【摘要】
过去几年里，”数据”这个词在政策文件中的位置发生了明显变化：从”信息资源”，到”要素”，再到”市场”。
这个变化对企业意味着什么？意味着数据不再只是信息系统的副产品，而是被正式认定为可以确权、可以流通、可以计价、可以入表的资产类别。
但现实是，多数企业对”自己到底有哪些数据、这些数据值不值钱、能不能合规地用起来”，其实并不清楚。 有的企业数据很多却用不起来，有的企业想做数据产品却卡在权属，还有的企业因为数据合规问题被约谈。
本文梳理数据要素政策的底层逻辑、企业数据资源的四类划分、开发利用的四条路径、确权的”三权分置”框架、流通交易的场内外差异、三条合规红线，以及数据资产化的前置条件。附 2 张表。
一、政策脉络：从”要素”到”市场”
理解数据政策，抓住三个关键文件就够用了。
| 阶段 | 标志性文件方向 | 核心变化 |
|---|---|---|
| 制度奠基 | 数据安全法、个人信息保护法 | 明确数据处理的合规底线 |
| 要素定位 | 数据基础制度相关意见 | 确立数据要素地位，提出”三权分置” |
| 市场建设 | 数据要素相关行动方案 | 推动数据在重点行业深度融合与流通 |
“三权分置”是这套制度中最具突破性的设计。 它把数据权利拆成数据资源持有权、数据加工使用权、数据产品经营权三个层次。这一设计的目的，是解决”数据到底归谁”这个长期争议——与其争论所有权，不如把使用权、经营权分离出来，让数据能够流动起来。
“数据要素×”行动方案的重点，是把数据用在具体行业场景里。 它提出的不是抽象概念，而是在工业制造、现代农业、商贸流通、交通运输、金融服务等具体领域推动数据融合应用。 对企业来说，这才是最可对接的部分。
数据领域的具体制度安排、试点范围与操作规则，以国家数据主管部门及地方数据管理部门现行文件为准。
二、企业手里有哪些”数据资源”
在谈开发利用之前，先要盘点家底。企业的数据资源大致可分四类。
| 类型 | 举例 | 特点 |
|---|---|---|
| 业务数据 | 订单、生产、库存、销售 | 与经营直接相关 |
| 设备数据 | 运行参数、能耗、故障 | 工业场景独有 |
| 客户数据 | 用户画像、行为、反馈 | 涉及个人信息，敏感 |
| 外部数据 | 市场、行业、供应链 | 需关注获取合规性 |
“设备数据”是制造企业最被低估的一类资源。 一台设备多年的运行参数、能耗曲线、故障记录，本身就是工艺优化的依据——而且这类数据通常不涉及个人信息，合规负担相对较轻，是很好的起步方向。
“客户数据”价值高但风险也高。 涉及个人信息的数据处理，需要满足告知同意、最小必要、安全保障等要求。 企业往往在营销驱动下过度采集，为后续合规埋下隐患。
盘点时建议加一列”合规属性”：是否涉及个人信息、是否涉及重要数据、是否可以对外提供。 这一列决定了数据能用到什么程度。
三、数据资源开发利用的四条路径
| 路径 | 内容 | 适用企业 |
|---|---|---|
| 内部提效 | 用数据优化生产、质量、能耗 | 多数制造企业 |
| 产品服务化 | 把数据变成服务，向客户提供 | 装备与服务型企业 |
| 对外交易 | 在合规前提下交易数据产品 | 数据资源丰富型企业 |
| 资产化 | 符合条件的数据资源入表 | 财务规范较好型企业 |
路径有先后顺序。 内部提效是基础，产品服务化是延伸，对外交易和资产化是进阶。 如果连内部数据都没有打通，直接谈对外交易，多半是无本之木。
“产品服务化”是制造企业最现实的增值路径。 例如设备厂商通过远程监测数据，向客户提供预测性维护服务——这既提升了客户价值，也把一次性销售变成了持续性收入。 这类模式对数据的要求不是”多”，而是”准”和”持续”。
“资产化”（数据资源入表）的条件相对严格：需要满足资产确认条件、权属清晰、成本可计量。 它是结果，不是起点。
四、确权：权属到底怎么理解
数据确权是最容易产生误解的环节。
| 权利 | 含义 | 企业关注点 |
|---|---|---|
| 数据资源持有权 | 对合法持有数据的权利 | 来源合法是前提 |
| 数据加工使用权 | 对数据进行加工使用的权利 | 可授权、可约定 |
| 数据产品经营权 | 对数据产品经营的权利 | 是交易的基础 |
一个关键认知是：持有数据不等于可以随意使用和交易。 企业通过合同获得的客户数据，其使用范围通常受合同与法律双重限制——超出约定范围使用，即使数据本身是合法获得的，也可能构成违规。
因此，”来源合法”是确权的第一关。 数据是自己产生的、合同约定取得的、公开渠道获取的、经授权取得的——不同来源对应不同的使用边界，企业应当逐一梳理并留存依据。
建议企业在合同中明确数据条款：数据的使用范围、加工权限、能否对外提供、合作终止后如何处置。 这类条款今天写进去，成本很低；等到纠纷出现再补，代价很高。
五、流通交易：场内与场外的区别
| 方式 | 特点 | 合规关注 |
|---|---|---|
| 场外交易 | 双方直接约定，灵活 | 需自行证明合规性 |
| 场内交易 | 通过数据交易机构 | 有交易规则与服务支撑 |
| 数据产品挂牌 | 形成标准化产品 | 需明确可交易的权利基础 |
| 数据服务合作 | 以服务形式提供数据价值 | 需防范变相交易 |
“场内交易”的价值不只是合规背书，更在于把”非标”变成”标”。 数据交易最大的障碍之一是定价与交付难以标准化——交易机构提供的确权、评估、交付与凭证服务，能显著降低双方的不信任成本。
“以服务形式提供数据价值”是近年常见做法。 企业不直接交付原始数据，而是输出分析结果、模型能力或决策建议。 这种方式既规避了原始数据交付的风险，也更接近客户真正想要的东西——客户要的往往不是数据，而是由数据得出的判断。
具体交易规则、可交易数据的范围与负面清单，以数据交易机构与地方数据管理部门现行规定为准。
六、三条合规红线
| 红线 | 内容 |
|---|---|
| 个人信息保护 | 处理个人信息须符合法定要求 |
| 重要数据与出境 | 涉及重要数据的出口需评估 |
| 数据安全义务 | 落实分类分级与安全防护 |
“数据出境”是最容易被低估的一条。 很多企业以为只有把数据拷贝出境才算出境——实际上，境外主体远程访问境内数据、通过境外服务器处理境内数据，都可能构成数据出境。 涉及的评估、备案与合同要求，以国家网信部门现行规定为准。
“重要数据”的识别同样需要企业自己完成。 企业应当结合行业要求，识别自身是否涉及重要数据，并按规定履行相应义务。 把这件事交给”以后再说”，风险会累积。
七、数据资产化的前置条件
数据资源入表不是会计技术问题，而是管理成熟度问题。
| 前置条件 | 说明 |
|---|---|
| 权属清晰 | 能证明合法持有与使用权利 |
| 成本可归集 | 采集、加工、维护成本可计量 |
| 有应用场景 | 能带来预期经济利益 |
| 有管理制度 | 数据管理流程与责任明确 |
| 有安全能力 | 满足合规与安全要求 |
“成本可归集”是很多企业卡住的地方。 数据相关的支出往往分散在 IT、研发、生产等多个科目里——如果没有按数据项目归集，很难形成入表所需的成本依据。
建议企业从”建立数据项目台账”开始：每上一个数据相关的投入，标注它服务于哪个数据资源或产品。 这个习惯一旦形成，未来的资产化、融资、评估都会顺畅很多。
八、组织与能力建设
数据工作跨部门，没有组织保障很难推进。
| 角色 | 职责 |
|---|---|
| 决策层 | 确定数据战略与投入 |
| 数据负责人 | 统筹数据管理与合规 |
| 业务部门 | 提出场景需求、参与治理 |
| 技术部门 | 平台建设与技术实现 |
| 法务合规 | 合规审查与风险控制 |
“业务部门参与”是数据项目成败的关键。 数据治理如果只由 IT 或数据部门推动，业务部门往往配合度低——因为治理带来的是额外的填报成本，而收益由别人体现。
可行的做法是”以场景换治理”：先用一个业务部门真正需要的场景（比如交付周期分析、质量追溯、能耗对标）打动它，在解决场景问题的过程中顺势完成数据标准与质量治理。
九、常见误区
| 误区 | 实际情况 |
|---|---|
| 数据天然属于企业 | 来源不同，权利边界不同 |
| 有数据就能卖 | 权属、合规、场景缺一不可 |
| 数据入表是想做就能做 | 需满足资产确认与管理条件 |
| 数据出境只有拷贝才算 | 远程访问等也可能构成出境 |
| 治理是IT部门的事 | 业务不参与必然失败 |
| 数据越多越有价值 | 有价值的是能用的数据 |
最后一条要特别强调。 数据的价值不在数量，而在”可用性”。 一批口径混乱、质量低下的数据，治理成本可能远高于它能带来的价值。 对多数企业来说，先把核心业务数据做准做实，比盲目扩大采集范围更重要。
十、数据合规的日常管理
数据合规不是一次性的项目，而是一组持续的日常动作。
| 日常动作 | 频次建议 |
|---|---|
| 数据资产盘点 | 定期更新数据清单 |
| 权限复核 | 定期检查账号与权限 |
| 供应商数据条款检查 | 新增合作时必查 |
| 合规培训 | 覆盖相关岗位 |
| 事件演练 | 定期模拟处置 |
| 制度评审 | 随法规与业务变化更新 |
“权限复核”是最容易被忽略、效果又最直接的一项。 员工调岗、离职后权限未及时回收，是数据泄露最常见的通道之一。 把权限复核固化为周期性动作，成本极低。
“供应商数据条款检查”需要前移到采购环节。 等到合作开始后再补签数据条款，往往处于被动；把数据保护条款纳入标准合同模板，是最省事的方式。
十一、能力自测：六个问题
| 自测问题 | 判断含义 |
|---|---|
| 能否说清企业有哪些数据资源？ | 家底是否清楚 |
| 关键数据的来源是否可证明合法？ | 确权基础 |
| 对外合同是否含数据条款？ | 风险控制 |
| 是否识别了涉及个人信息的数据？ | 合规重点 |
| 是否识别了可能涉及出境的情形？ | 高风险点 |
| 有没有明确的数据负责人？ | 组织保障 |
前三项对应”基础工作”，后三项对应”风险点”与”组织”。 实务中企业往往在前三项投入较多，而忽略了后三项——尤其是”出境情形识别”，很多企业在被问到时才发现自己其实存在数据出境场景。
十二、FAQ
Q1：中小企业需要做数据要素相关工作吗？
需要，但起点不同。 建议从”把核心业务数据管好、用起来”开始，不必一开始就追求数据交易或资产化。
Q2：数据可以随便对外提供吗？
不可以。 对外提供需要满足权属、合规、合同约定等多重要求，涉及个人信息的还需履行相应义务。
Q3：数据交易一定要走交易所吗？
不是必须，但场内交易在合规背书与交付保障上有优势。 具体选择取决于交易标的与对方要求。
Q4：数据治理要投入多少？
取决于起点与目标。 建议按场景分批推进，避免一次性铺开一个覆盖全公司的大工程。
十三、行动建议：三步
第一步：盘家底。 把企业现有数据资源列成清单，标注来源、用途、合规属性。
第二步：选场景。 选一个业务真正需要、数据基本可得的场景先做，用效果争取后续资源。
第三步：立规矩。 明确数据管理职责、使用流程与安全要求，并把数据条款写进对外合同。
一句话总结：数据要素的价值不在于”拥有多少数据”，而在于”能不能合法、持续、有效地把数据用起来”。