潘爱玲 李广鹏 | 数字经济时代企业数据价值释放的路径、挑战与对策

习近平在十九届中央政治局第二次集体学习时强调，要构建以数据为关键要素的数字经济，推动实体经济和数字经济融合发展。近年来，我国稳步推进数字产业化与产业数字化，积累了规模庞大的数据资源，数据要素优势非常突出。相比劳动力、土地等传统生产要素，数据要素的边际成本趋于零，具有非排他性、非稀缺性等特征。数据具有共享属性和高附加值属性，有助于降低信息的不对称程度，通过发挥其乘数效应，能够对其他生产要素起到放大、叠加、倍增的作用，加快推动新质生产力的培育。数据收入也是地方财政的潜在收入来源，已经成为数字经济高质量发展的重要引擎。从微观层面来看，企业在生产经营中生成大量具有潜在经济价值与社会价值的业务数据，这些数据价值的释放不仅有利于提升企业自身的资源利用效率和综合竞争力，而且有利于扩大企业的社会影响力。为激活企业数据要素潜能，政府部门颁布了一系列政策规定。2022年12月，《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》（以下简称《数据二十条》）提出建立企业数据确权授权机制，压实企业的数据治理责任。2023年8月，财政部印发《企业数据资源相关会计处理暂行规定》，要求企业自2024年1月起将符合会计准则要求的数据资源确认为无形资产或存货，在资产负债表中列示并在附注中披露相关信息，为企业确认数据资产提供了文件支持。2023年9月，中国资产评估协会印发《数据资产评估指导意见》，明确数据资产价值评估的要求与方法，为企业实现数据资产流通夯实了基础。2023年12月，财政部印发《关于加强数据资产管理的指导意见》，提出数据资产使用管理与开发利用等要求，为企业实际运营数据资产提供了参考。同时，学者们也在积极探讨企业数据价值释放的实现思路。刘涛雄等基于生成场景的数据确权理论，认为企业应用分级授权体系能够降低协商成本，从而实现数据价值。吴德林等从数据资产的分类、确认、计量等维度探讨了数据资产会计准则的构建思路，认为应以信息披露的形式呈现出企业数据价值创造路径。徐涛等选取典型案例，将企业数据价值实现流程划分为战略规划、数据系统开发、数据资产质量治理与数据资产盘点运营四个阶段。钱锦琳和夏义堃从数据获取、流通及监管三个方面提出企业数据价值创造的实现机制。Hackfort等以农业企业数据为例，提出数据价值创造的三种策略，包括数据锁定、数据共享与精准营销。

综上所述，如何将企业数据优势转化为经济新增长动能、真正盘活数据要素价值成为我国当前亟待解决的重要问题，现有政策规定与学界的探讨也为企业释放数据价值提供了方向指引。然而，无论是从理论还是从实践来看，数据要素及其价值实现问题还面临较多困难。一是数据价值释放的路径框架仍不清晰，理论探讨还有很大空间；二是企业在实践中也面临诸多现实挑战，阻碍了数据价值的实现。因此，我们不仅需要从理论上进行深入探索，而且需要在实践中提出行之有效的解决方案。本文基于价值链理论，从初始数据资源化、数据资源产品化、数据产品资产化与数据资产价值化四个方面构建企业释放数据价值的路径框架，并结合该框架，针对企业在实践中面临的问题和挑战，从政府部门、中介机构与企业三个方面提出有针对性的对策建议。本文的增量贡献主要有以下两点：第一，在价值链视角下构建企业释放数据价值的理论框架，为培育数据要素市场提供微观层面的实现思路，也为今后进一步盘活公共数据价值提供前瞻性的理论借鉴。第二，深入剖析企业在释放数据价值过程中面临的阻碍与挑战，探寻现存的痛点、卡点与难点，提出保障企业数据价值有效释放的对策建议，为政府部门完善数据要素政策、中介机构优化服务方案以及企业调整数据战略规划提供管理启示。

一、企业数据价值释放的路径框架

基于价值链理论，我们认为企业释放数据价值需通过初始数据治理、数据资源确权、数据资源入表及数据资产评估、数据资产交易与管理等活动，实现从初始数据资源化到数据资源产品化再到数据产品资产化的转化，最后实现数据资产价值化。路径框架如图1所示。

（一）初始数据资源化：治理企业初始数据，确保数据资源质量

企业在生产经营过程中积累了大量初始数据，这些数据未经加工处理难以直接产生经济价值或社会价值。初始数据中可能包含因重复录入、错误录入或来源不合法等问题导致的脏数据，脏数据不仅不能被有效使用，反而可能占据存储空间，影响业务分析和决策。只有对脏数据进行识别和清洗，数据质量才能得到保障。初始数据资源化，即企业治理初始数据，确保数据资源质量的流程，是数据价值链的首要环节。初始数据需要满足合规与安全的要求，只有经过治理才能成为数据资源，企业应以此为根据制定数据治理方案。在治理数据前，企业需首先明确数据规模与结构，对现有数据进行盘点，按照最小业务单元分层分类整理初始数据，仅将来源合法和有用的数据列入清单目录。

清洗脏数据需要企业具有一定的数据基础设施及数据治理技术，数据中台能够提高数据治理效率、打破“数据烟囱”，是企业打造数据治理体系的有力支撑。企业可以使用独立的数据中台，或者寻求大数据公司等中介机构的专业服务，以此提高数据的规范性。另外，包含敏感信息的数据会增加企业风险，企业为了保障数据安全需对其进行脱敏处理。企业还需定期检查数据是否存在安全漏洞，防止意外因素导致的数据泄露或损失等问题。在完成数据治理后，企业应根据《信息技术数据质量评价指标》等国家标准对数据质量做出评价，分析数据是否满足质量标准，确保数据资源的准确性、一致性与可用性。

（二）数据资源产品化：明确数据应用场景，确定数据产品权属

数据资源产品化是指企业根据具体应用场景，将数据资源归集为数据产品并且认定法律权属的流程。数据确权是数据要素得到有效配置的前提，也是企业数据资源价值得以释放的基础。数据确权环节的缺失会致使企业难以获取数据要素的收益分配，企业在治理初始数据后需要进行数据确权和数据资源产品化。企业数据的价值创造依附于具体应用场景，而且数据存在多元化的应用场景，在不同应用场景下数据资源价值各不相同，企业可以结合应用场景划分数据产品。作为企业数据资源的分类汇总，数据产品在一定程度上提高了数据的具象化程度，有利于实现数据资源权属的认定。

由于数据具有易复制、可共享的特征，在其全生命周期中涉及多个权利主体。企业参与数据的生产、采集、存储、加工与使用等多个环节，相应拥有不同的数据处理权利。《数据二十条》提出数据资源持有权、数据加工使用权以及数据产品经营权“三权分置”的数据权属机制，为企业进行数据确权指明了具体方向。数据处理主体是指在数据持有、加工或经营等过程中占据主导地位的企业，这些企业应以质量合规的数据产品向知识产权局等政府部门申请登记数据知识产权，在法律层面完成数据产品的权属认定。

（三）数据产品资产化：核算数据产品价值，披露数据资产信息

数据产品资产化是指从会计学角度出发，核算数据产品的账面价值并确认数据资产，以无形资产或存货的形式披露于财务报告的流程。“数据孤岛”问题的存在不利于企业数据互联互通，阻碍了数据要素市场的建设。数据产品相关信息的披露能够降低企业之间的信息不对称程度，加快数据要素市场化进程。

在数字经济时代，相比于有形资产，数据资产正在成为企业最核心的资产。企业依据《企业数据资源相关会计处理暂行规定》等会计准则核算数据产品价值，将生产或开发数据的相关支出进行资本化处理，能够体现出数据资源的未来价值，而且在将数据产品确认为数据资产后，其他企业能够公开获取有关财务信息，有利于推进企业间的数据资产交易。此外，不同于其他无形资产，企业数据更新变化速度极快，容易影响数据资产的使用价值，需谨慎估计数据资产的使用寿命。企业在财务报告中列示与披露数据资产相关的信息，也应突出数据资产与其他资产相比的特殊之处，以吸引更多投资者关注。

（四）数据资产价值化：管理企业数据资产，释放数据要素价值

数据资产价值化是指企业评估、交易与管理数据资产，发挥数据要素乘数效应，释放数据经济价值与社会价值的流程，属于数据价值链的终端环节。参照《关于加强数据资产管理的指导意见》，企业应对数据资产进行全方位管理，包括价值评估管理、投融资管理以及运营管理等。数据资产的交易流通是基于评估价值而非账面价值，因此企业需进行数据资产价值的评估管理。根据《数据资产评估指导意见》，企业可选择以成本法、收益法或市场法评估数据资产价值，以此作为开展投融资活动的价格依据。

在投融资管理方面，企业能够凭借数据资产获取银行授信从而缓解融资问题，也可以进行数据资产质押与入股，推进数据资产证券化，释放数据要素的价值。企业根据自身业务范围与管理现状参与数据资产市场交易，既可以按照自身需求购买数据资产，也能在数据交易市场出售数据资产，促使数据资产价值得到复用。

在运营管理方面，企业使用由交易获取或自身积累的数据资产，将其应用于客户需求预测、供应商稳定性分析或财务风险识别等方面，能够发挥数据要素的乘数效应，优化经营业务模式并提高产品及服务质量，增强供应链响应能力，真正释放企业数据的经济价值与社会价值。此外，企业还需定期维护更新数据资产并且制定特殊情况下的应急管理方案，保障数据价值链的稳定与畅通。

二、企业数据价值释放面临的现实挑战

数据要素蕴藏着丰富的价值，从理论上讲，通过上述四个环节企业的数据价值可以得到有效释放。但是调研发现，在实践中，存在着一些阻碍企业数据价值实现的因素，对束缚企业数据价值释放的根源进行追溯才能找到解决方案。如图2所示，本文根据企业数据价值释放的路径框架，尝试探索淤塞企业数据价值链的多项因素，剖析企业在初始数据资源化、数据资源产品化、数据产品资产化与数据资产价值化四个环节中面临的现实挑战，旨在提出更具针对性的对策建议。

（一）初始数据资源化环节面临的挑战

1.企业数据开发和利用意识薄弱

在我国数字经济迅猛发展的背景下，越来越多的企业成立了大数据管理部门，积极推进数字化转型，在生产经营活动中应用物联网、区块链与人工智能等数字技术，创造新业态并引领新消费。数字技术的应用能够明显提高企业生产力，带来直接且可观的经济收益。由于初始数据未经开发难以直接改善生产效率，企业也无法直接获得经济效益，致使数据的价值属性容易被管理层忽视。相较于互联网平台企业，传统企业的数据开发意识更为薄弱，没有全面实现业务数据化。另外，数字技术的应用加快企业数据生成速度，扩大了数据规模。繁多的初始数据还可能出现冗余问题，数据来源不清晰、存储格式混乱、数据出错或重复等现象还会额外增加企业的管理成本，降低决策效率。目前有些企业打造内部的信息管理系统从而实现数据随时调用，仅是完成了初始数据的简单归集与分类，并没有从根本上保障数据的安全性与规范性。薄弱的数据开发意识不利于初始数据资源化进程，抑制了企业数据价值的释放。

2.企业数据治理能力不足

为了构建有效的数据治理体系，企业需要打造数据治理系统，例如使用数据中台进行数据治理与质量评估，以此提高数据的结构化与规范化程度。但是数据中台对数据处理技术要求较高，企业需要耗费大量资金及人力资本才能成功实现数据治理。数据驱动型企业如互联网平台企业拥有海量的客户数据、更强的数据处理技术、更多的数据人才储备以及更丰富的数据管理经验，通过建立数据中台可以将初始数据转变为大量数据资源，有利于获取高额经济收益，因此这类企业有更强的意愿来提高数据治理能力。然而，对于传统制造业等非数据驱动型企业而言，相对偏少的初始数据意味着建造数据中台的成本远远高于潜在收益。这类企业通过治理初始数据所能获取的数据资源总量仍然不多，偏少的数据资源降低了企业建立数据中台的倾向，引起数据治理能力不足、治理成本和难度较高的问题，抑制了初始数据资源化进程，引起数据处理不规范与信息披露不可靠等问题，直接阻碍了企业数据价值的释放。

（二）数据资源产品化环节面临的挑战

1.企业数据权属存在争议

企业数据存在多元化的使用主体，清晰界定数据的权属具有一定难度。《数据二十条》虽然弱化了数据所有权的概念，从数据资源持有权、数据加工使用权与数据产品经营权“三权分置”的角度提出了数据确权思路，但是我国尚未形成统一的数据确权方式。例如，在2023年7月，人民数据管理公司推出三类权属证书，尝试以发放权属证书的形式实现数据确权；2023年8月，江西某公司完成全国首例数据资源公证登记，通过公证实现数据确权；2023年12月，海南省数据产品超市向数字海南公司颁发数据产品确权登记凭证。我国各地的数据确权实践形式多样，能够确认企业数据权属的主体涵盖了大数据公司、公证处与大数据管理局等。在企业数据权属出现争议时，不同单位颁发的凭证能否作为有效的司法证据还存在疑问。

在数据确权的法律层面，当前我国数据产权法规体系仍不够健全，现有政策法规主要为各省区市发布的数据知识产权登记管理规则，也没有全国统一的标准。按照现有数据知识产权地方试点政策，企业可以通过登记数据知识产权来确认数据产品的权属，即企业提供材料证明数据来源的合法性以及数据合规性等。数据知识产权登记部门审核登记信息的完整性与规范性，但是缺少对登记信息真实性与合法性的统一核验。数据知识产权证书从法律层面认可企业数据产品的权属，但不等同于企业数据来源也是真正合法的。此外，我国还没有完全推行数据资源法庭，企业在遇到数据权属纠纷时，能否及时得到公正的司法判决、顺利解决争议也是当前面临的一项挑战。

2.数据资源应用场景不清晰

数据产品的类型包括数据集与数据信息服务等，其用途包括自用以及对外出售。数据产品是数据产权配置的客体，完成数据资源产品化有助于减少权属争议和进一步实现数据确权，是畅通数据价值链的重要举措。企业在实现初始数据资源化后，对数据资源进行存储保护并作出分析预测，可能并未形成打造数据产品的意识，数据资源类别杂乱并且应用场景不清晰。大数据服务商等数据驱动型企业具有数据基础设施完备、数据技术熟练的优势，能够结合客户需求有针对性地推出数据产品，应用场景包括提供数据访问、给出数据分析报告与提供会员制服务等。同样的数据资源可以应用于多个业务场景，形成差异化的数据产品或服务，能够创造出不同的价值。然而传统企业容易遇到数据产品需求不明确的问题，可能仅是囤积了数据资源而没有做到产品化，传统企业如何按照应用场景来打造数据产品仍是一项现实挑战。

（三）数据产品资产化环节面临的挑战

1.对数据资源入表的未来收益认知不足

数据资源入表对企业最直观的影响便是实现了数据资源有关费用的资产化，扩大了资产规模并且提高了会计利润。从理论上讲，数据资源入表有利于企业获取一定经济收益，企业因而会积极推进入表事项。然而在实践中，诸多因素可能限制企业的入表积极性。对于建筑类、能源类等传统制造企业而言，其普遍面临杠杆率偏高、数据开发不足等现实问题。有限的数据产品在确认为无形资产或存货之后，企业资产规模的增长幅度有限，难以有效降低资产负债率，即小规模的数据资源入表对这类企业只起到微弱的作用。根据现有会计准则与评估准则，数据资产的账面价值会远低于评估价值，企业以数据资产的账面价值而非评估价值入账，事实上无法大幅度优化企业杠杆比例。同时，传统制造类企业缺少数据管理和治理方面的人才，规范化管理数据产品还需要聘请中介机构完成，增加了较多额外费用。企业难以通过数据资源入表获取可观的直接经济收益，因此缺乏完成入表的动力。

此外，传统制造类企业还可能存在数据基础设施不完善、数字化转型程度低以及数据资源匮乏等问题，能够确认的数据资产金额也相对偏低，难以吸引市场投资者的眼球，抑制了这些企业的数据资源入表意愿。实际上，传统制造业企业率先在行业内实现数据资源入表，有利于加速行业数据资产标准建设，提高企业的社会声誉，从而带来潜在的长期收益。企业过于关注数据资源入表的高额成本与有限的短期收益，容易忽视长期潜在收益，对于数据资源入表的收益认知不足导致了积极性不高的现实难题。

2.管理层对数据资源披露的风险存在担忧

企业在出于自用目的打造数据产品时，更容易忽视数据产品核算入表的必要性，主动在财务报告中披露数据资源信息的意愿不强。对于国企特别是央企而言，数据产品更多涉及机密信息、敏感信息等，而且较多数据产品是自用的而非用于对外出售的，其对数据资源入表更可能持谨慎态度。考虑到企业实现数据资源入表需要完成数据治理、数据确权、财务核算等环节，而完成这些过程难免会接触到大数据公司、律师事务所与会计师事务所等外部单位，存在重要数据泄露的风险。企业完成数据资源的会计核算，还需在财务报告中披露部分数据资源信息，具有数据保密要求的企业不希望公开数据规模、数据样本等相关信息。考虑到数据泄露风险高于入表收益，企业会相应减缓数据资源入表进度。

此外，企业管理层的风险承担水平也会影响到数据资源入表实践。成功实现数据资源入表能够为管理层带来长期收益，但是入表后出现的数据确权纠纷、数据泄露等问题会给管理层带来更高的损失，例如导致薪酬降低甚至高管职务丢失。对于风险承担水平偏低的企业管理层，可能的选择之一便是延缓数据资源入表，避免自身职业发展受到负面影响，这也导致一些企业处于数据资源入表的“观望”状态。由此可见，企业数据资源入表实践中存在数据泄露风险与管理层难作为的现实挑战，束缚了数据产品资产化进程。

（四）数据资产价值化环节面临的挑战

1.数据资产管理模式不成熟

数据资产作为新兴资产类型，与固定资产等传统资产相比，具有更新速度快、价值易变等特点。目前关于数据资产管理的政策文件主要为财政部印发的《关于加强数据资产管理的指导意见》与《关于加强行政事业单位数据资产管理的通知》，企业数据资产财务管理、价值评估管理、投融资管理与运营管理的模式尚不成熟，在实践中仍处于初步探索阶段。数据交易平台是促进数据要素流通的重要中介机构，但是我国数据交易平台存在数据产品单一以及交易额偏低等问题，而且无法实时反映数据资产的价格变化，并未有效缓解企业信息不对称问题，“数据孤岛”现象仍然存在。企业难以通过数据交易平台出售自有的数据资产或购买所需的数据资产，数据资产交易效率偏低。

数据资产评估值是企业实现数据资产交易、进行投融资的基础，评估价值是否真实可靠也是企业的一个顾虑。当前数据资产价值评估方法主要包括成本法、收益法与市场法，数据资产不同于传统固定资产，现有资产评估方法未必能准确衡量数据资产的真实价值。数据资产评估值能否普遍得到银行与证券公司等交易对方认可仍是未知的。企业以数据资产为依托进行入股、质押，可能因评估值不可靠的问题而遭遇各种阻碍。同时，偏高的数据资产评估价值也容易诱发企业财务管理风险，导致“数据资产泡沫”。例如，交易对方以过高溢价收购数据资产，虽然能够在短时间内迅速扩大资产规模，但一旦出现数据资产大幅度减值现象，其资产规模也将快速回落，最终损害投资者的合法权益。

2.中介机构服务缺少针对性

企业数据价值释放涉及会计、法律与数字技术等多方面的专业领域，企业缺乏经验难以独立完成初始数据治理、数据产品确权、数据资源入表以及数据资产管理等过程，仍需要寻求律师事务所、资产评估机构、会计师事务所以及大数据公司等中介机构的辅导。然而，数据资产业务属于全新的业务板块，中介机构也存在数据资产专业人才短缺、政策法规理解不深刻等现实问题，可能会降低专业服务的针对性。此外，近期多家中介机构陆续发布数据资源价值实现指南，然而不同类型的企业实际情况各有差异，现有指南或白皮书难以为企业释放数据价值提供有效的解决方案。

三、企业数据价值有效释放的对策建议

《数据二十条》要求构建政府、企业、社会多方力量协同的数据治理模式，形成有效市场和有为政府相结合的数据要素治理格局。政府作为监管主体，应充分发挥引导协调作用，推行并完善相关政策法规，为企业释放数据要素价值提供制度保障。中介机构作为专业服务方，应有针对性地发挥协助与辅导功能，扫除企业数据价值链的盲点与障碍，为企业提供知识保障。企业作为市场主体，需同时增强数据管理意识与能力，盘活数据要素价值。为应对企业数据价值释放的现实挑战，推进数据要素市场化建设并赋能数字经济高质量发展，本文分别从政府、中介机构与企业三个方面提出对策建议。（如图3所示）

（一）政府层面

1.推行数据资源入表激励政策

企业完成数据资源入表需要经过初始数据资源化、数据资源产品化与数据产品资产化的流程，需要投入大量资金及人力等资源。数据资源入表的成本高于短期收益，抑制了企业尤其是传统企业的数据资源入表意愿。企业缺少入表动力，政府应采取激励政策降低相关成本，吸引并推动企业开展数据资源入表活动。在实践中，北京市经济和信息化局以及北京市财政局在2023年11月发布数据要素市场示范奖励办法，向首次实现数据资源入表且金额高于100万元的企业予以入表费用补贴，鼓励企业进行数据资源入表。北京市的费用补贴政策为其他省区市提供了经验参考，在此基础上，政府部门可以设计数据资源入表费用税收抵减政策，将首次数据资源入表过程发生的费用如数据治理费用与第三方服务费用等在税前加计扣除，为企业实现数据资源入表纾困解难。首批完成入表的企业获得数据资产收益，有利于增强同行业企业的市场竞争压力，增加数据资源入表动力。对于数据资源入表进程缓慢的企业，特别是建筑类、能源类等传统制造业企业，政府部门可以有针对性地给予更多政策优惠，加快企业数据基础设施建设，激活各行业企业的数据资源入表动力。

2.设计数据容错与纠错的交互机制

传统企业缺少数据开发与治理经验，在初始数据资源化阶段容易出现数据处理粗糙、数据治理模式不规范等问题。数据质量不佳会直接影响到数据产品的正常登记，导致数据资产评估值偏离真实价值。过于强调数据质量容易挫伤企业数据治理的积极性、抑制创新活动，反而起到相反的效果。政府部门不仅需要建立数据纠错机制，还需要给予企业一定的容错空间，即设计数据容错与纠错的交互机制。对积极纠正数据质量问题、采取应对措施的企业做出免责处理，降低企业进行数据资产管理的试错成本。激励企业先行先试，促使企业积攒数据治理、数据资源入表与数据资产管理等方面的实践经验，有利于创新数据价值释放的路径。另外，当前数据资源会计处理方法的选择、数据资产标准的建设仍处于探索阶段，企业缺少可遵循的统一标准。例如，企业在进行数据产品确权时可能存在多元化的选项，政府部门需强化不同确权模式之间的相容性，并且保障不同省区市确权证明的相互承认。政府部门也需完善数据要素相关法律，在更多省区市设立数据资源法庭，及时解决企业的数据权属争议或数据资产经济纠纷。

（二）中介机构层面

1.开展数据要素课程培训与实践辅导

相较于普通企业，中介机构在自身专业领域具备更多的知识储备与服务经验，开展数据要素课程培训有利于普及数据治理知识，缓解企业信息不对称现象。当前数据要素相关的培训课程存在收费高、听课人数有限制等问题，不利于数据价值链理论的传播与应用。律师事务所、资产评估机构或会计师事务所等中介机构可以结合数据要素服务内容，向企业管理层提供专业课程培训，适当降低收费标准，并借助互联网等技术提供网络课程，扩大课程受众，吸引更多中小企业关注数据价值释放的问题。在培训课程设计上，中介机构可以融入企业数据要素价值释放的实践案例，通过讲解成功案例来展示自身的专业服务能力，拓展业务合作。另外，中介机构可以根据企业所属行业特征，发布更具针对性的数据资源价值实现指南，并且向有业务需求的企业提供专业辅导。

2.强化数据要素价值链联盟体合作

在现阶段，较多企业面临数据治理能力不足或管理经验匮乏的局面，企业在释放数据要素价值的过程中仍需要寻求中介机构的专业辅助。单个中介机构难以向企业提供全面的数据治理以及数据资源入表等服务，企业会同时与多家中介机构建立合作关系。中介机构作为企业释放数据价值的知识保障，可以强化价值链联盟体合作，即不同类型的中介机构组成服务团体，共同向企业提供辅导。不同中介机构在数据要素价值链中发挥差异化作用，联盟体将多家中介机构链接在一起，有利于提高沟通协作效率，发挥“1+1>2”的协同作用，加速企业数据价值释放过程。此外，联盟体还可以与地方科研院校建立合作关系，在高校开展课程或讲座，增益数据要素理论探讨与研究。同时，中介机构向符合要求的高校学生提供实习机会，有利于培养更多精通数据治理与数据资产管理的学科人才，缓解数据要素方面人才不足的现状。

3.打造企业数据要素评级体系

根据国家标准委发布的信息，当前数据要素相关的标准主要包括数据质量评价指标与数据质量管理要求，数据资产管理方面的标准仍不完善。其中，数据质量评价指标包括规范性、完整性、准确性、一致性、时效性与可访问性六个方面，中介机构可以据此给出企业数据质量的评级指数。在此基础上，中介机构可以参考现有的ESG评级体系，结合行业特征打造企业数据要素评级体系，例如设计涵盖数据质量评价、数据资源入表评价与数据资产管理评价等多方面的综合评价指标体系，选取细分指标对数据要素价值潜力进行评分。中介机构评价并披露企业数据价值潜力的等级，有利于打破“数据孤岛”，提高企业数据信息的透明度，缓解投资者信息不对称的矛盾从而促进数据要素市场化建设。

（三）企业层面

1.发挥先行先试企业引领作用

国有企业、链主企业或互联网平台企业在数据治理实践中先行先试，有利于起到示范作用，引领更多企业释放数据价值。国有企业积极进行数据产品确权与数据资源入表等方面的工作，能够起到带头作用，带动其他企业响应政策号召。链主企业在产业链供应链中占据优势地位，其管理决策对上下游企业产生重要影响。同时，链主企业具备充足的资金、人力等资源基础，应率先推进数据治理、数据资源入表及评估等数据价值链流程，激活数据的经济价值与社会价值，在行业内发挥引领效应。互联网平台企业具有良好的数据基础与技术优势，互联网行业可以借助自身优势成长为数据价值释放的领军行业，为传统行业提供更多的经验借鉴或技术支持。

2.增强数据资产管理意识与能力

在数字经济时代，企业一方面需要提高数据治理意识，规范化管理数据，增强数据处理能力，降低脏数据比例；另一方面需要增强数据资产管理能力，有效应用数据资产，发挥数据资产价值。企业首先应树立长期收益意识，认识到数据资产能够带来长期价值，不应在高额数据治理成本的影响下放弃数据资源入表等工作。同时，企业需明确数据资源入表的长远价值，即推进数据要素流通与加快数据要素市场建设，而且数据资产信息的披露能够降低投资者信息不对称程度，吸引投资者关注，而非仅认识到数据资源入表对企业杠杆率的优化作用。

3.积极引进数据资产管理人才

数据管理人才的缺乏制约了企业的数据资产管理能力，因此，企业应抓紧培养或引进数据资产管理人才，在必要时成立专门的数据资产管理部门，强化对数据资产生命周期的预测及管理，并且及时披露数据资产的相关信息。当前数据资产投融资模式尚不完善，企业可以探索尝试数据资产证券化的模式，关注数据资产交易市场，抓住购买所需数据资产或出售自身数据资产的时机，充分释放数据的经济价值与社会价值。

结  语

本文基于价值链理论，构建了企业数据价值释放的路径框架，包括初始数据资源化、数据资源产品化、数据产品资产化与数据资产价值化四个环节，剖析企业在数据价值链各环节面临的现实挑战，并且从政府、中介机构与企业三个方面提出对策建议；同时尝试回答了数字经济时代企业如何释放数据价值、数据价值链受到束缚的因素是什么、企业怎样突破数据价值链的束缚等问题，期冀为数据要素潜能激活提供微观层面的有益借鉴。为进一步增进数据要素话题的探讨，根据研究结论从以下三个方面提出研究展望。

第一，深入解析企业数据价值链的管理模式。本文从理论上探讨了企业数据价值释放的路径框架，而企业的实践形式多元多样，不局限于本文提出的模式。学者们可以关注在近期完成数据资源入表及数据资产评估的企业，选取典型案例解析企业数据价值链的管理模式，完善数据价值释放的路径框架研究，并为其他企业提供例证。

第二，关注数字经济时代驱动企业数据资产管理的影响因素。数据资源法庭的设立、数据资源入表激励政策的推行与数据确权法律的完善等政府政策的变化均可能影响企业数据资产管理实践，学者们可以采用准自然实验等研究方法评估政策的实际效果，向政府部门提供更多经验证据。同时，学者们还可以关注管理层特征或公司治理特征对数据资产管理模式的影响。

第三，研究企业数据资产信息披露的经济后果。伴随着数据资源相关会计准则的推行，越来越多的企业会在资产负债表中确认数据资产，披露数据资产相关信息。那么，这会对企业产生怎样的经济后果？数据资产信息披露能在多大程度上吸引投资者关注？是否会反应于市场绩效或财务绩效的变化？数据资产的金额与信息披露的数量又会怎样影响企业绩效？学者们未来可以使用大样本进行实证研究，检验数据资产信息披露产生的经济后果。

阅读链接

《理论与改革》编辑部

投稿：llgg.cbpt.cnki.net

电话：028-87351101

地址：成都市光华村街43号 中共四川省委党校