数字经济背景下数据资产价值提升路径研究

■李香梅 丛佳琛 李 猛 王 晴

（山东财经大学会计学院，济南 250014）

一、引言

随着新兴技术的不断发展，我国已经跨入数字经济时代，数字经济在推进企业数字化转型的同时，也为企业带来了诸如个性化需求、新技术和新业务模式转变、互联数据经济诉求等不同程度的挑战。数据作为数字经济的重要产物，已逐渐成为企业的关键生产要素之一，是企业实现新价值创造的重要途径。根据IDC（International Data Corporation）的预测，2018-2025 年物联网设备产生的数据量将以28.7% 的复合年增长率增长，至2025 年，将产生近88 万亿GB 的数据。2021 年，国务院印发的《“十四五”数字经济发展规划》指出，我国数字经济已转向深化应用、规范发展、普惠共享的新阶段，要求不断完善数据要素，推进新的产业发展模式，增强数据对生产效率提升的引领。

不同于其他资产，数据资产是为满足市场主体的效应需求而衍生出来的数据产品，注重对数据的整理、加工和运用（Janssen 等，2017[1]；李永红和张淑雯，2018[2]），具有一定的依附性和实效性（王婷婷，2020[3]），它能以多种形式存在和循环使用（刘云波，2023[4]），并且在所有权未转移的情况下，随着时间推移和场景转变，通过被共享使用权等方式实现规模报酬递增的价值增值（郭王玥蕊，2021[5]；徐涛等，2022[6]）。因此，在经营规模不改变的前提下，如果企业能持续挖掘、创造、开发被埋没的零散数据，将其转为可利用的数据资产并融入业务管理流程，便能实现新的价值创造与价值增值（张舰，2021）[7]。基于数据资产共享性、可再生性、价值增值等特征，学者们从不同角度提出数据资产的价值提升途径。纪婷婷等（2018）[8]认为数据资产价值提升的关键是以数据流通为支撑，将数据资产应用于数据战略导向的企业业务中以促进数字资产价值增值。刘妍和耿云江（2022）[9]指出企业应该正确审视其核心业务活动，打造数据与企业价值链动态交互的数据资产价值创造系统，多维协同企业生产决策实现价值增值。董惠敏（2021）[10]则从生态视角出发，指出数据的创造者、中介者、使用者和内外部环境四要素共同构成数据资产的“生态环境”。陆岷峰和徐阳洋（2020）[11]认为要用创新的手段进行数据资产管理的顶层设计，积极创造数据资产发挥效能的应用场景，提升数据资产的社会价值。通过研究企业的数据资产经营管理模式，提出从架构设置到风险管控全流程的“五步走”通用数据资产管理模式。

对海量数据持有的企业而言，数据资产的管理已不再是传统经营管理领域中的一项常规操作，而是企业实现可持续竞争优势的关键领域。目前关于数据资产的研究大多聚焦于数据资产价值的评估，如王蕾和李春波（2022）[12]梳理了学术界对数据资产评估的主流方法，认为人工智能与运筹学相结合的方法可能成为下一步的研究方向；张宇和梅丽霞（2022）[13]则从数据资产的财务要素、网络特征、市场广度及制度管理三大驱动因素出发，对数据资产价值评估的趋势和难点进行总结。当前提出的数据资产价值创造与提升的路径较为粗犷，未能建立具体的数据资产价值创造管理架构。深入探讨数据资产的价值创造与价值增值过程，有助于企业盘活闲置数据，促进企业将数据资产充分纳入企业经营的业务循环流程，打造全面整合、开放而又敏捷的数据资产管理环境。鉴于此，本文将以数据资产价值为导向，基于数据资产价值创造路径，构建数智驱动的数据资产价值提升架构，并提出具体的价值提升路径，旨在释放数据资产潜在价值的同时，促进数据利用与管理流程的有效融合，助力企业实现基于数据的全流程价值增值。

二、数据资产价值影响因素分析

数据资产的价值需要综合考量其市场供需关系、渠道成本、对企业核心业务的贡献和潜在创收能力、数据管理能力和安全性等多方因素。参考现有文献，本文从成本、质量、数量和应用四个维度分析数据资产的价值构成。

（一）成本维度

数据资产价值增值的幅度以技术成本、风险成本、人力成本及市场成本为基础衡量。技术成本对数据资产价值的提升具有决定性作用，企业通过引进或开发先进的数据挖掘与数据分析技术，搭建、维护及不断升级数据资产的信息系统，从数据资产中获取关键信息，有效提升企业的数据资产价值和竞争力。但数据资产价值提升同时也面临数据泄露、存储丢失、信息篡改等风险，因此合理评估这些风险，降低风险成本，有利于保证数据资产价值提升后的稳定性。同时，数据资产所需技能和知识的更新速度较快，需要不断培训和提高资产使用者的能力，增加了人力成本的投入。若企业的数据资产属于交易平台等类型，还需开展数据资产的宣传、推广等市场活动，形成市场成本。

（二）质量维度

数据资产的质量主要包括其准确性、完整性、相关性与时效性，企业需要通过提高数据质量水平来实现数据资产的价值增值。若无法保证数据的准确性，会直接误导企业做出错误决策，进而影响数据资产价值提升；数据的完整性是指数据本身没有缺失，数据的完整性越高，数据资产的价值越有保证；数据的相关性是指数据对主体而言是有用的，数据信息对企业决策具有参考价值；数据的时效性越好，说明数据更新频率越快，越有利于帮助企业及时做出决策调整。由此，数据资产质量的高低关乎企业能否通过数据分析挖掘其潜在价值。

（三）数量维度

数据资产的数量维度主要涵盖数据的规模和广度，数据量在一定程度上可以影响数据资产价值提升的可能性。一般来说，数据规模越大，蕴含的信息量可能越多，数据资产的价值量也会随之增多，但也有部分数据因为具有稀缺性而蕴含更高的价值；数据范围越广，蕴含的信息量也就越大，经过适当的处理得到的信息量也就越多，从而能够提供更多了解企业业务真实面貌的信息，有助于企业做出更准确的决策，进而提升数据资产的价值。

（四）应用维度

数据资产会被企业自身或其他企业利用，因此往往在应用环节产生更高的价值，数据的应用维度包括数据应用场景以及数据挖掘与管理水平。同一数据在不同场景发挥的作用不同，有的数据对其他主体并无显著的价值；数据被挖掘与开发的深度越大，产生的数据信息越多，会有更多人浏览产生留痕，使数据更能充分利用；数据管理者的利用和整合能力越高，具备数字化技能的专业人才越多，得到的有效信息越多，越有利于数据资产价值的提升。

图1 数据资产价值影响因素

三、数据资产价值提升路径的总体思路

数字经济时代，数据资产化转型是企业打造核心竞争优势的关键。企业应树立数据理念并加速推进数据资产化转型，提升运营效率、降低成本、管控风险。本文提出以“集成、流动、智能、周期、质管、决策”六大模块为支撑，以数据资产管理统筹性理念为指导，助力企业形成新的战略重点、建立全新工作方式、打造以业务价值实现为导向的数据资产价值提升的总体思路。

（一）形成新的战略重点

运用先进的分析技术，企业能够将内部结构化与非结构化数据进行“集成”，发现新的有价值的数字资产和新的受益途径，借助数据实现有效“决策”，发展新业务模式和创造新价值。在此基础上，明确改进现有价值链，开展新的业务模式计划，以更综合的角度重新审视企业的战略重点。

（二）确立全新工作方式

确立实现企业数字化经营管理的目标，利用数字技术创建全面整合、灵活机动的平台运行环境，实现数据在企业上下、部门之间的无障碍“流通”。引入区块链、机器人等智能技术，通过建立弹性数据架构，将流程自动化与其他各种“智能”技术结合起来运用到具体管理活动中，实现企业流程的自动化与智能化，使管理活动更加灵活机动，更快速地适应市场变化和客户需求，实现价值创造。

（三）以业务价值实现为导向

企业的数据管理应立足利益相关者、以实际业务需求为出发点、同时确保对数据的有效管理和控制。在保证数据的有效“质管”基础上，实现数据的全“周期”管理，清晰明确数据资产的取舍与应用靶向。同时，必须注重数据资产的战略投资和整合，将其融合于经营业务流程，以切实可行的洞察和行动，实现数据资产价值的释放增值。

图2 数据资产价值提升的总体思路

四、数据资产价值提升架构与具体路径

（一）数据资产价值提升架构

契合于企业的管控模式，本文构建的数据资产价值提升框架采用多层次的纵向管理正三角结构描述框架的构建层次与关注重点，真正实现以业务价值创造为导向的交互运行式价值管理。该正三角结构依托“集成、流动、智能、周期、质管、决策”六个模块，基础层是支持企业数据需求的基础数据管理中台，该数据中台同时连接基层员工组织，以实现企业大数据的集成与流动，建立企业上下层级的数据连接。中间层为数据业务应用与数据质量管理，该部分是支撑企业数据资产价值管理的重要支柱，通过实施数据管理实践与数据质量管理，实现企业业务与财务管理的智能高效优化。顶层是数据商业智能分析，它代表了企业数据资产价值提升的最终目标，即能够使用数据推动洞察和决策制定，通过智能数据分析实现基于企业业务的数据资产价值增值。

图3 数据资产价值提升架构

（二）数据资产价值提升具体路径

1.基础数据管理中台

数据资产价值提升框架的坚实基础是基础数据管理中台，该数据中台依托内外部数据采集系统实现中台数据集成、数据标准化梳理等，同时与企业业务部门对接，实现企业内外、各部门之间数据的流通。在此层面，企业应重点关注数据（企业数据，社会数据）的获取、初步加工与流通，实现数据资产的内部价值增值与外部价值增值。

（1）确定数字管理流程与标准，实现数据资产内外部价值增值

数据管理中台是实现数据资产价值增值的基础。企业通过数据管理中台实现业务数据信息摄入、调节业务流程、实时观测市场动态、提高信息质量和强化市场交互机制，促进数据流转。根据数据管理流程和标准，对数据按特定目标进行初步加工、归纳分整与标准化处理，实现数据一致性，确保其成为能够满足不同组织与部门使用目标的潜在组合数据资产，提升数据的使用效率，降低数据再搜寻的成本，实现更宽泛的信息共享，避免跨部门数据难以调用的情况出现，实现数据资产的内部价值增值。同时通过建立开放数据共享与协作平台，建立数据访问权限、数据备份和恢复机制，所需部门充分利用数据中台经整合的信息对企业客户进行综合性评价及分类，优化货源在市场中整体的流动性，实现主动调控、科学供应，利用数据切实提高企业运营效率和投资回报率，创造新的市场机会，实现数据资产的外部价值增值。

（2）数据管理中台反馈机制

基于整个数据处理流程，企业建立数据管理中台反馈机制，形成“数据摄入→数据传递→快速响应→落实处理→监督核查”的循环流程来驱动企业具体部门或岗位数据的不断摄入与利用，确保回馈信息及时处理和有效利用，注重问题解决，有效落实点对点处理，真正提升数据资产的价值。

2.数据业务应用与数据质量管理

从智能数据应用层面来看，企业应注重智能化数据分析的设计、数据流动与数据交互平台的搭建等，以更好地实现对数据的运用与价值转化。从数据质量管理层面来看，企业需构建质量管理体系、健全数据安全与风险控制机制，在保证数据安全与可靠性的前提下，进一步提升企业竞争力与发展潜力。

（1）区块链数据驱动，提升供应链运营效率

区块链数据具有一旦被添加即不能被操纵、修改和删除等特点，保证了数据的可靠性，实现高质量数据共享。企业通过与供应商或者合作伙伴构建专属区块链，有效与链上企业建立信任关系，消除摩擦。同时利用区块链追踪商品从来源到顾客、最后到消费者整个过程中的真实流动情况，达到更大的弹性并敏捷地融合被隔离的数据，提升供应链整体运营效率，为供应链参与者赋能，创造新的业务价值。

（2）多业务系统聚合，推进企业生产管理模式紧密一体化

针对生产体系，企业可以通过聚合多个分散、分割的业务系统数据（如MES 系统、质量信息平台、原材料管理系统、供应链、NC 系统、其他系统等），形成内外全面贯通的业务体系化管理模式，对整个业务流程进行动态优化管理，实现生产与基础管理的一体化。基于该模式，企业可以实现贯穿式数据流动与共享，防止出现数据孤岛现象，并通过应用数据分析工具洞察系统数据的表现，有助于确定可以改进的领域，实施流程改进计划，优化资源配置，推动企业整个生产体系的增值。

（3）多实体财务流程串联，提高企业业务运营效率

针对企业普遍存在的日记账分录重复准备、大量Excel 合并报告工作，企业应基于数据资产，构建将不同实体的财务信息汇集于同一可相互流通的新财务流程架构，寻求基于数据云端的具有强大报表盘和可视化仪表盘的多实体财务解决方案。该架构能够通过一个数据支撑框架全面了解企业在各种运营维度上的财务状况，并能对其数据进行切片与分割，提升报告的一致性、准确性与可视化，及时跟踪部门损益、季度损益、关键业务线盈利能力等重要绩效指标，有助于提高业务洞察力，做出合理的预测，并在短时间内对各种业务问题做出快速反应，提升企业业务运营效率。

（4）数据生命周期管理追踪，实现财务高效处理

全生命周期高质量数据管理是项目顺利实施的关键。在数据输入至项目完成整个过程中，需确保数据全生命周期的准确、透明、实时，实现数据质量的全流程关注，准确跟踪各项目的成本、清楚掌握各项目的财务状况，严密监测企业实际预算，提供较高透明度的财务信息，及时跟踪项目进展情况，并进行必要的调整，实现财务的高效处理，实现数据管理的价值增值。

3.数据商业智能分析

基于底层基础数据管理平台提供的海量数据，企业可以从中获得宝贵信息，为其商业决策以及战略制定提供支持，因此，以数据为支持的商业智能分析已成为企业竞争力的重要组成部分。企业可以通过应用合适的商业智能工具和技术，驱动数据可视化并形成报告，服务数据价值的形成和企业高质量发展。

（1）基于敏捷数据，深维度驱动业务战略决策

如何基于良好的数据管理做出有价值的决策是实现数据资产价值增值的关键所在。企业按地区、产业线、供应商等实际需求对数据进行划分，并通过对不同维度的数据进行挖掘与实时分享，更全面地了解业务，依据数据做出更科学的决策。随着企业业务线的扩大，数据资产将涵盖越来越多的业务部门，高效且高质量的数据整合与汇报能使管理者更清晰地了解哪些业务线是盈利的、是否存在高收入低利润的业务线、统计指标是否达标或超标等问题，基于此，管理者可以有效地评估每一项业务的盈利能力并锁定盈利影响因素，从而决定增加、削减或改善哪些业务线，有效制定战略决策，提高企业的盈利能力。

（2）基于可视化报告，深层次推动时效性决策

通过划分不同的数据维度，并根据事先确定的业务驱动因素对数据进行切片，企业可以将业务数据整合到完整的数据可视化实时视图中。可视化报告能够展现管理者关注的重点数据，管理者通过实时追踪收入、费用、存货、物流等关键数据，能够直观地观察企业的业务模式以及业务的发展趋势。据此，企业能够在查阅大量报表的情况下，快速地监控企业业务，从而获取有关利润、业务扩张、缺货等营业情况的信息，以识别紧俏产品或高热业务线，及时做出可靠的业务决策。