数据资产的定义、特点、分类

 一、数据资产定义

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。

《企业数据资源相关会计处理暂行规定》基于会计准则适用范围的新视角对企业的数据资源做了进一步划分，包括企业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。

《电子商务数据资产评价指标体系》(GB/T37550-2019)中明确提出“数据资产是以数据为载体和表现形式，能够持续发挥作用并且带来经济利益的数字化资源”,并明确指出“数据资产包括结构化、非结构化数据和半结构化数据”,“数据资产能够估值、交易，并以货币计量”,“数据资产能够为组织带来潜在或实际价值”。

中国信通院发布的《数据资产管理实践白皮书4.0》中关于数据资产的定义： “数据资产是指由企业拥有或者控制的，能够为企业带来未来经济利益的，以物理或电子的方式记录的数据资源，如文件资料、电子数据等”。

二、数据资产特点

1、非实体和无消耗性

相比于传统有形资产，数据资产具有非实体性和无消耗性。传统有形资产通常具备消耗性，只能由一个使用方、用于某一种用途。例如，机器会随着使用次数增加而产生消耗，寿命降低；原材料在加工后即转变为新的产品。数据资产价值并不会因为正常的使用频率增加而磨损或消耗，数据资产的无消耗性，确保了其在存续期间可以被无限循环利用。与此同时，在数据资产估值过程中也需要考虑其可以重复使用的特性。

2、可加工性

数据资产可以被多维度加工，加工处理后的数据可以成为一种新的数据资产。具体而言，数据资产可以被维护、更新、补充，以增加数据量；也可以被删除、合并、归集，从而消除冗余；还可以被分析、提炼、挖掘，进一步丰富数据资产的信息量。数据的可加工性，确保了数据使用者可以通过各类数据技术，将数据转化为更多样的形式，挖掘数据中的信息，发展数据应用能力。

3、形式多样性

通常而言传统资产只具备一种固定形式，而数据资产有非常丰富的展现形式。即在可加工性的基础上，数据资产可以通过与各类数据处理技术相结合，被多样化地展示、应用以及在多种形式中转换，从而满足不同数据消费者的需求。例如，可以通过各类报表对财务数据进行统计以满足财务管理与记账的需求；而对于各类管理指标数据，则可以通过各类可视化工具，以图形等方式，便于企业管理层更加直观地了解企业的整体情况。

4、多次衍生性

同一数据主体可以被多层次多维度加工，从而衍生出不同程度的数据价值。数据资产多次衍生性的有效利用，可以帮助企业进行多层次、多维度数据资产潜在价值挖掘，丰富企业数据资产整个生态链，推动企业实现数据驱动的目标。数据资产的使用者可以根据不同的需求和数据算法，从而生产出不同维度的衍生数据。例如，对于直接采集的原始客户数据，可通过轻度汇总加工，以形成数据平台中可供各类应用系统复用的数据；进一步地，业务部门可在此基础上加工衍生出对客户偏好的分析与画像，风险管理部门也可进一步衍生对客户风险等级的判断数据。

5、可共享性

数据资产的共享性，指数据资产可以无限地进行交换、转让和使用，为他人所共享。同一数据可以同时支持多个主体使用，不同主体对同一数据的利用将产生不同的价值，这一特性使得数据资产成为企业数据价值挖掘的关键着力点，利用好数据的共享性，将能最大限度地挖掘数据资产价值。

6、零成本复制性

数据资产的成本主要在于前期的数据获取、研究开发阶段，因此初创数据资产的成本极高，但以后的产品由于可无限复制，其边际成本趋于零，这可能会导致相同的数据资产具有截然不同的成本。另一方面，数据资产的零成本复制性也使其在可共享性的基础上能被更多人所用，产生大量的潜在交易需求和价值。

7、依托性

数据资产不能独立存在，因此需要依托于某种介质进行存储和加工。数据资产依托的介质十分多样化，包括磁盘、硬盘等。同时，数据资产发挥其作用与效应也需要依托于有形资产，例如计算机和其他硬件设备。因此在计算数据资产的价值和相关成本时，也需要考虑数据资产所依托的介质成本。在评估中，需要考虑数据资产依托的有形资产的折旧和维护成本等，由此获得较为准确的数据资产成本。

8、价值易变性

相比于传统无形资产，数据资产的价值更易受到多种因素的影响，即具有价值易变性。通常而言，数据技术的发展、数据相关政策的变化、数据应用场景的丰富等因素变化，数据资产的价值也随之改变，且变化的程度较为明显。

例如，某企业过往制定的某算法模型，随着机器学习算法的发展，原有模型的准确率将远远低于运用最新技术的模型，其价值受到技术因素的严重影响。同时，当前数据确权、数据安全及隐私保护等相关法律法规正在逐步完善中，随着相关政策的明确，将决定不同类型或主题的数据资产是否具有交易价值。

上述八大数据资产特征将在后续的具体评估方案设计中体现于参数选择、参数计算、对象划分等各个阶段，是数据资产评估的必要前提假设。

三、数据资产分类

上述八大数据资产特征将在后续的具体评估方案设计中体现于参数选择、参数计算、对象划分等各个阶段，是数据资产评估的必要前提假设。

1、原始类数据资产

原始类数据资产是通过外部获取或内部采集而来的明细数据，可以为后续数据加工应用提供原始信息。由于两种获取方式形成的数据资产的资产特点、资产边界不同，分类管理可以提高原始类数据资产的管理效率，也有利于后一步的加工处理。因此可根据数据来源将数据资产分为外部获取类和内部采集类两部分，并分别作为一个估值对象。

外部获取类数据资产是从外部数据厂商购买、交换或从外部网站上爬取等方式获取的数据，虽不能直接应用于生产经营过程中，但可以对内部采集的数据形成有效补充，对生产经营起到辅助参考作用。

内部采集类数据资产是企业生产经营过程的衍生物，详细记录了业务发生过程中的相关信息，可以通过人工录入系统的方式产生，也可以通过例如ATM机、POS机等设备在客户交易时自动采集信息形成。

2、过程类数据资产

过程类数据资产处于原始类数据资产和应用类数据资产之间的过渡阶段，为数据进一步开发和应用提供清洗后的、统一的轻度汇总数据。

过程类数据资产具有普遍适用性，可以使得后续的深度加工减少重复加工工作，避免资源浪费，具有一次加工多次使用的特性。过程类数据资产通过数据仓库、大数据平台、数据中台等对原始类数据资产汇总加工形成，可作为一个估值对象进行估值。

3、应用类数据资产

应用类数据资产是面向实际的数据需求，以原始类和过程类的数据资产为基础，通过数据汇总、挖掘等加工方式得到的个性化的统计数据或数据产品，可以直接应用于业务部门，支持业务相关工作的开展和收益的提升。考虑到与收益的对应性，将其分为收益提升类和统计支持类两大类数据资产。

收益提升类数据资产是指在业务开展环节中，输出业务洞察，直接赋能产生业务收益的数据资产，包括模型、数据产品等。此类数据资产由于和收益的对应性较强，本方案结合业务领域细分具体价值点，划分了三大类、14项估值对象，详见优化收益法估值实施方案部分。

统计支持类数据资产是在原始类和过程类的基础上进行深度及定向加工得到的数据资产(除收益提升类),全面、深入、准确地体现企业运转情况及发展趋势，可用于经营分析、监管报送等，充分发挥数据资产的业务价值，推动业务部门开展相关工作，比如报表数据反映企业经营历史及现状，为企业经营决策提供有力支持。统计支持类数据资产可总体作为一个估值对象。

当然还有其他的分类框架，比如普华永道会把数据分为标准化和定制化两大类，前者包括实时交换数据和数据包，后者包含模型、算法和算力。光大银行白皮书把数据按照生命周期分为了原始数据、过程数据和应用数据等。

来源：数字资产最前线