引言

在数字经济持续深化发展的背景下，数据要素的战略地位不断提升，已成为继土地、劳动力、资本和技术之后的第五大生产要素。我国自2019年以来持续推进数据要素市场化配置改革，从顶层制度设计到具体操作规范逐步完善，标志着数据由资源向资产的转化进入制度化与规范化阶段。在这一过程中，数据资产化逐渐成为学术界与实务界关注的焦点问题。本文将在既有研究基础上，围绕数据资产化的政策背景、概念界定及其经济后果展开系统梳理，旨在构建清晰的分析框架，在研究新情况解决新问题上下功夫出经验，为后续研究提供参考。

一、政策背景

在数字经济浪潮席卷全球的宏观背景下，数据要素已成为继土地、劳动力、资本、技术之后的第五大生产要素，是驱动国家经济高质量发展的核心引擎。我国政府高度重视数据要素的战略地位，2019年，十九届四中全会首次确立数据的生产要素地位。2020年3月，中共中央、国务院发布《关于构建更加完善的要素市场化配置体制机制的意见》，从顶层设计层面确立了数据要素的战略地位。2022年12月，中共中央、国务院印发《关于构建数据基础制度更好发挥数据要素作用的意见》，创造性提出数据资源持有权、数据加工使用权、数据产品经营权三权分置的产权制度框架，有效破解了长期以来困扰企业数据权属不清的底层难题。2023年8月，财政部印发《企业数据资源相关会计处理暂行规定》，自2024年1月1日起正式施行，明确了数据资源确认为无形资产或存货的确认标准、计量方式和披露要求，标志着数据资产入表从理论探讨进入实质性操作阶段。此后，《关于加快公共数据资源开发利用的意见》及《关于促进企业数据资源开发利用的意见》等政策的相继出台，进一步拓展了企业数据资产化的应用空间。

发布时间	政策文件名称	主要内容
2020.03.30	《中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见》	数据成为第五大生产要素。首次将数据与土地、劳动力、资本、技术并列，从顶层设计层面确立数据要素的战略地位，为后续所有数据资产化改革奠定制度前提。
2022.12.02	《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》	数据基础制度。创造性提出数据资源持有权、数据加工使用权、数据产品经营权三权分置的产权制度框架，明确产权、流通、分配、治理四大主线，是数据要素市场化改革的根本遵循。
2023.08.01	《企业数据资源相关会计处理暂行规定》	数据资产正式入表。明确数据资源确认为无形资产或存货的确认标准、计量方式和披露要求，在不突破《企业会计准则》前提下构建数据资产资本化路径，使数据从资源真正走向资产。
2024.09.21	《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》	公共数据开发利用。建立公共数据资源登记制度，规范推进授权运营，明确价格形成机制，推动公共数据从能共享向可供给、可交易转变，是公共数据领域最高层级的专门文件。
2025.12.22	《国有资产法（草案）》	数据资产首次入法。在国家基本法律层面将数据资产纳入国有资产监管范畴，明确数据资产与其他类别资产并列管理地位，为数据资产估值、交易、抵押提供根本大法依据。

二、概念界定

（一）数据资产的内涵

在数字经济已成为国家战略核心驱动力的背景下，十九届四中全会首次将数据增列为继土地、劳动力、资本、技术之后的第五大生产要素。数据从原始的数据资源跃升为数据资产，不仅是形态的转变，更涉及经济价值、法律权属与管理属性上的多维质变。为明确本文的研究对象，本节将结合政策导向与学术理论，从多个视角对数据资产进行界定。

从会计学视角审视，数据资产的界定遵循控制权与经济利益的双重标准。许宪春等立足于国民经济核算体系（SNA）框架，指出数据资产是由机构单位拥有或控制的、依托数字化载体记录的、并在生产过程中发挥作用进而带来经济利益的数据资源。这一界定揭示了数据资产的经济本质，即只有当企业具备对数据的排他性控制能力，并能将其转化为现实或预期的现金流时，数据才具备资产属性。Laney的研究也表达了类似观点，他指出若缺乏可计量与可变现的管理机制，信息仅能作为企业的冗余负债而非资产存在。因此，在现行会计准则下，数据资产作为一种资产，是企业过去交易或事项形成的、由企业拥有或者控制的、预期会给企业带来经济利益的资源。

然而，单纯套用会计准则的逻辑进行界定，往往因数据确权的复杂性而面临法理困境。龙卫球在探讨企业数据保护路径时强调，数据财产权的制度性构建是数据成为资产的法律前置条件。由于数据极易被低成本复制与传播，若缺乏清晰的产权边界，其资产价值将因公地悲剧而消解。针对这一难题，国家层面出台的《关于构建数据基础制度更好发挥数据要素作用的意见》（即数据二十条）通过建立数据资源持有权、数据加工使用权、数据产品经营权的三权分置产权运行机制，从法理上厘清了数据资产的边界。这意味着企业无需追求对数据拥有绝对意义上的所有权，只要在法律允许的框架下获得排他性的持有或经营权利，即可确立其作为企业资产的合法地位。

进一步地，张新民从战略管理的维度拓展了数据资产的概念边界。他指出，在数字经济时代，数据资产不应局限于满足会计准则确认条件的狭义资产，那些虽未入表但实质上支撑企业商业模式、能为企业带来超额利润的表外数据资源，同样构成了企业的核心资产。

综合上述分析，本文认为，数据资产是企业合法拥有或控制的、经过治理与确权、预期能通过商业模式创新持续产生经济利益的数据资源集合。

（二）数据资产化的内涵

在厘清数据资产内涵的基础上，本部分将对数据资产化的内涵进行界定。学术界对于数据资产化的探讨主要呈现出两种不同的学术视角，一种侧重于会计准则下的确认与计量，另一种侧重于价值链视角下的全过程管理。梳理现有文献可以发现，学者们对该概念的界定经历了一个由侧重静态合规确认向侧重动态价值创造的延伸过程。

针对数据资产化的实现形式，部分学者主要从财务会计的合规视角进行了剖析。汪文张指出，数据资产化在实务中主要表现为企业依据会计准则，对符合条件的数据资源进行成本归集与计量，并将其确认为企业资产的过程。重点在于解决数据要素入表的实务难题，即如何通过严谨的会计处理，将原本费用化的数据支出转列为无形资产或存货，从而赋予数据合法的财务身份。

随着数字经济实践的深入，越来越多的学者主张超越单一的财务视角，从全生命周期的维度来理解数据资产化。徐锐梳理了一条数据资源化—数据资产化—数据资本化的阶梯式演进路径。在他看来，数据资产化是一个连接前端治理与后端变现的枢纽环节，其中，资源化是清洗治理的基础环节，资产化是确权封装的关键环节，而资本化则是通过金融赋能实现价值倍增的最终目的。这一观点在国际上也有广泛认同，经济社会学家Kean Birch通过辨析资产化与商品化的本质差异，指出资产化的核心不在于一次性的所有权交易，而在于将事物转化为能够持续产生经济租金的生息资本。这意味着，有效的数据资产化应当建立起一种能够持续运营数据、捕获未来现金流的商业机制。

综上所述，本文认为，数据资产化的内涵不应局限于狭义的数据资产入表这一会计动作，更应涵盖入表前的系统治理与入表后的持续运营，数据资产化本质上是企业通过一系列管理行为激活数据价值的动态过程。

（三）数据资产化的概念解构

数据资产化是一个动态演进的管理过程，本部分将进一步对数据资产化的过程进行解构。原始数据从被获取的初始状态到最终转化为能够持续创造经济价值的生产要素，需要经历三个层面的转化。第一个层面是技术层面的转化，即将散乱无序的原始数据整理为标准化、结构化、可复用的数据资源。第二个层面是制度层面的转化，即将技术上已可用的数据资源与法律权属、会计规则相结合，使其获得正式的资产身份。第三个层面是价值层面的转化，将已获得资产身份的数据要素通过市场运营实现价值释放。数据资产化是从资源积累到能力锻造再到价值实现的过程，因此，本文将数据资产化解构为数据治理、数据确权与数据运营三个阶段，探究企业数据资产化的完整链条。

首先是数据治理阶段，数据治理是数据资产化的基础环节，核心任务是将散乱无序的原始数据转化为标准化、可复用的数据资源。在企业数据资产化实践中，这一阶段的工作主要包括两部分，一是数据资源本身的整理加工，包括原始数据的合规采集、资源盘点与目录建立、数据清洗与标签化处理等，二是支撑数据治理的管理体系建设，制度上建立数据分类分级制度，组织上建设数据治理架构，技术上搭建数据治理平台。在数据治理过程中，企业将碎片化的原始数据整合为结构化、标准化的底层数据池，并将离散的数据要素与技术平台、算法模型、组织制度进行整合，为后续的确权与运营奠定基础。数据治理阶段解决的核心问题是数据从无序到有序的转化。

其次是数据确权阶段，数据确权是数据资产化的枢纽环节，核心任务是将治理后的数据资源与法律权属制度、会计计量规则相结合，赋予其可被外部利益相关者识别和信任的正式资产身份。在企业实践中，这一阶段的工作包括数据知识产权登记、研发成本归集与资本化判定、数据资产入表确认以及相关财务信息的披露。需要说明的是，本文所称的数据确权是一个广义概念，涵盖上述一系列制度性动作，其共同本质是完成数据资源从内部可用的技术素材到可对外部署的正式资产的制度化确认。经过这一阶段，数据资源同时具备了技术属性、法律属性和财务属性，企业由此获得了以数据资产为依托与资本市场进行制度化交互的能力。数据确权阶段解决的核心问题是数据从隐性到显性的转化。

最后是数据运营阶段，数据运营是数据资产价值兑现的最终环节，核心任务是将已确权入表的标准化数据资产投入市场运营，实现价值释放。在企业实践中，企业不再局限于传统项目制定制的线性业务模式，而是充分利用数据要素零边际成本的经济特性，开发API调用、SaaS订阅等高频可复用的商业模式，同时通过构建多层次的外部合作生态拓展数据价值的应用边界。数据运营阶段解决的核心问题是数据从资产到收益的转化。

数据资产化的三个阶段之间存在内在的递进关系，是一个动态过程。数据治理为数据确权提供了可入表的标准化资产对象，数据确权为数据运营提供了合规基础，数据运营的市场反馈又倒逼治理体系的持续升级。数据资产化以数据治理为基础、以数据确权为枢纽、以数据运营为最终目标。

综上所述，本文将数据资产化的概念界定如下：企业历经数据治理、数据确权与数据运营三个阶段，将原始数据转化为可计量、可信任、可交易的数据资产，并实现数据价值持续释放的全生命周期过程。

三、经济后果

随着数据资产化政策的推行，学界对数据资产化的经济后果展开了一系列研究。本节将通过梳理现有文献，将企业数据资产化的经济后果总结如下。主要包括提升市场价值、缓解融资约束、降低违约风险、促进技术创新以及优化产业生态五个方面。

（一）提升企业市场价值

在资本市场层面，数据资产化被视为企业向外部释放优质信号的关键举措，能够显著修正企业估值偏差并提升市场价值。一方面，数据资产化直接提升了企业的市场估值水平。陈志斌和杨靖基于数据资产入表新规的准自然实验研究发现，数据资产化向市场传递了资源获取和信息改善的积极信号，有效增强了投资者对企业未来现金流的预期，从而推高了股价。苑泽明等研究证实，数据资产信息披露通过提高信息透明度、吸引技术人才等路径显著提升了企业价值，且抗压型机构投资者在其中发挥了正向调节作用。另一方面，数据资产化有助于改善资本市场定价效率。徐海伟和刘华指出，数据资产信息披露向市场注入了更多反映企业特质层面的私有信息，降低了股价随大盘波动的同步性。这种特质性信息的释放帮助投资者更精准地识别企业真实价值，优化了资本市场的资源配置效率。

（二）缓解企业融资约束

在资金获取层面，企业通过数据资产化并将数据资产作为合格抵押品，有效改善了企业的信贷环境。针对缺少固定资产的专精特新中小企业普遍面临的融资难问题，何瑛等的研究表明，数据资产化发挥了显著的信用担保效应。企业通过确权入表将数据资源转化为可量化的资产，不仅增加了账面资产规模，降低了名义资产负债率，更通过优化信贷资源配置和提高资金流动性，显著缓解了融资约束。陈丽丽进一步将数据资产划分为自用型和交易型，发现两者均能通过信号传递机制降低银企之间的信息不对称，从而降低外部融资成本。这表明，数据资产化已成为企业突破传统融资瓶颈、获取高质量发展资金的重要路径。

（三）降低企业违约风险

在风险治理层面，数据资产化通过优化资源配置与降低代理成本，增强了企业的抗风险能力。苗霞和王志涛的实证研究发现，数据资产化通过降低交易成本和缓解融资压力，有效降低了企业的违约概率，且这一效应在信息披露质量较高的企业中更为显著。张庆君和李宇轩进一步揭示了数据资产化缓释债务违约风险的深层机理，一方面，数据资产化提高了全要素生产率，增强了企业的内生造血能力与偿债基础；另一方面，数据资产的高透明度特性抑制了管理层的自利行为，降低了代理成本。数据资产化增效与降费的双重效应，从根本上改善了企业的信用状况，降低了债务违约风险。

（四）促进企业技术创新

在战略层面，数据资产化并非静态的资源，而是赋能企业技术创新与价值网络演化的核心动力。首先，数据资产化显著增加了企业的创新投入。李健等研究发现，数据资产化不仅通过缓解资金压力提升了企业的创新意愿，还通过加强企业间研发合作拓展了创新资源，从而构建了支持创新的内外部条件。其次，数据资产化推动了创新质量的跃升。李晖和叶一军指出，数据资产化能够提高企业的风险承担能力，助推企业实现从渐进式创新向突破式创新的跨越。最后，数据资产化驱动了企业价值网络的演化。罗海贝和陈衍泰结合实物期权与资源编排视角提出，数据资产化本质上是感知、获取与重构能力的迭代循环。通过这一过程，企业实现了从数据资源占有到数字能力跃迁的转变，构建了适应数字经济环境的长期竞争优势。

（五）优化产业生态

在产业生态层面，数据资产化具有显著的外部溢出效应，能够优化供应链韧性与产业链结构。在供应链维度，罗拥华和彭寰发现，数据资产化有助于打破企业边界，通过形成开放式创新生态、降低内部管理成本和引入外部监督，显著增强了供应链的韧性与抗风险能力。李健等基于链主视角的考察表明，数据资产化缓解了链上信息不对称，推动供应链从单点依赖向多元化发展，有效降低了供应链集中度。在产业链维度，刘林和周婷的研究指出，数据资产化提升了要素配置效率，有效促进了产业链整合。值得注意的是，交易型数据资产在其中的促进作用更为显著，这表明数据要素的外部流通与价值交换是实现产业链价值链跃升的关键驱动力。

综上所述，现有研究主要从市场价值、融资约束、违约风险、技术创新和产业生态等多个维度探究了数据资产化的积极经济后果。

四、结论与展望

本文在梳理相关文献的基础上，从政策背景、概念界定与经济后果三个方面对数据资产化进行了系统综述。研究表明，我国数据资产化发展具有明显的制度驱动特征，相关政策的逐步完善推动数据由资源向资产转化。在概念层面，数据资产化的内涵已由单一的会计确认过程扩展为涵盖治理、确权与运营的动态过程。在经济后果方面，数据资产化对企业市场价值、融资能力、风险水平、创新活动及产业生态均产生了积极影响。

然而，现有研究仍存在进一步深化的空间。首先，在研究视角上，现有研究多侧重于数据资产入表的静态财务确认，缺乏对数据资产化整个动态管理过程的深度解构，导致数据资源如何通过管理编排转化为战略资产的内在逻辑尚不清晰。其次，在作用机理上，研究多聚焦于单一维度的线性影响，尚未形成能够整合动力、效率与质量变革的多维分析框架，难以系统诠释数据资产化对企业高质量发展的赋能路径。最后，在研究方法上，目前以大样本实证研究为主，缺乏对微观企业实施全过程的纵向分析，难以还原企业在技术升级与组织变革中的决策脉络。

基于此，未来研究可从以下方面展开：第一，拓展研究样本，通过多案例比较或大样本实证研究，探讨不同行业属性企业数据资产化的差异。第二，延长观测窗口，追踪企业在开展数据资产化后长期经营过程中的动态效应。第三，关注制度环境的差异化影响，考察不同地区的政策支持与市场发育程度如何影响企业数据价值的释放效率，为数据要素市场化改革提供政策参考。

参考文献：

1. [1] 许宪春,张钟文,胡亚茹.数据资产统计与核算问题研究[J].管理世界,2022,38(02):16-30.
2. [2] Laney D B. Infonomics: How to monetize, manage, and measure information as an asset for competitive advantage[M].New York: Bibliomotion, Inc.,2018.
3. [3] 龙卫球.再论企业数据保护的财产权化路径[J].东方法学,2017(03):50-63.
4. [4] 张新民.资产负债表重构:基于数字经济时代企业行为的研究[J].会计研究,2023(07):3-18.
5. [5] 汪文张.数据资产化的理论基础及实现形式研究[J].商业会计,2023(04):12-16.
6. [6] 徐锐.数据要素价值化实现路径探析——以山东高速数据资源入表为例[J].财务与会计,2024(02):25-29.
7. [7] Birch K. Rethinking value in the bio-economy: Finance, assetization, and the management of value[J].Science, technology, & human values,2017,42(03):460-490.
8. [8] 陈志斌,杨靖.数据资产化的企业价值效应研究——来自数据资产入表新规颁布的经验证据[J].会计研究,2025(05):30-45.
9. [9] 苑泽明,于翔,李萌.数据资产信息披露、机构投资者异质性与企业价值[J].现代财经(天津财经大学学报),2022,42(11):32-47.
10. [10] 徐海伟,刘华.数据资产信息披露与资本市场定价效率——基于股价同步性的分析[J].当代财经,2024(12):140-152.
11. [11] 何瑛,陈丽丽,杜亚光.数据资产化能否缓解“专精特新”中小企业融资约束[J].中国工业经济,2024(08):155-173.
12. [12] 李健,董小凡,张金林,等.数据资产对企业创新投入的影响研究[J].外国经济与管理,2023,45(12):18-33.
13. [13] 罗海贝,陈衍泰.数据资源投资中动态能力的演化路径探析——基于实物期权逻辑和资源编排理论的双重视角[J].南开管理评论,2025,28(08):99-110.