深度探究数据要素市场,企业为什么要参与数据资产化建设

我国正在发展数字经济,培育数字要素市场,推进数据市场化。在十四五数字经济发展规划中就已经将数据要素列为数字经济深化发展的核心引擎。今天和大家分享关于数据要素的前世今生,您将了解以下知识点:

1.什么是数据要素?为什么数据能成为生产要素

2.什么是数据要素市场?为什么要建设数据要素市场?

3.什么是数据资产?企业如何进行数据资产化?

什么是数据要素

数据要素是什么?它不仅是一个概念上的转变,更多的是思维改变。

虽然说数据要素这个词是新提出来的,但是生产要素概念是一直存在的,它是个经济学概念。

生产要素就是人们用来生产商品啊和劳务所必备的基本资源,换言之,如果把生产活动看作一个炼钢炉,那生产要素就是炼钢炉在烧火生产之前需要往炉子里放的原材料。那放什么原材料呢,是随着产出和时代在不断演化的。2019年我国把数据列为最新的生产要素,随着技术、意识的转变,生产要素的种类是在不断增加的,数据就是在数据时代的最新增加的生产要素。

为什么数据能作为生产要素,先了解一下生产要素的评判6大标准,哪些是已经完全符合了,哪些是需要解决问题的挑战。

第一,与其他生产要素相结合的时候能够增加产出。举例子:现在想建一个厂房,有土地、人、资金,如果能够提供一些市场数据,可以帮助生产创造出更大的价值,实际上是一种提升的配置效率。

第二,要有要素价格。数据在建立数据要素之前,就已经是被买卖的,所以是价格可量化的交易标的。

第三,有供给来源。数据基于企业经营、等活动,存在原始供给源,包括政府数据、企业数据、个人数据。

第四,有数据需求。需方有利用外部数据来提升自身效率与增值需求,以往更多还是点对点的数据买卖。

第五,成体系的要素市场。我国正在快速培育和建设数据要素市场,是目前需要解决的问题。

第六,要素贡献(边际效用)递减。这是已经满足的。

数据已经成为生产要素,就如同土地成为生产要素之后土地会成为土地资产,数据也会成为数据资产。虽然数据成为数据资产有充分依据,但是也面临不少挑战,这也是数据资产化需要解决的问题。

第一个问题:数据价值过程的参与主体多元性,给排他性产权界定、收益分配造成了困难。

数据从诞生到资源化、产品化、流通交易过程,涉及各行各业,相关政府、事业单位与企业均有参与不同环节,主体复杂多元,参与方式多元。而如何理清数据产权,包括分配各个主体的利益是需要解决第一个挑战。一项数据交易的过程大概会涉及到哪些主体,包括软件服务商、数据中台厂商、数据服务商、咨询服务商、数据加工方,那他们分别拥有什么样的数据产权以及一旦有利润产生该如何去分配。

第二个是数据流通标的物的形态高重塑性,给数据资产的可辨认形态界定造成了困难。

数据要素作为流通标的物,其形态具备高重塑性,数据产品之间的组合、整合与聚合,能够呈现新形态与新价值。举个例子:如果一家提供企业征信的数据服务产品公司,可以去购买别人的信贷关系数据、资金流通数据、通信特征数据,聚合再加工形成出数据产品。购买别人的数据产品然后形成自己的数据产品,如何界定购买的和生产的这两个数据产品呢?

第三个数据产品使用价值时变性,给数据资产的可持续经济利益界定造成了困难。

数据产品或数据资产本身就具有实变性价值,和土地等资产不同,土地资产理论上会在短时间内很难发生一个巨幅变种,但是数据不一样,比如说像医疗图像这种数据时效性很强,可能过了十年它的价值也是非常非常大的,但是像报价情报这种数据,短时间内就会快速的衰退,只有那些在较长周期内保持稳定价值的数据产品具备资产属性。

总结而言,数据成为数据要素以及数据成为数据资产,有四大类的挑战需要一一解决。

探究数据要素市场

在数据要素方面,国家目前还在建设一个成体系的数据要素市场,建设目标包括以下几点:

第一:市场制度与标准体系,即定义规则是什么。

围绕着数据交易的标的物,不仅是需要供需两方,还需要有一些服务商,且所有的主体一定是要有一套交易规范的,除此之外还需要一个市场制度和标准体系,全国需要有一套统一的制度框架和规章制度,以及要建立健全数据要素流通的国家标准。

第二:市场建设主体,即定义谁来参与建设。

承担数据要素流通交易的具体机构,是买卖双方事先数据要素安全、高效和有序的流通、供需匹配对接和价值实现的场所,如数据交易所、数据交易中心等。

第三:市场运行的结构,即定义要建设一个怎么样结构的市场。

建立服务不同区域、不同行业、采用多元化交易模式、提供多样化数据产品和服务的市场结构。根据不同的市场需求和供应特点,可以划分不同的市场。

第四:数据流通基础设施与技术保障体系,即提供软硬件的技术支持。

数据要素市场参与者众多,需要构建集约高效的数据流通基础设施,为场内交易和场外分散交易提供低成本、高效率、可信赖的流通环境、数据要素流通交易和相关技术保障。

数据要素交易市场形态是 什么样的

目标明确之后,就开始顶层规划和去建设了。从19年首次将数据纳入生产要素开始,到20年3月份首次提出要建设数据要素市场,在数据二十条及后来陆续出台了很多政策方案去建设数据要素市场。其中数据二十条重点提出三权分置,将数据的权属分为三权,保证了各个参与主体的一个利益分配。国内的数据流通和要素市场曾被一些业内人士视作"黑暗丛林"。伴随国家数据局成立,数据要素市场迎来历史性时刻。

经过多年和多方努力,数据要素市场终于成型。数据要素市场中数据供给方包括企事业单位、政府和个人,形成类似于矩阵一样的结构。企事业单位和企事业单位买卖数据,属于常规的数据交易;政府找企事业单位购买数据,属于政府的数据采购。政府找政府买数据,可以划分成公共数据运营,也可说是公共数据开放。个人找个人买数据,属于点对点流通。

在矩阵结构中,通过不同的工序、双方的角色划分,可以把数据市场分成十大类,总称为广义的数据要素市场,其中企业和企业间、政府和企业间、政府和政府间这个小范围的话就是狭义的数据要素市场。

实际上我们一直在针对狭义的数据要素市场做场内场外交易、基础设施制度建设。狭义的数据要素市场会分为两层交易结构,第一层是场内、第二层是场外的。场内又会分成三层,第一层是国家级数据交易所,在国家级之下又会按照地方和行业去建地方的数据交易所及行业交易所平台,这三者并不是互相独立的,数据是互联互通的,也是相辅相成、互相弥补对方的空白。

实际上数据交易很早已开始,在国家还没有建立健全交易结构时,大多数公司会点对点进行交易。没有在交易所或者交易平台进行的数据交易,即场外数据交易。

建设数据要素场内交易市场 有何 意义

如何理解场内和场外的关系,其实就是场内为场外提供技术设施,场外为场内提供交易。场内交易市场一个制度体系健全、管理严格、竞争充分的市场,如今建设场内交易市场有两大意义:

第一,能够实现数据流通的全过程、全动态管理。

在互联互通的市场交易环境下,将会记录所有企业对外服务数据产品的权属变化、交易标的物、交易对象、交易价格,意味着今后会出现数据产品的市场公允价格。

第二, 生成数据资产的凭证。

数据交易全部打通,可以依托全国的数据交易链的相关的数据资产凭证,完成全国统一的从数据资源到数据产品、再到数据产品到数据资产认证。数据产品从资源从资源到产品到资产,每一步都是可追溯可认证的、可控的,最后走向资产入表、资产评估环节也不容易出差错。

扩展知识点:数据资产凭证包括三大部分,第一是产品登记确权凭证,确保数据产品是有意义的,并且数产品是有明确归属的,拥有唯一的标识符。第二是交易记录会计凭证,每一笔交易都是记录在案的,交易的订单号、数字签名都上链保存,能够确保交易的是真实可靠的、也是唯一的。第三是资产评估凭证,数据是用来记录数据产品的供应价值的,交易量高、使用率高的数据产品就会有一定的体现。

从链路视角去理解一下数据资产凭证,首先数据来源分为公共数据、企业系统生成数据和直接在交易市场采购的数据,把这些数据进行加工整理和处理,形成企业所拥有的数据资源,这个数据资源是可以登记的,它是资产凭证的一方面。数据资源再进行研发和开发,针对特定的需求化变成一个数据产品,再对外交易或者内部自用或共享或开放。如果能够在交易市场进行交易,数据产品也是能进行登记的,也会形成数据资产凭证。总而言之,数据资产凭证可能是一串代码、一个编号、一个二维码,背后实际上包含了数据产品权属、价格、应用场景和持续盈利能力等信息。

既然数据资产能够蕴含这么多信息,能够这么透明,它也能够去帮助数据资产本身去发挥更大价值。比如包括产权交易、数据信托、数据保险等,都是数据资产凭证能帮助数据资产发挥更大的价值,完成像其他资产的金融创新。

企业为什么要参与数据要素市场建设

数据要素的市场参与者不仅有政府,还有各种各样的企业单位。政府搭好台之后,企业单位参与数据要素交易以及数据市场化的意义在什么地方呢,或者说企业的动力来源在哪里。我们认为是数据的两次价值实现。

对企业而言,自身积累的数据一定要开发利用起来,通过信息系统采集的数据或者说爬取的数据,进行数据治理、存储、保护成为数据资源,然后数据资源又可通过数据智能化或机器学习反哺给企业,这个过程不断的循环,称为螺旋式上升。这个螺旋式上升的过程就被称为数据的第一次价值实现。

当然数据的第一次价值实现是在企业内部进行价值实现的,但是企业数据每一个应用场景的坐不是无限的。为了继续去发挥数据的价值,就需要推进数据交易,即第二次价值实现。比如可以把数据卖给和没有直接竞争关系的企业,数据通过市场流动进入到其他公司之后再发光发热,那购买其他公司生产的数据产品用来提升自身企业价值的这个过程就被称为第二次价值实现。

如何进行 数据资产化

什么是数据资产

数据生产要素市场建起来之后,随着数据产品成为数据交易的标的物,数据本身就具备了资产的属性。

关于数据资产的定义,最开始是有一些的。比如在国民经济核算领域,认为资产是根据所有权原则界定的经济资产,即资产必须为某个或某些经济单位所拥有,其所有者因持有或使用它们而获得经济利益。更多强调的是边界,哪些经济单位所拥有的;

在会计领域,认为资产是指企业过去的交易或者事项形成的、由企业拥有或者控制的、预期会给企业带来经济利益的资源。在同时满足以下条件时,确认为资产。更多强调的是确认方式,即到底是不是属于企业的数据资产。

另外包括中国信通院、南方电网都也有一些对数据资产的定义,但这些定义并不是相互冲突的,而是相互补充的,是基于不同视角下对数据资产的理解。

当然,业内对数据资产的定义是有个共识的,即"数据资产是指企业拥有或控制的、预期会给企业带来可持续经济利益、以数据为主要内容和服务的可辨认形态"。"企业拥有或控制的",就是企业一定要拥有数据资产的三权。"预期会给企业带来可持续经济利益",实际上就会被分为内部价值和外部收益,内部价值就是自产自销自用,外部价值就是自产我自销给别人用。"以数据为主要内容和服务的可辨认形态"即要以数据产品作为数据资产的形态来确认,因此数据产品就成为了数据资产确认的一个核心要素。

企业自己生成的数据,有数据资源持有权,形成可持续使用的数据产品;企业采购、共享、爬取、被授权的数据有数据加工使用权,形成可持续使用的数据产品则列为资产,但是如果未形成可使用的数据产品,不能列为数据资产。

数据资产化的意义是什么

对国家而言,数据资产化对国家的战略意义在于深化发展数字经济。

对行业而言,在于促进数据要素产业的发展。狭义的数据要素产业主要是指大数据产业,指以数据生成、采集、存储、加工、分析服务为主的战略性新兴产业。广义的数据要素产业主要是指围绕数据要素的供给、流通以及应用等形成的完整产业链。

对于企业而言,在于释放数据价值。数据资产化是能够促进企业本身的数字化转型的,包括把企业内部的数据价值体现出来,促进数据的使用,发挥数据资源的价值。

企业数据资产化的路径

企业数据资产化包括三大步骤:数据资源化、资源产品化、产品价值化,整个过程即数据资产化。

第一步数据资源化,企业将公共数据、系统生成数据、市场采购数据进行加工整合整理成为资源,那这个资源是登记的,这个过程的话是资源化的过程。

第二步资源产品化,数据资源再按照一定的需求和目的,进行产品开发成为数据产品,这个过程就是数据资源产品化。

第三步产品价值化,数据产品再进行交易,再进行自用,也是需要登记的,最终形成数据资产凭证,从产品到数据资产凭证的过程,被称为产品价值化。

如今数据资产的定义范畴逐渐清晰,数据要实现从数据资源到数据资产的跃迁,必须具备'合法控制'、'可靠计量'、'经济利益'三种属性。围绕这三种属性,各地正在积极从数据的产权体系、价值评估体系、流通交易市场体系三个方面开展实践探索与政策设计。数据资产化亿信华辰一直走在行业前列,作为中国领先的数据资产管理产品与服务提供商,亿信华辰不仅拥有全生命周期的数据产品体系,提供全方位的数据服务解决方案,同时拥有深厚的金融行业建设经验,如今聚拢了大量的行业渠道资源,可以很好的赋能资产入表服务的客户。

相关推荐
天冬忘忧8 分钟前
Kafka 生产者全面解析:从基础原理到高级实践
大数据·分布式·kafka
青云交31 分钟前
大数据新视界 -- Hive 数据仓库:构建高效数据存储的基石(下)(2/ 30)
大数据·数据仓库·hive·数据安全·数据分区·数据桶·大数据存储
zmd-zk40 分钟前
flink学习(2)——wordcount案例
大数据·开发语言·学习·flink
电子手信43 分钟前
知识中台在多语言客户中的应用
大数据·人工智能·自然语言处理·数据挖掘·知识图谱
隔着天花板看星星1 小时前
Kafka-Consumer理论知识
大数据·分布式·中间件·kafka
holywangle1 小时前
解决Flink读取kafka主题数据无报错无数据打印的重大发现(问题已解决)
大数据·flink·kafka
隔着天花板看星星1 小时前
Kafka-副本分配策略
大数据·分布式·中间件·kafka
Lorin 洛林1 小时前
Hadoop 系列 MapReduce:Map、Shuffle、Reduce
大数据·hadoop·mapreduce
DolphinScheduler社区2 小时前
大数据调度组件之Apache DolphinScheduler
大数据
SelectDB技术团队2 小时前
兼顾高性能与低成本,浅析 Apache Doris 异步物化视图原理及典型场景
大数据·数据库·数据仓库·数据分析·doris