来源：《中国会计报》2月21日8版  作者：刘云波

财政部印发的《关于加强数据资产管理的指导意见》为促进数据资产以更加规范、高效的方式流通使用以及更充分地发挥数据要素乘数效应提供了制度层面的重要支撑。

财政部近期发布的《数据资产全过程管理试点方案》在7个中央部门、6个央企、16个省市开展试点。

国家发展改革委、国家数据局、教育部、财政部、金融监管总局和中国证监会近期联合发布《关于促进数据产业高质量发展的指导意见》，进一步表明在促进数据资产全过程管理以及推动数据产业高质量发展过程中，资产评估机构是第三方服务机构的重要组成部分，资产评估专业服务是挖掘数据资源潜力、实现其内在价值的重要基础性工作。

但由于数据资产所具备的无消耗性、可复制性等特点，同一数据资产既可用于内部管理产生价值，也可用于外部交易产生收益。同一数据资产可用于多种不同的应用场景，采用不同的数据技术分析和处理数据，通过各种算法和模型可以得到更多有价值的数据和有用的信息，数据资产的特性使其价值创造和管理等方面与传统资产存在较大差异。

提出多方面挑战

数据资产与传统资产之间的差异不仅体现在资产基本属性上，还体现在多元主体、应用场景、市场信息、价值创造方式、成本构成与计量、定价和收益主体构成等方面。

为此，在数据资产评估实践中，最大的难题往往是数据资产应用场景不够明确、盈利模式不够清晰。数据资产的应用场景虽然可以借鉴已有经验进行分析和判断，但已有经验并不能反映出数据资产潜在的、有价值的应用场景。

数据资产可以在多个领域、多个场景和多个主体中发挥作用。其价值往往取决于如何被利用。而如何被利用需基于已有的以及不断创新的应用场景。例如，用户用电数据可以用于电力企业的市场分析情景，但如果将其与人口数据结合，就可以用于社会治理等方面产生的新的应用场景。而房产、设备等传统资产的应用场景在实践中已得到充分开发，功能和用途在大多数情况下相对固定、明确和显化，其应用场景也相对清晰和易于判断。

数据资产的非均质性使数据资产难以标准化，这是目前虽然存在许多数据交易所，但普遍缺乏活跃交易市场的原因之一。数据资产市场信息相对匮乏使数据资产交易双方难以准确评估其价值并对交易价格达成一致意见，增加了达成交易的不确定性。而传统资产大多数可以标准化的形式体现，存在较为活跃的交易市场，其市场信息相对丰富，相同或类似资产有明确的交易历史、价格趋势和普遍接受的价值评估方法，这些信息为买卖双方提供可靠的参考依据，使交易更容易达成。

从数据资产价值创造的角度看，数据资产的价值根本上取决于通过数据分析、挖掘和利用后所创造的价值，而且数据资产的价值创造能力与数据技术的运用、模型和应用的开发能力、数据的融合利用密切相关，使数据资产价值创造过程具有高度的动态性和场景依托性。传统资产的价值创造方式在多年社会实践中已得到充分挖掘，因此，价值创造方式相对明确，可以利用丰富的市场信息，对其成本、收益、价值进行相对合理判断。

从成本角度看，数据资产成本构成复杂，包括数据采集成本、数据处理成本、数据存储成本，而且随着数据量增多，存储成本持续攀升。此外，由于数据产品由多种数据融合开发而成，在成本分析过程中需要分析数据血缘关系。计量成本需分析数据不同层次的加工环节，确定并汇总实际调用数据表单的成本，进一步加大数据资产成本计量和分析难度。而传统资产的成本计量相对较为直观，成本结构易于判断。例如，机器设备，成本主要是购买价、运输费、安装调试费等取得和使资产达到可使用状态的直接支出以及其他相关费用等。

创新资产管理模式

数据资产还因其授权使用方式、开发利用方式、利益分配方式的不同，可以是一次性定价，也可以是多次定价，主要取决于数据资产的可共享性、场景挖掘和价值创造的潜力。

传统资产通常是一次性定价，房产、设备等可以根据评估基准日的市场信息和资产状况确定其价值并通过一次性定价完成交易，且其权利、价值和风险也可以实现转移。除定价方式不同外，数据资产与传统资产的产权类型也存在差异。

中共中央、国务院颁布的《关于构建数据基础制度更好发挥数据要素作用的意见》明确要求，在界定数据生产、流通、使用过程中各参与方享有的合法权利时应根据数据来源和数据生成特征进行合理分析和确认，创造性提出要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。在数据生产、流通、使用过程中形成的权利进行界定决定了数据资产的评估对象和范围。数据产权三权分置也使数据资产权益主体复杂化。

在数据生产、流通、使用过程中，包括数据资源持有者、数据加工使用者、数据产品经营者等主体在内的数据资产价值链上的全部权益主体，理论上都对数据资产价值实现形成的收益享有某种程度的分配权。因此，从权利角度界定评估对象时，要从数据资源持有权、数据加工使用权、数据产品经营权等权利中对单一或多项权利关系或三权衍生权利关系进行分析和界定，通过合同、协议等方式明确各方权益和收益分配机制，并在此基础上厘定评估对象的内容和范围。传统资产的产权大部分基于所有权进行判断，相对简单明了，收益主体相对清晰。

与传统资产的管理方式相比，数据资产管理方式展现出显著的进步与革新，不再局限于传统的物理资产管理模式，对数据资产的基本信息、权利信息、使用信息、管理信息等进行有效的登记和管理需要依托先进的数据基础设施和数据资产管理系统。创新的资产管理模式不仅给数据资产评估提出了新的要求，也对如何有效管理数据资产提出挑战。

促进数据高效流通和利用

数据资产管理是指将数据视为企业的一项关键资产进行管理的过程，更加重视从财务视角管理数据资产。通过明确数据的权属、开发数据应用程序、评估数据的价值，实现可靠的数据交易和多样化的数据服务，促进数据的流通和利用。

随着数据资产化工作全面铺开，可以预计数据量级将呈现指数级提升，传统的数据管理模式将不再适应数据资产管理，需要企事业单位转变管理思维，采用更加系统、全面的数据资产管理模式，建设数据资产管理平台，对数据资产进行有效管理，适应数字经济时代发展。

数据资产交易需要有相对统一的价值认定标准，数据资产的价值评估对于确保数据交易的公平性、促进数据资产的合理定价以及支撑数据要素的市场化配置至关重要。

数据资产的共享性和价值场景依托性使传统的监管模式面临巨大挑战。主要体现在数据的产权结构不同于传统资产，其生成源于多方主体贡献，难以形成所有权共识。数据资产的价值易随应用场景、用户数量、使用频率等的变化而变化，增加评估复杂性。需要依托管理平台来确保数据资产的产权认定、价值的准确评估和有效监管。可以看到，数据资产的可共享、可加工、场景依托性对价值评估的频次和时效也提出了新要求。按照传统线下评估模式，评估周期长，评估费用高，且容易因为较长的评估周期而错失最佳的数据资产交易机会。利用数据资产管理平台提供动态、及时的价值分析服务。

由于数据资产的价值依托其应用场景，当前要最迫切解决的问题是没有合理的应用场景能将数据资源的价值体现出来。利用基于AI人工智能技术的数据应用场景挖掘工具可以对不同类型、不同行业的数据资产进行快速和深度的应用场景分析，挖掘数据潜在的应用场景，分析多类型数据潜在的融合创新应用场景等，真正实现数据资源配置效率最优化和效益最大化。

（责任编辑：吴进）