引言
随着国家多个政策相继出台，明确将数据与土地、资本、技术、劳动并列为五大生产要素，数据将成社会发展和技术进步的重要标志。国家政策明确要求，我国需加快培育发展数据要素市场，完善数据权属界定、开放共享、交易流通等标准和措施，发挥社会数据资源价值。
数据交易在数字经济时代被赋予了新的使命，而要培育数据要素市场化，数据交易将是重中之重。在此背景下，各地政府相继陆续出台了多个政策，鼓励和支持数据交易所、数据交易中心的建设（本文暂以数据交易平台作为统称表述）。但截止目前，国家层面尚无统一正式的数据交易规则，数据确权、定价、估值等疑难问题仍是困扰各方的难题，而各数据交易平台也不断在探索新的数据交易规则，如贵阳大数据交易所近期发布了全国首套数据交易规则体系系列性文件，探索解决数据交易确权难、定价难、估值难等问题。
但，据笔者对目前数据交易市场的实践与观察发现，数据交易市场除了面临的确权、估值定价等难题之外，还存在如下问题：
其一，除了一些经常关注数据交易的市场主体知道数据交易流通的意义外，仍然有太多高价值数据的主体，对数据交易流通仍抱着不知、不敢、不想的态度。甚至多数具有千万级别用户的企业负责人，在谈到数据交易流通时，思维还停留在“个人信息买卖”的层面上，这不得不让我们思考，数据要素流通的市场培育也要着眼于“接地气”，让更多的主体参与进来。
其二，有一些民间的数据交易平台，尚无成熟的数据交易体系建设，对数据交易三方存在较大法律风险隐患。甚至数据交易市场仍大量存在供需双方直接私下场外交易，而不通过其他第三方平台，目前此种方式反而可能是数据交易市场占比最大的，但同时也是法律风险的重灾区。因为这样的交易，往往除了因为数据交易协议约定不明导致的民事纠纷外，还会伴随着违规处理个人信息带来的刑事责任风险，尤其是在《网络安全法》《数据安全法》《个人信息保护法》三大法生效后。
所以，数据交易流通的市场培育，需要各方参与推动，要让更多的市场主体参与进来。数据要素流通的目的是要促进社会经济发展，如何让更多的市场主体了解数据交易、了解数据资产的建设以及如何合法合规的进行数据交易，是笔者撰写本文的初衷。目前许多潜在市场主体多数仍持观望态度，需要有更多的宣传与普及，同时也需要国家与地方相关的系列配套政策出台与落地。
另一方面，对于数据交易的合规建设，笔者团队也曾参与过几个交易平台前期的规范搭建，了解到各大交易平台目前基本都已建立了自己的体系规则，有较为完整的数据交易全流程体系。如数据供需双方有需求，联系到数据交易平台，也会有工作人员全程指引进行进行后续操作，包括数据产品及服务的合规审查，也由交易平台一并完成。但目前，即使各个官方交易平台已经构建了比较完善的交易系统及交易规则，很大程度上保障了供需双方交易的合规及安全，但是数据资产要进入数据交易流通，前提是数据合规，否则平台不可能，也无法在后期帮助交易主体将违规数据“洗白”，所以在进入数据交易前的合规建设是企业数据流通的前提。
本文分为上下两篇，上篇主要是通过从技术层面简要介绍企业数据资产建设的大体框架，下篇主要从企业数据资产拟进入交易流通前需要进行哪些合规建设，以符合交易流通的条件。
企业如何建立自己的数据资产
一、 什么是数据资产？
数据资产是指由个人或企业拥有或者控制的，能够为企业带来未来经济利益的，以物理或电子的方式记录的数据资源。目前地方与国家层面也正在积极探索和推进相关政策制度，数据资产将可能在会计制度下成为一项法定资产，能够进入企业会计账户，进入企业资产负债表，数据将可能会从企业的成本项转移到资产项，并且这些数据将会被被量化和估值。也就是说，企业现在收集的这些数据，通过数据资产建设，形成一项法定资产，增加企业估值、获得金融机构授信、并且可以像其他固定资产可进行交易。
二、 数据资产建设框架思路
（一）数据资产的建设，需有科学合理的组织管理体系和各项标准规范制度
讨论如何建立企业数据资产前，无论是国企还是民营企业，如有形成企业数据资产的考虑，需要意识到，数据资产的建设一定不仅仅只是IT部门或业务部门的事情，而是整个企业多个部门的配合协同，尤其是企业负责人需是这个项目的牵头人。因为相关数据资源的调动，各部门负责人的数据访问权限，数据治理需要投入的人力物力，各部门的重视程度以及落地执行，只有在企业负责人重视的情况下各部门也才会快速推进落实，形成一个战略性的布局。甚至，如有计划推进数据资产建设的企业，企业负责人还有必要建立KPI机制，激励各部门的积极性。一个科学合理的组织架构除了能够最大价值的挖掘数据价值外，同时是企业实现数字化、信息化转型的前提，更是数据安全与合规的必然要求，尤其是对于国有企业来说。下图为团队曾为某大型国有企业构建数据安全组织架构可以作为参考：
值得一提的是：上图虽是从数据安全角度搭建的组织体系，但是在企业信息化组织体系建设上，稍加改动同样也可以适用。上述职能部门，并非是要求企业将原来的部门职能重新调整或新设立多个部门，条件暂未具备的企业也可以在原有部门基础增加其职能，以小组的形式来明确相关职能。通过制度建立各部门间的协同，使数据汇集、调用、运营能够形成一体化管理，为数据资产运营提供良好运行机制。
另外，数据管理的各项制度规范，是保障企业数据实现数据资产化的基础。举个简单例子：很多企业有大量excel表格数据，但这些表格数据散落在各个部门中，也没有被录入系统，部门员工离职后还可能直接带走。当然，类似的表格数据除了制度要求统一外，由于这样的纸质版的材料数据指标口径、报表格式不统一，还有错别字等问题，每份表格录入系统确实也是个难题。而通过制度要求以及智能化系统协助（如采用智能数据填报工具），才能规范数据管理。
（二）对数据享有法定权利是企业数据资产建设的基础
企业主体对哪些数据享有何种权利？数据变成一种企业的资产后，可以想象把它视为一种商品，而作为商品，前提一定是你得对该商品享有某种的法定权利，也就是说，这个商品是属于你的，或者你有权利处分该商品。实际上，说到这个，还是又回到了“数据确权”这个大难题上。之所以难，是因为目前我国，甚至世界尚未有统一的数据权属的法律规定。到底哪些数据，哪些主体，拥有什么样的具体权利？
比如，汽车行驶分析设备，数据由车主产生，但是却不由车主享有，而是由汽车服务商享有或服务商与该设备制造商共同享有，到底谁才是这些数据的权利人？并非是立法者看不到相关问题，对于数据权属的立法实际上也不是什么难题。而是到底各数据主体该分配什么样的权利，权利切割过于细化后会不会反而阻碍了数据的流通加剧信息孤岛现象，如何才能即保护数据主体的权利又不会限制数据流通，这需要“让子弹飞一会”才能有答案。
目前可以确定的是，在《民法典》《个人信息保护法》中，是明确了数据财产权的概念，但前提是要合法拥有这些数据。再者，2022年6月22日，中央全面深化改革委员会第二十六次会议审议通过了《关于构建数据基础制度更好发挥数据要素作用的意见》（下称意见）明确了，建立数据资源持有权、数据加工使用权、数据产品经营权等分置的产权运行机制，健全数据要素权益保护制度。目前，暂未有正式出台的对于持有权、使用权、产品经营权的官方详细文件指引。但是至少，对数据拥有者和数据控制者的基础权利有了政策依据。举个例子，比如上述提到的汽车行驶分析设备，汽车服务商在收集到车辆相关行驶数据后，通过加工分析，形成数据产品，此时汽车服务商对于该数据产品合法、有权进行处置并享有收益权。（引发一则思考的题外话：车主本身的劳动对行驶数据亦有贡献，是否享有数据产品产生收益的财产权利？）
（三）企业如何证明自己是合法持有这些数据？
巧的是，在笔者撰写本文时，浙江省市场监督管理局恰好于近日发布了《数据资产确认工作指南》地方标准。对于该标准的发布，提出了从会计角度上认可数据资产，这将会极大的数据资产交易流通。该《指南》还明确了，相关的数据权益登记部门可以数据资产权属进行登记（虽目前暂未明确数据权益登记的具体部门，但是相信很快会有答案），并要求数据主体对于数据资源是合法拥有或控制的。再结合6月22日中央通过的《意见》，对于数据持有权的明确，数据权属问题将会变得越来越明晰。
在此之前，笔者结合实务经验，对于企业如何对数据合法拥有和控制建议如下：
其一、企业自身数据以及收集的非个人信息数据。如销售数据、财务数据、通过收集公开数据、通过传感器收集的数据。对于这些数据的合法拥有和控制的证明，建议企业通过存证方式进行，就好比，自己盖楼，保存购买建筑材料的相关凭证，用以在转让时向买方证明房屋价值、用以发生不动产纠纷时向法院证明房屋权属。至于存证的方式多种多样，以收集公开数据为例（通常所说的爬虫），在使用爬虫技术前，可以使用成本最低的电子存证方式，如“时间戳”等，证明在使用爬虫技术时，该网站并未设置反爬虫技术措施，也不违反robots.txt里的禁止爬取范围，并对收集后的数据打上标签，便于数据溯源。通过存证的形式保存相关数据来源合法的路径，以达到在不同场合证明合法拥有和控制数据。
其二、企业收集包含个人信息的数据。我们以企业通过互联网方式收集的个人信息为例，一般企业在进行数据收集时，会通过隐私政策、用户协议、知情告知同意书进而合法收集个人信息，并进行加工分析构成数据资产。这里有几个问题，企业需要注意：用户通过点击隐私政策的确认，为了保存用户同意记录，需要在服务器后台留存用户的同意的痕迹。但是据笔者了解，并不是每个企业均能做到用户点击确认后，均能在后台自动生成，用户同意的是哪个版本的告知书或隐私政策的记录，仅是在服务器后台形成了用户确认与否的选项记录。而这个却是最为关键的，因为《个人信息保护法》要求对于个人信息的处理需要告知用户，如若发生纠纷或用以数据权属登记，则可能导致无法取证，所以企业需要重视该问题。
其三，也是很多企业常常容易忽略的，如果收集的数据中包含着个人敏感信息，就需要满足“一事一同意”原则。但是很多企业通常会通过隐私政策或用户协议的概括授权，直接对个人敏感信息处理，这属于违规处理个人信息，所以根本无法谈得上“合法拥有控制数据”也无从谈起数据权属。所以涉及到个人敏感信息的收集时，要遵循知情+同意+授权原则，此外还应当注意与服务器存储规则的协同。
（四）通过科学有效的数据治理，将数据资源转化为数据资产
并非所有的数据都是数据资源，并非所有的数据资源都能成为数据资产，这应当已经成为了数据资产的普遍共识。在一个企业内部，每个部门都可能会产生大量的数据，比如运营部门产生运营数据、各业务部门对外收集的数据、财务部门的经营数据，这些数据哪些是有价值的？该汇总到哪个部门？又如何调动？如何运营？如何流通？在一些较大企业中，还存在一个企业同时拥有多个业务系统，而这些业务系统大多数都是异构系统，很难实现数据的互联互通。这就需要企业通过有效的数据治理手段，才能使数据融合、释放数据价值，形成数据资产。
目前，多数企业会直接购买数据管理系统，以满足自身的业务需求，但是仅仅只是依靠系统进行数据处理，到最后还是回到多个业务系统堆叠的问题。一些规模较大的集团企业，或是想完全实现数字化转型的企业，则可能需要通过数据基础设施的建设，搭建数据处理平台解决。
通常，数据基础设施建设分为三个层面，即第一层为数据支撑层、第二层为数据管理层、第三层为数据资产流通交易层（也可叫数据资产层）。由于数据基建是个系统工程，并非三言两语即可说清楚，本文仅是简要介绍。
（1）数据支撑层
其核心技术主要是包括资源供给及资源调度两方面。也就是说，计算、网络、存储资源这三个资源池构成了数据支撑层的基础资源，实现上层供给和调度的基础。三个资源池的建设，包含了使用什么样的设施设备，使用何种技术手段作为基础资源池的输出和上层资源池的供给。例如，企业该采用何种处理器作为计算硬件，选择通用处理器CPU、专用处理器GPU或人工智能芯片，取决于企业的算力需求，以及成本考虑；选择什么样的计算模式，并行计算还是分布式计算，目前主流是采用云计算的技术。云计算方式是融合了并行计算、分布式计算以及存储的新型计算技术，基本可以解决企业数据查询、分析、挖掘等方面的需求。采用高速以太网、5G通信技术等网络资源为上层数据层提供稳定的数据资源调度；并通过使用NAS、DAS等存储技术实现企业的多样性融合存储。搭建好数据基础支撑，能够源源不断的为上层提供稳定、高效的资源，便可通过建设数据管理层实现数据管理。
（2）数据管理层
数据管理层主要解决数据全生命周期的安全与管理，是实现数据资源到数据资产化的重要阶段。该层主要是通过数据治理技术工具，如数据目录、元数据、主数据管理、数据质量管理，以及身份认证、权限管理等实现对数据的治理，发现并释放数据价值。目前多数企业以直接采购数据管理平台方服务实现数据管理，实践中，了解到部分企业实际上目前在数据管理过程中面临的一大难题就如上文所述，多个系统之间由于数据异构，多个接口不能互通或者互通成本很大。所以建议企业如要通过平台实现数据管理时，在前期就需要重视平台的数据标准统一，否则后期将可能是无线循坏的增设各种接口填坑，极大增加企业成本。对于数据管理的技术，比如数据目录的编制、构建元数据模型、数据集成与互操作等，篇幅有限，本文将不再展开介绍。采用合理有效的数据管理手段是企业实现数据融合、数据协同的需求，也是为上层即数据资产层提供支撑的必然过程。
（3）数据资产层
也叫数据流通层或数据应用层，数据资资产层的建设包括了数据融合、数据运营、数据流通的建设。通过有效的数据管理，使数据高质量的汇聚，剔除无用数据，并对数据的加工分析形成数据产品或数据服务，使之进入市场流通。值得一提的是，数据分类分级是是构建数据资产层重要的技术之一，也是企业的合规重点之一。即通过数据分类分级，发现数据采集的过程是否满足法律要求，是否属于合法的持有数据，也是数据资源到数据资产转化的重要抓手。
数据分类分级的意义还在于，让你知道企业到底有哪些数据，哪些是敏感数据、重要数据，这些数据该分别采用何种保护措施，以及他们都存储在什么位置，哪些人有权限可以访问哪些数据。有效合理的分类分级，能够使企业在业务调用数据时，快速检索相关数据。发现数据安全管理漏洞，挖掘数据潜在价值，满足监管需求。
常用的数据分类分级方法为，先确定数据分类维度，即，根据企业经营维度、行业领域维度、个人信息维度等（目前，国家层面也发布了多个行业的分类分级标准指南可以参照），并根据这些信息如被泄露、破坏可能导致的损害进行定级。再对数据资源进行分析、描述并记录为款目，形成数据资产目录，然后对数据源进行扫描，获取元数据，根据数据分类分级的模型对数据进行分类分级。目前，也有数据公司开发出了全自动化的数据分类分级技术，即通过自动化的规则设计，通过任务调度器执行自动化规则，生成自动化执行的结果。这确实会大大节省了人工成本，但是目前技术环境下，还处于技术探索阶段，需要人为干预才能达到精准执行。当然，数据分类分级仅是数据资产层的一种管理手段，该层的建设还包括数据汇聚、数据安全加工、数据标准管理、数据开发等。
（五）企业通过建设形成的数据资产值多少钱？
通过对数据基础设施的建设，使企业能够知道数据在哪里，怎么用？那接下来就是，这些通过治理形成的数据资产值多少钱？笔者简单粗暴的直接将数据资产估值定价表述为值多少钱，是为了更加突显数据本身的交换价值。实际上数据资产的估值定价，包含着数据资产本身的估值，以及数据产品的估值定价。如果企业建设的数据资产仅是用于自身业务价值的提升，未用于融资、授信、交易等用途，资产未能进入企业资产负债表时，实际上是不存在严格意义上的估值一说，因为估多少自己说了算。当然，对于仅以数据形态存在的数据资产（未形成流通的数据产品或数据服务）目前也有一些估值方法可以参考，大体为：通过对数据开发成本与对成本投入可能产生的回报，以及这些数据将来可能应用的业务场景，带来的业务增值进行一个估值。因此种形态下的数据资产估值较为复杂，篇幅有限不再展开。
而对于要进入流通领域的数据资产来说，目前由于没有法律对于估值、定价的规定，行业内对数据资产的估值结果缺乏普适性。一种方式是交易双方根据自身过往数据交易经验协议定价；一种方式是通过有配套规则体系的交易平台，使用科学合理的评估公式进行估值，使交易双方更能接受资产的估值与定价。
常用的评估方法为：成本法、收益法、市场法。成本法即，加工形成该数据产品所耗费的一切成本；收益法即，产品投入后预期产生的经济价值；市场法即，根据过往形成的相类似的已成交的产品进行估值。当然，这三种方法并非非此即彼的关系，通常可以在具体交易场景中，根据数据产品类型结合使用。之所以鼓励企业数据交易在场内（交易平台）进行，就是由于这些算法及估值程序，交易平台基于中立第三方的角色，会通过科学方式协助双方进行进行估值定价，更能使双方信赖，促成交易。
三、小结
数据基础设施的建设，是企业数据资产化建设，以及数据资产交易流通的必然要求。如上文所述，数据基建是一项系统性工程，需要企业高层有数字化转型的战略布局，各个部门能够高度协同，使数据在内部有效流转，并提前设计数据权属路径，通过有效的数据治理手段将挖掘有价值数据，通过加工、运营形成数据产品或数据服务并通过合理的价值评估体系，对数据资产进行估值定价后，进入交易流通。
目前其他行业对于数据资产的语境，更多还是从数据对企业本身业务价值上来讨论的。即，通过对数据资源的建设，形成对企业业务产生价值的一种以数据形态存在的资产。但实际上，在数据资产还未进入资产负债表、还未从会计角度形成数据资产估值、定价的统一标准时，都还算不上严格意义上的资产。目前，国家到地方各行业都在探索数据资产的估值、定价问题，这些难题迟早会被攻克。在此之前，企业数据资产要想估值、定价，可通过已经建立数据资产估值、定价规则体系的交易平台，由平台协助完成估值、定价后进入流通。
笔者花了很大篇幅，也仅仅只是介绍了数据资产建设及交易流通的冰山一角。但在实践中，数据资产的建设远要复杂的多，本篇主要是从技术的角度简要介绍了数据资产建设的大体框架，以期抛砖引玉，供大家交流探讨。对于数据资产建设，除了技术要求外，法律合规要求也贯穿了整个数据资产建设的全生命周期，可以说，对于数据交易流通来说，数据的合规是保障数据资产合法流通的前提。下篇，笔者将从法律的视角，探讨数据交易流通前的合规建设，敬请关注。
随着国家多个政策相继出台，明确将数据与土地、资本、技术、劳动并列为五大生产要素，数据将成社会发展和技术进步的重要标志。国家政策明确要求，我国需加快培育发展数据要素市场，完善数据权属界定、开放共享、交易流通等标准和措施，发挥社会数据资源价值。
数据交易在数字经济时代被赋予了新的使命，而要培育数据要素市场化，数据交易将是重中之重。在此背景下，各地政府相继陆续出台了多个政策，鼓励和支持数据交易所、数据交易中心的建设（本文暂以数据交易平台作为统称表述）。但截止目前，国家层面尚无统一正式的数据交易规则，数据确权、定价、估值等疑难问题仍是困扰各方的难题，而各数据交易平台也不断在探索新的数据交易规则，如贵阳大数据交易所近期发布了全国首套数据交易规则体系系列性文件，探索解决数据交易确权难、定价难、估值难等问题。
但，据笔者对目前数据交易市场的实践与观察发现，数据交易市场除了面临的确权、估值定价等难题之外，还存在如下问题：
其一，除了一些经常关注数据交易的市场主体知道数据交易流通的意义外，仍然有太多高价值数据的主体，对数据交易流通仍抱着不知、不敢、不想的态度。甚至多数具有千万级别用户的企业负责人，在谈到数据交易流通时，思维还停留在“个人信息买卖”的层面上，这不得不让我们思考，数据要素流通的市场培育也要着眼于“接地气”，让更多的主体参与进来。
其二，有一些民间的数据交易平台，尚无成熟的数据交易体系建设，对数据交易三方存在较大法律风险隐患。甚至数据交易市场仍大量存在供需双方直接私下场外交易，而不通过其他第三方平台，目前此种方式反而可能是数据交易市场占比最大的，但同时也是法律风险的重灾区。因为这样的交易，往往除了因为数据交易协议约定不明导致的民事纠纷外，还会伴随着违规处理个人信息带来的刑事责任风险，尤其是在《网络安全法》《数据安全法》《个人信息保护法》三大法生效后。
所以，数据交易流通的市场培育，需要各方参与推动，要让更多的市场主体参与进来。数据要素流通的目的是要促进社会经济发展，如何让更多的市场主体了解数据交易、了解数据资产的建设以及如何合法合规的进行数据交易，是笔者撰写本文的初衷。目前许多潜在市场主体多数仍持观望态度，需要有更多的宣传与普及，同时也需要国家与地方相关的系列配套政策出台与落地。
另一方面，对于数据交易的合规建设，笔者团队也曾参与过几个交易平台前期的规范搭建，了解到各大交易平台目前基本都已建立了自己的体系规则，有较为完整的数据交易全流程体系。如数据供需双方有需求，联系到数据交易平台，也会有工作人员全程指引进行进行后续操作，包括数据产品及服务的合规审查，也由交易平台一并完成。但目前，即使各个官方交易平台已经构建了比较完善的交易系统及交易规则，很大程度上保障了供需双方交易的合规及安全，但是数据资产要进入数据交易流通，前提是数据合规，否则平台不可能，也无法在后期帮助交易主体将违规数据“洗白”，所以在进入数据交易前的合规建设是企业数据流通的前提。
本文分为上下两篇，上篇主要是通过从技术层面简要介绍企业数据资产建设的大体框架，下篇主要从企业数据资产拟进入交易流通前需要进行哪些合规建设，以符合交易流通的条件。
企业如何建立自己的数据资产
一、 什么是数据资产？
数据资产是指由个人或企业拥有或者控制的，能够为企业带来未来经济利益的，以物理或电子的方式记录的数据资源。目前地方与国家层面也正在积极探索和推进相关政策制度，数据资产将可能在会计制度下成为一项法定资产，能够进入企业会计账户，进入企业资产负债表，数据将可能会从企业的成本项转移到资产项，并且这些数据将会被被量化和估值。也就是说，企业现在收集的这些数据，通过数据资产建设，形成一项法定资产，增加企业估值、获得金融机构授信、并且可以像其他固定资产可进行交易。
二、 数据资产建设框架思路
（一）数据资产的建设，需有科学合理的组织管理体系和各项标准规范制度
讨论如何建立企业数据资产前，无论是国企还是民营企业，如有形成企业数据资产的考虑，需要意识到，数据资产的建设一定不仅仅只是IT部门或业务部门的事情，而是整个企业多个部门的配合协同，尤其是企业负责人需是这个项目的牵头人。因为相关数据资源的调动，各部门负责人的数据访问权限，数据治理需要投入的人力物力，各部门的重视程度以及落地执行，只有在企业负责人重视的情况下各部门也才会快速推进落实，形成一个战略性的布局。甚至，如有计划推进数据资产建设的企业，企业负责人还有必要建立KPI机制，激励各部门的积极性。一个科学合理的组织架构除了能够最大价值的挖掘数据价值外，同时是企业实现数字化、信息化转型的前提，更是数据安全与合规的必然要求，尤其是对于国有企业来说。下图为团队曾为某大型国有企业构建数据安全组织架构可以作为参考：
值得一提的是：上图虽是从数据安全角度搭建的组织体系，但是在企业信息化组织体系建设上，稍加改动同样也可以适用。上述职能部门，并非是要求企业将原来的部门职能重新调整或新设立多个部门，条件暂未具备的企业也可以在原有部门基础增加其职能，以小组的形式来明确相关职能。通过制度建立各部门间的协同，使数据汇集、调用、运营能够形成一体化管理，为数据资产运营提供良好运行机制。
另外，数据管理的各项制度规范，是保障企业数据实现数据资产化的基础。举个简单例子：很多企业有大量excel表格数据，但这些表格数据散落在各个部门中，也没有被录入系统，部门员工离职后还可能直接带走。当然，类似的表格数据除了制度要求统一外，由于这样的纸质版的材料数据指标口径、报表格式不统一，还有错别字等问题，每份表格录入系统确实也是个难题。而通过制度要求以及智能化系统协助（如采用智能数据填报工具），才能规范数据管理。
（二）对数据享有法定权利是企业数据资产建设的基础
企业主体对哪些数据享有何种权利？数据变成一种企业的资产后，可以想象把它视为一种商品，而作为商品，前提一定是你得对该商品享有某种的法定权利，也就是说，这个商品是属于你的，或者你有权利处分该商品。实际上，说到这个，还是又回到了“数据确权”这个大难题上。之所以难，是因为目前我国，甚至世界尚未有统一的数据权属的法律规定。到底哪些数据，哪些主体，拥有什么样的具体权利？
比如，汽车行驶分析设备，数据由车主产生，但是却不由车主享有，而是由汽车服务商享有或服务商与该设备制造商共同享有，到底谁才是这些数据的权利人？并非是立法者看不到相关问题，对于数据权属的立法实际上也不是什么难题。而是到底各数据主体该分配什么样的权利，权利切割过于细化后会不会反而阻碍了数据的流通加剧信息孤岛现象，如何才能即保护数据主体的权利又不会限制数据流通，这需要“让子弹飞一会”才能有答案。
目前可以确定的是，在《民法典》《个人信息保护法》中，是明确了数据财产权的概念，但前提是要合法拥有这些数据。再者，2022年6月22日，中央全面深化改革委员会第二十六次会议审议通过了《关于构建数据基础制度更好发挥数据要素作用的意见》（下称意见）明确了，建立数据资源持有权、数据加工使用权、数据产品经营权等分置的产权运行机制，健全数据要素权益保护制度。目前，暂未有正式出台的对于持有权、使用权、产品经营权的官方详细文件指引。但是至少，对数据拥有者和数据控制者的基础权利有了政策依据。举个例子，比如上述提到的汽车行驶分析设备，汽车服务商在收集到车辆相关行驶数据后，通过加工分析，形成数据产品，此时汽车服务商对于该数据产品合法、有权进行处置并享有收益权。（引发一则思考的题外话：车主本身的劳动对行驶数据亦有贡献，是否享有数据产品产生收益的财产权利？）
（三）企业如何证明自己是合法持有这些数据？
巧的是，在笔者撰写本文时，浙江省市场监督管理局恰好于近日发布了《数据资产确认工作指南》地方标准。对于该标准的发布，提出了从会计角度上认可数据资产，这将会极大的数据资产交易流通。该《指南》还明确了，相关的数据权益登记部门可以数据资产权属进行登记（虽目前暂未明确数据权益登记的具体部门，但是相信很快会有答案），并要求数据主体对于数据资源是合法拥有或控制的。再结合6月22日中央通过的《意见》，对于数据持有权的明确，数据权属问题将会变得越来越明晰。
在此之前，笔者结合实务经验，对于企业如何对数据合法拥有和控制建议如下：
其一、企业自身数据以及收集的非个人信息数据。如销售数据、财务数据、通过收集公开数据、通过传感器收集的数据。对于这些数据的合法拥有和控制的证明，建议企业通过存证方式进行，就好比，自己盖楼，保存购买建筑材料的相关凭证，用以在转让时向买方证明房屋价值、用以发生不动产纠纷时向法院证明房屋权属。至于存证的方式多种多样，以收集公开数据为例（通常所说的爬虫），在使用爬虫技术前，可以使用成本最低的电子存证方式，如“时间戳”等，证明在使用爬虫技术时，该网站并未设置反爬虫技术措施，也不违反robots.txt里的禁止爬取范围，并对收集后的数据打上标签，便于数据溯源。通过存证的形式保存相关数据来源合法的路径，以达到在不同场合证明合法拥有和控制数据。
其二、企业收集包含个人信息的数据。我们以企业通过互联网方式收集的个人信息为例，一般企业在进行数据收集时，会通过隐私政策、用户协议、知情告知同意书进而合法收集个人信息，并进行加工分析构成数据资产。这里有几个问题，企业需要注意：用户通过点击隐私政策的确认，为了保存用户同意记录，需要在服务器后台留存用户的同意的痕迹。但是据笔者了解，并不是每个企业均能做到用户点击确认后，均能在后台自动生成，用户同意的是哪个版本的告知书或隐私政策的记录，仅是在服务器后台形成了用户确认与否的选项记录。而这个却是最为关键的，因为《个人信息保护法》要求对于个人信息的处理需要告知用户，如若发生纠纷或用以数据权属登记，则可能导致无法取证，所以企业需要重视该问题。
其三，也是很多企业常常容易忽略的，如果收集的数据中包含着个人敏感信息，就需要满足“一事一同意”原则。但是很多企业通常会通过隐私政策或用户协议的概括授权，直接对个人敏感信息处理，这属于违规处理个人信息，所以根本无法谈得上“合法拥有控制数据”也无从谈起数据权属。所以涉及到个人敏感信息的收集时，要遵循知情+同意+授权原则，此外还应当注意与服务器存储规则的协同。
（四）通过科学有效的数据治理，将数据资源转化为数据资产
并非所有的数据都是数据资源，并非所有的数据资源都能成为数据资产，这应当已经成为了数据资产的普遍共识。在一个企业内部，每个部门都可能会产生大量的数据，比如运营部门产生运营数据、各业务部门对外收集的数据、财务部门的经营数据，这些数据哪些是有价值的？该汇总到哪个部门？又如何调动？如何运营？如何流通？在一些较大企业中，还存在一个企业同时拥有多个业务系统，而这些业务系统大多数都是异构系统，很难实现数据的互联互通。这就需要企业通过有效的数据治理手段，才能使数据融合、释放数据价值，形成数据资产。
目前，多数企业会直接购买数据管理系统，以满足自身的业务需求，但是仅仅只是依靠系统进行数据处理，到最后还是回到多个业务系统堆叠的问题。一些规模较大的集团企业，或是想完全实现数字化转型的企业，则可能需要通过数据基础设施的建设，搭建数据处理平台解决。
通常，数据基础设施建设分为三个层面，即第一层为数据支撑层、第二层为数据管理层、第三层为数据资产流通交易层（也可叫数据资产层）。由于数据基建是个系统工程，并非三言两语即可说清楚，本文仅是简要介绍。
（1）数据支撑层
其核心技术主要是包括资源供给及资源调度两方面。也就是说，计算、网络、存储资源这三个资源池构成了数据支撑层的基础资源，实现上层供给和调度的基础。三个资源池的建设，包含了使用什么样的设施设备，使用何种技术手段作为基础资源池的输出和上层资源池的供给。例如，企业该采用何种处理器作为计算硬件，选择通用处理器CPU、专用处理器GPU或人工智能芯片，取决于企业的算力需求，以及成本考虑；选择什么样的计算模式，并行计算还是分布式计算，目前主流是采用云计算的技术。云计算方式是融合了并行计算、分布式计算以及存储的新型计算技术，基本可以解决企业数据查询、分析、挖掘等方面的需求。采用高速以太网、5G通信技术等网络资源为上层数据层提供稳定的数据资源调度；并通过使用NAS、DAS等存储技术实现企业的多样性融合存储。搭建好数据基础支撑，能够源源不断的为上层提供稳定、高效的资源，便可通过建设数据管理层实现数据管理。
（2）数据管理层
数据管理层主要解决数据全生命周期的安全与管理，是实现数据资源到数据资产化的重要阶段。该层主要是通过数据治理技术工具，如数据目录、元数据、主数据管理、数据质量管理，以及身份认证、权限管理等实现对数据的治理，发现并释放数据价值。目前多数企业以直接采购数据管理平台方服务实现数据管理，实践中，了解到部分企业实际上目前在数据管理过程中面临的一大难题就如上文所述，多个系统之间由于数据异构，多个接口不能互通或者互通成本很大。所以建议企业如要通过平台实现数据管理时，在前期就需要重视平台的数据标准统一，否则后期将可能是无线循坏的增设各种接口填坑，极大增加企业成本。对于数据管理的技术，比如数据目录的编制、构建元数据模型、数据集成与互操作等，篇幅有限，本文将不再展开介绍。采用合理有效的数据管理手段是企业实现数据融合、数据协同的需求，也是为上层即数据资产层提供支撑的必然过程。
（3）数据资产层
也叫数据流通层或数据应用层，数据资资产层的建设包括了数据融合、数据运营、数据流通的建设。通过有效的数据管理，使数据高质量的汇聚，剔除无用数据，并对数据的加工分析形成数据产品或数据服务，使之进入市场流通。值得一提的是，数据分类分级是是构建数据资产层重要的技术之一，也是企业的合规重点之一。即通过数据分类分级，发现数据采集的过程是否满足法律要求，是否属于合法的持有数据，也是数据资源到数据资产转化的重要抓手。
数据分类分级的意义还在于，让你知道企业到底有哪些数据，哪些是敏感数据、重要数据，这些数据该分别采用何种保护措施，以及他们都存储在什么位置，哪些人有权限可以访问哪些数据。有效合理的分类分级，能够使企业在业务调用数据时，快速检索相关数据。发现数据安全管理漏洞，挖掘数据潜在价值，满足监管需求。
常用的数据分类分级方法为，先确定数据分类维度，即，根据企业经营维度、行业领域维度、个人信息维度等（目前，国家层面也发布了多个行业的分类分级标准指南可以参照），并根据这些信息如被泄露、破坏可能导致的损害进行定级。再对数据资源进行分析、描述并记录为款目，形成数据资产目录，然后对数据源进行扫描，获取元数据，根据数据分类分级的模型对数据进行分类分级。目前，也有数据公司开发出了全自动化的数据分类分级技术，即通过自动化的规则设计，通过任务调度器执行自动化规则，生成自动化执行的结果。这确实会大大节省了人工成本，但是目前技术环境下，还处于技术探索阶段，需要人为干预才能达到精准执行。当然，数据分类分级仅是数据资产层的一种管理手段，该层的建设还包括数据汇聚、数据安全加工、数据标准管理、数据开发等。
（五）企业通过建设形成的数据资产值多少钱？
通过对数据基础设施的建设，使企业能够知道数据在哪里，怎么用？那接下来就是，这些通过治理形成的数据资产值多少钱？笔者简单粗暴的直接将数据资产估值定价表述为值多少钱，是为了更加突显数据本身的交换价值。实际上数据资产的估值定价，包含着数据资产本身的估值，以及数据产品的估值定价。如果企业建设的数据资产仅是用于自身业务价值的提升，未用于融资、授信、交易等用途，资产未能进入企业资产负债表时，实际上是不存在严格意义上的估值一说，因为估多少自己说了算。当然，对于仅以数据形态存在的数据资产（未形成流通的数据产品或数据服务）目前也有一些估值方法可以参考，大体为：通过对数据开发成本与对成本投入可能产生的回报，以及这些数据将来可能应用的业务场景，带来的业务增值进行一个估值。因此种形态下的数据资产估值较为复杂，篇幅有限不再展开。
而对于要进入流通领域的数据资产来说，目前由于没有法律对于估值、定价的规定，行业内对数据资产的估值结果缺乏普适性。一种方式是交易双方根据自身过往数据交易经验协议定价；一种方式是通过有配套规则体系的交易平台，使用科学合理的评估公式进行估值，使交易双方更能接受资产的估值与定价。
常用的评估方法为：成本法、收益法、市场法。成本法即，加工形成该数据产品所耗费的一切成本；收益法即，产品投入后预期产生的经济价值；市场法即，根据过往形成的相类似的已成交的产品进行估值。当然，这三种方法并非非此即彼的关系，通常可以在具体交易场景中，根据数据产品类型结合使用。之所以鼓励企业数据交易在场内（交易平台）进行，就是由于这些算法及估值程序，交易平台基于中立第三方的角色，会通过科学方式协助双方进行进行估值定价，更能使双方信赖，促成交易。
三、小结
数据基础设施的建设，是企业数据资产化建设，以及数据资产交易流通的必然要求。如上文所述，数据基建是一项系统性工程，需要企业高层有数字化转型的战略布局，各个部门能够高度协同，使数据在内部有效流转，并提前设计数据权属路径，通过有效的数据治理手段将挖掘有价值数据，通过加工、运营形成数据产品或数据服务并通过合理的价值评估体系，对数据资产进行估值定价后，进入交易流通。
目前其他行业对于数据资产的语境，更多还是从数据对企业本身业务价值上来讨论的。即，通过对数据资源的建设，形成对企业业务产生价值的一种以数据形态存在的资产。但实际上，在数据资产还未进入资产负债表、还未从会计角度形成数据资产估值、定价的统一标准时，都还算不上严格意义上的资产。目前，国家到地方各行业都在探索数据资产的估值、定价问题，这些难题迟早会被攻克。在此之前，企业数据资产要想估值、定价，可通过已经建立数据资产估值、定价规则体系的交易平台，由平台协助完成估值、定价后进入流通。
笔者花了很大篇幅，也仅仅只是介绍了数据资产建设及交易流通的冰山一角。但在实践中，数据资产的建设远要复杂的多，本篇主要是从技术的角度简要介绍了数据资产建设的大体框架，以期抛砖引玉，供大家交流探讨。对于数据资产建设，除了技术要求外，法律合规要求也贯穿了整个数据资产建设的全生命周期，可以说，对于数据交易流通来说，数据的合规是保障数据资产合法流通的前提。下篇，笔者将从法律的视角，探讨数据交易流通前的合规建设，敬请关注。