政策引领带来企业的价值
“数据二十条”创新提出的数据产权制度是集“权、责、利”一体的“数据产权”与“数据产品”协同共生的新范式，鼓励市场主体逐步探索和完善数据定价体系，用市场化的手段合理评估和量化数据的经济贡献，进而对于无形的“数据资产”，进行有价的金融评估，有助于促进全国统一大市场建设。
而企业清晰明确“公共数据”、“企业数据“、”个人数据”等数据要素市场参与身份，以及“数据开放、数据共享、数据交易”这三种数据流通主要模式。在各方参与保护措施之下，构建自身业务数据确权、数字资源流通以及数据产品价值评估，推动数据有效流通。
另一方面，很多企业和银行也在通过各种创新性尝试，积极探索数据入股、数据信贷、数据信托和数据资产证券化等数字经济业态创新，如提供定制化交易资金监管及清算体系、基于数据交易所数据资产凭证的融资服务等。
“数据二十条”创造性地提出“建立数据资源持有权、数据加工使用权、数据产品经营权等分置的产权运行机制”，为企业通过“数据资产持有权”、“数据产品经营权”和“数据资产交易权”相关的数据采集、流通、使用、价值创造梳理清楚，才能更好的推动企业响应数字经济时代企业发展的契机，找到企业“数据资产”的核心竞争力，并通过战略规划在组织落地的方式驱动团队内部改变，积极响应市场变化与竞争。
“数据资产”打造的本质，是通过实际的商业价值，让企业更愿意进行“数据资源持有权”确认，并通过数据清洗、汇聚成数据集合，并通过开发、衍生出明确应用场景之下的数据产品，并能够通过其实际为业务带来的商业价值，进行“数据产品运营权”下的金融化属性。
进而，企业和银行都能够通过客观的价值评估，明确“数据资产交易权”的抵押价值，推动数据资本化、证券化创新应用。
在国家政策加码支持下，资产评估行业对数据资产评估展开了针对性研究。中国资产评估协会早在2020年1月发布《资产评估专家指引9号——数据资产评估》，2022年6月发布《数据资产评估指导意见》公开征求意见稿。
与传统资产不同，数据资产具备非实体性、依托性、可共享性、可加工性、价值易变性等多种特征。由于数据资产涉及的经济行为与传统资产较为一致，其评估目的同样可分为内部评估目的，如数据管理、会计核算等；以及外部评估目的，如数据资产交易流通、出资入股等。
数据资产的评估方法包括收益法、成本法、市场法和其他衍生方法。
收益法是目前数据资产更适用的评估方法之一，根据预期收益口径可以采用直接收益、分成收益、超额收益和增量收益4种方式。对于可获得可靠财务预测、并已经实现商业化应用场景的数据资产来说，收益法能够直观地体现数据资产价值实现的过程。
成本法除了确定重置成本，关键要确定数据资产价值调整系数。对于仍处于开发阶段、成本易于归集且未来收益尚未确定的数据资产来说，成本法不失为较具适用性的评估方法。但成本法未能有效考虑数据资源收益与成本不匹配的问题。
市场法应用前提是具有公开并活跃的交易市场。由于目前数据资产交易主要为场外交易，缺乏成熟、活跃的数据资产公开交易市场与可比参照物，且数据资产价值受到应用场景影响较大，其价值易变性导致交易实例的可比性低，市场法使用限制较为明显。
2016年4月28日，“全球首个数据资产评估模型发布暨中关村数据资产双创平台成立仪式”上传出消息，用数据资产进行“抵押”，贵州东方世纪拿到了贵阳银行的第一笔“数据贷”放款。
2022年10月12日，北京银行城市副中心分行成功落地首笔1000万元数据资产质押融资贷款，此笔贷款为佳华科技的数据资产质押。
当然数据资产化仍有诸多挑战。首先是数据的产权模糊，数据具有可复制性，在今天的互联网中普遍奉行“谁采集谁拥有”的潜规则。由此，侵犯隐私、数据泄露等问题比比皆是。
此外，数据交易过程中最大的问题在于数据权属难以界定。虽然了诸如《数据资产评估指导意见》的指导，数据的定价和估值仍相对困难。
在这种情况下，要完成数据交易，并满足多方利益需求，就要对数据的所有权、使用权、经营权和分配权进行分离。
以数据所有权在权属分配方面，中国过去的土地所有制改革经验十分值得借鉴，土地承包制度把土地的所有权、使用权、经营权和分配权一步步分离开，在随后的生产中产生了重大社会效益和经济效益。
如果数据也能够在分离的基础上，明确使用权的归属、经营权的归属和分配权的归属，并由此建立生态，则可以有效加速数据资产化，提高数据应用的效率。
进一步通过面对具体业务场景下，通过数据治理研发出来的数据产品，有效在降本增效、风险管控、生态服务方面创造价值，就让数据拥有了明确的资产属性，通过成本法、收益法、市场法的评估，推动金融属性价值的实现。
23年12月31日，由国家数据局、中央网信办、科技部、工信部等17部门联合印发的《“数据要素×”三年行动计划(2024—2026年)》(以下简称《行动计划》)正式公布。
从《行动计划》可以发现，国家数据局关注的重点为：数据应用场景、数据资源的供给、以及数据安全流通。
重点行动中列出了智能制造、智慧农业、商贸流通、交通运输、金融服务、科技创新等12大数据要素应用领域，每个领域都将融合多方数据，让数据要素能够创造出更大的价值。
智能制造：通过打通供应链上下游的一系列数据，赋能智能制造；
智慧农业：通过农业生产种植一系列数据与第三方企业、平台、商贸流通等数据有效融合，赋能智慧农业；
商贸流通：将客流数据、消费行为、交通状况、人文特征等市场环境数据相结合，同时整合订单需求、物流、产能、供应链、支付等数据，有效促进商贸流通
交通运输、科技创新、文化旅游：对于交通运输、科技创新和文化旅游场景，意见均提出要结合多方数据以及人工智能平台来推动行业发展。比如，将不同交通行业的数据互联互通，为差异化信贷、保险服务、二手车消费等提供数据支撑，培育行业人工智能平台和人工智能工具，助力交通运输企业提升运输效率；
金融服务：基于科技、环保、工商、税务、医疗等数据，结合人工智能算法对金融市场、信贷资产、风险核查等多维度进行分析，支撑提升金融机构反欺诈、反洗钱能力，提高风险预警和防范水平。
《行动计划》出台，是在产业层面丰富数据应用场景，推动企业和相关机构将数据资产价值进行应用与创新，丰富数据资产价值创造的模式。在制度层面完善数据制度，营造健康的数据流通产业生态，保障数据价值释放。
显而易见，当前数字经济、数据资产创新已经上升到国家战略。然而，从《哈佛商业评论》调研的结果来看，全球1350家大型工业企业在数字化转型方面的投资总计超过1000亿美元，而预期结果往往难以实现；麦肯锡的统计报告指出企业数字化转型成功率仅为20％，高科技、媒体或电信等企业，数字化转型的成功率也不超过26%；传统的石油、天然气、汽车、基础设施和制药等企业，转型的成功率仅在4％～11％之间。
为什么企业数字化转型的成功率低？底层原因很多人把过去的信息化方案穿了件数字化外衣行走天下，如果把其中“数字化”三个字替换成“信息化”，里面90%的内容都似曾相识。
人的一生都在为自己的认知买单。作为创业者或者高管，你所赚的每一分钱，都是你对世界的认知的变现。你所亏的每一分钱，都是因为你对这个世界认知的缺陷。你永远赚不到超出认知范围之外的钱，除非你靠运气，但靠运气赚到的钱最后往往又会靠认知亏掉。这是一种必然。
在过往近20年的职业生涯中，笔者一直在思考科技赋新下带来社会的实际价值，并将过往经验整理出《数据资产：企业数字化转型的底层逻辑》，其中有幸在数据确权、数据产品和数据资产都用相关构建的经验。
数字确权很多时候，仅需要技术工程师就能够实现，而相关数据产品在具有应用场景的价值化、产品化、商业化实现，需要针对相关价值创造的实际意义，进行客观的价值判断、价值描述，并能够通过有效的方式、方法，传递给内部人员和外部客户，并实现最终价值。
最终形成为企业降本增效、数据驱动、智能运营、生态协同相关金融属性的数据资产。
数字经济下企业的数字化转型至今，其实可以看作是对数据价值挖掘由浅及深的过程。
从上个世纪的信息化时代，到如今的数字化时代，企业历经多年的系统建设，沉淀了大量数据，但大部分是数据孤岛，相互割裂、数据难以连通，更何谈数据价值的挖掘。
随着新兴技术的发展，数据又出现了多样化挑战，结构化数据、非结构化数据、机器数据等多种类型的数据不断衍生并走向融合，也让很多企业对数据的掌控顾此失彼。
想做好数据资产的打造，首当其冲是要制定一个清晰的战略。既要从技术的角度上，对源数据进行好有效的分类与确权，更好站在业务价值和企业业绩增长、金融融资的角度上，思考整体发展。
数字资产打造必然是一个涉及全局的战略思考，这就不能是IT乃至业务部门、业务子公司的思考，一定总公司领导亲自带队组建领导、专家班子，以洞见全局的角度做全面数据资产价值打造的总目标和子目标的拆解，并基于里程碑目标明确协同机制等保障措施，确保数据资产最总能够形成金融属性的产品，进行数据交易与金融抵押。
迎接数据资产时代新秩序
