今年以来，数据资产入表进入快车道，全国实现数据资产入表案例迅速增加。目前，参与数据资产入表的上市公司、城投公司等超过百家。数据资产入表，不但优化地方政府和企业资产负债结构，盘活和明确数据价值，同时帮助实现数据抵押和融资，为经济发展提供有利支撑；特别是地方政府和融资平台的数据入表，在当前财政压力比较大的情况下，对解决地方政府财政困境提供助力。
但与此同时，数据资产入表也面临问题和挑战，如数据资产估值是否合理（估值泡沫还是估值不够）、上市公司估值撤回等问题。数据已经成为国民经济发展的重要生产要素，数据资产的重要性日益重要，但是如何更好地使数据资产“入表”，如何解决数据资产入表面临的问题，在理论和实践层面上还存在一些误区。
第一个误区，数据资产入表忽视数据首先应该“资源化”即数据本身对于购买方的有用性的前提。
数据想要作为资产，首先必须能够对生产、消费等带来价值，具备有用性，数据资产入表必须明确数据的使用价值。以物质资本（机器、厂房、设备等）定价流程为例，物质资本定价的基础是资本的使用者在购入后，该资本能够对本企业带来收益和利润，资本对购买者有用；而资本定价基于其对使用者、购买者未来收入现金流的贴现。由此可以推断，谁买入资本，谁对资本原则上有更加真实和准确的价值判断。数据资产应该是使用者、买方的资产，因此入表应该更加针对使用者的入表，而不是数据出售方或其他第三方。基于买方有用性估值的数据入表，才不会产生严重的数据泡沫或估值不够问题。
第二个误区，认为数据作为企业本身的资源已经被计入资产负债表，不应该二次计入。
如前所述，任何要素要成为资产，其前提是带来价值即有用性，也的确在一定程度上需要先被承认是一种“资源”。但是，数据要素作为资源有其特殊性——数据是企业（以及个人、政府等）生产、经营、运行等的副产品，能否被视为“资源”而存在，取决于我们对数据有用性认知不断改变的进程。
首先，数据能否资源化，关键在于我们是否能够很好地利用数据。以石油为类比，在没有相应技术可以开采和利用之前，并不能称之为资源。其次，现实中，我们可能为了获取、利用、分析数据等进行了一定的投入，但并不一定已经计入企业资产负债表。同样以石油为例，在没有被勘探、开采之前，石油虽然是资源但可能不是资产；只有在被发现并经过估值，才可以算作资产。另外一个类比就是企业生产的副产品，如矿产资源开发，由于原来技术达不到，废料无法提纯，那么在有了新的技术之后，这些废料突然就有价值（价值从几乎为零到比较大的值），当然也可以成为企业的资产进行入表。
第三个误区，数据资产定价过度强调特殊性、专用性，而忽视通用性。
传统资本，比如机器、厂房和设备，虽然也有专属性、专用性特征，也是针对企业自身特征而建立的，但是，一方面，这些资本可以转化为其他生产企业的资产，例如厂房改造等；另一方面，由于同样产品的企业较多，对同样资本的需求比较活跃。所以，即使是非常专用性的资本也可以找到买家实现资产变现，流动性很强。由此，使得资本具有比较强的通用性，从而定价相对稳定和合理。
数据资产可能在这一方面还有待改进。数据资产特别是针对使用者、企业而言，很多时候具备非常强的专属性，通用性很低。很多时候，数据产品或者数据所包含的信息，是针对自身企业的一些特征量化定制的。这个时候，如果这个企业不使用、或者因为企业破产等原因，那么可能会出现数据资产价值归零。例如，很多企业使用自己经营的数据作为依据，来做信贷抵押。作为银行，应该看重的是企业数据对应的企业实际经营的信息，还是企业作为资产入表的数据的价值？如果是后者，虽然是“入表”的资产，但让渡给其他企业可能完全没有用，那么数据本身的价值可能是零，不具有独立估值和定价的基础。
第四个误区，认为数据资产交易不用明晰产权、或者产权界定模糊为上。
有些经济主体刻意忽视数据的产权属性，例如认为经过自己加工的便是自己的资产，认为自己购买的数据，不管是从谁手中购买，只要入表便是自己的资产等，这些都是不可取的。要扩大数据的生产、使用、流通，一定要清晰界定数据产权归属，包括所有权、使用权、加工权、受益权等，这样才能使得各个环节的参与者充分对数据的价值进行评估；这样才能减少数据交易中出现的委托代理、道德风险等问题。
特别地，明确的所有权归属将有利于不同数据所有者根据自己的偏好分享数据，平衡数据收益和数据隐私，进而活跃数据流通市场。在此基础上，要侧重数据谁使用、谁定价、谁入表。数据的最终价值在于提取信息、改进效率、增加产出等，相对而言，数据的使用方对数据的价值有更为实际和准确的认知。现有“入表”的实践和案例中，数据使用者入表的较少；相反，数据的提供方如平台、数据商、政府部门等入表的较多，但这些企业和机构并不是数据的使用者，并不能完全了解数据的价值，或者实现数据的增值——他们数据资产入表和本身的生产、经营等并没有太大关系，也因此很难对数据的价值有合理和公允的判断。
此外，数据作为资源只能反映可能的有用性，并不完全对应数据最终能够实现的收益。从根本上讲，没有交易没有价值。因此，如果某个城投平台没有数据所有权、没有数据产品交易、没有经过市场检验，那么这种情形下入表的数据价值可能存疑，这些平台自我（或邀请第三方）进行估值并以此为基础的融资、信贷等可能存在很大的问题。
第五个误区，认为数据资产很安全，严格对数据资产估值后便不存在风险。
数据资产的有用性、通用性等是数据资产估值和入表的关键。我们当然可以通过数字基础设施建设、市场交易制度完善、产权制度建设等方面加强数据资产的可重复使用，从而更好发挥数据资产的价值，这也是当前和今后很长时间内对数据资产进行抵押融资等行为的前提。
但是，可重复使用不代表不存在风险，甚至企业、城投平台等本身可能因为数据资产产生风险。
首先，这些经济主体可能因为数据资产入表而高估自己的经营潜力和企业价值，从而产生误判，如过度借贷。一方面，数据本身所能带来的价值可能因为时间、同业竞争等迅速衰减，资产负债表迅速恶化；另一方面，过度借贷等反过来又会诱使企业进一步夸大数据的价值，产生数据泡沫。
其次，银行等金融机构如果按照数据资产价值评估进行授信，而不顾事后监管、甚至不同银行和金融机构按照同样的数据给同样的平台提供信贷支持，那么数据授信可能带来信贷危机。
再次，数据资产是无形资产，无形资产的价值波动本身较大，反过来容易对经济主体的生产、经营等产生负面影响。无形资产更要注重市场流通和交易的作用，通过流通和交易促进数据的通用性，稳定关于数据价值的预期。
最后，数据资产交易具有很大的外部性，个别企业或机构数据资产风险爆发可能引发整个数据资产行业的估值和宏观经济危机。传导渠道既可能是传统的资产负债表渠道，也可能是预期渠道，需要监管部门提高关于数据的风险意识。
那么，该如何解决以上误区？
一是从根本上加强数据使用者和数据使用者入表行为的统一。要鼓励具有密切关联的企业、机构等之间先从产业链内部打通数据的价值，要创造宽松环境让数据使用者去挖掘数据价值。如某数据科技公司聚焦化塑及新材料领域，通过收集生产企业数据掌握企业生产情况进而通过高周转的信贷融资获取收益。数据对该公司具有明确的使用价值和变现模式，如果入表也会相对客观。
二是数据提供商、数商等要与数据使用的上下游打通、融合，以数据为基础、以交易为目的、以价值增值为最终取向，寻找有利于国民经济发展的数据交易，为数据资产价值发挥提供市场。其中，充分考虑数据资产的独特性，完善数据产权的相关基础设施和制度建设，应该成为重要且紧迫的发展方向。
三是要加强数据监管特别是数据入表事后监管。要明确数据入表的最终目的是产值增加、效率改善、风险控制，是实现数据增量价值，而不是存量博弈。要通过法律、法规、制度等建设防止企业特别是大型科技公司或平台通过数据“垄断”挤压消费者和生产者两端的价值剩余。要通过监管防止部分公司或企业因为数据而出现“大而不能倒”现象。
最后，应该以应用场景为前提推动数据资产入表和定价。先花大力气、制度性地解决互联网平台、供应链平台等的数据定价，对特定数据、特定商业模式等进行估值，然后再推向公共数据、消费者数据估值和定价。
（作者董兵兵为上海交通大学上海高级金融学院助理教授、MBA项目联席学术主任，主要研究方向为数据资产、货币政策、债务置换等，著有《东盟十国金融发展中的结构特征》等。）
