數據資產管理：演化邏輯與體系框架

【摘 要】 數字經濟時代，數據成為一種新型生產要素，數據資產管理將成為企業經營管理的重中之重。數據資源的識別、確權、入表、運營和創新應用等環節的邏輯關系有待深入研究。文章從數據運營與財務會計、管理會計融合的角度，貫穿數據資產價值鏈，探討數據資源化、數據資產化、數據利潤化和數據資本化等數據演化路徑和具體內容，創新性地構建了“四階十一步”的全生命周期數據資產管理體系框架。這一體系的構建，推進了企業數字化運營，提升了企業智能化水平，為我國培育數據要素市場、落實大力發展數字經濟的戰略奠定了堅實的微觀基礎。

【關鍵詞】 數據資產； 數據資源化； 數據資產化； 數據利潤化； 數據資本化

【中圖分類號】 F233 【文獻標識碼】 A 【文章編號】 1004-5937（2024）21-0147-08

一、引言

隨著新一代信息技術的發展，數據成為驅動價值創造的關鍵生產要素之一。中共中央、國務院2020年發布的《關于構建更加完善的要素市場化配置體制機制的意見》，將數據與土地、勞動力、資本、技術并稱為五大生產要素，并提出加快培育數據要素市場的愿景，彰顯了數據在價值創造中的重要性。為了規范企業數據資源相關會計處理，強化相關會計信息披露，財政部于2023年8月發布了《企業數據資源相關會計處理暫行規定》（簡稱《暫行規定》）。為深入規范和加強數據資產管理，釋放數據資產價值，更好地推動數字經濟發展，財政部分別于2023年12月和2024年2月印發了《關于加強數據資產管理的指導意見》和《關于加強行政事業單位數據資產管理的通知》。這些文件的相繼發布和國家及各省數據局的成立，標志著發展數字經濟已經成為國家戰略，數據資產管理將成為企業特別是數字經濟企業經營管理的重中之重。

2017年，國際數據管理協會（DAMA）在《數據管理知識體系指南（DMBOK）》（第2版）中提出，數據資產管理一般包括數據治理、數據架構、數據建模與設計、數據安全、數據集成與互操作、數據質量管理、主數據管理和元數據管理等內容?，F有文獻結合運營商數據管理經驗闡述了數據資產管理五星模型及模型落地的七個實踐工具[1]；分別從核心數據、數據交換和數據質量管理三個關鍵問題出發，提出了一種新的企業數據資產管理方法[2]；通過分析制造企業數據資產管理問題和瓶頸，解析數據資產管理體系要素，提出了數據資產管理邏輯框架[3]；基于數據生命周期理論和數字連續性理論，構建了前端控制流程、關鍵管理活動、價值實現路徑和可信數據生態體系四位一體的政府數據資產管理框架[4]。2023年1月，中國通信標準化協會大數據技術標準推進委員會（CCSATC601）發布的《數據資產管理實踐白皮書6.0》提出，數據資產管理包括數據模型管理、數據標準管理、數據質量管理等10個活動職能，覆蓋數據資源化、數據資產化兩個階段[5]。一些學者認為，數據資產管理的核心內容是數據資產管理的合規化、價值化和市場化[6]，企業數據資產管理的要點包括數據資產基本單元確定、識別管理、產權管理、評估管理、計量與核算管理、交易及變現管理等內容[7]。在這些文獻中，學者們主要是從數據管理或數據資產管理的技術側豐富了數據資產管理的內容。然而，對于技術側與價值側統一的數據資產管理體系，已有文獻鮮有涉及。本文基于業財數一體化原則，從數據運營、財務會計和管理會計結合的角度，探討企業數據資源化、數據資產化、數據利潤化和數據資本化等數據資源演化路徑和具體內容，以期構建全生命周期數據資產管理體系。

二、數據資源化

在企業營運過程中，原始數據一般沒有開展有目的的規劃、歸集、權屬認定和應用場景挖掘，開發利用程度低，數據質量和可利用價值一般不高。隨著企業信息化、數據化和智能化建設，數據作為業務記錄的主要載體，伴生于研發、采購、生產、銷售等業務全流程，沉淀于供應鏈管理（SCM）、客戶關系管理（CRM）、企業資源計劃（ERP）、制造執行系統（MES）、制造運營管理（MOM）、產品生命周期管理（PLM）、人力資源管理（HRM）等系統中。在數據滲透至企業全運營流程的過程中，通過業務數據化，企業對組織、生產、運營過程中產生的數據進行采集、傳輸、加工，用于服務自身經營決策、業務流程，從而提升公司的盈利能力；通過數據業務化，實現數據智能決策，驅動業務創新，形成可對外提供的數據產品或服務。經過業務數據化與數據業務化[8]，原始數據轉變為數據資源，實現數據資源化。數據資源化是企業以提升數據質量、保障數據安全為目標，確保在經營管理過程中采集加工形成的、以電子或其他方式記錄的結構化或非結構化數據的準確性、一致性、時效性和完整性，使數據具有現時或者未來經濟價值，從而將原始數據轉變為數據資源的過程。數據資源化是挖掘原始數據使用價值的過程。作為數據資產管理第一階段的數據資源化主要包括數據源梳理、數據管理和數據分類識別三個步驟。

（一）數據源梳理

數據源梳理包括對SCM、CRM、ERP、MES、MOM、PLM、HRM、電商平臺和數據爬蟲等內外部系統、平臺和工具的梳理。在數據源梳理的同時，需要開展數據現狀調研，調研數據的產生情況、存儲現狀、質量情況、業務類型、敏感程度、應用情況、時效性情況和權屬情況等內容。根據數據現狀調研結果，統計、確定數據總量，確定的數據總量是數據資源化的基礎。數據源中的原始數據是內外部海量的結構化、半結構化和非結構化等財務和非財務數據，這些數據存在無序、冗余等缺陷，數據分散、雜亂無章，應用價值有限，還不屬于數據資源。為了得到清晰有序、口徑一致、有條理、有脈絡的數據，需要開展數據管理。

（二）數據管理

數據管理涉及兩個層面，第一個層面是數據應用過程中的數據管理，關注數據的增值過程，即關注和強調業務需求內容的ETL（抽取、轉化和加載）、組織、加工以及反映；第二個層面是數據全生命周期所涉及應用過程的數據管理，是對整個組織業務需求的變化過程和結果加以控制、記錄和管理，關注元數據的集合、歷史數據的集合和狀態數據的集合。數據管理具體包括元數據管理、主數據管理、數據標準管理、數據質量管理、數據安全管理、數據模型管理、數據開發管理和數據應用展現等活動。

通過數據管理，來自異構系統的結構化、半結構化、非結構化原始數據經過數據采集和交換進入ODS（操作型數據存儲）、數據倉庫和數據集市，梳理數據標準、數據質量，開展主數據管理，提供各類數據服務，賦能前端應用[9]，準確性、一致性、時效性、完整性和可用性的數據得以在技術側生成。根據業財數一體化的原則，需要從業務側或價值側對數據來源、數據內容、數據處理、數據管理、數據安全、數據經營、數據權屬和應用場景進行盤點、分類和識別。

（三）數據分類識別

數據資源的具體分類過程可以根據《信息技術-大數據-數據分類指南（GB/T 38667-2020）》展開，分類過程包括分類規劃、分類準備、分類實施、結果評估和維護改進五個階段[10]。考慮到數據的多源性和異構性等特點，對數據資源的分類需要采用線分類法和混合分類法展開。

首先，采用線分類法對數據資源進行縱向大類劃分。第一類是按照來源將數據資源分為內部數據與外部數據；第二類是按照業務歸屬將內部數據分為運行數據和管理數據，將外部數據分為環境數據和公共數據；第三類是按照所屬系統分別對運行數據、管理數據、環境數據進行分類，按照來源對公共數據進行分類。

其次，采用混合分類法對數據資源進行小類劃分，對大類數據進行縱向深挖、橫向擴展。按照結構化特征將縱向大類劃分的第三類數據資源分為結構化數據、半結構化數據和非結構化數據；按照業務歸屬將結構化數據分為主數據、事務數據和分析數據，將半結構化數據分為日志文件、XML文檔、JSON文檔、Email和HTML文檔，將非結構化數據按照產生來源分為文本數據和多媒體數據；按照產生頻率將事務數據分為實時數據和非實時數據，按照業務歸屬將文本數據分為法律數據、制度數據、辦公數據和事務數據[11]。對于小類劃分后的所有非日志類數據，都要按照是否使用，分為在用數據和未用數據。數據資源化主要針對的是具有經濟利益的非日志類在用數據。多源異構數據資源的分類，如圖1所示。

對于具有經濟利益的在用數據資源的分類與識別，在財務會計等價值層面，則是以細化數據資產明細科目、利于數據資源入表為目的的多維度分類分級。按照價值實現路徑，在用數據資源分為增收類、節支類、模式創新類[12]、市場開拓類和資本化應用類；按照業務環節，在用數據資源分為研究開發類、生產制造類、營銷管理類、服務管理類和財務管理類[13]；按照管理會計內容，在用數據資源分為戰略管理類、預算管理類、成本管理類、營運管理類、投融資管理類、績效管理類和風險管理類。這些維度的在用數據資源分類，很有可能成為無形資產或存貨的二級明細科目（如果數據資源類無形資產和數據資源類存貨是一級明細科目）。通過對具有經濟利益的在用數據資源的盤點、分類和識別，形成內含標識（數據識別的結果）、類別（數據分類的結果）和應用場景或業務模式等內容的全域數據資源清單（或數據資源地圖）、數據質量報告和數據資源字典。

在數據盤點環節，可以通過數據庫、數據湖技術，對具有經濟利益（增收節支、模式創新、市場開拓等）可能性的在用結構化、半結構化和非結構化數據資源進行提取、備份、清洗、整理和編碼，明晰增收節支等的路徑、屬性、未有條件、已有條件、風險及應對舉措，為后續的數據資產化、數據利潤化和數據資本化做好準備；在數據加工環節，形成指標、標簽，通過各類模型生成數據集（產品定價數據集、銷售績效數據集、資金規劃數據集、投資測算數據集、智能供應鏈數據集）等數據產品，發現或開發應用場景和經濟利益測算模型（產品定價模型、庫存/物流優化模型、投資模型、商品推薦模型、客戶畫像等），形成有對外銷售可能的數據產品的設計思路與路徑，使技術側或管理側生成的原始數據轉化為面向業務側或價值側的數據資源。筆者認為，數據資源的分類和識別是數據資源入表的前提，數據資源的分類和識別的質量決定了數據資源入表的規模和質量。

對于這項工作，企業可以自行開發或借助市場上的“數據分類分級產品”，結合本單位業務模式或商業模式，確定適用的數據識別邏輯——特征計算和識別預測，以提高數據識別準確率（數據分類器正確預測的樣本數占全部樣本數的比例）和召回率（分類器預測為正例的樣本中，預測正確的樣本數占所有實際為正例的樣本數的比例）。對于數據識別邏輯——特征計算和模型預測，可以通過合理的任務調度、內置規則引擎、生成計算圖等方式提升執行效率。

在數據資源化階段，企業通過數據源梳理、數據管理和數據分類識別三個步驟，統一數據管理的技術側和價值側，明確數據管理的活動職能和管理手段，明晰數據管理能力等級，形成數據資源清單和數據集、數據服務、數據應用等數據產品設計路徑，實現原始數據向數據資源的轉化。數據資源化為數據資產化奠定了堅實的基礎。

三、數據資產化

由資產的概念可以推斷，資產是資源在一定條件下轉化而來的。因此，數據資產化是企業為實現其戰略目標，通過交易或事項將內外部數據資源變成數據資產（企業合法擁有或控制的、已完成匿名化或去標識化并經過結構化處理，能夠進行計量的、提高企業異質性的[14-15]、預期帶來經濟利益的數據資源）的過程。作為客觀事物性質、狀態以及相互關系載體的數據資源，在資產化視角下，可以看作是一種創造性成果與經營性標記，或者是主體生產經營能力的體現。數據資產化階段包括數據資源存證、數據資源登記、數據資源確權和數據資源入表四個步驟。

（一）數據資源存證

在作為數據權益人的企業向存證服務商提供有關數據來源、權屬、安全、合規等事項的證明文件和承諾的基礎上，數據資源存證服務商利用區塊鏈技術和多節點共識機制，對相關信息進行采集、編號、固化，形成電子證據并安全存儲，出具載明哈希值、提供驗證服務的存證證書。

（二）數據資源登記

數據資源登記平臺基于數據權益人的申請和數據匿名化、去標識化和結構化機構出具的憑證以及載明哈希值的數據存證證書，明確數據資源歸屬及“三化”狀態，判斷、記錄并公示權益人數據資源狀態的服務。在這里，企業對其域內不涉及隱私信息的原始數據進行加工形成的可識別的數據資源，不需要匿名化和去標識化處理；反之，則需要經過匿名化和去標識化處理。

（三）數據資源確權

經過數據資源存證和數據“三化”確認，根據數據權益人的申請，數據資源登記平臺出具確認其指定數據資源持有權（數據來源者對數據自主管理和數據處理授權同意的權利）、數據加工使用權（數據處理者使用數據和獲得收益的權利）和數據產品經營權（數據處理者許可他人使用數據或數據衍生產品的權利）的《數據資源確權證書》的服務。數據資源存證、登記、確權業務流程體系[16]，如圖2所示。在這里，企業對其域內不涉及隱私信息的原始數據進行加工形成的可識別、不需要匿名化和去標識化處理的數據資源，企業自我確權即可；反之，則需要他方（中介機構）確權。因此，數據資源確權是企業外購數據資源或基于外部數據資源（主要是政府授權的數據資源）加工所得數據資源入表的基本前提。

（四）數據資源入表

在數據資源存證、登記和確權等步驟的基礎上，“企業擁有或控制”這一數據資產確認的條件得以滿足。由于數據資源具有場景依賴性，企業數據資源的經濟利益預測需要通過結合具體應用場景的數據計量模型的設計來實現。對于具有經濟利益的數據資源，可以對其成本進行合理歸集、分攤以及數據資源的列報與披露?；诖耍瑪祿Y源入表包括以下五個環節。

1.經濟利益預測

由于數據資源具有場景依附性的特點，企業需要結合具體的應用場景分析數據資源增收節支、模式創新、市場開拓、資本化應用等預期經濟利益的可行性，具體包括數據資源預期經濟利益的路徑、未有條件、已有條件、風險及應對舉措。數據資源預期經濟利益可行性分析的方法基礎是構建動態數據資產計量模型。企業可以利用歷史經濟收益數據，結合回歸或AI 模型，通過初始模型及其因子體系設計、特征工程與模型訓練，構建出適應具體應用場景的數據資源計量模型[17]。筆者認為，數據資源預期經濟利益的路徑是數據資源類無形資產或數據資源類存貨的二級明細科目確定的基礎。

2.數據資源確認

根據《暫行規定》，企業應當根據數據資源的持有目的、形成方式、業務模式，以及與數據資源有關的經濟利益的預期消耗方式等，將數據資源確認為無形資產或存貨。數據資源化階段形成的數據資源清單和數據集、數據服務、數據應用等經封裝（將一組數據以及與該組數據相關的操作封裝在一起，形成一個隱藏于內部數據的有機整體，該有機整體向獲取特定權限的外部使用者提供使用該有機整體內的數據的接口）的數據產品[18]設計路徑，為數據資產化奠定了堅實的基礎。與此同時，通過對數據資源經濟利益路徑的預測，數據資源類無形資產或數據資源類存貨的二級明細科目得以確定。

3.數據資源計量

《暫行規定》對數據資源的初始計量、后續計量等做出了指引。根據《暫行規定》，企業數據資源成本涉及數據的采集、外購、脫敏、清洗、標注、整合、分析、可視化等整個生產流程，具體包括購買價款、相關稅費、數據合規成本、治理成本、權屬鑒定、登記成本以及需要分攤的間接成本等。企業需要通過數據資產的血緣分析能力，形成準確的數據血緣圖譜，厘清數據資產化過程所占用的企業資源，配套建立統一、合理的數據資源的成本歸集與分攤機制，并最終通過信息化途徑進行落地[19]。這里需要澄清的是，數據資源初始計量只涉及數據資源的各類成本，不涉及數據資源的估值和收益。至于外購數據資源的評估，決定的是數據資源交易中的購買價格，數據資源評估是數據資源交易的前提，不是數據資源確認和初始計量的前提。

為了及時反映數據資產的價值變動，期末需要對數據資產進行減值測試，對數據資產重新估值計量，即數據資產的后續計量。數據資產重新估值方法具體包括市場法、收益法、成本法等，需要根據不同的估值對象和不同的價值實現方式選擇合適的方法。因此，資產評估是外購或對外交易數據資源入表后續計量的必要工具[20]。

4.數據資源列示

根據《暫行規定》，企業在編制資產負債表時，應當根據重要性原則并結合本企業的實際情況，分別在“存貨”、“無形資產”和“開發支出”項目下增設“其中：數據資源”項目，反映資產負債表日確認的數據資源期末賬面價值或支出金額。經過確認、計量和列示環節，數據資源轉化為數據資產并成為企業總資產的一部分。在這里，數據資源與專利權、非專利技術、商標權、著作權、土地使用權、特許權等同屬于無形資產的明細科目。在價值體現上，數據資源類無形資產能夠幫助企業優化經營、提供市場洞察和新業務機會，其價值則體現在其市場交易價格或使用價值上。專利權、商標權等無形資產的價值則體現在其能夠為企業帶來的潛在經濟利益和競爭優勢上。在管理保護上，數據資源類無形資產需要的是數據安全、隱私保護和合規性管理，需要區塊鏈技術等特定的管理和保護措施。專利權、商標權等無形資產的管理則側重于通過續費和訴訟來維護其獨特性和保護其法律權益[21]。

5.數據資源披露

對于數據資源披露，《暫行規定》兼顧信息需求、成本效益和商業秘密保護，創新性地提出了數據資源自愿披露方式，具體包括持續加強對數據資源的應用場景或業務模式、原始數據類型來源、加工維護和安全保護情況、涉及的重大交易事項、相關權利失效和受限等八項內容。企業通過數據資源的自愿披露，可以合理展現已擁有的數據資源價值和未來發展趨勢，使各類信息需求方可以及時獲取企業數據價值信息，提升資本市場認可度。

企業經過經濟利益預測、數據資源確認、數據資源計量（成本歸集與分攤）、數據資源列示和數據資源披露五個環節，數據資源得以入表。在這里，入表的數據資源是高質量的經濟利益得以預測的非日志類在用數據。數據資源入表意味著數據資源正式納入我國企業會計核算體系，數據資產化完成。需要澄清的是，在數據資源入表的過程中，無須外部審計機構介入。因為企業在年末審計時，如果外部審計師認為數據資源的入表金額過大，則通過資產減值科目沖減即可；反之，則通過補記數據資源金額即可。

從價值層面來講，數據資源入表使企業資產規模擴大、資產負債率下降和融資途徑增加。從技術層面來講，數據資源入表是對企業在數據戰略規劃、數據能力建設、數據治理升級、數據創新應用等領域成績的認可[22]。在企業中，數據資源入表是打開數據資產管理大門的鑰匙，是數據資產管理成為管理會計主要內容的催化劑。相應的，業財融合原則也拓展為業財數一體化原則。

四、數據利潤化

數據資源入表后，企業應通過對數據資產的運營管理，促進數據資產經濟價值的實現，即數據資產管理進入數據利潤化階段。根據資產利潤化[23]的定義，數據利潤化是基于數據研發運營一體化（Data Ops），生成并銷售數據集、數據服務和數據應用等經封裝的數據產品，或者數據資產賦能企業研發管理、銷售管理、生產管理、采購管理和人力資源管理等業務活動，最大化獲取利潤的過程。數據利潤化率的高低是企業數字化或智能化水平高低的體現。

一般來講，數據利潤化有兩個途徑：一是實現業務活動與數據管理一體化，即企業在基于數據研發運營一體化（Data Ops）的管理數據同時，需要同步推進業務需求梳理與挖掘，持續擴充數據應用場景，充分賦能業務價值——洞察用戶需求、優化運營、提供個性化服務，從而提升自身競爭力和用戶滿意度，數據資產直接或間接利潤化；二是實現財務活動與數據管理一體化，在數據資源入表從而數據資產納入財務會計體系后，企業應將數據資產嵌入管理會計體系，開展數據戰略管理、數據預算管理、數據成本管理、數據績效管理和數據風險管理等管理會計活動，以創造價值和保值為目的，促進數據價值釋放和數據價值提升，真正促進業財數一體化。

（一）數據資產運營

企業數據資產運營的主要結果是生成滿足特定應用場景需求的數據產品——以數據庫的形式滿足客戶模型化需求的數據集，以數據庫為基礎為客戶提供滿足其特定需求的信息類數據服務，以應用程序的形式提供基于數據資源和模型的數據應用等。企業生成的數據產品越多，數據資產利潤化率越高。

數據運營業務側的活動具體包括：基于數據分類分級的數據目錄規劃、編制、發布和運維等數據目錄管理活動，以體系化、結構化的方式展現企業內部海量數據資源的各項屬性信息；根據數據需求管理和業務能力地圖構建數據應用場景地圖，明確各類應用場景的數據用戶、數據內容、血緣關系、算法模型等數據應用策略和應用效果評價指標等，從場景出發滿足數據價值評估和成本核算的需求；通過數據文化建設、數據用戶運營、數據生態建設和外部數據合作等數據服務推廣活動，構建數據用戶畫像和數據產品體系，精準觸達內外部各類數據使用方；構建完整的數據核驗、變更和處置機制，對數據的定義、內容、結構、權限進行持續核驗、分析、變更，觸發數據的迭代優化，保障數據建有所用、用有所得[24]。

數據運營價值側的活動具體包括：根據企業戰略確定數據管理預算目標、理清數據管理預算策略和假設、制定數據管理計劃、明確數據管理責任網絡、編制和執行數據預算、開展數據預算控制與考評；從數據生命周期的視角，逐一識別數據各生命階段產生的人力成本、采購成本、軟件成本和硬件成本等數據成本類型和采集依據，常態化開展數據成本預測、成本運營分析、成本有效控制、成本決策優化等數據成本管理活動；建立數據責任會計，明確在數據資源化、數據資產化、數據利潤化和數據資本化等階段不同步驟相關責任中心的KPI及相關考核和激勵機制，確保數據運營的效率和質量；識別數據合規風險、估值風險、成本可靠性風險、應用場景匹配風險，實施定性和定量風險分析，處理整體數據風險敞口和應對具體數據風險，制定、執行并監督數據風險應對行動。

數據運營關注數據資產的利用和價值創造，通過有效管理和利用數據資產，將數據資產轉化為數據集、數據服務和數據應用等數據產品或戰略與商業決策所需的見解和洞察力，直接或間接增加企業銷售收入，提高數據利潤化率，更好地實現企業戰略和經營目標。

（二）數據資產價值評估

數據資產評估是外購數據資源入表后續計量的必要工具和數據集、數據服務和數據應用等數據產品交易的前提。根據《數據資產評估指導意見》，執行數據資產評估業務，需要關注影響數據資產價值的前期費用、直接成本、間接成本、機會成本和相關稅費等成本因素，使用范圍、應用場景、商業模式、市場前景、財務預測和應用風險等場景因素，主要交易市場、市場活躍程度、市場參與者和市場供求關系等市場因素，準確性、一致性、完整性、規范性、時效性和可訪問性等質量因素，以及確定數據資產價值的評估方法——收益法、成本法和市場法三種基本方法及其衍生方法[25]。在外購數據資源入表的后續計量和數據資產交易中，涉及的評估方法主要是收益法、市場法及其衍生方法。

（三）數據資產交易

數據資產交易一般由數據產品供需雙方在數據交易所或數據交易中心完成，具體包括登記、掛牌、簽約、交付、結算和憑證發放等流程。數據產品登記由供方提供數據產品說明，并提交該數據產品的合規自檢報告，經數據交易所審核后完成數據產品登記；數據產品掛牌由供方提供數據產品說明書，提交該數據產品的合規評估、質量評估等專業評估報告，經數據交易所審核后完成數據產品掛牌；數據產品交易簽約是數據產品供需雙方簽訂數據產品交易協議，明確數據產品價格、交付期限、交付方式等交易條件；數據產品交付是按照數據交易供需方協議約定的數據產品交付方式在安全、可信的環境中進行交付；數據產品結算是通過數據交易所指定的結算服務機構完成；數據產品交易憑證發放由數據交易所根據數據交易平臺記錄及數據交易供需方確認交付和結算履行完成的證明發放[26]。數據產品交易，直接增加企業銷售收入，從而實現數據利潤化，更好地實現企業的戰略和經營目標。數據產品交易是數據業務化的關鍵環節。企業數據產品在數據交易所交易的全流程，如圖3所示。

五、數據資本化

數據資本化是以數據資產在資本市場或金融市場的創新應用為目的，將面向產品市場的數據資產價值（生產數據產品或賦能業務以獲取利潤）轉化為面向資本市場或金融市場的數據資本價值過程。

在金融市場，數據資本化主要表現為數據資產的創新應用——數據資產增信、質押融資、保理、信托和保險等。數據資產增信是企業以數據資產價值及其運營產品的能力作為企業增加信用的手段，提升企業可申請的貸款額度。數據資產質押融資是企業將基于數據產品交易合約的應收賬款或數據資產作為信用擔保質押給銀行，以獲取銀行貸款，拓寬融資途徑[27]。數據資產保理是企業將基于數據交易合約形成的現有應收賬款轉讓給保理機構，以獲得及時的資金融通。數據資產信托是數據所有者以信托模式委托市場主體對其數據資產進行管理。數據資產保險是圍繞數據資產在流通、交易和應用方面的風險管理需要，開發相應的數據資產保險產品。

在資本市場，數據資本化主要表現為數字化企業成功上市、數據資產出資和數據資產證券化。數據資產出資是企業將其合法擁有的數據資產作價出資參與其他企業的股權合作，這是一種新形式的股權投資。數據資產證券化是以數據資產未來產生的現金流為償付支持，發行數據資產支持證券的過程[28]。

六、數據資產管理的體系框架

在業財數一體化的原則下，經過數據源梳理、數據管理和數據分類識別三個步驟，實現數據資源化；經過數據存證、登記、確權和入表四個步驟，實現數據資產化；經過數據資產運營、價值評估和交易三個步驟，實現數據利潤化；經過數據資產在資本市場或金融市場的創新應用，實現數據資本化。至此，數據資產演化邏輯——經過數據資源化，無序、冗余、應用價值有限的原始數據轉化具有經濟利益的在用數據資源；經過數據資產化，在用數據資源確認為數據資源類無形資產或數據資源類存貨；經過數據利潤化，數據資產交易創造利潤或賦能非數據類業務，最大化獲取利潤；經過數據資本化，數據資產在資本市場或金融市場創新應用，拓寬融資途徑得以呈現，從而企業基于演化邏輯的以數據資產保值增值為目標的“四階十一步”全生命周期數據資產管理體系框架得以構建，如圖4所示。

七、結語

本文在分析數據資產演化邏輯的基礎上，探討了數據資源化、數據資產化、數據利潤化和數據資本化的各個步驟和具體內容，構建了以數據資產保值增值為目標的“四階十一步”全生命周期數據資產管理體系框架，實現了數據運營、財務會計和管理會計的融合，使數據資產管理逐漸成為企業尤其是數字經濟企業價值提升的核心源泉。企業全生命周期數據資產管理體系的構建，將助推我國數據要素市場的培育，加快我國經濟社會各領域全方位的數字化轉型。

【參考文獻】

［1］ 程永新.大數據時代的數據資產管理方法論與實踐［J］.計算機應用與軟件，2018，35（11）：326-329.

［2］ 華燁，王莉.煙草企業數據資產管理方法研究及實踐［J］.中國煙草學報，2020，26（5）：114-122.

［3］ 李題印，郁建興，宣成，等.制造企業數據資產管理體系：要素范疇與邏輯框架［J］.情報科學，2022，40（9）：58-63.

［4］ 管茜.政府數據資產管理的內涵、要素框架與運行模式［J］.電子政務，2022（1）：2-13.

［5］ 大數據技術標準推進委員會.數據資產管理實踐白皮書6.0［EB/OL］.［2024-04-06］.http：//221.179.172.81/

images/20230104/12651672818383015.pdf.

［6］ 姚為培.數據資產管理趨勢［J］.通信企業管理，2023（12）：58-59.

［7］ 周文君.核能企業數據資產管理的思考和研究［J］.中國總會計師，2024（3）：133-136.

［8］ 德勤，阿里研究院.數據資產化之路：數據資產的估值與行業實踐［Z］.2019.

［9］ 韓向東.智能管理會計［M］.北京：人民郵電出版社，2021：27.

［10］ 全國信息技術標準化技術委員會.信息技術 大數據 數據分類指南：GB/T 38667-2020［A］.北京.全國信息技術標準化技術委員會，2020.

［11］ 龔鋼軍，常卓越，陳志敏，等.網絡安全視角下配電網數據資產分類分級探討［J/OL］.華北電力大學學報，2024.

［12］ 歐陽日輝，龔偉.基于價值和市場評價貢獻的數據要素定價機制［J］.改革，2022（3）：39-54.

［13］ 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）：54-62，2.

［14］ 劉海生.嵌入無形資產的會計恒等式研究［J］.商業經濟與管理，2008（9）：61-68.

［15］ 劉海生.基于異質性的無形資產經濟學特征研究［J］.北方論叢，2020（3）：5-12.

［16］ 天津市互聯網金融協會.數據資產登記、存證、確權業務標準（T/TJIFA 003-2022）［EB/OL］.［2022-

11-02］.https：//www.ttbz.org.cn/Home/Show/46713/.

［17］ 徐攀，李杰義.企業數據資產入表路徑：框架與實踐［J］.財會月刊，2024，45（7）：58-62.

［18］ 劉國英，周冬華.IASB概念框架下數據資產準則研究［J］.財會月刊，2021（21）：66-71.

［19］ 蘇昕.數據資產入表的政策及路徑研究［J］.中小企業管理與科技，2024（4）：74-76.

［20］ 吳進.數據資產評估是推動數據資產化的重要前置工作［N］.中國會計報，2023-09-22（008）.

［21］ 大成劉靜律師團隊.數字資產與無形資產、知識產權的區別？［EB/OL］.［2023-08-25］.https：//zhuanlan.zhihu.com/p/703784375.

［22］ 普華永道.企業數據資源入表五大提示及“五步法”入表路徑解析［EB/OL］.［2023-08-25］.http：//www.

chinaedg.cn/e/wap/show.php？classid=77&id=2895&style=

0&bclassid=0&cid=77.

［23］ 劉海生.企業百年的基石是什么？［N］.市場報，2009-

02-09（008）.

［24］ 大數據技術標準推進委員會.數據運營實踐白皮書（2023年）［EB/OL］.［2023-12-25］.https：//govcdo.digitalelite.cn/nd.jsp？id=979&fromMid=3&groupId=138

［25］ 中國資產評估協會.關于印發《數據資產評估指導意見》的通知［EB/OL］.［2023-09-08］.http：//www.cas.org.cn/ggl/427dfd5fec684686bc25f9802f0e7188.

htm.

［26］ 上海數據交易所.數據資產入表及估值實踐與操作指南［EB/OL］.［2023-11-28］.https：//govcdo.digitalelite.cn/nd.jsp？id=842&fromMid=593.

［27］ 周軒千.上海加快探索數據資產新融資方式［N］.金融時報，2024-01-30（012）.

［28］ 趙麗芳，林立，李金璞，等.基于數據要素價值鏈評估企業數據資產［J］.企業管理，2023（12）：88-91.