1.3.2　数据资产视角

随着信息化的发展，信息被视为是与自然资源、物质、人力、财务同等重要的资源，由此衍生出了“信息资源”的提法。数据是信息的载体，“数据资源”可以认为是有含义的数据积累到一定规模后形成的资源，是可以转化为生产力的数据集。现在进一步有了“数据资产”的提法，“资产”在“资源”基础上增加了产权、价值和流通等经济要素[16]，即法律上的数据产权（所有权、使用权、经营权、分配权和收益权）、财务上的定价与估值、市场机制上的流通与交易模式。

但数据或大数据与有形资产有很多不同，数据在产权、价值和流通机制方面还需要做很多工作。数据具备无形资产的四条一般属性，包括可扩展性（可复制的）、沉没性（高昂先期固定成本，但却有非常低廉的复制成本）、外溢效应（竞争优势被注意和复制的可能性）、协同效应（不同类型数据组合的价值存在指数级增长的可能）。与很多无形资产不同，数据还具有反竞争性（数据流通后原始数据并没有消失）、可加工性（可以加工二次数据）、依托性（数据本身没有价值，只有依托业务才有价值）、多样性（同样的数据对不同应用的价值不同）。因为有可加工性，二次数据的产权界定比较复杂，基于数据训练出来的机器学习模型的产权确定和隐私保护变得更加间接。因为依托性和多样性，造成定价与估值上的困难，相同的数据面对不同的业务场景，所产生的价值完全不同。但从微观层面看，数据和工业物料类似，原材料只有经过合适的加工，才能成为对其他工艺环节有价值的物料。面向具体场景的数据才有交换价值，也就是说，数据资产通常面对具体应用场景，这样也降低了数据资产在价值评估上多样性的挑战。

工业数据的一个特点是维度高，一个分析应用所需的数据可能需要从多个不同数据源中加工而来。工业中常见的数据资产包括宏观指示性信息（例如，地域用电数据、风资源信息）、实体画像（例如，企业的用电信息、机械车辆开工信息等），企业内部的数据资产包括上下文信息（例如，地域、设备维修档案）、关键曲线指标（例如，风机的风功率曲线）。最后需要强调，数据是否可以成为资产，不仅取决于数据是否有价值，还取决于数据是否被允许流通，有很多高价值数据（例如，核心工艺参数），因为商务或安全规范要求不能流通，无法形成数据资产，这时候流通的不是数据，而可能是分析模型或数据应用。在工业大数据建设初期，没有必要过度追求数据资产，数据资源才是需要迈过的门槛，只有保证数据可以产生价值，数据资产才是后续发展形成的一种制度安排。