限 时 特 惠： 本站每日持续稳定更新内部创业教程，一年会员只需98元，全站资源免费下载 点击查看详情
站 长 微 信： muyang-0410
本期问题
数据资产有哪些基本特征？
数据资产的特征，对数据资产的价值创造、数据资产价值计量（特别是数据资产的价值评估）产生着重要而深远的影响。当前，关于数据资产特征的文献和讨论非常丰富，数据资产的特征种类也很多元。那么，数据资产究竟存在哪些异于其他资产的特点？数据资产各项特征之间存在怎样的逻辑关系？
解答结论
数据资产具有非实体性、依存性、可复制性、可加工性、多样性这五项基本特征。基于这些基本特征，还可依次衍生出非消耗性、伴生性和规模性、可共享性和非竞争性、可整合性和动态性、价值易变性等特征。
解答分析
本文对数据资产的各项特征进行整理和归纳，并创新性地将数据资产的特征划分为基本特征及其衍生特征，并将数据资产的特征与数据资产的质量要素相区分，数据资产的质量要素不在本文的讨论范畴之中。
从物理层面出发，数据资产具有非实体性、依存性、可复制性、可加工性、多样性这五项基本特征，在这些基本特征基础上，还会衍生出若干特征。依次分析如下：
基本特征之一：非实体性
从物理状态看，数据资产没有具体的实物形态，仅以数字的形态存在。因此，数据资产具有非实体性特征。
基于非实体性特征，可以衍生出数据资产的非消耗性特征。数据资产不存在实体性贬值，数据资产不会随着使用而磨损或消耗。
基本特征之二：依存性
数据资产的依存性具体又可以区分为两类，一是存储介质依存性，即以数字为形态的数据资产必须存储在磁盘、光盘等介质里；二是业务依存性，数据资产不会单独发挥价值，必须与具体业务相结合才能体现其作用和价值，当数据资源不与具体业务相结合时，其价值趋近于零。
基于依存性特征，可以衍生出数据资产的伴生性特征。主要表现为，有些数据资产随企业生产经营活动的开展而形成。
基于依存性特征，还可以衍生出数据资产的规模性特征。主要表现为，业务运营所需要的数据通常是大规模的。单个数据的价值通常很低，甚至可以忽略不计，即单个数据的价值密度低。数据的价值密度低，决定着数据的价值要通过大规模利用予以实现。随着数据规模、数据维度的增大以及数据时间序列的延长，单个数据的价值才能被体现出来竞争性和排他性，表现为规模报酬递增属性，这也是规模经济效应的一种体现。
基本特征之三：可复制性
数据以数字化形态进行存储和表现，使数据资产具有了可复制性特征。数据资产可以被复制并存储于同类或多种介质之中。有观点将数据比作石油，其用意可能在于说明数据的重要作用，但数据和石油的最大区别在于，数据是可复制的、非消耗性的。
基于可复制性特征，可以衍生出数据资产的可共享性特征。数据资产可以在非独占的方式下由不同主体共享。数据资产的复制数据的成本极低，甚至接近于零，这使得数据的可共享性特征具有经济可行性。
基于可复制性特征，还可以衍生出数据资产的非竞争性特征。那么，什么是竞争性？竞争性与排他性有何关系？数据资产是否具有竞争性和排他性？我们将在后续的《评估嘉话》中予以解答。
基本特征之四：可加工性
数据资产的可加工性，是有别于其他无形资产的最显著特征。数据资产可以通过分割、组合、更新、分析、挖掘等方式进行加工，进而还可以将这些加工方式主要分类为两个维度：
一是对单条数据进行拆分和重组。比如，在制衣企业的生产流程中，同一条的顾客订单数据竞争性和排他性，需要在各工位（工序）间进行分配，其中在制衣环节，计算机只需要读取顾客订单数据中的钉扣、刺绣需求等局部数据，同一顾客订单的其他数据在此环节可能不需要使用。
二是对大数据进行剔除、筛选、分析、挖掘和整合，形成新的数据。数据资产的加工过程，实质是数据资产的拆解与重组。
此外，对数据进行持续更新，也是数据资产的常见加工方式。不同数据类型可以采用不同的处理技术，其数据加工方式也存在差异。利用数据资产的可加工性，可以在原始数据基础上形成新的数据，以此为界可以将数据分为原始数据及衍生数据，衍生数据通常凝结着数据加工过程的创造性劳动成果。
基于可加工性特征，可以衍生出数据资产的可整合性特征。数据资产可分割、可重组、可聚合、可再生，不同的数据之间可以相互渗透，这些因素共同衍生出数据资产的可整合性。比如，将企业工商数据、税务数据、司法数据、能源消耗数据进行整合，有利于对企业的信贷风险进行识别和管理。
基于可加工性特征，还可以衍生出数据资产的动态性特征。数据资产通常不是静态不变的，而是处于持续更新状态的，使数据资产具有动态性特征。企业的用户数据和经营数据的持续变化，也是数据资产动态性特征的一种表现。
基本特征之五：多样性
数据资产的多样性，主要包括数据种类的多样性、处理技术的多样性以及应用场景的多样性。
数据种类的多样性，表现为数据资产有很多不同的分类方法，比如，按获取途径的方式，企业的数据资产可划分为自行产生的数据资产、经产生数据主体授权而形成的数据资产、通过交易取得的数据资产；按原始数据的产生主体，可以将数据划分为个人数据、企业数据和公共数据；数据按存储方式可分为结构化数据、半结构化数据和非结构化数据。
不同数据类型可以采用不同的处理技术，其数据加工方式也存在差异。
数据资产应用场景的多样性，不仅表现为不同的使用者可能具有不同的应用场景，而且同一使用者也可能具有不同的应用场景。
应用场景的多样性，叠加数据资产的动态性，共同衍生出数据资产具有价值易变性的特征。价值易变性是一种结果的表现。
数据资产的基本特征及其衍生的特征如下图所示：
相关资料
《数据资产评估指导意见》（中评协〔2023〕17号）第十三条规定：“执行数据资产评估业务，应当知晓数据资产具有非实体性、依托性、可共享性、可加工性、价值易变性等特征，关注数据资产特征对评估对象的影响。”
“非实体性是指数据资产无实物形态，虽然需要依托实物载体，但决定数据资产价值的是数据本身。数据资产的非实体性也衍生出数据资产的无消耗性，即其不会因为使用而磨损、消耗。”
“依托性是指数据资产必须存储在一定的介质里，介质的种类包括磁盘、光盘等。同一数据资产可以同时存储于多种介质。”
“可共享性是指在权限可控的前提下，数据资产可以被复制，能够被多个主体共享和应用。”
“可加工性是指数据资产可以通过更新、分析、挖掘等处理方式，改变其状态及形态。”
“价值易变性是指数据资产的价值易发生变化，其价值随应用场景、用户数量、使用频率等的变化而变化。”
限 时 特 惠： 本站每日持续稳定更新内部创业教程，一年会员只需98元，全站资源免费下载 点击查看详情
站 长 微 信： muyang-0410
