在现今社会，数据就像一座未被开发的丰富矿藏。企业和政府部门都清楚它的价值所在。但如何有效管理和运用这些庞大的数据资源，已经成为一个至关重要的议题。这不仅是一个机遇，也是一个挑战，引起了广泛关注。

数据成为关键资源

如今，信息技术飞速进步，数据变得极其重要。以商品市场、数字资产和金融科技为例，数据扮演着核心角色。在商品市场，数据能分析消费者偏好；在金融科技，它关联着风险评估等多项工作。同时，《数据经济学》等著作的涌现，也反映出数据日益受到重视。数据已成为推动经济的新动力，这是时代发展的必然方向。在各行各业，数据正显现出其独特的影响力，比如在人工智能领域，数据为算法学习提供依据。

数据价值的体现

数据的价值涵盖了多个方面，其中包括使用价值。现实中，我们常能见到利用数据创造效益的案例。例如，电商平台通过分析销售数据来预测商品流行趋势，以此调整库存。企业应当从源头挖掘数据的使用潜力，促进数据资源向资产转变。在企业内部，员工们也逐渐意识到数据价值转化的重要性，他们积极搜集和分析数据，力求为企业带来更多利润。这一过程也改变了企业和员工对数据的思维方式。

数据流通的形式

现在，数据的流通有其特定途径。在一级市场，数据资源的流通多依赖于许可。而在二级市场，则是数据产品与服务的交易场所。比如，那些专注于数据搜集的企业，会将处理过的基础数据许可给其他企业。这些经过处理可直接用于分析的产品和服务，在二级市场有着相应的交易活动。这已是一个逐渐成形且日益完善的市场机制。在此机制中，不同规模的企业扮演着不同的角色，大企业往往主导数据资源的供应，而小企业则更多通过购买数据产品和服务来增强自身竞争力。

数据资产化的阶段

数据资产化的发展分为几个阶段。起初，这一过程并未涉及。随后，数据成为推动力，例如在企业资源规划系统和垂直领域大模型的应用中，这标志着数字经济的1.0和2.0时代。进入第三阶段，数据变成了资产，企业关注的焦点是如何最大化其价值，这是数字经济的3.0时代。以智能驾驶企业为例，在路基数据尚未完全商业化之前，一旦实现资产化，企业的价值就能显著增长。在这一过程中，企业的经营策略也在不断调整，以适应数据资产化的不同阶段。

企业数据资产化的流程

企业数据资产化涉及多个步骤。首先是对数据资源进行分级和分类管理，某些高科技企业会依据数据的重要性及用途进行详尽分类。接着是进行登记、质量评估和价值评估。然后是内部增值和外部增值，比如内部增值过程中数据会被纳入会计报表。去年8月，财政部发布的临时办法为企业数据会计确认提供了依据。企业可以通过授权使用、贷款等方式提升收益，并推动数据流通，例如向大模型企业供应训练数据等。在此过程中，财务人员的作用也不容忽视，他们参与数据价值的计算等工作。

政府数据资产化的问题与对策

政府在推进数据资产化的过程中遇到了两个主要难题。首先，数据运营方不能直接向政府缴纳费用；其次，公共数据的定价也是一个难题。对于定价问题，可以实施分阶段定价策略。第一阶段确保开发成本得到补偿并略有盈利，比如公共卫生数据的搜集与整理；第二阶段则吸引社会企业参与，进行商业化定价。另外，技术手段，如数据空间和隐私计算等，也十分关键。例如，对平台数据进行脱敏和定向开放，对科研公益有着重要意义。而且，像数联产服这样的服务商正在为政府和产业提供数据分析服务，提供了有力支持。

你觉得贵公司或团体在将数据转化为资产的过程中遇到了哪些难题？欢迎在评论区留言，并给予这篇文章点赞和转发支持。