數據要素資產化對企業價值的影響研究

摘 要：在我國加快新質生產力發展并將數據要素視為生產要素之一的背景下，研究數據要素資產化的價值創造具有重大意義。以2013—2022年A股上市公司作為樣本，研究了數據要素資產化對企業價值的影響，發現數據要素資產化能顯著提高企業價值。機制檢驗發現技術水平和創新發展在數據要素資產化影響企業價值的過程中發揮了部分中介作用。另外，異質性檢驗發現數據要素資產化對企業價值的提高在非國有企業、大型企業以及高科技企業中更為顯著。本文的研究為推動數據要素資產化提供了依據，為企業提高價值提供了新思路，提出企業需要加強數據要素的管理，盡快建立完善的數據要素資產化流程，以實現數據的最大化利用和價值提升，提高企業在數字經濟中的競爭力；政府應積極制定并實施一系列專項政策，鼓勵企業在數據資產化進程中進行投資與創新。

關鍵詞：數據要素資產化；企業價值；技術水平；創新發展

一、引言

習近平總書記2017年在主持中共中央政治局第二次集體學習時強調要加快建設數字中國，構建以數據為關鍵要素的數字經濟，推動實體經濟和數字經濟融合發展。作為數字經濟的關鍵要素，數據的意義與作用日益凸顯①。2020年《中共中央 國務院關于構建更加完善的要素市場化配置體制機制的意見》把數據與勞動、資本、土地、技術等一并視為生產要素②。2023年習近平總書記提出“新質生產力”，其數字化、網絡化、智能化的基本特征更為數據要素轉化為生產力提供了理論與現實依據。數據要素作為新型的生產要素，對其資產化已成為必然趨勢。數據要素資產化是將企業內部的數據要素轉化為可交易的資產，從而實現數據價值最大化。研究數據要素資產化在推動企業數字化轉型，運用大數據、云計算等現代信息技術優化生產流程和管理模式，提高生產效率，最終提升企業價值這一過程中如何發揮作用是學術研究的重點問題。

另外，隨著數字經濟和數字技術發展，企業所擁有的數據資源越來越豐富，數據要素資產化已經成為企業提高核心競爭力的重要手段，也是企業發展的重要戰略之一。如何更好地利用數據資源成為企業面臨的重要問題，因此研究數據要素資產化對企業價值的影響，不僅可以揭示數據要素資產化對企業價值創造的貢獻，還能推動數據要素資產化的進程，為企業提高價值創造新思路。

現有研究中，對于數據要素資產化的研究主要集中于其影響因素和經濟后果[1]。在衡量數據要素資產化的影響因素方面，首先需要考慮數據要素的特征，以數據要素的特征為基礎，建立數據要素資產化的理論機制和框架，以此來更好地衡量數據要素的資產化[2-3]。其次，需要考慮成本和收益，通過核算計量對象產生過程中的各項成本實施估值，在存在交易場景且市場活躍的條件下，企業數據資產的估值也可以使用其市場價格[4]。同時，在考慮數據資本價值鏈時，以成本法研究數據資本的價值鏈，需要考慮勞動力成本和非勞動力成本；以增值法研究數據資本形成額增長率，需要額外考慮數據相關的增長率[5]。最后，需要考慮其過程[6]，包括公司數據戰略和組織架構的建立、數據系統平臺的開發和搭建、數據資產質量治理以及數據資產盤點與運營4個階段[7]。另外，數據資產化包括數據分析、數據決策、數據編排、數據資產評估等關鍵行為，應當遵循“分析—決策—實施—評估”的邏輯來分析數據要素資產化[8]。

在經濟后果方面，從宏觀來看數據要素資產化有助于經濟增長，數據資本使用效率越高，政府在數據資本方面的支出效率越高，總體經濟增長率越高[9]。數據要素既能通過數據自身的經濟增長效應直接驅動經濟增長，也能通過促進技術進步間接驅動經濟增長，對中國經濟增長作出了重要貢獻[10]。從微觀來看，數據要素資產化一方面能夠提高企業創新能力，數據不僅可以通過緩解資金約束來激發企業的創新意愿，還可以促進研發，從而擴大創新資源，提高創新投資效率[11]。另一方面，數據要素資產化能夠推動企業發展。數據要素作為獨立的生產要素，通過全程參與產品生命周期，推動制造業的高質量發展[12]；數據資產還可以通過優化生產中資源部署以及客戶關系來提高生產效率[13]，數據資產越多，企業資本擴張越快，進而推動企業發展[14]，最終數據要素資產化會對企業價值產生影響。數據要素創造的價值不僅僅來自數據要素或技術，還取決于其組織環境和管理行為的過程[15]。此外，數據資產的信息透明度提升有助于吸引人力資本并減輕融資壓力，從而提高企業整體價值[16]。數字平臺的服務能力和跨境電商企業的數字化轉型能力同樣作為數據要素資產化的結果對企業績效有正向顯著影響[17]。

雖然數據要素資產化已經引起了企業界和學術界的關注，但探討數據要素資產化對企業價值的影響的研究還較少。鑒于此，本文在理論分析數據要素資產化如何影響企業價值的基礎上，建立起數據要素資產化與企業價值之間的聯系。進一步通過實證方法研究數據要素資產化對于企業價值的影響，并分析其影響路徑，主要貢獻如下：（1）通過分析數據要素資產化對企業價值的影響路徑，構建數據要素資產化對企業價值影響的框架，為數字經濟發展的研究提供新思路；（2）驗證數據要素資產化發展給企業價值帶來的影響，為企業提供參考依據；（3）通過研究數據要素資產化對企業價值的影響，推動數據資產化建設，探索新的價值創造途徑和方式，為企業制定經營策略和投資決策提供參考。

二、理論依據和研究假設

數據要素已成為企業最寶貴的財富之一，數據要素資產化可以幫助企業有效管理和利用數據要素，為企業創造更大的價值。

數據要素資產化是企業數字化轉型的重要組成部分，通過數字化轉型，企業可以實現業務流程的優化和升級，推動技術的應用和創新[18]，改進工藝流程并提升產品品質，進而提升企業的競爭力和價值[19]。在實現業務流程的優化后，數據要素資產化還可以通過技術的突破、知識創新的研發、生產流程的重組來實現價值的重構，釋放數據要素的價值，直接提升企業價值，促進企業高質量發展[20]。除了優化技術與業務流程外，數據要素資產化也有助于企業了解和分析大數據信息，合理利用生產過程中的資源，減少無效浪費，使生產經營精細化[21]，進而間接提高企業價值。例如：企業通過構建數據倉庫以及數據交易平臺[22]，將來自各個部門的數據集中管理，實現數據的整合和共享，不僅能提高數據的利用效率，也為決策者提供了更加準確和全面的信息支持。數據要素資產化與企業的經營行為保持一致[20]，促進數據要素在生產過程中的使用效率與配置合理性，利用數據要素資產化成果來合理配置供應商和客戶[23]，助力企業數字化轉型，最終實現價值創造。數據要素資產化還可以幫助建立市場互聯網數據生態環境，實現市場環境方面的價值創造和價值共享[24]，為企業創造更多數字生態環境，幫助提升企業價值。基于此，提出假設1。

H1：數據要素資產化可以提高企業價值。

基于技術水平方面，企業在進行數據資產化的過程中，需要不斷投資于新技術，以確保數據的有效采集、存儲和分析。隨著技術的不斷進步，企業有機會采用更加先進的數據處理工具，這些技術的應用可以極大提升企業的運營效率[25]。數據要素資產化可以幫助企業建立起數據驅動的決策機制，通過對大量數據的收集、整理和分析，企業能夠從數據中獲取市場趨勢，為決策提供更可靠的依據[26]，這有助于企業更準確地處理市場需求、產品優化、供應鏈管理等方面的問題，從而提高技術水平，進而促進企業價值的提升。為了實現上述流程，數據要素資產化需要建立統一的數據標準和平臺架構，以確保數據的質量、可用性和安全性[7]，企業通過制定技術標準、建設數據平臺等方式，提高數據的互操作性和共享性，能夠降低技術集成和應用開發的成本和風險，推動技術水平的提升[20]，最終完成企業價值的增長。另外，為了充分利用數據資源，企業需要培養具備數據分析和處理能力的專業人才，這不僅提高了企業的技術水平，也為企業的長期發展奠定了基礎。企業通過建設數據分析團隊、培訓技術人才等方式，可以提升組織內部的技術水平和數據能力[13]，促進技術升級，實現提高企業價值的目標。基于此，提出假設2。

H2：數據要素資產化通過提高企業的技術水平，進而提高企業價值。

基于創新發展的角度，通過數據挖掘還能更清晰地識別出市場的需求變化和潛在機會，這種數據驅動的洞察力為企業提供了創新的方向，促使其開發出更符合市場需求的新產品和服務[27]，以此來促進企業的創新發展，進而實現企業價值的提高。數據要素資產化還可以為企業的創新研發和實驗提供重要支持[18]，通過收集和分析實驗數據、仿真數據等，企業可以更快速地評估創新方案的可行性和效果，降低創新研發的成本和風險[20]。在主動性方面，企業數據要素的資產化可以提高企業創新的意愿，加速融資資金的流動能力[28]，有助于推動創新發展，提高企業價值。除了企業內部創新，數據要素資產化還在企業之間的合作上有了突破。數據要素資產化的虛擬特性打破了時間與地域的限制，推動了企業合作形式的創新，提升了合作的效率與共享共贏的能力[29]，從而促進企業價值的增長。最后，數據要素資產化可以幫助企業構建創新生態系統和合作伙伴關系，促進創新發展，企業可以通過共享數據、合作研發、開放創新等方式，與行業內外的合作伙伴共同探索新的創新領域和商業模式，實現資源共享和優勢互補，推動創新的快速發展和應用落地[30]，進而幫助提升企業價值。綜上所述，提出假設3。

H3：數據要素資產化通過促進企業的創新發展，進而提高企業價值。

綜上所述，本文的研究框架如圖1所示。

三、研究設計

（一）樣本選擇及數據來源

考慮數據要素資產化的概念在近幾年才出現，本文選擇2013—2022年共10年中國A股上市公司作為初始研究樣本，并依照現有文獻剔除以下樣本：（1）ST、*ST和PT公司；（2）新上市和已退市公司；（3）資不抵債的公司；（4）相關變量缺失的公司；（5）金融業上市公司。最終獲取10764個觀測值作為非平衡面板數據進行回歸分析。公司數據的主要來源為國泰安（CSMAR）和萬得（Wind）數據庫。

（二）變量衡量

1. 被解釋變量。對于企業價值（Q）的度量，采用托賓Q值來衡量。通過企業市值（股票市值加上負債）與企業替代成本的比值來計算。

2. 解釋變量。數據要素資產化（Data_Asset），參考李健等[11]的做法，將企業數據要素資產化的過程劃分為數據收集、數據存儲、數據分析以及數據應用4個階段，結合企業財務報表附注中所披露的與這4個階段相關的詞匯的詞頻，對企業的數據要素資產化程度進行衡量，如圖2所示。為了防止極端變量對結果產生影響，對詞頻數據進行了取對數以及縮尾處理。

3. 主要控制變量。參考路征等以及李健等[11]的做法，結合常用控制變量的指標，本文選取以下控制變量：（1）企業成熟度。企業規模（Size）定義為總資產的對數值；企業年齡（Age）定義為當前年份減去成立年份的對數值；（2）財務指標：資產負債率（Lev）定義為總負債/總資產；企業成長性（Grow）定義為營業收入的增長率；現金持有水平（Cash）定義為經營活動產生的現金流量凈額/總資產；中間投入（lnvest_med）定義為企業經營業務相關現金的對數值；凈資產收益率（ROE）以及資產周轉率（ATO）。（3）公司治理指標：兩職合一（Merge）董事長與總經理相同取1，否則為0；第一大控股股東持股比例的對數值（ConP）。

四、實證分析

（一）描述性統計

表1展示了相關變量的描述性統計結果。結果顯示，解釋變量數據要素資產化的均值和標準差分別為2.7265，1.1610，表明不同公司的數據要素資產化程度存在顯著差異。被解釋變量企業價值的均值和標準差分別為2.1849，1.3420，表明不同企業的企業價值存在較大差異。其余控制變量的統計結果也表明各項指標相關數據均存在顯著差異，為后續回歸奠定了基礎。

（二）回歸分析

表2報告了數據要素資產化對企業價值影響的回歸結果，對企業和年份進行了控制。第（1）列加入企業層面控制變量的實證結果顯示，Data_Asset的估計系數在1%水平上為正；第（2）列加入企業層面和財務指標的控制變量的實證結果顯示，Data_Asset的估計系數依然顯著為正。第（3）列加入全部控制變量的實證結果顯示，Data_Asset的估計系數依然顯著為正。實驗結果均表明，數據要素資產化能夠顯著提高企業價值，假設H1得到驗證。此外，控制變量的結果與已有文獻基本一致。資產負債率越高，企業成長性越強，現金持有水平越高，凈資產收益率越高，資產周轉率越高，數據要素資產化顯著正向影響企業價值；而企業規模越大，企業年齡越大，中間投入越大，兩職合一，控股股東持股比例越高，企業數據要素資產化過程越不易完成，會反向影響企業價值。

（三）穩健性檢驗

1. 替換解釋變量。在衡量“數據要素資產化”的詞匯中，還有其他可量化數據要素資產化的詞匯。因此，在圖2中4個階段的詞匯的基礎上，擴大其余相關的關鍵詞重新進行衡量（擴大后的詞匯如圖3所示），仍進行對數化處理以及縮尾處理后得到Data_Asset1變量，并剔除無效數據再次進行回歸。回歸結果如表3第（1）列所示，可以發現，數據要素資產化對企業價值的回歸系數在1%的水平上顯著為正，證明了本文研究結果具有穩健性。

lt;D：＼人文＼人文2025-08＼圖2508" "020.tifgt;

圖3 數據要素資產化過程擴大詞匯

2. 改變樣本容量。通過縮小樣本容量，減少部分樣本數據。基于部分企業數據要素資產化相關信息披露較少，為了避免其數據要素資產化量化詞頻偏低對研究的影響，本文刪除了詞頻較少的部分企業的研究樣本重新進行回歸。回歸結果如表3中第（2）列所示，可以發現，數據要素資產化對企業價值的回歸系數仍顯著為正，同樣驗證了本文研究結果的穩健性。

3. 滯后自變量回歸。考慮數據要素資產化對企業影響可能存在滯后性，以及企業可能會因為企業價值高才有機會進行數據要素的資產化，從而導致反向因果關系。本文將數據要素資產化變量進行滯后一期處理，得到了L.Data_Asset變量進行回歸，可以緩解上述兩種問題帶來的影響。具體結果如表3中第（3）列所示，可以發現，數據要素資產化對企業價值的回歸系數在1%的水平上顯著為正，符合本文的研究結論。

4. 采用Tobit模型進行重新估計。考慮到因變量Q的數據特征，其最小值明顯受限，符合Tobit模型適用條件，采用Tobit模型進行重新估計來檢驗其穩健性。結果如表3中第（4）列所示，可以發現，數據要素資產化對企業價值的回歸系數在1%的水平上顯著為正，再次驗證了研究的穩健性。

五、進一步分析

（一）機制分析

1. 基于技術水平（Skills）

將企業的技術水平定義為專利申請數量與專利授權數量的總和。為了防止極端值以及0值的影響，對數據作加一后取對數并縮尾處理，即Skills=ln（專利申請數量+專利授權數量＋1），為了防止0值影響，采用0.01對0進行替換。

基于技術水平的視角，回歸結果如表4所示，第（1）列中數據要素資產化的系數，顯著為正，說明數據要素資產化有助于企業價值的提高；第（2）列中的系數同樣顯著為正，說明數據要素資產化有利于企業技術水平的提高；第（3）列數據要素資產化和技術水平的系數均顯著為正，且數據要素資產化的系數有所降低。以上結果說明技術水平存在著部分中介效應，即數據要素資產化會促進企業技術水平的提高，從而提升企業價值。由此，假設H2得以驗證。

2. 基于創新發展（Invest inn）

將企業的創新發展能力定義為研發支出/資產總額，為了防止數值過小的影響，對所需數值均作擴大十倍處理并縮尾，即創新發展=研發支出/資產總額×10。

基于創新發展的視角，回歸結果如表4所示，第（4）列中數據要素資產化的系數顯著為正，說明數據要素資產化有助于企業價值的提高；第（5）列中的系數顯著為正，說明數據要素資產化有利于創新發展；第（6）列數據要素資產化和創新發展的系數均顯著為正，且數據要素資產化的系數同樣有所降低，說明創新發展存在著部分中介效應，即數據要素資產化會促進企業創新發展，從而提升企業價值。由此，假設H3得以驗證。

（二）異質性分析

1. 企業性質

本文按照企業的所有制將樣本分為國有企業和非國有企業，將國有企業賦值為1，非國有企業賦值為0，重新進行回歸，結果如表5第（1）列和第（2）列所示。可以發現，數據要素資產化更有助于非國有企業提高企業價值。其原因可能是非國有企業在數據要素資產化過程中因為靈活的組織結構和決策機制，往往能更快適應市場需求和技術變化。這種快速反應使它們能夠迅速整合和利用數據資源，從而實現更高效的運營和創新。相比之下，國有企業在數據資產化的實施上可能受到更復雜的政策和管理流程的影響，這使得它們的數據要素資產化速度相對較慢。

同樣地，按照《統計上大中小微型企業劃分辦法（2017）》，將研究樣本劃分為大型企業和中小型企業，大型企業賦值為1，中小型企業為0，再次進行回歸，結果如表5第（3）列和第（4）列所示。可以發現，數據要素資產化對企業價值的影響在大型企業的樣本中顯著度高于中小型企業的樣本。由此可知，數據要素資產化對大型企業的企業價值的提升作用更大。其原因可能是大型企業相較于中小型企業，擁有更多的資源來進行數據要素的資產化，且數據要素資產化的過程更加合理高效，從而使企業價值提高。

2. 企業屬性

按照企業屬性的不同，將企業劃分為高科技企業和非高科技企業，其中高科技企業為1，非高科技企業為0。回歸結果如下表5第（5）列和第（6）列所示。結果表明，數據要素資產化對企業價值的影響在高科技企業的樣本中顯著度更高，而在非高科技企業的樣本中不顯著。由此可知，數據要素資產化對高科技企業的企業價值的提升作用更大。其原因可能是相較于非高科技企業，高科技企業中運用數據要素的范圍更廣泛，從而導致數據要素資產化的影響更廣泛，最終促進企業價值提高。

六、研究結論和啟示

數字經濟成為全球經濟發展的重要因素，在加快發展新質生產力，扎實推進高質量發展的背景下，數據要素作為重要的生產要素之一，數據要素資產化具有重大的意義。本文以2013—2022年A股上市公司的數據作為研究樣本，量化企業的數據要素資產化過程，實證檢驗了其對企業價值的影響，并進一步探討了技術水平和創新發展在對企業價值的影響中發揮的作用。此外，異質性分析顯示，數據要素資產化對企業價值的提升在非國有企業、大型企業以及高科技企業中更為顯著。上述結果均檢驗了數據要素資產化過程對于企業價值的重要性，因此，本文提出以下建議與啟示。

第一，在企業層面要關注數據要素資產化的過程，加強數據要素的管理，盡快建立完善的數據要素資產化流程，將數據要素資產化的結果最大程度投入實際應用中。一方面，企業需要加強數據要素資產化過程的4個階段，關注每個階段產生的數據潛在價值，充分發揮數據要素資產化的優勢。另一方面，企業需要關注數據要素資產化帶來的技術變革和科技創新，利用數據要素資產化帶來的數據共享平臺，促進企業間的數據共享與合作，以實現數據的最大化利用和價值提升，提高企業在數字經濟中的競爭力。

第二，政府應積極制定并實施一系列專項政策，鼓勵企業在數據資產化進程中進行投資與創新，包括稅收減免、財政補貼、技術支持以及建立數據共享平臺等多種形式，以降低企業在數據資產化過程中的成本和風險。通過這些措施，政府不僅能夠促進企業對數據資產重要性的認識，還能幫助它們開發出更具競爭力的數據驅動產品和服務，提升企業的整體價值。

七、研究局限及展望

本文的研究仍然存在一些不足。其一，本文采用實證研究法，在樣本選擇上，選擇了部分上市公司作為研究樣本，但無法驗證國內非上市公司中數據要素資產化對企業價值的影響，在未來的研究中，可以考慮擴大樣本規模，采用更多樣的研究方法，以增強研究結果的穩健性和代表性。其二，本文在研究數據要素資產化對企業價值的影響機制上，只考慮了具有代表性的技術水平和創新發展，未來研究可以進一步深入挖掘變量之間的關系和機制，以揭示更深層次的研究結論。

注 釋：

① 習近平總書記2017年在十九屆中央政治局第二次集體學習時強調內容。

② 《中共中央 國務院關于構建更加完善的要素市場化配置體制機制的意見》。

參考文獻：

［1］ YE J Y.Analysis of Hotspots and Trends in Domestic and International Data Asset Research： A Knowledge Graph Analysis Based on CiteSpace［J］.International Business Economics Studies，2024，6（2）：230-236.

［2］ WANG J， LI Y S，SONG W，et al.Research on the Theory and Method of Grid Data Asset Management［J］.Procedia Computer Science，2018（139）：440-447.

［3］ 李海艦，趙麗.數據成為生產要素：特征、機制與價值形態演進［J］.上海經濟研究，2021（8）：48-59.

［4］ 羅玫，李金璞，湯珂.企業數據資產化：會計確認與價值評估［J］.清華大學學報（哲學社會科學版），2023，38（5）：195-209.

［5］ 劉濤雄，戎珂，張亞迪.數據資本估算及對中國經濟增長的貢獻——基于數據價值鏈的視角［J］.中國社會科學，2023（10）：44-64.

［6］ KATHRINA B ，CORDULA K ，YANA B.From Digital Design to Data-Assets［J］.Historical Social Research，2022，47（3）：81-110.

［7］ 徐濤，尤建新，曾彩霞，等.企業數據資產化實踐探索與理論模型構建［J］.外國經濟與管理，2022，44（6）：3-17.

［8］ 朱秀梅，林曉玥，王天東，等.數據價值化：研究評述與展望［J］.外國經濟與管理，2023，45（12）：3-17.

［9］ 楊飛虎，王志高，余炳文.數據要素、數據財政與經濟增長［J］.當代財經，2022（11）：40-52.

［10］ 楊艷，王理，李雨佳，等.中國經濟增長：數據要素的“雙維驅動”［J］.統計研究，2023，40（4）：3-18.

［11］ 李健，董小凡，張金林，等.數據資產對企業創新投入的影響研究［J］.外國經濟與管理，2023，45（12）：18-33.

［12］ 王德祥.數字經濟背景下數據要素對制造業高質量發展的影響研究［J］.宏觀經濟研究，2022（9）：51-63.

［13］ HU G Y， LI Y T ，ZHENG X J Z .Data Assets， Information Uses， and Operational Efficiency［J］.Applied Economics，2022，54（60）：6887-6900.

［14］ 路征，周婷，王理，等.數據資產與企業發展——來自中國上市公司的經驗證據［J］.產業經濟研究，2023（4）：128-142.

［15］ MüLLER S D ，JENSEN P .Big Data in the Danish Industry： Application and Value Creation［J］.Business Process Management Journal，2017，23（3）：645-670.

［16］ 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.

［17］ YANG Y P ，CHEN N， CHEN H M， .The Digital Platform， Enterprise Digital Transformation， and Enterprise Performance of Cross-Border E-Commerce：From the Perspective of Digital Transformation and Data Elements［J］.Journal of Theoretical and Applied Electronic Commerce Research，2023，18（2）：777-794.

［18］ XU T， SHI H N，SHI Y J， et al.From Data to Data Asset： Conceptual Evolution and Strategic Imperatives in the Digital Economy Era［J］.Asia Pacific Journal of Innovation and Entrepreneurship，2024，18（1）：2-20.

［19］ 徐翔，趙墨非，李濤，等.數據要素與企業創新：基于研發競爭的視角［J］.經濟研究，2023，58（2）：39-56.

［20］ 劉光強.數據資產賦能企業高質量發展的價值創造邏輯與路徑［J］.財會通訊，2024（4）：3-12.

［21］ 于翔，牛彪，苑澤明.數據資產、人力資本升級與企業價值［J］.中南財經政法大學學報，2024（2）：109-122.

［22］ 劉悅欣，夏杰長.數據資產價值創造、估值挑戰與應對策略［J］.江西社會科學，2022，42（3）：76-86.

［23］ 苑澤明，宋雨倩，于翔.數據資產共享、供應鏈配置多元化與企業價值［J］.統計與決策，2024，40（17）：172-177.

［24］ 胡偉.企業數據資源資產化：理論機制、實踐基礎與政策選擇［J］.財會通訊，2024（3）：13-19.

［25］ 薛源.公立醫院數據資產管理及運營框架設計研究［J］.會計之友，2024（16）：33-39.

［26］ HANNILA H ，KUULA S， HARKONEN J， et al.Digitalisation of a Company Decision-Making System： a Concept For Data-Driven and Fact-Based Product Portfolio Management［J］.Journal of Decision Systems，2022，31（3）：258-279.

［27］ DEZI L，SANTORO G，GABTENI H，et al. The Role of Big Data in Shaping Ambidextrous Business Process Management：Case Studies from the Service Industry［J］.Business Process Management Journal，2018（5）：1163-1175.

［28］ 邢天才，張宇.數據資產如何賦能制造業企業融資能力［J］.山西財經大學學報，2024，46（8）：59-71.

［29］ 李健，張金林，董小凡.數字經濟如何影響企業創新能力：內在機制與經驗證據［J］.經濟管理，2022，44（8）：5-22.

［30］ 焦勇，齊梅霞.數據要素如何驅動企業價值創造——基于融通創新視角［J］.經濟發展研究，2024（2）：63-76.