摘要：数据是数字经济时代全新的关键生产要素，也是企业的一项重要资产。数据资产驱动数字经济发展源于乘数效应、竞争效应和转型效应三大发展机制，为数字经济提供了新的生产要素、新的发展动能、新的交易生态以及新的实现形式。实践中数据确权、数据入表、数据治理等尚不成熟，数据标准参差不齐，数据资产管理未达预期，应用空间亟待拓展。本文提出未来亟需逐步构建“政策——应用——管理”三位一体的实践路径，畅通数据要素流通交易，实现数据资产驱动数字经济发展的可持续性。

关键词：数据资产；数字经济；发展机制；实践路径

数据是数字经济时代国家基础性战略性资源和全新的关键性生产要素，也是推动经济社会高质量发展的重要引擎。截至2022年，我国数字经济规模已达50.2万亿元，占GDP比重达41.5%（中国信息通信研究院，2023），2022年数据产量达8.1ZB，同比增长22.7%，占全球数据总产量的10.5%（国家互联网信息办公室，2022），我国数据经济规模和数据总量位居全球第二位。如何将数据基础资源优势转化为经济发展新动力，探索数据资产助力数字经济的有效途径，通过高质量数据治理和数据挖掘能力的提升激活数据要素潜能、释放数据要素价值，成为当前亟待解决的重要现实问题。

数据资产是赋能数字经济发展的“钻石矿”，有效挖掘数据资产潜能，必须激发数据对经济社会价值创造的乘数效应、竞争效应和转型效应，畅通数据要素流通交易，推动做强做优做大我国数字经济和经济社会高质量发展。

（一）数据资产的乘数效应

数据要素相较于传统生产要素具有非实体性、非竞争性、低成本复制的特点，突破了传统生产要素在稀缺和排他方面的固有限定（谭洪波和耿志超，2023）,打破了数据流动的时间和空间限制，实现“看不见”的流通，在流通过程中创造价值。数字经济背景下，数据资产作为一项新的生产要素加入生产函数（于立和王建林，2020），丰富了经济增长的源泉，拓宽原有生产力和生产关系外延，其对提高生产效率的乘数作用逐渐显现。一方面，数据要素催生了新型生产关系。由于天然的非竞争性和边际成本几乎为零，数据可以被多个主体同时使用，逐渐产生数字化生产、网络化分布、智能化管理等新型数字生产关系，表现出促进多元主体协作的网状共享性（Gregory，2022）。由于超越了传统生产要素同一时间单一使用场景的使用限制，数据可以在同一时间被不同主体调用参与多种经济活动，有利于打破信息壁垒和激发生产主体活力，构建灵活开放的共享生态；另一方面，数据资产不仅具有传统生产要素单向赋能作用，还能与其他生产要素融合形成新的生产力，具有提升其他要素效率的依附倍增性（任保平和李婧瑜，2023）。数据要素更加深度地介入生产过程，从根本上改变了生产函数中的要素构成和相互关系。数据资产的加入能实现要素间资源的优势互补，提高生产、分配、流通、消费过程中各资源协同效率，达到最优配置比例，提高全要素生产率，从而实现生产力的升级（徐翔和赵墨非，2020）。因此，数据作为新的生产要素突破了传统生产要素的诸多局限性，通过生产力和生产关系的重构，有助于实现生产率跃升、产业链优化和竞争力重塑，从而实现推动经济发展的乘数效应。

（二）数据资产的竞争效应

数据要素作为新兴的要素形态，具有鲜明技术驱动特征（李海舰和赵丽，2021）。数据资产随着数字技术的发展而不断积累和转化，需要凭借一定的挖掘技术手段和数字处理能力释放其承载的价值信息。海量数据资源和精湛的数字技术相互配合为数据画像提供锁定优势，进而带来加速技术创新的竞争效应（陈晓红等，2023）。相比于传统经济，通过数据挖掘、分析、建模所形成的数据资产，可以洞察更深层次的关系和规律，使得个体差异、习惯偏好、文化价值等软信息变得可计量、可处理和可预测，促进管理层高精准决策和驱动全社会高质量创新。同时，数据动态反馈机制也有助于数据价值的释放，促进科技创新和知识创意的蓬勃发展（王谦和付晓东，2021）。数据规模越大、种类越丰富，越容易捕捉消费端的偏好变化，进而提高供需匹配效率，增加市场份额。规模递增效应带来的数据价值红利又反过来促使企业加强技术创新和数据分析能力，进一步推动数据资产积累，形成正反馈效应和滚雪球式的自我增长。此外，数字资产的解剖从需求侧引致细分领域创新，这种“数据驱动型决策”模式提高了市场规模细分程度，不断推动企业从“规模生产”走向“规模定制”，为个性化定制、体验式、网络化等新的灵活制造模式带来长尾经济（徐彬和杜万里，2022）。数据资产不仅具有需求预测、业务管理、行为画像等赋能作用，而且还能够创造需求、重构业务和知识创新。

（三）数据资产的转型效应

作为数字经济的基础，数据资产在推动数字产业化和产业数字化中发挥了重要作用，通过催生新产业和新模式“无中生有”和改造传统产业“有中生新”打造优质服务和实现经济增长。以数据资产为表征的数字新业态、新模式逐渐与实体经济相融合为其带来生产效率优化、产品质量提升以及运营成本降低等助益，为企业转型升级开辟新路径。数字产业化上，数据资产是人工智能、大数据等新型数字产业成长的重要“燃料”，通过深入挖掘海量数据资源，数字产业积极探索数字技术迭代升级，重塑创新动能、创新应用场景以提高自身的竞争优势，并在此过程中更大程度上推动了社会生产力的发展。产业数字化上，依靠区块链、大数据、云计算等数字技术的发展与应用，传统工业农业服务业不断推进数字化转型（夏杰长和张雅俊，2023）。数字化渗透帮助传统行业实现全业态数据采集分析和全方位、全链条、全周期的数字化、网络化、智能化改造，不断创新催生新产业、新业态和新模式。在数据资产对企业经营业务向数字化方向引导的过程中，企业也不可避免地将传统低效能产业进行改造、升级，将过时的生产设备和生产线更换成智能化、数字化，淘汰过剩产能，促进产业更新换代。

我国数据资源富集，具有超大规模市场、海量数据资源和丰富应用场景优势，也是世界上率先提出将数据作为一种生产要素的国家。生产要素的演变和发展从根本上改变了经济发展的结构和社会治理的方式，在数据要素的赋能下，数字经济具备了新的生产要素、新的发展动能、新的交易生态以及新的实现模式。但我国数据要素市场化仍处于初级发展阶段，市场主体尚不活跃且市场生态尚未形成，其应用模式、管理模式、组织运作机制以及隐私与安全保障等方面尚需探索、挖掘与完善。数据确权、数据入表、数据治理等问题长期掣肘着数字经济的发展，总体上存在着“供求旺盛、流通不足、价值远未实现”等现实困境。

（一）数据确权：数据产权归属 模糊

数据权属问题是数据要素市场化运行的先决条件，数据要素市场化需要与之相配套的产权制度。合理明晰的产权制度能保护个人、企业、政府、国家等多个数据主体的合法权益。与传统实体物相比，数据存在可复制、易共享的特征，使得以排他性所有权为内核的物权难以使用在数据身上。数据产权不明晰会使得数据在共享、流通、交易和使用过程中缺乏可解释性，导致数据在利用过程中存在多元主体间的分配不清与“一数多权”困境。数据产权不明确，个人、企业和国家之间对数据的权利内容和分配准则不明确，已经成为制约数据价值实现的关键因素。

数据的权利体系是一种双层权利体系，底层是原始数据权利，顶层是数据持有人或者控制人的数据财产权（申卫星，2023）。《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》设计了数据资源持有权、数据加工使用权、数据产品经营权三权分置，但在不同参与方之间如何分配数据资源权利仍难以界定。数据要发挥其新型生产要素的价值，就需要经过分析、加工等二次处理过程，加上数据本身具有的非排他性和可复制性特征，使其不可避免地涉及多个生产主体（王利明，2023）。此时原始数据拥有者和不同阶段数据加工者之间权属问题难以解决，数据市场的参与者对于自身是否拥有数据权利以及是否可以进行交易存有怀疑，这就造成对数据的管理和开发上丧失热情以及数据处理和应用上畏首畏尾（肖红军和商慧辰，2022），此举阻碍了数据资产的流动，数据资产价值也难以得到释放，数据市场步入一个缺乏信任和预期的死循环之中。

数据权利还涉及个人信息保护问题，个人数据、企业数据、公共数据实际上处于相互糅杂状态，目前市场上主导的“谁收集，谁所有”状态，容易在权属不明情况下引发数据滥用和隐私泄露问题。由于数据资产的“增、删、改、查”操作不受空间限制，存储、传输和应用也没有实际的信息损耗，再加上数据天然具有共享性质，导致数据资产权属关系边界模糊，数据隐私泄露、数据违规收集、出售和利用个人数据获利等现象时有发生。另外，企业对数据的整理分析在一定程度上是对原始数据的“再现”，难以证明企业对哪些数据享有权益，也难以证明其是否有侵权行为。在收集方式上，企业一般通过用户授权的方式收集个人信息，但实践中存在用户毫不知情的情况下企业将涉及个人信息的数据在企业间任意共享的乱象，或通过强制授权方式从“知情——同意”演变成“不授权不提供服务”，超范围、超目的地收集信息、过度索权，陷入网络服务和个人隐私的“浮士德协议”（刘悦欣和夏杰长，2022）。

（二）数据入表：数据资产计量与入表还存在挑战性

长期以来，数据资产入表是产学研各界的关注焦点，在实践中如何确认数据资产，使其“权责匹配”地进入宏观经济运行与微观主体运作中，已经变得刻不容缓。2023年8月，财政部发布《企业数据资源相关会计处理暂行规定》（财会[2023]11号，以下简称《暂行规定》）为企业数据资产入表指明了方向，为数据资产化的核算与披露提供了前沿性的引导。但由于数据的复杂性和多样性，尤其是内部开发形成的数据资产确认和计量难题（程小可，2023），导致其入表操作比传统资产更具挑战性，实践中还存在着许多堵点。

一是数据资产成本难以计量。相比于外购的数据资产，企业内生数据资产更为丰富，并与企业日常经营活动密切相关，囿于存储技术以及计量方法上的缺失，难以区分数据资源的相关支出归属于研究开发活动抑或是生产经营活动，这导致数据资产难以反映在资产负债表中（马克卫等，2023）。此外传统企业普遍缺乏明确的数据资源经济利益的实现方式，数据开发利用水平不足，数据的作用与价值被严重忽视和弱化。而数据资产规模随着业务的开展爆炸式增长，杂乱的数据资源不仅使资产价值难以释放，还会增加存储等额外成本，这些内生数据资源难以转化为可以利用的资产。例如，我国建筑行业数据资源极为丰富，但存储下来的数据占比很小且又多以散乱的文件形式存在，真正可以利用的数据实际不到0.4%（丁云烈，2020）。

二是数据资产的税会差异应对难。《暂行规定》对于数据资产的摊销分为可确定和不可确定两种，使用年限确定的在使用年限范围内摊销，不确定的不进行摊销。数据资产的特殊在于其更强调时效性，具有加速升值或迅速贬值的可能性，很难确定较为合理的无形资产摊销年限依据。目前税法上规定无形资产的摊销年限不得低于10年，由此产生的税会差异会使得企业前期需要调增应纳税所得额，支付较高的当期所得税费用。此外，自行开发的数据资产资本化和费用化区分难度较大（岳倩蓉，2023），《暂行规定》将开发阶段的相关支出资本化计入成本，但数据资源到数据资产的脱敏、清洗、分析等过程作为研发的哪个阶段尚不明晰，如按照传统计量方式费用化计入研发费用，可于企业所得税前加计扣除；若按照资本化处理，会导致当期所得税费用上升，由此给企业带来税收压力和资产负债表虚化。

（三）数据治理：数据资产管理仍处在探索阶段

随着数字经济发展加快，数据资产规模也呈现爆炸级增长。然而海量数据资产缺乏有效的数据资产管理模式，数据资产精准管理和价值实现仍有待深入挖掘（史青春等，2023）。如何科学有效管理数据资产以实现其价值提升，成为当下亟需思考的问题。

一是数据资产应用场景不够丰富。虽然数据资产的形态是抽象的，但其价值是具体的，数据价值的释放需要依赖于具体应用场景的实现。在数据应用过程中，往往是场景决定了数据的使用价值和交易价值，当应用场景改变，数据资产的价值会产生较大波动（朱小能和李雄一，2023）。目前数据资产应用场景主要集中在金融行业等少数领域，多数企业的数据应用刚刚起步，应用深度不够、应用空间亟待开拓。同时在既有的应用场景下，受限于理论研究的相对落后，不少定价模式、交易行为还处于“一事一议”的状态，部分数据交易所交易活跃度较低，整体上数据资产应用赋能增值不充分（王建冬，2023）。

二是数据要素市场规则仍需完善。由于数据要素市场尚未建立完善的质量检验标准和制度，目前多数企业面临数据质量不达预期、质量提升缓慢的困境，数据资产高质量供给稍显不足。交易市场上数据产品和服务良莠不齐的现实对于交易对象所期望的高质量数据资产之间还存在较大差距。此外，缺乏统一的数据视图和数据管理平台，数据分散化地沉淀在各个部门。低容量、碎片化、无意义数据较多，搜集整合上存在错配，数据的真实性、准确性、连续性等难以保证，缺乏对数据全口径和全生命周期性的管理。各地的大数据交易平台交易标准、交易规则存在较大差异，数据孤岛问题普遍存在。加上数据兼容性较差、数据权限开放不足等问题在一定程度上影响了数据要素的跨区域交易和流动，数据要素作用“有而不显”。

针对实践中数据确权、数据入表、数据治理等现实难题，未来亟需从政策布局层面、应用场景层面和数据管理层面协同发力，逐步构建“政策——应用——管理”三位一体的实践路径，以更好地畅通数据要素流通交易，实现数据驱动数字经济发展的可持续性，增强经济发展新动能。

（一）谋划顶层设计，加大数据要素政策布局

1.完善数据所有权、经营权、使用权等数据产权相关法律制度，下好数据三权分置“先手棋”。数据资产权属离不开数据物权与数据隐藏的财产权的矛盾以及原生数据和衍生数据的权利分配问题。因此针对不同类型数据需要搭建精细化的产权界定体系，明确数据的权利归属和使用范围，如个人产生的数据的所有权应属于个人，使用和流通应受到合理的限制和监管。其次是创新数据使用流通模式，实现原始数据与数据应用“解耦”, 破解安全与流通对立难题, 支撑数据价值的释放。

2.健全数据资产登记和数据确权管理制度，确保数据资产权属“正本清源”。加大数据资产登记和管理是解决数据资产杂乱无序的有效途径，按照数据资产的权益属性、资产属性和流通属性，分类登记数据资产凭证，建立数据资产目录和数字身份图谱以记录数据合法来源。同时参考数字经济核算产业分类国家标准，积极探索多维度的数据分类确权机制，针对不同级别、不同类别数据，探索适合的交易规则。如个人数据采用受托机制，在保护隐私的同时通过脱敏、加密等技术手段促进一般数据流通使用；企业数据需要聚焦商业秘密和知识产权保护，鼓励企业供给数据；公共数据则需要强调公开和共享，加快政务数据对外开放，通过授权使用提供获取公共数据服务。

3.创新数据安全监管手段，加强以人为中心的隐私和安全设计。我国数据发展应始终坚持安全与发展并重，在网络安全法、数据安全法、个人信息保护法三大“基本法”框架下，明确数据安全法律责任，完善监督体系。运用密码学、区块链、隐私计算等技术手段实现数据的安全共享，并持续开展数据加密、隐私计算、数据脱敏等技术创新，积极确保数据的安全传输和存储，防止数据被恶意篡改或盗用。

（二）完善数据应用，夯实数据资产建设基础

1.加速数字技术迭代升级，有序推动数字技术涉入企业价值链与创新链。加强数字技术在数据生产经营管理全流程有序嵌入，发挥数据资产驱动技术的创新潜能（如运用云盘存储、联邦学习等手段解决数据存储和共享难题，利用人工智能、大数据等技术提高监管和执法效率等）。运用数字技术实现成本归集透明化，对数据采集、加工、应用等环节的成本进行细致拆分，完善数据资源成本归集分摊机制,做好合同、票据管理工作，确保成本拆分有据可依。

2.丰富应用场景，探索建设高效数据应用体系。当前我国行业间数据资源管理能力差异分布显著，金融行业、互联网行业数字应用场景广泛，传统制造业处于初级阶段，因此亟需鼓励互联网平台、金融机构、数字科技等数字化程度高、信息化基础好、数据规模大的行业率先开启场景创新，“以点带面”形成规范合理、科学高效的数据资产应用标杆行业，进而带动各行业数据开发利用，提升数据资源价值释放水平。同时鼓励各地积极探索建设差异化的数据交易所平台，营造先行先试、包容创新的环境氛围，针对不同数据需求积极大胆创新应用场景，建设多层次的数据要素流通交易平台。

3.加强数字专业人才培养，提升数据要素的运转效率。在数字经济时代，政府与企业对数据资源管理、评估和审计等专业人才的需求日益增加。有序培育数据流通服务商、数据经纪商、数据资产评估等第三方专业服务机构，进一步发挥专家智库的理论研究优势，支持开展政产学研合作。重视培养细分领域的数字化专业人才，针对不同场景完善精细化的人才塑造（如人工智能研发人才、大数据审计人才等），为数字经济发展提供人才保障。 

（三）强化数据保障，建立数据资产管理体系

1.强化数据生命周期管理，实现“资产可控”。数据生命周期涵盖数据的获取、迁移、保留、过期和处置全过程，通过对各环节的全面管理，企业能够最大限度地提升数据的应用价值，并为数据合规、安全、可控提供更为系统性的解决方案。因此需要完善数据资产的标准制定，对数据各生命周期设立标准，规范数据资产的登记、存储、使用、披露、处置等环节，有序推进数据资产化。同时建立数据的溯源追踪和价值分配体系，了解和掌握数据的流转路径，及时、准确地记录数据使用行为，做到可查、可核、可控、可溯，保障数据安全。

2.严格数据资产质量管理，确保“资产可用”。优化数据质量、提高数据利用价值一直是企业管理者和数据管理人员关注的焦点，强化数据资产质量管理能提升数据分析的准确性和有效性。一是加强数据归集和治理能力，建立数据评估和定价机制，根据数据的价值进行公正、透明的定价。如利用数据资产图谱技术，可以形成数据资产的生产链路节点，实现可追溯的可靠成本计量。二是构建起清晰、完整的数据资产管理路径，明确数据质量责任主体，探索数据质量自动核查机制，对问题数据进行纠错，确保数据规范、完整、准确。

3.加强数据资产风险防控，保证“资产可信”。数据安全问题给数据资产化带来巨大挑战，有必要开展数据资产风险防控，确保数据资产安全可靠。一方面需要建立健全数据安全管理、风险评估、检测认证等机制，对重点领域的全主体、全链条数字化追溯监管和对敏感数据资产的访问权限、安全审计重点监管。另一方面加强数据交易市场监管，探索推动政府、社会、个人等多元主体协同共治的市场监督体系，实现多层次、穿透式、立体化监管，开展数据安全合规内外部审计，及时发现和修复系统中的潜在漏洞，注重加大对非法数据交易的查处打击力度。