孙静，王建冬丨多级市场体系下形成数据要素资源化、资产化、资本化政策闭环的总体设想
转载请注明“刊载于《电子政务》2024年第2期”。
引用参考文献格式：
孙静，王建冬. 多级市场体系下形成数据要素资源化、资产化、资本化政策闭环的总体设想[J]. 电子政务，2024(02): 12-20.
摘 要：按数据要素分配是工业经济向数字经济转型中最具时代特征的新鲜事物。当前，国家层面也已逐步形成“一项顶层规划”+“一套基础制度”+“多点政策配套”共同发力的政策体系，为数据要素资源化、资产化、资本化指明方向。借鉴土地等要素市场经验，构建对应于数据要素资源化、资产化、资本化的零级、一级和二级联动市场，明确数据“三权分置”和三级市场体系的映射关系，提出三级市场联动的数据价格创新机制，实现从“数据资源入表”走向“数据资产入表”，推动数据要素市场化配置最终实现资源化、资产化和资本化闭环。
数字经济时代，数据就像“工业血液”石油一样，以前所未有的范围和规模进行数字化记录、存储、分析和应用[1]，成为每个企业生存发展不可或缺的生产资料。2022年12月，《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”）正式印发，标志着数据要素基础制度“四梁八柱”初步形成，后续将统筹推进数据产权、流通交易、收益分配、安全治理等配套政策，推动一系列具体举措落地。2023年3月，中共中央、国务院印发《党和国家机构改革方案》，部署组建国家数据局，统筹推进数据要素市场化配置改革的顶层框架初步成形。在行业层面，据不完全统计，全国新建各类数据交易机构80多家，全国副省级以上政府提出推进建设数据交易中心（所）的有30多家，为数据要素大规模全面流通奠定了较好基础。
（一）资源化、资产化、资本化是数据要素市场化配置的必由之路
从土地、技术、资源等其他生产要素发展的历史经验看[2]，任何一种要素实现其市场化配置都需要经历资源化、资产化和资本化三个发展阶段，数据要素同样如此。2022年7月，梅宏院士在第五届数字中国建设峰会数字城市分论坛上就提出[3]，数据要素化的实现需要遵循资源化、资产化、资本化三个递进层次的途径。人们常把数据类比成数字化时代的石油，数据要素化的三个阶段，同样也可以做这样的类比：
首先，数据资源化，可类比于“石油开采”。就像埋藏在地下的石油不经过开采就无法变成有价值的资源一样，在不经过任何处理的情况下，现实中的数据常常是分散的、碎片化的，无法直接利用以产生价值。对这些“原料”状态的数据进行初步加工，最后形成可采、可见、互通、可信的高质量数据，就是数据资源化的过程。
其次，数据资产化，可类比于“石油炼化”。原油从地下开采出来以后，经过一个庞大的炼化工艺体系，转化为适用于不同用途的燃料和化工原料，原油的价值才能得到最大限度发挥。数据同样如此，数据中蕴含了经济社会运行从宏观到微观方方面面的规律和机理，潜在价值无比巨大，但数据本身并不能直接产生价值。只有把数据与具体业务场景融合，才能实现这些潜在价值。数据资产化就是数据驱动业务变革，实现数据价值的过程，是数据价值创造过程中的“第一次飞跃”，是一个“做加法”的过程。
第三，数据资本化，可类比于“油企投融资”。现代社会中的石油企业通过资产资本化、资本证券化，快速扩张产业规模，是实现财富放大效应的不二选择。著名学者维克托•舍恩伯格在《数据资本时代》一书中预言，未来金融资本主义将被数据资本主义所取代。[4]当前，数据资产的资本化得到各方高度关注，如《北京市数字经济促进条例》就点出了几个重要方向：数据入股、数据信贷、数据信托和数据资产证券化。从资产到资本，是数据要素化过程中的“第二次飞跃”，是让数据收益实现杠杆化“做乘法”的过程。
（二）多层次政策组合发力为数据资源化、资产化、资本化指明方向
当前，我国已逐步形成“一项顶层规划”+“一套基础制度”+“多点政策配套”共同发力的政策体系。在顶层规划方面，《数字中国建设整体布局规划》明确提出“释放商业数据价值潜能，开展数据资产计价研究，建立数据要素按价值贡献参与分配机制”。数据作为资产的商业价值与收益分配已成为数字中国建设的重要内容之一。在基础制度方面，“数据二十条”明确支持为实体经济企业特别是中小微企业数字化转型赋能开展信用融资，探索数据资产入表。在配套政策方面，国家数据局、工业和信息化部、财政部、国家知识产权局、国家统计局、中国气象局等多部委配合“数据二十条”出台了系列配套政策，初步形成了政策“组合拳”（参见表1）。
（三）数据要素资源化、资产化、资本化的市场潜力十分巨大
2024年1月，国家数据局在《“数据要素×”三年行动计划（2024—2026年）》中明确提出，要“探索多样化、可持续的数据要素价值释放路径”[5]。实际上，从数据要素的资源化到资产化，再到资本化，这两次价值飞跃的过程，就是发挥数据要素乘数效应的核心路径，也是我国数据基础制度不同于欧美的最大特色。
我国人口产业规模巨大，经济社会发展沉淀的数据总量十分可观，随之所催生的数据资源化、资产化、资本化潜在市场规模也十分巨大。从资源化的层面看，据中央网信办调查，2022年我国数据年产量8.1ZB，同比增长22.7%，占全球10.5%，仅次于美国的23.9%。[6]从资产化层面看，国家统计局在深圳市开展数据要素统计核算试点发现，2021年度全市数据要素支出达到千亿级规模，主要集中在信息传输软件和信息技术服务业、制造业、金融业、批发和零售业、科学研究和技术服务业等重点行业，五大行业合计占比达到93.2%。[7]如以深圳市规模以上企业产值全国占比倒推，则全国企业年度数据要素支出将达数万亿规模。从资本化层面看，据清华大学团队测算，2020年全国数据资本存量和形成额相加达21.8万亿元，对经济增长率贡献34.46%，已超过技术要素，成为仅次于资本的贡献第二大生产要素。[8]
以“数据二十条”为契机，各地纷纷加快数据资产化实践探索。2023年2月，贵阳发布全国首个数据产品交易价格计算器；4月，光大银行深圳分行发放全国首笔无质押数据资产增信贷款；7月，杭州市成功发行首单数据知识产权定向资产支持票据（ABN）；8月，青岛市完成了全国首例数据资产作价入股签约仪式。这些实践探索的开展，为完善数据要素资源化、资产化、资本化的政策路径提供了有益参考。未来，围绕数据资产全链条的评估、质押、融资等形成的数十万亿规模衍生市场，是一个巨大蓝海，是我国形成新质生产力的重要组成部分。而开启这一蓝海的“金钥匙”，就是建立起数据登记确权、评估计价和资产入表的政策“闭环”。现阶段亟需结合我国发展实际，加快培育多级市场联动的数据流通体系，建立适配数字经济规律的新型数据产权机制、价格机制、入表机制，以最大限度盘活数据资产价值，有效赋能千行百业。
（一）国外研究综述
从产业发展的实践来看，数据得以成为一种生产要素，其实质是数字经济时代，数据要素渗透到企业生产经营的方方面面，成为推动国民经济各行各业转型升级所必不可少的元素。这一趋势反映到分配关系的变化上，就是数据的商品化、要素化过程。从现有文献看，“数据资产”一词最早于1974年由美国学者Richard Peterson提出[9]。早在2000年前后，数据从资源化到资产化再到资本化的价值跃迁问题就得到部分学者关注。如1999年Gargano等[10]曾指出，可以通过数据挖掘来得到数据资源中有价值的信息，进而形成数据资产。著名学者维克托•舍恩伯格曾在《大数据时代——生活、工作与思维的大变革》一书中断言，数据资产列入资产负债表不是能否的问题，只是早晚的问题。[11]从产业探索层面看，各国都开始关注数据资产化、资本化相关问题。2020年，联合国统计委员会将数据列入国民核算体系（SNA）研究议程，并计划在2025版SNA中明确数据资本范围、类型、定价方法等统计核算标准。[12]美国经济分析局（BEA）使用成本总和法对数据资产投资进行核算，并采用无人监督机器学习算法估算数据资产成本[13]；加拿大统计局使用永续盘存法对数据资产投资额进行统计核算[14]；英国国家统计局（ONS）采用联合分析法开展公共数据资产估值试点[15]。
（二）国内研究综述
随着数据要素市场化配置改革进程不断推进，数据是否可以成为一项资产，以及成为资产后的资本化证券化问题，开始成为我国经济学、会计学界备受关注的研究热点。史学智等[16]指出，数据资产化要满足三个基本前提：控制主体定义清晰，主体权利明确，数据具有产生经济利益的潜力。张俊瑞等[17]从会计准则的角度出发，在无形资产定义基础上突出数据资产的独特属性，提出数据资产可定义为“由企业拥有或控制的，具有数据化形态的可辨认非货币性资产”。许宪春等[18]认为，从会计核算角度分析，数据资产属于无形资产，因此其价值测度可借鉴无形资产的测度方法。欧阳日辉等[19]认为，原始数据依托数据价值链完成了从数据资源要素化到数据商品化的增值过程，数据产品是数据资源价值化的主要载体，也是数据资产化的重要体现。在实务研究层面，光大银行、南方电网先后发布了《商业银行数据资产估值白皮书》和《中国南方电网有限责任公司数据资产定价方法（试行）》，贵阳大数据交易所上线全国首个数据产品交易价格计算器，在综合运用成本法、收益法、市场法并应用于数据产品与资产估值定价方面开展了有益探索。
应当指出，数据具有高固定成本低边际成本、产权不清、来源多样、管理复杂和结构多变等特征，导致传统的成本法、收益法、市场法等资产定价方法应用于数据要素领域均具有一定局限性。在成本法方面，数据资源流转过程的总成本虽然可以相对准确计量，但是由于数据具有无限复制性，复制越多，边际成本越低，因此数据的单位成本难以有效确认。在收益法方面，数据潜在价值巨大，但本身并不直接产生价值，必须与具体业务场景融合，通过精准营销、降低成本、提升效率等实现价值，而数据应用场景十分广泛，不同场景下收益实现路径又千差万别，导致收益评估操作难度很大。在市场法方面，目前受限于交易规模狭小，基于市场交易价格对数据进行评估定价时势必存在缺乏公允性的问题。据国家发展改革委价格监测中心对国内16家代表性数据交易所的调研显示，2023年上半年我国数据市场场内交易总规模不足120亿元，如此小的交易体量，势必难以支撑有效公允价格机制的形成。
(一）建设全国统一大市场是数据要素化的必由之路
因为对于数据是否适合作为一种生产要素的基本定位有差异，我国数据市场发展与欧美国家的一个显著不同，就是当前各地高度重视并大量组建的数据交易场所。据不完全统计，目前我国副省级地方组建的数据交易所（中心）已经超过40家。实际上，欧美并不存在数据交易场所的概念，其数据流通中介主要以数据流通平台或数据经纪人的形式存在。Schomm和Stahl等[20]通过调研欧美46个数据市场，对其核心产品、数据来源、定价模式等进行分类与统计，并围绕数据市场的定价渠道[21]、商业模式[22]、市场主体[23-24]、未来趋势[25]等开展了系列研究。
近年来，学术界和产业界也有人因此对当前我国组建数据交易场所的必要性提出质疑。其实，数据交易场所是承载数据要素市场化配置改革的核心载体，其必要性至少体现在四个方面：一是供需撮合，通过培育全国统一大市场，实现数据要素供需有效对接；二是价值发现，逐步实现场内集中高频交易，形成市场化价格形成机制；三是资产确认，完善场内交易监管体系，以场内交易记录作为数据入表的锚；四是资本运作，建立数据市场与资本市场衔接机制，加快数据资产资本化进场。未来，随着通用人工智能、自动驾驶、新能源、合成生物等高精尖领域蓬勃发展，数据要素赋能千行百业的乘数作用越来越突出，加快培育全国统一数据大市场，是构建数字化新质生产力的全局之举。
（二）构建对应于数据资源化、资产化和资本化的三级市场
应当参考资本和土地等生产要素的多级市场体系，探索构建零级、一级和二级联动的多级数据市场体系。
一级市场即数据资源市场，是对数据资源的持有权和使用权进行转让或授权许可的市场，可类比于土地一级市场中把“生地”变“熟地”的过程，因此是一个要素资源化的过程。传统意义上的数据一级市场主要承载以数据集或数据接口为主要方式流通的数据资源。随着当前隐私计算、多方安全计算等新技术应用日益成熟，“原始数据不出域、数据可用不可见”等新型数据资源流转方式日益普遍，数据一级市场日益转化成为以数据资源授权许可使用为主要形态的市场。
二级市场即数据产品和服务市场，是数据加工方对数据资源进行加工处理和算法模型化后，以产品和服务形式销售给购买者的市场，可类比于土地市场中的房地产流通交易，是数据资源资产化的过程。当前，二级市场是数据交易流通的主流市场，据国家发展改革委价格监测中心对国内16家主要数据交易所的调研看，目前我国场内数据挂牌交易的标的物中，80%以上为数据产品和服务。
零级市场即非交易流通市场，属于未进入交易环节但发生数据共享交换和权益流转的市场行为，既包括企业内部或具有一定业务或股权关联关系的企业间发生的数据共享交换，也包括数据信托等新型数据权益流转模式。与土地、资本等要素市场中零级市场是一个零散的小众市场不同，数据零级市场是“冰山水面之下的部分”，其潜在规模可能是一、二级市场的30-60倍。从这个意义上说，数据零级市场主要对应于数据资本化阶段，因为企业数据融资、信托、发债和证券化等资本化运作的标的物主要存在于零级市场。
由此可见，数据多级市场体系从规模上呈现“上下粗、中间细”的沙漏形状。针对一特点，建议未来国家层面对于数据市场体系采取“管住一级、放开二级、发掘零级”的发展思路。首先，一级市场定位为数据登记授权市场，强制性要求在国家级交易所场内交易，接受国家统一监管，确保个人隐私、商业秘密和国家主权安全。如前所述，这部分市场本身体量不大，也便于国家统一监管。其次，鼓励各地方、各行业主管部门和有条件的龙头企业进入二级市场，有效激活创新活力。最后，结合企业数据入表和资产化需求，推动国家数据资源登记体系逐步覆盖零级市场，探索建立零级市场流通存证体系，实现与一二级市场的联动，唤醒企业“沉睡”在零级市场中的数据价值。
产权明晰是各类要素商品化和资产化的重要前提，只有建立起以产权保护和产权约束为基础的要素资产管理体系，才能实现要素从存在价值向使用价值转化，才能形成稳定预期和有效激励。目前，欧美等国都没有从生产要素参与分配的角度，构建起数据登记确权、评估计价、流通交易和收益分配的制度体系。在实践层面，欧盟2017年曾提出“数据生产者权利”的设想，并试图构建基于物权规则的数据产权体系，最终未能成功，转而聚焦数据利用与交换。[26]目前，学界普遍认为，数据产权既有别于民事权利中的物权，也不同于知识产权，是一种新型财产权。[27]“数据二十条”以促进数据合规高效流通使用为导向，淡化所有权、强调使用权，创造性提出建立数据资源持有权、加工使用权和产品经营权“三权分置”的产权制度框架，在构建中国特色数据产权制度体系道路上迈出了一大步。后续亟待明确数据产权登记方式、登记主体、确权授权机制等实施路径，加快形成数据资产的“身份”确认标准和制度体系。
（一）场景驱动，逐步细化“三权分置”和多级市场体系的映射关系
“数据二十条”提出的三权分置思路，实际上已经隐含了从一级市场走向二级市场的基本前提。
数据资源持有权主要对应一级市场。从实际场景看，应明确三类持有确认机制，一是互联网平台基于用户协议的自由持有（知情同意），二是政府机构基于履职需求的自由持有（法定事由），三是基于其他数据持有方授权而形成的委托持有。
数据产品经营权主要对应二级市场，熊丙万[28]提出将其细化为五类权益，其分别可满足不同数据产品流通场景的需求，即整体转让权（如原始数据集交易）、许可使用权（如公共数据授权运营等）、融资担保权（如数据信贷等）、投资入股权（如数据作价入股）、合作加工权（如联合产品开发等）。
数据开发使用权可看作数据从资源（一级）变为产品和服务（二级）的桥梁或路径，是数据开发利用和形成产品的中间权益形态。
（二）正本清源，理顺“数据产权”和“数据知识产权”两大体系
自2022年起，国家知识产权局加快推进数据知识产权地方试点，并确定了北京、上海、江苏、浙江、福建、山东、广东、深圳等8个试点地方。“数据二十条”印发以后，产业界对于“三权分置”数据产权体系高度关注。目前，产业界和学术界对于这两大产权体系的关系缺乏统一认识，导致实际操作中容易出现相互混淆甚至矛盾的问题。实际上，一个典型的数据产品和服务（如软件、系统、平台、报告、指数等）中，数据、算力和算法三要素往往是并存的。其中涉及数据的部分，可归入数据产权体系加以确认；涉及算法的部分，可归入数据知识产权体系之中。因此，后续应当从多级市场体系的角度，理顺二者关系：对于数据资源（一级市场和零级市场）部分，主要确认其数据资源持有权；对于数据产品（二级市场）部分，主要确认其数据产品经营权，以及数据产品中所包含的数据知识产权（如软件著作权、专利、商标等）。
（三）统分结合，形成涵盖多要素多层级多主体的统一登记确权体系
针对零级和一级市场中的数据资源部分，建议参考土地、技术等要素，研究组建具有法定职能的统一登记机构，实现对数据资源持有权（自主持有和委托持有）的登记和确权授权。
针对二级市场中的数据产品和服务，建议鼓励各地持牌经营的数据交易场所建设数据产品登记平台，确保标准统一和登记信息互联互通，实现对数据产品经营权的登记和确权授权。
针对数据产品和服务中的知识产权部分，建议由国家知识产权部门建立专门登记平台，并与数据产权登记体系实现互联互通。
数据流通中涉及的权属流转和溯源存证是确认企业数据持有权（尤其是委托持有）属性的重要依据，但这部分存证成本较高，建议适时组建类似中证登或中债登的国有企业，以市场化方式提供数据权益流转的存证溯源服务，为有需要的市场主体提供增值服务。
（四）小步快走，配合数据产权法制化进程有序开展登记存证确权
目前，十四届全国人大已经将数据权属立法列入第三类项目，即立法条件尚不完全具备，需要继续研究论证。基于此，建议配合数据产权立法进度，分步推进登记平台建设。
第一步，鼓励各地按照“数据二十条”基本精神，配合本地区数据立法试点出台本地区数据登记管理办法，搭建数据登记确权平台，推动在试点地区交易场所上架的数据产品和授权运营的公共数据资源实现登记。
第二步，推动在政策层面出台数据产权和登记体系相关指导意见，为搭建全国一体化数据登记确权体系提供政策依据。作为顶层政策文件，其虽不能作为数据权属生效的要件，但可以发挥合法性确认和存证作用，并作为数据交易场所准入和公共数据授权运营的前提。
第三步，待全国人大层面立法后，建立覆盖政企各类数据资源和数据产品的登记平台，作为数据权属生效要件，发挥优先保护作用。
在“三权分置”的产权框架初步明晰的情况下，数据资产估值定价成为关键制度瓶颈。政策底线是必须避免数据像商誉那样成为企业资产的“腾挪空间”，否则数据要素市场化配置改革会成为滋生新一轮资产泡沫的温床，从而脱离改革的本意。为此，应当在多级市场联动的大框架下，加快研究构建有利于数据要素价格形成的政策制度工具箱。
（一）从多级市场角度梳理数据价格链，澄清数据“千用千价”的误解
当前，业界有一个很流行的说法，就是同一条数据在不同应用场景下价值完全不同，因此数据定价无法实现标准化。其实，在探讨这个问题时，应当区分“数据资源价格”和“数据产品和服务价格”两个层面的概念内涵。实际上，数据在不同应用场景中是以“数据产品和服务”的形态体现出来的。从价格链的角度看，数据产品价格类似于“终端零售价”，而数据资源价格类似于“原料价”。在数据产品和服务中，除了“数据资源”之外，还有凝结在数据之上的两部分投入：一是智力、品牌等无形投入（这部分可以统称为算法投入，或者叫“数据知识产权”投入），二是网络、计算、存储等有形投入（这部分可以统称为算力投入）。前者属于无形资产，在不同场景中算法无形资产的价值评估具有很大灵活性，也是造成数据产品“千用千价”的核心原因。而刨除这部分，数据价值、算力价值的估算应当是相对标准化的。这就像同样的菜和调味品，在五星级酒店大厨手里炒出的菜和在路边摊炒出菜的价格完全不一样，这里面的价值区别主要不在于原料，而在于饭店的品牌价值、地理位置、用餐环境和厨师的“知识产权”等价值具有差异性。
（二）探索构建零级、一级和二级联动的数据价格机制
参考资本和土地等要素的多级市场体系，未来我国数据要素市场可针对不同层级构建数据价格机制。
针对数据一级市场，重点是研究成本法导向的数据资源化定价机制。由于数据资源不直接创造价值，不存在收益的概念，其价值评估主要以成本法为主，评估因素包括数据采集整理和标准化过程中的各种投入，以及数据质量、隐私含量等。
针对数据二级市场，重点是研究收益法导向的数据资产化定价机制。二级市场中数据产品和服务定价以收益法为主，评估因素除成本外，重点考虑历史成交价、数据血缘、模型贡献度等收益预期类指标。
针对数据零级市场，重点研究市场法导向的资本化定价机制。因为零级市场本身不发生交易，也就不存在本级市场的价格信号。资本评估机构在对零级市场中数据资产进行定价时，需要采用市场法思路，即基于同类型数据在一二级市场的交易记录对零级市场数据资产进行评估定价。
（三）探索政府“有形之手”与市场“无形之手”结合
对于数据市场这样一个价格形成机制尚不成熟的市场，政府“有形之手”的引导作用不应当被忽视。“数据二十条”中提出：“支持探索多样化、符合数据要素特性的定价模式和价格形成机制，推动用于数字化发展的公共数据按政府指导定价有偿使用，企业与个人信息数据市场自主定价。”一方面，针对公共数据价格问题，借鉴公共服务领域实行政府指导定价的成熟原则，将“准许成本加合理收益”的定价机制迁移到公共数据定价中，目前来看是相对比较可靠的办法。目前，福建等地方提出将公共数据有偿服务收费划分为数据使用费（对应于一级市场，纳入政府非税收入）和技术服务费（对应于二级市场，纳入政府指导价管理），具有一定可行性。后续建议参考资源补偿类收费办法，建立公共数据成本核算机制，研究出台公共数据政府指导定价管理办法。另一方面，针对社会数据的价格问题，考虑到当前数据要素市场场内交易尚不成熟，应当着力推动建立数据资产评估计价公共服务体系，搭建全国性数据资产图谱网络开放平台，为市场主体开展数据产品和数据资产的评估计价提供参考依据。
2023年8月21日，财政部制定印发了《企业数据资源相关会计处理暂行规定》（以下简称《暂行规定》），自2024年1月1日起施行，引发各方广泛关注。由此可见，推动数据入表是数据要素最终实现资源化、资产化和资本化闭环的关键一步，为企业数据资产入表以及后续的资本化操作开启了一扇大门。应当从三方面认识数据入表这一政策议题。
（一）推动数据资源资产入表是数字经济发展的必然趋势
从经济史的视角来看，“资产”的属性、范畴、种类、范围，都经历了一个不断扩张和深化的过程。在人类经济史上的很长一段时间里，“资产”都主要表现为“实物资产”形态，比如农业时代的土地、房产、贵金属，工业时代的厂房、设备等。随着工业经济的发展，社会经济复杂性不断上升，又出现了“无形资产”的范畴，比如狭义的企业品牌、知识产权、专有技术等。而到了数字经济时代，随着数据、算法的发展，“资产”的形态和范围正在出现全新的革命性变化，以数据资源、产品和服务为代表的数据要素资产就是一种全新的资产形态。在当前经济和会计核算制度下，数据密集型和平台型企业出现了“市值远大于净资产”的突出特征，传统的资产核算方法不能反映公司实际资产情况，数据要素的价值被市场“视而不见”或“严重低估”。建立数据资产核算和入表机制，有利于盘活现有数据资产的价值，展示企业数字竞争优势，为企业依据数据资产开展投融资提供依据，同时合理的价值评估能有效促进内外部会计信息使用者管理与决策水平的提升，优化市场资源配置。
（二）当前《暂行规定》是审慎推进的有益尝试
本着审慎推进的基本原则，财政部目前颁布的《暂行规定》是在没有突破现有会计准则和计量基础前提下的一次有益尝试，是一个“小入表”的方案，短期内并不会带来大量企业数据资产确认。原因有三：
一是入表对象是“数据资源”，而在数据要素市场中，真正拥有原始数据源的企业并不多，绝大多数企业是从事为数源型企业提供数据治理、加工、处理、建模等服务的企业，其受托持有大量数据资源，但是其并不具备原始数据资源持有权，因此难以有效入表；而这些企业拥有的大量与数据相关的模型、算法、工具、平台等数据资产，又不在《暂行规定》的入表范围之内。
二是入表基础是企业数据资源实际成本，而不是公允价值。这是当前保持会计准则谨慎性的必然要求，但也就意味着数据因为其无限复用性所带来的价值弹性无法体现到资产化资本化过程中。
三是《暂行规定》采取“未来适用法”，即2024年1月1日之后发生的成本才能入表。这就意味着对于大型数据要素企业，比如三大运营商、互联网平台等而言，其前期花费大量资金成本建立的数据资源体系存量部分依然不能体现为资产。
（三）从“数据资源入表”到“数据资产入表”
未来应当积极尝试从“数据资源入表”走向“数据资产入表”，逐步实现“大入表”。
一是可以从一二级市场的角度，进一步梳理数据资产的内涵，并分类实现入表。如前所述，从企业数据价值链的角度，企业将数据资源加工成为数据产品，实际上就是把算法和算力叠加到数据资源之上的过程。因此，企业数据资产入表，可以区分为数据入表（包括其衍生数据和中间数据）、算法入表（可遵循数据知识产权登记和无形资产入表的路径）和算力入表（即支撑数据资产运行的各种硬件固定资产入表）三部分，这样既能较完整地反映企业数据资产实际价值，也能具备较大可操作性。
二是建立完善数据价格监测网络，完善数据资源公允价值评估体系，从而实现从成本法到收益法的跃迁。应当充分发挥交易场所的作用，基于一二级交易场所的实际成交记录建立数据交易价格指数，为零级市场中同类型数据资产公允价值评估提供一个有公信力的价值锚点，从而逐步定位出数据资产公允价值的估值中枢。
三是与数据产权登记和流通存证溯源体系相结合，探索建立类似增值税体系那样的数据“进销项”测算机制，对于企业受托持有的数据资源及其衍生数据和中间数据，建立核算标准，这样才能让数据入表真正惠及大量数据要素型中小企业。
四是探索推动公共数据资产入表。当前，各级政府和公益性事业单位手中掌握大量有价值数据，应当明确这部分数据的国有资产属性，并设法纳入会计计量准则范畴之内，从而为下一步实现“数据财政”发展模式提供坚实基础。
回顾改革开放历史，我国提出按劳分配与按要素分配并存的收入改革思路，并结合不同发展阶段特点逐步将资本、技术、管理、数据等纳入分配序列之中。其中，前几种要素都是顺应工业化、城镇化发展要求，在学习借鉴西方经验的基础上形成改革成果，唯有数据要素分配是工业经济向数字经济转型中最具时代特征的新鲜事物，是我国在国际上首先提出的重大理论问题。目前，欧美等国都没有从生产要素参与分配的角度构建起数据登记确权、评估计价、流通交易和收益分配的制度体系。数据要素具有非排他性、无限复制性等特点，市场基础制度建设问题十分复杂，数据要素确权难、尚未建立标准化定价机制、流通中安全隐患大、收益分配机制不明确等诸多困难挑战十分突出。数据要素市场化配置既是蕴含巨大市场潜力的庞大“蓝海”，也是全世界都缺乏成功经验的制度“无人区”。这就要求我们在制度建设和改革创新上必须鼓励地方和行业大胆试、大胆闯，既要“举旗定向”，鼓励广大干部群众、科技工作者和企业家们揭榜挂帅，在破除阻碍数据要素有序流动的体制机制弊端上多啃下一些硬骨头，又要注意“制度留白”，在确保国家安全和个人隐私的前提下，为行业和地方实践探索数据资产化资本化预留政策空间。
（略）
孙静（1991—），北京大学工学院馆员，主要研究方向为数字图书馆、数据分析、科学评价等。
王建冬（1982—），博士，国家发展和改革委员会价格监测中心副主任，研究员，主要研究方向为数据定价、大数据分析，数据要素治理等。