企業數據資產化：機理、路徑與挑戰

【摘 要】 2023年12月國家數據局發布《“數據要素×”三年行動計劃（2024—2026年）》，提出要釋放數據要素發展潛能，大幅拓寬數據要素應用的廣度與深度，實現國家數字化戰略目標。實現這一目標的關鍵在于挖掘和實現數據的價值，而數據資產化是發現、實現和創造數據價值的必由之路。文章首先以辨析數據、數據資源與數據資產的內涵和分類及特征為切入點，明確界定數據資產化的內涵；其次分別從理論與實踐兩個層面深入探究數據資產化的理論機理、實踐路徑及注意要點；最后結合實際，說明數據資產化過程中面臨的挑戰，并提出建議。

【關鍵詞】 應用場景； 數據資產化； 理論機理； 實踐路徑

【中圖分類號】 F23；F275；F49 【文獻標識碼】 A 【文章編號】 1004-5937（2025）02-0018-07

一、引言

根據財政部印發的《企業數據資源相關會計處理暫行規定》，自2024年1月1日起，數據資源將作為企業資產進行確認和計量。數據資產化對提升企業競爭力和實現數字化轉型具有重大意義。為實現數據資產化，銀行、金融、資產評估、民航等多個行業相應提供了法律標準，以確保數據資產在各領域的有效應用和管理。

數據資產的概念最早由Peterson[ 1 ]提出，他認為數據資產應該包括企業持有的政府債券和公司債券等各類資產。隨后，Fisher[ 2 ]進一步指出，應將數據視為一種資產來看待，正視數據資產的價值屬性。隨著數字經濟的快速發展，越來越多的企業認識到數據資產具有的巨大價值潛力。要充分發揮數據的潛能，資產化過程必不可少。數據資產化是一個跨學科的研究課題，涉及經濟學、法學、會計、資產評估、信息工程和統計等多個學科，不同學科的學者基于各自的專業角度，對數據資產的內涵、價值及數據資產化的路徑展開了深入研究。有學者從權屬角度闡述不同數據權利控制下企業數據資產化的路徑[ 3 ]；有研究從生產要素的角度為數據資產化提供了勞動價值基礎、創新效應等理論基礎[ 4 ]；有學者從會計中“資產”的確認條件，界定了數據資產化的過程[ 5 ]。然而，這些研究往往忽視了不同應用場景下數據資產的核算和評估方法可能存在的顯著差異，導致數據資產化的實現路徑復雜且難以統一；忽視了有效區分數據資產化的理論機理與現實路徑，常將二者雜糅，理論機理的探索缺乏系統性，忽略了各環節間的理論聯系及實踐中應注意的事項。

基于此，本文根據數據和數據資源的內涵及分類，梳理不同學科對數據資產和數據資產化的內涵；在遵循“數據資源化—數據資產化—數據資本化”這一基本路徑的基礎上，提出了數據資產化的理論前提，并區分不同的應用場景，對數據資產化的理論機理進行深入分析，規范數據資產化的進程，同時理順數據資產化的實踐路徑及注意事項；結合我國現實，探討數據資產化所面臨的挑戰，并提出相應的政策建議。本研究分別從理論機理與實踐路徑兩個層面，具體闡述數據資產化中各階段的經濟價值形成過程，為數據資產化的實現提供了理論支撐與實踐參考，有助于促進企業數據化轉型，提升全行業的新質生產力水平。

二、相關概念界定及分類

（一）企業數據、數據資源的內涵與分類

國內外學者對數據的內涵尚未達成一致。從信息本身的角度看，數據是以適合于通信、解釋或處理的正規方式來表示的可重新解釋的信息[ 6 ]；從評估的角度看，數據是對客觀事件進行記錄并存儲在媒介物上的可鑒別符號，是對客觀事物性質、狀態及相互關系等進行記載的物理符號或物理符號的組合，是一種客觀存在的資源[ 7 ]。本文認為：數據是未經開發的、客觀存在的事實和觀察結果，是經濟社會活動的必然產物；而企業數據是指企業所持有的、客觀存在的、具有潛在價值的資源。

數據的分類主要有：第一，根據數據來源進行分類，可分為外部數據與內部數據。其中，外部數據是企業通過市場買賣或并購等方式獲得的數據，如市場數據、行業數據、競爭對手數據；內部數據是企業在生產經營活動中所產生的數據，包括企業的業務數據、員工數據、客戶數據等。第二，根據與業務的關系來劃分，數據可分為由業務產生的數據及用于現有業務或開拓業務的數據，即“業務數據化”“數據業務化”。前者本質上是對企業在經營過程中產生的數據進行系統性的收集、整理與分析，在此過程中，數據被轉化為有價值的信息，并用來驅動企業的決策和運營，以支持企業的經營決策和業務流程優化，促進企業盈利能力的提升，如電商平臺會根據用戶的瀏覽記錄、搜索歷史等數據，來判斷用戶喜好，精準投放相關信息來吸引用戶消費；而后者又稱外部商業化，是將企業的數據進行整理分析以形成可以交易的產品或服務。第三，根據應用場景的不同，數據可以分為交易型數據和自用型數據[ 8 ]。其中，交易型數據是指企業用于對外交易的已研發的數據或者內部產生的數據，根據數據質量、數據規模等進行定價，這些數據資產具有明確的交易價值，可以直接或間接地轉化為經濟收益或利潤；自用型數據是指企業用于內部使用或者內化于其他資產中的數據，主要作為企業的戰略儲備進行存儲。

根據《數據資產評估指導意見》，數據資源被界定為經過加工后在現時或者未來具有經濟價值的數據。由此可見，通過對數據加工、優化和確權后，數據變得更有組織、更易理解，轉變為具有潛在價值基礎、邊際效用遞減、稀缺性等特性的數據資源。

考慮到數據資源是數據標準化處理后的表現形式，數據資源的分類與數據的分類保持一致。

（二）數據資產的內涵

國內外學者從不同學科角度對數據資產的內涵和特征進行了界定。從法律的角度看，數據資產是在生產過程中被反復或連續使用一年以上的數據[ 9-10 ]，強調數據資產的勘探權、使用權、所有權[ 11-12 ]等權屬。此外，數據資產具有時效性、隱私性的特征。從資產評估的角度看，數據資產是指特定主體合法擁有或控制的，能夠持續發揮作用并帶來直接或間接經濟利益的數據資源，該角度關注的是數據資產在特定時點的價值。在這一視角下，數據資產具有非排他性、形式多樣性及非實體性的特征。從會計的角度看，數據資產是由企業過去的交易或事項形成的、企業擁有或控制的、預期會給企業帶來經濟利益的資源。數據資產的計量是基于歷史成本的原則，具有融合增值性、無折舊性及價值創造離不開應用場景的特征。從經濟學的角度看，數據資產是以數據為載體和表現形式，能夠持續發揮作用并且帶來經濟利益的數字化資源①。該角度強調數據資產所帶來的經濟利益，并指出數據資產具有邊際產出遞增性、強正外部性、產權模糊性及衍生性的特征[ 13 ]。據此，本文認為，數據資產是指經過進一步加工處理，以電子方式記錄，并由特定主體擁有或控制，能夠為其帶來經濟效益的數據資源，其具有非排他性、融合增值性等關鍵特性，且價值創造離不開應用場景。

與數據資源分類相對應，數據資產的分類主要有：根據企業獲取數據的方式不同，數據資產可以分為內部數據資產和外部數據資產；根據應用場景的不同，數據資產可劃分為自用型數據資產和交易型數據資產[ 14 ]。其中，有些自用型數據可能無法帶來經濟效益，無法與其他資產形成協同作用，故無法被精準識別為有效數據資產。

（三）數據資產化的內涵

數據資產化的核心在于通過有效的管理、分析和利用，將企業的數據資源轉化為有價值的資產，從而為企業創造經濟效益。從廣義角度來看，企業對其數據資源進行管理，旨在充分挖掘和實現這些資源的經濟與社會價值。因此，數據資產化不僅包括數據轉化為數據資產的過程，而且包括數據資本化的形成過程。例如，在數據交易所通過交易經營產生的數據，消除了數據資產與數據資本之間的界限。從狹義角度來看，數據資產化僅指將數據轉化為資產的過程，將數據資產認定為企業資產負債表中的“資產”，在財務報表中體現其未來的經濟價值[ 15 ]。本文在界定數據資產實現路徑時，是從廣義角度進行考量，既包括資產化的過程，也包括資本化的過程。

數據資本化是企業將數據資產轉化為數據資本的過程，該過程實現了數據資產的價值增值，數據資產將作為企業的長期資產而存在。這一階段，企業將數據資產在生產經營中的收益進行分配，投入到再生產過程中，以便開展新的業務和創新項目。此外，數據資產也可以像其他投資標的那樣，在金融市場進行投資和融資活動，甚至演變成相關的金融衍生品，實現價值的杠桿化[ 16 ]。

三、企業數據資產化的理論機理

數據從一種生產要素轉化為有價值的財富，通常要遵循“數據資源化—數據資產化—數據資本化”的演進過程。

（一）企業數據資產化的理論前提

只有具有經濟價值的數據、數據資源才能成為數據資產。數據資產與其他資產一樣具有經濟價值屬性，涉及價值分配和責任歸屬。在實現數據資產化之前，企業必須明確數據的采集權、使用權、管理權、訪問權、收益分配權和所有權。經過數據治理，明確數據資源的估值范圍，為后續的數據資產交易或入表奠定基礎。這個過程的主要目的是確認數據資產的價值，并為數據收益的量化提供依據。因此，并非所有的數據和數據資源都能轉化為數據資產。

（二）從數據到數據資產的理論機理

不同應用場景下的數據資產，其價值存在顯著差異，在闡述數據資產化路徑時，有必要區別不同數據資產類型的應用場景，探討數據資產化的理論路徑，如圖1所示。

1.數據資源化理論路徑

在這一階段中，數據通常是離散的、碎片化的，且雜亂無章，難以辨別各類數據對于企業的價值，需要根據資源配置的經濟效益最大化原則，對這些數據進行分類整合，使其與勞動力、技術等生產要素資源相結合。通過整理、分類、加工，將數據轉變為可識別的結構化數據，從而激發數據的潛在價值，充分發揮數據的規模效應、協同效應和網絡效應。數據的規模效應是指，通過業務數據化[ 17 ]，促使企業減少對土地、勞動力等其他生產要素的需求，有效提高生產效率、降低生產成本，從而實現企業與其上下游產業的融合，擴大企業規模；數據的協同效應是指，通過數據與勞動力、知識、土地和技術等生產要素的協同配合，企業能夠充分發揮所有生產要素的整體效益；數據的網絡效應是指，當企業數據的使用者越多、應用越頻繁時，為了滿足用戶需求，企業的數據變得越豐富。通過整理與匯總不同用戶的需求和喜好，數據的價值得以充分體現。同時，用戶數量的增加和使用頻率的提升，豐富了企業的數據，降低了數據收集成本，進而提升了企業的經濟效益。

綜上，通過提高數據的質量和使用價值，將企業的數據轉化成為標準化的、具有經濟價值的稀缺資源——數據資源。

2.數據資產化理論路徑

數據資源的價值大小因應用主體不同而不同。通過明確數據資源的用途，使其契合企業應用場景，從而發揮數據資源的價值創造效應[ 18 ]，提升企業的整體價值創造能力。產品化的數據資源依托市場機制，通過標準化和市場化運作，將數據資源轉化為滿足特定需求的信息商品，服務于多元用戶群體，促進數據資源的高效配置；而非產品化數據資源，則作為戰略性資源深度融入組織決策和流程改進，間接提升了企業競爭力和市場地位。

經過上述階段，企業數據資源經由不同的價值實現路徑進行轉化，最終在不同的場景下實現其價值，成為企業的數據資產。

3.數據資本化理論路徑

數據資本化是數據資產化的理論延伸。在這一階段，企業應發揮數據資產作為資本的長期價值屬性。通過驅動創新、科學決策、數據共享與協作，實現了數據資產的乘數效應，加速了其業務化進程，并催生了多種不同的商業模式。這種過程使得數據資產的配置效益達到最大化，并有效獲得價值增值。在數據資本化過程中，數據資產不僅僅是企業的資產，更被視為一種有價值的金融符號——數據資本，企業可以在資本市場上進行抵押、投資和貸款等經濟活動。數據資本的跨企業、跨行業及跨地域流通，進一步推動了其在社會層面的價值增值。

四、企業數據資產化的實踐路徑

（一）企業數據資產化的實踐前提

明確數據資源的產權權屬是實現數據資產化的重要前提。為此，國家已經開始構建和完善數據資產的權屬界定機制。國務院在《關于構建數據基礎制度更好發揮數據要素作用的意見》中提出，要探索數據產權結構性分置制度，根據數據的分類和主體來界定其在經濟活動中的合法權利，為數據產權、流通、交易、使用、分配、治理、安全等領域的探索實踐提供了指導，加速了數據流通交易和數據要素市場的發展。財政部制定的《企業數據資源相關會計處理暫行規定》明確規定了數據資源會計處理（企業數據資產入表）的適用范圍、準則、列示和披露要求。數據資產入表是實現數據資產化的關鍵步驟，為數據資產評估、計量、交易提供了政策支持。財政部出臺的《關于加強數據資產管理的指導意見》明確數據資產管理的首要任務是明晰數據資產的權利問題，以保障各市場主體在依法獲取、生成、儲存、使用數據資產過程中的相應權利。

上述規定和意見的頒布提升了數據資產化實踐的可行性。目前，我國就數據資產化不斷嘗試，并取得了一些成果，如數據資產質押融資貸款、無質押數據資產增信貸款和數據信托產品等。這些創新推動了數據市場生態體系的建設，為未來數據要素的資產化和資本化提供了經驗借鑒。

此外，根據數據在實現資產化路徑上不同節點對應的供給與需求，形成了不同的數據交易市場：零級市場、一級市場、二級市場和三級市場。數據的零級市場是指數據還未進入交易流通市場，還沒有實現數據資源化；一級市場是指數據資源市場，此時數據通過整合和資源共享成為數據資源，并完成了權屬界定，以數據集或數據接口為進入交易市場的主要流通方式；二級市場是數據產品與數據資產的交易市場，在此階段完成數據的產品化與資產化；三級市場即數據資產進入金融市場，形成資本化的階段。

（二）企業數據資產化的實踐路徑

企業數據資產化的實踐路徑是在數據資產化理論機理的指導下，遵循理論層面的價值實現過程，從而在實際操作層面來界定數據資產化的演變進程。需要注意的是，有些企業的數據一經產生就是結構化數據，無需進一步加工和整理。然而，這些數據由于未經過整合、分析等標準化流程，難以發揮其各種效應，會導致企業難以獲利。因此，在數據資產化的實踐路徑中，通常不考慮數據資源與數據資產的融合情況。具體路徑如圖2所示。

1.健全數據采集加工標準，推動數據信息資源化

數據資源的形成是一個系統化、精細化的過程，涵蓋數據采集、標注、集成、匯聚和標準化等多個關鍵環節。通過這一系列流程，最終能夠打造出可采、可見、互通、可信的高質量數據資源。因此，從數據到數據資源的實踐路徑遵循以下步驟：首先，企業應將從外部購買或內部生成的數據進行全面的收集與清洗。在此階段，必須明確數據的權屬，并剔除不歸企業管轄的數據，以確保所有收集到的數據都是有價值且可用的。其次，需要對這些數據進行整理和標準化處理，依據企業的業務特征進行抽取和提煉，確保數據之間的一致性和兼容性。例如，對于結構化數據，應統計其平均值、最大值、最小值等核心業務特征的度量值；而對于非結構化數據，應運用語言處理技術實現其結構化。最后，將數據分類與存儲，建立有效的數據分類體系，使數據與企業的具體應用場景相結合，從而實現業務的數據化。依據企業的不同分類標準進行存儲，為后續的數據檢索、分析與利用提供可靠的依據，提高數據的可訪問性和可用性。

通過上述過程，實現了從數據到數據資源的轉變，使無序、零散的數據得以發現其潛在價值。這為后續數據資產化的過程奠定了堅實的價值基礎。

2.提煉數據資產經濟價值，推動數據資源資產化

將數據資源轉化為數據資產的目的在于提煉和提升數據資源的價值，使其成為具有戰略意義的數據資產。這一階段，關鍵在于將數據資源與應用場景相契合，并分別實現其資產化。具體而言，企業需根據應用場景的不同劃分不同的路徑。一方面，通過研發、處理的數據資源，可進一步分為用于交易的數據資源和自用的數據資源。用于交易的數據資源可以根據研發成本與其所產生的價值進行定價，形成數據產品，通過市場交易與流通實現其價值，并經過會計入表，從而確定為企業的資產；而自用型的數據資源，例如內化于企業其他資產中的數據資源，由于不參與市場流通，其價值難以在市場上確認，企業需對這部分數據資源進行估值，按照相應的評估方法確認并實現其價值，最終形成數據資產。另一方面，企業通過非研發手段取得的數據資源，其價值實現過程與企業的自用型數據資源相同。通過以上方法，企業可以有效地將數據資源轉化為具有戰略意義的數據資產。

3.完善數據資產交易體系，推動數據資產資本化

數據資本化是指通過在市場上流通和交換數據資產及數據產品，以實現多場景應用和價值提升的過程[ 19 ]。首先，企業在二級市場上多次流通數據資產，實現價值增值，獲得品牌效益和經濟效益。數據資產可以像其他資產一樣進行抵押貸款，或通過證券化創造新的價值，這使得數據資產作為一種金融資本進行轉移、流通和擴張[ 20 ]。其次，企業通過在數據要素的三級交易市場中進行融資和抵押，獲得大量資本以支持商業模式的創新。利用數據化技術，企業能夠創新商業模式和經營方式，催生新業務，促進數據化轉型并擴大企業規模。最后，通過構建數據生態系統，企業能夠與其他企業和研究機構建立合作伙伴關系，進行數據資產的交換與共享，共同開發和利用數據資產，不斷實現其價值增值。

上述數據資產化過程，體現了數據作為一種新型生產要素于實踐領域中如何在企業內流轉和實現價值增值。這一過程不僅有助于企業進行數據資產的價值評估，而且為數據資產入表提供了依據。

（三）企業數據資產化實踐應注意的事項

1.數據資產邊界的認定

企業必須明確區分數據資源與數據資產，否則數據價值鏈可能會出現錯位甚至斷裂。如果混淆了兩者的界限，企業就無法有效清理無價值或不屬于企業的數據，導致后續步驟難以進行。這樣，數據就無法與應用場景和業務特征相匹配，從而無法實現其應有的價值，數據的規模效應、協同效應和網絡效應也將難以發揮，阻礙數據資產價值的發現與創造，并對后續的資產化和資本化過程產生不利影響。此外，企業在重新剔除無效數據時會浪費資源并增加成本，不利于實現資源的優化配置。

2.數據資產的估值

對數據資產估值是其入表的關鍵步驟。在確認數據資產價值時，由于數據的不同用途，其價值和評估方法存在顯著差異，所以需要區分自用型和交易型數據資產。企業用于外部交易的數據資產，應采用市場法或收益法進行評估；而企業內部使用的數據資產，則需選擇適當的評估方法，以合理反映其未來增值潛力。否則，部分數據資產的價值潛力不僅難以衡量，而且存在較大的不確定性。因此，在評估企業內部數據資產價值時，應充分考慮數據容量、數據質量及潛在功能價值等因素，進行全面評估。

3.規范數據治理

數據治理是一套正式的政策、流程、角色和責任框架，其核心目標是提高數據質量，確保數據的準確性和一致性，同時保護數據隱私和安全，以支持更好的業務決策和提升運營效率。數據治理在數據資產化的全流程中起著至關重要的作用，主要集中于數據的標準化管理、質量管理及安全管理，以確保數據資產質量的可靠性。從數據到數據資源的過程中，數據的標準化和質量管理尤為重要。企業應確保所收集的數據符合質量和業務的需求，并嚴格按照統一規范對數據進行合理分類，使得相同屬性和相同業務的數據能夠得到有效利用，從而形成有價值的數據資源。安全管理在數據資產交易和流通環節起著關鍵作用，因為在這兩個階段，數據成為一種有價值的資產，其獨特性和專屬性對企業而言是至關重要的，屬于企業獨有的資源。因此在數據資產化與數據資本化過程中，安全管理尤為重要。

4.注意數據來源的多樣性

數據資產化是對數據價值進行挖掘與創新的過程，這要求企業確保數據的可靠性、可信性和多樣性。在數據資源化和資產化的過程中，企業需要對其龐雜的數據進行標準化加工、儲存與分類，以確定數據的價值和屬性，根據不同應用場景確定不同的價值實現形式。為了充分發揮數據的價值，促進數據資產化，企業所擁有的數據不能僅按照單一的數據結構而存在，企業可利用政府搭建的數據資源共享平臺，加強與其他企業的數據業務往來和交易，實現數據共享；同時，企業各部門應明確各自的職責，強化數據資源的篩選工作，提供具有可用性和高價值的數據，促進企業內部跨部門合作。

五、企業數據資產化的挑戰

（一）數據的內涵與分類尚不統一

不同職能部門根據不同行業特征，制定了不同的數據分類標準，并據此設定不同的重要性、安全等級來確定數據的層級，這可能導致不同數據在共享過程中接口不對稱，使得數據資源和數據資產的劃分標準不一致，從而制約了數據要素在確權、開發和管理等領域的有效運用，導致后續數據資產的管理、交易、評估等業務口徑不一。因此，需要建立一套統一、規范的數據分類分級標準體系，以指導數據要素的分類治理與開發工作，促進數據共享與數據資產化的協同發展，從而充分發掘和釋放數據要素的潛在價值。

（二）產權規范尚不明確

數據確權是數據資產化實現的前提，為后續數據資產的估值、交易等提供了可能性。然而數據要素有時會涉及多個權利主體，且各主體間的權利關系錯綜復雜。數據資產的非排他性特征，導致各權利主體間的權利邊界變得模糊。所有權的不明確，使得數據市場中交易雙方難以迅速確定，交易對象難以合理確認，降低了交易方式的有效性，企業在數據收集的過程中可能面臨巨大的投入成本轉變為沉沒成本的風險，甚至可能因侵權而承擔法律責任，增加了權利糾紛的風險。總之，數據資產所有權界定的模糊性，帶來了顯著的不確定性，導致數據交易的界限模糊，從而使數據使用者難以明確其行為的責任劃分。使用者責任劃分不清晰則阻礙了數據的整合、流通與共享，限制了數據資產價值的發揮與創新應用，最終嚴重威脅到數據資產交易規模的擴大和數據產業生態系統的建立[ 21 ]。

（三）數據資產的價值評估問題亟待解決

不同種類的數據資產，影響其價值大小的因素各不相同，帶來的經濟價值有所差異。一方面，對不同的應用主體而言，數據資產價值存在顯著差異，而現階段對數據資產的產權界定還沒有明確的規定，因此難以確定數據資產的價值；另一方面，大多數數據產品的交易市場還不完善，對數據產品的定價主要根據雙方的議價能力來確定，難以在市場中達到共識。由此可見，數據產品的定價存在較大的主觀性，數據產品的交易價格難以客觀、準確地反映其真實價值。同時，由于企業的自用型數據資產價值不能在市場交易中體現，現有研究多從影響因素來研究其價值。然而，數據資產價值的影響因素復雜且缺乏統一標準，因此難以僅根據影響因素準確評估這部分數據資產的價值。此外，數據資產價值的更新迭代速度較快，同一數據資產在不同時點，其評估范圍會有所變化，而傳統評估方法是界定評估基準日的存量數據[ 22 ]，不適用于數據資產的計量，難以完整體現數據資產的價值。

六、推動數據資產化的政策建議

（一）統一數據的內涵與分類標準

政府可通過大數據管理局，完善數據共享機制，協調相關職能部門，推動各行業數據的互聯互通，統一數據概念的界定。同時，可從數據類型、數據來源、數據用途和數據主題四個維度統一各行業數據資產的分類標準，達到以下目的：首先，根據存儲方式，細分不同數據類型，制定相應的儲存、處理和安全管理策略；其次，針對數據獲得渠道，明確數據來源，制定使用策略和共享機制，確保數據來源的透明和可信性；再次，根據企業特定的業務需求確定數據的具體用途，以最大化數據的經濟價值；最后，依據不同行業數據的特征，劃分不同主題，充分挖掘市場需求和應用潛力數據。在上述數據分類的四個維度中，需要考慮它們之間的交叉影響，進行綜合分析，并根據技術的發展和市場的變化，定期更新分類體系。

（二）探索多維度的分類確權機制

只有明確權屬的數據資源才有可能成為數據資產。對所有權明確的數據資產，實施數據資產登記管理制度；對權屬不明確且經濟利益歸各方所有的數據資產，不考慮其所有權，而是根據數據資產的使用權和經營權來界定權屬。根據各方在數據資產中付出的成本來分配經濟利益，或者根據經營收益來確定各方的分成。同時，推動法律框架的建設，構建包括數據保護、隱私權和數據交易規范在內的綜合性法律體系，確保該法律框架能夠適應快速發展的技術和市場環境，以有效應對企業的各種數據權屬問題。此外，加強數據資產確權的技術支持，通過區塊鏈和訪問控制等技術，記錄并追蹤數據的歷史和變更，確保數據的原始性和變更記錄的可信性。

（三）構建數據產品定價模型及數據資產估值模型

針對數據產品定價機制不完善的問題，企業應該在國內外前期數據產品交易經驗積累的基礎上，歸納不同數據產品價格確認的主要影響因素，構建應用于市場交易的定價模型。針對自用型數據資產價值影響因素難以統一，以及數據技術更新迭代快、傳統評估方法不適用的問題，企業應建立數據資產多層級的價值體系，采用先進評估方法，以準確評估數據資產的價值。例如：基于全生命周期的數據資產價值評估方法，全面考慮數據從采集、存儲、處理分析到應用整個生命周期中各階段的價值影響因素，深入剖析每個階段的數據資產價值表現，從而更準確地評估數據資產的整體價值；基于數據挖掘和機器學習技術的數據資產價值評估方法，通過深入分析數據要素，訓練高效的機器學習模型，更全面地揭示數據積累、融合、運行和發展的規律，從而精準預測數據資產的價值。

【參考文獻】

［1］ PETERSON，R E.A cross section study of the demand for money：the United States，1960-1962［J］.Journal of Finance，1974，29（1）：73-88.

［2］ FISHER T.The data asset：how smart companies govern their data for business success［M］. Hoboken，NJ：John Wiley & Sons，2009.

［3］ 馬費成，孫玉姣，熊思玥，等.三大數據資產化路徑探析［J］.信息資源管理學報，2024（5）：4-13.

［4］ 汪文張，李筱涵.數據資產化的理論基礎及實現形式研究［J］.當代經濟研究，2022（12）：40-50.

［5］ 趙麗芳，曹新宇，邊琰澔.企業數據資產創造價值的底層邏輯問題研究［J］.會計之友，2024（6）：51-58.

［6］ ISO/IEC.Information technology-vocabulary-part 1：fundamental terms［S］.American National Standards Institute，1993.

［7］ 中國資產評估協會.關于印發《資產評估專家指引第9號——數據資產評估》的通知［A］.2020-01-09.

［8］ 馬克衛，王碩，苑杰.數據資產核算應用研究：理論與實踐［J］.中南財經政法大學學報，2023（5）：149-160.

［9］ RASSIER D G，KORNFELD R J，STRASSNER E H.Treatment of data in national accounts［R］.Paper prepared for the BEA Advisory Committee，2019.

［10］ 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.

［11］ 朱揚勇，葉雅珍.從數據的屬性看數據資產［J］.大數據，2018（67z/6qVW6gOesAAkPb6Czo0ehMTbis3GpjGoNCZR8EG4=）：65-76.

［12］ 李靜萍.數據資產核算研究［J］.統計研究，2020，37（11）：3-14.

［13］ 徐翔，厲克奧博，田曉軒.數據生產要素研究進展［J］.經濟學動態，2021（4）：142-158.

［14］ 中國信息通信研究院.數據資產化：數據資產確認與會計計量研究報告（2020年）［R］.2020.

［15］ 羅玫，李金璞，湯珂.企業數據資產化：會計確認與價值評估［J］.清華大學學報（哲學社會科學版），2023， 38（5）：195-209，226.

［16］ 呂慧，趙冠月.數據資產的價值評估與會計處理研究進展綜述［J］.財會通訊，2023（13）：24-30.

［17］ 德勤咨詢，阿里研究院.數據資產化之路：數據資產的估值與行業實踐［R］.2019.

［18］ 趙蔡晶.國內數據要素價值化研究綜述及展望 ［J］.信息資源管理學報，2024（2）：41-53.

［19］ 李海艦，趙麗.數據成為生產要素：特征、機制與價值形態演進［J］.上海經濟研究，2021（8）：48-59.

［20］ 陸威文，茍廷佳.數據要素資產化的理論邏輯與實踐進路：基于對數據資產內涵與價值規律的認識［J］.企業經濟，2023，42（4）：28-39.

［21］ 季良玉.數據資產的交易困境及其治理［J］.會計之友，2023（13）：27-31.

［22］ 丘開浪.數據資產的識別確認與價值評估［J］.中國資產評估，2024（2）：10-16.