唠唠数据资产化
本文不是一篇正经的学术论文，主要是对于目前数据资产化一些基础问题的思考和讨论，因此在遣词造句和引经据典方面颇为随意。
本文约9500字，有一定的篇幅。在此特别提供小帅小美版本：
1.界定专业名词是研究和应用的基础；出于“名实相符”的原则，我们尝试对数据相关的名词进行阐释。
2.“数据资源→数据产品→数据资产”和“确权→入表→估值”，是基于产业协作方向和价值发掘方向的不同维度的数据资产化路径。
3.资产评估是释放数据资源价值、持续推进数据资产化的核心环节，但不能认为资产评估是数据资源入表的前提条件。只有在直接使用表外资产进行交易且入表主体发生变更的少数情况下，首先为了确定表外资产的交易对价，资产评估才前置于入表程序。
4.数据资产凭证在数据资产化生态中具有枢纽作用，应当成为数据资产化的“元数据”。
5.建议对把数据质量评价整合进资产评估程序和资产评估报告的理论支撑和争议解决机制开展进一步讨论，对数据质量评价结果与数据资产价值的线性/非线性关系开展进一步研究。
6.建议学术界积极研究包含数据要素的生产函数，为数据资产化提供坚实的理论基础。
2022年12月，《中共中央 国务院关于构建数据基础制度更好发挥数据要素作用的意见》（以下简称“数据二十条”）颁布，引起各界关于数据作为一项生产要素的热议。数据，作为一项实际上一直伴随着人类发展历史的客观存在，不管是在宏观层面还是微观层面均被赋予了重要的经济乃至金融属性，其作为生产力的地位在“数据二十条”中得以明确。今年八月，财政部率先发布《企业数据资源相关会计处理暂行规定》（以下简称《暂行规定》），随后中国资产评估协会又发布了《数据资产评估指导意见》（以下简称《指导意见》），再加之近期以来舆论的高度关注，关于数据资产化的理论研究和实践探索在短时间内如火如荼。目前比较形成共识的是，确权、入表和估值，是数据资产化过程中的三大核心环节，财政部的《暂行规定》以及中国资产评估协会的《指导意见》，一下子打通了两个环节，这是令人颇为振奋的举措。
金证资产评估作为一家专业估值机构，其实很早之前就密切关注数据资产，也逐渐形成了自身对于数据资产相关问题的专业理解。彼时更多的是从数据的法律层面、信息技术层面以及欧洲国家的相关实践入手（例如欧盟的GDPR，General Data Protection Regulation, 679/2016），希望能找到过河的石头，或者更重要的是，弄清楚为什么没有石头可以找的原因。当然，对于专业机构而言，大量的基础研究工作本来就应该成为专业探索的起点。
一、 关于数据的一些名词概念
战国时期名家代表公孙龙，善于概念上的逻辑分析，其理念虽然具有很强的形而上学特色，被后世诟病多有诡辩之疑，但其对于名实相符的执着有积极意义，所谓“欲推是辩以正名实而化天下焉”。实际上，在一项标准的推行过程中，“名实相符”是首当其冲的基础步骤，对标准中所涉及的相关名词予以清晰的定义，既是尊重科学的应有之义，也是探究问题的应尽之责。
一般而言，目前比较常用的有数据要素、数据资源、数据产品、数据资产等概念。对于数据要素，我们理解其首先被归集在生产要素的范畴之内，作为其中一项参与形成一个能够共同产生作用的因素集合（Factors）。当我们谈论数据要素时，并不是指数据的具体发展形态，而是在强调数据的基本性、重要度和贡献力，比如对于生产力的作用。因此，数据要素的概念与数据资源、数据产品、数据资产不在同一个层面，这是对于具有使用价值的数据在宏观意义上的总体描述。
当我们把具有使用价值的数据放置于数据形态的发展阶段中观察，那么第一个阶段就是数据资源（Data Resources）。资源，代表了一种禀赋，当然也代表了一种较为“原生”的状态，它的使用价值特别是经济使用价值相对比较明朗，但是尚待进一步的开发利用。具体到数据资源，可能是几千张Excel表，可能是一个MySQL数据库，甚至有可能是图纸或者模型。尽管数据资源在形成过程中免不了主动或被动的含有人为搜集加工的痕迹，但是在数据资产化的路径中，数据资源还是一个起点。这也是为什么在“数据二十条”中，对数据资源强调的是“持有权”而不是别的权利。
对数据资源进行开发利用，使其具备一定的普惠性和通用性，达到作为一项商品的基本条件，即可以在市场上进行交换，那么数据就进化至产品（Data Products）的形态。数据资源和数据产品的关系，就如同水和瓶装水的关系，数据资源的价值和使用价值在产品阶段得到充分体现。数据产品一般应当提供数据服务，为数据产品的访问、维护、更新等提供便利。事实上，在数据资源向数据资产发展的过程中，数据产品可能是一个极为重要的可辨认形态，或称之为“载体”，因为数据产品的权属更加清晰（或者说对于数据产品赋权的难度相对较低），同时也使得预期给企业带来经济利益的场景更加明确。
对于数据资产（Data Assets）的定义，我们认为最重要的一点是从会计学的角度而不是其他角度去理解，这也是执行数据资产评估工作的前提条件。尽管在会计准则中，无形资产和存货的确认各有其特性的一面，但是抽象为“资产”的时候，会计主体合法拥有或控制、预计会带来经济利益、可计量是其共同点，包括《指导意见》中对于数据资产的定义也基本相同。简而言之，数据资产是符合入表要求的数据资源，可以纳入资产负债表是数据资源正式确立资产形态的前提条件。市场上笼统的将对企业有价值的资源称之为“资产”，其实是意指资产能够给企业带来经济利益流入这一条件，但是否能纳入资产负债表并形成会计学意义上的资产，还要回到资产的确认条件。
二、 数据资产化的路径
数据资产化的路径其实可以从两个维度去思考。一个是基于数据发展形态的路径，一个是基于核心环节的路径。这两个维度并非是平行的关系，而是形成了一个矩阵。
从数据资源 → 数据产品 →数据资产的演变路径，目前看来具有比较好的操作性。尽管在《暂行规定》及《指导意见》中并未提到数据产品这个概念，但正如上述分析，数据产品是对数据资源权属/可控制性以及预期经济利益的进一步固化，使得数据资源在向数据资产的过渡中迈出了更加具有确定性的一步。从数据资源到数据产品，我们认为，对底层数据的加工（清洗、分类、标签、脱敏等）以及相应的数据服务（提供访问便利、数据维护、数据更新等）应当是必须要经历的步骤。当然，有两点值得注意，首先是尚不满足产品化条件的数据资源，能否资产化；以及具备产品化条件但是没有交易意愿的数据资源，能否资产化。其次，从数据资源到数据资产，未必是一个纯线性的过程，也有可能是螺旋上升式的迭代过程，A企业的数据资产可能成为B企业的数据资源，从而为B企业创造新的数据产品提供数据原料支持。这里面的核心问题在于数据资源、数据产品和数据资产，尽管是在一个维度上，但可能存在交集。从广义的资源概念来看，资产可以是资源的一部分。因此，在数据资产化过程中，如何利用信息技术去完整跟踪路径并生成相应的记录，不管是对数据前世今生的溯源还是数据成本收益的整理都显得尤为重要。
从数据资源到数据产品，再到数据资产，数据的具体形态不断发展，依靠的是各个产业/行业对于数据要素不同阶段、不同方式、不同程度的积极参与，在一定程度上呈现了数据要素的产业间流动，我们可以把这条路径视为数据要素的产业协作方向。
在当前实践中，如何帮助持有大量数据的企业意识到数据资源的价值并促进数据资源到数据产品的进化，既是数据资产化的重中之重又是专业服务机构的历史使命。对数据资源产品化开展创造性的设计、开发、封装、交互等，将重塑数据终端的应用场景和市场预期，并在很大程度上影响到数据资产化的进度；同时，整个经济社会也需要极大提高对数据资源尤其是对数据治理、数据合规和数据安全的认知。
确权→ 入表→估值，是数据资产化另一个维度的路径。同数据发展形态相似，既然涉及到数据资产化的路径问题，那么首先需要厘清先后顺序的逻辑关系。我们认为，确权，始终是数据资产化无法逾越的第一步。以资产评估为例，本质上是对资产的某项权利/权益价值的测算，这一点在《指导意见》第十二条、第十四条中也有明确的规定。在评估实践中，如果评估报告没有特别强调一项资产的权利，那可以明确是基于所有权这项基本物权。一旦资产出现分权/授权的特性（例如土地使用权、著作权的授权等），那么明确主体对其拥有的权利就成为了评估的前提。我们认为，对于数据资源的确权，根本难点在于对“持有权”的解释，这是数据资产化当前面临的一个很大的挑战。未来对于“持有权”即便没有司法层面的赋权，但学术定义基本清晰之后，紧接着就会遇到另一个问题，即“持有权”与“加工使用权”、“经营权”的关系是什么？“持有权”是否可以如“所有权”一般，天然的对“加工使用权”和“经营权”进行授权？数据资源的持有人是否有权处置数据资源？如果上述这些问题的答案都是肯定的，那么“持有权”和“所有权”的区别在哪里？在推行数据资产化的过程中，对于“持有权”本身的描述可能不会构成最终障碍，但是对于《数据二十条》中所提出的“三权分置”的内涵解释以及三权的关系，是亟待阐明的，并且需要形成广泛共识。
在这个意义上，实际上所谓数据资源的入表，就是数据资源权利的入表。入表，是数据资产化过程中的里程碑环节。从比较狭义的角度来看，数据资产化指的就是数据资源完成入表并被确认为会计学意义上的资产。可以看到，财政部《暂行规定》以及中评协《指导意见》的命名是非常科学的。前者叫做“数据资源的会计处理”，后者叫做“数据资产的评估”，通过入表实现从资源到资产的路径非常明确。这同时也进一步涉及到了资产评估在数据资产化过程中到底何时以及如何发挥作用的问题，我们在下文展开。
从广义的角度来看，整个数据资产化过程并没有因为数据资源的入表戛然而止。入表相当于是对数据资产的“身份认定”，而入表以后的各类经济行为（包括出资、融资、转让、收购、许可、财务目的、司法涉诉等）乃至后续可以预料的数据资本化，才是数据价值闪亮登场并得以充分体现的舞台，这些都需要专业的资产评估机构提供服务。换句话说，资产评估使得数据资产的价值从入表时的历史成本视角切换至了公允价值/市场价值视角（当然，资产评估中的价值类型还需根据具体的评估目的加以确定），数据要素才得以承载社会财富并在市场中体现出流动性。所以，我们可以把确权 → 入表 → 估值这条路径视为数据要素的价值发掘方向。
需要说明的是，实践中确实存在大量表外资产因为不同目的需要通过资产评估来确认价值，有些可能仅仅是了解价值，也不乏转让、出资、融资等经济行为。但是由于数据资源入表并不是简单的成本统计，本身就包含了一系列重要的前置准备，因此本着法律财务合规以及最大程度聚集数据资源的原则，我们希望入表成为数据资产化的必经之路。这一点在下文涉及资产评估的时候也将具体讨论。
上图是一个简单的数据要素产业链方向和价值链方向的联动关系，体现了数据资产化过程中，不同的数据要素产业发展阶段所对应的确权、入表、估值等价值发掘工作，不同颜色代表了工作难度。需要说明的是，这仅仅是一个单次的狭义的数据资产化流程；入表前的估值除了部分特殊情况外，并不构成入表的前提。
三、 关于资产评估在数据资产化过程中的作用
根据《暂行规定》、无形资产会计准则以及存货会计准则，数据资源入表时，无论是纳入无形资产还是存货，均以历史成本计量。而关于历史成本包含哪些内容，在《暂行规定》中也有比较明确的列举，在此不再赘述。
资产评估在数据资产化过程中具有举足轻重的作用，这一点我们认为是毋庸置疑的。如前所述，数据资产价值的合理释放，离不开科学的估值技术。但是，确权 → 入表 → 估值这条路径的先后顺序，总体上应当得到遵循，更不能简单的把资产评估视为入表的前提条件。
这里面比较容易引起误解的是资产评估方法中的成本法，尽管我们认为这一点在行业内是不应该存在理解偏差的。根据《资产评估执业准则—评估方法》第十五条的解释，资产评估中所谓的成本法是指，“按照重建或者重置被评估对象的思路，将重建或者重置成本作为确定评估对象价值的基础，扣除相关贬值，以此确定评估对象价值的评估方法的总称。” 资产评估中的成本法首先是重置成本的思路，包括直接成本、间接成本、资金成本、税费及合理的利润。其次，资产评估中的成本法还要考虑调整因素，比如经济性贬值、功能性贬值，而根据《指导意见》，在对数据资产采用成本法评估时，还要考虑质量调整因素等。由此可见，成本法与会计准则中的历史成本，完全不是一个概念，不能因为都含有“成本”这两个字，就等量齐观甚至取而代之。
进一步说，资产评估中任何一项评估结论均需要对应准确的价值类型。根据《资产评估价值类型指导意见》，资产评估中的价值类型分为市场价值和其他。这个其他中，包含了投资价值、在用价值、残余价值和清算价值。之所以对价值类型如此区分，是因为无论是理论还是实践，市场价值始终是资产评估中最主要的价值类型。除了特定的评估目的外，即便用成本法评估，也是对应市场价值。这显然完全不符合《暂行规定》中对于数据资源按历史成本入表的要求。
因此，资产评估并不是数据资源入表的前提条件。只有在少数情况下，资产评估是前置于入表程序的，例如：
1. 非同一控制下企业合并时，需要尽可能完整的辨认表外资产并通过一定的估值技术测算其价值，从而将并购溢价在可辨认资产及商誉间进行合理分摊（合并对价分摊）。由于2024年起符合条件的数据资源允许入表了，因此未来在非同一控制下企业合并时，或需要通过资产评估，辨认出表外的数据资产及其价值，并纳入收购方的合并报表。
2. 用表外数据资源进行对外转让时，可以利用估值技术首先确定对价。这个对价，尽管对于转让方而言属于市场价值，但是对于受让方而言是购入成本，符合数据资源入表的要求。
3. 用表外数据资源出资入股时，出资方首先需要评估标的资产的市场价值以确定股东权益；在符合《公司法》规定并获得市场监督管理部门审批同意的情况下，能以非货币出资纳入新设公司的资产负债表。
以上可以看出，先评估后入表基本都包含两个条件：第一是基于直接使用表外资产交易的目的；第二是入表主体发生变更（即数据资源可以纳入交易对方的资产负债表）。目前市场上有些观点认为数据资产评估是数据资源入表的前提条件，我们认为存在一定的以偏概全甚至概念混淆的情况。事实上，入表和评估在当前实践中往往是并行的关系，一方面以直接入表为目的的评估占比很小，即便是上述例子中的交易和出资，开展评估也是为了首先确定交易对价，并不以入表为目的；另一方面，在监管部门和经济主体认可的情况下，确实存在较多的资产，例如专利商标等，均以表外形式进行转让、出资甚至融资，并不以入表为前提。当然，对于数据资产化，我们还是强烈建议企业按照确权、入表和估值的路径来推进，将数据资源入表作为确认其资产属性的重要工作，否则既存在一定的法律和财务风险，也将导致大量数据资源依然游离于交易平台和企业财务报表之外，不符合财政部《暂行规定》的要求。
尽管如此，资产评估在数据资产化过程中的作用还是比较广泛的。哪怕是在数据资源入表前，企业也可以借助于专业的资产评估程序来梳理和归集数据资源的形成路径和历史成本。企业还可以借助于资产评估技术，摸排了解表外数据资源的市场价值，作为企业经济统计和内部决策的参考；除此以外，企业也可以通过资产评估机构开展预测分析，了解表外数据资源预期带来经济利益流入的概率，协助企业判断数据资源入表的可行性。
我们认为，资产评估在数据资产化过程中真正发挥作用的部分，是数据资产的流通环节以及数据资源入表后的后续计量。正如前文已经提及的，在数据资产的出资、转让、收购、质押、授权许可、财务报告目的、税务目的、司法涉诉/司法执行财产处置、资产证券化、清算等经济行为中，均涉及到资产评估服务。不同的评估目的下，涉及数据资产评估的评估方法及估值模型也有一定的侧重，例如对数据资源无形资产开展减值测试，就应当优先选择收益法或者市场法。关于数据资产评估目的与评估方法的选择问题，我们在后续的文章中另外讨论。
四、 关于数据资产凭证在数据资产化中的作用
数据要素与传统生产要素呈现明显不同的特点。尽管在《指导意见》中没有明确提出，但实际上数据资源持有的非排他性（根源于同源化同质化采集和无成本复制能力）以及几乎无限的规律可推导潜力，既是数据资源的独特优势，也是我们面对数据资源依然有些手足无措的根本原因。算力、算法以及通讯技术的爆炸式发展，使得数据变成了炙手可热的生产力。
未知即是风险，而数据的价值恰恰根植于规律或者概率所产生的可预见性，消除了信息不对称所带来的困扰。但同时，我们也应当清晰的意识到，信息不对称是文明本身的构成之一，我们不是全身透明的三体人，在数据资产化过程中如何应对随之而来的各类侵权问题，将是一个很大的挑战。
基于数据资源与众不同的特点，数据资产化必然是一个有赖于多领域分工协作的过程，这个过程要有监管、要有平台、要有供需市场、要有准入标准和流通机制、要有不同机构的专业服务，共同形成一个商业生态，去提高数据资源的流动性，同时减轻其部分特点对数据资产化的负面影响。
在这样的一个生态中，数据交易所提供的数据资产凭证能够起到连接枢纽的作用。根据我们理解，数据资产凭证是关于数据资源的系列动态信息的集合，基于区块链技术对数据资产化过程中的重要节点进行登记、更新和增加。这些信息可能包括区块ID、数据资源的元数据、权属、合规证明、质量评价、所属行业、应用场景等内容，并且随着数据资源的流通逐渐增加交易信息，甚至在符合法律规定和技术条件满足的情况下，进一步涵盖加工使用和经营动向，使得数据资源的流通成为可溯链条。
对于数据交易所而言，数据资产凭证是促进数据要素市场交易与流通的重要抓手和信息载体，好比溪流，资源流动以此为始，以此为导，以此回旋汇聚，以此流向江河湖海。因此，如何设计数据资产凭证，使其尽可能涵盖更多的有效信息同时又兼具一定的包容性；如何提高数据资产凭证的权威性，使其能够成为数据资产化的权属证明和可靠依据；如何将数据资产凭证与信息技术紧密关联，使其能够不断动态记录资产特征和属性，是颇有意义和挑战的工作。基于此，我们认为数据资产凭证，应当成为数据资产化的“元数据”。
回到数据资源持有的非排他性，那么将数据产品作为资产登记的初始状态，能够较好的解决这个问题。原始数据或者稍经加工的数据，很难声明权属来源和内容唯一，不同的数据集就可能包括大量相同的内容（例如导航数据）。但是数据产品，由于经过了比较深度的加工并遵循差异化竞争的原理，从形式到实质，较之原始的数据资源都出现了质的改变，其权利和内容的归属就相对清晰得多。还是以水为例，我们很难界定两杯水资源的异同（或者说界定的成本很高），但是很容易区分两个不同品牌的矿泉水。产品的差异化特征，使得主体对权属和内容的判断有了锚定。
之所以强调数据资源持有的非排他性，是因为从保障交易秩序、维护交易权益的角度，这种特点其实是“反交易的”。无论是数据资源的入表还是数据资产的评估，我们有必要基于数据资产凭证构建一种类似于商标注册、专利登记乃至于不动产权登记的机制，对数据产品的权利予以保护，甚至不妨将数据产品权利纳入到知识产权的范畴中。
在会计师、评估师等开展数据资产化相关的专业服务时，由于数据资产凭证所包含的重要信息能够为一些法律和技术层面的前置程序（例如确权、合规、质量评价等）提供佐证，这样不仅能够节约专业资源、厘清权责，也为专业程序和专业分析提供了高信用度的底稿依据。我们在此呼吁将数据资产凭证作为入表和评估的必备要件。
数据资产凭证与数据资产价值测算也息息相关。实际上，评估机构对无形资产进行估值，成本法一般都比较劣后，特别是从公允价值计量的角度，市场法才是最优选择。根据公允价值计量准则，活跃市场未经调整的报价是第一层次的输入值。如果数据资产交易凭证能够通过技术手段记载可靠的交易信息，基于科学的分类方式和特征标签积累数据资源的交易价格，那无疑将对数据资产化起到极大的推动作用。
五、 关于数据资产化的其他思考
在人类开发利用资源并实现资产化、资本化的历史上，从来没有一种资源需要像现在数据资源一样，从这么多维度去观察其特性和价值标签；而数据资源/数据产品的上下游结构，也呈现出更加出乎意料、不可预计的特点。数据资源/数据产品的流动，将来一定会更大程度突破产业界限，在全域范围实现供需对接。我们永远无法穷尽想象去细数数据的需求到底来自于哪里，这大概就是数据的迷人之处。
（一） 关于数据质量评价与数据资产评估
由于数据资源/数据产品往往容量巨大且具有一定的封装性，导致其质量水平并非显而易见，再加之数据质量与数据价值确实存在因果关联，一方面使得数据质量评价的必要性不言而喻，另一方面也对开展数据质量评价的技术能力和评价结论的准确客观提出了很高的要求。
我们理解，质量评价本质上是对标的资产瑕疵的量化分析。其实从股权到单项资产，资产瑕疵无处不在，不仅和资产价值存在联系，更决定了交易可行性。因此在众多经济行为特别是涉及到资产交换的经济行为中，市场主体往往通过前置的尽职调查手段发现和解决资产瑕疵。资产质量对于经济活动和经济主体，首先是关于可容忍度的阈值问题，其次才是程度和价值的关联。
根据《指导意见》第十七条：“资产评估专业人员应当关注数据资产质量，并采取恰当方式执行数据质量评价程序或者获得数据质量的评价结果，必要时可以利用第三方专业机构出具的数据质量评价专业报告或者其他形式的数据质量评价专业意见等。数据质量评价采用的方法包括但不限于：层次分析法、模糊综合评价法和德尔菲法等。”
我们坚持数据质量评价对数据资产价值具有影响，这是一个客观事实。但同时也有一些疑问，希望未来能够和广大的评估专家一起，在实务层面得到一些启示：
1. 如果将数据质量评价整合为数据资产评估的一部分并纳入测算参数，那么其他资产的评估是否也需要如此操作？或者说为什么其他很多资产的评估不需要整合相关质量评价程序？这背后的理论支撑到底是什么？
2. 评估师利用第三方数据质量评价结果，既涉及到参数依据也涉及到信息披露，评估师对此应当承担什么样的责任，是否要对第三方数据质量评价结果的科学性、合理性负责？评估师自行开展数据质量评价，若与第三方专业质量评价机构的结论出现巨大偏差（因为层次分析法、模糊综合评价法和德尔菲法等都有较大的主观判断成分），如何解决争议？
我们也将本着严谨的专业素养，与广大评估行业内专家一道，对数据质量评价结果与数据资产价值的关系（即数据质量评价结果作为参数，对数据资产价值的影响到底是线性的还是非线性的？）开展理论研究和实证分析，积极为《指导意见》献策献力。
（二） 关于数据要素生产函数的一点思考
学过微观经济学，对下面这个函数应该是不陌生的：
这是大约一百年前就提出的柯布道格拉斯生产函数。目前，数据要素成为重要生产力的判断已经得到广泛的认可，各项基于数据资产化的研究和实践百花齐放，但是作为最具基础性质的经济学原理却鲜有人提及。数据要素对社会生产到底具有何等规模的贡献，与其他生产要素的关系如何，是否存在最优化的生产要素配置等等，这些问题都具有广阔的研究空间。
我们长期以来善于开展应用实践，善于在比较懵懂的时候就推广商机，善于把专业做成流水线，却往往忽视了理论话语权。我们呼吁国内的专家学者对包含数据要素的生产函数开展研究，对数据要素的边际贡献、边际替代、产出弹性等特性进行实证分析，在原理层面奠定数据要素在数理经济学和计量经济学中的地位，为数据资产化提供坚实的理论基础。
