汤寒林
本文由数据宝董事长汤寒林撰写并投递参与“数据猿年度金猿策划活动——2024大数据产业年度趋势人物榜单及奖项”评选。
在2024年到来以前，我们展望数据资产入表这一数据要素行业具有跨时代意义的重大举措，当时数据宝也全国首发了国央企数据资产软硬件一体化管理服务平台。而在2024年即将结束之际，我们也可以从后视镜视角回顾数据资产入表近一年的市场欢宴。数据二十条、“数据要素×”三年行动计划等文件先后出台，财政部发布影响深远的《企业数据资源相关会计处理暂行规定》，企业热情高涨，数据交易机构牵头、第三方机构纷纷下场，在政策支持和市场主体的双重驱动下，以数据入表为核心环节的数据要素产业空前火热。2024年，是各种意义上的数据资产入表元年。
2025年，国央企数据资产入表需求将更加巨大
因为我们在2016年就首倡国有数据资产代运营，在国有数据要素价值挖掘和场景应用方面做得比较深，很清楚国有企业作为掌握大量公共数据资源的主体，拥有庞大的数据资源但用不出，缺开发技术、缺管理运营、缺场景应用。之前上海要求探索数据资产价值量化将数据资产纳入国有资产保值增值考核，以数据资产价值衡量企业数字化转型阶段性成效，对很多国有企业来说压力巨大。近日国家数据局在促进企业数据资源开发利用的征求意见稿中也明确提出，将实施"国有企业数据效能提升行动”，加快构建国资央企大数据体系，创新央国企数据管理机制，优化科技创新考核指标体系。
经过一年的实践探索，到2025年，数据资产入表将迎来更大的市场热情。可以说未来的3年内，20万家国央企在国家相关政策的支持及指导下，都有数据资产入表的需求，市场庞大。
微观层面上，国有企业获取、加工数据花掉的钱不再是成本，作为资产入表成为资产项，为企业资产规模提升带来直观变化，作为增量资产形成增量收益，并进一步通过金融资本手段如质押融资、证券和股权化等资本化方式带来经济收益。宏观层面上，中共中央办公厅国务院办公厅关于加快公共数据资源开发利用的意见从政策上肯定支持了数据宝持续了八年的国有数据资产增值运营服务，公共数据授权运营将进入大规模的实践探索阶段，高价值的公共数据在数据要素市场中会率先下场突破，引领数据要素市场化发展。国有企业作为公共数据授权运营中的重要角色，也急需在传统增长模式发展缓慢的情况下，重塑企业运营逻辑并找到新的增长点，化债发展轻装上阵，发展新质生产力，充分释放数字经济潜力。
从分化到跟从，规模化融合应用才能价值倍增
目前，国有企业的数据资产入表存在阶段分化。龙头企业先行先试，积极推进数据资产化入表工作，成为区域、行业领域的数据资产化实践标杆。在看到头部企业做出成绩后，跟随效应作用下中腰部企业也开始倾向于模仿跟随，大部队开始从行业探索初期的驻足观望，到现在积极投身数据资产化。桃园里的一朵桃花盛开，自然接下来就是满园春色。
即使今年的数据资产入表市场火热，我们也一直认为目前所释放出来的数据价值远远没有达到预期。我提出的“数据老中医”理论，就强调数据的融合应用，数据宝链接了50多个部委厅局的数据资源，我们形成了规模领先的数据资源网络。当然这不止是单一数据集间的互相融合应用，也包括不同机构、不同行业、不同区域的数据融合应用，就如同中医开方抓药一样，不同药材的结合才能治病。数据资产入表同样依赖于规模效应，数据的非竞争性和非排他性意味着不同参与者可以共享和协同使用数据，实现数据的协同劳动和资本效应，只有在规模不断增大，数据间链接增多后，才会使得数据价值呈现指数级增长的发挥利用。
目前数据资产入表实际产生的效果主要体现在财务报表的资产负债率和利润率改善，以及质押融资需求的满足上。而到2025年，随着越来越多的国央企入表完成，规模效应也会显现。当国央企大部分完成了数据资产入表，我认为那时我们将看到市场呈现一番空前的盛景。
国央企数据资产入表壁垒必然存在
国有数据作为新型国有资产，对数据资源的运营治理、开发利用、流通交易，都应当纳入国有资产管理办法，遵循国有资产管理相关规定。在“党管数据”的原则下，国有数据就是国有资源，只能由国有资本授权运营，所以数据宝引入的六大股东都只接受国有资本入股；另一方面，是否能建立起成熟的数据收益分配机制？这对于防范国有资产流失、保障国有资产保值增值意义重大，这一点我们也基于与数据持有单位、交易机构及需求方等多种角色之间的合作提前完成了探索。
要按照国有资产管理办法把国有数据资产管起来。通过数据资产入表完善数据资产信息披露和报告就是第一步，而入表不是终点，在这之后则需要利用数据资产管理平台等技术设施，既要保障国有数据安全可控，也要实现国有数据增值运营。市场上的数据资产入表咨询服务不会形成壁垒，但全生命周期管理、增值运营的平台是壁垒。只有这样，国有数据资产才能建立起有效的风险防控机制，及时动态监控数据资产价值变动，利用数据资产管理平台辅助入表、数据治理、成本归集、质量价值评估。当然在这之上，实现合规流通交易、场景应用、资本化运营则是数据资产管理平台更高的壁垒。
国有数据资产场景应用 释放数据要素乘数效应
这种差异，在2025年会更加明显，某种程度上说，市场导向决定了入表方案制定的方向。能否充分挖掘数据价值，能否以需求终端为导向，能否拓展出更多的应用场景，决定了入表工作是否能实现数据资源价值的转化。
谈数据资产入表，谈数据挖掘，谈数据治理，事实上都是前置工作。如果没有市场端买单，这些前置工作就是没有“1”的“0”，做再多也只是自说自话，产出非常有限。也只有通过市场化驱动，通过数据资产的场景应用，才能充分释放数据要素的乘数效应，是场景让数据产生价值。因此数据资产入表本质上是要基于业务运营开展，否则就是无根之木。
这一点的核心就是做数据资产入表一定要链接供需两端的核心需求。供给侧的需求是需要自己的数据资源形成更多具有应用价值的场景数据产品，并带来经济效益，同时也为企业和政府的决策和发展提供更有价值的支持。需求侧不仅需要更精准权威的数据支持，也需要定制化、个性化的数据产品来满足业务应用需求。数据宝目前围绕物流金融、泛互联网、交通保险、智慧政务等领域180多个细分行业，落地了300多个数据应用场景，就是基于这样的底层逻辑，也只有做好了场景融合，才能实现数据资产的增值。
国有数据资产为人工智能加足燃料
大数据、AI产业会成为未来三十年整个人类社会推动经济发展的主引擎，也将成为改变国际科技和经济竞争格局的重要力量，而生成式人工智能创新更离不开数据要素，数据质量、丰富性和多样性等对人工智能算法训练和学习至关重要，数据规模与质量直接关系到大模型的解释能力。
从原始分散孤立的数据原料，到治理的数据资源，再到场景应用、流通交易的数据资产和产品，这其中的差别就好像从单晶硅到最后生产出来的芯片。数据不仅是人工智能企业的核心竞争力，也是国家在人工智能时代的重要竞争力，如果不能做好数据的价值化，就相当于在人工智能领域遭遇和芯片一样“卡脖子”的技术短板，直接影响到人工智能等数字技术的创新。因此国有数据资产化，以市场资源配置作用实现高质量数据的高效流通，将为人工智能加速发展不断加码。
数据资产入表与AI智算相辅相成，相互推动技术进步革新。对于AI来说，数据质量是训练人工智能大模型的基础，而数据资产入表形成的高质量数据集、根据场景应用需求开发设计的数据产品，也将进一步赋能AI技术进步产业发展。
·关于汤寒林：
汤寒林，数据宝董事长，华东江苏大数据交易中心董事、总经理，中共党员，高级工程师，研究生学历，贵州省工商联执委，贵州省数字经济领域首批省级重点人才，贵阳市市级领军人才，国家级新区贵安新区首批区管专家。
江苏省大数据交易与流通工程实验室主任，贵州省交通运输大数据创新中心主任，省级企业技术中心主任，中共盐城市大数据+产业链综合党委会党委委员，CCF贵阳执行委员会副主席。
主持过国家级大数据示范项目1项，省级项目6项；申请发明专利30余项，其中作为唯一发明人，已授权10项。参编论文6篇。同时，汤寒林还担任北京大学校友会青年CEO俱乐部理事，交大安泰校友会常务理事，武汉理工贵州校友会副会长，上海市萍乡商会执行会长。
热门跟贴