《数据资产化实践指南》（可下载）
极速导读
在新一轮科技革命和产业变革大背景下，数据量和算力呈爆炸性增长，数据作为数字经济时代的基础性和战略性资源，是形成新质生产力的优质生产要素。
《数据资产化实践指南》由广东数字政府研究院、广州数据交易所等机构联合编制，旨在为企业提供从数据产生的业务源头到数据实现资产化的全流程指导。该指南按照“业务数据化-数据资源化-数据产品化-数据资本化”的演变方式，探索建立数据资产化的可行路径。
完整报告下载方式见文末！
『制造前沿』读报告
什么是数据资产化
数据资产化是指将企业在生产经营活动中产生的数据，通过采集、加工、治理、开发等环节，转化为可计量、可交易的数据资产，并拓展金融衍生服务，推进数据资产创新应用，通过多元化方式为企业带来经济利益，实现数据价值最大化的过程。
数据资产化的价值
数据资产化的价值意义主要体现在以下几个方面：
1. 充分释放企业数据价值：
- 数据资产化能够挖掘企业内部数据的价值，促进数据资源的使用，最大程度发挥数据资源的价值。
- 通过数据推动智能化工作流程，优化企业生产模式、提升企业运营效率、推动企业降本增效。
- 使企业数据资产的业务价值、经济价值和社会价值显性化，将数据资产转化为企业资产的一部分。
2. 推动企业数字化转型：
- 数据资产化激活市场潜能，催生丰富的数据应用场景，提高企业开展面向数据生产与创新的积极性。
- 推进生态建立，推动服务型企业充分发挥各自独特的价值。
- 促使企业深化数字化转型，实现数字化思维与设计、生产、管理、服务和运营等全过程深度融合。
3. 促进产业链升级转型：
- 数据资产化有助于重组传统产业结构、颠覆现有业务模式。
- 不同类型、不同维度的数据融合，将推动不同领域的知识渗透，催生新产业、新业态、新模式。
- 提升产业基础能力和产业链现代化水平，为产业发展带来更广阔的空间。
4. 实现经济发展倍增效应：
- 推进数据资产化工作，将进一步提升全要素生产率，通过从数据中挖掘有用信息，作用于其他要素，找到企业、行业、产业在要素资源约束下的“最优解”。
- 有效带动数据采集、清洗、标注、评价、资产评估等数据服务业发展，进一步深化数字技术创新应用，激发数字经济发展活力。
数据资产化的过程
数据资产化的一般过程包括业务数据化、数据资源化、数据产品化，考虑到数据资本化是数据资产价值释放的重要体现，本实践指南将数据资本化纳入数据资产化过程。
1. 业务数据化：
- 企业通过技术手段建立信息化、数字化、自动化和智能化的业务流程，积累和沉淀数据资源。
- 提升数据感知能力、采集和获取数据能力，为企业内部管理、业务运营和数据资源化提供数据支持。
2. 数据资源化：
- 将原始数据进行加工整理和归集，形成可重用、可应用、可获取的数据资源。
- 应用大数据技术、人工智能、云计算等技术手段，通过数据盘点、数据分类分级、数据清洗、数据加工等过程。
3. 数据产品化：
- 数据资源持有方自行或授权给外部机构，以数据使用方需求为导向，对数据资源进行实质性的劳动投入和创造。
- 形成可供内外部用户使用的、以数据为主要内容的服务或产品。
4. 数据资本化：
- 通过有效利用数据资产，将其转化为具有实际经济价值的资本，并实现保值、增值、流通的过程。
- 企业可以通过数据资产质押融资、数据资产增信贷款、数据资产作价入股等方式盘活数据资产。
04数据资产化实施路径
数据资产化的实施路径涉及多个阶段，每个阶段都包含了一系列的任务和活动，以确保数据从原始形态转变为可计量、可交易的数据资产。以下是数据资产化实施路径的详细步骤：
1. 数据生产与采集
- 制定数字化转型规划：明确企业转型的价值目标，设计数字化蓝图架构。
- 构建数字化能力：选择合适的技术工具，培养数据人才，构建合作生态。
- 明确数据存储方法：根据数据类型、访问速度、安全性和成本选择存储方法。
2. 数据资源盘点
- 元数据摸查：采集元数据，发现企业数据字典，识别数据关系。
- 构建数据标准：制定数据项的定义、口径、格式等标准和规范。
- 数据定义：识别数据类型，明确数据来源与收集方法，评估数据质量。
- 明确数据血缘关系：追溯数据的来源、加工过程和输出结果。
- 构建数据资源目录：汇总数据资源，提供数据访问和查询服务。
3. 数据合规审查
- 准备阶段：组建专业团队，确定审查范围和依据，准备工具和资料。
- 执行阶段：进行文档审查、数据审查和安全技术保障措施审查。
- 结果分析：分析合规性问题，制定整改计划。
- 结果评价：形成分析报告，提出整改建议。
4. 数据分类分级
- 明确数据分类方案：依据行业分类标准，制定分类实施方案。
- 确定分级对象：识别待分级的数据项、数据集等。
- 数据影响分析：分析数据泄露、篡改等可能造成的影响。
- 综合确定数据级别：根据影响程度确定数据级别。
5. 数据产品加工
- 需求分析与规划：分析用户需求，规划数据产品功能。
- 数据采集、清洗与整合：采集内外部数据，进行预处理工作。
- 数据建模与分析：构建算法模型，提取有价值的信息。
- 数据产品开发：开发标准化的数据产品。
- 测试与优化：进行功能和性能测试，优化调整。
- 产品部署与运营：部署上线，收集用户反馈，持续优化。
6. 数据质量评估
- 构建质量管理组织：制定数据质量标准，监督评估流程。
- 建立数据规范：明确数据收集、存储和使用的规则。
- 确定评价指标：确定数据质量的评价指标与规则。
- 实施质量评价：对数据进行质量评估，形成评估报告。
- 数据质量提升：制定并实施数据质量提升计划。
7. 数据价值评估
- 评估准备阶段：明确评估目的、对象、范围，制定评估方案。
- 评估实施阶段：了解数据资产概况，审核资料，确定评估方法。
- 评定估算：使用评估模型进行计算，起草评估结果说明。
8. 数据资产合规登记
- 权益主体的确认：确认数据来源者和数据处理者的权益。
- 数据来源合规审核：确保数据来源的合法合规。
- 登记主体的身份认证：进行个人或机构的身份认证。
- 数据资产确权存证：确认和存证数据资产的权属信息。
9. 数据产品流通
- 公共数据流通：通过政务外网或场内交易的方式进行共享流通。
- 社会数据流通交易：包括场内交易和场外交易，涉及数据供需双方的交易活动。
10. 数据流通存证
- 区块链接入：接入合规备案的区块链平台。
- 数据预处理：确保上链数据符合存证要求。
- 数据签名认证：使用授权数字证书进行签名。
- 数据上链存储：将数据存储在区块链上。
11. 数据安全管理
- 组织安全制度：建立数据安全策略和制度。
- 人员管理制度：设置负责数据安全工作的职能部门及岗位。
- 培训与学习制度：持续学习相关的法律法规。
- 分类分级安全管理：建立统一、规范化、分类分级的安全管理模式。
12. 数据资源入表
- 数据资源入表规划与设计：完成行业调研，明确入表范围。
- 数据资源盘点与产品管理：盘点数据资源，进行加工处理与质量评估。
- 数据资源入表合规审查：进行合规审查，形成审查报告。
- 数据资产合规登记：完成数据资产的合规登记。
- 成本核算：按照会计准则进行成本核算。
- 数据资源入表与披露：在资产负债表中列示数据资产，并进行信息披露。
13. 数据资本化应用：
- 企业以数据资产为基础，通过有效的数据资产运营管理，将数据资产转化为具有经济价值的资本的过程。
14. 数据资产运营：
- 对数据资产进行识别，持续监测与分析，完成数据价值变现，并对价值实现的效果进行全面评价，不断迭代和完善使其适应新的应用场景和创新需求。
这些实施路径共同构成了数据资产化的整体框架，帮助企业系统性地实现数据的治理和应用，助力企业高效推进数字化转型、重塑业务模式和竞争优势。
报告内容如下『制造前沿』还整理了很多数据要素相关研报资料
可扫描下方二维码，前往知识星球下载
『制造前沿』知识星球
每日持续更新
随时随地查看
↓↓
1234
更多资料下载
点击下方图片
素材来源：广东数字政府研究院，文字内容由『制造前沿』原创编辑。本公众号所载文章为本公众号原创或根据网络搜索下载编辑整理，文章版权归原作者所有，仅供读者学习、参考，禁止用于商业用途。因转载众多，无法找到真正来源，如标错来源，或因文中所使用的图片、文字、链接等如有侵权，请联系我们删除，谢谢！