在2023年7月召開的“2023全球數字經濟大會”上，有關專家提到，2022年中國數字經濟規模超過50萬億元，總量穩居世界第二，預計到2026年數據量將達到23.5ZB，位居全球第一，中國數字經濟年均復合增長14.2%，是同期美、中、德、日、韓5國數字經濟總體年均復合增速的1.6倍。數據已成為與土地、勞動力、資本、技術并列的第五大生產要素，成為影響經濟和社會發展的重要變量。銀行擁有大量的數據，這些數據不僅反映出銀行的經營表現，也影響著銀行的管理決策。銀行對數據進行分析處理可以形成生產力、產生現金流，因此經過治理的數據可以稱為“數據資產”。就像其他金融資產一樣，數據資產同樣也具有價值，所有資產價值加總在一起，就是銀行的整體資產價值。

當前，數據治理成為各家銀行數字化轉型的重要抓手，但如果不能明確數據治理的最終目標，不能找到數據治理的正確方法，就會事倍功半或“誤入歧途”。因此，本文分析討論一種新的數據治理頂層設計，以數據資產價值最大化為目標推動數據治理發展。

一、數據資產價值提升的方法

數據資產價值最大化是組織和個人追求的最終目標，要想實現數據資產價值最大化，做好數據治理尤為重要。數據治理是決定數據資產價值高低的根基，同時數據資產價值是評價數據治理好壞的標準。數據治理是一種組織和管理數據的過程，通過數據治理提升數據資產價值的方法有如下幾類。

一是數據質量管理：其目標是確保數據的準確性、可靠性和一致性，包括建立數據清洗、數據標準化以及監控和維護數據質量的機制。

二是數據安全和隱私保護：其目標是確保數據受到適當的保護，包括防止未經授權訪問、數據泄露和其他安全風險;同時，應遵守適用的隱私法規，確保個人數據的合規性。

三是數據分類和標簽化：對數據進行分類和標簽化，以便更好地管理和利用數據。數據分類和標簽化可以幫助組織更好地理解和管理數據，并在需要時快速找到所需的信息。

四是數據訪問和共享：通過創建適當的訪問控制策略，確保只有授權的用戶才能訪問數據;同時，實施數據共享機制，使數據可以在組織內部和合作伙伴之間進行分享和利用。

五是數據生命周期管理：確保數據在其整個生命周期內得到適當的管理，包括數據的創建、存儲、使用、歸檔和銷毀等。

六是數據治理框架和流程：通過建立有效的數據治理框架和流程，明確責任，確保數據治理實踐得到有效執行。

七是數據分析和洞察力：通過對數據的分析和洞察，發現數據中的模式、趨勢，并將其應用于業務決策和創新中。

二、數據資產的價值衡量：估值和入表

數據資產價值最大化需要科學正確地衡量數據資產價值，數據資產有對外價值和對內價值。數據資產對外的價值體現在將數據轉化為經濟價值的過程，通過一系列方法對數據資產進行評估和定量計算，通過數據交易所進行數據使用權交易買賣。對外價值反映在企業的經營收入上;數據資產對內價值體現在數據資產入表上，是將數據資產納入組織資產負債表或財務報表的過程，以便對其價值進行跟蹤和評估。對內價值反映在企業的股票市值上。

1.數據資產估值方法

數據資產估值方法主要有三種，需要根據不同的行業屬性、公司特點、業務場景、產品結構等采用不同的估值方法，并隨著時間和具體情況的變化進行調整，來計算數據資產價值。

(1)市場價值法。該方法通過研究相似的數據資產在市場上的交易價格來確定數據資產的價值，包括分析數據市場上的成交價格、競爭情況和市場需求等因素。

(2)收益法。該方法基于數據資產對組織的預期盈利能力來估算其價值，通常通過分析數據對組織業務的影響，包括提高銷售額、降低成本等來預測數據資產的收益潛力。

(3)成本法。該方法通過估算數據資產的獲取、處理和維護成本來確定其價值，包括數據的采集、清洗、存儲、安全和更新等方面的成本。

除了上述方法外，還可以結合其他因素對數據資產進行估值，比如數據質量、數據的稀缺性、數據的時效性、數據的安全性等，這些因素也會對數據資產的價值產生影響。

2.數據資產入表步驟

數據資產入表是指在數據資產估值的基礎上，在公司財務上對數據資產進行確認。數據資產入表主要包括以下5個步驟。

(1)識別和分類數據資產。需要明確組織中的數據資產，并根據其性質和用途進行分類，如客戶數據、銷售數據、市場數據等。

(2)確定數據資產的價值。根據估值方法(如市場價值法、收益法或成本法)來確定數據資產的經濟價值。

(3)錄入財務報表。在資產負債表或財務報表中，創建相應的賬戶或項目來記錄數據資產的價值。

(4)定期更新和調整。數據資產的價值可能隨著時間和業務的變化而變化，因此需要定期更新和調整數據資產的價值，以確保財務報表的準確性和完整性。

(5)考慮其他因素。入表時需考慮其他因素，如數據質量、法律法規合規要求等，這些因素可能將影響數據資產的價值和報告方式。

需要注意的是，將數據資產入表是對數據在財務方面的評估，并不代表數據的全部價值。數據還可能具有戰略意義、創新潛力等非財務價值，在數據資產管理中需要綜合考慮。

通過估值和入表等科學量化手段評估企業的數據價值是國內外先進機構采用的普遍做法，具有可行性、拓展性、創新性。估值和入表不僅可以衡量數據資產的價值，還可以為評價數據治理水平、考核數據治理人員、引領數據治理改進方向、制定數據治理發展戰略等提供重要參考。

三、數據治理面臨的挑戰和機遇

1.主要挑戰

(1)組織文化和意識的挑戰。數據治理需要全員參與和支持，而組織內部可能存在數據治理意識不強的問題。培養和建立數據驅動的文化需要時間和努力，需要改變組織成員對數據的看法和價值觀。

(2)數據治理責任和所有權的挑戰。確定數據治理的責任和所有權是一個復雜的過程。不同部門和業務單位之間可能存在數據所有權爭議，導致數據治理流程和決策的延遲或阻礙。

(3)數據質量和一致性的挑戰。數據質量是數據治理的核心問題之一。數據質量問題包括數據準確性、完整性、一致性等，但是要想確保數據質量，其過程可能會很復雜，成本也很高昂。此外，不同數據源和系統之間的數據一致性也是需要面對的挑戰。

(4)數據隱私和安全的挑戰。隨著數據泄露和隱私侵犯事件的增加，組織需要確保數據的安全性和隱私保護。數據治理需要設定和執行安全策略和隱私控制機制，以確保敏感數據不被未經授權的人員獲取和使用。

(5)技術和工具的挑戰。有效的數據治理需要技術和工具的支持。然而，選擇和實施適合組織需求的數據治理技術和工具將是一項復雜的工作。此外，技術的更新和變革也可能需要對數據治理策略和架構進行調整和改進。

(6)復雜的數據生態系統的挑戰?，F代組織的數據環境通常非常復雜，涉及多個數據系統、數據源和數據格式。在這樣的數據生態系統中實施數據治理可能面臨諸如數據集成、數據流動和數據血緣等挑戰。

2.機遇

當前，數據治理在面臨較大挑戰的同時也存在很多機遇，可以幫助組織實現多個方面的效益。

(1)數據資產價值最大化。這是數據治理面臨的最大機遇，通過有效的數據治理，組織可以準確地了解自己的數據資產，充分利用數據的潛力，從數據中發現新的洞見和機會，促進業務的增長和創新，提升數據資產的價值。

(2)捕捉商業機會。數據治理可以為組織帶來全面、準確、及時的數據視圖，幫助組織更好地識別和捕捉商業機會。通過對數據的集成和分析，組織可以更好地了解市場趨勢、客戶需求和競爭態勢，做出更明智的戰略決策。

(3)降低風險和確保合規性。數據治理可以確保組織合規性和信息安全，減少數據泄露、隱私侵犯和違規行為的風險。通過制定和執行數據隱私保護、數據訪問控制和數據備份等策略，組織可以維護數據的完整性和可靠性，增強在合規方面的競爭力。

(4)提高決策質量。數據治理可以提供高質量、一致性的數據，為組織的決策提供可信的基礎。通過對數據進行清洗、整合和標準化，組織可以更好地理解數據的現狀和趨勢，為決策者提供有力的支持，提高決策的準確性和效果。

(5)提升數據協作和共享水平。通過數據治理，組織可以建立數據共享和協作機制，并確保數據安全和可信，以促進組織內部各個部門和業務單位之間的數據交流和協作，提升業務創新和流程的效率。

(6)增強客戶關系和提升客戶體驗。通過數據治理，組織可以更好地了解客戶需求和偏好，提供個性化和定制化的產品和服務，增強客戶關系，提升客戶體驗。

通過分析當前數據治理的目標、挑戰和機遇，可以看出只有將數據資產價值最大化作為頂層設計的核心目標，才能有效推動數據治理價值的提高，通過數據資產價值的增減來逆向評價數據治理水平的高低，不斷修正和改進低效、錯誤的數據治理，讓高質量數據治理成為企業在大數據時代下增加營收和市值的抓手。

四、數據治理對數據資產價值的重要影響

1.短期影響分析

數據治理對數據資產價值有著重要的影響，從短期來看，數據治理對數據資產價值的提升具有如下積極意義。

(1)改善數據質量。數據治理可以幫助組織識別和糾正數據中的錯誤、缺失和不一致之處，通過數據清洗、驗證和修復等措施提升數據的準確性和完整性，從而提高數據的可靠性和可用性，使數據資產的價值在短期內得到顯著提升。

(2)提升數據可訪問性。數據治理通過制定訪問控制策略和權限管理機制，改善數據的安全性和可訪問性，幫助正確的人員在正確的時間獲取所需的數據，促進數據的共享和協作。在短期內，這將使決策和業務流程更加高效，進一步提升數據資產的價值。

(3)確保數據的一致性和標準化。數據治理可確保數據在不同系統和部門之間的一致性和標準化。通過建立數據管理規范和數據詞匯表，可以更好地整合和集成數據資產。這將減少重復工作和數據沖突，提高數據分析的效率和一致性，在短期內為組織節省時間和資源，提升數據資產的價值。

(4)增強合規性和提升風險管理能力。數據治理強調數據的合規性和風險管理。它確保數據符合相關的法規和標準，并采取適當的安全措施來降低數據泄露和安全風險。在短期內，數據治理有助于減少組織面臨的合規性和安全風險，在數據資產的價值保護方面起到積極的作用。

2.長期影響分析

從長期來看，數據治理可從以下幾個方面對數據資產的價值產生積極的影響。

(1)數據資產價值最大化。數據治理可幫助組織更好地理解和利用數據資產的價值潛力。通過數據分類、標準化和分類管理，數據資產可以被更好地組織和管理，從而更容易被發現、理解和利用。長期來看，這將使數據分析和洞見挖掘更加深入，為組織提供持續的業務創新和決策支持。

(2)數據資產質量持續提升。持續的數據清洗、驗證和修復措施，以及數據質量監控和改進機制，可確保數據的準確性、完整性和一致性得到長期的保持和改善，增強數據的可信度，提高數據的可靠性和可用性，從而提升數據資產的長期價值。

(3)數據資產共享和協作加強。通過建立數據共享機制和協作平臺，數據治理可促進組織內外部的數據共享和協作。長期來看，這將加強組織內部不同部門和業務單位之間的數據共享和協作，促進知識和經驗的交流和共享，進一步提升數據資產的價值，并激發創新和業務流程的改進。

(4)數據法規合規性保證。數據治理可確保數據資產符合相關法規和標準的要求，并采取相應的安全措施來保護數據。在長期內，數據治理將幫助組織建立和維護良好的數據法規合規性，降低法律和監管風險，增強數據資產的合規性，進一步提升數據資產的長期價值。

綜上，數據治理對數據資產的價值有重要影響。短期內，數據治理可改進數據要素質量、建立數據分類標準、保證數據安全合規等;長期內，數據治理可讓數據資產價值最大化、數據資產協作共享、提升數據長期價值等。

五、推動數據治理發展的具體措施

銀行可以數據資產價值最大化為目標推動數據治理發展，通過提升數據質量、安全性、使用率和價值，建立科學的管理流程和監測體系，促進企業數據治理發展和數字化轉型，同時全面提升數據資產的價值。

1.做好數據資產價值最大化頂層設計

確定數據資產價值最大化的具體方案和目標，從頂層到底層、從宏觀到微觀，開展數據摸排檢查，找到有價值的數據源以及數據的業務應用場景;建立數據治理的標準化和規范化流程，解決數據質量問題，根據數據資產估值方法進行數據分層歸類和分級劃分，明確需要哪些數據信息進行數據資產估值和入表，并聯合大數據中心制定具體方案和管理辦法。

2.設計數據資產管理體系和流程

建立完整的數據資產管理體系，根據業務和場景進行更新，隨時做好數據分類、標注、歸檔等更新流程;確保數據資產的統一命名、標識和管理，以便更好地跟蹤和使用數據。

3.建立數據資產價值評估機制

制定數據資產價值的評估方法和指標體系，定期對數據資產進行評估?？筛鶕u估結果，發現數據治理的問題和不足，例如，數據的質量和準確性有待提升、數據可訪問性和可發現性有待提高、數據的分析和挖掘能力有待增強、數據信息不足等;可對數據治理定期開展指導和評估，對估值較低的數據開展分析，其目標是提升估值較低的數據資產的價值。

4.實施數據資產績效和監測

建立數據資產績效評估和監測機制，通過指標和報告的形式評估數據資產的價值，及時反映數據治理問題，對數據治理問題進行整改;定期監測數據的使用情況和價值變化，根據估值結果提出相應建議，及時調整和改進數據治理策略。

5.建立數據資產共享機制

鼓勵跨部門的數據共享和協作，提高數據的可訪問性和可重復利用性，為數據使用創造更多業務場景、形成更多創新產品，提升數據資產的現金流;制定數據共享政策和規則，確保數據的安全性和合規性，通過數據資產的協同使用提升數據資產的價值。

六、數據資產的價值前景

1.數據資產本身具有市場價值

數據資產包括客戶數據資產、銷售數據資產、市場數據資產等，對企業的商業價值、市場地位、競爭力和未來發展潛力都具有重要的影響。通過將數據資產納入企業的資產負債表中，使其產生市場價值，增加企業的總資產，提升企業股票價格，降低企業融資成本，為企業股東創造更多投資收益;通過將數據資產納入企業的財務報表中，能夠更好地體現企業的資產價值，為企業的估值和投資決策提供參考依據。良好的數據資產可以提供準確、及時和全面的信息，幫助企業管理層做出更好的財務決策。例如，數據資產可以提供銷售趨勢、客戶需求、成本分析等關鍵數據，使管理層能夠更好地理解企業的財務狀況和業務運營情況，從而做出更明智的決策。

2.數據資產可以給銀行創造更多業務價值

當前，銀行業重點發展科創金融、普惠金融等新型業務，大量科技型、創新型、中小微、“三農”等企業缺少土地、勞動力、資本、技術等生產要素，但擁有可觀的數據資產。如何利用好這些數據資產開展銀行業務，創新銀行產品，做好數據風控，成為銀行業新的競爭點?？苿摻鹑诤推栈萁鹑谑倾y行業大力發展的新方向，推動新型“科技—產業—金融”盈利模式替代原有“土地—房地產—金融”盈利模式，是“數據資產金融”替代“傳統資產金融”的新場景。數據在科創金融和普惠金融體系下扮演著核心角色，使用數據資產價值來衡量科創企業和普惠企業的價值成為新的授信抓手，使用數據資產價值服務評估科創企業和普惠企業成為下一步的應用落地方向。銀行業可開發“科創企業全生命周期數據資產投貸管理系統”和“普惠企業全生命周期數據資產投貸管理系統”，通過分析企業數據要素形成企業數據資產，根據企業數據資產價值判斷企業價值和預測未來價值，從而提升金融服務科創企業和普惠企業的能力。

責任編輯：王煊