漫谈数据治理和数据销毁——从数据到数据资产销毁，你准备好了吗

随着数据的重要性日益显著，数据资产管理成为激发组织数据要素活力、加速数据价值释放的关键。、

一、数据资产管理概念及内涵

1、数据资产

“数据资产”并不是一个新概念，其起源可追溯至20世纪90年代初期，1991年，著名信息管理专家托马斯·H·达文波特在其著作《信息经济：信息如何塑造企业、政府和国家》中首次明确提出了“数据资产”的概念。目前业界尚未对“数据资产”有明确定义,《数据“二十条”》、《企业数据资源相关会计处理暂行规定》《数据资产评估指导意见》等相关政策梳理,主要涉及“数据资产”和“数据资源” 两个概念。通过梳理数据资产相关政策和规定,可将“数据资产”划分为广义和狭义两种含义。

广义上的“数据资产”等同于“数据资源”，更侧重于数据的价值属性；而狭义上的“数据资产”则主要依据财政部《企业数据资源相关会计处理暂行规定》的要求，需满足资产确认条件并计入资产负债表的数据资源，更强调数据的财务属性。

中国信息通信研究院大数据技术标准推进委员会在《数据资产实践管理白皮书》中对数据资产的定义如下：

数据资产（Data Asset）是指由组织（如政府机构、企事业单位等）合法拥有或控制的数据，这些数据以电子或其他方式记录，包括文本、图像、语音、视频、网页、数据库、传感信号等结构化或非结构化数据，能够进行计量、应用与交易，并能直接或间接带来经济效益和社会效益。

2.数据资产管理

数据资产管理(Data Asset Management) 是指对数据资产进行规划、控制和供给的—组活动职能,包括开发、执行和监督有关数据的计划、政策、方案、项目、流程、方法和程序, 从而控制、保护、交付和提高数据资产的价值。数据资产管理须充分融合政策、管理、业务、技 术和服务,确保数据资产保值增值。

数据资产管理包含数据资源化、数据资产化两个环节。

数据资源化的工作目标是提升数据质量和保障数据安全，确保数据的准确性、一致性、时效性和完整性，从而推动数据的内外部流通。数据资源化涵盖数据模型管理、数据标准管理、数据质量管理、主数据管理、数据安全管理、元数据管理、数据开发管理等活动职能。

数据资产化则通过将数据资源转化为数据资产，释放数据资源的潜在价值。工作重点是扩大数据资产的应用范围，厘清数据资产的成本与效益，并在数据供给端与数据消费端之间构建良性反馈闭环。数据资产化的主要活动职能包括数据资产流通、数据资产运营、数据价值评估等。数据资产管理架构如图：

文件硬盘数据销毁

二、数据资产管理的相关政策

2020年9月，国务院国资委办公厅下发《关于加快推进国有企业数字化转型工作的通知》，要求各国有企业加快集团数据治理体系建设。

2022年11月，工业和信息化部发布《中小企业数字化转型指南》，提出开展数字化评估、推进管理数字化、优化数字化实践等环节的转型路径，为中小企业科学高效推进数字化转型指明方向。

2022年12月，中共中央国务院发布《关于构建数据基础制度更好发挥数据要素作用的意见》，提出构建适应数据特征、符合发展规律、彰显创新引领的数据基础制度体系，主要包括加快数据产权制度、数据流通交易制度、数据收益分配制度、数据安全治理制度四大类基础制度建设。

2023年12月，国家数据局等17部门联合印发《“数据要素×”三年行动计划（2024—2026年）》，对发挥数据要素乘数效应、激活数据要素潜能、赋能经济社会发展进行重要部署，以充分发挥数据的基础资源作用和创新引擎作用。

财政部分别于2023年和2024年印发《关于加强数据资产管理的指导意见》和《关于加强行政事业单位数据资产管理的通知》，强调充分发挥数据资产价值作用，保障数据资产安全，更好地服务于保障单位履职和事业发展。

三、数据资产管理发展现状

中国信息通信研究院发布的《中国数字经济发展研究报告（2024年）》显示，2023年我国数字经济规模达到53.9万亿元，较上年增长3.7万亿元，数字经济占GDP比重达到42.8%，较上年提升1.3个百分点，数字经济增长对GDP增长的贡献率达66.45%，有效支撑了经济稳增长。

一是多领域数据资产管理齐头并进。在金融领域，中国人民银行发布了《金融业数据能力建设指引》，为金融业工作落地实施提供强力指导。银保监会于2022年发布《关于银行业保险业数字化转型的指导意见》，提出数字化金融产品和服务方式广泛普及。在通信领域，工业和信息化部发布了《“十四五”信息通信行业发展规划》，探索建立数据应用处理、数据产品标准化、数据确权、数据定价、数据交易信任的数据资源管理制度体系。在制造业领域，工业和信息化部发布了《智能制造典型场景参考指引（2024年版）》。在能源行业，国家能源局发布了《关于加快推进能源数字化智能化发展的若干意见》，提出“赋能传统产业数字化智能化转型升级是把握新一轮科技革命和产业变革新机遇的战略选择”这一新要求。国家发展改革委、国家数据局、中央网信办、工业和信息化部、财政部、国家标准委组织编制了《国家数据标准体系建设指南》，预计到2026年底，基本建成国家数据标准体系，为推动数据要素高水平应用提供有力支撑。

二是行业数据资产管理能力稳步提升。中国电子信息行业联合会发布的《2024中国数据管理报告》，从2020年到2024年，DCMM发展指数呈现出逐步上升的趋势。2020年指数为27.03，2024年DCMM指数达到57.70，全行业数据管理能力稳步成长，企业逐步构建数据管理体系，数据管理逐步从数据资源化阶段迈向数据资产化阶段。

三是数据产业发展强劲有力。数据产业作为依托现代信息技术，对数据资源进行产品或服务开发，并促进其流通应用的新兴产业，预计到2029年，数据产业规模的年均复合增长率将超过15%。《2024中国数据管理报告》显示，数据服务业的DCMM发展指数从2022年的25.83增至2024年的41.11。数据服务企业不断优化自身数据管理的流程化和标准化水平，有效提升了服务效率和品质，为数据产业的健康发展注入了强劲动力。

四是部分企业数据资产先行先试。财政部正式发布了《企业数据资源相关会计处理暂行规定》，明确指出企业内部数据资源研究开发项目的支出，在符合资本化条件的情况下可予以确认。与此同时，中国资产评估协会同步出台了《数据资产评估指导意见》，为数据估值及其纳入财务报表提供了坚实的政策支撑。中国联通集团积极展开数据估值及入表工作，率先完成数据资源入表披露，并发布了《中国联通数据要素价值管理与实践报告》，为业界提供了宝贵的实践参考。截至2024年10月31日，A股市场超过5000家上市公司中，共有54家公司披露了数据资源入表情况，总额达到10.94亿元。从行业分布来看，这些入表公司主要集中在数据规模庞大、应用能力突出、数字技术实力雄厚的行业，涵盖通信、信息技术服务、交通运输等领域。

五是数据安全建设同步开展。在政策层面，2024年，中央网信办发布了《网络数据安全管理条例》，金融监管总局推出了《银行保险机构数据安全管理办法（征求意见稿）》，工信部则发布了《工业和信息化领域数据安全事件应急预案（试行）》等一系列数据安全建设要求，进一步充实了数据安全领域的监管政策体系，为数据安全建设的具体实施提供了详尽的指导。国家标准GB/T 43697-2024《数据安全技术 数据分类分级规则》的正式发布，明确了数据分类分级的通用规则，确立了数据分类与分级的基本原则，涵盖业务相关性、数据敏感性、风险可控性等方面。

四、数据资产管理主要难点

当前，数据资产管理面临一系列问题和挑战，涵盖数据资产管理的模式机制、技术工具、数据应用、价值评估、交易流通、安全合规等多个方面。

一是数据资产价值不显著，内生动力不足。随着行业主管部门对企业数据管理提出更高要求，企业开展数据资产管理的外部动力逐渐增强。然而，多数企业仍以响应政策号召和满足监管要求为目标，尚未充分认识到数据资产在提升业务决策效率、优化运营流程以及开拓新市场等方面的巨大潜力。由于缺乏有效的价值评估体系和激励机制，数据资产管理的投资回报率不显著，导致管理层难以明确数据资产管理的价值贡献，未能形成以价值管理为导向的数据资产管理战略。

二是主体数据体系不健全，管理效能难以发挥。大部分单位内部信息化建设缺乏统一规划，数据标准不统一，共享效率低下，严重阻碍了数据资产的内部流动和共享应用。数据管理与使用方之间缺乏有效的沟通和反馈机制，影响了数据应用效率。数据质量规则尚未得到数据生产者或数据使用者的确认，源头数据质量管理存在缺失，导致数据质量难以实时满足业务需求。此外，技术工具应用不足，数据资产管理仍大量依赖人工操作，致使问题的发现和解决过程出现延迟。

三是缺乏数据有效评价机制，资产收益难以评估。各行各业正积极尝试利用数据进行决策、优化和创新，然而，如何科学、全面地评价数据应用的实际效果已成为一个亟待解决的问题。数据应用效果随应用场景的变化而变化，由于缺乏统一的标准和方法，许多数据应用的效果难以被准确衡量。这不仅影响了数据应用的持续完善，也导致数据资产收益难以评估，阻碍了数据价值的充分释放。

四是数据价值难以量化，数据流通交易受阻。目前，数据要素市场仍处于发展初期，尚未建立明确的数据确权和定价机制。在数据确权方面，若数据处理者无法在制度层面明确相应权利，其前期劳动投入可能无法得到保障，同时会诱使部分数据处理者选择非法手段抓取、窃取其他数据处理者的数据，扰乱市场秩序。在数据定价方面，由于数据市场供需关系不匹配、市场尚处于培育期以及应用场景不清晰等因素，增加了数据定价的难度。数据成本难以计量，预期收益难以把握，导致难以确定数据价格范围。

五是数据安全合规是新命题，难以适应新需求。一方面，行业对数据安全合规的规范内容不够明确，导致实践中数据合规制度的建立和实施在很大程度上需要参照行业标准、推荐指南等软性规范。然而，不同行业、不同领域的标准和指南存在难以兼容的问题，使得数据合规制度建设缺乏统一标准。另一方面，数据安全合规管理与传统信息安全工作存在交叉，数据安全合规管理涉及网络安全负责人、数据安全负责人、个人信息保护负责人等多个角色，在实际操作中，这些数据保护相关负责人的定位和职能不明确，进而影响数据安全合规管理的高效运转。

文件硬盘数据销毁