推广 热搜: 水平  2025  高温  苏苏  杭州  广东红中麻将群跑得快  科技  破拱器  珠海  加热器 

熊节:数据资产入表是地方政府化债转型的一个可行方向

   日期:2024-08-06     浏览:27    

【文/观察者网专栏作者 熊节】

进入2024年以来,多家公司相继开始将数据资产入表,其中城投类企业表现得最为活跃。据上海交通大学上海高级金融学院发布的《中国企业数据资产入表情况跟踪报告》显示,全国已有50家城投公司和类城投国企披露了数据资产入表情况。数据资产入表到底是什么意思?为什么城投类企业率先成规模地试水数据资产入表?数据资产化的趋势未来将走向何方?本文将尝试回答这些问题。

数据资产入表是数据作为新型生产要素的直观体现

数据资产"入表"指的是将数据作为一类财务意义上的资产,计入企业的资产负债表。早在2006年,美国全国广告商协会的副会长Michael Palmer就在一篇博客中指出"数据是新的石油"。但同时Palmer也认为,数据就像石油一样,必须经过加工才能被使用并真正体现出价值。在那之后,IT行业逐步进入大数据时代,掌握数据的企业、尤其是互联网科技企业肉眼可见地从数据中获得了大量经济价值。但直至最近,数据的价值仍然以一种财务意义上不可见的形式存在:各大互联网企业的资产负债表中没有"数据资产"这一项目,公众也无从知晓Facebook或者Amazon的市值有多少应归功于公众使用而创造的数据。正如笔者在此前的一次采访中所说,数据的价值就像一块"暗物质"一样,支撑着若干互联网企业的估值,却从未被明确量化出来。

2019年11月,中国共产党十九届四中全会发布《中共中央关于坚持和完善中国特色社会主义制度、推进国家治理体系和治理能力现代化若干重大问题的决定》,将"数据"列为一类新的生产要素,与劳动、资本、土地、知识、技术、管理等传统意义上的生产要素相并列。这是经济学理论的一次重大创新,是自1890年Alfred Marshall在《经济学原理》中把"企业家才能"(包含了知识、技术、组织、管理等多种组成成分)作为土地(包括自然资源)、资本、劳动之外的第四类生产要素以后,一百多年来首次从经济学理论上提出一类新的生产要素。

广东一带的生产加工工厂 中新网

在没有被明确列为生产要素之前,数据价值的量化一直存在一个尴尬的理论困境:这种价值不是从前四类生产要素中派生出来的。一些学者试图论证数据的价值源于互联网用户的免费劳动,因此是劳动生产要素的产物。从这个意义上,他们将互联网用户称为"i奴"(iSlave)。但这一观点有两个重大缺陷:第一,互联网确实给普通用户提供了巨大的便利,很难将所有使用互联网(并产生数据)的行为一概称为对用户免费劳动的榨取;第二,除了人类用户之外,机器、车辆、摄像头、传感器等等智能设备也都在产生巨量的数据,而且这些数据的价值丝毫不逊于人类用户的输入,因此也很难将数据价值完全归功于人类用户的免费劳动。数据的价值一直不能明明白白地展现在企业的资产负债表上,跟这一理论困境也有关系。

智能网联汽车腾讯科技

四中全会《决定》为数据资产化和数据资产入表提供了理论基础。2023年8月财政部印发的《企业数据资源相关会计处理暂行规定》又从制度上澄清了数据资产的会计处理方式。接下来的问题就是如何为数据资产定价。极度简化地来说,资产定价的方法分为成本法、收益法、市场法三类。对于数据这种新型、非标准的资产,基于成本的核算很难代表数据资产的价值,基于企业内部的收益评估又欠缺公允性,因此基于市场价格基准定价就成了最简单且有效的方法。举例来说,假设某地交投积累了3年的停车数据,某客户付费使用这些数据,双方约定使用价格为每次查询0.1元。那么,根据该客户一年的使用量、数据集自然增长的速度、同类客户扩展的潜力等因素,就可以相对客观地预估该数据集在未来创造收入的潜力,再通过贴现估算该数据集的经济价值,从而将数据集转化为会计意义上的数据资产,并合理地将其计入企业的资产负债表。

实践上,让来自各行各业、丰富多样的数据资产能够形成市场价格基准的基础,就是雨后春笋般涌现的数据交易所。2021年6月颁布的《中华人民共和国数据安全法》第十九条规定:国家建立健全数据交易管理制度,规范数据交易行为,培育数据交易市场。早在此前几年,2015年贵阳大数据交易所就已挂牌运营。《数据安全法》颁布后,深圳和上海先后成立数据交易所,随后多地相继成立数据交易所。截至2024年6月,全国已有80多个数据交易所及数据交易中心。。企业之间的数据交易在数据交易所备案后,就成为了对数据资产定价有参考意义的价格基准。

图源:艾瑞咨询

正如Palmer所说,企业在运营中积累的原始数据更像是原油,还需要一系列的加工才能变成能被使用、有经济价值的资产。在数据资产化的实践中,拥有数据的企业通常需要经过数据盘点和数据治理,将散乱的原始数据转化为可以被其他人使用的数据产品(在此过程中可能需要建设数据平台和API);然后对数据进行确权,确认企业拥有该数据的所有权。经过盘点、治理和确权的数据产品才能进行财务估值和入表。以湖北交投集团的数据入表为例,该集团内部盘点出的数据产品,首先在湖北省数据产权登记(存证)平台进行数据产权登记,然后在湖北省数据资产综合评估服务平台进行数据资产登记,随后会计师事务所就可以根据这两项登记对数据资产进行估值并入表。整个过程需要IT技术、财务会计、法律等多领域专业人士的跨界合作。

据国家网信办发布的报告,数字经济在我国GDP中的占比已经超过40%。世界经济论坛的估算认为,未来10年中全球经济活动创造的新增价值有70%将以数字化平台业务模式为基础。数据作为一类明显有经济价值的资产,将其价值明确计入资产负债表的要求已迫在眉睫。十九届四中全会《决定》为数据资产化奠定了理论基础,数据交易平台的快速发展为数据资产化铺好了实践通路。今年开始涌现的数据资产入表案例是上述政策、体制机制和基础设施建设水到渠成的结果。

数据资产入表是地方政府化债转型的一个可行方向

随着房地产市场降温,地方债问题引发了多方关注。2023年7月中央政治局会议提出"化债一揽子政策"以来,新一轮地方债务化解加快落地。但是,尽管有特殊再融资等政策性金融工具出台,12个重点省份的化债压力仍然不小。在这一大背景下,数据资产入表相当于给地方城投凭空创造出一块资产,城投立即可以将这块资产转化为信贷,对于缓解债务压力很有意义。

正如厦门大学赵燕菁教授所说,过去我国地方政府投资基建的逻辑是"土地金融":政府将土地作为原始资本,将土地的未来收益作为信用,通过土地出让直接融资的办法,将公共产品的未来收益贴现到当下。因此"七通一平"的基础设施建设(也是地方债的主要用途),其目的并不是通过基础设施运营来盈利,而是提升土地的未来收益。政府则以下一阶段土地出让金的形式回收前一阶段的基建投资,不断提高的地价最终由量价双升的楼市来吸收。自1998年住房制度改革以来,这个循环一直运转良好,也成就了我国世界领先的基建水平。

道路建设广州日报

但在城市化进程进入下半场、房地产市场整体降温、"房住不炒"成为共识的大环境下,土地金融逻辑已经不能再无限延续下去。地方政府看待基建的方式也必须发生一个重大转型:不能再单纯将基建视为提升土地未来收益的无偿投入,必须从土地和基建中产生税收和现金流。这也就是赵燕菁所说的"从土地金融转向土地财政"。

然而,在社会主义的制度大前提下,基础设施建设必然是具有公益性的,不可能完全交给市场经济定价。以最常见的交通基础设施为例,从2008年到2023年间,全国新增公路里程近200万公里,高速公路13万公里以上,建成了四通八达的交通路网,将中西部经济较为落后的农业地区与东部沿海城市市场连接起来,对脱贫攻坚和乡村振兴起到了关键作用。但公路基本不收费、高速公路收费也仅够道路本身养护,难以创造出能盈利的资产。虽然各地交投想出很多办法创收,例如交旅融合、广告经营等,相比于基建投入的大量资本来说还是杯水车薪。

中国高速路网

当数据这种新型生产要素被纳入考量,就给城投化债和转型打开了一个全新的可能性。基建投入带来的直接效果就是人民的社会活动和经济活动增加,从而创造出更多、更有价值的数据。既有紧迫性,又有现成的数据,今年各地交投集团纷纷将数据资产入表也就顺理成章了。从各地交投集团数据资产入表的案例来看,最多的是停车数据,包括南京"宁停车"停车行为分析数据产品、重庆巴南区停车数据资产、临沂市高铁北站停车场数据资源集、许昌智慧停车应用场景数据资产等,其他入表的数据产品还包括公交出行数据(南京、合肥)、公路通行数据(广东)、交通拥堵数据(湖北)、车联网数据(苏州)等。

数据资产带来的直接效果就是城投/交投公司可以用这块新增的资产去向银行融资了。以湖北交投集团数据资产入表为例,该集团将"高速车流分析数据产品-路段拥堵(风险)分布"和"试验检测类-工地试验室数据集"两个数据产品入表后,凭这两项数据资产取得兴业银行武汉分行新增授信1亿元。不难想象,各地城投和交投在过去几年的城市更新、智慧城市、智慧交通等建设中积累的数据集远不止现在挂牌上市入表的这些,而且这些数据集仍在稳定增长,都是很有潜力的数据资产。一些业内人士估计,数据资产入表总量几年内可能达到万亿元规模,再经过金融杠杆和衍生市场的撬动,能释放十万亿级别的流动性,成为地方政府信用乃至人民币信用的一块新基石。

数据资产公有化大势呼之欲出

不难预见,随着各地交投数据资产入表和融资成功,其他行业也会陆续跟进,推动全社会大范围的数据资产化进程。因为对企业来说,进行一轮数据资产盘点、确权、估值、入表,成本只是一笔专业服务费,收益则是凭空新增一笔资产。这是个无本万利的买卖,而且又有成功案例在前,没有任何风险,对于企业经营者来说是有吸引力的。笔者认为,在这一进程中,互联网大厂反而不会是积极的吃螃蟹者,而会是最后行动的观望者。原因有二:第一,互联网大厂已经靠自身拥有的数据赚取了利润,数据的价值已经从股市中变现,并不需要再将其明确入表融资;第二,更关键的是,一旦数据资产化在全社会推广到一定程度,公众难免会提出一个合理的疑问--互联网大厂"拥有"的这些数据,到底应该归谁?

国外的一些学者很早就已提出,互联网平台的数据源于亿万用户的使用。早在1996年,美国在线(AOL)已有3万名"社区领袖"帮助AOL管理和引导在线聊天室,这些无偿的志愿者每月为AOL创造超过7百万美元商业价值。经过二十多年的发展,如今顶级互联网平台的市值中,可能有20~30%应归功于用户使用过程中无偿提供的数据--以谷歌和Facebook等美国互联网巨头为例就是数千亿美元,以阿里和腾讯为例就是数千亿人民币。尽管GDPR等立法明确用户个人数据属于用户本人,并且要求互联网平台允许用户退出平台、彻底删除个人数据,然而当平台已经形成事实垄断、成为日常生活的必备工具,"退出权"形同虚设,用户只能忍受数据价值被平台侵占的现状。

AOL在线聊天新浪科技

欧美的数字经济研究者先后提出过一些用户与平台分利的方案。最近的例子是万维网的发明者Tim Berners-Lee提出的Solid项目,其思路是用户可以用一个私人化的软件或硬件设备(称为Pod)存储所有个人数据,并按需授权互联网平台使用个人数据。于是Pod的提供商(例如位于美国的Inrupt)可以集中大量用户的个人数据,从而具有与互联网平台(例如亚马逊)议价的能力。Pod提供商从互联网平台获得经济回报后,再化整为零分利给所有个人用户。

Solid没有取得任何实质性的进展。原因很简单:互联网巨头根本没有与其合作的动力。但Solid这样的项目确实指出了数据价值面临的一对矛盾:一方面,互联网平台的巨大价值来源于用户提供的数据,用户理应从中获得收益;另一方面,数据只有大量聚合在一起才有价值,因此仅仅在法律上允许用户"拥有"甚至"拿回"自己的数据毫无意义。如何处理好这一对矛盾,既把大量用户的数据聚合在一起充分发挥其价值,又让每个用户个体能得到合理的价值回馈,是数据资产化过程中必须回答的一个重要问题。

从这个意义上,各地城投/交投的数据资产入表实践对解决这对矛盾提供了新的思路。城投作为国有企业,在建设经营基础设施的过程中获得公众创造的数据。通过数据资产入表,实际上就是将数据的价值转化为国有资产的增值,再通过国资委的管理调度实现全民普惠。在这个数据取之于民、用之于民、全民获益的闭环中,国有企业拥有并经营公共数据是一个关键。

雄安新区的实验可以视为这一方法在更大范围内的试点。据笔者的调研了解,雄安新区从一开始规划就强调云上的智慧城市与实体城市同步建设,由中国雄安集团数字城市科技有限公司(河北省国资委下属的国有企业)负责整个智慧城市的建设和运营。该公司管理的城市计算中心汇聚整个新区的各项数据,利用信息技术手段把城市的过去、现状和未来的全部内容在网络上进行数字化虚拟实现,基于城市的数字孪生提供智慧交通、数字政务、智慧生活、设备智能巡检、老年人监护、应急响应等数字化应用场景。

从数据资产的角度来看,整个雄安智慧城市产生的数据,全都由数字城市公司统一拥有、统一管理、统一经营。华为、腾讯、阿里等科技企业虽然参与数字城市建设,但只能提供技术和装备,不能获得数据。可以预见,未来当雄安的数据资产开始产生经济价值,很自然地这些经济价值就形成了国有资产增值,从而使全民从中受益。在这个意义上,雄安的实验可能开创了一种数据资产公有化的新模式。这种模式是否会在更大范围内复制,值得持续关注。尤其是在其他城市各部门都有自己的数据积累、已经事实上形成数据筒仓的情况下,各省大数据中心能否起到引领作用,打破数据的公私壁垒、部门壁垒,可能是后续改革进程中的一个重要关注点。

雄安的智慧城市建设已经融入市民日常生活。澎湃新闻

假如雄安模式在更大范围复制,阿里、腾讯等互联网巨头必然会面临一个"灵魂拷问":在它们拥有的数据里,有多大部分和雄安智慧城市的数据一样,都是由公众产生、应当属于公众、让公众受益的?届时数据资产的估值入表流程应当都已成熟,或许可以将互联网公司的业务部分和数据部分拆分,例如在1688、淘宝、天猫、支付宝等业务之外,拆分出一个单独的"阿里数据公司",负责保管并经营阿里各种业务中产生的公共数据。业务公司可以仍然保持现在的私有状态,并按照数据使用量向数据公司付费,从而形成数据公司的营收。数据公司可以将这些公共数据进行估值入表,再由国资或公共资本(例如社保基金)参股数据公司,从而实现公共数据回馈公众的社会主义数字化愿景。

原文链接:http://www.sjgfc.com/hangqing/show-24994.html,转载和复制请保留此链接。
以上就是关于熊节:数据资产入表是地方政府化债转型的一个可行方向全部的内容,关注我们,带您了解更多相关内容。

特别提示:本信息由相关企业自行提供,真实性未证实,仅供参考。请谨慎采用,风险自负。


0相关评论
相关行情
推荐行情
点击排行
网站首页  |  VIP套餐介绍  |  关于我们  |  联系方式  |  使用协议  |  版权隐私  |  SITEMAPS  |  网站地图  |  排名推广  |  广告服务  |  积分换礼  |  网站留言  |  RSS订阅  |  违规举报