专栏名称: 数据资产最前线
聚焦数据治理、数据资产化、数字化转型等领域专业知识总结和干货分享,做您身边有价值的数据专家号
目录
相关文章推荐
康石石  ·  港八大的王牌设计学博士,在香港理工 ·  17 小时前  
中国舞台美术学会  ·  艺谈丨过度应用科技削弱戏剧意境——以昆曲舞台为例 ·  2 天前  
康石石  ·  大一不参加竞赛,有些浪费呢 ·  2 天前  
51好读  ›  专栏  ›  数据资产最前线

终于有人讲明白了:数据资产、数据产业、数据空间、数据产品、数据治理、数字产业化、产业数字化

数据资产最前线  · 公众号  ·  · 2024-11-07 10:23

正文

在数字经济时代,数据已成为推动经济社会发展的关键要素。数据资产、数据产业、数据空间、数据产品、数据治理、数字产业化、产业数字化等概念,共同构成了数字经济发展的重要支柱。本文将逐一解析这些概念,并探讨它们之间的内在联系。

一、数据资产

2023年8月财政部发布了《企业数据资源相关会计处理暂行规定》:……按照企业会计准则相关规定 确认为无形资产或存货等资产类别的数据资源,以及企业合法拥有或控制的、预期会给企业带来经济利益的、但由于不满足企业会计准则相关资产确认条件而未确认为资产的数据资源……

2023年9月6日中评协发布《数据资产评估指导意见》第二条:本指导意见所称数据资产, 是指特定主体合法拥有或者控制的,能进行货币计量的,且能带来直接或者间接经济利益的数据资源。

数据资源被确认为资产的两条路径——拥有or控制

1、1.如何理解“企业合法拥有或控制”?

资产作为一项资源,应当由企业拥有或控制。 《企业会计准则——基本准 则》第二十条第三款规定: 由企业拥有或者控制,是指企业享有某项资源的所有权, 或者虽然不享有某项资源的所有权,但该资源能被企业所控制。

企业享有所有权:

企业是否拥有一项资源的所有权,并不是确认资产的绝对标准。 某些情况下,虽然某企业并不拥有某项资源的所有权, 但企业实际控制了该项资源,且能够借此获取经济利益, 这亦符合会计上资产的定义。

企业实际控制该资源:

从形式上看,这意味着企业对该资源具有实际经营管理权,能够在生产经营活动中自主利用,谋求经济利益。 从实质上看,这意味着企业享有与该项资源的所有权相关的经济利益,并承担相应的风险。

二、数据产业

数据产业是数据要素化发展新阶段的一种新型产业形态,是由数据资源、数据技术、数据产品、数据企业、数据生态等集合而成的新兴产业。 具体来说,数据产业是利用数据技术对数据资源进行产品或服务开发,并推动其流通应用所形成的新兴产业,主要包括数据采集汇聚、计算存储、流通交易、开发利用、安全治理、数据基础设施建设和运营等环节。

其中, 数据资源 是指以电子或者其他方式记录的,可以被识别、采集、加工、存储、管理和应用的原始数据及其衍生物。

数据技术 是围绕数据“采存算管用”全生命周期不同环节分别对数据进行采集存储、加工分析、流通交易、应用治理等处理的各种技术的总称。

数据产品 是指运用大数据、人工智能、区块链、隐私计算等各种数据技术,在数据全生命周期各环节对数据资源进行加工处理,形成的不同级次、不同形态的产品和服务。

数据企业 是指以数据为关键生产要素,运用数据技术,对数据资源进行加工处理形成数据产品,并对外提供流通交易和开发利用的企业。

数据生态 是指在产业上下游链条上、大中小企业之间,或一个区域内,数据资源、数据技术、数据产品、数据企业等数据产业各环节间,所形成的相互依存、相互支撑的产业体系,包括数据资源生态、数据技术生态、数据企业生态和数据产业生态等四种类型。

三、数据空间

根据国家数据局发布 《可信数据空间发展行动计划(2024—2028年)》征求意见稿 的: 可信数据空间、数据空间、空间的含义相同, 可信数据空间是基于共识规则,联接多方主体,实现数据资源共享共用的数据流通利用基础设施,是数据要素价值共创的应用生态,是支撑构建全国一体化数据市场的重要载体。可信数据空间须具备数据可信管控、资源交互、价值创造三类核心能力。


四、数据产品

数据产品是以数据为原料,通过加工、处理、分析和可视化等方式,形成的可以直接被使用者消费的信息产品。数据产品的目的是将原始数据转化为能够为决策提供支持的信息,从而提升企业的运营效率和竞争力。常见的数据产品形态包括:

数据集合: 此乃精心搜集、整理并加工后的结构化数据仓库,构成了数据产品的基础框架。数据集合的重要性不言而喻,它为后续深入的数据挖掘与分析奠定了坚实基础。例如,整合用户行为数据,企业能够洞悉消费者偏好,实现精准营销策略;而交易数据的分析则助力企业把握市场动态,优化供应链布局。

报告与可视化报表: 此类产品基于对数据的深度剖析,通过直观的可视化方式展现关键信息。常见的形式涵盖销售绩效报告、用户特性画像、财务状况概览等,它们为企业决策者提供了即时、全面的业务洞察,确保决策的科学性与精准性。

数据模型: 借助高级建模与算法技术,数据被转化为具有预测、分类、推荐等功能的强大模型。例如,用户流失预警模型能够有效预测并预防客户流失,而信用评估模型则帮助金融机构精准把控贷款风险,确保资产安全。此类数据模型代表了技术创新的高峰,为企业带来了智能化的决策辅助。

数据驱动应用: 将数据产品的价值深度融入企业的日常运营与管理之中,形成了诸如个性化推荐系统、智能客服平台等应用场景。这些应用不仅提升了用户体验,还显著增强了企业的服务效率与市场竞争力。例如,个性化推荐系统能够精准匹配用户需求,促进销售增长;而智能客服则通过自动化处理,大幅提高了客户服务质量与响应速度。

五、数据治理

定义:数据资产治理是指对企业所持有的各类数据资源进行规划、组织、控制、保护和利用的一系列活动,旨在提升数据质量、保障数据安全、促进数据共享和利用。

核心要素:

数据战略: 明确企业数据资产管理的长期目标和方向。

数据标准: 制定统一的数据分类、编码、命名等标准,确保数据的一致性和可比性。

数据质量: 通过一系列措施确保数据的准确性、完整性、及时性和可用性。

数据安全: 建立数据安全管理体系,防范数据泄露、篡改等安全风险。

数据共享与利用: 推动数据在企业内部及跨企业间的共享和利用,发挥数据资产的最大价值。

实施步骤:

数据盘点: 全面了解企业持有的各类数据资源,编制数据资源目录。

数据清洗与整合: 对原始数据进行清洗、整合和标准化处理,提升数据质量。

数据架构设计: 根据业务需求设计合理的数据架构,确保数据的有效管理和利用。

数据安全防护: 建立完善的数据安全防护体系,保障数据资产的安全。

数据治理持续改进: 通过定期的数据质量评估、安全审计等活动,不断优化数据治理策略。

六、数字产业化







请到「今天看啥」查看全文