主管:商务部中国国际电子商务中心
当前位置:资讯首页 > 信用知识 > 正文
    
数据资产化与数字中国建设:数据投行建设的赋能作用
2023-06-08 09:12:50 来源:第一财经

数字时代带来的数字化转型热潮,成为战略研究与实践应用的重要对象:数字化不仅是改变国际竞争格局的关键力量,也是促进就业、稳增长、迈向高质量发展的重要支撑。作为新型生产要素和数字经济发展的关键,数据具有无形性、非消耗性等特点。从供需角度看,一方面,数据要素的流通能够赋能数据需求方的生产经营、业务发展;另一方面,数据供给方能够实现数据价值的重估、变现,最终实现双赢。数据资产化是将数据转化为经济利益的过程,是推进数据要素市场化的核心。因此,亟需构建与数字生产力发展相适应的生产关系,不断解放和发展数字生产力;立足数据确权、数据定价和数据交易等关键环节,将有力推进数据要素市场化,引领我国数字经济高质量发展。

一、数据资产化的发展背景

(一)良好的政策基础

良好的政策是数据资产化发展的重要基石。2022年12月,数据二十条出台:在数据产权、流通交易、收益分配、安全治理等方面构建数据基础制度,充分发挥中国海量数据规模和丰富应用场景优势,激活数据要素潜能,做强做优做大数字经济,增强经济发展新动能。2023年3月,国务院正式印发《数字中国建设整体布局规划》,首次系统提出数字中国建设的整体布局,为各方面推进数字中国建设提供行动指南。《规划》指出,建设数字中国是数字时代推进中国式现代化的重要引擎,是构筑国家竞争新优势的有力支撑。加快数字中国建设,对全面建设社会主义现代化国家、全面推进中华民族伟大复兴具有重要意义和深远影响。

(二)市场的快速发展

市场的快速发展为数据资产化奠定了实践基础。近年来,被称为“冷市场”的国内数据交易市场逐步升温。据《中国数据交易行业发展现状研究与投资前景预测报告(2023-2030年)》,数据交易板块作为数据要素市场体系的核心环节,未来由场外交易转向场内交易是大势所趋。预计我国数据交易每年会以大于20%的速度的增长;其中,场内交易市场增速在40%以上。

二、数据要素市场化的难点与挑战

目前,我国以数据资产化进程为标志的数据要素市场化配置尚处于起步阶段,规模小、堵点多、风险大。由于支撑数据要素流通的必要条件体系尚未建立,数据尚不具备作为生产要素所需的资产化机制,因此无法界定权属、有效定价、自由流通,进而导致数据要素市场化建设面临诸多阻碍。

(一)数据资源的资产属性亟待确定

对于数据资源的资产属性,无论是学界还是业界,目前尚未形成统一意见。有专家认为,数据资源是一种无形资产或知识产权。事实上,在国家的相关文件中也有关于数据资源资产属性的论述:例如,《关于加强信息资源开发利用的若干意见》中提到,“信息资源作为生产要素、无形资产和社会财富,与能源、材料资源同等重要”。《民法总则》征求意见稿中也曾明确将数据资源列入知识产权的范畴,但在人大会议审议后该条款又被删除。数据资源的资产属性不能确定,就难以建立起一套相应的资产管理体系,从而无法有效对数据资源进行资产化管理。

(二)数据资源的权属界定不清

目前,学界已有一些关于数据权属的讨论,形成了“新型人格权说”“知识产权说”“商业秘密说”“数据财产权说”等主流观点,但尚未达成共识。例如,目前业界普遍认为,企业为客户提供服务,客户所提供的数据所有权仍然归属客户,但企业提供服务时通过用户授权也获取了对特定范围数据的使用权。因此,在实践中,对于数据资源的确权,企业往往依照相关制度或与用户签订协议。再者,由于法律尚未对数据权属进行明确界定,数据隐私和安全问题仍存隐患,因此需要社会、企业等多元主体协作配合,从技术等多方面共同解决由权属界定不清所带来的问题。此外,针对所有权、隐私与安全方面的考虑,也导致数据的开放与流通困难;数据不流通就会形成“烟囱”和“孤岛”,导致其应有的价值规模和密度无法充分发挥,有效性大打折扣。

(三)降低交易风险和成本

如何降低交易风险和成本、提高市场匹配率,是数据资产化的一大难题。数据市场高昂的交易成本,主要来源于逆向选择、道德风险和交易的不确定性:其中,逆向选择源于数据质量不可见导致的信息不对称,道德风险反映在人为因素的不可控,交易不确定性是指对数据质量预期的模糊性和随机性,无论是供方还是买方都不具备信息优势。虽然“逆向选择”和“道德风险”问题较为棘手,但有现存的经济学工具可供参考;但是,交易不确定性的解决方案尚无章可循。

(四)数据产品定价估值困难

数据复制成本趋零的特性导致大多数据产品无法拍卖;价格形成机制的无依据导致定价缺少标准;交易结果无法观测导致双方交易效果不确定。数据价值的实现需要一定的“磨合期”,即在交易前期,需要至少一方付出较高的成本整理和清洗数据。

三、数据资产化是激发数据要素活力的现实路径

数据资源由于权属难以界定,导致其流通流转都面临困难。而且,依托于数据要素使用价值的流通交易还存有诸多堵点,如流通流转的成本、安全、交易质量、匹配度以及收益分配等;如何在当下的政策环境寻求堵点突破,尚有不短的路要走。如果缺少了数据的流通流转,数字经济的发展将会失去发展的内生动力。因此,为数据要素寻找除“使用价值”之外的“价值体现”是一条现实可行的路径。依托于数据要素资产价值实现的数据资产化无疑是这一路径的重要体现。

(一)数据资产化的界定

数据资产化是指由专业的数据资产化治理和资产管理团队,通过对企业或政府机构所拥有的大数据进行科学治理,使其满足数据资产化的要求。依托专业化的数据质量评价和价值评估,使数据成为能够被有效定价的可计量资产;由权威机构对该资产被评估出的货币价格进行认定,在现行会计准则体系下完成计入企业资产负债表的操作,成为企业净资产的重要构成,最终获得审计、税务、银行等方面的共识认定。入表后,再帮助企业将入表后的资产通过证券化、质抵押、债权、信托、保险、金融租赁等形式实现资产金融化,从而实现企业价值的提升和资本增益。

(二)数据资产化的意义

首先,数字资产化在治理层面具有重要作用。例如,地方政府能够充分利用数据资产化的工具属性,建立更加完善、健全、高效的数字经济财政调控工具箱,从而拥有更多的手段来对数字经济的发展方向和质量进行引导和管理。其次,数据资产化可以进一步提高“数字中国”建设中“产业数字化、数字产业化”建设效率。

一方面,数据资产化满足了不同产业领域明确的数字化改造要求;与此同时,其能解决大量数字化企业在产业化过程中限于数据资产价值不能充分体现从而导致效率低下的问题。

再者,数据资产化可以积极推动产业金融效能的释放。产业金融领域的流动性有强烈的愿望投入到产业实体建设当中,但限于多数市场主体的数据指标不能满足硬性要求,造成向下输血的困难。通过数据资产化,让政府和市场都能够优化和改善运营数据指标,使得产业金融能够有充足的“理由”和动力为市场主体进行输血,进而帮助优秀企业更好的获得产业金融的支持,实现高质量发展。

最后,一旦成功推动产业金融效能的释放,数据资产化将会极大激发市场主体的活力。数据资产化能够实现价值变现,增加融资渠道,让拥有海量优质数据的轻资产运营企业摆脱过去数据变现慢、融资难、资产价值低等束缚,有效提升资产价值,扩大融资规模。一旦市场快速获取更多新鲜血液,其潜在价值将被释放,从而推动和扩大中国数字经济的体量和规模:这对于后疫情时代实现快速发展、推动经济活力具有重要意义。

四、有关依托数据投行服务推动数据资产化发展的意义和建议

我们把专业团队帮助企业完成数据资产化全流程的咨询服务称之为“数据投行”服务。数据投行服务的大范围开展有利于推动数据资产化的发展,可以更好的提升数字经济发展。目前,我国数据银行业仍处于初级和探索阶段,未来发展前景广阔。我们需要持续关注数据交易运营模式、激励机制、数据应用需求、数据安全等方面。

(一)数据投行建设的意义

一方面,对于企业或者市场主体来言,数据投行是有效推动数字资产化的解决方案。大数据具有金融属性,数据投行可作为最重要的载体,承载大数据的金融属性。它是经营数据信贷业务的数字金融新业态和新模式,是数据金融价值属性的体现,围绕数据开展资产化、产品化、服务化和证券化,提供数据价值评估、数据存贷、数据交易中介、数据资产证券化等服务,加快数据资源富集,促进数据资产流通,加速数据红利释放,助力数字经济发展。因此“数据投行”强化了企业所拥有的数据资源的价值属性;通过数据资产化治理、数据质量评价、数据价值评估、数据入表、数据资产金融化等五个步骤,为拥有自有数据、自有算法平台、可验证商业场景的中国境内优秀企业提供数据资产化的服务,帮助挖掘企业的数据价值,对数据资产进行充分的包装,在现行会计准则之下实现数据资产入表,实现企业的价值提升和资本增益,并最终通过金融化手段为企业实现价值变现。

再者,数据投行建设是保障数据可进行交易的关键。通过数据传输环节汇集到的数据源往往是无序、杂乱、冗余的。如果要进行资产化使用就需要对数据进行一级开发,包括数据清洗、编目、脱敏等内容,并且还应对一级开发处理后的数据进行价值评估,因此需要建设一套可行的数据价值评估体系。只有完成这一系列操作流程后融合到的数据才能真正用于数据交易,也才是具备了资产属性的数据资源,而数据投行在此过程,尤其是数据资产价值评估模型的建立起到关键作用:不但提高数据资产价值评估的工作效率、提升数据增值的运营水平,同时减少决策失误、避免经济损失。

总之,数据投行指的是创建一个既有传统投资银行资本运营功能,同时又能把数字技术和数据要素结合起来,形成从单一发动机到双发动机、有效推动各行各业实现产业数字化、缔造数字经济时代的产业数字化平台企业。探索建立数据投行,激活数据要素价值,可破除数据壁垒,提升数据的易得性、便捷性和通用性。同时,数据投行承担数据的安全保护责任,通过隐私计算技术对数据进行脱敏使用和管理。另外,数据投行的交易目标可以从数据本身,延展到数据处理中心通信能力、存储能力和计算能力,甚至是背后的算法、人工智能、系统性的解决方案等。

(二)数据投行建设的建议

虽然我国数据投行处于起步探索阶段,由于具有广阔的发展前景,因此需要持续关注以下几点:

第一,优化数据交易模式,逐步实现完全市场化运行。数据资产化的过程需要完成对数据进行分类分级、质量评估、价值评估并最终实现以货币评定数据价值等环节,每个环节都需要有专业化的团队来完成。要高质量完成该项工作,具有较高的行业进入门槛;而数据资产化配置的成果就是需要以抵押质押、保险、信托、证券化等创新金融方式实现数据价值的实现,并为企业创造稳定的资产对价,该过程对于专业性也提出较高要求。只有实现市场化,才能在真正意义上促进数据流通,这就要求交易平台提供安全保障并完善服务能力,构建专业的团队提升数据开发和应用能力,将交易和分析由硬性绑定转变为分布实施,给用户更大的自主权。

第二,构建数据供给激励机制。数据在正式完成交易前无法先行浏览。为了保证数据质量,需要构建完善的数据供给机制,不断提升数据供给方的积极性。只有不断提高高价值数据的存量,才能够形成源源不断的购买需求,从而将数据提供者逐步转变为数据运营者。

第三,加强对企业数据应用的关注。目前参与数据交易的主要以大企业为主。然而,中小企业的数量占法人数量的多数:尽管这些企业各自的数据量较小且相对分散,但他们是市场活跃的催化剂——只有这些企业有意愿参与数据交易活动,才真正标志数据交易市场化的形成。所以,未来应更多关注中小企业对数据应用的需求变化,针对其所产生和所需要数据的特点打造专门的数据产品,以提升其参与数据交易活动的意愿。这类企业除对自有数据成为企业资产外,对于通过IPO实现融资也拥有旺盛的需求。因此,建议该项工作与证监会建立稳定的业务协同关系,请证监会从公众上市公司角度对数据资产化的工作作出明确的指导和操作规范,使企业在进行数据资产化的过程中可以为后续的IPO进行前置性工作,完善资产化配置的过程。与此同时,还可以通过证监会为已上市公司进行相应的数据资产化配置的服务,为上市公司创造更多的融资渠道和创新金融工具。

第四,持续关注数据交易过程中的数据安全问题。一方面,要关注数据本身的安全问题,涉密数据不能交易,进行脱敏、加工处理之后,符合相关规定和要求后,方可进行数据交易;另一方面,要关注数据防护的安全,要采取包括蓝光存储技术在内的先进信息安全防护措施进行数据安全防护,防止黑客攻击、篡改、数据丢失等事件的发生。

作为一种新型生产要素,数据对于推进我国发展具有重要作用。虽然拥有良好的政策和快速发展的市场作为支撑,由于数据产品的权属界定不清、定价估值困难、交易风险较高等问题,数据要素市场化仍存在一定的堵点。因此,确保数据要素稳定流通流转的关键在于数据资产化,而数据资产化的发展有赖于数据投行的建立。只有数据投行充分发挥赋能作用,才能在数据资产化和数字中国建设架起一道桥梁;推动数据市场有效运行的同时,刺激中国数字经济的发展。

(王鹏为北京社科院研究员,南昌理工学院数字经济研究院院长)

信用在线