隨著數字化轉型不斷給各行各業帶來實質性的業務提效以及管理創新價值，“數據”，迅速成為與土地、勞動力、資本、技術等傳統生產要素并列的，具有獨特屬性的新型生產要素。

在數字化視角中，以數據為物理載體，以算法和模型作為邏輯處理節點，將信息流高效率地持續轉化為價值流。

而與之伴隨出現的一個概念，就是數據資產化。因為有價值屬性，所以數據資源搖身一變，成為數據資產。

值得一提的是，對于企業來說，數據資產管理和數據資源管理，雖然彼此僅一字之差，意思竟大不相同。

數據資源管理以數據本身為中心，目的是提升數據的質量和數據服務的效率；數據資產管理以數據價值為中心，目的是促進數據的流通和交易，更廣泛、更高效地釋放數據的業務價值潛力。

數據資產化框架包括數據確權、數據定價、數據流通與交易等多個環節的重要主題。關于這些主題當前并沒有形成統一的方法和標準，因此，關于數據資產化的實踐，業界主要在于早期探索階段。

在大數據時代，數字化到底是什么？有很多不同的解釋。

從軟件的角度，數字化是服務；從AI的角度，數字化是算法或模型；從信息價值的角度，數字化就是數據本身——數據資產化，目的就是把數據本身“煉就”成數字化的交付產物。

關于數據資產化，主要有這么幾個重要意義：

首先，從數據科學的原始規律看，跨領域、跨專題的數據往往更有價值。因此，在滿足法律和行業約束的條件下，應當鼓勵數據流通和交易。

其次，從數據所有者主體看，數據資產化可以解決企業的“財務困境”，提高企業估值，有利于撬動業務杠桿，釋放更多潛在產能。

第三，可以促進數據產業生態形成，從而“倒逼”企業加快完成數字化轉型進程。無論是數據治理，還是數據標注，這些因數據而產生的"成本項“，都會逐步轉化為“投資項”，企業主對于數字化投入的態度會逐步改變“向好”。

數據價值評估，是數據資產化的重要基礎，同時也幾乎是最難的一件任務。

數據價值不能脫離數據的使用方式和使用場景來確定。

為了建立有效的數據資產體系，必須先確定數據到底怎么用（如信息驗證、內容推薦、決策支持、指標評價），有幾種用法（如數據服務、數據模型、數據標簽），以及誰來用（如個人、企業、政府）。

因此，理想化的數據定價方式應該是一個三維“函數矩陣”，而非簡單的系數相乘！

對于數據所有者來說，需要考慮的并非一次搭建完善的定價模型，而是需要通過case by case的方式，循序漸進地進行應用場景的填充。

未來，構建基于AI技術的數據資產加工能力以及面設計向行業應用的數據資產價值模擬方程式，都將面臨極大的產業需求。

越來越多的傳統企業，正在通過數據資產為“抓手”驅動自身業務加速變革，實現產業結構的敏捷化轉型。

要知道，誰掌握最關鍵的市場“信息”，誰在供應鏈中的話語權就更加重要。