2024年，当有人说“数据就是金钱”，可能是真的拿数据换成了钱，而且还是合法的。
搁在以往，数据都是间接作用于业务转化为金钱，比如大数据给用户推送想买的商品。今年年初，《企业数据资源相关会计处理暂行规定》正式实施，这意味着数据资源可作为资产，在企业的会计和财务报告中确认、计量、报告和披露。
更深远的影响是，数据资产入表其实是数据要素市场化的成果，数据要经过一系列环节才能实现入表，《暂行规定》的实施相当于倒逼行业加速，让市场主体有更大的动力完成数据要素的转化。
一个工人的劳动力值多少钱？一块土地值多少钱？在这些传统的生产要素没有实现市场化配置之前，市场没有一个公允的价格。任何一种生产要素实现市场化配置，都需要经历资源化、资产化和资本化三个阶段，与之对应的是一个亟待建设的完整制度体系，和快速迭代的技术产业。
数据要素也不例外。首先，原始数据经过采集、清洗等操作，在企业或者其他主体内完成资源化；其次是将数据进一步深加工成各种可交易的数据产品，适配于不同的业务场景，在法律层面确定资产属性，如前所述的暂行规定，就确定了数据资产化的路径；最后是在数据资源化和资产化的基础上，赋予数据更多金融属性，例如未来可能出现数据入股、数据信贷、数据信托和数据资产证券化等。
行业内经常用石油来比喻数据，作为对比，数据资源化相当于石油开采，数据资产化相当于石油炼化，数据资本化则相当于油企投融资。限于目前的行业发展阶段，数据的资源化、资产化、资本化均面临不同程度的堵点和卡点。
摸不清的数据资源2024年数字中国峰会期间，国家工业信息安全发展研究中心发布《全国数据资源调查报告（2023年）》，报告显示，2023年，全国数据存储总量为1.73泽字节（ZB），生产总量中2.9%的数据被保存。存储数据中，一年未使用的数据占比约4成，数据加工能力不足导致大量数据价值被低估、难以挖掘复用。
数据生产总量大，但有效供给不足，是目前所有数据主体面临的共同难题，上至政府，下至企业，还少有人敢说摸清了自己的“数据家底”，其中的主要矛盾是，多数主体的数字化程度不足以支撑数据资源的开采。
2月份，国家数据局等四部门发布《关于开展全国数据资源调查的通知》，提出“摸清数据资源底数”，调查的内容包括数据生产总量、存储总量、开放总量、数据产品可交易数量等。
以公共数据为例，公共数据是由政府机构或其他公共部门持有的数据，包括政府事务、社会经济、环境资源、基础设施、公共安全等领域，价值高且具有稀缺性。公共数据的开放授权，是目前数据要素市场化的重中之重。
钛媒体App也注意到，各地方政府纷纷成立数据集团，国有资本至少占股50%以上，公共数据的运营唯一授权给当地的大数据集团，例如上海数据集团、武汉数据集团等。
以上海数据集团和华为的合作为例，前者是上海公共数据授权运营主体，后者提供了一些基础平台和功能模块，上海数据集团与华为联合打造了“城市数据空间”的关键基础设施，满足诸如多源异构数据的汇聚存储、治理加工、开发利用及安全可审计等需求。
尽管如此，想要拿到公共数据还是不容易，一位业内人士表示，数据需求方想要申请的数据政府不愿意给或者给不出，政府大数据做了这么多年，其实数据的归集还会存在一些问题，有些委办局就是不给数据，或者给出的数据质量不高。
另外，数据治理标准不同，行业数据有行业数据治理的标准，每个委办局都有每个委办局的标准，数据集团作为授权运营平台，自己还要出台一个数据治理的规范，数据治理的标准不统一，阻碍了数据资源的共享。
从企业视角看，同样有类似的情况。“不要说各地方国企，98家央国企里边大部分自己的数字化转型都没搞定，集团有多少数据都不清楚，所以近两三年都在按照国家的要求逐步数字化转型，包括数据资产入表也是为了摸清数据家底。”如上人士表示。
以企业基本的数据采集为例，混合集成的需求又火热起来，也与不同阶段的数字化水平相关。
搞不掂的数据资产与数据资源相比，数据资产强调数据作为一种资产的价值、成本、收益和全生命周期的流通，不是所有的数据资源都能转化为数据资产。数据资产化首先要解决合规与确权问题，其次是估值与定价，最后才是数据交易场内场外的流通。
数据合规意味着在整个数据的生命周期内，包括数据采集、存储、处理、传输、使用等环节，既要遵循相关法律法规，也要遵守行业标准和企业内审的要求。
暗网上经常有一些数据黑灰产，和以前不同的是，现在很多黑产居然可以零买零卖，比如指定某个人的敏感信息，而且要溯源这些黑灰产也相对困难。
在追查数据泄露的源头时，大量数据是因为用户滥用数据访问权限，把数据拿出来卖，还有一些针对某公司的高额悬赏，从而导致有些数据容易被非法分发，此类数据的泄露都与合规相关。
一位数据交易所人士表示，目前数据要素领域，行业希望探索“法无禁止即可为”的市场化模式，在保证合规的基础上大胆探索。“前段时间有地方发布了一个数据要素的白名单，没多长就被叫停了，政府或者主管部门不应该说哪些数据是可以交易的，更应该确定黑名单在什么地方，哪些数据是不能交易的。”
来自法律行业的观点认为，因为技术上的复杂，合规维度上的模糊性，将导致数据资产容易被操纵，未来大概率会出现与数据资产相关的财务造假。
在数据确权方面，数据所有权的问题是个老大难，不同于其他生产要素，数据天然具有可复制性，数据从产生到应用中间可能涉及到个人、企业和政府等多个主体，使用的场景又多种多样，目前还没有一部全国法律解决数据的确权问题。
“数据二十条”提出，分别界定数据生产、流通、使用过程中各参与方享有的合法权利，建立数据资源持有权、数据加工使用权、数据产品经营权等“三权分置”的产权制度，原则上给出了指引。
在实际操作中，隐私计算等技术可以在不改变数据权属的情况下，实现数据的资产化。蚂蚁集团副总裁、首席技术安全官韦韬表示，基于密码学与可信的密算技术，能够提供数据可信流通全流程保障，包括身份可确认，可信数字身份体系；利益要对齐，使用权跨域体系；还有能力的预期，通过安全分级测评体系；还有行为有后果，全面的可信审计体系。
隐私计算是推动数据要素流通的核心技术之一，但也存在技术路线众多，业界缺乏统一标准的问题，业内也一直存在“隐私计算效率低”等观点。
深圳国家金融科技测评中心技术负责人罗丰提到，隐私计算技术在金融行业的应用程度比较领先，但规模化落地还存在技术和业务两方面挑战。隐私计算的路线是多样的，针对不同的应用场景需要有不同的安全和性能之间的平衡。
从现有的测评和标准来看，在安全分级之前很难去评估一个产品整体的安全性和性能之间的差异性。而“技术孤岛”现象客观存在，技术无法互联互通可能导致不同的金融机构，会产生产品选型的分歧。此外，预期效益难以估计及投入成本高，导致很多中小型的金融机构不太有意愿推动隐私计算应用。
数据资产的定价同样暂无公认的解决方案。一家数据资产运营商表示，财政部发文所提及的数据资产和企业的数据资产入表，目前估值手段只认成本法，但是数据作为商品的估值和定价，不可能只认成本，也需要结合市场法和收益法，再形成一整套的综合定价，才能完成数据的定价过程。
在数据供需对接的过程中，数据需求方将需求报给当地的数据集团，数据集团登记并开放给数据提供方，如果后者正好有相关数据，就会上架数据产品并且定价。但是定多少价本来应该是以收益和市场为准，现在还做不到，因为各行各业的数据怎么定价，分级分类确权都定不了，现在都是甲乙双方自行商量。
“看到的需求都是场景，但是真的要把场景落地，做到有人买单很难，很多场景都是定制化的，中间还有大量工作要做，或者有一些场景只需要一加一等于二，简单的数据融合就没必要建数据平台，所以数据要素的场景驱动，一定是需要场景相对复杂，需要多方数据，需要写代码，对应用的能力要求比较高，建设大规模的复杂数据平台才有价值“，如上数据资产运营商表示。
从企业数据资源到资产，叠加了合规、确权、估值、登记、定价等过程，进而导致了数据流通的难题。
上海、深圳等数据交易所走得相对靠前，以上海数据交易所为例，上海数据交易所总经理汤奇峰指出，2023年上海数据交易所场内交易规模达11亿元以上；截至今年5月底，场内交易规模和去年全年持平，预计今年全年增长3到4倍。
以此测算，预计到2025年上海数据交易所基于数据产品的交易规模在100亿元左右。此外，上海数交所还关注其他指标，如数据产品挂牌数量，交易双方数量、合约金额等。
刚刚结束的6月份，上海数据资产交易市场正式发布，并且公布了首笔数据资产信贷融资案例——德清城数数据资产信贷融资。
值得关注的是，德清城数数据资产的评估，是跟据中评协《数据资产评估指导意见》《数据交易：数据资产评估规范》地方标准和上海数交所《数据资产价值评估指引》等文件，采用“市场法：大宗标准定价法”评估，基于合理假设，本次德清申请挂牌上市的数据资产市场交易价值为1.92亿元，这也为业内数据交易提供了参考。
小步试错的数据资本数据从产权登记，到资产入表、本地上架，最终实现资本化，当前很大程度上是以抵押的方式获得银行授信来体现，不少城市纷纷发布自己的首个数据资产化案例。
“数据城投”也是今年市场的热点。2024年，地方城投都在想办法做一件事——数据资产入表。在地方财力走弱，城投融资环境偏紧的大背景下，目前城投的负债率始终维持在高位，且已几无资产可以再进行二次质押。
但数据是全新的资产类别，不仅可以降低城投资产负债，提升资产规模，还能进一步拿到一定的银行授信额度，因此数据资产入表对城投的诱惑力极大。
今年已经有十余家城投公司表态实行数据资产入表，以公交、供暖、供水、交通等公共数据为主。如广东省交通集团有限公司的全资子公司广东联合电子服务股份有限公司，以广东省高速公路出口、入口及路网车流量数据作为数据资产入表。
另外一类热衷数据资产入表的主体是上市公司，今年一季度也就成了观测数据资产入表效果的最佳窗口，一季度共有数十家上市企业披露了数据资产。
但旋即出现了一些更正和撤回，比如本该入成无形资产的数据，结果入成了存货，那就意味着数据的权属会发生改变，无法体现数据的倍增作用。还有更多企业不知道能不能入、怎么入，数据确权、财务会计等方面如何处理。
除了国有企业和上市公司，大多数民营企业都处于观望状态，这也符合数据要素的行业发展阶段。
从银行的视角来看，一方面，国家政策鼓励银行发放数据贷款，另一方面，银行对于数据资产授信依旧相对谨慎，金额大多在百万级，上千万级别的额度较少，获得授信的公司以科技创新类企业为主。
数据要素像刚落地的娃娃，从头到脚都是新的，它生长着。套用朱自清先生的描述来形容数据要素，简直再合适不过，数据要素的一切，在混沌中塑造秩序。（本文首发钛媒体APP，作者 | 张帅，编辑 | 盖虹达）