21世纪经济报道记者吴佳楠深圳报道

　　当前，AI技术正加速演进，各行各业积极拥抱数字化，对于一家企业来说，通过数字化重塑企业组织架构成为必然。

　　在由数据驱动管理的三大核心要素中，数据资源化被放在第一位。其中就包括产业链多环节的数据采集、数据架构搭建与数据治理、数据清洗与剔除噪音、数据价值挖掘与业务转化等方面。

　　然而，企业要进行数据资源入表并不容易，在这当中，数据资源确权、选择何种方式评估数据资源价值以及数据资源信息披露范围等难题依然显现。数据显示，2025年国内上市公司半年报中，包含数据资源的上市公司共101家，入表数据资产价值规模合计24.75亿元。

　　企业如何把握AI时代的数据资产化机遇，实现管理变革和组织价值重塑？复旦大学管理学院院长助理、会计学系李达三讲席教授黄蓉向21世纪经济报道记者表示，企业需要将数据视为战略资源，持续推进数字化转型，同时构建数据驱动的决策体系，打造统一的数据平台，实现数据的共享与整合，以此提升运营效率、创造新型商业模式、寻求价值增长点。

　　注重数据资产价值评估方法

　　21世纪经济报道：企业在数据资源入表实践中会遇到哪些难题？

　　黄蓉：企业在做数据资源入表时，一是会遇到确权难题。企业内部产生的数据在权属上没有纠纷问题，但如果是从外部网络爬取的数据，就涉及爬取的数据到底是否归企业所有的问题。此外第三方授权企业使用的数据，也需要确认权属问题。 因此企业需要根据数据资源的来源，确认是否拥有数据资源持有、数据加工使用权、数据产品经营权。 确权问题解决了才能将数据资源进行入表。

　　二是会遇到成本追溯难题。数据资源初始入表时用的是成本法，也就是开发这些数据资源需要投入多少人力成本、硬件折旧成本、软件摊销成本等，核算这些成本需要企业有清晰的成本计量和追溯系统，如何构建这样的系统对企业来说也是一个难点。

　　三是对于数据资源入表的信息披露难题。现在A股上市公司进行数据资源入表的数量并不是特别多，2025年半年报仅有100多家上市公司做了数据资源入表，披露的信息范围也需要更多的实践探索和政策指引。

　　21世纪经济报道：企业在评估数据资产价值时，应重点关注哪些关键指标？

　　黄蓉：评估数据资产价值的方法，一是可以用成本法，即开发数据资产有多少成本，二是收益法，即开发数据资产后能带来多少净收益和现金流，三是市场法，即数据资产在市场上如果有可比的同类资产，可以用同类资产的市场价值来评估。

　　从评估的关键指标来讲，成本法要关注数据资产投入成本的追溯与计量，收益法要估算数据资源的生命周期、未来每年产生的效益和现金流等， 而市场法需要关注是否有针对此类数据资产的活跃的交易市场。有些数据资产相关的数据产品在数据交易所能够进行交易，这时候用市场法评估是较好的，但如果没有活跃的、可比的交易，只能回归到成本法和收益法。因此，除了方法的选择，还有各类方法下面具体的参数选择和场景结合，这些都是在进行数据资产价值评估中需要关注的问题。

　　利用数据资产实现商业价值

　　21世纪经济报道：你认为企业如何更好地利用数据资产和AI技术，实现管理的变革和组织价值的重塑，从而把握住科创带来的新机遇？

　　黄蓉：企业要真正实现数据驱动的管理变革和组织价值重塑，需要从以下几个方面着手：一是从战略上高度重视。企业必须从战略层面认识到数据资产的价值，将其纳入企业核心资产进行管理。这不仅仅是技术问题，更是管理理念的转变。需要将数据视为战略资源，并制定相应的数据战略，指导企业的数字化转型。

　　二是构建数据驱动的决策体系。企业应打破部门壁垒，构建统一的数据平台，实现数据的共享与整合。通过数据分析和挖掘，洞察市场趋势、客户需求和运营效率，从而为企业决策提供有力支持。AI技术的应用，可以进一步提升数据分析的效率和精准度，实现智能决策。

　　三是重塑组织架构和人才结构。数据驱动的管理变革必然带来组织结构的调整。企业需要建立跨部门的数据团队，培养具备数据分析、AI应用和业务理解的复合型人才。同时，企业需要构建一种鼓励创新、勇于尝试的数据文化，激发员工的创造力。

　　四是风险管控与伦理考量。在充分利用AI的同时，企业也需要关注潜在的风险，包括数据安全、隐私保护、模型幻觉等。要建立完善的风险管控机制，并遵守相关的法律法规和伦理准则。

　　五是关注商业模式的创新。数字赋能不仅仅是提升运营效率，更重要的是创造新的商业模式和价值增长点。例如，通过AI技术，企业可以为客户提供个性化的产品和服务，或者拓展新的市场领域。

　　21世纪经济报道：金融业是数据应用的高地。你认为粤港澳大湾区在利用数据要素推动创新、发展新质生产力方面，可以从哪些方面入手？

　　黄蓉：深圳乃至粤港澳大湾区拥有很多科创型企业，一是这些企业积累了很多内部数据或外部获取的数据，比如一些企业在进行人工智能算法训练时，需要从各个不同的来源收集数据，对于数据的规范管理和隐私安全保护，以及公共数据的授权运营，政府部门可以做的支持方式是制定相关政策，监督指导数据管理和数据保护，通过隐私保护、数据脱敏或者提供数据可用不可见的API接口的方法，让企业能够运用不同来源的数据，进行算法和模型的训练，促进数据要素在各行业的流通和应用。

　　二是在金融工具的运用上，对于科创类型的数据要素型企业，提供一定的资金支持。比如基于企业底层的数据资产，在数据资产的增信、贷款、保险、信托等方面给予政策支持，提升整体数据要素市场的活跃度。

　　三是要善于利用数据交易所的职能，数据交易所就是让各家企业可以在场内进行数据产品交易的活跃平台，如果有更多企业能够在数据交易所进行数据产品的场内交易，同样能带动整体数据要素市场的发展。