数据资产化框架初探Word文档格式.docx

1、资产是一个经济学术语，是指由会计主体（政府、企事业单位等）的过去的交易或事项形成的、由会计主体拥有或者控制的、预期会给会计主体带来经济利益或产生服务潜力的经济资源。数据资产可以由交易或事项2种方式形成。（1）通过交易形成数据资产的探索有些学者对数据交易定价进行了研究，上海数据交易中心、贵阳大数据交易所等各种数据交易机构正在探索数据资产化的机制和做法。通过交易的方式形成数据资产的好处是市场化的交易价格解决了数据资产化过程中的价值评估问题，挑战是数据出售方需要完成数据资产化，才可能将数据拿到市场上交易。（2）通过事项形成数据资产的探索绝大多数数据资源拥有方（如商业银行、通信运营商、电商平台）是通过

2、信息化的事项形成数据资源的，这些事项形成的数据资源是否可以变成数据资产呢？事实上，这些机构目前都在探索如何实现数据资产化的问题，例如数据权属问题和计量计价问题。只有这些机构完成数据资产化，才能将数据加工成数据产品并在市场上流通。然而，并不是所有的数据都可以作为资产（如毫无意义的“垃圾数据”、没有权益的数据等）。因此，哪些数据可以作为数据资产、作为数据资产的数据应该具备的条件、如何将一个数据集转化为数据资产，是当前数据产业、数字经济亟须解决的问题。数据资产具有以往各类资产没有的资产特性，这使得其在资产化过程中，在数据资产形态、数据权属以及数据资产评估与定价机制等方面面临挑战。在数据资产化过程中，

3、不能简单套用已有的会计体系处理数据资产，也不能将传统的资产标准运用到数据资产领域。针对如何将数据资源变成数据资产的问题，本文研究了数据资产的特点和需具备的条件，提出了一个数据资产化基本框架，包括数据资源确权、数据价值确认与质量管控、数据装盒入库、货币计价与评估、数据资产折旧和增值的管理5个环节。2 数据资产的必要条件及其可满足性数据资产是指拥有数据权属（勘探权、使用权、所有权）、有价值、可计量、可读取的网络空间中的数据集。根据定义，一个数据集被认定为一个企业的数据资产，需要满足4个必要条件：企业拥有这一数据集的数据权属；数据集是有价值的；数据集成本或价值应该能够被可靠地计量；数据集必须是可机读

4、的。显然，对于一个企业来说，将一个数据资源转化为数据资产时，数据集有价值、可机读这2个必要条件是容易被甄别和实现的，数据资产化的难点在于对数据权属和可计量这2个条件的甄别和实现。2.1 数据权属及其可满足性企业将一个数据集作为数据资产，首先要持有一定的数据权属（可以是所有权、使用权、勘探权等），企业只有拥有了数据资源的数据权属才有可能让数据成为企业的数据资产。由于数据复制成本相对生产成本来说极低，数据易被复制和传播，造成数据使用者损害数据拥有者权益的情况十分普遍，故而合理界定数据权属是亟须解决的问题。关于数据权属，一个直观的观点认为：数据非天然，情理上属于生产者。但当数据是由多个主体生产时该如

5、何界定数据的权属，当生产的数据涉及国家秘密或公民隐私时又该如何界定数据的权属？目前这些数据权属的问题在法律和规制上都还未给出有效的界定和解决办法。当前，在市场上运行和流通的一些典型行业的数据产品以及科学数据出版的运行机制是相对可行也是值得借鉴的数据资源确权方法。市场上运行和流通的典型行业的数据产品很多是音乐、影视、电子书等单一类型的数据产品，这些产品大多是从物理形态的产品电子化而来，权属相对清晰明确。例如，在现有电子出版物和知识产权相关规制情况下，传统的图书、音像制品的权属是确定的。因此，将这类产品转化成电子数据后形成的数据资源的权属也是明确的。这类数据产品的所有权属于生产者，生产者将包括使用

6、权、分销权、转授权等在内的独占或非独占权利授予销售平台，销售平台就可以将这些数据产品的使用权、分销权、转授权作为其数据资产评估入账，实现数据资源的确权。科学数据出版是另一种数据确权方式。科学数据出版通过一系列保障措施、环节步骤和技术支持，较好地实现了对数据权益的保护等规范数据引用，达到数据生产者或拥有者对数据著作权、所有权的宣示目的。数据资产的流通在权属上进入了“后所有权时代”，数据资产的所有权可以不发生转移，只将分销权、转授权、使用权等进行授权。因此，数据资源确权需要设立专门的数据权属登记机构，对数据资源进行权属认定，并制定数据资产流通标准和机制，只有在登记机构登记的数据资源，才能确认其权属

7、，进入市场流通。数据资源的登记是数据拥有者对数据权属的宣称和主张，因此需要数据登记机构保障数据的权属。个人和公司内部生产的数据只有经过登记后，才具有合法性，才可以确认权属，在数据市场上交易，并受法律保护。登记后的数据资产盗版问题属于法律范畴，依照法律法规处理，不在技术上进行要求。在数据权属登记机构登记的数据资源会被分配一个唯一版权标识符，用以保护和确认数据权属（类似数据出版的DOI），便于数据资源的流通、交易。数据权属登记机构在符合一定的法律、法规、标准和数据资源自身特征及市场规律的条件下，制定数据流通标准和机制。2.2 数据计量及其可满足性数据资源作为数据资产，其成本或价值需要能够被可靠地计

8、量。数据是由现实事务的信息化产生的，因此对各类数据进行统一计量是非常困难的，而且一个大数据集往往由多种数据组成，类型多样，规模庞大，对其进行可靠计量具有很大的挑战。当前，可作为数据资产的单一类型数据产品在计量方面已有一些实践。例如，在市场上能较好地进行交易流通的单一类型数据产品（如音乐、图片、电子书、网络小说等）都有各自的计量计价单位，从而得以被准确地计量和管理。音乐数据产品的计量计价单位是一个完整的音乐数据产品，如一首歌、一首曲子等；与音乐数据产品类似，图片以一幅图、电子书产品以一本书、网络小说以一章节/一部小说等作为其计量计价单位。单一类型数据产品的计量计价单位是规范化的结果，也是其能被准

9、确计算的前提，更是其能被管理、流通的依据和基础。基于单一类型数据产品的实践，多类型大规模数据集（如大数据等）在数据资产化过程中同样也需要有标准的计量计价单位，使其能被准确计算，从而得以入库管理。由于数据的价值会因人而异，所以很难依据数据的价值对数据资产进行计量计价。类似地，一本书的价值也是因人而异的，所以图书的定价不是按照图书的内容价值确定的，而是以一本图书的出版成本来确定的。其中，以“册”作为图书计量单位，一册图书至少有49页，否则不能称为图书。通常，图书是以出版发行机构根据出版发行规范以一定页数并配有国际标准书号（international standard book number，ISB

10、N）的副本装订物作为最小计量计价单位本/册。参照图书的作法，数据资产可在按照数据权属登记机构的有关规定对数据集进行规范化整理后，按一定规模大小的副本进行装盒，而这个“盒”就是该数据资产的计量计价单位。有了计量计价单位，数据资产得以被准确计算，就可以建立数据资产的目录，从而对数据资产进行入库管理，即数据资产的“入库”。建立数据资产目录，明确数据资产类别、登记资产名目、界定管理范围，有利于数据拥有者或数据管理者对数据资产进行入库后的检索、获取、盘点、使用、处置等管理。有用的数据集通过规范化整理并进行装盒入库后，才具备了被计入企业资产负债表的可能，对应的数据产品才能进行登记、出版，并进入市场进行交易

11、、流通。3 数据资产化的附加条件及其可满足性数据集在满足了上述4个必要条件后，就可以被认为是数据资产了。随之而来的是数据资产的管理，没有管理的数据资产仍然难以体现价值，也难以流通和增值。目前，对数据资产管理的研究工作有很多，如数据资产管理体系建设、数据模型管理、数据质量管理、数据安全管理、数据价值管理等。数据资产目录管理、评估、审计等数据资产管理标准方面的研究工作也在开展。总体来看，很多工作是先前数据管理的扩展，并不是完全针对数据资产的。数据资产管理需要具有良好的数据质量、合理的货币计价与评估方法、数据资产折旧和增值规则，这些是数据资产化的附加条件。下面分别对其进行讨论。3.1 良好的数据质量

12、及其可满足性高质量的数据才能产生好的价值。判断数据质量的标准取决于数据使用者的需求和目标，不同情境下不同的数据使用者对数据的“使用适合性”不同。影响数据质量的因素有很多，如技术、管理等都会对数据质量造成影响。影响数据质量的环节有很多，如在进行数据质量管控的过程中，有时需要对2个或多个数据集进行整合，但整合过程中有可能会出现2个或多个数据集不一致或冲突的问题，进而导致数据异常，影响数据质量。数据质量管控需要人、流程和技术的完美配合。高质量的数据应该是准确的、一致性的、完整的和及时可用的，是数据资产管控不可或缺的一个因素。随着数据成为资产，数据质量的重要性日益凸显。加强数据质量管控的首要条件就是相

13、关人员要到位。建立一个数据质量管控团队负责数据资产化过程中数据质量的管控工作，可对数据资产化起到积极的推动作用。数据质量管控团队主要负责数据资产化过程中各类数据质量的管控工作，主要包括数据质量标准设定、数据质量知识库的建立和更新、数据剖析、数据质量评估、数据质量监控和报告等。根据工作内容和职责设置不同的人员角色，同一角色可由多个人员担任，一人也可同时兼任多个不同角色。在实施数据质量管控的过程中，方法和流程很重要。具体的方法如下。 对已确权的数据资源开展数据剖析和识别工作，掌握数据集的基本情况及可能存在的问题。 根据数据剖析和识别的结果，对数据质量的标准进行设定，对数据质量管控目标进行量化，给出

14、数据质量的维度、评估指标和度量方法，以便后续开展数据质量评估工作。 明确数据质量规则，并对数据集与该规则的符合度进行监控，如果发现数据集不满足该规则，要及时向负责数据资产化的部门和人员发出数据质量问题的警示。建立缺陷数据纠错机制，完善和实施数据质量规则，以达到最好的效果。 通过数据集成流程对数据质量规则和活动（剖析、清洗/匹配、自动纠正和管理）进行集成，这对于提高数据资产的准确度和价值至关重要。 检查和分析数据质量的异常情况，并对规则进行验证，确定与评估数据质量的服务水平，根据评估结果完善规则。 对照目标，监测数据质量，并形成报告。与数据质量管控目标进行对照，管理、监控数据质量，并形成数据质量

15、报告，使相应的数据资产化负责人员及时掌握数据的质量水平。数据质量管控的流程主要包括分析数据质量的过程和根据分析结果进行优化的过程。首先，剖析和识别数据，并对数据质量进行量化；其次，给出数据质量的规则和目标；再次，通过集成流程提高数据资产的价值；然后，实现质量提升的流程，把原有低质量数据变成高质量数据；最后，检测异常，对照目标开展一些监控来评估是否达成目标，决定是否需要进行数据质量提升，并将高质量数据交付给负责数据资产化的相关人员使用。3.2 合理的货币计价与评估方法及其可满足性通过合理的货币计价与评估方法可以将数据资产的价值显化。数据资产的货币计价方式有很多，可以根据具体情况和商业需要采用不同的形式。 按离散计数进行计价。2003年， iTunes Store里的所有音乐，无论作者、长短以及受欢迎程度，统一定价为99美分；Spotify实行会员制，目前价格为9.99美元/月；Apple