数据治理与数据资产管理研究方向展望
引言
在当今数字化时代，数据已成为企业和社会发展的核心资产。随着数字经济的快速发展，数据治理和数据资产管理的重要性日益凸显。国家和地方政府相继出台了一系列政策和法规，以促进数据要素的流通和利用。例如，2023 年 8 月，财政部印发《企业数据资源相关会计处理暂行规定》，为企业数据资产化落地奠定了重要基础。然而，目前数据治理和数据资产管理仍面临诸多挑战，如数据确权、价值评估、安全治理等。因此，确定后续的数据治理和数据资产管理研究方向具有重要的现实意义。
从我国目前数据场景看数据治理与资产管理现状
数据资产入表情况
《数据资产入表对城投企业影响初探》显示，自 2023 年以来，实现数据资产入表的企业类型以地方国企、地方国资平台和中型民营科技类企业为主，其中发债城投或其关联公司占比过半。目前发债城投或其关联公司入表数据资产类型主要包括公共交通、供水、供气及供热等公用事业类数据、生产运营领域数据、信贷领域数据、社会治理及产业发展领域数据等。但数据资产入表仍面临一些挑战，如数据资产确权、价值评估等环节进展有限，银行对数据资产整体价值和收益持谨慎态度，整体数据资产入表进度及效果仍有待观察。
数据要素流通标准化情况
《【中国电子技术标准化研究院】数据要素流通标准化白皮书（2024 版）》指出，我国数据要素流通尚处于起步发展阶段，数据流通标准规则体系还在探索，绝大部分标准集中于数据治理环节，基础设施、产权确认、数据产品、流通交易等标准相对缺失。同时，数据要素流通在基础设施、治理实施、开发利用、数据产品、确权、估值定价、流通交易、流通技术、流通安全等方面存在标准化需求，如数据流通利用设施标准匹配程度待加强、数据治理标准化仍需优化完善、数据“三权”分置标准化共识有待加强等。
后续研究方向设定
数据确权与合规研究
- 数据产权制度细化：深入研究数据产权结构性分置制度，包括数据资源持有权、数据加工使用权、数据产品经营权三权分置的具体实施细则。探索不同行业、不同类型数据的分类分级确权授权机制，明确各参与方在数据生产、流通、使用过程中的合法权利。例如，在公共事业领域，如何确定政府、企业和公众在数据产权中的权益分配。
- 合规与监管规则完善：随着数据流通的日益频繁，完善数据全流程合规与监管规则体系至关重要。研究如何构建规范高效的数据交易所，加强对数据交易平台的监管，确保数据交易的合法性和安全性。同时，关注数据跨境流通的合规问题，制定相应的监管政策。
数据价值评估方法创新
- 多维度价值评估模型：目前数据资产价值评估主要以成本法为主，但受限于数据资产交易市场不完善和数据收益不稳定等因素，成本法存在一定局限性。未来可研究建立多维度的价值评估模型，综合考虑数据的质量、稀缺性、应用场景、市场需求等因素，提高数据价值评估的准确性和合理性。
- 行业特色评估方法：不同行业的数据具有不同的特点和价值，因此需要开发适用于各行业的特色评估方法。例如，在金融行业，可结合风险评估和收益预测来评估数据资产的价值；在医疗行业，可考虑数据对疾病诊断和治疗的贡献来进行评估。
数据安全与隐私保护研究
- 安全治理体系构建：强调政府、企业、社会协同治理的数据安全治理体系。研究如何加强数据安全技术的应用，如区块链、隐私计算等，保障数据在流通和使用过程中的安全性。同时，建立数据安全评估和认证机制，对数据处理活动进行全面的安全审查。
- 隐私保护技术创新：随着个人信息保护意识的提高，数据隐私保护成为数据治理的重要内容。研究如何创新隐私保护技术，如差分隐私、同态加密等，在保护个人隐私的前提下实现数据的有效利用。
数据治理与业务融合研究
- 数据驱动的业务创新：研究如何将数据治理与企业业务深度融合，以数据驱动业务创新。例如，通过分析客户数据，挖掘潜在需求，开发新的产品和服务；利用供应链数据，优化供应链管理，提高运营效率。
数据治理绩效评估：建立数据治理绩效评估指标体系，评估数据治理对企业业务发展的贡献。通过绩效评估，发现数据治理过程中存在的问题，及时调整治理策略，提高数据治理的效果。
数据要素流通标准化研究
- 标准体系建设：加强数据要素流通标准体系的顶层设计，构建涵盖数据流通利用设施、数据治理、数据开发利用、数据产品、确权、估值定价、流通交易、流通技术、流通安全等方面的标准体系。制定统一的数据交易规则和规范，促进数据要素的有序流通。
- 国际标准化合作：积极参与国际数据要素流通标准化合作，借鉴国际先进经验，推动我国数据要素流通标准与国际接轨。同时，在国际标准化制定过程中，争取我国的话语权，提升我国在数据领域的国际影响力。
结论
数据治理和数据资产管理是数字经济时代的重要课题。通过我国目前数据资产管理现状的分析，我们可以看到目前数据治理和数据资产管理存在的问题和挑战。后续的研究方向应围绕数据确权与合规、价值评估方法创新、安全与隐私保护、与业务融合以及标准化建设等方面展开。通过深入研究和实践，不断完善数据治理和数据资产管理体系，充分发挥数据的价值，为企业和社会的发展提供有力支持。