数据作为生产要素意味着其可以成为资产投入生产活动，而具有价值只是数据成为资产的必要条件，同时还须从数据价值的形成和实现机制出发，探寻数据资产化的制度和方法。作为技术经济治理模式的资产化理论可作为构建数据资产化的理论方法。数据价值的形成和实现是基于数据基础设施开展系列管理活动的结果，最终形成可支撑企业业务的数据智能系统，使企业成为数据资产持有者（管理者）。合法数据资产持有者可以自用和他用而实现数据的价值利用，支撑业务决策，为企业创造价值资产化门槛，而产品化流通交易只是数据资产价值实现的一种方式。数据资产化的法理基础是管理性劳动，这一过程不需要确权，只需要合法规范管理数据，覆盖从数据获取到价值实现的全过程。数据能否成为资产的关键在于从法律与会计两个角度，既要确认组织对数据资产所产生收入流的合法控制，又要计量该过程的成本和价值。合法数据持有者地位的确认与科学计量规则，可共同支撑数据资产化及其数据社会化重用的秩序。基于数据持有者权的治理范式可作为数据资产化落地的制度基础。数据一直是人类活动的一个基本要素。 如今，数据可以服务于企业业务经营的目标和需要，支撑企业智慧或智能决策，提升产业布局、产品创新以及市场营销等能力，成为可以转化为生产力或产生效率/效益的经济资源。 因此，我国率先把数据视为投入生产活动的生产要素，这意味着数据应被视为企业资产。2023年8月财政部发布了《企业数据资源相关会计处理暂行规定》，为企业数据资产核算和入表提供基本指引。 数据资产入表被行业认为是企业显化数据资产经济价值的迫切需求，是加快构建数据要素市场和推进数据资产化的必由之路。截至2025年4月30日，有100家上市公司披露了数据资产入表的相关事项。 截至2025年3月31日，国内已有330家非上市公司披露了数据资产入表情况。随着数据在企业中基础作用的凸显和国家政策引导，数据资产入表将成为不可阻挡的趋势。从人类社会运行和发展的视角观察，并不是有价值的资源均可以产权化（私权化），也并不是所有给企业带来经济价值的资源都是资产。探索数据产权化和资产化的边界和路径成为当前的重大理论和社会发展问题。在理论上，企业拥有或控制可带来未来收益的资源就可确认为资产，只是这里“拥有”或“控制”仍然必须在法律上能够界定。虽然治理范式也是一种资源利用的新秩序，但主流观点仍推崇运用传统的产权范式构建数据重用秩序，甚至认为确权不仅是数据要素市场建立的前提，而且是数据资产化或作为资产入表的前提。因此，采取何种产权范式支撑数据资产化和社会化利用成为所有问题的突破口，也构成数据基础制度核心。在概念上，企业资产通常指企业拥有或控制且能够为其带来收益的资源，因而抽象地界定数据资产并不难，关键要厘清哪些数据可以成为以及如何成为数据资产，这是数据资产化要解决的核心问题。数据资产化意味着企业组织使用数据“实现数据价值的转化”，许多机构和学者围绕数据价值实现已经作出了深入研究，提出数据资源化、数据资产化以及数据资本化等不同阶段学说，或者认为数据价值化经历了从原始数据、数据资源到数据产品、数据资产的数据价值链。由于只有产品化的数据才能流通交易（数据成为可流通商品进行市场化交易），因而流通交易成为打通数据资产化和价值化“任督二脉”的关键。为此，有研究者提出打通内部使用和外部流通的数据资产化“五段六维”模型。数据若要实现流通交易就需要确权，确权被认为是数据资产化或产品化流通交易的前提。因此，数据资产化需要解决三个关键问题：法律角度的数据资产确权、会计角度的数据资产入表入注以及市场角度的数据资产估值交易。虽然数据价值化是资产化的动因和目标，但是数据资产化仍沿用法律确权、会计确认和估值交易的传统路径是否合理值得讨论。毕竟，数据的非排他性和非竞争性以及价值依附性等特征，决定了其与传统权利客体具有本质不同。故数据资产化需要从数据的特征出发，寻求契合数据价值实现的治理模式。本文将资产化看作是“技术经济治理模式”，试图以此作为构建数据资产化的理论方法。直观来看，数据是散布于社会中、价值微弱的事实记录，只有当一个主体（以企业为例）合法获取、组织、使用和管理数据时，这些数据才转变成有价值的资源，而只有能被企业控制且能够带来经济价值时，才有探索采用何种模式将其转化为资产的必要。也就是说，这不是单一确权可以解决的问题。数据资产化的基本目的是支撑企业决策，为企业创造收益，而产品化流通交易只是数据资产价值实现的方式之一。此时需要承认企业作为数据资产管理者（持有者）对产品化数据享有流通权，以保护其资产化经营的投入，同时形成数据资源社会化重用机制。笔者曾提出应当构建以数据持有者权为基础的数据流通使用的治理范式，以形成数据资源的社会化重用秩序。本文试图在此基础上进一步论证数据资产化的路径并不在于确权，只要确认并保护数据资产管理者（数据持有者）的权利就可以为资产入表提供制度基础，同时实现数据资产的社会化重用。并非所有能为企业使用并创造价值的资源都应被视为资产负债表中的资产。资产化要求资源不仅具有价值，还应当配备相应的制度规则和技术规范。数据作为客观事实记录，若要实现从公开可用的资源转化为资产，必须遵循资产化逻辑进行思考和设计。
有价值的资源能否作为资产纳入国民账户体系，在本质上是政治经济问题。资源被规范性地识别为资产的过程被称为资产化。虽然资产伴随技术的进步不断扩张，但资产和资产化没有得到系统和持续的分析关注，因此这个问题一直是学界的盲点。伯奇和穆涅萨所著《资产化：将事物转为技术科学资本主义的资产》一书具有里程碑意义。伯奇和穆涅萨提出，技术科学资本主义提供的主导形式不是商品，而是资产，资产是可以作为收入流被拥有、控制、交易和资本化的东西，涉及对当前贴现未来收益的估值。资产拥有者或控制者的目标不是通过将资产作为商品出售来获利，而是通过所有权和控制权提取价值。也就是说，资产被认为是一种资本形式，资产化的后果呈现为资本而不是商品。因此，资产化需要定义资产的边界，衡量其数量和质量，并评估其货币价值。之后，伯奇教授再次撰文将资产化作为一种技术经济治理模式，认为资产是对未来的主张，这决定了资产化的过程实质是对社会资源的治理。资产必须可界定、可衡量，并通过会计概念、指标和实践进行管理。换言之，资产涉及技术经济配置和治理（例如产权、未来收入、技术、相对价格等）。一旦资产化被普遍接受，就可纳入联合国国民账户体系（SNA），按照通用的会计准则计量和测算。2008年联合国国民账户体系修订最重要的内容是将研发由“中间消费”概念化为“资本形成”，表述为“在生产过程中重复或连续使用一年以上”的资产。随着数据资源性的凸显，人们希望数据在国内生产总值中的价值得到适当体现。因此，国民账户工作组组织秘书处（ISWGNA）自2019年设立工作组对SNA2008框架进行更新。这次修订，最显著的是增加第22章数字化，其中将数据和数据库列为单独资产。本文认为，资产化是研究数据成为资产条件和规则的分析方法。从资产化的角度研究数据资产，意味着不应当直接将数据本身视为资产，而应研究在何种条件下数据可以被视为资产、通过何种规范将数据“处理”为资产，并建立相应的治理框架。
数据是人类认知客观世界的手段，也一直是企业认知市场、研发新产品或服务，形成独特的创新和发展能力的重要方法。但数据是企业数字基础设施和组织运营的副产品，而副产品是无法直接成为资产的。在会计处理上，数据应用被作为生产过程成本记录在费用项中，而不是作为资产。显然，实现从费用到资产的转变就必须符合资产的要件。伴随数字技术的应用，企业运营管理已普遍实现数字化，许多企业也已建立了主数据或运营数据的管理体系，以各种信息支撑着企业的商业决策。从人类活动、机器和物联网设备到边缘系统等，数据无处不在、无时不生，这类数据本身价值微弱，不会产生经济效益。准确地说，这类数据的价值已经体现在运营绩效和效率之中，而资产化意味着可以对其再次利用以创造新价值。第二代数字技术出现后，数字化数据经过整理可以形成数据智能、产出新知识，改进决策，创造全新的收入来源。人们逐渐将这种数据整理视为生产性活动（称为加工使用），因而将数据视为生产过程的结果。生产性活动产生的数据具有可重复使用性——可持续使用产生价值，这一过程亦被称为数据要素化。数据要素化就是数据转变为可以投入生产过程中的资产的过程。数据之所以可以资产化，是因为数据可重复用于生产过程，属于资本形成。这一过程是用劳动力和资本投入生产的结果。会计师柯林斯认为，数据本身没有价值，必须对数据进行处理并将其转换为一种有助于决策者作出更有效决策的格式，推动数据最终资产价值的实现，并有助于其创造新的商业机会或减少欺诈、浪费和滥用。笔者曾将这种转化概括为“用于数据智能的数据”，即具备可用性的数据，并将可用性解构为原始性、机读性和满足一定质量要求三个条件。实际上，无论称其为信息还是数据智能，只是数据资产化产生经济价值的一个方面，数据资产化还可以形成社会化重复使用的数据产品，实现数据资产的交换价值。为准确地理解可资产化的数据，2025年《国民账户体系》将数据定义为：“通过访问和观察现象并以数字格式记录和存储这些现象的信息元素而产生的信息内容，这些信息内容在用于生产活动时提供了经济效益。”依据该定义，一旦可观察现象的信息元素（现象的特征和属性）以数字格式记录和存储，就变成了数据。数据就是记录的信息，是关于可观察的现象的信息元素集合或信息内容（由信息元素组成）。而记录、组织和存储的过程被认为是生产性的活动，在本文中亦称为数据整理。关于可观察现象的信息元素并不是客观存在的，而是生产的结果。因此，能够记入资产项的数据并不包括业务运营产生的数据，经过整理（含加入新数据）的业务数据才能成为数据资产。特定的数字化事实记录，产生于特定的业务和网络环境，满足业务目的的需要。但若要实现该数据可被他人使用或重用，就需要提供背景信息或描述，以帮助数据用户了解其业务数据的结构、性质和背景。因此，“记录的信息”大致相当于元数据，只有将元数据记录并组织起来，才使得数据具有可用性。元数据“本质上封装了高度结构化字段中数据资产的不同属性、历史、来源、版本和其他信息，主要用于跟踪、分类和分析”。元数据的描述有助于数据的分类、组织、标记、排序和搜索，使得数据成为可重复使用的资产，因此应将记录信息或元数据的过程作为一种生产活动。在此意义上，可重复使用的数据等于“数据/信息+元数据”，是可进入资产项的数据。
数据资产化是将数据转化为实际经济价值的过程。具体而言，是将数据作为生产要素投入企业生产活动中，提升业务绩效，给企业带来经济收益的过程。在承认副产品数据本身没有价值的前提下，数据资产化意味着需要有组织地将数据转化为有价值资产。或者说，数据资产应当是可应用于企业，改善企业运营效率和效益的资源。“数据资产化是将数据资源确认为经济意义上资产的过程，是一种经济性的概念与规范过程。”这就需要构建数据要素化利用架构和体系，集成企业内部和外部数据资源，形成支撑企业智能决策系统，以使数据转化为数据智能（知识），产生可计量的数据经济收益。在万物互联泛在的网络时代，零星数据没有什么价值，只有有效地组织、集成足够规模的数据进行关联分析才具有价值。数据资产化实质上就是通过不断整合和分析利用组织内外大数据转化为资产的机制。这一转化需要配合相应的法律安排、技术设施和政策制度，构建数据访问限制，实现一定程度的受控使用。通过构建不同的访问和使用限制模式形成数据转化为资产或知识的机制。若数据的基础价值是认知，那么数据的质量，包括真实性、完整性以及关联性（合目的性）等就成为数据价值测量的依据。故碎片化的数据难以成为确权定价的依据，因为单靠数据的数量（比特单位）无法判断数据的价值，也就不能作为独立使用价值的计价单位。因此，只有为特定主体进行组织、控制和使用的数据，才能形成实现其价值的单位。数据资产化的唯一标准是数据作为生产性资产或投入生产活动创造价值。一旦具有这样的属性，数据即成为生产要素。数据要素化与数据资产化具有相同的含义。数据资产化只要考虑企业数据能否投入支撑运营，尤其形成基于数据的商业智能决策，从而为企业带来超额经济收益。至于数据是否可以流通交易、形成可流通交易的数据产品并非数据成为资产的必要条件。因此，数据资产化的条件应当是：合法持有（控制）数据+创造额外经济利益。这决定了数据很难套用传统“确权—交易—定价”的资产确认模式，而应当先完成资产化，然后再构建资产变现的体制和路径。基于数据资产化的逻辑和构架，我们可以克服我国传统商品化或市场化方式的局限。也就是说，清晰界定产权并不是数据资产化的先决条件，而是在数据资产化之后，数据产品交易才需要考虑的问题。正如伯奇教授所言，数据是可由个人或组织拥有或控制的可资本化财产，是不需要出售即可产生未来经济收益的资产。资产是法律权利、知识主张、管理实践和合同安排的技术经济配置，会形成不同的数据权利配置模式，从而产生不同的政策蕴含。这表明，我们应当在技术经济治理范式下思考数据如何被配置为资产，而不是在传统的产权范式下。数据资产化依赖的是“控制、治理和使用”治理体制。然而，数据资产化的利用可能不符合社会利益和公共利益，甚至会出现“反社会解决方案合法化”，因此需要法律的干预或规制，确保在承认企业及其他组织可资产化利用数据的同时，让数据资产化者或数据资产持有者承担相应的社会和法律责任。数据资产化为数据进入资产负债表提供了法律规制的路径。数据不进入资产负债表，将导致估值核算的缺失，使“数据仍然是一种模糊的资产，缺乏问责制，使某些企业能够在几乎没有社会监督的情况下收集和使用他们认为合适的数据”。因此，我们需要构建数据资产化利用的数据治理范式。数据资产化的目标是通过数据资产全过程管理，推进企业合法拥有或控制的数据的合法化、规范化、标准化以及增值化，为企业创造直接或间接的经济利益。数据整理及其应用（投入生产过程）需要技术设施的支撑。有学者将这一过程概括为数据资源投资、数据能力建设和数据应用三个步骤。还有学者认识到数据资产化需要数字化基础设施建设，根据业务需求持续提取数据的价值，完成数据产品从无到有、从有到优的生产过程，因而提出涵盖基础设施和外部流通两个层面的数据资产化“五段六维”模型。本文将数据产品化流通交易视为资产化价值实现方式，将数据资产化看作构建数据运营的基础设施、开展数据资产化管理（治理）和实现数据价值的整个过程。
数据因数字技术而生，其生产、处理和应用均离不开技术设施。这些技术设施使企业具有生成、收集、存储和使用数据的能力，进而从数据挖掘出见解，支撑智能决策，获得竞争优势。因此，为了实现数据资产化的目标，必须建立组织一个包含各种组件的强大基础设施，以有效协同工作并高效地存储、处理和分析数据，形成管理和利用大数据的力量。数据基础设施也就是实现数据使用/消费、存储和分享的各种组件，包括硬件、软件、网络、服务、策略等。要构建数据基础设施，首先要了解数据如何在组织中流动，然后再设计使用数据的规则，支撑业务发展。如图1所示，一个企业需要数据工具来采集和收集原始数据，并进行吸收和转换，将数据存储在一个集中的位置，以仪表板和报告、机器学习输出等形式产生数据见解。最终数据洞察的实现取决于企业构建坚实的数据基础架构和数据分析工具，形成集成的数据智能系统。数据在组织中要实现两次转化，第一次是将原始数据转换为所有部门可用且可访问的数据；第二次是将可用的数据进行分析，产生洞察（知识），支撑企业决策（自用）和分享给用户（交易）。对于数据基础设施可以从广义上理解为数据基建，而本文主要从单个企业角度观察分析。对于企业数据基础设施，存在不同的分类描述，有学者将数据基础设施分为物理基础设施、信息基础设施和业务基础设施，还有学者在此基础上增加了人员基础设施，将现代数据基础设施概括为四个方面。数据基础设施要素构成也被称为组件或构件，因而在行业中时常以现代数据堆栈（Modern Data Stack）来描述现代数据基础设施。从实现的角度来讲，一个组织的数据基础设施由三部分构成：（1）数据堆栈，即组织用于存储、管理和访问数据的一组技术和服务；（2）数据平台，将每种技术和服务相互连接以整体图表呈现，协作使用（这样数据堆栈就可以整合实现到基础设施中）；（3）数据基础设施，为数据堆栈提供动力的底层计算系统，如网络、硬件和计算资源。因此，“堆栈”作为技术工具，平台进行整合，而基础设施作为技术支撑，三者有机地构成企业发展的数据基础设施。数据基础设施因业务种类、技术应用水平和需求差异而不同。有效的数据基础设施能够实现以下两个方面的目标：现代技术堆栈和统一数据架构，并具有可扩展性，为增长过程中的迭代留出空间；支持自助数据分析和一线员工访问与使用数据，支撑实时智能决策。真正的数字化转型不是建立一堆系统和工具，而是创建和完善系统、模型、技术堆栈和数据文化，以实现根本的组织变革。在未来，每个组织都是或应是数据驱动的组织，都应当建立一个智能集成系统，该系统能够整合内部运营数据与外部数据，实现数据的收集、存储、传输、转换和分析。数据本身并不是资产，而只有在数据基础设施中经数据资产化管理才能转化为资产。简言之，基础设施加上数据治理应用能力构建了数据资产化能力。
仅具备数据基础设施不足以实现数据价值，仍然需要依赖人的能动因素，即制定和落实数据标准、规则和政策的数据管理活动。甚至数据基础设施也是落实企业数据驱动发展战略（策略）的重要组成部分或结果。因此，数据管理是数据资产化最核心因素。“数据资产管理是数据从泛在无序的资料变为资源并进一步上升为资产的前提和必经之路。”有学者指出，数据资产入表的关键是数据治理体系建设，包括数据治理机制、数据资源盘点与分类，数据地图与血缘分析。资本形成不仅包括实物资本存量净增加，而且还包括效率、工艺、有形和无形资本组成的非物质资本增加。显然，经济活动是结合各种生产要素的产出，而为了实现真正的经济增长，不仅是简单地投入生产要素，更是增加或更有效地利用生产要素。在股东投入的初始资产（资本）之外，资本形成理论为企业累积、改进和形成新资产提供了空间。数据因管理而形成资产，因此，需要全面而正确地理解数据管理（治理）内涵及其在数据资产化的作用。数据成为生产要素是对以“大数据+人工智能”为代表的第二代数字技术在人类社会的回应，但只有经过整理形成的数据资源才能为企业带来经济利益。由于数据存在安全和合法风险，因此应当将安全、合法和规范管理贯彻于数据获取、持有和使用全过程。同时，由于数据价值在于使用，因而需要持续地使用管理并按照资产管理原理开展会计核算，才能真正地将数据转化为资产。实际上，数据资产管理的不是资产本身，而是利益相关者对该资产的行为。数据管理者的职责是监督数据资产的获取、评估、增强、供应、使用和处置过程，以确保公司以最低成本获得最大价值。具体而言，数据转化为生产要素即转化为资产，其需要涵盖以下五方面的内容：1.安全管理。安全管理包括积极控制和消极防范两个层面。从积极的角度是实现数据安全控制，使数据持有者在事实上能够控制和使用数据，防范他人非经授权访问或非法获取甚至盗用数据，维护数据资产的安全使用秩序。从消极的角度是建立数据存储和安全管理机制，防范数据泄露风险和安全事件对企业持续运营及社会的危害。也就是说，要维护数据静态存储和动态使用的安全，使企业可以安全地控制和使用数据，防范不必要的安全风险。信息管理方法需要以资产为中心、以价值为基础，而不是以安全为中心，后者往往假设信息是有害的负债。因而，我们应当将安全看作实现数据控制的管理方式，而不是目的，数据控制的目的是实现数据的价值——数据资产化管理。安全意义上的控制应当置入以资产为中心的管理框架中，以实现数据持有者自主控制的使用，并防范其他主体非法访问和获取。2.数据整理。数据的安全管理覆盖整个数据处理流程，而只有经过治理（整理）的可长期使用或重用且创造新价值的数据才能成为资产。数据只有在赋予其意义和价值的情景中使用时才有价值，用户必须对他们正在使用的数据（例如数据的来源、质量、含义和及时性）有足够的了解，才能决定如何使用数据以及使用目的。这也意味着必须对数据和信息进行管理，以确保其“适合使用”。以数据重用为目的的管理，也被称为数据整理。数据整理使不同来源的数据都得到定义、组织、链接（去除孤立），及时、一致、可靠地为授权用户访问和使用，为认可的应用程序或分析工具调用分析，可以被迅速集成分析，为整个组织的业务问题提供洞察和答案。因此，数据整理是将原生数据转化可用生产要素（资产）的关键，必须有一致整体的策略和实施，这被称为数据架构。数据架构描述了如何管理数据——从收集、转换、分发再到使用的全过程。数据架构是数据资源转化为可用数据资产的结构方法，体现了数据在特定系统中才能使用和实现价值。数据架构反映业务布局和技术目标，成为数据整理的基础和基本遵循。3.合规管理。数据区别于物质商品的一大特征是，数据获取、持有和使用并不能消灭数据上的其他利益。因此，数据合法取得并不意味着能够随意地使用数据，需要保护数据上的社会公共利益和国家利益。这便是数据合规管理的目的。合规管理要遵守法律对社会各主体既有利益的保护性规范、数据（信息）利用规范、网络和数据安全规范和国家安全政策。同时，企业组织还应当根据所在行业、数据类型发展出适合数据利用伦理准则，切实地保护数据上的个人权益、公共利益和国家安全利益，建立与企业业务和数据风险适配的行为准则和责任体系。只有将合规管理加入数据利用的全流程，整理好可重复使用的数据才能成为企业自主控制并受法律保护的数据资产。经整理的数据具有可重复使用性是数据成为资产的自然属性或前提条件，而只有满足合法性才能成为法律意义上资产。4.使用管理。数据因使用而产生或创造出价值，因而企业必须管理数据的使用行为，使数据在企业内部得到充分有效、安全合法的使用。数据管理还必须促进整理好的数据在企业内部分享，实现数据关联、结合或集成使用（计算分析），通过数据高效的物理或逻辑集中，高效迅捷地实现数据在内部的重用，为企业创造价值和利益。内部使用最终输出知识或智能，支撑企业智慧决策或行动。此外，对外分享或流通既是实现数据价值的重要途径，也是数据社会价值实现的必要要求。因此，创建各种数据流通利用的方式，管控数据流通利用的秩序和风险，满足社会对数据使用的需求，也是数据管理的重要内容。这实际上，要求企业开展数据产品化治理，按照通用或行业标准形成可重复使用的数据集或数据产品以参与社会化大生产。5.资产/价值管理。数据资产及其产生价值都必须是可管理的，资产的经济效益必须是可衡量的。数据资产化管理的最后一步是将整理好的数据作为企业无形资产，并纳入资产管理的范畴。企业应当根据数据资产的特征，建立数据资产目录及其使用记录等管理系统，同时根据会计准则开展会务计量和核算等工作。数据资产化本质上要驱动企业实现数据价值管理，实现从数据资源到数据资产的全生命周期价值管理。上述五个方面管理活动具有不同含义和内容，但都服务于数据价值形成和实现，我们可以将其看作一个有机整体。若该整体看作一种生产价值的经济活动，那么它起始于收集、记录、组织和存储观察现象的信息元素（数据整理），而只有在其他管理活动的相互配合下才能完整地实现数据价值。而这一过程企业持续投入资源，持续围绕价值实现实施数据管理。在这一过程中，企业生产出可用数据且可重复使用产生额外价值，那么就形成为企业带来经济收益的新资本或资产。正是以资产化为目的的管理才能使数据成为资产，数据资产化源于以价值化为目标的数据管理活动。这意味着数据资产化符合洛克的劳动财产理论，而不是数据本身就是资源或具有价值，更不是基于控制（先占）即可拥有的财产。合法取得数据只是成为资产前提，但不是充分而必要条件。
数据资产化的目的是将数据转换为有使用价值的资产，这种使用价值体现为支撑企业的智能决策，提高生产效率和经济效益。但是数据使用的非排他性、数据价值的多样性等特征，使数据在为企业自用的同时亦可他用，创造社会价值。若在这一过程中，企业可以获得经济收益，那么资产化的数据又可以创造额外的资产收益。于是，数据资产化的价值实现方式可以分为自己使用的间接变现方式和对外许可使用的直接变现方式。有学者将数据资产价值化区分为内部路径和外部路径两个层面，对内实现企业的业务赋能和数字化转型，对外赋能行业和产业发展，从而完成数据资产在“内增值，外增效”两个层面的价值变现。这也是从数据价值链角度对两种数据使用和价值实现方式进行描述。
数据资产化的目的是支撑业务运营和决策，提质增效，创造经济利益。数据是一种经济资产，可以帮助组织改善运营、增加收入、巩固与利益相关者的关系、产生新的收入来源、提高当前产品的质量、建立竞争差异化、支持创新和降低风险。信息也可以被货币化以产生新的收入流，例如用信息交换商品和服务，或者通过将数据资产出售给其他用户将其转化为现金。只有形成资本并为企业带来经济利益的数据，才能被确认为财产；只有当这些收益是可衡量的，数据才能在资产项下按照会计准则处理。如上所述，数据资产的形成和价值实现均依赖有效的数据管理。因此，数据资产化是将数据视为一种企业中生存和持续增长的资产，而不是价值贬值的静态资产。这实际上要求数据资产具有可衡量的产出或价值。为了实现数据资产的清晰界定和衡量目标，一方面要审核资产形态，具有有效管理和利用数据的数据集成系统，可以将数据转化为信息或知识形态；另一方面信息或知识的应用可以为企业创造额外可计量的经济价值。也就是说，判断数据能否进入资产项不是看是否拥有数据，而是看是否具备转换为信息的能力。当数据可转化为包含经济特征和促进可操作见解的信息时，就构成资产。所谓的经济特征，是数据必须适合使用（可重复使用），即数据可机读、可移转或重复使用，可与其他数据组合以创建新数据的能力，而数据的使用最终能够“产出”对企业有价值的信息（知识），使组织能够深入了解为实现目标而应采取的行动。而这需要在数据中找到能够产生见解和创造价值的模式。显然，数据资产形成于数据的价值生产系统，也很可能没有明显可识别的信息输出，而直接转化为智慧决策或智能行动。一旦产生基于数据的价值生产系统，再配合会计上的处理，那么就形成了真实的数据资产。
数据重用不仅可以满足企业自用，还可以提供给他人使用，为使用者将数据转化为知识提供资源或条件，这一过程被称为“数据产品化”。一旦数据资产可以满足他人的使用需求，数据就可以像商品那样流通，实现数据的社会化利用。“流通”和“产品”的概念是类比实物产品（商品）的一种说法。数据资产管理者一旦可以分离出他人可以重用的数据，那么这样的数据就可以视为产品；而数据流通是许可他人使用特定数据，即通过许可使用协议实现数据分享。数据流通与商品流通（货物买卖）完全不同，属于无形资产许可使用。借助这样的比喻，我们可以从数据资产价值实现的角度，探讨数据资产的产品化流通。在企业进行数据资产化治理的过程中，只要按照更广泛的行业标准开展，形成符合一定质量和格式要求，可互操作的或自动关联分析的数据，该数据就成为可分享、可交换的“产品”。一旦数据资产满足用户需求而具有了交换价值，那么数据流通交易就成为数据资产变现的另外一种途径。由于数据资产属于可重复使用、非消耗的资源，在满足自身需求的同时开展产品化流通并不会减损数据资产数量，即可以同时许可不同的主体使用。这里的产品化流通只是通过某种方式让他人（使用者）使用部分数据。即使存在数据转让，转让的也只是数据复本。在大多数情形下，数据流通只是满足个性化数据使用需求，而不是作为通用产品来满足不特定主体的需求。数据只有在转化为可复制传播知识或者通用的内容消费品（工具或知识产品）后，才真正成为市场交易产品。数据流通只是基于需求驱动来满足使用者的个性化使用，不可能创造大众数据消费市场。因此，数据流通一般是通过数据交换、共享、合作等方式在可信的受控环境中实现，而不是在竞争性市场中实现。总之，数据产品化只是数据资产的产出物，是数据资产满足个性化使用的过程，这个过程不仅是对数据资产价值的进一步发掘，也是对数据资产潜在价值实现的持续探索。
数据资产化的目的是自用创造价值，而数据他用则是源于数据资源特征的额外“产出”。这种产出并不能脱离数据资产而产生，仍然是数据资产化管理的重要内容和结果。因此，数据资产化管理是数据产品化流通（许可他人使用）的逻辑前提，数据资产是否作为产品流通完全取决于治理数据的标准化程度、企业的意愿和潜在需求。一些学者认识到数据产品与数据资产存在密切关系，但存在不同观点。利·多兹认为，数据产品是从一个或多个数据资产创建的，可能不包含与其所基于的数据资产相同的所有数据。例如，个人数据可能需要删除或匿名，这意味着数据产品可能位于数据频谱中的不同点。韦恩·埃克森澄清数据资产不同于数据产品，认为数据资产是数据产品的先决条件，只有在数据商店的数字货架上（或供应商的价目表上）的数据资产才能成为数据产品。从本质上讲，数据产品是由其交易性质及其存续时间和使用决定的。数据资产并不必然转化为数据产品，数据资产的产品化在不同的企业可能存在差异。对于从事数据集成和分析的数据企业来讲，数据产品化是企业唯一的营业目的和利润来源，因而数据资产管理和数据产品管理两者高度重合。对于其他企业来讲，数据资产主要是服务于组织的业务目的，将数据作为产品对外流通交易只是企业的副业，因此从事数据产品化管理和流通交易则取决于这些组织是否配备相应的专业人员和资源投入。因此，数据产品化或数据流通的含义应从数据资产价值的实现上来理解，将数据产品视为企业控制和管理的数据资产的按需求配置输出，而将数据流通视为数据资产的许可使用。由于数据非排他性、非竞争性等特征，决定了从数据资产产出并分享使用的数据并不会减损或影响原数据资产的数量和质量，因而数据产品只是数据资产的使用方式或变现方式。简言之，数据产品是经营管理数据资产的结果，是数据资产价值实现的重要方式。此处的管理是按照外部需求和要求开展的产品化管理，该过程包括前期产品规划，以及后续的产品开发、包装、治理、客户支持和培训、产品增强和产品退役。从数据产品化的角度来理解数据资产化是非常有意义的，因为本质上数据资产化的基础是数据重用，而产品化治理是数据重用的主要路径。在采取分布式架构的大型企业中，数据要素化治理也采取产品化思维，由各业务部门开展治理，将各自业务数据转换成为可自动汇集、支撑企业整体决策的可重复使用数据（产品化数据）。同时，组织内部通过数据共享、关联分析，实现数据集成应用。因此，从技术角度，数据可否流通（他用）取决于数据治理标准的一致性。一旦采用跨域的统一标准（如行业标准），那么不仅满足企业内部使用的数据可以作为产品流通，而且这种流通可以超越组织边界。在这个意义上，产品化是否能够超越组织边界实际上是数据标准问题。总之，数据资产化是通过治理（管理）将数据转化为资产，成为企业拥有或控制的、预期会给企业带来经济利益的资源（资产）。数据资产化是企业对可获取数据整理、治理和管理的结果，而这一过程始终围绕数据价值创造和实现展开。如图2所示，这一过程可以概括为数据要素化、数据资产化和数据产品化三个相继发生而又相互的过程。要素化治理与产品化治理原理相同，数据一旦经过治理即可为他人所用，就成为可流通的产品，为企业带来更多价值。在数据价值化实现视角下，数据资产化过程是否实现产品化只是企业资产化战略选择问题。内部可用（进而创造价值）是数据资产化的基本要求，而数据产品化是数据资产价值实现的重要方式。数据资产化最终体现于在财务上能够被识别为资产，并能按照会计准则进行计量和财务处理。只有建立与数据特征及其价值形成和实现机制相适应的技术规范，才能最终完成数据资产化。
我国会计准则对资产的定义几乎与国际会计准则相同，凡是由企业过去经营交易或各项事项形成、由企业拥有或控制的、预期会给企业带来经济利益的资源都可以确认为资产。2023年8月，财政部发布的《企业数据资源相关会计处理暂行规定》并没有改变现行准则对资产确认和计量要求，而是认为应当适用现行会计准则，将数据计为无形资产或计为存货，并对成本、支出、收入等如何计算作出指引。这意味着需要在实践中探索具备怎样条件的数据可以入表并作为哪类资产进行会计处理。在一定基础设施支撑下，数据经整理或治理满足可重性且具有转换为知识应用的能力就可以计量为资产。从会计学的角度，数据满足能够创造价值、拥有或可控制和数据安全可靠三个条件的即可确定为资产。不过，按照前述资产形成理论，业务数据只有经过加工处理（治理）后成为生产要素或具有知识转化能力，才能作为数据资产入表。数据资产确认前提是与该资源有关的经济利益很可能流入企业，而当企业合法拥有的数据资产且有开发应用能力时即满足这一条件。具体而言，可从以下四个方面审核进入资产项的数据：1.合法取得和控制（管理）。依据会计准则，“数据或由经济交易形成或由经济事项形成并且由企业拥有或控制”判断的关键是如何理解数据由企业“拥有或控制”。显然，这里的拥有或控制是企业对存储系统中数据享有法律上的利用权，而不是物理意义上的占有，理论及实务界一般认为需要对数据确权。本文认为，只要企业合法获取和使用数据，那么数据即可带来经济价值，成为资产。中国信通院的研究报告指出，只要合法享有数据的部分控制权，就可以进行资产化确认。部分控制权就是数据持有者非排他使用权，只要合法使用就可以支撑企业决策或者产品化交易，就能开启“数据二十条”中的数据使用权交易。只要企业能够获得对数据排他性的访问、使用、修改和分享等权限，则可以认为数据资源由企业拥有或控制。因此，只要有适当的数据合法管理，不需要专门机构确权就可以在会计上确认为资产。2.可生产性使用（重用）。数据作为资产必须能够给企业带来未来收益，这既涉及如何计量其价值，又涉及数据资产创造价值的实质条件判断。对于后者，资产化的数据必须满足可生产性使用或重用的条件，而实现这一目的需要一系列的管理活动。企业一旦能够汇集治理数据，形成可支撑业务运营或决策的智能系统，就具有数据资产的基本条件。但是，数据价值形成和实现的过程会产生不同形态和价值的数据，而一旦数据资产可许可使用，那么亦可以从产品化角度确认和计量数据资产。数据资产化在本质上是数据价值化的管理能力。3.可生产性使用达一个会计年度。按照会计准则，资产的中间消费和资本形成（即资产的创造）之间的区别取决于所涉及的商品和服务是否在会计期间完全用完。数据采集、加工处理形成有用信息用于企业运营一直是企业运营必不可少的活动，但形成的数据是一次性使用或使用时间少于一个会计年度，则记录为中间消费的当前交易。只有可不断重用至少一个会计年度以上，才可记入资本账户中累积交易。因此，数据资产应当持续稳定地可为企业使用，至少满足一个会计年度期限。短期使用的数据虽然产生经济价值，但一般仅作为中间消费，不视为资产。生产和使用一个会计年度以上的数据符合资产的国民账户体系特征，因此应在国民账户中进行资本化。4.具有可计量经济收益。数据作为资产必须具备可计量性，以对数据产生未来收益进行准确计算。数据资产计量存在一定的困难，因此只有存在有效的计量方法，才能使数据成为资产。（具体参见数据资产价值的计量）
数据资产化是一个过程，不同阶段因数据形态的不同，产生的价值也不相同。为了更清晰地描述数据资产化和价值创造，本文将数据转化为可应用知识的过程划分为两个主要的生产阶段：一是数据生产阶段，二是知识生产阶段，并基于此对数据资产形态和构成进行类型化分析。数据资产化的最终目标是形成支撑组织的经营或业务的数据智能系统，为组织提供可操作的见解。正如伯奇教授所言，“数据不是一种商品，而是一种人工制品或数字采集架构的构筑物，它通常具有非常特定的目的，是不可替代物。”不同的企业业务（制造业、服务业、电子商务等）决定了它们所需要的知识或智能支持系统也不相同，因而每个企业应当围绕自己的商业模式和业务战略构建各自的数据资产系统。这样的数据资产系统也许会整合外部数据，采用相同的数据模型或分析工具，这需要有符合企业业务目的的数据架构和逻辑集成能力，形成服务于企业智能决策的独特能力。因此，按照业务目的构建的数据资产系统就是一种独特存在，将其视为“不可替代物”甚或“不动产”是恰当的。企业数据资产系统的独特性，并不影响该系统组成要素的标准性或通用性，因而，在形成独特的数据资产系统的过程中以及形成之后，企业可以输出标准化、互操作的数据和具有应用价值的知识。企业持有数据可以分为自用型数据资产和交易型数据资产，但可能不需要在会计科目上进行区分。两者在成本、摊销等应当是一致的，只是在数据资产作为产品进行流通交易（许可使用）时存在未来交易收益计算问题。自用型与交易型分类与其说是数据资产的分类，不如说是数据资产价值实现方式的分类。鉴于此，本文将企业持有的数据区分为数据资产和数据产品，将数据产品视为数据资产的输出，而不是独立存在。因而对数据资产的分类实质是基于数据资源资产化过程的不同形态进行的。为此，数据资产可以分为经治理的数据和智能数据集成系统。经治理的数据是经过整理和合法管理形成的可重复使用数据。数据整理是基于一定数据标准对数据进行清洗、编辑和标注等处理，将数据转变为适用的数据、具有使用价值的数据或成为可重复使用数据。可重复使用数据典型的形态是数据集。数据整理的同时还需要开展合法和规范管理，确保数据集是合法的。合法的可重复使用数据才成为数据资产，存储于可重复使用的数据资产系统。在实务中，还可以根据整理程度进行分类，将数据资产系统中的数据区分为完全整理、部分整理和未整理的数据。显然，不同水平的数据整理的投入和重用的价值不完全一样。一个管理良好的数据资产在数据资产系统中应当标识数据整理水平。经治理的数据具有使用价值，且能与其他数据组合使用，形成构建数据集成系统的原材料，进而构建起数据商业智能系统。数据智能系统是数据资产的成熟形态，是在统一数据架构下数据的有机结合和应用体，是集成了各种处理技术和分析工具（如机器学习）具有产出知识或分析的智能系统。此时的数据资产就演变为对该数据集成系统的描述，除了判断集成的数据数量和质量外，更重要的是判断该系统智能或知识的输出能力，这种能力使数据转化为企业生产力。这种转化离不开数据基础设施和技术工具，从财务角度来看，数据资产可以纳入整体数据资产中进行核算，也可以根据具体情况单独核算。只要不重复计量就不会对资产总额带来实质影响。数据智能系统的智能或知识输出能力不仅可以支撑企业智慧决策或行动，还可以对外输出智能产品或服务。这些智能产品包括算法模型、知识图谱、分析报告、AIGC等。显然，每个企业产出智能产品的能力及其知识输出是否可以商品化存在差异。对于仅服务自身业务需求且行业特征非常明显的企业，其数据智能系统的主要目的是支撑业务需求，可能很难产出社会化利用的智能或知识产品。而对于专门从事数据集成的企业，生产社会需求的数据产品本身就是其业务目的，因而智能产品或服务交易就是企业将数据资产价值化的唯一渠道。通常来讲，只要有商业化的可能，拥有数据智能系统资产的企业就会通过交易创造更多的价值。以上看出，数据只有经过组织和管理才能资产化，资产化服务于业务，在不同阶段还可能产品化。数据治理形成可重复使用数据资源就成为数据资产，其价值既体现在企业自身数据分析或数据集成上，也体现在对外流通交易上。一旦形成数据智能系统，在支撑企业决策或智慧行动的同时，也具有智能产品商业化交易的可能性。简言之，数据产品化是在数据资产化过程中的一个价值实现阶段，资产化是产品化的前提，而产品化是资产化的价值实现。
2025年《国民账户体系》已经将数据列为独立资源形态，我国亦有学者主张应当设立数据资产一级科目。数据资产化最终还必须落地于会计科目定位，即其本质上如何在会计学上认定可入表数据资产的性质。拉里·伯恩斯认为数据和信息不是例如建筑物或车辆等的固定资产，而是流动资产。他总结出了五个方面数据特性，即永恒性、可复制性、与场景不可分割性、累积性和适目的性。这些属性与资产负债表中流动资产判断标准不完全一样，前者强调的是数据在不断流通中实现价值的特性。在会计上，区分流动资产和固定资产的主要目的在于固定资产具有长期使用性，存在折旧，而流动资产在不到一年的时间内转换为现金，不存在折旧。如果承认数据属于非消耗性资产，那么在资产负债表中宜将数据视为固定资产，这也是国民账户工作组对数据资产类别的定位。根据提议，这一类别将被视为生产的固定资产，与研发和计算机软件等其他知识产权产品一起存在。将数据视为固定资产比较符合数据需要长期建造、治理、保护的数据资产特征，甚至行业开始将其视为“数据不动产”。不过，数据资产缺乏实物存在，再加上非排他可分享性、非消耗可长期使用性，使数据资产具有无形资产属性。国民账户工作组组织秘书处认为数据应当被作为固定资产，且被作为无形资产来对待。这也是美国商务部经济分析局对数据资产的定位。无形资产是可以长期使用的固定资产，只是缺乏实物存在，因此，将数据资产定位于无形固定资产符合数据的特性。这样定性与我国入表的数据资产科目归类基本一致。将数据资产定位于固定资产实质上是对企业最终形成的数据智能系统的定位。因为此时的数据资源存在于统一数据架构和基础设施中，被结构化、有机地结合在一起或者可随时关联分析，具有相对稳定和持续形态。而将其称为不动产、固定资产仍然具有隐喻，暗含数据资产是一体化构建或建设的结果，强调数据资产的结构性、整体性、稳定性。而数据本质上属于可重复使用的无形资产，具有无限复制或分享的特点，一旦数据资产被复制分享，它就可以转化为产品，而产品化交易就成为数据资产价值的实现方式。如上所述，在数据资产的两个阶段均可以产品化，一是作为不断被汇集、聚合或集成为数据智能系统的原材料（数据集）；二是数据智能系统的产出——智能产品或知识。前者进入固定的数据资产，后者进入消费应用（一次性或短暂的应用作为中间消费，而长期地使用又可以进入数据资产）。
按照会计准则，一切资产均应按照可观察市场价值定价和记录。虽然入表的数据被认为是生产出来的，但大多数据都是企业自生的，初始数据源于企业运营，而治理（管理）投入又很难独立出来成为计量单位。数据智能的形成需要再获取或集成外部数据，有时也涉及外部采购。实践中也有许多数据供给渠道或数据交易，但很难观察到其价值。因为数据交易大多隐藏在各种交易之中（如数据共享、业务合作或服务），且交易对价不以货币计量，而是通过易物或部分易物交易来体现其价值。以消费数据的获取为例，互联网所谓的免费经济实质上是客户以零的货币价格交换数据，以换取数字服务。又比如，在购物时，消费者扫描二维码可以享受折扣，这意味着消费者以个人数据支付了部分价款。前者为完全的易物交易，后者为部分的易物交易。除了缺乏可观察的市场价值外，数据的价值还具有一定个性或个体价值成分，取决于场景和应用，而不是孤立的数据。甚至有学者指出，数据集对一个投资者或公司的价值与对另一个投资者或公司的价值并不相同。同一数据资产的估值在不同的公司之间差别巨大，因此基于市场回报预测或协方差没有明确的意义。当市场价格不可用时，需要替代资产估值技术。SNA2008提供了两种估计资产价值的方法：资产的净现值或生产成本总和。净现值（NPV）使用可能来自资产的潜在未来收入作为估计资产现值的替代方法。这种方法可以提供数据资产价值的准确衡量标准。只是必须考虑数据资产的非消耗性、可重复使用性等特征，还没有成熟的方法准确地估计数据资产的未来收入流。成本总和法是通过将生产成本相加来衡量产出价值，这些成本通常包括中间消费、员工薪酬、生产中使用的固定资本消耗、生产中使用固定资本的净回报和生产税（减去补贴）。虽然数据资产化是需要持续的资源投入，但是数据资产的形成依赖于企业的整体投入和运行，如何将数据生产成本与其他投入或成本（如存储空间、人员成本等）相区分存在难度。即使存在计量的可能性，成本法也无法衡量数据的整体价值。虽然如此，成本总和法也时常被用于衡量政府或非营利组织免费提供的商品和服务的产出，生产者保留其最终消费或资本形成的商品和劳务的生产，因而成本总和法成了数据资产计量的一种选择。国民账户工作组认为，创建该资产的基本成本是“转换”或“准备”数据的成本，应根据成本总和对自己账户数据的生成进行估值，并以列举方式给予成本总和法的具体指南。同时认为，这些成本包括工作人员的时间成本和在数据生成过程中用作中间消耗的项目成本。此外，还应包括对用于编制数据的自有账户中的固定资本消耗的估计，以及对市场生产者净经营盈余的加成。本文认为，这已经不是纯粹的成本总和法，而是努力反映新创建数据的未来盈利能力，确保估价尽可能与市场价值相似。资产价值源于其给企业创造价值的能力，这种价值则源于从数据挖掘出知识（洞察或预测）使用收益（变现）能力。这种能力是按照统一架构和标准组织数据，集成技术工具（购买或研发）、进行持续的管理所形成的。为了方便将数据资产化过程统称生产活动，属于资本形成过程。我们应当将数据资产看作整体，而不是零散的数据或数据集。因此，上述“成本总和+净经营盈余”就是针对这整体意义上的数据资产。但是，在数据资产形成过程中，不同性质和用途的数据亦具有产品化交易的途径，这是数据作为可重复使用的无形资产使然。我们应当将数据资产形成过程中的数据成熟度（表现为不同形态的数据）作为数据资产计量和估值的基本依据，建立以整体数据资产为轴心的数据资产计量方法，而将产品化视为支撑企业智能决策产生“净经营盈余”之外的资产收益。数据是非常特殊的新型资产，如何实现资产化及如何进行财务计量仍然需要探索。OECD数字经济政策委员会于2022年组织有关专家对数据估值方法进行专门研究，也基本认同包括加成法的成本总和法对其他自有账户无形资产进行估值。与此同时，报告也提出了四项建议：其一，制定数据产品和行业分类，以帮助衡量数据的价值；其二，制定国际统计准则，以衡量数据投资和资产；其三，开发专门的调查工具和计量经济学方法来估计跨境数据流的价值；其四，让来自不同学科的决策者参与进来，帮助衡量数据的价值。这些建议值得我国借鉴和参考。围绕数据价值化实现探索数据资产化路径是正确的，只是数据资源、数据资产、数据产品、数据确权、数据交易等纷繁的概念让人困扰。数据资产入表迫切需要摆脱资源社会化配置和利用的传统观念和范式，引入治理模式意义上的资产化概念。在数据并非天然具有使用价值的情形下，先合法获取数据并进行资产化利用，再通过产品化流通交易的价值实现就是顺理成章的事情。在承认数据社会可用资源和分散或零散的数据并没有价值的情形下，事先的确权登记几乎是徒劳的。于是将分散的数据组织和整理成为具有价值化能力的数据资产成为数据产权保护的起点。这种保护也只是确认数据持有者对数据无形资产的许可使用权，允许其通过流通交易（许可使用）方式实现产品化数据的价值。数据持有者的数据无形资产是基于资本形成理论对企业合法获取、整理、使用数据资源的管理劳动的承认，而非基于创新保护原理确认知识产权。也就是说，我们对数据资产持有者权的保护仍然基于洛克财产理论，只是数据资产化是通过复杂的管理劳动来实现的。至于产品化流通交易，实质上是数据资产管理者在不放弃数据的情形下，许可他人使用的行为，因而可以适用无形资产的典型交易方式—许可使用。这样，数据资产是持有者（企业）持续生产和维护的“固定资产”，其价值化适用无形资产的交易，但却不需要在知识产权意义上确权。数据资产化获取和使用数据（形成无形资产）需要尊重和保护数据上的合法权益，但对这种合法利益保护不是赋予合法利益相关者（来源者）产权（决定权）并以确权、定价和交易方式实现资产化，而是通过使用者（企业）合法和安全管理以使数据价值化利用过程并保护既有的合法利益。合法和安全管理是数据无形资产形成和价值化管理（尤其是流通交易）的前提。数据产品化的流通交易可能需要确权，但也仅限于形态稳定和价值相对固定的数据产品（智能产品或知识）且需要转让交易时。若有这些产品，那么可以探寻新型知识产权的权利，以实现社会化流通交易。若没有，确权登记则丧失意义。因此，对数据资产产权的界定需要从过去对特定客体（数据）界定转向可控制管理的资源产生的收入流的界定。“资产通常表述为特定主体所享有代表一定经济利益包含可直接或间接转化为货币的能力的现时权利”，一旦企业具备合法地控制带来经济利益数据的能力，那么就可以确认其数据资产持有者地位，计量其价值。我们迫切需要将单纯法律上确权转变为“会计+法律”意义上确认来认定数据资产合法持有者。如此，数据持有者权确认制度+科学计量规则就可以支撑数据资产化及其数据社会化重用秩序。在否定传统的产权化作为数据资产化前提下，我们必须建立适合数据特征的资产化的治理模式。这种治理模式应以数据持有者权为基础的治理范式为前提，只是本文的核心是数据无形资产形成过程和数据资产会计处理基本框架。原始数据不具有应用价值（不会立即产生可操作的见解），要实现还需要经过数据整理/治理（数据生产）和数据分析（知识生产）两个阶段，这需要大量的资源投入，尤其是智能分析模型或工具研发和应用。这一过程既需要技术设施支撑，又需要创造价值的管理劳动，是集“建造、保护和治理”为一体的系统工程。也就是说，数据无形资产本质上是具有智能或知识输出能力的数据集成系统，而不是存储静态的数据。本文的一个重要观点是将数据产品看作数据资产价值实现的一种方式，而不是独立存在的数据资产。这一方面可以支撑只要能够给企业带来未来收益就可以资产化的论断，另一方面可以得出数据资产化的目的在于形成每个企业控制管理的数据无形资产的结论。一旦形成数据可以支撑企业智能决策的数据资产给企业带来额外收益，那么流通交易就是资产化数据的额外“创收”。显然，这种价值化能力因数据资产化的目的和能力不同而不同，这决定了本文对数据资产入表的判断标准、资产定性和分类的判断。按照上述逻辑，数据只要可以重用一个会计年度以上，为企业管理并带来额外的经济价值就可确认为资产并归类为固定资产中的无形资产。这样数据无形资产的基本价值应当按照给企业带来的额外收益来评估其价值，而只有当数据资产管理者具有对外输出数据产品，实现产品化交易的能力时，才存在按照市场价值评估其数据资产价值的可能性。这样，只要企业对数据进行整理和治理（管理），形成符合入表条件的数据资产，那么就可以径直在法律和会计上确认其数据资产管理权（持有者权），并根据其在具体场景下的数据使用合法性来确认其具体的数据使用权，以实现其资产化价值。只是应当根据数据价值实现的不同情形开展不同的价值评估。综上，数据是以认知价值为基础的社会资源，具有许多区别于既有资源的独特属性，数据确权只是对组织合法持有和管理的数据资产所产生的收益在法律和会计上的确认，而数据产品化也只是数据资产价值的实现方式。因此，我们应当构建以数据持有者为基础适合数据价值形成和实现的治理模式，才能实现资产化。这样的资产化具有政治经济的合理性，也具有法律正当性，只要建立技术、商业、法律和财务相互配合的技术经济治理模式即可实现。钭晓东｜超越个体赋权：群体数据利益保护及其推进进路自正法｜第三方网络平台配合电子证据取证的规范构造论
