数字时代的到来,催生了一种全新的资产形态——数据资产。相较于传统的有形资产,数据资产具有难以估值、边界模糊、所有权不明确等特点,给确权工作带来了极大的挑战。但与此同时,数据正在成为关键性生产要素,数据资产的价值也正在被逐步重视,数据资产确权工作迫在眉睫。本文将围绕数据资产化的总体实施路径,重点阐述数据资产确权的关键环节与实践经验,为业界提供一些思路与建议。 一、数据资产化总体路线图数据资产化是一个循序渐进的过程,可大致分为三个阶段:资源化、资产化和资本化。 1.资源化阶段资源化阶段的核心任务是数据确权和数据治理。数据确权旨在厘清数据的所有权归属,明确各方的权利义务;数据治理则是对数据进行全生命周期的管理,保证数据的高质量。只有通过确权和治理,数据才能真正成为可利用的资源。 2.资产化阶段资产化阶段将数据资源转化为数据产品,并对数据产品进行估值。数据产品化是通过加工提炼、标准化包装等手段,将数据转化为可交易的商品形态;估值则运用成本法、收益法、市场法等传统估值方法,或新型IVI、BVI、PVI模型,为数据产品贴上"价签"。 3.资本化阶段资本化阶段将数据产品纳入金融体系,设计金融衍生品进行交易。例如可对数据使用权、所有权等进行拆分,发行无本可交债券或股权类产品;或直接在数据交易所等市场平台上开展交易。 上述三个阶段相互衔接,数据资产化的深入实施需要逐步推进。其中,资源化阶段特别是数据确权工作,是数据资产化的基础和先决条件,也是本文的重点内容。 二、数据资产确权的关键步骤1.界定数据资产范围,确定权属数据资产范围的界定,是确权工作的第一步。需要识别和列举组织内部、外部获取的所有数据资源,包括业务数据、交互数据、开放数据等,从而确定需纳入确权范围的数据总量。 在此基础上,需要遵循所有权原则,厘清每一数据资产的权属人。对于自主生产的内部数据,一般情况下权属自然归属于数据生产方;对于从外部获取的数据,则需依据合同条款、法律法规等确定权属。一些特殊情况还需予以考虑,如联合创作数据的权属认定、个人数据权利等。 2.处理数据变动情况由于数据资产的实时变化性,确权过程中还需要应对不同阶段的数据变动情况。 对于在确权范围内发生变动(新增、变更、删除)的数据,需要及时识别和跟踪记录。对于新增数据,如果符合确权标准,需要纳入确权范围,分析权属情况并进行登记。对于变更和删除的情况,也需要记录和更新确权档案。 对于与外部获取的新数据,首先要审视签订的相关协议,确定是否取得了所有权或足够的使用权。对无法获得权属的数据,需要决定是否终止引入,或寻求替代方案。 3.突破难点数据资产确权面临诸多难题,如资产边界认定、数据质量判断等。 (1)资产边界认定数据资产边界的认定是一个核心挑战。由于数据的无形性和复制性,边界很容易模糊化。比如笼统的"用户信息"可能包含了大量数据资产,如何将其拆分为独立的确权单元?多个数据源融合生成的新数据又该如何认定?这就需要建立合理的边界划分机制。 一种可行路径是,依照数据主题或应用场景,将数据划分成独立的数据库或数据集,作为确权的最小单元。比如将手机号码、姓名、地址等划分为不同的数据库或集合。再结合业务应用,将相关数据库集合在一个统一的确权单元下,实现边界的可控管理。 (2)数据质量认定数据质量直接决定了数据资产的价值大小。因而在确权时,必须综合评估数据质量状况,作为权属认定和估值的重要参考。数据质量通常包括准确性、一致性、完整性、及时性、安全性等多个维度。可以借助标准化评分模型,对各个维度打分,然后通过加权算法得到综合质量得分。对于质量良好的数据赋予更高权属地位,而低质量的数据则权属可能受限,乃至被排除出确权范围。 三、数据资产的估值阶段完成资产确权并不意味着资产化的结束,后续还需要进行资产估值,为下一步的资产入表和交易做好充分准备。 1.数据资产价值驱动因素数据资产的价值主要受以下因素驱动: (1)法律风险数据资产的法律风险程度,直接影响其价值大小。对于存在严重法律瑕疵、权属不清的数据,即使数据质量优良,其价值也将大打折扣。 (2)数据质量数据质量是价值的直接决定因素。在同等法律条件下,优质数据可获得更高的估值。上文提到的数据质量评估结果,是本环节的重要参考依据。 (3)发展阶段数据资产有其生命周期,处于不同发展阶段,其价值也不尽相同。相较于处于成熟期的数据,创新发展中的新颖数据资产可能具备更高的预期价值。 (4)应用场景数据资产的应用场景广泛与否,也影响着其价值。能在多个行业、场景发挥作用的数据资产,其价值通常会更高。而一些狭隘领域的特殊数据,价值存在天花板。 2.货币估值方法对数据资产实施货币估值,通常借鉴传统有形资产的估值方法,包括: (1)成本法成本法将数据生成、加工、存储等所投入的全部直接和间接费用予以资本化,作为数据资产的估值基础。适用于数据资产处于初始阶段,难以预测未来价值的情况。 (2)收益现值法收益现值法是将数据资产带来的未来预期收益现值化,作为估值依据。例如分析数据在营销、广告等应用领域可创造的经济价值,并考虑数据的有效期、利用率等因素进行现值化。 (3)市场法市场法的原理是参照同类或类似数据资产的市场交易价格,对待估值数据资产进行评估。但受市场参考样本稀缺的限制,该方法在数据资产估值中应用较为有限。 3.非货币估值方法除传统的货币估值外,非货币估值模型在数据资产估值领域有一定创新运用。如IVI(Intrinsic Value Index)模型、BVI(Business Value Index)模型和PVI(Potential Value Index)模型。这些模型从数据内在价值、业务价值、增值潜力等视角出发,通过打分加权、计算算法等方式,对数据资产的非货币价值进行评估和量化。 总的来说,货币估值和非货币估值路径并行发展,相互补充,为数据资产估值提供更全面的支持。 四、数据资产入表阶段在完成资产确权和估值之后,接下来就可以着手实现资产入表。具体而言,对于满足一定条件的优质数据资产,可以纳入企业资产负债表核算;而不满足条件的次优资产,则披露为表外资产,区别对待。 1.资产入表的条件数据资产能否入表,需同时满足以下几个基本条件: (1)权属明晰首先需要确保数据资产的权属归属明确、无争议,否则便无入表资格。 (2)产权完整性其次确保数据资产的产权完整性,不存在重大瑕疵或权利遭到严重限制。 (3)定价合理性再次需保证数据资产的定价在合理区间内,通过认可的定价模型进行评估。 (4)价值显著最后数据资产的价值应当超过一定门槛,足以对企业产生实质性影响。 满足上述条件的数据资产,可以按公允价值或评估价值纳入企业资产负债表核算,并在后续计量时遵循相应会计准则(如按摊余成本法或公允价值法计量)。 2.表外数据资产披露对于那些无法符合入表条件的数据资产,则披露为表外资产,以备注的方式进行披露。这部分资产由于尚存权属争议或定价困难等问题,暂时无法准确入账。 披露主要内容包括数据资产的基本概况、数量规模、主要用途,以及无法入表的具体原因等。表外数据资产也可能存在一定潜在价值,因此亦需持续跟踪和管理,待达到入表条件时再转入资产负债表核算。 五、实施建议为顺利推进数据资产化,最后总结如下几点建议: 1.关注数据交易动向,抢占先机要及时全面洞察数据交易市场动向,并合理评估市场机遇与挑战。一方面要高度关注各领域交易样例,及时掌握定价策略、交易模式等最新动态;另一方面也要分析市场痛点,优先布局相关赛道以抢占先机。如何规避法律风险、提高数据流通率、控制交易成本等问题,都需深入研究。 2.重视数据合规,确保完整产权数据合规可以说是资产化的生命线。一旦存在重大法律风险或遭遇严厉监管,产权将岌岌可危、资产价值几乎为零。因此要在整个资产化过程中,时刻秉持合规至上的理念,对可能存在的隐私泄露、不正当收集、横向过度使用等违规行为亮起红灯,通过多种途径规避风险,从而确保获得完整、清白的数据产权。 3.开放合作模式,上下游共赢企业的数据资产难以在封闭环境下孤军作战,需要与上下游产业链形成良性互动合作。通过上游赋能,打通数据源头,同时在下游培育应用场景。与技术提供商、行业组织、金融机构等伙伴合作,分工协作、优势互补,将加速数据资产的流转赋能,形成产业链上的良性循环。在面对资产化新赛道时,没有单枪匹马的机会,唯有开放合作才是正确出路。 数字经济与数据革命正在引领我们走向一个未知的时代,数据资产则将成为这一时代最为宝贵的资本。希望通过这篇文章,能为大家带来一些数据资产确权与资产化实施方面的思路与启发,一起共同探索数据资产化的广阔前景。