数据资产与供应链数字化:生产要素视角

《Global Finance Journal》:Data assets and supply chain digitalization: A production factor perspective

【字体: 大 中 小 】 时间:2026年09月23日 来源:Global Finance Journal 5.2

编辑推荐:

   摘要 尽管现有研究主要从技术和组织视角考察企业的数字化转型努力,但对底层数据资产的经济价值关注较少。本研究采用市场可量化的生产要素视角来衡量企业数据资产(一种数据相关的无形资本)的价值,并考察其与供应链数字化之间的关系。使用 2013 年至 2023 年中国 A 股上市公司的

  

摘要
尽管现有研究主要从技术和组织视角考察企业的数字化转型努力,但对底层数据资产的经济价值关注较少。本研究采用市场可量化的生产要素视角来衡量企业数据资产(一种数据相关的无形资本)的价值,并考察其与供应链数字化之间的关系。使用 2013 年至 2023 年中国 A 股上市公司的样本,我们采用市值残差法衡量企业层面的数据资产价值,并通过年度报告的文本分析构建企业层面的供应链数字化指标。结果显示,数据资产与供应链数字化显著正相关。当使用基于年度报告构建的独立文本指数衡量数据资产时,结果依然一致。机制分析提供了与三个渠道一致的证据:减少企业与上下游合作伙伴之间的信息不对称(信息效应);更多的数字流程创新,将数据要素嵌入标准化的供应链工作流程(流程效应);以及企业组织网络更广泛的地理扩张,支持地理分散的供应链运营协调(结构效应)。在供应链效率更高和风险感知能力更强的企业中,这种关联更为明显。数据资产还与上下游合作伙伴的供应链数字化呈正相关,表明存在潜在的溢出效应。这些发现提供了企业层面的证据,将未被确认的数据相关无形资本与跨供应链边界的可观察运营结果联系起来。

引言
在数字经济时代,数据已被广泛认为是一种关键的战略资产和新型生产要素,作为企业数字化和智能化转型的关键基础(Garay-Rondero 等,2020;Harby & Zulkernine, 2025)。全球范围内,数据驱动的数字经济投资增长迅速。根据国际数据公司(IDC)发布的《全球大数据和分析支出指南》,全球大数据 IT 投资预计 2024 年将达到约 3540 亿美元,到 2028 年接近 6441 亿美元,复合年增长率(CAGR)约为 16.8%。中国市场扩张速度尤其快,预计大数据 IT 支出到 2028 年将达到 621.7 亿美元,对应的五年复合年增长率约为 24.9%,位居全球第一。1 在这些投资中,人工智能软件平台、供应链和产品分析应用以及内容分析工具占最大份额,突显了数据资产在支持运营分析、供应链管理和智能决策中的核心作用。

尽管数据作为战略资源和生产要素得到广泛认可,但现有研究主要关注企业内部的价值创造,如决策支持、治理改善和运营效率(Hu 等,2022;Ye 等,2022),或关于产权、衡量和治理的问题(Benfeldt & Persson, 2025)。对数据资产在跨组织环境中的作用关注较少,在这些环境中,其可共享和可转移的特性可以通过多方互动放大其经济影响(Benfeldt & Persson, 2025;Van Doorn & Badger, 2020)。随着数字化重塑价值链上的业务流程和模式,供应链已成为数据资产外部性和网络效应集中体现的重要环境(Cheng 等,2014)。衡量企业数字化转型努力的现有方法主要关注其技术和组织维度,对底层数据资产的价值维度关注较少。综合数字化指数衡量技术采用的广度(Guo, Ke, & Zhang, 2023;Wu 等,2021),IT 基础设施衡量捕捉部署能力(Bharadwaj, 2000;Spring 等,2022),而数据分析衡量捕捉组织能力(Hallikas 等,2021)。在本研究中,数据资产指企业通过经营活动积累并通过治理和结构化使其可重复使用的数据资源存量,构成一种数据相关的无形资本。从金融角度看,数据资产的经济价值可能已包含在企业的市场估值中,但在其财务报表中 largely 未被确认(Eisfeldt & Papanikolaou, 2013;Hall, 2001)。

衡量这一价值存在特殊挑战。在会计中,资产被定义为实体因过去事项而控制的资源,并预期能产生未来经济利益。数据资产通常满足此定义,但 largely 不符合无形资产的确认标准,因为它们内部生成、难以分离且成本无法可靠计量(IAS 38;财政部,2023)。无形资本文献记录了其他内部生成的无形资产(如组织资本和人力资本)也存在同样的模式,其价值反映在市场价格中但不在资产负债表上(Corrado 等,2009;Eisfeldt & Papanikolaou, 2013;Ewens 等,2025)。具体到数据,Veldkamp (2023) 认为价值主要来自运营预测准确性的提高,如对需求、成本和对手行为的预测,从而减少决策不确定性并提高预期现金流的现值。相比之下,生产成本往往可以忽略不计,因为数据是经济活动的副产品。高预期价值与近零的可确认成本相结合,导致市场估值与资产账面价值之间留下巨大楔子(Hall, 2001;Peters & Taylor, 2017)。因此我们询问,与未确认数据资产相关的市值部分是否对应企业供应链数字化中的可观察结果。

我们认为,当企业能够在供应链运营中集成和部署数据资产时,数据资产可以作为克服供应链数字化障碍的关键杠杆。在本研究中,供应链数字化被定义为企业利用数据资产构建数字供应链平台的过程,将供应链活动(包括计划、采购、生产、销售和物流)整合到统一的动态数字系统中。这一过程实现了跨企业的上下游信息集成和流程监控,同时持续增强供应链运营效率和治理能力。在实践中,三大主要障碍阻碍供应链数字化:内部数据和数字技术基础设施薄弱,限制了系统发展;上下游合作伙伴之间信息流碎片化和延迟,降低了协调效率(Barratt & Oke, 2007);以及链内治理和协作机制不足,限制了数字化协作的规模化(Farajpour 等,2022)。因为数据可以被多方使用而不被消耗,且能以低成本跨组织边界转移(Van Doorn & Badger, 2020),当供应链面临数字基础设施薄弱、信息不对称和协调挑战时,数据资产可以提供新的支持。例如,平安银行的“数字口袋”项目统一了数字账户系统和数据资产管理机制,连接客户、业务运营和生态系统场景。2 企业和个体用户的数据被作为可管理、可授权和可交易的资产,实现了供应链阶段间的合规流通和价值实现,显著推进了数字化和协调。

我们选择中国作为研究背景,因其具有代表性的环境和先进的制度环境。首先,作为全球供应链网络的关键枢纽,中国拥有完整的工业体系和高度复杂的供应链结构。在从企业级竞争向供应链网络竞争转变的背景下,中国企业正从规模扩张转向高质量发展。其次,中国在建设数据要素市场和数据资源会计处理操作化方面先行一步,建立了通过正式记录企业对数据资源权利的产权和登记基础设施。然而,确认金额仍然极少。截至 2024 年第三季度,5300 多家 A 股上市公司中只有 54 家在资产负债表上确认了数据资源,合计账面价值为 15.07 亿元人民币 3(国家数据局,2024)。因此,企业对数据资源的权利已正式确立,但资源本身几乎完全在资产负债表之外。在此背景下,基于市场的衡量既必要又可解释。

使用 2013 年至 2023 年沪深 A 股上市公司,并利用企业层面的市场和会计信息,我们使用基于新古典投资框架(Hall, 2001;Hayashi, 1982;Tobin, 1969)的市值残差法来代理企业未确认的数据相关无形资本的经济价值。同样的方法已应用于无形资本文献中的未确认无形资产(Belo 等,2022;Hall, 2001)以及 Lu 等人(2023)对数据的应用。然后我们实证检验数据资产与供应链数字化之间的关系及其潜在机制。结果显示,数据资产与企业供应链数字化显著正相关,且结果在多项测试中保持稳健。机制分析提供了与三个渠道一致的证据:数据资产与更低的信息不对称相关,改善了企业与上下游合作伙伴之间的信息环境(信息效应);更多的数字流程创新,将数据要素嵌入标准化的供应链工作流程(流程效应);以及企业组织网络更广泛的地理扩张,支持地理分散的供应链运营的数字协调(结构效应)。进一步分析表明,数据资产不仅与企业自身的供应链数字化正相关,还与上下游合作伙伴的供应链数字化正相关,表明存在潜在的溢出效应,表明数据资产的相关性可能延伸至企业边界之外。

本研究做出两项贡献。第一,它将无形资本的金融文献与可观察的跨组织运营结果证据联系起来。基于长期以来应用于未确认无形资产的方法(Belo 等,2022;Hall, 2001),我们构建了一个企业层面的市值残差代理变量来衡量数据资产的经济价值,并将其与供应链数字化联系起来,从而将无形资本文献扩展到测量和企业估值之外,延伸至跨企业运营的实际后果。第二,本研究提供了关于数据资产促进供应链数字化潜在路径的支持证据,以及相关利益可能实现的组织边界。机制分析产生的结果与信息、流程和结构渠道一致,通过这些渠道数据资产可能支持企业层面的数字能力和供应链协调能力。上下游分析进一步表明,相关利益可能延伸至供应链合作伙伴,这与数据的非竞争性和可共享性质一致(Jones & Tonetti, 2020)。总之,这些发现表明,与数据资产相关的经济效益可能在控制该资产的企业边界之外实现,提供了关于无形资源如何塑造供应链网络和跨企业结果的额外证据。

本文其余部分组织如下。第 2 节讨论制度背景、文献综述和假设发展。第 3 节介绍研究设计。第 4 节报告实证结果。第 5 节考察机制。第 6 节提供横截面分析。第 7 节呈现进一步分析,随后是结论和政策启示。

章节片段
制度背景
目前,中国促进供应链创新和应用的环境持续改善。中国共产党第二十次全国代表大会报告明确强调需要现代化制造产业链和供应链,增强其安全性和竞争力。报告强调数字化转型是关键路径,倡导加强技术赋能、优化资源配置,
样本与数据
本研究使用来自 CSMAR 数据库的 2013 年至 2023 年沪深 A 股上市公司样本,收集企业数据资产信息。此外,我们采用基于词典的文本分析方法,从企业年度报告的“管理层讨论与分析”部分提取相关信息。使用 Python,我们统计“供应链数字化”词典中关键词的频率,以量化供应链数字化水平
基准回归结果
表 6 报告了基准回归结果。第 (1) 列呈现仅包含控制变量的估计结果,而第 (2) 列进一步纳入了企业和年份固定效应以及控制变量。

在第(1)列和第(2)列中,DA的系数为正且在统计上显著,表明企业的数据资产与供应链数字化显著正相关,从而支持了H1。

## 准双重差分模型

为缓解内生性问题

## 机制检验

我们考虑了数据资产可能通过以下三条潜在渠道促进企业供应链数字化:信息渠道、流程渠道和结构渠道。具体而言,在信息层面,数据资产可能改善企业与上下游合作伙伴之间的信息环境,降低信息不对称,从而为供应链数字化平台的有效运行提供信息基础;在流程层面,数据资产可能

## 横截面分析

第2.4节指出,持有数据资产本身并不改变供应链运作方式,其收益取决于企业能否有效部署这些资产。本节检验这一条件。如果价值实现以部署为前提,那么在部署条件更为有利的情况下,这种关联应当更为强烈。据此,我们从两个维度考察情境异质性:供应链效率,反映企业内部的运营基础;以及供应

## 进一步分析:数据资产的供应链溢出效应

前述分析表明,企业的数据资产与其自身的供应链数字化显著正相关。本节进一步探讨数据资产在供应链体系内的溢出效应。由于数据具有非竞争性,同一数据集可以被企业和其贸易伙伴同时使用而不会被消耗(Jones & Tonetti, 2020)。当焦点企业与供应商共享需求、库存或交付信息时

## 结论与政策启示

本研究聚焦于数据作为生产要素进行市场化配置背景下的供应链数字化转型。从市场可量化的生产要素视角出发,本文借鉴无形资本度量的金融文献,采用基于市场的度量方法捕捉与企业数据资产相关的经济价值,并考察其与供应链数字化的关系及其潜在机制。研究结果表明,企业的数据

## CRediT作者贡献声明

吕佳宇:论文初稿撰写、可视化、验证、调查研究、形式分析。崔永梅:论文审阅与编辑、方法论。马晓红:论文审阅与编辑、指导、项目管理、调查研究。杨庭宇:数据整理、概念构思。

## 作者声明

我们声明,本手稿为原创,此前未曾发表,目前也未在其他地方投稿。

我们确认,本手稿已由所有署名作者阅读并批准,且不存在满足作者资格但未列入的其他人员。我们进一步确认,手稿中作者的署名顺序已获我们全体批准。

我们理解,通讯作者为编辑部的唯一联络人。

## 资助

我们感谢北京交通大学研讨会参与者的建议。本文受国家社会科学基金项目资助(编号:25BJY108)。其余错误概由作者自负。

## 利益冲突声明

我们不存在任何潜在的利益冲突需要披露。本文已获所有作者批准。

吕佳宇 | 崔永梅 | 马晓红 | 杨庭宇
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号