数据资产基础研究之概念界定与核心要素解析

在数字化浪潮的推动下，数据的价值日益凸显，它不仅是企业决策的依据，更是创新和发展的驱动力。数据资产，作为企业无形资产的重要组成部分，其重要性已经不亚于传统的物质资产。然而，数据资产的潜力往往被忽视或未能充分挖掘，这在很大程度上是因为对数据、数据资源和数据产品等基础概念的理解不够深入。本文将深入探讨数据、数据资源和数据产品的定义，明确它们的概念边界，分析它们之间的内在联系和本质差异。通过对这些基础概念的清晰界定，本文旨在为企业提供一个理论框架，帮助企业更好地理解和管理数据资产。
一、数 据
(一）基础概念剖析
根据《中华人民共和国数据安全法》第三条规定，“本法所称数据，是指任何以电子或者其他方式对信息的记录。”可以看出，数据是信息的原始形式，是未经加工的事实和数字的集合。它可以是任何形式的记录，包括文本、数字、图像、声音等。信息可以分为原有信息和再生信息。“原有信息”是形成再生信息的原材料。原有信息是指尽管数据要素经加工后存在具有场景运用性的主题，但是没有形成新的信息，交易后所利用的仍是数据要素原承载的内容。“再生信息”是基于一定的目的对原有信息进行分析处理后产生的新的信息。尽管再生信息基于原信息产生，但交易后并非直接利用原有信息。如营销公司售卖的最佳广告投放时段这一数据服务，基于用户数据这一原有信息产生，但交易并利用的是“投放时段”这一再生信息。[1]

而数据本身没有意义，需要通过分析和解释才能转化为有用的信息。数据是信息的表现形式，换言之，数据与信息是载体与内容间的关系。其主要具有以下两方面特性：
（1）客观性。数据是对信息的直接记录，不包含主观解释。
（2）多样性。数据可以是结构化的，如数据库中的表格数据，也可以是非结构化的，如文本、图片等。
（二）合规视角解读
企业要将数据转化为自身所拥有的资产，原始数据的来源合法性即成为关键。生产者通过授权或收集等方式获取原始数据，从而使该数据成为法律上可交易和可流通利用的合法数据。相反，利用非法手段收集和控制的数据，即使被数据处理者控制，但因缺乏合法性基础而非受法律保护之权利客体，其上所成立的权利也因客体的非法性而不能成立。而要确保原始数据来源合法，首先，生产者可以通过与数据所有者签订授权协议来获取数据的使用权，明确指出数据的使用范围、目的和期限。双方必须严格遵守协议中的条款，确保数据使用的合法性和透明性。其次，对于已经公开的数据，生产者可以在不侵犯他人合法权益的前提下进行收集。然而，即使是公开数据，生产者也必须遵守相关的法律法规。例如，不得侵犯个人隐私或商业秘密，这要求生产者在收集过程中保持高度的法律意识和伦理标准。此外，生产者必须遵循《个人信息保护法》等相关法律法规，确保个人数据的收集符合数据主体的知情同意原则。最后，生产者应对数据来源进行严格审查，确保数据来源的合法性。这包括避免使用非法渠道或手段获取数据，防止因数据来源问题导致的法律风险。

二、数据资源
(一）基础概念剖析
数据资源是经过一定程度的组织和处理，能够为特定目的服务的数据集合。它不仅仅是原始数据的简单堆砌，而是通过分类、整理和存储，使其能够被有效利用。其具有两方面特征：第一，组织性。数据资源具有明确的结构和分类，便于检索和使用。第二，可用性。数据资源可以直接或间接地支持决策和业务流程。
而根据数据的来源不同，可将数据资源具体细分为三种不同类型：
（1）公共数据资源。根据《四川省数据条例》第十条第二款规定：“本条例所称公共数据，是指国家机关和法律法规授权的具有管理公共事务职能的组织（以下统称政务部门）为履行法定职责收集、产生的政务数据，以及医疗、教育、供水、供电、供气、通信、文化旅游、体育、交通运输、环境保护等公共企业事业单位（以下统称公共服务组织）在提供公共服务过程中收集、产生的涉及公共利益的公共服务数据。”可知公共数据资源的数据主要来源于政府或公共机构在履行职责或提供服务过程中。[2]这类数据通常具有公共属性，可以支撑公共服务主体的公共管理活动和决策行为，同时也可以为社会提供公共可重用的数据资源，成为重要的数据要素供给来源。公共数据的开发利用对提升公共治理与服务水平、发展壮大数字经济具有重要意义。
（2）企业数据资源。其来源于企业在生产、经营、管理过程中生成并控制的业务数据。企业数据一般被企业所实际管理、控制，使用中往往被公开，因此不完全属于商业秘密范畴。企业可利用内部数据同时融合外部数据进行计算分析，支撑企业智能决策，促进创新，具有明显的经济价值。
（3）个人数据资源。《中华人民共和国个人信息保护法》第四条指出：“个人信息是以电子或者其他方式记录的与已识别或者可识别的自然人有关的各种信息，不包括匿名化处理后的信息。”可知，此类数据集合中的数据是与已识别或可识别的自然人有关的各种信息，包括姓名、身份证、指纹、面部信息、数字ID等识别符，以及通过结合分析或关联分析可以指向特定自然人的信息。个人信息上承载着人格权益和个人信息权益，保障这些权益不受侵害是一切数据利用行为的前提。

（二）合规视角解读
对于企业而言，原始数据本身所蕴含的价值并不显著。关键在于如何根据企业自身的经营和生产需求，深入挖掘数据作为生产要素的潜力。通过系统地对原始数据进行分类、整理和加工等处理，可以极大地提升数据的价值，实现其保值和增值。这样，企业的数据资源才能真正转化为实实在在的物质财富，并转化为市场上的竞争优势。[3]在此过程中，则涉及企业的数据资源持有权及数据加工使用权确权问题。要确认企业享有对数据资源的相关权益，基于企业数据来源合法的前提，目前常见的确权方式主要为数据产权登记。通过向相关机构提交登记申请，经审查通过并公告无异议后，即可获取数据产权的相关证明。登记和公示数据持有权的主体与客体、数据利用权的授权来源与权限，能够有效避免并行持有引发的数据流通和利用失控风险。目前北京、深圳等地均陆续出台了数据产权登记的相关政策规定，明确了数据产权登记的定义和适用范围，规定了登记机构的职能和登记技术，并对登记行为及其具体程序进行了详细规定。
三、数据产品
(一）基础概念剖析
数据产品是网络运营者通过合法手段获取原始数据后，对原始数据采用一定的算法，经过深度的分析过滤、提炼整合及脱敏处理为数据资源，继而将数据资源进一步加工、整合和封装，形成可以直接或间接为用户创造价值，具有技术可行性的衍生数据，作为一种商品或服务。[4]其具备功能性及创新性两方面特点，即数据产品融合了最新的技术和方法，且具有明确的功能，能够解决特定的问题或需求。数据产品通常具有明确的功能和用途，能够满足特定的市场需求，是数据要素的终极价值形态。应当看到，即使是以个人、其他企业、公共原始数据、数据集合得到的数据产品，此时，数据形态和内容也已经实现质变，数据之上的人格属性被完全抹除，只呈现出企业数据财产利益的单一样态。[5]如在个人征信领域，相关机构或企业可能就个人在相关平台上的行为或活动的特征性内容（数据画像）等进行交易。
（二）合规视角解读
数据产品作为数据的最终加工完成形态，其经营、流通能够给企业带来直接的经济价值，但与此同时，虽企业在经营相关数据产品时，亦应确认自身数据产品合规：首先应确保数据产品内容合规，不包含违法违规信息，如诽谤、色情、暴力等；其次对于数据产品的处理逻辑和决策过程，应提供足够的透明度和可解释性，尤其是自动化决策系统。此外，还应定期合规审计和风险评估，确保数据产品经营活动持续符合法律法规要求。
四、典型案例
在数字化的浪潮中，数据、数据资源和数据产品构成了一个密不可分的生态链，它们之间的联系错综复杂，但又各自独具特色。简而言之，数据是这一切的基石，是构筑数据资源和数据产品的原材料。原始数据记录着最基础的事实和信息，数据资源则是对这些原始数据进行系统化整理和分类后的产物，它们是数据产品开发的原材料，为进一步的加工和应用提供了可能。而数据产品，则是在这个基础上，通过深度的分析、加工和创新，形成的具有特定功能和应用价值的终端商品或服务。它们是数据要素经过层层提炼和转化后的终极形态，旨在直接或间接地为用户创造价值，满足市场需求。
为了深入理解这些概念的内涵和它们之间的微妙关系，我们可以通过一系列案例分析，展示数据如何从原始记录一步步演化，最终转化为能够解决实际问题、推动社会发展的数据产品。通过这样的分析，我们不仅能够洞察数据资产的潜在价值，还能够探索如何更有效地管理和利用这些宝贵的资源。
（一）零售业的数据资产
在零售业中，原始的销售数据（数据）经过整理和分类（数据资源），可以形成顾客购买行为分析报告。这些报告可以进一步开发成顾客洞察服务（数据产品），帮助零售商更好地了解顾客需求，优化库存和营销策略。
（1）亚马逊：亚马逊使用大数据技术来支持其推荐引擎，这个引擎基于客户的浏览和购买历史来预测他们可能感兴趣的商品。亚马逊的推荐引擎创造了其销售额的35%。[6]
（2）星巴克：星巴克通过推出“星享俱乐部”会员计划，鼓励用户注册并绑定移动应用。利用移动应用平台，星巴克整合和分析会员消费数据，根据用户的喜好推送定制化优惠和服务。[7]
（3）Asos：时装零售商Asos推出了服装扫描选项和推荐引擎，允许客户扫描他们喜欢的衣服，并得到类似选项的建议。Asos还引入了一项功能，为客户扫描的商品找到更合适的商品，这帮助公司在疫情期间实现了收入增长。[8]

（二）金融业的风险管理
在金融业，交易记录（数据）被收集和存储（数据资源），通过风险评估模型进行分析，形成风险评估报告（数据产品）。这些报告可以帮助金融机构评估和管理信贷风险，做出更明智的投资决策。如工商银行利用大数据技术建立了交易实时反欺诈项目。该项目依托于先进的大数据技术，通过“云平台”收集和整合了海量的客户信息、账户信息和交易记录。[9]这些数据不仅涵盖了客户的基本信息，还包括了交易的时间、金额、频率等关键信息，为反欺诈模型提供了丰富的训练材料。在机器学习技术的助力下，工商银行的研发团队构建了一系列精准的人工智能交易反欺诈模型。这些模型运用了包括神经网络、梯度提升决策树（GBDT）、随机森林等在内的多种算法，通过对历史交易数据的学习，能够自动识别出异常交易模式，实时预警潜在的欺诈风险。这种基于数据驱动的反欺诈模型，不仅大大提高了金融机构对欺诈行为的识别能力，还有效降低了因欺诈交易带来的经济损失。同时，它也为金融机构提供了更为智能化、自动化的风险管理工具，使得风险控制更加高效、精准。

数据、数据资源和数据产品构成了数据价值链的三个关键环节，它们之间紧密相连但又各具特色。数据作为基础，记录了原始信息；数据资源则是对数据进行组织和分类后形成的集合，它们是数据产品的原材料；而数据产品则是在数据资源的基础上，通过进一步加工和开发，形成的具有特定功能的最终商品或服务。从上述案例可以看到数据如何被转化为有用的信息和工具，帮助企业更好地理解客户需求、优化服务和提高运营效率。通过数据的深度挖掘和智能分析，企业能够开发出具有高附加值的数据产品，实现数据资产的商业化和价值最大化。
结 语
通过对数据、数据资源和数据产品的深入分析，我们可以清晰地看到它们在企业数据资产管理中的重要性。明确这些概念不仅有助于企业更好地识别和分类数据资产，而且能够指导企业如何有效地管理和评估这些资产，从而在竞争激烈的市场中获得优势。数据资产的有效管理和应用对于企业至关重要。企业需要对数据资产的概念有清晰的认识，通过数据的合理组织、分析和产品化，实现数据价值的最大化。同时，企业在利用数据资产的过程中，还需注意数据安全和隐私保护，确保数据利用行为合法合规。随着技术的发展和市场的变化，数据资产的管理和应用将持续演进，成为企业持续创新和增长的动力源泉。
参考资料
[1] 王艳丽,王沁冉.数据概念的体系性建构[J].经济问题,2024,(07):38-48.
[2] 中华人民共和国国家发展和改革委员会,高富平,构建数据分类分级确权授权机制，https://www.ndrc.gov.cn/xxgk/jd/jd/202212/t20221219_1343664.html
[3] 冯晓青.数据产权法律构造论[J].政法论丛,2024,(01):120-136.
[4] 杨帆,李奇泽.产权分置视角下企业数据确权制度的规范构造[J].长江论坛,2024,(03):85-96.
[5] 姚佳.数据要素市场化的法律制度配置[J].郑州大学学报(哲学社会科学版),2022,55(06):43-50.
[6] 199it中文互联网数据资讯网,亚马逊如何利用大数据练就“读心术”？https://www.199it.com/archives/515386.html.
[7] 新快网,75%销售额来自会员,星巴克宣布升级星享俱乐部会员体系，https://www.xkb.com.cn/articleDetail/321067.
[8] 51cto,大数据在零售业的主要优势及四个真实的应用案例，https://www.51cto.com/article/682334.html.
[9] 腾讯网,工商银行：构筑智能反诈“防护墙”为客户避免超百亿损失，https://new.qq.com/rain/a/20220803A059FC00