摘 要：2020年4月10日，《中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见》正式公布，将数据确立为五大生产要素（土地、资本、劳动力以及技术）之一，数据要素市场化已成为建设数字中国不可或缺的一部分，数据资产时代已然来临[1]。在数字经济加快发展的背景下，数据资产的确权工作也在加快推进，数据资产的挖掘和利用也会随之增加，对于数据资产价值的影响因素及应用场景进行分析意义重大。

关键词：数据资产  数据资产价值  应用场景

1.数据资产价值的影响因素

影响数据资产价值的因素主要从数据资产的收益和风险两个维度考虑，数据资产的收益取决于数据资产的质量和数据资产的应用价值。数据资产的质量是应用价值的基础，对数据的质量水平有一个合理的评估，有利于对于数据的应用价值进行准确预测。

1.1质量维度，数据资产质量价值的影响因素包含真实性、完整性、准确性、数据成本、安全性等。

· 真实性，表示数据的真实程度。如果数据有偏差，那么使用结果可能会差之毫厘失之千里；若数据造假，更将失去数据统计的意义。真实的数据才具有价值。

· 完整性，表示数据对被记录对象的所有相关指标的完整程度。关键数据的缺失，将影响数据在应用中的价值贡献，或需增加成本去补充数据。数据的采集范围越广，完整性可能越高，数据资产的价值相对也会越大。

· 准确性，表示数据被记录的准确程度。在工作中，拿到的数据都需要先进行清洗工作，排除异常值、空白值、无效值、重复值等，这项工作很可能会占到整个数据分析过程将近一半的时间。专职工种“数据清理工程师”的出现也说明数据清洗工作的复杂性。数据的准确性越高，对数据的清理成本越低，数据的价值也就越大。

· 数据成本，在数据交易市场不活跃的情况下，数据的价值没有一个明确的计算方式，卖方出售数据的报价首先会考虑数据的成本。数据的获取方式通常为公司内部收集或者外购。对于公司内部产生和收集数据，显性成本主要有收集、持有程序下的人力成本、存储设备成本等，无法可靠计量的隐形成本主要为数据所附着业务的研发成本、人力成本摊销等。通常，获取成本越大，数据的交易价值相对越大。

· 安全性，表示数据不被窃取或破坏的能力。数据自身的安全性越高，就可以为企业产生越稳定的价值贡献；同时，数据持有企业对其支付的保护成本越低，其数据资产价值越大。

1.2应用维度，数据资产应用价值的影响因素包含稀缺性、时效性、多维性、场景经济性[2]。

· 稀缺性，表示数据资产拥有者对数据的独占程度。 商业竞争的本质，部分来自于对于稀缺资源的竞争。在制造差异化趋平的情况下，稀缺数据资源背后潜在的商业信息更加凸显价值。

· 时效性，数据的时效性决定了决策在特定时间内是否有效。比如交通信息数据，信息中心通过获取智能手机、车辆的实时位置，可以实时提供地区的人流量和车流量情况，提前分散车流、缓解交通压力。由此可见，数据的时效性在某些应用场景下至关重要。

· 多维性，表示数据覆盖范围的多样性。比如用户在搜索引擎提问“美妆”、“学区查询”、“金融招聘”等问题，搜索引擎可以根据这些问题及打开的相关链接，分析出用户的年龄段、性别、文化背景、职业大类、需求偏好，再根据使用的手机或电脑品牌，更换通信设备的频率等推测出收入阶层，将这些数据挖掘整理后连接起来，就刻画出一个多维的用户形象。数据维度越多，适用的范围越广，数据的价值也就越大。

· 场景经济性，数据的价值在于与应用场景的结合，不同应用场景下，数据所贡献的经济价值有所不同。比如我们上述提到的，司机驾驶习惯数据可以帮助保险公司更准确地计算保费和理赔概率以提高利润，该数据也可以帮助交通公司招聘合适的司机，但招聘场景下的应用价值，可能没有帮助保险公 司提高利润所带来的价值更大；再如，当多维度的用户信息用于寻找高净值客户时，也比用于普通生活用品推广场景下的经济价值更大。

1.3风险维度，数据资产的风险主要源自于所在商业环境的法律限制和道德约束，其对数据资产的价值有着从量变到质变的影响，在数据资产估值中应予以充分考虑。

· 法律限制，在法律尚未明确规定的情况下，哪些数据绝对不能交易，哪些数据可以通过设计合法后才能交易，这些问题在限制数据交易的同时也影响着数据资产的价值。一部关于数据交 易的法律法规的出台或者一个经典判决的作出，都可能对相应数据资产的价值带来从量变到质变的影响。

· 道德约束，是指来自社会舆论压力的风险等。获取个人隐私信息的公司如不恰当地使用个人信息，不尊重用户隐私，将会影响公司的品牌形象、客户信任，对于数据资产的价值和公司的价值都会带来负面影响。

2.数据资产的应用场景

数据资产的应用场景极其丰富，并仍在不断扩大。在金融领域，德勤和中科院联合开发的智能化产品“智慧债券”，其主要采用云、大数据和人工智能技术，基于基本面分析和舆情分析，实现了债券的信用风险实时预警；在公共事业领域，浙江省开展“公共数据资源梳理”项目，它包括企事业单位、政府单位，依托电子政务项目预审的工作，开展全省项目独立预审单位的信息系统实有数据普查等，借助数据系统更高效地处理政务工作。

2.1内部使用实现业务数据化。

当前数据资产的使用受到考虑安全性、权属问题，大多在企业内部使用，表现在企业运营产生的数据进行收集整理分析，用于服务自身经营决策、业务流程，从而提升公司盈利能力。

2.2外部商业化实现数据业务化。

目前数据资产的相关法律法规不完善，且能交易的数据资产比较少，数据资产的外部商业化是将数据整理分析后形成可以对外服务的数据商品，如芝麻信用和品牌数据银行等。

3.结语

在数字经济蓬勃发展的大背景下，数据资产化成为必然趋势[3]。根据科斯定理的逻辑，只要数据的产权得到清晰界定，即可进入市场流通交易。土地、劳动力、资本、技术等传统生产要素都经历了明确产权的过程，随后才得以通过市场化机制流通、盘活。相信随着数字经济的发展，数据相关的配套法律法规逐步完善，数据产权得以明晰，数据估值的市场机制得以完善，数据资产的价值将被真正释放出来。

参考文献

[1] 中共中央国务院 . 关于构建更加完善的 要素市场化配置体制机制的意见 [ S ]. 新华社，2020-4-9，http：//www.gov.cn/zhengce/2020-04/09/ content_5500622.htm.

[2] 李然辉 .2018. 专家视野 | 李然辉 数据资产价值模型的理论研究与技术实现 [C]// 数据资产价值评估研讨会，2018-10-15，中国信息通信研究院（北京，中国），https：//mp.weixin.qq.com/s/48a0vnxiHoTMrmjaOUwErg.

[3] 中国信息通信研究院云计算与大数据研究所[S].2018. 数据资产管理实践白皮书 4.0.