文章来源：华云数创科技
后端|零5
什么是数据资产？
01、中国企业数字化转型升级的底层逻辑
数字化转型给了企业历史性的发展机遇，甚至有很大概率实现变道超车。面向未来，企业要将数字化作为核心战略，推动经济新增长点。
从现状和客观而言，企业在数字化转型升级中面临着很多的先天不足和天然障碍。目前，成功案例并不多，炒概念要钱做的很好，亮业绩却难以启齿。
面对数字化转型升级，企业要确立正确的价值观，重新回归到底层逻辑。其最重要的就是三点：（如下表示）
其中，数据资产化是一个比较新的概念。可以说，企业数字化转型升级，如果不以数据资产化为目标，就不能算是一个成功范例。
02 认识数据资产化
数据资产化已经越来越得到政府和企业的重视。以加快培育发展数据要素市场为最终目标，产学研各界纷纷开展数据资产化研究与实践。
政策方面，“数据二十条”明确提出“培育数据要素流通和交易服务生态。培育一批数据商和第三方专业服务机构，为数据交易双方提供数据资产的合规化、标准化、增值化服务，探索数据资产入表新模式”。
数据入表方面，《企业数据资源相关会计处理暂行规定（征求意见稿）》，提出根据数据资源的持有目的、形成方式等，对数据资源相关交易和事项进行会计确认、计量和报告，为数据资产入表提供了一种思路。
数据交易方面，以北京、上海、贵阳、深圳等为代表的数据交易所纷纷搭建了交易平台，构建交易生态圈，推动交易市场健康有序发展。
万事俱备，也不欠东风。国内外已有案例表明，企业数据资产已经开始对企业形成了巨大的助力和经济效益。例如：
特斯拉的市值超过通用证明了数据资产的价值，特斯拉到2016年底已收集了超过20亿公里的数据，手握这些数据，特斯拉能够清楚地知道顾客的行车轨迹和车辆使用情况，更重要的是，这有助于其实现全自动驾驶的目标，而相比之下，通用还有很长一段路要走。
亚马逊能够连续20年不盈利，但市值超过营收是其5倍的沃尔玛，也是因为亚马逊拥有的数据。亚马逊的云服务，对外能够大幅降低企业前期基础设施成本，对内能够获取丰富的交易数据和用户偏好数据。
光大银行完成对贵阳移动金融发展有限公司授信1000万元，是数据估值实践的一大突破。
信通院的部署：一是联合大数据局、通信、金融等机构，发布数据估值标准；二是联合数据交易所开展数据产品的数据质量评估；三是制定了数据资产运营能力成熟度的标准。
中国的企业千差万别，处于不同的发展阶段，数字化更是处在不同环节。通常而言，数字化可以分为四个层次：第一阶段是数据呈现，其次是数据流转，再次是智能决策，最高层是数据资产。
国内多数企业目前还处于第一阶段，即数据呈现阶段。数据目前的流动性很差，可流通性问题也一直没被关注，还没有利用算力算法，打通消费者、生产者、供应商、设备提供商等等之间的关系，离利用数据做智能决策阶段还差了很远，所以，大多企业的数字化转型基本还谈不上有效率。不夸张地说，几乎所有的企业只是完成了一个数字化呈现中心。并且，数据本身还不够完善，数据采集的覆盖面不够、数据的质量不高、数据的存储分散且混乱、数据的安全防护措施很弱甚至直接就没有等等，这些问题广泛存在。
从数字呈现到数据流转到支持决策，再到数据资产的过程就是企业数字化转型的长期过程，是一个数字大厦建设的过程。
03 数据资产与传统资产有何不同
数据资产与传统资产在评估中涉及的资产类型存在极大不同。
区别于传统资产，数据资产具有以下7个特征：
1、数据资产是无限共享的资产：数据资产的每次共享都增加其经济价值，但数据资产的贡献不等同于囤积或简单复制；
2、越用越值钱：数据资产与传统资产不同，使用次数增多会提升价值；
3、时效性：时间是数据资产价值的重要因素，有不同阶段的有效期限需考虑；
4、精准度衡量：数据精准度提高在一定范围内会增加价值，高于或低于范围则价值几乎不增；
5、事半功倍：与其他信息联合使用时，数据带来事半功倍的效果，但需解决标签、格式等差异，还要解决数据流转安全问题；
6、过犹不及：数据过多并非有益。过量数据会增加噪点，反而会降低数据准确度并增加成本；
7、无损高效：与可消耗资源不同，数据使用不但不损耗反而产生更多数据、商业模型、提高数量和质量、辅助决策分析。
企业数据资产的价值体现在两个方面：
一方面是宏观与社会价值，包括：
经济增长：提供丰富的数据资源，支持企业创新、发展、增长、升级
客户服务：为客户服务提供更精准、高效的支持，提升社会服务水平
创新研究：数据开放共享，为科研提供丰富的数据，推动创新进展
形成企业共通的数据语言
- 打破内部数据信息壁垒
形成企业的战略资产
- 零散数据 to 数据资产 to 战略资产
- 强化数据资源的价值挖掘能力
内部业务数据资产化
- 财政部：《企业数据资源相关会计处理暂行规定（征求意见稿）》
如图所示，未进行数据资产化建设时，数据呈离散状态，数据采集、生产和消费不统一，数据孤岛或零利益的情况。
数据资产化后，整合不同来源的数据，统一IT和OT的数据，并让产线设备、用电用能设备说“统一语言”，构造统一的数据底座和统一的数据安全底座，针对数据边界而不是企业边界做好数据流转安全防护和溯源，进而统一数据关系和消费出口。
04 企业数据资产建设之路
“数据二十条”建立了“数据资源持有权＋数据使用权交换和市场化流通”的数据基础制度，这是契合数据特征，符合数字经济规律的制度安排。越来越多的企业开始考虑和部署数据入表的事宜，将数据资产视为转型升级的重要战略资产，并对其进行系统性、体系化的管理，以便充分挖掘数据的战略、战术价值。
鉴于此，数据资产管理成为一项基础性工作。如何构建数据资产管理体系，如何管理与使用数据资产，也成为大家关心的话题。
数据资产管理框架可分为四横五纵（如下图）
“四横五纵”数据资产管理框架 @华云数创科技
四横为IIOT物联网数据采集、数据资产治理、数据资产管理和数据资产访问共享；
五纵数据资源目录、数据资产应用、数据资产运营和数据安全。其中底层的IIOT物联网数据采集是指在智能制造行业内的数据采集，关注在“人、机、料、法、环、测”等方面的数据资产，无这类数据的企业可以不考虑这一层。
值得注意的是，数据的安全级别并不是一成不变的，在数据访问、流转、存储、使用的过程中，会因研发需求、业务需求、数据处理、数据生命周期、访问者、使用者、设备和系统运维、项目阶段、外包性质等等的不同而不同。因而，包括灵活方便的统一权限管理、零信任、动态数据脱敏、安全沙箱、行为分析和管理等等都能在统一的数据安全运营中心完成。例如：进行了数据汇聚，数据泄露所造成的危害必然会增大，此时数据安全等级应该上升；而数据进行脱敏后再使用、传输和存储，其安全等级则相应下降。
05 总结
数据作为最重要的资产，这事已经来临了。对于企业数据资产的管理和利用，通过建立一个有效的数据资产管理体系，可以提高数据管理效率、增强数据应用和数据资产收益，进一步推动企业业务的转型。
点击关注我们，以免失联。关于数据资产入表、数据资产应用、帮助业务转型、改善企业经营管理和营销效率、数据采集（IIOT和其他元数据采集）、数据资产运营安全等等我们将在未来的文章中渐次展开讨论。
有任何问题和业务需求，请留言。
