大数据时代，数据价值、数据资产、数据交易等关键词被经常提及。那么到底是如何定义数据资产的？数据资产又包括哪些方面？数据的价值又可以通过什么形式进行量化，本文将一一阐述。
数据资产的定义
接下来举例说明，比如煤炭、石油、天然气等，只有少量存储则不可能被称做资源，只有在规模足够大，具有使用价值之后，才会被称做资源。后期则需要对其进行开采和加工，自然需要组织、制度、流程等来保证工作的有序运转，并使资源转化为资产。
数据资源也是同样的道理。当数据资源达到一定规模，具有使用价值了，就需要组织对其进行开发和利用，达到了量化、资产化后才能称之为数据资产。
对于数据资产，业内的定义是：企业在运营活动中形成的，由企业拥有，在数据的产生、获取、处理、存储、传输和应用全过程可控的，并能够给企业带来价值的数据资源。
数据资产包括哪些方面
对于个人而言，数据资产则比较具象，比如个人摄影图片、自己拍摄剪辑的视频、编辑的文档、录音等都属于个人的数据资产。
对于企业而言，比如设计图纸、企业运作信息、合同等一切以电子介质为载体的企业各类业务，都可以称作是企业的数据资产。
数据资产的量化
因为数据资产既具有类似无形资产的特征，又因多样性和非耗尽性使得其异于常见的无形资产。所以对于数据资产的量化，可分为两种情形来看：
在暂没有活跃交易市场的情形下，主要根据数据的发展阶段从成本角度及收益、效益角度对数据资产价值进行分析。
在有活跃交易市场的情形下，可从数据资产交易价值（市场角度）结合类比数据资产特征进行分析，通常使用的是多因素评价比较法与神经网络模型。
01成本思路
成本思路是从形成数据资产所需花费的成本进行评估的一种思路。尽管无形资产的成本和价值先天具有弱对应性且其成本相对欠完整，但一些处于开发初期的数据资产（即原始数据及粗加工阶段数据资产）因尚无明确应用场景，没有形成社会价值及经济价值。因此对于该阶段的数据资产，成本思路评估其价值存在一定合理性。
02模糊因素/数学评价思路
模糊因素/数学评价思路同样适用于处于开发初期阶段的数据资产（即没有形成显著社会价值及经济价值的数据资产），为成本思路的进阶应用。其基本原则：由于同样的投入不一定有同样质量的数据，通过模糊数学评价方法对数据资产进行估值时，需要根据数据的特征列出评价项目，对每个项目定出评价的等级，并用分数表示，最后将所得分数进行加权平均，得到加权评价分数。
03数据势能模型
数据势能模型适用于经过精细化加工处理后形成一定应用场景的数据资产。该阶段的数据资产处于“能量”的存储积累的状态中，蓄势待发。虽然没有产生商业利益，但在以数据驱动社会发展的重要趋势下，形成了不同程度的社会价值。
04实物期权模型
实物期权模型一般适用于企业数据资产，同时该数据资产的应用场景仍然存在不确定性。例如，企业未来可能会继续加大在该数据资产方面的投入，还可能因该数据资产预计收益不能覆盖前期投入的成本而放弃数据资产的继续投入。实物期权模型不仅能够帮助企业有效衡量数据资产于当下时点价值的最佳估计，也能够协助企业管理者在企业的不同发展阶段对于数据资产的发展做出最优决策。
05多因素修正后的增量效益折现模型
该模型适用场景：数据资产已完全实现商业化，即产生稳定经济效益，但该数据资产一般为企业价值赋能之存在，而非企业核心资产或最主要的价值驱动因素。例如，数据资产能够帮助企业降本增效或者助力企业获取更多用户和开拓市场等，为企业进一步赋能。
06非核心资产/因素剥离折现模型
该模型适用场景：数据资产已完全实现商业化，即产生稳定经济效益，一般作为企业的核心资产和最主要的价值驱动因素。例如，企业的主营业务收入及收益来源于出售或许可市场用户使用企业所拥有的数据资产。
07可变现净值思路
该思路适用场景：数据资产经验证后发现没有适合的应用场景，或将被淘汰。以数据资产于预计处置日的估计处置价格，减去为处置该资产需要额外发生的费用（例如交易成本、税费）等，得到期末的可变现净值，将其通过合适的折现率折现以得到数据资产于当下的估计价值。在该方法下，可能需要配合其他方法（例如市场法）来确定数据资产的预计未来处置价格。在极端情形下，结果接近于零。
08多因素评价比较法
该方法适用场景：存在活跃的数据资产交易市场。企业价值评估领域有市场价值比率的概念，类似P/E、P/B等，以可比上市公司的市场价值比率乘以被评估企业对应的财务指标从而得到被评估企业的股权价值。在数据资产估值中，同样可以采用该相对值比较法，且在分析分母的过程中可以带入该方法——通过选取与被评估数据资产价值高度相关的驱动因素，并对这些因素进行量化评价得到综合评价系数。相对于单一财务指标而言，以通过考虑数据资产价值驱动因素的综合评价系数作为价值比率的分母更能反映数据资产价值的驱动源，可得到更有意义的价值比率。
09神经网络模型
该模型适用场景：数据资产交易市场成熟、有序且活跃，且具有大量的交易数据和数据资产交易信息。神经网络模型是一种以神经元数学模型为基础、模拟人脑系统结构和功能的抽象数学模型，是一个高度复杂的非线性动力学习系统，具有“学习”和“充分逼近复杂的非线性关系”等特性。
数据资产的重要性
（1）企业共通的数据语言
数据作为各部门运行的衍生产物，分散在企业的各个部门。数据分析者往往需要花费大量的时间和精力收集各类数据，寻找数据共通的连接方式，才能将其归类分析应用。数据资产化则意味着在公司内部可形成共同的“数据语言”，由此，企业的管理层可以更高效地对数据进行讨论和沟通。
（2）企业的战略资产
数据资产化之后，数据资产会渐渐成为企业的战略资产，企业将强化数据资源的存量、价值，以及对其分析、挖掘的能力，进而极大地提升企业核心竞争力。
（3）加速数据资产交易进程
目前在缺乏交易规则和定价标准的情况下，数据交易双方承担了较高的交易成本， 制约了数据资产的流动，但随着数据资产管理的完善，必然能加速数据资产交易的进程。
新一代数据保险箱基于SOC核心架构，综合运用基因标识、量子加密、区块链、隐私计算等关键技术，解决数据所有权归属问题，为数据所有者提供一站式数据资产保值增值服务。S-box是企业数据管理必备工具，各行业数据所有者皆可使用。
,
