數據產業發展與數據企業核心競爭力提升

【摘要】數據要素已被定位成我國五大生產要素之一。《企業數據資源相關會計處理暫行規定》頂層設計之后，數字經濟快速發展，由此孕育的數據產業呈現出蓬勃發展和日益完善態勢，并成為發展新質生產力的重要推動力量。國家數據局推出兩份重要文件廣泛征求意見，旨在謀劃數據產業高質量發展和推進企業開發數據資源。數據產業發展前景廣闊，但也存在數據要素供需不匹配造成的問題，“數據資產入表退圈論”便是典型代表。國家數據局兩份意見較好地回應了爭議。數據企業必須立足自身資源稟賦，積極服務企業數字化轉型構筑自身核心競爭力，在數據產業細分領域實現快速可持續增長，進而在服務企業數字化轉型和數字經濟發展過程中獲得自身合理收益，并不斷發展壯大，奠定數據要素市場發展的微觀基礎。

【關鍵詞】數據產業；數據企業；核心競爭力；數據資產入表退圈論

【中圖分類號】F275"【文獻標識碼】A"【文章編號】1004-5937（2025）03-0002-07

一、引言

黨的二十屆三中全會指出要加快構建促進數字經濟發展體制機制，完善促進數字產業化和產業數字化政策體系。數據產業以數據要素為基礎，利用現代信息技術對企業積累的數據資源進行產品或服務開發，滿足市場參與者對數據要素的需求。數據產業是連接數字產業化和產業數字化的關鍵節點，是推動經濟高質量發展的重要環節。一方面，數據產業提供了數字產業化的市場環境，由市場機制配置數據要素資源，既能為數據要素產品的更新迭代提供資金、人力等配套資源，又能為數據要素支持數字經濟發展提供系統化的解決方案。另一方面，數據產業為實現產業數字化提供了豐富的技術工具和數據要素。

數據企業是數據產業發展的微觀主體，數據企業的市場競爭力決定了數據產業的發展水平和質量。數據企業包括數據資源企業、數據技術企業、數據服務企業、數據基礎設施企業等相關類型的企業。數據企業圍繞數據價值鏈服務于數據要素的價值實現，以及對傳統生產要素的賦能，是數據產業發展的重要驅動力之一。2024年12月28日國家發展改革委等部門正式發布《關于促進數據產業高質量發展的指導意見》發改數據〔2024〕1836號（以下簡稱《指導意見》）和《關于促進企業數據資源開發利用的意見（征求意見稿）》（以下簡稱《意見》），向社會公開征求意見。《指導意見》立足于數據產業，強調數據產業要為數字經濟發展和實數融合提供強有力的支持。《意見》立足于鼓勵企業開發利用數據資源，從激發數據產業市場需求的角度指導數據產業發展。

在各級政府的大力推動下，數據產業的發展如火如荼。然而，市場中也存在擔擾[1]，同質化競爭、發展定位不清、服務質量不高等問題逐步凸顯，在數據確權、數據資產入表咨詢、數據資產價值評估和融資等細分市場中出現了某些不當，“數據資產入表退圈論”體現了上述問題給數據產業發展帶來的消極影響。鑒于此，本文通過分析數據產業發展情況和國家數據政策的動向，闡述數據市場問題產生的原因，對“數據資產入表退圈論”做出部分評論和回應，并提出數據企業提升核心競爭力的參考建議。

二、數據產業發展的基本情況

2014年，我國首次將大數據寫入政府工作報告，隨后支持政策陸續出臺。以大數據為代表，信息技術得到了迅速發展，縮小了與世界先進水平的差距。數據要素在國民經濟發展中的重要作用逐步凸顯。十九屆四中全會將數據列為生產要素，并寫入黨的文件，這是中國共產黨在發展高水平社會主義市場經濟實踐中的理論首創。美國數字經濟發展的DIKW模式（Data-Information-Knowledge-Wisdom）以技術進步為核心，在對原始數據進行整合利用的基礎上，發展出人工智能技術，并逐步推廣應用。以AI技術的創新和積累推動AGI（通用人工智能）的發展，逐步提高技術進步的能力和速度，最后發展ASI（超級人工智能）。與此不同，我國數字經濟發展以推動產業升級、實現實體經濟和數字經濟融合為目標，注重數據產業化利用，鼓勵企業開發利用生產經營中積累的數據資源，從而形成數據資產。通過數據產業的發展，實現數據資產的高效流轉，并對實體經濟發展賦能，更好發展數據資本的DRAC模式（DataResource-Asset-Capital）。

數據要素是發展數據產業和數字經濟的基礎。2022年，中共中央、國務院出臺了《關于構建數據基礎制度更好發揮數據要素作用的意見》（以下簡稱“數據二十條”），頂層設計我國數據基礎制度。隨后政府部門配套政策陸續出臺，包括《企業數據資源相關會計處理暫行規定》（以下簡稱《暫行規定》）、《數據資產評估指導意見》，獨立專業的政府主管機構——國家數據局和省級數據管理機構應運而生，《“數據要素×”三年行動計劃（2024—2026年）》（以下簡稱《行動計劃》）全面鋪開，縱橫結合，深度推進，共同構建起數據產業完善的發展生態，一幅宏大的數據產業發展畫卷就此展開，新局已布，蓄勢待發。

在上述舉措的綜合影響下，我國發展數據產業，開發利用數據要素進入快車道。首先，引導和規范企業數據資源的開發利用行為。企業數據資產入表、信息披露和價值評估得到宏觀政策的認可與規范，開發數據資產的市場熱情高漲。其次，國家數據局等數據管理機構的先后設立為數據產業發展提供了組織保障。在國家數據局統籌主導下，先后編制了數據產業發展的中長期規劃，出臺了系列措施協調各地區數據產業發展。再次，試點工作卓有成效。北京全域建設“一區三中心”（即數據要素市場化配置改革綜合試驗區，國家數據管理中心、國家數據資源中心和國家數據流通交易中心）；深圳在前海開展“數據海關”試點，探索制定跨境傳輸數據分類分級標準，同時在河套開展跨境數據專用通道試點，落地深圳市唯一官方數據跨境流動服務平臺。最后，數據基礎設施發展迅速。截至2024年3月底，全國已成立58家數據交易所，我國算力基礎設施建設快速推進，已位居世界第二，能夠滿足大模型訓練、科學研究、金融和制造業算力的需求。

數據產業的快速發展引起了學術界的廣泛關注。數據產業由大數據產業演變而來，在產業內涵上由關注大數據技術的產業化應用擴大到服務數據要素的市場化配置；參與企業從大數據技術提供商和大數據應用企業擴大到數據要素價值鏈各環節的全部數據企業。產業定位由推廣大數據技術應用擴展到促進實數融合發展，促進高水平市場經濟體制建設。無論是宏觀經濟層面還是微觀企業層面，現有研究普遍認可以數據要素為基礎的數據產業的積極作用，真正將數據資產納入微觀企業的會計核算體系中[2]。李治國和王杰[3]發現數字經濟發展具有提升制造業生產率和優化數據要素配置的雙重效應。陳曉佳和徐瑋[4]發現，數據要素與產業融合可以加速經濟增長動能轉換。張朝華和徐鵬杰[5]發現大數據綜合試驗區建設能有效提升城市經濟韌性，并基于城市面板數據進行了實證檢驗。張益豪和郭曉輝[6]發現設立大數據綜合試驗區能顯著提高試點地區企業的全要素生產率。

數據產業發展雖然吸引了市場的廣泛關注，但其發展并非一帆風順。由于數據要素的經濟特征、行業發展的內在規律以及企業數字化水平參差不齊，數據產業的發展遠遠不達預期，各項數據要素相關的政策沒有實現預期效果，數據要素沒有出現供需兩旺的發展局面。具體表現在各地數據交易場所的交易額遠遠低于預期，甚至超過1/2的數據交易機構難以維持機構自身的基本運轉；數據資產入表遇冷，截至2024年8月底，只有64家公司在半年報中披露企業數據資產數據，其中包括43家上市公司，數量不足A股上市公司（5349家）的1%。企業數據資產入表總額累計14.02億元，且主要集中在少數公司。數據資產金額占企業總資產的比例微乎其微。同時，還有5家上市公司半年報以會計差錯為由將一季報中確認的數據資產項目清零，全部調整為合同資產等其他項目。

現有研究關注了數據產業發展中存在的風險，比如數據資產入表呈現出的市場亂象。金帆[2]認為需要建構好數據資產入表的理論基礎、明確企業數據資產入表目的和強化企業管理人員認知后才能科學入表，否則只是形式上入表。張軍和孫瀚博[1]認為數據資產的特征決定了與數據資產相關的財務舞弊隱蔽性更強，危害更大，尤其是以融資為主要目標的數據資產入表嚴重偏離了數據資產開發利用的初衷，可能引發嚴重的金融風險。因此，數據資產財務領域的舞弊風險值得投資者等利益相關方重點關注。

數據產業由數據資源、數據技術、數據產品、數據企業、數據生態五大要素構成，數據產業發展的要素與數據企業密切相關。一方面，數據產業能夠促進數據企業的發展，如提供廣闊市場空間、推動技術創新、優化產業生態等。數據資源、數據技術、數據產品和數據生態都是數據企業經營的必備條件，健康的數據產業環境和活躍的市場交易能夠為數據企業精準匹配客戶，并提供業務運營所必需的要素資源等。另一方面，數據企業對數據產業發展具有推動作用，如引領技術進步、拓展應用場景、促進產業融合等。各類數據企業是數據產業的微觀主體，既為產業數字化提供技術支持和系統解決方案，又在踐行數字產業化、實現數據價值鏈的閉環運轉，促進數據要素的價值實現。在數據產業發展中，數據企業是挖掘數據資源、開發數據技術、運營數據產品的具體執行者，也是數據生態的主要組成部分[4]。

我國數據企業的培育已經取得了豐碩成果。根據北京交通大學聯合11家單位共同構建的《數據產業圖譜（2024）》，我國數據產業規模由2020年的1萬億元增長到2023年的2萬億元，年均復合增長率約為25%。截至2023年，全國共有數據企業193172家。《數據產業圖譜（2024）》收錄了其中具有代表性的2197家，勾畫了我國數據企業發展的概況。依照數據企業類型進行分類，《數據產業圖譜（2024）》收錄的典型數據企業包括數據應用企業534家、數據資源企業443家、數據服務企業438家、數據技術企業426家、數據基礎設施企業201家和數據安全企業155家。數據企業數量已經初具規模，涵蓋了數據價值鏈的全過程。從區域分布看，北京、上海和廣州是數據企業聚集最顯著的三個城市，各類數據企業數量分別為649家、334家和302家，表現出顯著的頭部效應，這與北京、上海和廣州的數據稟賦密切相關[5]。同時，上述城市的數據產業規模也遠遠超過國內其他省市。從典型數據企業的經營情況和發展水平看，其中合合信息、中國銀聯等公司已形成較為完善的商業模式和較強的市場競爭優勢，在賦能實體經濟發展方面發揮著重要作用。總體而言，我國數據企業已經初步具備了較強的國際競爭力。

三、國家數據局政策導向分析

國家數據局負責協調推進數據基礎制度建設，統籌數據資源整合共享和開發利用，統籌推進數字中國、數字經濟、數字社會規劃和建設等[7]。國家數據局成立以后，致力于引導數據“供得出、流得動、用得好”，采取了多項措施促進數據產業發展，主要包括發布《“數據要素×”三年行動計劃（2024—2026年）》、征集和發布數據開發典型案例、開展數據資源調查等工作。2024年9月27日，國家數據局針對促進數據產業高質量發展和企業數據資源開發利用而發布的《指導意見》（征求意見稿）和《意見（征求意見稿）》更加深度推進、持續細化。

《指導意見》針對數據產業高質量發展的促進策略，分九部分，主要涉及數據產業規劃布局、多元經營主體培育、數據技術創新、數據資源開發利用、數據流通交易市場、數據基礎設施、數據領域動態安全保障能力、產業發展環境等方面，共提出22條政策措施。其中涉及內容最多的是培育多元經營主體，主要包括培育數據資源企業、做強數據技術企業、扶持數據服務企業、做優數據應用企業、發展數據安全企業等。多元數據經營主體構成了較完整的數據產業生態，部分企業可能同時參與多個細分行業。上述政策措施涵蓋了數據供給、流通和需求的主要環節，以培育多元經營主體為核心內容，體現了企業在數據要素市場建設中的主體地位。而《意見》則聚焦企業數據資源開發利用的促進策略，分為七個部分，主要涉及企業數據權益實現機制、培育企業數字化競爭力、賦能產業轉型升級、服務經濟社會高質量發展、營造開放透明可預期的發展環境、保障措施等，共提出了16條政策措施。其中培育企業數字化競爭力、賦能產業轉型升級、服務經濟社會高質量發展為企業選擇業務方向提供了指導。《意見》重點關注“用得好”的政策目標，為企業開發利用數據資源的各個環節提供了指導和保障。《指導意見》和《意見》面向社會公開征求意見，充分體現了國家數據局在開發利用數據要素方面的政策導向。其中，三個層面值得領會解讀：

第一，政策持續推動，數據產業前景向好。《指導意見》規劃到2029年數據產業規模年均復合增長率超過15%，高于GDP預計增速，描述了數據產業未來五年的廣闊前景。《意見》中明確提到開發利用數據資源賦能產業轉型升級和服務經濟社會高質量發展。實現這一政策目標需要數據產業高度繁榮發展，助力產業數字化。數據要素對國民經濟發展的作用越來越重要。一方面，《意見》支持企業從推動業務增長和創新發展出發，探索數據資源化、產品化、價值化、資產化的可行路徑；另一方面，《指導意見》為數據產業發展提供了強有力的基礎設施支持，推動技術標準等數據基礎設施互聯互通、打造全國一體化算力體系等政策支撐為數據產業發展創造了良好的市場環境。

第二，突出數據產業的發展以企業為中心。這對數據企業的發展是極大的激勵和促進。《指導意見》特別強調了培育多元經營主體的重要性，并分門別類地對各種類型的數據企業發展做出了定位和規劃。從《指導意見》的分類看，數據產業的繁榮離不開數據企業的發展，數據企業是保障數據價值鏈暢通、實現數據要素價值增值的重要市場參與者。在產業發展規劃層面，《指導意見》提出要優化產業發展結構，加快培育新技術新應用新業態。同時，推動數據產業區域聚集，充分發揮數據流動不受地理區位限制的優勢，鼓勵各地發展數據產業聚集區，加強分類指導，形成協同互補、特色發展的數據產業格局。在微觀企業發展層面，《指導意見》規劃了以企業為核心的數據產業發展路徑。依托行業龍頭企業、互聯網平臺等，通過分設獨立經營主體等形式，做強做優做大數據企業，促進集約化、規模化發展，依托創新型中小企業發展專業化、精細化的數據企業。同時，加強產學研協作，構建數據協同創新的生態體系。《指導意見》還提出培育一批具有國際競爭力的數據企業，在數智應用、新產品、新業態方面有進展，這為數據企業發展帶來了難得的機遇。

第三，以需求為引導，營造開放透明可預期的發展環境。《意見》單獨成文，構建多維度的政策措施促進企業數據資源開發利用，是從需求的角度支持數據產業發展。數字化轉型是當前經濟形勢下企業普遍面臨的重大選擇。數字化轉型的關鍵是用好數據，實現數據要素對企業生產經營流程的徹底改造和對傳統要素的賦能，最終形成數字競爭力。企業開發利用數據資源需要數據企業的參與，為企業數字化轉型提供專業化的咨詢服務和技術支持，幫助企業建立完善的數據治理制度框架。《意見》從權益保護、收益分配、產業鏈協同創新、數據共享服務等方面多維度闡述了營造積極市場環境的措施。企業數字化轉型的市場環境是數據產業發展的市場環境，同時也是對數據產業發展提出的要求。《意見》釋放了明確的政策信號，數據企業應當圍繞服務企業數字化轉型，實現產業數字化，提升專業能力，明確市場定位，在數據產業的細分領域中發揮作用，同時實現自身的快速發展。

四、簡評“數據資產入表退圈論”

數據產業是新興產業，雖然部分企業一直在深耕這一領域，積極服務企業產業數字化和數字產業化進程，但是整個企業界關注度不高。財政部發布《暫行規定》之后，數據資產入表引起社會各界廣泛關注，許多企業爭相進入這一賽道[8]。2024年是數據產業的高光時刻，各地各行業爭前恐后搶“數據資產入表首單”，不計咨詢成本。但由于企業數字化進程不一和數據結合業務場景不夠緊密等原因，導致數據資產入表面臨較多困難，許多地方完成首單之后熱度快速下降。企業數據資產入表業務還面臨合規和實施動機方面的難題。部分企業沒有透徹理解數據資產入表的政策背景和目標，數據資產開發過程中存在較多不規范的情況，后期面臨較高的合規成本。部分企業數據資產入表以融資為主要目標，同樣存在違規操作甚至財務舞弊的行為，合規成本高企；部分企業沒有融資需求，又缺乏其他現實收益，數據資產入表積極性不高。上述情況導致數據資產入表的咨詢業務遇冷。同時，由于數據資產入表是新生事物，涉及的聯合服務體較多，包括律師事務所、會計師事務所、數商、評估機構等，服務費用較高，甚至出現服務費用超過數據資產入表金額的倒掛現象，這種現象引發市場熱議。

2024年8月數據交易網發表訪談文章“我退圈了，不干數據資產入表了”，在數據圈影響力很大，反映了部分數據服務企業的焦慮。訪談對象是一家咨詢公司，具備較豐富的企業資源和良好的企業關系，長期為企業提供咨詢服務。該公司在2020年建立數字化企業管理系統，以提供標準化的平臺服務。同時，企業也在積累服務數據和經驗，聯合以往合作的團隊（財務、法律人員）研發了數據資產管理系統。2024年初招聘新的運營人員，以全面進軍企業數據資產咨詢業務，尤其是數據資產入表，但經營業績差強人意，成功完成的咨詢業務數量較少，難以收回成本。企業管理者講述了數據資產入表咨詢的痛點，市場熱度催生了一窩蜂式的行業發展狀況，數據產業的發展前景快速吸引了大量的咨詢企業進場，但企業數據資源的儲備情況千差萬別，咨詢企業的能力良莠不齊，低價攬客現象頗多，數據資產入表咨詢服務的報價一度低至3萬元—5萬元。這種情況下，不僅數據資產入表咨詢業務無利可圖，而且數據產業的發展也難以為繼。這篇訪談文章引發了廣泛關注和熱議，形成了“數據資產入表退圈論”[9]。這一觀點生動反映了當前數據產業發展面臨的困境，也反映了數據產業參與者的兩難境地。

2022年中央“數據二十條”、2023年財政部《暫行規定》出臺后，2024年眾多企業紛紛推進數據資產入表，一時熱鬧非凡。然而，若僅有表面入表而缺乏數據應用場景、數據治理等實質性配套舉措，則難以持續，所謂“數據資產入表退圈論”更非正途。應該知道，數據資產入表及數據產業發展不可一蹴而就，需立足長遠，腳踏實地，做到有序、有度，方能有為。分析數據產業發展與數據企業核心競爭力的構建，既能夠較好地回應“數據資產入表退圈論”，又能夠為數據企業健康發展提供有益借鑒。

第一，處于數據產業鏈中間環節的數據服務企業缺少核心競爭力。當前，數據企業追逐政策熱點，業務類型高度重合，市場進入壁壘低，價格競爭激烈，難以形成產業發展的良性循環。訪談中的企業2020年建立數字化企業管理系統，計劃利用這一系統來服務企業，其適應性值得探討。用一套系統來對接不同行業和規模的企業及數據資產不同的企業，存在較大難度。新招聘運營人員、研發系統，表明企業技術積累和人力儲備不夠雄厚，行業積淀不深，這也說明企業數據服務人才隊伍建設存在短板，服務企業數據資源挖掘的核心競爭力有待提升。此外，市場惡性競爭導致數據資產入表咨詢服務價格大幅度下降，也導致相關業務難以健康持續發展。

第二，作為客戶群體的數字化轉型企業，挖掘數據要素價值的有效需求并沒有得到滿足。企業數字化轉型面臨很多挑戰，成功概率比較低，不是通過數據資產入表能夠簡單解決的。數據要素供給需要提高質量，并能夠有效解決轉型企業面臨的發展問題；數據要素的需求是解決數字化轉型的痛點和難點。因此，先有數字化轉型，后有數據資產入表。沒有實現產業數字化的公司，想要實現大規模的數據資產入表是極其困難的。當前，數據企業集中在數據資產入表的業務咨詢中，僅僅是解決了數據資產入表的形式問題，沒有解決數據資源向數據資產轉化的核心問題。不能幫助轉型企業合理利用數據資產實現企業價值的提升，就是沒有真正滿足轉型企業的數據需求。而解決企業開發利用數據資源的核心問題是對數據企業能力的極大挑戰，這正是體現數據企業核心競爭力的關鍵。與之相比，數據資產入表咨詢業務行業門檻低，難以形成客戶黏性；業務附加值低，很容易陷入低價攬客的價格競爭惡性循環中。并且，缺乏實質性內容的數據資產入表增加了轉型企業的業務風險，數據企業難以從這類業務中獲得穩定合理的收益。

第三，數據企業缺少清晰的市場定位和戰略定力。數據企業追逐市場熱點，出現跟風式的業務發展模式，這不利于數據產業的健康發展。數據企業沒有清晰地認識自身的資源稟賦和競爭優勢，盲從于市場風向。以數據資產入表為例，很多地方數據資產入表業務的繁榮主要是為了完成“首單”而已，數據要素市場化配置仍缺少“自驅力”。沒有數據資產的價值實現和數據要素與生產經營過程的深度融合，數據資源就難以轉化為數據資產，“深耕”數據資產入表當然會成為空中樓閣，華而不實。數據企業應當定位于挖掘轉型企業數據資源的潛在價值，為轉型企業提供開發利用數據資源的一攬子解決方案，著眼于提升轉型企業的“用數”能力。如此，數據資產入表便成為順理成章的結果[10]。滿足客戶需求、創造專業價值是數據企業戰略定力的重要來源，不爭一時之市場熱度，而爭轉型企業的核心訴求。

五、政策建議

我國數字經濟快速發展，數字經濟規模居于世界前列，數據要素市場建設取得了積極進展。在此基礎上，數據產業得到了快速發展。數據企業數量已有較大規模，綜合服務能力初步具備參與國際競爭的能力。展望未來，我國數據產業發展空間巨大。數據產業健康可持續發展涉及因素眾多，沒有其他國家（地區）的現成經驗可供借鑒。數據產業的發展需要政府和企業共同努力，不斷探索開發利用數據要素的可行路徑。數據企業是數據產業發展重要的參與者和驅動力量，迫切需要引導數據企業構建核心競爭力，實現數字產業化，助力產業數字化，推動實體經濟與數字經濟融合發展。根據上文分析，特提出以下政策建議：

（一）政府構建數據產業發展規劃，營造穩定的發展環境

數據產業是新質生產力的重要組成部分，有利于促進經濟高質量發展。數據產業對技術和人才要求高，需要優化產業發展環境。目前數據企業在經營環境、人才隊伍、發展模式等方面仍面臨較大挑戰。政府要給予數據企業發展財政金融等政策支持，在數字企業發展、數字企業獨角獸培育、企業數字化轉型方面的支持，可以采用發行數據債券、財政資金補貼等措施，促進數據要素流動，為數據產業發展奠定基礎[11]。地方政府應該建設好數據交易所，支持數據統一大市場建設，健全數據資源價值評估服務體系，并積極總結推廣試點地區數據監管沙盒經驗，健全監管制度，為數據企業營造公平競爭的市場環境，從而解決部分企業數據“不敢供”的問題。政府還需要加強人才培養力度，以產教融合為有效手段，堅持需求導向，大力培養數據領域交叉學科人才，培養數據科學、數據治理、數據合規等方面的人才。同時要加強數據基礎設施建設，降低中小企業用數成本。

（二）數據企業實施差異化競爭，協同發展

數據企業需要深刻理解行業特征，圍繞數據價值鏈其中一個或者幾個環節去做精做深做實，為企業挖掘場景提供有力支撐，實現數據賦能千行百業，體現數據產業價值，這樣才能使得數據產業健康可持續發展。數據企業應該致力于服務提高企業數據治理能力，推進產業數字化、數字產業化之間的良性循環。在此基礎上實現數據資產入表，幫助企業轉型成為數據驅動型公司，提高要素配置效率。《指導意見》提到“大力發展第三方服務”，規劃了數據產業的未來發展空間。同時，《指導意見》提到“高質量開展企業數據資源入表”，說明數據資源入表還存在不規范行為。臨淵羨魚，不如退而結網。具體來說，數據企業可以聚焦數據價值鏈不同環節，從業務中來到業務中去，深入挖掘業務場景，注重技術，加快數據技術創新，聚焦服務水平提升。數據企業應積極開發推動應用創新，如“數據即服務”“模型即服務”等，數據企業還可以參與金融機構的數據保險、數據信托等金融服務產品創新，實現數據價值鏈閉環。

（三）通過行業協會等行業自律組織推行業務規范，建設健康生態

數據產業健康發展需要構造良好的產業創新生態體系，這除了需要發揮政府和企業的積極作用外，行業協會、產業聯盟等行業自律組織和社會團體也發揮著重要作用。數據要素具有依附性特征，數據安全是數據行業健康的重要前提。數據行業必須與數據供應鏈上下游企業密切配合，加強產學研用協作，打造可信空間，才能為模式創新和技術創新提供良好支持。平臺企業等應該積極發揮鏈主作用，組建產業聯盟，形成合力。支持數據產業領軍企業聯合供應鏈上下游企業、科研機構和高校等建立多種形式創新聯合體，為我國數據技術創新能力躋身世界先進行列協同攻關。產業聯盟與數據行業協會共同打造數據產業創新聯合體，建立健全數據第三方服務機構的行業標準和規范，為《國家數據標準體系建設指南》的落實奠定基礎。數據行業協會應加強專業培訓，提升數據行業專業整體服務水平，減少惡性價格競爭等短期行為，降低數據產業發展過程中服務質量的不確定性，共同營造協同創新的數據產業生態體系，打造健康的行業競爭生態，提高數據要素配置效率。

【參考文獻】

［1］張軍，孫瀚博.數據資產的財務舞弊風險及審計應對［J］.中國注冊會計師，2024（5）：91-94.

［2］金帆.數據資產科學入表：實質重于形式［J］.財務管理研究，2024（8）：1.

［3］李治國，王杰.數字經濟發展、數據要素配置與制造業生產率提升［J］.經濟學家，2021（10）：41-50.

［4］陳曉佳，徐瑋.數據要素、交通基礎設施與產業結構升級：基于量化空間一般均衡模型分析［J］.管理世界，2024，40（4）：78-98.

［5］張朝華，徐鵬杰.數據要素集聚能提升城市經濟韌性嗎：來自大數據綜合試驗區建設的經驗證據［J］.宏觀經濟研究，2024（6）：59-76.

［6］張益豪，郭曉輝.大數據發展與企業全要素生產率：基于國家級大數據綜合試驗區的實證分析［J］.產業經濟研究，2023（2）：69-82.

［7］張明，路先鋒，吳雨桐.數據要素經濟學：特征、確權、定價與交易［J］.經濟學家，2024（4）：35-44.

［8］趙治綱.數據資產入表的戰略意義、問題與建議［J］.會計之友，2024（3）：2-6.

［9］數據人都在關注.我退圈了，不干數據資產入表了［EB/OL］.數據交易網，2024.https：//mp.weixin.qq.com/s/OKSFtB3WKs5QUOyx1V4f9w.

［10］劉海生，汪俊，黃斕.數據資產管理：演化邏輯與體系框架［J］.會計之友，2024（21）：147-154.

［11］王君彩，王保平.數據資產相關的三大財稅問題［J］.財務與會計，2024（3）：77-78.