新質生產力下決策支持型數據資產估值研究

【摘 要】 在當今數字經濟快速發展的新時代，數據資產已成為提升企業競爭力、支持新質生產力發展的重要驅動力。合理評估數據資產價值是數據要素賦能新質生產力涌現的前提和關鍵。文章首先從培育新質勞動者、催生新質勞動資料和孕育新質勞動對象三個方面，分析數據資產估值賦能的理論邏輯，揭示其對新質生產力涌現的激發作用；其次分析了新質生產力發展導向下數據資產估值的研究進展和面臨的現實挑戰；最后針對這些挑戰提出了構建數據資產估值體系的要求、評價維度，以及決策支持型的數據資產價值評估指標體系。研究為有效管理和利用數據資產，助力數據要素賦能新質生產力發展提供了理論支持和實踐參考。

【關鍵詞】 新質生產力； 數據要素； 數據資產； 價值評估體系

【中圖分類號】 F23；F270" 【文獻標識碼】 A" 【文章編號】 1004-5937（2025）15-0002-09

一、引言

隨著數字化和智能化的快速發展，生產力的性質與形式正經歷著深刻變革，傳統的生產模式逐漸向以數據驅動的新質生產力轉型。新質生產力這一概念源于對馬克思傳統生產力理論的繼承與發展，它以勞動者、勞動資料、勞動對象及其優化組合的躍升為基本內涵，以全要素生產率大幅提升為核心標志[ 1 ]。生產力是人類社會發展的根本動力，發展新質生產力是新時代新征程解放和發展生產力的必然選擇[ 2 ]。2023年9月以來，習近平總書記立足新時代經濟發展實踐，在不同場合多次就發展新質生產力作出系列重要論述和重大部署，為新征程上推動高質量發展提供了科學指引。

2019年，十九屆四中全會首次將“數據”列為生產要素，并充分肯定了數據作為新興生產要素參與數字經濟發展的重要作用。中國信息通信研究院發布的《中國數字經濟發展研究報告（2024年）》顯示，我國數字經濟規模在2023年達53.9萬億元，占GDP比重達42.8%，對GDP增長的貢獻率達66.45%。近年來，為加快構建數據基礎制度，激活數據要素潛能，相關部門陸續出臺了《關于構建更加完善的要素市場化配置體制機制的意見》《關于構建數據基礎制度更好發揮數據要素作用的意見》《“數據要素×”三年行動計劃（2024—2026年）》等系列政策。在原有生產力實現質的躍升過程中，數據要素促成了勞動者素質的提高、生產資料的有效配置和智能化，以及勞動對象的多樣化和個性化[ 3 ]。數據要素所具備的高創造性、強滲透性、廣覆蓋性、泛時空性、超融合性等特性天然契合了新質生產力發展的需求[ 4 ]。通過數據賦能，有助于企業提高生產力質量，增強創新實力，促進生產模式和效益躍遷，加速新質生產力的發展[ 5 ]。

2024年1月，財政部印發《關于加強數據資產管理的指導意見》，提出要健全數據資產價值評估體系，構建數據資產價值評估標準庫、規則庫、指標庫、模型庫和案例庫等。現有研究也從影響資源配置、創新效率、決策支持等多個角度論證了不合理的數據資產估值定價對新質生產力發展造成的不良影響。如不合理的估值可能導致企業在數據資產上的投資不足或過度投資，影響資源的有效配置，企業可能因此錯失利用數據驅動創新和提升生產力的機會，使得整體競爭力下降；不準確的估值可能導致企業無法充分理解數據的價值，以至于在戰略決策時缺乏必要的數據支持，可能錯失市場機會，甚至在激烈的競爭中落后于同行。此外，缺乏合理的估值機制可能影響企業識別基于數據的創新項目，無法充分利用數據來推動新產品開發和服務創新，創新能力受限。

由此可見，高價值的數據資產對新質生產力的發展有著重要的助推作用，而準確估值是識別高價值數據資產的前提和基礎。但當前研究中，從數據資產價值評估視角出發，探討數據要素如何推動新質生產力發展的研究還不夠充分。鑒于此，亟須建立一套兼顧新質生產力突出特點的資產估值體系，以切實推動數據資產賦能新質生產力發展。

二、數據資產估值賦能新質生產力涌現的理論邏輯

新質生產力是數字經濟時代通過創新推動的高科技、高效能、高質量的生產力，其核心標志在于全要素生產率的提升。數據賦能實現了對勞動者、勞動對象和勞動資料更高級形式和創新組合方式的復合[ 3 ]，催生出新質勞動者、新質勞動資料和新質勞動對象[ 5 ]，促進了生產力整體質態躍遷，加快了新質生產力的形成與發展。然而，值得注意的是，在傳統生產力轉變為以數據驅動的新質生產力過程中，數據資產估值發揮著前提作用[ 6 ]。數據資產的估值過程揭示了數據在生產中潛在的經濟價值和應用價值，幫助企業識別和優化能驅動生產力提升的數據資產。這種數據的有效管理能夠最大限度地提高全要素生產率，確保勞動者、勞動資料和勞動對象的高效匹配與運用。有鑒于此，本文嘗試從培育新質勞動者、催生新質勞動資料和孕育新質勞動對象三個方面，理解和分析數據資產估值在激發新質生產力涌現中發揮的作用（理論邏輯如圖1所示）。

（一）培育新質勞動者：技能提升與決策支持

勞動者通過勞動創造價值和財富。與傳統生產力相比，新質生產力背景下的勞動者角色發生了顯著變化，其不僅僅是生產的實施者，更是創新和知識的創造者[ 4 ]。在當前數字經濟條件下，勞動者需要具備諸如數據分析、智能工具使用、創新思維等能力來適應高效的生產過程。數據資產估值行為涉及對數據的深入挖掘和分析，通過一定程度的知識賦能與數據支持，使勞動者更準確地理解工作需求，把握市場動態，增強了勞動者的技能和決策的科學性，提高了勞動者的綜合素質，有力地將傳統勞動者培育為支持新質生產力發展的新質勞動者。

一是提升技能水平。數據資產的科學估值過程為新質勞動者的培育提供了必要的知識和技能基礎。一方面，數據資產估值行為對企業人員的技能和素質提出了更高要求，將反向倒逼企業提高人才選拔標準。高素質數據分析人才的不斷涌現，有助于進一步提升內部團隊執行力和創新能力，激發企業生產活力。另一方面，數據資產估值行為涉及的數據整合、數據集中管理平臺建設等過程，為企業主動培訓提供了依據。企業通過人員培訓，幫助員工快速掌握數據分析和信息處理技術，提高了在數字經濟中的競爭力。

二是提高決策科學性。借助對數據資產的估值，企業可以實施數據驅動的決策。一方面，高效的數據資產管理可以顯著提升決策過程的速度和準確性[ 6 ]，增加決策的透明化和科學性，減少由于數據欠缺或錯誤信息導致的決策失誤，提高企業的適應能力和市場競爭力。另一方面，數據資產的估值有助于明確數據在整個組織中的價值。這種透明度促進了跨部門的數據共享與使用，提高了協同工作的效率。通過評估數據資產的流動性和可用性，企業能夠簡化信息流轉的步驟，確保關鍵信息能夠快速、準確地到達需要的部門和人員，推動了生產流程的順暢運作。

（二）催生新質勞動資料：優化資源配置與效率提升

勞動資料是勞動者進行生產活動必需的工具，包括所有用于生產的工具、設備、技術和信息等，主要用于輔助勞動者完成勞動過程，其質量和效率影響勞動生產率。與傳統生產力相比，新質生產力中勞動資料的組織和使用方式發生了顯著變化，不再僅僅依賴于傳統機械和手工操作，而是融合了信息技術和智能設備[ 5 ]，實現了數據驅動的實時管理與優化，催生出新的勞動資料。數據資產估值行為涉及對數據的收集、存儲、加工處理、質量評估等步驟[ 7 ]，這些對數據的加工過程提升了數據的質量，增強了數據的可用性和使用效率，也為數據賦能其他勞動資料提供了可能，進而催生出支持新質生產力發展的新質勞動資料。

一是支持資源優化配置。數據資產的估值過程通常涉及對數據有效性的評估，即分析數據資產在新產品開發和市場創新中的作用，判斷其在識別市場趨勢、客戶需求和競爭環境中的貢獻。這一評估可以幫助企業識別出哪些勞動資料在生產過程中最具價值，并利用智能分析工具進行優化配置。通過科學、合理地匹配數據的質量和價值，企業得以快速聚焦最能促進創新和效率的領域[ 6 ]，及時在高價值的數據資產上優先投入更多的人力、財力和技術，實現資源的優化配置。這種對勞動資料的有效管理直接提升了生產效率，促使整個生產過程更加高效。

二是數智賦能生產過程。數據資產的估值不僅關注數據本身的價值，而且包括數據在生產流程中的應用能力[ 8 ]。數據資產估值提供的分析結果能夠指導企業改進工作流程，減少時間和成本，提升生產效率，實現更高的產出。靈活的資源管理和快速的市場應對機制顯著減少了企業的過剩庫存和生產成本，大幅提升了資源的使用效率和企業的生產效率。

（三）孕育新質勞動對象：市場響應與定制化生產

勞動對象是指被勞動者加工、轉化或服務的物質對象，包括原材料、半成品或其他產品，是生產過程中的核心，其性質和特征直接影響生產效率和產品質量。新質勞動對象不僅代表新產品、新服務的涌現，而且體現了生產和消費模式的創新[ 6 ]。數據資產估值行為增強了數據的可訪問性和使用效率，通過提供實時的市場反饋和用戶洞察，提升勞動對象的智能化和效率，孕育了支持新質生產力發展的新質勞動對象。

一是增強市場響應能力。隨著用戶需求的擴大與細分，單一標準的產品已不再適應市場，而是要求企業根據消費者偏好進行及時的調整和優化。對數據資產的估值行為并非一次性和固定的，而是動態和連續的，這樣更有利于做出及時、合理的決策。數據資產估值的這種動態反饋機制，有助于企業盡快適應快速變化的市場環境對其響應能力提出的更高要求。

二是支持定制化生產。數據資產的價值評估行為涉及對數據的整理清洗與質量評估等過程，這些環節有助于企業提取和多維度整合出有價值的信息。被評估后的數據在企業分析用戶行為及偏好時能夠發揮更大價值，有助于更好地理解用戶需求和痛點，并精確地支持企業實現更高水平的定制化生產，提供更符合用戶期望的解決方案，進而擴大消費需求，拉動新質生產力的涌現[ 5 ]。

三、新質生產力下數據資產估值的研究進展與現實挑戰

（一）研究進展

1.數據資產的內涵及特征

學術界對數據的關注起源于信息理論和信息管理，特別是在計算機科學和統計學的推動下，大量數據的收集和處理變得可行。Ackoff[ 9 ]探討了數據、信息和知識之間的關系，認為數據是一種“原始的、未經處理的、獨立于其使用情境的事實和數字”。近年來，隨著數字經濟的崛起，數據被視為推動經濟增長、提升競爭力的重要資源，數據作為一種資產的內涵愈發豐富，學界開始重新審視數據作為資產的價值，并嘗試從多個維度解讀數據資產的內涵及其特征。

一是基于商業用途和開發使用的角度，胡亞茹和許憲春[ 10 ]認為，獲取、存儲、分析和使用是數據從原始形態到最終可用的決策形態必須經歷的四個階段，因此將其定義為“企業以數字化形式獲取，經過存儲分析并用于開發決策，從而通過持有或使用為其帶來經濟效益的數據”，具備非競爭性、價值累積性、共享性、收益性等多個特征。在進一步的研究中，學者們認為數據資產的生命周期涵蓋生產、認定、加工、存儲、計量、注銷等階段。普華永道（PwC）將數據資產按功能分類為實時交換數據、離線數據包、模型、算法和算力等。

二是基于經濟價值和會計核算的角度，許憲春等[ 7 ]將數據資產視為一種具備固定資產屬性的生產資產，并定義為擁有應用場景且在生產過程中被反復或連續使用一年以上的數據，具備非競爭性、非消耗性、時效性等特征。2023年，在財政部指導下，中國資產評估協會制定的《數據資產評估指導意見》中將數據資產定義為“特定主體合法擁有或者控制的，能進行貨幣計量的，且能帶來直接或者間接經濟利益的數據資源”。在此基礎上，程博和蔡云霏（2024）將數據資產定義為“由個人或組織合法擁有或控制的數據資源，以電子或其他方式記錄，包括企業內部的銷售數據、用戶信息、財務信息、績效數據等”，認為其具備非實體性、依托性、可共享性、可加工性和價值易變性。

2.數據資產估值方法研究

合理的數據資產估值定價是實現數據要素賦能資源優化配置、創新生產流程、增強傳統生產要素互動的保障，是推動新質生產力發展的關鍵[ 6 ]，因此，客觀、系統、定量地評估數據價值對挖掘數據資源的經濟潛力十分必要[ 11 ]。目前，相關研究尚處于探索階段，較為主流的數據資產評估方法大致可劃分為以下三類。

一是基于學科視角，改進傳統估值方法。如從會計核算角度出發，將數據資產以專利形式納入無形資產[ 7 ]，使用市場法、成本法和收益法加以測度，尚未單獨披露在企業財務報表上[ 12 ]。其中，市場法適用于市場交易中活躍度較高的數據資產，可根據公允價值確定其初始估值。雖然市場法能夠較準確地反映當前市場數據資產的供需關系，但數據資產的應用場景較為豐富，對價值的變動較敏感，因此在使用該方法時，存在較難在市場上匹配到相似數據資產的局限[ 7 ]。成本法適用于數據資產交易市場尚未完全成熟、交易量較小的初期，主要基于數據資產的獲取、存儲、維護和更新等相關成本評估數據資產[ 6 ]。成本法的使用相對簡單[ 13 ]，但較難反映數據的真實價值，特別是在數據資產產生潛在經濟效益的情況下。收益法假定數據資產的價值可以完整地體現于企業通過運用該數據資產產生的增量現金流中[ 14 ]。

二是綜合考慮定量和定性評價指標，通過建立多因素模型對數據資產進行綜合評估。數據資產的價值會受到自身質量、獲取成本、面臨風險及應用場景等因素的多重影響，因此不同學者構建的數據資產估值體系中，衡量維度及應用指標存在差異。如Pei[ 11 ]歸納出一般數據估值與定價的六大原則：真實性、收益最大化、公平性、無套利、隱私保護和計算效率。Sajko等[ 15 ]基于數據本身特征，引入價值矩陣方法，構建了一套定量與定性相結合的多維數據價值評估方法。王錦霄等（2024）以公共數據資源為研究對象，使用模糊層次綜合評價法（FAHP），從質量價值、規模價值、產出價值3個方面構建了包含14個維度的價值評估體系，為公共數據有償使用實踐的定價與評估機制提供了有益思路。上海德勤資產評估有限公司的研究認為數據質量、應用效能及面臨風險會對數據資產的價值評估產生影響。

三是引入機器學習、優化算法等，通過構建適用于不同場景的評估模型計量數據資產的價值。數據資產價值評估中，引入機器學習等算法技術，不僅可以提高評估的準確性和效率，而且能夠通過大量數據的自動處理與分析發現潛在的價值模式，逐漸受到學者們的關注。如沈俊鑫等[ 16 ]從數據自身和市場兩個維度歸納并建立了數據資源的價值評估指標體系，開發了基于模型堆疊集成GBDT算法的數據資源價值評估方法，以應對當前估值方法中存在的主觀性強、定量標準缺乏問題。普華永道（PwC）[ 14 ]借助物理學中的“重力勢能”概念，在公共開放數據價值核算中創新性地提出“數據勢能”概念，同時引入多重價值修正因子，修正后的“數據勢能模型”可廣泛適用于不同類型、不同階段的數據資產。在進一步研究中，夏文蕾等（2024）基于勢能概念，構建了考慮數據資產生命周期的“開發—應用—風險”維度的估值模型。

（二）現實挑戰

1.數據資產價值構成的多維復雜性

新質生產力的特點之一是智能化，即使用先進的技術（如人工智能、機器學習和自動化）優化生產和決策過程，因此對數據資產的價值衡量提出了更高要求。依據馬克思的勞動價值理論，可認為數據資產的價值取決于生產其的社會必要勞動時間[ 6 ]。當前，大多學者通過分析數據資產在現有市場中的表現、供需關系及經濟回報實現對數據資產整體價格的確定。然而，數智經濟時代，數據資產的價值與價格形成過程更多樣[ 6 ]，評價維度的內容涵蓋更廣泛，實際操作也更復雜。如數據資產不完全符合存貨定義、不隨使用而減值，甚至可能因規模化而增值；當邊際成本接近于零時，意味著企業能在不同的業務場景中重復利用數據。這些都將加大數據資產價值評價的復雜程度。

2.市場動態與未來價值的不確定性

新質生產力的發展往往伴隨著市場需求的快速變化，在市場動態與未來價值不確定的影響下，數據資產的價值往往充滿了不確定性，且會受到多種內外部因素的影響[ 6 ]。一方面，隨著技術快速迭代和市場需求變化，無法通過歷史數據完全判斷哪些數據資產在未來的轉型中將會更加重要，可能導致在資源配置時出現偏差。如某些消費者偏好的快速變化可能導致歷史數據在預測未來行為時的有效性降低，從而影響該數據資產的價值[ 13 ]。另一方面，數據隱私法律（如GDPR等）和數據治理政策的實施，可能限制數據的使用方式和范圍，影響企業如何有效利用數據資產及其潛在的經濟價值。因此，新質生產力導向下的數據資產價值不僅取決于其內在質量，而且依賴于其在滿足市場需求方面的適用性和靈活性。

3.數據資產特有屬性的評估難度大

數據資產估值的難度在于數據資產特有的屬性[ 7 ]。在當前整體經濟和技術快速演變的背景下，這些特有屬性的復雜性加劇了數據資產估值的挑戰。從類型上看，數據資產包括結構化數據（如數據庫中的數字和文本）、非結構化數據（如社交媒體內容、圖片和音頻）和半結構化數據（如XML文件和JSON數據）。不同類型的數據具有不同的特征和用途，評估難度和方法也不盡相同。從特征上看，數據具有資產的普遍特性，如非競爭性、非消耗性、收益性、流動性，同時又具有諸如可復制性[ 6 ]、多元性[ 17 ]、非實物性[ 18 ]、時效性、價值融合增值、非貨幣交易模式[ 10 ]等特有屬性，這些特性加大了數據資產確認、計量和報告的難度。

4.決策支持系統的多重功能依賴性

新質生產力強調數據在生產和決策過程中的核心作用。現代企業面臨的決策通常是復雜和多變的，數據作為生產活動的結果，使越來越多的企業意識到數據資產的戰略價值[19]。胡亞茹和許憲春[ 10 ]認為，數據資產具備的非競爭性使其可以在不同決策中無損耗共享使用，但其中的價值貢獻水平依賴于在決策間的累積程度。高質量數據對提高決策準確度至關重要[ 17 ]，數據資產的合理運營不僅能幫助企業優化資源配置，提高運營效率，而且能為決策提供支持，促進數據與傳統生產要素的有效協同。因此，數據資產的價值不僅體現在其量化指標上，而且必須考慮其在推動創新、優化運營和提高決策精準性方面的潛力。

四、新質生產力發展視角下數據資產估值體系的構建探索

（一）構建要求

形成數據資產的數據要素具有勞動對象和勞動資料的雙重屬性[ 4 ]，既可作為勞動對象使用，直接投入到生產環節中，也可作為勞動資料，支持和促進傳統生產要素的協同工作。因此，在支持新質生產力發展框架下，數據資產價值評估的體系構建不僅應當體現出數據要素如何作為一種獨立的新型生產要素支持原有生產力的重構和躍升，而且應當充分理解并評估數據要素潛在的價值創造能力。具體而言：

1.不僅要考慮數據資產的定量評估，而且要重視其定性特征

數據資產的價值不僅體現在可以直接量化的經濟指標上，如收益、成本和市場價格等，而且體現在其對企業運營、決策制定和戰略發展等方面的支持作用中。傳統的定量評估方法如市場法、成本法和收益法側重從財務的角度進行分析，往往忽視了數據資產在促進產品創新、增強客戶滿意度等方面展現出的非經濟價值，而定性特征評定關注的是數據資產的屬性和作用，如數據的可靠性、一致性、及時性、安全性、決策支持能力等[ 20 ]。因此，數據資產的價值評估應當采用定量與定性相結合的方法，以便企業能夠更好地識別和釋放數據資產的潛在價值，更全面地理解數據資產的整體價值，為資源配置、戰略制定和運營優化提供更有力的支持。

2.不僅要考慮其在當前的市場價值，而且要預測其在未來生產力演進中的潛在價值

數據要素既可作為一種獨立的生產要素創造價值，如金融行業通過信用評分模型、風險評估等數據處理手段改善信貸決策，降低風險損失，也可通過深入整合滲透到傳統生產要素中，通過增強要素間的協作性和聯動性提高資源利用效率，如農業領域依托大數據、智能分析等數字技術提高糧食生產效率和資源利用率。未來，生產力的演進可能源于數據資產支持的創新、自動化和智能決策等方面，意味著企業不僅要評估當前的數據使用效果，而且要預測數據如何在未來轉化為更高的生產力，從而幫助企業識別當下的數據應用機會，鼓勵其從戰略層面進行投資，利用數據資產在推動未來增長方面的潛力。

3.不僅要考慮數據的一般資產屬性，而且要考慮其特有屬性

數據資產獨特的屬性，影響對其價值的評估和管理。大數據技術標準推進委員會在《數據資產管理實踐白皮書（6.0版）》中指出，文本、圖像、語音、視頻、網頁、數據庫、傳感信號等結構化或非結構化數據都可能成為數據資產。此外，數據資產種類的繁雜也導致其與傳統資產相比，勢必會展現出一些諸如動態性、可復制性等獨特的特征。因此，數據資產價值的評估和計量并不能完全遵從既有的會計、經濟相關準則與標準，而是既要重視其一般資產屬性，也要深入分析其特有屬性。

4.不僅要考慮其對業務運營的直接貢獻，而且要考慮對決策的支持程度

數據資產的價值不僅體現在優化庫存管理、提高生產效率、實現精準營銷上，而且體現在能為決策提供有力支持。高質量和豐富的數據提供了決策者所需的信息基礎，有助于在復雜和多變的環境中做出更為明智的選擇。如數據可用于幫助管理層識別市場趨勢、評估競爭對手表現和客戶需求，支撐長遠的戰略規劃和資源配置[ 21 ]。因此，在綜合評估數據資產時，應同時考慮其對業務運營的直接貢獻和對決策支持的程度，以便更好地理解數據資產的整體價值，在戰略規劃、資源配置和市場競爭中獲得更加穩健的優勢，提升整體業務績效。

（二）評價維度提取與指標體系初步構建

數據資產評估體系不僅是管理工具，而且是企業提升決策質量與效率的關鍵因素。數據資產的價值形成過程較為復雜，不僅受自身特性的影響，而且涉及市場環境、不斷變化的技術條件等的影響。此外，在新質生產力發展視角下，數據資產價值的評估維度提取與指標體系構建，還應當充分考慮數據在商業運營和決策過程中產生的經濟效益和戰略價值。有鑒于此，筆者從基礎價值、市場價值、經濟價值及戰略價值[20]四個維度構建支持新質生產力發展的數據資產估值體系。

1.基礎價值維度：數據質量、成本價值、風險管理

數據的質量、成本及面臨的風險管理問題是數據資產基礎價值著重考慮的方面。首先，“數據質量評估”是對數據自身準確性、完整性、一致性、規范性及時效性的綜合考量，是數據能否產生有效價值的基礎和前提。使用便利是高質量數據應當具備的特征之一，會直接影響數據在分析和應用過程中的有效性和效率。因此，將數據訪問便捷性這一指標也納入質量維度。其次，為幫助企業在決策中更好地評估投資回報率和資源配置的合理性，在基礎價值維度中同時考慮了數據資產的成本價值，并使用指標“數據成本結構”予以細化，用于衡量企業在數據采集、獲取、處理、存儲等環節中的成本投入。最后，隨著新興數據安全問題的不斷出現，對數據的風險管理愈加重要[ 6 ]。《2023中國政企機構數據安全風險研究報告》顯示，數據泄露已經超越數據破壞，成為數據安全最大風險，2023年全球數據安全大事件中涉及數據泄露的占比高達67.5%。如何有效應對數據安全風險事件，滿足國家行業數據安全合規要求，是當前企業面臨的難點之一。因此，分別設置“加密覆蓋率”及“審計合規率”，以加強對數據資產安全性和合規性的管理，確保數據在安全和可信的環境中運行。

2.市場價值維度：市場響應、用戶認可、交易價格

運營效率、市場認可及交易價格是評價數據資產市場表現的主要維度。首先，“市場響應速度”衡量企業在接收到市場變化信號后，能夠多快利用數據做出相應的決策。較快的響應速度意味著企業能夠及時調整戰略，優化資源配置，抓住市場機會，這對在快速變化的市場環境中取得競爭優勢至關重要[ 21 ]。通過對市場響應速度的評估，企業可以了解自身在應對市場變化方面的能力，進而與競爭對手進行比較，發現自身在數據應用與決策過程中的不足之處并加以改進。其次，“客戶滿意度”是衡量企業在滿足客戶需求、提供優質服務和產品方面的一個關鍵指標，其變化可以作為市場反饋的重要來源。高水平的客戶滿意度通常表明數據資產在客戶分析、市場定位和產品改進等方面的有效利用。最后，“市場交易價格水平”是評估數據資產經濟價值的直接指標，反映了市場對特定數據資產的具體認可與價值判斷。通過分析交易價格，可以幫助企業合理評估并判斷市場動態，在資源配置和戰略決策中做出明智選擇。

3.經濟價值維度：業務收益、成本收益、交易風險

業務收益、成本收益及交易風險三個維度，為企業評估數據資產的經濟影響提供了量化基礎。首先，“市場份額提升度”反映了數據資產在推動企業業務增長方面的直接影響。市場份額增加是數據驅動的戰略決策在實際運營中取得良好成果的直接印證。其次，“成本節約率”是衡量數據資產在優化企業運營方面的重要指標。通過定期評估成本節約率，企業能夠跟蹤數據資產對整體經濟效益的影響，輕松識別出成本降低的空間，確保在管理和運營過程中最大化收益。最后，為全面評估和管理與數據交易相關的潛在風險，從產權歸屬及定價機制兩個角度展開評估。“數據產權明晰度”是對企業使用和交易數據具有法律保障的確認。產權不明晰可能引發法律糾紛、數據泄露風險等問題[ 7 ]，而高清晰度的產權能夠促進數據交易，提高市場信任度。與“市場交易價格水平”關注交易結果不同，“定價機制合理性”更加關注定價過程及定價機制是否合理公正，是否能夠反映數據資產的真實價值。一致且透明的定價機制可以減少市場不確定性，提高數據資產的流動性與交易效率。

4.戰略價值維度：決策支持、協同價值、未來潛力

決策支持、協同價值及未來潛力共同反映數據資產在戰略管理、業務協作及未來發展潛力方面的關鍵作用，可為評估數據資產在助力企業可持續發展中的貢獻奠定基礎。首先，“智能決策支持率”可用于衡量數據資產在支持決策過程中的貢獻度。在快速變化的市場環境中，高智能決策支持率表明企業能夠利用數據分析和智能工具來深入洞察，幫助企業更好地應對市場挑戰和抓住機會。其次，為評估數據資產在資源整合和價值創造方面的關鍵協同作用，從內外兩個角度考察數據資源在企業中的協同共享程度。“跨部門數據共享度”可用于評價企業內部各部門之間的數據共享程度。較高的共享度表明各部門能夠打破信息孤島，實現資源的有效整合，推動整體業務優化與績效提升。“外部合作效應強度”可用于評價企業與外部伙伴（如供應商、客戶、合作方）在數據利用方面的合作程度和效果。良好的外部合作效應能夠提高互信與合作的深度，通過共同數據分析來識別市場機會，實現創新和共贏。最后，數據資產可能因規模化而增值，因而對數據資產未來潛力的評價變得十分必要。“價值增值能力”是對數據資產潛在增值能力的測度。較高的價值增值能力表明企業能夠通過數據推動持續的業務增長和競爭優勢。“市場拓展貢獻率”是對數據資產在支持企業市場拓展或開發新產品中潛在價值的度量。通過對市場需求的精確分析，企業能夠有效識別和分析新市場機會的數據資產，有助于企業戰略擴張與市場覆蓋。

綜上，本文充分考慮支持決策的數據資產評估中需要關注的關鍵要素，同時兼顧新質生產力的突出特點，經多輪專家論證，最終確定了“基礎價值、市場價值、經濟價值、戰略價值”4個評價維度，如圖2所示。

此外，對每個維度制定了具體的評價標準，綜合構建了包含12個準則層和16個指標層的數據資產估值體系。具體指標含義及說明如表1所示。

五、總結與展望

數據要素作為新質生產力的重要組成部分，正日益成為推動企業創新和提升競爭力的關鍵資源，合理的數據資產估值在這一過程中發揮著關鍵作用。通過準確識別和衡量數據資產的價值，能促進新質勞動者的培育，催生新質勞動資料，孕育新質勞動對象，有效推動數據要素賦能新質生產力的涌現。在新質生產力導向下，構建決策支持型的數據資產估值體系更為重要。決策支持型的數據資產估值體系以提升生產效率為導向，有助于企業在資源配置、戰略規劃和創新發展方面做出更明智的決策。展望未來，隨著技術的不斷進步和數據資源的日益豐富，數據資產的估值方法將不斷完善，評估精度和實用性將進一步提升，通過不斷優化數據資產的管理和應用，充分釋放其在生產力提升中的潛能，可為新質生產力的全面發展提供堅實的保障。

【參考文獻】

［1］ 習近平經濟思想研究中心.新質生產力的內涵特征和發展重點（深入學習貫徹習近平新時代中國特色社會主義思想）［N］.人民日報，2024-03-01（09）.

［2］ 金軒.健全推動經濟高質量發展體制機制加快發展新質生產力［N］.人民日報，2024-11-26（02）.

［3］ 張姣玉，徐政.中國式現代化視域下新質生產力的理論審視、邏輯透析與實踐路徑［J］.新疆社會科學，2024（1）：34-45.

［4］ 洪名勇，張西鳳.數據賦能新質生產力發展的作用機理與實現路徑研究［J］.經濟問題，2024（10）：32-40.

［5］ 焦勇，高月鵬.數據要素賦能新質生產力涌現：供給創新與需求牽引的解釋［J］.新疆社會科學，2024（4）：38-51.

［6］ 陳榮達，林祺，金騁路，等.數據資產估值定價與新質生產力發展：演進邏輯與主要挑戰［J］.財貿經濟，2024，45（8）：33-51.

［7］ 許憲春，張鐘文，胡亞茹.數據資產統計與核算問題研究［J］.管理世界，2022，38（2）：16-30.

［8］ 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.

［9］ ACKOFF R L.From data to wisdom：presidential address to ISGSR［J］.Journal of Applied System Analysis，1989（6）：3-9.

［10］ 胡亞茹，許憲春.企業數據資產價值的統計測度問題研究［J］.統計研究，2022，39（9）：3-18.

［11］ PEI J.A survey on data pricing：from economics to data science［J］.IEEE Transactions on Knowledge and Data Engineering，2020，34（10）：4586-4608.

［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］ 熊勵，劉明明，許肇然.關于我國數據產品定價機制研究：基于客戶感知價值理論的分析［J］.價格理論與實踐，2018（4）：147-150.

［14］ 普華永道.開放數據資產估值白皮書［R/OL］.（2022-

02-25）.https：//www.sohu.com/a/477360732_

121094725.

［15］ SAJKO M，RABUZIN K，BACA M.How to calculate information value for effective security risk assessment［J］.Journal of Information and Organizational Sciences，2006，30（2）：263-278.

［16］ 沈俊鑫，趙雪杉.基于動態Stacked-GBDT算法的數據資源價值評估方法研究［J］.科技管理研究，2023，43（1）：53-61.

［17］ 趙治綱，曾家瑜，劉奕忻.企業數據資產價值特征和屬性的系統探究［J］.會計之友，2024（20）：128-134.

［18］ 隋敏，姜皓然，毛思源.數據資產價值評估：理論、實踐與挑戰［J］.會計之友，2024（11）：141-147.

［19］ 姚會娜，張金昌.企業數據資產對全要素生產率的影響研究［J］.經濟經緯，2024，41（5）：107-119.

［20］ 王碩，李寶瑜.數據資產價值核算理論與方法研究綜述［J］.統計與決策，2024，40（20）：43-48.

［21］ 歐陽日輝，孟凡新.“數據要素×”商貿流通：基于加快發展新質生產力的邏輯［J］.江西社會科學，2024，44（10）：83-94.