【数据价值化】数据价值实现及数据资产3次入表

数据成为生产要素已是社会共识，但不是所有数据都有资产价值。数据资源当中被重复使用的那部分才会资产化，具有流通中的定价，有些数据资产被专业开发变成数据产品，具有商品价值。从数据原始资源到数据产品，再到数据资产，是数据要素价值释放的路径。今天和大家详细聊聊数据原始资源、数据产品、数据资产三者的异同。

一、数据原始资源的概念和分类

1. 数据原始资源的概念

要定义数据原始资源，首先需要明确什么是数据资源。数据资源是指对于其持有主体而言有可能产生价值的数据。数据资源通常存储在数据库管理系统或其他软件（例如电子表格）的数据库中。由于数据的可加工性、易加工性和多用途性，很难区分一个数据是否会在未来被加工或者被其他系统使用而产生附加经济价值。同时为了区别于数据产品这类数据资源，我们将那些以结构化形式存储、尚未被系统终端使用且未呈现在最终用户面前的数据资源称为数据原始资源。

通过将数据资源划分为数据原始资源和数据产品，我们能更方便地根据数据资产的本质归集不同类型的历史成本。具体来说，数据原始资源主要用于归集系统每时每刻不断产生的数据的维护和加工成本。会计存在周期，不同会计周期内产出的数据需要一个载体，用来记录该周期下的成本发生和构成情况。

2. 数据原始资源的分类

（1）未加工的数据集合

①外部采购或交换的数据集合

外部采购的数据集合指的是外部采购取得的数据集合。举例：征信机构从电商平台采购的商家或者交易、支付、信贷数据。

外部交换的数据集合指的是外部交换取得的数据集合。举例：征信机构通过提供优惠价格服务从电商平台交换来的商家或者交易、支付、信贷数据。

②外部爬取的数据集合

爬取是指从一个网站或网页上抓取、收集、下载信息的过程，通常是通过编程语言和相应的爬虫工具来实现的。爬取的数据可以用于各种目的，如数据挖掘、数据分析、机器学习等。外部爬取的数据集合举例：征信机构通过软件从网络上抓取的可以免费获得的公开数据。

③自主采集的数据集合

自主采集是指通过一定的技术手段，从自有系统、数据产生者处生产或取得数据的过程。

自主采集的数据集合举例：征信机构通过自有的问卷收集系统从其客户那里以电子表单问卷的方式获得的数据。

（2）加工中的数据集合

加工中的数据集合主要是指中间态数据集合。

中间态数据是指处于不同状态之间的过渡状态的数据。中间态数据具有过渡性特点，意味着它最终会被更新到另一个状态或者成为数据产成品的原料数据。在具体运用中，中间态数据大量出现在分布式系统中。例如在数据同步和合并的过程中，不同的节点之间可能会存在中间态数据，以便进行协调和同步操作。从经济价值创造的角度看，中间态数据具体是指那些能够被其他系统用作数据原料，并能产生直接经济利益流入或内部使用价值的数据。

中间态数据集合举例：征信机构开发的大模型产品使用的已经被其他系统初步加工过的数据。

（3）加工后的数据集合

加工后的数据集合即产成品数据集合。

数据产成品集合举例：征信机构自主加工后生成的可以被客户端直接调用使用而不需要进一步处理的数据。

二、数据产品的概念和分类

数据产品，是指将数据原始资源转化为能对内产生经济价值或对外形成经济利益流入的产品。它可以是基于软件产品和服务的服务性产品，也可以是将软件产品、服务与数据资产的权益打包后形成的权益性产品。

1. 数据产品的分类

数据产品的分类如下表所示，下面我们将对不同类型的数据产品进行分类和详细解释，让读者更好地理解它们的含义和特点。

表数据产品的分类

（1）数据软件产品

数据处理软件产品是指用于处理、分析、转换和管理数据的（软件）产品。这些产品旨在帮助用户从原始数据中提取有价值的信息，进行数据清洗、整合、分析和可视化等操作，从而提升数据的质量和可用性。包括：

ETL 工具：用于数据的提取、转换和加载。

数据库和数据仓库：用于存储和管理大量的数据。它们支持数据的增删、改、查等基本操作，也支持数据分析和查询等复杂操作。

数据可视化软件：用于将数据以图形化的方式展示出来，帮助用户更直观地理解和分析数据，通常提供了丰富的图表类型和交互功能。

大数据处理软件：专门用于处理大规模数据的软件产品，如 Hadoop、Spark 等。

数据报告软件产品是基于数据处理和分析结果，以报告形式展现的数据产品。它旨在将复杂的数据转化为易于理解和使用的信息，帮助用户快速了解数据的关键点和趋势，从而做出明智的决策。

数据交易软件产品是指专门用于支持数据交易活动的软件工具或平台，它的主要功能是赋能交易方和促进数据流通。具体赋能项如数据商品公示、数据供需对接、数据分销售等。这类软件产品为数据买卖双方提供了一个便捷、安全的交易环境，促进了数据的流通和交易。

专业工具软件产品是指针对特定领域或任务，提供高度专业化的功能和工具的软件产品。专业工具软件产品的应用范围非常广泛，可以涵盖各个领域和行业，如设计、开发、数据分析、项目管理等。例如，在规划设计领域，专业工具软件产品可以提供绘图、建模、辅助规划等功能。在数据要素大发展的环境下，这些产品表现出以下显著特点。

流程自动化：针对特定领域的知识体系和方法论，提供了丰富的专业功能和工具来实现自动或半自动化，以满足提高工作效率的需求。

高度数据驱动：针对特定领域，将大量信息数据化、模型化，通过数据和模型共享服务实现整体效率的提升。

（2）数据软件服务产品

SaaS 是常见的数据软件服务产品。SaaS 是一种软件交付模式，它通过网络（通常是互联网）提供软件服务。在这种模式下，客户不需要购买和维护软件及其相关的硬件设备，而是可以通过订阅的方式获得所需的软件服务。

DaaS 是一种将数据作为服务提供的模式，旨在使得数据更易于访问、使用和分析。在 DaaS 模型中，数据提供商将数据以服务的形式提供给客户，用户无须自行收集、整理和处理数据，只需订阅或购买服务即可获取所需的数据。需要指出的是，合同双方需要在合同中明确处理后的数据的持有权归属，以避免在未来造成不必要的民事纠纷。

（3）数据权益性产品

数据加工使用权产品：这是一种将数据原始资源授权给企业外部主体进行加工和使用的产品形式。需要注意的是，获得授权的主体并没有获得交付数据的持有权，但它拥有交付数据再加工后产生的新数据的持有权。

数据产品经营权产品：这是一种将数据原始资源或数据软件产品的用益权授权给企业外部主体的产品形式。简单来说就是，数据持有者允许其他企业在特定区域内销售其数据产品。例如，数据产品持有企业向外出售其持有数据产品在 A 地区的分销权。

（4）数据权益组合产品

资产与授权权利相结合的产品，是指将特定的资产与相关的授权权利结合，形成一个整体的产品来满足用户的特定需求。这种产品形式通常涉及软件系统的出售、出租、转让，知识产权、数据加工使用权、数据产品经营权等权益的整合和打包。

举例：数据持有企业向外进行数据特许经营招商，它对加盟商提供的产品包括①在合同规定的时间、场景下对其持有的数据的加工使用权；②在合同规定的场景、地域内对其数据产品服务的分销权；③定制的数据处理系统。其中①和②为数据权益性产品，③为数据软件产品，且三者都是以无形资产形式实现经济利益流入。

三、企业数据价值实现四大阶段

数据资产入表是实现数据价值化的重要环节。它使得数据资产被纳入企业的财务报表，提升数据的透明度和管理效率，准确反映数据的经济价值。这有利于优化资源配置、提高决策效率，并为企业的长期发展带来新动力。因此，数据资产入表是企业实现数据资产价值化的重要手段和必然选择，贯穿企业数据价值实现的各个阶段，如图所示。

企业数据价值实现的阶段进程

1. 生产信息化阶段

在企业的生产信息化阶段，首要任务是进行全面的信息化改造。这一阶段旨在通过引入先进的信息化系统，实现生产流程的数字化和智能化。同时，企业还需建立有效的数据收集和存储机制，确保生产过程中产生的数据能够被准确记录并妥善保存，以完成企业原始数据的积累。

2. 数据资源化阶段

在数据资源化阶段，完成信息化改造的企业通过数据采集、挖掘、清洗、标注、分析等步骤，形成可采可信的高质量数据资源，为数据资产化提供坚实的基础。在这一阶段，数据的真实性、完整性和准确性至关重要，直接影响到后续数据资产的价值评估和应用效果。

数据资产入表在这一阶段主要涉及数据的收集、整合和标准化。企业需要整合分散、多样化的数据资源，形成统一、标准化的数据集，从而构建数据资源并进行入表。

3. 数据资产化阶段

数据资产化阶段是将数据通过市场流通交易，为使用者或所有者带来经济利益的过程。在这一阶段，数据的确权是前提，需要明确数据的所有权、使用权和经营权等，以保证数据交易的合法性和公平性。而数据定价则是关键。数据资产化将数据从资源转化为具有经济价值的资产。

在数据资产化阶段，企业需要对数据资产进行明确的价值认定，确保其经济价值的准确体现。

4. 数据金融化阶段

数据金融化阶段是实现数据价值的核心阶段，标志着数据成为可以交换和流通的资本，实现更大价值。数据金融化促进了数字经济的发展，推动了数据与其他生产要素的深度融合，通过交换和流通实现数据价值的最大化。

四、数据资产三次入表理论

《一本书讲秀数据资产入表》中首次提出数据的“三次入表理论”，读者可以依托这一套方法工具来判断企业目前处于入表的哪个或哪几个阶段，进而为后续的工作部署和推进提供明确指导。数据资产入表三大阶段详见图。

1. 初次入表：底层资产入表

初次入表主要指的是企业将已实际形成的底层原始数据资源，按照《企业数据资源相关会计处理暂行规定》的要求，首次纳入会计层面的企业资产库。这一阶段工作的完成，意味着企业建立了坚实的数据资产基础，为后续基于底层资产形成更多其他类型的资产打下了坚实的基础。

2. 二次入表：增值资产入表

底层数据资产在经过加工和应用之后，必然产生新的附加值。二次入表就是将这部分增值以货币形式体现在财务报表中。

3. 三次入表：金融资产转化后入表

三次入表是指当数据资产通过交易或其他方式转化为以货币计量的金融资产后，将其纳入财务报表的过程。

五、数据三次入表全流程

实际上，这三次入表体现了企业对数据价值挖掘过程中，不同阶段、不同形态的数据资产入表。下图所展示的路线主要是从企业的数据形态发展顺序，围绕这三次入表来规划和制定企业数据资产入表的全流程、详细实施路线。

企业数据资产入表的全流程实施路线

1. 原始数据收集

（1）信息化是基础

企业完成数据价值化的第一步是收集数据，收集数据的前提是完成信息化。我们可以通过调研来了解企业的信息化水平。

（2）数据准备

建立数据需求管理制度，确保数据需求能得到集中和系统的管理，从源头上保障原始数据的系统性、完整性和一致，具体如下。

数据溯源：了解数据的来源，确保数据的权威性。

源头数据评估：对源头数据进行评估，包括异常值、不正确、不一致、缺失等情况的评估。

建立数据模型：结合数据类型、规模、时效性、应用场景等，设计数据存储模型。

数据标准：建立统一的数据维度，对相关数据进行规范、标准化管理，确保数据质量。

数据接入和流转：对数据的流转、存储、计算、展示等环节进行设计，形成数据接入及流转的设计方案。

2. 形成数据资源

（1）原始数据形成数据资源

数据资源是指来自不同产生源的数据集，在物理上按照一定的逻辑归集后达到一定规模，形成可重用、可应用、可获取的数据集合。

企业数据资源化需要在企业数据战略的指导下，构建数据能力体系和数据治理体系，从而在内部形成与数据驱动型业务模式相适配的人才、技术、组织安排和系统等。

（2）数据集成

数据模型优化。将业务数据和组成结构进行可视化表达，使用结构化语言将收集到的组织业务经营、管理和决策中使用的数据需求进行综合分析，按照模型设计规范将需求重新组织。

数据集成。建立组织内各应用系统、各部门之间的集成共享机制，通过组织内部数据集成共享相关制度、标准、技术等方面的管理，促进组织内部数据的互联互通。常见的数据集成模型有点对点模式、中心辐射式、发布订阅式等。

3. 可入表数据资源识别

《暂行规定》中明确了可以入表的数据资源的条件。我们也可以将登记的数据权益，作为企业数据资产入表的佐证资料。

4. 一次入表

一次入表是指对企业中产生的数据资源进行梳理和盘点，以成本法进行初始计量，步骤如下。

1）将数据从信息系统中分离出来，并体现在会计报表—资产负债表—无形资产项下。

2）将数据资源作为企业权益进行会计确认。

3）会计计量和记录。

5. 数据产品研发和生产

（1）数据产品研发

1）分析目标客户的数据需求和应用场景（模型化需求、非模型化需求）。

2）选择合适的第一个试验型开发的客户。

3）组织数据产品及其服务终端的开发。

（2）数据产品的分类

数据产品是指对数据资源投入实质性加工或者创新性劳动形成的、可满足内外部用户需求的、可持续提供的、以数据为内容的可辨认的服务形态，即数据产品 = 数据资源 + 数据算法模型 + 服务终端。

其中，服务终端指实现数据产品的交付 App、网站、API、SaaS、VPN 等。

数据产品根据数据的需求特征和服务方式进行分类，分为如下几种类型，如表所示。

表数据产品分类矩阵

一般，我们能看到的数据形态包含以下几种。

数据集：以数据库形式提供，以满足客户模型化需求的数据产品。

数据信息服务：以数据资源库为基础，为客户提供满足其特定需求的信息类服务。

数据应用：以应用程序的方式，基于统一的用户界面，提供基于数据资源和模型应用的数据产品。

6. 数据交易达成

数据产品实现其外部价值主要通过场内交易和场外交易两种方式。场内交易通常在专业的大数据交易平台上进行。这些平台为数据交易提供规范、透明和安全的环境，保障了交易的公正性和有效性。在大数据交易平台上，买卖双方能够进行高效的对接和交易，实现数据资源的优化配置。与此相对，场外交易主要依赖买卖双方之间的直接协商和建立的信任关系，具有更高的灵活性和自主性，但同时也要求双方具有较强的风险识别和管理能力。无论采用哪种交易方式，我们都必须遵守相关的法律法规，确保数据交易的合法性和安全性。

场内交易大致涉及以下操作。