深圳公共资源交易领域数据资产化探索

“十四五”时期，我国数字经济转向深化应用、规范发展、普惠共享的新阶段。数据资产化作为数据要素价值实现的重要方式，其重要性日益凸显。在此时期，一系列支持性政策不仅持续完善了数字经济的顶层设计，也强力推动了数字技术和实体经济的深度融合，为经济发展增添了新的活力。数据流通作为数据资产市场循环体系的核心环节，其健康发展依赖于高效、公平的数据资产估值体系。数据要素具有虚拟性、低成本复制性、主体多元性、非竞争性、非排他性和异质性等特点，这使数据价值评估比其他传统生产要素更为复杂。为此，国内外多个标准化组织、财会领域组织和技术咨询服务企业都在积极探索和研究数据价值评估的新方法和体系。例如，财政部于2023年8月发布了《企业数据资源相关会计处理暂行规定》（财会〔2023〕11号），中国资产评估协会于2023年9月发布了《数据资产评估指导意见》。在数据要素市场化配置改革全面推进的背景下，公共资源交易的数字化转型催生了巨大的数据需求，该领域的数据正从自产自用、自产自销向专业数据产品生产的方向发展。

深圳公共资源交易领域数据资产化实践发现

随着公共资源交易平台整合的快速推进，公共资源交易平台积累了大量的数据，这些数据对要素市场的繁荣和经济的高质量发展具有重要价值，需建立合规高效的数据流通和交易制度，以激发数据要素活力、释放数据价值。然而，当前公共资源交易数据要素流通和交易的发展仍处于起步阶段，在数据权属、交易流通规则、数据安全和隐私保护、数据监督等机制设计方面面临诸多难题。深圳交易集团有限公司（以下简称集团）在实施数字化转型过程中，提出将数智驱动作为实现数字化转型的策略之一，旨在充分发挥数据对于集团发展的基础性、战略性、先导性作用，全面提升数字化应用的广度、深度和高度，赋能经营发展和客户价值创造。为探索数据要素市场化配置改革高质量发展路径，笔者从数据治理实施、数据价值释放、资产价值评估等三个层面阐述集团推动公共资源交易领域数据资产化的实践成效。

数据治理实施层面

目前，行业普遍在数据质量、服务创新、开放共享等方面面临着严峻挑战。数据治理是实现数据价值落地变革的关键环节，是实现企业降本增效，支撑业务升级的关键途径。集团在数据治理方面以“盘、规、治、用”为实施思路，从数据使用出发，以数据质量提升和数据安全共享为目标，强调数据本身的处理和过程管理，明确数据处理的全链路职责，推动内外部数据流通，促进数据资源化、资产化的路径转变，挖掘数据业务的价值及释放数据资产化价值。

“盘”。集团通过数据盘点，解决了数据资源“有什么”“在哪里”“有什么关系”的问题，通过搭建数据资产框架，共梳理出主体域、交易域、监督域、服务域等业务主题域以及184个子业务主题域。通过盘点，整理出3009个数据库表、64 487个字段，以此建立了数据资产目录清单，让数据资产可见、可懂、可用、可运营。

“规”。通过建立基础数据标准和规章制度，结合技术平台和工具治理数据资源，根据国家公共资源交易平台系统数据规范（V2.0）、广东省公共资源交易平台系统数据规范（V1.0），集团建立了统一的数据标准体系，制定了深圳公共资源交易的数据标准规范（V1.0），涉及七大主题域、31项标准大类、195项标准小类、2946项数据标准，解决了公共资源行业跨业务品类数据标准不统一、数据流通不顺畅的痛点和难点，完成数据度量衡统一、数据语言统一。

“治”。集团采用共同控制和集中管理相结合的模式，制定了数据分类分级管理细则，规范数据治理流程，再以统一的数据中台开展数据质量检查和治理的落地。根据数据用途与属性，集团数据分为主体数据、交易数据、管理支持数据、监督数据、市场数据、服务数据、公共数据七类；根据影响范围和影响程度，集团数据安全等级分为5级（极敏感数据）、4级（敏感数据）、3级（较敏感数据）、2级（低敏感数据）和1级（不敏感数据）共5个等级。数据分类可根据数据治理专项工作的推进进行逐步细化，针对不同级别的数据，围绕数据采集、存储、加工、传输、使用、销毁等环节，落实相应安全管理和保护要求，为集团后续数据产品和多元化数据服务场景提供数据安全保障。根据全国信息技术标准化技术委员会提出的数据质量评价标准，从完整性、唯一性、有效性、一致性、准确性、及时性六个维度评估是否达到预期设定的质量要求。集团整理出涉及2001个检核对象对应的3526条数据质量检核规则，为数据质量检测提供依据，并在交易业务系统中进行贯标，以标准数据促业务管理规范，不断夯实数字化基础能力。

“用”。集团通过细化数据应用场景，确定数据服务对象，驱动数据消费，解决数据“价值变现”问题，为公共资源交易领域的数据资产化奠定了基础。

数据价值释放层面

依托数据治理成果，逐步完善丰富数据资源、运营管理机制、运维支撑、组织保障体系和数据应用开发，按照业务数据属性分类构建场景标签，将数据进行分类整理与融合，再以数据应用场景需求为导向，采用算法库、知识图谱、精准推送和模型发布等智能数据研发工具对数据资源进行加工处理，挖掘数据深层价值。公共资源交易数据在提高市场效率、优化资源配置、服务政府宏观经济决策等方面具有重要价值，数据要素如何实现这些价值，数据的流通和交易既是基础，也是关键。因此，公共资源交易数据的流通和交易不仅可以繁荣要素市场，对经济的平稳、健康和高质量发展也具有重要意义。

资产价值评估层面

数据产品成为数据资产的前提是必须具备可量化的经济价值，能够带给企业可衡量的益处。集团已经开展了数据资产定价方法研究，参考成本法和收益法两种计价方法，建设数据资产价值评估模型，研究数据资产计量方法，测算业务投入产出，优化资源配置，为数据资产定价提供了切实可行的指导，并积极开展了数据资产评估实践，结合数据资产的信息属性、法律属性、价值属性等基本属性，以及非实体性、依托性、可共享性、可加工性、价值易变性等基本特征，在不同应用场景下选取数据资产评估方法和确定数据资产权属。

数据资产估值可基于传统无形资产成本法，综合考虑数据资产成本与预期使用溢价，引入价值影响因素进行修正。具体估值方式可参考以下公式：Pc＝TC×（1＋R）×（1＋T）×K（TC为总成本，R为合理利润率，T为适用税率，K为数据价值修正系数）。

以主体信息服务系统为例进行数据资产价值评估，计算单条数据的成本，主体信息服务基于公共资源交易的交易数据，为采购人、供应商提供招投标项目过程的咨询、数据分析等服务。致力于帮助采购人提升采购效能、节约采购预算支出，以及选取最优的供应商，帮助供应商及时获取招标的商机信息。金融机构也可以采购相关的交易数据，基于采购人和供应商的交易数据，用于风险管理、客户分析、贷前贷后管理等，可以通过以下几个步骤计算数据资产的价格区间。

第一步，计算总成本。假如主体信息服务数据从三个系统中总共采集数据接口39个，主体信息有138 758条，融合处理5 481 693条记录。其总成本包括数据采集成本、数据产品研发成本、市场营销成本、风险控制成本。假设开发人员、测试人员、集成人员人工单价为2000元/人天，实施人员人工单价为1800元/人天，咨询人员和设计人员人工单价为4000元/人天，则各项成本计算结果为2 110 000元，以数据平台使用三个月为期，每月存储资源费用为10万元，当前数据平台总共归集数据条数为434 916 838条，则单条数据的存储成本为300000/434916838≈0.00069（元），数据存储总成本＝（5481693＋138758）×0.00069≈3878（元）。

第二步，确定数据价值修正系数。假设主体信息服务数据来源的三个系统数据质量准确率分别为73.73％、85.25％、56.64％，对三个系统的数据进行加权平均后，得到数据质量系数α取值71.88％；主体信息服务采集有主体的基本信息、主体的交易数据等数据，属于非共享数据，因此数据流通系数β取值为1；交易数据在该类型数据总量中的占比为100％，那么数据稀缺系数l取值1；数据价值实现风险系数r取值0.185，因此，数据价值修正系数K为：

K＝αβ（1＋l）（1－r）＝0.7188×（1＋1）（1－0.185）＝0.734

最后一步，确定合理利润率R及税率T，计算单条数据成本价Pc。取收益法中无形资产平均收益率为合理利润率R＝10.42％，增值税税率取6％〔提供现代服务业服务（有形动产租赁服务除外），税率为6％〕。

Pc＝2113878×（1＋10.42％）×（1＋6％）×0.734＝1816057.47（元）

单条数据成本＝1816057.47/5481693≈0.33（元）

同时，对比收益法的计算结果。成本法估算的价值一般在收益法估值的范围内，该结果是以当前的数据基础和发展形势为基础进行的估值，随着环境的变化，数据在成为商品前，作为企业的资产，具有通用性强、外部性以及不可耗尽等独特的属性，会使其价值受到诸如质量、应用场景及法律道德等因素的限制和影响。

公共资源交易领域数据资产化实践启示

深圳公共资源交易领域数据资产化研究过程及实践成果能够为业内数据资产化方法的制定提供参考。在研究过程中，集团主要分析了国内数据资产交易的市场现状及发展动向，采用成熟的数据治理方法，以数据交易案例研究为基础，广泛调研市场上的数据资产价值评估方法和交易定价规则，挖掘了共性的问题和经验，围绕价值管理和价值创造两条主线进一步明晰了数据资产价值评估的关键概念及逻辑关系，从中总结出了以下三个方面的后续研究方向。

数据价值释放

自数据被列为新的生产要素以来，全国各地都在积极探索数据要素资产化的政策道路，建立健全数据要素存储加工、流通交易、应用、收益分配机制。《中共中央 国务院关于构建数据基础制度更好发挥数据要素作用的意见》提到，公共数据资产以模型、核验等产品和服务形式向社会提供的鼓励公共数据，公共资源交易数据要在具体的场景应用中发挥价值，模型、算法、报告等产品形态是可行的重要途径。目前，对公共资源交易数据的价值挖掘并不充分，大量的数据处于沉睡状态，加之数据的流通和交易一直缺乏统一规范的制度，数据价值未得到有效激发。因此，有必要就公共资源交易领域数据要素流通和交易制度的构建展开讨论。

资产确权

数据资产的权属必须明确，确保企业拥有使用、处理和销售其数据的权利。权属的明确性是数据资产能够被企业控制和利用的前提。公共资源交易领域的数据属于公共数据范畴，应遵循国家及地方对公共数据管理方面的要求。同时，数据资产化合规监管，离不开数据产品的评估、监管与风险控制。

价值评估影响因素

数据要素市场尚处于培育阶段，未形成报价活跃的场内交易市场，也难以采用市场法（市场法也称为市场价格比较法，是指通过比较被评估资产与最近售出类似资产的异同，并将类似的市场价格进行调整，从而确定被评估资产价值的一种资产评估方法）进行估值，选择合适的估值方法对数据资产的定价至关重要。数据资产价值评估鉴于评估目的的差异，其考虑的影响因素也有所不同。例如，以交易为目的的数据资产价值评估，将数据资产作为数据产品或数据服务进行销售、交易或者合作开发，需要通过数据的使用获取收益；而以资本为目的数据资产价值评估，则是将数据资产作为资本进行运作、投资、抵押等，实际上并不需要使用数据。以交易为目的数据资产定价影响因素主要包括以下四个方面。

一是数据资产成本。数据资产成本包括直接成本和间接成本，通过固定资产投资、无形资产投资、期间管理费等进行估算。由于数据资产的形成涉及多个流程环节和多级单位部门，关联的各种系统和设备还会同时产生其他多种数据资产，导致投资的间接成本、固定成本之间的计算和分摊存在一定难度。

二是潜在风险。公共资源交易数据资产具有四个维度的风险，即数据管理风险、数据流通风险、增值开发风险、数据安全风险。数据使用者在实现数据效用时可能存在的风险，潜藏在数据价值链上的各个环节，如产生法律风险，公共资源交易数据包含大量企业和用户个人敏感信息，关系到企业的商业秘密和核心利益，未经脱敏或未完全脱敏数据的交易或传播，可能造成敏感信息泄露而引发法律风险。

三是数据效用。从结果逆推，通过量化各方数据使用的频率和对结果的贡献度，预测其将会给用户带来的效益。要结合数据质量、基数、流通性和价值实现风险等多项指标，综合评估数据效用。数据价值的体现取决于数据的使用者，同一数据资产中数据价值的实现方式和实际收益情况会因使用者不同而存在差异。公共资源交易数据具有资产体量大、维度多、受众面广、时效性强、社会价值高和应用潜力大等特点，因此评估公共资源交易数据效用时会存在较大的挑战。此外，在公共资源交易数据资产内部应用的场景中，需要花费更多精力结合数据资产成本进行数据效用估值；而在对外交易的场景中，则需要综合考虑公共资源交易数据资产的市场价格、供需情况等进行数据效用估值与定价。

四是在实践层面，收益分配的首要问题是数据产品服务的生产成本难以核算，其总成本、平均成本或边际成本均如此。究其原因，一方面是数据要素的成本核算模型构建不易达成共识，且数据产品和服务的市场价值因人而异、因情而异，难以对其进行精确核定。另一方面是数据要素收益难以切分，数据的二重性、生产要素深度融合、多元主体广泛参与等，注定了数据要素的收益有时作为一个整体难以进行具体分割。在理论层面，同样面临很多迫切需要解决的难题。例如，公共数据能否以及如何参与收益分配，如何平衡或协调好不同环节、不同类型参与主体之间的利益关系，这些都需要具体分析与应对。

（作者单位：深圳交易集团有限公司）