黄益平：数据资产入表存在的若干问题

CIE-DAP注册数据资产专业人员培训与认证火热开课啦！！！

👇详情戳👇

在日前举办的2024中国数字经济发展和治理学术年会上，北京大学国家发展研究院院长、北京大学数字金融研究中心主任黄益平教授发表了题为《数据资产入表应循序渐进》的主旨演讲。

数据资产入表存在若干问题。

一、数据归属问题。“数据二十条”确立了数据资源持有权、数据加工使用权、数据产品经营权“三权分置”的机制，要想实现价值就需要产生数据交易。

二、交易性数据资产的关键困难在于是否形成有效的市场。只有市场成熟，才能发现其价值，从而获得稳定的现金流。

三、明确数据资产入表属于负债还是权益。

四、解决数据交易中的信息不对称问题。

求是

我今天要讲的内容不是纯粹的学术报告，但数据资产入表是一个重要的学术问题。今天的分享是基于我对现实问题的一个观察，希望之后可以做一些严肃、深入的学术研究。

可以用一句话简单地概括一下我要讲的内容：数据作为一种很重要的资产加入到资产负债表中，这是一个具有非常重要的经济和金融含义的创新，但如果我们做法不恰当，不但不能带来预期中的正面效应，反而会造成很多风险。这个问题值得高度重视。

我是在几个月前关注到这个问题的，也递交了政策报告。今天看到一本新书中江小涓老师在其文章中的一句话，非常好地总结了我接下去要讲的故事。江老师说，如果价值几千万的数据作为一种资产入表，然后以其为抵押去贷款。将来一旦贷款还不出来，就可能会形成很大的风险，因为入表、做抵押的数据资产很可能已经显著折旧。换句话说，数据入表挺好，但怎么知道数据值多少钱、如何保障数据资产能套现？如果这两条都做不到，那入表的风险就太大了。

首先，数据要素很重要，这个应该不用具体展开来阐述了。现在都在讨论新质生产力，新质生产力的关键是要提高要素生产率。数据和数字技术在推动新质生产力发展中可以发挥重要的作用。通常的生产函数中的生产要素主要是劳动与资本，在这个函数中，有两条途径推动经济增长，一是提供增加劳动与土地的投入，二是改善劳动与土地的利用效率，特别是总要素生产率。数据作为生产要素，其功能有点像技术，它既可以替代传统的生产要素，也可以与传统要素形成互补关系。在上述生产函数中，数据要素的使用可以提高生产效率，即在不改变传统要素投入水平的前提下增加产出。这相当于为经济发展提供了一条新的途径，对于新兴市场国家来说，这一新途径尤其重要。过去在经济增长传统的索罗模型中，经济增长的主要源泉来自于劳动力增长和资本积累，然后通过改善技术改善总要素生产率。但对于发展中国家来说，这几个通道都不太容易，无论是要素积累还是技术进步，都是一个渐进的过程，通常是跟在发达国家后面，逐步地往前走。数据成为要素，对经济增长的机制打开了新的可能性，实际上也是为发展中国家提供了一个赶超的方式。数据的积累和利用是一件新生事物，发展中国家和发达国家之间的差异远不如传统要素那么大，这也相当于为发展中国家提供了一个弯道超车的机会。

其次，数据要素怎么利用，确实是一件值得花很多时间去思考的事情。目前中国的数据产量全世界第二，但是数据的利用率比较低，在总产量不低的情况下，这意味着很多数据并没有真正转化为数据要素。从数据产出到数据要素，这中间的转化过程其实是很复杂的，跟政策有关，跟市场有关，跟技术也有关。总之，怎样把已经有的数据产出或者数字足迹变成对经济活动能产生作用的数据要素，需要做许多系统性的努力，我国目前在这方面存在明显的短板。

我国规模很大的数据产出的形态非常多，包括平台公司的数字足迹，比如网购、支付、社交等数据，也包括公共机构的数字记录，比如社保、水电、交通等数据。这些数据能否被作为数据要素利用起来，简单说就是能否帮助提升效率、增加产出。“掌握”数据的机构可以自己整理、挖掘数据，支持自身的经济活动，比如广告、销售和风控，也可以把数据通过一定的手段共享给其他机构，比如以安全计算等手段做到可用不可见。还可以直接出售，包括出售数据本身或者出售数据的使用权等。数据要素的关键检验在于能否进入生产函数，增加经济产出。但这个可能就是说起来容易、做起来难。首先数据能不能用，就涉及到数据归属的问题，“数据二十条”确立了数据资源持有权、数据加工使用权、数据产品经营权“三权分置”的机制，谁投入、谁获益。但在实践中怎么落实？数据产品能否有效地转化成数据要素，涉及到交易问题。数据交易不起来，价值就很难实现，进入生产要素的门槛就会非常高。

最后，上面这些问题还没有妥善解决，最近突然出现了一个热门话题，即“数据资产入表”。数据资产入表究竟指的是什么，决策部门、专业机构还在摸索过程中，但市场却已经迅速行动起来了。据不完全统计，在第一季度的时候已经看到有23家上市公司以各种形式进行了数据资产入表，相信在二季度资产入表的上市公司数量又有所增加。在这些公司中，最突出的是中信重工，其数据资产已经占到总资产的将近4%，其他公司相对少一些。数据资产进入资产负债表的具体形态各不相同，有的是作为无形资产，有的是作为存货，还有的是作为开发支出。不太清楚的是，这么热烈的企业反应，是完全为了响应政府号召，还是上市公司自己也有强烈的诉求，很可能是两个方面的因素都有吧。

为什么有的公司已经积极地在做，大量的公司都还没有开始做，做的效果究竟如何呢？我同事沈艳老师利用上市公司的数据做了一些简单的计量分析，发现数据资产入表的效果十分有限，从股价看，资本市场对数据资产入表几乎没有反应，没有考虑到上市公司因为资产入表而使得其估值增加，资产回报率的反应是负的。造成这个负面反应的原因可能是多方面的，从定义看，假如数据要素没有产生回报或者回报不显著，数据资产入表使得资产扩张，回报率自然就会下降。但从另一角度看，积极运作资产入表的企业，会不会正是负债率高、盈利率低的企业？如果这是事实，那也就能理解为什么资本市场对数据入表没有做出积极的反应。当然，这些现在大多还只是猜测，需要深入的分析，才能得出可靠的结论。

不过，上市公司做数据资产入表这件事情，提出了一个问题，到底根据什么标准来决定数据资产入表？这样就需要讨论什么是资产负债表以及数据资产到底应该怎样入表。资产负债表包含三个项目，资产、负债、股东收益。资产负债表的主要功能是提供一个企业或机构的财务状况、资产结构、负债程度方面的信息，当然同时也可以用来分析其盈利能力。所以资产负债表对于一个企业来说是非常重要的信息源。金融机构在做投资、融资、贷款决策的时候，看资产负债表是其中最重要的一种手段，只有资产负债表不太完整或者不太可靠的时候会用一些其他的办法，比如看抵押贷款或者现在用得越来越多的大数据分析。把数据资产列入到资产负债表里，面临几个小的技术问题。

第一个问题，如果是看表的左边，数据进入资产负债表，作为一种资产，但具体的形态是什么呢？数据资产入表的具体计值可以采用成本法、收益法或市值法。从功能的角度看，也可以分为经营性的数据资产与交易性的数据资产。经营性的数据资产是直接可以用来支持经营活动、增加营收的，比如一家金融机构，如果利用自己的数据做信用风险评估，支持信贷业务。另一种是交易性的数据资产，可以支持其他机构的经营活动，创造价值。这样的数据资产的价值不是直接在经营活动中体现的，但依然应该是有收益的，或者通过提供数据资产服务获得的收益现金流，或者看数据资产在市场上的交易价值。

前一种情况也就是经营性资产不需要通过数据要素交易来实现价值，只要其最终产品可以交易就行了，但这种数据资产实际上很难入表，因为除了企业本身，其他机构与个人很难知道其数据资产的价值。当然，企业应该是知道的，但只有企业知道价值的数据资产，入表的公信力就会有缺陷。因而，这种资产也很难作为抵押资产支持金融交易。交易性数据资产的关键困难在于有没有形成有效的市场，一家公司拥有一笔数据资产，值多少钱？只有市场才能回答，如果市场不成熟，很难发现其价值，也不会有稳定的现金流。

看资产负债表的右边，有两部分，一个部分是负债，另一个部分是权益。如果企业拥有数据资产的所有权，那就是企业的权益。但现在的问题是，数据的所有权很复杂，与资本和劳动完全不同。“数据二十条”提出三权分置的创新思路，谁投入、谁享受权益。现在的问题是，绝大部分企业都不拥有数据资产完整的所有权，这样的资产入表就会产生一个财务问题，它究竟是负债还是权益？如果企业拥有一半的所有权，那剩下的一半归谁所有？这个问题不解决，数据资产入表很容易引发法律纠纷。

归根到底，数据资产能不能入表，首先得知道数据值多少钱。而且光几个人、一家企业知道还不够，得大多数想知道的人都能知道才行。解决这个问题的唯一方法是市场交易。为什么金融机构都喜欢商品房这种资产？因为其价值相对透明，而且容易套现。信贷员大致可以判断出一套商品房的市值，因为商品房市场的交易很活跃，所以，一旦有需要，金融机构就可以把手上的商品房在市场上出售，收回现金。同样都是房地产，金融机构不太喜欢厂房，因为厂房的价值不太透明，而且因为交易非常少，也不容易出手。

问题是现在数据交易业务尚未做起来。虽然各地办了很多的数据交易所，但大部分的业务都差强人意。跟金融交易类似，数据交易的一个大问题是信息不对称，数据产品千差万别，交易双方缺乏信任。这是为什么到目前为止，比较活跃的都是小规模的点对点或数据经纪商模式，原因就在于这类模式更加容易解决信任问题。从发展路径上看，也许数据交易就应该走“农村集市”的模式，农产品供需双方直接见面，一手交钱一手交货，等到业务成熟了、条件完备了，再考虑建设大型商场。但无论走哪条路，现在数据交易业务还没有做起来，企业纷纷将数据资产纳入资产负债表，有谁能够说得清楚入表的资产到底是什么？究竟值多少钱？能不能保值？能产生多少收益？如果这些问题都回答不了，只能说明数据资产入表的条件还不具备。

不过，上市公司的行为自有投资者、交易所去规范它们。实际上更令人担忧的是最近几个月各地纷纷涌现的“数据城投”公司。数据城投就是各个地方把数据资产注入到他们的城投公司去，这件事情非常令人焦虑，是因为忽然变得很普遍。背后的逻辑可能是这样的，第一，过去各地办了很多“土地城投”公司，就是把土地注如资产负债表，然后去融资，做项目。但问题是现在地卖不动了，土地财政难以为继，所以需要想办法来做一个新的通道。第二，正好政府有关部门号召大家把数据资产入表。从地方政府的角度看，把数据资产入表是一件一举两得事情，既响应了政府发展数据经济的号召，又解决了地方财政的燃眉之急。现在能够数得清楚地在做数据入表的地方城投公司已经有几十家，并且这个数字还在快速增长。一些平台公司已经拿到了银行的授信，甚至有个别已经获得了贷款。这件事情非常令人担忧。如果说土地城投已经造成了很大的风险，现在从中央到地方正在努力想办法化解风险。但如果土地城投变成数据城投，将来的风险一定会远远超过土地城投。土地城投的风险主要是地价变化带来的，数据城投的风险可能是因为没人知道数据值不值钱甚至根本不值钱。

毫无疑问，数据资产入表这件事情非常重要，我国在数字经济发展方面其实做得不错的，数据产出也非常大，将来有潜力做得更好，当然这个过程中需要做很多创新。把数据产量转化成数据要素，再将数据要素转化成数据资产，再将数据资产纳入资产负债表，这一连串的创新将给我国的经济发展带来无穷的机会甚至无限的想象空间。

但是这些创新所需要的很多方面的条件，还不完全具备或者完全不具备，比如政策框架、会计标准、市场规则都还没有，简单说就是还没有准备好。现在作为探索阶段做一些有限的尝试，没有问题，但是一旦铺开来，风险就无法控制。现在的很多入表是自己说了算，既没有分享，也没有交易，甚至自己还不知道怎么用，直接纳入了资产负债表，这岂不是比庞氏骗局还糟糕？最起码，数据资产入表值不值钱、值多少钱，不能自己说了算，应该有权威机构认定，比如我们将来能不能建立数据资产的审计机构，能够纳入资产负债表的数据资产的价值，要由市场交易来决定，至少也得有数据资产审计机构认定。

总之，数据资产入表是一件好事，但一定要等到条件成熟了再做，成熟几个做几个，千万不要搞数据资产入表的“大跃进”。数据城投这件事情尤其需要小心，一方面是把数据资产注入城投公司的资产负债表里，就开始融资，将来的金融风险是大于土地城投的。但其实还有一个问题，城投公司入表最多的数据大概有两类，一类是市政数据，一类是交通数据，客观地来说，这些数据都是公共数据，公共数据应该派什么用场？最好是集中起来提供公共服务，当然也有一部分可以把它做好了加工了，适当地收一定的费用，服务社会与经济。但是城投公司把本地的公共数据控制住，然后开始搞钱，这是很不合适的。既然是公共数据，它就不是平台公司甚至也不是地方政府所拥有。一旦被平台公司控制，肯定会影响数据要素的有效利用，影响数字经济的发展。

内容来源：清华计算社会科学与国家治理

版权归属原作者，分享仅供学习参考，如有不当，请联系我们处理。

推荐阅读

数据资产交流群

随着数据科学和大数据技术的飞速发展，数据资产已成为企业和个人不可或缺的宝贵资源。为了促进数据资产的共享、交流与创新应用，我们特此创建了[数据资产交流群]。

加入方式：
请扫描二维码，添加小助手，备注“数据资产”，通过后，小助手会把您拉入我们的[数据资产交流群]，与志同道合的伙伴们一起探索数据的无限可能！

END

发现“分享”和“赞”了吗，戳我看看吧~