随着全球数字化浪潮的加速推进，，，数据已成为驱动经济社会生长的要害生产要素。 。。然而，，，怎样有用挖掘和使用数据的价值，，，将其转化为具有经济意义的资产，，，仍是目今亟待解决的问题。 。。那么，，，数据资产化究竟包括哪些详细内在和生长阶段？？？？？国际上有哪些乐成履历可供借鉴？？？？？我国又应怎样应对数据资产化历程中的挑战？？？？？
在此配景下，，，pg电子模拟器应用经济学系教授翁翕通过深入研究，，，探讨了数据资产化的详细内在、生长阶段及其在差别行业的应用潜力，，，剖析了全球数据资产化市场的现状与生长趋势，，，希望通过借鉴西欧蓬勃国家的乐成履历，，，并连系我国现真相形，，，探索出一条适合我国数据资产化高效生长的可行路径。 。。
看法概览
● 数据资产化是一个多层面的看法，，，涉及将数据转化为具有经济价值的资产。 。。数据资源化和资产化的历程可分为资源化、产品化和可测化三个阶段，，，其中产品化和可测化是数据资产化的焦点。 。。
● 具有资产化潜力的数据普遍漫衍于多个行业，，，例如银行、IT、零售、医疗保健等，，，并涵盖车联网、供应链治理和消耗者数据等多个种别。 。。随着天生式人工智能手艺的生长，，，数据资产化的需求预计将进一步增添。 。。
● 全球数据资产化市场正在快速增添，，，大型企业领先于中小企业，，，北美市场领先于欧洲，，，但亚洲市场增速最快。 。。西欧蓬勃国家在数据工业生长上领先，，，但同时也面临数据战略妄想与现实执行之间差别较大的问题。 。。
● 我国数据资产化面临供应缺乏、需求疲弱和生意本钱高的问题。 。。国家层面应统筹推进数据资源化、产品化及入表评估事情，，，使用刺激性政策增进数据资产的供应和需求，，，并充分验展市场的价钱发明功效，，，降低信息差池称。 。。
数据资产化的详细内在与生长阶段
数据资产化并不是一个国际公认的看法，，，在许多方面都处于探索状态，，，并没有统一的界说。 。。现在公认的看法是把数据资产化与数据资源化相提并论，，，但对数据资源化和数据资产化的详细内在也有许多差别的明确。 。。从差别学科的视角来看，，，对数据资产化的明确有所差别。 。。但无论哪种视角，，，都认可数据资产化在提升数据价值、引发市场活力方面的主要作用。 。。
经济学视角下，，，数据资产化强调通过有用使用数据，，，将其转化为具有可权衡经济价值的资产。 。。在这个视角下，，，首先要举行数据资源化，，，也即通过数据收罗、数据整理、数据聚合和数据剖析等活动，，，使得数据变得可用（类比于石油开采），，，其次再举行数据资产化，，，也即通过对数据的挖掘和提炼，，，使之成为具有商业价值的资产（类比于石油炼化）。 。。通常数据可通过以下方式完成资产化：在内部使用数据来提高运营效率或推动立异、向客户提供基于数据的服务或产品、与相助同伴交流数据、向第三方出售数据或授权数据允许等等。 。。
而金融学和会计学视角下，，，数据资产化则更多地关注数据麋集型企业的资产评估和定价问题。 。。上述的数据资源化和资产化大都被归于数据资源化的领域，，，而数据资产化主要是为相识决数据麋集型企业的资产评估和定价问题。 。。美国哥伦比亚大学商学院的Laura Veldkamp教授在2023年揭晓于Review of Finance上的论文“Valuing Data as an Asset”中指出，，，数字经济中独角兽企业的高估值来自于其所拥有的数据资产，，，以是需要生长出新的定价工具来权衡数据资产的价值，，，好比可通过较量使用数据资产之前和之后的业绩指标，，，包括但不限于收入、本钱和风险等，，，来识别和量化数据资产的潜在投资回报率。 。。
总结而言，，，可以将数据资源化和资产化的历程划分为三个阶段：一是资源化，，，开发原始数据并将其组装成数据资源；；；；；二是产品化，，，基于数据资源和市场需求开发相关产品和服务；；；；；三是可测化，，，为每项基于数据的产品或服务确定可生意和丈量的计价单位，，，并将相关生意纳入企业的财务、合规、风控等流程。 。。
若是把数据资产化广义明确为阶段二+阶段三，，，其生长空间重大，，，可以说是数据要素市场建设最焦点的组成部分。 。。但若是把数据资产化明确为阶段三，，，其生长空间就依赖于数据资源化和产品化的水平，，，特殊是在没有很好地实现数据产品化的基础上就太过强调资产化，，，就很有可能导致数据资产泡沫。 。。在后文叙述中，，，主要接纳广义界说（产品化+可测化）来明确数据资产化。 。。
数据资产化的种类
哪些数据有资产化的潜力？？？？？可以参考年头国家数据局联合16个部分配合印发的《“数据要素×”三年行动妄想》中提及的12个重点行业。 。。在这12个重点行业的基础上，，，还可以参考现在普遍预测以为天生式人工智能（AIGC）手艺最有可能被普遍应用的几个领域。 。。AIGC大模子的训练需要以海量数据为基础，，，因此在有辽阔应用远景的领域中，，，也最可能催生出数据资产化的需求。 。。
目今有数据资产化潜力的主要行业详细包括：银行、金融服务和包管、IT 和电信、零售和电商、医疗保健、工业制造、传媒和娱乐等。 。。
有资产化潜力的数据主要包括以下几类：
（1）车联网数据：汽车制造商数据、传感器数据、位置、路况、驾驶行为、行程、商家数据、交通妄想；；；；；
（2）供应链与物流：供应商关系数据、物流数据、库存数据、采购数据；；；；；
（3）消耗者数据：特征标签、财务习惯、生意行为、社交网络；；；；；
（4）商业数据：产品特征、品牌及销售情形、营收及财务数据；；；；；
（5）地理、遥感和气象数据：位置、导航、气象、卫星数据；；；；；
（6）公共数据：生齿普查、工商注册信息等。 。。
全球数据资产化市场现状与生长趋势
目今，，，全球数据资产化市场正在快速增添，，，其中，，，大型企业领先于中小企业，，，北美领先于欧洲，，，亚洲预计增速最快。 。。西欧蓬勃国家在数据工业生长上领先，，，但同时也面临挑战。 。。亚洲市场，，，特殊是中国市场，，，展现出重大的生长潜力。 。。
Invisibly公司数据显示，，，2022年全球数据资产化总市场价值为33.8亿美元，，，预计到2028年将抵达104.1亿美元，，，复合年增添率为19.98%，，，这将由天生的数据量一直增添、数据资产化意识以及商业智能和剖析、云盘算、区块链、物联网、社交网络和新营业模式等推动。 。。目今，，，大型企业份额最大，，，占比67.6%。 。。中小企业增速更快，，，复合年增添率可达29.3%，，，主要通过云盘算等工具降低其数据资产化的本钱。 。。北美地区基于物联网和云盘算的普及、以及由此爆发的数据量激增，，，为现在最大的数据资产化市场，，，占全球32.9%。 。。由于拥有最大的消耗者基础和智能手机用户，，，再加上人工智能、物联网和大数据剖析的快速普及，，，亚太地区被以为将成为增添最快的区域市场。 。。
西欧等蓬勃国家在数据工业的生长、数据产品化水一律方面均大幅领先于我国，，，因此这些国家都不是特殊强调“数据资产”这个看法，，，关于数据麋集型企业也没有特殊推行数据资产入表。 。。但由于这些国家均拥有较量完整的资源市场，，，通过对标行业的标杆企业，，，也能对数据资产举行较量好的估值。 。。
别的，，，外洋羁系部分如美国FTC最近出台了更严酷的对社交媒体、游戏和教育平台使用青少年数据获取收入的政策，，，以限制基于数据的在线使用、有目的地令人上瘾的设计以及歧视性营销行为。 。。
西欧蓬勃国家目今在数据资产化方面也面临许多问题和挑战，，，其中最主要的是数据战略与执行之间保存差别。 。。据IDC（国际数据公司）预计，，，2023年欧洲约有95% 的组织使用某种形式的外部数据。 。。然而，，，最近一项涵盖34个国家/地区、400多家公司的研究显示，，，只有十二分之一的公司完全将其数据资产化，，，主要由于大大都公司缺乏网络和存储数据的基础设施。 。。别的，，，许多公司没有资源或专业知识来剖析他们网络的数据并将其转化为可行的营业决议。 。。在2022年数据和AI向导力高管视察中，，，New Vantage Partners视察了94名财产1000强企业高管。 。。视察发明，，，虽然64.3%的组织专注于增添和立异数据妄想，，，但其中只有26.5%的公司建设了数据驱动型组织。 。。因此在数据资产化领域我国完全有潜力能够通过跨越式生长实现弯道超车。 。。
别的，，，近些年来，，，一些西欧企业使用数据作为融资典质品，，，建设数据生意平台，，，在企业并购估值时最先思量数据爆发的潜在影响等，，，也为我们提供了名贵的履历。 。。例如，，，美国一些航空公司使用其会员奖励项目作为典质品举行融资，，，数据资产价值评估效率大幅提升；；；；；数据生意平台如Datarade或Eagle Alpha等，，，通过毗连买家与卖家，，，增进了数据产品的生意和转化。 。。
目今数据资产化面临的主要问题及对策建议
我国数据资产化面临的主要挑战包括供应缺乏、需求疲弱和生意本钱高。 。。企业整体数字化水平不高，，，数据开发使用及相关手艺和服务的用度较高，，，以及企业数据资产化所需的前期投入的融资难度较大等问题制约了数据资产的供应。 。。同时，，，市场对数据产品和服务的认知缺乏和付费意愿低，，，以及企业对短期回报的偏好也导致了需求疲弱。 。。别的，，，由于数据产品及服务仍处于市场起步阶段，，，生意双方均面临投入产出比不确定性较高的问题，，，市场尚缺乏有用约束生意双方行为的机制，，，进一步阻碍了数据价值的施展与权衡。 。。
针对这些挑战，，，国家层面政策和制度供应可以主要围绕以下方面开展：一方面，，，统筹推进数据资源化、产品化及入表评估事情。 。。数据资源可以入表，，，但其估值应较量守旧以阻止资产泡沫；；；；；但对已证实晰市场价值的数据资产，，，可以适当基于其市场潜力给予更高估值以激励数据产品的供应。 。。
另一方面，，，可以使用刺激性政策增进企业对数据资产的供应和需求。 。。详细来说，，，可以加大数字基础设施和科技研发投资，，，加大云盘算、5G、物联网、人工智能应用的使用率，，，降低企业开发和使用数据的本钱；；；；；为企业数字化和数据资产化提供更多信贷、债券、股权等融资工具支持；；；；；在各地数据要素流通先行先试中充分验展市场的价钱发明功效，，，实时汇总并推广量化数据资产的履历做法及相关数据资产价值，，，为更多的潜在加入者提供参考并降低市场的信息差池称。 。。
同时，，，也应关注数据资产化的潜在风险，，，如数据泡沫、数据清静等问题，，，并接纳响应的羁系步伐举行提防和应对。 。。
翁翕，，，pg电子模拟器应用经济学系长聘教授，，，教育部青年长江学者，，，国家自然科学基金委优异青年科学基金获得者，，，中国信息经济学会副理事长，，，北京大学经管学部学术委员会委员。 。。主要研究领域为博弈论，，，信息经济学和数字经济。 。。本科、硕士均结业于北京大学，，，博士结业于美国宾夕法尼亚大学。 。。研究效果揭晓于外洋顶级学术期刊，，，如Journal of Finance, Management Science, Economic Journal, American Economic Journal: Microeconomics, Journal of Economic History, Journal of Economic Theory, International Economic Review, Rand Journal of Economics。 。。主持国家自然科学基金、北京市社科基金、国家发改委、市场羁系总局、中国科协等课题十余项。 。。在科研方面曾获奖项有：2024第九届高校？？？？蒲а芯坑乓煨Ч保ㄈ宋纳缁峥蒲В┒等奖，，，2022年度《经济学》（季刊）最佳论文奖，，，2022张培刚生长经济学青年学者奖，，，2020第八届高校？？？？蒲а芯坑乓煨Ч保ㄈ宋纳缁峥蒲В┣嗄晷Ч，，，2019中国信息经济学优异效果奖, 2019厉以宁科研奖, 2017中国信息经济学青年立异奖，，，2017第十三届北京大学人文社会科学研究优异效果一等奖，，，2016中国信息经济学乌家培奖。 。。
