数据资产化面临哪些难题？攻克关键是制定数据资产评估标准！

在当今的信息化社会，数据资源的价值日益凸显，它已经成为企业乃至国家竞争力的重要组成部分。数据资产评估作为数据资产化的关键步骤，对于确定数据的经济价值、优化数据资源配置、推动数据交易和流通等方面具有重要意义。然而，与发达国家相比，我国在数据资产评估领域起步较晚，尚处于探索阶段，在实践过程中面临着许多亟待解决的问题和挑战。

数据资产化的面临的问题包括但不限于数据标准的不统一、数据质量评价的科学性不足、数据权属界定的不明确、数据流通的限制、数据价值的未充分显现、数据资产意识的淡薄、缺乏数据资产管理体系以及缺乏统一的数据资产评估标准和指南。这些问题的存在，不仅阻碍了数据资产的高效利用，也影响了数据资产价值的最大化实现。

面对这些挑战，制定一套统一、科学、实用的数据资产评估标准显得尤为关键。这不仅能够为数据资产的价值评估提供明确的指导，还能促进数据资产的标准化、规范化管理，加强数据资产的流通与应用，进而推动整个数据资产化进程的健康发展。本文将详细分析数据资产化面临的难题，并探讨建立和完善数据资产评估标准对攻克难题的重要作用。

一、  数据资产化面临哪些难题？

1、  数据标准不统一

（1）数据资产的类型繁多且分布广泛，导致了其复杂性。

作为一种资产，数据展现出数量庞大、种类繁多和高度多样化的特点。在电信、金融、政府、医疗和工业等各个行业中，都能发现大量的数据资产。根据不同用户的特定关注点，这些资产可以按照不同的维度进行分类，例如，根据数据的来源，可以将其划分为互联网数据、科研数据、感知数据和大数据等类别。

数据格式的种类也在不断增加，其中半结构化或非结构化的数据，如文本、图像、语音和视频数据，所占的比重正变得越来越显著。然而，目前对于数据资产的分类，尚未形成广泛认可的权威标准。此外，不同类型的数据在处理、存储和管理上的需求也各不相同，这种多样性和复杂性给数据资产的治理和价值评估带来了一系列挑战。

（2）在数据资源的管理上，部门之间的分割和自治导致了数据壁垒的严重性。

为了保持企业的竞争优势，一些在市场上具有数据资源支配地位的经营者可能会采取措施，限制竞争对手获取数据。

• 互联网市场的大型企业几乎垄断了我国绝大多数的消费数据、社交数据和搜索数据。通过数据垄断的方式，这些企业得以进一步加强自身的发展，并不断扩大其商业版图。
• 对于那些在互联网市场中处于劣势的中小型企业来说，它们难以触及巨头们所掌握的丰富数据资源，这使得它们在现有市场中难以取得突破。

这种情况进一步加剧了数据垄断的现象，阻碍了跨行业间的数据流通和共享。一些具有重要价值的公共数据资源和大量的商业数据资源因此无法得到有效利用，基本上处于未被激活的状态，这降低了数据资源的利用率和可获取性。

（3）数据组织标准不一致，数据质量参差不齐

数据组织标准的不统一，导致了数据资产治理和评估的复杂性。在大数据时代，原生数据本身并不能直接产生价值，必须经过加工处理，其潜在价值才能被挖掘和利用。

我国现有的数据标准对并没有根据资产属性对数据资产进行多维度的分级分类，也缺少对数据资产元数据目录的规范。在元素取值范围、元数据文件格式等方面，尚未形成统一的标准规范。这导致了内容差异性大、标准不统一，使得这些标准难以在更大范围，甚至是全国范围内推广实施。

而由于各企业和机构的信息系统设计存在差异，数据分类标准和组织方式可能截然不同，导致不同信息系统产生的数据结构可能完全异构。这使得无论是政府还是企业，他们的大多数数据资源都未能得到充分利用，要实现信息系统之间的互联互通，必须改变现有的数据结构方式。

因此，要将数据资源转化为具有经济价值的资产，并充分发挥其潜力，关键在于制定统一、规范化的数据描述和组织标准，避免错误数据的产生，确保数据的高质量。这是实现数据资源价值转化的前提，也是推动数据资产化进程的基础。

2、数据质量评价的科学性不足

数据质量是决定数据价值和数据分析结果的关键因素，进而影响决策的质量。数据资产的质量评估应运用质量管理技术进行度量和评估，以量化的形式呈现，从而帮助企业改进数据资产的使用。数据资产质量通常从六个方面进行评估，每个方面都从不同的角度反映数据的完整性、规范性、一致性、准确性、唯一性和关联性。

重要的是，数据质量的评估必须是可量化的，需要将质量度量的结果转换为清晰且可重复的数值，以便企业能够在不同数据对象之间以及不同时间点进行比较。将定性描述转换为定量表达，是数据资产评估中需要解决的关键问题。

3、数据权属界定不明确

数据资产的权属包括占有权、使用权、管理权、收益权、共享权和跨境传输权等。权利主体可能同时拥有一个或多个权利，而这些权利的约束条件不同，也会导致数据资产价值的差异。数据资产的权属清晰度直接关系到组织是否有权使用数据资产以实现其价值。

在数据资产评估过程中，必须明确数据资产的权属关系，确保数据隐私的安全，并促进数据资产的合法合规流通。然而，国内对数据资产权属的法律认可和界定尚不充分。

4、数据流通受限

目前，一些政府部门和企业在大数据发展中存在不愿、不敢、不易开放数据的问题。由于组织结构、数据文化和技术等原因造成的“数据孤岛”，导致数据资产流通不畅，出现数据流通障碍。数据流通的困难导致数据不一致，企业无法全面理解数据，造成资源浪费。

通过数据资产评估，可以重新梳理和确认数据资产的价值，并在合法合规的基础上向组织内外的数据使用者开放使用。这将极大地促进数据的流通和流动，充分挖掘数据的应用价值。

5、数据价值未充分显现

虽然数据资产已成为企业和组织的重要资产类型，但在实际操作中，人们仍对为何要长期存储数据资产以及这些数据能产生何种价值提出质疑。

因此，我们需要有效评估和显性化数据资产的价值，并在组织内外形成对各类数据资产价值的共识。通过开展数据资产评估活动，梳理数据资产的现状，评价其质量和价值，以促进数据资产价值的实现。

6、  数据资产意识淡薄

（1）并非所有人都充分认识到数据及其作为资产的价值

首先，并非所有人都能充分认识到数据及其作为资产的价值。目前，仍有众多数据拥有者，尤其是个人，未能意识到他们手中数据资源的重要性及其资产属性，对数据主权和隐私保护的意识也相对欠缺。

这种淡薄的数据资产意识，不仅忽视了数据资源的潜力，也未能有效推动数据资源的共享与保护，甚至成为国内个人信息非法交易活动难以根除的原因之一。

（2）对数据资源的外部性及其对业务发展的潜在推动作用认识不足

其次，尽管部分企业和机构已经意识到数据本身的价值，但对于数据资源的外部性及其对业务发展的潜在推动作用认识不足。这种认识上的差异导致他们在数据资产的治理和流通方面缺乏动力。例如，搜索引擎记录的用户搜索关键字数据，若能被卫生部门有效利用，将对疾病监控与防治产生重要价值。

（3）数据资产的价值尚未得到充分的挖掘和释放

最后，数据资产的价值尚未得到充分的挖掘和释放。政府作为公共数据的核心生产者和拥有者，掌握着极具挖掘潜力的数据资源。加快政府数据的开放与共享，对于促进大数据市场的繁荣、推动社会经济的发展、实现国家的长期繁荣都具有重要意义。

然而，目前我国政府数据资源的开放共享程度尚低，数据资源共享力度不足，导致大量有价值、有开发潜力的数据资产未能得到有效利用，仍然处于未激活状态。

7、缺乏数据资产管理体系

建立高效的专业管理部门和数据管理体系是我国当前亟需解决的问题。一个有效的专业管理部门和数据管理体系对于确保数据获取和使用合法合规、为数据价值的深度挖掘提供安全和可靠的环境至关重要。然而，与西方发达国家相比，我国在数据资产管理机构和管理体系的建设上尚未给予足够的重视和投入。

（1）尚未形成一套完整的数据资产治理体系

目前尚未形成一套完整的数据资产治理体系，该体系应涵盖数据资产的分类、采集、获取、流通和使用的整个生命周期。

数据资产管理的现状呈现出分散和无序，对于不同类型的数据，需要经过适当程度的脱敏处理才能安全地进入数据流通市场。当前数据分类的不明确性大大增加了数据资产的安全风险。

（2）缺乏职责明确、运作高效的数据资产管理专门机构

各级政府尚未建立起职责明确、运作高效的数据资产管理专门机构。同样，大多数企业机构也未能建立起专业的数据资产管理团队，这在一定程度上制约了数据资产的有效管理和价值释放。

因此，构建专业管理部门和高效的数据管理体系，对于提高数据资产的安全性和利用率、推动数据资产化进程具有重要意义。

8、缺乏数据资产评估标准和指南

尽管大数据的资产价值在近年来已经在国内获得了广泛的认可，但目前在我国尚未有机构或组织建立起一套能够跨越不同区域和行业的数据定价和评估体系或方法。这导致政府、企业和数据管理平台在进行数据资产评估时面临挑战。

（1）在国际层面

当前，国内较为公认的数据资产评估体系仅有“中国开放数林指数”，该体系主要用于评估地方政府数据的开放程度。与国际上多样化的评估指标体系相比，国内的标准显得较为有限。数据的价值极为复杂，它会受到时间、地点、挖掘深度和目标受众等多种因素的影响，而呈现出不同的价值。

（2）在企业层面

在企业层面，我国大多数企业尚未建立起一套系统化的数据资产管理和应用模式，这包括有效的数据资产识别、价值评估和成本管理。同时，对于数据服务和数据资产流通的合规性指导也相对缺乏，企业尚未找到最大化释放数据价值的有效途径。

此外，由于缺乏统一的数据资产规范标准和评估方法，数据获取的实时性和可持续性受到影响。数据平台的流通效率和质量管理等方面也表现出不一致性，跨机构和跨平台的数据资产管理与评估难以高效执行。这些问题的存在，迫切需要行业内外共同努力，建立和完善数据资产评估体系，以促进数据资产的高效利用和流通。

二、  攻克数据资产化难题的关键：制定数据资产评估的标准

1、促进数据资产的流通与应用

数据资产价值的实现可以通过两种主要途径：

• 通过业务数据化，即收集、整合、分析和挖掘业务数据，以增强企业的经营决策、流程优化和管理改进；
• 通过数据业务化，即将企业自身拥有或收集的数据资源进行整理和分析，进而提供数据服务或产品，以数据为社会创造价值。

显然，业务数据化是数据资产价值实现的基础方式，而数据业务化则是更高级的实现方式，它不仅在本行业内部有应用价值，还能跨越行业界限，通过社会化的数据整合，实现数据资产价值的指数级增长。因此，推广数据资产评估标准，将极大地推动数据资产的流通和应用，特别是促进后者——数据业务化的价值实现。

2、有利于提升数据质量

数据资产评估标准通常涵盖两大组成部分：

• 数据质量评估
• 数据价值评估

在进行数据资产的价值评估之前，必须先对其质量进行评估，因为数据的质量是决定其价值的关键因素。通过开展数据资产评估，可以增强各方对数据质量的关注，从而提升整个数据产业链条——包括数据生成、处理、管理和治理——的成熟度和发展水平。

3、有效促进数据资产产权类型及其构成的明确化

数据资产的价值体现在其特定的产权或产权组合上。在进行数据资产评估时，首先需要明确资产的产权类型和组合结构。

因此，遵循数据资产评估标准进行的评估活动，不仅能够阐明数据资产的产权结构，还能加速推进数据产权制度的完善进程。

4、显著提升数据资产的标准化水平

数据资产评估的实施，通过提升数据质量、完善产权界定，特别是通过增强数据资产的流通与共享，有效推动了数据资产标准化的发展。这使得数据的所有者、使用者、控制者和接收者等各方更加重视数据资产的标准化，有助于打破数据流通的障碍，解决数据孤岛问题。

标准化的范畴不仅限于数据资产的分类，还包括数据处理流程和数据管理体系等多个方面。数据资产评估标准是数据资产标准化工作的关键组成部分。

5、改善社会对数据资产化的认识和行业管理等外部环境

数据资产评估在实务操作中的多重作用，将进一步推动数据资产化的理论发展、政策法规的建立和技术标准的完善。这将加深社会各界对数据资产价值的认识和理解，提升数据资产管理的能力和水平，构建起一个全面的数据资产化外部环境，从而加速我国数据资产化进程的规模化发展。

三、总结

随着数据资产化在企业和社会发展中的重要性日益凸显，解决其面临的诸多痛点变得尤为迫切。从数据标准的统一化到数据质量管理的科学性，从数据权属的明确界定到数据流通的自由化，再到数据资产意识的普及化，每一个环节都是数据资产化进程中不可或缺的部分。制定和推广一套全面、统一的数据资产评估标准，对于提高数据的质量和价值、促进数据的合法合规流通、以及实现数据资源向数据资产的转化，都具有重要意义。

展望未来，我们需要跨部门、跨行业的协作，共同推动数据资产评估体系的建立和完善。政府应发挥引领作用，出台相关政策法规，推动数据标准的统一和数据权属的明确。同时，企业应加强内部数据资产管理体系建设，提升数据治理能力，确保数据资产的有效利用和保护。此外，加强对数据资产评估专业人才的培养，提高社会对数据资产价值的认识，也是推动数据资产化进程的关键。

帆软软件深耕数字行业，能够基于强大的底层数据仓库与数据集成技术，为企业梳理指标体系，建立全面、便捷、直观的经营、财务、绩效、风险和监管一体化的报表系统与数据分析平台，并为各业务部门人员及领导提供PC端、移动端等可视化大屏查看方式，有效提高工作效率与需求响应速度。

碍于篇幅限制，将在下篇文章重点讲解数据资产评估框架，为解决数据资产化难题提供一个全面的视角。