国家数据局局长刘烈宏7月2日在2024全球数字经济大会上表示,国家数据局今年将陆续推出数据产权、数据流通、收益分配、安全治理、公共数据开发利用、企业数据开发利用、数字经济高质量发展、数据基础设施建设指引等8项制度文件。刘烈宏说,释放数据要素价值,需要向改革创新要活力、要动力。国家数据局将加大政策供给,推动我国海量数据优势转化为国家竞争新优势,促进高质量发展,助力中国式现代化建设。随着各地方陆续建立数据资产交易机构,在去年财政部门推出有关数据资产入表规则之后,安邦智库的研究人员注意到,数据资源的资产化路径在政策推动之下,正在初步建立起来。数据资产未来也将成为资产负债表中一项新的内容。
不过,就目前掌握的情况来看,对数据资产化较为积极的,一方面是一些从事大数据业务的初创型企业,希望借此为企业发展进行融资,另外可以通过这种方式,获得科研经费或者税收减免等优惠措施。另一方面,对此更为主动的是一些地方政府。在业内人士来看,地方政府对推动数据资源转化为资产的积极性更高,远在有实际需求的企业之上。安邦智库的研究人员对此认为,一方面,地方在“土地财政”和“土地经济”日益萎缩的情况下,地方有着迫切寻找新的替代方式的冲动;另一方面,地方本身拥有大量的公共数据,希望能够“变现”给地方带来实际的利益。
从整体规模来看,中国的数据规模庞大,为数据的资产化提供了丰厚的资源。2023年,全国数据生产总量达32.85 ZB(1ZB=1万亿GB),同比增长22.44%。截至2023年底,全国数据存储总量为1.73ZB。巨大的资源储备,使得很多地方积极探索资产转化的途径,希望占得先机。特别是在多数地方,数据资产的巨大潜力,为地方政府维持资产负债表提供了想象的空间和动力。从实际的操作来看,《数字中国发展报告(2023年)》提出,全国已有数十个省市上线公共数据运营平台,有二十多个省市成立了专门的数据交易机构,其中,广东、山东、江苏、浙江的数据交易机构数量位居全国前列。目前来看,交易量最多的是上海数据交易所,2023年交易额仅有11亿元左右。场内数据交易规模虽然呈现快速增长态势,但整体而言,场外交易仍占据主导地位。前瞻研究院2022年的数据显示,数据交易规模在金融、互联网、医疗、通信、教育等多个行业的应用规模不断扩大。其中,金融业2022年数据交易规模超过300亿元,占整体市场规模的35%左右,是数据交易行业最大的细分市场。2023年金融业数据交易规模约超过400亿元。
在安邦智库的研究人员看来,虽然数据资源对于经济活动和金融市场具有丰富的推动潜力,但是其作为资产仍有着很多特有的属性。对于数据资产化和数据资产入表等不能操之过急。盲目推动数据资产化,推行数据入表,未来可能带来“出表难”的结果。
就数据的特征而言,一方面,是其安全性。数据条例公布之后,数据所有权的争议通过“三权分置”的方式暂时得到化解,给数据资产化解决了大部分的法律障碍。但数据安全性的问题,不仅涉及到数据本身的质量,也涉及到数据使用、交易的各个环节,任何过程出现问题,都会影响数据本身的资产价值。这是此前土地等实物资产所没有的情况。另一方面,数据资产的价值体现,还在于数据的可复制。数据资源和土地等实物资源不同,其不具有唯一性。数据交易的双方,都需要考虑对方对于所交易的数据作为标的的控制和可能的复制行为。因为一旦这些数据被广泛的复制,则其价值必然会受到影响。如果不能对数据资产进行售后的约束,则数据交易仅为一次性交易,交易完成后期价值将大幅减少,也就难以出售而“出表”,失去了资产化的意义。这一点和同作为无形资产的知识产权有所不同。尽管目前有很多纠纷,但对知识产权的识别相对较为容易,完全复制的风险较低,而成本也较高。另外,在市场流动性不高的情况下,当前的数据交易的价格可能并不能充分反映数据的真实价值,在交易不活跃的情况下,容易产生泡沫,从而影响到资产负债表的准确性。
数据资产化的价值体现,最为关键的其实是数据使用的价值。数据要素资产价值的提升,也将伴随着数字产业和数字技术的提高。例如,目前AI大模型的推出,实际推高了一些用于实验和训练的大量数据的价格。但这个过程实际上是一个科研进步的过程,而并非原始数据转化的过程。安邦智库的研究人员曾经谈到,在产业数字化过程中面临的研发不确定因素更多,转化过程更长,不仅数据本身也有一个清洗、挖掘的过程,而且其与产业的结合也需要数字技术和产业研究本身的进步,这些不确定因素都意味着其价值的体现会是一个相对漫长的过程。
目前来看,虽然很多地方都建立了数据管理的专门的政府部门,但其实从中央到地方,政府内部的数据隔墙,还没有打通。虽然各地方都有大量的公共数据,但这些数据并没有有效的整合。大量数据仍然躺在不同部门的服务器内“睡大觉”。各部门对于数据安全的保护也参差不齐,使得数据安全性没有保障。因此,地方政府推动公共数据的整合和清洗,可以说是当前比推动数据交易更为要紧的事情。
如果单纯从融资的角度,希望数据入表,推动数据交易,未来将面对很多不可控因素,导致价值大幅收缩,而无法“出表”。一方面,数据交易从规模上目前还远远不足;另一方面,数据价值特有的风险。(来源:安邦咨询)