从左至右：周昀、杨开创、叶凌凝、邹汶君
本文为清华－康奈尔双学位金融MBA2023级《金融科技I》课程报告，作者是：周昀、杨开创、叶凌凝、邹汶君；授课教师：汤珂。汤珂现任清华大学社会科学学院经济所教授、所长。主要研究方向为商品市场(包括数据要素)、金融科技和数字经济。
摘要
数据资产被誉为 21 世纪的“新石油”，是数字经济的重要组成部分，是新型生产要素，更是国家不可或缺的战略资源。2022年，我国数字经济规模占GDP 比重已达到41.5%。作为释放数据要素价值的关键环节，数据资产交易至关重要。近年来，数据资产交易需求不断增加、交易模式推陈出新、交易服务日益全面、交易监管日趋完善；但与此同时，数据资产确权、入表、估值等关键环节仍存在政策模糊地带，如何在创新的同时规避监管风险、尽可能盘活数据要素价值成为社会关注焦点。本篇作业报告将聚焦数据资产的权属确定、入表、定价，选取金融行业数据资产化实践为案例进行分析，并对数据资产行业科学发展提出简要建议，为数据资产相关研究提供一些参考。
关键字：数据资产；金融行业；权属确定；定价；发展建议
1. 数据资产确权
1.1数据资产发展
自 2015 年国务院印发《促进大数据发展行动纲要》以来，国家不断研究、发布围绕数据要素布局的政策，指明监管思路、引导市场预期。2019 年 11 月，党的十九届四中全会决议通过的《中共中央关于坚持和完善中国特色社会主义制度推进国家治理体系和治理能力现代化若干重大问题的决定》中，首次将数据增列为生产要素[1]。2022 年底，中共中央、国务院发布《关于构建数据基础制度更好发挥数据要素作用的意见》（以下简称《数据二十条》），提出 20 条构建数据制度的政策举措，涵盖权益保障、产权制度、交易制度等，数据监管制度体系进一步明朗。2023年 2 月印发《数字中国建设整体布局规划》，从顶层设计的高度对数字中国建设做出整体布局，提出了一系列目标任务和战略部署。今年1月，财政部印发《关于加强数据资产管理的指导意见》，构建“市场主导、政府引导、多方共建”的数据资产治理模式，逐步建立完善数据资产管理制度，不断拓展应用场景，不断提升和丰富数据资产经济价值和社会价值，推进数据资产全过程管理以及合规化、标准化、增值化。
1.2数据资产确权定义
目前社会普遍认可“数据资产”是一种享有权益的资产，可以直接或间接地经济效益和社会效益，由个人或组织合法拥有，以电子或其他方式记录，可进行计量或交易，因此数据资产确权的重要性日渐凸显。数据资产确权的定义，在中国人民大学法学院教授王利明的观点中是“数据确权是通过对数据处理者等赋权，使其对数据享有相应的法律控制手段，从而在一定程度或范围内针对数据具有排除他人侵害的效力。”
2022年12月19日，《中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见》（“《数据二十条》”）提出了创新的数据产权观念，淡化所有权、强调使用权，聚焦数据使用权流通。因此，我国的数据资产确权更加注重数据资产的资产属性、流通属性，而不强调权益属性。《数据二十条》中明确了对数据权属监管的顶层设计，即在建立数据分类分级授权的基础之上，探索数据产权结构性分置制度。根据数据来源和数据生成特征，分别界定数据生产、流通、使用过程中各参与方享有的合法权利，建立数据资源持有权、数据加工使用权、数据产品经营权等分置的产权运行机制，推进非公共数据按市场化方式“共同使用、共享收益”的新模式[2]。
因此，可以大致将数据资产分为三类：个人原始数据、企业衍生数据、社会共有数据。个人原始数据指不经过加工，原始收集的数据，个人对该数据有持有权、加工权等使用权，这类数据的经济效益不明显，可以通过简单登记，一般不涉及交易。企业衍生数据，涉及只是产权问题，在原始数据的基础上增加了附加的计算或经济价值，在使用权和加工权上比个人数据更加复杂，在数据要素登记中将要求登记附加值的全部流程，登记项目包括数据主体登记、数据资源登记、数据产品登记、数据流通凭证，用于保护所有参与方的利益。社会共有数据一般归属政府和国家，不用于公开交易或融资抵押等，登记要素也相对简单。
1.3数据资产确权挑战
对于任何生产要素而言，确权都是重要议题，直接决定了生产要素的开发与利用。随着技术的发展，尤其是人工智能的应用，数据要素流通及交易日益频繁，数据确权的需求日益与日俱增。然而，与传统生产要素相比，数据要素是一种虚拟存在，具有可复制性、非排他性，且主体多样，难以确定清晰、可分割的主体；且生成式人工智能（AIGC）衍生出了一系列新的相关问题。
数据确权困难重重，是数据资产的特性决定的。数据资产具有无形性、非消耗性、可复制性、非竞争性、非排他性等特点，因此数据资产的获取、使用、保有难以用物理方式隔离，也很难证明数据资产的权属。这些特性决定了只能依靠完善法律体系，对数据资产分级分类评估和确权。目前中国出台的相关法律有《数据安全法》《个人信息保护法》，虽然尚未出台成熟的国家层面法规明确数据资产确权问题，各地方政府已经陆续发布多项法律文献，对数据资产确权进行探索和尝试。
参考发达国家的数据治理经验，美国在数据确权立法方面确立了财产权导向思路，利好科技企业，但权利救济较为滞后；欧洲则建立了隐私权导向的监管体系，但监管过严、执法效果有限，限制了数据要素市场效率。目前看来，二者均非数据要素治理的理想方案。同时，与欧美不同的是，政府、事业单位、科研机构等公共部门是中国数据要素的主要来源。因此，中国的数据监管思路应遵循自身数据经济发展特色。
2. 数据资产入表及定价
2.1数据资产入表以及会计处理
2023年8月，财政部发布了《企业数据资源相关会计处理暂行规定》，自2024年1月施行。该规定依据现行会计法律及企业会计标准，首次明确了数据资源的会计处理方法和披露要求，着手将数据资产纳入财务报表。
表2-1 数据资产入表的主要特点[3]
2.2数据资产的估值方法选择
在不同经济行为下，数据资产评估方法的选择至关重要。主要情境包括转让、许可使用、出资、质押融资、企业清算、司法诉讼及执行、财务报告和产证券化。以下是针对这些行为类型的评估方法选择分析。
表2-2 基于数据资产经济行为的评估方法选择[4]
对于转让和许可使用，估值需考虑市场需求和潜在收益。出资评估时，须评估其对增资企业价值的贡献。质押融资则依赖数据资产的流动性和市场认可度。处于企业清算或司法情境时，评估旨在确定资产的清偿能力。对于司法财产处置，评估需确保价值最大化。在编制财务报告时，公允价值是评估的核心。资产证券化要求评估未来现金流的稳定性和可预测性，各类经济行为需选择合适的评估标准和方法，确保数据资产的准确价值反映。
2.3数据资产入表和估值挑战
在进行数据资产评估时，成本法的应用往往受制于数据资产界限的模糊性。对于通过日常经营活动而生成并加工的数据资产，成本归集难度加大。是否将日常运营的成本视作数据资产投入成本的一部分，依赖于企业对数据资产定义的明确性和成本归集的精准性。
同样，在采用收益法时，许可费节约法广泛应用，但确定企业由于数据资产而节约的成本成了评估面临的挑战，特别是在数据交易市场尚未成熟的情况下。为了避免对企业现金流贡献的重复评估，必须细致区分数据资产与其他资产的综合效应，并精确衡量其独立的价值。
此外，评估过程中需要考虑的是数据资产的行业相关性。不同行业对数据资产的价值判定不同，行业标准的缺失让评估方法更多依赖于专家的经验和深入的分析。因此，随着数据资产评估业务的发展，建立健全、成熟的数据资产评估数据库和分析框架将显得尤为重要。
数据资产评估的核心挑战，包括对权利的确认以及如何将数据相关的各类投入与产出有效匹配。收益法在预测未来收入时面临很多不确定性，而市场法在实际操作中面对的是交易实例的匮乏。这些问题要求评估师不仅要掌握会计和财务的专业知识，同时还需要对于数据科学和市场动态有足够的敏感度。
在处理这些挑战时，需要认清数据资产与一般商品的区别，诸如其可能的重复销售特性和时效性的双重性。数据资产的多用途性同样难以用传统的成本归集方法来处理，这要求企业建立起精细化的管理体系，以便将数据资产的生产与使用以及预期的商业收益合理地对应起来。考虑到数据资产的使用寿命和时效特性并存，如何衡量和预测其对企业的现金流贡献程度显得尤为关键。数据资产的摊销策略和方法，比如使用年数总和法等加速折旧方法进行折现，需要精心设计以合理展现其价值。市场法的限制在评估数据资产时尤为明显，但随着数据交易市场的演进，市场法的应用前景将增强。适时引入市场比较数据，将有助于反映真实的市场状况，增进财务报表的透明度。
数据资产评估涉及多层面的问题，从权利确权到成本归集，从收益预测到市场法的应用，所有这些都要求在实操中不断探索与完善。只有构建起综合性框架并结合多种评估方法，才能为数据资产的估值提供一个更加准确、全面的视角。
3. 金融行业数据资产化实践
目前数据交易覆盖较深的行业包括金融、交通、零售、医疗等，本报告选取金融行业，进行了调查研究。数据应用于行业主要有三种模式，一是单一数据运用多个行业，如个人信息要素验证信息，用户画像；二是多行业信息的中心化汇集，如核心企业的用户信息采集分析；三是龙头企业的平台化运作，如字节跳动运用自身数字资源和行业垂直整合能力形成数字资源的平台化运行。
金融是目前数据应用最深、最广的领域之一。近五年来，金融业数据要素采购项目数量复合年均增长率达40%。其中银行、证券、保险采购数量占比分别为77%，12%和4%。银行业数据采购也从单一的内部应用发展为内外部应用并举，银行在对数据资产的管理中不止考虑数据质量、安全和有效利用，也开始关注数据经济效益、应用价值，以及促进业务发展的能力。
银行利用数据资产支持实体经济的过程中，数据资产确权、价值评估、贷后难处置是关键环节，如何实际上的评估和把控风险，各家银行仍在探索过程中。目前呈现的形势，将数据作为信用背书或者业务资料使得贷款行可以准确了解情况、评估风险的类的业务模式已较为成熟，而数据资产质押，数据知识产权质押类的以数据本身作为资产，以此直接从银行获得融资的业务，尚处于摸索尝试阶段。
银行运用数据资产已成体系化、规模化、运作较为成熟的业务场景，一是零售业务，根据内外部大数据形成的用户画像，给予用户消费贷额度和信用卡额度，数据作为“信用能力”的佐证要素；二是供应链业务，银行基于核心企业及其上游供应商或下游经销商交易场景，基于真实贸易背景及多维交易数据，为上下游企业提供融资产品。
以某股份制银行通过数据增信模式对某零售龙头企业的下游经销售进行信用授信的模式为例，核心企业通过与银行实现系统直连，与银行分享各级经销商与核心企业的历史和当前交易数据、经销商基础数据、内部评价数据等，银行基于上述数据搭建授信风控模型，为经销商提供全线上化的融资支持。银行业务功能可嵌入核心企业CRM或其他系统，实现银企生态共建和对经销商的联合赋能。此类业务主要适用于交易频繁、购销渠道稳定的供应链场景，重点用于酒水饮品、粮油食品等弱周期消费龙头的下游经销商。
在此过程中，数据起到了关键作用，减少了银行审批需要的复杂授信，节约了信贷时间，核心企业可以不占用自身的授信额度，支持经销商，做大供应链，经销售可以解决融资难、融资贵的问题，实现三赢。
金融机构将企业的数据资源进行资产化评估，据此发放信贷。在此过程中，数据资产权属确认、数据资产价值评估、数据资产贷后难处置是关键环节，就此进行了探索和实践，全国已有多家主体成功办理相关业务。
4. 推动数据资产市场发展的建议
数据要素市场化进程不是一蹴而就的，在市场化的进程中，需要市场参与的多方主体统筹协调发展，既有基于国家政策的指导和市场建设的原则性意见，又要有刺激市场发展的举措，市场的主要参与主体积极参与，在政策的指导框架下，创新性地建设数据要素市场发展模式，同时监管机构通过底线思维，约束市场主体的不良发展，确保市场在健康的轨道上快速发展。
4.1推进和完善顶层设计，使数据市场发展有法可依
数据要素市场与其他要素市场有本质上的区别，作为一种新型生产要素，其市场化发展一方面需要打破部门壁垒、地方壁垒、行业壁垒，另一方面需要有效约束，不能任由其野蛮生长。因此，需要加紧研究制定和出台相关政策和意见，规范现状，订立目标，规划蓝图，给市场一颗定心丸。建议由具有较高公信力的政府机构牵头，以高瞻远瞩的顶层设计指导清晰和包容度高的规则与指引制定发布，加快统筹市场政策体系，优化市场管理规则，推进基本制度建设，形成体系完备、规则合意、执行有效的制度框架，为数据市场发展提供重要的制度性基础条件。通过高层政策指导和专业原则规范，我国数据市场发展才能有据可依，有法可用，有未来可前进。
4.2确定数据要素流通角色，保护数据流通
相关方权利数据要素在流通过程中涉及大量角色，如数据的生产者、所有者、管理者、出售者、购买者、监督者等，同一主体可在数据要素流通过程中同时扮演多种角色，如生产者可能与所有者一致。通常而言，不同角色对应不同权益，如数据资产的所有权、使用权、收益权等。确定数据要素流通的角色，是明确各方权益、进而保护各方权益的前提。建议明确数据交易流通过程中的分级分类权益体系，通过法律手段保护数据要素流通对应的不同对象所对应的不同权益。例如保护数据的所有者的所有权；在保护数据要素流通相关方权益的同时，承认对数据的加工使用是有价值的，应享受到数据加工使用带来的权益分配，进一步促进数据要素市场的流通。在数据要素流通过程中将数据的使用权和所有权进行分离，分类保护，以提升数据要素共享的积极性。
4.3 建立交易争端仲裁机制，完善市场运营机制
数据资产交易面临着和其他行业或资产交易同样的交易争端问题。建立数据要素市场的争端仲裁机制，是推进数据要素市场快速发展的重要环节。交易平台需要建立评价机制和退出机制，形成售中、售后评价和投诉通道，快速传达争端信息，及时制止违法和违规交易。在争端仲裁策略方面，可以借鉴其他行业或资产交易争端仲裁办法和规定并进行相应调整，使其适用于数据资产的交易。应对争端事件进行分类分级，以便交易平台节约资源和时间，提高争端解决效率。数据交易平台要担当起争端仲裁者的角色，在交易发生争议时应起到缓冲和磨合的作用。对于简单的案件，交易平台提供空间给当事人进行沟通和解，无需第三方参与；而对于相对复杂的争端，建议交易平台参与并带动当事人交流，对当事人进行实时调解，及时解决争端；对于仲裁无法解决的严重违法违规事件，应及时上报公安部门及监管机构，使违法行为得到法律制裁。在交易争端解决后，交易平台应总结经验教训、完善交易流程制度，从而减少交易争端的发生。
参考文献：
[1] 马红丽. 数字化发展需加快培育数据要素市场,《中国信息界》, 2021.
[2] 中共中央 国务院关于构建数据基础制度更好发挥数据要素作用的意见,《大众投资指南》, 2023.
[3] 赵丽芳,吕梦,钟英才. 数据资产入表的价值效应及经济后果初探, 2023.