（一）《数据资产何以提升企业绿色创新能力——基于双重机器学习模型的因果推断》导读
作者：毛春梅，河海大学公共管理学院教授、博士生导师；闫一博，河海大学商学院博士研究生；牛军军，河海大学公共管理学院博士研究生；王青，河海大学公共管理学院博士研究生。
简介：在数字经济加快发展和绿色转型持续推进的背景下，数据资产正逐步成为企业提升绿色创新能力的重要基础。该文基于中国上市企业数据，构建双重机器学习模型，系统检验数据资产对企业绿色创新能力的因果效应及其作用机制。研究发现，数据资产能够显著提升企业绿色创新能力，且在经过稳健性检验后结论依然成立。机制分析表明，数据资产主要通过优化人力资本结构促进绿色创新能力提升；ESG表现、数字基础设施和行业竞争程度等因素，对这一促进作用具有正向调节效应。异质性分析进一步表明，数据资产对超大、特大和大城市企业、高科技企业、国有企业及规模较大企业的绿色创新促进作用更为明显。文章从“数据资产—人力资本—绿色创新”的逻辑链条出发，较为清楚地揭示了数据要素在绿色转型中的微观作用机制，对理解数字化与绿色化协同发展具有较强参考价值。
引用：毛春梅，闫一博，牛军军，王青. 数据资产何以提升企业绿色创新能力——基于双重机器学习模型的因果推断[J]. 科技进步与对策，2025，42(20):1-10.
（二）《数据资产信息披露何以影响股价崩盘风险》导读
作者：张树山，东北师范大学经济与管理学院教授、博士生导师；刘赵宁，东北师范大学经济与管理学院博士研究生；姚欣妍，天津理工大学管理学院博士研究生。
简介：数据资产不只是企业内部的重要生产要素，也越来越成为资本市场识别企业价值和风险的重要信息来源。该文以2010—2023年沪深A股上市公司为样本，基于年报文本分析量化企业数据资产信息披露水平，实证检验数据资产信息披露对股价崩盘风险的影响及其作用机制。研究发现，数据资产信息披露能够显著降低企业股价崩盘风险，这一效应主要通过两条路径实现：一是吸引外部市场关注，提高企业信息透明度；二是推动企业内部数字化变革，改善治理和经营预期。异质性分析显示，在财务柔性较低、客户稳定度不足以及市场竞争压力较高的企业中，数据资产信息披露的风险抑制作用更为显著。进一步从耐心资本角度检验后，文章还发现稳定型股权能够强化这一风险抑制效应，而关系型债务则可能因偿债压力约束而削弱该效应。该文把数据资产信息披露与金融市场风险联系起来，讨论了数据治理、信息披露和资本市场稳定之间的关系，对数据资产制度建设和金融风险防范都具有较强启发意义。
引用：张树山，刘赵宁，姚欣妍. 数据资产信息披露何以影响股价崩盘风险[J]. 广东财经大学学报,2025,40(3):54-69.
（三）《数据资产对企业创新投入的影响研究》导读
作者：李健，山东财经大学金融学院讲师；董小凡，中南财经政法大学金融学院博士研究生；张金林，中南财经政法大学金融学院教授、博士生导师；陶云清，北京大学国家发展研究院/数字金融研究中心博士后。
简介：围绕数据资产如何在企业创新活动中发挥作用，该文利用2011—2020年中国A股上市公司数据，对数据资产与企业创新投入之间的关系进行了系统检验。研究发现，数据资产能够显著提升企业创新投入，这一结论在工具变量法、双重差分等稳健性检验下仍然成立。进一步分析表明，数据资产对创新投入的促进作用在中小民营企业、融资依赖度较高企业、技术密集型企业以及金融科技水平较低和创新不足地区的企业中更加明显。机制层面上，文章认为数据资产不仅能够通过缓解融资约束提高企业创新意愿，还能够通过加强企业间研发合作拓展创新资源，进而提升创新投入。该文的特点在于，它不是停留在宏观层面对数据资产价值进行讨论，而是从微观企业行为出发，揭示了数据资产如何通过“融资约束缓解—研发合作增强—创新投入上升”的路径发挥作用，对理解数据资产的企业价值和创新价值具有较强解释力。
引用：李健，董小凡，张金林，陶云清. 数据资产对企业创新投入的影响研究[J]. 外国经济与管理，2023，45(12)：18-33.
（四）《Time to reassess data value: The many faces of data in organizations》导读
中译：《是时候重新评估数据价值了：组织中数据的多重面孔》导读（翻译来源：知网翻译助手）
作者：Daisy Xu，澳大利亚昆士兰大学商学院博士研究生；Marta Indulska，澳大利亚昆士兰大学商学院商业信息系统教授、科研主任；Ida Asadi Someh，澳大利亚昆士兰大学商学院副教授、MIT斯隆管理学院信息系统研究中心研究关联人员；Graeme Shanks，澳大利亚墨尔本大学计算与信息系统学院荣誉教授研究员。
简介：在数字化转型持续深化的背景下，学界越来越认识到，传统上把数据简单视为“信息原料”或“技术附属物”的理解已经难以解释数据在组织中的真实作用。本文通过系统文献综述，重新讨论组织中数据的价值来源与作用方式，将数据概括为四种不同角色：作为工具的数据、作为商品的数据、作为实践的数据，以及作为算法智能的数据。文章指出，不同类型的数据在使用方式、价值创造路径和组织影响上存在显著差异，因此，对数据价值的理解不能停留在单一框架中，而应根据不同情境重新评估。该文的意义在于，它没有局限于狭义的数据交易或会计确认问题，而是从更宽的组织与管理视角解释数据为何能够成为重要资源、其价值如何被识别和实现。这对于理解数据资产的经济属性、治理逻辑和价值实现机制具有较强的理论参考价值。
引用：Xu, D., Indulska, M., Asadi Someh, I., & Shanks, G. (2024). Time to reassess data value: The many faces of data in organizations. The Journal of Strategic Information Systems, 33(4), 101863.
