《中国金融》｜数据资产入表的发展趋势|资产_新浪财经

转自：中国金融杂志

作者｜李强「中国人民银行四川省分行党委委员」

文章｜《中国金融》2024年第14期

习近平总书记指出“发展数字经济意义重大，是把握新一轮科技革命和产业变革新机遇的战略选择”。数据是数字经济时代的重要生产要素，推动数据资源资产转化和价值创造，加快形成新质生产力，成为引领经济发展的关键着力点。与此同时，金融作为现代经济的核心，具有资金融通和资源配置的重要作用，中央金融工作会议强调做好金融“五篇大文章”。在建设数字中国、金融强国两大背景下，如何稳步推动数据资产化，让数据要素和金融创新深度融合，赋能高质量发展，成为当前金融理论研究和实践创新的重要命题。

数据要素价值与数据资产入表

根据国家数据局发布的《数字中国发展报告（2023年）》，2023年，我国数字经济核心产业增加值估计超过12万亿元，占GDP比重10%左右，数字经济已成为我国稳增长促转型的重要引擎。深刻理解数据作为一种新型生产要素的基础性地位，准确把握数据价值创造和数据资产估值入表的逻辑关系和政策意图，对于当前推动数字经济发展实践至关重要。

数据是数字经济时代的核心生产要素

随着技术的迭代革新，数据应用从单一的、局部的状态发展为多个行业、多个部门的交互链接，甚至全面嵌入经济社会生产系统，对其他生产资料的使用发挥倍增作用，这时数据不再局限于一种有用的资源，而成为如土地、劳动力、资本、技术一样重要的第五大生产要素，引领形成驱动高质量发展的新质生产力。近年来，数据的基础性、战略性地位越来越受到重视，相关顶层设计不断完善，《中共中央　国务院关于构建更加完善的要素市场化配置体制机制的意见》《中共中央　国务院关于构建数据基础制度更好发挥数据要素作用的意见》（以下简称“数据二十条”）《“数据要素×”三年行动计划（2024—2026年）》系列文件先后出台，从制度体系、市场建设、应用场景等方面为推动数据要素化发展指明了方向。

价值转化是促进数据要素化发展的关键

数据要素化发展的前提是实现数据在不同企业、产业间的自由流通，关键在于推动数据的经济价值变现。近年来，业界和学界针对数据要素价值实现提出了“三化”阶段。第一阶段是数据资源化。马克思指出，资源化是“那些在原有形式上本来不能利用的物质，获得一种在新的生产中可以利用的形态”。数据资源的价值隐藏在低质量、碎片化的海量数据中，如同深藏地底的原油，经过挖掘开发才能被利用，因此资源化是赋予数据“使用价值”的过程。第二阶段是数据资产化，指数据具备了普通商品的属性后，可以通过交易流通带来经济回报，是赋予数据“交换价值”的过程。第三个阶段是数据资本化，重点关注数据的资本属性，尤其强调数据资产化过程中衍生的金融功能。当数据拥有了金融资本一样的流动性，就能实现跨企业、跨行业自由流动，使其价值进一步得到扩展。从数据的价值转化过程来看，数据从资源到被加工成产品，进入流通环节、实现价值增长，进一步发挥资源配置作用，从而深度参与到经济运行各方面，助力全要素生产率提升。

数据资产估值入表将加速数据价值化进程

数据资产化是实现数据价值交换并迈向金融化的关键一步。2023年8月，财政部发布《企业数据资源相关会计处理暂行规定》，标志着数据资产入表正式进入实操阶段。这不仅使数据资源的价值得以衡量和体现，更意味着数据完成了从自然资源到经济资产的跨越，具有重要的政策意义。从政府来看，数据资产入表既能为地方财政转型提供新方案，探索从传统的“土地财政”向“数据财政”转型，全面提升政府数据资产的运营和变现能力，又能有效带动数据确权、估值、评价、交易等数据服务业发展，培育出全产业链的数据生态，形成新的财政收入来源。从金融机构来看，能够在数据资产估值定价、交易中介、质押融资和证券化等方面提供服务，帮助企业强化数据资产配置和变现，同时创新金融产品和服务，满足不同时间跨度、价值导向和个体差异性的金融需求，进一步拓展数据的金融价值。从企业来看，数据资产入表可以有效改善企业资产负债表，更全面、准确地体现企业的真实价值和潜在竞争力，提高企业信用评级及融资能力，进一步激励企业对数据资源进行开发利用，对数据资产进行识别包装，为加速数据交易流通和价值转化创造条件。

数据资产入表的趋势与影响

金融具有跨时间、跨地域、跨部门配置资源的功能，对于解决我国数据资源时空分布不均衡、人才和技术条件差异大、数据开发利用不充分等难题有重要意义。从生产要素的发展规律来看，金融化既是推动数据高效流通的关键路径，也是数据价值转化的重要衍生方向。

数据要素的金融属性已在实践中被初步发掘

随着“东数西算”工程的实施，数据中心及各地数据交易所纷纷成立，“数商”等数据第三方服务机构数量迅速增长，数据的商品属性已得到广泛认可。随着数据交易流通不断扩面增量，数据资产化后开始出现流动性、收益性、风险性、波动性等特征，逐渐衍生出金融属性。当前，各地金融机构围绕数据资产“入表+融资”正积极开展创新实践，主要通过数据资产增信、授信、担保、质押融资等金融手段，帮助企业实现数据资产增值和变现。截至2024年6月末，公开报道的银行数据资产融资或授信总额已达4.7亿元。比如，2023年11月，北京银行基于数库科技在上海数据交易所的挂牌产品“数库产业链图谱”，向数库科技授信2000万元。又如，2024年4月，兴业银行成都分行以数据资产作为客户授信增信方式为德阳市民通数字科技有限公司授信500万元。实践表明，数据在商品交换的性质之外还产生了保值增值、资金融通的作用，具备了一定的金融功能。

数据资产入表可能走向更丰富的形态

随着数据金融价值逐渐被发现，更多市场主体将参与数据投融资及中介活动，进一步推动数据资产金融化进程。从形成逻辑来看，一方面，数字技术的发展意味着数据的经济价值将在未来被更充分地发掘出来，形成更广泛的投资需求；另一方面，数据现货交易也面临一定困境，权属不清、风险难控等问题尚未解决，场内交易大多发生在政府部门和银行、医院等大型企事业单位之间，普遍存在“有市无价”的情况。因此，金融市场中以数据资产为标的的标准化金融产品将会受到更多青睐，催生出数据银行、数据信托、数据征信、数据期货等一系列金融工具，形成更丰富的金融业态。从发展趋势看，当金融衍生发展到一定程度，可能呈现两大特点：一是金融交易主要围绕数据权属展开，而非数据本身，包括收益权、抵押权、分配权等，类似于房地产的金融化以及碳权、林权等生态权益产品的金融化；二是金融市场波动对商品市场运行产生干扰，数据价格将越来越受到市场资金面的影响，而实体层面的供需规律支配地位下降，使其金融属性进一步得到强化。

数据资产入表将带来深刻影响

从经济层面来看，丰富的金融工具、高频的金融交易将有效弥补数据交易市场中投资方式缺失、风险对冲不足、价格发现失效、流动性差等问题，促进数据要素高速循环和价值变现。当企业在数据开发利用和管理过程中投入的大量成本有了正向的经济反馈，必将激励企业更加主动地挖掘、利用潜在数据资源，加快形成“数字生产力”。从金融层面来看，金融机构可围绕数据资产化、信用化、证券化开展服务和增加支持实体经济的有效路径。比如，商业银行基于海量数据进行信贷决策，或以数据资产作为质押和担保进行授信，将大幅降低对传统抵押物的依赖，增加对优质普惠、科技创新等重点领域的信贷投入。从政策层面看，数据金融化弱化了商品经济层面的供需因素影响，使数据相关交易越来越受到信用扩张和收缩的影响，这一方面将带来新的政策空间，中央银行可通过价格型、数量型货币政策工具调整市场中的金融资本力量，进而影响数据资产价格发现功能，使数据的开发、流转、应用沿着宏观政策调控的方向发展，更好地发挥乘数效应；另一方面也需要防止资本炒作、过度投机，持续关注数据市场的波动性、脆弱性，以免给实体经济带来负面冲击，对政策的制定和实施造成影响。

数据资产入表的政策建议

从长远来看，数据资产入表是大势所趋，数据管理和金融监管部门应进一步加强协同，做好顶层设计和政策指导，推动数据、金融深度融合和双向赋能，共同助力高质量发展。

注重数字生产力与生产关系的协调

数据作为新型生产要素，在权益、定价、稀缺性等方面与其他生产要素存在明显差异，因此其生产力的释放也需要不同的生产关系设计。虽然“数据二十条”在数据确权、流通、交易、使用、分配等环节进行了顶层设计，但在实践中还面临许多障碍，需要各地各行业在实践探索基础上建立健全相关制度机制。在数据确权方面，可通过地区或行业试点，进一步落实落细数据产权制度，研究建立“三权分置”的具体办法和实现路径，破除数据交易的制度障碍。在数据估值方面，可探索以公共数据政府指导定价为突破口，引导其他类型数据参照估值，形成全社会层面数据要素价格形成机制。在数据流通方面，可以数据资产入表及金融化为重要方向，引导企业通过盘活数据要素资产从而带动数据流通。在数据资产入表过程中，既要重视一般企业的数据资产入表，也要关注数据密集型的金融行业数据资产入表。金融管理部门应推动建立金融数据的确权、估值、计价等相关规范，稳步推进金融系统的数据资产入表工作，确保数据资产的真实性和可靠性。在数据资产金融化过程中，金融管理部门应鼓励金融机构积极探索，在融资比例、贷款拨备、风险资产权重、不良容忍度等方面给予政策倾斜，以促进基于数据资产的金融业务创新，释放数据要素价值。

注重企业与金融机构资产负债表的优化

数据资产入表不仅会影响企业的财务状况，也给金融机构的资产负债表和资产管理带来深远影响。在当前经济增长放缓、房地产估值偏低的市场环境下，企业质押融资能力降低，资产负债表被动收缩。通过数据资产入表及金融化，有利于扩大数据型企业的资产规模，优化资产负债结构，提升投融资能力。对金融机构来说，一方面，通过开展数据资产授信、数据资产质押融资等业务，可以逐步改变对房地产抵押贷款的路径依赖，优化信贷资产结构，分散信贷风险；另一方面，通过主动布局自身数据资产入表工作，可增加净资产规模，提升资本充足率和信贷扩张能力。因此，当前应积极支持推动数据资产入表及金融化工作，有效改善企业和金融机构资产负债表，促进全社会的信用扩张，进一步稳固金融对经济的支持。但数据资产入表及金融化也要防止一哄而上，特别是要防止有的企业为了扩大融资虚增数据资产、高估数据资产价值，形成数据资产泡沫。

注重数据要素与金融应用的结合

金融业天然具有数字基因，实践中，丰富的金融活动已成为数据要素流转应用和价值创造的重要驱动。“让数据先动起来”是现阶段我国数据产权制度的一个鲜明特点，金融领域的小微借贷、智能核保、数字征信、反洗钱和反诈、个人和企业碳金融等为数据应用提供了丰富的场景，激发了数据交易流通的强烈需求。目前，在数据交易所方式之外，各地也积极探索场外的数、金交互渠道，包括“专区化”运营模式，如北京金融公共数据专区；征信机构模式，如“天府信用通”地方征信平台；政务服务延伸模式，如四川“银政通”信息服务平台；数字资产账户模式，如济南“泉城链”政务区块链平台等。多层次、多元化的数据流通模式有利于激发各经济主体采数、用数的积极性，加速数据要素在经济系统中的流通循环。政策层面应鼓励“以用为先、小步快跑”开展探索，加强制度、技术和场景等层面的实践创新，既通过数据要素赋能，推动金融发展模式创新，助力做好金融“五篇大文章”，又以高频的金融需求反向牵引数据流转，促进数据“供得出、流得动、用得好”，推动数据价值得到充分转化。

注重鼓励创新与防范风险之间的平衡

发展与安全是推动数据资产入表过程中的两个重要方面。一方面，应在监管框架下，稳步推动数据质押融资、数据信托、数据征信、数据银行、资产证券化及金融衍生工具创新，着力发挥金融在扩大数据要素供给、消除信息不对称、优化资源配置等方面的作用。另一方面，也应高度重视金融、科技、数据深度耦合带来的风险。数据要素具有非实体性、易复制性、分散性、多样性等特征，容易引发数据侵权、泄漏、滥用等问题，对企业和个人隐私安全造成巨大威胁。应考虑在传统金融监管的基础上健全数据金融交易监管制度，在政策层面提供行为参考和合理约束，并鼓励区块链、隐私计算、深度学习等技术融合创新，实现数据“可用不可见”。同时，随着数据资产入表的路径更加多元、细分，应探索建立多层次的数据要素流通体系，鼓励场内交易、场外交易并行，推动数据要素市场、金融市场联动，提高政策调控的灵敏度和有效性，及时纠正市场投机情绪和价格扭曲，促进数据要素高效配置、公平交易和自由流动，防止出现市场失灵和风险交织传染。■

（责任编辑　植凤寅）