数据资产化与数据资产增值路径研究

数据资产化与数据资产增值路径研究

摘要：数据资产化是大数据流通和应用价值实现的重要过程，能够有效推动企业技术创新和商业模式变革。本文提出基于数据资产包的数据资产化方法，丰富了数据资产的可控制、可量化、可变现三大特征，在此基础上建立了数据资产化过程和效用模型，围绕数据资产化过程研究，探讨了数据资产应用、数据资产流通、金融衍生服务三种数据资产增值模式。希望为实现数据资产化和促进数据资产增值提供新思路，为企业应用实践提供理论和技术支撑。
关键词：数据资产特征数据资产化数据资产增值
中图分类号：F49文献标识码：A
0引言
大数据的流通和交易是当前研究的热点和重点，如何衡量数据资产和数据价值还有待研究[1，2]。在传统的商品交易过程中，采用货币来统一货物衡量标准，为其定价后以商品的方式进行交易，数据资产交易过程也存在同样问题，数据若想要能够被交易，也需要具有统一的度量衡，并且要求交易双方能够控制其权属隐私，使其成为一种商品，然后通过界定数据规范、营造法律法规等生态环境，才能将数据变为数据资产。那么数据具有哪些特征才能成为数据资产？数据如何实现资产化？数据资产化之后如何解决数据保值增值问题？基于上述问题，本文首先分析了?稻葑什?基于数据包的可控制、可量化、可变现特征。其次详细介绍了数据资产化过程的三个阶段：建立行业共识、数据加工处理、数据包封装，提出了数据包的内容，主要包括主数据、元数据、数据标签、规范数据权属的智能合约以及数据资产质量评估报告和数据资产价值评估报告等。最后给出了3种数据增值路径及主要增值方式，旨在为企业在数据资产运营增值过程中提供建议。
1数据资产化现状
近年来，各界学者在数据资产领域已经开展了大量的研究工作，这些研究主要聚焦数据资产运营增值方面。李谦等阐述了供电企业数据资产管理现状和工作重点，重点分析了供电企业数据资产管理的发展路径[3]。侯金凤等结合通信领域大数据的应用模式和运营模式等方面提出了数据资产价值变现的新型商业模式[4]。刘志杰将出版企业的数据资产分为经营数据、出版物数据、交互数据与监测数据三个类别，并针对三类数据资产分别提出了关于实现规模扩张、数据活性提升、数据解释和运用能力的运营策略[5]。张敏?提出了包括企业内部跨场景共用、企业间交换和第三方平台交易的三种数据流通方式，并提出了推动数据流通的建议[6]。上述学者从不同领域不同角度介绍了数据资产运营增值方法，但均没有明确数据如何资产化的详细过程和数据资产化后多领域通用的增值模式，可见，数据资产化方法和数据资产的增值模式有待创新。在数据资产化的隐私保护方面，因数据作为资产相比传统资产具有虚拟无形的特征，导致其在应用和流通过程中产生了许多权属、隐私等安全问题[7，8]，国内外陆续出台或实施了相应的法律法规，欧洲新颁布的《一般数据保护条例》和80余家企业单位共同发布的《数据流通行业自律公约》中都强调了数据流通和应用过程中企业应对用户的数据隐私权益进行保护。尽管如此，数据资产转化、处置、管理等方面的权属和隐私控制仍远落后于市场需求，需要行业和企业提升数据资产管控水平[9]。
2数据资产特征
数据资产到底如何界定，不管是学术界还是产业界已经做了很多探讨。本文认为数据要想成为资产，应该首先是一个数据包，这里的数据包是数据资产的最小单元表述。数据包让数据资产的可控制、可量化、可变现三大特征更加凸显，见图1。
可控制是指数据资产权属和权限是可控的。企业只有明确数据包管理者及其查看、修改、使用等的权限，才能防止企业数据信息被篡改与泄露，保障企业数据信息安全[7]。从企业层面，数据资产一旦被恶意篡改将影响数据质量，造成数据资产价值贬值。此外，数据资产的价值也受数据拥有者数量的影响，当数据资产被泄露和复制时，该数据资产的固有价值和其市场竞争能力也将受到影响。从用户层面，企业控制数据资产权属可以防止个人隐私数据被非法泄露。目前，众多企业通过电商平台、社交网站、应用软件等方式收集大量的用户数据信息，或通过网络爬虫、网络黑客等手段获取用户数据信息，然而，这些企业在收集、挖掘、交易数据信息过程中并不能完全保证其安全可控，一旦造成数据信息泄露，不仅给用户带来隐私困扰，还有可能被犯罪分子利用，存在法律风险。所以，数据资产需具备可控制特征，保障数据资产自身价值和利益相关者数据安全。
可量化是指数据资产能够被计量。数据资产要像商品一样被交易，需要有可靠的数据资产计量方式。近年来，开展数据资产交易业务的组织数量逐年增加，但大部分仅仅是通过TB等存储单位来计量数据。该方式无法明确体现数据的内在质量和价值，所以我们提出了一种基于数据包评估报告的量化方式，包括隐私等级评估、质量评估、价值评估三方面的报告单。数据包隐私等级评估报告中，企业可根据数据包中数据源的重要程度和隐私需求由低到高设置为公开、秘密、机密、绝密等隐私级别；数据包质量评估报告是根据数据质量规则库对数据包进行质量评估的产出物，评估报告可以包含评估周期、评估指标、质量健康率得分和改进意见等信息；数据包价值评估报告是对数据资产价值评估的结果，只有量化了数据包的价值才能够将其判断为数据资产。
可变现是指数据资产能够为企业带来经济利益。只有能够为企业带来经济利益的数据才能够被称为资产，所以，数据资产应具有可变现特征。数据资产以数据包的形式进行商品化、证券化交易能够转换为货币资本，这一特征也将加速数据资产进入企业资产负债表的步伐。与此同时，数据资产也具有收益不确定性，因为随着数据资产活性、运维成本、市场占有率等情况的变化，数据资产价值也会发生变化。
3数据资产化过程和效用模型
3.1数据资产化过程
数据只有经过资产化过程才能拥有数据资产特征，数据资产化过程主要包括建立行业共识、数据加工处理、数据包封装三大阶段，见图2。第一，需要建立行业及社会共识，开展行业数据标准化、数据隐私管理和数据所有权共识等工作。在数据标准化方面，企业应通过数据标准现状调研及分析，开展数据标准化实施工作等流程，建立数据字段标准和数据报文标准体系，从而对分散在行业里各业务中的数据提供统一的定义基准，保障行业数据资产标准的一致性。在数据隐私管理方面，企业应根据数据资产业务关系和业务耦合程度明确数据资产类别，并针对每个数据资产类别的重要程度划分隐私等级，确保在应用过程中隐私数据安全可控。在数据权属保护方面，企业内部应根据数据隐私扫描结果针对组织人员和业务关系制定数据资产权限分配策略，保障数据资产管理和使用人员具有最小权限原则与权限分离原则，同时制定基于数据资产权属的智能合约，使企业在数据资产流通过程中达成权属共识。
第二，对数据进行加工处理，包括元数据抽取、主数据填充和数据标签设置等工作。第一步根据元数据业务关系抽取经过标准化的相关元数据。第二步进行主数据写入，需要根据元数据的字段填充经过隐私扫描的主数据，并且对以上步骤进行核验，保障数据内容的有效性。第三步为该数据内容设置数据标签，详细说明数据内容的应用领域、使用时效等方面信息。
第三，对数据包进行封装，包含数据质量和价值评估以及数据包内容包装和设置数据包访问接口。在数据资产质量评估方面，从数据属性、模型关系和数据业务特征等方面创建数据质量规则库，建立数据质量规则库的发布、处理、审核、归档等监控机制，并设置质量规则库中各个指标权重及评分?则，经过计算得到最终评价结果，生成数据质量评估报告。在数据资产价值评估方面，以数据资产价值评估的目标和范围为指导，构建完善的数据资产价值评估的指标体系，选择适当的数据资产价值评估方法，进行数据资产价值评估和生成评估报告。在数据包封装方面，将数据内容、规范数据权属的智能合约以及数据资产质量评估报告和数据资产价值评估报告进行统一封装形成数据包，且采取加密措施进行数据包保护，以及预设具有良好兼容性和可扩展的访问接口，保证封装后的数据包可以直接进行使用。
3.2数据资产化的效用
正如前文所述，当数据成为资产以后，数据也就被赋予了合规、可控和量化的特征，由此进一步推动着数据应用创新、数据风险降低以及数据流通和增值，具体效用表现在三个方面：
在合规中创新。数据资产化之后，数据上升到企业的重要战略资源高度，促使企业更加关注数据管理规范化、数据安全合规程度，有利于数据通过技术转化为应用和服务，促进企业运营模式、业务领域创新。
在可控中确权。在数据资产化过程中，通过智能合约的方式对数据包进行保护，使数据的权属得到了保障，同时，通过数据隐私扫描确定了数据包的隐私等级，保障了数据包的隐私安全。
在量化中融合。数据包作为数据资产的最小单元，实现了数据资产统计上的量化，数据资产包中数据质量和价值评估表，从数据内部属性的维度增强了数据的可量化特征，从而降低了数据流通的运营成本。此外，封装后的数据包具有标准化的属性，为不同领域的数据资产融合奠定了基础。
4基于数据包的数据资产增值路径
数据资产化过程提升了数据价值，对于企业发展具有导向意义，如何保持数据资产持续增值和提升价值变现能力，是当前数据资产领域需要研究的主要问题，本文结合现有行业实践及理论基础，认为数据资产应用、数据资产流通和金融衍生服务是数据资产增值的关键，见图3。
4.1数据资产应用
企业将数据资产应用于业务中可以促进数据资产增值。数据战略导向的企业一般会根据现有数据资产进行产品和应用开发，为实现用户需求，企业需要不断更新数据资产，在此过程中，通过对数据资产的整合、分析、提炼、挖掘，基于采用回归分析、分类分析、相关性分析、聚类分析等方法，能够帮助企业找出隐藏在大量数据中的规律和模式，从数据中提取出隐含的、未知的有价值的信息，或者依靠主观经验判断错误的信息，从而及时调整数据的相关业务和应用，创造数据资产价值。比如互联网企业利用积累的数据构建用户画像，帮助决策者更精准地把握用户特征，实现精准服务。
4.2数据资产流通
企业所拥有的数据，不但可以为自己所用，转化为产品实现间接变现，还可以通过数据资产流通的方式促进数据资产增值。数据资产流通是将多领域不同属性的数据资产进行关联、融合，寻找更加有价值的数据信息，并将其迭代应用于数据资产的业务中，能够有效支撑企业业务运营，为其带来巨大经济利益。数据资产流通包括数据资产共用、数据资产开放、数据资产交易等形式。数据资产共用主要存在于合作企业之间，数据资产流通受企业双方合同契约约束。数据资产开放主要指企业利用政府机构开放数据的流通形式，如上海数据交易中心整合多方开放数据生成5亿多线上活跃受众的用户画像标签，帮助移动广告实现精准营销，促进了数据交叉应用。数据资产交易是指供需双方企业签订交易合同，明确交易条款和价格后进行数据资产交易。如某电器生产厂家购买电商的历史交易数据，让产品研发团队将焦点关注在目标用户的动机和行为上，设计出符合用户需求的产品。
4.3金融衍生服务
除对数据资产内外价值的探索之外，数据资产金融衍生服务也是数据资产增值的重要方法，其主要包括以下途径：数据资产抵押，将数据资产作为债权担保抵押给债权人，当债务人无法履行债务时，债权人有权对数据资产进行变现和优先受偿处理；数据资产投资，将数据资产移转到特设载体，再由此特设载体以等资产作担保，经过重新包装、信用评价后发行为可流通的证券，帮助企业进行融资等金融操作；数据资产托管，将数据资产委托给专业公司进行保管，被委托公司应依据数据资产实际运营情况为其提供投资管理的相关服务。
5结束语
数据资产化是企业长期稳步发展的有效途径，数据资产化过程作为一项连续性的工作，需要企业结合业务需求与经营模式建立成熟的数据资产管理体系，通过界定数据资产权属范围，规范数据资产标准，改善数据资产质量，保证数据资产运营安全合规，实现数据资产能够被量化评估和增值变现的最终目的。当然，数据资产化过程中还有很多问题，例如如何更全面地评估数据价值，如何实现数据大资产，实现数据融合后的价值放大效应等，这些都需要进一步探索更优的解决思路。
参考文献：
[1]刘朝阳.大数据定价问题分析[J].情报、信息与共享，2016（169）：57-64.
[2]徐漪.大数据的资产属性与价值评估[J].产业与科技论坛，2017，16（2）：97-99.
[3]李谦，白晓明，张林等.供电企业数据资产管理与数据化运营[J].华东电力，2014，42（3）：0488-0490.
[4]侯金凤，杨光达.通信大数据资产价值挖掘方法研究[J].通信管理与技术，2017（1）：130-136.
[5]张敏?.数据流通的模式与问题[J].信息通信技术，2016（4）：5-10.
[6]刘志杰.大数据时代出版企业的数据资产运营[J].科技与出版，2014（8）：40-43.
[7]刘雅辉，张铁赢，靳小龙等.大数据时代的个人隐私保护[J].计算机研究与发展，2015，52（1）：229-247.
[8]王忠.大数据时代个人数据交易许可机制研究[J].经济纵横，2015（6）：131-135.
[9]杜振华.大数据应用中数据确权问题探究[J].移动通信，2015（13）：12-16.