转载请注明出处：微信公众号 gipcenter
摘要：城市基础设施建设与运行过程中产生了大量数据。数字经济时代，数据要素已成为与资本、土地等并列的生产要素。不同的是，数据要素资产价值有其独特的特点和应用场景。对海量数据的收集、挖掘、整理、利用，可以发挥数据的潜在价值，推动城市可持续发展。但目前城市基础设施数据资产的概念、数据资产价值维度和影响因素尚不清楚。本文在文献研究的基础上（1）得出城市基础设施数据资产的概念和特点；（2）建立城市基础设施数据资产的价值评价体系和总结其影响因素。旨在为城市基础设施数据治理提供理论支撑与指导，从而促进城市智慧治理。
2019年10月，中共中央首次将数据纳入生产要素范畴。《“十四五”大数据产业发展规划》中提到要建立数据要素价值体系，加快培育数据要素市场。数据作为要素的重要性得到广泛关注。数据要素是区别于土地、资本和劳动力的另外一种生产要素和无形资产，经过整理、加工和运用，能够以多种形式存在和循环使用，并不断增值，具有促进经济增长，提高生产效率的作用，是支撑数字经济社会快速发展的战略资源。城市基础设施是满足城市居民基本生产生活所需的物质设施的总称，主要包括通讯、道路、能源供应、给排水等。随着建筑企业的数字化转型和物联网、5G等数字技术的普及使用，城市基础设施建设和运行过程中产生并收集了大量数据。这些数据对建设城市管理数据库，实现城市智慧治理，发挥数据隐藏价值十分重要。数据的收集和管理需要耗费大量人力、物力、财力，一旦无法形成数据资产，发挥价值，会产生巨大的浪费。 数据蕴含价值已经成为广泛的共识，但数据作为资产的价值无法独立反映。数据资产化是指数据在市场交易流通、形成数据产品或数据服务，给使用者或拥有者带来经济的过程，是实现数据价值的核心。因此，本文通过文献研究，对国内外关于数据资产的研究进行梳理，结合城市基础设施的特点，（1）提出城市基础设施数据资产的概念、特点和内容；（2）建立城市基础设施数据资产的价值评价维度和分析其影响因素。旨在为城市基础设施数据治理提供理论支撑与指导，更好地挖掘城市基础设施数据的真实价值，使城市数据资产管理水平进一步提升，促进城市智慧治理。数据是对客观事物在一定时间内的性质、状态以及相互关系等特征进行记录并存储在媒介物上的可以鉴别的数字、汉字或其他符号。资产是指由企业经营交易或由各项事项形成的，被企业拥有或控制的，预期会给企业带来经济利益的资源，包括各种财产、债权和其他权力，具有交换价值或商业价值。资产具有现实性、可控性和经济性三个基本特征。国内外机构和学者对数据资产进行了不同的定义。Corporate Finance Institute（CFI）机构将数据资产定义为企业带来收益的系统、应用程序输出文件、数据库或网址页面，认为数据资产是技术时代最有价值的资产之一。中国资产评估协会认为数据资产是由特定主体合法拥有或控制，能持续发挥作用并且能带来直接或间接经济利益的数据资源。其中，数据资源指以物理或电子形式记录的数据，如数字信息、文字信息、图像信息、语言信息和数据库等。中国信通院发布的《数据资产管理实践白皮书（6.0版）》中将数据资产定义为由组织（政府机构、企事业单位等）合法拥有或控制的数据，以电子或其他方式记录的结构化或非结构化数据，并且可以通过计量或交易，直接或间接带来经济效益和社会效益。结合现有研究，本文认为城市基础设施数据资产是伴随着基础设施建设和运行过程中形成的，由城市数据主管部门或基础设施建设与维修参与方拥有和控制的，能够为政府部门、相关企业或公众个人等持续带来经济利益或社会利益的数据资源或数据产品。因此，城市基础设施数据成为数据资产需要满足以下条件：城市基础设施数据资产是基础设施建设与运行过程中积累并进一步整合存储的有效数据，或者由于业务需求而被政府、企业等实际控制的数据，是对历史信息的反应，包括从第三方交换或者购买的数据。城市基础设施数据资产来源于城市基础设施的各个环节，数据所有对象有两类，一类是建设过程中的参与企业，一类是政府数据主管部门。数据资产是预期能够辅助城市和企业运营或带来经济收益的数据。城市基础设施数据要成为资产，首先要具备可利用性，能为城市运行服务、为企业运营决策服务或带来可预期的收益。如果城市基础设施数据的采集、存储、分析和维护成本大于其产生的收益，或者所有者无法自己使用或使其成为数据产品或数据服务获得收益，这些数据不能被视为资产。 数据资产是成本和价值可衡量的数据。数据的成本一般包括采集、存储、分析和维护的费用以及人工成本。数据价值主要取决于数据的应用场景，包括数据的使用对象、使用频次、使用效果和共享效率等，这是数据资产价值难以计量的重要原因，也是城市基础设施数据资产价值难以评估的原因。城市基础设施包括给排水、能源供给、道路交通、城市防灾系统等工程性基础设施和城市行政管理、教育医疗、社会福利和住房保障等社会性基础设施。城市基础设施的数据来源非常广泛，数据量庞大，涉及基础设施的管理者、建设者、使用者和维修者等众多主体，数据类型复杂，增长快、且实时更新，具有非实体性、公共资源属性、时效性、通用性、可加工性、价值易变性等特征。非实体性。与劳动、资本、土地等生产要素不同，数据没有实体，数据资产也没有实物形态。城市基础设施数据也是数据集合，其存储和价值的实现依赖于计算机、硬件设备等实物媒介。数据资产不会在使用过程中产生磨损和消耗，可以无限使用，具备无形资产的特性。但数据资产的价值由数据自身决定。公共资源属性。与其他数据资产不同，城市基础设施的建设和运行涉及到的企业、政府、公众等多个主体，数据来源广泛，政府是数据资产的主要拥有和控制者之一，数据资产也更多的被应用于城市运行和管理，在使用过程中具有非竞争性特征，属于公共资源。时效性。城市基础设施数据有很强的实时性，包括收集到的基础设施的实时使用情况和用户反馈。这些数据资产的价值会随着时间而变化，甚至随着时间的流逝而下降。这部分的数据在发挥完即时作用之后，需要进一步开发和利用，挖掘其潜在价值。通用性。数据资产与其他实物资产、无形资产相比，可以在各个企业、不同主体间快速流转，无限地进行交换、转让和使用，同一数据可以用于不同行业、不同领域。城市基础设施数据来自于不同主体，应用对象也遍布公众、企业和政府，政府、企业甚至每个人都能通过数字平台共享数据。同一数据资产对于不同的使用主体有着不同的价值。并且数据在使用过程中不断进行更新补充，被挖掘出更多的潜在价值，从而产生更多的数据产品或数据服务，有更多的应用场景，产生更多绩效。可加工性。数据资产可以被维护、更新、补充，增加数据数量；也可以被删除、合并、归集，消除冗余；还可以被分析、提炼、挖掘，不断丰富数据资产信息，甚至可以通过数据驱动目标的实现。城市基础设施数据资产直接供政府、企业使用，也可以经过研究分析带来研究价值和决策价值；还能够形成数据产品、数据服务等，为企业带来服务创新和模式创新，提高创新绩效，实现数据资产价值最大化。 价值易变性。与传统资产相比，数据资产的价值受到多种因素的影响，如数据技术的发展、相关政策的变化、应用场景等。数据的价值一部分取决于数据本身，一部分取决于数据在应用场景中的重要性。与其他数据资产相比，城市基础设施数据资产的收集和应用场景更加复杂，也更容易受到相关行业技术发展的影响。不同学者提出了数据资产价值的不同评价维度。高昂将数据资产价值评价指标分为数据资产成本价值和数据资产标的价值。数据资产成本价值包括建设成本、运维成本和管理成本。数据资产标的价值包括数据形式、数据内容和数据绩效。李然辉认为数据资产价值评价体系包括质量维度和应用维度，其中质量维度包括数据的完整性、正确性、一致性和重复性，应用维度包括数据的稀缺性、时效性、多维性和场景经济性。上海德勤资产评估有限公司与阿里研究院在此基础上增加风险维度，并认为风险维度包括法律限制和道德约束。从数据来源与构成来看，城市基础设施数据资产来源于城市基础设施建设与运行的过程，或是经过外部合作或购买的数据。数据来源复杂，数据格式多样，数据量庞大，数据分析难度巨大。从数据应用来看，城市基础设施数据资产可以应用于城市的内控管理和运行，企业的运营决策，公众生活等，也可以对外提供数据商品或数据服务。综上，评估城市基础设施数据资产价值的维度（见图1）可以分为：（1）数据资产内在价值；（2）数据资产应用价值。内在价值。内在价值评估是保证数据应用的基础，能够对数据的质量水平给出一个合理的评估，帮助数据持有者了解数据的可利用程度，评估数据资产的真实价值，进而对数据进行筛选，得到高质量的数据产品，是数据资产价值得以实现的前提。内在价值包括数据安全、数据质量、数据形式。数据安全描述了数据在存储、备份和数据迁移等环境中是否存在泄露、被篡改等的风险，体现在数据的保密性，数据权限和使用规则的建立。数据质量描述了数据是否能够全面、准确的记录客观主体的信息，体现在数据的完整性、准确性、一致性、唯一性、及时性、可追溯性等。其中，一致性是指描述同一个实体属性的值在不同数据集中是否一致。唯一性是指数据是否存在重复记录，数据表达是否唯一。及时性指数据是否能够满足需求的情况。可追溯性指的是数据从采集到存储等过程中涉及到的主体、时间等信息是否能够被追踪。数据形式体现在数据载体、数据规则、数据表达和数据描述。数据载体描述了数据结构、存储载体与实际应用相契合的程度。数据规则描述了数据服从规则的约束，同一数据在流转时始终保持唯一值。数据表达描述了阅读并理解数据资源所代表的客观事物的难易程度。数据描述表达了数据清晰、完整、可溯源的程度。 应用价值。数据的价值体现在具体的应用场景中，同样的数据资产，对不同的使用者有不同的应用场景，会发挥不同的作用，其价值也会随着使用时间的推移不断地发生变化。城市基础设施数据资产的应用场景见表1。数据的应用价值包括数据的成本价值、战略价值和绩效价值。成本价值包括数据建设期的规划、采集、核验和标识成本；数据运维期的存储、整合、运维和设备使用成本；和管理期的人力、服务和各种间接成本。数据战略价值是指组织能够依靠数据辅助企业决策，优化实现路径、预测与预警运营情况。绩效价值包括数据对内部业务推动、绩效提升以及价值变现实现。数据应用价值可以通过稀缺性、时效性、多维性和场景经济性进行评估。稀缺性描述供给方数据的多寡及数据的供给丰富度。时效性描述数据的时间特性对应用的满足程度。多维性描述数据集维度的多寡程度。场景经济性描述在具体场景中数据集的经济价值。应用主体 | 具体应用场景举例 |
政府部门 | 利用城市空气质量监控数据，实行城市分区域、分时段交通限行等。 |
| 利用实时交通数据，优化公众出行路线，快速疏解拥堵路段，也有助于快速打开医疗、消防、救灾等救援通道。 |
| 利用水质监测数据，定位有害污水倾倒等违法行为，减少水污染，保护公众健康。也能够利用排水量数据，优化城市排水系统。 |
| 利用居民就医数据，建立人口信息、电子健康档案和电子病历等，实现健康信息和检查检验结果、用药记录等信息共享。 |
| 道路交通数据与定位系统结合，可以定位城市交通状况，缓解拥堵，优化交通秩序。 |
|
| 利用城市居民住建数据，提供线上商品房展览、信息提供、网络租赁购买等服务，拓宽企业服务模式和交易平台，提高绩效。 |
| 将城市道路数据和车辆、行人等定位数据结合，提供导航、定位服务。 |
利用城市建筑和人口分布数据，选择合适的地点建设厂区、仓库、商超等，辅助企业战略决策。 |
…… |
| |
|
|
…… |
2.2 数据资产价值影响因素
由上文可知，数据资产价值体现在数据安全、数据质量、数据形式、成本价值、战略价值和绩效价值。数据是否有价值受到从数据采集、分析处理、数据存储到数据应用各个环节的影响。数据采集阶段，需要确保数据的来源的可靠性、数据的完整性、数据获取成本、数据获取的及时性、数据收集方式和技术，以保证数据质量和数据成本。城市基础设施数据的采集包括基础设施建设阶段的数据、公众使用阶段的数据，设施维护阶段的数据以及为满足治理需求向其他企业和社会采购的数据。数据来源复杂，数据量巨大，采集阶段的来源控制、数量质量检查、获取成本等是数据资产价值得到有效发挥的基础。数据分析处理阶段，要选择符合质量和时间要求的数据，选择合适的数据分析方法，由专业的数据分析人才，选择合适的指标和模型进行数据分析。城市基础设施数据规模庞大，需要利用人工智能将数据按照时间、地点、来源（包括地点、提供方和所描述的客观主体）进行整理，并对数据进行分级分类，分析预测数据能够匹配的使用场景，使数据资产价值得到有效的发挥。数据存储阶段，需要选择合适的数据存储方式，保证数据安全和存储容量满足需求，同时及时备份，避免数据丢失和损坏，保证工作的连续性。城市基础设施建设数据需要由专门的信息技术人才进行管理维护，定期检查、维护、升级数据存储设备的安全系统，防止病毒入侵、数据丢失被盗和损害，确保数据存储的安全性。数据应用阶段，需要进行应用场景、数据需求、数据源和数字技术的匹配，开发数据应用平台，关注价值实现模式和渠道以及实现时间和成本。城市基础设施数据资产的应用需要根据不同使用对象，如政府、企业和公众等，选择合适的数据治理平台和数据应用平台，使数据资产价值最大化。本文通过梳理数据资产的相关概念，结合城市基础设施数据的特殊性，论述了城市基础设施数据资产的定义及特点，建立了城市基础设施数据资产价值评价体系，并从资产形成过程分析了其影响因素。这些研究对城市基础设施数据资产价值研究起到了一定的推动作用，有助于我国推进城市基础设施建设数据的开发应用，实现城市智慧化治理。[1] Janssen M., vander Voort H., Wahyudi A. Factors Influencing Big Data Decision-making Quality[J]. Journal of Business Research,2017(70):338-345.[2] 刘云波. 数据、数据资产及其价值评估[J]. 中国资产评估, 2023(05): 51-56.LIU Y B. Data assets and the valuation of data assets[J]. Appraisal Journal of China, 2023(05):51-56. (in Chinese)[3] 刘西友. 新治理：数字经济的制度建设与未来发展[M]. 北京：中国科学技术出版社. 2022.LIU X Y. New Governance: institution-building and future development in the digital economy[M]. Beijing: China Science and Technology Press,2022. (in Chinese)[4] 尹传儒, 金涛, 张鹏等. 数据资产价值评估与定价：研究综述和展望[J]. 大数据, 2021, 7(04): 14-27.YIN C R, JIN T, ZHANG P, et al. Assessment and pricing of data assets: research review and prospect[J]. Big Data Research,2021,7(04):14-27. (in Chinese)[5] 崔吉峰，杨栋枢，王维佳等．数据资产化管理研究及体系架构设计[J]．微型电脑应用，2016，32(1)：40-43.CUI J F, YANG D S, WANG W J, et al. Research and architectural design of data capitalization management[J]. Microcomputer Applications,2016,32(1):40-43. (in Chinese)[6] 高昂，彭云峰，王思睿.数据资产价值评价标准化研究[J]. 中国标准化，2020(5)：90-93.GAO A, PENG Y F, WANG S R. Research on the standardization of data asset value evaluation[J]. China Standardization, 2020(05):90-93. (in Chinese)[7] 李然辉. 数据资产价值评估模型的理论研究与技术实现探讨[Z]. 2018.LI R H. Exploration of theoretical research and technical realization of data asset value assessment model[Z].2018. (in Chinese)[8] 上海德勤资产评估有限公司, 阿里研究院. 数据资产化之路——数据资产的估值与行业实践[R]. 上海：上海德勤资产评估有限公司，阿里研究院，2019.Deloitte Shanghai, Ali Research. The road to data assetization-valuation of data assets and industry practices[R]. Shanghai: Deloitte, ALI Research,2019. (in Chinese)（作者单位：花园园，侯凤敏，北京建筑大学城市经济与管理学院；张苏娟，厦门大学建筑与土木工程学院；王华，中国建设科技集团股份有限公司；
作者联系方式：huayuanyuan@bucea.edu.cn）
我国建筑信息模型（BIM）政策文本内容研究——基于政策工具视角
（点击标题跳转）
内容来源 / 花园园 侯凤敏 张苏娟 王华
责任编辑 / 高颖
图文编辑 / 唐玲
