数据资源价值实现系列分享——数据资源化、数据资产化、数据资本化法律实践路径｜iLaw

编者按：

随着数字科技的快速发展，实体经济与数字经济高速融合，建设数字化体系、推进数字化转型已经成为企业数字化变革的必由之路。数据要素作为新型生产要素，其显著的乘数效应和创新引擎作用，使其成为新质生产力的核心生产要素。我国积极推动数据资源化、资产化、资本化的加速实现，为此本文将为各位读者解读数据要素市场发展现状，分析数据资源价值实现面临的挑战和问题，探索数据“三化”法律实践路径，以数据产品交易为视角，探索数据资源价值的实现路径。

随着数字科技的快速发展，实体经济与数字经济高速融合，建设数字化体系、推进数字化转型已经成为企业数字化变革的必由之路。2020年4月9日，中共中央、国务院公布《关于构建更加完善的要素市场化配置体制机制的意见》，将数据与土地、劳动力、资本、技术并列，并明确提出“引导培育大数据交易市场，依法合规开展数据交易”。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》对外发布，为数据要素市场的发展按下了“加速键”，全国各地积极开展探索数据要素市场化配置方案。

2023年9月，习近平总书记首次提出新质生产力，2024年习近平总书记在中央政治局第十一次集体学习时及参加十四届全国人大二次会议江苏代表团审议时多次提到新质生产力，而数字化和绿色化为加快形成新质生产力提供了重要赛道。其中，以人工智能、量子信息、移动通信、物联网、区块链等为代表的信息技术加速突破应用，促进数字经济与实体经济深度融合，加速重塑产业形态和商业模式，正在成为改变全球竞争格局的关键力量，为加快形成新质生产力提供了重要支撑。

数据要素作为新型生产要素，其显著的乘数效应和创新引擎作用，使其成为新质生产力的核心生产要素。《“数据要素×”三年行动计划（2024—2026年）》提出了工业制造、现代农业、商贸流通、交通运输、金融服务、科技创新、医疗健康、文化旅游、应急管理、气象服务、城市治理、绿色低碳等十二个重点行业中数据要素乘数效应发挥的重点方向、方式和具体领域，旨在推动各类主体积极挖掘数据资产开发利用场景需求，推动数据要素高水平应用及数据要素协同优化、复用增效、融合创新，最大限度释放数据潜在价值。

数据资源入表加快推动数据资源转化为新质生产力，为提高数据的价值认可度和使用效率、促进数据的流通和交易、提供强化数据资源管理和价值实现提供了指引。

数据要素，是指参与社会生产经营活动，为使用者或所有者带来经济效益，以电子方式记录的数据资源。

数据资产，是指合法拥有或控制的，能够进行计量的，为组织直接或间接带来经济和社会价值的数据资源。

数据权利，是指数据资源所有权、持有权、数据加工使用权、数据产品经营权及相关权利事项。

数据登记，是指经数据相关权利人申请，数据登记机构依法将数据相关信息及权利在数据登记系统上予以记载和公示的行为。

数据定价，是指依据数据质量、成本、应用评价结果，使用成本法、收益法和市场法对被评估数据进行量化估值。

数据交易，是指数据供方和需方之间以数据商品作为交易对象，进行的以货币或货币等价物交换数据商品的行为，数据商品包括用于交易的原始数据或加工处理后的数据衍生产品。

数据运营，是指自然人、法人和非法人组织通过合法、正当的方式依法收集、使用、加工数据，形成安全、合规的数据产品和服务，供数据消费者使用，并从中依法获取收益。

数据资源化，是指将无序、混乱的原始数据开发为有序、有使用价值的数据资源的过程，包括数据采集、整理、分析等行为，最终形成可用、可信、标准的高质量数据资源。

数据资产化，是指基于既定的应用场景及商业目的，将数据资源进行一系列加工，形成可供企业部门应用或交易的数据产品，数据资产在该阶段拥有了场景赋能，预期可产生经济利益，形成数据交换价值。

数据资本化，是指数据资产化阶段发展后期，数据资产被进一步赋予金融属性，数据资本化主要方式有数据信贷融资、数据证券、数据信托、数据股权化等，数据资本化是拓展数据价值的途径，其本质是实现数据要素的社会化配置。

我国数据交易市场发展经历了井喷期、冷静期后进入了重启的激活期，我国已经成立国家数据局，各地数据要素活跃度显著提升，数据化竞争呈现出白热化状态。

自2022年11月始，按照国家知识产权局工作安排，北京、上海、江苏、浙江、福建、山东、广东、深圳等8个省市开展首批数据知识产权试点工作。在首批试点工作基础上，2024年又增加天津市、河北省、山西省、安徽省、河南省、湖北省、湖南省、贵州省、陕西省等，开展第二批数据知识产权试点工作。除此之外，我国各地纷纷建设数据交易平台，促进数据交易流程化，活跃数据市场。

我国重点大数据交易平台对比情况如表1所示：

表 1

1、数据要素市场指导政策及监管趋势

图 1

基于图1时间轴图可知，我国始终将安全置于经济发展首位，数字经济发展过程中，国家对于数据安全提出更高要求，企业违法成本将持续增大，与此同时国家给予相应政策性驱动，因此企业在享受政策红利同时应当以安全合规为指引，有效促进数字经济的发展。

2、数据资源“入表”核心价值

数据资源“入表”的核心价值包括六大方面：

（1）优化资源配置促进数据资源流通。

（2）提高企业资产规模。

（3）提升企业数据资产安全意识。

（4）带动数据相关产业发展。

（5）提高企业估值。

（6）促进产业数字化、数字产业化、数字资本化。

因此数据资源“入表”并未限制数字经济发展和数据资源价值实现，相反，促进了数字经济发展和数据资源价值实现。

暂行规定适用于所有执行会计准则的企业和单位。数据资源“入表”即数据资源相关交易和事项进行会计确认、计量和报告不是部分企业内部管理的选择，是所有企业财务合规的必答题。

数据资源价值实现过程需要多部门协同联合，数据资源“入表”需要进行定界、定量、定性。

首先，定界方面，即开展数据盘点，根据业务条线及应用场景，梳理符合资产定义及确认条件的数据资源，摸清拟“入表”数据资源范围、类型等，形成数据资源目录。本步骤需要业务部门、商务部门、运营部门、技术部门与财务部门的协同合作。

其次，定量方面，即确定符合资产确认条件的数据资源数量及规模，明确数据开发支出相关成本是否可计量。本步骤需要技术部门与财务部门配合。

最后，定性方面，针对已梳理数据资源的数据权属、合规性进行评估审查，筛查权属有瑕疵、不明确及存在合法合规风险数据，因此需要技术部门与法务部门配合。

当前，我国国家层面数据权属确权较为困难，行业层面数据场景和统一标准尚不清晰，企业层面数据资产管理成熟度普遍不高，数据产品全链路合规授权、数据研发成本和传统IT研发成本难以剥离，数据要素贡献和业务贡献难以区分。

综上，自动化入表数据资产判断、自动化成本归集目前还无法全域实现。

基于经济学与会计学角度，按照合规路径，数据资源“入表”并不会导致企业资产虚增或税费增加，其只会增加一定的时间成本。此外，无论数据资源纳入“无形资产”科目还是“存货”科目，只有有效流通方能进行资产的赋能，否则将不会产生核心价值。

首先，数据资源确权是数据资产化的基础和交易流通的前提。《关于构建数据基础制度更好发挥数据要素作用的意见》提出“探索数据产权结构性分置制度”，要充分考虑数据的生产、流通等环节，厘清数据不同利益主体间关系，从数据资源所有权、数据资源持有权、数据加工使用权、数据产品经营权等方面对数据资产的确权问题提供解决思路。

从权利保护角度而言，数据确权是数据资源运营、开发和使用的有力保障，也是数据资源交易资源和流转的有效证明。数据资源的特殊性决定了确定数据权属时，不便采用类似于房产的绝对权利理念，数据权属的重点应是让价值创造者获得数据权益。从会计角度而言，明确权属才能使数据进入资产负债表。从法律角度而言，明确数据权属才能解决滥用、盗用等问题，从管理和使用的角度，明确数据权属才能更好地进行溯源。

从法律角度而言，数据所有权、使用权、持有权、经营权的产生并不以登记为前提，设权效力与公示效力并不相同，《民事诉讼法》第七十二条规定，经过法定程序公证证明的法律事实和文书，人民法院应当作为认定事实的根据，但有相反证据足以推翻公证证明的除外，同时数据确权登记，应当关注内部交互、场外交易和场内交易的区别，但是无论场内还是场外交易，都必须进行数据确权登记。

数据资源“入表”不一定能实现数据资源价值。数据资源“入表”仅能代表相关数据具备经济价值，但并不一定能够实现价值，只有保持数据的流动性和持续性才能真正实现数据价值。

数据资源“入表”仅仅是“手段”而不是“目的”。数据资源“入表”合规路径包括五大步骤：一是合规与确权，二是有效治理与管理，三是预期经济利益可行性分析，四是成本计量与分摊，五是列报和披露。

数据“三化”实践中面临着四方面困境：

第一，供不出——难获得。公共数据开放不充分，企业数据供给顾虑多，个人数据流通难度大，数据安全事故频发。

第二，流不动——难流通。监管机制不完善，准入机制不健全，定价机制不统一。

第三，不好用——难倍增。数据获取和数据存储成本不断增加，算力支持有限资源分布不均，行业建设模型不足，数据价值增量并未等比例增长。

第四，用不好——难持续，数据要素应用深度广度不足，行业应用场景亟需突破，数据服务商能力良莠不齐，数据人才供给不足。

首先需要形成企业内部循环。一是建立数据资源管理保障体系，明确组织与职责（包括决策层、管理层、执行层），开展运营管理（包括资产识别、资产维护、资产监测、价值评价），开放应用与共享（包括场景识别与降本增效）。二是制定数据资产规范，制定资源目录与资源台账，确定资源属性。三是提供技术支撑。

其次，形成数据生态外部循环，制定数据全生命周期合规流程，实现全面覆盖、随“数”而动、提质降本增效治理的目标。为此要构建数据合规体系，符合法律合规监管要求，开展数据治理合规管理，进行数据确权、数据资源入表，实现数据场内、场外交易流通。

首先，技术链层面，数据基础设施包括大模型开发、算力资源池、可流通存证体系、安全资源以及区块链。数据资源体系包括公共数据、企业数据以及个人数据。

其次，在数据交易过程环节，数据相关主体涉及数据需求方、第三方服务提供方、数据提供方、数据监管方、授权运营平台、数据交易平台以及隐私计算平台，这些主体通过算法算力、安全风控、数据确权以及价值评估进行数据治理，保障数据资源化、数据资产化、数据资本化的实现。

数据安全合规管理流程的展开包括以下内容：一是制定数据安全管理计划，二是执行数据安全管理，三是开展数据安全管理检查，四是进行数据安全管理改进。

数据安全分类分级管理是数据安全管理的基础性、关键性工作。《数据安全法》提出“国家建立数据分类分级保护制度，对数据实行分类分级保护”，正式确立了数据分类分级的保护要求。《个人信息保护法》提出“只有在具有特定的目的和充分的必要性，并采取严格保护措施的情形下，个人信息处理者方可处理敏感个人信息”。《网络数据安全管理条例（征求意见稿）》将数据分为一般数据、重要数据、核心数据，国家对个人信息和重要数据进行重点保护，对核心数据实行严格保护；各地区、各部门按照国家要求，对本地区、本部门以及相关行业、领域的数据进行分类分级管理。

数据“三化”旨在践行以下目标：

（1）供得出，推动公共数据流通，带动数据要素流通，解决数据治理闭环；

（2）流得动。实现数据交易场内外并存，融合并不断向场内迁移，实现监管规则、产品标准、经营模式的不断规范化、标准化；

（3）数好用。建立创新试点，培育典型示范应用，推广复制实现数据要素乘数效应；

（4）用好数。加强数据基础建设，鼓励二级开发百花齐放，鼓励市场构建人才培育体系，实现“产数安算智资”深度融合良性循环。

（1）梳理数据来源，包括梳理数据利用协议、明确数据授权主体、明确数据授权步骤、确定数据资产来源。

（2）界定评估范围，明确数据授权范围，确定评估对象与评估数量。

（3）明确评估内容，包括数据层、数据内容、数据量以及主要字段等。

（4）提炼应用场景，分析数据并归纳场景。

（5）形成评估结论，确定评估方法，评估师交换意见，出具评估报告。

1、数据资源入表

数据入表项目推进模式包括政府牵头和主导、数据入表企业主导、数据治理和管理咨询公司牵头、数据资产评估机构牵头等模式。

数据入表业务推进现状为，项目开展较少，市场酝酿和尝试并存，尚处于地方数据公司主体设立和制度机制落地期，入表企业在保守和风险可控中抢占先发优势。

数据入表是一个跨部门、多维度的协作过程，需要全面考虑数据在法律、业务、数据治理、质量、评估和财务等多方面价值和影响的过程，不少企业选择搭建包括律所、会计师事务所、评估机构、数据治理和管理咨询机构等机构人员的数据资源入表团队。

2、数据资源入表的法律合规领域工作环节与主要关注问题

数据资源入表法律合规领域工作环节包括：明确入表的合规评估计划，确定数据资源范围；数据资源法律尽调；法律合规评估；数据资源确权分析等。

目前国家或地方层面尚未形成数据资源入表工作的法律合规评估工作标准，各地尚处于试验项目的探索阶段。数据资源入表的法律合规领域一般关注以下内容：

（1）数据资源来源的合法合规性、数据资源确权和权属的判断；

（2）数据资源流通的合法合规性、法律风险；

（3）数据资源的可交易性以及是否具有“价值性”，例如，通过爬虫方式爬取的数据无法体现数据入表主体的劳动价值、治理成本、智力成果，不一定具有价值性。

数据产品交易申请遵循以下步骤：

（1）申请主体基本信息；

（2）申请产品基本信息；

（3）产品数据来源基础信息；

（4）产品交易限制规则；

（5）产品服务说明；

（6）产品价格；

（7）产品数据内容结构说明；

（8）使用案例；

（9）产品介绍材料及应用示例；

（10）产品评估。