【摘要】企业数据资产确权、 管理与交易的有效性是推动数字经济发展和实现中国特色社会主义现代化的关键因素。基于信息经济学和资产管理理论， 构建包含数据资产确权、 管理、 交易和安全技术问题的分析框架。研究发现： 数据资产权属界定是管理与交易的基础， 数据资源持有权、 数据加工使用权和数据产品经营权“三权分置”框架能够为数据资产确权提供清晰的法律依据和操作指引； 数据资产分级分类标准的提出和高效的数据流通通道的建立可以促进敏捷协同的一体化管理， 进而显著提高企业数据资产的经济价值； 结合数据交易主体、 模式而完善的交易制度， 可以保障数据资产的安全流通和高效增值； 数据去隐私化技术、 协同计算技术以及交易辅助技术的应用， 能为企业数据资产管理与交易提供技术支持， 兼顾数据资产的管理效率与交易安全。
【关键词】企业数据资产；权属界定；分级分类标准；技术支持
【中图分类号】 F275 " " 【文献标识码】A " " "【文章编号】1004-0994（2025）02-0078-6
一、 引言
在全球化和信息化的背景下， 我国企业的数据资产确权、 管理与交易问题已成为推动国家战略实施和经济增长的关键议题。随着2024年国务院《政府工作报告》的发布和党的二十大政策、 方针的确立， 企业数据资产作为数字经济的核心要素， 其重要性已被提升至国家战略资源的层面。2024年国务院《政府工作报告》明确指出， 要加快数字化发展， 推动企业数据资源的开发利用， 这不仅为企业数据资产的管理和运用指明方向， 也为企业数据资产的交易提供政策支持和法律基础。企业数据资产作为数字经济的核心生产要素， 其跨国交易的频繁性不断提升， 这对于加强国际市场间的联系和促进国际合作具有极其重要的作用， 不仅有助于资源的优化配置， 而且为构建全球价值链奠定了坚实的基础。我国企业在激烈的国际竞争中要占据有利地位， 就必须重视企业数据资产的确权、 管理与交易， 这不仅关系到企业的市场竞争力， 也关系到国家的数据安全和经济安全（向书坚等，2023）。因此， 研究我国企业数据资产的确权、 管理与交易问题， 从宏观上看， 对于提升企业国际竞争力、 保障国家利益具有重要意义； 从微观上看， 对于推动企业数字化转型、 提升企业创新投入具有关键作用（Feng，2023）。
当前对企业数据资产确权、 管理与交易问题的研究呈现出明显的多元化和深化趋势， 这反映了对数据资产特性的深刻理解以及对其管理和交易方法的创新性探索。目前的研究主要体现在以下方向： 一是在权属界定与价值评估方面， 国内外学者普遍认为， 企业数据资产的权属界定是管理和交易的前提， 强调数据要素市场化配置的重要性， 从经济所有权视角出发， 研究数据资产确权的理论与实践， 为数据资产的法律保护提供新的视角（Fleckenstein等，2018）。二是在数据资产管理方法方面， 许多机构提出多种创新模型， 例如： 普华永道提出数据资产的价值链管理方法； 中国光大银行与德勤会计师事务所则从金融行业视角， 探讨数据资产的管理体系和方法（黄海，2021）。三是在交易模式与市场发展方面： 由清华大学技术创新研究中心等发布的《企业数据确权与全球合规趋势报告（2023年）》深入分析了数据资产交易的全球合规趋势； 上海数据交易所与普华永道从数据要素视角， 探讨数据资产化的发展路径； 国际上一些学者则从全球视角审视企业数据资产的管理与交易问题， 探讨不同国家和地区在数据资产化方面的差异与经验。
尽管上述分析表明， 企业数据资产的确权、 管理与交易是一个跨学科、 多维度的复杂问题， 学者们在理论上进行了深入探讨， 在实践中也提出了诸多创新的方法和模式， 为企业数据资产的有效管理和交易提供了丰富的学术支持和实践指导， 但是这些研究往往侧重于单一学科视角， 与企业实际操作相结合的案例研究相对较少， 导致理论与实践之间存在脱节问题（John等，1994）。同时， 随着隐私计算、 区块链、 辅助交易等人工智能技术的发展， 在企业数据资产管理与交易中， 数据安全与隐私保护等重要议题的研究有待加强（蔡昌等，2021）。因此， 本文以问题为导向展开研究， 结论具有以下两个方面的创新： 一是多学科融合研究， 推动企业数据资产管理实现经济学、 管理学、 法学、 计算机科学等多学科融合， 形成更为全面的理论体系； 二是将技术驱动与数据伦理相结合， 紧跟技术发展步伐， 探讨数据资产交易中的伦理和法律问题， 如数据所有权、 数据隐私、 数据安全等， 提出相应的法律框架和伦理准则。
二、 权属界定框架： 数据资产权益的明确
1. 企业数据资产权属界定的研究背景。在数字经济快速发展背景下， 企业数据资产的权属问题逐渐成为学术界和实务界关注的焦点。企业数据资产作为企业在运营过程中积累的宝贵资源， 其价值日益凸显， 但权属界定的模糊性却成为制约其流通和交易的瓶颈。企业数据资产的权属界定是数据资产管理和交易的前提， 但是， 在现有的法律框架下， 企业数据资产的权属问题尚未得到明确的解决。数据的非竞争性、 非排他性以及可复制性等特点， 使得其与传统意义上的资产存在显著差异， 导致企业数据资产的权属界定面临诸多挑战（Veldkamp等，2023）， 例如需要解决个人隐私保护与数据商业利用之间的平衡、 企业间数据共享与数据独占之间的矛盾等。
与此同时， 数据资产权属的不确定性影响着企业对数据资产的投入和开发， 阻碍了企业数据资产价值的最大化利用， 因此明确企业数据资产权属问题对于促进数据交易市场的健康发展具有重要作用（Kassa和Cisa，2017）。当前， 我国企业数据交易市场尚处于起步阶段， 缺乏统一的交易规则和标准， 企业数据资产权属的不明确增加了交易的法律风险， 降低了市场的交易效率， 影响企业数据资产的合理定价和流通。从宏观层面来看， 企业数据资产权属研究对于推动我国数字经济战略的实施具有重要意义——数据作为一种新型生产要素， 其有效配置和利用对于提升国家竞争力和促进经济转型具有关键作用。因此， 明确企业数据资产权属不仅关乎企业利益， 也关乎国家战略和公共利益。
2. 企业数据资产权属制度的框架体系。本文参考谭明军（2021）的研究， 构建包含数据资源持有权、 数据加工使用权和数据产品经营权（简称“三权分置”）的数据资产权利框架， 明确不同主体在企业数据资产生命周期中的权利和责任。“三权分置”框架是企业数据资产权属制度探索的重要理论基础。数据资源持有权是持有者对于通过合法途径获取的数据资源——无论是基于业务运营的需要进行采集而得来的数据 ，还是通过采购、 共享等方式获取的数据， 都有权依照法律规定或合同约定自主管控， 并拥有排除他人对处于控制状态中数据进行资产侵害的权利。数据资源持有权体现了对数据资源持有者的权益保护。数据加工使用权可进一步细分为数据加工权和数据使用权。数据加工权是指对具有合法来源的数据， 权利人在法律规定或合同约定的限制条件内， 对数据开展加工、 分析、 计算等处理活动的权利； 数据使用权是指基于数据共享、数据交易等方式， 数据需求方（权利人）对合法获取的数据资源或数据产品在法定或合同约定范围内进行使用的权利。数据产品经营权指权利人对通过合法途径获取的数据资源， 在法律规定或合同约定的范围内， 对经过加工处理而形成的数据产品或服务享有营销、 销售和获取收益的权利， 从而保障了数据产品开发者对其产品拥有的经营和收益权， 有助于激发数据资产的创新潜力。总之， “三权分置”框架通过明确数据资源持有权、 数据加工使用权和数据产品经营权， 不仅有助于保护各权属方的合法权益，还可促进数据资源的合理利用和健康发展， 为数字经济的繁荣奠定基础。
3. 企业数据资产产权归属的确认机制。企业数据资产产权归属确认机制的建立， 对于确保企业数据资产的有效管理和利用具有重要意义。本文从编制企业数据资产目录、 开展企业数据资产盘点以及建立企业数据资产权属登记三个方面论述， 并完善企业数据资产权属确认机制。编制企业数据资产目录是数据资产管理的基础性工作， 通过规范的元数据描述， 对企业数据资产进行分类和编码， 形成数据资产全景视图， 不仅涉及数据资产的识别和分类， 还包括对数据资产属性的详细记录， 如数据来源、 数据格式、 数据质量、 数据使用权限等。数据资产目录的编制有助于企业全面地了解和管理其数据资产， 为后续的确权和管理提供重要依据。开展企业数据资产盘点是明确数据权利相关方的关键步骤， 通过对企业内部数据资产的全面梳理， 收集数据资产的来源、 分布、 权属等属性信息， 确保数据资产的清晰界定。数据资产盘点采用自上而下和自下而上相结合的方法， 从业务和技术两个视角对数据资产进行映射和整合， 从而明确数据资产的业务管理部门、 开发服务部门、 所属产品线、 访问控制范围等管理属性。建立企业数据资产权属登记机制是保障数据资产权益的重要措施， 通过设立专业化的数据资产目录登记机构， 对数据资产进行认定和盘点登记， 形成数据资产权属认定的推广示范案例。同时， 依托可信数字身份和可信数据流通技术， 构建数字经济环境下的数字信任交互架构， 实现数据权属信息的可登记、 可查验、 可流转， 从而有效规避数据滥用、 隐私泄露等交易风险（季良玉，2023）。
三、 分级分类策略： 数据资产管理一体化
1. 企业数据资产分级分类与安全技术要求。数据资产分级与分类是数据管理中的关键环节， 以确保数据得到适当的保护和有效利用（丁玟文和庞智强，2024）。数据资产分级是指根据数据的敏感性、 保密性以及对企业的重要性， 将数据划分为不同的级别如公开、 内部、 机密等， 从而有助于确定数据的安全要求和访问控制； 数据资产分类是指将数据按照类型、 来源、 用途等属性进行系统化归类， 以便于管理和检索。数据资产分级和分类的目的均在于优化数据的存储、 处理和传输， 在确保数据安全的同时， 提高数据的可用性和检索效率， 例如敏感数据需要更高级别的加密和访问限制， 而常用数据则需要快速访问和处理。进行分级和分类的方法通常涉及数据发现、 评估和标记过程， 即通过数据发现工具识别和收集数据、 评估数据的敏感性和价值以确定其分级， 然后根据数据的特征和用途进行分类并应用相应的标签。
在数据资产管理中， 对于不同级别和类别的数据资产应实施相应的安全措施以保护数据的完整性、 可用性和机密性。对于高敏感性数据： 加密技术是确保数据在存储和传输过程中安全的关键措施， 通过算法将数据转换成不可读格式， 只有拥有正确密钥的授权用户才能访问原始数据（沈俊鑫和张彤昕，2024）； 访问控制技术则用于限制对数据资产的访问， 确保只有授权用户才能进行数据的查看、 修改或删除操作， 通常涉及用户身份验证、 权限分配和访问审计等环节； 数据脱敏技术则涉及从原始数据中移除或修改敏感信息， 以降低数据泄露风险， 同时保持数据的可用性。安全措施需满足合规性要求， 如欧盟《通用数据保护条例》（GDPR）、 美国《健康保险可携性和责任法案》（HIPAA）等数据保护法规。上述合规性要求， 指导企业收集、 处理和存储个人数据以及在跨境传输中保护数据。通过实施安全措施， 不仅保护了企业数据资产， 也遵守了有关数据资产的法律法规， 避免了潜在的法律风险和经济损失。
2. 建立数据通道实现敏捷协同的一体化管理。数据通道是指确保数据在不同系统和实体间安全、 高效传输的技术和流程集合。数据通道允许数据按照既定的流程和规则， 在企业内部或跨企业边界无缝移动， 不仅涉及数据的实时传输， 还包括数据的批量处理和同步。数据集成将来自多个异构数据源的信息融合到一个单一的、 综合的数据视图中， 以便于后续分析和决策制定， 在此过程中， 数据通道需要适应和处理不同格式和结构的数据实体， 确保在整个集成过程中能保障数据的一致性和准确性， 以及结果可靠性和决策有效性。数据共享则是数据通道的另一个重要功能， 使得不同部门、 团队或合作伙伴能够访问和利用共同的数据资源， 促进跨部门合作， 提高数据的利用效率和价值（潘爱玲和李广鹏，2024）。
一体化管理在数据资产管理中扮演着重要的角色， 是指将数据治理、 数据质量和数据安全等分散的管理活动整合到一个统一的框架中， 不仅能提高数据管理的效率， 还能增强数据的一致性和可靠性（胡继晔和付炜炜，2024）。数据治理是指设定数据管理的策略和框架， 规定谁可以访问什么数据以及如何使用数据； 数据质量关注于数据的准确性、 完整性和可靠性等； 数据安全则致力于保护数据免受未授权访问和泄露。因此， 一体化管理通过建立一个集中的平台或系统， 将管理活动紧密结合起来。主要目的在于： 一是可以实现从数据的创建、 存储、 处理到销毁的全生命周期的敏捷协同管理； 二是可以实现企业跨部门的协作， 确保数据管理策略的一致性快速执行， 并解决信息差问题和避免无效的工作； 三是当面临数据泄露或发生不合规事件等情况时能快速响应， 从而保护企业的数据资产免受损失。
3. 搭建企业数据资产统筹规划、 管理实施与稽核检查的管理体系。统筹规划是数据资产管理的首要步骤， 要求企业从战略层面出发， 制定全面的总体规划， 明确数据资产管理的目标， 并与企业的业务目标和增长战略保持一致， 通过优化数据的使用来提升业务效率并创造价值。资源分配是统筹规划的关键组成部分， 涉及决定哪些技术和人力资源将被投入数据资产管理， 包括选择合适的技术平台、 工具和专业人员以及分配预算和时间， 确保数据管理活动得到有效的支持和执行（陆岷峰和欧阳文杰，2021）； 风险评估是规划过程中的重要环节， 涉及识别和分析可能影响数据资产管理计划的潜在风险， 包括数据泄露、 数据丢失和非合规风险等， 通过评估风险， 企业可以制订相应的应急计划， 以确保数据资产管理活动能够抵御潜在威胁， 保障数据资产的安全和合规性。
管理实施是指将企业数据资产管理的规划蓝图转化为具体行动， 如数据标准的建立、 数据质量管理以及数据安全措施的实施。具体来说， 数据标准的建立是为确保数据一致性和互操作性， 建立起定义数据模型、 制定数据字典和元数据规则， 以及确立数据命名和格式的标准， 从而有助于企业内部以及与外部系统之间的数据共享。数据质量管理关注于数据的准确性、完整性和可靠性等。通过建立数据质量评估指标、 监控数据质量并及时纠正数据问题等一系列持续的控制流程的实施， 旨在帮助企业提高数据的可信度， 从而做出正确的业务决策。数据安全措施具体包括实施访问权限控制、 应用加密技术和定期进行安全审计等， 以此确保遵守数据保护法规， 并采取预防保障措施以应对网络安全威胁风险（张真源，2024）。
稽核检查是数据资产管理中确保合规性和持续改进的关键环节， 通过定期的数据审计和数据检查， 企业能够监控数据资产管理措施的执行情况， 评估其效果， 并及时发现潜在的问题和风险。数据审计是指内部或外部审计团队根据既定的数据管理框架和标准对数据收集、 处理、 存储和共享等环节进行审查， 具体包括： 检查数据访问日志、 监控数据流向以及评估数据安全措施的有效性等； 揭示数据管理的强点和弱点， 为管理层提供决策支持。数据检查则是对数据质量的持续监控， 包括对数据准确性、 一致性和完整性等的评估， 帮助企业识别数据问题。例如， 当存在重复记录或错误信息时， 采取措施进行修正（徐敏和李芳，2024）。
四、 优化协调流程： 数据资产交易模式、 主体与制度完善
1. 企业数据资产交易模式。企业数据资产交易模式的分类， 对于理解数据资产的流通和价值实现、 完善企业数据资产交易制度具有重要意义。数据资产交易模式可以分为三类： "一是按照数据资产交易地点， 划分为场内交易和场外交易。目前， 数据交易所在交易流程的简化、 定价机制的建立以及基础制度的完善方面面临重大挑战。其中， 场内交易即在数据交易所内进行的交易活动， 涉及数据资产的发布、 撮合以及最终的交易执行。这一过程对于构建一个合规有序、 价格稳定且受到全面监管的交易市场具有重要意义。场外交易指的是在数据交易所之外， 交易双方根据私下协定完成的数据资产交易过程。相较于场内交易， 虽然场外交易在操作流程上更为灵活， 能够适应市场变化和个性化需求， 但由于缺乏第三方的规则约束与监管， 其潜在风险相对较高， 因此需要通过严格的合规审查和风险管理来保障交易的安全性和合法性。二是按照资产权利转移方式， 划分为数据持有权转移交易和数据使用权交易。其中， 数据持有权转移交易指数据提供方出售其持有的数据资产， 购买方获得数据的持有权。该交易模式下， 数据的所有权发生转移， 对数据确权、 交易监管提出更高要求。数据使用权交易指在不转移数据持有权的前提下， 对数据的使用权进行交易， 购买方获得限定时间和范围内的数据使用权， 但不具有再次销售或转卖的权利。三是按照数据资产类型， 划分为原始数据交易和衍生数据交易。原始数据交易涉及未经过加工处理的原始数据集的交易， 允许购买方进行深入分析和开发， 但存在较高的数据泄露风险。衍生数据交易涉及经过分析、 加工、 建模后的数据产品， 例如标签、 评分、 模型预测值等。衍生数据交易降低了数据泄露风险， 但限制了数据加工的灵活性（谭红旭和张嘉欣，2024）。因此， 在设计和实施企业数据资产交易策略时， 企业需要综合考虑交易场所、 权利转移的性质以及数据资产的类型， 确保交易的合规性、 安全性和效率。随着我国大数据交易所的发展， 其监管体系、 技术支撑和市场机制的创新， 都将对企业数据资产交易模式演变产生深刻的影响。
2. 企业数据资产交易主体。不同的交易模式需要不同主体的参与和配合， 以确保数据资产交易的顺利进行。同时， 各个主体在交易中扮演的角色也体现了数据资产交易的复杂性和多样性。在企业数据资产交易的复杂生态系统中， 涉及的主体众多， 本文依据交易地点、 权利转移方式和资产类型进行分类匹配， 以提高交易效率和安全性。一是从交易地点来看， 数据所有者通常将数据资产提交至大数据交易平台进行交易， 例如南京公共交通（集团）有限公司将公交数据资源资产化并入表。然而， 上述平台往往设置了较为复杂的市场准入条件， 导致交易量受限， 尤其是民营企业参与度不高， 并且由于平台缺乏权威、 成熟的公示机制， 导致交易主体之间存在信任危机， 影响交易规模与评价。二是从权利转移方式来看， 数据提供方在数据持有权转移交易中出售其持有的数据资产， 而数据购买方在数据使用权交易中获得限定时间和范围内的数据使用权， 数据确权难度大， 导致交易难以进行， 同时， 数据交易契约是不完全契约， 存在机会主义风险， 需要通过妥善配置剩余控制权来防范（江涛，2024）。三是从资产类型来看， 数据服务提供商提供数据清洗、 加工、 分析等服务， 涉及原始数据和衍生数据。数据评估机构对数据资产进行估值和定价， 包括公共数据、 企业数据与个人数据， 数据价值评估难度大， 导致数据共享与交易难、 监管难， 数据保护与交易的界限难以权衡， 需要审查数据共享与交易的主体、 数据产品、 共享交易过程等各个环节的合法合规性。除了上述主体， 监管机构、 法律顾问与合规部门也在数据资产交易中扮演着重要角色， 这些主体监督和管理数据资产交易， 确保交易的合法性和合规性并提供法律咨询。
总之， 企业数据资产交易涉及多个主体， 根据交易地点、 权利转移方式和资产类型将其进行分类匹配， 进而界定各市场主体的活动， 包括数据提供、 购买、 服务、 评估和监管等。与此同时， 各主体也面临相关困境， 如合规审查标准、 信任危机、 数据安全风险、 数据确权难、 机会主义风险、 数据价值评估难和监管难及数据流通不畅等， 为解决上述问题需要多方面的努力。
3. 企业数据资产交易制度完善。我国正在构建企业数据资产交易制度， 旨在确立数据使用的合法合规性与交易流程， 并明确授权范围、 期限和条件， 以保障数据资产合法流通。本文针对制度与交易模式不匹配的问题， 提出三方面的制度完善建议。
（1） 与数据资产交易地点分类相关。在场内交易方面， 建立数据要素流通准入规则， 确保流通数据标的明确、 范围确定、 标识清晰、 来源合法， 以及价值可估。规范场内数据交易流通， 明确数据交易中的确权登记、 主体资格审核、 交易规范， 以及市场运营管理等规则， 引导数据合法合规交易。建立数据流通交易登记备案机制， 制定统一的市场主体登记数据和系统建设规范， 确保市场主体登记备案便利化。在场外交易方面， 加强场外交易中的数据安全和隐私保护， 保障数据提供者的数据权益， 促进多种场景下各种数据要素的安全流通。建立数据要素市场社会信用机制， 逐步完善数据交易失信行为认定、 守信激励、 失信惩戒、 信用修复和异议处理等机制。
（2） 与数据资产权利转移方式分类相关。在数据持有权转移交易方面， 落实“三权分置”要求， 加快构建分类科学的数据资产产权体系， 推进非公共数据按市场化方式“共同使用、 共享收益”的新模式， 为激活数据要素价值创造和价值实现提供基础性制度保障。在数据使用权交易方面， 保护经加工、 分析等形成数据或数据衍生产品的经营权， 依法依规规范数据处理者许可他人使用数据或数据衍生产品的权利。促进数据使用权交换和市场化流通， 审慎对待原始数据的流转交易行为。
（3）与数据资产类型分类相关。在原始数据交易方面， 建立安全高效、分级分类的数据流通安全机制， 相关技术与机制保障包括隐私计算、 数据脱敏、 数据加密等。严格保护商业秘密和个人隐私， 建立数据流通安全机制。在衍生数据交易方面， 推动技术、 安全、 质量、 分类、 价值评估、 管理运营等数据资产相关标准建设， 鼓励行业自行或联合制定企业数据资产标准。公共管理和服务机构应配套建立公共数据资产卡片， 明确公共数据资产基本信息、 权利信息、 使用信息、 管理信息等（刘冰，2023）。
五、 安全效率平衡： 数据资产技术支持
1. 去隐私化技术支持。企业数据资产的去隐私化技术是确保数据安全流通的关键。统计技术在数据去隐私化中扮演着基础性角色。数据抽样技术通过选取数据集中有代表性的子集进行分析， 提升去标识化技术的有效性。数据聚合技术通过一系列统计方法如求和、 计数以及平均等， 生成的结果代表原始数据集中的所有记录。密码技术是去隐私化技术中的重要工具， 包括确定性加密和不可逆加密两种主要方法。其中： 确定性加密允许在必要时对密文进行解密还原， 适用于对特定数据如ID的处理； 不可逆加密如散列（Hash）函数， 处理后的数据不可直接解密， 适用于保护数据的匿名性。假名化技术和泛化技术通过替换或概括数据属性值， 降低数据集中所选属性的粒度， 实现数据的去隐私化。随机化技术、 抑制技术和数据脱敏技术也在数据去隐私化中发挥着重要作用。随机化技术通过随机修改属性值降低数据泄露风险； 抑制技术通过删除或屏蔽特定数据项来保护隐私； 数据脱敏技术则在不影响数据分析结果准确性的前提下， 对原始数据中的敏感字段进行处理， 降低数据敏感度（Liu，2023）。
一言以蔽之， 企业数据资产的去隐私化技术支持是确保数据资产安全流通的基础， 通过统计技术、 密码技术和其他辅助技术的综合应用， 在保护个人隐私和企业机密的同时， 促进了数据资产的有效利用和价值实现。未来， 随着技术的发展和市场需求的变化， 去隐私化技术将继续演进， 以满足更高层次的数据安全和隐私保护需求。
2. 协同计算技术支持。多方安全计算是企业数据协同计算中较为典型的方法， 其允许多个参与方在保护各自数据隐私的前提下共同完成项目计算任务， 通过加密算法确保数据在传输和处理过程中的安全性， 使得参与方无法获取除计算结果之外的任何信息， 该技术方法在金融、 医疗等领域的数据资产交易中具有重要应用价值， 能够有效保护敏感数据， 促进数据资产的安全流通。联邦学习是一种分布式机器学习技术， 允许多个参与方在共享原始数据的情况下， 共同训练模型， 通过在本地数据上进行训练然后聚合模型参数的方式来实现知识共享， 从而提高数据资产的利用效率， 同时保护数据隐私， 提升企业数据资产的智能化水平。可信执行环境、 同态加密、 差分隐私等也在数据资产交易中发挥着重要作用。可信执行环境通过在硬件层面提供安全区域， 确保代码和数据的安全性； 同态加密允许在加密数据上直接进行计算， 而无需解密； 差分隐私通过添加噪声来保护个体数据的隐私。
可以看出， 企业数据资产的数据协同计算技术支持是实现数据资产安全、 高效交易的关键， 通过多方安全计算、 联邦学习等技术的综合应用， 企业能够在保护数据隐私的同时， 充分发挥数据资产的价值。
3. 交易辅助技术支持。企业数据资产的交易和管理需要依赖先进的技术支持以确保数据资源的安全性、 合规性和透明度。区块链技术在数据资产交易中的应用主要体现为能够提供一个去中心化、 不可篡改和全透明的数据存储和交易机制， 通过区块链， 数据交易的每一个环节都能够被记录和追踪， 从而确保数据的来源可追溯性和交易过程完整性。智能合约的应用进一步自动化数据交易的执行过程， 提高交易效率。数据水印技术为数据资产提供高级别的防伪标识， 能够在数据文件中嵌入隐蔽的标记， 用于数据的版权保护和溯源， 特别适用于数据共享和分发的场景， 能够在数据遭到泄露或滥用时提供追踪和定位， 从而保护数据资产的所有者权利（闫晴和高婷婷，2024）。数据血缘技术可记录数据从产生到最终消亡的全生命周期中的流转和处理过程， 不仅帮助企业理解数据的起源和变化， 还能够在数据交易中提供确权和溯源的依据， 此外， 数据血缘分析还有助于揭示数据资产的价值和质量， 为数据资产的评估和交易决策提供支持。
企业数据资产的数据交易辅助技术支持， 是确保数据资产交易安全、 高效和合规的关键， 区块链技术、 数据水印技术和数据血缘技术等的应用， 不仅能够提升数据资产的管理能力， 也可为数据资产交易提供坚实的技术基础， 随着技术的不断发展和完善， 其还将更加深入地影响和改进企业数据资产的管理和交易方式。
六、 研究结论与政策建议
1. 研究结论。本文为企业数据资产的有效管理和交易提供理论指导和实践建议， 强调在数字化时代下企业对数据资产的重视和管理的必要性， 主要研究结论如下： 第一， 企业数据资产权属界定是数据资产管理和交易的基础， 权属界定的模糊性制约数据资产流通， 因此， 需要建立明确的数据资产权属体系即“三权分置”框架， 促进数据资产的确权、 流通和保护。第二， 强调分级分类管理在确保数据资产安全性和可用性方面的应用， 通过精细化的分级分类策略， 企业能够更有效地对数据资产进行风险评估和价值挖掘， 促进数据的合规使用和共享， 从而提高数据驱动决策的质量和效率。第三， 企业数据资产交易涉及多种模式以及数据所有者、 交易平台和服务商等多方主体， 然而， 交易过程中面临着流程不畅、 授权不明确和信任问题等挑战。对此， 提出以下建议： 建立数据流通准入规则， 规范交易流程； 实施数据产权的分置， 构建完善的数据资产产权体系； 建立监管合作机制， 规范产权登记， 并鼓励制定相关的行业标准。第四， 技术支持是实现企业数据资产管理与交易的重要保障， 区块链、 数据水印以及数据血缘等技术在确保数据资产安全、 合法交易中发挥着至关重要的作用， 不仅提升了数据资产的管理能力， 也为数据资产的交易提供了坚实的技术基础。
2. 政策建议。结合上述研究结论， 本文对促进数据资产的合理管理和充分利用， 同时保障数据安全和个人隐私等方面给出政策建议。第一， 明确企业数据资产权属界定。政策制定者可优先明确企业数据资产的权属界定规则， 确立“三权分置”框架， 以法律形式确立数据资产的合法权利和义务。建议制定专门的数据资产权属登记和管理制度， 为数据资产的确权、 流通和保护提供清晰的法律路径和操作指南。第二， 建议政府和行业监管机构制定明确的数据分级分类标准。政府为企业提供具体的管理指南和操作框架， 标准应涵盖数据的敏感性、 重要性和业务价值， 以帮助企业确定不同数据集的优先级和保护级别。政策应鼓励企业建立动态的数据分级分类机制， 定期审查和更新分级分类策略， 以适应不断变化的业务需求和监管环境， 确保数据资产的持续合规性和安全性。建议加强跨部门和跨行业的协作， 共同开发和实施统一的数据分级分类系统， 促进数据的互操作性和流动性的同时， 降低数据管理的复杂性和成本。还可考虑制定激励措施如提供税收优惠、 财政补贴或研发支持， 鼓励企业投资于数据分级分类技术和人才培训， 加速企业数据资产管理能力的提升， 推动数字经济的健康发展。第三， 构建健全的企业数据资产交易体系。政府可出台企业数据资产交易规范， 涵盖数据使用权、 数据隐私保护以及数据资产监管等方面的交易准则和操作流程， 以保障交易的合法合规、 安全可靠和信息透明。此外， 还需提升数据资产的流通性和市场运作效率， 鼓励构建包含交易监督、 风险控制和争议处理等要素的企业数据资产交易监管架构（张楠和马治国，2024）。第四， 提供企业数据资产管理与交易技术支持。政策应大力支持数据资产管理与交易相关技术如区块链、 数据水印以及数据血缘技术的研发和应用， 制定技术标准和规范， 推动技术创新和集成， 鼓励企业采用先进的技术手段， 提高数据资产管理的效率和安全性。同时， 加强技术培训和知识普及， 提升整个数据资产管理与交易行业的技术水平。
【 主 要 参 考 文 献 】
蔡昌，赵艳艳，李梦娟．区块链赋能数据资产确权与税收治理［ J］．税务研究，2021（7）：90 ～ 97．
丁玟文，庞智强．数据资产的分类与估值方法［ J］．统计与决策，2024（15）：34 ～ 39．
胡继晔，付炜炜．数据要素价值化助力培育新质生产力［ J］．财经问题研究，2024（9）：48 ～ 60．
黄海．会计信息化下的数据资产化现状及完善路径［ J］．企业经济，2021（7）：113 ～ 119．
刘冰．论数据资产化的法律障碍及破解路径［ J］．中国法律评论，2023（2）：51 ～ 63．
陆岷峰，欧阳文杰．数据要素市场化与数据资产估值与定价的体制机制研究［ J］．新疆社会科学，2021（1）：43 ～ 53+168．
潘爱玲，李广鹏．数字经济时代企业数据价值释放的路径、挑战与对策［ J］．理论与改革，2024（4）：163 ～ 174．
沈俊鑫，张彤昕．基于价值链理论的互联网企业数据资产价值评估［ J］．科技管理研究，2024（7）：124 ～ 134．
谭红旭，张嘉欣．对数据资产入表问题的思考［ J］．财会月刊，2024（11）：68 ～ 73．
谭明军．论数据资产的概念发展与理论框架［ J］．财会月刊，2021（10）：87 ～ 93．
徐敏，李芳．数据资产入表对审计流程的影响及应对——以地级市国有平台A集团公司为例［ J］．财会月刊，2024（17）：93 ～ 102．
闫晴，高婷婷．数字经济时代数据资产交易课税：制度困局、理论逻辑与优化方案［ J］．青海社会科学，2024（1）：172 ～ 181．
张楠，马治国．数据资产证券化探索的法律困境与解决路径［ J］．重庆大学学报（社会科学版），2024（2）：211 ～ 222．
John K.， John T. A.， Reisman H.. Accounting data and asset valuation： Theory［ J］． Review of Quantitative Finance and Accounting，1994（4）：311 ～ 320．
Liu C.. Application of security algorithm in audit data asset valuation based on distributed machine learning［ J］． Wireless Personal Communications，2023（1）：1 ～ 15．
Veldkamp L.. Valuing data as an asset［ J］． Review of Finance，2023（5）：1545 ～ 1562．
