数据资产研究进展及未来展望

[ 研究目的 ] 数据资产作为新型生产要素，在数字经济时代具有重要价值，深入探究数据资 产当前研究现状和研究短板，有利于进一步开发其学术价值，为数据资产研究的深入发展提供借鉴 和指导。
[研究方法 ]采用文献综述法从数据资产定义与分类、价值计量、管理与运营、如何“入表” 等关键问题对国内现有研究进行了全面梳理和深入分析 , 在此基础上提出了数据资产研究存在的不 足和未来展望。
[ 研究结论 ] 现有数据资产研究虽在多个方面取得了进展，但仍在数据资产的价值 计量、产权制度研究、跨学科融合、信息列报等方面存在诸多研究短板，未来研究可进一步从数据 资产定价与生成机制、数据资产价值综合计量模型开发、数据资产产权立法等方面展开，还可全面 深化对数据资产的持续管理与优化、数据资产安全维护、数据资产合规列报等方面的研究，为促进 数据资产的有效管理、利用和进一步推动数字经济的发展提供依据。

在大数据时代，数据已逐渐超越其特定项目或流程中的被动辅助性角色地位，成了值得收 集、治理、增值的资产。信息技术的发展导致生产要素变革，对企业的生产内容、经营方式、 价值体系进行了全方位重构。在数字化转型深入推进的大背景下，加强数据管理，大力释放数 据要素价值，全面实现企业数据价值的内部循环，尽快将企业数据资源转换为数据资产，是各 个企业顺应时代发展趋势、积极探索业绩增长新亮点的必由之路。企业通过实现数据资产化来 重新认识数据的价值，并以此为基础发掘数据的交换价值，达到将数据作为企业核心生产要素 的目的。新时代背景下企业应深度挖掘数据资产的现时价值，明晰其价值实现途径，不断推动 企业业务模式和经营方式的创新。

当前的数据资产研究涵盖数据资产的价值计量、治理与分析、安全与隐私保护等多个方面。 学者们纷纷尝试从不同的角度探索、解析、明确数据资产的概念，探讨如何通过有效的数据资 产管理方式来大力提升组织的运营效率和市场表现，释放数据资产强大的生产力，形成了一系 列深入、持久、卓有成效的研究。然而，尽管研究取得了很大进展，但在数据资产的跨学科研 究和交易研究等方面仍面临着巨大挑战和困难，仍需持续、深入地对相关问题进行分析，强化创新研究。

一、数据资产的最新研究进展

国内学者对于数据资产的最新关注点集中于数据 资产的定义与分类、数据资产如何“入表”、数据资 产的价值计量方法和数据资产的管理与运营几个方面。

（一）加快明确数据资产的定义

学者们针对以前数据资产定义模糊的问题提出 了各自的见解。李静萍 [1] 认为，数据资源若要被视 为数据资产，必须具备清晰的产权和经济价值，同 时展现出无形资产与有形资产、流动资产与长期资 产的特点。李秉祥 [2] 等人则强调数据资产是通过过 去的交易或事件形成的，由企业拥有或控制且具有 明确的应用场景，是一种能够在未来为企业创造经 济价值的数据资源。侯彦英 [3] 提供了更为多元化的 定义视角，认为数据资产不仅包括广义的数据资源， 还应当具备明确的产权归属及参与企业资源分配的 能力。贾小爱 [4] 等人进一步指出，只要信息资产、 数据形态资产和数字资产满足权属的性质，就可以 被归类为数据资产的范畴。

综合现有研究，可以看出学者们对数据资产的定 义具有高度一致性，普遍认为数据资产是由企业所控 制或者拥有的，能为企业带来未来经济利益的，能以 电子或物理的方式记录的一种数据资源。学者们对数 据资产定义的深入、明晰研究，解决了数据资产定义 长期模糊的问题，大大改善了学界对数据资产的确认、 计量等一系列因定义不明的状况，促进了相关研究。

（二）深入厘清数据资产的性质

学者们经过大量深入研究，总结出数据资产具有 生产性和资产性的特性。

1. 数据资产具有生产性特性

许宪春 [5] 等人提出数据作为关键性生产要素， 属于生产活动的成果，其核算范围应包含价值链全流 程上各阶段所形成的数据形态，而且数据作为企业的 一种资源必然拥有适当的应用场景、在生产过程中通 常能重复或持续地使用超过一年，因此对企业所拥有的数据资产应赋予生产属性。彭刚 [6] 等人通过深入 研究后认为数据资产的生产性不容忽视，因为任何数 据资产的形成都会涉及一系列人为的生产活动，包括 数据源的选择和确定，数据的采集、传输、存储、清 洗，以及处理为可用状态的活动，这些生产活动都是 不可或缺的，对企业的生产经营活动和价值活动都产 生了巨大影响，因此应赋予数据资产生产属性。

综合学者们的研究可以看出，数据资产不仅仅是 静态的信息集合，更是一种动态的生产要素，在评估 数据资产的价值时，需要充分考虑其生产过程中的成 本投入和对业务活动的影响。

2. 数据资产具有资产性属性

文英姿 [7] 等人提出了判断数据资产是否具有资 产属性的三个标准：一是能够在进入市场交易前具备 明确的数据所有权和数据用益权，且数据主体的权益 清晰无争议；二是在市场流通交易中满足合法合规的 先决条件；三是通过对数据的挖掘与运用能使企业利 用其所拥有的数据资产获得未来经济收益，实现企业 增值和资产价值。符合这些条件的数据资产，就可以 被认定具有资产属性。

综合来看，学者们的研究表明，数据资产具有显 著的资产属性，它不仅能在企业经营中发挥重要作用， 还能通过不断的开发和应用为企业创造新的价值。这 种认识不仅有助于界定数据资产的法律地位，也为数 据资产的管理和评估提供了理论依据。

（三）加大数据资产“入表”研究

数据资产被认为是一项资产，应纳入会计核算范 围，反映在资产负债表内。学者们针对将数据资产纳 入资产负债表的研究已取得了许多成果。

1. 针对数据资产的归类列示

对于数据资产的确认，学者们首先关注的是数据 资产的归属问题。目前的研究对于数据资产的归属形 成了三种截然不同的观点：一是顾志昊 [8] 等人认为 数据资产这一资源没有具体形态，但却与无形资产具 有高度相似的形态属性，因此可以将其列入无形资产 的范围；二是赵星 [9] 等人提出数据资产作为可以给企业带来经济利益的资源，可以被视为出售的资产， 这种情况下数据资产就相当于企业的存货，应被列入 流动资产的范畴；三是汪杰 [10] 等人提出，数据资产 的流动性与复杂性导致将其归入现有项目非常不妥， 应专设数据资产项目进行确认。目前，大多数学者倾 向于将数据资产归类为无形资产，这符合现有的会计 准则对于无形资产的定义。

陶怡 [11] 认为数据资产的确认并将数据资产计入 资产负债表需满足以下四个条件：一是数据资源能由 企业拥有或控制；二是数据资源的价值能区别于其他 资产价值，实现单独确认；三是企业能准确可靠地对 数据资源的成本进行计量和列示；四是与该数据资源 有关的经济利益大概率会流入企业。

综合现有研究，学者们倾向于将数据资产作为一 个独立的类别来确认，并作为流动资产项目，在资产 负债表上列示。不过，数据资产的特殊性质，如难以 找到对应的权益、缺乏市场活跃度等，使得对其期末 价值变动的会计处理仍存在争议。目前，对于是否将 数据资产的期末价值变动纳入利润表核算尚未在学界 达成共识。

2. 针对数据资产的计量列示

学者们对数据资产的计量列示研究主要集中在数 据资产的初始计量列示和后续计量列示。

（1）数据资产的初始计量列示

张俊瑞 [12] 认为，一般情况下，数据资产的初始 计量应严格按照历史成本准则进行，因为数据资产具 有较大的不确定性和波动性，很难准确预测其未来现 金流量。但在数据交易活跃的情况下，可以采用公允 价值进行初始计量，以反映其技术价值、社会价值和 经济价值。李花菊 [13] 建议，应遵循会计计价的一般 规定，同时考虑其重置价值和折旧因素。在进行具体 的计量时，可以参考永续盘存法等方法，在资产负债 表上采用“原值 + 折旧额 + 净额”的方式进行列示， 并在需要时单独列示重置成本。刘珂嘉 [14] 等人通过 研究认为，应将数据资产区分为直接创造型和赋值型。 直接创造型数据资产由于具有更高的经济效益和经济价值、更高的稳定性，在进行初始计量时应采用收益 法予以“重点关注”，不仅要列示内生价值，还应列 示衍生价值；而对于没有稳定社会价值和经济价值的 赋值型数据资产，在采用成本法进行计量时应注意到 它的成本控制和管理作用，但不能把它当作一个重要 的因素来看待。

（2）数据资产的后续计量列示

对于数据资产的后续计量列示，李振楠 [15] 等人 深入分析后认为，以成本法对数据资产进行后续计量 能够更加客观、准确地反映出数据资产的价值，除此 以外，只有当有确定的证据证明其“数据资产公允价 值能够持续、可靠地获取时”，企业才能采用公允价 值模型来对其进行后续计量。基于此，在资产负债表 上，数据资产通常会采用两种计量列示方式：一般情 况下，后续计量采用成本模式；仅当有确凿证据表明 数据资产的公允价值能够持续、可靠获取时，后续计 量才采用公允价值计量模式。

综合学者们的研究可以看出，对于数据资产的计 量列示，大部分学者均认为应采用公允价值模式在资 产负债表上进行列示。

3. 针对数据资产的信息披露

刘国英 [16] 等人认为，与一般的资产相比，数据 资产需要更多的信息公开，也涉及更多影响资产价值 的因素，所以数据资产的披露内容应分为多个层次、 多个角度、多个内容来展现。李诗 [17] 等提出，对数 据资产的披露应当以表内表外并重的方式进行，并要 对其确认过程、确认依据和适用范围等内容进行详细 的说明和分析。张俊瑞 [12] 等人认为，如果将数据资 产单独列出来，会大大弱化它与公司其他数据间的逻 辑关系和价值联系，带来负面的后果，降低披露价 值，所以数据资产应在第四章主表中与其他内容一同 披露。黄世忠 [18] 以数据资产作为研究基础，提出数 据资产的处理方式应是进行资本化，因而数据资产应 单独作为长期资产中的“数据资产”披露。

李振楠 [15] 等学者认为，如果把数据资产纳入无 形资产的范畴，则需要对外购、自研及其他途径获得的数据类无形资产的账面原值、账面余值、累计摊销、 减值准备以及账面价值进行披露。黄世忠等 [18] 提出， 若企业将数据资产认定为存货，则需要采用独表的形 式，对外购、自加工及其它途径获得的数据资产存货 的账面原值、存货跌价准备及账面余值进行详细披露。

综合来看，学者们普遍认为数据资产的披露应注 重全面性和透明度，以帮助信息使用者更好地理解数 据资产的价值和使用情况。尽管具体披露方式存在差 异，但大部分学者倾向于采用强制性披露机制，以确 保信息的完整性和一致性，有助于投资者和其他利益 相关者做出更加明智的经济决策。

（四）深入进行数据资产价值计量研究

近年来，随着数据资产在企业和组织决策中扮演 着越来越重要的角色，如何准确计量数据资产的价值 便成为迫切需要研究的话题。目前数据资产价值计量 研究取得了很大进展，学者们提出了多种数据资产计 量方法，试图从不同角度量化数据资产的价值。

1. 数据资产的成本法计量

李艳 [19] 提出数据资产无论是从公司内部还是外 部获取的，都应采用“历史成本法”来核算。特别是 在收集和整理期间，有关设备的折旧以及其他费用都 应计入数据资产的成本。孙永尧 [20] 研究认为，成本 法能够直接对数据资产的生产费用和维护费用进行会 计追溯和验证，包括数据资产的采集费用、处理费用、 存储费用和分析费用以及相关人员费用等，因此数据 资产价值适合采用成本法计量。章莹 [21] 等通过实证 分析得出，只有当数据资产能够直接产生经济利益时， 才能采用历史成本法进行计量。

2. 数据资产的市场法计量

韩秀兰 [22] 等人认为，对来源于外部的数据资产， 可以使用市场法对其进行计量。在传统的市场法中， 尽管不同国家的数据资产种类与质量各不相同，但是 如果市场上有相同或相似的数据资产，那么采用市场 法来计量数据资产的价值是更合适的，能更好地反映 数据资产在市场上的真实交易价值，提高数据资产计 量的公允性和可比性。不过，在实际应用中，企业需要充分考虑数据资产的特殊性，谨慎选择可比交易案 例，以确保市场法计量结果的准确性和合理性。

3. 数据资产的收益法计量

唐莉 [23] 等人从数据资产的特性、作用和价值出 发，建议采用基于收益现值的会计处理方式来取代传 统的以历史成本为基础的计量方式。丘开浪 [24] 等人 从数据资产管理系统的稳定性和所带来的现金流的流 动性两个角度出发，认为采用收益现值方法可以使其 账面价值更加贴近真实的价值，从而更好地为报表使 用者提供决策信息。

上述数据资产计量方法各有优劣，但学者们普遍 认为，由于数据资产具有独特性、时效性和依赖性等 特点，单一计量方法难以全面反映数据资产的真实价 值。未来的研究方向之一就是如何开发综合计量模型， 将多种方法融合起来，以更准确地计量数据资产的各 种价值。随着数据技术的发展和应用场景的多样化， 对数据资产价值计量方法的不断优化、持续丰富和创 新也是未来研究的重要内容。

（五）深化数据资产管理与运营研究

苑秀娥 [25] 等人提出要建立一套完整的数据资产 治理框架和治理体系，涵盖数据资产的质量管理，数 据资产的安全政策、隐私保护以及数据资产的分类、 存储和归档机制来应对数据资产所有者权益保护缺 失、隐私信息泄露、数据滥用，以及数据资产价值融 合度低、应用困难等问题。

魏碧洲 [26] 认为，制定一套符合企业业务需求与 数据资产状况的数据资产管理策略更有助于企业加强 对数据资产的有效管理与使用，提升数据资产的价值 与商业利益。路岩 [27] 认为数据资产与组织目标和战 略之间的协调可以带来诸多获益，数据资产的有效管 理会持续支持组织目标的实现，而数据资产管理目标 的实现依赖于其目标与组织战略、组织目标的一致性， 因而数据资产管理的策略就是及时确保数据资产的管 理与企业战略、企业目标保持高度一致。任旭 [28] 提 出数据资产的运营需要依赖先进的技术工具和平台， 包括数据资产仓库、数据资产湖以及数据资产云存储服务等，这些技术能够支持大规模数据资产的存储、 处理和分析，提升数据资产的价值。张晓光 [29] 认为 企业需要定期动态评估数据资产的效益，通过持续的 优化和迭代适应市场变化，从而保持数据资产的竞争 力和提升数据资产的生产力。

综上所述，学者们均认为数据资产需要进行有效 管理和运营，并将其与企业战略和目标深度融合，以 真正发挥数据资产的价值。

二、数据资产研究存在的不足

尽管当前有关数据资产的研究在多个方面取得 了进展，但仍在数据资产的价值计量、产权制度研究、 跨学科融合、信息列报等方面存在诸多研究短板。

（一）对数据资产价值的确认缺乏统一定论

数据资产本身所具有的天然的非竞争性、非实体 性以及依存性、可复制性、可加工性、多样性等基本 特性，导致其确权难度大，资产价值研究难度更大。 数据资产要想为企业提供强大的竞争力和持续不断的 经济利益，就必须接受精准、长期的提炼，企业需要 更多理论方法来对数据资产进行价值挖掘，提高数据 资产对自身的价值加成。目前，理论和实务领域对于 数据资产价值的确认以及数据资产包含的价值内容缺 乏统一认识，对数据资产价值的研究并未在各个领域 深入进行，导致一些企业无法有效运用数据资产来提 高其自身价值。

（二）对数据资产产权制度的研究不够深入

虽说数据已被视为一项资产，得到各方的广泛重 视、应用和交易，但由于数据及数据资产无实物形态 又十分复杂，极容易出现数据轻易被技术复制的情况， 导致相关责任和产权归属错位问题，进一步加大了数 据资产产权归属的明确划分与界定的研究难度。

（三）对数据资产价值计量的研究缺乏普遍适用性

数据资产的价值不仅包括技术价值，还包括经济 价值、社会价值。数据资产的自身价值不仅来源于其自 身直接贡献的经济利益，还包括其对企业决策、创新能力和竞争优势提升等所带来的间接贡献利益。因而 数据资产的价值应得到全面的反映和计量。现有的计量 研究往往过于侧重于对数据资产的量化价值计量进行 研究，而忽视了其质性价值计量的研究，尤其是忽视 了数据资产的独特性、稀缺性及其在特定业务场景下 的应用价值质性，导致现有的数据资产管理和计量研 究在不同行业和企业规模中的适用性有限。许多计量 研究均是基于特定的行业、企业案例或数据类型而构 建，难以广泛适用于快速变化的数字经济环境和行业。

（四）对数据资产的信息列报的研究不够充分

当前，只有极少数公司在财务报表的附注中对数 据资产的采购、存储和使用等信息进行列报披露。即 便披露，列报的信息也极少，很难让人完全了解并加 以利用，而且大多数公司都不在自己的财务报表中列 示出自己所持有的数据资产，这使得学者们在研究数 据资产的会计计量和列报时很难收集到准确而全面的 资料。而隐藏持有的数据资产可能会引发两大风险： 一是加大个体逃税漏税、转移资产的风险；二是增加 投资者在对数据资产计量时的决策风险。对数据资产 信息列报进行充分研究刻不容缓。

（五）跨学科研究缺乏全面性

数据资产研究不仅仅是技术问题的研究，同样 涉及经济学、管理学、法律学等多个学科领域。然 而，大多数研究往往侧重于单一学科、单一视角， 缺乏对不同学科知识和方法的综合运用。技术领域 的研究往往忽略了数据资产的经济价值计量，而经 济学领域的研究则未能充分考虑到数据资产的处理、 迭代和保护的技术难题。数据资产的隐私保护和安 全问题也是一种技术挑战，也受到法律法规和社会 伦理标准的制约，需要法律、伦理与技术领域的学 者共同探讨。跨学科研究的缺乏导致了对数据资产 研究的复杂性、困难性认识不足，难以形成解决实 际问题的有效策略。

三、数据资产研究未来展望

数据资产的未来研究可进一步从数据资产定价与生成机制、数据资产价值综合计量模型开发、数据资 产产权立法等方面展开，还可全面深化对数据资产的 持续管理与优化、数据资产安全维护、数据资产合规 列报等方面的研究。

（一）大力深化对数据资产定价机制、生成机制 的研究

未来对数据资产的定价研究可以着重考虑两方面 问题：一是数据资产本身的价值问题。这包括数据资 产的现时价值、潜在未来价值，经济价值、社会价值， 内生价值和衍生价值等。研究时可以考虑数据资产的 数量、种类、质量、范围等因素，也可以从时效性、 稀缺性、关联性等其他维度进行价值评估。二是数据 资产流通过程中的交易价值问题。在数据资产交易中， 交易者为获得资产而付出的各种成本和价值是需要关 注的。这涉及用户需求、用户体验、应用逻辑、数据 生命周期、竞争格局、发展趋势、产品特性、迭代与 替代等多个角度。除此之外还可以尝试结合机器学习、 智能合约、区块链和密码技术等方式，联合数据资产 交易各方，研究制定出更加科学、准确的数据资产计 量定价机制和生成机制，为数据资产的交易、应用提 供更有价值的参考。

（二）尽快推进数据资产价值综合计量模型建立研究

数据资产价值综合计量模型的开发研究需要跨学 科的知识和技术。除了传统的财务学、经济学理论基 础，研究还应充分结合数据科学、信息技术等新兴领 域的最新研究成果，以建立更加全面系统的理论框架。 在数据资产价值综合计量模型研究中，不仅应关注传 统的价值计量因素，而且要全面考虑数据资产的质量、 稀缺性、可获取性以及保护成本等新兴特征因素，这 样能更好地反映数据资产的社会价值和交易价值，动 态把握数据资产随时间、使用方式变化的价值波动质 性，以及外部市场和技术环境的影响特性。研究出的 模型应具备一定的灵活性和可定制性，使其能够根据 不同行业和组织的特定需求进行快速、精确调整。除 此之外还可以探索模型计量简化和优化的方法，包括如何利用机器学习等先进技术来处理大数据和提高价 值计量的准确性。综合计量模型的开发研究还需随着 对计量过程标准化研究的进展而深化，以促进研究模 型的广泛应用和行业间接受度的提升，提高数据资产 内在价值和衍生价值的研究水平。

（三）进一步加强对数据资产交易的监管研究

一是紧密结合当前大数据与数字经济发展的大环 境，研究如何创新和完善现有的监管制度，研究如何 通过制定相应的政策法规来严格规范数据资产交易各 方的行为，保证数据资产交易的规范性和安全性。二 是研究怎样设立一个专门的监管组织或部门，对数据 资产交易市场实行专业性、实时性的监管；如何定岗 定责，明确各个岗位的职责，把各种管理资源进行高 度集成，做到分工明确、互相配合。三是加快对一套 数据资产交易智能管理体系的研究与开发，以推动数 据资产的良好交易；尝试建立数据资产交易监督机制 以实现跨地域、跨行业和跨层次的交易。四是研究如 何培养数据资产交易监管人员，完善数据资产交易监 管制度；在此基础上，进一步思考如何设计合适的教 学内容与教学方案来对监管者进行深度知识与技能培 训，提升监管人员的专业能力和综合素养。五是研究 数据资产的监管边界、监管内容，明确数据资产监管 部门的监管职责，以此提升监管效率和水平。

（四）加快数据资产产权立法研究

一是加快研究如何推进数据产权制度制定和健全 的工作，以明确界定数据资产的法律权利，可通过构 建制度框架来有效分割和解构数据产权，实现数据资 产使用权与所有权的分离，确保数据资产的精准确权。 二是深入研究如何以立法明确界定数据资产用益权的 边界以及具体内容，以保护数据资产原始提供者的权 益和数据处理者的必要的使用权。三是有必要全面考 虑如何建立高效、系统化的数据资产登记管理平台和 服务平台，通过“数据资产登记”的方式解决现阶段 数据流通交易权属不清的问题，通过“资产公证”方 式以法律形式明确各方权益，保证进入交易数据的合 法合规。

（五）深入数据资产的列报研究和合规研究

数据资产具有多样性和易变性等特点，所以在 研究企业数据资产的列报方式时，应重点研究如何 按照各数据资产的不同用途进行分类，并考虑数据 资产是采用常规方式列报还是特殊方式进行列报。 在列报中，可进一步明确该如何体现数据资产的经 济价值、社会价值和技术价值，以及如何确定列报 的边界，以帮助报表使用者更好地理解和利用数据 资产信息。此外，还应探讨数据资产是作为流动资 产还是长期资产项目列示，是否需要单独列示或与 其他项目合并列示。对于自用数据资产和交易性数 据资产，考虑是设置“自用数据资产”和“交易数 据资产”分别列示，还是采取综合列示的方式。还 需要考虑如何体现数据资产的变现能力，以及如何 有效减少数据资产信息披露中存在的不确定性和风 险。对于数据资产的列报形式，探讨是采取单表列 报还是双表列报，以及是否需要进行数据资产对应 权益的列报，并考虑对应的权益列报是否应放到利 润表中进行列示。数据资产合规列报对于数据资产 信息的披露和理解具有重要意义，因此合规列报研 究是数据资产列报研究的重点。在这方面，未来需 重点研究数据资产合规列报的内容和标准，探讨如 何实现数据资产的合规列报，以及是否有必要制定 专门的数据资产合规列报准则。

（六）加强对数据资产的管理与优化研究

在未来的研究中应重点加强数据资产的全生命 周期管理研究，包括如何在数据的收集、存储、分 析、分享与销毁等各个阶段，确保使用者对数据资 产有更全面的了解。研究如何开发高效的数据清洗、 分类和标注技术，提升数据资产的可用性和价值。 对于数据资产的存储和处理，可重点探究如何利用 云计算、边缘计算等新兴技术来优化数据资产的存 储结构和访问效率，减少存储和访问成本，提升响 应速度。数据资产的优化策略研究则需要紧紧聚焦于数据资产驱动的决策支持系统的构建，研究如何 通过先进的数据分析和机器学习算法，将数据资产 转化为具体的、有价值的商业洞察，全面支持企业 的战略决策和运营优化。随着人工智能技术的迅猛 发展，未来的研究应着重探索如何在全面保护数据 资产隐私和安全的前提下，有效利用人工智能对大 规模数据资产进行深度分析和价值挖掘。

（七）重视数据资产的信息安全研究

加快探索更为高效、灵活的数据资产安全与隐私 保护策略和研究新方向，大力聚焦于基于人工智能和 机器学习的安全技术研究。重视智能化分析和预测安 全威胁研究，同时优化数据资产安全防护研究，努力 突破实现动态安全防护研究的进展。深入隐私保护计 算技术研究，加强对同态加密、安全多方计算（SMPC）、 区块链等计算技术方面的研究，为数据资产的安全分 享和利用提供新的解决方案。数据资产信息未来的保 护研究要侧重于技术创新与法律合规的结合；深入研 究如何通过跨学科合作，创造出更加全面、高效的保 护策略，以应对日益复杂的数据资产安全性挑战和隐 私保护需求。

四、结语

对数据资产的研究是一场多维度、跨学科的持续 研究，尽管目前各界在数据资产的确认、记录和管理 方面的研究已取得了很大进展，但在数据资产价值计 量标准的统一、隐私保护、跨界数据资产的管理研究 等方面仍面临着不小挑战。随着信息技术的飞速发展、 数据技术的不断进步和应用场景的日益扩大，对数据 资产的研究还需进一步细化和深化，特别是在综合计 量模型的开发研究、跨界数据资产管理策略研究以及 数据资产隐私和安全保护新技术的应用研究方面，需 要更多的创新和突破。未来研究还应更加注重跨学科 合作，从而全面理解和应对数据资产持续、深入研究 所面临的复杂挑战和困难。