资源、资产、资本:数据的价值

张莉

《经济学人》曾将数据比喻为“21世纪的石油”，其重要性不言而喻。但人们提到数据时往往容易将其与大数据混淆，实际上，两者并不是同一个概念。

数据与大数据：明晰数据概念

数据。在传统意义上，数据是指人类对事物进行测量的结果。如今，数据的概念有了很多延展，主要是指对客观事件进行记录并可以鉴别的符号，是对客观事物性质、状态以及相互关系等进行记载的物理符号，或者是这些物理符号的组合，是抽象、非随机的物理符号。数据具有两个明显特征：一是差异性，二是规律性。差异性主要体现为数据描述的多为事物的数量和特征，现实世界中每件事、每个人、每种物都有不同的属性和特征，因此反映在数据上也会有各种不同的表现，而且从表面看，这些数据可能是杂乱无章的。规律性主要体现为数据分布是有一定规律的，对数据进行分析研究的目的，就是要从看似毫无关联的数据中找出某种规律和关联。换句话说，正因为数据具有差异性，才有必要对数据进行研究分析。也正因为数据存在规律性，对其研究才有价值。

大数据。时下流行的大数据概念，是以数据为基础的，但是绝不等同于数据。从数据到大数据，不仅是量的积累，更是质的飞跃。在大数据时代，规模巨大、数量巨多、不同来源、不同形式、包含不同信息的数据被整合分析，原本孤立的数据变得互相联通，人们通过数据分析，可以发现小数据时代很难发现的新知识，进而创造新的价值。

资源、资产、资本

数据价值的变迁

数据资源阶段。与传统农业经济和工业经济不同，数字经济得以发展的基础是信息技术和海量数据。随着信息技术与经济社会的交汇融合，数据成为国家的基础性战略资源，成为驱动经济社会发展的新兴生产要素，与劳动、土地、资本等其他生产要素一起，为经济社会的发展创造价值。

数据成为资源的过程，与石油成为资源的过程有相似之处。首先，要发现各种有用数据的来源，如同勘探油矿;其次，要采集能够满足特定需求的数据，如同采油;再次，要把采集到的数据按应用需求进行标准化、结构化处理，如同炼油;最后，将加工处理后形成的数据与实际应用相结合，最大程度地发挥数据的作用。因此，在这个阶段，数据是作为一种具有使用价值的资源帮助管理者决策，从而实现其经济效益。

数据资产阶段。随着数字经济的发展，人们发现数据还具备资产的特征，于是出现了“数据资产”的概念。近些年，国内外学者围绕数据资产这一概念开展了比较系统的研究，国外研究主要集中在数据质量管理、信息价值评估和数据资产管理等方面，国内研究主要集中在资产评估框架、无形资产评估、信息资产评估及管理、网络数据资源评估等方面。其结论主要是：数据应作为资产进行管理，可用数据质量评定数据的价值，数据和信息价值可以由多个方面的价值共同衡量，使用资产特性来判定信息是否为资产。但以上研究并未对数据资产价值做出精确规范的定义，也缺乏有效衡量数据资产价值的评估方法。

分析数据资产，需要从资产的概念说起。资产是指由企业过去经营交易或由各类事项形成的，被企业拥有或控制的，预期会给企业带来经济利益的资源。从这个界定来看，资产具有现实性、可控性和经济性三个基本特征。其中，现实性是指资产必须是现实己经存在的资产，还未发生的事物不能称为资产;可控性是指对企业的资产要有所有权或控制权;经济性是指资产预期能给企业带来经济利益。结合资产的特征，数据资产便是指企业在生产经营管理活动中形成的、可拥有或可控制其产生及应用全过程的、可量化的、预期能给企业带来经济效益的数据。

数据资产化的过程，就是实现数据可控制、可量化与可变现属性和体现数据价值的过程。当前，数据已经渗入各行各业，逐步成为企业不可或缺的战略资产，企业所掌握的数据规模、数据的鲜活程度，以及采集、分析、处理和挖掘数据的能力，决定了企业的核心竞争力。

数据资本阶段。2016年3月，麻省理工科技评论与甲骨文公司联合发布的《数据资本的兴起》指出，数据已经成为一种资本，同金融资本一样，能够产生新的产品和服务，这种变化会影响到所有公司的竞争策略，以及为其提供支持的计算架构。与传统认知不同，数据并不是一种冗余的资源，而是具有稀缺性和独特性，如同零售商缺少必要的融资就无法进入新的市场，如果没有必需的数据，他们也无法创造新的定价方法。

在经济学中，资本是一种生产性商品，是生产另一种商品或服务的必需品。数据资本与实物资本一样，拥有长期价值，但同时它又具有不同于其他资本的三个特性：非竞争性，即实物资本不能多人同时使用，数据资本则不存在这个问题;不可替代性，指实物资本是可以相互交换的，而数据资本则不然，因为不同数据包含着不同的信息，具有不同的价值;体验性，即数据需要使用，只有使用后才能衡量其意义和价值。

数据资本化，就是通过数据交易和数据流通活动将数据资产变为资本的过程，这有点类似于将房产抵押获得贷款，为企业筹集资金。但是，由于数据具有很多不同于房产的特征，所以数据资本化与实物资本化的过程必然也不同。

科学确定和量化

释放数据价值的关键

系统认识数据价值的特性是基础和前提。随着数据经济的发展，数据作为资源、资产、资本的价值不断深化，并衍生出更多的獨特性。例如，数据价值瞬息万变，有时加入一个或一组新数据，原有数据的价值就可能发生极大变化;随着使用人数和次数的增加，数据价值会发生不规则的变化;数据价值的释放与算法等数据处理分析技术紧密相关，不同算法挖掘出来的数据价值可能存在天壤之别;数据的价值因用户而异，同一组数据对于不同的用户来说产生的价值可能截然不同。要想科学确定和量化数据价值，必须对数据价值的特性进行全面系统的了解，这是确定数据价值的基础和前提，也是区分数据价值与实物价值的关键点。

创新数据价值分析理论和方法至关重要。目前国内外关于价值分析的方法主要基于几个维度：成本、市场价格、收入、资产负债表、用户数量等。但这些理论和方法并不完全适用于数据价值分析。比如，数据多半是组织运营过程中产生的中间产品甚至附属品，其成本估算很难开展;与市场上现有商品不同，供求双方的考虑对数据价格的影响很大，对数据进行客观的市场定价比较困难。收入分析法是根据衍生出来的未来现金流量估算值来确定价值，但有时数据不是最终产品，难以进行估值。目前，从数据定价的角度分析数据价值已出现很多方式方法，有学者从数据的价值构成提出定价策略，有学者运用博弈论下的鲁宾斯坦讨价还价模型研究数据交易价格，还有学者基于客户感知价值的方式对数据产品服务的成本和收益进行权衡后做出定价，都是开创性的尝试。

未来，深度学习技术和区块链技术有望成为助力。深度学习技术模拟大脑中生物神经元的运作和互动方式，能够自发地从输入中提取特征，并形成更复杂的特征维度，进而根据这些特征进行映射，最终得到所需输出，它有着良好的自组织、自学习与自适应能力，能够适应数据种类复杂、规模大、维度多与变化频率高的特征。而且，深度学习技术能够处理海量数据，且模型灵活，具有较强的推理能力，在构建数据价值分析体系时具有显著优势。区块链是分布式账本构造技术，能够在去中心化的系统中构建不可篡改、不可伪造的分布式账本，并保证系统中各个节点所拥有账本的动态一致性。运用区块链技术可有效解决数据资产交易平台缓存、复制、留存交易数据的问题，保护数据的隐私与和安全性，从而使数据价值得到充分释放。