出版人杂志 文｜杨福川
国家加快建设数据要素市场，数据成为新形势下的核心生产要素。“数据资产入表”也一度成为数字出版领域的热词之一。
自国家将数据要素列为第五大生产要素以来，数据已经成为各行各业重要的战略资源，也成为社会经济发展的新动能。对出版行业而言，数据资产化意味着将出版社海量的图书数据转化为具有实际商业价值和社会效益的资源。通过有效的数据采集、整合、分析和应用，出版社可以更加精准地把握市场动态，优化资源配置，创新产品和服务，从而提升竞争力和盈利能力。
什么是数据资产和数据资产化
数据资产作为经济社会数字化转型进程中的新兴资产类型，在经济运行中日益活跃，其定义可以从多个角度来理解。
从企业管理的角度来看，数据资产指企业拥有或控制的、能够为企业带来未来经济利益的数据资源。这些数据资源经过有效收集、整理、存储和分析，能够支持企业的决策制定、业务优化、创新发展等活动，为企业创造价值。
从财务会计的角度出发，数据资产是指可以用货币计量，并且预期能为企业带来经济利益流入的数据集、数据集合或数据衍生品。在信息技术领域，数据资产被认为是具有一定规模、能够产生价值、可以被重复利用，并且以数字化形式存在和存储的数据集合。总的来说，数据资产是具有可计量价值、可被拥有或控制、能够为拥有者带来经济利益或其他收益，并以数据形式存在的资源。
数据资产化则是指将数据资源转化为具有经济价值的资产的过程。这一过程可采用技术手段，包括收集、整理、分析、加工等，也离不开商业运作手段，将数据资源转化为可量化、可交易的资产，涉及数据要素的识别、整合、运营和交易等多个环节。
用于实现数据资产化的关键手段和策略主要包括：
第一，数据要素梳理与整合。首先，企业需要对自身的数据来源进行全面梳理，包括内部产生的数据（如业务数据、财务数据等）和外部获取的数据（如市场数据、行业数据等）。其次，通过数据清洗、转换和整合技术，将不同来源、不同类型的数据整合到一个统一的数据平台或数据仓库中，便于后续的数据分析和应用。
第二，数据运营实施。数据运营是数据资产化的关键环节，涉及数据的采集、存储、处理、分析和应用等方面。企业需要建立完整的数据管理体系，包括数据治理、数据安全、数据质量等，同时运用数据分析技术和工具，对数据进行深入挖掘和分析，发现数据中的规律和价值。
第三，数据产品形成与交易。基于数据分析结果，企业可以开发数据产品或解决方案，以满足决策和业务运营的需求。数据产品需要经过严格的测试，确保质量和稳定性后，在大数据交易市场上进行交易，实现数据资产的流通和价值最大化。
第四，数据资产价值评估。推进数据资产评估标准和制度建设，规范数据资产价值评估。利用数字技术对数据资产价值进行预测和分析，构建评估标准库、规则库等，支撑标准化、规范化业务开展。
第五，数据资产收益分配机制。完善数据资产收益分配与再分配机制，按照“谁投入、谁贡献，谁受益”原则，依法依规维护各相关主体数据资产权益。目前，国家在推动探索建立公共数据资产治理投入和收益分配机制，推动公共数据资产开发利用和价值实现。
第六，建立数据权属制度。包括明晰产权结构，框定集团内部、关联公司、供应链上下游数据权属配置，通过构建符合各类生产要素特性的产权制度，实现未来归属、使用、收益等重要权益的确权。这包括数据资源持有权、数据加工使用权、数据产品经营权等分置的产权运行机制。
第七，技术系统支撑。数据资产化还需要特定的技术系统支撑，包括数据资产识别技术、统一的标志管理、权属管理、认证机制、授权管理、算法管理和分类分级等。
第八，推进数据产品交易。推动数据资产化，在确权、定价、交易等关键环节，更好地挖掘数据价值，实现数据资产的增值和流通，从而在数字化浪潮中提升自身的核心竞争力。
出版业数据资产化的主要挑战
出版业是一个典型的数据密集型行业，天生拥有丰富的、高质量的数据资产。这些数据资产主要分为经营数据和内容数据两大类，对于出版业的数字化转型和数据资产化具有重要意义。但出版业是一个传统行业，普遍存在技术基础设施建设不足、数字化人才缺乏、数字化程度较低等问题。
当前，出版业数据资产化主要存在以下几大挑战：其一，是经营数据积累的问题。出版业的内容数据质量较高，而且保存完好，但是经营数据的积累严重不足。数据收集机制不完善，技术基础设施不足，数据管理策略不明确。
面对这些问题，出版企业可以通过完善数据搜集机制、加强数据基础设施建设、明确数据管理策略尝试解决。首先，制定一份详细的数据目录，明确需要搜集哪些数据；其次，规划搜集数据的方式和途径，知道如何搜集需要的数据；最后，制定明确的数据搜集机制，使这项工作规范化和常态化。投资建设大数据存储和处理平台，确保数据能够得到有效的存储和管理；建立规范的数据管理制度，明确数据收集、存储、处理和利用的标准和流程，确保数据积累的完整性和连续性。例如通过制定数据管理手册和实施数据治理，企业可以有效提升数据管理水平，确保数据积累的高质量和高效性。
其二，是数据资产评估的问题。虽然出版社有较高质量的内容数据，但是在对外合作时，如何评估这些数据的价值是一个难题。首先，是因为缺乏系统明确的评估标准。整个数据资产管理领域目前还没有统一的数据资产评估标准，出版业更没有这样的标准，导致出版业数据的价值难以衡量。其次，评估方法不科学。现有的评估方法和工具难以准确反映数据资产的真实价值，传统的财务评估方法往往侧重于有形资产，对无形资产尤其是数据资产的评估缺乏有效的手段。最后，缺乏专业评估人才。数据资产评估需要专业的知识和技能，包括数据分析、财务评估和业务洞察，出版业在这方面的人才储备不足，缺乏具备相关经验和能力的评估人才。
面对这些问题，出版业需要采取的措施主要包括：首先，制定明确的评估标准。基于目前几种主流的数据资产评估标准，制定适合出版业自身的评估框架和体系，全面涵盖出版业的各种类型的数据。其次，采用科学的评估方法和工具。可以引入先进的数据分析技术和评估工具，如机器学习算法、大数据分析平台和数据挖掘技术，提高评估的科学性和准确性。最后，培养数据资产评估人才。重视数据资产评估人才的培养，开展专业培训和引进高端人才，出版业内部必须有懂数据资产评估的专业人才，同时还应该加强与外部专业评估机构的合作。
其三，是数据资产入表的问题。如果出版业能将数据资产纳入数据资产负债表中，将大幅提升出版企业的融资能力和抗风险能力，更加真实地反映出版企业的财务状况。与大多数企业类似，出版企业在数据资产入表时也会面临诸如数据价值不确定、会计处理复杂、缺乏行业标准等问题。
面对这些问题，出版业该如何应对？首先，采用先进的数据评估方法和工具，科学评估数据资产的市场价值。通过建立数据价值评估模型，准确反映数据资产的经济价值，确保评估结果的科学性和准确性。其次，优化和规范数据资产入表的会计处理流程，确保符合会计准则和规定。通过制定标准化的会计处理流程，提升数据资产入表的效率和规范性。最后，参与行业标准制定，推动数据资产入表的规范化和标准化，建立统一的数据资产入表规范和标准。
其四，是数据安全和隐私问题。网络安全形势严峻，数据资产已成为黑客攻击的主要目标，给出版企业带来巨大的安全威胁；出版企业内控机制不完善，未能有效控制和监控数据的访问与使用，从而增加了数据泄露的风险；现有的数据安全和隐私保护技术手段在应对复杂安全威胁方面存在不足，大多数出版企业本身技术实力较弱，很难全面检测和防护潜在的安全威胁。
为了有效应对数据安全和隐私保护方面的挑战，出版企业需要积极引入先进的网络安全技术和工具，以加强数据的防护；定期进行安全审计和漏洞扫描，及时发现并修补安全漏洞，从而提升整体的网络安全防护水平；建立一套完善的数据管理机制，加强对内部数据访问和使用的控制。通过权限分级和角色管理，控制不同用户对数据的访问权限，从而减少内部人员违规操作的风险；定期进行内部审计和检查，以确保数据管理措施得到有效执行；通过培训和教育，使员工充分了解数据安全的重要性，掌握基本的安全防护技能，以防范内部安全风险。此外，企业还可以组织模拟攻击和应急演练，提高员工应对安全事件的能力。
其五，是数据使用控制问题。出版业在数据使用控制过程中主要会面临以下问题：第一，访问控制策略不完善，缺乏系统化和全面的访问控制策略，导致数据访问权限不明确；缺乏自动化和动态管理手段，无法及时调整权限设置以应对变化的业务需求和安全威胁。第二，内部人员违规操作，导致数据被泄露或篡改。出版企业在内部数据使用控制方面往往缺乏有效的监控和审计机制，无法及时发现和应对违规操作。第三，数据使用控制技术手段不足，应对复杂的权限管理需求以及多样化的业务场景时力不从心，难以适应其复杂多变的管理需求，无法提供细颗粒度和实时的控制和监控能力。
应对措施主要包括：第一，精细化权限管理，引入先进的权限管理系统，实施基于角色的访问控制（RBAC）策略，根据员工的职位和职责设定不同的访问权限。通过动态和自动化的权限管理工具，可以实时调整和优化权限设置，确保权限分配的合理性和安全性。第二，完善访问控制策略，制定和实施系统化的访问控制策略，确保数据访问权限的明确和可控。访问控制策略应包括数据分类分级、访问权限定义、审批流程和监控机制等方面，确保每个数据访问请求都经过严格审核和控制。第三，加强内部审计和监控，建立内部审计和监控机制，定期检查和评估数据访问情况，及时发现和处理违规操作。通过日志记录和行为分析，可以监控和审计员工的操作行为，识别异常访问和潜在的安全威胁。对敏感操作进行实时监控和预警，确保数据使用的安全性和合规性。
其六，是商业模式创新问题。出版业的数据资产化不仅仅是技术问题，更是一场深刻的商业模式创新。出版业长期以来依赖于传统的纸质出版和销售模式，形成了较强的业务惯性。企业内部的管理体系、业务流程、盈利模式等都与之紧密相关。数据资产化要求企业打破这些传统模式，转向数字化、数据驱动的新型商业模式，这对企业的组织架构、管理理念和市场策略都提出了巨大的挑战。
数据资产化要求数据与业务的深度融合，但许多出版企业在数据与业务的结合上存在障碍。数据部门与业务部门之间的协作不畅，数据无法有效转化为业务价值。此外，企业内部缺乏数据文化，员工对数据的认知和使用能力不足，进一步阻碍了数据与业务的融合。数据资产化带来的商业模式转型需要探索新的盈利模式。传统的出版业盈利主要依赖于版权销售和广告收入，而数据资产化则可能带来新的收入来源，如数据服务、定制化内容、个性化推荐等。但这些新模式的探索需要时间和资源的投入，且市场接受度和盈利能力存在不确定性。
针对这些问题，出版企业需要建立数据驱动的文化，通过培训和宣传，提升全员的数据意识和数据使用能力，促进数据与业务的深度融合；优化组织架构，建立跨部门的数据协作机制，确保数据部门与业务部门的有效沟通和协作；结合自身资源和市场优势，积极探索数据服务、定制化内容等新的盈利模式，逐步实现商业模式的转型。
（本文作者为机械工业出版社华章分社计算机图书事业部总经理）
