研究成果｜数据资产化视角下企业增信机制研究——基于深圳的实践探索

  内容提要  

数据资产的涌现拓宽了企业增信的方式与措施。本文在理论上阐述了数据资产化过程中的资产形成机制、价格形成机制和信用形成机制，提出数据资产在信息增信和风险补偿增信方面均可为数据要素型企业提供新机制。基于深圳开展的全国首笔无质押数据资产增信案例，发现数据交易所在信息增信机制中可发挥规范效应、聚集效应、创新效应和示范效应，为理顺数据要素价格、推动数据要素市场发展提供有益借鉴。

作者单位：李红光、李颖，深圳数据交易所有限公司；王磊，中国光大银行深圳分行

  一、问题的提出  

随着大数据、云计算、人工智能、区块链等新一代信息技术的发展，催生以数据要素为核心的数字经济边界不断扩展，数据在企业信用评价中的作用愈发明显。一方面，以平台经济为代表的数字生态系统通过连接大量用户,积累了海量替代数据,成为银行信用风险评估的重要参考依据，为企业增信提供了新机制、新方法与新路径；另一方面，各数字经济平台与金融科技企业（以下统称为“数据要素型企业”）随着数据积累、算法迭代与算力提升，基于金融风控等场景下的数据产品不断丰富，形成了规模可观的数据资产。据初步测算，目前我国企业数据要素直接支出金额达3.3万亿元，考虑数据资产评估等业务的间接支出后，整体支出金额可能超过30万亿元①（卢延纯，2023）。如何盘活数据资产，提高数据要素支出中资本化的比例，是数据要素型企业提升企业价值的关键。其中，利用数据资产为企业增信是盘活数据资产、释放数据价值的可选路径。

大数据的出现并没有改变企业增信的基本逻辑，但进一步拓宽了企业增信的方式。企业增信可以分为信息增信和风险补偿增信（王晓明，2020）。信息增信旨在解决放贷机构与企业之间的信息不对称问题，解决这种不对称问题的基本方式包括征信和信用评级。在此基础上，围绕信用信息的加工、修复、重建等过程，又形成信息共享、另类数据应用以及信用修复等多种方式。风险补偿增信旨在降低放贷机构的贷款损失风险，形成了抵质押担保、保险增信、信用衍生工具、企业内部增信、政府增信等不同形式。高价值数据既可以成为信息增信的载体，也可成为风险补偿增信的基础，这是基于数据要素增信的独特之处，数据在增信过程中发挥了叠加、倍增的作用。通过数据提炼信息，抑或将数据资源提炼为数据资产，为企业增信提供增量路径。对于数据要素型企业而言，由于其是数据的持有者与加工使用者，如何将数据资源合规高效地转换为数据资产，是企业基于数据资产增信的前提。

本文的创新之处在于：一是从理论上厘清从数据资产到数据增信的发生机制；二是基于现实案例对数据资产的增信路径进行分析，重点分析了如何解决数据增信中诸如数据交易不活跃、数据资产评估难度大、配套政策不完备等难点问题；三是对数据交易所在数据增信中的价值进行提炼，并基于市场主体的实践进行分析，以期为政策的完善提供市场依据。

  二、基于数据资产化的企业增信机制  

数据资产是企业在日常经营活动中积累或从外部渠道获取的，具有所有权或控制权的，预期能够在未来一定时期内为企业带来经济利益的数据资源，具有可变现、可控制、可计量的特征（中国信息通信研究院，2020）。而数据资源具有非竞争性、非消耗性、权属界定难等特征，其价值受到数据规模、时效、准确性、完整性以及应用场景等不同因素影响。数据资源中“可确权、有价值”的部分才可能成为企业的数据资产。数据资产化需要解决三个重要问题：数据资产确权（可控制）、数据资产估值与交易（可变现）以及数据资产入表（可计量）。据此，基于数据资产化的企业增信机制可以分解为以下三种机制：资产形成机制、价格形成机制以及信用形成机制。其中，资产形成机制关注数据资产如何形成，价格形成机制关注数据资产如何定价，信用形成机制关注如何促进数据资产在企业增信中的倍增效应。

（一）数据资产化中的资产形成机制

数据资产形成的关键在于企业对数据的“加工工艺”，其使得加工形成的数据要素支出更多地体现为资本化而非费用化，并且整个加工流程符合数据合规要求。以苹果、腾讯为代表的国内外大科技公司在将数据资源转化为数据资产的过程中，大都聚焦对数据资源的提纯，通过将用户行为等数据加工成指标数据（如用户数量、用户参与度），形成涵盖用户数量、用户参与度等维度的数据产品，避免扩大对个人数据本身的所有权和控制权，保证加工过程中的数据合规。形成的数据产品本身具备可衡量、可解释和可货币化（如通过订阅或销售访问权限）等特点，即具备数据资产化的基本条件（Birch等，2021）。因此，将数据资源加工为数据产品是数据资产的内在形成机制。

目前，我国数据要素市场尚未具备大规模供给数据产品的能力，大量高质量数据源没有被开发利用形成具备流通价值的数据产品。实践中，大部分数据要素型企业仅在财务报告的附注中单独披露数据及数据资产相关信息，未在资产负债表中单独列报数据资产（季周和李琳，2022）。这不仅是企业数据资源产品化能力不足的体现，也在很大程度上反映了数据资产确认和计量的复杂性。

随着《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》中引入“数据产品经营权”，数据产品未来将成为数据要素流通的主要形态，企业有动力将高质量数据资源、算法和模型形成数据产品，这将给数据市场供给侧带来结构性优化，加速数据资产的形成。

（二）数据资产化中的价格形成机制

从数据资产的形成机制出发，企业数据遵循从资源产品化定价到产品资产化定价的价格形成路径。资源产品化定价机制形成于企业数据资源内部流通阶段，企业通过构建以业务价值创造为导向、以“责权利”和“量本利”为主线的数据资产管理体系，形成有价值的数据产品，利用成本法对数据资源产品化过程中形成的历史成本进行估计，在各项成本归集的基础上考虑数据资产的质量因素、安全因素、物价因素等，并对资产价值进行修正。产品资产化定价机制形成于企业数据产品外部流通阶段，利用收益法对数据资产未来一段时期内的收益折现，形成数据资产价格的现值，用于评估数据交易、数据融资等方式下数据变现的价值。

对数据资产价值的准确评估是完善价格形成机制的关键，通过综合运用成本法、收益法和市场法评估数据资产的货币价值，反映数据资产对企业整体价值的贡献。当前，基于成本法的数据资源产品化定价机制已在业界得到实践，如国网福建通过采集、清洗、分析、可视化、标准化等数据处理技术手段，将无序的电力原始数据加工为满足业务需求的数据资产，并基于成本法对数据产品成本进行测算（田雪等，2023）。在数据产品资产化层面，模型化的数据产品是主流的数据流通交易形态，需遵循产品资产化的价格形成机制。因此，基于收益法的数据资产定价方法是当前应当重点突破的理论问题（王建冬，2023）。

（三）数据资产化中的信用形成机制

 数据资产对数据要素型企业的信用提升具有叠加、倍增效应。非数据要素型企业对于数据的利用层次较低，多将企业财务数据、经营数据作为信息的形态使用，其在一定程度上可以形成信息增信机制，但通常需要其他非数据资产进行风险补偿增信。对数据要素型企业而言，企业经营情况和数据资产价值高度相关，一方面，数据资产可以形成信息增信的依据；另一方面，可以直接作为资产质押满足放贷机构的风险补偿需求（见表1）。只要数据资产价值稳定、可计量，其信息增信机制与风险补偿增信机制就容易形成相互支撑、相互叠加的效应。但需要注意的是：在特定场景下，定制的数据资产可能存在流通性较弱、难以处置变现的问题，可能带来一定的流动性风险。因此，选择合适的数据资产以及合适的资产评估法方式是企业数据资产化中信用形成机制的重要考量。

  三、数据资产化的发展及其面临的困境  

（一）数据资产化开展的现状 

数据资产化是基于数据资产开展的衍生金融业务。理论上说，基于传统无形资产开展的企业融资、并购重组等业务，都可以基于数据资产开展，形成诸如数据增信、数据信托、数据保险、数据证券化等新的商业模式和融资模式。但在实践中，由于数据资产入表等前置性工作尚未完成，数据资产化尚不具有大规模开展的条件，仅在部分区域和部分业务领域以点状、零星的案例探索形式开展。

目前，我国数据资产化业务主要集中在数据增信领域，主要方式是数据质押贷款。2016年贵阳银行曾向“新三板”挂牌公司东方科技发放了一笔100万元的贷款，质押物为储存在该公司电脑里的水文数据。此后，全国零星出现基于数据资产质押的融资案例，但并未形成标准化的业务模式。风险补偿增信机制下，企业数据资产登记条件不成熟，数据资产质押登记的法律效力不明确，数据资产质押融资也未形成稳定模式。随着数据要素市场的不断建设和企业对数据资产入表的不断探索（如上市公司海天瑞声在其2021年财报中将数据资产纳入“存货”科目计量），近年来，我国开展数据资产化的条件愈发成熟，诸如中诚信托、人保财险（深圳）等金融机构也推出数据信托、网络（数据）安全保险等产品，但相关业务仍处于前期探索阶段。

（二）数据资产化面临的困境

数据交易不活跃、数据资产评估难度大、配套政策不完备等问题，制约着数据资产化的进一步实践。

 1.数据交易不活跃阻碍数据资产的变现能力。目前，大多数企业意识到数据资源对业务产生的价值，但限于数据交易不活跃，难以利用数据本身进行资产化变现。2022年，深圳市统计局在深圳全市开展数据生产要素统计核算试点，发现数据要素支出呈现向重点行业集中、向头部企业聚集、以内部支出为主的特征，用于外购数据服务的支出仅约占整体支出的5%②。数据交易不活跃从源头上制约着企业数据资产化中的价格形成机制，阻碍着数据资产的变现能力。

2.数据资产评估难度大提高了数据资产化的业务门槛。目前，没有专门适用于数据资产的估值方法，成本法、收益法、市场法等现行估值方法难以匹配数据资产的多种形态与全生命周期估值的需求。目前国内数据资产评估案例非常少，据中国资产评估协会统计，2022年全行业仅出具了6份数据资产评估报告。数据资产评估难度大，抬高了数据资产化的业务门槛，难以形成稳定的业务模式。

3.配套政策不完备降低了企业开展数据资产化业务的意愿。目前，全国范围内尚未形成有效的数据资产登记体系，数据资产的质押登记面临现实障碍。此外，数据资产入表的路径尚不清晰，没有形成稳定的数据资产变现渠道。这些政策要件的缺失降低了企业变现数据资产的意愿。

综上，数据资产化是深化数据应用、释放数据价值的重要渠道。但在数据交易不活跃、数据资产评估难度大、配套政策不完备等现实障碍下，业界尚处于实践探索阶段。因此，相关实践案例的落地，有可能形成以点带面的突破效应，为数据资产化中的痛点、堵点、难点提供市场化的解决方案。

  四、数据资产化的深圳实践：基于信息增信机制  

通过培育数据交易市场、创新数据资产评估方法、改变增信机制等方式，深圳市相关市场主体通力合作，克服了数据资产评估难度大、配套政策缺失等问题，跑通业务闭环，形成落地案例。

具体而言，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，深圳数据交易所数据商深圳微言科技有限责任公司（以下简称“微言科技”）获批1000万元的信用贷款，并于2023年3月30日收到款项。

交易流程如下：数据资产确权、审核与价值评估环节，深圳数据交易所和第三方服务机构从数据安全合规评估、数据质量评估和数据资产价值评估三个方面对交易标的进行把关，确保数据资产的估值准确。信贷审批环节，光大银行总行数据资产管理部基于深数所数据商认证流程，以及上市产品与场内备案交易情况，协同深数所与第三方机构完成企业的数据资产质量评估和价值评估。光大银行深圳分行结合企业数据产品的上架登记和内外部估值情况，综合评估后完成对企业的授信审批。

在该案例中，通过“所商分离”培育数据交易市场、创新数据资产评估流程、改变增信机制等方式，交易参与方重点解决了数据交易不活跃、数据资产评估难度大、配套政策缺失的问题。

培育数据交易市场方面：深圳数据交易所通过建设多层次的数据资源合作机制与数据资源产品化开发体系，推动高质量数据资源汇聚、助力高质量数据产品开发，挖掘更丰富的应用场景，实现“以需求驱动交易，以收益引导供给”的良性循环，吸引了包括微言科技在内的大批数据商进场交易。在“所商分离”的原则下，深圳数据交易所有动力为数据商提供差异化的增值服务，数据商通过场内交易，也有利于其资产价格信号的形成，为数据资产化做好前期准备。

创新数据资产评估流程方面：将数据安全合规评估、数据质量评估作为数据资产价值评估的前置条件，全方位对交易标的进行把关，确保数据资产的估值准确。数据安全合规评估方面，深圳数据交易所对交易主体（即微言科技）和交易标的（即相关数据产品）进行双审核，最终完成数据产品权属确认和安全审核，并完成数据产品的平台公示和合规上市；数据质量评估方面，检测机构从平台功能性、数据管理水平、技术含量、市场潜力和价值创造等维度进行打分，计算得到数据资产质量的综合评价结果；数据资产价值评估方面，资产评估机构综合参考应用场景、标准规范、资产权属等因素，对数据资产从收益途径进行估值，通过对数据产品未来收益的现金流进行预测，并用适当的折现率折现成现值后加总得到数据资产的价值。

改变增信机制方面：该案例基于信息增信机制为企业授信。信息增信机制下的融资模式相比风险补偿增信机制下的融资模式更加适用于数据要素型企业，原因如下：一是全国范围内尚未形成有效的数据资产登记体系，数据资产的质押登记面临现实障碍，但数据登记并不影响数据确权工作的开展，信息增信机制下数据资产面临确权而非质押登记的问题，相应的法律障碍较小；二是数据资产项下风险补偿机制的有效性与数据资产的变现能力息息相关，数据资产在不同场景体现不同的使用价值，有一定的资产专用性特点，数据资产的信号价值大于其变现价值。因此，通过信息增信机制，有利于在相关配套政策缺失的情况下，利用数据资产的信号价值，高效、合规地进行数据价值变现。

深圳数据交易所在本案例中发挥桥梁和纽带作用，是案例得以落地的关键。深圳数据交易所通过促进规范效应、聚集效应、创新效应和示范效应推动案例落地：

（一）规范效应

规范的数据治理是数据资产增信的前提。深圳数据交易所为交易主体提供数据分级分类指引、合规流通、应用规划等服务，构建覆盖采集、传输、储存等全链条的合规服务体系。数据要素型企业在数据交易所上架数据交易标的，可以通过自评估等方式持续优化公司的数据治理水平，提高自身资信，在融资方面创造更大的便利与价值。深圳数据交易所对交易主体和交易标的进行双审核，通过规范的审核流程确保交易主体数据资产的安全合规，便利交易主体开展基于数据资产的融资工作。

（二）聚集效应

根据“数据二十条”中所商分离的要求，深圳数据交易所大力培育以数据商和第三方服务商为主体的交易市场，在场内沉淀了一批具备开发高质量数据产品的数据商和有能力提供数据安全合规评估、数据质量评估和数据资产价值评估的第三方服务机构，为数据资产增信的达成提供良好的多方协作环境。截至2023年4月底，深数所已汇聚数据提供方、数据商、数据需求方、第三方服务机构等市场主体740家，其中来自深圳市外的参与主体超70%。深数所已完成登记的数据交易超700余笔，交易金额超20亿元，覆盖金融科技、数字营销等百余类应用场景，数据的交易价值凸显。聚集效应下，数据提供方、数据购买方、中介服务方以及数据监管部门等众多机构，共同构成完整的场内交易平台市场生态。数据资源和数据资产之间转换链路与变现周期在数据交易平台的撮合下显著缩短，变现效率不断提高。

（三）创新效应

数据产品的具体表现形态可能为软件、平台、指数、模型、算法、报告等多种形式，并且大多数数据产品或服务中均不同程度地包含了数据、算法和算力三类基本要素，对数据产品中包含的算法要素部分，需要沿用知识产权的权属界定模式进行（于施洋等，2023）。基于数据产品的表现形态，深圳数据交易所推动数据产品、数据工具与数据服务的分类，对不同形态的数据产品构建不同的定价体系，作为第三方评估机构的参考。该案例中，微言科技数据产品在深圳数据交易所上架类别为数据服务，通过一系列的评分类和指数化标签类SaaS服务，叠加隐私计算技术确保“数据可用不可见”，整个过程不触碰底层数据。可见，微言科技的数据资产为对原始数据加工形成的评分类数据和标签类数据，因为其价值附着于微言科技拥有自主知识产权的模型算法，不宜单独计价。因此，参考会计核算中资产组的概念，在该案例中评估机构以数据资产和知识产权作为整体资产组进行价值评估。通过深圳数据交易所的产品分类指导，数据商对于自身数据产品的定位更加明确，有利于数据资产估值模式（如该案例中的资产组模式）的创新。

（四）示范效应

深圳数据交易所通过发挥桥梁作用，联结金融业务与数据交易业务，实现了与金融机构的双向互动机制，推动数据要素市场培育、数据资产化创新和中小企业融资等领域的协同发展。该案例不仅为我国数据资产化提供了可借鉴、可复制、可落地的模式，更为具备优质数据资产的市场主体持续释放数据要素价值提供经济激励源动力，具有一定的示范效应。通过深圳实践的先行示范效应，有利于数据资产化业务在全国范围内形成共识、形成标准，提高市场主体跑通业务闭环的效率，助力数据要素全国统一大市场的建设。

  五、结论与启示  

对数据资产进行信息增信和风险补偿增信可以为数据要素型企业提供信用支持。本文基于深圳开展的全国首笔无质押数据资产增信案例，发现基于信息增信机制的融资模式相比数据质押的融资模式更加适用于数据要素型企业，但其也对数据安全合规、数据质量和数据资产价值评估方法提出更高的要求。数据交易所在信息增信机制中可以发挥规范效应、聚集效应、创新效应和示范效应，有利于市场主体形成数据资产、理顺价格机制、提升主体信用。根据以上研究，得出如下启示：

（一）科学界定不同产品形态下的数据资产构成

数据资产的范围界定决定着数据资产变现的价值。数据、算法和算力成为数据产品和数据服务的基本元素，三者的组合容易发挥协同效应，不宜简单拆分出某一部分作为数据产品的全部价值。可以参考会计核算中资产组的概念，将数据、算法和算力等元素部分或整体打包成资产组，科学界定不同产品形态下数据资产的构成，这也是优化数据资产定价机制的前提。

（二）综合比较并合理运用数据资产的估值方法

数据资产的估值方法包括成本法、收益法和市场法三种基本方法及其衍生方法。应当根据估值目的、估值对象、价值类型、资料收集等情况，分析上述三种基本方法的适用性，合理选择估值方法。在本文分析的案例中，由于估值标的是其持有单位多年研究及生产经营积累贡献形成的，其管理人员、研发人员、服务器等产生的费用难以拆分，估值标的形成的直接投入和间接投入在形成过程中未做单独核算，其重置成本难以核算和相关资产贬值难以合理确定，难以用成本法进行估值。此外，数据要素市场尚处于培育阶段，未形成报价活跃的场内交易市场，也难以采用市场法进行估值。但与估值标的未来相关收益合理预期、风险程度相对应的折现率可以通过适当的方法合理估算，故宜采用收益法进行估值。可见，选择合适的估值方法对数据资产的定价至关重要。未来随着场内交易市场的进一步活跃，市场法适用的空间将越来越大。同时，市场化的价格生成机制形成的“公允价值”，也能进一步为收益法提供市场维度的验证。

（三）市场主体的相关实践可为未来政策的完善提供市场依据

以“数据二十条”为代表的制度设计为数据要素市场的发展打下“四梁八栋”的坚实基础。未来，对于如数据资产化等细分领域的政策探索，市场主体可以通过跑通业务闭环、形成品牌案例、输出最佳实践的路径，为未来政策的完善提供市场依据。与市场主体的交流互动，也有利于政策制定者出台符合市场预期、利于行业发展、支撑国家战略的相关政策，尽快补足数据资产化的政策短板。

参考文献

[1]卢延纯.夯实数据要素驱动基础培育数据资产价格链[J].价格理论与实践,2023(03):12-14+25.

[2]王晓明.增信助力中小微企业融资[J].中国金融,2020(Z1):165-167.

[3]中国信通院.数据资产化：数据资产确认与会计计量研究报告[R].中国信息通信研究院政策与经济研究所,2020.

[4]季周,李琳.会计视角下数据资产化路径探索[J].财务与会计,2022(16):38-41.

[5]田雪,林柳燕,李诗.数据资产化及其会计处理模式研究——以国网福建为例[J].中国注册会计师,2023(03):102-105.

[6]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.

[7]于施洋,王建冬,黄倩倩.论数据要素市场[M].人民出版社，2023.

[8]Birch K, Cochrane D T, Ward C. Data as asset? The measurement, governance, and valuation of digital personal data by Big Tech[J]. Big Data & Society,2021,8(01):20539517211017308.

（作者单位：李红光、李颖，深圳数据交易所有限公司；王磊，中国光大银行深圳分行）

①注：对于企业数据要素支出的测算大多基于市场调研，未必在某一统计区间内完成，故所引文献未列出具体的统计区间。所引文献数据来源：https://www.ndrc.gov.cn/xxgk/jd/jd/202212/t20221219_1343661.html。

②  数据来源：深圳市统计局。

出自：《价格理论与实践》2023年第4期

阅读原文请登录中国知网官网（cnki.net），输入标题“数据资产化视角下企业增信机制研究——基于深圳的实践探索”，点击检索并下载pdf。

如需转载或引用，请注明来源。

END

 往期推荐 ·

深数所动态：

精彩活动：

精彩观点：

联系我们

深圳数据交易所将以“锐意进取，开拓创新”的创业精神积极寻求数据治理、数据安全、数据流通等各类合作机会，并审慎探索跨境数据流通交易和监管协调机制，逐步完善数据要素市场化交易服务平台、信息枢纽、登记中心、应用载体等功能建设，欢迎各位合作伙伴和专家学者积极参与数据要素生态圈共建，并提出宝贵建议！

更多业务垂询请发送邮件至[e-mail]

-End-

 扫码关注我们 

深圳数据交易所

SHENZHEN DATA EXCHANGE