ 20 ]的研究表明，通過提升企業大數據能力可以幫助企業實現對數據資源的高效利用，優化決策科學性，增強組織整體能力，進而實現數據資產化目標?？梢姡髷祿芰νㄟ^提升數據收集和處理能力、拓展數據應用領域以及推動數據分析精準化，幫助企業將數據資源轉化為有價值的資產，并帶來顯著的經濟效益。

（三）完善數據制度體系

從制度方面推進數據資產化，首要的是明晰數據資產權屬，完善數據資產登記制度。針對我國數據資產登記存在的制度缺失問題，黃麗華等[ 24 ]基于要素流通視角，在分析傳統資產登記制度的基礎上，提出了數據資產登記的概念和原則，旨在明確數據資產的權屬，確保其流動和交易。王偉玲等[ 15 ]強調了數據連接對數據資產化的重要性，認為構建完善的數據基礎設施，可以促進數據資源標準和規范建設，營造一個有利于數據要素高效流轉和應用的生態環境。同時，推動數據要素市場化配置也是數據資產化的重要一環，通過市場機制來配置數據要素資源，能夠提升數據資源的利用效果。季良玉[ 25 ]針對實踐中數據資產交易規模及交易頻率等困境，提出從構建數據交易產業生態系統、健全數據資產定價機制、完善監管制度等方面來提升數據資產化，釋放數據要素的潛能。李三希等[ 26 ]針對當前數據要素市場培育面臨的制約因素，提出制度支撐、監管保障、技術賦能和交易流轉四位一體的突破路徑，以加速數據要素市場建設，釋放數據要素的潛能。此外，針對數據市場化過程中面臨的種種矛盾，還需要深入分析數據交易市場的主體關系，通過制度建設平衡主體間的利益關系，從而為數據資產化提供長期穩定的制度支持，激發微觀主體在開發和流通數據資產方面的內在動力。

六、結論與展望

本文對數據資產化的概念內涵、實現環節、驅動效應和實現路徑進行了文獻梳理及述評，得到以下結論：第一，數據資產化本質是數據價值實現的過程，且具有以數據資源為邏輯起點、以數字技術為內在支撐、以動態演進為實現路徑和以價值創造為目標導向的四個特征。第二，數據資產化的實現包括數據確權、數據估值和數據流通三個環節。第三，數據資產化在經濟及社會兩個維度產生驅動效應，其中經濟驅動效應主要體現在經營、創新及銷售三個方面，社會驅動效應主要體現在促進數據流通、強化風險管控和平衡利益分配三個方面。第四，現有文獻主要從加強數字技術創新、提升企業大數據能力以及完善數據制度體系三個方面探索了數據資產化的實現路徑。通過以上綜述，可明晰數據資產化的研究主題，整合構建數據資產化的研究框架。本文發現，數據資產化仍有待深入探討，具體展望如下。

第一，迫切需要建立數據資產化作用機制的理論框架。受制于現實發展狀況，已有文獻對數據資產化的機理研究主要集中于描述性分析，理論模型和實證研究相對較少。隨著數據要素市場的成熟和數據產品供給的增加，未來有望構建一個基于數據基本特征的理論框架，以全面闡釋數據資產化對企業發展的影響，并揭示其作用機制。具體而言，未來研究可通過完善數據資產度量指標和評估量表的方式，結合大樣本數據和典型案例，從微觀和宏觀兩個層面探討數據資產化對研發、采購、生產、銷售等價值鏈活動的影響，以及對產業鏈供需關系、協同聯動、跨界融合等方面的作用，從而為推進數據資產化提供具有普遍性的經驗證據。值得注意的是，實證研究和案例分析不應僅停留在對指標和變量的簡單描述上，而應基于相關理論和模型深究其背后的邏輯關系，以形成對數據資產化發展動態的全面理解。

第二，縱深化數據資產化實現環節的研究。盡管已有文獻較為豐富，但對數據資產化實現環節的研究仍顯不足，尤其是數據的權屬和評估問題，不同研究結論之間存在明顯的分歧，這已經成為制約數據資產化的主要障礙。其一，當前研究多側重于數據要素的經濟效益分析，忽視了其人格屬性，導致產權框架之外的問題難以妥善解決。理論和現實困境證明，數據權屬具有多元性的特征。未來研究可以從多元賦權的角度出發，結合人工智能、區塊鏈和智能合約等前沿技術，提供更為完備的解決方案，以打破數據確權的當前困境。其二，由于數據資產的特殊性，傳統的評估方法在處理數據估值問題時存在較大的局限性。未來研究可以根據數據和數據資產的特征，結合具體的交易場景，設計更先進的方法和模型，以準確計算數據資產的真實價值，進而推動數據資產化的進一步發展。

第三，結合我國情境展開數據資產化研究。我國數據要素市場的發展剛剛起步，數據資產化研究仍處在探索階段，因此結合多樣化的應用場景進行深入研究顯得尤為重要。我國龐大的工業體系和獨立完整的產業結構為數據資產化提供了豐富的應用場景，未來研究可以基于資源編排、組織能力等理論，結合我國的經濟體制、市場特征和文化環境，探討不同行業和業務場景下數據資產化的差異化實現路徑，以形成對本土實踐的新洞察，推動本土理論創新。這將有助于豐富數據資產化的理論架構，并為我國企業數據資產化實踐提供理論支持，從而推動我國數據資產化的深入發展。

【參考文獻】

［1］ 張俊瑞，高璐冰，危雁麟.數據資產會計：概念演進、解構與關系辨析［J］.會計之友，2023（24）：131-137.

［2］ 尹西明，林鎮陽，陳勁，等.數據要素價值化動態過程機制研究［J］.科學學研究，2022，40（2）：220-229.

［3］ 李三希，王泰茗，劉小魯.數據投資、數據共享與數據產權分配［J］.經濟研究，2023，58（7）：139-155.

［4］ HAGIU A，WRIGHT J.Data-enabled learning，network effects，and competitive advantage［J］.The RAND Journal of Economics，2023，54（4）：638-667.

［5］ 申衛星.論數據用益權［J］.中國社會科學，2020（11）：110-131.

［6］ 李海艦，趙麗.數據價值理論研究［J］.財貿經濟，2023，44（6）：5-20.

［7］ 李曉華，王怡帆.數據價值鏈與價值創造機制研究［J］.經濟縱橫，2020（11）：54-62.

［8］ 苑澤明，于翔，李萌.數據資產信息披露、機構投資者異質性與企業價值［J］.現代財經（天津財經大學學報），2022，42（11）：32-47.

［9］ 孫穎，陳思霞.數據資產與科技服務企業高質量發展：基于“寬帶中國”準自然實驗的研究［J］.武漢大學學報（哲學社會科學版），2021，74（5）：132-147.

［10］ GHASEMAGHAEI M，CALIC G.Assessing the impact of big data on firm innovation performance：big data is not always better data［J］.Journal of Business Research，2020，108（C）：147-162.

［11］ 劉傳明，陳梁，魏曉敏.數據要素集聚對科技創新的影響研究：基于大數據綜合試驗區的準自然實驗［J］.上海財經大學學報，2023，25（5）：107-121.

［12］ 任英華，劉宇釗，胡宗義，等.大數據發展、知識產權保護對企業綠色技術創新的影響［J］.中國人口·資源與環境，2023，33（7）：157-167.

［13］ 焦豪，楊季楓，王培暖，等.數據驅動的企業動態能力作用機制研究：基于數據全生命周期管理的數字化轉型過程分析［J］.中國工業經濟，2021（11）：174-192.

［14］ 孫新波，張明超.工業互聯網平臺賦能智能制造生態系統構建：基于海爾卡奧斯的案例研究［J］.經濟管理，2023，45（11）：5-26.

［15］ 王偉玲，吳志剛，徐靖.加快數據要素市場培育的關鍵點與路徑［J］.經濟縱橫，2021（3）：39-47.

［16］ 翟運開，劉冰琳，王宇，等.數據生命周期視角下醫療健康大數據資產化影響因素研究［J］.情報雜志，2024，43（1）：183-190.

［17］ 江小涓，靳景.數字技術提升經濟效率：服務分工、產業協同和數實孿生［J］.管理世界，2022，38（12）：9-26.

［18］ 陸岷峰，歐陽文杰.商業銀行數據資產的價值評估與交易定價研究［J］.會計之友，2022（19）：30-37.

［19］ 朱建明，張沁楠，高勝，等.基于區塊鏈的隱私保護可信聯邦學習模型［J］.計算機學報，2021，44（12）：2464-2484.

［20］ 馬鴻佳，肖彬，王春蕾.大數據能力影響因素及效用：基于元分析的研究［J］.南開管理評論，2023，26（2）：143-153，165.

［21］ 張吉昌，龍靜，陳鋒.大數據能力、知識動態能力與商業模式創新：創新合法性的調節效應［J］.經濟與管理，2022，36（5）：19-28.

［22］ 許治，王雨楠，吳輝凡.大數據能力對組織雙元創新的影響：基于組織學習與環境復雜性的作用［J］.科學學與科學技術管理，2022，43（9）：40-53.

［23］ 簡兆權，戴炳欽，盧荷芳，等.知識搜尋、知識吸收與服務創新：大數據能力的調節效應［J］.科技管理研究，2022，42（17）：158-165.

［24］ 黃麗華，郭夢珂，邵志清，等.關于構建全國統一的數據資產登記體系的思考［J］.中國科學院院刊，2022，37（10）：1426-1434.

［25］ 季良玉.數據資產的交易困境及其治理［J］.會計之友，2023（13）：27-31.

［26］ 李三希，王泰茗，劉小魯.數據投資、數據共享與數據產權分配［J］.經濟研究，2023，58（7）：139-155.