介绍
随着国家多项政策的出台，数据被明确列为与土地、资本、技术、劳动力并列的五大生产要素，数据将成为社会发展和技术进步的重要标志，国家政策明确要求我国加快培育发展数据要素市场，完善数据权属界定、开放共享、交易流转等标准和措施，充分发挥社会数据资源价值。
数字经济时代，数据交易被赋予了新的使命，而培育数据要素市场化，数据交易将是重中之重。在此背景下，地方政府陆续出台了多项政策鼓励和支持数据交易。数据交易中心（以下简称数据交易平台）建设依然是数据交易行业的热门话题。但目前国家层面尚无统一、正式的数据交易规则，数据确权难、定价难、估值难等难题依然困扰着各方。数据交易平台也在不断探索新的数据交易规则，如贵阳大数据交易所近期发布了国内首套数据交易规则，探索解决数据交易确权难、定价难、估值难等问题。
但根据笔者对当前数据交易市场的实践和观察，数据交易市场除了面临产权确认、估值定价等困难外，还面临以下问题：
第一，除了部分市场主体经常关注数据交易、知道数据交易流通意义外，还有太多高价值数据的主体还不知道、不敢、不愿交易数据。上万用户的企业负责人在谈及数据交易流通时，还将其视为“个人信息交易”。这让我们想到，数据要素流通的市场培育也应该注重“脚踏实地”，让更多主体参与进来。
第二，一些民间数据交易平台尚未建立成熟的数据交易体系，对数据交易的三方构成了极大的法律风险。即使在数据交易市场中，供需双方之间仍然有大量的直接场外交易，而非通过其他方式。第三方平台可能目前占据了数据交易市场的最大份额，但也是受法律风险打击最大的领域。因为这类交易往往伴随着数据交易协议不明确而引发的民事纠纷。非法处理个人信息所带来的刑事责任风险在《网络安全法》、《数据安全法》、《个人信息保护法》生效后尤为明显。
因此数据交易流通市场的培育需要各方的参与，需要更多市场主体的参与，数据要素流通的目的是促进社会经济发展，如何让更多的市场主体了解数据交易和数据资产的建设，如何合法合规地进行数据交易，是笔者撰写本文的初衷，目前很多潜在的市场主体还处于观望状态，需要更多的宣传普及，也需要国家和地方一系列的配套政策出台和落实。
另一方面，关于数据交易的合规建设，我的团队也参与过几个交易平台的早期标准建设，我们了解到各大交易平台基本都建立了自己的系统规则，有比较完善的数据交易全流程体系。如果数据供需方有需求，可以联系数据交易平台，工作人员会全程指导后续操作，包括数据产品和服务的合规审核，这些也都会由交易平台完成。但目前，虽然各官方交易平台都建设了比较完善的交易体系和交易规则，很大程度上保证了供需方交易的合规性和安全性，但数据资产必须合规后才能进入数据交易流通，否则平台不但不可能，更不可能在后期帮交易主体“洗白”违法数据，所以进入数据交易前的合规建设是企业数据流通的前提。
本文分为两部分，第一部分主要从技术角度介绍企业数据资产建设的总体框架，第二部分主要探讨企业数据资产拟进入交易流通前需要进行哪些合规建设，以满足交易流通的条件。
企业如何构建自己的数据资产？
一
什么是数据资产？
数据资产是指个人或企业所拥有或控制的、能为企业带来未来经济利益的、以实物或电子形式记录的数据资源。目前地方和国家层面也在积极探索和推动相关政策和制度。该资产在会计制度下可能成为合法资产，被纳入企业的会计科目和资产负债表。数据可能从企业的成本项目转移到资产项目，数据将被量化和估价。换言之，企业现在所收集的数据可以通过数据资产建设转化为合法资产，可以增加企业估值，获得金融机构的信贷，也可以像其他固定资产一样进行交易。
二
数据资产建设框架思路
1、数据资产建设需要科学合理的组织管理体系和各项标准、监管体系。
在讨论如何构建企业数据资产之前，无论是国企还是民企，如果正在考虑组建企业数据资产，就需要意识到数据资产的建设一定不仅仅是IT部门或者业务部门的事，而是整个企业各部门的协调，特别是企业负责人，一定是这个项目的主导者。这是因为调动相关数据资源，各部门负责人的数据访问权限，数据治理所需的人力物力，各部门的重视程度，以及执行力度。只有公司领导重视，各部门才会迅速落实，形成战略布局。即便有企业计划推进数据资产建设，公司领导也需要建立KPI机制，激励各部门去落实。科学合理的组织架构，不仅能最大限度发挥数据挖掘的价值，也是企业实现数字化、信息化转型的前提，更是数据安全合规的必然要求，特别是对于国企来说。下图是团队为某大型国企搭建的数据安全组织架构，可供参考：
值得一提的是，上图虽然是从数据安全角度构建的组织体系，但稍加修改，也可以应用到企业信息化组织体系建设中。重新调整或新建多个部门，不具备条件的企业也可以在原有部门基础上增加自己的职能，以小组的形式明确相关职能。通过系统建立部门间的协同，实现数据的采集、调用、运营，形成一体化管理，为数据资产运营提供良好的运行机制。
此外，各项数据管理规范是保证企业数据能转化为数据资产的基础。例如，很多公司有大量的Excel表格数据，但这些表格数据分散在各个部门，并未录入系统，部门员工离职后也可能直接带走。当然，除了制度要求统一外，类似的表格数据在指标、报表格式等方面并不统一，也存在错别字等问题，这的确是一个难题。只有通过制度要求，以及智能系统的协助（如使用智能数据报表工具），才能将数据管理规范化。
（二）享有数据合法权益是企业数据资产建设的基础
企业主体对哪些数据拥有哪些权利？数据成为企业的资产后，可以想象为一种商品。作为商品，前提是你得对商品拥有一定的法律权利。也就是说，这个产品是属于你的，或者说，你有权利处置它。其实说到这儿，还是回到“数据确权”这个大问题上。之所以难，是因为目前，我国，乃至世界范围内，对数据所有权还没有统一的法律规定。哪些数据、哪些主体拥有哪些具体的权利？
比如汽车驾驶分析设备的数据，是由车主产生的，但并不属于车主所有，而是汽车服务商或者服务商与设备制造商共同拥有。这些数据的权利归属是谁？不是立法者，我看不出有什么相关问题。数据所有权的立法其实并不是一个难题，重要的是应该给每个数据主体分配什么样的权利？权利的过度划分，会不会阻碍数据的流通，加剧信息孤岛？如何才能在不限制数据流通的情况下，保障数据主体的权利？这需要我们“让子弹飞一会儿”才能得到答案。
目前可以确定的是，数据产权概念在《民法典》和《个人信息保护法》中都有明确规定，但前提是数据必须合法拥有。此外，2022年6月22日，中央全面深化改革委员会第26次会议审议通过了《关于建设数据基础设施体系更好发挥数据要素作用的意见》（以下简称《意见》），明确了建立数据资源持有权、数据加工使用权、数据产品运营权等，完善数据要素分离产权运营机制，完善数据要素权利保护体系。目前，所有权、使用权和产品运营权还没有官方的详细文件指导。但至少，数据所有者和数据控制者应该得到保护。比如上述的汽车驾驶分析设备，在采集车辆相关驾驶数据后，汽车服务商会对其进行加工分析，形成数据产品。此时，汽车服务商对数据就有了政策依据。该产品是合法的，所有者有权对其进行处置，并享有收益权。（题外话可能引发思考：所有者自己的劳动也为驾驶数据做出了贡献，他对数据产品产生的收益是否拥有财产权？）
（3）公司如何证明他们合法持有这些数据？
巧合的是，在我写这篇文章的时候，浙江省市场监督管理局刚刚发布了地方标准《数据资产确认指南》，该标准的发布提出从会计角度来认定数据资产，这将使《指南》也明确相关数据权属登记部门可以对数据资产的权属进行登记（虽然数据权属登记的具体部门还没有明确，相信很快就会有答案），并要求数据主体合法拥有或控制数据资源。结合6月22日中央通过的《意见》，数据持有权的明确将使数据权属问题日渐清晰。
在此之前，笔者结合实践经验，对企业如何合法拥有和控制数据提出了以下建议：
第一，企业自有数据和非个人信息数据。如销售数据、财务数据、通过公开数据收集的数据、通过传感器收集的数据。为了证明这些数据的合法所有权和控制权，建议企业采用证据存储的方式。例如，自己建房，需要保留购买建材的相关收据，在过户时向买家证明房屋的价值，在发生房产纠纷时向法院证明房屋的所有权。以公开数据的收集为例（俗称爬虫），在使用爬虫技术之前，可以采用成本最低的电子证据方式，如“时间戳”，在使用爬虫技术时，可以证明网站没有设置反爬虫技术措施，没有违反robots.txt中禁止爬虫的范围。对收集到的数据进行标注，方便数据追溯。将相关数据源的合法路径以证据的形式保存，以在不同场合证明合法所有权和控制权数据。
------------------------------------------
第二，企业收集含有个人信息的数据。我们以企业通过互联网收集的个人信息为例，一般企业在收集数据时，都会通过隐私政策、用户协议、知情同意书等合法的方式收集个人信息，并进行加工分析，形成数据资产。这里有几个问题企业需要注意：当用户点击确认隐私政策时，为了保存用户的同意记录，需要在服务器后台保留用户的同意痕迹。但据我所知，情况并非如此。每一家公司都能确保在用户点击确认后，后台自动生成一份用户同意哪一版通知或隐私政策的记录。这只是在服务器后台记录了用户确认或不确认的选项。这一点是最关键的，因为个人信息保护法要求个人信息的处理必须告知用户。如果发生纠纷或数据被用于登记权属，可能会造成无法取证，所以企业需要注意这个问题。
------------------------------------------
第三，也是很多企业经常忽略的一点，如果收集的数据包含敏感个人信息，必须遵循“一事一同意”的原则。但很多企业通常通过隐私政策或用户协议给予个人一般性的授权。敏感信息处理属于非法处理个人信息，无从谈起“数据的合法所有权和控制权”或数据所有权。因此，在收集个人敏感信息时，必须遵循知情同意和授权的原则。此外，还要注意与服务器存储规则的协调。
4.通过科学有效的数据治理，将数据资源转化为数据资产
不是所有的数据都是数据资源，也不是所有的数据资源都能成为数据资产，这应该已经成为大家对数据资产的普遍共识。在企业内部，每个部门都可能产生大量的数据，比如运营部门，这些数据哪些是有价值的？应该汇总到哪个部门？应该如何流转？应该如何运营？应该如何流通？在一些规模较大的公司，有的企业同时拥有多个业务系统，而这些业务系统大多是异构系统，很难实现数据的互联互通和互操作。这就需要企业采用有效的数据治理手段，整合数据，释放数据价值，创造数据资产。
目前，大多数企业会直接购买数据管理系统来满足自身业务需求，但如果仅仅依赖系统进行数据处理，最终还是会回到多个业务系统堆叠的问题上。企业想要全面实现数字化转型，可能需要通过构建数据基础设施、建立数据处理平台来解决问题。
一般数据基础设施建设分为三个层次，即第一层是数据支撑层，第二层是数据管理层，第三层是数据资产流通交易层（也叫数据资产层），是一个系统工程，不是三言两语就能说清楚的，本文只是简单介绍一下。
（1）数据支撑层
其核心技术主要包括资源供给和资源调度。也就是说，计算、网络、存储资源三个资源池构成了数据支撑层的基础资源和上层供给调度的基础。体系的建设包括使用什么样的设施设备，用什么样的技术手段作为基础资源池的输出和上层资源池的供给。比如企业应该使用什么样的处理器作为计算硬件，选择通用处理器CPU、专用处理器、硬件处理器GPU或者AI芯片的选择，取决于企业的算力需求和成本考虑；计算模式的选择，并行计算还是分布式计算，目前云计算技术的主流是计算、分布式计算、存储等新型计算技术，基本可以解决企业在数据查询、分析、挖掘方面的需求；利用高速以太网、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；而利用NAS、DAS等存储技术，企业可以实现多样化的一体化存储。构建良好的数据基础可以为上层持续提供稳定、高效的资源，而通过构建数据管理层则能够实现数据的管理。
------------------------------------------
（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和管理，是实现数据资源转化为数据资产的重要阶段，该层主要利用数据目录、元数据、主数据管理、数据质量管理等数据治理技术工具，以及身份认证、权限管理等实现数据治理，发现和释放数据价值。目前大部分企业都是直接购买数据管理平台服务来实现数据管理，在实践中我们了解到部分企业在数据管理过程中，实际上如上文所述，面临的一个最大问题就是由于多个系统间数据异构，多个接口无法互相通信或者通信成本非常高，所以建议企业如果想通过平台来实现数据管理，前期需要注意企业的数据标准要统一，否则以后会循环添加各种接口，大大增加企业的成本。对于数据管理技术，如数据目录的编制、元数据模型的构建、数据集成与互操作等。限于篇幅，本文不再赘述。采用合理有效的数据管理方法是企业实现数据集成、数据协同的必要条件，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
又称数据流通层或数据应用层，数据资产层的建设包括数据融合、数据运营、数据流通的建设，通过有效的数据管理，聚集优质数据，淘汰无用数据，并将数据加工分析形成数据产品或数据服务，进而投入市场流通。值得一提的是，数据分类定级是建设数据资产层的重要技术之一，也是企业的合规重点之一，发现数据采集过程是否符合法律要求、数据是否合法持有，也是数据资源转化为数据资产的重要手段。
数据分类定级的意义也在于让大家清楚企业有哪些数据，哪些是敏感数据，哪些是重要数据，这些数据应该采取什么保护措施，存放在什么地方，谁有权限访问哪些数据。有效合理的分类定级，可以让企业在业务调用数据时，快速调出相关数据。发现数据安全管理漏洞，挖掘数据潜在价值，满足监管需求。
常用的数据分类定级方法是先确定数据分类维度，即按照企业运营维度、行业领域维度、个人信息维度等进行分类（目前国家层面也出台了多个行业的分类定级标准指南供参考），然后根据这些信息泄露或者破坏可能造成的危害程度对数据进行分类，再对数据资源进行分析、描述、以条目形式记录，形成数据资产目录。然后对数据源进行扫描，获得元数据，并根据数据进行分类。目前部分数据公司已经开发出完全自动化的数据分类定级技术，即通过自动化规则设计，由任务调度器执行自动化规则，生成自动化执行结果，这样确实会大大节省人力成本，但在目前的技术环境下，还处于技术探索阶段，需要人工干预才能实现精准执行。当然，数据分类定级只是数据资产层的一种管理手段，这一层的建设还包括数据聚合、数据安全处理、数据标准管理、数据开发等。
（五）企业创造的数据资产价值多少钱？
通过构建数据基础设施，企业可以知道数据在哪里，如何使用。那么接下来的问题是，这些通过治理形成的数据资产到底值多少钱？笔者简单粗暴地把数据资产的估值与定价表达为值多少钱，用钱来做，就是为了凸显数据本身的交换价值。其实数据资产的估值与定价包括数据资产本身的估值和数据产品的估值与定价，如果企业构建的数据资产只是用于自身业务的增值，而不用于融资、授信、交易，也不计入企业的资产负债表，那么其实严格意义上来说不存在估值，因为估值是你自己说了算的。对于只以数据形式存在的数据资产（还未流通的数据产品或数据服务），也有一些估值方法，一般来说就是：数据开发的成本以及成本投入可能带来的回报，以及这些数据未来的潜在价值，以及应用的业务场景，用来估算业务增值。该形式数据资产的估值相对复杂，限于篇幅就不再展开。
对于即将进入流通领域的数据资产，目前尚无法律规定对资产进行估值定价，行业内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过往数据交易经验进行交易。协商定价：一种方式是利用科学合理的评估公式，通过有配套规则体系的交易平台进行估值，使交易双方对资产的估值定价都能较好地接受。
常用的评估方法有：成本法、收益法、市场法。成本法指加工形成数据产品所花费的所有成本；收益法指产品投入使用后预期产生的经济价值；市场法指基于过往经验得出的产品价值。当然，这三种方法并不互相排斥，通常可以根据具体交易场景中的数据产品类型结合使用。交易平台正是通过这些算法和估值程序来进行的。交易平台将基于中立第三方的角色，以科学的方式协助双方进行估值和定价，这将使双方相互信任，促成交易。
三
概括
数据基础设施建设是企业数据资产建设和数据资产交易流通的必然要求，如前文所述，数据基础设施是一个系统工程，需要企业最高管理层对数字化转型有战略布局、各部门高度协作，使数据在组织内部有效流通，并提前设计好数据权属路径，通过有效的数据治理手段，挖掘、加工、运营有价值的数据，形成数据产品或数据服务，并采用合理的价值评估体系对数据资产进行评估，经过估值定价后进入交易流通。
目前其他行业对数据资产的讨论，还是从数据对企业自身业务的价值角度出发，即通过数据资源的建设，形成为企业业务产生价值的数据形式的资产。其实，在数据资产纳入资产负债表之前，在会计角度形成统一的数据资产评估定价标准之前，都不算严格意义上的资产。数据资产的评估定价问题，迟早会得到解决。在此之前，企业如果想对自己的数据资产进行评估定价，可以借助已经建立好数据资产评估定价规则的交易平台，帮助完成任务，待评估定价后，再进入流通。
笔者花费了大量篇幅介绍的只是数据资产建设与交易流通的冰山一角。然而在实践中，数据资产的建设要复杂得多。本文主要从技术角度对数据资产进行简单介绍。除了技术要求外，法律合规要求也贯穿在数据资产建设的整个生命周期中。可以说，对于数据交易和流通而言，数据合规是保证数据资产合法流通的前提。在下一篇文章中，笔者将从法律角度探讨数据交易流通前的合规建设，敬请期待。