行业大咖谈数据资产｜清华陈煜波：科学认识、有序推进数据资产化，让数据真正成为核心生产要素
上海荟宸信科，数字中国的实践者；数字化转型的引领者；数据资产估值的领跑者。详情点击：“数价锚钉”数据资产估值AI模型获得的荣誉及资质
当下，数字经济已成为重塑全球经济结构的关键力量，数据继土地、劳动力、资本、技术之后，正式站上核心生产要素的 C 位，数据资产更被视作 21 世纪企业最重要的资产。但数据到底算不算资产？如何从零散资源变成可运营、可增值的资产？数据资产化又该如何科学、有序推进？
清华大学经济管理学院讲席教授、互联网发展与治理研究中心主任陈煜波，在权威文章中系统拆解数据资产化的本质、特性与实践路径，为行业厘清方向、指明路径。
一、先搞懂：什么是数据资产与数据资产化？ 陈煜波教授给出清晰定义：
数据资产 ：具备经济价值与未来收益的数据资源，是经济活动的天然副产品—— 用户浏览消费、企业经营、工业设备运行、车辆物流等行为，都会产生数据资产。 数据资产化 ：不是简单存数据、管数据，而是把数据当作资产进行全生命周期管理运营，通过采集、加工、分析、应用，实现数据要素价值化，最终推动生产方式与经济模式变革。 数据资产的核心价值，在于消除信息不对称、降低决策不确定性，既能帮企业精准洞察需求、避开内卷式竞争，也能助力金融机构服务中小微企业、推动传统产业降本增效与绿色转型，真正发挥倍增放大与叠加聚变效应，让数字经济实现 “升维发展”。
二、关键认知：数据资产和传统资产完全不一样 陈煜波教授强调，推进数据资产化，必须先认清它的独特属性，不能用传统资产思维硬套：
是经济活动副产品，多方共创、难用 “所有权” 一刀切 电商数据由消费者、商家、平台共同产生，传统产权逻辑很难直接适用，“使用比拥有更重要” 成为核心共识。 高度场景化，价值无统一标准 同一批数据，在 A 场景能创造巨大价值，在 B 场景可能毫无用处，价值高度依赖具体业务与用户，没有市场公认的 “统一定价”。 非竞争性，可无限复用、越用越值钱 数据可无限复制、多方同时使用，不会因使用而损耗，共享流通能带来收益递增，多源数据整合的价值远大于单个数据之和。 基于这些特性，数据资产化正从 “原始数据直接买卖”，转向场景化、间接式交易—— 用户以数据换取免费服务，平台通过数据分析提供智能服务，形成 “用户 — 平台 — 企业” 三方共赢的平台经济生态，这也是数字时代数据资产化的主流组织形式。
三、直面痛点：我国数据资产化面临三大挑战 在肯定优势的同时，陈煜波教授也直言当前发展瓶颈：
数据供给失衡 消费端数据红利充足，但传统企业、制造业等生产领域数据严重不足，产业链上下游数据未打通，制造场景优势没转化为数据红利。 市场碎片化严重 公共数据、企业数据分散在各部门、各主体，开放共享不足，无法形成规模效应，数据价值难以充分释放。 路径单一、生态薄弱 多数地方与企业重采集、轻应用流通，过度依赖原始数据直接交易，数据商、第三方服务机构不够丰富，创新型数据服务模式不足。 四、落地指南：有序推进数据资产化，这样做才对 针对上述问题，陈煜波教授提出清晰可行的破局思路，兼顾科学规范与产业落地：
-
补供给：把制造业场景优势变成数据红利 不只投入数字化硬件，更要强化生产领域数据采集与积累，打通产业链上下游数据链，在新型工业化、设备更新中同步推进数据资产建设，让传统产业释放数据价值。
-
破壁垒：推动数据开放共享，做强平台生态 在安全合规前提下，促进公共数据互联互通、开放共享；支持地方政府、行业龙头打造全域数字经济平台、产业链数据平台，整合全量数据，构建 “平台 + 应用” 生态，发挥规模效应。
-
拓路径：繁荣数据服务生态，创新价值实现方式 告别 “只卖原始数据” 的单一模式，大力发展 ** 数据即服务（DaaS）、模型即服务（MaaS）** 等间接流通模式；鼓励平台企业转型数据商，向中小企业开放数据智能服务，用数据分析能力替代原始数据共享，实现价值最大化。
大咖结语
数据资产化不是一蹴而就的工程，而是科学认知先行、有序落地跟进的系统工程。
正如陈煜波教授所言：数据的核心价值不在 “囤积”，而在 “流动”；不在 “确权垄断”，而在 “合规使用”。只有尊重数据特性、补齐供给短板、打通流通壁垒、创新服务生态，才能让数据真正从 “零散资源” 变成 “核心资产”，为数字经济高质量发展、新质生产力培育注入强劲动能。
