摘要：随着网络时代的进一步发展，数字化的广泛应用，大数据对人们的生活影响越来越大，尤其是资产结算等方面，本文结合以往资料与自身见解对现行数字资产进行一定的分析。
关键词：数字资产；云数据
一、数字资产的含义
（一）数字资产产生及特点
网络时代的网络会计、办公自动化、电子支付系统平台等使现行的生产方式具有了传统生产方式无法比拟的优越性，可是在现实生活中，它们只是依托磁性介质而存在的一连串“0”和“1”的代码。它们虽是数字化商品，却体现出资产的性质，因此不妨称其为数字资产。这种资产的特点是：价格昂贵；依附性强；互动性强；数量上无限；成本递减。
（二）数字资产的原则
1、数字资产是可定义的。
2、数字资产是可以计量的。
3、数字资产信息的揭示具有相关性。
4、数字资产信息的揭示具有可靠性。
（三）数字资产评估模型之——股利贴现模型（DDM）：估算内在价值
对传统公司股权的估值模型里会用到股利贴现模型（DDM）。其主要意思是，公司股权的价值在于可以分配到的未来所有红利，把所有未来的红利折现到现在就可以得出一个股票的价值。这种估值模型的成立的前提是因为股权投资是权益类投资，是对公司在未来创造的所有利润（红利）的主张。DDM模型如下图所示：
转化为股利不变的增长模型可得：
在传统的股票市场中，其中：
V代表普通股的内在价值；Dt是每期股利；D0是当前股利；r是贴现率；g表示股利的不变增长率。
由于DDM是对于传统公司股权的估值模型，对于现代的数字资产的评估条件不同所以并不是完全适用。对于权益类的数字加密货币，DDM就可以对其进行估值。因为这是由公司以自己的股权去背书的资产。数字加密货币持有人类似于项目股东，在未来时间内定期或不定期的获得特定收益。这种形式的数字资产本质上就是传统的股份，只不过对登记和流通的方式做了数字化。
而对于效用类通证(utility token)，如以太为例，由于以太的作用是可以作为使用券，在使用以太坊公有云时，作为gas手续费支付掉，持有者没有任何分红权或追偿权，所以用DDM很难估算这类通证的价值。
二、数字资产市场现存问题及解决对策
（一）问题
在对现行的数字经济进行一定的了解之后，因为发展的还不够全面，所以肯定存在各方各面的问题：无法确权、无规范流通场所、收入无法阳光化、违法犯罪现象层出不穷、无法有效维权。这就要求大数据下的数字资产企业从根本上加强数字资产的管理，数据资产管理要直面企业痛点，建立一个完善全面的管理系统。
一是缺乏统一数据标准。数据登记盘点流程缺乏统一的数据标准，无法有效避免数据混乱冲突、一数多源、多样多类等问题。统一标准是解决数据的关联能力，保障信息交互、数据流通、系统访问功能顺畅的必要前提。
二是难以统筹业务管理。数据的增删、修改、使用等权限管理混乱，难以建立全面、准确、完整地反映企业运营状况的单一数据视图。数据需求、数据质量、数据应用等问题的管理和解决分散在不同业务和技术部门，没有一个清晰的协调机制和统一的数据管理渠道，业务不能及时、按需获得数据支持。
三是数据质量参差不齐，数据垃圾丞待解决。数据冗余、数据缺值、数据冲突等数据质量问题不能被及时发现和有效解决。需要建立规范的数据治理流程和考核机制等途径加以完善。大量的历史留存冷数据无法被有效识别及处理，形成数据“包袱”。这些数据“包袱”很难变成数据“金矿”，又占用存储空间，浪费成本，造成损失。
四是安全监管势在必行。缺乏有效的数据安全管理机制，对敏感信息、隐私信息、保密信息的访问缺乏有效控制使其脱敏、脱密、合规，甚至对企业形成潜在的声誉和法律风险等。建立一个可靠的“数据加密保险箱”势在必行。
（二）解决对策
目前，数据资产管理已经形成了一套科学的管理架构体系，其体系架构如下图所示，主要包含9个活动职能和2个保障措施，9个活动职能指的是数据标准管理、数据模型管理、元数据管理、主数据管理、数据质量管理、数据生命周期管理、数据安全管理、数据资产价值评估和数据资产运营流通，2个保障措施包括组织架构和制度体系。
要点一：自动智能化的管理活动职能。为了有效满足数字化转型所带来的大量数据治理需求，机器学习、自然语言处理等将成为数据资产管理中主数据管理、元数据管理。数据质量管理、数据标准管理等活动职能中的重要支撑型技术。主数据管理通过对主数据值进行控制，使得企业可以跨系统的使用一致的和共享的主数据。通过元数据管理活动，可以使企业数据信息的描述和分类实现格式统一，为机器处理创造了可能，有助于理解数据的真实含义。数据质量管理可以有效避免数据仓库变成“数据坟墓”。确定或执行数据资产管理标准、规则和政策的数据标准管理将成为打通“数据孤岛”的重要内容。
要点二：“防丢防爬”的数据安全管理。随着云计算、物联网、区块链等技术的完善成熟，数据安全管理将成为数据资产管理重中之重的活动职能。数据安全管理的价值正在变得更加不可估量，包括灾备计划、加密解密、分类分级、权限管理、监督告警在内的数据保护需求日益提升，追踪“黑暗数据”将成为最重要的安全优先事宜，DRaaS（灾难恢复即服务）将成为最重要的安全管理方案。
要点三：科学有效的数据资产管理组织架构。越来越多的企业正在成立数据资产管理委员会。数据资产管理委员会的职责包括评估数据资产、数据内部部署和外部运营流通等，组织定义内部数据质量与治理的关键驱动因素，为有效管理数据质量制定框架目标和政策，为实施数据资产管理设计业务与技术相对齐的策略等。通过这些环环相扣、循环往复的过程，可以有效保障企业在数据战场上具有持久的竞争力。
三、总结与展望
总的来说，数据成为资产，已经是行业共识，然而现实中，数据资产的管理和应用还处于摸索阶段，仍然面临诸多挑战。如缺乏统一数据标准、数据周期规划混乱、难以统筹业务管理、数据处理效率低下、数据质量参差不齐、数据垃圾亟待解决、安全监管尚不完善、数据价值难以评估等。数据资产管理可以从活动职能及保障措施入手，开展管理工作，人工手工的管理方案逐渐被自动智能的管理策略所取代，鼓励数据生产价值和保护敏感数据安全的双重压力促使数据安全管理不断发展及应用，最重要的管理要点是重视组织管理的作用，将责权利清晰化，逐步建立健全包括管理型人才和技术性人才的适应数据发展的人才结构，减少工作推进阻碍。
参考文献
[1]李永壮,杨泽新,郭华.数字资产内涵、价值评估与交易研究——基于演化视角的展开[J].北京财贸职业学院学报,2018,34(03):22-28.
[2]周丽萍.上市公司资产重组中资产评估增值率影响因素研究[D].北京交通大学,2016.
论文作者:陈昕玥 李媛 李梦霞 沈瑜
论文发表刊物:《知识-力量》2019年11月46期
论文发表时间:2019/10/18
标签：数据论文; 资产论文; 数字论文; 股利论文; 数据管理论文; 资产管理论文; 模型论文; 《知识-力量》2019年11月46期论文;