4月25日召开的中央政治局会议强调，培育壮大新质生产力，打造一批新兴支柱产业。在数字经济蓬勃发展的当下，数据资产化正通过重塑生产要素配置体系，成为新质生产力发展的核心驱动力。深化数据资产化改革，加快驱动新质生产力发展，既是落实国家战略部署的必然要求，更是构建数字经济时代核心竞争力的关键路径。
数据化资产推动新质生产力发展的四大路径
当前，数据资产化通过要素升级、效率提升、创新驱动以及产业协同四条路径，全面推动新质生产力向高效、智能、可持续方向跃迁。
一是数据资产化通过确权、定价、流通等环节，将原始数据转化为可参与市场配置的数据资产，推动生产要素从传统实体资源向数字资源扩展，为新质生产力发展提供数据要素支撑。
二是数据资产化为企业提供数据分析与算法模型，助力其掌握商品库存、调整采购策略、优化生产决策，进而减少资源浪费和生产成本，提高全要素生产率，为新质生产力发展奠定效率基础。
三是数据资产化通过将用户浏览、购买、反馈等多源实时数据转化为清晰明确的需求洞察，助力企业精准定位研发方向、优化技术方案，并根据数据反馈调整技术参数，明晰新质生产力的发展方向。
四是数据资产化为产业链上下游企业提供数据共享与流通渠道，助力跨行业资源整合与协同创新，促进新技术、新产品与新模式的规模化落地，为新质生产力发展注入活力。
各地推进数据资产化的创新实践
近年来，各地政府、企业和金融机构协同发力，深入推进数据资产化创新实践，探索出了一系列行之有效的做法与模式，持续赋能新质生产力发展。
一是政府引导模式。各地政府通过制定相关政策法规、建设数据基础设施、培育数据交易市场等方式，引导和推动数据资产化进程，为新质生产力发展提供制度保障和基础支撑。据统计，2024年北京、上海等地区数据交易机构共上架产品逾1.6万个、数据交易（含备案交易）总额超220亿元，同比增长80%，有力推动数据价值向实际生产力转化。二是企业主导模式。企业作为数据资产化的重要主体，以市场需求为导向，通过构建数据中台，将内部分散数据整合为标准化资产，实现从数据资源到数据资产的价值转变，有力推动新质生产力发展。例如，三一重工通过与阿里云跨行业合作搭建数据中台，整合了12个业务领域的200个系统、1.2万亿条数据，仅用半年时间便完成业内通常需要3至4年完成的工作量。三是金融赋能模式。各金融机构积极推动数据要素与金融市场深度融合，探索数据资产从入表到授信融资的全链条金融化路径，为新质生产力发展注入资本活水。例如，神州数码通过推动数据资产入表，成功获得建设银行深圳分行3000万元授信融资；工商银行北京市分行与北京金融大数据有限公司达成合作，双方签订200万元数据资产贷款合同。
尽管各领域以数据资产化为牵引，在促进新质生产力发展方面取得了显著成效，但同时也面临诸多现实挑战。一是数据权属界定不清。当前法律体系中，对于各类数据资产的所有权、使用权与收益权缺乏明确界定，尽管深圳等地区进行了“三权分置”等探索，但因上位法缺位导致数据确权难题尚未破解。二是数据交易市场不完善。目前，国内数据交易市场仍存在交易规则不统一、交易流程和定价机制混乱、数据交易监管机制不健全等问题。据统计，截至2024年8月，全国65家数据交易所中仅有9家公开披露具体产品交易情况，尚有大量场内交易未在平台公示，且各平台公示的场内交易信息难以匹配。三是技术与人才支撑不足。数据资产化需要先进技术与专业人才作为保障。然而，在实际应用中，受限于技术瓶颈和复合型人才短缺的情况，企业往往难以实现数据技术与业务的深度融合。《2024数字人才白皮书》指出，当前企业普遍面临数字人才短缺的问题，74%的企业表示存在数字人才缺口，其中44%的企业认为数字人才“非常紧缺”。
构建数据资产化赋能新质生产力长效机制的意见建议
当今世界正经历百年未有之大变局，全球产业竞争格局与要素配置方式深刻调整，中国正处于建设科技强国、构建新发展格局的关键阶段。以数据资产化驱动新质生产力发展既是应对外部挑战、重塑全球竞争话语权的关键路径，也是推动高质量发展的重要着力点。
为充分释放数据资产化对新质生产力的驱动效能，需要从以下三个维度进一步构建数据资产化赋能新质生产力的长效机制：
首先，完善数据权属法律体系，破解要素流通困局。建立数据持有权、使用权、经营权“三权分置”制度，针对公共、企业及个人等主体分类制定数据权属规则。针对高频争议场景加快出台司法解释并建立案例指导制度，同步制定数据去标识化处理、合规评估等技术标准，为市场主体提供可预期的合规指引。构建全国统一的数据资产登记平台，配套实施基础数据、衍生数据、数据产品分类管理制度，缓解权属确认难、流转难、保护难等问题。
其次，完善数据交易市场生态，激活要素配置效能。统一数据交易规则，制定涵盖数据分类、交易流程、定价机制等国家标准，建立数据交易负面清单与配套政策。强化数据流通，依托隐私计算等技术构建安全流通环境，推动数据与人工智能、物联网深度融合，拓展智能制造、精准医疗等领域应用场景。强化监管与风险防控，建立政府监管、行业自律、技术赋能相结合的立体监管体系，配套建立风险预警与动态处置机制，保障数据安全、高效配置。
最后，突破技术瓶颈、弥补人才缺口，夯实要素赋能基础。强化技术攻关，聚焦数据价值评估等关键核心领域，同步建立产学研用协同机制，加速技术成果转化。构建复合型人才体系，推动高校设置交叉学科，强化多学科融合培养；完善数字人才评价机制，将数据资产化能力纳入职称评审与技能认定体系。优化人才流动与激励机制，出台数字人才专项政策，吸引高端人才向数据要素领域集聚；支持企业探索建立数据人才股权激励等机制，为数据资产化提供可持续的智力支撑。
〔作者系安徽大学商学院院长、教授，本文系安徽省哲学社会科学规划重大项目“‘五链’融合驱动安徽科创营商环境改革研究”（AHSKZD2024D01）阶段性研究成果〕