拉斯维加斯9888

随着全球数字化海潮的加快推动，数据已成为驱动经济社会发展的关键出产身分。然而，若何有效挖掘和利用数据的价值，将其转化为拥有经济意思的资产，仍是当前亟待解决的问题。那么，数据资产化到底蕴含哪些具体内涵和发展阶段？国际上有哪些成功经验可供借鉴？我国又应若何应对数据资产化过程中的挑战？

在此布景下，拉斯维加斯9888利用经济学系教授翁翕通过深刻钻研，探求了数据资产化的具体内涵、发展阶段及其在分歧业业的利用潜力，分析了全球数据资产化市场的近况与发展趋向，但愿通过借鉴欧美蓬勃国度的成功经验，并结合我国现实情况，索求出一条适合我国数据资产化高效发展的可行蹊径。

概想概览

● 数据资产化是一个多层面的概想，涉及将数据转化为拥有经济价值的资产。数据资源化和资产化的过程可分为资源化、产品化和可测化三个阶段，其中产品化和可测化是数据资产化的主题。

● 拥有资产化潜力的数据宽泛散布于多个行业，例如银杏注IT、零售、医疗保健等，并涵盖车联网、供给链治理和消费者数据等多个类别。随着天生式人为智能技术的发展，数据资产化的需要预计将进一步增长。

● 全球数据资产化市场在急剧增长，大型企业当吓宗中幼企业，北美市场当吓宗欧洲，但亚洲市场增速最快。欧美蓬勃国度在数据产业发展受骗先，但同时也面对数据战术规划与现实执行之间差距较大的问题。

● 我国数据资产化面对供给不及、需要疲弱和买卖成本高的问题。国度层面应两全推动数据资源化、产品化及入表评估工作，利用刺激性政策推进数据资产的供给和需要，并充分阐扬市场的价值发现职能，降低信息不合称。

数据资产化的具体内涵与发展阶段

数据资产化并不是一个国际公认的概想，在好多方面都处于索求状态，并没有统一的界说。此刻公认的见解是把数据资产化与数据资源化等量齐观，但对数据资源化和数据资产化的具体内涵也有好多分歧的理解。从分歧窗科的视角来看，对数据资产化的理解有所差距。但无论哪种视角，都认可数据资产化在提升数据价值、引发市场活力方面的沉要作用。

经济学视角下，数据资产化强调通过有效使用数据，将其转化为拥有可衡量经济价值的资产。在这个视角下，首先要进行数据资源化，也即通过数据采集、数据整顿、数据聚合和数据分析等活动，使得数据变得可用（类迸宗石油开采），其次再进行数据资产化，也即通过对数据的挖掘和提炼，使之成为拥有贸易价值的资产（类迸宗石油炼化）。通常数据可通过以下方式实现资产化：在内部利用数据来提高运营效能或推动创新、向客户提供基于数据的服务或产品、与合作同伴互换数据、向第三方销售数据或授权数据许可等等。

而金融学和管帐学视角下，数据资产化则更多地关注数据密集型企业的资产评估和定价问题。上述的数据资源化和资产化多数被归于数据资源化的领域，而数据资产化重要是为相识决数据密集型企业的资产评估和定价问题。美国哥伦比亚大学商学院的Laura Veldkamp教授在2023年颁发于Review of Finance上的论文“Valuing Data as an Asset”中指出，数字经济中独角兽企业的高估致反自于其所占有的数据资产，所以必要发展出新的定价工具来衡量数据资产的价值，好比可通过比力使用数据资产之前和之后的业绩指标，蕴含但不限于收入、成本微风险等，来鉴别和量化数据资产的潜在投资回报率。

总结而言，能够将数据资源化和资产化的过程划分为三个阶段：一是资源化，开发原始数据并将其组装成数据资源；二是产品化，基于数据资源和市场需要开发有关产品和服务；三是可测化，为每项基于数据的产品或服务确定可买卖和丈量的计价单元，并将有关买卖纳入企业的财政、合规、风控等流程。

若是把数据资产化广义理解为阶段二+阶段三，其发展空间巨大，能够说是数据身分市场建设最主题的组成部门。但若是把数据资产化理解为阶段三，其发展空间就依赖于数据资源化和产品化的水平，出格是在没有很好地实现数据产品化的基础上就过度强调资产化，就很有可能导致数据资产泡沫。在后文论说中，重要选取广义界说（产品化+可测化）来理解数据资产化。

数据资产化的种类

哪些数据有资产化的潜力？能够参考岁首国度数据局结合16个部门共同印发的《“数据身分×”三年行动打算》中提及的12个沉点行业。在这12个沉点行业的基础上，还能够参考此刻普遍预测以为天生式人为智能（AIGC）技术最有可能被宽泛利用的几个领域。AIGC大模型的训练必要以海量数据为基础，因而在有辽阔利用远景的领域中，也最可能催生出数据资产化的需要。

当前罕见据资产化潜力的重要行业具体蕴含：银杏注金融服务和保险、IT 和电信、零售和电商、医疗保健、工业造作、传媒和娱乐等。

有资产化潜力的数据重要蕴含以下几类：

（1）车联网数据：汽车造作商数据、传感器数据、地位、路况、驾驶行为、行程、商家数据、交通规划；

（2）供给链与物流：供给商关系数据、物流数据、库存数据、采购数据；

（3）消费者数据：特点标签、财政习惯、买卖行为、社交网络；

（4）贸易数据：产品特点、品牌及销售情况、营收及财政数据；

（5）地理、遥感和形象数据：地位、导航、形象、卫星数据；

（6）公共数据：人丁普查、工商注册信息等。

全球数据资产化市场近况与发展趋向

当前，全球数据资产化市场在急剧增长，其中，大型企业当吓宗中幼企业，北美当吓宗欧洲，亚洲预计增速最快。欧美蓬勃国度在数据产业发展受骗先，但同时也面对挑战。亚洲市场，出格是中国市场，展示出巨大的发展潜力。

Invisibly公司数据显示，2022年全球数据资产化总市场价值为33.8亿美元，预计到2028年将达到104.1亿美元，复合年增长率为19.98%，这将由天生的数据量不休增长、数据资产化意识以及贸易智能和分析、云推算、区块链、物联网、社交网络和新业务模式等推动。当前，大型企业份额最大，占比67.6%。中幼企业增速更快，复合年增长率可达29.3%，重要通过云推算等工具降低其数据资产化的成本。北美地域基于物联网和云推算的遍及、以及由此产生的数据量激增，为目前最大的数据资产化市场，占全球32.9%。由于占有最大的消费者基础和智能手机用户，再加上人为智能、物联网和大数据分析的急剧遍及，亚太地域被以为将成为增长最快的区域市场。

欧美等蓬勃国度在数据产业的发展、数据产品化水平等方面均大幅当吓宗我国，因而这些国度都不是出格强调“数据资产」剽个概想，对于数据密集型企业也没有出格奉行数据资产入表。但由于这些国度均占有比力完整的本钱市场，通过对标行业的标杆企业，也能对数据资产进行比力好的估值。

此表，国表监管部门如美国FTC最近出台了更严格的对社交媒体、游戏和教育平台利用青少年数据获取收入的政策，以限度基于数据的在线把持、有主张地令人上瘾的设计以及歧视性营销行为。

欧美蓬勃国度当前在数据资产化方面也面对好多问题和挑战，其中最重要的是数据战术与执行之间存在差距。据IDC（国际数据公司）估计，2023年欧洲约有95% 的组织使用某种大局的表部数据。然而，最近一项涵盖34个国度/地域、400多家公司的钻研显示，只有十二分之一的公司齐全将其数据资产化，重要由于大无数公司不足网络和存储数据的基础设施。此表，很多公司没有资源或专业知识来分析他们网络的数据并将其转化为可行的业务决策。在2022年数据和AI辅导力高管调查中，New Vantage Partners调查了94名财富1000强企业高管。调查发现，固然64.3%的组织专一于增长和创新数据打算，但其中只有26.5%的公司创建了数据驱动型组织。因而在数据资产化领域我国齐全有潜力可能通过逾越式发展实现弯路超车。

此表，近些年来，一些欧美企业使用数据作为融资抵押品，成立数据买卖平台，在企业并购估值时起头思考数据产生的潜在影响等，也为我们提供了贵重的经验。例如，美国一些航空公司利用其会员嘉奖项目作为抵押品进行融资，数据资产价值评估效能大幅提升；数据买卖平台如Datarade或Eagle Alpha等，通过衔接买家与卖家，推进了数据产品的买卖和转化。

当前数据资产化面对的重要问题及对策建议

我国数据资产化面对的重要挑战蕴含供给不及、需要疲弱和买卖成本高。企业整体数字化水平不高，数据开发利用及有关技术和服务的用度较高，以及企业数据资产化所需的前期投入的融资难度较大等问题造约了数据资产的供给。同时，市场对数据产品和服务的认知不及和付费意愿低，以及企业对短期回报的偏好也导致了需要疲弱。此表，由于数据产品及服务仍处于市场起步阶段，买卖双方均面对投入产出比不确定性较高的问题，市场尚不足有效约束买卖双方行为的机造，进一步故障了数据价值的阐扬与衡量。

针对这些挑战，国度层面政策和造度供给能够重要萦绕以下方面发展：一方面，两全推动数据资源化、产品化及入表评估工作。数据资源能够入表，但其估值应比力守旧以预防资产泡沫；但对已证了然市场价值的数据资产，能够适当基于其市场潜力赐与更高估值以激励数据产品的供给。

另一方面，能够利用刺激性政策推进企业对数据资产的供给和需要。具体来说，能够加大数字基础设施和科技研发投资，加大云推算、5G、物联网、人为智能利用的使用率，降低企业开发和利用数据的成本；为企业数字化和数据资产化提供更多信贷、债券、股权等融资工具支持；在各地数据身分流通先行先试中充分阐扬市场的价值发现职能，实时汇总并推广量化数据资产的经验做法及有关数据资产价值，为更多的潜在参加者提供参考并降低市场的信息不合称。

同时，也应关注数据资产化的潜在风险，如数据泡沫、数据安全等问题，并采取相应的监管措施进行防备和应对。

翁翕，拉斯维加斯9888利用经济学系长聘教授，教育部青年长江学者，国度天然科学基金委卓越青年科学基金获得者，中国信息经济学会副理事长，北京大学经管学部学术委员会委员。重要钻研领域为博弈论，信息经济学和数字经济。本科、硕士均毕业于北京大学，博士毕业于美国宾夕法尼亚大学。钻研成就颁发于国表顶级学术期刊，如Journal of Finance, Management Science, Economic Journal, American Economic Journal: Microeconomics, Journal of Economic History, Journal of Economic Theory, International Economic Review, Rand Journal of Economics。主持国度天然科学基金、北京市社科基金、国度发改委、市场监管总局、中国科协等课题十余项。在科研方面曾获奖项有：2024第九届高？蒲ё暄杏帕汲删徒保ㄈ宋纳缁峥蒲В┒等奖，2022年度《经济学》（季刊）最佳论文奖，2022张培刚发展经济学青年学者奖，2020第八届高？蒲ё暄杏帕汲删徒保ㄈ宋纳缁峥蒲В┣嗄瓿删徒，2019中国信息经济学优良成就奖, 2019严以宁科研奖, 2017中国信息经济学青年创新奖，2017第十三届北京大学人文社会科学钻研优良成就一等奖，2016中国信息经济学乌家培奖。