点击上方“Gary Zhu”关注公众号

一、政策动向与进展

（一）数据资产相关政策汇总

国家正在积极推动数据要素价值实现

当下数据要素、数据资产看似热度下降，不如往年火热。但实际上，国家对此重视程度持续提升。2026 年全国两会提到，数字经济核心产业增加值占国民经济比重已超 10%。同时，国内外大模型持续迭代升级，离不开海量数据训练支撑。此外，像开源 AI 智能体OpenClaw （俗称“龙虾”）等行业实践，也在依托个人数据实现产业智能化。由此可见，下沉到各行各业，市场对数据要素和数据资产的重视度正在不断提高。

【专家观点】对于关注数据要素与数据资产的企业，应当坚定信心。当前，其发展已从概念层面下沉至企业与个人实操层面。 2026 年被定为数据要素价值释放年，相关应用也将迎来更广范围的落地推广。

数据依据：《关于构建数据基础制度更高发挥数据要素作用的意见》（“数据二十条”）

自 2018 年起，国家密集出台相关政策。目前，数据要素与数据资产的政策总体框架已基本明晰。各类细分政策均围绕几项核心主干政策展开，把握核心政策即可看清宏观框架。其中， “数据二十条”构建了数据要素建设的基础，明确了数据确权、流通交易、收益分配与安全应用等内容。国家数据局成立后，将在 2026 年及“十五五” 期间，推动数据二十条法治化、规范化落地，夯实基础制度框架。

考核依据：《数字中国建设整体布局规划》（ “数字中国”）

2026 年的十五五规划提及数字中国建设，相关部署已于 2023 年出台，既搭建好了发展框架，也明确将数字中国建设纳入党政干部与国企领导的考核指标。

会计依据：《企业数据资源相关会计处理暂行规定》

2023 年 8 月，数据资产入表相关暂行规定正式出台，近年来各地持续开展数据资产入表探索。数据资产入表，是推动数据从资源转化为资产、进而迈向资本的关键枢纽。

评估依据：《数据资产评估指导意见》

2023 年 9 月，中评协出台了数据估值相关指导意见。在此之前，评估机构无法出具数据资产评估报告。意见落地后，相关评估报告可正常出具。目前，已有企业在财务报表和管理层报告中，披露自身数据资产的评估价值。

管理依据：《关于加强数据资产管理的指导意见》《关于加快公共数据资源开发利用的意见》

2024 年出台了两项面向公共数据的重要文件，适用于政府及事业单位等公共属性主体。我国大量优质数据集中在行政事业单位，为推动这类数据开放应用，相关部门印发了公共数据授权运营管理办法。同时，由财政部牵头推行公共数据全过程管理，旨在盘活公共数据，实现数据资产化，并进一步推动其资本化发展。

（二）数据要素流通体系

供得出、流得动、用得好、保安全

各项政策举措，核心目标在于推动数据有序发展。让源头主体愿意共享数据、促进数据流通交易、实现数据高效应用，并保障数据安全。因此，在生产要素市场化改革与全国统一大市场建设中，关键是打通数据流转通道，激活数据价值，转化为实际生产力。

数据资产流通与交易的核心支柱

确权与合规：建立公共数据、企业数据、个人数据的分类分级确权授权制度。开展上架、交易、跟踪全过程审查，保障场内交易的合规性。

安全保障：明确提出基本性、一般性、增强性的安全要求，按照“不安全不上架”“不安全不流通”的原则开展评估，严守数据安全底线。

估值定价：从“成本归集、定价思路、价格形成、资产价值评估”等方面，探索建立准确衡量数据价值和正确评估数据价值的方法，研究开发数据资产价值评估模型，为数据交易提供价值评估和价格依据。

（三）近期政策发展

2026 年两会期间，国家对数据要素与数据资产的定位十分明确。全球产业变革与智能革命的竞争，核心在于算力、算法和数据三大要素。我国数据资源丰富、应用场景多元，是地缘竞争中的关键优势。政府工作报告将数据要素列为重点无形资产，十五五规划也确立了算力、数据两大基础基座，包含算电一体化建设，依托算力与数据赋能应用场景，支撑人工智能发展。

今年政府工作报告提及人工智能，并首次提出智能经济。国家将大力推进相关产业发展，全国 31 个省份中，已有 29 个在地方政府工作报告里明确布局 AI、智能经济与数据产业。

从细化层面来看，两会计划报告、国资委部署、发改委后续投资及国家数据局工作安排，均聚焦数字经济发展。

二、市场实践与进展

数据要素价值释放，核心分为三个阶段。一是资源化，实现数据可用。二是资产化，将数据转化为企业资产。三是资本化，盘活数据实现市场化运作，构成数据价值释放的完整路径。

围绕这“三化” 建设，当前市场实践主要涵盖五个方向。第一是数据资产入表，是数据资产化、资本化的起点与关键枢纽。第二是数据投融资，打通数据变现渠道。第三是数据资产运营，依托数据打造产品与服务，形成企业新增收入来源，以上三项属于资产化与资本化的落地路径。第四是数据资产估值，第五是数据资产治理。二者偏向工具支撑，广泛应用于前三项业务开展，也是市场重点探索的核心技术基础。

（一）数据资产入表的进展

1.数据资源入表五步法

数据资产如何入表，市场普遍沿用入表五步法，财政部会计司也在推广相关实践。从管理层角度判断数据能否入表，需符合三项标准。一是企业能够合法控制数据，二是可证明数据能为企业带来经济利益流入，三是相关成本能够可靠归集。

对于实操会计人员，具体分为五个步骤。一是完成数据合规与确权，二是建立有效的数据治理体系，三是论证数据带来的经济利益，四是合理分摊相关成本，五是做好信息披露。这套方法经过两年实践，在市场中取得了良好效果。

2.企业数据资产入表的市场主体反馈

年上市公司入表情况

从实际落地情况来看，数据资产入表的规模低于预期，主要体现在两方面。一是开展入表的企业数量有限，二是整体入表金额偏小。 2024 年，国内约五千家 A 股上市公司中，仅有一百家完成数据资产入表，总入表金额为 21.64 亿元。

规模偏低主要受入表新规限制。一是采用成本法核算，仅能归集相关成本入账，账面价值与实际价值不符。二是实行未来适用法，仅 2024 年 1 月 1 日后产生的成本可入表，前期投入不予追溯调整，导致大量机构历史成本无法核算。

年上市公司入表发展趋势

2025 年上市公司数据资产入表的数量和体量较 2024 年有所提升，但暂无质的突破，仍处于探索阶段，呈现三大趋势：

覆盖行业持续拓宽：2024 年仅有 9 家金融机构完成入表，市场态度谨慎。 2025 年更多未披露入表成果的银行、保险机构将完成落地。

入局企业规模扩大：2024 年早期以中小型企业为主，全年已有 14 家超 500 亿规模的大型企业开展入表，行业认可度不断提升。

国企入表占比走高：2024 年完成入表的上市公司中，国有企业占 54 家，占比过半。

主句资产主流入表核算规则

入账科目方面，多数企业将数据资产计入无形资产或开发支出，仅 2 家企业计入存货。受财政部指导意见影响，原有计入存货的企业已调整科目。

划分标准如下。对外销售计入存货，自用计入无形资产，兼具自用与外销属性、采用授权使用模式的，均计入无形资产。目前企业普遍采用直线法摊销，摊销周期 3-5 年，入表资产以数据库、数据集、模型为主。

非上市公司入表情况

除上市公司外，多地地方国资平台积极推进入表。受偿债和融资压力影响，平台希望依托数据财政转型，借助数据资产增强融资能力。

2025 年一季度，已有 330 家非上市公司完成入表，其中 85%为国有企业，核心诉求为融资，但整体融资规模仅超 14 亿元。市场由此回归理性，认识到存量数据资产直接变现、实现融资的落地难度较大。

3.试点案例分享

当前，金融、电网、运营商等大型集团开展数据资产入表，不会将全部数据资源一并入账，而是优先选取成熟场景与工具试点推进。

试点案例 1：某大型国有银行数据资源入表场景试点

试点案例 2：某大型保险集团数据资源入表场景试点

保险公司开展数据资产入表同样选取试点推进，主要聚焦两大方向。一是车险经营相关业务，二是医疗发票理赔业务。目前这类企业均优先选取高价值数据及相关模型，探索数据资产入表工作。

【专家观点】数据资产入表并非财务单个部门的工作，而是涉及财务、法律、人事、技术、数据等多个部门的协同事项。上述两家试点企业分别由行长、副行长牵头推进，依靠高位推动统筹协调各部门联动参与，保障入表工作顺利落地，而非仅由财务部门单独负责。

4.企业数据资源入表的意义

当前数据资产入表热度有所回落，并未成为市场预期的“造富运动”。核心原因在于入表采用成本法核算与未来适用法，账面价值难以转化为实际收益，更多只是纸面财富，而非真金白银，市场主体对此的态度也愈发务实。现阶段企业推进数据资产入表，核心具备三大意义。

1．全面盘点数据家底，通过入表工作梳理企业现有数据资产与资源存量，理清自身数据实力，为后续数据盘活利用奠定基础，这是入表最基础的功能。

2．倒逼数据价值落地，数据资产化需要论证经济利益流入企业，而多数企业现有数据仅停留在资源层面、无法落地应用，自然难以核算入账，最多只能在财务报表附注中披露数据资源情况，这也反向推动企业挖掘数据实际应用价值。

3．助力企业优化融资与估值，数据资产入表能够优化资产负债表结构，助力企业开展市值管理，推动企业从传统主体向数据要素型、科技型企业转型，贴合新质生产力发展方向。尤其是上市公司，被认定为科技型企业后，PE 估值倍数会显著提升，更利于市值管理。

【专家观点】整体来看，目前市场各方仍在持续推进数据资产入表实践，但已不再追求短期变现，而是将其视为一项底层、基础性工作，稳步开展后续运作。

（二）数据资产投融资的进展

数据资产相关投融资主要分为三类：债权类、股权类和创新类，其中债权类实践最为普遍。

1.债权融资

债权类融资常见形式为依托数据资产包开展银行授信、质押融资与征信融资。目前，各大银行和各地虽在推进数据资产融资，但整体态度较为审慎，落地案例不多。

从授信规模来看，相关贷款额度大多集中在 500 万至 2000 万元。多数情况下，企业本身已有银行授信，数据资产仅作为补充增信依据。

数据资产抵押融资落地现状

上海推出了“今天入表、明天放贷”的模式，属于与入表挂钩的数据资产质押融资，逻辑与增信融资相近。

但目前质押融资落地更少。原因在于，数据资产的产权登记规则尚未完善，质押办理场所、资产保全与数据安全等问题仍存在较大难点。

从银行实际业务来看，数据资产增信融资占比约 95%，质押融资仅约 5%。

银行开展数据资产融资的核心挑战

确权与合规难题：当前数据实行三权分置，相关上位法律尚未完善，确权、登记缺乏统一规范。同时，还要追溯数据产品的原始来源是否合规，整体落地存在障碍。

估值与动态管理难度大：数据价值波动明显、衰减速度快，部分实时数据一年内价值衰减可达 95%至 97%。银行难以开展合理估值，也难以做好贷后的动态价值管控。

资产处置与变现能力不足：若企业出现违约，银行受让的数据资产难以盘活。一方面数据交易市场尚不活跃，流动性不足。另一方面银行缺乏数据开发运营能力，无法实现资产增值与变现，贷后追偿难度较大。

受以上因素制约，数据资产银行信贷短期内难以实现大规模、大体量推广。

2.股权融资

各环节均需要考虑数据资产的影响

数据估值在股权融资中的变化：以往股权融资对数据价值的考量较为模糊，如今认知逐步清晰。企业在股权融资过程中，开始要求对数据进行单独估值，并纳入整体企业估值体系。随着相关规则落地和市场认知提升，数据资产正在重塑股权融资逻辑。

上市退出通道影响企业估值：数据要素类企业的上市路径发生变化。过去部分数据企业可在美股、港股获得较高估值，但目前数据密集型企业难以赴美上市。退出渠道受限，直接压低企业二级市场预期，进而导致前期股权融资估值同步下行。

投资人引入受到数据安全约束：拥有核心、敏感数据的企业，在筛选投资人时存在限制。引入外资、美元基金或特定背景投资方，会面临数据安全、合规审查等问题。为保障数据合规与安全，这类企业可选择的投资主体范围收窄。

新增数据尽调带来融资约束：传统股权融资包含财务、税务、业务尽调，现在还需开展数据尽调。关键核心数据存在访问权限限制，若投资人无法完成有效数据尽调，交易难度增加，企业估值也会相应打折。

并购合并的数据使用合规门槛提升：普通资产在并购交割后可由母公司直接合并使用，但数据仅限单主体授权。子公司的数据，母公司不能直接取用，需要履行多项合规流程，拉高了并购落地难度。

数据对股权融资的正向作用：虽然规则变化带来更多约束，但数据正式成为可核算资产。企业在股权融资中，能够显性体现数据价值、纳入整体估值，有利于增厚资产、提升融资空间。

项目中的数据资产要素

PPP 项目中，如今数据资产应用愈发广泛。以往高速公路等项目融资，主要依托车流收费收益测算，如今绝大多数 PPP 项目，都会将项目相关数据纳入考量。

项目方需明确可采集的数据类型、政府数据运营授权权限，同时核算数据运营可产生的收益，反推项目全周期收益率，在与政府洽谈数据授权运营协议时，也需将数据运营、价值变现等内容纳入条款，数据在 PPP 项目中的应用已十分凸显。

数据资产入股

数据资产入股是股权应用的重要组成部分，目前已有多地开始探索推进，其落地主要有两大核心驱动。

第一大驱动是企业估值优化需求。部分传统企业尤其是上市公司，自身持有高价值数据资产，但受传统业务定位影响，市场给予的 PE 估值倍数偏低，仅 5-8 倍。这类企业希望将数据资产单独剥离，以数据资产入股成立新的数据公司，借助数据业务的高成长性，获得 20- 30 倍的更高估值，连锁超市等实体企业是这类模式的主要探索主体。

第二大驱动是企业实缴出资需求。按照现行公司法要求，企业需完成注册资本实缴，不少尚未实缴的企业，希望将自有数据资产注入公司，以此完成实缴出资，缓解现金出资压力。

【专家提示】当前数据资产入股尚未形成全国统一标准，落地执行以各地市场监管部门的登记政策为准，存在明显的地区差异。部分地区市场监管部门认可数据资产的出资形式，允许企业办理数据资产入股的相关登记手续。但也有部分地区在工商登记变更环节，暂不认可数据资产出资，企业无法以此完成登记实缴，具体落地需结合地方实际政策执行。

数据资产助力企业市值管理

对上市公司而言，数据资产的核心应用价值在于助力市值管理，贯穿企业战略制定与全流程价值运作环节。

在基本面价值创造层面，依托数据优化日常经营、提升估值。在价值传递层面，通过规范信息披露、编制 ESG 报告及数据专项报告，强化市场对企业价值的认可。在价值实现层面，数据资产也能为并购重组、股份回购等操作提供支撑，全方位助力市值管理工作。

3.创新类融资

已发行的数据资产 ABS

2025 年多单数据资产 ABS 顺利发行，发行规模普遍较高，常见 5 亿元至 10 亿元，远高于普通债权类 ABS 500 万元至 2000 万元的融资额度，易让人误以为数据已实现规模化融资。但拆解来看，这类 ABS 的底层基础资产并非数据本身，主要包括知识产权、基础设施收费权、企业应收账款等。

数据仅起到赋能和增值作用。一是依托企业画像数据，筛选、监控应收账款资产包。二是借助数据筛选整合相关知识产权。三是应用于交通基础设施等项目运营，通过数据运营创造额外收益。例如部分基础设施 ABS 票面利率为2%，叠加数据运营收益分成后，投资人综合收益可达 5%至 6%。综上，当前市场中的数据资产 ABS，核心底层资产仍非数据，数据仅作为辅助工具发挥赋能作用。

公募 REITs——数据资产 IPO 前沿探索

公募 REITs 已尝试将数据资产对标 IPO 模式推进。同时，相关方面也探讨在澳门设立数据证券交易所，聚焦数据资产上市交易。但现阶段数据资产落地此类产品仍存在明显瓶颈。

一是资产体量不足。公募 REITs 通常要求底层资产规模不低于 8 亿元，常规发行规模多为 10 亿元、20 亿元甚至 50 亿元，而现有数据资产包体量偏小，达不到发行门槛，开展资本运作成本高、不划算。

二是现金流不够稳定。无论是 ABS 还是公募、私募 REITs，均要求底层资产能够持续产生稳定现金流。数据资产暂不具备稳定造血能力，无法满足底层资产的合规要求。所以，数据资产实现资本化上市，仍需要较长发展时间。

基于收入的融资——RBF

基于收入的融资模式在境外已较为成熟，滴滴灌通、药明康德等企业均有应用。

该模式不涉及股权和债权，而是按照经营收入进行分成。对应到数据资产领域，当前公共数据授权运营正在探索信托化运作方式。由多方主体共同参与，包括数据溯源方、运营方、基础设施提供方、隐私计算服务方和销售方等。根据各方贡献进行估值，折算分成比例，实行收益分润。

由于多数数据溯源方缺乏独立开发数据产品的能力、技术门槛较高，依托这种合作模式，可以盘活市场资源、提升数据产业化水平。该方式类似众筹，通过联合开发、对外销售、共享收益，实现数据价值转化。

真实世界资产代币化——RWA

市场普遍认为境内 RWA 业务已受限。实际上， RWA 与 REITs 逻辑相近，仅底层资产范围不同，不能将 RWA 与数据资产、数据要素、数据资本化直接等同。 RWA 覆盖范围更广，实物资产、金融资产、应收账款、股票、债券、无形资产均可作为底层资产，数据资产只是其中一类无形资产。 RWA 的核心要求是资产实现数字化，能够溯源、锁定现金流及收益机制，数据产品天然具备这一基础，因此与 RWA 更容易对接。同时，布局 RWA，还意在依托境内存量数据资源对接境外资金，助力企业数字化转型，拓展数据相关融资创新。

4.数据资产投融资的挑战

数据资产投融资存在三大核心挑战：一是估值难度大，资产价值波动较强。二是抵质押处置困难，出险后难以变现。三是还款来源不稳，数据资产难以形成持续、稳定的现金流。

【专家观点】从行业来看，市场正在探索各类投融资模式。国家金融监管总局提出做好五篇金融大文章，其中包含数字金融。各类金融机构正积极开展实践，并与监管部门沟通探索落地路径。相较于其他领域，数字金融目前模式尚不清晰。对于有相关融资需求的企业，金融机构愿意协同开展试点与探索。

（三）股数据运营与交易流通的进展

1.场景化开发与运营的痛点难点

数据资产入表的核心难点，在于多数企业仅有原始数据，无法开发成数据产品、落地应用，难以佐证经济价值，本质受制于数据资产运营能力不足。

在数据资产投融资环节，两大核心痛点同样依赖运营解决。一是抵质押资产处置难题，若具备成熟运营能力，资产不会闲置沉淀，金融机构更愿意放贷。二是缺少稳定现金流，通过专业化运营生成持续收益，即可形成合规优质的底层融资资产。因此，数据资产运营与开发是当前市场最紧缺、最迫切的需求。

国家数据局依托三年行动计划推进数据要素建设，聚焦数实融合，核心都是推动数据场景化开发。但场景化开发落地难度较大。一是企业底数不清、数据治理薄弱、数据质量偏低，难以开展开发。二是合规与确权不明，企业不确定数据获取和开发是否合规。三是传统企业缺少专业开发人才。四是利益分配未定，企业顾虑数据外流、不愿共享，需要完善定价和收益机制。五是企业存在数据安全方面的顾虑。

2.数据资产运营五步法

数据资产运营有两种方式。一是依托外部资源，委托独立的第三方数商或运营商，代为开展数据开发与运营工作。二是企业自主开展数据开发，可参照相关五步法推进实施。

步骤一：场景设计

企业需为自有数据匹配适用落地场景。例如，供应链数据可用于供应商评估、物流优化、库存管理。卫星遥感数据可应用于气象服务、海关业务、低空经济及航空航天等领域。

国家数据局围绕数据要素建设划定了 12 个重点应用场景，并举办相关赛事，沉淀出一批跨行业优质落地案例。企业自主开展数据场景开发时，可参考国家数据局公布的赛事优秀案例，从中借鉴经验、获得启发。

步骤二：模型搭建

当前市面上开源及商用大模型资源充足。确定应用目标、备好基础数据后，相关搭建工作可交由大模型完成。

使用大模型时，需要具备两点。一是能够精准提出问题，二是建立标准检验输出结果是否符合要求。这类应用需要一事一议，重在掌握基本思路。大模型可助力打造行业垂直模型，核心在于锁定具体场景、聚焦真实问题、匹配对应数据。

步骤三：数据补足

开展数据场景开发时，企业往往仅有部分内部维度数据，还需要补充外部数据，这就涉及数据交易与流通。

当前数据流通以场外交易为主，场内集中交易占比仅约 5%。企业如需补齐外部数据，可依托数据交易所作为枢纽和入口。有意盘活、变现数据的机构大多会对接数交所，便于定向寻找所需数据资源。

同时，企业还要用好内部存量数据。大型集团、金融机构旗下设有多个业务板块，可在合规前提下，推动内部跨部门、跨业态的数据流转共享，优先完成内生数据补齐。

案例：通过构建“一中心三统一”规划方案，建立集团数据资产交互中心，统一集团数据资产管理“度量衡”， 促进集团内数据资产交互高效率协同发展。

步骤四：安全交互—隐私技术

依托隐私计算技术，可实现安全的数据交互。主流的同态加密等方式，既能加密数据，也能加密模型，做到数据和模型双向保护，达成数据可用不可见、数据不见面、模型不见面的效果。隐私计算主要分为两类实现方式。一类依托密码学软件实现，已有成熟、开源的主流算法。另一类依托可信芯片等硬件实现。

在选择隐私计算方案时，需要综合考量三项因素。一是产品可用性，避免加密过度导致结果无法使用。二是安全假设，判断合作交互方是否可信。三是成本与效率，兼顾通信带宽、运算速度和实施成本，做到统筹平衡。

第五步：收益分配—合作创新模式

数据资产开发需明确多方收益分配规则，可依托合同或信托模式落地。

相比合同法，信托模式优势更为明显。一是能够实现数据资产隔离。二是机制灵活，可兼顾数据提供方、运营方、算力方、隐私计算方、渠道方等各方权益。三是资金独立管理，资金不进入对接国企账户，由信托专户统一分配，流程清晰、合规性更强，减少审计和流转阻力。

信托模式可实现专业化分工，各方各司其职、协同运作。同时便于聚合多方碎片化数据，扩充数据维度，放大整体应用价值，拓展使用场景。

此外，信托方式可推动运营与融资一体化。各方以资源和能力入股、按比例分润，减少前端资金投入需求，降低整体投融资依赖，简化落地流程。

（四）合数据资产估值的进展

1.估值方法选择的考量框架

数据资产运营配套两大工具，估值与治理。在估值方面，中评协已出台相关指引，仍沿用传统三大估值方法，即收益法、成本法、市场法，但在数据资产场景下应用存在差异。

收益法：多采用超额收益法，需在精准营销等场景中，剔除系统、人员、产品等其他要素贡献，仅将数据要素产生的价值进行折现。

成本法：核心是核算数据重置成本，但难点在于大量数据为业务伴生形成、非主业专门产生，难以合理分摊对应成本。

市场法：依赖活跃、透明的交易市场。目前国内数据交易市场活跃度不足、信息不透明且缺乏统一市场，难以获取公允的市场参考价值。

【专家观点】数据资产估值并无统一标准，需结合估值目的确定方法。若用于数据交易、入表或投融资，适用的估值方式各不相同。

同时，估值需匹配数据开发阶段。资源化阶段多采用成本法，此时尚未形成应用价值。资产化阶段需结合应用场景数量评估价值。资本化阶段则侧重市场估值与未来收益折现。

数据市场活跃度也会影响估值。气象、个人征信等高频调用的数据易形成公允价值，小众数据则难以获取可比参考。此外，估值模型的参数与基础数据是否可得，也直接决定估值方法能否落地。

2.基于交易目的

数据势能模型（多因子成本修正模型）

以交易为目的进行数据资产估值时，存在明显方法局限。卖方无法预知买方用途，收益法应用受限。加之数据市场缺乏活跃度，市场法同样难以适用。

对此，提出数据势能模型，卖方端可采用多因子成本修正模型。该模型以成本为基础，综合考量数据质量、稀缺性、多场景复用性、跨行业平均收益率等因素进行修正。

数据开发价值：包括数据采集及加工过程中全部成本，并考虑一定的属性调整系数。m为数据资产各阶段开发成本，q 为数据获取成本的质量调整系数，s 为数据资产安全系数。

价值贡献因子：随着数据的不断加工，其贡献程度逐步彰显，达到“数据高度”。 r 为行业平均投资回报率，β为调整系数。

潜在增速因子：数据在经过一定的加工处理后，后续可以被应用于多种场景下实现收益并实现增长。 g 为所在行业的复合增长率，x 为应用场景潜在多为性评价指标。

此模型得到国家发改委价格监测中心指导，并据此开发出全国首个数据产品价格计算器，目前已部署在贵阳数据交易所，可供实际测算使用。

3.基于入表目的

数据资产入表估值与交易估值存在明显区别。入表估值核心在于证明与数据资产相关的经济利益可流入企业，主要有两种形式。一是将数据开发为产品对外销售，实现售价高于成本。二是数据在企业内部自用，通过降本增效体现价值。

为证明经济利益流入，入表估值可采用的价值衡量方式更为丰富，除成本法、收益法、市场法外，还包含其他价值维度。一是内在价值，通过数据治理提升数据质量与使用频次，实现价值提升。二是决策价值，借助驾驶舱、决策模型提高决策效率与全面性。三是业务价值，如提升电话接听率、营销转化率、运营效率等，均属于数据带来的价值提升。

示例：金融行业数据资产入表估值方法的选择

金融企业在数据资产入表时，可通过更全面的方式判断经济利益流入，需同时兼顾定性与定量维度。对上市公司而言，审计机构对定量流入的审核更为严格。实际操作中，需围绕数据应用场景搭建指标体系。例如销售率、转化率提升，坏账率下降等非直接财务收益，只要将其量化体现效率提升，通常均可被认可。

4.基于投融资目的

以融资为目的的数据资产估值更为复杂，估值需与融资结构紧密关联。

若为银行融资，需综合考量担保措施、合规风险、数据隔离风险等多项因素。若为股权融资、ABS 等模式，则要考虑未来收益分润安排，以及 ABS 产品中优先级、平层、劣后级的结构设计。

上述因素均对融资方案影响显著，因此估值必须与具体交易架构紧密结合。

（五）数据治理工作的进展

数据治理是数据资产运营的重要工具。实践中常提及数据资产治理，但不同场景下的治理目的与要求存在明显差异。

开展数据治理需遵循以终为始原则，根据最终目标确定治理方向。是服务于合规与安全，服务于数据资产入表，还是服务于数据开发运营，对应的治理标准与重点均不相同。

服务于合规与安全目的

数据治理需依据上位法律法规开展，涵盖三部核心法律、相关行政法规及国家标准，相关依据已较为明确。

核心法律：《网络安全法》《数据安全法》《个人信息保护法》

开展制度建设与数据运营、交换时，应围绕来源合规、内容合规、处理合规、运营合规进行管理，严格遵循法律法规执行即可。

服务于入表目的

服务于数据资产入表的治理，是数据资源入表五步法的第二步。核心是完成数据资产盘点并形成台账，同时将数据相关成本准确还原归集，满足财务入账要求。这一过程需要建立完整的数据资产管理体系。

1．明确入表范围与资产清单，制定适配数据资产的盘点原则与方法

2．形成盘点记录与资产目录

3．清晰标注各项数据属性

4．建立资产台账

5．通过数据血缘分析梳理直接成本与间接成本，并完成间接成本的合理分摊

服务于运营目的

数据质量提升需坚持价值主导，并非所有数据都要进行高标准治理。对于价值较低的数据，无需开展过度治理。治理投入的力度，应结合应用场景与预期价值反向确定。

这一思路可类比投融资并购中的企业重组。企业初期通常不赞同先行重组，可在投资协议中约定将重组作为交割前或交割后事项，待投资人资金到位后再推进，以此节约企业财务资源。

三、下一步的探索和发展方向 

根据与市场、国家部委及交易所的交流情况，今明两年数据要素工作将在三方面重点夯实。

推进数实融合：作为国家底层要求，核心是推动数据在具体场景落地应用，开展场景化开发。

建设高质量数据集：用于支撑人工智能发展，目前全国已规划约十万个高质量数据集，服务 AI 应用落地。当前通用大模型能力已较为成熟，未来行业竞争壁垒在于垂直领域模型，而核心壁垒正是垂直行业的高质量数据集。

完善收益分配机制：在数据运营、投融资、交易及公共数据授权运营等环节，收益分配都是核心问题。数据溯源方缺乏合理收益分配激励，便缺乏数据共享动力。尤其在多地公共数据授权运营中，收益分配是首要命题，需协调各主管部门、大数据局及各级开发商，落实分配机制，才能保障数据交易流通顺畅，推进数据要素市场化改革。

四、总结

围绕数据资产政策发展及实践情况，探讨各行业在数据资产领域的探索方向与实际进展，并结合相关案例展开说明。报告详细梳理了当前数据资产市场表现，明确后续发展重点与趋势，旨在帮助读者了解该领域的创新模式与最新进展，并对未来探索方向进行展望。

随着国家数据要素市场化配置改革的深化，数据资产化已成为企业数字化转型和高质量发展的关键命题。当前，数据资产入表、数据要素流通、数据资产估值等领域的政策框架逐步明确，市场实践正加速探索。然而，企业在推进数据资产化进程中仍面临入表标准理解不清、估值体系不完善、运营模式不明晰、合规风险把控难等多重挑战。

本次分享将梳理相关框架，结合  2026  年  3  月 的最新情况，介绍相关市场实践，分析现存痛点 、难点与挑战，并明确后续发展方向及思考框架。

本次报告内容中涉及的文件：

《 关于构建数据基础制度更高发挥数据要素作用的意见》（中共中央 国务院，2022 年 12 月 2日）

《 数字中国建设整体布局规划》（中共中央 国务院，2023 年 2 月 2 7  日）

《 企业数据资源相关会计处理暂行规定》（财会[2023]11 号）

《 数据资产评估指导意见》（中评协[202 3]17 号）

《 关于加强数据资产管理的指导意见》（财资[2023]141 号）

《 关于加快公共数据资源开发利用的意见》（中共中央办公厅 国务 院 办公厅，2024 年 9 月 21日）

本报告最终解释权归协同共享企业服务（上海）股份有限公司所有，查阅者不应依赖本资料中的任何信息作为可能影响其自身或者其业务决策的唯一基础。China Finance Executive Council对该等资料或其所含信息不做任何明示或暗示的表述或保证。除前述免责内容外,  ChinaFinanceExecutive Council亦不担保该等资料或其所含信息准确无误或者满足任何特定的业绩或者质量标准。

关于我们

China Finance Executive Council (亦称“F-Council”)为协同共享企业服务(上海)有限公司旗下服务品牌，是一家汇聚了全球知名跨国企业以及本土大型上市公司企业财务和税务高级管理人员的创新领先的会员制服务机构。 

旨在为中国高级财税经理人提供立体交互式的专业实战经验分享服务及低成本的财税增值信息分享服务。秉承“让专业分享无处不在”的企业使命，F-Council立志成为中国高级财税经理人首选的专业实战经验分享和专业人脉拓展的平台。

F-Council成立于2008年4月，在很短的时间内就赢得了广大财税专业人士的高度关注和积极参与，目前已有超过5000家企业的高级财税经理人正在使用F-Council的超值财税实战经验分享服务，其中大多数跨国企业和上市公司已经成为F-Council的长期合作伙伴。