自“数据二十条”发布以来，财政部、国家数据局等部门陆续出台了“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。
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正的“金矿”。而数据资产运营，就是将数据转化为“金矿”的关键钥匙。
一、数据资源、数据资产的概念
数据资源和数据资产均不是纯粹的会计概念。目前比较权威的解释来自中国大数据技术标准推进委员会发布的《数据资产管理实践白皮书》（以下简称《白皮书》)，该白皮书已经发布至6.0版。根据《白皮书》，原始数据经过数据管理实践活动，具备一定的潜在价值后，就成为数据资源。
而数据资产指由组织（政府机构、企事业单位等）合法拥有或控制的数据，以电子或其他方式记录，例如，文本、图像、语音、视频、网页、数据库、传感信号等结构化或非结构化数据，可进行计量或交易，能直接或间接带来经济效益和社会效益。
根据《白皮书》对于数据资源和数据资产概念的诠释，原始数据必须先资源化变为数据资源，才能再资产化变成数据资产。《白皮书》关于数据资产的定义显然是借鉴了企业会计准则中的资产定义。《企业会计准则﹣﹣基本准则》第二十条规定，资产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。因此，数据资产一定属于数据资源，但并不是所有的数据资源都能成为数据资产。
只有那些企业能够拥有或控制且预期会给企业带来经济利益且符合资产确认条件的数据资源，才可能属于数据资产。
多数时候，人们习惯称某一项对企业有经济价值的资源为"资产"，这其实对应着会计准则中资产"经济利益有可能流入企业"的判断条件。除此之外，会计准则的资产还应该满足这些条件：企业过去的交易或者事项形成、企业拥有或者控制、成本或者价值能够可靠计量。
毫无疑问，数据资产的本质依然是资产，它指以数据为主要内容和服务的、满足资产确认条件的数据资源。值得注意的是，在《暂行规定》出台前，市场上大多数的"数据资产"并不一定满足会计准则的资产确认条件，换句话说，不一定能"人表"。在《暂行规定》后，我们应该更多从能否入表的角度来判断相关数据资源是否可以称为数据资产。
根据企业会计准则的相关规定，资产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。
将一项资源确认为资产，需要符合资产的定义，同时应满足以下两个条件：
(1）与该资源有关的经济利益很可能流入企业。
(2）该资源的成本或者价值能够可靠地计量。
数据资源要确认为一项资产也应满足上述条件。本报告将数据资产定义为：
由企业拥有或控制的，预期会给企业带来经济利益（内部价值或外部收益），以数据为主要内容和服务的可辨认非货币资产。
值得注意的是，数据产品不一定满足资产的确认条件，如有的数据产品可能不能给企业带来经济利益流入，有的数据产品使用方式与无形资产类似，但生命周期可能不超一年，而会计上不超过一年一般不计入无形资产。但企业实践中确认数据资产往往以数据产品作为载体。基于数据产品确认数据资产的优势主要在于：数据产品的可使用状态或者可交易状态更容易辨认，可以更直观地判断该资产是否达到预定用途；数据产品更方便企业进行内部管理。
从数据资产入表的角度看，基础会计工作的重要性体现在以下方面：第一，审慎地从成本的角度梳理数据资产的规模，一方面提升全社会对数据要素的认知，另一方面不至于引起数据资产泡沫；第二，提高企业数据资产信息披露的质量，企业可以通过梳理内部满足资产确认条件、真正有发展潜力的数据产品来提高数据资产的管理水平；第三，提升报表质量，减少数据要素型企业与投资者之间的信息不对称，进一步推进数据资产化创新应用，帮助企业吸引投资、优化财务结构、提升公司估值等等。
数据资产入表可以显著提升大众对数据要素的认知，促进数据要素的交易与流通，进而对数据交易所提出更高的合规性、便利性等要求，有助于繁荣数据要素市场。
二、数据资产的特征
数据资产具有多样性，
包括数据来源的多样性以及使用主体的多样性。数据来源包括企业、政府、个人等主体形成的身份数据以及其日常行为记录收集形成的数据。从数据使者的角度看，数据资产的使用者包括采集、编辑加工形成新的数据产品自用或对外提供服务的单位，也包括利用数据资产进行分析、决策，达到提高决策的准确性等形式，如广告商通过数据资产形成广告精准推送、政府通过数据资产精准招商、企业通过数据资产精准获客、新闻媒体通过数据资产精准快速提供信息报导等。
数据作为新的生产要素，由于其来源、使用者的多样化也决定了其有以下特点：
第一，
数据资产具有非排他性。数据资产具有可复制性，一个数据资产可以被多个主体、应用、算法同时使用，导致其具有非排他性。
第二，
数据资产具有高重塑性。数据资产具备高重塑性，数据产品间的组合、整合与聚合，能够呈现新形态与新价值。
第三，
数据资产具有价值时变性。不同数据产品在不同应用场景下呈现多样化价值生命周期。其价值随着应用场景、时间的推移、数据产品的供给情况发生较大变化。
【相关阅读】
财政部《暂行规定》专题培训：企业的哪些数据资源能成为资产且能入表？（附案例解析）
三、数据入表的意义
四、数据如何分类
按生产对象分类 − 与人有关的数据 − 与物有关的数据 − 与事有关的数据
按存储形式分类 − 结构化数据 − 半结构化数据 − 非结构化数据 ：结构化的程度影响到后续对数据的利用分析的难易度。
按内容类型分类−社交数据−购物数据
按权属分类−公有数据−私有数据
按加工程度分类--原始数据、衍生数据、产品数据：加工者在其中的劳动和贡献的程度是存在差异的
按数据存储的维度，分为基础层、数据中间层、数据应用层。数据的不同的层次对于数据的集成性、灵活性要求不同。
按数据安全的维度，可以分为一般数据、重要数据、核心数据等。
按生成方式的维度，可将数据划分为自行采集记录客观现象所得到的数据、采集与用户的交互记录所得到的数据、基于已产生的数据在赋予全新的价值过程当中所得到的数据等。
【相关阅读】
数据资产识别与分类：如何系统性地识别和盘点企业内部的数据资源，将其转化为可量化、可管理的数据资产？
五、数据资产化的流程
企业数据资产化三部曲
上海数据交易所根据企业数据资产形成路径的研究，结合场内登记挂牌的业务实践，创新性提出企业数据资产化三部曲：数据资源化、资源产品化和产品资产化。
1．数据资源化
从数据资源的来源看，
企业可能通过公共数据授权、自身运营产生、交易市场采购等多种渠道获得数据资源
，因此，推进以数据分类分级确权授权制度为基础的数据资源人表，是有效提高数据要素市场化流通效率、促进数据使用价值充分释放的起点。
数据资源化的过程是企业通过上述一种或多种方式结合获取的原始数据，
经过脱敏、清洗、整合、分析、可视化等加工步骤，在物理上按照一定的逻辑归集后达到"一定规模"，形成可重用、可应用、可获取的数据集合后，形成数据资源的过程。
原始数据是经济社会活动产生的附属品，数据资源并不是生产出来的，而是企业通过安排相应的人力、组织、技术、系统等对原始数据进行系统性梳理整合加工出来的。数据资源化是企业挖掘原始数据使用价值的过程，也是企业数据资源实现资产化的第一步。一般来说，数据资源化的过程可能是企业数据产品的研究阶段，也有可能是企业数据资产的开发阶段，取决于企业在具体产品研发之前有没有针对目标场景进行深度的调研学习。
2．资源产品化
资源产品化是企业数据资产化的第二步，
是数据资源为企业创造交换价值的核心环节。
企业通过对数据资源赋予创新型劳动和实质性加工，形成满足特定应用场景需求的数据产品。数据产品指以数据集、数据信息服务、数据应用等为可辨认形态的产品类型。数据产品是数据要素参与实体经济运行的重要载体。
任何一个产品都会经历从产生到消亡的过程，数据产品也不例外。与传统产品类似，数据产品会经历导入期、成长期、成熟期和衰退期。由于数据本身具有高重塑性的特点，数据产品在导入期和成长期即可批量生产，边际成本几乎为零，不受限于传统产品规模经济的特点，因此数据产品的生命周期较传统产品会呈现跳跃式、价值时变性等特点。
数据资源化后，在明确的应用场景中，将有价值的数据内容通过与服务终端或算法等相结合，以数据产品作为载体，通过内部使用或对外交付客户使用。在这一阶段，企业根据产品的应用场景，梳理数据集的形式、分类等，并根据应用场景开发相应的服务终端或算法程序等。根据数据产品持有目的不同，数据产品一般通过自用、共享、开放以及对外交易方式实现其价值。企业形成的标准化数据产品可重复使用，能满足不同客户的需求；企业为某个客户开发定制化的数据产品将向客户整体出售，其服务客户的数量有限。
基于需求特征和服务方式不同，可将数据产品形态分三类：数据集，即以数据库的形式提供，以满足客户模型化需求的数据产品；数据信息服务，即以数据资源库为基础，为客户提供满足其特定需求的信息类服务；数据应用，即以应用程序的方式，基于统一的用户界面，提供基于数据资源和模型应用的数据产品。
需求特征包括模型化需求以及非模型化需求。模型化需求：数据用于训练和优化使用者的模型或算法，提高模型算法的性能。非模型化需求：使用者利用分析（模型）形成的结果（信息或知识），支持企业的日常生产经营决策。
服务方式包括界面类方式和非界面类方式：界面类方式，通常是通过用户主动操作的界面，实现人机交互的过程来获得数据或信息，例如搜索软件、SaaS等应用；非界面类方式，通过某个软件程序的功能，实现程序间交互方式，例如API、文件配送、受控沙箱、联邦学习等。
3．产品资产化
产品资产化是企业运用数据资产开展经济活动的过程，
充分体现了数据资产的金融属性
，也是数据产品从账面价值转向市场价值的重要一步，是探索数据资产公允价值的重要环节。
促进数据要素市场的交易与流通，市场主体一方面沿着数据要素价值链，正向推动数据资源化过程，提升数据资源的使用价值和交换价值，推进以数据产品为载体的数据资产人表；另一方面积极研究数据资产创新应用，以数据资产经济价值的显性结果反向推动产业链各主体积极参与市场各项规则的建设。
值得注意的是，企业数据资源需要投入实质性加工或者创新性劳动才能形成数据资产。企业业务伴生的数据资源很有价值，但这种价值无法在资产负债表中以"公允价值"的形式体现，要想体现数据资源的价值，必须先投入人力、资金和设备去开发利用，形成数据产品。这些数据产品在内部使用以达到"降本增效"的目标，或者对外服务为企业创造显性的现金流，才有可能满足资产确认条件成为"资产负债表"中的资产项。
【相关阅读】
什么是数据资源？什么是数据资产？数据资源形成数据资产的三部曲是什么？
六、数据资产的权属类型
“数据二十条”提出了三个权属：数据资源持有权、数据加工使用权、数据产品经营权三权分置的产权运行机制。
数据资源持有权-
---充分保护
数据来源者
合法权益，推动基于知情同意或存在法定事由的数据流通使用模式，保障数据来源者享有获取或复制转移由其促成产生数据的权益。
数据加工使用权-
---合理保护
数据处理者
对依法依规持有的数据进行自主管控的权益。在保护公共利益、数据安全、数据来源者合法权益的前提下，承认和保护依照法律规定或合同约定获取的数据加工使用权，尊重数据采集、加工等数据处理者的劳动和其他要素贡献，充分保障数据处理者使用数据和获得收益的权利。
数据产品经营权
-
---保护经加工、分析等形成数据或数据衍生产品的经营权，依法依规规范
数据处理者
许可他人
使用数据或数据衍生产品的权利，促进数据要素流通复用。
【相关阅读】数据“三权分置”，什么是数据资源持有权、加工使用权、数据产品经营权
七、数据价值的评估方法
资产的价值评估主要基于三大路径， 即成本途径、 收益途径和市场途径。数据资产与传统资产比较尤其独特的特征，但资产形成和价值实现的路径与传统资产也基本类似。目前对数据资产价值评估的方法研究中，主要为在成本法、 收益法、市场法三大基本方法及其衍生方法。
【相关阅读】
数据资产价值评估的3种方法
八、数据资产的创新应用方向
数据资产创新应用指释放数据资产作为核心标的物经济价值的过程，一般包括数据资产增信贷款、出资融资、资产证券化等多种方式。一般来说，数据资产在满足一定评估标准和可信化的基础上，是可以通过资产运营、打包等多种方式参与投融资等创新场景方面的应用的。
【相关阅读】
数据资产创新应用的概念是什么？应用方向有哪些？
九、数据的质量评价
数据质量评价是指对数据质量进行评估的方法和过程，其应用范围非常广泛，可以应用于市场调研、产品销售预测、风险评估等多个领域。以下是关于数据质量评价的一些重要方面：
评价标准：
准确性：指数据中所反映的现实或历史事实与实际情况相符合的程度。这主要取决于数据采集的过程，包括数据采集的准确性和数据采集的工具和方法。
完整性：指数据中的所有必要信息都存在且完整的程度。完整性取决于数据采集过程是否涵盖了全部的数据需求，以及是否确保了所有必要信息的获取。
一致性：指数据在不同的环境下和不同的应用中保持一致性的程度。数据的一致性取决于数据的定义和命名规则等，可以通过数据规范和元数据管理来确保数据的一致性。
可用性：指数据本身是否易于访问、理解和使用的程度。
及时性：数据是否能及时提供和更新以满足用户需求。
评价方法：
演绎推算：基于一定的假设和逻辑推理来评估数据质量。
内部验证：通过数据内部的逻辑关系或结构来验证数据质量。
与原始资料（或更高精度的独立原始资料）对比：将数据与已知的原始资料或更高精度的数据进行比较，以评估数据质量。
独立抽样检查：从总体中随机抽取一部分样本进行检查，以评估整体数据质量。
多边形叠加检查：在地理信息系统（GIS）中，通过叠加不同来源的数据多边形来检查数据质量。
有效值检查：检查数据中的值是否符合预期范围或特定条件。
评价过程：
制定评估指标：根据具体需求和情况，确定要评估的数据质量指标。
收集数据样本：根据评估方法，收集具有代表性和充分性的数据样本。
进行数据质量评估：根据评估方法和评估指标，对数据样本进行评估，并计算数据质量得分。
分析评估结果：根据评估结果，分析数据存在的质量问题及其原因，并找出数据质量改进的方向和方法。
制定改进措施：根据评估结果和分析，制定相应的改进措施，如数据清洗、数据标准化、流程优化等。
实施改进措施：根据制定的改进措施，进行相应的改进工作。
监控数据质量：在实施改进措施后，持续监控数据质量，以确保数据质量得到持续改进。
在数据质量评价过程中，常见的数据质量问题包括缺失值、异常值、重复值、错误值等。这些问题可能会影响数据分析的准确性和有效性，因此需要进行有效的数据质量评价和管理。
【相关阅读】
某央企数据资产质量评价业务案例
