【广发宏观】数据要素化及其中长期影响

Original 广发宏观郭磊宏观茶座 2024-01-16

广发证券首席经济学家郭磊

联系人：广发证券高级宏观研究员文永恒博士

wenyongheng@gf.com.cn

报告摘要

第一，数据要素化逐步推进。2019年11月，十九届四中全会首次将“数据”列为新的生产要素，和劳动、资本、土地、知识、技术、管理并列。2020年《关于构建更加完善的要素市场化配置体制机制的意见》首次提出“加快培育数据要素市场”。2022年12月《关于构建数据基础制度更好发挥数据要素作用的意见》（“数据二十条”）发布，作为数据要素的基础性文件，它为数据要素化明晰了制度指引，指明前进方向。2023年3月，国家数据局成立。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》，进一步规定了数据资源的确认范围、会计处理适用准则及披露要求。

第二，什么是数据要素化？按照既有研究比如中科院梅宏院士的表述，数据要素化是将数据确立为重要生产要素，并通过各类手段让其参与社会生产经营活动的过程，它包括三个递进的层次：数据资源化、数据资产化与数据资本化。这三个层次的划分是目前对于数据要素化的主流理解。具体而言，数据资源化是数据要素价值释放的前提，包括原始数据的获取以及后期的数据加工组织；数据资产化是在法律上确立数据的资产属性，意味着数据可以在未来产生持续收益；数据资本化通过数据股权化、数据证券化等形式，催生数据要素的更大价值。从资本、土地等要素市场发展历史经验看，实现要素从资源化到资产化是具有决定意义的“第一次飞跃”，这一飞跃解决的是产品化和形成市场流通的问题。而从资产化到资本化则是“第二次飞跃”，这一飞跃对于激励资本参与产业发展、激发创新动力具有重要价值。

第三，数据要素化意味着数据和其他要素资产一样，需要有一个定价。王建冬（2023）的研究指出，数据要素化过程中，资源化、资产化与资本化三个层面存在不同的定价模式。数据资源的定价主要以成本评估为主，一是传统意义上的数据资源采集开发成本，二是与数据隐私含量相关联的成本，三是与数据质量相关联的成本。数据资产化层面的定价是对基于数据资源形成的深加工数据产品定价，适合采用收益分成模式。数据资本化针对的是持有、拥有、经营数据的权益，适合采用市场导向的定价模式。目前，成本法是已被广泛采用的数据资源定价模式，不少经验案例曾成功应用这一方法来估算企业数据资源的价格。基于收益法的数据资产定价还在逐步发展。未来随着数据资本化的推进，包括数据股权化和证券化等资本市场制度的逐渐完善，基于市场法的数据资本定价将迎来发展空间。

第四，作为有价值的生产要素，那么就会涉及“入表”问题。什么是数据资产入表？数据资产入表是指将数据确认为企业资产负债表中“资产”一项，即数据资产入资产负债表，在财务报表中体现其真实价值与业务贡献。《关于构建数据基础制度更好发挥数据要素作用的意见》（“数据二十条”）明确提出“探索数据资产入表新模式”，这对于探索用货币度量数据要素的资产价值，推动数据资产化、资本化具有重要意义。在此基础上，财政部《企业数据资源相关会计处理暂行规定》和中国资产评估协会《数据资产评估指导意见》先后发布，为数据资产的评估实务提供指引。《暂行规定》与《指导意见》以准确反映数据资产要素价值为目的，是财政部推动数据资产入表新模式“一体两翼”的政策实践。《暂行规定》为数据资产入表奠定了制度性基础，《指导意见》有助于规范数据资产评估执业行为，两份文件的相继出台，将对数据要素化进程起到重要推动作用。

第五，根据国家信息中心对数据资产入表机制的解读，数据资产入表的路径涉及“数据资产确认—数据资产评估—数据资产计量—数据资产披露”四个环节。在数据资产确认环节，需明确数据资产的“身份”与边界，数据资产确认是数据资产入表的关键前提；在数据资产评估环节，需明确数据资产质量评估、安全合规评估、价值评估的方式方法；在数据资产计量和披露环节，需明确数据资产的成本与价值。

第六，数据资产入表将从微观层面产生深远影响。中国庞大的存量人口、先进制造业为导向的产业政策，和相对发展较早的数字经济形态意味着数据资产的价值不容小觑。数据资产入表一则将增加企业资产规模，降低企业负债率，从而改善企业资产负债水平；二则数据资产入表的背景下，企业理论上可以通过抵押贷款、数据入股、融资租赁等方式优化企业融资问题，微观杠杆率的特征会有所变化；三则通过将数据要素投入生产，以及生产优化、运营效率提升、产品服务创新、商业业态转变等途径，可以提升企业生产经营效率；四则数据资产入表对于相关高技术行业是一种激励，同时也会激励传统行业数字化创新改造。

第七，数据要素化的推进同样会影响宏观层面，它会对以工业经济为基础的国民经济核算体系带来一定挑战。数据资产入表对应的是微观层面的企业会计核算体系；而以此为微观基础的宏观层面的国民经济核算，也一样需做出相应变革。2020年联合国统计委员会第51次会议通过全面修订《2008年国民账户体系》（SNA2008）形成新一版SNA2025 的决议，并明确提出“数据如何纳入国民账户体系”的议题，但当下就数据在国民经济核算中应如何处理仍未达成一致认识及规范的实操方法。2020年1月，全国统计工作会议要求“认真开展数据生产要素统计和核算研究”，深圳市也已于2020年开启数据要素统计核算试点，首创我国数据生产要素统计报表制度，2023年2月深圳统计局指出“深圳试点形成的核心观点与联合国SNA2025最新修订方向基本一致”。

第八，理论探索层面，许宪春等（2022）基于OECD（2013）与Rassier等（2019）既有研究，构建了数据收集-数据存储-数据分析-数据应用的四阶段数据价值链，进一步分析数据的生产属性，其认为，一则数据作为生产活动的结果应该作为生产资产纳入国民经济核算，二则数据资产是指“拥有应用场景且在生产过程中被反复或连续使用一年以上的数据”；三则在数据支出资本化核算分类的基础上，可采用调整的成本法对数据资产价值进行核算。此外，许宪春等（2021）指出数据作为生产要素与新型资产将对生产、投资、消费和收入等统计领域带来改变。

第九，其他经验研究亦倾向于认为，数据作为新型生产要素，从长期来看将对产业基础高级化和经济转型升级起到重要的促进作用。数据要素一则将赋能其他生产要素，通过提高劳动、资本等其他要素之间的协同性，来实现资源配置效率，进而全要素生产率的贡献将上升；二则可利用非竞争性、非排他性和低成本复制带来的正外部性，实现价值创造能力的倍增，从而发挥宏观规模效应；三则数据要素化将释放数据价值，这种数据价值如果得到有效利用，可以助推地方政府土地财政向多元化财政转型。

第十，最后是对资产定价的影响。中长期看，数据要素化将带来三方面影响：第一，数据要素化将推动数字经济成为继农业经济、工业经济后的新经济形态之一，在政策重视下，数字新产业以及数字技术赋能的新工业与新服务业有望加快发展，这将带来相对应的权益资产的价值增长与结构性溢价；第二，随着未来公共数据开放利用与授权运营的推进，公共数据价值将得到进一步发掘和释放，与过去30年土地价值的释放过程类似，数据出让金、数据税、数据发债、数据创投等创新模式均有出现可能，这将带来我们对地方财政、商业形态、企业资产负债表理解上的变化，并影响相关资产定价；第三，如果未来数据资产计入国民经济核算体系，GDP的驱动结构也会有所变化，我们依据传统要素推演的对经济增长的理解也需要做出调整，这亦会影响资产定价。当然，这里只是一个框架性的理解，上述影响的显性化是一个逐步的过程。

正文

数据要素化逐步推进。2019年11月，十九届四中全会首次将“数据”列为新的生产要素，和劳动、资本、土地、知识、技术、管理并列。2020年《关于构建更加完善的要素市场化配置体制机制的意见》首次提出“加快培育数据要素市场”。2022年12月《关于构建数据基础制度更好发挥数据要素作用的意见》（“数据二十条”）发布，作为数据要素的基础性文件，它为数据要素化明晰了制度指引，指明前进方向。2023年3月，国家数据局成立。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》，进一步规定了数据资源的确认范围、会计处理适用准则及披露要求。

[1]2019年11月，十九届四中全会指出：“健全劳动、资本、土地、知识、技术、管理、数据等生产要素由市场评价贡献、按贡献决定报酬的机制”，首次将数据列为新的生产要素。

[2]2020 年4 月，中共中央、国务院印发《关于构建更加完善的要素市场化配置体制机制的意见》，把数据作为一种新型生产要素写入文件，与土地、劳动力、资本、技术等传统要素并列为第五大生产要素，并首次提出“加快培育数据要素市场”。

[3]2022年1月，国务院印发《“十四五”数字经济发展规划》，提出2025年“数据要素市场体系初步建立”的发展目标，要求“数据资源体系基本建成，利用数据资源推动研发、生产、流通、服务、消费全价值链协同。数据要素市场化建设成效显现，数据确权、定价、交易有序开展，探索建立与数据要素价值和贡献相适应的收入分配机制，激发市场主体创新活力”，此外还对数据要素做出专章部署，提出“强化高质量数据要素供给”、“加快数据要素市场化流通”、“创新数据要素开发利用机制”等重点任务举措。

[4]2022年3月，中共中央、国务院印发《关于加快建设全国统一大市场的意见》，提出“加快培育数据要素市场，建立健全数据安全、权利保护、跨境传输管理、交易流通、开放共享、安全认证等基础制度和标准规范，深入开展数据资源调查，推动数据资源开发利用”。

[5]2022年12月，中共中央、国务院印发《关于构建数据基础制度更好发挥数据要素作用的意见》（《数据二十条》），作为我国首份专门针对数据要素的基础性文件，《数据二十条》为我国数据要素市场建设指明了方向，文件具体提出要构建四个制度：“建立保障权益、合规使用的数据产权制度”，“建立合规高效、场内外结合的数据要素流通和交易制度”，“建立体现效率、促进公平的数据要素收益分配制度”，“建立安全可控、弹性包容的数据要素治理制度”。

[6]2023年3月，国家数据局成立，负责协调推进数据基础制度建设，统筹数据资源整合共享和开发利用，统筹推进数字中国、数字经济、数字社会规划和建设等，由国家发展和改革委员会管理。这一机构的设立将解决数据领域的管理体制分散问题。

[7]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》，规定了数据资源的确认范围、会计处理适用准则及披露要求，将自2024年1月1日起施行。《暂行规定》明确了适用范围和数据资源会计处理适用的准则，以及列示和披露要求。要求企业应当根据重要性原则并结合实际情况增设报表子项目，通过表格方式细化披露，并规定企业可根据实际情况自愿披露数据资源（含未作为无形资产或存货确认的数据资源）的应用场景，引导企业主动加强数据资源相关信息披露。

什么是数据要素化？按照既有研究比如[8]中科院梅宏院士的表述，数据要素化是将数据确立为重要生产要素，并通过各类手段让其参与社会生产经营活动的过程，它包括三个递进的层次：数据资源化、数据资产化与数据资本化。这三个层次的划分是目前对于数据要素化的主流理解。具体而言，数据资源化是数据要素价值释放的前提，包括原始数据的获取以及后期的数据加工组织；数据资产化是在法律上确立数据的资产属性，意味着数据可以在未来产生持续收益；数据资本化通过数据股权化、数据证券化等形式，催生数据要素的更大价值。[9]从资本、土地等要素市场发展历史经验看，实现要素从资源化到资产化是具有决定意义的“第一次飞跃”，这一飞跃解决的是产品化和形成市场流通的问题。而从资产化到资本化则是“第二次飞跃”，这一飞跃对于激励资本参与产业发展、激发创新动力具有重要价值。

[10]信通院研究指出，数据资源化包含对原始数据进行加工，形成可采、可见、互通、可信的高质量数据的质量提升过程，也包含数据与具体业务融合，在驱动决策优化和业务变革中实现数据价值的过程。按照[11]王建冬（2023）的研究，数据的资源化，可以类比于“石油开采”。埋藏在地下的石油只是一种矿产，本身并不具备价值，必须对其进行开采提炼并形成质量可控的标准化原油才能进入市场流通。同样，数据大量散落在经济社会运行各个角落，很多时候以碎片化形式存在。只有对其统一采集、整理、加工，并形成质量可控、来源可信、标准互通的数据资源，才具备进入流通应用环节发挥价值的可能性。目前，我国已在数据资源化阶段初步形成产业和应用体系，但仍面临可用数据不足、数据质量不高、应用能力不强等问题。

[12]数据的资产化则是指通过界定数据权属、评估数据价值、确定数据价格、促进数据交易流通以实现数据价值的过程。是推动数据要素价值从一个场景拓展到所有场景、从一个企业拓展到所有企业、从一个产业拓展到所有产业的关键环节，是扩大数据要素价值的核心所在。类似的，[13]数据的资产化可以类比于“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，通常需要与具体业务场景相结合，在市场主体提升效率、节省成本、扩大收入过程中实现其潜在价值，这一从数据资源到数据产品和服务的过程就是数据的资产化过程。[14]信通院指出：我国数据资产化的探索已经展开，但受制于数据权属制度、定价制度、分配制度等均不明确的原因，使得数据资产化的探索仍处在初级阶段。

[15]数据的资本化是指通过数据信贷融资、数据股权证券化等资本市场来催生数据要素的更大价值，按照王建冬（2023）的框架，它可以类比于“油企投融资”。现代社会中，石油企业通过资产资本化、资本证券化，快速扩张产业规模，对数据企业而言同样如此。数据资本化的核心路径主要包括数据股权化和数据证券化两方面。数据股权化指的是可以参考技术入股等要素收入分配模式，建立数据入股的机制，允许数据需求方以股权置换数据持有方的特定数据权益，实现双方长期共同发展。数据证券化是指自企业数据资产纳入资产负债表后，可以从数据资产预计产生的未来现金流为偿付发行证券化产品，从而最大化激发数据拥有方参与数据流通交易的积极性。

实践层面，各地针对数据入股、数据证券化等方面已经展开积极探索。如2022年11月，[16]北京市第十五届人大常委会通过《北京市数字经济促进条例》，明确提出“支持开展数据入股、数据信贷、数据信托和数据资产证券化等数字经济业态创新”。2023年8月，[17]青岛华通智能科技研究院有限公司、青岛北岸数字科技集团有限公司、翼方健数（山东）信息科技有限公司三方举行了数据资产作价投资入股签约仪式。

[18]3月22日，青岛市公共数据运营平台颁发出经合规审查通过后的全市首张数据资产登记证书，迈出了将数据资源转变为数据资产的第一步。3月28日，由青岛华通智能科技研究院有限公司联合中国信息通信研究院、雄安新区智能城市创新联合会、中国联合网络通信集团有限公司、北京易华录信息技术股份有限公司等单位共同发布全国首个“数据资产价值与收益分配评价模型”标准。通过建立评价模型对数据资产进行价值评价，为数据资产评估提供了依据。

数据要素化意味着数据和其他要素资产一样，需要有一个定价。王建冬（2023）的研究指出，数据要素化过程中，资源化、资产化与资本化三个层面存在不同的定价模式。数据资源的定价主要以成本评估为主，一是传统意义上的数据资源采集开发成本，二是与数据隐私含量相关联的成本，三是与数据质量相关联的成本。数据资产化层面的定价是对基于数据资源形成的深加工数据产品定价，适合采用收益分成模式。数据资本化针对的是持有、拥有、经营数据的权益，适合采用市场导向的定价模式。目前，成本法是已被广泛采用的数据资源定价模式，不少经验案例曾成功应用这一方法来估算企业数据资源的价格。基于收益法的数据资产定价还在逐步发展。未来随着数据资本化的推进，包括数据股权化和证券化等资本市场制度的逐渐完善，基于市场法的数据资本定价将迎来发展空间。

具体来说，传统数据资源采集和开发过程涉及软件、硬件以及人力等成本，包括数据采集、标注、整合、聚合以及标准化等步骤，这些成本是数据资源的采集开发成本。当原始数据进入交易环节时，可能牵涉到个人隐私和企业商业机密等问题，因此需要对原始数据进行脱敏化和匿名化处理，这又引发了与数据隐私相关的成本。最后，与实际商品进入市场时需要一套完善、规范的质量评估和监督管理体系相似，要使数据真正商品化和可用作生产要素，就需要建立一套类似的数据资源质量评估和管理机制，这就进一步导致了与数据质量相关联的成本。

针对收益导向的数据资产价格形成机制，[19]王建冬的研究指出“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，重点还需考虑历史成交价、数据血缘、模型贡献度等收益预期类指标”。此外，具体实践中，[20]于施洋等（2023）指出，目前在金融和互联网领域的数据资产定价，绝大部分采用的是“分润”模式，比如“腾讯云市场即根据数据供应商过去一个月或者一年内销售额，按10%-20%收取交易佣金”，而分润模式下的收费定价方式就是收益法。[21]戎珂和陆志鹏（2022）指出，尽管收益法适用于原始数据直接交易等场景，但限于收益法需要确定折现率，而选择适当的折现率却并非易事，此外，收益法还需考虑数据多元化的收益实现机制，这需根据不同的应用场景去进一步确定。

针对数据资本化中数据股权化与数据证券化两种形式，市场导向的定价模式也各不相同。于施洋等（2023）指出，数据证券化中的价格生成过程与传统资产的市场法估价方法十分类似，但与传统资产市场法评估中交易标的一般是标准化的资产并拥有标准化的评估指标不同，数据资产确没有统一的衡量指标，从而在使用市场法评估数据的证券化价值时，需对可比案例的市场价值采用修正系数作为调节。而对于数据股权化，其模式实质上跟技术要素市场构建中的技术入股模式相似，一般而言，技术估价包括协商作价和评估作价两种，这或可以指导未来数据股权化的估值定价实践。

[22]2021年8月，光大银行联合瞭望智库发布《商业银行数据资产估值白皮书》，报告中，[23]光大银行借鉴《资产评估专家指引第9号》中成本法的思路，以光大银行为研究对象，针对17个估值对象确定了17个数学计算公式，结合111个计算参数，明确出198个计算指标及口径。最终，采集了198个指标数据，计算出光大银行目前的数据资产价值。

[24]2021年2月，南方电网发布《中国南方电网有限责任公司数据资产定价方法(试行)》(下文简称“《方法》”)。《方法》的发布，规定了公司数据资产的基本特征、产品类型、成本构成、定价方法并给出相关费用标准，是公司在推动数据要素市场化方面的重大举措，也是能源行业的首个数据资产定价办法。此外，[25]南方电网介绍，《办法》存在两大亮点，一则，“以成本价格法为基础，综合考虑影响数据价值实现的因素和市场供求因素对数据资产定价进行修正，不同的定价方法还可以相互校验”；二则，“结合了传统定价方法与数据资产的特殊性，列明数据资产的总成本及其构成项，给出数据资产在采集核验、分析挖掘、转移交换等各阶段产生的直接成本和间接成本的计算方法，为数据资产成本计量奠定基础，具有较强的可落地性”。

作为有价值的生产要素，那么就会涉及“入表”问题。什么是数据资产入表？数据资产入表是指将数据确认为企业资产负债表中“资产”一项，即数据资产入资产负债表，在财务报表中体现其真实价值与业务贡献。《关于构建数据基础制度更好发挥数据要素作用的意见》（“数据二十条”）明确提出“探索数据资产入表新模式”，这对于探索用货币度量数据要素的资产价值，推动数据资产化、资本化具有重要意义。在此基础上，财政部《企业数据资源相关会计处理暂行规定》和中国资产评估协会《数据资产评估指导意见》先后发布，为数据资产的评估实务提供指引。[26]《暂行规定》与《指导意见》以准确反映数据资产要素价值为目的，是财政部推动数据资产入表新模式“一体两翼”的政策实践。《暂行规定》为数据资产入表奠定了制度性基础，《指导意见》有助于规范数据资产评估执业行为，两份文件的相继出台，将对数据要素化进程起到重要推动作用。

8月21日，为规范企业数据资源相关会计处理，强化相关会计信息披露，财政部制定印发《企业数据资源相关会计处理暂行规定》（以下简称《暂行规定》）。针对数据资源是否可以作为资产确认、作为哪类资产确认和计量，以及如何进行相关信息披露等相关会计问题，《暂行规定》做出指引，并制定专门统一规定。这是财政部于2022年12月发布的《企业数据资源相关会计处理暂行规定（征求意见稿）》的正式稿，标志着数据资产入表的正式落地。

9月8日, 在财政部指导下，中国资产评估协会发布了《数据资产评估指导意见》（以下简称《指导意见》），为数据资产的评估实务提供了指引，是继《暂行规定》后，又一部推动数据资产化的财会文件。与《暂行规定》类似，《指导意见》也是2022年6月中国资产评估协会发布的《数据资产评估指导意见（征求意见稿）》的正式稿。具体而言，《指导意见》明确了数据资产的属性定义、评估对象、操作要求、评估方法和披露等要求，并进一步提出“执行数据资产评估业务，需要关注影响数据资产价值的成本因素、场景因素、市场因素和质量因素”。

根据[27]国家信息中心对数据资产入表机制的解读，数据资产入表的路径涉及“数据资产确认—数据资产评估—数据资产计量—数据资产披露”四个环节。在数据资产确认环节，需明确数据资产的“身份”与边界，数据资产确认是数据资产入表的关键前提；在数据资产评估环节，需明确数据资产质量评估、安全合规评估、价值评估的方式方法；在数据资产计量和披露环节，需明确数据资产的成本与价值。

针对入表的适用范围，《暂行规定》指出，“本规定适用于企业按照企业会计准则相关规定确认为无形资产或存货等资产类别的数据资源，以及企业合法拥有或控制的、预期会给企业带来经济利益的、但由于不满足企业会计准则相关资产确认条件而未确认为资产的数据资源的相关会计处理”。

数据资源会计处理适用准则上，《暂行规定》指出，“企业使用的数据资源，符合《企业会计准则第 6 号——无形资产》规定的定义和确认条件的，应当确认为无形资产”，“企业应当按照无形资产准则、《〈企业会计准则第 6号——无形资产〉应用指南》等规定，对确认为无形资产的数据资源进行初始计量、后续计量、处置和报废等相关会计处理”；此外，“企业日常活动中持有、最终目的用于出售的数据资源，符合《企业会计准则第1号—存货》规定的定义和确认条件的，应当确认为存货”，“企业应当按照存货准则、《〈企业会计准则第 1 号——存货〉应用指南》等规定，对确认为存货的数据资源进行初始计量、后续计量等相关会计处理”。

列示和披露要求上，《暂行规定》指出，“企业在编制资产负债表时，应当根据重要性原则并结合本企业的实际情况，在“存货”项目下增设“其中：数据资源”项目，反映资产负债表日确认为存货的数据资源的期末账面价值；在“无形资产”项目下增设“其中：数据资源”项目，反映资产负债表日确认为无形资产的数据资源的期末账面价值；在“开发支出”项目下增设“其中：数据资源”项目，反映资产负债表日正在进行数据资源研究开发项目满足资本化条件的支出金额”。

数据资产入表将从微观层面产生深远影响。中国庞大的存量人口、先进制造业为导向的产业政策，和相对发展较早的数字经济形态意味着数据资产的价值不容小觑。数据资产入表一则将增加企业资产规模，降低企业负债率，从而改善企业资产负债水平；二则数据资产入表的背景下，企业理论上可以通过抵押贷款、数据入股、融资租赁等方式优化企业融资问题，微观杠杆率的特征会有所变化；三则通过将数据要素投入生产，以及生产优化、运营效率提升、产品服务创新、商业业态转变等途径，可以提升企业生产经营效率；四则数据资产入表对于相关高技术行业是一种激励，同时也会激励传统行业数字化创新改造。

[28]2023年3月，深圳数据交易所联合中国光大银行深圳分行以及第三方中介服务机构开展了全国首笔无质押数据资产增信服务，成功落地首笔数据资产贷款业务，深圳数据交易所数据商深圳微言科技有限责任公司获批1000万元的信用贷款，并于2023年3月30日收到款项。这意味着以数据资产化作为新型融资方式正在破解科技型中小企业融资难问题。

国家工业信息安全发展研究中心联合北京大学光华管理学院、苏州工业园区管理委员会、上海数据交易所共同编写的《中国数据要素市场发展报告（2021-2022）》通过对5000多个项目信息分析，发现数据要素增加企业效益成果明显。报告指出“总体来说，数据要素使得工业企业业务增长平均增加41.18%，生产效率平均提高42.8%，产品研发周期平均缩短15.33%，能源利用率平均提高10.19%”。

此外，《中国数据要素市场发展报告（2021-2022）》通过对726家上市公司数字化转型的调研，分析数据要素过程对企业绩效的影响，发现三点：首先，从数据要素提升企业经济效益的强度来看，数据要素显著提升企业总资产净利润率（ROA），远超上市公司近30年平均水平（2.27%）。其次，根据对数据要素应用水平的高低，将上市公司分成数据要素应用高分组（高于平均值一个标准偏差）和低分组（低于平均值一个标准差），比较两者的财务回报，2021年数据要素应用高分组的企业ROA平均为3.60%，而数据要素应用低分组的企业ROA为-1.10%，两者差异为4.70%。最后，数据要素提升企业经济韧性，加大企业间分化，与2020年相比，两组企业ROA的差异增加0.1%，统计上存在显著区别，考虑到2020年疫情等情况影响，数据要素应用低分组的企业的ROA显著下降，而数据要素应用高分组的企业受影响较小，两者差异将逐渐增大。

数据要素化的推进同样会影响宏观层面，它会对以工业经济为基础的国民经济核算体系带来一定挑战。数据资产入表对应的是微观层面的企业会计核算体系；而以此为微观基础的宏观层面的国民经济核算，也一样需做出相应变革。2020年联合国统计委员会第51次会议通过全面修订《2008年国民账户体系》（SNA2008）形成新一版SNA2025 的决议，并明确提出“数据如何纳入国民账户体系”的议题，但当下就数据在国民经济核算中应如何处理仍未达成一致认识及规范的实操方法。[29]2020年1月，全国统计工作会议要求“认真开展数据生产要素统计和核算研究”，[30]深圳市也已于2020年开启数据要素统计核算试点，首创我国数据生产要素统计报表制度，2023年2月深圳统计局指出“深圳试点形成的核心观点与联合国SNA2025最新修订方向基本一致”。

2020年联合国统计委员会第51次会议通过了全面修订《2008年国民账户体系》（SNA2008）形成新一版SNA2025的决议，明确提出了“数据如何纳入国民账户体系”的议题。此外，就如何在国民账户体系中记录数据资产，[31]ISWGNA（2020）最新议程也提出了两种方案。一是从概念的角度来看，将数据作为一种单独的固定资产，在“计算机软件、数据和数据库”项下为数据设立一个新的固定资产类别。这种选择将数据资产与数据库分离，以突出数据在当今经济中的重要性。二是从活动相关性角度出发，可以考虑拓展数据库的概念，使其包含数据，在数据库资本形成方面扩大核算范围，以包括产生或获得数据的费用。

国内实践上，[32]在国家政策支持下，深圳市已于2020年开启数据要素统计核算机制探索。2020年10月，国务院办公厅授权深圳开展数据要素统计核算试点，深圳市统计局在充分调研腾讯、百度、中兴、大疆及字节跳动等代表性企业的基础上，2020年初步完成了对数据生产要素统计核算理论和方法的系统性研究，形成了一份统计核算研究报告、一套统计报表制度及一个统计核算方法，解决了数据生产要素统计核算面临的一系列基本问题。

随后，[33]2021年深圳市在南山区首次实施区域性统计调查，覆盖调查对象8400多家。[34]2021年7月，广东省政府印发《广东省数据要素市场化配置改革行动方案》，指出“推动深圳先行示范区数据要素市场化配置改革试点建设”，“开展数据生产要素统计核算试点”。

[35]2022年试点进一步拓展到深圳全市，主要针对基本理论、调查方法、报表制度、辅助台账、核算方法进行了深入完善。2022年11月，广东省政务服务数据管理局发布《广东省数据要素市场化配置改革》白皮书，指出“探索数据要素统计核算，推动数据资产入表”。

[36]深圳市统计局数据生产要素统计核算试点获评深圳市2022年度优秀改革案例，三年试点主要形成6个创新成果。一是界定了数据要素的概念内涵，厘清了统计核算的边界；二是将数据业务划分为六个环节，融合数据业务环节和数据形态演变研究发现了数据价值链；三是研制了数据要素统计报表制度和统计辅助台账；四是形成了以重点调查及“直接调查+间接推算”为主的统计调查方法；五是参照国债收益率引入调整系数形成“调整成本法”；六是构建了“数据要素支出——数据要素固定资本形成——数据要素净产出（对GDP的影响）”三层次测算体系。

理论探索层面，[37]许宪春等（2022）基于[38]OECD（2013）与[39]Rassier等（2019）既有研究，构建了数据收集-数据存储-数据分析-数据应用的四阶段数据价值链，进一步分析数据的生产属性，其认为，一则数据作为生产活动的结果应该作为生产资产纳入国民经济核算，二则数据资产是指“拥有应用场景且在生产过程中被反复或连续使用一年以上的数据”；三则在数据支出资本化核算分类的基础上，可采用调整的成本法对数据资产价值进行核算。此外，[40]许宪春等（2021）指出数据作为生产要素与新型资产将对生产、投资、消费和收入等统计领域带来改变。

对于数据收集-数据存储-数据分析-数据应用的四阶段数据价值链，具体而言，许宪春等（2022）指出，数据收集是“以数字化形式对观察进行的采集、获取、传输等记录活动，该阶段将观察以数字化形式记录为原始数据”；数据存储指“对所收集的数字化数据进行数据清洗、整理和编码，并以自有服务器或云端运维的方式将数据进行存储，形成标准化、结构化的数据，以供高效访问和使用”；数据分析是“数据科学家或开发应用人员利用数据科学、数据挖掘、机器学习等分析手段对上述已标准化、结构化的数据进一步加工分析，提炼输出有用的知识，建立知识图谱，数据进一步增值”；数据应用则是“基于数据分析形成的知识做出决策，并进一步将决策应用于特定使用场景，最终实现数据的多元化应用价值”。

可以借鉴无形资产估值方法，对数据资产价值展开评估，市场法、收益法和成本法是三种基本方法。市场法是根据市场上同类或相似数据资产的最近交易价格来估计目标数据资产的价值。然而，当前全球范围内的数据市场普遍存在缺乏完善的交易标准、规则和法律等问题，因此，许宪春等（2022）指出“市场法仅适用于极少数数据资产原件的市场交易情形，并不适用于绝大多数自产自用型数据资产的估值”。收益法则是通过折现数据资产未来预期应用场景产生的经济收益，来确定数据资产的合理价值。然而，由于数据资产的未来收益流具有高度不确定性，因此在实践中也难以践行。从而，许宪春等（2022）指出，相较于市场法与收益法，“成本法更具客观性、可靠性和较强可行性”，并且提到《知识产权产品资本测度手册》与中国资产评估协会以及中国信息通讯研究院（2020）也都认为数据资产价值测度应优先采用成本法。

具体而言，[41]成本法是“通过加总数据价值链增值过程中的劳动成本、中间投入以及使用的资本服务成本等各项成本来确定数据资产的价值，包括劳动者报酬、中间投入、固定资本消耗、资本净收益和其他生产税净额等几项”。其中，劳动者报酬涉及支付给从事数据收集、存储、分析和应用工作以及提供相关服务的人员的费用，包括工资、薪金、福利、奖金、假日津贴、养老金缴纳费用、工资税等。中间投入涉及数据生产活动中用于直接投入的设备租赁费用、设备运营费用、非资产性材料、行政费用等。固定资本消耗涉及数据生产活动中建筑物、仪器设备等的固定资产折旧。资本净收益是用于数据生产活动的固定资产所带来的资本净收益。其他生产税净额包括其他生产税和其补贴之差。许宪春等（2022）还给出了如下的数据资产价值估算公式：

“成本法数据资产价值=直接从事数据生产活动的工作时间占其实际工作时间的平均比例×相关职业类型人员总数×职工平均工资+用于数据生产活动的中间投入成本+与数据生产活动相关的资本服务成本+其他生产税减补贴”

“调整的成本法数据资产价值=数据资产的总成本×是否被应用于具体场景（“是”则取值“1”；“否”则取值“0”）×使用者数量×使用次数”

此外，许宪春等（2021）认为数据作为生产要素与新型资产将对生产、投资、消费和收入等统计领域带来改变。归纳来看，一则生产角度，当数据支出由过去的费用化核算变成资本化核算，总产出与增加值将发生变化；二则投资角度，未来随着数据资产作为生产资产计入固定资产，数据投资将计入固定资本形成；三则消费角度，政府部门作为非市场生产者使用数据，数据资本化前，支出是计入政府消费支出，而数据资本化后，支出将被视为固定资本形成，从而将减少政府消费支出，但数据资产折旧将计入政府消费支出；四则收入角度，数据资本化对收入的形成和分配产生影响，对市场生产者和非市场生产者的使用数据方式有不同影响，同时个人数据如何参与企业收益的分配也引发争议。

其他经验研究亦倾向于认为，数据作为新型生产要素，从长期来看将对产业基础高级化和经济转型升级起到重要的促进作用。数据要素一则将赋能其他生产要素，通过提高劳动、资本等其他要素之间的协同性，来实现资源配置效率，进而全要素生产率的贡献将上升；二则可利用非竞争性、非排他性和低成本复制带来的正外部性，实现价值创造能力的倍增，从而发挥宏观规模效应；三则数据要素化将释放数据价值，这种数据价值如果得到有效利用，可以助推地方政府土地财政向多元化财政转型。

[42]蔡跃洲和马文君（2021）的研究指出数据要素具有“关键要素低成本、大规模可获得的基本特性”，以及“非竞争性、低复制成本、非排他性、外部性、即时性等技术-经济特征”，这将使得数据要素能够“提升企业生产经营效率、实现价值创造能力倍增、增加消费者剩余和福利”，但这些特性也衍生出“隐私泄露、数据垄断等问题”，也会对增长和福利造成负面影响。

针对数据资本存量，[43]加拿大统计局（2019）利用劳动力调查中标准职业分类的就业和报酬统计数据，并设定数据相关的非劳动力成本是数据相关的劳动力成本的一半、数据资本回报率占总成本3%等关键参数，测算了国家和机构部门层面的数据资产的投资和资本存量价值。[44]徐翔和赵墨非（2020）借鉴加拿大统计局（2019）的做法，在一定的模型参数假设下，基于数值模拟测算了中国数据资本存量水平，研究认为2019年中国数据资本存量超过9万亿元，占比中国社会总资本的5%左右。

《中国数据要素市场发展报告（2021-2022）》估算了近年来数据要素对GDP的贡献率和贡献度，结果显示，2021年数据要素对GDP增长的贡献率达到14.7%，贡献度为0.83个百分点。历史变化趋势上，2015-2021年间，数据要素对历年GDP增长的贡献率呈现持续上升态势，而从数据要素的贡献度来看，除2019年出现下滑以外，其它年份基本维持在0.8个百分点以上。总体来说，数据要素对经济增长所发挥的促进作用正在加大，但当下的贡献仍处较低水平，未来提升空间仍很大。

数据财政方面，[45]北京、上海、成都、济南等地陆续针对公共数据授权出台方案，各地相继发布了《济南市公共数据授权运营办法（征求意见稿）》、《青岛市公共数据运营试点管理暂行办法》、《长春市公共数据授权运营管理办法（试行）（征求意见稿）》、《长沙市政务数据运营暂行管理办法（征求意见稿）》、《北京市公共数据专区授权运营管理办法（征求意见稿）》。[46]9月1日，杭州市政府也公布了《杭州市公共数据授权运营实施方案（试行）》，明确提出要“探索将公共数据授权运营纳入政府国有资源（资产）有偿使用范围，反哺财政预算收入”。

最后是对资产定价的影响。中长期看，数据要素化将带来三方面影响：第一，数据要素化将推动数字经济成为继农业经济、工业经济后的新经济形态之一，在政策重视下，数字新产业以及数字技术赋能的新工业与新服务业有望加快发展，这将带来相对应的权益资产的价值增长与结构性溢价；第二，随着未来公共数据开放利用与授权运营的推进，公共数据价值将得到进一步发掘和释放，与过去30年土地价值的释放过程类似，数据出让金、数据税、数据发债、数据创投等创新模式均有出现可能，这将带来我们对地方财政、商业形态、企业资产负债表理解上的变化，并影响相关资产定价；第三，如果未来数据资产计入国民经济核算体系，GDP的驱动结构也会有所变化，我们依据传统要素推演的对经济增长的理解也需要做出调整，这亦会影响资产定价。当然，这里只是一个框架性的理解，上述影响的显性化是一个逐步的过程。

风险提示：技术演变超预期；改革政策推进超预期；宏观经济和金融环境变化超预期；外部环境变化超预期；对数据要素化及其推进过程理解不准确；对数据资产入表理解不准确；对既有涉及数据要素化的理论研究理解不准确；对已出台的数据要素化政策理解不准确。

[1]https://www.12371.cn/2019/11/05/ARTI1572948516253457.shtml

[2]https://www.gov.cn/zhengce/2020-04/09/content_5500622.htm

[3]https://www.gov.cn/zhengce/content/2022-01/12/content_5667817.htm

[4]https://www.gov.cn/zhengce/2022-04/10/content_5684385.htm

[5]https://www.gov.cn/zhengce/2022-12/19/content_5732695.htm

[6]https://www.gov.cn/govweb/guowuyuan/2023-03/08/content_5745356.htm

[7]https://www.gov.cn/govweb/lianbo/bumen/202308/content_6899425.htm

[8]https://m.gmw.cn/baijia/2023-01/03/36274714.html

[9]于施洋, 王建冬, 黄倩倩. (2023). 论数据要素市场. 北京: 人民出版社.

[10] https://gbdy.ndrc.gov.cn/gbdyzcjd/202212/t20221219_1343686.html

[11]王建冬.全国统一数据大市场下创新数据价格形成机制的政策思考[J].价格理论与实践,2023(03):15-19.

[12]https://gbdy.ndrc.gov.cn/gbdyzcjd/202212/t20221219_1343686.html

[13]王建冬.全国统一数据大市场下创新数据价格形成机制的政策思考[J].价格理论与实践,2023(03):15-19.

[14]https://gbdy.ndrc.gov.cn/gbdyzcjd/202212/t20221219_1343686.html

[15]王建冬.全国统一数据大市场下创新数据价格形成机制的政策思考[J].价格理论与实践,2023(03):15-19.

[16]http://www.bjrd.gov.cn/xwzx/cwhgg/202211/t20221128_2867338.html

[17]http://bdb.shandong.gov.cn/art/2023/9/26/art_79172_10320027.html

[18]http://bdb.shandong.gov.cn/art/2023/9/26/art_79172_10320027.html

[19]https://new.qq.com/rain/a/20230711A04BZQ00

[20]于施洋, 王建冬, 黄倩倩. (2023). 论数据要素市场. 北京: 人民出版社.

[21]戎珂，陆志鹏. (2022). 数据要素论. 北京: 人民出版社.

[22]https://baijiahao.baidu.com/s?id=1707698881163278193&wfr=spider&for=pc

[23]于施洋, 王建冬, 黄倩倩. (2023). 论数据要素市场. 北京: 人民出版社.

[24]http://paper.people.com.cn/zgnyb/html/2021-03/15/content_2038542.htm

[25]http://paper.people.com.cn/zgnyb/html/2021-03/15/content_2038542.htm

[26]https://www.163.com/dy/article/IE57SSCU05199NPP.html

[27]https://www.ndrc.gov.cn/xxgk/jd/jd/202212/t20221220_1343698.html

[28]https://baijiahao.baidu.com/s?id=1762235749582610731&wfr=spider&for=pc

[29]http://www.stats.gov.cn/xw/tjxw/tjdt/202302/t20230202_1894519.html

[30]http://tjj.sz.gov.cn/zwgk/zfxxgkml/qt/gzdt/content/post_10429744.html

[31]https://unece.org/fileadmin/DAM/stats/documents/ece/ces/ge.20/2020/mtg1/Annex_II._SNA_research_agenda._Extarct_from_ISWGNA_report.pdf

[32]http://tjj.sz.gov.cn/zwgk/zfxxgkml/qt/gzdt/content/post_10429744.html

[33]http://tjj.sz.gov.cn/zwgk/zfxxgkml/qt/gzdt/content/post_10429744.html

[34]http://www.gd.gov.cn/zwgk/gongbao/2021/20/content/post_3369676.html

[35]http://tjj.sz.gov.cn/zwgk/zfxxgkml/qt/gzdt/content/post_10429744.html

[36]http://tjj.sz.gov.cn/zwgk/zfxxgkml/qt/gzdt/content/post_10429744.html

[37]许宪春,张钟文,胡亚茹.数据资产统计与核算问题研究[J].管理世界,2022,38(02):16-30+2.

[38]OECD, 2013, “Exploring the Economics of Personal Data：A Survey of Methodologies for Measuring Monetary Value”, OECD Digital Economy Papers.

[39]Rassier, D. G., Kornfeld, R. J. and Strassner, E. H., 2019, “Treatment of Data in National Accounts”, Paper prepared for the BEA Advisory Committee.

[40]许宪春,张美慧,张钟文.数字化转型与经济社会统计的挑战和创新[J].统计研究,2021,38(01):15-26.

[41]许宪春,张钟文,胡亚茹.数据资产统计与核算问题研究[J].管理世界,2022,38(02):16-30+2.

[42]蔡跃洲,马文君.数据要素对高质量发展影响与数据流动制约[J].数量经济技术经济研究,2021,38(03):64-83.

[43]Statistics Canada. Measuring investment in data, databases and data science: Conceptual framework. https://www150.statcan.gc.ca/n1/pub/13-605-x/2019001/article/00008-eng.htm

[44]徐翔,赵墨非.数据资本与经济增长路径[J].经济研究,2020,55(10):38-54.

[45]https://www.hangzhou.gov.cn/art/2023/9/8/art_1229063385_1837129.html

[46]https://www.hangzhou.gov.cn/art/2023/9/8/art_1229063382_1837127.html

郭磊篇

【广发宏观郭磊】原材料库存调整带来PMI短期回踩

【广发宏观郭磊】增发国债的三重意义

【广发宏观郭磊】三季度GDP增速为何超预期

【广发宏观郭磊】平减指数已逐步回升

【广发宏观郭磊】9月出口表现及其对宏观面的影响

【广发宏观郭磊】宏观面剪刀差

【广发宏观郭磊】8月大部分经济指标均有好转

【广发宏观郭磊】价格周期完成触底