今年以來，數據資產入表進入快車道，全國實現數據資產入表案例迅速增加。目前，參與數據資產入表的上市公司、城投公司等超過百家。數據資產入表，不但優化地方政府和企業資產負債結構，盤活和明確數據價值，同時幫助實現數據抵押和融資，為經濟發展提供有利支撐；特別是地方政府和融資平臺的數據入表，在當前財政壓力比較大的情況下，對解決地方政府財政困境提供助力。

但與此同時，數據資產入表也面臨問題和挑戰，如數據資產估值是否合理（估值泡沫還是估值不夠）、上市公司估值撤回等問題。數據已經成為國民經濟發展的重要生產要素，數據資產的重要性日益重要，但是如何更好地使數據資產“入表”，如何解決數據資產入表面臨的問題，在理論和實踐層面上還存在一些誤區。

第一個誤區，數據資產入表忽視數據首先應該“資源化”即數據本身對于購買方的有用性的前提。

數據想要作為資產，首先必須能夠對生產、消費等帶來價值，具備有用性，數據資產入表必須明確數據的使用價值。以物質資本（機器、廠房、設備等）定價流程為例，物質資本定價的基礎是資本的使用者在購入后，該資本能夠對本企業帶來收益和利潤，資本對購買者有用；而資本定價基于其對使用者、購買者未來收入現金流的貼現。由此可以推斷，誰買入資本，誰對資本原則上有更加真實和準確的價值判斷。數據資產應該是使用者、買方的資產，因此入表應該更加針對使用者的入表，而不是數據出售方或其他第三方。基于買方有用性估值的數據入表，才不會產生嚴重的數據泡沫或估值不夠問題。

第二個誤區，認為數據作為企業本身的資源已經被計入資產負債表，不應該二次計入。

如前所述，任何要素要成為資產，其前提是帶來價值即有用性，也的確在一定程度上需要先被承認是一種“資源”。但是，數據要素作為資源有其特殊性——數據是企業（以及個人、政府等）生產、經營、運行等的副產品，能否被視為“資源”而存在，取決于我們對數據有用性認知不斷改變的進程。

首先，數據能否資源化，關鍵在于我們是否能夠很好地利用數據。以石油為類比，在沒有相應技術可以開采和利用之前，并不能稱之為資源。其次，現實中，我們可能為了獲取、利用、分析數據等進行了一定的投入，但并不一定已經計入企業資產負債表。同樣以石油為例，在沒有被勘探、開采之前，石油雖然是資源但可能不是資產；只有在被發現并經過估值，才可以算作資產。另外一個類比就是企業生產的副產品，如礦產資源開發，由于原來技術達不到，廢料無法提純，那么在有了新的技術之后，這些廢料突然就有價值（價值從幾乎為零到比較大的值），當然也可以成為企業的資產進行入表。

第三個誤區，數據資產定價過度強調特殊性、專用性，而忽視通用性。

傳統資本，比如機器、廠房和設備，雖然也有專屬性、專用性特征，也是針對企業自身特征而建立的，但是，一方面，這些資本可以轉化為其他生產企業的資產，例如廠房改造等；另一方面，由于同樣產品的企業較多，對同樣資本的需求比較活躍。所以，即使是非常專用性的資本也可以找到買家實現資產變現，流動性很強。由此，使得資本具有比較強的通用性，從而定價相對穩定和合理。

數據資產可能在這一方面還有待改進。數據資產特別是針對使用者、企業而言，很多時候具備非常強的專屬性，通用性很低。很多時候，數據產品或者數據所包含的信息，是針對自身企業的一些特征量化定制的。這個時候，如果這個企業不使用、或者因為企業破產等原因，那么可能會出現數據資產價值歸零。例如，很多企業使用自己經營的數據作為依據，來做信貸抵押。作為銀行，應該看重的是企業數據對應的企業實際經營的信息，還是企業作為資產入表的數據的價值？如果是后者，雖然是“入表”的資產，但讓渡給其他企業可能完全沒有用，那么數據本身的價值可能是零，不具有獨立估值和定價的基礎。

第四個誤區，認為數據資產交易不用明晰產權、或者產權界定模糊為上。

有些經濟主體刻意忽視數據的產權屬性，例如認為經過自己加工的便是自己的資產，認為自己購買的數據，不管是從誰手中購買，只要入表便是自己的資產等，這些都是不可取的。要擴大數據的生產、使用、流通，一定要清晰界定數據產權歸屬，包括所有權、使用權、加工權、受益權等，這樣才能使得各個環節的參與者充分對數據的價值進行評估；這樣才能減少數據交易中出現的委托代理、道德風險等問題。

特別地，明確的所有權歸屬將有利于不同數據所有者根據自己的偏好分享數據，平衡數據收益和數據隱私，進而活躍數據流通市場。在此基礎上，要側重數據誰使用、誰定價、誰入表。數據的最終價值在于提取信息、改進效率、增加產出等，相對而言，數據的使用方對數據的價值有更為實際和準確的認知。現有“入表”的實踐和案例中，數據使用者入表的較少；相反，數據的提供方如平臺、數據商、政府部門等入表的較多，但這些企業和機構并不是數據的使用者，并不能完全了解數據的價值，或者實現數據的增值——他們數據資產入表和本身的生產、經營等并沒有太大關系，也因此很難對數據的價值有合理和公允的判斷。

此外，數據作為資源只能反映可能的有用性，并不完全對應數據最終能夠實現的收益。從根本上講，沒有交易沒有價值。因此，如果某個城投平臺沒有數據所有權、沒有數據產品交易、沒有經過市場檢驗，那么這種情形下入表的數據價值可能存疑，這些平臺自我（或邀請第三方）進行估值并以此為基礎的融資、信貸等可能存在很大的問題。

第五個誤區，認為數據資產很安全，嚴格對數據資產估值后便不存在風險。

數據資產的有用性、通用性等是數據資產估值和入表的關鍵。我們當然可以通過數字基礎設施建設、市場交易制度完善、產權制度建設等方面加強數據資產的可重復使用，從而更好發揮數據資產的價值，這也是當前和今后很長時間內對數據資產進行抵押融資等行為的前提。

但是，可重復使用不代表不存在風險，甚至企業、城投平臺等本身可能因為數據資產產生風險。

首先，這些經濟主體可能因為數據資產入表而高估自己的經營潛力和企業價值，從而產生誤判，如過度借貸。一方面，數據本身所能帶來的價值可能因為時間、同業競爭等迅速衰減，資產負債表迅速惡化；另一方面，過度借貸等反過來又會誘使企業進一步夸大數據的價值，產生數據泡沫。

其次，銀行等金融機構如果按照數據資產價值評估進行授信，而不顧事后監管、甚至不同銀行和金融機構按照同樣的數據給同樣的平臺提供信貸支持，那么數據授信可能帶來信貸危機。

再次，數據資產是無形資產，無形資產的價值波動本身較大，反過來容易對經濟主體的生產、經營等產生負面影響。無形資產更要注重市場流通和交易的作用，通過流通和交易促進數據的通用性，穩定關于數據價值的預期。

最后，數據資產交易具有很大的外部性，個別企業或機構數據資產風險爆發可能引發整個數據資產行業的估值和宏觀經濟危機。傳導渠道既可能是傳統的資產負債表渠道，也可能是預期渠道，需要監管部門提高關于數據的風險意識。

那么，該如何解決以上誤區？

一是從根本上加強數據使用者和數據使用者入表行為的統一。要鼓勵具有密切關聯的企業、機構等之間先從產業鏈內部打通數據的價值，要創造寬松環境讓數據使用者去挖掘數據價值。如某數據科技公司聚焦化塑及新材料領域，通過收集生產企業數據掌握企業生產情況進而通過高周轉的信貸融資獲取收益。數據對該公司具有明確的使用價值和變現模式，如果入表也會相對客觀。

二是數據提供商、數商等要與數據使用的上下游打通、融合，以數據為基礎、以交易為目的、以價值增值為最終取向，尋找有利于國民經濟發展的數據交易，為數據資產價值發揮提供市場。其中，充分考慮數據資產的獨特性，完善數據產權的相關基礎設施和制度建設，應該成為重要且緊迫的發展方向。

三是要加強數據監管特別是數據入表事后監管。要明確數據入表的最終目的是產值增加、效率改善、風險控制，是實現數據增量價值，而不是存量博弈。要通過法律、法規、制度等建設防止企業特別是大型科技公司或平臺通過數據“壟斷”擠壓消費者和生產者兩端的價值剩余。要通過監管防止部分公司或企業因為數據而出現“大而不能倒”現象。

最后，應該以應用場景為前提推動數據資產入表和定價。先花大力氣、制度性地解決互聯網平臺、供應鏈平臺等的數據定價，對特定數據、特定商業模式等進行估值，然后再推向公共數據、消費者數據估值和定價。

（作者董兵兵為上海交通大學上海高級金融學院助理教授、MBA項目聯席學術主任，主要研究方向為數據資產、貨幣政策、債務置換等，著有《東盟十國金融發展中的結構特征》等。）