2023数据资产年度运营报告.pdf

数据资产年度运营报告数据资产年度运营报告（20232023）全球数据资产理事会全球数据资产大会组织委员会二二四年七月目录第一部分 数据资产新行业.1一、背景与整体概述.1二、趋势与展望.6第二部分 数据资产价值.17一、数据资产价值整体概述.17二、数据资产的资产化实践.21三、数据资产的确权与估值定价.24第三部分 数据资产管理.27一、数字资产管理的内涵.27二、当前数据资产管理面临的挑战.28三、数据资产管理的多维优化路径.33第四部分 数据资产运营.54一、运营技术与工具.54二、运营风险管理.67三、第三方相关城投.77四、第三方相关公共服务平台.85五、挑战与机遇.87六、运营实际案例.97七、未来展望.108第五部分 数据资产入表.110一、数据资产入表概述.110二、数据资产入表案例研究.114三、数据要素市场新赛道.118四、数据要素全产业链服务模式.122五、总结与展望.169第一部分第一部分 数据资产新行业数据资产新行业一、背景与整体概述（一）概念解析1.数据“数据”一词，最初产生于信息学，Akoff 在 1989 年提出了信息金字塔模型，指出数据是用来描述事物、事件和交易行为的，并明确数据是原始的、未经过处理的。后续随着经济持续的发展和数据资源在各个领域不断深入，人们意识到数据具有可衡量的价值并可以带来可观的经济利益，不断拓展数据的开发和使用。因为数据具有体量大、类型多样、价值密度低等特点，原始数据要在加工处理后才能进一步发挥支持分析、推理、计算和决策的功能，只有当数据被有效地资源化，才能够进一步被市场所认可。2.数据资产“数据”转为“数据资产”，需要具有相应的资产属性。在 2014 年财政部企业会计准则基本准则 中指出资产是指企业过去的交易或者事项形成的、由企业拥有或者控制的、预期会给企业带来经济利益的资源，数据作为资产也必须符合资产的三个必要特征。在 2021 年资产评估专家指引第 9 号数据资产 评 估、中国市场监督管理总局、中 国标准化管理委员会发布的GB/T40685-2021 国家标准文件，将“数据资产”定义为被合法拥有或控制的，能进行计量的，为组织带来经济和社会价值的数据资源，确认了数据作为资产需要具备的三大要素。表表 1-11-1 数据资产需具有资产的三大属性数据资产需具有资产的三大属性要素要素控制控制权益权益预期预期资产由企业拥有或者控制交易或者采购形成的资源预期带来经济利益数据资产由企业合法拥有或控制交易或者开发形成的能进行计量的资源预期带来经济利益2与传统资产相比，数据资产具有以下特征：（1）非物质性：数据资产是无形的，通常是以电子形式存在，不像传统资产（如土地、建筑物、机器）那样具有物理形态。（2）可复制性：数据可以轻易地复制和传输，而不损害其原始价值。这与传统资产不同，后者通常是独一无二的。（3）时效性：数据资产的价值可能会随着时间、技术进步或市场条件的变化而变化。例如，过时的市场数据可能失去其价值。（4）增值性：通过分析、处理，数据资产可以产生新的价值。数据资产可以通过组合和分析产生新的数据，从而增加其价值。例如，通过分析客户数据，可以生成市场趋势分析。（5）共享性：数据资产可以在不减少其价值的情况下被多个用户或系统共享，这与传统资产的使用权通常具有排他性不同。（二）背景分析1.国家政策背景在人类的几千年文明史中，土地、劳动力、资本和技术一直构成着四大生产要素。而随着数字经济时代，数字化、数智化的发展，数据已然成为 21 世纪的新石油！蕴藏着巨大价值。以广传播、宜采集、可复制等独特禀赋，为经济社会发展提供了新动力。2020 年 4 月 9 日，中共中央、国务院印发的关于构建更加完善的要素市场化配置体制机制的意见中，明确将数据定义为一种新型生产要素，与土地、劳动力、资本、技术要素并列，共同构成了现代经济体系中的第五大生产要素。这也是在国际上率先提出要将数据作为第五生产要素的国家，是基于经济运行原理和企业实践的重大理论创新。其价值在于能够降低成本、多场景复用，与四大生产要素共同协同，发挥乘数效应，有效提高全要素生产率。此后，中华人民共和国国民经济和社会发展第十四个五年规划和 2035 年远景目标纲要又进一步将数据资产的发展提升到国家战略层面，明确提出“加快数字化发展，建设数字中国”的目标。为充分激活数据要素潜能，发挥数据资产对我国经济社会的基础性作用，政3府也已提出要加快培育数据要素市场。这一决策为数据资产新行业的进一步发展和应用提供了政策支持和发展方向。数据资产新行业涉及数据采集、传输、存储、处理、安全、分析、运营和交易等多个环节，其产业链不断完善，市场规模持续扩大。在这些过程中，技术创新不断涌现，大数据、云计算、人工智能等新兴技术为数据资产提供了更加高效、智能的解决方案。2023 年 8 月，财政部会计司正式发布企业数据资源相关会计处理暂行规定（下称暂行规定），为企业数据资产“入表”提供操作指引，标志着我国数据资产入表迈出了 0 到 1 的关键一步，从“箭在弦上”转为“势在必行”。“入表”是“会计核算”的通俗称法，指通过确认、计量、记录和报告等环节，对满足资产确认条件的数据资源进行记录，纳入企业资产负债表，以满足内外决策者所需的会计信息。2023 年 9 月，中国资产评估协会正式印发了数据资产评估指导意见，以规范数据资产评估执业行为。而“价值评估”在规范准则、服务场景、价值形态等方面都与“会计核算”有所区别。会计核算遵循财政部发布的暂行规定，在初始计量时记录资产的成本作为账面价值；价值评估主要依据中国资产评估协会发布的资产评估准则，服务于企业融资、出资入股、并购重组、破产清算等多样商业场景中的多种经济活动，所选取的价值类型视评估目的而定。2023 年 10 月 25 日，国家数据局正式揭牌，负责协调推进数据基础制度建设，统筹数据资源整合、共享、开发、利用，统筹推进数字中国、数字经济、数字社会的规划和建设等。2023 年 12 月 31 日，国家数据局等 17 部门联合印发的“数据要素”三年行动计划（20242026 年）（下称行动计划）旨在发挥数据要素乘数效应，赋能经济社会发展。同时，财政部也相继印发关于加强数据资产管理的指导意见（下称指导意见），从总体要求、主要任务、实施保障等三方面十八条内容，对数据资产管理进行引导规范。指导意见承接“数据二十条”国家数据基础制度，是贯彻落实党中央、国务院决策部署，积极推进数据资产管理工作的体现，明确了数据的资产属性，是对数据资产作为经济社会数字化转型中的新兴资产类型充分认可；与行动计划相互契合，明确鼓励在金融、交通、4医疗、能源、工业、电信等数据富集行业探索开展多种形式的数据资产开发利用；是继暂行规定指导意见后，财政部在数据资产管理工作上的又一重大政策动向。2.新行业发展背景在深入观察 2023 年 6 月至 2024 年 6 月期间新行业的市场动态时，可以明显看到我国市场规模在不断扩大，增长率保持在一个稳定的水平。这背后，技术的不断进步和消费者需求的日益提升成为推动市场增长的两大动力。预计未来几年，这种增长势头仍将持续，市场规模有望继续保持快速增长的态势。与此行业内的竞争格局也愈发激烈。传统企业、初创公司以及跨界企业等各方势力纷纷涌入，共同争夺市场份额。为了在竞争中脱颖而出，各企业都在加大数据类产品的研发投入，努力提升产品的创新性和竞争力。这种激烈的竞争态势不仅推动了行业的技术进步，也促使企业不断提高服务水平和客户满意度。在消费者方面，他们对于数据类产品品质和服务的关注度也正在持续提高。促使着新行业的产品和服务不断升级迭代，以满足消费者日益多元化、个性化的需求。消费者需求的这种变化不仅为行业提供了更广阔的发展空间，也对企业的创新能力和服务水平提出了更高的要求。总体来看，新行业在近年来的发展中展现出了强大的市场潜力和广阔的前景。尽管面临着激烈的市场竞争和不断变化的消费者需求，但行业内的企业仍在不断探索和创新，以应对市场的挑战和机遇。可以预见，随着技术的不断进步和市场的不断开拓，新行业将在未来继续保持蓬勃发展的态势。3.新行业环境分析在上述数据资产新行业发展背景下，我国政府对新行业的发展展现出极高的重视度，并积极推出了一系列国家或地区政策举措，以助力其快速发展。包括但不限于提供税收优惠、给予资金支持、制定产业规划等，为数据资产新行业的崛起提供了有力的政策保障。尽管政策支持力度不断加大，但国内新生的政策体系、绩效考核体系以及执法监管体系仍面临诸多不完善之处。在体制、政策、法规方面，仍需进一步健全和完善。以新生行业为例，尽管已经明确了任务目标，但许多地方城市尚未出台5具体的推动措施，导致新行业在发展中遭遇诸多障碍。数据资产新行业标准的缺失也是一个突出问题。对应的标准、规范、制度等措施均未出台，导致企业和产品在操作和运行过程中缺乏明确的指导。虽然部分地方出台了区域标准，但缺乏统一的国家标准，这使得行业规范性成为一纸空谈。与新行业相关的经济政策如价格、财税、金融等尚待完善，市场激励机制和约束机制依然不健全，这使得企业在新行业发展的内生动力不足。国际贸易政策的变化也对新行业的发展产生了一定影响，企业需要密切关注国际贸易形势，加强国际合作，以应对潜在的风险和挑战。新行业的发展既离不开政策的支持和引导，也需要企业和市场主体的积极参与和推动。只有在政策和市场双重作用下，新行业才能健康、快速地发展，并为经济社会的发展贡献更大的力量。4.新行业技术动态在当前数据资产新行业的蓬勃发展中，技术创新与突破已成为推动其不断前进的核心动力。新材料、新工艺、新技术的不断涌现，不仅为行业提供了强有力的支撑，更为其带来了前所未有的发展机遇。从上游供应到市场部署，技术的革新正在逐步改变行业的生态格局，使得资源配置更为优化，产业布局更加合理。技术的应用与融合，在新行业中同样显现出强大的生命力。随着科技的日新月异，新行业与其他行业之间的融合也愈发紧密。跨界合作和技术融合使得新行业的应用领域不断拓展，产业价值不断提升。这不仅加速了行业的成熟与壮大，更为其注入了新的活力。展望未来，新行业在技术创新方面将持续加大投入，推动产业升级和转型。特别是随着大数据、人工智能等技术的广泛应用，新行业将迎来更多的发展机遇和挑战。这些技术的引入将进一步优化生产流程，提升产品质量，降低生产成本，从而增强行业的市场竞争力。与此新生业市场化程度的逐步提高也为行业的发展提供了有力的保障。企业通过资本市场实现兼并、破产和重组，资源配置更加高效；产业布局呈现资源向东南演进、集中、转移的趋势，为行业的区域协调发展奠定了基础。而新生行业协会的作用逐渐显现优势，为行业的健康发展提供了有力的组织保障。新行业在技术创新、应用融合以及市场化程度等方面均取得了显著进展，展6现出强劲的发展势头。未来，随着技术的不断进步和市场需求的持续增长，新行业必将迎来更加广阔的发展前景。5.现状概述2024 年 2 月 18 日至 3 月 5 日，国家数据局、中央网信办等部门联合开展全国数据资源情况调查工作。2024 年 5 月 24 日，在福建福州举行的第七届数字中国建设峰会数据资源与数字安全分论坛上，全国数据资源情况调查工作组发布了全国数据资源调查报告（2023 年）。报告显示，2023 年，全国数据生产总量达 32.85ZB，同比增长 22.44%。随着 5G、AI 技术的快速发展及智能设备的规模应用，内容创作、影像视听等非结构数据爆发式增长，对我国数据总规模增长贡献较大，消费民生领域新业态不断涌现，满足了人们不断增长的文化娱乐消费需求。数据存储：至 2023 年底，全国累计数据存储总量为 1.73ZB，存储空间利用率为 59%，数据云存储占比超过 40%，其中政府和行业重点企业存储空间利用率均为 70%左右。数据算力：至 2023 年底，全国 2200 多个算力中心的算力规模同比增长约为30%。大模型训练算力需求高涨，科学、政务、金融、工业等行业算力需求增加。然而我国数据资源管理和利用整体依旧处于起步阶段，目前还存在数据有效供给不足、算力还需适度超前布局、数据多元流通模式待完善、数据资产价值有待进一步评估释放、数据资产如何有效确权等挑战。二、趋势与展望（一）国际发展趋势1.美国政务开放机制：美国联邦政府于 2009 年通过实施开放政府指令推动政府数据开放的进程。其核心是建立“一站式”政府数据服务平台，通过该平台，联邦和各州政府、不同部门和民间组织能够集中上传各类数据集，涵盖经济、医疗、教育、环境和地理等多领域数据，有助于数据集成与共享，也为开发人员提7供二次开发和加工数据的就业机会。多元数据交易模式：美国当前采用多种数据交易模式，以适应不同需求。主要模式包括 C2B 分销、B2B 集中销售和 B2B2C 分销集销混合三类。C2B 分销模式，是个人用户将自己的数据贡献给数据平台以换取一定数额的商品、货币、服务、积分等对价利益。B2B 集中销售模式，即以美国微软为首的数据平台以中间代理人身份为数据的提供方和购买方提供数据交易撮合服务。而最后的 B2B2C 模式较为突出，占据美国数据交易产业主流。是由数据经纪商收集用户个人数据，并以中间代理人的身份进行转让和共享。平衡数据安全与产业利益：尽管美国尚未制定涵盖整个联邦层面的数据保护法规，但在涉及数据安全的问题上，各行业领域都有相应的分类法规。却并没有加速整体数据保护法规的推进。这表明在美国，数据安全与产业利益之间存在一定的平衡考量。数字合作战略：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.欧盟积极推动数据开放共享：欧盟提出构建专有领域数字空间战略，覆盖了多个行业和领域，包括制造业、环保、交通、医疗、财政、能源、农业、公共服务和教育。该战略旨在推动公共部门数据开放共享、科研数据共享以及私营企业数据分享。完善顶层设计：基于 GDPR，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，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。3.英国商业模式多元：开放银行战略提供了六种可能的商业模式，包括前端提供商、8生态系统/应用商店、特许经销商、流量巨头、产品专家和行业专家。例如，金融科技公司和数字银行可以作为前端提供商，通过为中小企业提供降本增效服务来换取数据。流量巨头则作为开放银行产业链的支柱，掌握着资产和资本流动性的控制权。这种多元商业模式的设计为金融服务商和企业提供了更灵活的运营方式。英国已经有 100 家金融服务商参与了开放银行计划并提供了创新服务，数据交易流通市场逐渐初具规模。采用 API 技术开放金融市场：英国的开放银行战略致力于通过采用 API 技术开放金融市场，使金融数据更广泛地流通。通过安全的 API，英国金融服务商与中小企业能够更加便捷地共享数据。金融服务商可以通过与中小企业的数据交流，提供更定制化、高效的服务，从而建立更紧密的业务关系。这一机制旨在打破传统金融数据封闭的格局，促使金融服务商更好地适应市场需求。4.德国标准化通信接口：德国的数据空间采用标准化通信接口，使不同系统和平台能够有效交流数据。这有助于消除数据交流中的障碍，提高数据的互操作性和可访问性。数据权属和控制：数据空间的重要特征是用户对其数据的所有权和控制权。用户能够决定谁有权访问他们的专有数据，同时提供访问的目的。这种机制使用户能够监控并持续掌控其数据的使用情况。国际支持和合作：德国数据空间已得到 20 多个国家和 118 家企业和机构的支持，其中包括中国、日本、美国等。这表明该虚拟架构在国际范围内获得了广泛认可，吸引了全球性的关注和合作。5.日本日本创新了“数据银行”交易模式，旨在最大化释放个人数据的价值，提升数据交易流通市场的活力。该模式的核心在于通过数据银行，以契约为基础，充分管理个人数据，并在获得个人明确授权的前提下，将数据作为资产供应给数据交易市场进行开发和利用。数据管理与分类：数据银行对个人数据进行分类管理，包括行为数据、金融数据、医疗健康数据以及行为嗜好数据等。通过个人数据商店进行有效管理，确9保数据的安全性和隐私保护。在明确授权的情况下，这些数据成为可以流通和交易的资产。业务范围：数据银行主要从事数据保管、贩卖、流通等基本业务，并涉足个人信用评分业务。通过这些业务，数据银行在遵循日本个人信息保护法的基础上，为数据权属界定提供自由流通的原则。不过，对于医疗健康数据等高度敏感信息，数据银行设有除外规定，以确保敏感信息的妥善处理。6.新加坡通过实施“智慧国家”战略，强化数据治理，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。（二）国内发展趋势我国国内各行业在数据资产方面的能力分布存在明显的差异。目前企业的数据资产活动主要局限于数据平台建设以及尚未建立起专业化的数据资产管理团队。工业制造、软件与信息技术、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认识不足，缺乏推进动力，在这些行业领域，数据管理的工作重点在于企业核心业务的数据质量管理和数据标准化落地。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，对数据资产的理解和重视程度更高，也设立了专门的数据资产管理组织，以加强数据治理、资产管理、技术创新、场景应用，分析和服务。（三）新行业发展展望未来三年，数据资产新行业将继续保持快速发展的态势。随着技术的不断进步和应用场景的不断拓展，数据资产的价值将得到更深入地挖掘和利用。同时，数据资产的流动和利用将更加便捷和高效，数据交易所、数据市场、数据平台等10基础设施将不断完善。以下是部分数据资产新行业示例：1.离散制造行业离散制造行业包括机械制造、汽车制造等领域，数据资产的应用有助于优化其生产流程、提升产品质量。随着工业 4.0 的推进，离散制造行业逐步向智能化、数字化转变。智能化、自动化水平持续提升，数据驱动的柔性制造将成为主流。未来，离散制造行业将更加注重数据资产的价值挖掘，推动产业升级。2.消费品行业数据资产的应用有助于消费品企业精准把握市场需求，优化产品设计和营销策略。为此消费品行业面临着消费升级和渠道变革的双重挑战。展望其个性化、定制化消费，数字化营销和全渠道布局将成为关键。亟需继续深化数据资产的应用，推动品牌创新和渠道升级。3.流程制造行业数据资产的应用有助于提升流程制造行业的生产效率、降低能耗和排放。为此流程制造行业对生产效率、成本控制和环保要求日益提高。未来，流程制造行业将更加注重数据资产的智能化应用，推动绿色生产和可持续发展。智能化、绿色化将成为流程制造行业的重要发展方向。4.钢铁冶金行业数据资产的应用有助于钢铁冶金企业提升生产效率、优化产品质量和降低能耗。为此钢铁冶金行业面临产能过剩、环保压力等挑战。将依托数据资产，推动产业转型升级，实现高质量发展。同样智能化、绿色化、高端化将成为钢铁冶金行业的发展展望。5.工业化工与造纸行业数据资产的应用有助于企业优化原料采购、提升产品质量和降低能耗。为此工业化工与造纸行业对原料成本、产品质量和环保要求高度敏感。未来，该行业将借助数据资产，推动技术创新和产业升级，以数字化、绿色化、智能化成为工业化工与造纸行业的发展展望。116.制药与医药流通行业数据资产的应用有助于提升制药企业的研发效率、优化医药流通企业的供应链管理。为此制药与医药流通行业对产品质量、安全性和流通效率有严格要求。该行业将借助数据资产，提升产品质量和流通效率，确保患者用药安全。以数字化、智能化、合规化将成为制药与医药流通行业的发展展望。7.食品饮料行业数据资产的应用有助于食品饮料企业精准把握市场需求、优化产品设计和营销策略。为此食品饮料行业面临消费升级、健康饮食等趋势的挑战。食品饮料行业将借助数据资产，推动产品创新和市场拓展。以个性化、健康化、数字化将成为食品饮料行业的发展展望。对于酒业、装备制造、能源、交通运输与物流、航空与机场、公用事业、建筑、地产、现代服务、医疗、酒店餐饮、零售分销、贸易、互联网、农牧、国资监管与投资控股、金融等其他行业，它们在 2023 年 6 月至 2024 年 6 月期间数据资产年的背景下也各自展现出不同的趋势和展望。这些行业普遍关注数据资产的质量标准、隐私与合规、确权与估值、运营和应用等，以推动业务创新、提升运营效率、优化客户体验。总体而言，随着技术的不断进步和应用场景的拓展，数据资产将在各行业中发挥越来越重要的作用。各新行业将积极拥抱数据资产，推动产业升级和高质量发展。随着数字化转型的加速发展，数字经济逐渐成为重组全球要素资源、重塑全球经济结构的重要力量。数据资产是由组织（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、传感信号等机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益。数据资产可以通过数据分析、数据挖掘、数据交易等方式，为企业创造新的价值、优化业务流程、提高效率和竞争力，以全局性，多角度，全生命周期的视角支撑企业战略规划和经营决策，为企业带来持续的发展动能。121.数据资产发展趋势（1）数据资产政策环境持续优化2023 年 2 月，数字中国建设整体布局规划正式发布，强调打通数字基础设施大动脉，畅通数据资源大循环，构建国家数据管理体制机制，释放商业数据价值潜能，加快建立数据产权制度，开展数据资产计价研究，建立数据要素按价值贡献参与分配机制。2023 年 8 月 13 日，国务院发布关于进一步优化外商投资环境加大吸引外商投资力度的意见，强调要提高投资运营便利化水平，探索便利化的数据跨境流动安全管理机制。2023 年 10 月，国家数据局正式挂牌。2023 年 12 月，国家发展改革委、国家数据局联合发布数字经济促进共同富裕实施方案，提出推进数字基础设施建设，引导数据要素跨区域流通融合，旨在推动数字技术和实体经济深度融合。同期，国家发展改革委、国家数据局、中央网信办、工业和信息化部、国家能源局联合发布关于深入实施“东数西算”工程加快构建全国一体化算力网的实施意见，提出推动算力、数据、算法融合发展，深化行业数据和算力协同应用，构建可信计算网络环境，促进安全可信的数据共享交换和流通交易。国家数据局等 17 部门联合印发“数据要素 x”三年行动计划（20242026 年），以推动数据要素高水平应用为主线，以推进数据要素协同优化、复用增效、融合创新作用发挥为重点，强化场景需求牵引，带动数据要素高质量供给、合规高效流通，为推动高质量发展、推进中国式现代化提供有力支撑。顶层设计的持续完善带动了全国多省市陆续开展数据开放、数据交易领域的探索实践，充分激活了数据要素市场活力，发挥数字经济对经济社会的基础性作用，推动我国数据要素市场化发展加快落地。（2）数据资产应用意识不断加强数字资源是数字经济时代的重要生产要素之一，是企业保持核心竞争力、提升创造能力的关键驱动因素。随着企业数字化转型政策的出台，企业数据资产应用意识不断加强，企业内部设置数据管理岗位，定期采集数据使用诉求，跟踪数据应用效果，主动赋能业务发展.越来越多的企业选择参与到 DCMM 贯标评估工作中，通过“以评促建”的方式加快数据资产管理能力建设。同时，得益于数据素养和数据技能的持续提升，数据使用者逐渐形成主动消费的意识和能力，进一步促进了数据应用向更广更深的领域发展。13（3）数据资产规模继续扩大依据国家数据局发布的数字中国发展报告（2023 年），2023 年数字中国建设取得积极进展。数据基础制度建设步伐加快，上下联动、横向协同的全国数据工作体系初步形成。数字基础设施不断扩容提速，算力总规模达到230EFLOPS，居全球第二位；先进技术、人工智能、5G/6G 等关键核心技术不断取得突破，高性能计算持续处于全球第一梯队。数据要素市场日趋活跃，数据生产总量达 32.85ZB，同比增长 22.44%。2023 年，全国数据存储总量为 1.73ZB，新增数据存储量为 0.95ZB，生产总量中 2.9%的数据被保存。图图 1-11-1 数据来源分布情况数据来源分布情况图源：全国数据资源调查工作组结合数据可以看到，尽管存储数据中，有大量数据因为数据加工能力的局限性未被深度挖掘，致使数据价值被低估，但从总量来看，数据资产的规模依然呈现持续扩大的趋势。（4）数据资产应用领域广泛拓展数据资产的应用范围正在广泛拓展，在金融、零售、制造、医疗等多个领域发挥着重要作用。通过对数据的收集、存储、分析和应用，企业可以更精准地把握市场趋势、深入理解客户需求，进而优化业务流程。但各行业的数据资产应用14能力存在较大差异，金融行业、互联网行业、通信行业、电力零售行业等因其行业特性较早享受到数据带来的正向反馈，对数据资产重要性的认知随之提升，以强大的内驱力推动业务数据化，积极参与数据要素流通，发展数据资产管理部门，进行更深层次的数据资产应用，但工业和制造业、医疗行业、教育行业等传统行业在数据资产应用方面仍处于初级阶段，主要开展数据标准化、数据质量管控等工作，数据资产管理意识和动力仍有较大上升空间。（5）数据资产安全问题得到重视在 2023 年全球公开报道的 246 起数据安全事件中，数据泄露事件占比高达67.5%，泄露数据超过 51.8TB，共计 103.8 亿条。奇安信威胁情报中心监测显示，2023 年仅在暗网及黑产平台上交易的境内机构泄露数据就多达 60.8TB，共计720.4 亿条，两项指标均超过全球媒体公开报道事件的统计数据。在境内机构泄露的数据中，涉及个人信息的数据多达 586.8 亿条。其中，互联网、IT 信息技术和能源行业是泄露数据量最多的行业。图图 1-21-2 全球数据安全事件公开报道类型分布对比全球数据安全事件公开报道类型分布对比图源：2023 中国政企机构数据安全风险分析报告我国正在逐渐明确数据安全监管红线，为数据安全建设提供政策保障。2023年 12 月 15 日，国家数据局发布“数据要素”三年行动计划（20242026年）（征求意见稿）指出，加强数据安全保障。落实数据安全法规制度，建立15健全数据安全治理体系，完善数据分类分级保护制度，落实网络安全等级保护、关键信息基础设施安全保护等制度，加强个人信息保护，提升数据安全保障水平。同月 18 日，中央网络安全和信息化委员会发布关于防治“指尖上的形式主义”的若干意见，指出要加强分类防护，落实网络安全、数据安全、关键信息基础设施安全保护、个人信息保护等相关法律规定，加强全生命周期数据安全管理，依法依规保护数据和个人信息安全。国家层面通过构建数据安全管理体系，形成数据安全分类分级标准，有效确保数据资产安全可控。同时，企业自身也开始加强内部数据资产的规范化与制度化建设，开展数据安全合规内外部审计，制定数据资产管理的风险应急机制，保障数据资产的安全性和隐私性。2.数据资产未来展望（1）技术创新驱动数据资产发展一方面，随着 5G、AI、物联网技术的创新发展及智能设备的规模应用，数据资产原始数据规模将不断扩大，数据存储能力也将随着硬件技术的更新迭代和成本降低得到显著提升；另一方面，为应对更复杂的数据资产，智能化的“专业工具”会逐渐成为数据资产的主要管理方式，实现更广泛地覆盖数据资源化、数据资产化等环节，帮助数据使用者挖掘数据价值，扩大数据适用范围，推动数据资产市场化进程。（2）一体化管理激发数据资产活力数据资产全生命周期中涉及开发、管理、运营等多个环节，传统的数据资产管理通常由多项活动和解决方案组成，分散的管理模式会造成各环节之间的脱节，进而降低数据从生产端到交易端的开发效率和应用活力。企业内部应当设置专业化、复合型数据资产管理组织，在构建数据资产管理认责体系的基础上，培养数据文化，提高数据素养，构建良好的沟通协作机制，建立一体化的数据资产管理机制，结合外部政策体制和底层数据设施分析数据资产市场现状，优化管理资源，提高管理效率，实现数据资产不同阶段管理的敏捷协同，避免开发阶段的规范问题滞后影响末端交易或数据交易末端难以向前端实现有效反馈等情况。（3）规则优化畅通数据资产渠道一方面，完善交易评估体系，建立科学规范、契合行业特征的评估制度，通过分类选取、分行业探索的方式确立适用的数据资产评估指标、方法，明确数据16资产的业务应用场景，构建数据资产运营体系，及时完善数据资产披露制度，提高数据交易市场透明度，促进数据资产价值转化，推动数据资产市场健康发展；另一方面，统筹数据资产交易平台建设，统一交易标准，加快推动数据要素市场化配置改革，全面提高数据资源开发利用水平，让数据“供得出、流得动、用得好、保安全”，建立完善数据资产入市退出机制，鼓励企业从内部使用转向外部流通。（4）跨界融合丰富数据资产生态通过制定修订各行业数字化转型、产业交叉融合发展等应用标准，引入多维度数据、多类参与方、多种产品形态构建更加多元的数据生态，持续拓展数据应用场景和数据合作方式，打破企业数据堡垒，从项目式的垂直独立“烟囱式”开发模式转变为运营式的横向贯通共享服务模式，逐步实现真正的数据透明化，克服数据孤岛、数据质量参差不齐等影响数据资产转化的问题，以培养包含数字型人才、管理型人才、技术型人才、业务型人才的管理团队为抓手，培育新产业、新模式、新动能，充分实现数据要素价值。（5）监管体系保障数据资产安全在国家发布的网络安全法数据安全法个人信息保护法和关于防治“指尖上的形式主义”的若干意见 等法规政策要求下，构建技术标准体系，编制数字化标准工作指南，明确数据权属、数据责任、数据保护、数据惩罚等方面的法律规定，为数据资产的确权、估值、入表、交易、安全等提供法律依据和保障。构建数据安全管理体系，形成数据安全分类分级标准，完善数据安全保障体制，建立隐私保护、风险防范的合规审查制度，确保数据资产安全可控，建设兼顾企业发展与合规需求的监管体系，守住数据资产安全底线。17第二部分第二部分 数据资产价值数据资产价值一、数据资产价值整体概述（一）数据资产价值特征1.数据资产价值具有业务附着性数据资产是由过去的交易或经营事项形成，企业业务的发展或管理的需求而采购已有的数据或通过信息化和数字化运营而生成数据，并通过有效地治理而形成有经济收益潜力的数据资产。因此，数据资产的价值属性粘连于企业业务而存在，具有业务附着性特征。考虑到这一特征，企业数据资产的价值实现路径分析和价值评估均应充分融合企业业务特征。2.数据资产价值具有场景依赖性独立的数据并没有价值，数据附着于一定业务需求，形成了潜在可预期的经济利益，这形成了数据资产，数据资产运用于一定业务运营场景，或为业务的开展赋能提升业务效率，或被植入业务模型中提高产品质量。业务数字化和产品数字化创新出数据产品，助力企业业务的转型与升级，此外，数据资产的价值实现场景具有多维特征，企业可以同时拥有不同类型的数据资产，且同时开创不同的业务场景。同类数据资产可以在不同场景下实现不同的价值，相反，不同类型数据资产组合可以在同一场景下实现同一价值目标。同时，数据资产能够赋能于企业全价值链业务环节，也可形成有价值的数据产品在市场中与不同价值主体进行交易，为企业实现新的业务增长极。这种多元的业务场景和交易场景为数据资产的估值带来了困难。3.数据资产的价值实现同时在货币与非货币交易模式数据资产的价值实现有两条路径：首先，数据资产运用到价值链各个环节，通过融合其他资产或赋能其他资产实现业务或管理效率的提升，进而通过对其业务赋能、产品创新驱动或决策支持这种非货币交易模式为企业带来经济效益和社会效益。其次，数据资产产品化后到市场上进行交易而实现货币化的价值增值。因此，企业可以通过对数据的良好运营与管理，实现数据与业务有机融合的同时，18创造独特的数据产品，同时实现货币与非货币化价值模式。4.数据资产价值具有波动性由于数据价值具有时效性、业务附着性和场景依赖性，而企业的业务和场景可能随着市场需求的变化和需求主体战略的变化而变化，这就导致同一数据资产的价值可能在不同的时点具有不同的价值。（二）数据资产价值评估及入表数据资产化是指数据资源先经过明晰权属关系，被加工处理为可获益数据产品，参与流通交易并为使用者或所有者带来经济利益资产的过程，由于数据资产自身表现出无形资产和有形资产的双重特征，对数据资产进行可靠的货币计量并不容易。2024 年 1 月 1 日企业数据资源相关会计处理暂行规定实施，也将数据资产的价值进行评估有了明确的依据和规范。目前数据资产评估常用的三种方法分别为市场法、收益法、成本法，主要从数据资产的完整性、准确性、时效性等方面进行评估，以确保评估结果的科学、准确、可靠。对于企业而言，在数据资产目录和数据资产评估结果的基础上，进行数据资产确认和应用场景研判，最终登记入财务报表，成为企业的无形资产、存货或开发支出，其通过资产负债表的形式向公众进行披露其数据资产运营情况。事实上，无论数据资产是否作为资产入表，企业的经营、管理和发展都需要考虑数据资产，都需要评估数据资产价值，进行数据资产运营，有效地提高企业经营效率和社会效益，这也是数字经济的浪潮中企业及各个主体需要面临的课题。（三）数据资产价值实现/倍增路径数据资产化的战略意义显现在助力数据价值持续释放之中。数据资产化即从原始数据逐步转变为数据资产的过程，从数据资产形成流通与应用的全流程看，数据资产价值实现路径主要包括数据资源化、数据产品化、数据资产化和数据资本化这四个阶段。191.数据资源化数据资源化是指了解不同数据的利用方式，并对数据进行探明和标识的过程。数据资源化会形成某种稀缺性，从而引出资源的优化配置需求。不同数据集由于质量、规模等差异，所蕴含的信息量和在不同部门之间的动态分布各有不同，从而构成数据要素流动的原动力。数据资源化涉及原始数据的获取与加工，经过数据采集、整理、评级、聚合等数据资源化全过程后，低价值密度的数据才被筛选处理成为有价值的数据资料。2.数据产品化数据产品化是数据资源创造交换价值的核心环节，通过对数据资源赋予创新型劳动和实质性加工，形成满足特定应用场景需求的数据产品。数据产品是以数据集、数据信息服务、数据应用等为可辨认形态的产品类型，是实现数据经营价值增值的重要阶段，为数据形成资产奠定基础。3.数据资产化即数据从原始数据逐步转变为数据资产的过程。从数据资产的形成过程来看，数据资产化是围绕数据的价值创造活动，包括数据采集、加工、治理、开发以及交易等诸多环节和流程，最终目的是推动数据向数据资产转化，激发和释放数据价值潜能。结合数据形态变化与价值实现的具体过程，数据资产化过程可以概括为：业务数据化、数据资源化、数据产品化、数据资产化四个阶段。从狭义角度理解，数据资产化指的就是数据资源完成入表并被确认为会计学意义上的资产。数据资产化是确定数据产品价值和价值兑现的重要依据，是以拓展经济效应和应用赋能为导向的进一步价值提升，可基于对外开放共享、内部专用、数据交易的方式完成数据资产化阶段的价值实现。4.数据资本化指通过数据交易、流通等实现数据要素社会化配置的过程。如数据可以通过变成等量资本直接入股，这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。数据资产化是在资产化基础上对财报中数据资产独立科目金融价值属性的挖掘，基于数据资产收益及价值共识，赋予数据金融属性，赋能完成数据增信、数据质押融资、数据资产证券化、数据作价入股、数据信托20等。5.核心实现路径数据要素化治理工程要素化是资产化的前提，数据要素化