数云原力大会杨涛：实现从数据要素到数据资产的升级

5月6日，由国家金融与发展实验室金融科技研究中心学术指导，北京立言金融与发展研究院、神州控股、神州信息、神州数码集团共同主办的2023数云原力大会“数据资产•金融核心竞争力”主题论坛在京盛大举办。作为全球金融科技大会系列论坛之一，本次活动大咖云集。国家金融与发展实验室副主任杨涛发表了主题为《实现从数据要素到数据资产的升级》的演讲，从学者视角阐释了从数据要素到数据资产升级的看法。

数据的过去与现在

从明代开始，数据的价值就在经济发展当中崭露头角。一个例子是在明代洪武年间，官方对全国土地进行丈量，由此形成“鱼鳞图册”，在当时农业经济为主的背景下，成为国家维系经济运行的重要基础。另一个例子是，洪武年间官方还推出了一个重要的“黄册”，针对人丁和户口做出统计，从而更好地征收税赋劳役。自明代以来，当相关数据统计精准时，往往伴随经济社会繁荣期；而在战乱期，随着相关数据失真，经济运行也失去了稳定基础。

随着历史的延展，无论是《辞海》等诸多词典，还是我国《数据安全法》等制度规则，都对数据有了新的描述。理解现代意义的数据概念有三个视角：观测的数值结果、抽象的字符记录、信息的数字化表示。当新技术给经济社会带来重大挑战时，数据作为一种新型要素，可能逐渐融入到现代经济生活中，并且其融合程度伴随着技术迭代不断升级。大数据时代带来的不仅仅是海量的数据，而且是全新的数据分析方法，这使得数据成为生产要素的可能性进一步提升。

大数据强调的不再是追求随机样本的精确性，而是整体数据；不再是准确性，而是混杂性；不再是因果关系，而是相关关系。这给数据的处理带来了非常深刻的影响和变化。

数实融合衡量数据要素价值

数据作为生产要素，从理论机制分析的角度有两个线索：一，数据要素作为生产要素直接投入到生产方式中，成为替代原有典型要素的新要素；二，数字要素投入之后，还与其他要素相互促进、协调发展，因此改变了原有的生产模式、生产结构，比如劳动力在规模上遇到增长瓶颈的时候，我们可以利用数字化进一步提升劳动力的质量和在生产中的贡献度。所以沿着这两条路径，数据要素就进入到现代的生产生活中，对经济增长带来更复杂的影响。

我们在理论上可以进一步从宏观、中观、微观视角来看数据要素的应用。一则，宏观层面是通过推动经济数字化转型，进一步提升全要素生产率，改善劳动力和资本要素的质量，推动劳动生产率提升和经济增长方式转变。二则，中观层面是促进三次产业结构优化与效率提升，并且重构众多行业的上中下游运营方式。三则，微观层面则是推动市场主体的数字化创新与变革，改善企业生产函数，全面增加可持续发展能力。

对于数据要素价值的衡量，可以用当前热议的数实融合来探讨。从投入产出的视角来看，数实融合本质上是更好地运用劳动力、数据、技术、平台等供给侧要素，更好地服务居民与企业部门需求侧。一则，在劳动力供给规模受约束的情况下，更多需要依靠数字化来改善劳动力质量；数据作为重要的新兴要素，需真正进入生产、分配、交换、消费的再生产过程中；基础性技术、前沿重大技术、应用技术都需成为承载数实融合的重要工具；平台经济则是推动数实融合、为产业集群助力的核心模式。二则，数实融合的结果是否成功，关键在于能否促进居民收入增长、消费稳健发展、企业生产效率提升、产业规模化发展、国际市场竞争力不断增强等。

在实践层面，数据要素产业链包括数据采集、数据存储、数据处理加工、数据流通、数据分析、数据应用、生态保障等。在这一系列的过程中，最大的难点在于数据作为一种特殊的生产要素，其外部性非常复杂，同时带来交易定价的复杂性；另外，其参与的主体是众多的，成本收益特征是有差异的，与传统要素的特征截然不同，公共性与私人性的边界是模糊的；同时它的异质性也为实践带来挑战，即大量的数据看似同类，但性质具有较大的差异，导致在定价和交易中很难进行简单、直观的归类。

在政策层面，要实现数据要素要健康、稳定地发挥作用，无论是流通的制度、模式、技术、标准，都有大量的工作需要做。所以，从数据要素层面我们已经感受到传统的数据存在的形式、分析方法带来的巨大的变化与挑战。如果数据要素再进一步迭代到数据资产，这将成为当前中国乃至全球数字化发展中面临的一个全新门槛。

从数据要素到数据资产升级

从数据要素到数字资产是必然趋势，主要有四个方面的原因：第一，形成共通的数据语言，即需要依托资产的角度来设定标准化、共通的、可以互操作的、数据化的语言。第二，形式企业与机构的战略资产。第三，加速数据资产的交易进程。最后，促使纷繁复杂的数据资产的确权问题更加明确。

对于具体的如何来衡量数据资产，离不开价值评估和进入财务报告的工作。在资产的释义中，我们可以看出“拥有或者控制”和“带来经济利益”是资产最核心的内涵。由资产的概念引申到数据资产，我们可以得到，数据资产是由企业拥有或控制，能够为企业带来经济利益的数据资源。数据资产在财务和会计方面的界定，包括数据资产的确认、数据资产的评估、数据资产的计量、以及数据资产的披露等过程。

数据资产的评估以及数据资产的计量归根到底离不开两个方面的具体的思路：一是在数据资产衡量当中我们需要什么样的技术；二是在数据资产的衡量中，我们需要什么样的制度规则。传统资产的计量方法有历史成本法、工艺价值法、现值法、重置成本法、可变现净值法，那么对于数据资产如何进行衡量？着眼于数据资产的特性，给财务会计计量带来了新挑战。从技术领域看，伴随着财政部推动的相关会计准则变革，下一步这将成为领域中最前沿、核心的问题。从规则角度看，需要构建不同参与主体之间进行公平合理的收益分配制度，依据“谁贡献、谁投入、谁受益”的原则，建立基于数据知产的收益分配激励机制，保障数据资产相关方的利益。

同时，要加强创新数据资产的监管体系建设。随着相关法律制度的完善，我国逐渐建立起数据领域的全方位监管、治理和保护机制，但就数据资产层面来看，还存在诸多的监管模糊性。如目前发改、工信、网信、金融监管部门、市场监管等都承担了一定职责，但统筹监管严重缺失；中央与地方的监管协调也存在众多空白。此外，当数据资产价值逐渐凸显，全球的跨境监管难题将更加突出，由于缺乏统一的跨境治理框架，不同国家地区在相关法律合规上将会有更多冲突。最后，数据资产还经常与另类的“数字资产”混淆在一起，传统资产一般记录在中介与组织维护的账簿中，而数字资产则通常记录在去中心化数字账簿中，并带来更复杂的监管争议。

最后，从政府的角度讲，需要做什么？

一是目标导向。数据资产应用的目标可能是多元的，如服务公共管理、促进经济增长、就业优先、结构优化、可持续发展等，需要厘清目标的优先次序，否则可能出现目标冲突或矛盾，制约数字化实践顺利推进。

二是底线原则。必须明确需避免怎样的“双刃剑”效果，如大型数字平台的垄断、部分公共部门的数据垄断、个人信息被非法收集和滥用等，从而设置好数字化理论与政策的“负面清单”。

三是规则先行。需要尊重规则，从而稳定市场预期，既要探索和完善相应的法律法规，又要在短期内难以进行法律规制的领域，推动标准化的自律约束，以及数字伦理体系的建设，从而实现创新空间与发展有序的平衡。

四是方法科学。充分借鉴海外与前沿经验，自身在政策运用和政务运行中，也要积极拥抱数据要素与数据资产的价值。