数据资产入表为企业带来了新的融资渠道，催生了新的业务模式。传统的资产负债表主要聚焦于有形资产，而数据资产的引入，意味着企业能够将数据资源作为一种可量化的资产进行管理。
当前，市场上的数据资产入表案例已经非常丰富。数据资产属于新兴领域，整个市场必然要经历一些探索阶段，这些企业成为践行数据资产化的先行者，实践中可能存在不足，但这些实践为很多企业提供了非常有价值的借鉴和启示。
本文将聚焦当前市场上已经践行的数据资产化案例，包括现行的“数据要素 ×”案例，以及市场上商业化企业的入表案例，通过对这些公开案例的解析，其他企业可以从这些案例中获取一些有价值的、可借鉴的经验，从而在数据资产化工作的推进中少走一些弯路。

“数据要素X” 公开典型案例

案例 1 ：数据要素赋能小商品数字贸易便利化
该案例来源于“国家数据局”公众号的公开信息，其作为第一批 20 个“数据要素 ×”典型案例之一，对于各领域的数据要素应用具有典型的指导和借鉴意义。
我们先对该案例进行全面的了解，以下信息基于国家数据局公开的信息进行提炼、总结。
案例背景 ：义乌小商品交易市场是全球最大的小商品市场，汇集了海内外众多小商品的采购商和供应商，以批发的方式促进大规模商品流通与交换，促进了国内外贸易的发展。
业务问题 ：义乌小商品交易双方企业主体普遍较小、数据流通共享质量不高，导致企业出口结算账期长、货款回收难，金融机构授信难、放款难，同时监管部门也缺乏有效的管理手段。
数据产品价值 ：浙江中国小商品城集团股份有限公司通过公共数据授权运营，融合小商品城企业的数据，推出企业信用、外贸预警等数据产品服务。这些服务不仅提高了贸易效率，降低了交易风险，还拓宽了融资渠道，助力中国小商品“扬帆出海”。
接下来，我们详细分析该案例中的数据产品方案。
（1）整合多源数据 ：通过授权运营获取各类公共数据（如登记、许可、处罚、荣誉等），并融合企业数据（包括商品、交易、物流、评价等），为小商品数字贸易提供坚实的数据基础。
（2）构建数据流通通道 ：建立商贸领域的线上综合服务平台，实现交易、履约、仓储、物流、资金结算和信贷融资等环节的数字化，确保贸易全过程的可追溯性和可还原性，便于产业链上下游企业的数据交互。
（3）创新数据应用场景 ：推出基于真实贸易数据的供应链金融产品，例如货款宝，有效解决中小微企业回款难题 ；同时，构建覆盖市场商户的企业信用评价体系，提供信用报告服务，支持市场商户、采购商和银行进行信用风险查询。
数据资产化后的效果如下。
2023 年，义乌出口总值达到 5005.7 亿元，使用小商品数字自贸平台提供的报关、物流或结汇等数字化产品服务的占比达 77.6%。全年基于企业征信体系累计授信总额为 90.57 亿元，放款额为 35.58 亿元，解决 3.3 万余家小微企业融资问题。通过市场采购贸易方式出口 3883.7 亿元，同比增长 19.0% ；通过海关跨境电商管理平台进出口 166.0 亿元，同比增长 93.0%。义乌市场电商主体突破 60 万家，日均新增超 500 名电商“老板”，领跑全国。
我们再对小商品交易市场的解决方案进行进一步分析。
（1）打破“数据孤岛”，让数据“流动”起来

“数据孤岛”是各行各业的企业在数据应用中面临的一大挑战，它指的是不同系统或部门间存在的数据无法相互共享和流通，每个系统都类似一座“孤岛”。以小商品交易市场为例，其经营模式通常会涵盖物流系统、商品管理系统和交易系统等多个方面。每个系统都有独立的数据口径和逻辑，可能采用不同的数据格式和存储方式，就使数据的整合与统一变得极为复杂。
整合多源数据，构建数据流通平台，是小商品交易市场应对“数据孤岛”问题的正确举措。这一过程不仅是技术上的简单数据汇总，更是对数据质量、格式和逻辑等问题的一次全面核查。当然，整合时需要通过建立统一的数据标准和规范，才能够破除“数据孤岛”的存在。破除了“数据孤岛”，数据便可以实现规模化的效益，小商品市场构建数据流通的平台正是数据规模化价值的一种实现方式。

（2）将数据资产场景化，形成专业的数据产品，同时服务内外部用户。

小商品交易市场通过数字化手段，对内开发了市场交易数据监控产品。从这个仪表盘上的信息可以看出，该仪表盘涵盖的数据指标及价值非常丰富。为了帮助读者了解该产品的应用价值，下面对部分指标进行解析。

该仪表盘属于典型的对内服务产品，严格来说属于分析类产品，所有的指标都聚焦于“总数值”，涵盖贸易出口、交易额、供应商数量等内容，主要目的是帮助市场的管理人员更好地掌握市场的运营状况，为供应链管理、供应商管理、采购商管理、商品管理等提供数据基础，以此提出运营策略。从案例披露的信息上看，小商品交易市场除了对内有专业的运营数据监控仪表盘来帮助掌握市场运营状况，还有对外（采购商、供应商、商户等）的产品服务。
小商品交易市场对外服务包括两个产品。
（1）贷款宝应用 ：对于该产品，未见更详细的信息披露。但从产品描述来看，该产品主要解决小商品交易市场的中小微企业回款难的问题，企业只要将商品送至指定的仓库即可获得 50% 的垫付款。由此可以看出，解决的业务问题场景很具体。
（2）企业信用评价模型 ：该产品类似前面章节提及的税务局纳税数据的案例，该产品可以对外提供查询接口，供市场商户、采购商、银行机构查询企业信用风险。主要汇集了交易、物流和客户评价等多个维度的数据，可以全面反映市场商户的信用状况。这类产品属于典型的查询接口类产品形态。这两个产品针对的场景问题非常具体，产品价值清晰。面向的消费群体也很明确，数据产品形态清晰且易于理解，能够迅速被用户所接受和使用。这种特征非常契合前面章节提到的成熟商业化产品的四要素——消费群体、数据产品形态、解决的具体问题及经济收益。
案例小结
对该案例进行详细分析后，其他企业可以从以下方面借鉴有价值的经验。
（1）要有清晰的业务痛点分析 ：小商品交易市场对中小微企业面临的回款难和贷款难问题分析透彻。这些问题是小商品市场运营中的主要难点，直接影响中小微企业是否可以持续经营，解决这些问题也有助于提升中小微企业的经营积极性。中小微企业属于小商品交易市场的绝大多数经营主体，如果这些企业因经营困难而无法持续，势必影响到小商品市场的运营管理，因此，解决痛点问题势在必行。
（2）数据整合 ：小商品交易市场在数据资产化方面的应用目标十分清晰。实现数据规模性应用的基础在于数据整合，需要打破“数据孤岛”。“数据孤岛”事实上普遍存在于各行业，是企业在数据使用中的第一道障碍，尽管这需要一定的投入来解决，但迈出这一步非常关键。
（3）深入开发数据价值 ：从数据层面看，小商品交易市场的数据维度明确且相对固定。对于内部服务，开发了分析看板以辅助运营决策；在对外服务上，将数据进行场景化应用，推出了专业数据产品。整体来看，这些数据产品的基础是同一份运营数据集，但对场景的应用已经实现了多元化，充分开发了小商品交易市场运营数据的价值。

案例 2 ：数据智能化分析辅助提升基层诊疗水平
该案例来源于“国家数据局”公众号公开信息，对于各领域的数据要素应用也具有很强的指导意义。
我们先对该案例进行全面了解，以下信息基于国家数据局的公开信息进行提炼。
案例背景 ：基层医疗卫生体系是守护亿万人民群众身体健康的“第一道防线”，直接关系到每个人的生活质量。
业务问题 ：基层医疗机构往往面临人才不足、医生队伍不稳定、资源供给有限等问题，难以完全满足广大群众对医疗服务的需求。
数据产品价值 ：为提升基层医疗服务水平，讯飞医疗科技股份有限公司通过对海量医疗数据的收集和分析，构建医疗 AI 大模型，为基层诊疗提供智能化辅助，促进基层医疗服务提质增效。
下面详细分析该案例中的数据产品方案

（1）汇聚高质量数据资源以训练智慧医疗 AI 模型。
讯飞医疗通过与中华医学会杂志社、OMAHA 联盟（开放医疗与健康联盟）等权威机构的合作，整合公开脱敏数据，构建了涵盖疾病知识、症状体征、检验检查、药物信息、临床路径和诊疗规范等内容的数据资源库，从而为 AI 模型的训练提供坚实的数据基础。
（2）推进医疗数据与“问、诊、治”场景的深度结合。
讯飞医疗通过与行业信息平台和医院信息系统的对接，确保数据在本地局域网内汇聚和分析。在医生问诊过程中，模型能够根据问诊逻辑提示病情 ；在诊断时，可以智能分析患者病历数据，协助医生做出合理判断 ；在开处方和检验时，及时提供用药和检查建议，同时将异常诊断结果上报医疗主管部门进行复核。
数据资产化后的效果如下。
截至目前，该系统已在全国 506 个县区的近 5.3 万个基层医疗机构应用，服务 6 万余名基层医生，累计提供 7.7 亿次 AI 辅诊建议，规范病历 2.9 亿次。经该系统提醒而修正诊断的有价值病历超过 139 万例，累计识别不合理处方数6,200 万个，AI 辅助诊断合理率提升至 95%（重点地区 97%），覆盖疾病数量超 1,680 种。
我们对讯飞医疗企业的解决方案进行进一步分析。
（1）数据整合
迅飞医疗整合了医疗行业较为完整的数据。同时，确保数据在本地局域网内汇聚和分析，以支持医生在问诊和诊疗过程中的智能化决策。
这里思考一个问题 ：为什么要使用外部数据？
使用外部数据的原因在于，如果科大讯飞医疗仅依赖内部数据进行整合，其内容的深度和规模并不足以满足需求。AI 问答大模型的特性决定了其需要庞大的基础数据来支持模型训练，且维度越丰富其蕴含的价值量越大。特别是在医疗领域，疾病的分类及其表现形式极为多样，再加上用药信息的复杂性和个体差异等因素，都使模型对数据量的需求非常高。
因此，引入外部数据成为必然选择。这些数据不仅包括来自各大医院的临床病历、检查结果和治疗记录，还包括医学文献、研究论文、药物说明书等丰富的信息资源，也可以是跨领域、跨行业的数据。通过与中华医学会杂志社、OMAHA 联盟等权威机构的合作，讯飞医疗能够获取更广泛、更全面的数据支持。这不仅有助于提升模型的准确性和泛化能力，还能更好地应对医疗领域的复杂性和多样性。
进一步说，为什么要使用外部的行业内数据？
如果不使用外部的行业内数据，所涵盖的医疗领域的数据深度和广度将严重不足，这将直接影响大模型的最终应用效果。讯飞医疗主要面向大量的基层医疗组织，这些基层医疗人员面对的人群异常庞大 , 因此要解决的疾病种类极为繁杂，从常见病到罕见病应有尽有。如果数据量不够丰富多样，模型的训练效果将大打折扣，难以满足基层组织在问诊过程中的多样化需求。而引入外部行业数据，就可以避免这些问题，因为数据涵盖的内容范围足够广泛，可以充分支撑基层医疗碰到的各种问诊难题。
（2）开发专业的数据产品
在数据整合的基础上，讯飞医疗推出问答大模型这一专业数据产品，旨在解决基层医疗资源有限的问题。该大模型能够根据问诊逻辑提示病情，协助医生在诊断过程中进行智能分析，并在开处方时提供及时的用药和检查建议。通过这一产品，医生能够更高效地问诊和诊疗，从而有效提升基层医疗的服务质量和效率
该案例中的数据产品特征鲜明，其内容更为单一。然而，由于该产品提供的是基础信息，因而可以面向更广泛的业务场景。从公开的案例效果来看，该产品已成功服务于全国 5.3 万个基层医疗组织，产品价值和实际效果显著。
在这个案例中，特定的消费群体、数据产品形态以及解决的具体场景问题这 3 个要素非常明确。特定的消费群体即基层医疗组织，这些机构在资源有限的情况下，迫切需要高效的问诊解决方案。数据产品的形态为问答大模型，而问答大模型的功能非常适于快速的知识获取。
此外，通过有效提升基层医疗组织的问诊效率，不仅改善了患者的就医体验，还显著提升了医生的工作效率，从而带来了可观的经济收益。因此，该案例在实际应用中具有很强的借鉴意义。