出版業離數據資產化還有多遠

國家加快建設數據要素市場，數據成為新形勢下的核心生產要素。“數據資產入表”也一度成為數字出版領域的熱詞之一。

自國家將數據要素列為第五大生產要素以來，數據已經成為各行各業重要的戰略資源，也成為社會經濟發展的新動能。對出版行業而言，數據資產化意味著將出版社海量的圖書數據轉化為具有實際商業價值和社會效益的資源。通過有效的數據采集、整合、分析和應用，出版社可以更加精準地把握市場動態，優化資源配置，創新產品和服務，從而提升競爭力和盈利能力。

什么是數據資產和數據資產化

數據資產作為經濟社會數字化轉型進程中的新興資產類型，在經濟運行中日益活躍，其定義可以從多個角度來理解。

從企業管理的角度來看，數據資產指企業擁有或控制的、能夠為企業帶來未來經濟利益的數據資源。這些數據資源經過有效收集、整理、存儲和分析，能夠支持企業的決策制定、業務優化、創新發展等活動，為企業創造價值。

從財務會計的角度出發，數據資產是指可以用貨幣計量，并且預期能為企業帶來經濟利益流入的數據集、數據集合或數據衍生品。在信息技術領域，數據資產被認為是具有一定規模、能夠產生價值、可以被重復利用，并且以數字化形式存在和存儲的數據集合。總的來說，數據資產是具有可計量價值、可被擁有或控制、能夠為擁有者帶來經濟利益或其他收益，并以數據形式存在的資源。

數據資產化則是指將數據資源轉化為具有經濟價值的資產的過程。這一過程可采用技術手段，包括收集、整理、分析、加工等，也離不開商業運作手段，將數據資源轉化為可量化、可交易的資產，涉及數據要素的識別、整合、運營和交易等多個環節。

用于實現數據資產化的關鍵手段和策略主要包括：

第一，數據要素梳理與整合。首先，企業需要對自身的數據來源進行全面梳理，包括內部產生的數據（如業務數據、財務數據等）和外部獲取的數據（如市場數據、行業數據等）。其次，通過數據清洗、轉換和整合技術，將不同來源、不同類型的數據整合到一個統一的數據平臺或數據倉庫中，便于后續的數據分析和應用。

第二，數據運營實施。數據運營是數據資產化的關鍵環節，涉及數據的采集、存儲、處理、分析和應用等方面。企業需要建立完整的數據管理體系，包括數據治理、數據安全、數據質量等，同時運用數據分析技術和工具，對數據進行深入挖掘和分析，發現數據中的規律和價值。

第三，數據產品形成與交易。基于數據分析結果，企業可以開發數據產品或解決方案，以滿足決策和業務運營的需求。數據產品需要經過嚴格的測試，確保質量和穩定性后，在大數據交易市場上進行交易，實現數據資產的流通和價值最大化。

第四，數據資產價值評估。推進數據資產評估標準和制度建設，規范數據資產價值評估。利用數字技術對數據資產價值進行預測和分析，構建評估標準庫、規則庫等，支撐標準化、規范化業務開展。

第五，數據資產收益分配機制。完善數據資產收益分配與再分配機制，按照“誰投入、誰貢獻，誰受益”原則，依法依規維護各相關主體數據資產權益。目前，國家在推動探索建立公共數據資產治理投入和收益分配機制，推動公共數據資產開發利用和價值實現。

第六，建立數據權屬制度。包括明晰產權結構，框定集團內部、關聯公司、供應鏈上下游數據權屬配置，通過構建符合各類生產要素特性的產權制度，實現未來歸屬、使用、收益等重要權益的確權。這包括數據資源持有權、數據加工使用權、數據產品經營權等分置的產權運行機制。

第七，技術系統支撐。數據資產化還需要特定的技術系統支撐，包括數據資產識別技術、統一的標志管理、權屬管理、認證機制、授權管理、算法管理和分類分級等。

第八，推進數據產品交易。推動數據資產化，在確權、定價、交易等關鍵環節，更好地挖掘數據價值，實現數據資產的增值和流通，從而在數字化浪潮中提升自身的核心競爭力。

出版業數據資產化的主要挑戰

出版業是一個典型的數據密集型行業，天生擁有豐富的、高質量的數據資產。這些數據資產主要分為經營數據和內容數據兩大類，對于出版業的數字化轉型和數據資產化具有重要意義。但出版業是一個傳統行業，普遍存在技術基礎設施建設不足、數字化人才缺乏、數字化程度較低等問題。

當前，出版業數據資產化主要存在以下幾大挑戰：其一，是經營數據積累的問題。出版業的內容數據質量較高，而且保存完好，但是經營數據的積累嚴重不足。數據收集機制不完善，技術基礎設施不足，數據管理策略不明確。

面對這些問題，出版企業可以通過完善數據搜集機制、加強數據基礎設施建設、明確數據管理策略嘗試解決。首先，制定一份詳細的數據目錄，明確需要搜集哪些數據；其次，規劃搜集數據的方式和途徑，知道如何搜集需要的數據；最后，制定明確的數據搜集機制，使這項工作規范化和常態化。投資建設大數據存儲和處理平臺，確保數據能夠得到有效的存儲和管理；建立規范的數據管理制度，明確數據收集、存儲、處理和利用的標準和流程，確保數據積累的完整性和連續性。例如通過制定數據管理手冊和實施數據治理，企業可以有效提升數據管理水平，確保數據積累的高質量和高效性。

其二，是數據資產評估的問題。雖然出版社有較高質量的內容數據，但是在對外合作時，如何評估這些數據的價值是一個難題。首先，是因為缺乏系統明確的評估標準。整個數據資產管理領域目前還沒有統一的數據資產評估標準，出版業更沒有這樣的標準，導致出版業數據的價值難以衡量。其次，評估方法不科學。現有的評估方法和工具難以準確反映數據資產的真實價值，傳統的財務評估方法往往側重于有形資產，對無形資產尤其是數據資產的評估缺乏有效的手段。最后，缺乏專業評估人才。數據資產評估需要專業的知識和技能，包括數據分析、財務評估和業務洞察，出版業在這方面的人才儲備不足，缺乏具備相關經驗和能力的評估人才。

面對這些問題，出版業需要采取的措施主要包括：首先，制定明確的評估標準。基于目前幾種主流的數據資產評估標準，制定適合出版業自身的評估框架和體系，全面涵蓋出版業的各種類型的數據。其次，采用科學的評估方法和工具。可以引入先進的數據分析技術和評估工具，如機器學習算法、大數據分析平臺和數據挖掘技術，提高評估的科學性和準確性。最后，培養數據資產評估人才。重視數據資產評估人才的培養，開展專業培訓和引進高端人才，出版業內部必須有懂數據資產評估的專業人才，同時還應該加強與外部專業評估機構的合作。

其三，是數據資產入表的問題。如果出版業能將數據資產納入數據資產負債表中，將大幅提升出版企業的融資能力和抗風險能力，更加真實地反映出版企業的財務狀況。與大多數企業類似，出版企業在數據資產入表時也會面臨諸如數據價值不確定、會計處理復雜、缺乏行業標準等問題。

面對這些問題，出版業該如何應對？首先，采用先進的數據評估方法和工具，科學評估數據資產的市場價值。通過建立數據價值評估模型，準確反映數據資產的經濟價值，確保評估結果的科學性和準確性。其次，優化和規范數據資產入表的會計處理流程，確保符合會計準則和規定。通過制定標準化的會計處理流程，提升數據資產入表的效率和規范性。最后，參與行業標準制定，推動數據資產入表的規范化和標準化，建立統一的數據資產入表規范和標準。

其四，是數據安全和隱私問題。網絡安全形勢嚴峻，數據資產已成為黑客攻擊的主要目標，給出版企業帶來巨大的安全威脅；出版企業內控機制不完善，未能有效控制和監控數據的訪問與使用，從而增加了數據泄露的風險；現有的數據安全和隱私保護技術手段在應對復雜安全威脅方面存在不足，大多數出版企業本身技術實力較弱，很難全面檢測和防護潛在的安全威脅。

為了有效應對數據安全和隱私保護方面的挑戰，出版企業需要積極引入先進的網絡安全技術和工具，以加強數據的防護；定期進行安全審計和漏洞掃描，及時發現并修補安全漏洞，從而提升整體的網絡安全防護水平；建立一套完善的數據管理機制，加強對內部數據訪問和使用的控制。通過權限分級和角色管理，控制不同用戶對數據的訪問權限，從而減少內部人員違規操作的風險；定期進行內部審計和檢查，以確保數據管理措施得到有效執行；通過培訓和教育，使員工充分了解數據安全的重要性，掌握基本的安全防護技能，以防范內部安全風險。此外，企業還可以組織模擬攻擊和應急演練，提高員工應對安全事件的能力。

其五，是數據使用控制問題。出版業在數據使用控制過程中主要會面臨以下問題：第一，訪問控制策略不完善，缺乏系統化和全面的訪問控制策略，導致數據訪問權限不明確；缺乏自動化和動態管理手段，無法及時調整權限設置以應對變化的業務需求和安全威脅。第二，內部人員違規操作，導致數據被泄露或篡改。出版企業在內部數據使用控制方面往往缺乏有效的監控和審計機制，無法及時發現和應對違規操作。第三，數據使用控制技術手段不足，應對復雜的權限管理需求以及多樣化的業務場景時力不從心，難以適應其復雜多變的管理需求，無法提供細顆粒度和實時的控制和監控能力。

應對措施主要包括：第一，精細化權限管理，引入先進的權限管理系統，實施基于角色的訪問控制（RBAC）策略，根據員工的職位和職責設定不同的訪問權限。通過動態和自動化的權限管理工具，可以實時調整和優化權限設置，確保權限分配的合理性和安全性。第二，完善訪問控制策略，制定和實施系統化的訪問控制策略，確保數據訪問權限的明確和可控。訪問控制策略應包括數據分類分級、訪問權限定義、審批流程和監控機制等方面，確保每個數據訪問請求都經過嚴格審核和控制。第三，加強內部審計和監控，建立內部審計和監控機制，定期檢查和評估數據訪問情況，及時發現和處理違規操作。通過日志記錄和行為分析，可以監控和審計員工的操作行為，識別異常訪問和潛在的安全威脅。對敏感操作進行實時監控和預警，確保數據使用的安全性和合規性。

其六，是商業模式創新問題。出版業的數據資產化不僅僅是技術問題，更是一場深刻的商業模式創新。出版業長期以來依賴于傳統的紙質出版和銷售模式，形成了較強的業務慣性。企業內部的管理體系、業務流程、盈利模式等都與之緊密相關。數據資產化要求企業打破這些傳統模式，轉向數字化、數據驅動的新型商業模式，這對企業的組織架構、管理理念和市場策略都提出了巨大的挑戰。

數據資產化要求數據與業務的深度融合，但許多出版企業在數據與業務的結合上存在障礙。數據部門與業務部門之間的協作不暢，數據無法有效轉化為業務價值。此外，企業內部缺乏數據文化，員工對數據的認知和使用能力不足，進一步阻礙了數據與業務的融合。數據資產化帶來的商業模式轉型需要探索新的盈利模式。傳統的出版業盈利主要依賴于版權銷售和廣告收入，而數據資產化則可能帶來新的收入來源，如數據服務、定制化內容、個性化推薦等。但這些新模式的探索需要時間和資源的投入，且市場接受度和盈利能力存在不確定性。

針對這些問題，出版企業需要建立數據驅動的文化，通過培訓和宣傳，提升全員的數據意識和數據使用能力，促進數據與業務的深度融合；優化組織架構，建立跨部門的數據協作機制，確保數據部門與業務部門的有效溝通和協作；結合自身資源和市場優勢，積極探索數據服務、定制化內容等新的盈利模式，逐步實現商業模式的轉型。■

（本文作者為機械工業出版社華章分社計算機圖書事業部總經理）