数据是数字经济时代的关键生产要素，数据资产管理也是充分实现数据价值重要的一环。7月30日，2022全球数字经济大会数据要素峰会分论坛“数据高效流通 赋能实体经济”上，北京大学工学院副院长宋洁教授分享了自己对数据价值评估的观点。

宋洁认为，相较于技术、劳动力等，数据可无限复制，其流通更为快速，在数据“记录-处理-解读-传播”处理过程中，各个环节产生价值增益也伴随安全风险。数据区别于传统的要素，具有非竞争性、不完全排他性等经济学特征，因此需要结合数据特征与数据的不同阶段确定价值评估方式。目前，数据采集成本评估对于大部分企业已较为清晰。更多的不确定性存在于数据挖掘和数据流通环节。

“数据是实体经济和数字化转型目标场景之间的载体，通过运营与数据的交替迭代来重塑数字化转型范式。在此过程中，需要数据采集、处理、集成、挖掘形成知识决策，形成数据的价值。她指出，价值是数据交易的条件，安全也是数据交易的保障，因此数据价值评判对构建数据要素市场是极为重要的。

据宋洁介绍，在数据挖掘过程当中，存在两种类型的价值评估。第一种是根据数据要素贡献评估：在数据应用的实际业务场景中，比如通过数据建模结合优化算法来提高预测精准度降低不确定性，实现数据价值。在场景中评估模型带来的价值增益，增加不同类型数据贡献的可解释性，利用数据模型增益评估数据价值。

另一种则是根据数据资产收入来评估数据价值。根据加总数据对经济实体产生的收入流与业务指标变化，从资产的视角评估数据价值。这一类数据的评估方法称之为数据赋能的增益模型。

至于数据流通阶段，针对数据卖家，研究根据用户查询、数据质量、信息熵、应用价值来设计数据资产的定价函数。在数据进入市场后，则可以根据需求方、购买方、中间商的效用，结合产品的市场机制、数据市场机制来优化算法，实现动态定价。

宋洁指出，在数据流通的不同环节，数据价值评估方法差异性大。需要用数据科学的思维结合数据特征结合数字化转型过程中的机理模型，实现数据的资产估值。

她强调，数据作为新型生产要素，要区别于传统的要素，深入理解数据非竞争、不完全排他性、外部性等特征，平衡数据的价值和安全，探索基于隐私保护技术的价值评估方法。针对数据流通性的特点，需要从数据全生命周期视角，根据不同阶段的特点来实现数据的价值评估，真正做到数据价值服务于实体经济。