第二届中日国际学术交流会|郭峰：数字经济时代的数据资源与数据资产

2024年10月15日，第二届上海财经大学、日本一桥大学、中国社会科学院日本研究所三方合作学术会议在上海财经大学凤凰楼302会议室举行，本届会议主题为“大数据背景下的公共治理”。大数据不仅改变了我们的生活方式，更深刻地影响着公共治理的方方面面。在新的历史起点上，公共治理建设面临新任务、新挑战。在本次会议中，与会专家学者围绕如何充分认识大数据的重要性，探索大数据在公共治理中的应用模式和方法，提升公共治理的现代化水平等问题展开了交流讨论。

大数据的重要性与日俱增，无论是经济学、社会学，还是国别研究等学科，都必须重视大数据的重要性。中国政府在推动“数据资产入表”政策，即将企业所拥有的数据作为一种无形资产，计入其资产负债表。数据资源的来源决定了数据资源的特征，对数据资产入表有重要影响。在介绍数据资产入表之前，有必要对数据资源的来源和特征进行明确。

数据资源源于经济社会经历的深刻的数字化转型，广泛的数字化转型带来了数据资源的第一个特征，数据容量巨大。当前大数据的快速增长与经济社会的数字化转型密切相关，我们生活的方方面面都被数字化、电子化所覆盖、渗透，产生了大量的数据。中国的网民数量超过10亿，几乎覆盖了全国的所有的成年人。每个使用智能手机、互联网服务或其他电子设施的用户，都在不断生成新的数据。此外，在中国的经济学中，数字经济被广泛地研究，知网上下载最高的论文都是和数字经济相关的话题，反映了数字经济对整个经济社会的深远影响以及各学科的学者对数字经济的重视程度。

数字经济对社会渗透之后，会产生各种各样的大数据，数据资源的第二个特征就是数据种类繁多。以现在的会议为例，演讲的音频、视频都会被以电子化的形式记录下来，理论上可以产生各种各样的大数据用来分析。大数据不是简单的数据量大，而是现代化的记录方式。这种形式的数据和传统的国民统计局调查抽样的企业数据或者家庭数据的最大区别是非结构化，一段文字、一个照片都是现在可以用来分析的数据类型，各种新形式的数据为经济分析和社会治理提供了全新的维度。数据种类繁多的特征也决定了数据资产入表的困难和挑战。

数据资源的第三个特征是价值密度低。传统的家庭或企业的统计调查数据，每一个数据都是统计部门或者其他相关部门花费巨大精力挖掘到的数据，因此每个数据都很宝贵。现代社会可以把我们的一言一行、一举一动都记录下来，数据量会非常大，但并不是所有的数据都有高价值。比如一场25分钟的演讲，可能其中只有5分钟的内容真正具有重要性，剩余部分只是低价值的信息。数据的低价值密度使得从庞大的数据中提取有用信息成为了大数据分析中的关键挑战，也会影响到数据资产入表中的数据资产定价、处理等问题。

数据资源还有处理速度快、规模报酬递增的特征。现代技术使得数据的处理能力大幅提升，信息可以以比过去更快的速度进行收集、分析和应用。数据的处理速度快也是大数据区分与传统数据挖掘的显著特征，在海量数据面前，处理数据的效率就是企业的生命。此外，单个数据点的价值可能很小，但当数百万、数亿数据被汇总时，其价值呈指数级上升，体现出规模报酬递增的特点。以电商平台为例，单一用户的购物数据的商业价值不高，但当汇集了数亿用户的行为数据后，就具有了重大的商业价值和学术研究价值。

数据资源的非竞争性和外部性特征。与传统资产不同，数据的非竞争性使得它可以被多次使用而不会消耗殆尽，这种特性带来了数据在资产认定中的复杂性。例如传统的资产如矿泉水被消费后即消失不能再使用，而数据却可以同时被多个主体使用，不会被真正“消耗”。数据的外部性特征意味着数据的使用可能会对他人或社会带来不直接相关的影响，主要体现在信息泄露和数据质量安全问题上。数据在形成生产力的同时，也可能存在隐私泄露等风险。

明确了数据资源的来源和特征之后，下面介绍数据资产入表的相关背景。中国是少数几个将数据明确定义为生产要素的国家之一。在2019年的十九届四中全会上，数据被确立为与土地、劳动和资本同等重要的生产要素。在数字经济时代，数据的对经济社会有着重大的价值和深远的影响。以全球最大的第三方支付平台——支付宝为例，其发展历程充分展示了数据作为生产要素的价值。由支付宝衍生出来的蚂蚁集团，曾经在前几年达到中国最大的国有银行的同等规模，这就得益于其积累了大量的商户数据。支付宝积累了超过10亿用户的支付记录和上亿商户的交易数据，依靠这些数据，支付宝能够为用户提供信用评估、贷款发放等一系列金融服务。这些数据驱动的创新不仅为企业带来了巨大经济效益，也使得用户体验大幅提升。通过积累大量数据，支付宝推出了“芝麻信用”服务，用户可以基于其信用评分免去租赁押金等繁琐流程。比如现在想要租一辆汽车，租客可以不需要支付押金，只需要绑定一下支付宝的芝麻信用就可以完成租车。这一服务的背后依托于大量的用户行为数据，展现了大数据在信用管理和金融服务中的实际应用。就“大数据就像工业时代的石油一样非常重要”这句话所言，大数据是数字经济时代经济社会发展的重要基石，战略意义应该已经成为共识。

数据资源有着重要的战略价值，推动数据资产入表有着重要意义，但实际操作却并不尽如人意。中国政府自2022年底以来，积极推动企业将数据作为无形资产计入资产负债表。在数字经济时代，处于发展早期的很多企业按照传统的计账方式是不能盈利的，因为在积累客户、积累数据阶段盈利情况较差的可能性较大。但如果把积累的这些客户信息、数据也作为一个企业的资产，也许传统的资产负债表或者盈利表都会产生变化。工业时代演变出来的复式记账法在数字经济时代面临巨大的冲击，推动数据资产入表有着十分重要的理论意义。然而，现实中数据资产入表的实际进展并不如预期中迅速。截至目前，中国约5000家上市公司中，只有39家公司将数据资产入表，且这些企业主要集中在计算机、传媒和通信等数据密集型行业。即使是这些少数将数据资产入表的企业，数据资产在其总资产中的占比普遍较低，最高比例仅为5%，有些企业甚至不到0.02%，相当于只是象征性地把数据资源计入到资产负债表当中。

数据资产入表有具体以下三方面的挑战与风险。第一，数据使用可能存在个人隐私保护问题。数据的潜在商业价值在于它的可使用性，然而，许多数据由于隐私保护、法律限制等原因，无法被广泛使用。比如交通摄像头虽然记录了大量的车辆和行人信息，理论上具有很高的商业价值，但由于涉及个人隐私，这些数据很难被合法使用。再以Facebook为例， 2016年美国总统选举期间，Facebook出售了超过1亿条用户数据给英国公司，用于分析选民的投票倾向。这一事件引发了社会的强烈反响，Facebook的股价也因此受到重大影响。在中国，许多资本市场的社交媒体数据平台虽然拥有大量有价值的数据，但由于这些数据涉及舆情管理、社会治理等敏感领域，企业对数据的使用非常谨慎。即便对数据进行匿名化和去标识化，也可能会被挖掘出出来。数据使用中存在的隐私问题使得数据很难被使用，进而数据被认定为资产就存在很大的困难。

第二，数据资产入表在技术上还存在很多障碍。数据的非竞争性使得企业难以完全控制或拥有某个数据集。传统资产如土地或设备，企业拥有后可以排他性使用，但数据可以被多个主体同时使用，这使得数据资产在所有权和控制权上存在巨大争议。第三，数据资产入表审核不严可能产生金融隐患。数据的量太大且每天都在更新，这就导致数据的贬值速度非常快。过时的数据价值迅速下降，使得数据作为资产时很难准确定价。一些企业试图将数据资产作为抵押品申请贷款，但由于数据价值波动性大，这种做法可能会带来巨大的金融风险。

中国地方政府有推动数据资产化的动力。和日本所谓的土地财富神话相似，房地产市场在中国在过去的快速发展中也起到了十分重要的作用，但由于近年来中国房地产市场的波动，地方政府急需寻找新的融资渠道。将地方企业的数据资产计入资产负债表，成为地方政府试图解决资金问题的一种手段。然而，这种做法可能导致数据资产的过度估值，进而引发金融系统的不稳定，在未来推动数据资产入表时应该充分注意潜在的风险问题。