中国数据资产化发展趋势白皮书2023.pdf

编写说明本白皮书由开放群岛（Open Islands）开源社区数据资产小组牵头撰写，限于撰写组时间、知识局限等因素，内容恐有疏漏，烦请各位读者不吝指正。本报告在撰写过程中得到了开放群岛开源社区各成员单位的大力支持，在此特别感谢参编单位的各位专家支持和帮助。参编单位（排名不分先后）开放群岛开源社区数据资产小组深圳数据交易所有限公司中央财经大学数字财经研究中心中国质量认证中心中财数碳（北京）科技有限公司云基华海信息技术股份有限公司交叉信息核心技术研究院北京易华录信息技术股份有限公司数库（上海）科技有限公司德阳数据交易有限公司上海尖晶投资有限公司杭州趣链科技有限公司杭州金智塔科技有限公司南方电网数字平台科技（广东）有限公司华东江苏大数据交易中心股份有限公司合肥市大数据资产运营有限公司金蝶信用科技（深圳）有限公司中国工商银行软件开发中心高颂数科（厦门）智能技术有限公司湖州市数字集团有限公司大成律师事务所广州市华矩商业信息科技有限公司浙江省大数据联合计算中心深圳国家金融科技测评中心有限公司上海同态信息科技有限责任公司北京数牍科技有限公司中国信通院云计算和大数据研究所讯飞智元信息科技有限公司中电科网络安全科技股份有限公司清华大学互联网产业研究院上海健交科技服务有限责任公司上海生腾数据科技有限公司广东省坤舆数聚科技有限公司北京市中伦（上海）律师事务所粟特方舟科技（北京）有限公司参编委员会（排名不分先后）陈波王冠潘菲李颖王锋鲁胜强林常乐赵蓉宋欢张杰周卉章郑佩玉李岩尹西明专家指导（排名不分先后）王建冬汤珂杨东李红光参编人员（排名不分先后）陈超超陈爱华陈琳单进勇樊晓娟郭潇胡雪晖韩祖利黄榴勇黄梦甦黄佩金俊州金银玉郎佩佩刘梦迪李星李东阳李航达李浩川李朋林梁燕林嘉靖林镇阳林建兴刘骥陆斌霄罗培吕艾临马硕涵牛丛丛聂怗裴新沈蓓瑾孙晓蕾汤子欧谭昶唐飞王澜王婷王震王明辉王志琪魏遵博吴梦真吴祖顺邢洋徐香君闫树杨光杨菊丽杨淋雨袁文天谭海华王吴越张烨张慧萍张建民张智超张帅周云蔡瑞龙7目录一、一、数据资产化发展概述数据资产化发展概述.11.1 背景.11.2 数据资产化的概念与内涵.2二、二、数据资产化数据资产化发展的总体趋势发展的总体趋势.122.1 国际趋势.122.2 国内形势.142.3 发展机遇.172.4 问题与挑战.29三、数据资产化政策与监管三、数据资产化政策与监管.343.1 数据资产确权困难.353.2 数据要素场内交易占比较小，凸显法律制度仍不完善.353.3 数据交易市场混乱缺乏有效监管.363.4 数据资产交易体系有待整合重塑.373.5 数据收益分配问题尤为突出.383.6 数据资产化技术路线暂未清晰.38四、数据资产化定价与估值四、数据资产化定价与估值.394.1 数据资产估值现状.394.2 估值方法发展.414.3 基本估值模型.434.4 期权定价法.474.5 图谱定价法.504.6 其他评估方法.544.7 健全数据资产财会制度.55五、数据资产化治理五、数据资产化治理.585.1 数据治理概述.5885.2 数据治理现状及规模.595.3 问题与挑战.615.4 最佳实践.63六、数据资产六、数据资产运营：运营：共享与开放共享与开放视角视角.696.1 数据开放与共享概念.696.2 数据开放和共享的价值分析.706.3 数据共享开放与数据资产化.726.4 数据开放和共享现状.736.5 数据开放和共享面临的问题.756.6 数据开放和共享的资产化运营模式.78七、数据隐私与七、数据隐私与数据资产数据资产安全安全.907.1 数据资产保护现状.907.2 数据隐私安全技术现状.917.3 面临的隐私安全问题与挑战.927.4 解决方案与策略.95八、八、数据资产化创新案例数据资产化创新案例.99深圳数据交易所数据资产增信案例.99南方电网公司数据资产评估研究与实践.110数据资产评估案例：河南 BF 公司智慧农业.116“云旗”平台助力数据要素资产化.123合肥“赋能金融”项目：以数赋能，为中小微企业提供“不断档”金融服务 129金蝶信心链数据资产金融化创新实践.135工商银行数据资产估值实践.145融合电力数据的工业企业营销价值评价模型.151数据资源计量计价评估系统全流程一体化方案.156陕西信用大数据智能服务平台.163九、数据资产化九、数据资产化趋势与趋势与展望展望.170趋势 1：数据资产化工具或将迎来快速发展，呈现一体化、智能化发展特点.1709趋势 2：数据资产化第三方服务亟待建立行业标准.170趋势 3：地方数据资产登记平台，成为支撑数据资产确权工作的重要基础设施.171趋势 4：公共数据资产化将从公共数据资产登记、计价评估和授权运营等环节系统性推进.171趋势 5：企业数据资产管理体系建设加速.173趋势 6：数据资产入表将全面启动，数据资产列入资产类科目，有利于提升企业的数据价值，并提高金融机构信贷产品的创新力度.174趋势 7：数据资产评估的应用场景广泛，支持数据资产增信、出资、交易、质押融资、资产证券化等创新业务，在不同评估场景下，要注意对价值类型进行正确选择.175趋势 8：基于数据资产的金融服务将重点围绕提升金融服务水平、提高金融抗风险能力等方面展开.1761一、数据资产化发展概述1.1 背景在数字化、网络化和智能化快速发展的背景下，数据已经成为新一轮科技革命和产业变革的核心要素，对于构建现代化经济体系具有至关重要的作用。特别是自 2019 年 10 月党的十九届四中全会首次将数据增列为新的生产要素以来，数据的重要性得到了前所未有的认可。2020 年 3 月，中共中央和国务院进一步印发关于构建更加完善的要素市场化配置体制机制的意见，明确将数据作为新型生产要素，强调其在生产、分配、流通、消费和社会服务管理等各环节的基础性作用。数据不仅是数字经济的核心引擎，也是现代社会治理的关键要素。为了保护数据安全和个人信息，中国政府出台了一系列相关法律和政策，包括数据安全法、个人信息保护法和网络安全法等，这些法律共同构成了数据治理法律领域的“三驾马车”。此外，还有一系列配套政策如关键信息基础设施安全保护条例、网络安全审查办法和工业和信息化领域数据安全管理办法（试行）等，为数字经济的创新和发展提供了更为明确和全面的行为规范和约束标准。2022 年 12 月 2 日，中共中央和国务院进一步印发了关于构建数据基础制度更好发挥数据要素作用的意见（简称“数据二十条”），该政策不仅明确了数据产权、流通交易、收益分配和安全治理等方面的基础制度，还提出了“探索数据资产入表新模式”和“逐步完善数据产权界定、数据流通和交易等主要领域关键环节的政策及标准”。在这样的政策背景下，数据资产化作为数据要素价值实现的重要方式，其重要性日益凸显。特别是在“十四五”时期，一系列支持性政策不仅持续完善了数字经济的顶层设计，也强力推动了数字技术和实体经济的深度融合，为经济发展增添了新的活力。数据流通作为数据资产市场循环体系的核心环节，其健康发展依赖于高效、公平的数据资产估值体系。由于数据要素具有虚拟性、低成本复制性、主体多元2性、非竞争性、非排他性和异质性等特点，这使得数据价值评估比其他传统生产要素更为复杂。为此，国内外多个标准化组织、财会领域组织和技术咨询服务企业都在积极探索和研究数据价值评估的新方法和体系。例如，财政部会计司在2023 年 8 月发布了企业数据资源相关会计处理暂行规定，中国资产评估协会在 2023 年 9 月发布了数据资产评估指导意见。综上所述，数据作为新型生产要素，在数字经济和社会治理中的作用日益凸显。在一系列政策和法规的推动下，数据资产化、数据流通和数据价值评估等方面都取得了显著进展，为数字经济的健康发展和社会进步提供了有力的支撑。这些政策和实践不仅反映了数据在现代经济体系中的核心地位，也预示着数据将在未来发挥更加广泛和深远的影响。1.2 数据资产化的概念与内涵1.2.1 从数据价值化视角看数据资产化朱秀梅等1（2023）系统回顾和梳理数据价值化相关研究，认为数据价值化以数据资源化、数据资产化、数据商品化和数据资本化为核心阶段，从动态演化的新视角揭示了数据创造价值的过程。其中，数据资源化以提升数据质量为目标，将杂乱无序的原始数据转换为有一定价值的数据资源；数据资产化以场景赋能为目标，通过数据分析、数据编排、数据治理等环节将数据资源转化为有明确使用场景、价值更高的数据资产；数据商品化以数据脱敏和封装为目标，通过数据打包、数据定价与数据交易，将数据资产转化为具备交易价值的数据商品；数据资本化以数据投融资为目标，通过数据资本运营和数据资本收益分配为手段，将数据商品锻造为具备金融属性的数据资本。王鹏和杨思萌2（2023）以商业银行为例，认为数据资产价值化的实现过程包括数据资源化、数据资产化和数据资本化三个阶段。其中，数据资源化的本质是提升数据质量，形成使用价值的过程；数据资产化的本质是形成数据交换价值，初步实现数据价值的过程；数据资本化的本质是实现数据要素社会化配置的过程，1朱秀梅,林晓玥,王天东等.数据价值化：研究评述与展望 J.外国经济与管理,2023,45(12):3-17.DOI:10.16538/ki.fem.20230719.4012王鹏,杨思萌.银行数据资产价值实现路径 J.中国金融,2023,(24):73-74.3包括数据信贷融资、数据证券化和数据入股等。欧阳日辉3（2023）也认为数据资产化旨在最大化释放数据的经济价值，本质是形成和实现数据的交换价值。数据资产化就是将数据资源转化为数据资产的过程，也是数据通过流通交易给使用者或所有者带来经济利益的过程。数据资产表现出一定的外部性、增值性和价值波动性。张楠和马治国4（2023）从数据的价值演进形态出发，基于数据“资源化资产化资本化”三重演进形态的系统分析，研究“数据资源数据资产数据资产证券化”的实践路径。作者认为，数据资产化进程既是企业通过实质性处理获取数据资产的过程，也是为数据控制者回报经济利益的过程，有助于激活数据资产价值，推动数据要素资本化进程。可见，数据资产化的目的是为数据资本化创造条件。1.2.2 从企业数字化转型的视角看数据资产化徐涛等5（2022）从企业微观视角，通过案例分析对企业数据资产化路径进行理论模型的构建。作者认为，数据资产化完整路径包括：阶段 1：数据战略、规制与组织架构；阶段 2：数据技术、系统和平台；阶段 3：数据资产质量治理；阶段 4：数据资产的盘点与运营。其中，阶段 1-3 重在提升企业数据治理能力，这是企业实现数据资产化的重要基础；阶段 4 重在让数据资产可以与特定的应用场景结合，从而构建数据资产的商业模式，通过业务数据化（数据内循环）和数据业务化（数据外循环）开展数字化转型，减少成本、增加收入和控制风险，从而实现数据资产的价值。张一为6（2023）提出一套集团化企业数据资产运营体系，包括战略一体化、管理体系化、体系平台化、集约中台化、稽核定期化等内容。数据资产管理与运营的主要目的是将企业数据进行有序管理，提供决策依据，实现价值变现，并降3欧阳日辉.数据资产的金融属性及其实现路径 J.科技中国,2023,(11):32-36.4张楠,马治国.数据资产证券化探索的法律困境与解决路径 J/OL.重庆大学学报(社会科学版),1-132024-01-11 http:/ J.外国经济与管理,2022,44(06):3-17.DOI:10.16538/ki.fem.20220408.4016张一为.集团化企业数据资产化与运营管理体系研究 J.互联网周刊,2023,(18):52-54.4低数据风险。海比研究院认为7，数据资产化可以划分为两个阶段，分别是数据资产形成阶段和数据资产管理与变现阶段。数据资产形成阶段则分为两个环节，分别是数据基础能力和业务数据化两个环节，主要是以源数据建设、数据采集、数据分析与应用等为主，市场大部分最终用户都处于第一阶段，甚至较大比例最终用户处于数据基础能力建设环节。数据资产管理与变现阶段，则包括数据资产化和数据资产变现两个环节，包括数据全流程治理、数据分析、可视化、数据决策应用和数据营销变现等。1.2.3 从数据要素金融化视角看数据资产化实践中，数据要素金融化是数据资产化的重要方向，出现了数据增信、数据质押融资、数据资产证券化、数据入股、数据信托、数据保险、数据保理等不同基于数据资产的创新应用案例。资料来源：朱民，迎接数据资本大时代的到来，2024.01.王世强8（2023）认为金融化是数据要素价值化的重要衍生方向，有利于实现金融与数据要素之间的有效关联，推动数据要素市场高效流通与高质量发展。但也面临数据要素金融化规制引导不足等问题，需要提升数据要素金融监管有效性，并引导数据交易创新，延展数据金融衍生品未来方向。7资料来源：2021 年中国数据资产化工具市场研究报告，海比研究院，2021.03.8王世强.数据要素金融化路径探讨 J.中国金融,2023,(07):62-63.5目前，数据要素金融化包括数据增信、数据质押融资、数据保理、数据入股等方向。数据增信方面，传统增信通过引入第三方机构为其担保，数据增信则以企业的数据资产价值以及运营产品的能力作为企业增加信用等级的手段之一，以帮助企业进一步增加可申请的贷款额度。数据质押融资方面，企业将数据产品合约现有应收账款、数据产品合约未来应收帐款或数据资产质押给银行，以获得银行贷款。数据资产质押融资是在现有质押体系下的新模式。数据保理方面，企业将数据交易合约的应收账款转让给保理机构，以获得资金融通。基于数据产品合约多样的收费模式，给数据资产保理提供了更多可能。数据入股方面，企业将其合法拥有的数据资产作为一种投资资本，以换取另一家公司的股权，是数据作为新型生产要素，融入我国资本市场和经济价值创造体系的直观体现。数据资产授信流程方面，基于传统贷款流程，结合数据资产在权属认定和价值评估方面的特殊性，通过数据资产认定、数据资产评估、数据资产贷后管理等过程，完成数据资产的贷前准备、贷中审查和贷后处置。（1）数据资产贷前准备与传统信贷流程相比，数据资产贷前准备有以下特殊工作：一是引入第三方服务机构（公证、律所）对数据资产进行合规审核，并形成审核意见书；二是结合数据交易所作相关数据产品的流通交易情况，对数据资产的定价、处置形成参考依据；三是引入第三方服务机构（资产评估机构等）对企业数据资产价值进行评估，并形成资产评估报告；四是通过引入第三方数据来源（如公共数据）、开展尽职调查等方式，辅助银行对企业状况进行审核。（2）数据资产认定1.由申请贷款的企业发起，将数据资产打包后提交第三方服务机构（公证机构、律师事务所等），第三方服务机构对申请方的数据资产进行权属和合规审核并出具数据资产审核意见书（公证/法律意见书）。2.企业向银行提交数据资产贷款申请材料，包括但不限于数据资产登记信息、数据来源情况说明、数据交易授权书、知情同意相关佐证材料、数据合规承6诺声明等。（3）数据资产审查银行对企业提交的数据资产贷款申请材料进行审查，重点对数据权属、数据分级分类进行认定，对数据权属不清晰、涉及国家安全的数据资产予以驳回。数据权属重点关注数据资产授权链是否清晰。对于外采数据重点关注需提供明确的交易合同和授权链；对业务活动自行产生的数据或自行采集的数据，需提供清晰的数据来源说明，涉及个人数据的需有明确的个人授权。（4）数据资产上市企业可将通过审查的数据资产在数据交易所上市交易。企业获取相关机关出具的数据资产审核意见书后，可以选择将数据资产以数据产品的形式上市数据交易所，数据交易所对企业申请上市的数据产品进行登记、审查，并对相关材料进行存档。（5）数据资产评估由银行委托第三方资产评估机构开展数据资产评估，评估结果作为贷款额度确认参考，贷款额度评估模型由银行和第三方机构共同确认。具体流程包括：1.选择数据资产评估方法与评估模型：结合数据资产特性，设计用于数据资产评估的评估方法与评估模型。评估方法包括成本法、收益法与市场法；评估模型基于不同评估方法，在确定相关重要参数设置基础上进行开发。2.数据质量评价：通过对数据完整性、数据准确性和数据有效性三方面设立约束规则，利用统计分析数据是否满足约束规则完成量化。基于统计学的思想，数据质量为满足要求的数据在数据系统中的百分比。数据质量的评价办法由数据模块、规则模块和评价模块三者组成。3.资产评估机构出具数据资产评估报告：由第三方资产评估机构结合其他同类数据资产评估结果，基于评估指标体系和数据质量评价提供数据资产评估报告（包括数据资产质量评价报告和数据资产评估报告两部分），为银行贷款提供辅助参考。4.银行完成授信报告：银行将数据资产评估结果作为贷款额度的依据，最终授信额度确认，并形成授信报告。（6）数据资产尽职调查7通过引入第三方数据来源（如公共数据）、实地走访等形式开展尽职调查，辅助银行对企业状况进行审核。（7）数据资产贷中审查审批在贷款调查、审查意见的基础上，按授权权限进行审批，决定贷与不贷，贷多贷少以及贷款方式、期限和利率。对于符合条件的企业，银行与其签订贷款合同并完成放款。（8）数据资产贷后管理与处置基于银行传统的贷后管理模式，主要在贷后检查环节新增对于企业“数据资产全生命周期”的监督管理：一是对数据资产采集、保存、应用和销毁等数据资产全生命周期环节进行日常监控与贷后检查；二是通过数据交易所、贷款企业及关联企业等渠道对数据资产进行日常监控；三是对贷款企业数据资产的质量、完整性、应用价值以及权属转换情况进行持续监查管理。日常监控日常监控通过数据交易所、贷款企业及关联企业等渠道对数据资产进行日常监控。1.监控贷款额度使用情况和贷款投向。2.跟踪企业账户往来及利息清偿情况。3.监控数据资产的权属变更、权利限制、价值变动等情况。贷后检查贷后检查全面跟踪检查借款人、抵(质)押物等相关因素：1.检查企业经营状况：相关国家产业、税收政策及外部经济环境、生产经营活动及生产计划、财务状况等。2.检查企业内部管理：经营方针及经营策略、法定代表人及其他核心管理人员组成等。3.检查抵(质)押物：抵(质)押物完好程度、变现能力以及状态。4.检查融资及还款能力：企业资金使用、现金流量还本付息能力及落实还款计划情况、借款人关联企业。5.检查数据资产生命周期：数据资产盘点情况数据资产质量变动、应用价值变动以及权属变更等情况进行持续管理。贷后评估与预警报告贷后评估与预警报告8评价贷款风险，完成贷后检查报告，并反馈影响贷款安全的预警信号。贷款风险评价主要包括对借款人的信用评估、还款能力分析、贷款用途及还款来源的审查等。在评价贷款风险时，银行需要运用综合分析方法，全面了解借款人的财务状况、信用记录、经营状况和市场环境等因素，以确定贷款的安全性和可行性。在完成贷后检查报告时，银行应详细记录检查过程、检查结果以及相关风险防控措施，以确保贷款安全。一旦发现预警信号，银行应立即启动风险防控措施，包括但不限于加强与借款人的沟通、调整贷款利率、增加贷款担保等，以确保贷款安全。风险资产处置风险资产处置制定并调整风控措施和策略，对风险资产进行及时处置。可行的模式包括：1.银行自用：银行获取数据持有权、使用权及经营权，基于同类企业数据资产进行融合计算，赋能其他业务。2.通过数据交易市场交易回笼资金：银行与数据交易所合作，通过数据交易所出售数据资产并直接将收入划拨银行作为还款来源。3.数据资产拍卖：由企业通过拍卖等形式将数据资产转让第三方使用，产生的收益作为还款来源。1.2.4 从会计核算的视角看数据资产化2024 年 1 月 1 日，企业数据资源相关会计处理暂行规定正式施行，数据资源将作为资产在企业的会计和财务报告中确认、计量、报告和披露。数据资产化在会计核算视角下具有特定的意义，是指将数据资源在企业资产负债表列示或报表附注披露的数据资产确认过程，相关数据资源需要符合会计意义上的资产定义或达到无形资产、存货的确认条件。在中国数字经济的快速发展背景下，数据资产化已逐渐成为政府、企业和学术界关注的焦点。尤其是在财政部发布的 企业数据资源相关会计处理暂行规定之后，数据资产化在中国得到了前所未有的重视。该政策文件不仅为数据资产的会计处理提供了明确的指导，而且进一步确立了数据作为一种资产的法律地位和经济价值。该政策文件作为一个具有里程碑意义的政策，明确了数据资源的权属、评估和管理机制。该规定详细描述了如何将数据资源纳入企业的财务报表，以及9如何对数据资源进行合规和有效的管理。这一政策的出台，无疑为数据资产化在中国提供了坚实的法律和制度基础。在企业数据资源相关会计处理暂行规定的指导和推动下，数据资产化不仅获得了明确的法律和制度支持，其在推动数字经济发展和促进社会进步方面的重要性也得到了广泛的认可。因此，数据资产化已经成为一个跨越法律、经济和社会多个层面的复杂但至关重要的议题。这一关系不仅体现了数据资产化在法律和制度层面的重要性，也强调了其在推动数字经济发展和促进社会进步方面的关键作用。1.2.5 数据资产化概念对比本书将上述不同视角下数据资产和数据资产化的定义进行了对比分析，发现不同视角都仅反映了数据资产化的部分特点。比如，数据价值化视角下，数据资产化更多强调数据从使用价值向交换价值的转变；数字化转型视角下，数据资产化更强调数据对业务场景的赋能；数据要素金融化视角下，数据资产化更强调数据产品的金融变现；会计核算视角下，数据资产化更强调在实施过程中考虑数据资源入表所需的计量需求和信息披露需求。通过不同视角解读数据资产化，有利于综合把握数据资产的特点和数据资产化的路径。表 1：数据资产与数据资产化的不同定义数据资产定义数据资产定义数据资产化定义数据资产化定义关键链路关键链路数据价值化视角数据价值化视角由组织（政府机构、企事业单位等）合法拥有或控制的数据，以电子或其他方式记录，例如文本、图像、语音、视频、网页、数据库、传感信号等结构化或非结构化数据，可进行计量或交易，能直接或间接带来经济效益和社会效将数据资源转化为数据资产的过程,本质是形成和实现数据的交换价值数据从使用价值向交换价值转变10益9企业数字化转型企业数字化转型视角视角业务数据化和数据业务化过程中形成的，经过数据治理和场景化应用的有效数据资源通过业务数据化和数据业务化开展数字化转型，实现数据资产价值数据应用场景赋能业务数据化和数据业务化数据要素金融化数据要素金融化视角视角具备金融化价值的数据资源将企业所积累的数据资源转化为具有价值和可交易性的数据资产的过程以 数 据 产 品 为 载体，通过数据要素金融化带来资产价值变现会计核算视角会计核算视角特定主体合法拥有或者控制的，能进行货币计量的，且能带来直接或者间接经济利益的数据资源将数据资源在企业资产负债表列示或报表附注披露的数据资产确认过程符合会计意义上的资产定义或达到无形资产、存货的确认条件资料来源：自行整理1.2.6 本报告观点：数据资产化的“A-M-O”模型本报告认为，数据资产化是指企业数据资产的形成过程，包括数据资产获取（DataAsset Acquisition）、数据资产管理（Data Asset Management）和数据资产运营（Data Asset Operation）三个阶段。从数据资源到数据资产的过程中，一个核心变化在于，数据资源经过算力和算法的加工，形成了数据产品，进而为数据形成资产奠定基础。数据产品和数据资产之间最大的区别在于，数据产品是企业内部的，而数据资产的价值要被社会所认可。如何让社会认可企业数据产品价值，那么就必须要在公开的市场上有相应的交易记录和资产运营记录。在“A-M-O”模型下，数据资产化的定义和范畴也变得更加明确。具体而言，数据资产化不仅是一种涉及数据收集、存储、分析和应用的技术和管理过程，而且是一种涵盖数据权属明确、价值评估和资源管理的综合性活动。这一定义不仅综合了政府政策、学术研究和企业实践，还特别强调了数据资产化在法律和制度9数据资产管理实践白皮书（6.0 版），大数据技术标准推进委员会，2023 年 1 月11层面的重要性。进一步来看，数据资源、数据资产和数据资产化三者之间存在着密切而复杂的关系。数据资源是数据资产和数据资产化的基础，通常指的是通过各种方式收集和存储的原始数据。数据资产则是数据资源经过一系列处理和管理后，具有明确经济价值和应用场景的数据。最后，数据资产化是一个更为复杂和全面的概念，它不仅涉及到数据资源和数据资产的管理和应用，还涉及到如何最大化数据资产的经济价值和社会效益。通过有效的数据资产化，企业不仅可以提高自身的竞争力，还能为整个数字经济的健康和可持续发展做出贡献。更为重要的是，数据资产化也为数据资源的合规使用和有效管理提供了有力的保障。12二、数据资产化发展的总体趋势2.1 国际趋势2.1.1 美国：对公共数据资产管理开展全面部署越来越多的国家充分认识到数据资产的价值，纷纷制定了加强数据资产管理的战略举措。在全球范围内，美国是行业数据资产化的先驱，特别是在智能网联汽车领域。2020 年版的智能交通系统战略规划中，美国已经制定了全面的部署和政策框架，旨在促进可靠交通数据的交易。这一举措不仅推动了数据资产化的进程，也为智能网联汽车行业的发展提供了强有力的支持。通过这种方式，美国希望能够进一步优化交通系统，提高道路安全性，减少交通拥堵，并为未来的交通出行提供更多便利。美国国内拥有发达的信息产业和庞大的数字经济体量，依托先天条件优势，数据要素的流通和交易市场蓬勃发展，美国从产业利益出发，坚持以市场为主导、以行业自律为主要手段，对个人数据持积极利用的态度。数据跨境保护方面，美国早在二十世纪初与欧洲签署个人信息跨国流通安全港协议，该协议后在 Facebook 隐私保护诉讼案后宣布无效，此后重新制定了数据传输协议隐私盾协议，但在 2020 年被裁定无效。2018 年美国国会发布CLOUD 法案，即澄清域外合法使用数据法（Clarifying Lawful Overseas Useof DataAct），规定数据管辖权应由数据控制者掌握，与存储地无关，即只要是在美国实际开展业务的公司，无论数据存储在何处，都属于美国管辖，同时美国的数据，只有符合特定条件的外国政府经美国同意后才能调取，该法案为国外机构调取美国国内数据和美国国内机构调取国外数据提供了合法性依据。美国国家安全和个人数据保护法案 2019（NSPDPA，尚未生效）对于美国用户数据出境做出了明确限制，要求禁止与法案定义的关注国进行“数据传输”或“数据储存”活动。加州、华盛顿州、弗吉尼亚州、科罗拉多州等陆续发布地方性隐私法案，赋予消费者对其个人信息的控制权，规范了企业收集、使用、转让消费者个人信息的行为。2023 年 1 月，加利福尼亚消费者隐私法的修正案，确立了新的13数据隐私权，对企业和服务提供商施加了新的义务和责任，并宣布将创建了一个独立的数据监管机构。数字战略方面，自 2019 年起，美国先后发布联邦数据战略与 2020 年行动计划和数字合作战略（2020-2024）。前者确立了数据共享、数据安全、数据使用三类四十余项具体的数据管理实践规范；后者宣称对外援助发展中国家数字发展，实际则意图渗透美国数字思维和数字发展理念至其他国家的数字发展规划布局中。2.1.2 欧洲：强调对数据权利的保护欧洲是世界上对隐私保护最为严格的地区。一直以来，欧盟重视数据安全体系化工作部署，并最先进行了各类举措和布局。2016 年 4 月 14 日，欧盟议会通过了通用数据保护条例（General Data Protection Regulations）（“GDPR”），于 2018 年 5 月 25 日在欧盟成员国内正式生效实施，GDPR 被称为“史上最严隐私法案”。2018 年 11 月 14 日，欧洲议会和欧盟理事会共同颁布非个人数据自由流动条例（简称条例），并于 2019 年 5 月 28 日正式实施，条例旨在统一有关非个人数据的自由流动规则，与已经实施生效的 GDPR 形成数据治理的统一框架，以此平衡个人数据保护、数据安全，推进欧盟在单一数字市场战略下打造富有竞争力的数字经济。2019 年欧盟通过的开放数据指令旨在推进欧洲地区可重用数据的跨境使用。2020 年 6 月 30 日，欧洲数据保护监管局（EDPS）发布欧洲数据保护监管局战略计划（2020-2024）：塑造更安全的数字未来（EDPS Strategy 2020-2024：Shaping a Safer Digital Future），旨在塑造一个更安全，更公平，更可持续的数字欧洲。战略指出，欧盟将积极关注数据处理实践和技术发展，提出数据保护措施，整合数据保护网络。2022 年 2 月欧盟公布关于公平获取和使用数据的统一规则（草案），确保在数据经济的行为者之间能够公平分配数据的价值，并促进对数据的访问和使用，该草案的公布意味着欧盟在促进数据要素的公平化发展方面走在前列。欧盟通过立法先行，通过制定领先的数据要素治理规则推动数据要素市场的建立和发展。在探索数据要素流通模式方面，欧盟沿用了工业经济时代的知识产权保护的做法，但目前看来，这种做法无法应对数字经济时代数据要素流通中出14现的很多问题。2.1.3 新加坡：强化数字治理新加坡通过实施“智慧国家”（Smart Nation）战略，推动其国内信息基础设施的现代化发展，扩大电信业的投资与推动数据中心的建设。建立完善的个人信息保护制度和相应的监管框架，监管体系重点包括设置主管部门、划分责任边界、设定跨境流动条件、开展国际协调、明确基础设施要求等方面。构建完善、系统的数据跨境流动管理规则，有助于实现全球数据向新加坡汇聚和流动，打造成为数据融合的重要中心节点城市。2.2 国内形势2.2.1 围绕数据资产化，开展创新试点工作我国数据资产化政策的部署和交易模式的创新处在世界靠前的位置。2019年 10 月，党的十九届四中全会提出“健全劳动、资本、土地、知识、技术、管理、数据等生产要素由市场评价贡献、按贡献决定报酬的机制”，这是中央文件首次将数据确立为一种生产要素。2020 年 4 月，中共中央、国务院发布关于构建更加完善的要素市场化配置体制机制的意见，其中强调要加快培育数据要素市场，提出推进政府数据开发共享、提升社会数据资源价值、加强数据资源整合和安全保护，这为推进数据要素市场化改革指明了方向。同年 11 月，中共中央关于制定国民经济和社会发展第十四个五年规划和二三五年远景目标的建议中对数据资源开发利用、要素市场培育发展提出了新的战略要求，要加快数字化发展，提出“建立数据资源产权、交易流通、跨境传输和安全保护等基础制度和标准规范，推动数据资源开发利用”。2021 年 1 月，中共中央办公厅、国务院办公厅印发建设高标准市场体系行动方案中进一步提出要加快培育发展数据要素市场。2021 年 9 月，中共中央国务院印发横琴粤澳深度合作区建设总体方案提出促进国际互联网数据跨境安全有序流动，在国家数据跨境传输安全管理制度框架下，开展数据跨境传输安全管理试点，研究建设固网接入国际互联网的绿色通道，探索形成既能便利数据流动又能保障安全的机制，支持珠海、15澳门相关高校、科研机构在确保个人信息和重要数据安全前提下，实现科学研究数据跨境互联互通，为数据跨境发展给出了思路。2021 年 10 月中共中央国务院印发国家标准化发展纲要，提出建立数据资源产权、交易流通、跨境传输和安全保护等标准规范，推动平台经济、共享经济标准化建设，支撑数字经济发展。2022 年 1 月，国务院办公厅关于印发要素市场化配置综合改革试点总体方案的通知 提出探索建立数据要素流通规则，完善公共数据开放共享机制，探索“原始数据不出域、数据可用不可见”的交易方式，在保护个人隐私和确保数据安全的前提下，分级分类、分步有序推动部分领域数据流通应用。各省市政府积极响应国家政策，纷纷出台一系列政策条例。北京、上海、江苏、广东等地纷纷成立大数据交易中心，积极推进数据交易，规范数据交易行为，探索数据交易新机制。2022 年 1 月，国务院印发“十四五”数字经济发展规划，对充分发挥数据要素作用作出重点部署，提出要强化高质量数据要素供给，加快数据要素市场化流通，创新数据要素开发利用机制，加快数字化发展，建设数字中国。同年 3 月发布的关于加快建设全国统一大市场的意见中提到加快培育统一的技术和数据市场，加快培育数据要素市场，建立健全数据安全、权利保护、跨境传输管理、交易流通、开放共享、安全认证等基础制度和标准规范，深入开展数据资源调查，推动数据资源开发利用。同年 7 月国务院办公厅关于同意建立数字经济发展部际联席会议制度的函，为加强统筹协调，不断做强做优做大我国数字经济，国务院同意建立由国家发展改革委牵头的数字经济发展部际联席会议制度。同年 12 月，中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见（简称“数据二十条”）对外发布，系统性布局了数据基础制度体系的“四梁八柱”，加速了数据流通交易和数据要素市场发展。“数据二十条”提出“统筹构建规范高效的数据交易场所”，“鼓励各类数据商进场交易”，“推动个人信息匿名化处理，保障使用个人信息数据时的信息安全和个人隐私”。“数据二十条”鼓励公共数据在保护个人隐私和确保公共安全的前提下，按照“原始数据不出域、数据可用不可见”的要求，以模型、核验等产品和服务的形式向社会提供。2023 年 2 月，中共中央、国务院印发了数字中国建设整体布局规划，指出建设数字中国是数字时代推进中国式现代化的重要引擎，是构筑国家竞争新优势的有力支撑，加快数字中国建设，至关重要。16王鹏（2023）10指出，我国数据资产化呈现地方先行先试、规则标准不断健全等特点。地方先行先试方面，数据资产化的推动将从地方先行先试开始，通过试点和实践，总结经验并形成可复制的模式，进而在更大范围内推广和应用，为全国范围的数据资产化提供示范效应和政策探索的先导。规则标准不断健全方面，随着数据资产化的发展，相关的规则体系、法律法规体系和标准规范体系正在逐步建立和完善。这些规则和标准涉及数据安全、市场化建设、公平交易等方面，为数据资产化提供了指导和保障。2.2.2 数据资产化进程存在明显行业差异各行业在数据资产化方面的能力分布存在着明显的差异。软件与信息技术、工业制造、医疗保健、教育等传统行业在数据资产化方面刚刚起步。这些行业对数据资产化的认识不足，缺乏推进的动力，目前的数据资产化活动主要局限于大数据平台的建设，尚未建立起专业化的数据资产管理团队。在这些领域，数据管理的工作重点在于核心业务的数据标准化和质量控制。相比之下，金融、互联网、通信、电力和零售等行业因较早感受到数据带来的优势，不断推动业务线上化，对数据资产化的理解和重视程度更高。这些行业已经逐步设立了专门的数据资产管理机构，加强技术创新和应用，积极进行数据分析和数据服务。进一步，可以从数据资产的存量和质量两个方面进行分析。从数据资产的存量看，数据经过采集、清洗、存储、加工等各环节，不断积累价值形成数据资本11（刘涛雄等，2023）。基于数据价值链理论，刘涛雄等（2023）对我国数据资产的存量进行了测算，发现 20032020 年间，我国数据资本形成额、数据资本存量在总量和人均上均实现大幅度增长，增速明显快于 GDP 增速；2011 年后，数据资本对经济增长的产出弹性和对经济增长率的贡献均明显超过之前阶段，已成为中国经济增长重要动能之一。分行业看，2020 年我国数据资产存量最高的 10 个行业分别为：信息传输、软件和信息技术服务业；公共管理和社会组织；金融保险业；交通运输仓储和邮电通信业；科学研究和综合技术服10王鹏，多元创新，试点推进国内数据资产化相关改革综述，第一财经，2023.11.14.11资料来源：刘涛雄,戎珂,张亚迪.数据资本估算及对中国经济增长的贡献基于数据价值链的视角J.中国社会科学,2023,(10):44-64+205.17务业；制造业；电力、煤气及水的生产与供应业；教育；批发零售贸易和餐饮业；卫生、社会保障和社会福利业。对比我国 2003 年和 2020 年数据资产行业分布，公共管理和社会组织的数据资本形成额始终排名靠前，从 2003