10月30日，《学习时报》刊登清华大学经济管理学院市场营销系教授、互联网发展与治理研究中心主任陈煜波署名文章《科学认识和有序推进数据资产化》。现转发全文，以飨读者。
原文刊发于《学习时报》（2024年10月30日02版）
随着新一轮科技革命和产业变革的深入推进，数字经济正在成为重组全球要素资源、重塑全球经济结构、改变全球竞争格局的重要力量，数据正成为数字经济时代土地、劳动力、资本和技术之外新的关键生产要素，而数据资产正成为21世纪企业最重要的资产。如何正确理解数据资产和数据资产化？如何利用数据资产化推动经济高质量发展？这些问题需要加以研究和探讨。
推进数据资产化的重要意义
资产是具有经济价值和潜在收益的资源，数据资产是指具有经济价值和未来收益的数据资源。作为记录经济活动信息的载体，数据资产是产生于经济活动的副产品，比如消费者浏览和购买产生的消费行为数据、企业日常经营产生的企业工商数据、工业机器运行产生的生产运营数据、车辆行驶产生的物流位置数据等。数据资产的主要价值在于缓解或消除经济决策中的信息不对称与不确定性，提高决策的效率和精准性，从而促进创新、提高全要素生产率。
数据资产化是将数据作为一种资产进行管理运营的过程。它有计划地对数据进行采集、加工、分析和应用，从而实现数据要素价值化的生产方式和经济模式的变革。数据资产化对于赋能我国经济高质量发展具有重要的意义。比如，通过对消费者消费行为数据的采集和挖掘，可以帮助企业洞察用户潜在的需求、积极开展产品创新，开发出满足乃至引领市场需求、高度差异化的创新产品，避免“内卷式”的恶性竞争，有效扩大内需，推动传统企业转型升级。通过采集、共享和分析企业工商数据，可以帮助金融机构对中小企业和科创型初创企业更有效地提供金融服务，更好地服务实体经济和科技创新。通过采集、分析物流和工业机器运行数据，可以帮助企业优化生产和物流流程、节能减排、降本增效，促进绿色转型，还有助于传统制造业与生产服务业的融合转型。总之，数据资产化使数据作为新型生产要素，可以发挥提高其他要素生产效率的倍增放大效应、优化不同要素之间资源配置的叠加聚变效应，从而使得数字经济较传统经济范式具有了“升维式”向上发展空间。
从数据资产的基本特性把握数据资产化
区别于其他类型的传统资产，数据资产具有一些独有的特性。一方面，数据资产是经济活动的副产品。数据资产价值更多取决于特定使用场景和用户，具有高度的私人性，缺乏市场公认的共同价值。同一个数据对一个用户或场景价值很高，但可能对另一个用户或场景毫无价值。由于数据资产是经济活动的副产品，它往往是多方主体共同参与、协作共创的结果，比如电商平台的消费数据是消费者、商家和平台共创的结果，传统意义上的所有权或者产权概念很难在数据资产上适用。另一方面，数据资产具有非竞争性。数据资产可以无限复制和重复使用，任何数量的企业、个人或者机器学习算法能够同时使用相同的数据而不会影响其他企业对该数据的使用。正是因为这种非竞争性，数据共享和流通才能够带来收益递增效应，多个数据资产的整合才可以带来远比单个数据价值之和更大的总体价值和经济社会效益。因此，数据的使用往往比数据的所有更加重要。
鉴于上述特性，数据资产化需要更多地适应数字经济时代的商业模式和生产关系变革。当前，全球数字经济中数据资产化越来越从原始数据买卖的直接交易方式向高度场景依赖、基于数据易货交易的间接交易流通方式转变。典型的方式就是用户贡献自己的数据以获取免费或者较低的价格使用社交媒体、搜索引擎、电子商务等数字服务，数据购买方采集分析用户的数据后，对用户感兴趣的企业提供数据智能服务，以帮助企业更好地定位和满足用户的需求。这种方式既解决了数据权属过于复杂所带来的数据供给问题，又解决了数据资产缺乏市场公认的共同价值所导致的收益定价问题。与之相对应，这种由三方主体参与的双边市场平台经济已经越来越成为数字经济时代数据资产化的重要组织形式。工业经济时代，企业和用户作为主要的主体，企业创造价值，用户消费价值，市场作为“看不见的手”进行资源配置与价值交换。而数字经济时代，依托数字化技术和网络化组织方式，平台使得供给方和需求方能够高效便捷地匹配，及时、准确的数据智能大幅降低了信息不对称和市场交易成本、提高了经济效率，成为市场中资源整合和价值共创的主要调节机制。
以数据资产化赋能经济高质量发展
当前我国数据资产化领域面临数据供给不足、数据市场碎片化、数据资产化途径相对单一等问题和挑战。要积极推进数据资产化和数据要素市场建设，以数据资产化赋能经济高质量发展。
多年来，我国政府前瞻性的数字基础设施建设和蓬勃发展的数字经济将我国超大规模的人口与市场优势转化为个人用户和消费需求领域的海量数据红利，然而企业用户尤其是传统企业和生产制造领域的数据积累和供给还严重不足。需要大力推动国家数据基础设施建设，推进传统产业数字化转型，将我国丰富的制造业场景优势转化为数据红利，将产业链上游供给端与下游需求端的数据链打通。特别是，在新型工业化进程和大规模设备更新的政策设计及实施中，不仅仅要注重数字化硬件设备的投资，更要注重数据资源的采集和生产制造领域数据资产的积累。
近年来，随着数字政府与智慧城市建设以及行业数字化转型工作的开展，许多地方和行业产生了大量的公共与企业数据，然而这些数据散落在各个部门和企业，没有形成一体化的数据市场，无法发挥数据的规模效应和收益递增效应。要在确保数据安全前提下，大力促进公共数据开放共享和互联互通，鼓励、引导地方政府和行业龙头型企业发展全域数字经济平台与产业链数字平台，整合全域、全产业链数据，构建“平台+应用”的平台经济生态。
目前很多地方政府对数据资产和数据资产化工作高度关注，出台了一些促进数据资产化工作的政策举措，但是大多聚焦在数据直接交易方面。一些数据主体重“数据采集整理”、轻“数据应用和流通”，数据商和第三方专业服务机构也相对单一，差异化不够。随着人工智能大模型等前沿技术的发展与大规模应用，需要繁荣数据服务生态，大力培育和发展“数据即服务”“模型即服务”等创新型间接数据交易流通模式，鼓励平台型企业向数据商转型，通过向中小企业开放数据智能服务，赋能传统企业转型升级。国内有的数据智能服务商已经开始做了一些有益的尝试，通过数智赋能中小商户实现需求端用户洞察与上游制造企业的共享，实现整个平台生态的共赢。数据资产的价值实现不一定局限于原始数据的交易和共享，要着眼于数据分析和应用能力的共享，注重数据资产价值化尤其是数据分析和智能服务应用的能力。
陈煜波
现任清华大学经济管理学院可口可乐讲席教授、互联网发展与治理研究中心主任，美国佛罗里达大学管理学博士，东南大学系统工程硕士、工业管理工程学士, 2013年获国家杰出青年科学基金。
主要研究领域为：数字经济与中国数字化转型，大数据与全球互联时代的商业创新，气候变化与可持续发展战略。曾先后主持国家杰出青年科学基金、国家自然科学基金重点项目和重大项目子课题、教育部人文社科重点研究基地重大项目等多项国家级科研项目，在Management Science、Marketing Science、Journal of Marketing、 Journal of Marketing Research、Information Systems Research等管理学国际顶级学术期刊上发表大量学术论文，连续多年入选爱思唯尔（Elsevier）“中国高被引学者榜单”。曾先后主持中央网信办、国家发改委、国家市场监管总局等多个中央和国家部委研究课题，受邀为工信部党组理论学习中心组、贵州省人民政府、国家市场监管总局、国家林草局等部委和地方政府做关于数字经济健康发展与治理的讲座。受邀在《人民日报》和联合国贸发组织网站上发表关于中国数字经济发展的专题论文，出版专著《数字化转型：数字人才与中国数字经济发展》（中国社会科学出版社）。
相关阅读
内容来源：《学习时报》
编辑：符怡
审核：郑黎光
责编：卫敏丽
