|
| 数据资产管理与应用浅析 |
|  |
|
□ 刘明成 中国石油天然气股份有限公司财务部
数据是一种特殊形式存在的资产。通过分析数据的资产属性和独特性，加强数据资产的管理与业务融合，实现利用数据资产为企业增收创效。
数据具有资产属性并拥有其独特性
数据具有明确的所有权（尤其指经济所有权）归属和收益性，这就具备了资产的基本要素。
《中国数字经济前沿（2021）》的相关测算数据指出，1993~2020年，中国数字经济的平均增速为16.3%，已成为推动经济增长的重要引擎。2020年，中国数字经济增加值规模超过19万亿元，占GDP比重约18.8%。在此背景下，数据的收益性显而易见并在应用中充分体现，在不同的应用场景下展示出价值差异。
就数据的权属来看，其界定并非完全不能实现。欧盟发布的《通用数据条例》（GDPR）中将数据相关主体分别称为数据主体、数据控制者和数据处理者。2021年，我国推出的《个人信息保护法》中分别对应个人信息主体、个人信息控制者以及受委托数据处理者。虽然，在实践中不同来源的数据权属还存在争议，但随着健全和完善生产要素参与分配机制，数据要素市场化配置相应制度不断规范完善，数据的所有权将逐步清晰。因此，从国民经济核算框架来看，数据具备成为资产的基本要素，应当纳入核算范围。
从资产管理和会计核算视角出发，数据资产与资产、无形资产之间存在紧密联系，但又不完全一致。首先，虽然大部分数据是在企业过往交易或事项中产生，符合资产相关定义，但数据具有一定的时效性，特定情景下只有不断更新数据才能持续创造价值，这势必存在记录当期出现预期或不确定的情况。其次，数据要素的价值具有一定风险性，在数据产生、收集的过程中，不能保证所采集的数据都具有价值，其变现能力存在不确定性，并且数据的价值可能随着数量级的变化而递增，以至于无法在预期内为企业带来经济利益。再次，数据要素收益成本难以计量，数据通常是企业日常生产经营中的伴生品，其获得成本很难与其他业务完全区分开，且同一数据不同应用场景下产生的价值不同，这也为数据资产价值的公允定价带来难度。
考虑到数据应用场景和存储环境，加之数据本身并不具备实物形态和物理特征，数据资产和无形资产表现出极大的相似性，但实际上二者依然存在差别。数据的技术特征和数据要素的经济特征使得数据资产无法与现行会计准则中的资产和无形资产画上等号，评估数据资产的价值需要现行核算框架做出调整。
数据资产不具有物理意义上的实体形态，与实体资产具有较大的差异性。第一，数据要素的非竞争性决定了数据资产可以同时进行多方交易，并且由于规模报酬递增，多次交易以及交易行为并不会造成数据资产本身的价值贬损，相反还可能会在交易过程中产生新的价值。第二，数据资产的计量并不一定决定了其价值量，数据价值密度分布不均和资产风险性一定程度上说明了数据资产的价值非线性，如果单纯以数据单位来计量可能并不能反映真实的资产状况。第三，数据资产交易的前提并不一定要让渡所有权或使用权。例如，为保障隐私安全，隐私计算中通常采取数据加密方式达到数据“可用不可见”。
数据资产的独特性在于：第一，数据可以在几乎零成本下进行复制；第二，数据资产对企业的价值本质上是组合的，即一个特定数据集对企业的价值取决于其他（潜在相关的）数据集的可用性，而如何为具有相关信号的数据集合定价并不直观；第三，预测任务和预测精度增加的价值在不同企业或行业之间差别巨大。
数据生产流程与数据治理工具深度融合 实现数据资产的管建一体化
通过数据生产流程与数据治理工具的深度融合，打破开发与管理壁垒，实现数据资产的管建一体化。在数据生产线基础上，形成数据资产管控域、数据资产研发域、数据资产服务域三域协作的生产模式。
数据管控域负责制定统一的规范和改进策略，持续约束和优化数据建设，形成有效的管理执行闭环。以元数据管理为核心，将命名标准、字段标准和数据架构等数据标准与开发过程管理、数据质量管理、数据生命周期管理、数据安全管理等数据生产过程深度融合，实现数据实时纠错，规范开发过程，确保数据治理工作有标可依，质量可靠。
数据资产研发域为数据治理和数据服务提供工具支撑，专注治理能力贯通和治理效率提升。将治理标准嵌入工具中，提供需求管理、模型设计、数据开发和数据交换等开发工具，通过可视化封装，灵活支撑模型设计和任务编排，同时屏蔽底层技术差异，实现数据从准备到应用的全流程贯通。
数据资产服务域将治理结果封装为数据目录和数据地图服务，实现数据资产信息开放和统一输出。数据目录服务用于数据使用者的搜索与元数据、数据摘要的查看，支持按需申请，一键获取。数据地图则按照数据架构层次、主题、数据生产流程和数据血缘关系等分层分级的链路结构来查看数据全貌，重在资产盘点，助力资产运营，实现“数治”赋能。通过标准嵌入开发过程、管理嵌入生产流程、质检嵌入全链路的“三嵌入”举措，将数据治理与数据生产过程深度融合，对研发域和生产线持续监测。采集时开展文件级校验和记录级校验等质量检查工作，达标的数据才会进来。开发时将数据架构和数据标准等规范要求，嵌入需求、建模、开发、上线、维护等全生产过程，实时纠正生产错误。流转时筑牢多条防线，引入数据准入要求，对数据进行差异化监测、数据探查和威胁分析等操作，全时空保障数据质量和安全。
目前数据资产财务价值的管理主要集中在：利用信息科技手段将数据管理嵌入数据采、传、存、处、用的全生产链路，贯穿数据设计到销毁的全生命周期，保障数据真实可信、安全可控，数据资产的账面价值与实际“估值”（暂时并没有统一的核算方法）匹配计量，促使数据资产保值增值。
数据正成为新型资产 应用广泛且成效显著
物联网、在线平台和数据分析等技术的出现使得数字产品和数字服务作为数字经济的一部分内容快速增长；另一方面，数据正成为新型资产形式，从智能制造、智能家居到智慧城市，从生产经营到分销，从消费平台到企业系统，如果没有数据，这些技术和组织就无法正常运作，更不必说创造价值。通过技术层面的功能开发和应用拓展，数据要素渗透在产业链多个环节，并与生产经营活动结合。
数据资产作为商品和服务产品用于销售。从数据中提取的信息洞察以及逐渐成熟的大数据分析技术、机器学习算法等使得数据分析成为解决复杂问题的重要工具，或者直接获得目标客户群。例如，在银行保险合作中，保险公司给银行中间业务收入的动因实际是购买银行客户群的数据资产的行为。
数据作为信息传递介质的价值。作为市场参与者，不论是企业和政府，都能够通过收集自身经营、运作过程中产生的数据作为学习和改进的基础。例如，通过数据分析以获得企业对业务实践的客观认识和改进建议，可以进一步提高效率。另一方面，数据所传递的信息有助于降低不确定性带来的风险。同时，数据资产改变了经济主体参与市场时的信息不对称问题，有利于实现更有效率的交易。
数据资产是企业核心战略资源。企业是各类资源的集合。基于此，资源基础观提出，企业的竞争优势主要在于其对稀有的、有价值的、不可替代和难以模仿的有形和无形资产、资源和能力的组合应用。传统资源基础理论认为，组织的竞争优势来源于异质性资源和能力，而数据资产构成了企业核心战略资源，在动态环境中帮助企业提升应对能力。具体而言，企业利用自身数据资产和数据分析能力可以为不同消费者群体提供增值和个性化服务。例如，阿里巴巴旗下商家服务市场提供了网店设计、账户管理、交易数据分析（访客指标、每日流量变化、日销量变化等）、营销推广等服务选择，帮助卖家在其交易平台提高交易效率； 结合支付宝等支付平台用户数据建立信用评分模型，进而对客户消费行为、交易历史、信用评级等进行综合分析，便于提供金融服务。
数据资产驱动科学决策。新一代信息通信技术和人工智能、物联网技术推动企业数字化转型成为必然趋势，数据科学和数字技术在企业管理层面得到广泛使用。数据的客观性、即时性和完整性有助于解释现实模式和问题。因此，基于数据分析和预测的数据驱动科学决策模式发挥出以往管理者经验依赖型决策所不具备的独特优势。
数据资产有助于降本增效。在企业生产和产品交换流通的各环节，数据与劳动、资本、管理等生产要素协同作用，发挥提高资源配置效率、降低成本的作用。具体来讲，在生产环节，数据资产借助于工业互联网，有效组织要素投入，合理配备稀缺资源，提高配置效率，通过人工智能等数字技术替代过去单一机械或人工操作，提高良品率，降低物料损耗；智能化数字分析手段在生产经营中协助处理生产排产、物料采购等日常经营信息，降低经营成本。在交换环节，数据资产通过减少信息不对称，提高供求匹配效率，缩短产品/服务交付时间。同时，分布式账本技术不仅可以降低交易成本，还可以借助安全性能增强信任。
|
|
|
|
