隨著全球數字化浪潮的加速推進，數據已成為驅動經濟社會發展的關鍵生產要素。然而，如何有效挖掘和利用數據的價值，將其轉化為具有經濟意義的資產，仍是當前亟待解決的問題。那么，數據資產化到底包含哪些具體內涵和發展階段？國際上有哪些成功經驗可供借鑒？我國又應如何應對數據資產化過程中的挑戰？

在此背景下，北京大學光華管理學院應用經濟學系教授翁翕通過深入研究，探討了數據資產化的具體內涵、發展階段及其在不同行業的應用潛力，分析了全球數據資產化市場的現狀與發展趨勢，希望通過借鑒歐美發達國家的成功經驗，并結合我國實際情況，探索出一條適合我國數據資產化高效發展的可行路徑。

觀點概覽

● 數據資產化是一個多層面的概念，涉及將數據轉化為具有經濟價值的資產。數據資源化和資產化的過程可分為資源化、產品化和可測化三個階段，其中產品化和可測化是數據資產化的核心。

● 具有資產化潛力的數據廣泛分布于多個行業，例如銀行、IT、零售、醫療保健等，并涵蓋車聯網、供應鏈管理和消費者數據等多個類別。隨著生成式人工智能技術的發展，數據資產化的需求預計將進一步增長。

● 全球數據資產化市場正在快速增長，大型企業領先于中小企業，北美市場領先于歐洲，但亞洲市場增速最快。歐美發達國家在數據產業發展上領先，但同時也面臨數據戰略規劃與實際執行之間差距較大的問題。

● 我國數據資產化面臨供給不足、需求疲弱和交易成本高的問題。國家層面應統籌推進數據資源化、產品化及入表評估工作，利用刺激性政策促進數據資產的供給和需求，并充分發揮市場的價格發現功能，降低信息不對稱。

數據資產化的具體內涵與發展階段

數據資產化并不是一個國際公認的概念，在很多方面都處于探索狀態，并沒有統一的定義?，F在公認的看法是把數據資產化與數據資源化相提并論，但對數據資源化和數據資產化的具體內涵也有很多不同的理解。從不同學科的視角來看，對數據資產化的理解有所差異。但無論哪種視角，都認可數據資產化在提升數據價值、激發市場活力方面的重要作用。

經濟學視角下，數據資產化強調通過有效使用數據，將其轉化為具有可衡量經濟價值的資產。在這個視角下，首先要進行數據資源化，也即通過數據采集、數據整理、數據聚合和數據分析等活動，使得數據變得可用（類比于石油開采），其次再進行數據資產化，也即通過對數據的挖掘和提煉，使之成為具有商業價值的資產（類比于石油煉化）。通常數據可通過以下方式完成資產化：在內部利用數據來提高運營效率或推動創新、向客戶提供基于數據的服務或產品、與合作伙伴交換數據、向第三方出售數據或授權數據許可等等。

而金融學和會計學視角下，數據資產化則更多地關注數據密集型企業的資產評估和定價問題。上述的數據資源化和資產化大都被歸于數據資源化的范疇，而數據資產化主要是為了解決數據密集型企業的資產評估和定價問題。美國哥倫比亞大學商學院的Laura Veldkamp教授在2023年發表于Review of Finance上的論文“Valuing Data as an Asset”中指出，數字經濟中獨角獸企業的高估值來自于其所擁有的數據資產，所以需要發展出新的定價工具來衡量數據資產的價值，比如可通過比較使用數據資產之前和之后的業績指標，包括但不限于收入、成本和風險等，來識別和量化數據資產的潛在投資回報率。

總結而言，可以將數據資源化和資產化的過程劃分為三個階段：一是資源化，開發原始數據并將其組裝成數據資源；二是產品化，基于數據資源和市場需求開發相關產品和服務；三是可測化，為每項基于數據的產品或服務確定可交易和測量的計價單位，并將相關交易納入企業的財務、合規、風控等流程。

如果把數據資產化廣義理解為階段二+階段三，其發展空間巨大，可以說是數據要素市場建設最核心的組成部分。但如果把數據資產化理解為階段三，其發展空間就依賴于數據資源化和產品化的程度，特別是在沒有很好地實現數據產品化的基礎上就過分強調資產化，就很有可能導致數據資產泡沫。在后文論述中，主要采用廣義定義（產品化+可測化）來理解數據資產化。

數據資產化的種類

哪些數據有資產化的潛力？可以參考年初國家數據局聯合16個部門共同印發的《“數據要素×”三年行動計劃》中提及的12個重點行業。在這12個重點行業的基礎上，還可以參考現在普遍預測認為生成式人工智能（AIGC）技術最有可能被廣泛應用的幾個領域。AIGC大模型的訓練需要以海量數據為基礎，因此在有廣闊應用前景的領域中，也最可能催生出數據資產化的需求。

當前有數據資產化潛力的主要行業具體包括：銀行、金融服務和保險、IT 和電信、零售和電商、醫療保健、工業制造、傳媒和娛樂等。

有資產化潛力的數據主要包括以下幾類：

（1）車聯網數據：汽車制造商數據、傳感器數據、位置、路況、駕駛行為、行程、商家數據、交通規劃；

（2）供應鏈與物流：供應商關系數據、物流數據、庫存數據、采購數據；

（3）消費者數據：特征標簽、財務習慣、交易行為、社交網絡；

（4）商業數據：產品特征、品牌及銷售情況、營收及財務數據；

（5）地理、遙感和氣象數據：位置、導航、氣象、衛星數據；

（6）公共數據：人口普查、工商注冊信息等。

全球數據資產化市場現狀與發展趨勢

當前，全球數據資產化市場正在快速增長，其中，大型企業領先于中小企業，北美領先于歐洲，亞洲預計增速最快。歐美發達國家在數據產業發展上領先，但同時也面臨挑戰。亞洲市場，特別是中國市場，展現出巨大的發展潛力。

Invisibly公司數據顯示，2022年全球數據資產化總市場價值為33.8億美元，預計到2028年將達到104.1億美元，復合年增長率為19.98%，這將由生成的數據量不斷增加、數據資產化意識以及商業智能和分析、云計算、區塊鏈、物聯網、社交網絡和新業務模式等推動。當前，大型企業份額最大，占比67.6%。中小企業增速更快，復合年增長率可達29.3%，主要通過云計算等工具降低其數據資產化的成本。北美地區基于物聯網和云計算的普及、以及由此產生的數據量激增，為目前最大的數據資產化市場，占全球32.9%。由于擁有最大的消費者基礎和智能手機用戶，再加上人工智能、物聯網和大數據分析的快速普及，亞太地區被認為將成為增長最快的區域市場。

歐美等發達國家在數據產業的發展、數據產品化程度等方面均大幅領先于我國，因此這些國家都不是特別強調“數據資產”這個概念，對于數據密集型企業也沒有特別推行數據資產入表。但因為這些國家均擁有比較完備的資本市場，通過對標行業的標桿企業，也能對數據資產進行比較好的估值。

此外，國外監管部門如美國FTC最近出臺了更嚴格的對社交媒體、游戲和教育平臺利用青少年數據獲取收入的政策，以限制基于數據的在線操縱、有目的地令人上癮的設計以及歧視性營銷行為。

歐美發達國家當前在數據資產化方面也面臨很多問題和挑戰，其中最主要的是數據戰略與執行之間存在差距。據IDC（國際數據公司）估計，2023年歐洲約有95% 的組織使用某種形式的外部數據。然而，最近一項涵蓋34個國家/地區、400多家公司的研究顯示，只有十二分之一的公司完全將其數據資產化，主要因為大多數公司缺乏收集和存儲數據的基礎設施。此外，許多公司沒有資源或專業知識來分析他們收集的數據并將其轉化為可行的業務決策。在2022年數據和AI領導力高管調查中，New Vantage Partners調查了94名財富1000強企業高管。調查發現，雖然64.3%的組織專注于增長和創新數據計劃，但其中只有26.5%的公司創建了數據驅動型組織。因此在數據資產化領域我國完全有潛力能夠通過跨越式發展實現彎道超車。

此外，近些年來，一些歐美企業使用數據作為融資抵押品，建立數據交易平臺，在企業并購估值時開始考慮數據產生的潛在影響等，也為我們提供了寶貴的經驗。例如，美國一些航空公司利用其會員獎勵項目作為抵押品進行融資，數據資產價值評估效率大幅提升；數據交易平臺如Datarade或Eagle Alpha等，通過連接買家與賣家，促進了數據產品的交易和轉化。

當前數據資產化面臨的主要問題及對策建議

我國數據資產化面臨的主要挑戰包括供給不足、需求疲弱和交易成本高。企業整體數字化程度不高，數據開發利用及相關技術和服務的費用較高，以及企業數據資產化所需的前期投入的融資難度較大等問題制約了數據資產的供給。同時，市場對數據產品和服務的認知不足和付費意愿低，以及企業對短期回報的偏好也導致了需求疲弱。此外，由于數據產品及服務仍處于市場起步階段，買賣雙方均面臨投入產出比不確定性較高的問題，市場尚缺乏有效約束交易雙方行為的機制，進一步阻礙了數據價值的發揮與衡量。

針對這些挑戰，國家層面政策和制度供給可以主要圍繞以下方面開展：一方面，統籌推進數據資源化、產品化及入表評估工作。數據資源可以入表，但其估值應比較保守以避免資產泡沫；但對已證明了市場價值的數據資產，可以適當基于其市場潛力給予更高估值以激勵數據產品的供給。

另一方面，可以利用刺激性政策促進企業對數據資產的供給和需求。具體來說，可以加大數字基礎設施和科技研發投資，加大云計算、5G、物聯網、人工智能應用的使用率，降低企業開發和利用數據的成本；為企業數字化和數據資產化提供更多信貸、債券、股權等融資工具支持；在各地數據要素流通先行先試中充分發揮市場的價格發現功能，及時匯總并推廣量化數據資產的經驗做法及相關數據資產價值，為更多的潛在參與者提供參考并降低市場的信息不對稱。

同時，也應關注數據資產化的潛在風險，如數據泡沫、數據安全等問題，并采取相應的監管措施進行防范和應對。

翁翕，北京大學光華管理學院應用經濟學系長聘教授，教育部青年長江學者，國家自然科學基金委杰出青年科學基金獲得者，中國信息經濟學會副理事長，北京大學經管學部學術委員會委員。主要研究領域為博弈論，信息經濟學和數字經濟。本科、碩士均畢業于北京大學，博士畢業于美國賓夕法尼亞大學。研究成果發表于國外頂級學術期刊，如Journal of Finance, Management Science, Economic Journal, American Economic Journal: Microeconomics, Journal of Economic History, Journal of Economic Theory, International Economic Review, Rand Journal of Economics。主持國家自然科學基金、北京市社科基金、國家發改委、市場監管總局、中國科協等課題十余項。在科研方面曾獲獎項有：2024第九屆高?？茖W研究優秀成果獎（人文社會科學）二等獎，2022年度《經濟學》（季刊）最佳論文獎，2022張培剛發展經濟學青年學者獎，2020第八屆高?？茖W研究優秀成果獎（人文社會科學）青年成果獎，2019中國信息經濟學優秀成果獎, 2019厲以寧科研獎, 2017中國信息經濟學青年創新獎，2017第十三屆北京大學人文社會科學研究優秀成果一等獎，2016中國信息經濟學烏家培獎。

來源 |光華思想力智庫

編輯 |劉暢

排版 |李珅

城市文旅“內卷”？這不是一場“零和博弈”

陳詩源，任菲，虞吉海：生產網絡視角下的碳稅制度丨學術光華