以 数字经济 为代表的新质生产力，正在成为推动经济高质量发展的重要着力点，也是未来经济发展的新领域、新赛道、新动能。不过由于数据特殊性而引发的很多问题尚存，也无丰富的海外经验可借鉴，因此数据资产化的多个前沿问题仍需各方积极探索。
4月24日，来自政府、法律界、学术界和媒体界的多位重磅人士齐聚一堂，研讨如何完善我国数据资产管理，规范数据资产入表行为，合理为数据资产定价，为发展新质生产力注入数据活力。
数据资产运营是将数据转化为“金矿”的关键钥匙
2022年12月，中共中央、国务院印发《关于构建数据基础制度更好施展 数据要素 作用的意见》，也就是“数据二十条”，搭建了新时代我国数据基础制度体系的“四梁八柱”。
自“数据二十条”发布以来，财政部、国家数据局等相关部门逐渐出台了“企业数据资源会计入表”“数据资产管理”“ 数据要素 X三年行动计划”等一系列顶层设计和重大政策措施，为 数字经济 发展注入了 新动力 ， 数据要素 市场也进入了快速发展期。
中国经济信息社总裁曹文忠在中国经济信息社数据资产运营研究中心成立暨“数据资产入表全国行”合作签约仪式上表示，当前新质生产力正在崛起，为 数字经济 提供了新的 动力源 泉和发展路径。而数据作为“21世纪的石油”，已成为驱动新质生产力发展的关键要素。数据需要加工整理才能成为真实的“金矿”。而数据资产运营，就是将数据转化为“金矿”的关键钥匙。
国家发改委价格监测中心分析预测处处长张学武指出，短时间看，数据资产化将催生3000亿-5000亿元规模的数据交易市场，中长期看，数据资产化催生的相关市场潜在规模将达到十万亿级。
清华大学五道口金融学院金融安全研究中心主任周道许表示，从逻辑上讲，数据资产化是推动 数据要素 应用市场化和数据资源价值最大化的关键环节。
在数据资源收集阶段，企业要高度重视数据的完整性、准确性和时效性，并符合相关的数据保护法规，不侵犯任何第叁方的合法权利。数据资源收集阶段是数据生命周期的起点，务必要打好基础，才能顺畅完成后面的产品化、资产化的过程。
在数据资源加工阶段，企业要充分重视厘清数据资产化过程所占用的企业资源，配套建立正确的数据资源成本归集与分摊机制，确保数据资源成本的准确计量。
在数据资源确权及入表阶段，要重点关注确权问题。目前关于 数据确权 的具体方法和流程，国内还未形成统一共识。实践中， 数据确权 的具体操作通常包含签订数据使用协议、申请数据版权、申请数据产品登记证书等。
在数据资产后续管理阶段，要持续跟踪数据资产因持续开发、应用、内外部流通造成的账面价值变化，同时积极应对使用、交易、合规等相关制度调整造成的变化。在数据资产出售或损毁阶段，要全面做好各项合规工作，确保在追求数据资产价值最大化的同时减少相关风险。
企业构建数据资产负债表要遵循“从易到难”“从上到下”“从始到终”三个规则：其一是在操作上遵循从易到难的准则，其二是在组织上遵循从上到下的准则，其三是在合规上遵循从始到终的准则。
数据资产化的实际操作中仍面临诸多挑战
不过，多数参会人士指出，企业在数据资产入表和数据资产定价的实际操作进程中，仍然面临着诸多挑战。
上海法学会金融法研究会副秘书长、上海协力律师事务所江翔宇博士表示，数据资产入表的关键是怎样确认合规确权、数据价值和数据交易真实可信可追溯和验证、成本计量可靠。
江翔宇指出，在现行企业会计准则的理论下，数据资产入表有两条确权路径：其一是证明企业合法拥有拟入表的数据资源，但这在数据权属制度缺失的当下有一定困难；其二是证明企业合法控制拟入表的数据资源，可以合法使用并获得利润，系当前数据资产入表的可行路径，与企业数据合规密切相关。第贰种路径是可行路径。
数据资产入表本身为企业的内部动作，没有外部中介机构的强制性介入要求，企业自身判断确认其数据资源的权属，即可将符合基本条件的数据资源对应的成本计入资产负债表。
但已入表的数据资产需经得住企业审计的审核要求，同时在进一步入表的数据资产金融化利用（如质押融资、出资入股等）时，在对相关数据资产进行评估时，企业需要向资产评估机构提供证明对其实现合法控制。
江翔宇进一步指出，数据资产入表只是数据资产化利用的起点，其意味着数据资源已经被正式确认为数据资产，这为后续的数据衍生金融业务的开展奠基了基础。
实践中，在市场上已经进行了很多金融意义下数据资产管理的探索，包含数据信托、数据资产质押融资贷款、无质押数据资产增信贷款、发行包含数据 知识产权 的证券化产品、数据资产作价入股签约等。
可是数据资产的金融化利用尚存在实际困难，上述的探索目前还是属于尝试性质，走通了路径，可是离大规模开展还有相应的路要走。银行以往的风控体系和模型对于数据资产这一新类型资产的应对需要一个调整的时间，尤其是数据资产在流通利用中的真实价值缺乏成熟的技术手段验证、数据资产的确权和合规难以认定，在相关违约事件发生时金融机构难以处置变现数据资产，因此持牌金融机构尚不会大规模开展数据资产的金融化利用。
张学武指出，数据市场普遍存在确权难、定价难、互信难、入场难、监管难的“五难”困境。数据具有高固定成本、低边际成本、产权不清、来源多样和结构多变等特征。数据买卖双方对数据价值评估存在“双向不确定性”，再结合数据质量、完整性、稀缺性和潜在价值，使得对数据产品进行定价成为一个巨大难题。
另外，数据价值具有较高的情景相关性。数据特性复杂具有高复制性和异质性，所以针对不一样的应用场景和交易场景，出现“千用千价”情况。另外，数据权属及分类分级尚不明确。不同于传统商品所有权的转移， 数据要素 交易流通既可以是数据的持有权，也可以是数据的使用权和经营权，需要针对不一样的交易方式，建立相应的定价策略。
对于数据资产定价的基本方法，张学武认为，成本法具有较好使用可行性。目前众多机构采用成本法探索其数据资产定价路径。数据的边际成本极低，单位成本、单位价格难以有效确认。
而收益法具有部分可行性，主要需视交易标的物是否具备较为明确的 利润预期。数据应用场景十分广泛，易出现“千用千价”。但市场法尚不具备可行性，主要是因为目前数据交易市场其实不活跃，价格缺乏公允性。
张学武建议，建立数据定价的锚，为买卖双方估价议价提供参考，解决困惑买卖双方议价的信息不同步问题，增进 数据要素 价格体系的形成。