数据要素20条淡化所有权强调使用权，数据资产确权与估值的技术壁垒卡在哪？

“数据20条”淡化所有权、强调使用权的定调，为数据资源从“沉淀资产”转向“可变现资产”打开了制度空间，但确权与估值的落地瓶颈，恰恰卡在技术实现层：如何在不暴露原始数据的前提下证明“谁在用、用多久、值多少”。确权依赖区块链存证与登记体系，估值则需要一套区别于传统资产的动态评价模型，而可信流通环节的隐私计算、联邦学习等技术的成熟度，直接决定了数据资产能否从“账面价值”走向“市场价值”。

从“持有”到“收益”：确权为何难在“使用权”

传统物权确权以“占有”为核心，而数据要素的特性是可无限复制、多方共用。“数据20条”提出的“淡化所有权、强调使用权”，在技术上意味着确权对象从“数据本身”转向“数据使用行为”。这带来两个具体难点：

• 使用权的可计量性：需要技术手段记录每一次数据调用的主体、范围、时长和用途，形成可审计、可追溯的使用凭证，而非简单登记“数据归谁”。
• 公共数据的授权边界：政策要求公共数据按“原始数据不出域、数据可用不可见”原则供给，这要求技术方案能实现“数据可用不可见”的加工与交付，而不仅是法律文本上的授权约定。

估值的技术壁垒：传统资产评估方法“水土不服”

数据资产估值无法照搬传统资产评估的逻辑，核心矛盾在于数据价值高度依赖应用场景与时效性，且缺乏活跃的公开交易市场作为定价参考。技术壁垒体现在三个层面：

以成本法为例，数据资源的采集、清洗、加工成本可以核算，但数据的价值往往在“二次加工”或“跨场景融合”后才爆发，这使得历史成本与未来收益严重脱节。而收益法又面临数据贡献难以从企业整体业务中剥离的难题。

可信流通：估值落地的前置条件

数据资产若不能安全流通，估值便只是会计游戏。政策鼓励探索数据流通安全保障技术，当前的技术路径主要围绕**“数据可用不可见”**展开：

• 隐私计算：在加密状态下完成数据计算，输出结果但不暴露原始数据，为交易双方提供“先验后买”的可能。
• 联邦学习：让数据不出本地即可参与联合建模，适合解决多方数据融合时的权属与安全矛盾。

这些技术决定了数据资产的“可验证性”——买方能否在不获取原始数据的前提下确认数据质量与价值，是数据要素市场化定价的关键前提。目前相关技术仍处于场景验证与标准探索阶段，距离大规模商业化应用尚有距离。

常见问题

数据资源入表对持有方意味着什么？

数据资源入表政策允许企业将符合条件的数据资源投入从费用化转为资本化，确认为无形资产或存货。这相当于一次性降低了历史成本对利润的侵蚀，为持有数据资源的企业提供了报表层面的价值重估机会，但入表的前提仍是数据资产能够被可靠计量。

运营商数据为何被视为优质数据资源？

运营商数据具备三重优势：完成强实名制认证、数据高度结构化且高频更新、维度丰富可生成精准客户画像。以“三证合一”类产品为例，其模式是验证信息真伪而非输出原始数据，天然契合“可用不可见”的流通原则，降低了确权与交易中的合规风险。

哪些类型的企业更可能成为数据资源持有方？

主要包括两类：一是运营商，掌握高质量的个人数据；二是商业数据持有方，如大宗商品数据服务商、遥感与北斗导航应用服务商等，其数据经多年积累形成了较强的行业壁垒。这类企业的数据能否转化为资产，取决于其数据是否具备“可加工、可计量、可流通”的技术条件。