1、 商业银行商业银行 数据要素价值洞察研究数据要素价值洞察研究 白皮书白皮书 Institute for Interdisciplinary Information Core Technology 交叉信息核心技术研究院 版权声明版权声明 本白皮书版权归属中国工商银行股份有限公司、交叉信息核心技术研究院（清华大学）、安永（中国）企业咨询有限公司所有，并受法律保护。引用、转载、编撰或以其他方式使用本白皮书文字或观点，应注明来源，并符合相关法律规定。违反上述声明者，将追究其法律责任。前言前言 近年来，我国持续加强数据要素市场的基础设施、组织框架、体制机制等方面建设，并取得长足进展。2023 年 10

2、 月，中央金融工作会议提出“要做好科技金融、绿色金融、普惠金融、养老金融、数字金融五篇大文章”，进一步明确了将“数字金融”作为未来金融业高质量发展的主要方向之一。在数据要素市场建设过程中，如何准确计量数据价值、建立公平合理的数据要素收益分配机制仍然是当前面临的重难点问题之一。中国工商银行联合交叉信息核心技术研究院（清华大学）、安永（中国）企业咨询有限公司开展了商业银行数据资产价值评估方法研究和收益分配机制实践，通过采用兼顾数据收益和资产定价第一性原理的数据定价理论和数据资产图谱技术，结合商业银行典型业务场景进行了深入研究，建立了数据使用过程的持续记录和流转节点追踪机制，从而还原了广阔而丰富的价

3、值网络全貌。商业银行数据要素价值洞察研究白皮书首次将定价理论与图谱技术应用于金融行业的数据资产评估，旨在建立适合商业银行的数据资产价值评估机制，以期持续推动金融行业数据要素价值释放，为业界同仁提供有益参考。目录目录 一、数据要素市场化配置加速，助推数据资产价值释放一、数据要素市场化配置加速，助推数据资产价值释放 .1 1（一）数据价值释放，经济转型的重要引擎（一）数据价值释放，经济转型的重要引擎.1（二）政策密集出台，顶层设计加速推进（二）政策密集出台，顶层设计加速推进.2 1、国家顶层机制体制设计逐步完善.2 2、各地加速探索落地法规助力发展.3（三）入表规定发布，企业价值面临重估（三）入表

4、规定发布，企业价值面临重估.4（四）指导意见落地，数据要素商业化加快（四）指导意见落地，数据要素商业化加快.4（五）创新探索计量方法，打造行业标杆（五）创新探索计量方法，打造行业标杆.5 二、探索数据资产价值评估方法，基于数据资产图谱网络开启银行业务实践二、探索数据资产价值评估方法，基于数据资产图谱网络开启银行业务实践 .7 7（一）新视角：数据资源与数据资产（一）新视角：数据资源与数据资产.8（二）新挑战：数据资源特性与资产价值评估（二）新挑战：数据资源特性与资产价值评估.9（三）新思路：数（三）新思路：数据资产图谱网络据资产图谱网络.10 1、数据资产图谱技术.10 2、基于数据资产图谱的

5、改良成本法.12 3、基于数据资产图谱的改良收益法.13（四）新实践：构建行内数据资产评估全链路（四）新实践：构建行内数据资产评估全链路.14 1、商业银行数据资产盘点.14 2、数据资源全链路管理.17 3、基于场景：数据资产价值评估试点实践.18（五）新拓展：（五）新拓展：数据资源入表的应用数据资源入表的应用.22 1、会计确认.22 2、成本计量应用.22 三、聚焦数据资产评估场景应用，围绕数三、聚焦数据资产评估场景应用，围绕数据要素收益分配激活数据价值释放据要素收益分配激活数据价值释放 2424（一）收益分配算法：促进数据要素流通的关键因素（一）收益分配算法：促进数据要素流通的关键因素

6、.25（二）理论迈向实践：数据收益分配理论与工商银行落地实践（二）理论迈向实践：数据收益分配理论与工商银行落地实践.27（三）多元场景展望：数据内部流通与外部交易应用（三）多元场景展望：数据内部流通与外部交易应用.28 1、数据产品企业内部利润分配应用.28 2、多方数据联合建模的收益分配应用.32 3、积极探索行业级数据要素流通平台建设.34 四、我国数据要素市场展望：日积跬步，以成千里四、我国数据要素市场展望：日积跬步，以成千里 .3636 附录附录 1 1：近三年我国数据要素相关顶层规划政策：近三年我国数据要素相关顶层规划政策 .3939 附录附录 2 2：20232023 年各地政府数

7、据要素相关政策汇总年各地政府数据要素相关政策汇总 .4242 参考文献参考文献 .4545 1 一一、数据要素市场化配置加速，助推数据资产价值释放、数据要素市场化配置加速，助推数据资产价值释放 “数据要素市场化数据要素市场化 配置加速配置加速 助推数据资产助推数据资产 价值释放价值释放 01/数据要素市场化配置加速，助推数据资产价值释放 2 （一）数据价值释放，经济转型的重要引擎（一）数据价值释放，经济转型的重要引擎 数据作为新的生产要素，其价值释放正在成为推动经济转型的重要引擎。根据中国数据要素市场发展报告（2021-2022）测算，数据要素使得工业企业的业务增长率平均提高 41.18%，生

8、产效率平均提高 42.8%，产品研发周期平均缩短 15.33%，能源利用率平均提高 10.19%。党的二十大报告指出，要加快发展数字经济，促进数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群。2023 年 10 月，中央金融工作会议提出“要做好科技金融、绿色金融、普惠金融、养老金融、数字金融五篇大文章”，进一步明确了未来金融业在助力经济结构优化过程中的发力点。当前，我国数字经济蓬勃发展，金融业数字化转型逐步深化，数据要素价值化进程加快，数据要素潜力逐步释放。随着行业间、企业间的数据共享和融合程度不断加深，数据要素市场各项规则和机制正日趋完善，数据价值的释放路径也逐步清晰，数据通过在

9、更广泛流通中发挥其提高生产效率的乘数效应，进而推动数字经济与实体经济深度融合。（二）政策密集出台，顶层设计加速推进（二）政策密集出台，顶层设计加速推进 近年来，国家积极布局数据要素市场，多项数据要素政策密集出台，并从体制机制、市场流通、产品研发、标准规范等多个方面开展探索，制定出各种创新的实施方案，引发了数据要素价值释放的又一波浪潮。1 1、国家顶层机制体制设计逐步完善、国家顶层机制体制设计逐步完善 近年，国家陆续出台政策完善数据要素顶层设计。我国对于数据要素价值的探索早在 2015 年就已开启，总体分为三阶段。第一阶段是在 2016 年以前，2015 年 4 月，我国第一家数据交易所贵阳大数

10、据交易所正式挂牌运营；同年 10 月，党的十八届五中全会将大数据提升为国家战略，标志着我国正式全面启动大数据发展国家战略。第二阶段自 2016 年起到 2020 年，多项数据要素政策密集出台，逐步推动数据要素产业落地。2017 年 2 月，中共中央政治局第二次集体学习中，习近平总01/数据要素市场化配置加速，助推数据资产价值释放 3 书记指出“要构建以数据为关键要素的数字经济”，标志着数据作为数字经济的关键要素地位得到确立；2020 年 4 月，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将数据作为一种新型生产要素写入文件，提出要“加快培育数据要素市场”，至此，已基本确立数据的

11、生产要素地位和市场化配置制度。第三阶段是2022年至今，我国开启了数据要素基础制度体系化建设新征程。2022 年 6 月，中央全面深化改革委员会第二十六次会议审议通过关于构建数据基础制度更好发挥数据要素作用的意见，为数据基础制度的体系化建设奠定了坚实基础，也为制度的最终制定按下了加速键。2022 年 12 月，中共中央、国务院印发的中共中央 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（以下简称“数据二十条”）首次确立了数据基础制度体系的“四梁八柱”。2023 年 2 月，中共中央、国务院印发数字中国建设整体布局规划，明确提出要“释放商业数据价值潜能，加快建立数据产权制度，开展数据资产

12、计价研究，建立数据要素按价值贡献参与分配机制”，推动数据要素的市场化、价值化，使其成为推动经济社会发展的新动能。2023 年 3 月，党和国家机构改革方案提出组建国家数据局，负责协调推进数据基础制度建设，统筹数据资源整合共享和开发利用，统筹推进数字中国、数字经济、数字社会规划和建设等，对数据要素产业的长期发展发挥核心作用。2 2、各地加速探索落地法规助力发展、各地加速探索落地法规助力发展 继国家顶层设计的政策陆续出台后，各地纷纷部署数据要素产业。上海、浙江、贵州、深圳、北京等地陆续发布了多项鼓励和推动数据要素产业的政策，对数据赋能产业、数据安全保护、数据共享等内容进行规范，覆盖数据价值评估、授

13、信融资、登记发证等诸多领域。2023 年起，先后有多地针对数据要素市场参与方出台补贴政策，补贴对象包括数据供需双方、数据中介等。这些政策将数据要素与 GDP、财政紧密联系在一起，不仅凸显了各地发展数据要素产业的积极性和迫切性，同时反映了全国性的数据要素政策规划或将从地方先试先行的维度切入并展开。其中北京正在探索公共数据开发利用的收益分配机制，鼓励公共数据专区采01/数据要素市场化配置加速，助推数据资产价值释放 4 取市场自主定价模式，通过模型产品、核验服务等方式向社会提供服务；针对公共治理和公益事业相关的应用场景，探索在有需要的情况下“无偿”使用数据；针对产业发展、行业发展相关的应用场景，探索

14、在有需要的情况下“有偿”使用数据。广州正在积极推动企业数据纳入核算体系，通过规范数据资源会计处理，鼓励企业将数据资源纳入财务报表，以促进数据要素的合理利用和价值发挥，进而推动数据要素纳入国民经济和社会发展的统计核算体系。各地出台的关于数据要素相关政策，以法律角度的数据确权、财务会计角度的数据估值或定价和市场角度的交易流通为三大抓手，进一步推动数据价值化进程。与此同时，数据资产价值评估的行业规范规则也在陆续发布。（三）入表规定发布，企业价值面临重估（三）入表规定发布，企业价值面临重估 2023 年 8 月 21 日，财政部印发企业数据资源相关会计处理暂行规定 （以下简称暂行规定），将于 2024

15、 年 1 月 1 日起正式实施。暂行规定明确了企业可以根据数据要素在其经营时的具体情况入表，一是可以比照无形资产或存货的处理原则计量；二是可自愿披露基于数据要素产生的收入，进一步理顺了微观层面对数字经济的计量流程。数据资源“入表”最直观的影响是将会使得原有条件下，一部分“费用”从利润表进入资产负债表成为“资产”，企业资产增加，利润率提高，改善了企业的资产负债率。暂行规定发布对金融等数据密集型行业来说，带来了更大的经营灵活性，这将鼓励企业增加数据资源的投入，同时有助于企业在金融资源和产业政策等方面获得支持。暂行规定向建立数字经济价值核算与交易机制迈出了重要的第一步，但从其中的细则来看，判定数据为

16、无形资产还是存货的标准尚且模糊，缺少体现数据资源特性的操作指引。（四）指导意见落地，数据要素商业化加快（四）指导意见落地，数据要素商业化加快 继财政部暂行规定发布后，中国资产评估协会制定了数据资产评估指导意见（以下简称指导意见），对数据资产进行了明确定义，并详细规定了评估对象、操作要求、评估方法和披露要求。指导意见明确指出，开展数据资产评估业务，需要关注影响数据资产价值的成本、场景、市01/数据要素市场化配置加速，助推数据资产价值释放 5 场和质量因素，并明确了数据资产将以何种价值入表，以及未来将以何种价值交易，进一步推动了数据要素的价值实现。数据资产价值评估是推动数据资产化的重要前置工作，为

17、数据交易流通奠定了基础。这一重要工作的开展，为探索企业利用数据资产进行投融资活动打造了新的基础规范。（五）创新探索计量（五）创新探索计量方法方法，打造行业标杆，打造行业标杆 金融业是数据密集型行业，在运营过程中会产生大量的数据，这些数据对于金融机构的决策和业务运营至关重要。通过对数据（例如市场趋势、政策变化、宏观经济数据等）的分析和应用，可以为金融机构精准营销、风险管理和投资决策提供更高价值的支持。随着大数据时代的到来，金融业数据基础设施持续完善，数据规模高速增长，机器学习和人工智能等先进技术的应用使得数据分析成果更加精准和深入。由此可见，金融业一直是数字化转型和数据要素价值挖掘的创新者和推动

18、者，既拥有丰富的数据资源，又有迫切的场景应用需求，形成了金融业探索数据要素价值挖掘和数据交易流通工作的强大动力。“数据二十条”明确指出，要建立体现效率、促进公平的数据要素收益分配制度，按照“谁投入、谁贡献、谁收益”原则，着重保护数据要素各参与方的投入产出收益。交叉信息核心技术研究院以数据收益的第一性原理“公平性与效率性”为原则，以资产定价的第一性原理“无套利原则”为理论基础，率先解决了多个数据贡献方实现单个数据交易产品收益分配与价值计量的问题，构建了直接参与单次现金流分配的数据定价算法；进而在数据产品的形成过程中，研发了间接参与多现金流分配的数据收益分配追溯技术，并基于多方收益分配场景，实现了

19、不同数据生产贡献部门的收益分配回溯；解决上述两大问题后，参考已有度量信息的数据价值发现机制，即可得到数据资产的公允价值。通过结合数据资产的使用场景分析、数据产品的生产链路追溯等多维度研究分析，交叉信息核心技术研究院研发了数据资产图谱网络技术。数据资产定价理论与数据资产图谱技术可以实现在探索数据应用场景01/数据要素市场化配置加速，助推数据资产价值释放 6 的过程中，持续记录和追踪数据流转节点，帮助获取数据处理和应用的相关信息，还原形成广阔而丰富的数据价值网络全貌，从而进行数据资产的估值计算。中国工商银行联合交叉信息核心技术研究院（清华大学）、安永（中国）企业咨询有限公司发布商业银行数据要素价值

20、洞察研究白皮书，提出通过“一个技术底座”，打造“两大核心能力”，构建“一个生态布局”，首次将数据资产定价理论与图谱技术应用于金融行业的数据资产评估。图 1 商业银行数据要素价值计量与收益分配体系 白皮书从数据流通的价值链出发，旨在建立商业银行适用的数据资产价值评估机制，研究实践公平而有效率的数据要素收益分配机制，实现对数据资源有关经济利益的有效衡量。我们基于数据资产图谱技术，通过对数据分类、贡献度分配、资产计量等理论方法的融合应用，围绕价值评估和收益分配两大主要需求提出解决方案，并结合数据要素在银行内部的应用场景，对数据资源为企业带来预期收益的可能性进行分析和论证，进一步为数据要素在银行内部、

21、外部的流通和交易打下理论和实践基础，提出未来数据要素价值释放的新构想；此外白皮书还对数据资产图谱网络技术在数据资源入表核算方面的应用进行了应用探索，结合最新政策规定进行了讨论与展望。01/数据要素市场化配置加速，助推数据资产价值释放 7 二、探索数据资产价值评估方法，基于数据资产图谱网络开二、探索数据资产价值评估方法，基于数据资产图谱网络开启银行业务实践启银行业务实践一、数据要素市场化配置加速，助推数据资一、数据要素市场化配置加速，助推数据资产价值释放产价值释放 “探索数据资产价探索数据资产价值评估方法值评估方法 基于数据资产图基于数据资产图谱网络开启银行谱网络开启银行业务业务实践实践 02/

22、探索数据资产价值评估方法，基于数据资产图谱网络开启银行业务实践 8 （一）新视角：数据资源与数据资产（一）新视角：数据资源与数据资产“数据资源”的概念提出的更早，类比石油、土地、资本等资源的特点和管理特性，数据资源也有包含采集、传输、加工、应用、处理、回收等的全生命周期。这些特性成为企业在生产经营过程中需要着重考虑的因素。因此，我们认为“数据资源”是在更广阔的语境下强调了数据全生命周期需要进行盘点、管理和追踪的概念。“数据资产”的概念提出相对较晚。在会计学上，资产指由企业过去的交易或事项形成的、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。资产具有三项核心特征，一是资产应归属某主体所有

23、或控制，即权属明确；二是资产能够产生既有的或预期的经济利益，且可计量；三是资产是一种资源，可进行交易。“数据资产”这一概念更多强调了数据的财务价值和业务价值，强调了其在交易场景下的角色。2023 年 8 月 21 日，财政部发布了暂行规定，基于会计准则适用范围的新视角对企业的数据资源做了进一步划分，包括企业按照企业会计准则相关规定确认为无形资产或存货等资产类别的数据资源，以及企业合法拥有或控制的、预期会给企业带来经济利益的、但由于不满足企业会计准则相关资产确认条件而未确认为资产的数据资源。图 2 数据资源在暂行规定中的分类规则 根据暂行规定，企业使用或日常活动中持有的数据资源确认为存货与无形资

24、产需满足两个条件，一是与该资源有关的经济利益很可能流向企业，其中根据会计准则 13 号的规定，“很可能流向”指的是经济利益有大于 50%、小于等于 95%的概率会流入企业；二是成本能够可靠地计量，其中02/探索数据资产价值评估方法，基于数据资产图谱网络开启银行业务实践 9 成本可靠计量依托于企业内部数据记录以及相应基础技术设施是否支持，而经济利益的流向判断则成为确认资产的关键指标。因而判断预期潜在经济利益时，可从如下方向出发做判断，并可提出明确证据支持：一是对于有明确未来一段时间内会发生交易、向外部提供服务或已签订合同未交付的数据资源，可以明确证明其经济收益的流入概率，从而证明其符合经济利益流

25、向确认条件；二是对于尚不明确会发生交易或向外提供服务的数据资源，其经济利益的流入证明较为复杂，建议从同类产品的市场需求分析，判断其是否能对行内已有业务带来价值提升，并进行未来现金流量预期流入的分析证明。（二）新挑战：数据资源特性与资产价值评估（二）新挑战：数据资源特性与资产价值评估 数据资源在企业的应用，会形成一条从“生产端”穿透到“应用端”的链路，此链路以原始数据资源采集/采购（数据资源“生产端”）为起点，经历层层加工，实现数据的清洗、整合、萃取，最后到数据应用端直接赋能业务。数据资源具有可共享性，即数据资源可以无限地进行交换、转让和使用，为他人所共享，这也是数据资源具有的独特特征。不同于传

26、统的生产要素同一时间单一使用场景的限制，数据可以在同一时间被不同主体调用参与多种经济活动。在这个过程中，数据产生了经济价值倍增的效应。因此，同一数据资源可能会同时出现在多个应用场景中，从而会产生多条应用链路。此外，数据资源还具有价值易变性。不同于其他传统生产要素，数据资源的价值受到多种因素的影响。通常而言，数据技术的发展、数据相关政策的变化、数据应用场景的变换，都会导致数据价值改变。同一数据资源对于不同场景的价值是不同的，在同一场景中不同数据资源的可用性与价值也是不同的。例如，某种电力数据既可以应用在电力定价、调度优化等场景实现经济价值，也可以用于地区经济的统计分析、规划决策的模型中。因此，场

27、景是影响数据资源产生贡献和价值多少的重要因素。由于数据资源的这些特性，数据资产价值评估需要明确每个数据资源及其衍生数据资源在多个场景下的关系。无论是使用成本法还是收益法对数02/探索数据资产价值评估方法，基于数据资产图谱网络开启银行业务实践 10 据资产进行价值评估，都需要对数据的应用链路做出清晰的梳理。（三）新思路：数据资产图谱网络（三）新思路：数据资产图谱网络 综上所述，当使用成本法进行数据资产价值评估时，需要厘清数据生产链条上每个数据节点之间的加工处理关系，才能对某项数据资产成本进行有效归集核算；当使用收益法时，则需要通过数据生产链路，将数据在应用场景中产生的价值逐步向前回溯，并按照一定

28、规则分摊到生产加工环节中的每一个数据资源，以确保关键的数据节点得到其应得收益。因此，可结合数据资源特性和其生产与应用链路的数据价值评估思路，探索出可覆盖数据资源全生命周期、基于数据资产图谱网络的数据资产价值评估方法。数据资产定价理论证明，在满足公平性与有效性原则的前提下，在任意一项经济活动中的参与贡献数据要素，存在一个唯一、公平有效的收益分配理论解。利用数据资产图谱技术解析数据生产应用链条上下游数据的贡献度，并不断自动化盘点数据在各项经济活动中的收益值，为数据资产价值评估提供了重要参数依据。数据对不同场景的价值关系形成了一个客观的图谱，数据与数据之间的协同关系也形成了一个客观的图谱。数据参与到

29、无限可复用的各种场景下形成了潜在数据价值的广阔图谱，数据的价值拓展形成广阔而丰富的网络化图景，这也就是建设数据要素市场所追寻的星辰大海。1、数据资产图谱技术、数据资产图谱技术 在数据资产估值的过程中，一方面依赖于数据定价算法，不同场景中每项参与的数据应该分配到公平合理的价值；另一方面，通过数据资产图谱可以对不同场景下数据产生的收益进行加总，实现总价值的评估。数据应用过程中会形成上下游关系，从原始数据资源转化到最终的数据应用，需要经过数据治理、归集、清洗、整理等多个过程，再通过分析建模、数据产品建设、系统化应用等方式直接赋能业务应用，整个链条最终会与业务场景相结合，使得数据产生价值。因此在数据的

30、价值计算中，沿着数据生产链条进行价02/探索数据资产价值评估方法，基于数据资产图谱网络开启银行业务实践 11 值回溯是一个与实际结合、行之有效的解决思路，可以实现参与各个场景的每个数据元素价值的精确计算。基于数据资产图谱技术，可实现从原始数据集，到数据治理、加工、应用等工序所经历的价值链挖掘，其搭建过程主要包括：数据资产图谱主体与关系抽取建模、数据资产图谱边权计算两部分。（1 1）数据资产图谱主体与关系抽取建模数据资产图谱主体与关系抽取建模 数据资产图谱主体与关系抽取建模，是在对生产线、业务线的模块划分的基础上，进一步对包括数据生产使用过程中的取数、数据清洗与预处理、特征工程、模型等环节进行解

31、析，使用血缘分析、自然语言识别代码解析、机器学习建模等技术，提取出数据资产主体，构造出数据资产上下游流转关系。比如基于血缘分析技术，通过分析数据表、字段加工过程中的 SQL 等脚本，识别字段与字段之间、数据表与数据表之间的加工逻辑，形成数据生产链路。图 3 数据价值产业链（2 2）数据资产图谱边权计算数据资产图谱边权计算 通过提取出的数据资产关系网络，对于网络中相关联的表，计算“关系权重”。根据数据表所处的不同生命周期环节来确立不同的计算方法：针对提取、清洗、预处理等环节，统计结果类环节的数据，根据信息熵等参数分析数据表之间的依赖度；针对业务建模环节，拟采用模型贡献度等算法分析数据资产之间的关

32、系权重；后续基于成本法以及收益法进行价值评估时，可基于这些关系权重，对数据表的实际业务价值与生产成本进行依赖度评估与分摊。02/探索数据资产价值评估方法，基于数据资产图谱网络开启银行业务实践 12 图 4 数据资产图谱示例 2、基于数据资产图谱的改良成本法、基于数据资产图谱的改良成本法 基于数据资产图谱的改良成本法，考虑数据资产在生产过程中的计算、存储、人工等费用。每项数据资产的成本估值由两部分组成：一是自身的成本，二是根据上述图谱关系中的各层权重，分摊的每个与其有生产关联关系的上游数据资产的成本。某个下游表的成本=某个下游表本身的成本+每个上游表的成本 每个上游表相对于这个下游表权重 计算说

33、明：图 5 改良成本法计算说明 02/探索数据资产价值评估方法，基于数据资产图谱网络开启银行业务实践 13 以上图为例，假设每个数据节点 自身的成本为,数据 的总成本为,=1,8=+(1)其中为与相邻的上游数据节点集合;为相应的成本分配权重，在落地实践中对于数据加工、处理环节，一般有 1 (是节点 的出度);从数据加工到数据应用层，相应的权重需要根据业务场景重新定义（权重参考参数）。3、基于数据资产图谱的改良收益法、基于数据资产图谱的改良收益法 对于可直接产生收益的数据资产，可使用收益法进行价值评估，而对于间接产生收益的数据资产，可通过厘清其生产链路回溯其分配收益，再进一步采取收益法进行价值评

34、估。收益法基本公式与估值步骤为：=(1+)=1(2)其中：评估值；预计剩余收益期；数据资产未来第 t 个收益期的预计收益额；折现率。根据此公式，收益法的实现需要确定剩余收益期，以及计量在未来所有剩余收益期的数据资产的预计收益额。在实际操作流程上，可采取如下步骤：（1）确定剩余收益期 一方面可参考企业内部生产经营情况，比如对于实现 POC 验证，并已上线 1-2 期的数据类模型，可由运营部门制定的此类模型运行期限规划；另一方面，对于不符合上述条件的数据类模型，可结合同类型数据资产历史使用情况做出预测估计，同时参考专家意见予以调整。（2）计量直接产生收益数据资产的预期收益 02/探索数据资产价值评

35、估方法，基于数据资产图谱网络开启银行业务实践 14 针对直接产生收益的数据资产，一是已向外交易的数据资产，根据其历史收入数据进行测算即可；二是尚未对外形成交易的数据资产，可参照同业同类数据资产收益情况进行估计，同时提出可靠估计依据，若此类资产已经在企业内部产生可计量的收益提升，可采取企业内历史收益提升价值，作为预期收益额估计基准。（3）计量间接产生收益数据资产的预期收益 针对间接产生收益的数据资产，由于其对直接产生收益的数据资产做出了生产贡献，可基于数据资产图谱生产关系链条追溯，计算出一定权重，进而对此类数据资产进行收益分配，以此作为预计收益额计量。（四）新实践：构建行内数据资产评估全链路（四

36、）新实践：构建行内数据资产评估全链路 1、商业银行数据资产盘点、商业银行数据资产盘点（1 1）以数据资产估值视角分类）以数据资产估值视角分类 在数据资产估值前，需要重新以数据资源估值的视角对商业银行内的数据资源进行盘点与分类，对其中符合暂行规定可确认为数据资产部分的数据资源做出价值评估。经过对工商银行的数据资源盘点，可将数据资源分成原始数据类1、中间加工结果类2以及包括模型、指标、业务报表等直接应用类数据资源。其中可直接应用类数据资源又可以分成直接收益提升类数据资源与支持类数据资源。直接收益提升类数据资源可以成为数据产品对外交易产生经济收益，比如有同业市场需求的风控画像查询类数据资源；或可以直

37、接输出业务洞察，提升业务效益，比如营销类模型、营销分析类指标。支持类数据资源包括统计类数据指标、数据治理的规则模型等，其价值不通过经济效益的提升而体现，但却对各类业务起到了信息支撑的作用，价值较难进行计量。所有类别的数据资源均可通过厘清其生产链路，使用基于数据资产图谱的改 1 内部采集或外部采购的原始数据资源 2 汇总计算形成的统一、可复用的数据资源 02/探索数据资产价值评估方法，基于数据资产图谱网络开启银行业务实践 15 良成本法进行价值评估。对于直接收益提升类数据资源，其产生的经济收益或业务收益可计量，通过收益法估计成本，更能反映数据资产的“市场”价值，可进一步以此估值为基础，促进数据要

38、素的市场流通。而对于参与形成这类数据资源的原始数据、中间结果类数据间接产生了收益，结合数据资源生产链路，以及这类数据的生产贡献程度，可基于改良收益法计量其应得收益。但是对于每一类数据资源是更适合成本法计量还是收益法计量，需要结合企业实际生产情况与估值目的判定，工商银行通过初步探索与实践，总结判定规则如下。对于直接收益提升类数据资源，收益法较成本法更能反映数据资产实际价值，建议采用收益法估值。对于间接产生收益贡献的中间结果类与原始类数据资源，可采用两种方法分别进行价值评估，未来根据数据价值评估目的做选择。对于无法明确计量收益的数据资产，采用成本法，估计数据资产价值。同时，结合此规则进行判定时，还

39、应该进一步综合考虑此数据资产发生交易的可能性，结合其未来市场流通的应用场景，做进一步估值。在未来同类型数据产品交易量逐步增长，形成交易数据积累后，可进一步应用市场法衡量其外部交易价值，以优化估值结果。（2 2）以数据资源交易视角分类）以数据资源交易视角分类 数据要素交易流通是数据资产价值评估的重要应用场景，数据资产价值评估离不开对其未来价值释放的考量。若某类数据资源可以作为数据产品进行交易并带来经济收入，便符合暂行规定中数据资产有关“与其相关的经济利益很有可能流向企业”的确认条件，有可能确认为数据资产。与此同时，若其未来有交易潜力，对其价值评估时，需要选用可体现其交易价值的估值方法。结合商业银

40、行普遍实践，对具有交易潜力的数据资产的盘点与分类实践步骤如下。选取前提选取前提 数据资源可进行交易的前提应至少考虑如下三点：一是依法合规，必须符合02/探索数据资产价值评估方法，基于数据资产图谱网络开启银行业务实践 16 国家相关法律法规、政府有关部门规章制度及监管要求，对于涉及个人信息的外部数据获取和使用必须取得其充分授权；二是稳定有效，数据具备可持续性，数据质量及数据源保持稳定；三是本源权威，优先选取主数据源，经过反复验证与评估，保证数据可用性和价值体现。可交易数据资源案例展示可交易数据资源案例展示 结合市场需求分析以及数据在商业银行内应用效果情况，梳理未来有潜力进行交易的数据资源如下。1

41、）按数据类型分类按数据类型分类 表 1 按数据类型分类 数据种类数据种类 类别描述类别描述 核验类 核验类数据指根据原始信息进行一致性和准确性校验的数据，主要包括学籍学历核验、发票核验、驾驶证核验等数据。评分类 评分类数据指对原始信息进行统计分析形成的区间化、分级化的评分结果，包括收入水平评分、工作稳定性评分、反欺诈评分等数据。标签类 标签类数据指对原始数据进行统计分析形成的模糊化的标签。特殊名单类 特殊名单类数据主要包括因被惩治或有违反嫌疑而被列入黑名单机构的注意名单数据，通常是自然人和法人因违反道德底线事实、社会责任底线事实、失信事实等原因而被列入相关权威机构的黑名单库中，主要包括逾期黑名

42、单、公安黑名单、司法涉诉与行政处罚黑名单等数据。金融市场类 金融市场类数据指金融市场行情、行业指数等数据，包括股票、基金、期货、债券等金融产品的指数和价格数据。价格评估类 价格评估类数据指通过商品计价原则、标准和市场供求情况，评估得出的商品价格数据，包括车辆价值评估、房产价值评估等。其他类 以上分类之外的数据，包含公开的工商数据、金融信息终端、资讯报告、法律法规与司法案例数据、天气数据等。以此分类出发，具有交易潜力的标签资产可覆盖检验类、评分类、黑名单类。其他类中，数据资产可覆盖研报、资讯、地图、黑名单，以及其他已购买公开数据等。02/探索数据资产价值评估方法，基于数据资产图谱网络开启银行业务

43、实践 17 2 2）按资产类型分类）按资产类型分类 表 2 按资产类型分类 2、数据资源全链路管理、数据资源全链路管理 基于数据资产图谱网络技术，工商银行在数据资产价值评估实践中，总结建立了数据资源全量全域全生命周期登记、数据资源全链路血缘管理的工作基础，以确保数据资源全生命周期可追溯、可监测，为资产图谱的搭建奠定技术基础，进一步实现收益法与成本法的全域数据资产价值评估。（1 1）数据资源全量全域全生命周期登记）数据资源全量全域全生命周期登记 数据资源从生产到应用的全生命周期登记管理工作包括数据资源需求管理、注册、盘点、维护、退出等一系列流程。步骤 1 数据类需求管理：主要用于管理数据资产的建

44、设管理需求与将需求流转分发到相应的开发部门。步骤 2 数据资源注册：是数据资源全生命周期管理的关键流程。在数据资源从生产到应用的过程中，以数据资源凭证形式对其进行注册和登记。此数据资源凭证是管理数据资源属性的载体，记录数据资源产生、采集、加工、使用、流通等活动的电子化证明。步骤 3 数据资源盘点：根据需要不定期从业务、管理及技术视角开展全行存量数据资源梳理，形成关于数据资源的层次架构和有序清单，并建立数据资源场景化、体系化管理机制。步骤 4 数据资源维护：对数据资源目录及凭证的维护和使用情况进行分析。步骤 5 数据资源退出：定期针对低效数据资源开展退出管理，对使用次数据分类数据分类 可交易数据

45、资源举例可交易数据资源举例 贴源数据类 当事人、产品、地理位置、事件、资源项 数据服务类 画像服务、产品推荐服务、自然语言处理服务 模型类 营销类模型、风控类模型、运行管理类模型 数据产品类 数字地图、贡献计算器、资金流向监测、投研报告 管理支持类 数据质量校验规则、数据安全分级分类标签规则 02/探索数据资产价值评估方法，基于数据资产图谱网络开启银行业务实践 18 数较低、数据质量存在严重问题或因监管、法律、合同等原因需要下线的数据，及时对该低效数据资源进行下线。以上为数据资源从需求提交到退出的完整闭环管理流程。数据资源注册实现数据资源全生命生产周期的数字化登记，数据资源盘点为数据资产价值评

46、估提供场景化分类估值基础。（2 2）数据资源全链路血缘管理）数据资源全链路血缘管理 DAMA 数据管理字典将数据血缘描述为“从数据源到当前位置的路径，以及沿该路径对数据所做的改动”。数据血缘管理需要追踪数据从源头到应用端经过的各种流程和系统的信息，用于厘清数据生产与应用链路。工商银行建立了数据血缘追踪技术，用以支撑未来数据资产图谱网络技术建设，具体包括数据节点定义、流转路径追踪两部分。其中，数据节点即为数据全生命周期流转中的实体，包括数据库、数据表、数据字段、数据模型、数据业务报表等；流转路径追踪则表示数据资产之间的生产与应用关系。比如，数据表 A经过了筛选、删除重复值等加工步骤，形成了数据表

47、 B，这便是一段数据表 A 与B 的生产加工路径。根据数据资产图谱技术要求，基于数据资源生产脚本与数据埋点链路追踪等技术，对全域数据资源生产与应用过程进行全链路解析与管理，进一步厘清每一条数据资源生产与应用链路，为数据资产图谱提供输入支撑。3、基于场景：数据资产价值评估试点实践、基于场景：数据资产价值评估试点实践 数据资产的价值与其应用场景密切相关。一条数据资产全生命周期链路，以数据资产采集/采购为起点，逐步展开数据资源的加工、处理、应用。工商银行在开展数据资产价值评估试点工作的过程中，总结出了“三步走”的落地路径：一是全域数据资源重点应用场景的分类盘点，二是针对重点应用场景进行数据资产评估试

48、点，三是总结试点经验逐步推广至全行。根据工商银行业务范围和公司战略部署，重点应用场景覆盖营销赋能、风控赋能、决策赋能、运营赋能以及监管赋能五大类别。商业银行可选取普遍存在的精准营销应用场景作为数据资产价值评估试点。相比其他数据资源应用场景，此类应用场景对商业银行的业务收益提升较易计量，02/探索数据资产价值评估方法，基于数据资产图谱网络开启银行业务实践 19 同时这类场景下的模型类数据资源，可直接为业务赋能，未来有成为数据交易产品进一步流通的潜力。本实践中选取的精准营销应用场景，是指基于历史营销活动推送情况、账户信息、持有产品与历史交易信息等数据设计的精准营销模型，用于制定基于客户画像的、千人

49、千面的营销活动策略。精准营销模型因其业务收益的提升可直接计量，故收益法适用于该模型的价值评估。此外，基于数据资产图谱，可以获得该场景下的数据生产全链路，且行内对于该数据链条上的每项数据均有清晰的成本计量，因此改良成本法也可应用于该模型的价值评估。本实践中分别使用收益法与成本法进行价值评估。（1 1）基于收益法的价值评估）基于收益法的价值评估 选取某分行于 2022 年已开展三期的某类精准营销活动，以第一期活动的起始日为估值基准日，对该数据资产进行估值。估值假设估值假设 假设 1：该活动未来将连续开展 5 期（每月 1 期，均在每月 1 号开展），连续办满 5 期后活动结束。假设 2：未来 5

50、期，不开展该活动的情况下（对照组），某分行每月定期存款产品销售金额保持不变，取过往 3 期活动该项指标平均值。假设 3：每个客户购买的定期产品金额是相同的，因此，营销提升度可以代表定期存款产品销售金额提升率。假设 4：该活动带来定期存款产品（不限种类）销售金额提升中，3 年期定期产品占比 50，2 年期定期产品占比 30，1 年期定期产品占比 20。假设 5：折现率使用披露信息计算出的当期资本加权平均成本（WACC）3.98。假设 6：根据该活动过往 3 期历史数据，假设乐观、中性、谨慎情况下未来5 期营销提升度变化量如下：表 3 估值假设：未来 5 期每期营销提升度变化量 未来 5 期每期营

51、销提升度变化量 谨慎-1.45%中性 0.00%乐观 1.45%02/探索数据资产价值评估方法，基于数据资产图谱网络开启银行业务实践 20 则未来 5 期每期营销提升度如下：表 4 估值假设：未来 5 期每期营销提升度 1 2 3 4 5 每期营销 提升度 谨慎 5.65%4.20%2.75%1.30%-0.15%中性 7.10%7.10%7.10%7.10%7.10%乐观 8.55%10.00%11.45%12.90%14.35%估值测算估值测算 过往 3 期销售金额平均值为 59,499.85 万元。在乐观情形下，利用客户贡献计算工具，计算产品利润贡献，测算未来 5 期该活动带来的收益，得

52、到结果如下：表 5 估值测算：未来 5 期该活动带来的收益 活动期数 1 2 3 4 5 营销提升度 8.55%10.00%11.45%12.90%14.35%销售金额提升（万元）5,087.24 5,949.99 6,812.73 7,675.48 8,538.23 当期活动收益 (万元）3.66 4.28 4.91 5.53 6.15 将各项活动收益折现相加，得到其估值为 24.26 万元。同理，谨慎情形下得到其估值为 5.85 万元，中性情形下得到其估值为 15.06 万元。由于标的数据资产为自用数据资产使用场景，暂不考虑市场、数据安全等维度对数据资产价值的影响因素。（2 2）基于数据资

53、产图谱的改良成本法的价值评估）基于数据资产图谱的改良成本法的价值评估 基于已建立的数据资产图谱，我们可以厘清该场景从原始数据转化到最终应用的数据生产加工链条（图 6）。当链条上每个数据节点的自身成本已知的情况下，可以计算出最终的数据应用，即精准营销模型应归集到的总成本。图 6 精准营销模型数据使用全链路 02/探索数据资产价值评估方法，基于数据资产图谱网络开启银行业务实践 21 上图展示了数据从原始数据集经历加工、处理最终投入应用，建立精准营销模型的数据使用全链路。数据节点1-4为分别为原始数据集：历史营销活动数据、客户历史交易数据、客户账户基本信息数据、客户持有产品数据；数据节点 5、6、7

54、 代表数据加工处理过程中产生的中间数据表；数据节点 8、9 则代表例如模型、公式、业务报表的数据应用，本图中数据节点 8 被数据应用 A 使用，而数据节点 9 则用于建立精准营销模型。上图中在每条边标注的数字为上游数据表相对于下游数据表的成本分配权重，例如边 5-9 上的数字为 50%，为上游数据表（数据节点 5）相对于下游数据表（数据节点 9）的成本分配权重为 50%，即数据节点 9 应给数据节点 5 分摊其50%的成本。本实践中成本分配权重通过均分的方式计算。经估算每个原始数据集成本为 10,000 元；中间加工数据表每张表的成本为3,000 元；数据终表每张表成本为 3,000 元；最终

55、的数据应用，精准营销模型的自身成本为 5,600 元。基于数据资产图谱的改良成本法，可得到每个数据节点的总成本如下：表 6 基于数据资产图谱改良成本法的总成本计算 数据节点 自身成本（元）总成本（元）1 10,000 10,000 2 10,000 10,000 3 10,000 10,000 4 10,000 10,000 5 3,000 29,500 6 3,000 13,000 7 3,000 19,500 8 3,000 17,750 9 3,000 37,250 精准营销模型 5,600 42,850 02/探索数据资产价值评估方法，基于数据资产图谱网络开启银行业务实践 22 因此，

56、应用基于数据资产图谱的改良成本法计量得出，该精准营销模型应分摊的总成本为 42,850 元。综上所述，就成本法而言，我们采用基于数据资产图谱的改良成本法进行数据资产估值，计量精准营销模型成本时不仅考虑了建模这一个环节的成本，通过生产链路追溯，将形成模型的数据采集、加工等模型生产环节的成本也进行了归集，有效避免了成本的少算，同时为成本的追溯提供了可靠支持。就收益法而言，其本身与业务的经济价值和收益更为密切，且与成本法相比，收益法得出的估值结果更高，更能凸显数据模型的经济价值或对业务收益的提升价值。在实际应用场景中，企业可根据自身情况、估值目标和业务需求等多方面综合考量，选取合适的数据资产估值方法

57、。（五）新拓展：数据资源入表的应用（五）新拓展：数据资源入表的应用 数据资产图谱网络可以厘清数据资产从生产到应用的全生命周期链路，具有成本与收益可追溯性。结合对财政部暂行规定的解读，这项技术不仅可应用于数据资产价值评估，还可进一步拓展用于数据资产入表工作，主要体现在数据资产的确认以及成本计量相关要求方面的应用。1 1、会计确认、会计确认 企业数据资源是否可确认为数据资产，其中一个关键需判断与该资产有关的经济利益是否很可能流入企业，而数据资产图谱网络，可以实现清晰刻画数据资产价值链路，通过网络关系，可清晰追溯到数据资产是否产生了经济收益，或参与了直接产生经济收益的数据资产的生产与形成过程，从而间

58、接产生经济收益，成为判断数据资源产生经济收益的可靠依据。2 2、成本计量应用成本计量应用 财政部暂行规定关于数据资源存货与数据资源无形资产的成本计量要求中，明确提出“企业通过数据加工取得确认为存货的数据资源，其成本包括采购成本，数据采集、脱敏、清洗、标注、整合、分析、可视化等加工成本和使存货02/探索数据资产价值评估方法，基于数据资产图谱网络开启银行业务实践 23 达到目前场所和状态所发生的其他支出”“企业通过外购方式取得确认为无形资产的数据资源，其成本包括购买价款、相关税费，直接归属于使该项无形资产达到预定用途所发生的数据脱敏、清洗、标注、整合、分析、可视化等加工过程所发生的有关支出，以及数

59、据权属鉴证、质量评估、登记结算、安全管理等费用”“企业内部数据资源研究开发项目的支出，应当区分研究阶段支出与开发阶段支出。研究阶段的支出，应当于发生时计入当期损益。开发阶段的支出，满足无形资产准则第九条规定的有关条件的，才能确认为无形资产。”通过解读 暂行规定，数据资产的成本计量需要考虑直接归属于使该项资产达到预期用途/状态所发生的数据加工过程的成本。这就需要对形成此项数据资产的生产链路进行解析，同时需要归集此生产链路中的全部成本。而数据资产图谱技术，可以实现形成数据资产的生产链路节点，形成可追溯的可靠成本计量。01/数据要素市场化配置加速，助推数据资产价值释放 24 二、探索数据资产价值评估

60、方法，基于数据资产图谱网络二、探索数据资产价值评估方法，基于数据资产图谱网络三、三、聚焦数据资产评估场景应用，围绕数据要素收益分配激活数聚焦数据资产评估场景应用，围绕数据要素收益分配激活数据价值释放据价值释放开启银行业务实践开启银行业务实践一、数据要素市场化配置加速，一、数据要素市场化配置加速，助推数据资产价值释放助推数据资产价值释放 “聚焦数据资产评聚焦数据资产评估场景应用估场景应用 围绕数据要素收围绕数据要素收益分配激活数据益分配激活数据价值价值释放释放 03/聚焦数据资产评估场景应用，围绕数据要素收益分配激活数据价值释放 25 （一）收益分配算法：促进数据要素流通的关键因素（一）收益分配

61、算法：促进数据要素流通的关键因素 数据要素的流通需要数据资产价值评估作为基础，此外还要解决数据产品获得收益后的分配问题。2022 年 12 月发布的“数据二十条”提出要“建立体现效率、促进公平的数据要素收益分配制度”“按照谁投入、谁贡献、谁收益原则，着重保护数据要素各参与方的投入产出收益”“推动数据要素收益向数据价值和使用价值的创造者合理倾斜，确保在开发挖掘价值各环节的投入有相应回报”“平衡兼顾数据内容采集、加工、流通、应用等不同环节相关主体之间的利益分配”。建立公平、有效的数据收益分配制度，确保各参与方均可按照投入贡献进行收益分配，将会激发各参与方积极参与数据要素的价值创造与交易流通，进一步

62、促进数据要素价值释放，发挥“乘数效应”。基于此，本白皮书提出一种按照贡献度分配的收益分配算法理论，以此理论为基础，逐步实现数据生命全链路的收益分配。收益分配算法可解决多方数据共同参与建模/公式计算的收益分配问题。如下图所示，多个原始数据源经过数据处理，输入数据模型或数学公式计算得出计量结果，指导业务生产决策，赋能实际业务产生价值。模型预测或公式计算的结果越准确，越有利于为业务生产提供有效指导，降低风险。图 7 模型（公式）准确率变化图（将数据按照贡献度由高到低排列，依次移除）03/聚焦数据资产评估场景应用，围绕数据要素收益分配激活数据价值释放 26 图 8 模型（公式）准确率变化图（将数据按照

63、贡献度由低到高排列，依次移除）此算法计量出的数据贡献度与模型（公式）准确率呈现正相关关系，即数据贡献度越大、模型准确率越高、业务价值越大。这意味着每项输入数据源的贡献度可以充分反映该数据对所实现的业务价值的贡献程度。当涉及多个数据提供方参与数据交易时，我们只需要计算每一方数据对于模型的贡献度，就可以得出反映各方业务价值贡献度的数据所得收益占比。与此同时，经进一步证明，此收益分配算法满足数据收益分配的第一性原理，即公平性与效率性。公平性是指收益的分配不依赖于主体的标签，效率性是指分配的收益加和等于总收益。综上，此算法以数据源对模型/公式的准确率贡献为计量基准，衡量每个数据源（数据参与方）对模型/

64、公式的准确率贡献值，作为利益分配的参考基础，采用合作博弈算法，具体计量步骤如下。图 9 合作博弈法的计算步骤 步骤一 确认数据应用效果衡量指标，数据对业务产生的价值与作用，是通过模型/公式等计算结果产生有效信息，从而指导业务决策而体现的。本步骤需要找出衡量模型/公式计算结果的指标。步骤二 基于合作博弈理论，将三部分数据视作三个成员方训练模型，优化目标取决于业务目标与数据应用映射关系，例如模型准确率。基于这03/聚焦数据资产评估场景应用，围绕数据要素收益分配激活数据价值释放 27 一优化目标，得到每个数据样本点的贡献值，以此为基准分配三个成员方的利益。（二）理论迈向实践：数据收益分配理论与工商银

65、行落地（二）理论迈向实践：数据收益分配理论与工商银行落地实践实践 以商业银行普遍存在的精准营销为例，一般是基于营销活动信息等数据分析，建立精准营销模型，形成依据客户画像的精细化营销方案，包括开户、绑卡、产品续购优惠等权益类活动，以及产品推荐、信息推送等推送类活动等。选取某精准营销活动，通过建立模型预测客户行为倾向，包括参加优惠活动、点击产品购买链接、绑定银行卡等，从而进一步建立以客户画像为基础的定制化营销活动设计。其数据来源包括历史行为数据、历史营销活动数据、持有产品数据以及账户信息数据。通过比对客户实际行为和模型预测客户行为作为模型准确率判断依据，模型准确率越高，则证明模型能够更精确地预测客

66、户行为，从而更有效地向客户推送活动，提升业务收益。若该精准营销模型作为数据交易产品，进入市场进行交易并获得了收入。在数据交易流通环节，需要进一步解决收入分配问题。参与此模型建设的多方数据，均对此模型做出了贡献，需要按照各方数据的贡献程度，实现收益分配。图 10 精准营销模型建模示意 基于前述收益分配算法的思路，建立模型精度与业务价值的映射，计量各方数据对此精准营销模型预测准确率的贡献值，得出每一方数据的收益分成占比，03/聚焦数据资产评估场景应用，围绕数据要素收益分配激活数据价值释放 28 计量结果如下：表 7 基于收益分配算法建立模型精度与业务价值映射 数据来源方 样本量 特征数 贡献总值

67、分配比例 账户数据 5000 50 0.185 15.46%历史营销活动数据 4000 40 0.265 22.14%持有产品数据 5000 45 0.295 24.64%历史行为数据 8000 80 0.452 37.76%此处计算结果，仅为结果展示示例，不代表真实情况。其中，基于收益分配算法，我们进一步地对字段级的特征贡献度进行了分析，说明持有产品越多、粘性越高的客户，其营销倾向与偏好较易预测；同时，历史营销活动特征、历史行为特征对模型贡献度较大，贡献度分析结果符合业务认知。（三）多元场景展望：数据内部流通与外部交易应用（三）多元场景展望：数据内部流通与外部交易应用 1 1、数据产品企业内

68、部利润分配应用、数据产品企业内部利润分配应用 本部分以商业银行内部数据产品向外流通场景为试点，对于行内自主研发并持有的数据产品，分析其在市场上流通交易，以及产生收入后，如何实现行内数据生产链路的各环节利润分配。某商业银行基于大数据分析技术，根据金融同业及企业客户风险防控需求自主研发银行业首款风险信息服务平台（以下简称 R 平台）。该平台以风险管理为核心，整合了来自社会公信体系等多方权威信息，集风险目标识别、风险交易预警、风险方案管控、风险结果评估等多项功能于一体，为各行业客户提供风险自主查询、名单智能定制、信息增值服务以及租赁式反欺诈等全渠道、全链条的智能风险防控支持。本部分将以此平台数据产品

69、为试点案例，梳理其交易产品线，展望各数据生产、加工、交易部门的利润分配场景。数据的生产链路包括数据采购/采集、数据加工、数据应用（包括数据指标、数据模型/公式、业务报表、数据图形化展示等），生产链路所有环节均对数据交03/聚焦数据资产评估场景应用，围绕数据要素收益分配激活数据价值释放 29 易产品最终形态的形成产生了贡献，即每个参与数据生产环节的部门都需要实现与其生产贡献相匹配的收益分配。R 平台最终形成的数据产品形态是数据集指标，通过 API 数据查询接口对外输出，其生产链路包括原始数据采购（风险数据、征信数据、行政处罚数据等），数据加工与计算（形成查询指标集）。基于此，我们提出一套基于数据

70、产品生产链路分析的收益分配方法论：（1 1）数据生产链路与每个数据生产节点收益构成）数据生产链路与每个数据生产节点收益构成 图 11 数据生产链路与每个数据生产节点收益构成 序号节点序号节点代表一个数据生产中间环节，具体分为原始数据集、加工中间数据集、数据应用等。其中，数据应用代表应用端数据节点，可直接指导经营决策，如数据指标、数据模型/公式、报表等。R 平台形成的数据产品为风险画像指标集，对应图中的数据应用节点，而原始采购数据、中间加工数据则分别代表数据中间生产环节节点。数据节点收益构成数据节点收益构成是指数据应用 A 会产生直接收益，这个收益需要分配回溯给包括数据应用 A 在内的所有数据节

71、点。数据应用 A 扣除自身应得收益后，应继续将剩余的收益按权重回溯分配给其上游数据节点 7 和 8。这时，7 和 8 均得到一个待分配给其自身和其上游节点的总回溯收益。同理，每个上游数据节点，都会得到一个总回溯收益。此总回溯收益的一部分需要分配给这个数据节点本身，称为此数据节点的自身收益；另一部分，需要继续向这个数据节点的所有上游进行回溯，称为此数据节点用于分配给上游数据节点的剩余收益。其中，向所有上游节点回溯收益时，12354867数据应用A回溯路径加工路径03/聚焦数据资产评估场景应用，围绕数据要素收益分配激活数据价值释放 30 收益的分配权重原则上应该生产贡献越多，分配收益越多。（2 2

72、）数据收益分配回溯）数据收益分配回溯 基于数据之间的血缘关系，将下游产生的收益（利润）进行回溯分配。对于某个上游数据来讲，其收益应该由与其直接连接的上游收益分摊而来。更具体来讲，假设某个上游数据节点有 n 个下游节点，那么该数据节点的剩余收益计算方式如下：该数据剩余收益=每个下游数据的剩余收益 n 每个下游数据相对于该数据的权重（由此上游数据节点对该下游数据节点的生产贡献决定）-其自身收益 图 12 数据收益分配回溯 图 13 数据收益分配回溯计算方法 以上图为例，假设每个数据 自身的收益为,数据 的剩余收益为,=1,8 12354867数据应用A回溯路径加工路径03/聚焦数据资产评估场景应用

73、，围绕数据要素收益分配激活数据价值释放 31 =(3)其中，为与 相邻的下游数据节点集合；为相应的收益分配权重。（3 3）收益分配权重设置）收益分配权重设置 数据加工、处理链路部分：1（是节点 j 的出度）当数据应用类型是模型时，可基于前述收益分配算法实现；而其余其他情况企业可依据具体业务场景决定。（4 4）数据自身收益计量）数据自身收益计量 这部分主要论述数据 自身的收益的计量，即下游回溯到该数据节点时剩余的收益，其中有多少应该划分给该数据节点的问题。与计算成本不同，数据 自身的成本可以根据相应的建设成本、运维成本等相关成本进行计算，收益则没有明确的计算方式。为解决此问题，我们考虑对数据全生

74、命周期链路做分析，其整条链路一般包含基础数据层、数据集成层、数据萃取层、数据应用层。不同的数据处理层设置不同的收益系数 0,1，具体系数由机构根据内部运营模式、各部门核心技术是否可替代、贡献程度等情况确定（基础数据层一般为回溯中最后一层，相关收益系数应设为 1，确保没有残留收益）。假设每个数据 自身的收益为，数据 的剩余收益为，代表数据 所在数据处理层的收益系数。那么（3）可以重新写成：=(1 )(4)其中，为与 相邻的下游数据节点集合；为相应的收益分配权重。以下图为例，假设 R 平台的数据产品，在一段时间内发生交易共获得收益100w；各数据处理层收益系数分别为 1、0.2、0.4 和 0.5

75、；应用层到萃取层的收益分配权重为 0.6 和 0.4（图上标识，按贡献分配）。基于等式（4），得到各数据节点收益（单位：w）如下：03/聚焦数据资产评估场景应用，围绕数据要素收益分配激活数据价值释放 32 图 14 不同数据层得到的节点收益 1=7.2 2=7.2 3=9.6 4=3.6 5=2.4 6=0 数据 6 在该链路下暂未被使用，没有收益产生 7=12 8=8=50 1+2+8+=100 2 2、多方数据联合建模的收益分配应用、多方数据联合建模的收益分配应用 工商银行聚焦风险防控、监管合规、客户营销等业务场景，通过隐私计算平台实现了行内数据与政务数据、监管机构数据、合作企业数据和互联

76、网数据之间的互通，为数据流通创造了一种新范式，使各方在保护数据隐私的前提下，实现跨机构、跨领域的数据共享与合作，推动金融行业的创新发展。各方数据联合建模，每一方数据都对模型的应用效果做出了贡献，未来联合建模形成的数据模型03/聚焦数据资产评估场景应用，围绕数据要素收益分配激活数据价值释放 33 若可进一步作为数据产品在市场上交易流通，赋能同业业务、产生收益，则可能需要进一步解决每方数据的“按生产贡献”收益分配问题。本部分以商业银行普遍的“小微普惠金融服务”为应用场景，选取某商户贷款违约评分模型，基于前述提到的收益分配算法，进一步展望未来多方数据联合建模的收益分配应用场景。（1 1）案例背景案例

77、背景 “小微普惠金融服务”场景中，银行需要精准预测小微商户违约概率，该部分仅依靠银行自有数据很难提高识别准确率，需要通过引入外部数据，补充银行内部缺乏的特征信息，更加全面和有效地进行小微商户运营情况的评估。（2 2）模型描述）模型描述 通过内外部数据联合建模，搭建商户贷款违约评分模型，用于预测小微商户未来是否会发生违约行为，其准确率通过对比商户实际行为与模型预测商户违约行为（是否违约）来衡量。模型精度越高，越能有效降低风险，减少违约损失。该模型支持面向中小微商户的“商户贷”产品的目标客户筛选和在线自动审批，直接赋能银行“小微普惠金融服务”应用场景。图 15 商户违约模型建模示意 （3 3）收益

78、分配结果）收益分配结果 本案例的数据包括银行内部的标签数据、外部的违约商户标签数据、商户收单特征数据。通过收益分配算法，可得出各方对模型准确率的贡献值，依据此贡献值，进一步得出各方数据应该分得的收益比例。03/聚焦数据资产评估场景应用，围绕数据要素收益分配激活数据价值释放 34 表 8 商户违约模型与收益分配 数据来源方 样本量 特征数 贡献总值 分配比例 商户标签数据 1500 30 0.176 19.53%违约商户标签数据 1100 40 0.390 43.29%商户收单特征数据 5000 55 0.335 37.18%此处计算结果，仅为结果展示示例，不代表真实情况 3 3、积极探索行业级

79、数据要素流通平台建设、积极探索行业级数据要素流通平台建设 工商银行积极探索数据要素交易流通基础设施建设，依托在数据采集、存储、治理、加工和应用等方面所积累的技术和经验，坚持“找准一个定位、做到两个兼顾、划分三个阶段、落实四个机制”的总体建设思路，致力于打造行内数据交易平台。图 16 数据交易平台架构示例“数据二十条”提到要“培育数据要素流通和交易服务生态”。未来，工商银行的数字基础设施建设能力可为行业级数据要素流通平台的构建贡献力量。行内数据交易平台或将与国家级、区域级数据交易所实现互联互通，促进银行内部账户、资金结算能力输出至交易所，赋能同业数字化能力提升；也为银行引入公共03/聚焦数据资产

80、评估场景应用，围绕数据要素收益分配激活数据价值释放 35 数据和客户数据提供助力，通过丰富数据维度，提升业务营销和风控策略的有效性，协助各专业条线发掘更多数据场景，发展产业收益，提升客户价值、商业价值和中间业务收入。数据交易平台可进一步引入数据要素收益分配算法模型，在多方数据源共同建模等场景下，积极探索新交易模式，发展按生产贡献分配的收益分配机制，进一步地激发行内外各市场主体活力，主动参与数据要素的生产、交易，加速数据要素价值释放，联合行业协会、各家银行共同打造行业数据要素流通平台，共同推动行业数据要素流通的标准规范，促进行业内部互联互通，为集团内外提供数据流通及交易服务，打破数据孤岛，充分发

81、挥数据的“乘数效应”。同时，数据资产价值评估实践工作，为行内数据产品价值评估奠定了基础。而收益分配算法，为多方数据的利益分配提供了符合业务价值贡献的收入分配指导依据。应用此两项技术，平台计划进一步挖掘集团内数据要素的流通场景，实现集团内数据要素定价、结算、分配、提升数字化建设场景效率。未来，工商银行将积极参与数据产品交易模式创新，赋能行业数据要素流通与价值释放，并进一步地借助数据交易平台，探索创新数据质押、数据信托等数据产品金融服务，引领行业数据要素市场高水平发展。01/数据要素市场化配置加速，助推数据资产价值释放 36 二、探索数据资产价值评估方法，基于数据二、探索数据资产价值评估方法，基于

82、数据四、我国数据要四、我国数据要素市场展望：日积跬步，以成千里素市场展望：日积跬步，以成千里资产图谱网络开启银行业资产图谱网络开启银行业务实践务实践一、数据要素市场化配置加速，助推数据资产价值释一、数据要素市场化配置加速，助推数据资产价值释放放 “我国数据要素市场我国数据要素市场展望：展望：日积跬步，以成千里日积跬步，以成千里 04/我国数据要素市场展望：日积跬步，以成千里 37 数字中国建设整体布局规划提出，到 2025 年基本形成横向打通、纵向贯通、协调有力的一体化推进格局，数字中国建设取得重要进展；到 2035 年，数字化发展水平进入世界前列，数字中国建设取得重大成就。其中提到要实现“畅

83、通数据资源大循环”这也是我们认为能够真正激发我国数据要素市场活力的核心要义。一个活跃的、规范的经济市场需要交易主体的积极参与，也需要交易行为的公平合理，以确保其持续健康发展；而数据要素的交易流通离不开数据资产的定价与收益分配问题。前者，促成数据买卖双方交易价格的形成；后者，解决参与数据生产者、交易者的利润分配问题。2023 年，我国数据要素市场方兴未艾，数据交易量有限，数据交易的价格信号不多，价格发现机制不够成熟，公开市场锚定价格不足，亟需集各行业、各企业之力进行大量数据资产价值评估的探索工作。工商银行发布本白皮书，以行内诸多实践案例来试验、实践数据资产图谱这一全新数据资产价值评估方法，希望为

84、行业提供解决问题的全新思路，也欢迎更多的专家学者进行批评指正。数据要素的特性在资产评估这一背景下显得极为复杂，因此需要充分解析其生产与应用链路，对不同类别的数据资产制定不同的估值方法。与此同时，流通中的数据，也应按数据贡献来分配收益。工商银行在数据资产价值评估与收益分配问题的探索中，形成了一套方法论，即对行内数据资源进行盘点与分类，结合方法的通用性与场景的代表性选取试点，再逐步将方法论推行至全行实践。一部分已成为或未来有潜力成为数据产品的数据资源，与其相关的经济利益很有可能流向企业，根据暂行规定，这类数据资源是很可能成为被确认为数据资产的，工商银行在数据资产价值评估的前期工作也将为企业数据资源

85、入表奠定会计核算基础。目前国内的数据要素交易市场，可分成零级市场、一级市场与二级市场。一级市场即数据资源市场，主要对应于数据资源化阶段；二级市场即数据产品和服务市场，主要对应于资源资产化阶段；零级市场即非交易流通市场，主要对应于资产资本化阶段。数据要素定价是开启新的十万亿级市场的“金钥匙”“参考资本和土地等要素的多级市场体系，未来我国数据要素市场可探索构建零级、一级04/我国数据要素市场展望：日积跬步，以成千里 38 和二级相结合的市场体系”。而数据资产图谱网络，不仅可用于企业内部数据资产价值评估，未来还可进一步推广至全行业，在全市场建设一个行业级、市场级的全量数据资产图谱网络支撑数据资产的价

86、值发现，通过零级（企业内部数据使用）、一级（数据授权市场）、二级（数据产品交易）的价格信号联动支撑数据价值发现。建立“健全数据要素由市场评价贡献、按贡献决定报酬机制，结合数据要素特征，优化分配结构，构建公平、高效、激励与规范相结合的数据价值分配机制”并非易事，需要结合实际数据产业应用情况，追溯本源，逐步实现。工商银行联合交叉信息核心技术研究院（清华大学）、安永（中国）企业咨询有限公司在此方面进行的一点点探索，希望能够助力数据产业发展，成为数字经济前进的点滴动力。39 附录附录 1：近三年我国数据要素相关顶层规划政策：近三年我国数据要素相关顶层规划政策 政策发布时间政策发布时间 政策名称政策名称

87、 政策细则及解读政策细则及解读 2020 年 4 月 关于构建更加完善的要素市场化配置体制机制的意见 中央对 推进 要素市 场化 配 置改革 进行 总体部署，分别提出了土地、劳动力、资本、技术、数据五个要素领域改革的方向。将数据列为生将数据列为生产要素。产要素。2020 年 5 月 中共中央 国务院关于新时代加快完善社会主义市场经济体制的意见 加快培育发展数据要素市场，建立数据资源清单管理机制，完善数据权属界定、开放共完善数据权属界定、开放共享、交易流通等标准和措施享、交易流通等标准和措施，发挥社会数据资源价值。2020 年 11 月 中共中央关于制定国民经济和社会发展第十四个五年规划和二三五

88、年远景目标的建议 对数据资源开发利用、要素市场培育发展提出了新的战略要求，要加快数字化发展，提出“建建立数据资源产权、交易流通、跨境传输和安全立数据资源产权、交易流通、跨境传输和安全保护等基础制度和标准规范，推动数据资源开保护等基础制度和标准规范，推动数据资源开发利用发利用”。2020 年 12 月 关于加快构建全国一体化大数据中心协同创新体系的指导意见 到 2025 年，全国范围内数据中心形成布局合理、绿色集约的基础设施一体化格局。公共云服务体系初步形成，全社会算力获取成本显著降低。政府部门间、政企间数据壁垒进一步打破，数据资源流通活力明显增强。数据资源流通活力明显增强。大数据协同应用效果凸

89、显，全国范围内形成一批行业数据大脑、城市数据大脑，全社会算力资源、数据资源向智力资源高效转化的态势基本形成，数据安全保障能力稳步提升。2021 年 11 月“十四五”大数据产业发展规划 建立数据价值体系，制定数据要素价值评估建立数据价值体系，制定数据要素价值评估指南，开展评估试点；健全要素市场规则，指南，开展评估试点；健全要素市场规则，发展数据资产评估、交易撮合等市场运营体发展数据资产评估、交易撮合等市场运营体系系；提升要素配置作用，加快数据要素化。2021 年 12 月“十四五”数字经济发展规划 部署了八方面重点任务。一是优化升级数字基础设施。二是充分发挥数据要素作用。二是充分发挥数据要素作

90、用。三是大力推进产业数字化转型。四是加快推动数字产业化。五是持续提升公共服务数字化水平。六是健全完善数字经济治理体系。七是着力强化数字经济安全体系。八是有效拓展数字经济国际合作。2021 年 12 月 要素市场化配置综合改革试点总体方案 方案中提到，从完善公共数据开放共享机制、建立健全数据流通交易规则建立健全数据流通交易规则、拓展规范化数据拓展规范化数据开发利用场景、开发利用场景、加强数据安全保护四个方面探 40 政策发布时间政策发布时间 政策名称政策名称 政策细则及解读政策细则及解读 索建立数据要素流通规则。2021 年 12 月“十四五”国家信息化规划 指出着力发挥数据要素价值，部署了建立

91、高效利用的数据要素资源体系任务，提出建立数据要素资源体系，以数据治理为突破提升数据质量，以数据开发利用为抓手激活数据要素，以立法规范为重点保障数据安全，加加快完善与我国发展实际相吻合的数据要素资快完善与我国发展实际相吻合的数据要素资源体系，释放数据要素价值。源体系，释放数据要素价值。2022 年 1 月 要素市场化配置综合改革试点总体方案的通知 提出探索建立数据要素流通规则，完善公共数据开放共享机制，探索“原始数据不出域、数据可用不可见”的交易范式，在保护个人隐私和确保数据安全的前提下，分级分类、分步有序推动部分领域数据流通应用。2022 年 4 月 中共中央国务院关于加快建设全国统一大市场的

92、意见 加快培育数据要素市场，建立健全数据安全、权利保护、跨境传输管理、交易流通交易流通、开放共享、安全认证等基础制度和标准规范，深入开展数据资源调查，推动数据资源开发利用。2022 年 6 月 关于加强数字政府建设的指导意见 在构建开放共享的数据资源体系方面，创新数据管理机制，深化数据高效共享，促进数促进数据有序开发利用据有序开发利用，充分释放数据要素价值。充分释放数据要素价值。2022 年 7 月 数 据 出 境 安 全 评 估 办法 办法提出了数据出境安全评估的具体要求，明确了数据出境安全评估程序、监督管理制度、法律责任以及合规整改要求等。2022 年 9 月 国务院办公厅关于印发全国一体

93、化政务大数据体系建设指南的通知 指南明确了全国一体化政务大数据体系建设的目标任务、总体框架、主要内容和保障措施，重点从统筹管理一体化、数据目录一体化、数据资源一体化、共享交换一体化、数据服务一体化、算力设施一体化、标准规范一体化、安全保障一体化等八个方面，组织构建全国一体化政务大数据体系，推进政务数据依法有序流动、高效共享，有效利用、高质赋能。2022 年 12 月 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 从数据要素、流通交易、收益分配从数据要素、流通交易、收益分配、安全治理四方面初步搭建我国数据基础制度体系，提出 20 条政策举措。2023 年 1 月 关于促进数据安

94、全产业发展的指导意见 到 2035 年，数据安全产业进入繁荣成熟期。产业政策体系进一步健全，数据安全关键核心技术、重点产品发展水平和专业服务能力跻身世界先进行列，各领域数据安全应用意识和应用能力显著提高，涌现出一批具有国际竞争力的领军企业，产业人才规模与质量实现双提升，对数字中国建设和数字经济发 41 政策发布时间政策发布时间 政策名称政策名称 政策细则及解读政策细则及解读 展的支撑作用大幅提升。2023 年 2 月 数字中国建设整体布局规划 明确提出要“释放商业数据价值潜能，加快释放商业数据价值潜能，加快建立数据产权制度，开展数据资产计价研建立数据产权制度，开展数据资产计价研究，建立数据要素

95、按价值贡献参与分配机究，建立数据要素按价值贡献参与分配机制制”。推动数据要素的市场化、价值化，使其成为推动经济社会发展的新动能。2023 年 3 月 国家数据局组建 解决数据领域的管理体制分散问题，并保证数据要素发展和安全之间的平衡，表明政府高度重视并加速数据要素市场建设，数据要素相关政策有望加速，例如确权政策，产业加速在即。42 附录附录 2：2023 年各地政府数据要素相关政策汇总年各地政府数据要素相关政策汇总 发布时间发布时间 地区地区 政策名称政策名称 政策细则及解读政策细则及解读 2023 年 6 月 北京 关 于 更 好 发 挥 数据 要 素 作 用 进 一 步加 快 发 展 数

96、字 经 济的实施意见 明确提出大力发展数据服务产业的 20 项具体任务，力争到力争到 20302030 年，北京市数据要素市场规模达到年，北京市数据要素市场规模达到 20002000亿元亿元。2023 年 6 月 深圳 深圳市数据产权登记管理暂行办法 办法创新明确数据产权登记适用范围，提出数据确权方式和数据产权登记流程，并探索建立完善协同监管机制。办法率先以制度形式明确建立跨部门协同监管机制，积极开展监管模式创新，保障数据产权登记工作规范有序开展。本文件明确了经登记机构经登记机构审核后获取的数据资源或数据产品登记证书、数据资审核后获取的数据资源或数据产品登记证书、数据资源许可凭证，可作为数据交

97、易、融资抵押、数据资产源许可凭证，可作为数据交易、融资抵押、数据资产入表、会计核算、争议仲裁的依据。入表、会计核算、争议仲裁的依据。2023 年 6 月 贵州 贵州省政务数据资源管理办法 该办法对适用于政府部门非涉密政务数据资源采集、存储、共享、开放、授权运营、调度、安全等行为及其相关管理活动进行了详细说明。在数据授权运营方面，该办法明确，在依法利用和保障安全的原则下，由各级大数据主管部门统一授权具备条件的经营主体运营本级政务数据，开发形成不涉及国家秘密、商业秘密、个人隐私的数据服务和产品，并通过贵阳大数据交易所进行交易。同时，支持行业企业、互联网同时，支持行业企业、互联网平台企业与政务数据运

98、营机构合作，建设行业数据服平台企业与政务数据运营机构合作，建设行业数据服务平台，依法推动政府和企业数据融合应用。务平台，依法推动政府和企业数据融合应用。鼓励法人或者其他组织利用政务数据服务和产品构建农业、构建农业、工业、金工业、金融、交通、教育、城市管理、公共资源交易融、交通、教育、城市管理、公共资源交易等领域规范化数据开发利用的场景，等领域规范化数据开发利用的场景，培育数字经济新产业、新业态和新模式，发挥政务数据资源的经济价值和社会效益。2023 年 7 月 上海 上海市促进浦东新区数据流通交易若干规定(草案)草案明确，上海支持创新数据资产化机制，按照国家财政部门的部署，探索数据资产纳入资产

99、负债表探索数据资产纳入资产负债表的实现路径。的实现路径。企业可以委托上海数据交易所为其开展数据资产创新应用提供相关基础服务。2023 年 7 月 上海 关 于 开 展 促 进 数据 要 素 流 通 专 项 补贴的通知 本次首期试点将在浦东先行先试，面向注册地及税收户管地均为浦东新区的数据产品交易相关企业，在2022 年 1 月 1 日-2022 年 12 月 31 日期间符合以下条件之一的企业可申领补贴：在上海数交所首次登记并挂牌的数据产品供方企业，按照每家不超过按照每家不超过 1010 万元万元 43 发布时间发布时间 地区地区 政策名称政策名称 政策细则及解读政策细则及解读 的额度给予一次

100、性补贴的额度给予一次性补贴；在上海数交所挂牌交易或购买数据产品的交易合同个数不小于 10 个，且交易金额达到 500 万的企业，按照每家不超过按照每家不超过 2020 万元的额万元的额度给予一次性补贴。度给予一次性补贴。2023 年 7 月 北京 北京市公共数据专区授权运营管理办法（征求意见稿）旨在对公共数据专区授权运营管理机制、公共数据专区授权运营工作流程、公共数据专区运营单位管理要求、专区数据管理要求、安全管理和考核评估等方面进行规范。2023 年 7 月 长沙 长沙市政务数据运营暂行管理办法（征求意见稿）首次提出市级首次提出市级/区县级政务数据运营项目中的数据权区县级政务数据运营项目中的

101、数据权属主体收益分配纳入对应级别财政收入，明确了数据属主体收益分配纳入对应级别财政收入，明确了数据财政的定位。财政的定位。强调数据要素权属方收益纳入对应地方财政。政务数据资源运营属于政府国有资产有偿使用范围，政务数据授权运营协议中应约定数据权属主体、数据运营主体和数据加工主体的运营收益分配比例。明确政务数据主体、管理部门、交易规则。2023 年 7 月 广州 广州市数据条例征求意见 探索数据要素纳入探索数据要素纳入 GDPGDP 核算，鼓励企业将数据资源纳核算，鼓励企业将数据资源纳入企业财务报表入企业财务报表；创新广州公共数据运营机制，搭建数据供给主体、数据需求主体、数据交易场所、数据商及第三

102、方专业服务机构等多方参与的数据要素市场，规范引导数据安全流通交易，并以打造数据跨境应用场景为关键点，推动南沙粤港澳数据服务试验区建设，促进粤港澳大湾区数字化协同发展。2023 年 7 月 江西“数字政府”建设方案 强调依托全省数据共享交换平台和公共数据开放平台，将省、市、县（区）各部门接入数据资源体系。2023 年 7 月 河南 河南省实施扩大内需战略三年行动方案(2023-2025)推动政务数据、公共数据、社会数据低成本采集、高效率归集与低能耗存储，加快建设数据资源池，到 2025 年建成 10 个以上全国领先的行业数据库。探索探索建立数据产权、流通交易、收益分配、安全治理等制建立数据产权、

103、流通交易、收益分配、安全治理等制度体系，度体系，完善数据质量标准规范，培育提升数据服务能力。支持郑州、开封、洛阳、新乡、许昌等地开展数据要素市场培育城市试点。2023 年 7 月 山东 山东开展“2+8”数据 要 素 化 试 点 申 报工作 本次数据要素化试点分为综合试点、专项试点两类，共同构成“2+8”的试点申报体系。综合试 点围 绕“数 据三 权 分 置综 合试 点”“数据资产化综合试点”两大方向。专项试点从数专项试点从数据质量服务、数据价值服务、数据加工服务、据质量服务、数据价值服务、数据加工服务、数据合规服务、数据融资保险服务、数据资产数据合规服务、数据融资保险服务、数据资产托管服务、

104、数据资产安全服务和数据要素化研托管服务、数据资产安全服务和数据要素化研究大方究大方向开展试点申报。向开展试点申报。2023 年 8 月 上海 立足数字经济新赛道推动数据要素产业创 新 发 展 行 动 方 案（2023-2025 年）提出建立数据要素价值转化体系，到 2025 年，数据要素市场体系基本建成，国家级数据交易所地位基本确立。数据要素产业动能全面释放数据产业规模达 5000 亿 44 发布时间发布时间 地区地区 政策名称政策名称 政策细则及解读政策细则及解读 元，年均复合增长率达 15%。推动数据资产化评估及试点，探索形成以上海数据交易所场内交易为纽带的数据探索形成以上海数据交易所场内

105、交易为纽带的数据资产评估机制，在金融、通信、能源等领域开展试点。资产评估机制，在金融、通信、能源等领域开展试点。45 参考文献参考文献 1中华人民共和国财政部.企业会计准则-基本准则2006 S.2006.2中华人民共和国财政部.企业会计准则第 13 号-或有事项 2006 S.2006.3中华人民共和国财政部.资产评估基本准则201743 号S.2017.4习近平.高举中国特色社会主义伟大旗帜,全面建设社会主义现代化国家而团结奋斗在中国共产党第二十次全国代表大会上的报告Z.2022 5新华社.中央金融工作会议在北京举行，习近平李强作重要讲话EB/OL.https:/ 2023-11-01 6

106、国家工业信息安全发展研究中心,北京大学光华管理学院,苏州工业园区管理委员会,上海数据交易所.中国数据要素市场发展报告（2021-2022）R.北京：2022：4-5 7林常乐,赵公正.数据合理定价：利用数据资产图谱解析数据价值网络J.价格理论与实践,2023,(03):20-25 8罗玫,李金璞,汤珂.企业数据资产化：会计确认与价值评估J.清华大学学报(哲学社会科学版),2023,38(05):195-209+226.9刘雁南,赵传仁.数据资产的价值构成、特殊性及多维动态评估框架构建J.财会通讯,2023,(14):15-20.10李润泽子.数据资产如何定价？王建冬：明确数据要素市场一、二级体

107、系，建立适配规律的定价机制EB/OL.https:/ 11刘云波.数据、数据资产及其价值评估J.中国资产评估,2023,(05):51-56.12欧阳日辉,杜青青.数据要素定价机制研究进展J.北京：经济学动态,2022(02):126-127 13叶露,潘立,丁昱尹.数据资产质量评价及价值评估技术研究进展J.中国资产评估,2023,(08):50-59.46 14熊旺旺,余炳文.国有数据资产价值评估方法研究J.国有资产管理,2023,(06):67-76.15刘云波.数据、数据资产及其价值评估J.中国资产评估,2023,(05):51-56.16 邹 磊,胡 进 伟,陈 鹏.数 据 资 产 评

108、 估 与 价 值 实 现 J.质 量 与 认证,2023,(05):63-65.17徐广斌,牛壮.大数据交易产品及交易机制创新实践关于贵阳大数据交易所的调研及对我所的启示R.上海：上海证券交易所，2015:5-8 18中国信息通信研究院.数据资产确认与会计计量研究报告R.北京：中国信息通信研究院政策与经济研究所，2020:26 19中国信息通信研究院.中国数字经济发展白皮书R.北京：中国信息通信研究院，2020:39-45 20中国信息通信研究院.数据价值化与数据要素市场发展报告R.北京：中国信息通信研究院，2021：40-41 21Adler,R.et al(2016),“The valua

109、tion and pricing of information assets”,Pacific Accounting Review 28(4):419-430 22Agarwal,A.et al(2018),“A marketplace for data:An algorithmic solution,ArXiv Working Paper,No,1805.08125.23Koutris,P.et al(2015),“Query-based data pricing”,Journal of the ACM 62(5):1-44.24Koutroumpis P.8.L.Aia(2013),“Un

110、derstanding the value of(big)data”.2013 IEEE International Conference on Big Data，pp.38-42.25Li,W.et al(2019),Value of data:Theres no such thing as a free lunch in the digital economy”,Research Institute of Economy,Trade and Industry Working Paper,No.19022.26Pei,J.(2020),“A survey on data pricing:Fr

111、om economics to data science,ArXiv Working Paper,No,2009.04462.26Perez-Pons,M,E.et al(2019),“Towards financial valuation in data-driven companies,Journal of Computer Science and Technology 12(2):28-33.47 28Tetsuya A,Yasunori T,Yoshitaka K,et al.Evaluation of Statistical Approaches in Developing a Pr

112、edictive Model of Severe COVID-19 during Early Phase of Pandemic with Limited Data Resources.J.The Tohoku journal of experimental medicine,2023,29Yue,l.et al(2017),“Big data model of security sharing based on blockchain”,Proceedings of the 2017 3nd International Conference on Big Data Computing and Communications,pp.117-121.30Zhang,M,&.F Beltran(2020),“A survey of data pricing methods”,Social Science Research Network Working Paper，No.3609120.