内容提要：“数据资产入表”是一个法学与会计学交叉的问题。当下数据资产入表面临数据确权规范缺失、数据质量评估计量规范欠完备、数据资产经济利益流入不确定等法律困境。但这些问题只能在数据资产入表的过程中通过法律规则的配置逐一纾解。就数据确权与合规审查而言，应以“数据二十条”之数据产权制度为遵循，以数据持有权为中心进行权利配置，对数据来源、数据处理、数据流通环节进行合规审查。就数据质量评估与安全保障而言，应扩充质量评估指标类型并区分主客观维度；同时明确数据处理者的数据安全保护义务，并发展数据安全监测评估、认证服务。就经济利益流入分析而言，应因循无形资产或存货流入路径，结合应用场景、生命周期、规模经济、范围经济等因素综合研判。就列报而言，依《暂行规定》藉由“无形资产/存货”列报并采历史成本计量为务实做法；理想方案则是单独制定数据资产会计准则并采公允价值计量。于披露而言，则应采强制披露与自愿披露相结合的模式。
目 次
一、引言
二、数据资产何以入表
三、数据资产入表中的数据确权与合规审查
四、数据资产入表中数据质量评估与安全保障
五、数据资产入表中经济利益流入分析
六、数据资产入表中的列报与披露
七、结语
一、引言
“数据资产入表”涉及法律与会计两大学科的交互。跨学科法律研究有助于破除学科间壁垒，求得融贯性真知。法学与会计学交叉研究即为适例。法律与会计看似各自为政，实则彼此协力、相辅相成：一方面，会计强调“依据法律事实记账”，权责发生制下“企业是否享有权利或承担义务”有赖于法律层面对权利义务的准确界定；另一方面，日趋复杂的金融交易与随之而来的监管诉求，使得几乎所有的商事立法均须在某种程度上与会计原则和实践相契合，后者在法律解释与适用层面发挥技术性校正作用。
近年来，随着大数据、云计算、区块链等新兴技术的迅猛发展，社会财富与经济价值的来源不再全然是实体物质产品的生产，数据等无形财产逐步占有一席之地并愈显重要。2022年12月，中共中央、国务院发布了《关于构建数据基础制度更好发挥数据要素作用的意见》（以下简称《数据二十条》），明确提出要“探索数据资产入表新模式”。为推进上述政策落实，财政部于2023年8月、12月相继发布了《企业数据资源相关会计处理暂行规定》（以下简称《暂行规定》）、《关于加强数据资产管理的指导意见》（以下简称《指导意见》），分别从技术层面与管理层面为数据资产入表提供指引。
数据资产入表具有重要意义。于国家而言，既可直面数字经济，推动数据财政体系构建；也可促进数据流通利用，推动数字产业化与产业数字化进程，充分释放数据要素新质生产力。于企业自身而言，将信息化建设费用由损益类变为资产类（符合资产确认条件时），可减少投入期对公司利润的一次性影响；入表后，数据要素价值及其对企业财务状况的贡献得以借助报表呈现，企业（尤其是互联网公司）的财报数据不再“失真”；此外，数据资产入表还能显著提升企业整体估值。
尽管“数据资产入表”具有重大意义，国家在政策层面也予以了积极支持，但在实务中却举步维艰。《暂行规定》和《指导意见》施行后，头部数据要素型企业（如阿里、腾讯等）对数据资产入表仍持犹豫、观望立场，究其原因，主要出于对法律层面监管风险的疑虑。但数据资产价值实现的探索过程一直处在不断发展中：2022年10月22日，北京银行城市副中心分行成功落地首笔1000万元数据资产质押融资贷款，获得贷款的罗克佳华科技集团股份有限公司入选全国首批数据资产评估试点单位，也成为北京市首批数据资产入表的试点企业；随后深圳微言科技有限责任公司通过光大银行深圳分行授信审批，成功获得数据资产增信贷款额度1000万元；近日，中国建设银行上海市分行与上海数据交易所深度合作，成功发放首笔基于上海数交所推出的数据资产信贷服务产品“数易贷”的数据资产质押贷款。随着数据要素市场化配置加速推进，数据要素在金融服务领域发挥着越来越重要的作用，尽管质疑数据资产入表的声音不绝于耳，但不可否认的是，上述融资担保行为都离不开数据资产入表的支持。
“数据资产入表”是一个法学与会计学交叉的问题。对此，在会计方面，《企业会计准则——基本准则》第20、21条明确规定了一项现实资源可被确认为会计资产的要件；但在法律规范供给层面，目前存在数据确权法律规范缺失、数据质量评估计量法律规范欠完备、数据安全保护法律规范欠周延等一系列阻碍数据资产入表的法律困境。如果不能在法律规则上得到纾解，数据作为资产入表就可能成为虚假财务信息，这也是当前绝大多数企业对数据资产入表最为担心的问题。“法律对于理解并彻底解决会计所面临的问题是极其必要的”，因此，本文以数据资产入表的过程为线索，逐一纾解数据资产入表过程中存在的法律障碍，从而为数据资产入表的实现提供法律支持。
二、数据资产何以入表
根据《企业会计准则——基本准则》第20、21条，一项现实资源可被确认为会计资产并入表的标准有三：一是由企业拥有或控制，二是很可能导致经济利益流入企业，三是价值能够可靠计量。如何判断数据是否满足了该三项要件，是其作为资产入表的前置性问题。实践中，有些数据资源可能因不符合资产的定义而不能入表，或者虽然符合资产定义但不满足资产入表的三项要求，也不能作为资产入表。下面分别予以分析。
（一）由企业拥有或控制
资产入表的首要前提是企业对其“拥有或控制”。美国会计学者佩顿曾指出，犹如来自附近河流的水资源通常不能计入报表，某物即使具备一定经济价值，倘不能为企业有效控制，仍然无法作为资产入表。就数据资产中的“企业拥有或控制”存在两种见解：一种认为，“拥有”对应法律上的所有权，而“控制”即控制权，故可形成“以所有权为基础的绝对支配”与“以合同为基础的相对控制”二元并存的局面；另一种认为，企业享有数据资源控制权即可，不以所有权为必要。笔者以为，“拥有或控制”中应以“控制”为核心。首先，从政策指引角度看，国家发改委已明确指出，在数据确权问题上应“淡化所有权、强调使用权，聚焦数据使用权流通”。其次，从数据特征角度看，可复用性、非排他性意味着数据可由数人同时、全面地支配，无法容纳所有权概念。再次，从体系解释角度看，新收入准则中收入确认标准是“控制权转移”，所有权变动仅为控制权转移的原因之一。例如在新租赁准则中，融资租赁出租人于租赁开始日须终止确认资产；此际，承租人因对租赁物享有控制权而将该项资产入表，尽管法律上租赁物所有权仍归属于出租人。最后，从域外视角看，尽管《国际会计准则委员会财务报告概念框架》（以下简称《IASB概念框架》）于2018年历经重大修订，且资产定义遭遇大修，但修订前后就“企业与资产间关系”这一问题的文本表述无任何变化，皆为“控制”（而非“拥有或控制”）。新近研究指出，《IASB概念框架》就资产定义的更新为数据资产界定提供了新思路，殊值重视。在数字经济快速发展的当下，无论是数字型企业还是传统行业，在生产经营中都汇聚了大量数据，有的数据是自行采集的、有的数据是企业在生产运营中附带产生的、还有的数据则是由企业通过交易的方式取得的，这些数据都可以合法地由企业持有、归企业所控制，能够满足由企业“拥有或者控制”的要求。
（二）很可能导致经济利益流入企业
能够为企业带来经济利益流入，是会计资产最本质的特征。“很可能导致经济利益流入企业”要件涵括两层意义。第一，具有产生经济利益的潜力。根据《IASB概念框架》第4.5、4.14条，在经济利益流入企业层面，资产的关键表征在于其具备产生经济利益的潜力。第二，经济利益很可能流入企业。仅具备产生经济利益的潜力（或享有某项收益权利）尚不足够，关键在于此种潜力能真正落实，客观上很可能为企业带来真金白银的经济流入。比如某从事数据产品开发服务的企业对轨道交通领域的某细分行业的数据进行汇聚，并形成了相关的分析工具。但由于该细分行业尚处在培育初期，不仅缺乏统一的行业规范标准，而且行业认可度也不高，导致该企业开发的相关分析工具难以找到需求方，也就无法满足“经济利益很可能流入企业”的资产确认条件。因此，理解“经济利益很可能流入企业”需注意两点：其一，“很可能”是一种会计判断，概率分布落于50％—95％区间，此种判断的作出须配置相应内控措施。其二，“流入”可与其他资源结合考察，根据《IASB概念框架》第4.16（3）条，经济利益流入企业既包括单独流入，亦涵括与其他资源相结合共同带来经济流入。其三，经济利益流入因企业类型不同而有差异。就数据要素型企业而言，数据资源所带来经济利益流入通常是不言而喻的；而就非数据要素型企业而言，在经济利益流入分析上应重点考察数据资源对传统产业的赋能作用。例如，平台可借助算法和算力，对在零售业务中获取的用户浏览数据、支付信息、店铺停留时间等数据进行二次价值挖掘，实现精准营销、提升配送效率。由此可见，在数字经济时代，数据对于企业的价值是全方位的，既可以无形资产的方式作用于生产经营过程，也可以存货的形式交易获利。
（三）价值能够可靠计量
“价值能够可靠计量”要件源自会计基本假设之货币计量——倘某经济资源价值难以量化，自无作为资产入表之可能。一般认为，资产评估基础方法有三：第一，成本法。其理论基础是生产费用价值论，即商品以其生产费用价值为基础进行交换，生产费用源于土地、资本、劳动力等要素的投入。第二，收益法。其理论基础是效用价值论，即商品的边际效用决定了购买者对商品的购买倾向，资产的价值与其边际效用呈正比。于估值视角考察，资产的效用体现为其未来所能产出的收益，资产的经济实质是企业于未来获取的现金流，其估值应反映未来现金流量的折现结果。第三，市场法。其理论基础是均衡价值论，即市场经济下资产价值由市场主导、受供需关系影响，供需达致平衡时的均衡价格即为资产价值。在《暂行规定》框架下，数据资源目前是因循既有路径，通过确认其为无形资产或存货而使其成为表内资产；由此，数据资产估值原则上采成本法，初始计量层面主要涉及成本的归集与分摊，后续计量层面主要涉及摊销与减值测试。
三、数据资产入表中的数据确权与合规审查
（一）数据确权
会计资产确认标准中的“拥有或控制”与“很可能导致经济利益流入企业”要件是否意味着企业须对特定资产享有法律上之权利？对此，域外学理曾有争论。新近通说认为，资产可得入表并非源于其自身经济属性，关键须以法定权利为其背书，即具有法律上的权利根据。因此，数据确权是数据资产入表的首要前提。倘企业将数据资产入表，后经审计被证实不享有相关数据权利，不论是作为差错更正追溯调整，抑或是作为期后事项予以确认，均构成对原先会计确认的纠正。
《数据二十条》强调“推动建立企业数据确权机制”。鉴于“数据资产入表”的财务属性，该议题下的法律确权主要需解决数据财产权益的配置问题。笔者认为，确权环节以认定企业对数据具备持有权和利用权为目的，具体分为两个层次：第一，企业对数据享有持有权；第二，企业享有数据持有权的同时，拥有数据利用权。
1.企业享有数据持有权
前已述及，会计资产确认标准中“拥有或控制”系以“控制”为核心。对此，法律层面的权利配置为数据持有权，该权利的特性和权利客体分述如下：
（1）数据持有权的特性
数据持有权是持有者依法享有的对数据自主管控、免受不法侵害的权利，具有消极的排他性，其权利主体是数据生产者或受让者（置于数据资产入表场合对应内部生产与外部购入两类进路）。理解该权利须将持有与民法上的占有加以辨析。就共性而言，二者均追求秩序价值；占有的核心机能在于维护财产秩序，而数据持有权的创设亦旨在维护数据流通秩序。就区别而言，第一，客体不同。占有的客体是有体物，而持有的客体是无体物；于后者，权利人通常需借助特定媒介实现对客体的持有。当数据持有人藉助数据载体持有数据时，对数据的调用与对数据载体的占有不可分离。这就意味着侵害数据持有权的形式通常为侵入网络云盘、侵入或者侵占存储硬盘、盗用数据接口等，此有别于侵害占有场合对有体物直接的占有侵夺。第二，排他性强弱不同。占有之事实状态令占有人获得如同所有权人般对标的物的绝对排他力。而数据持有呈现相对排他力：一方面，数据于事实层面的非排他性无碍于法律层面就其持有赋予排他力。财产法上“排他性”侧重于规范层面，旨在保障权利人就特定财产的价值实现不因他人使用而减损。此种处理规范不因客体有形或无形而异其适用；尽管数据在客观上可被无限复制，但放任此种行为将致持有企业丧失“人无我有”的商业优势，导致数据价值实现目的落空。另一方面，数据较于传统有体物的特殊之处在于，其在客观上能够为多个权利主体同时用益，因此，为促进数据流通利用，以数据作为客体构建权利不宜采独占性的绝对排他进路。
值得一提的是，数据持有权应置于数据产权双阶二元结构中考察。所谓双阶是指数据的生产阶段和数据的流通阶段。在第一阶数据来源者权与数据持有权的权利关系结构中，数据来源者作为数据价值来源主体享有数据来源者权，数据生产者作为数据持有者享有数据持有权，二者共同构成“来源者权—持有权”体系。这一体系旨在通过授权与被授权、同意与被同意等机制在数据生产阶段实现数据初始利益的分配。在第二阶数据持有权与数据利用权的权利关系结构中，数据利用权人可从数据持有权人处获得具利用性的数据产权。可见，数据生产者的持有权是数据权属结构的核心与中枢，向前链接数据来源者，向后赋权数据利用者。
（2）数据持有权的客体
基于数据价值生成链条，企业数据可类型化为原始数据、数据集合与数据产品。但作为数据持有权客体，具有入表可能的原则上限于数据集合与数据产品，不包括原始数据。从规范目的角度看，在原始数据之上设立持有权不利于生产环节对数据价值的发掘，悖于“促进数据开发利用”之目的。原始数据是数据生产的主要原料，经处理加工后生产出具有独特性的数据集与数据产品，非竞争性决定了原始数据之上可由数个数据处理者并行不悖地挖掘其价值。是故，为促进数据开发利用，宜将原始数据划入公共资源范畴，其上通常不设财产权。相形之下，处于数据价值生成链条第二、三阶段的数据集与数据产品则具有赋予持有权之必要，具备入表可能。以数据集为例，较于原始数据，企业数据集的形态与价值趋于固定，且通常系于对原始数据进行加工、投入劳动价值后生成，赋予持有权有助于避免“公地悲剧”，走出“丛林法则”。
此外尚需进一步讨论的是，数据持有权客体中的数据集是否涵括公开数据集。这关涉事实判断与价值判断两层面之检讨：于前者，由于数据公开后可供他人访问，访问者客观上确实有能力以低廉边际成本复制数据并为己所用；但于后者，是否允许擅自复制公开数据则是另一个问题。企业持有的公开数据集具有信息产品“再利用成本极低而初始生产成本较高”的特点，针对公开数据集的爬取使得后发企业可以极低代价轻易攫取数据资源，而此通常乃在先企业通过人财物之不菲投入、“捕获”原始数据并处理后取得；尽管作为数据集来源的原始信息具有非稀缺性，但此无碍于经处理后的数据集稀缺性之具备。因为原始数据经规模化处理后已进一步“成长”为具有更高价值的数据集。前述处理过程凝结了大量劳动价值。在价值判断上，法律完全可以基于政策考量，人为地拟制稀缺性，以达到保护劳动价值投入者之目的。当然，基于数据流动的公共利益需要，法律可比照知识产权中的合理使用制度，于特定场合对公开数据持有权施以限制，以衡平产权保护与数据流通共享这两大价值。
2.企业享有持有者利用权
针对会计资产确认要件中“预期会给企业带来经济利益”意涵之一“具备产生经济利益的潜力”，法律层面的权利配置为数据利用权。一方面，从《数据二十条》关于数据产权的表述看，所谓“加工使用”“经营”均系对数据的利用行为，基于此可提炼出数据利用权这一概念。另一方面，从数据产权配置的法律效果看，在数据产权未发生分置时，持有权与利用权归属于同一主体，持有与利用只是其上位权利的具体权能；而当数据产权分置实现时，持有权与利用权可为不同主体所享，此种分置方案服务于鼓励数据流通利用这一目标。
依主体之别，数据利用权可类型化为持有者利用权与非持有者利用权。此种类型化的意义在于：一方面，契合实务现状。实践中数据利用的形式呈现多元化。除持有者利用外，尚广泛存在非持有者利用数据现象，从产权分置、鼓励数据流通角度有必要对其予以确权。另一方面，为数据资产入表提供准据。持有者利用权，因其本身系数据持有权的自然延伸，故可同时满足会计资产入表中“控制”与“具有产生经济利益的潜力”这两项要件，从而具备入表可能，可进入后续入表要件之评判；而非持有者利用权，虽因不满足“控制”要件而不具备入表可能性，但无碍于在符合特定条件时予以表外披露。此种区分具有入表层面的技术意义。
在实操层面，可从以下三方面对持有者利用权与非持有者利用权进行界分：第一，权利产生原因不同。持有者利用权源于作为数据生产者或受让者的持有人身份，系持有者对其所持有数据自行使用、处分、收益的权利，是数据持有权的自然延伸。而非持有者利用权并非源于持有者身份；相反，其系持有权人为他方所创设之权利，在范围与强度上不得逾越持有者利用权。第二，公示不同。持有者利用权可藉由数据持有权准占有之公示强化保护，而非持有者利用权原则上无公示方式。日本学者指出，在数据持有者许可他人利用数据场合，以授予利用者访问权限为例，此际存在“管理者权限”与“被管理者权限”两个概念：前者指对数据所处整个系统进行全面控制的权限，为数据持有者所享，持有者藉此享有对抗力，而“授权利用者访问”乃持有者利用数据的一种方式；相较而言，“被管理者权限”仅指数据利用者被持有者个别赋予的、作为被管理者对数据的有限访问权，此种权限不具备公示性与对抗力。第三，再类型化进路不同。非持有者利用权，依利用者取得权利的依据之别，可再类型化为法定非持有者利用权与意定非持有者利用权：前者通常基于公共政策考量而特设，数据持有者由此负有许可他人利用数据的法定义务；后者基于意思自治创设，法律原则上不作干预。相较而言，持有者利用权不存在上述类型化的问题。
综上所述，尽管当前对数据权利为何种具体权属型态尚无定论，但就数据本身具有财产价值是达成了共识的。在数据确权过程中，必须尊重数据的可复用性、非排他性和聚合性等特性；除此以外，不可忽视的是数据的成长性，即每一项数据都处在不断的变动更新之中，数据在不同应用场景的价值不同，数据在不同阶段还表现为不同的客体型态。数据确权不是确认其为某一项固定的权利，而是以数据全生命周期为主线，确定数据的基本权利框架与结构。数据价值链形成中的主体可以分为数据来源者、数据生产者、数据使用者。数据权属的结构也应以该三类主体为基本依归，以数据持有权为核心。数据资产入表过程中数据的确权就是确认数据在不同场景下其价值的归属者与承载者。
（二）合规审查
《指导意见》强调“依法合规管理数据资产”。数据资产入表中的合规审查就是对数据资产来源、处理与流通展开合法性评估，以确保数据资产在后续流通中不至于因违规而影响交易。
1.数据来源合规
数据来源合规着眼于企业取得数据环节。实践中企业所持有的数据来源呈现多元化特点，个人数据、公共数据、企业自身及其他企业数据均时常交织重叠。合规审查相应地也需要区分数据类型分别展开：
若数据系原始取得，常见情形为企业收集自己生产经营过程中产生的数据（如企业发电量、供水量等数据）。因此种场合数据源即为企业自身，故来源合规审查一般可以通过。若数据系继受取得，则分三种情况：第一，前手为个人数据。此种场合用户作为数据来源者，天然享有个人数据来源者权。企业于经营活动中采集用户数据，取得个人数据持有权的法理基础是用户行使个人信息自决权。因此，除非个人数据已经匿名化处理等消除其上人格性关联，来源合规层面须审查知情同意相关事宜；用户依法行使撤回同意权、删除权等的，企业应予配合，其就个人原始数据所享持有权相应消灭。第二，前手为公共数据。公共数据归国家所有，依用途可类型化为国有公用类与国有私用类。对于国有公用类公共数据，企业通过公共数据开放中的数据采集取得数据持有权。公共数据开放包括无条件开放与有条件开放两类：对于前者，因政府不就公共数据获取设以限制，故来源合规层面一般可通过审查；对于后者，应严格比照政府就公共数据开放所设限制条件（主体、范围、方式、用途等）逐一审查，落实来源合规。对于国有私用类公共数据，企业通过公共数据授权运营取得（原始）数据利用权，但无碍于经由后续加工处理以生产者身份就数据集或数据产品取得持有权。不过，在来源合规层面，仍须就作为生产资料的原始数据进行审查，鉴于公共数据授权运营模式存在政府采购型与特许经营型两类，故须审查相应合同（政府采购合同/特许经营合同），以及获取数据的行为是否符合相关法律（如《政府采购法》）的规定。第三，前手为其他企业数据。此种场合主要包括外购、被许可使用以及从其他企业公开数据中获取等，不论何者，均产生数据于企业间流动的问题。来源合规层面，应践行实践中确立的“三重授权原则”，即审查“其他企业—企业授权”“用户—其他企业授权”“用户—企业授权”。关于“其他企业—企业授权”需注意两点：其一，在从其他企业公开数据中获取的情形，须审查前手企业是否确有向不特定第三人公开数据的意思；此种意思既可明示（如明确表示公开并提供数据访问和获取路径），亦可默示（如将数据上传至任何主体皆可无障碍登录的平台）。其二，若获取数据系基于数据利用权法定配置，则虽可豁免审查此种授权，但须审查获取行为有无法律依据。
无论企业通过何种方式持有数据，其来源必须合规，非法获取的数据既不能确权也无法入表。比如某A企业利用撞库的黑客手段，获取了某社交网站大量用户的手机号、身份证、家庭住址等个人信息，并将之打包后出售给某企业B。此时，A企业因获得数据的手段不合法无法拥有或者控制数据；B企业购买数据的来源也不正当，也无法完成个人授权的程序，因此其也不能拥有或者控制数据。
2.数据利用合规
数据利用合规可从内部处理与外部流通两方面考察。就内部使用而言，企业作为数据处理者，其从事数据存储、加工等处理行为须合规，不得泄露国家秘密、商业秘密或个人隐私，不得损害国家利益、社会公共利益与他人合法权益。就外部流通而言，鉴于数据之上可能存在人格利益、公共利益等多元利益诉求，是故应根据不同流通客体进行相应的不同审查。当流通客体为个人数据时，应依“三重授权原则”展开合规审查。因来源合规层面已完成“用户—企业授权”审查，故此处审查仅需就“企业—其他企业授权”“用户—其他企业授权”展开，但需注意两点：其一，用户行使个人信息可携权时，可豁免“企业—其他企业授权”审查。在用户通过对其他企业授权直接实现数据流通场合，存在企业竞争利益与用户人格利益间的冲突；基于个人人格利益优于企业财产利益的价值考量，应肯认此种场合数据流通可豁免“企业—其他企业授权”的审查。其二，当数据之上人格关联性消除时，无需进行“用户—其他企业授权”审查程序。例如，当交易客体系基于对个人数据处理分析所生之衍生数据产品（如根据用户浏览足迹与购物记录等生成销售趋势分析数据）时，其已与原始网络用户信息无直接关联。当流通客体为公共数据时，对于无条件开放类公共数据，流通合规层面一般可通过审查；对于有条件开放类公共数据，则应重点审查有无处分类限制条件。当流通客体为企业自行采集数据时，须审查“企业—其他企业授权”的合规性。
数据合规审查既是数据资产确权的前提与基础，也是数据资产入表必不可少的步骤与环节，是数据资产入表后进行后续资产交易与融资的保障。
四、数据资产入表中数据质量评估与安全保障
（一）数据质量评估
数据质量评估于资产入表层面的意义在于：其一，与会计核算所设信息质量要求一脉相承，亦是对其进行价值评估、落实“价值可靠计量”要件之逻辑前提。其二，降低数据资产流通交易成本。数据资产入表前后均面临数据流通问题；数据流通须先实现数据格式的共通化，格式口径不一致将致数据传输与提取成本增加，悖于效率。其三，促进企业数据治理与决策的优化。低质量的数据可能损害企业数字系统的可用性并阻碍操作性能，引致有缺陷的决策；严重者甚至会损害组织声誉，增加风险暴露，并造成重大资本损失。
《数据二十条》明确要求“加强数据质量评估标准制定”。规范层面，我国《信息技术数据质量评价指标》提出六大核心指标：规范性、完整性、准确性、一致性、时效性、可访问性；《信息技术大数据数据资产价值评估（征求意见稿）》（2022年发布）第6.2条、《数据资产评估指导意见》（2023年发布）第16条延续了前述评价体系。较于域外学理实践，我国现行数据质量评估规范存在指标类型不完备与主客观维度未区分的缺陷，可能引致质量评估精度欠缺，一些不具质量要求的数据“浑水摸鱼”通过此环节测试，为嗣后资产价值评估埋下隐患。笔者认为，从数据资产入表角度而言，我国目前数据质量标准规范在以下两方面有待完善：
第一，扩充指标类型。与域外相比，我国的数据质量评估所设指标明显较少，可能导致数据质量评估体系的不周延。建议增加相关性（relevance）与可信度（reliability）指标。相关性是指数据对目标决策任务的适用和有用程度，可信度是指数据使用者认为信息真实或可信的程度；此二项指标是影响数据质量的重要属性，将直接或间接影响从业者如何利用数据。
第二，区分指标类型的主客观维度。域外有观点指出，数据质量评估宜围绕主客观两维度，从结构评估与场景评估切入。申言之，结构评估着眼于质量评价的客观标准（如准确性），此种标准与数据的固有属性攸关，而与数据利用的具体情境无涉；场景评估着眼于质量评价的主观标准（如相关性、可信度），此种标准与数据利用过程和所处特定场域相关，反映了数据质量之于特定主体的个性化满足。区分主客观维度的原因在于：一是评判是否达标的进路不同。客观指标是数据质量评价中的刚性、绝对标准，在评估其符合程度时不得克减对其圆满性之要求。相较之下，主观指标在数据质量评估中呈现“语境依赖属性（context-dependent nature）”，即在单一指标上的欠满足并不必然引致质量评估的“败局”，而需依赖与其他主观指标联动考察，方可得出是否符合之结论。二是对数据资产价值贡献不同。在以成本法评估数据资产价值场合，数据质量中客观指标与主观指标分属不同类型的调整因子，对估值结果影响有别。比较法上，《德国联邦数据保护法》第28b节“评分”即在某种程度上为数据质量评估提供了法律层面的量化进路。略有遗憾的是，其在计算评分赋值时未对主客观标准予以区分，可能导致最终得出的概率值有失偏颇。
（二）数据安全保障
数据安全，指确保数据处于有效保护与合法利用的状态并具备保障持续安全状态的能力。《数据二十条》共有14处提及数据安全，内容上遍及“建立实施数据安全管理认证制度”“健全网络和数据安全保护体系”等多个领域；《指导意见》亦将“坚持确保安全与合规利用相结合”作为数据资产管理的首要基本原则。文义上，“数据资产入表”具有瞬时性，但数据资产安全是一种状态。为确保控制下的数据资产持续处于安全状态，可诉诸以下两项进路：
1.科以数据处理者数据安全保护义务
科以数据处理者数据安全保护义务是实现其自我规制的方式。根据《数据安全法》第27、29条，数据安全保护义务的基本内容包括：建立健全全流程数据安全管理制度、组织开展数据安全教育培训、采取相应的技术措施与其他必要措施、加强风险监测以及发现风险或发生安全事件时应采取补救措施和处置措施。上述内容中富有争议的问题一是如何理解“相应的技术措施与其他必要措施”，二是如何界定安全风险或事件发生时的补救措施与处置措施。
“相应的技术措施与其他必要措施”中的“技术措施”于《数据安全法》中未予明确，体系上可参考《网络安全法》《个人信息保护法》的相关规定。根据《网络安全法》第21条、《个人信息保护法》第51条，技术措施主要涵括两类：一是系统性措施，着眼于网络安全环境的维护，如防范计算机病毒与网络攻击侵入、监测并记录网络运行状态与安全事件；二是非系统性措施，着眼于具体数据的安全保护，如数据分类、数据加密与去标识化、重要数据备份等。“其他必要措施”指涉除技术措施之外的其他对于保护数据安全必要的措施。比较法上，除技术措施外，数据安全保护措施主要涵括两类措施：一是物理安全措施，即针对物理上关涉计算机系统的有形物品的安全保护；二是行政安全措施（或组织措施），包括管理程序、操作程序、问责程序等。“相应的”则意味着所采措施须与数据所面临安全风险相匹配，某种程度上是比例原则的体现。比较法上，欧盟《通用数据保护条例》第32条第1款明确指出，数据控制者、处理者应采取适当的、与风险相适应的技术性与管理性措施；美国学界亦认为，处理者在采取数据安全保障措施之前，应预先评估数据安全风险，而后据此拟定合理的应对步骤（reasonable steps）。
“补救措施与处置措施”在《数据安全法》中也未予细化展开，体系上亦可参考《网络安全法》与《个人信息保护法》的相关规定。根据《网络安全法》第25条、《个人信息保护法》第57条，补救措施主要指在发生或者可能发生数据泄露、篡改、丢失时，处理者应当立即采取补救措施，并履行通知义务；处置措施主要指制定并启动应急预案，及时处置各类安全风险。
2.发展数据安全监测评估、认证服务
与数据处理者履行数据安全保护义务的自我规制有别，数据安全评估认证属第三方规制，其价值在于：首先，可对企业基于内部控制所采安全保护措施构成外部监督，有效制约数据资产入表中的舞弊行为，克服“市场失灵”；其次，作为第三方的外部规制，为数据资产入表的安全评估提供专业意见，提高社会公众对人工智能系统使用的信任度；最后，在一定程度上可缓和政府对企业更严苛的监管，防止因政府过多干预掣肘数字科技创新。关于数据安全评估认证服务，需讨论以下两方面问题：
一是数据安全认证机构应具备何种资质。对此，笔者认为，数据安全认证机构应具备独立性与专业性。其中，独立性要求认证机构与作为数据处理者的企业相互独立，且独立于政府。因为认证是对目标企业数据安全的评估，倘认证机构与目标企业存在利益关联，那么企业与认证机构串通舞弊的风险将陡增，评估结果的客观公允性难以得到保障；而从性质上看，安全认证本质系第三方规制行为，而非行政确认、行政检查等政府行为，考虑到“放管服”改革的核心目标是减少行政权力对市场的不当干预，认证服务的开展亦应遵循此种理念，否则将导致“认证异化为审批”，易诱发权力寻租行为。就专业性而言，数据安全认证涉及法律与科技专业领域，这对评估主体的专业胜任能力提出较高要求。目前国家公布的网络关键设备、网络安全专用产品安全认证和安全检测任务名录中的机构，在所涉安全监测与认证领域有着公认的专业胜任能力。面对迫切的安全认证实践需求，当下可先扩充前述机构的业务范围，初步建立数据安全监测与认证体系。
二是数据安全认证程序如何展开。首先，安全认证的启动宜采“自愿认证与强制认证相结合”的做法，且以自愿认证为原则，强制认证为例外。在传统认证领域，根据《认证许可条例》第18、27条，我国实行自愿认证与强制认证相结合。而根据《个人信息保护法》第38条、《数据安全管理办法（征求意见稿）》第34条、《工业和信息化领域数据安全管理办法（试行）》第30条，针对数据安全认证，我国总体也采自愿认证，并针对某些特殊信息处理行为采强制认证。实践中，“强制认证为辅”能够在保障特定领域数据安全的前提下，尽可能尊重市场主体自治，避免将认证异化为审批，造成行政权力对市场自治的不当干预。其次，认证实施程序一般应涵括技术验证、现场核查、作出认证决定与颁发证书四个阶段。证书取得是数据资产可得入表的前提。最后，就认证后的监督而言，鉴于数字科技发展一日千里，即便是认证时点符合要求的数字产品，嗣后也可能因新技术的滥用导致风险发生，故应科以认证机构后续跟踪监督的义务。
数据质量评估指标体系的科学构建与数据安全保障措施的落地是数据资产得以入表的制度基础与运行保障。没有安全就谈不上效益，无论是数据要素型企业，还是数据赋能实体产业，没有相应的安全保障措施，都谈不上数据经济效益。因此，数据资产入表的功能发挥必须以数据安全保障为依托。
五、数据资产入表中经济利益流入分析
（一）经济利益流入路径
1.拟作为无形资产入表的数据资产
根据《暂行规定》第二部分第1—3点，作为无形资产入表的数据资产主要包括以下两类：第一，自用型。企业基于数据处理、使用来优化自身管理决策，以提升营利能力。例如互联网购物平台利用所采集数据勾勒用户画像并实施精准营销，又如互联网出行平台深度分析活跃用户数据后借助物联网优化匹配服务。此类场合经济利益流入路径为数据处理分析对企业利润的边际贡献。第二，许可他人使用型。基于许可方式可再类型化为独占许可、排他许可和普通许可。其中，独占许可的被许可方是唯一使用权人，许可方与任何第三方均不得使用数据资产，故经济利益流入企业的路径是许可方向被许可方收取许可费；排他许可中，许可方仅负有不得再向其他第三方许可使用的义务，但其自身仍可使用该项数据资产，故经济利益流入企业的路径是“自己用益+收取许可费（限于既存使用许可）”；而普通许可的许可方不负有不得再向其他第三方许可使用的义务，且其自身仍可使用该项数据资产，故经济利益流入企业的路径是“自己用益+收取许可费（不限于既存使用许可）”。
2.拟作为存货入表的数据资产
根据《暂行规定》第二部分第4点，作为存货入表的数据资产指企业日常活动中持有、最终目的用于出售的数据资源。值得注意的是，实践中常出现“将同一数据源不断产生的数据打包出售给不同需求主体”情形，其行为表征虽为“出售”，但应确认为无形资产，而非存货。根据《企业会计准则第1号——存货》（以下简称《存货会计准则》）第14条第4款，存货出售时应将其账面价值结转当期损益（营业成本），存货资产出表。而“将数据打包出售给不同需求主体”并未导致企业丧失对存货资产的控制，此种情形的实质为普通许可使用，并且企业持有数据通常超过一个会计年度（只要不删除且存储得当，理论上数据可无限存续），已然与存货的流动资产定位相悖。从《暂行规定》制定沿革看，其征求意见稿曾以内部使用/对外交易作为界分无形资产与存货的标准，后此种界定被删除，核心原因在于“企业利用所持有数据资源为客户提供服务（如许可使用）”是对外交易常见应用场景，但此种情形不符合《存货会计准则》关于存货的定义。故此，《暂行规定》对作为存货确认的数据资产采取了较为限缩的界定，严格上讲唯有买断式数据出售方可纳入其规范射程。在域外层面，国际财务报告准则解释委员会于2019年就加密货币会计处理拟定动议时亦指出，除因用于出售而适用《国际会计准则第2号——存货》外，其余情形适用《国际会计准则第38号——无形资产》处理。
（二）经济利益流入可行性判断
有观点认为，为防止漏记数据资产，应弱化资产要件中“很可能”的概率判断，原则上只要数据资源未完全丧失价值，即表明其可带来经济利益流入。但笔者认为，此种观点不符合现行准则关于资产之定义，不应采纳。在明确经济利益流入路径后，企业应按图索骥，通过建立内部数据资产价值评价体系对数据资源投入产出效益进行评价，具体应结合以下因素展开：
（1）应用场景。数据具有独特性与场景依附性，数据价值与所应用场景高度关联。同一数据对不同企业、对同一企业不同业务所生价值可能迥异。
（2）生命周期。在数据系企业内部生成的情形中，数据历经获取、确认、预处理、分析、挖掘、应用等阶段，但相关支出直至分析环节始具资本化进而被确认为资产之可能。以AI类数据为例，其生命周期遍及“创意构思（Idea Conception）”至“系统弃用（System Decommission）”共计十环节，一般认为至少需进行至第七环节“系统部署（System Deployment）”才具备经济利益流入的可能。
（3）规模经济。从会计信息质量角度看，重要性原则要求会计核算须反映当期重要事项，所涉金额大小是评判事项重要程度的主要衡量因素。就此而言，由于数据利用须建立在对足够多数据予以收集、整理的基础之上，唯有运用技术对其清洗处理方能发掘出其中价值并加以管理，而原始数据多呈单一、零散状，通常鲜有价值，因此原始数据通常不能入表。与原始数据相对应，数据集在财务信息会计核算层面则具有重要性。一般认为，数据集较于原始数据的差异在于成本投入与规模数量两方面：“成本投入”意味着数据价值实现了实质性增值，而规模层面则要求数据须达致“实质规模数量”。比较法上，《日本不正当竞争防止法》第2条第7款在定义“限定提供数据”时，其要件之一即为“累积相当数量”；通说认为，“相当数量或规模”应基于通常社会观念，结合数据性质、规模效应、利用可能性等因素综合研判。
（4）范围经济。与数据规模经济相区分，数据利用中提高经济效率的另一路经是数据聚合场域下的范围经济（economics of scope）。申言之，当两个数据集互补时，与将其分别保存于单独的数据筒仓相比，将其合并可提取更多的信息洞见与经济价值。譬如，当平台能够同时采集用户网页浏览、金融交易、出行轨迹、社媒言论等多领域数据集时，其所作定向营销在点击率和收入方面将变得更有效率；尽管此种营销策略或可基于单一数据集分析得出，但合并后的数据集将更深入地了解用户偏好，会产生“1+1﹥2”的成效，经济利益流入企业的可能性也更高。
此外，企业可基于历史经济收益数据，通过特征工程、模型训练等从技术上构建出适应上述权衡因素的经济利益流入分析模型。同时应认识到，随着数字经济的发展，数据资产经济利益流入企业的可能性会增加，因此，要对这一入表必备条件保持开放、包容态度。
六、数据资产入表中的列报与披露
列报与披露是数据资产入表的“临门一脚”，主要解决表内科目选择、计量以及表外信息披露问题。关于表内事项处理，主要有三种观点：一是暂沿用既有准则规定，根据资产经济利益实现方式分别确认为无形资产或存货，《暂行规定》即采此做法；二是单独制定数据资产会计准则，但资产确认、计量等技术内容仍沿袭既有无形资产及存货准则规定；三是单独设置数据资产科目并制定相应准则，内容上根据数据特质作全新规定，如计量属性采公允价值（条件成熟时）。笔者认为，首先，观点二值得商榷。如无必要，勿增实体，倘认为既有准则内容足以应对，便无需另行制定新准则并设类似内容。其次，观点一项下沿用无形资产及存货准则，意味着其计量属性采历史成本，这与数据成长性不甚匹配；数据成长性虽与观点三项下公允价值计量暗合，但囿于我国数据交易市场尚欠活跃，可比价格欠缺，贸然推进恐阻碍数据资产入表进程。质言之，观点一、三无根本冲突：前者是切合当下的务实做法，后者是展望未来的理想方案。从鼓励入表角度，可以观点一（即《暂行规定》的内容）为主要因循，并就某些问题（主要是后续计量）基于观点三作拓展延伸，对后续计量方法等进行完善。
（一）初始计量
在《暂行规定》框架下，数据资产仅可作为无形资产或存货入表，而既有准则下此两项资产的初始计量均采成本法。故在数据资产入表问题上，初始计量主要涉及成本的归集与分摊问题。
成本的归集应区分数据资产取得方式作不同处理。对于内部形成的数据资产，根据《企业会计准则第6号——无形资产》（以下简称《无形资产会计准则》）第7—9条，应区分研究阶段与开发阶段：研究阶段支出费用化计入当期损益，开发阶段符合资本化条件的支出应予资本化并确认为资产。以营销类数据产品为例，根据上海数据交易所2023年发布的《数据资产入表及估值实践与操作指南》，企业于研究阶段从事市场需求分析的支出应费用化；在开发阶段，企业从事数据采集、数据调度、数据清洗、数仓建模、数据标签化、统计分析与机器学习建模等符合资本化条件的支出可归集并确认为资产。对于外部取得的数据资产，初始确认成本应包括购买价款、相关税费以及使该资产达到预定用途的其他支出。
成本的分摊应坚持配比原则。其中最值得讨论的是如何测算作为经济活动副产品的数据资产（如基于机器算法自动、同步生成极具经济价值的数据集）的成本。笔者认为，此类数据资产成本由原始数据采集成本与后续处理成本两部分构成。其中，后续处理成本（人工费、机器折旧、算法无形资产摊销等）可根据配比原则分摊，难点在于对作为经济活动副产品数据采集成本的计量。针对此问题，域外新近文献提出了“数据折扣理论”。申言之，企业为持续采集用户数据，需通过“让利”方式吸引用户使用数据产品，如就平台所售商品打折促销招徕顾客，又如允许用户免费使用App。前者系以少赚商品利润为对价换取用户数据；后者形式上免费，实质系以提供App服务为对价。此种让利代价谓为数据折扣，可据此测算作为经济活动副产品数据的采集成本。从劳动赋权理论看，在数字时代，用户兼具消费者与生产者双重身份，其于网络消费的同时基于数字劳动（或谓“玩劳动”）为企业生产数据；而数据折扣正是企业就用户此种劳动的付费。
（二）后续计量
1.确认为无形资产的数据资产
根据《暂行规定》第二部分第2点规定，作为无形资产确认的数据资产，其后续计量须按照《无形资产会计准则》处理，主要为摊销与减值测试。
根据《无形资产会计准则》第16—19条，摊销主要涉及两个层次问题：是否摊销，以及如何摊销。若无形资产使用寿命不确定就不应摊销，反之则须摊销，关键在于判断数据的使用寿命是否确定。数据具有时效性与价值易变性，数据价值也可能随着时间流逝而衰减，如客户变更地址后旧地址往往不再重要，又如销售数据可能仅对未来几年的经营预测具有价值，此种特质取决于数据对时效的敏感程度。因此，应将摊销范围限于时效敏感性强且价值随着时间流逝而贬损的数据资产。而解决如何摊销问题的关键在于摊销方法选择。对此，学界存在均匀摊销说与加速摊销说两种观点。上海数据交易所的新近实务调研报告认为，摊销方法应根据特定数据资产经济利益的预期消耗方式确定，须结合不同业务特点与市场情况考察，并一致地运用于不同会计期间。
就减值测试而言，根据《企业会计准则第8号——资产减值》（以下简称《资产减值会计准则》）第5、6条，当数据资产存在减值迹象时，企业应对其进行减值测试，并估计可收回金额。可收回金额为“预计未来现金流量现值”与“公允价值减去处置费用”中较高者。预计未来现金流量现值系运用收益法估值，对此应结合数据类型、用途等综合研判，如对用户数据集的评估可以用户粘性作为未来收入流的主要评价依据。而公允价值的测算涉及市场法，此种方法应用以存在活跃交易市场为前提；由于数据的独特性加之数据市场发展刚刚起步，目前市场流动性与活跃度相对有限，市场的价格发现功能尚不显著。对此，有学者尝试提出替代方案，即以成本法与收益法的计算结果作为区间两端，在此范围内借助博弈模型发现数据要素均衡价格。笔者对此表示赞成。一方面，信息不对称叠加活跃市场阙如会致使数据资产的单方定价诱发不公平结果，双方博弈机制的引入有助于消除上述弊端。另一方面，博弈模型暗合市场法内在机理，其最终产物是基于双方讨价还价所得之均衡价格，有望与市场法（假定能够应用）下计算结果趋近。
2.确认为存货的数据资产
根据《存货会计准则》第15条，存货按照成本与可变现净值孰低计量，可变现净值指存货的估计售价减去至完工时估计将要发生的成本、估计的销售费用以及相关税费后的金额。
此处值得反思的是，因数据具有成长性，数据资产嗣后可能出现价值增值情况，《暂行规定》在因循既有准则进路下对此捉襟见肘：就无形资产型数据资产而言，根据《资产减值会计准则》第17条，已确认减值损失无法转回，而依会计学理，已计提摊销原则上不得冲回，如此，账面记载无法准确反映数据资产真实价值；就存货型数据资产而言，尽管根据《存货会计准则》第19条，已确认存货减值损失（存货跌价准备）可以转回，但账面价值回复仅以已计提减值为限，账面与实际背离的可能性仍然存在。针对这一问题，有学者指出“可于报表附注中披露数据资产增值情况及原因”；新近实务研究亦就无形资产型数据资产提出“表内不调整+表外披露”的建设性替代方案。笔者认为，上述研讨均为既有准则适用框架下的权宜之计，从长远角度看，应于未来条件成熟时就数据资产单独制定会计准则，并统一以公允价值为计量属性，则该问题即可迎刃而解。
首先，《暂行规定》框架下数据资产采成本法计量并非理想方案。《IASB概念框架：结论基础》第BC6.34条明确指出，计量基础选择需考虑的核心因素是“相关性”与“如实反映”。成本法下，折旧或摊销仅反馈非流动资产于其使用寿命内逐步结转费用的过程，无法衡量资产市场价值的下降情况，遑论数据资产基于成长性可能出现的增值情形。《暂行规定》尝试沿用既有路径解决新型资产入表问题，但此“旧瓶装新酒”之举未免削足适履，难谓理想。
其次，《暂行规定》框架下数据资产减值测试中可收回金额的比较基准之一是未来现金流量现值，适用收益法，但将此种估值方法应用于数据领域恐亦存障碍：数据的价值易变性意味着其未来收益难以精确计量，且未来现金流量的预测、折现率的选取之主观性较强，最终计算结果对报表使用者而言可能存疑。
最后，公允价值计量与数据特质最为匹配。此方案下，数据资产价值的频繁波动可通过公平交易市场敏锐捕捉，不论增值或减值。事实上，《暂行规定》适用下，数据资产后续计量已在某种程度上融入公允价值考量因素（如可收回金额、可变现净值），但困于会计谨慎性原则及“适用既有准则”的刚性规定，账面调增遇阻。新近研究已注意到这一问题，提出通过修订既有准则（如《无形资产会计准则》）统一改采公允价值计量，以适应数据资产特质。但此种做法未免迂回，且会不当殃及传统无形资产，得不偿失。最理想的方案是“让上帝的归上帝，凯撒的归凯撒”，针对数据资产单独制定会计准则。当然，此种构想实施的前提是我国已形成活跃的数据交易市场。
（三）披露
根据《暂行规定》第三部分第二节，企业须于报表附注部分就数据资源会计信息予以披露。就强制披露而言，针对无形资产型数据资产须披露使用寿命判断依据与摊销方法，会计政策、会计估计或差错更正对摊销影响等八类事项；针对存货型数据资产须披露发出存货成本确定方法、可变现净值确定依据、存货跌价准备计提方法及当期计提与转回的存货跌价准备金额等五类事项。就自愿披露而言，可披露数据资源应用情况、企业对数据资源的加工维护和安全保护情况等八类事项。
笔者认为，《暂行规定》采“强制披露+自愿披露”模式较为合理，可作如下完善：一是，应增设“数据资产价值增值情况”作为强制披露事项。诚如前述，在《暂行规定》采历史成本计量下，数据资产账面价值的峰值为入账时点，其基于成长性所生增值无法于表内反馈；如此，倘再不予表外披露，必将误导报表使用者。二是，应明确以“对报表使用者决策有用”作为自愿披露事项选取原则。参考《IASB概念框架》第7.1—7.6条，可从以下三方面展开：第一，相关性。披露信息应紧扣会计核算六要素（资产、负债、权益、收入、费用、利润），其余无关信息不在披露之列；第二，可比性。信息的可比性既体现于同一报告主体的不同期间，亦体现于不同报告主体的同一期间；第三，可理解性。应扼要、有针对性地披露针对特定主体的个性化信息，避免信息披露模板化、重复化。
七、结语
“数据资产入表”在显化数据资源价值、促进数据流通利用、培育数据产业生态等方面具有重要意义。然自《暂行规定》施行以来，实务中“数据资产入表”却进展不畅，究其原因在于相关法律困境未被有效破除。本文从数据资产入表的具体步骤入手，逐一探讨各环节的法律实现问题：就数据确权与合规审查而言，法律层面应配置数据持有权和利用权，并就数据来源、数据处理、数据流通环节进行合规审查。就数据质量评估与安全保障而言，一方面，应扩充质量评估指标类型并区分主客观维度；另一方面，应明确数据处理者数据安全保护义务，并发展数据安全监测评估、认证服务。就经济利益流入分析而言，应因循无形资产或存货经济利益流入路径，结合数据应用场景、生命周期、规模经济、范围经济等因素综合研判。就列报而言，在现有规范下，可依《暂行规定》藉由“无形资产或存货”列报并采历史成本计量；待条件成熟时单独制定数据资产会计准则并统一采公允价值计量。就披露而言，应采取强制披露与自愿披露相结合的模式，对数据资产价值增值事项应实行强制披露，对自愿披露事项应以“对报表使用者决策有用”为选取原则。
作者：张素华 武汉大学法学院教授
↓↓了解更多资讯，请识别下方二维码↓↓
国脉集团是数据资产化专业服务机构，为数据资源拥有者提供专业、规范、合规的全流程数据资产化服务，包括培训、咨询和产品设计等，实现数据资源价值最大化。主要服务于政府数据管理机构、央国企数据运营企业、城市数据运营平台和数据富集型平台企业，打造数据资产网、数据资产研究院和产业专家网络等支撑体系，同时在营商环境与政务领域继续保持领先优势。
主要课程包括数据资产入表、数据经纪人、公共数据运营和政府CDO、数据精品等精品课程。
数据资产化服务：数据资产化战略布局、数据资产入表、数据产品开发及交易等关键任务；
数据要素×项目服务：政策扶持、案例奖项申报、金融支撑和市场变现；
数据产业园区和试验区咨询服务：园区规划、咨询、资源导入
联系我们请点击：
数邦客
