解锁数据价值：企业数据资产化实施框架

数据资产化，从会计视角看，是将数据视为一种可被企业拥有或控制、并能带来未来经济利益的资产，对其进行有效管理和利用以实现价值最大化的过程；从经济角度而言，则是数据要素通过流通交易为其持有者或加工者创造经济利益的过程。

△企业数据资产化实现路径

对于企业而言，数据资产化是指企业对数据进行采集、加工、开发利用，并通过流通交易等方式，最终为数据使用者或所有者带来经济利益的过程。其本质是通过提升数据的使用价值（内部应用）和交换价值（外部流通），最终实现其资产价值的过程。企业实现数据资产化通常遵循一个递进的路径：数据资源化 - 数据产品化 - 数据资产化。

数据资源化：指原始数据经过搜集、清洗、标注、脱敏等加工过程，转化为具有潜在使用价值或可实现经济利益的数据资源的过程。资源化标志是组织通过数据战略构建数据资源全景图，提升数据规模和质量，实现业务数据化。

数据产品化：指以价值发现为目标，针对特定的业务需求和场景，通过用户、业务或流程逻辑进行数据产品加工，最终形成数据产品或服务的过程。

数据资产化：指符合资产定义的数据产品，通过流通交易（如自用、共享、交易）给使用者或所有者带来经济利益，并最终依据《企业会计准则》及相关规定，在会计系统中完成确认与计量的过程。这一步标志着数据资源/产品完成了向会计意义上“资产”的跃迁。

01数据资源化 ：奠定价值基础

企业的数据资源是来自于不同源头的数据集，按照一定的逻辑归集后达到一定规模，且具有可获取、可加工、可使用的数据集合。数据采集依赖于业务信息系统、专用采集工具、设备及平台。这些原始数据需通过数据中台等架构，运用数据标准管理、元数据管理、数据质量管理以及主数据管理等核心治理能力，完成归集、清洗、整合等关键环节。

以某商业银行数据资源化为例，银行内部产生数据是基于信息系统采集原始数据。总行层面建设 600 多个系统， 基于原始数据分析归类后形成数据资产目录（基础性数据资源）便于后续管理。外部购买数据是遵循集约共享，合 法合规的原则，引入外部数据，主要是为了提升客户服务质量以及银行内部管理效能。

主要活动：

1.数据采集

数据资产化始于数据的生产与采集。企业需要建立一套标准化的数据采集流程，确保数据的质量和一致性。数据采集应涵盖企业运营的各个环节，包括但不限于客户交易数据、用户行为日志、传感器数据等。

• 数据来源：明确数据的来源，区分内部数据与外部数据，确保数据的多样性和全面性。
• 采集技术：采用先进的数据采集技术，如API对接、爬虫技术、IoT设备等，以自动化方式获取数据。
• 数据质量：实施数据清洗和预处理流程，剔除无效或错误的数据，保证数据的准确性和可靠性。

2.数据治理

数据治理的核心目标是释放数据的潜在价值，基于此，可以将数据治理的目标分解为以下四个方面的内容：①实现数据标准化，保证数据的一致性；②提升数据质量，保证数据的品质；③提升数据安全性，保障数据安全；④充分开发应用，提升数据的有用性。数据治理的过程主要包括以下几个方面：

• 数据资源盘点：对内外部数据进行全面梳理和分类，明确数据来源、数据类型、数据结构、数据分布等信息，有助于清晰地了解自身数据资产的状况。
• 制定数据标准和规范：确立统一的数据标准，涵盖数据定义、编码、采集、集成和共享等各个环节的规范
• 数据质量管理：建立完善的质量检测、监控、分析和报告闭环机制，持续追踪和改进数据质量。
• 数据标准管理：ީ制定和发布由数据利益相关方确认的数据标准，结合制度约束、过程管控、技术工具等手段，推动数据的标准化。
• 数据安全管理：基于数据安全分级分类体系，智能识别敏感资产，实现动态脱敏，常态化监控数据安全。

△数据治理平台

3.数据合规

数据合规性是数据资产化过程中不可忽视的一环。企业需要确保数据的收集、存储、处理和使用符合相关法律法规的要求。法律法规遵循：了解并遵守《数据安全法》、《个人信息保护法》等相关法律法规，确保数据处理活动的合法性。

• 数据隐私保护：实施数据脱敏、加密等措施，保护个人隐私不被泄露。
• 合规性审计：定期进行数据合规性审计，评估数据管理流程的合规风险，并采取相应措施进行改进。

02数据产品化 ：塑造价值载体

数据产品是指对数据资源投入实质性加工（如分析、建模）或创造性劳动（如算法开发、应用设计）所形成的，可以满足内外部用户需求的，并能以数据内容为核心提供持续服务的、可辨认的服务形态。数据产品的形式可分为产品和服务，前者如数据 + 算法 + 服务终端，后者是实现数据交付服务，如 APP、网页查询、API、SaaS、VPN 等。

主要活动：

1.数据产品开发

数据资源形成数据产品需要明确数据服务对象（内部客户、外部客户）、进行数据加工处理以及数据产品设计。数据加工处理包括标签化、建立数据模型、文本处理、自然语言处理（NLP）或图像 / 声音处理等，根据特定需求， 进行数据解析配置、建立主题库和服务终端等工作，最终形成“封装”的数据产品。

2.数据确权和登记

数据资源经过治理加工成为数据产品后，已具备潜在经济价值，但需明确其产权归属（企业拥有或控制）。数据确权是确认数据权益主体及其权利边界的关键步骤，是数据产品成为受法律保护、可交易数据资产的前提。确权后可依据相关制度（如地方或国家数据交易所规则）进行数据产权登记，为后续流通交易提供权属凭证。

△数据产权登记流程

3.数据质量评估

数据质量直接影响数据的可用性和价值创造能力。企业应建立一套标准化的数据质量评估体系，定期对数据进行质量检查，并通过数据清洗、数据整合等手段提升数据质量。数据质量评估流程涵盖了定义评估主体、实施基础质量指标评估、提出改进建议、编制评估报告等关键步骤。

△数据质量评价指标

03数据资产化 ：实现价值跃迁

数据资产化的前提是数据产品的价值化，即数据产品通过持续服务内部经营决策或外部客户需求，为给企业带来可预期的、可持续 的经济利益。企业需建立初步的数据资产化战略，探索数据产品通过自用（内部价值）、共享（生态价值）、交易（市场价值）等形式流通。对于可交易的数据产品，其价值在交易合约中得到具体体现。

主要活动：

1.数据资产价值评估

数据资产价值评估是指通过构建价值评估体系计量数据的经济效益、业务效益、投入成本等活动。数据价值评估是数据资产管理的关键环节，构建了数据资产化的价值基线。数据价值评估核心方法是成本法、收益法和市场法。

△数据资产价值评估流程

2.数据流通与交易

数据资产交易，是指在共同遵守的定价机制和交易规则下，将一方的数据资产出售给另一方的过程，其目的是实现数据资产的直接经济价值。可分为场内交易（通过官方数据交易所）和场外交易（双方直接或通过中介交易）。数据资产流通范围更广，指通过数据资产的开放、共享、交易等形式，使数据在组织内部或组织间流转，为企业生产经营或个人提供便利，或是通过一定的合同契约、市场机制进行约束，进而产生相应的社会和经济效益，其目的在于促使数据在组织内外的流转和价值实现。

△数据交易所数据交易流程

3.数据资产入表

数据资产入表是对企业拥有或控制的、符合《企业会计准则》和财政部《企业数据资源相关会计处理暂行规定》中“资产”定义及确认条件的数据资源/产品，在财务报表（目前主要指无形资产或存货）中进行确认和计量的过程。

△数据资产入表路径

总结：企业数据资产化是一个从原始数据（资源化）到价值载体（产品化），再到会计确认与价值实现（资产化）的递进过程。每个阶段都需要相应的策略、技术和治理能力作为支撑，最终目的是充分释放数据的潜在价值，赋能企业增长与创新。

参考资料：

1.《企业数据资产化调研报告——基于上海数据交易所的挂牌企业》

2.《2024数据要素资产化白皮书》

3.《数据资产管理实践指南(7.0版)》