2024年伊始，數據要素產業利好政策密集出臺，企業數據資產“入表”成為了大勢所趨。數據要素頂層設計方案加速落地，推動企業數字化轉型提檔加速，提升數據管理能力、實現數據資產價值成為企業下一階段核心競爭力構建的關鍵。數據資產可以為企業提供更豐富的融資渠道，降低融資成本，為企業的可持續發展提供有力支持。企業可以將數據作為底層資產，在數據資產抵質押貸款、數據資產融資租賃等方面進行有益探索，拓寬融資渠道。此外，數據資產入表還有助于外界更直觀地了解企業在數字經濟，如智慧城市等新興領域的實力和潛力，提高企業未來前景預期，推動企業估值的提升。

目 錄

一、什么是數據資產入表

二、企業數據資產入表工作由哪些部門負責三、企業數據資產入表前做哪些準備工作四、企業數據資產入表準備——數據治理五、企業數據資產入表準備——數據盤點六、企業數據資產入表的價值、建設全流程以及相關案例七、企業數據資產入表，如何對數據資產進行會計核算八、以數據資產入表為抓手推動數據資產化

一、什么是數據資產入表

（一）什么是數據資產數據要素、數據資源和數據資產對于數據資源、數據資產和數據要素這三個概念，人們往往容易混淆。為了更好地理解和利用數據，有必要對這三個概念進行深入的辨析。下面逐一探討這三個概念的定義、特征以及相互關系，以期幫助您建立清晰的認識，為實際應用提供指導。數據要素相關概念的定義與內涵 1、數據要素相關的概念數據資源（Data Resource）數據資源是指為以電子化形式記錄和保存的具備原始性、可機器讀取、可供社會化再利用的數據集合。區別數據與數據資源的依據主要在于數據是否具有使用價值。具體 而言，經過收集、存儲、運維后形成的電子化、規模化、能夠為組織（政府機構、企事業單位等）產生一定價值的數據被視作數據資源。數據資產（Data Asset）數字資產是個人和企業擁有的財產，數據資產包含結構化數據和非結構化數據，包括以數據形式記錄的照片、視頻、文件、訂單、合同等資源，這些資源以電子形式存在，并具備給個人或企業帶來經濟價值的潛力。數據資產具有以下特征：非實體性和無消耗性、可加工性、多樣性、依托性、價值易變性、多次衍生性、可共享性和零成本復制性。數據資產將數據視為類似于資金、設備、技術等要素資源，并將數據資源轉化為可交易的“數據資產”。對于企業而言，數據資產包括無形資產或存貨等類型的數據資源，以及企業合法擁有或控制的數字資源，這些資源預計將為企業帶來經濟利益。數據要素（Data Capital as Factor of Production）數據要素是指為根據特定生產需求匯聚、整理、加工而成的計算機數據及其衍生形態。依據十九屆四中全會提出的“將數據列為生產要素”與生產要素的定義，數據要素是參與到社會生產經營活動中，為所有者或使用者帶來經濟效益的數據資產。因此，“數據要素”一詞是面向數字經濟、在討論生產力和生產關系的語境中對“數據”的指代， 是對數據促進價值生產的強調。數據要素市場化（Market-based allocation of factors）數據要素市場化是指將數據作為一種要素資源，通過市場機制進行交易、流通和配置。數據要素市場化配置的關鍵在于通過市場化的流通手段，讓數據向最需要的地方流轉聚集，讓不同來源的優質數據在新的業務需求和場景中匯聚融合，在跨領域數據融合中產生更大效益，實現雙贏、多贏的價值利用。2、數據要素的內涵數據作為生產要素指的是在現代經濟中我們將數據視為一種重要的資源，類似與勞動力、資本和土地。核心內涵可以從三個方面概述：數據是一種新的生產力：隨著人類社會的不斷發展，生產要素也在不斷變化。最初的生產要素包括勞動力、土地和資本。然而，隨著科技的進步和工業革命的到來，新的生產要素不斷涌現，如技術、知識和創新等。這些新生產要素的引入和應用推動了生產力的提升和社會經濟的發展。數據作為一種新興的生產要素，它不僅是一種資源，而且是一種能夠被收集、存儲、分析和應用的信息形式。能夠作為獨立的維度使得它能夠為生產和決策提供更加精確、實時和全面的支持。數據驅動的生產方式：數據的引入還促使形成了一種新的生產方式，即數據驅動的生產方式。在這種方式下，數據成為了決策制定和創新的重要依據，數據挖掘分析成為了生產的關鍵環節。數據驅動的生產方式能夠更加靈活、快速的響應市場變化和需求變化，提高決策效果和創新效果。創造價值和滿足需求：數據作為生產要素的出現實質上指向了生產的本質，生產的本質在于創造價值和滿足需求。通過數據的挖掘分析，我們可以更好的了解市場需求、消費者行為、產品性能等信息，從而更加準確地預測和滿足需求。數據作為生產要素的出現不僅豐富了生產要素的含義，而且指向了生產的本質。因此， 我們需要不斷關注和探索數據的應用，以推動生產力的提升和社會經濟的進一步發展。數據要素市場化進程持續加快 隨著數據要素產業經濟的興起，國家對數據要素的重視程度不斷提升。國家在制定相關政策法規、推動數據開放共享和促進數據產業發展等方面采取了積極的措施，鼓勵和支持數據要素的收集、整合、管理和應用，為數據要素創造了良好的政策環境和發展條件。國家層面對數據要素市場化的政策導向主要強調在處理數據的合法合規，保護數據不會被非法獲取、篡改或濫用，數據的存儲、傳輸和處理過程中采用了安全的技術和加 密手段，以保障數據的完整性和機密性，推崇數據的共享和開放，以促進創新和經濟發展，倡導建立健全的數據治理機制，通過明確的政策和規范，對數據的收集、存儲、使用和共享進行規范管理。

圖 1. 數據要素相關政策法規各地方政府貫徹落實中央政策，探索數據要素流通頂層設計并陸續出臺了地方相關數據條例和公共數據管理辦法。地方政府陸續出臺政策的主要導向包括數據共享與開放、數據安全與保護、數據質量與準確性、數據治理與責任以及數據應用與創新。導向旨在促進數據的合理利用、保護和管理，為政府決策和公眾服務提供有效支持。在政策的引導和推動下，數據要素市場化進程加速，有助于實現數據要素的價值最大化和流動性提升，推動數據產業鏈的發展和創新。為了有效實現數據要素市場化，相 應的市場定價和交易模式得以建立，以確保數據要素的價值更加透明和公正，并促進數據要素市場的健康發展。這些舉措都為國家經濟和社會發展帶來了重要的意義和影響，并為企業提供了更多的商機和合作空間。數據要素化的實施路徑 基于大量的理論研究和應用實踐，我們認為商業銀行要實現數據要素化且最終參與到數據要素產業生態中，需要經歷以下三個階段：

圖 2. 數據要素產業發展路徑業務數據化：業務數據化是指將各項業務活動和過程轉化為可量化、可記錄和可分析的數據形式。商業銀行涉及廣泛的業務領域，包括存款、貸款、投資、交易等。業務 數據化的第一步是通過系統和技術手段收集和整合各項業務的數據。這些數據可以來自于客戶交易、業務操作、市場行情、風險評估等多個來源。通過對這些數據進行治理和管理，保證數據的源頭質量，未來可以幫助銀行更好地理解和分析業務運營狀況，支持決策制定、風險管理和客戶服務等方面。數據資產化：數據資產化是指將數據視為一種重要的資產，并將其管理、促進利用和價值最大化的過程，通過對數據進行識別、分類和標記，以確定不同數據的價值和用途。數據資產可以包括客戶數據、交易數據、風險數據、市場數據等。不同類型的數據資產基于數據應用目標進行相應的成本與價值計量，并進行有效的管理和利用，幫助銀行提高數據價值和運營效率。資產要素化：資產要素化則是通過要素化識別出有“活性”的數據資產，在分析和挖掘中發現有價值的信息和洞察，支持決策制定和業務創新，實現客戶洞察、風險管理、 營銷策略優化等方面的增值。同時，也能為銀行帶來商業機會，例如數據交易、數據合作等， 進一步增強銀行的競爭力和盈利能力。數據資產如何常態化的識別、確認、計量、使用、交易及最大化持續發揮價值，涉及企業內部的數據治理、數據資產確權、配套數據資產管理的制度設計、數據架構設計、數據資產的全生命周期管理等內容，作為技術型數商億信華辰可以為企業提供上述全套All in的咨詢、方案與產品及落地交付。

（二）數據資產入表1、什么是數據資產入表 數據資產入表就是將企業的數據資源以資產的形式納入財務報表中進行管理和計量。2、 政策背景 2023年9月國家發改委價格監測中心透露，初步測算我國企業數據要素支出規模約為 3.3萬億元；若將數據資產評估、質押、融資等衍生市場同時考慮在內，整體規模可能超過 30 萬億元。中信證券預計數據要素市場規模有望在2025年邁向2000億元新臺階，并于2030年突破萬億元。2023 年10月25日，國家數據局正式揭牌，預示著“十四五”開啟了逐浪數字經濟的新征程。中國數據要素流通市場在“十四五”期末將達到萬億元的規模（張利娟，2023），這是一個巨大藍海，建立數據登記確權、評估計價和資產入表的政策“閉環”，激活萬億數據資產，是開啟這一藍海的金鑰匙。數據資產入表是數據資產價值化的閉環之舉，將企業數據資產以會計科目和貨幣化形式呈現，將推動企業數據資源向數據資產轉變，形成規范的數據資產開發、運營和管理體系，提升企業數據治理能級。主要相關的政策及法律法規如下2023年8月21日，針對企業數據資源相關會計處理和會計信息披露等問題，財政部發布《企業數據資源相關會計處理暫行規定》，并規定自2024 年1月1日起施行。這意味著數據資源在符合條件的情況下有可能被確認為企業的“資產”，在財務會計報表中顯性化。2023 年 9 月 8 日中國資產評估協會發布《數據資產評估指導意見》，自 2023年10月 1日起施行。該《數據資產評估指導意見》圍繞數據資產評估中數據產權和數據質量的重要性，對數據資產的屬性定義、評估對象、操作要求、評估方法和披露要求等內容進行了統一規定。《數據資產評估指導意見》對數據資產評估執業行為進行規范，保護資產評估當事人合法權益和公共利益，有助于解決數據要素市場建設中的“數據賦值”問題，對構建和完善數據要素市場、促進數字經濟發展具有重要意義。3 、數據資產入表有什么好處？ 對企業而言，有助于提升企業的數據資產運營和變現能力。通過將數據資源納入財務報表，企業可以更加清晰地了解自身數據資產的規模、質量和價值，從而制定更加合理的數據資產管理和運營策略。這將有助于企業更好地挖掘數據價值，實現數據資產的保值增值。1.提高企業的數據管理效率:這有助于企業更好地組織和管理數據，提高數據的可訪問性和可用性。2.提升企業的決策能力:數據是企業決策的重要依據，而數據資產入表可以為企業提供全面、準確的數據信息。3.盤活數據資產價值:展示企業數字競爭優勢，為企業依據數據資產開展投融資提供依據，有效促進內外部會計信息使用者提升決策水平，優化市場資源。4.拓寬融資渠道，降低融資成本數據資產可以為企業提供更豐富的融資渠道，降低融資成本，為企業的可持續發展提供有力支持。企業可以將數據作為底層資產，在數據資產抵質押貸款、數據資產融資租賃等方面進行有益探索，拓寬企業的融資渠道。此外，數據資產入表還有助于外界更直觀地了解企業在數字經濟，如智慧城市等新興領域的實力和潛力，提高企業未來前景預期，推動企業估值的提升。對經濟而言，數據資產入表能夠促進數據流通和使用。在傳統的財務報表體系下，由于數據資產的價值難以體現，企業往往缺乏動力去共享和流通數據。而數據資產入表后，企業可以通過財務報表展示自身數據資產的價值，從而吸引更多的合作伙伴和投資者。這將有助于打破數據孤島現象，促進數據的共享和流通，推動數字經濟的發展。對國家而言，數據資產入表也是展現數字經濟實力的重要體現。隨著全球數字經濟的蓬勃發展，各國紛紛將數據作為戰略性資源進行布局。數據資產入表作為我國在制度層面上的創新舉措，將有助于提升我國在國際數字經濟領域的競爭力和影響力。4 、參與主體 企業內部部門：決策機構、數據部門、財務部門、IT 部門、業務部門。外部機構：數據交易機構、數據治理機構（數據商）、律師事務所、會記師事務所、數據資產評估機構、銀行金融機構等。5 、數據資產入表流程 主要分為企業數據資源/資產管理、登記確權、數據 流通交易及金融化、會計核算處理。

二、企業數據入表工作由哪些部門負責

2024年1月1日，《企業數據資源相關會計處理暫行規定》正式施行。數據資產入表是指將數據確認為企業資產負債表中“資產”一項，在財務報表中體現其真實價值與業務貢獻。根據《暫行規定》要求，企業內、外部數據資源確認為無形資產、存貨方式入表，同時明確兩類數據資源在確認、初始計量、后續計量、收入確認等環節應當遵循的具體準則。數據資產入表是數據資產最終走向數據資本重要的一步，將開啟數據要素產業化的大時代。如今各企業正在如火如荼地推進數據資產入表工作，管理層非常著急，但好像在業務部門、在財會部和科技部很難去協同去推動，大家都不太愿意牽頭，這是實際的情況。到底這事要怎么做呢？01?企業中誰來負責數據入表工作關于數據入表首先就是大家想到誰來做這件事，或者說到底在企業是誰最關心數據入表這件事？企業中誰來負責數據入表，現在基本上矛頭指向的兩個部門，一個當然首當其沖的是財務部，第二個首當其沖的部門就是科技部或數據部。事實上最著急的是董事長，很多企業的董事長把它提到一個非常高的戰略地位，一方面更多的從考核、企業形象、品牌、政績、績效角度來關注，另一方面針對中小企業更關心入表帶來的投融資機會。針對頂層設計，億信華辰認為，數據資產入表這件事一定要自上而下來推動，不能僅僅簡單的靠某一個或者兩個部門來開展。一是因為他涉及的范圍非常廣。數據從業務來的，要開展數據確權。是財務來確權嗎？還是科技來確權嗎？都不是，是業務來確權。業務產生數據、采集數據、使用數據，數據對業務提供賦能，所以要從企業內部去做確權的話，反而是是各個業務部門都相關。二是涉及到很多權屬認定、授權的工作離不開企業內部的風控部門、合規部門、法律部門。企業購買數據獲取數據到底是否合法合規，從外部獲取、采集相關的數據是否涉及到一些敏感信息，尤其是個人客戶的敏感信息是否有違規操作，需要法律合規部門、內部的風控部門、內控部門的參與，還有財務部門、科技部門顯然都在內，所以這是一個企業級的事。就像數據治理這件事一樣，目前“數據治理”在業內已提高到“公司治理”的范疇，所以數據資產入表同樣也一定是企業級自上而下推動的，需要董事長、高級管理層去推動。但可以認定某一個部門作為主牽頭部門，其他所有部門都要參與進來，而且不只是簡單的參與，都要作為數據的核心或者說數據的屬主部門一起來推動。02?入表實施涉及哪些部門參與數據入表不僅僅是單一部門的工作，它牽扯到集團、企業內部的各個部門，只有這些部門在統一的協調下共同參與，再加上外部服務商的配合，數據入表工作才能真正落地。下圖通過流程，把需要參加的部門進行了劃分。

初步范圍框定：首先在初步范圍框定的階段，需要介入的是企業相關業務部門，以及信息科技IT管理部門\數據管理部門。數據資產分析：到第二個數據資產的分析階段，需要介入的還是數據管理部門以及業務部門。但為了后期的入表工作更能達到國家現有或者未來發布的管理辦法與法規要求，內部的合規部門也必須參與進來。否則做出來的不管是無形資產還是存貨的數據產品，若不合法不合規，交易不僅僅不能帶來收益，反而會給企業帶來巨額損失。可入表的數據資產確認：在可入表的數據資產確認階段，涉及的部門就更多了。不僅僅是業務部門和數據部門要加入進來，還會涉及我們企業內部的財務會計部門。如果企業還有資產負債部門和審計部門的話，他們也需要加入進來。數據資產計量：在數據資產計量這一階段，主要會涉及到的就是財務部門和運營管理部。在信息系統運行的當中，數據就是在不斷的生產出來的，那運維階段的成本通過成本法，是需要進入到財務報表中的，所以運營部門也需要加入進來，因為只有他們才能清楚的知道運維成本大概是多少。數據資產披露：從第三階段開始，審計師都積極加入到了后續的階段，到最后的數據資產披露階段，更多的是涉及到了董事會辦公室的問題，因為對于未上市、已上市的這些公司來說，其實披露的內容很大程度上會影響到企業在資本市場上投資者對企業的信心，所以董事會成員必須加入進來，共同決定披露內容是什么。當然在這個暫行辦法里面已經給列舉出了眾多的必須披露項，但是可選披露項這一塊，會根據具體企業的情況，由董事會進行決定披露哪些。03?組織架構和制度流程如何設計在具體的落地過程中，建立全方位、跨部門、跨層級的數據資產管理組織架構，是實施組織級統一化、專業化數據資產管理的基礎，是數據資產入表工作責任落實的保障。

第一要有數據資產管理委員會，作為數據決策方，無論是董事長掛帥、還是高級管理層、一把手、總經理、總裁掛帥，要有一個自上而下的治理架構，負責制定數據資產管理決策、戰略和考核機制。第二在執行層面，由財務和信息科技部門聯合牽頭，負責在數據項目中落實數據資產管理工作，與數據資產管理層協同參與各項活動。結合工作實際，業務部門進行輔助。但是各部門相應的職責、權利、義務都要有清晰明確的界定，并明確是一個企業全員要開展的工作。除了組織保障外，制度體系設計也至關重要。數據資產管理制度體系通常分層次設計，依據管理的顆粒度，制度體系可劃分為組織級數據資產管理總體政策規定、管理辦法、實施細則和操作規范四個層次。此項工作可作為憑證，向監管部門或資產評估部門提交相應證據。

三、企業數據資產入表前準備工作

首先來回答題主的第一個問題：數據資產入表前有哪些準備工作需要做？對于數據資產入表，目前市場是大多是在探索中進行，很多走在前面的企業已經開始著手部署入表這件事，也有一些企業有計劃做，但不知道從何處入手。對于后者，其實在正式開始入表工作前，下面這些準備工作可以先做起來。

1.數據資源的初步梳理 首先數據資資源的初步梳理。目前對于大部分企業去開展數據資源全面盤點會特別困難，因為如果真正要完整來盤點現有的所有數據資源，大概要花半年以上時間，所以可以先做一點初步梳理。初步梳理也就意味著，可以有重點的去圈定認定入表可能性比較大的數據內容，先做一個初步梳理工作。

2.財務和業務制度流程細化 第二基于初步梳理的結果，要對現有的制度流程進行細化，包括業務的制度流程和財務的制度或者流程。財務的制度流程指的是，因為數據資產入表，無非就是無形資產、存貨或者是進入損益三種情況，涉及到會計制度里有關數據資產怎么計量、怎么認定，那么相應的基于前期梳理要做相應適配，比如在什么類型的數據在滿足什么條件下可以作為無形資產，在滿足什么條件下可以作為存貨，在不滿足什么條件下要作為損益進入單期費用，這個是相關的會計政策、會計制度要做相應的調整和優化。同樣的，業務上配套的管理辦法也要跟得上。如果一旦產生新的數據源要做認定和判斷一定要有細的流程，而財務的認定和判斷只是總體的會計認定原則。細的流程應該是業務部門或業務聯合數據科技部門聯合頒布，比如24年1月1日開始每天業務端新產生的數據，數據產生過程該怎么進行維護管理， 產生過程所需要的核算、所需要的信息披露、所需要的信息誰來采集，這就涉及到日常長效的工作流程，需要由業務部門和數據部門去制定。

3.開展詳細的試點工作 第三件事是可以開展詳細的試點工作，就是圍繞初步的梳理結果、圍繞兩份制度直接就把現有數據資源進行精細化的盤點分類、科目認定、成本歸集，以及做試點入表的具體準備工作，可以形成很詳細的模板、詳細的工作底稿。4.系統工具配置 有些企業可能第一步、第二步做的比較早、比較充分，如果還有時間的話可以考慮到的是系統工具。目前很多企業現有的相關系統平臺工具，已經有具備相關的功能了。比如企業有IT項目管理的系統工具，開發軟件是會立項的，立項以后跟軟件相關人員投入、資源投入都會通過項目管理平臺工具去進行成本歸期、成本采集。同樣的數據資產與軟件很類似，因為軟件也是無形資產，未來數據資產如果作為無形資產來認定的話，很多的功能跟IT軟件、項目管理的這個工具很類似，可以把項目管理工具功能套過來，適用于數據資產的管理功能，在參數上做配置，單獨把它作為一類，就可以實現成本歸期了。但也要求企業在開展數據資產管理的過程中，要把數據資產當成項目來管理， 也就意味著如果以前是很散的來開展數據資源采集、加工、處理，那可能就很難套了。如果企業要把數據做成一個產品把它立項，一旦立項后可以通過現行的立項項目管理辦法、項目管理工具，來執行相關的具體工作， 所以如果有時間的話 ，可以想辦法通過已有的工具進行參數配置和改造適用于未來的簡版入表。那么什么樣的數據可以入表？入表的條件是什么呢？ 第一：資產是一項由過去的交易或者事項形成的資源。一層含義是指資源的形成一定是過去就已形成了，而不是正在形成的或者是現在還沒有形成預期未來能形成的。第二層含義是資源是通過兩種途徑形成的，一種是通過交易形成的，第二種是通過事項（自己主動去采集、開發）形成的。第二：享有的權利是企業有擁有權或者控制權。第三：資產預期能夠給企業帶來經濟利益。一是指目前手上的資源不強求現在就能夠產生現實的利益，而是認為他能夠產生預期利益；第二層意思就是它必須能夠帶來經濟利益。滿足以上三個條件的數據資產便可以考慮入表。數據資產入表可以分三步走 第一步是入表形成原始資產，第二步是形成無形資產收入，第三步是形成存量資產。

第一步：入表形成原始資產原始資產入表是指系統建設及數據生成等所產生的成本費用，以成本法入表，構成數據資源的初始資產價格。就是說現在，不管有沒有做數據治理，你手頭如果是有數據，至少這些東西是有可能成為數據資產的。這個時候，先不去考慮未來怎么變現，如果有大量的數據可以形成資產，就先以成本法的方式進行入表，將原來不可計量的這個數據，以貨幣計量的形式變為你的資產，然后接下來可以用來調節企業的利潤表以及資產負債表。此外，通過將數據資源進行成本法入表，首先就已經把手里可以產生經濟價值的數據資源做了一次梳理，然后通過梳理也基本知道了未來如果開發或售賣數據產品大概應該怎么定價。

在這個步驟中，也分為三小步。第一步是前置條件階段，第二步是準備階段，第三步是實施階段。（1）前置條件如果一家企業連基礎的信息化系統都沒有，就不具備數據入表以及數據資產化的條件。如果企業已經完成了信息化建設，接下來需要做的是對企業的數據治理程度和數據管理能力先做一個必要的評估。目前市面上可以依據的標準DCMM以及DAMA兩個標準，都能幫企業確認自己是否具有有效利用自身數據的能力。還有一個是數據資產的入表前改造工作。這里主要涉及的是數據分類分級工具準備、數據成本計量工具準備、財務系統準備等。（2）準備階段首先需要確認資產類型，是無形資產還是存貨。此外還需要確認資產類別和安全等級，開始做分類分級相應的工作。（3）實施階段需要做數據資產成本構成梳理，梳理清楚錢都花去哪兒了；此外還需要進行會計計量入表，即具體以什么科目記錄成本；后續計量準備涉及到，一旦入表，以什么形式攤銷，如果存在減值或者要終止的時候，需要怎樣進行確認。第二步，形成無形資產收入 什么是無形資產收入？像加盟費跟特許經營是無形資產，然后還有軟件授權使用費及其他由無形資產產生的應收款等，都是無形資產收入。如果走的是非存貨、即無形資產路線的話，能有效地規避現在由于政策供給層面沒有跟上導致的數據確權問題。因為如果走無形資產路徑的話，就不是直接賣數據，而是提供數據服務。比如對于部分不能直接出售的數據，可以軟件或者其他的方式脫敏，然后提供一個計算結果，在此過程中，由于看不到原始數據，從某種意義上就能避免一些法律上的問題。這些交易也能證明資產預期會給企業帶來的經濟利益。只有證明了預期的價值，才能用收益法跟市場法給資產估個好價。這個階段的工作拆分也是前置條件、準備階段和實施階段這三步。

1）前置條件首先企業需要問自己一個問題：我的這些數據是否真的有市場需求，未來想創造出來的，不管是商業模式還是銷售計劃，可行性到底有多高，市場上是否存在真正的需方。如果沒有做這一步，很有可能會花了非常大的成本，造出來一個市場上無人買單的產品，造成巨大浪費。接下來還需要考慮，數據需方愿意以什么方式進行付費，這里主要涉及價格以及付費方式的問題，這決定了數據能否形成穩定、持續的收益。（2）準備階段現在數據交易所主要會分以API、或數據包或數據模型的方式來交付數據產品。如果走無形資產路線，賣的就不是數據本身而是數據服務，所以可選擇數據模型或數據軟件服務的形式。軟件產品以特許經營、軟件授權等方式來產生可持續現金流。

（3）實施階段這是又一次系統建設的過程，具體說來可以叫做數據產品開發。數據產品的供給渠道搭建可分為直銷和分銷。數據產品的結算系統搭建非常關鍵，因為結算在哪里往往決定了分錢在哪里，這也就決定了，最有動力的人在哪里。這個利益分配機制的搭建非常重要，尤其當走分銷路線時。

數據品牌的建設也至關重要，現在是數據要素的建設時期，也就是初步發展時期，但經濟學告訴我們，每個細分行業里面，最終只會有少數幾個品牌存活下來。所以市場的參與者需要從一開始就建立營銷體系以及品牌意識，為下一階段的殘酷競爭做好相應準備。

特別是在數據市場里，因為數據可以無限復制，具有弱排他性，這也就造成雖然整體市場會非常大，但是每個行業里市場份額并不會太大，只能支撐少數幾個品牌活下來，所以數據產品的營銷工作至關重要。

第三步：形成存量資產 存量資產是指企業所擁有全部可確指的資產，企業的應收賬款、其他應收款、無形資產都屬于企業的存量資產。這里重點要指出的是應收賬款和其他應收款，數據一旦成為數據商品，只要交易量上來，就會形成數據相關的應收賬款，還有存貨相關的抵押賬款等，這些款項都能形成業內所說的金融資產。只有形成了眾多金融資產的情況下，才能構建金融資產池，然后才能走到金融化這一步。而金融化往往實現模式就是證券化。形成存量資產的后續影響是數據的貨幣化。一旦數據資產能實現證券化，從某種意義上數據本身就變成了貨幣。

如果未來要做到數據貨幣化，真正應該形成的是基于數據產品為標的物的可持續現金流的產生，并基于此形成應收賬款。要將買賣關系變成借貸關系，再變成投資產品。比如房地產市場的整個發展歷程，就充分證明了這個理念。三、數據治理全流程實施數據作為新時代重要生產要素和戰略資源的地位已然確立，數據治理作為激活數據要素價值的基礎工程，已成為各行各業搶抓數字化發展先機的焦點和主戰場。數據治理是一個囊括了頂層設計、數據治理體系建設、數據服務和數據洞察多個模塊，并不斷循環改進的閉環體系。本文從數據治理實施的流程體系出發，梳理了數據從戰略到應用的治理過程，以期給廣大政企提供方法論與思路參考。

01、數據治理頂層設計1、規劃數據戰略 數據戰略是企業為了實現其長期目標在數據方面所做的方向性的選擇和資源的聚焦。它是一個以終為始的路徑，企業要做好數據戰略的規劃，就得在明確自身定位的前提下，找準目標和方向，然后再做出相應的路線規劃。

數據戰略來自對業務戰略固有數據需求的理解：組織需要什么數據，如何獲取數據，如何管理數據并確保其可靠性以及如何利用數據。一般來說，數據戰略有以下三種基本類型：（1）決策領先型數據戰略：了解市場；識別趨勢（2）運營領先型數據戰略：提升效率；促進轉型（3）數據變現型數據戰略：成為資產；數據變現2、成立數據治理委員會 數據治理項目的實施絕非是一個部門的事情，必須由上往下統籌，建立專業的數據治理組織體系，確定對數據進行管理的責權利，即數據的產生者、使用者、擁有者和管理者。在數據治理建設初期，需先成立數據治理管理委員會，從上至下由決策層、管理層、執行層構成。決策層決策、管理層制定方案、執行層實施，從而進行層級管理、統一協調。

3、確定數據治理評價與考核指標一套獎懲有序的數據治理績效考核體系，能幫助企業規范數據管理流程，落實數據治理相關方的職責，從而提升整體數據質量，實現數據戰略。考核指標包括兩個方面內容：一方面是對數據的生產、管理和應用等過程的評估和考核指標；另一方面是數據質量的評測指標。數據治理的績效考核6大基礎維度：數據治理人員、數據質量問題、數據標準貫徹、治理策略執行、技術達成、業務價值實現。數據治理的績效考核4大方式：日常考核、定期考核、系統自動考核、人工考核。02、數據治理技術體系1、元數據管理 元數據是企業數據的DNA。元數據管理則是對元數據的創建、存儲、整合、控制的一整套流程，是數據治理過程的一部分。基于業務需求，元數據管理系統建設可分為以下4大模塊：(1) 元數據獲取：各階段元數據的統一收集、存儲和輸出。包括自動獲取和手工獲取兩部分。(2) 元數據存儲：包括存儲元數據以及元模型。(3) 元數據功能：包括元數據基礎操作（查詢、新增、修改和刪除等管理操作）、元數據分析（包括業務指標一致性分析、數據血統分析、數據影響分析等）、元數據權限管理以及元數據服務封裝等。(4) 元數據應用：包括元數據基礎能力開放、報表指標優化清理應用、指標運算關系分析應用等。

2、主數據管理主數據是數據之源。圍繞主數據需求開展的數據治理工作，往往成為各類組織推進業務數字化的首要任務。主數據項目實施的標準流程，分為咨詢規劃和實施落地兩大部分，主要是4大步驟，分別是現狀分析評估、體系規劃、實施規劃、平臺搭建與落地。

(1) 現狀分析與評估：了解企業現狀，識別企業當前問題以及數據管理成熟度。(2) 體系規劃階段：就要去設計企業內部的一個組織架構、企業的主數據管理制度、考核辦法標準規范以及主數據運營怎么去設計。(3) 主數據實施：有了一個頂層設計規劃之后，就要去落地主數據實施，制定編碼分類、屬性、字段、審批流程、整合清洗分發、集成切換策略等，主數據實施的過程中是根據這些策略去執行的。(4) 平臺落地：將主數據實施內容了解清楚之后就到主數據管理平臺上去進行落地了，包括主數據模型、主數據維護以及主數據治理相關的內容落地。3、數據標準管理 數據標準化是企業進行數字化轉型的根基。數據標準與企業數據管理的每個域都相關，是數據治理工作的最基礎內容。數據標準的建立通常有5個步驟，包括標準分類規劃、標準體系建設、標準評審發布、標準落地執行、標準運營維護。

（1）標準規劃：構建數據標準分類框架，并制定開展數據標準管理的實施路線。（2）標準制定：在完成標準分類規劃的基礎上，定義數據標準及相關規則。（3）標準發布：征詢意見，在完成意見分析和標準修訂后，進行標準發布。（4）標準執行：把企業已經發布的數據標準應用于信息建設， 消除數據不一致。（5）標準維護：根據業務的發展變化以及數據標準執行效果不斷更新和完善數據標準。4、數據質量管理 數據質量管理是對數據從計劃、獲取、共享、維護、應用、消亡生命周期的每個階段里可能引發的各類數據質量問題，進行識別、度量、監控、預警等一系列管理活動，并通過改善和提高組織的管理水平使得數據質量獲得進一步提高。全國信息技術標準化技術委員會提出了數據質量評價指標（GB/T36344-2018 ICS 35.24.01），它包含以下幾個方面，分別是完整性，一致性，準確性，時效性，唯一性和可訪問性。

提升數據質量，可參考以下7大步驟實施：（1）定義高質量數據：對數據質量改進的目標和優先級事項達成一致。（2）定義數據質量戰略：數據質量優先級必須與業務戰略一致（3）識別關鍵業務和質量規則：確定關鍵數據后，識別梳理數據質量特征要求的業務規則。（4）執行初始數據質量評估：執行初始數據質量評估，定義可操作的改進計劃。（5）識別改進方向并確定優先級：分析問題的業務影響，最終討論確定優先順序。（6）定義數據質量改進目標：量化業務價值，設定具體的、可實現的目標。（7）開發和部署數據質量操作：圍繞數據質量方案制定實施計劃，管理數據質量規則和標準、監控數據與規則的執行一致性，識別和管理數據質量問題，并報告質量水平。5、數據交換共享 當數據從一個系統跨授權邊界訪問或傳遞到另一個系統時，就需要使用一個或多個協議來指定每個組織的責任、要訪問或交換的數據類型和影響界別、如何使用交換數據，以及在交換系統的兩端處理、存儲或傳輸數據時如何保證數據安全。數據交換主要用于實現不同機構不同系統之間進行數據或者文件的傳輸和共享，可以幫助消除數據孤島，提高信息資源的利用率。數據資源交換共享與開發應用平臺按數據的流向自下而上分為5層，分別為外部數據資源層、數據匯聚層、數據融合層、服務管理層和服務門戶層。（1）外部數據資源層：即源數據庫，為系統外部數據的來源。（2）數據匯聚層：根據獲取數據的特性采用相應采集方案整合外部數據源。（3）數據融合層：為工程數據提供持久化存儲和訪問的場所。（4）服務管理層：主要包括目錄管理、資源管理、服務管理、交換管理等功能。（5）服務門戶層：通過服務門戶和接口支持，提供標準化服務給應用系統調用。6、數據安全治理 數據安全管理是用來實現和維護數據保密性、完整性、可用性、可核查性、真實性和可靠性的過程。

數據安全問題貫穿數據全生命周期的各個環節。在新形勢下，要做好數據安全治理，就要做好企業的數據安全防護能力建設，建立起一個強保障且動態化的安全保護機制。這個機制的攻堅點主要是三個方面：完善數據安全治理規劃，提高數據安全技術防護能力和加強數據安全審計。（1）完善數據安全治理規劃：評估數據安全現狀，識別數據安全需求，完善數據安全治理組織規劃和制度保障體系（2）提高數據安全技術防護能力：主要包括自動化數據分級分類和精細化數據權限管控，并從防御風險、識別風險、預測風險、解決風險四個方面，來提升組織的抗風險能力。（3）做好數據安全監控審計：除日常審計外，還需進行以業務線為單位的專項審計。7、數據生命周期管理 數據生命周期管理是一種基于策略的方法，包括數據的創建、使用、歸檔和銷毀的策略和過程。（1）數據創建：利用數據模型保證數據完整、執行數據標準保證數據準確、加入數據質量檢查創建準確、保證數據在合理的系統生成。（2）數據使用：利用元數據監控數據使用、利用數據標準保證數據準確、利用數據質量檢查加工準確、確保數據在合理的系統使用、控制數據的派生。（3）數據歸檔：利用評估手段保證歸檔時機、分數據類型歸檔數據。（4）數據銷毀：利用評估手段保證數據銷毀時機，分數據類型銷毀數據。03、數據服務和數據洞察1、數據資產管理與運營 數據作為企業一種“特殊資產”，已被列入企業的資產負債表。怎樣識別數據資產、有效管理和運營數據資產，利用現有的數據資產創造價值，也是數據治理中的一項重要工作和目標。從技術上拆解數據要素價值的生成路徑，企業數據要素與資產運營的建設路徑可分為三個關鍵階段：數據資源化、資源產品化和產品價值化。（1）數據資源化：把不同來源的數據經過必要的加工、整合和處理，在物理上按照一定的邏輯歸集后達到“一定規模”，形成可重用、可應用、可獲取的數據集合。這個階段需要數據戰略規劃方法、構建數據能力體系、建立企業數據治理體系。（2）數據產品化：企業通過自己組織或有效授權給外部機構，以數據使用方需求為導向進行數據產品的研發。這一階段包括建立數據資源可能的應用價值圖譜、分析目標客戶的數據需求及應用場景，選擇合適的測試客戶、聯合共同組織數據產品及其技術開發。（3）產品價值化：數據產品已經可以放在數據要素交易市場上進行買賣了，能夠帶來持續的收益。這一階段需要建立數據資產化戰略、構建數據資產管理體系、實現數據資產的經營管理。

2、數據服務數據服務是指為用戶提供數據相關的各種服務和支持的一種業務模式，包括數據收集和整理、數據分析和洞察、數據可視化、數據安全和隱私、數據應用和功能這5方面。（1）數據收集和整理：收集各類來源的數據，并對其進行整理和組織，使其更易于理解和使用。（2）數據分析和洞察：對收集的數據進行分析和挖掘，找出其中的模式、趨勢和關聯性，實現智慧決策。（3）數據可視化：數據服務可以將復雜的數據以圖表、圖像或其他形式進行可視化展示，使用戶更容易理解和解釋數據。（4）數據安全和隱私：采取安全措施，確保用戶的數據在處理和存儲過程中安全可靠；同時也會尊重用戶的隱私權，保護用戶的個人信息不被濫用或泄露。（5）數據應用和功能：為用戶提供各種應用和功能，滿足不同領域和行業的需求。

四、企業數據資產入表準備——數據治理

數據作為新時代重要生產要素和戰略資源的地位已然確立，數據治理作為激活數據要素價值的基礎工程，已成為各行各業搶抓數字化發展先機的焦點和主戰場。數據治理是一個囊括了頂層設計、數據治理體系建設、數據服務和數據洞察多個模塊，并不斷循環改進的閉環體系。本文從數據治理實施的流程體系出發，梳理了數據從戰略到應用的治理過程，以期給廣大政企提供方法論與思路參考。

01?數據治理頂層設計

1、規劃數據戰略 數據戰略是企業為了實現其長期目標在數據方面所做的方向性的選擇和資源的聚焦。它是一個以終為始的路徑，企業要做好數據戰略的規劃，就得在明確自身定位的前提下，找準目標和方向，然后再做出相應的路線規劃。

數據戰略來自對業務戰略固有數據需求的理解：組織需要什么數據，如何獲取數據，如何管理數據并確保其可靠性以及如何利用數據。一般來說，數據戰略有以下三種基本類型：（1）決策領先型數據戰略：了解市場；識別趨勢（2）運營領先型數據戰略：提升效率；促進轉型（3）數據變現型數據戰略：成為資產；數據變現2、成立數據治理委員會 數據治理項目的實施絕非是一個部門的事情，必須由上往下統籌，建立專業的數據治理組織體系，確定對數據進行管理的責權利，即數據的產生者、使用者、擁有者和管理者。在數據治理建設初期，需先成立數據治理管理委員會，從上至下由決策層、管理層、執行層構成。決策層決策、管理層制定方案、執行層實施，從而進行層級管理、統一協調。

3、確定數據治理評價與考核指標一套獎懲有序的數據治理績效考核體系，能幫助企業規范數據管理流程，落實數據治理相關方的職責，從而提升整體數據質量，實現數據戰略。考核指標包括兩個方面內容：一方面是對數據的生產、管理和應用等過程的評估和考核指標；另一方面是數據質量的評測指標。數據治理的績效考核6大基礎維度：數據治理人員、數據質量問題、數據標準貫徹、治理策略執行、技術達成、業務價值實現。數據治理的績效考核4大方式：日常考核、定期考核、系統自動考核、人工考核。02?數據治理技術體系1、元數據管理 元數據是企業數據的DNA。元數據管理則是對元數據的創建、存儲、整合、控制的一整套流程，是數據治理過程的一部分。基于業務需求，元數據管理系統建設可分為以下4大模塊：(1) 元數據獲取：各階段元數據的統一收集、存儲和輸出。包括自動獲取和手工獲取兩部分。(2) 元數據存儲：包括存儲元數據以及元模型。(3) 元數據功能：包括元數據基礎操作（查詢、新增、修改和刪除等管理操作）、元數據分析（包括業務指標一致性分析、數據血統分析、數據影響分析等）、元數據權限管理以及元數據服務封裝等。(4) 元數據應用：包括元數據基礎能力開放、報表指標優化清理應用、指標運算關系分析應用等。

2、主數據管理主數據是數據之源。圍繞主數據需求開展的數據治理工作，往往成為各類組織推進業務數字化的首要任務。主數據項目實施的標準流程，分為咨詢規劃和實施落地兩大部分，主要是4大步驟，分別是現狀分析評估、體系規劃、實施規劃、平臺搭建與落地。

(1) 現狀分析與評估：了解企業現狀，識別企業當前問題以及數據管理成熟度。(2) 體系規劃階段：就要去設計企業內部的一個組織架構、企業的主數據管理制度、考核辦法標準規范以及主數據運營怎么去設計。(3) 主數據實施：有了一個頂層設計規劃之后，就要去落地主數據實施，制定編碼分類、屬性、字段、審批流程、整合清洗分發、集成切換策略等，主數據實施的過程中是根據這些策略去執行的。(4) 平臺落地：將主數據實施內容了解清楚之后就到主數據管理平臺上去進行落地了，包括主數據模型、主數據維護以及主數據治理相關的內容落地。3、數據標準管理 數據標準化是企業進行數字化轉型的根基。數據標準與企業數據管理的每個域都相關，是數據治理工作的最基礎內容。數據標準的建立通常有5個步驟，包括標準分類規劃、標準體系建設、標準評審發布、標準落地執行、標準運營維護。

（1）標準規劃：構建數據標準分類框架，并制定開展數據標準管理的實施路線。（2）標準制定：在完成標準分類規劃的基礎上，定義數據標準及相關規則。（3）標準發布：征詢意見，在完成意見分析和標準修訂后，進行標準發布。（4）標準執行：把企業已經發布的數據標準應用于信息建設， 消除數據不一致。（5）標準維護：根據業務的發展變化以及數據標準執行效果不斷更新和完善數據標準。4、數據質量管理 數據質量管理是對數據從計劃、獲取、共享、維護、應用、消亡生命周期的每個階段里可能引發的各類數據質量問題，進行識別、度量、監控、預警等一系列管理活動，并通過改善和提高組織的管理水平使得數據質量獲得進一步提高。全國信息技術標準化技術委員會提出了數據質量評價指標（GB/T36344-2018 ICS 35.24.01），它包含以下幾個方面，分別是完整性，一致性，準確性，時效性，唯一性和可訪問性。

提升數據質量，可參考以下7大步驟實施：（1）定義高質量數據：對數據質量改進的目標和優先級事項達成一致。（2）定義數據質量戰略：數據質量優先級必須與業務戰略一致（3）識別關鍵業務和質量規則：確定關鍵數據后，識別梳理數據質量特征要求的業務規則。（4）執行初始數據質量評估：執行初始數據質量評估，定義可操作的改進計劃。（5）識別改進方向并確定優先級：分析問題的業務影響，最終討論確定優先順序。（6）定義數據質量改進目標：量化業務價值，設定具體的、可實現的目標。（7）開發和部署數據質量操作：圍繞數據質量方案制定實施計劃，管理數據質量規則和標準、監控數據與規則的執行一致性，識別和管理數據質量問題，并報告質量水平。5、數據交換共享 當數據從一個系統跨授權邊界訪問或傳遞到另一個系統時，就需要使用一個或多個協議來指定每個組織的責任、要訪問或交換的數據類型和影響界別、如何使用交換數據，以及在交換系統的兩端處理、存儲或傳輸數據時如何保證數據安全。數據交換主要用于實現不同機構不同系統之間進行數據或者文件的傳輸和共享，可以幫助消除數據孤島，提高信息資源的利用率。數據資源交換共享與開發應用平臺按數據的流向自下而上分為5層，分別為外部數據資源層、數據匯聚層、數據融合層、服務管理層和服務門戶層。（1）外部數據資源層：即源數據庫，為系統外部數據的來源。（2）數據匯聚層：根據獲取數據的特性采用相應采集方案整合外部數據源。（3）數據融合層：為工程數據提供持久化存儲和訪問的場所。（4）服務管理層：主要包括目錄管理、資源管理、服務管理、交換管理等功能。（5）服務門戶層：通過服務門戶和接口支持，提供標準化服務給應用系統調用。6、數據安全治理 數據安全管理是用來實現和維護數據保密性、完整性、可用性、可核查性、真實性和可靠性的過程。

數據安全問題貫穿數據全生命周期的各個環節。在新形勢下，要做好數據安全治理，就要做好企業的數據安全防護能力建設，建立起一個強保障且動態化的安全保護機制。這個機制的攻堅點主要是三個方面：完善數據安全治理規劃，提高數據安全技術防護能力和加強數據安全審計。（1）完善數據安全治理規劃：評估數據安全現狀，識別數據安全需求，完善數據安全治理組織規劃和制度保障體系（2）提高數據安全技術防護能力：主要包括自動化數據分級分類和精細化數據權限管控，并從防御風險、識別風險、預測風險、解決風險四個方面，來提升組織的抗風險能力。（3）做好數據安全監控審計：除日常審計外，還需進行以業務線為單位的專項審計。7、數據生命周期管理 數據生命周期管理是一種基于策略的方法，包括數據的創建、使用、歸檔和銷毀的策略和過程。（1）數據創建：利用數據模型保證數據完整、執行數據標準保證數據準確、加入數據質量檢查創建準確、保證數據在合理的系統生成。（2）數據使用：利用元數據監控數據使用、利用數據標準保證數據準確、利用數據質量檢查加工準確、確保數據在合理的系統使用、控制數據的派生。（3）數據歸檔：利用評估手段保證歸檔時機、分數據類型歸檔數據。

（4）數據銷毀：利用評估手段保證數據銷毀時機，分數據類型銷毀數據。

03?數據服務和數據洞察

1、數據資產管理與運營 數據作為企業一種“特殊資產”，已被列入企業的資產負債表。怎樣識別數據資產、有效管理和運營數據資產，利用現有的數據資產創造價值，也是數據治理中的一項重要工作和目標。從技術上拆解數據要素價值的生成路徑，企業數據要素與資產運營的建設路徑可分為三個關鍵階段：數據資源化、資源產品化和產品價值化。（1）數據資源化：把不同來源的數據經過必要的加工、整合和處理，在物理上按照一定的邏輯歸集后達到“一定規模”，形成可重用、可應用、可獲取的數據集合。這個階段需要數據戰略規劃方法、構建數據能力體系、建立企業數據治理體系。（2）數據產品化：企業通過自己組織或有效授權給外部機構，以數據使用方需求為導向進行數據產品的研發。這一階段包括建立數據資源可能的應用價值圖譜、分析目標客戶的數據需求及應用場景，選擇合適的測試客戶、聯合共同組織數據產品及其技術開發。（3）產品價值化：數據產品已經可以放在數據要素交易市場上進行買賣了，能夠帶來持續的收益。這一階段需要建立數據資產化戰略、構建數據資產管理體系、實現數據資產的經營管理。

2、數據服務數據服務是指為用戶提供數據相關的各種服務和支持的一種業務模式，包括數據收集和整理、數據分析和洞察、數據可視化、數據安全和隱私、數據應用和功能這5方面。（1）數據收集和整理：收集各類來源的數據，并對其進行整理和組織，使其更易于理解和使用。（2）數據分析和洞察：對收集的數據進行分析和挖掘，找出其中的模式、趨勢和關聯性，實現智慧決策。（3）數據可視化：數據服務可以將復雜的數據以圖表、圖像或其他形式進行可視化展示，使用戶更容易理解和解釋數據。（4）數據安全和隱私：采取安全措施，確保用戶的數據在處理和存儲過程中安全可靠；同時也會尊重用戶的隱私權，保護用戶的個人信息不被濫用或泄露。（5）數據應用和功能：為用戶提供各種應用和功能，滿足不同領域和行業的需求。

五、企業數據資產入表準備——數據資產盤點

數據作為企業一種“特殊資產”，已被列入企業的資產負債表。只有對數據資源進行統籌規劃，全面梳理，“摸清家底”，才能讓數據更好地服務于企業的業務應用。怎樣識別數據資產、有效管理和運營數據資產，利用現有的數據資產創造價值，也是數據治理、數據資產管理中的一項重要工作和目標。01?為什么需要數據資產盤點財政部正式印發《企業數據資源相關會計處理暫行規定》，對于符合規定定義和確認條件的數據資產，可確認為無形資產或存貨。數據資源會計處理方式的確定，意味著數據將作為資產正式被納入會計報表，數據價值凸顯。而數據資產盤點也是實現數據資產入表的關鍵一環。從企業自身而言，數據資產盤點是對企業數據現狀進行全面梳理，盤點出可視化的可復用的有價值的數據資源，形成數據資產目錄，供企業內共享應用，為企業數字化轉型賦能。數據資產盤點不僅能發現數據資產、剖析數據現狀，也能發現數據問題，查漏補缺，為企業數據資產管理指明了后續工作方向。通過對數據進行盤點可幫助弄清楚以下問題：解決“有什么”、“用什么”、“如何用”等問題。

02?數據資產盤點工作步驟企業數據資產盤點一般可分為以下7個步驟，如下圖：

1.明確盤點目標基于數據資產現狀和現階段管理要求，明確數據資產盤點目標，并規劃所需資源和本階段數據資產盤點想要達到的效果。方式包括：通過調研問卷，對企業數據現狀、管理現狀等進行梳理了解。 通過關鍵問題訪談，了解企業數據資產的采集、處理、應用等問題難點。

通過了解企業的發展戰略、集團數據戰略要求，以及企業系統各類資料，指定盤點目標。

根據DCMM要求的能力項進行成熟度評估，了解企業數據資產管理難點。

2.明確盤點范圍及內容企的數據散落在各個異構系統、甚至業務人員電腦中，數據結構、數據類型、存儲形式、敏感級別、重要程度各不相同，整體看起來就像是一團亂麻的線，如何盤點理出頭緒并不容易。

數據資產盤點到底要盤點啥？數據盤點的范圍一般從三個角度定義：

組織范圍：盤點要覆蓋哪些組織和部門，例如：集團本部、集團+分子公司等。

業務范圍：盤點哪些業務的數據，例如：生產業務、采購業務、營銷業務、財務業務、人力資源業務等。 系統范圍：盤點哪些應用系統的數據，例如：ERP系統、MES系統、SCM系統、CRM系統、HR系統等。

基于不同的數據來源，根據不同的劃分策略，盤點的內容側重會有所不同：

基礎數據：需要盤點數據分布在哪些IT系統，區分其中哪些是需要跨系統流轉、共享使用且變化緩慢的主數據信息，哪些是與IT系統定位相匹配的業務流程交易信息。 衍生數據：需要盤點數據的不同應用場景，比如監管、統計、內部管理等等。一方面根據衍生數據基于不同使用場景進行分類，另一方面通過盤點，梳理對基礎數據的使用熱度。

外部數據：需要盤點外部數據需求、數據類型、數據來源、采集頻率、獲取成本、數據質量以及數據價值評估方式等。

3.確認盤點模板該階段需要根據盤點內容，制定數據梳理模板并定義數據資產標準項。內部對盤點工作進行培訓和宣貫，相關人員對盤點范圍、目標、內容等達成共識，理解并學會數據資產梳理模板的使用。正常來講，我們最終實現的數據資產清單，它一定是一個對同類型的這個數據 ，可以有一個統一的模板， 需要根據我們確定的盤點的內容確定盤點的一個模板，比如說盤點的是你的數據庫表類的數據，那就可以去看系統表名，然后中文名英文名包括他的一些日常的管理的屬性等。

4.整體摸查盤點基本上盤點會從系統摸查到數據庫表，然后再摸查到數據字段的力度。通過整體數據情況摸查后，補充相關信息的基礎屬性、管理屬性、業務屬性。并可以在過程中直接使用元數據管理工具進行數據的采集摸查，并在系統中進行屬性的補充完善。根據實際需求可在過程中建設企業數據標準，為數據資產的分類管理提供標準化基礎依據。

5.元數據采集補充采集盤點范圍的元數據，快速識別各類數據以便進行數據梳理分析，剔除相關數據，補充數據資產元數據屬性為后續實現資產分目提供基礎資源。

6.資產目錄生成把元數據補充完畢之后，再去根據企業調研結果或者是針對數據的基礎判斷，然后就能知道我們的核心數據或核心的數據資產有哪些了，就可以形成我們的資產清單以及資產目錄。

7.資產目錄落地發布數據資產盤點成果的發布，并不是將數據資產清單以郵件或其他方式發布出去就行了，而是需要搭建起來專業的數據資產管理平臺，通過平臺落地數據資產目錄，將數據資產以“服務”的形式進行發布，實現數據資產在企業內的共享，以及面向外部的數據開放。

數據資產分類落地執行包括：

分類目錄與系統/模塊之間的對應關系；

依據數據歸屬的系統、功能可快速進行分類；

目錄與資產表的對應關系；

遇復雜分類對應關系時，需建立目錄與系統及關鍵字對應關系表，用于增量分類管理。 03?數據資產盤點的保障機制數據資產盤點的過程中還涉及到盤點的保障機制，包括以下三點：

1.管理組織

決策、管理、執行三級組織架構，職責清晰、任務明確，進行數據盤點項目組織及配合。也就是說做數據資產盤點工作時，是誰來對接哪方面的數據，需要做的任務是什么，都是需要有明確的管理組織設置和職責定義。2.制度辦法包括制定數據資產盤點制度、資產盤點管理辦法、元數據管理辦法、數據標準管理辦法、數據質量管理辦法。3.落地方案根據實際盤點需求，確定數據資源的采集、處理、分類、映射等管理方案。數據資產盤點方案，通過盤點及生成的數據資產目錄讓數據資產有口徑、有溯源、有案例場景，用戶才能“看得到、用得上、能放心”，并為后續數據資產門戶、全景地圖、安全、數據資產運營等應用提供支撐。

六、數據資產入表的價值、建設流程以及案例

數據作為數字經濟發展的關鍵生產要素，蘊含著巨大的經濟價值與社會價值。龐大的數據要素市場規模急需激活。2023年9月國家發改委價格監測中心透露，初步測算我國企業數據要素支出規模約為3.3萬億元；若將數據資產評估、質押、融資等衍生市場同時考慮在內，整體規模可能超過30萬億元。中信證券預計數據要素市場規模有望在2025年邁向2000億元新臺階，并于2030年突破萬億元。2023 年 10 月 25 日，國家數據局正式揭牌，預示著“十四五”開啟了逐浪數字經濟的新征程。中國數據要素流通市場在“十四五”期末將達到萬億元的規模（張利娟，2023），這是一個巨大藍海，建立數據登記確權、評估計價和資產入表的政策“閉環”，激活萬億數據資產，是開啟這一藍海的金鑰匙。數據資產入表是數據資產價值化的閉環之舉，將企業數據資產以會計科目和貨幣化形式呈現，將推動企業數據資源向數據資產轉變，形成規范的數據資產開發、運營和管理體系，提升企業數據治理能級。第1章 引言 什么是數據資產入表？數據資產入表是指將數據確認為企業資產負債表中的“資產”一項，即數據資產入資產負債表，在財務報表中體現其真實價值與業務貢獻。這一概念的提出和實施，標志著數據資源的經濟價值得到了正式的認可和體現。數據：以電子或其他方式記錄的信息，包括結構化、半結構化和非結構化數據。數據資源：能為企業帶來價值的數據集合，包括原始數據和加工后的信息。數據資產：企業合法擁有或控制的，能帶來經濟利益的數據資源。數據治理：提高數據可用性、質量和安全性的活動集合。數據產品：以數據為主要內容和服務的產品，包括數據采集、處理、分析等全域價值鏈上的相關技術平臺和工具服務。數據資產評估：評定和估算數據資產價值的專業服務行為。企業數據資源相關會計處理暫行規定：規范數據資源的確認、計量和披露。數據資產評估指導意見：提供數據資產評估的指引和規范。由于數據資源具有多種形式、多次衍生、價值易變和零成本復制等特點，因此在將數據資產納入財務報表時，相關的確認和計量過程較為復雜。

由于企業對數據資產入表的路徑理解不足，各部門協同難度大。需要業務、財務、IT部門的專業人員共同理清數據生產鏈路，建立暢通的企業內部各部門協同關系和實現路徑規劃，對企業而言，難度很大。基本原則包括合法合規、謹慎性和商業秘密保護。參與主體涉及：①企業內部部門，決策機構、數據部門、財務部門、IT 部門、業務部門。②外部機構，數據交易機構、數據治理機構（數據商）、律師事務所、會記師事務所、數據資產評估機構、銀行金融機構等。流程路線包括數據資產管理、登記確權、數據流通交易及金融化、會計核算處理。

第2章 數據治理數據溯源是追蹤數據歷史變化的過程，包括標注法、反向查詢法和雙向指針追蹤法。數據權屬，也被稱為數據產權，涉及所有權、使用權、收益權等，需通過法律制度確定歸屬。數據質量管理包括準確性、完整性、一致性、及時性、有效性和唯一性。數據質量存在問題，就需要采取相應的措施進行改進。主要包括數據清洗、數據標準化、數據轉換等操作，以消除數據中的錯誤和不一致，提高數據的質量。

2.4 治理方案數據治理旨在提高數據質量、促進數據一致性和集成、加強數據安全和隱私保護、支持合規性和風險管理、提升決策效能，以及提升數據資產的價值，實現數據驅動決策和業務創新的目標。其中主要包括治理組織的建立、制度的建設、治理工具的使用以及數據治理過程的方法論。數據應用場景包括電商、智慧城市、醫療、傳媒、安防、金融、通訊、教育、交通、企業、社交網絡、物聯網和游戲開發等。數據產品設計以數據為主要目標的產品設計，涵蓋了數據的收集、處理、分析和展示等多個環節，旨在幫助用戶更有效地利用數據進行決策或執行特定任務。數據產品設計遵循互聯網產品設計的基本方法，同時兼具數據挖掘的方法論，從業務目標、數據指標、價值展現三個核心環節不斷深入，循環迭代。數據安全包括標準與策略、威脅因素、安全制度、安全技術和合法合規檢測。第3章 數據資產評估 數據資產評估是評定和估算數據資產價值的專業服務行為。包括數據資產轉讓、使用許可、出資、企業兼并重組、質押融資、企業清算或司法重整、財務報告和資產證券化等。包括市場價值和市場價值以外的價值類型，如投資價值、在用價值和清算價值。包括成本法、收益法和市場法，考慮數據資產的特征和影響因素。包括前期準備、現場調查、質量評價、市場調研、評定估算和出具報告。

第4章 合規與確權企業原始數據來源一共可分為三個渠道，公共數據開放或授權、系統生成、交易市場采購，這三個渠道通過簡單的清洗、加工生成的成果，可稱為數據資源。數據資源在企業投入實質性加工或創新性勞動后形成的成果，可稱為數據產品，數據產品可對內使用、共享或開放，也可對外交易。針對數據資源的確權主要需要解決數據來源的合法性。而針對數據產品的確權主要需要解決數據可交易性合規審查。涉及數據來源合法性審查和數據產品可交易性合規審查。包括數據資源登記和數據產品登記，是數據資源持有權確權的關鍵途徑。第5章 數據交易 分為場內交易和場外交易，場內交易通過數據交易所或交易中心進行。包括注冊認證、登記掛牌、產品訂購、合約評估、產品交付、交易結算和記錄歸檔。

5.3 數據產品交易憑證作為交易的直接證據，包括合約信息、合約評估信息、數據交付記錄和資金支付記錄。第6章 成本的歸集與分攤 數據資源成本包括獲取成本、加工成本、儲存成本和管理成本。涉及存貨和無形資產的確認與計量，以及非資產類數據資源的規定。第7章 列報與披露根據企業會計準則和《暫行規定》要求，對數據資源相關交易和事項進行會計確認、計量和報告。包括強制披露和自愿披露，涵蓋無形資產和存貨的數據資源相關信息，以及其他相關信息。第8章 數據資產入表案例 2024年1月，浙江大數據交易中心有限公司首席數據官李靜將“數據產品交易憑證”，遞交給浙江俠云科技有限公司副總經理羅曉雯，標志著浙江首單制造業“數據產品”完成交易。如何將沉淀的數據“變現”？作為產業大腦運營主體，俠云科技決意開發“數據產品”，探索數據價值化改革。“目前，我們已開發了3款數據產品，于去年12月在浙江省大數據交易中心掛牌上架，最近相繼成交。”羅曉雯說。據了解，這3款數據產品分別為：8.2 許昌市投資集團完成智慧停車行業應用場景數據資產入表2024年2月，許昌市投資集團在鄭州數據交易中心的助力下，于全省率先推出“新能源汽車交通流量和停車需求分析”數據產品，并成功交易，完成從0到1的關鍵一步。這也是全流程嚴格執行《企業數據資源相關會計處理暫行規定》的許昌市第一例數據交易和數據資產入表案例。

“新能源汽車交通流量和停車需求分析”數據產品是許昌市投資集團通過對停車場、停車位的前端設備改造，實現車位編碼分配、時空定位、資產標識等。通過自主開發的智慧停車管理平臺實現對停車數據進行采集、編碼、上鏈、分析，形成數字車位資產一張圖，實現數據高質量可視化，使數據資產轉化為數據產品。2024年2月，泉州市泉港智慧有限公司推出“停車實時空位”數據產品，已完成廣州數據交易所合規審核流程，獲頒廣東省數據資產登記憑證，并成功上架廣州數據交易所。該產品旨在為停車場服務提供有效管理，提高導航系統、平臺停車服務的精度，為用戶提供查詢空位數據、導航至有剩余車位停車場的便捷服務。

七、企業如何對數據資產進行會計核算

2024年1月1日，《企業數據資源相關會計處理暫行規定》正式施行，數據資源將作為資產在企業的會計和財務報告中確認、計量、報告和披露。這代表著企業數據相關的支出由損益變成資產類，可以計入資產，不僅可以減少投入期對利潤的影響，改善利潤率，還也可以改善資產負債率。那么從會計的角度，企業應該如何對數據資產進行會計核算？01?數據的四大階段以及計量變化

1、第一階段：數據產品采購以及數據收集階段對外采購的數據一是需要付錢和相關稅費，二是加工過程有關支出，包括數據脫敏、清洗、標注、整合、分析、可視化等費用。三是其他費用，包括數據權屬鑒證、質量評估、登記結算、安全管理等費用。生產伴隨產生的數據就是通過自己的系統生產的數據，也會有一定的加工過程中的支出費用和其他費用。計量變化：無論是對外采購的數據還是生產伴隨產生的數據，采購費、加工使用費和其他費用，把它記成費用。費用是無法成資產，是一種消耗。2、第二階段：數據資源研發階段 數據資源研發階段會分為研究階段和開發階段，研究階段是一種探索性的過程，為進一步開發活動進行資料及相關方面的準備。開發階段已經完成研究工作，在很大程度上具備了形成一項新產品或新技術的基本條件。這兩部分的話都會涉及到錢，研究要研究費用，開發要開發費用。計量變化：在研發階段的時候產生的費用也是成本，也消耗掉了，無法計入資產。但是在開發階段有一部分可滿足條件的是可以成為資產。規定指出“開發支出滿足無形資產準則第九條規定的有關條件的，可確認為無形資產。技術和資源以完成開發并使用或出售以及支出能夠可靠計量5個條件時，才能資本化)” 其實之前研發費用也是按照這種形式，滿足一定要求的話會計入資產，這種資產的目的并不是為了給公司的資產進行增值，是為了之后攤銷減輕公司研發負擔。道理是一樣的，比如在數據資源研發過程中花費大概1,000萬，假設1,000萬其中800萬是滿足了資產的條件的，它是可以歸為資產的。如果說沒有這個規定，那800萬直接在當年的資產負債表里就顯示的很難看。但是有一個條件可以進行分攤，800萬的話可以按照多少年進行分攤，每年這個研發費用折算一下，通過攤銷的形式的話進行一些扣除，每年的研發賬面負擔是減輕很多的。它這個地方是仿照之前知識產權這種普通的研發費用的形式去給數據資源加工研發的企業做一些分攤。3、第三階段：數據產品產出階段 數據產品產出階段，一種情況是最終產出數據產品是沒有發生原始數據的權益轉移，即內部自用或對外提供服務。第二種情況是有原始權屬轉移，比如交易出去了，加工使用權就轉移給別人；或者作為合同交易主體的對象的附屬配套，數據資源不是合同交易的主體對象，而是配套服務，類似于銷售產品過程中提供的運輸服務，那這個時候運輸服務并不是一個交易標的，是一個配套的服務交易。計量變化：在數據產品產出階段，沒有原始權益轉轉移的部分把它劃為了無形資產，有原始權益轉移的部分，其中如果是主體對象交易標的就是存貨。其實和生產一箱蘋果是一樣的道理，蘋果公司生產一箱紅富士放到倉庫里，因為它將來是用需要被賣交易的，放在倉庫里的蘋果就是存貨，就是資產的一部分，只不過會隨著它的壽命減值而已。數據產品也是一樣的，如果這個數據產品未來就是為了交易的，并且是交給主要對象的，那放在數據倉庫里面就是存貨，就是企業資產。同時還需要明確如果有權屬轉移，但是不是交易的主要對象，是合同交易主體對象的附屬配套，將會做成合同履約成本劃進經營成本，這就是費用即成本。4、第四階段：數據資產攤銷、減值階段 這個階段有一些費用或者說有一些資源能夠形成資產，需要進行一些攤銷和減值。對數據資源無形資產而言，更需關注相關產品或服務的市場需求變化、競爭產品更達及相關法律法規約束，企業至少每年年度終了，對無形資產的使用壽金及提銷方法進行復核。同時企業需要按照(企業會則第8號--資產減》的規定在資產負表使用壽命有限的數資源形產是否在值象，如發生了減值象，應當評其可收回金額，確認相關的資產減值準備。對于使用壽命不確定的數據資源無形資產，無論是否存在減值跡象，每年都應當進行減值測試。計量變化：成為企業資產之后就需要進行攤銷，壽命明確了，就需要攤銷；不明確的話就需要減值。02??數據資產會計核算四大步驟1、會計確認 需要注意的是數據資產的確認時點與傳統會計不同，傳統會計是按照正式取得控制權的時間確認。但數據資產有其特殊性，需要先對已經整合處理過的數據進行加工，在加工徹底完成后才能進一步對數據資產進行確認。判斷數據資源是否滿足資產的確認條件包括以下3點：（1）企業具有經濟資源的控制權（2）經濟資源是未來產生經濟收益的現時權利，能夠帶來其他企業不能獲得的經濟收益（3）由企業的歷史事項形成，構成對企業歷史信息的反映用一個圖來解釋一下《暫行規定》的數據范圍：

數據資源能否被確認成資產，若被確認資產，會按照資產類別劃分成無法資產、存貨，屬于本規定范疇，若是其他的資產，不屬于本規定的范疇。若沒確認成資產，滿足一定條件的時候，是需要進行披露的，也是本規定范疇。2、初始計量 目前數據資產的計量屬性主要包含歷史成本、公允價值。企業數據資產可考慮從用途角度劃分為內部開發型和外購型。（1）按歷史成本法計量。對外購取得的數據資產，交易成本易于確定，數據資產以其購入時實際發生的成本確定其入賬價值，具體包含數據集合、處理、分析、傳輸費用和構建數據庫系統的各項軟件與人工費。對于自主研發的數據資產也采用歷史成本法計量，重點關注研發費用的處理。研究階段的支出應進行費用化處理，計入當期損益，再歸集到“管理費用”；開發階段符合資本化條件的資本化處理，例如在搜集分析數據過程中發生的設備折舊費、勞務費及日常相關費用支出，借記“研發支出——資本化支出”科目。而不能區分的部分則借記“研發支出——費用化支出”科目。由于數據資產的獨特性，應當單獨設置“數據資產”科目。當開發階段的數據資產達到預定可使用狀態時，再將歸集資本化的支出轉入“數據資產”科目，費用化的轉入“管理費用”科目。（2）按公允價值計量。常見公允價值計量方法包括市價法、類似項目法和估價技術法。對于能夠從交易市場中獲得公開透明的市場交易價格，通常采用市價法；無法獲取到市場交易價格的，可采用類似項目法，依據公開交易市場中相似類型的項目市場交易價格來確定數據公允價值；當前兩種方法均無法使用時，可請專業人員對數據資產的公允價值評估。3、后續計量 （1）后續支出及計量模式數據資產的后續支出主要包含兩部分，技術性支出和非技術性支出。其中技術性支出指的是對數據資產進行收集、處理、分析過程中改進和創新所產生的新價值，影響數據資產的交易價值、盈利能力、企業未來現金流入價值，應資本化處理。非技術性支出包含數據資產的存儲、維護、更新等支出，屬于必要支出，并不會讓數據資產增值或對企業未來現金流入量產生較大影響，應費用化處理，計入當期損益。當數據資產后續計量從成本轉為公允價值模式，可參照投資性房地產的后續計量方式。此時，應當設置“數據資產”科目的二級明細科目，借記“數據資產——成本”，貸記“數據資產”。如果數據資產能夠直接產生價值，當公允大于賬面時，則借記“數據資產——公允價值變動”，貸記“公允價值變動損益”。如果數據資產價值不高且本身不會產生價值，當公允大于賬面時，可借記“數據資產——公允價值變動”，貸記“其他綜合收益”。（2）攤銷攤銷考慮到數據時效性逐年遞減的實際情況，采用年數總合法進行攤銷。網頁和移動端客戶可查看當前及之前兩個年度的歷史數據，數據終端客戶可以查看10年以上的歷史數據，因此分別按照3年和10年進行攤銷。在計提攤銷時，企業借記“主營業務成本”，貸記“累計攤銷”科目。不考慮減值及處置影響，各期攤銷情況見右表1. 按照稅法規定，無形資產在不低于10年的攤銷期內按照直線法進行攤銷的部分準予稅前扣除，各期末稅會按差異見右表2.

（3）減值減值是當存在可能發生減值的跡象（比如數據已經很少被使用或內部證據表明經濟績效已低于或將低于預期等）應當進行減值測試。由于不存在活躍的數據市場，數據資產供應價值較難確定，可以采用預計未來現金流量的現值來計量可收回金額。在發生減值時，企業借記“資產減值損失”，貸記“無形資產減值準備”科目。（4）終止確認①出售 并不是只有存貨才能進行銷售，無形資產也可以出售，能產生銷售營收。企業整體出售數據資產時應該將取得的價款與該數據資產賬面價值的差額，作為資產處置利得和損失，計入當期損益。②失效 但如果無形資產資產處置失效的話，包括當數據資產因損毀、監管或法律等原因，無法給企業帶來經濟利益時，企業應及時轉銷數據資產賬面價值，借記“營業外支出、累計攤銷無形資產減值準備”，貸記“無形資產”科目。4、列示和披露 即使沒有被列為資產，數據資源也需要按照《暫行規定》進行列示和披露。（1）無形資產的數據資源相關披露

無形資產的數據資源相關披露是有一定要求的，比如說需要按照外購無形資產、自行開發無形資產和其他的方式無形資產這種類別進行一個披露，即需要向外界不僅展示會計上能夠列為資產的東西，也需要展示像數據整個過程，包括無形資產使用壽命、攤銷期、攤銷方法、殘值變更內容、原因以及未來影響因素、權益的限制、研發開發支出等，讓外界了解整個過程，更透明化。（2）存貨的數據資源相關披露

存貨的數據資源相關披露需要按照外購的數據資產存貨、自行加工的數據資源存貨和其他方式取得的數據資源存貨等類別進行披露，需要披露數據資源存貨成本所采用的方法、計量方法、以及確定依據、計提方法、影響因素。

(3)其他披露

規定中還有一些其他披露，包括自愿披露的地方。舉幾個例子：第一：用于形成相關數據資源的原始數據的類型、規模、來源、權屬、質量等信息。比如某公司的數據資源大部分是自行采編得到，占數據總量的70%，這種信息就需要披露出來；公司還通過技術手段獲得新型的另類數據，包括運用衛星遙感等科技手段去獲取的空間數據以及購買了中國資源衛星應用中心、中國交通和通信信息中心等三家衛星數據供應商的衛星數據，這種信信息是需要披露出來的。第二：企業對數據資源的加工維護和安全保護情況，以及相關人才、關鍵技術等的持有和投入情況，也是可以自愿披露的。舉個例子：某企業技術團隊通過不斷的自查以及委托第三方代理公司進行安全檢測等方式去防范攻擊，同時公司建設了熔災機房、運用數據多級備份體系，而且供需公司還嘗試基于開源大語言模型研發行業垂類的大語言模型，并且通過一些技術形成的內容，這種類似信息也是可以自愿披露。第三：是數據資源的應用情況，包括數據資源相關產品或服務等的運營應用、作價出資、流通交易、服務計費方式等情況。比如：有的公司網頁端和移動端收費是每年2,000元到6000元，數據終端的話收費是5,000元/年到80000元/年，這種也是可以自愿披露。 03??企業如何應對數據資產入表挑戰目前數據入表確實還有些問題待解決，包括數據資產收入成本匹配問題、數據資產成本歸集的內部控制、數據資產的時變性、數據資產的攤銷方法、數據資產的攤銷年限、數據資產的稅會政策差異等，但有問題不可怕。數據要素化在理論上是必然的，在實踐中是可行的，最終一定是要形成數據資產的。正如德魯克所言：“沒有人有能力預測未來，預測未來最好的辦法就是創造它”。《企業數據資源相關會計處理暫行規定》推動了數據資產價值的量化，給企業帶來很多影響。具體包括：數據資產購買、數據挖掘、數據治理、數據應用以及相關的賬務和稅務處理、列示與披露以及企業價值評估等。這必然會推動更多企業進行數字化轉型，加大數字化轉型的投入。企業應該評估自身對數據資源的需求以及挖掘數據資源的能力，構建自己的專業化數據團隊，通過數字技術的全面應用實現“業務數據化->數據產品化->產品價值化”。不僅要提升企業內部對數據資產的重視程度，搭建數據管理流程、制度以及數據治理機制，與專業服務機構合作提供各類專業咨詢。

八、以數據資產為抓手推動數據資產化

在數字化時代，數據已經成為企業的重要資產。數據資產化是將數據視為一種有價值的資產，對其進行有效管理和利用的過程。而數據資產入表則是將數據資產納入財務報表，以反映其價值和對企業財務狀況的影響。數據資產化與數據資源入表的“雙向循環” 數據資源在資產化的過程中，以“技術、業務、市場”三大方向實現數據資產化并最終完成入表，實現數據資產化成果在企業資產負債表上的“完全顯化”。

在傳統數據治理的背景下，數據資產化是從“業務數據化、數據標準化、數據價值化”進而最終實現數據資產化的過程。但在財政部正式發布《企業數據資源相關會計處理暫行規定》之后，數據資產化已經從“單項內循環”轉變為“雙循環新格局”。

一方面，數據資產化是數據資源完成價值釋放，成為數據資產的過程，數據資產化也是企業數據資產管理和運營能力的最佳路徑和成果體現；另一方面，數據資源入表是滿足財政部最新數據資源會計處理要求的必要響應工作，數據資源入表也是企業對外展示資產沉淀成果和數據產品研發投入的成績單體現。

數據資源入表整體框架與推進思路

當企業在面臨數據資源入表這項工作時，其實是對企業管理者以及牽頭部門數據智慧的綜合考驗。

資產識別：作為數據資源入表的第一步，資產識別是企業落實數據資產入表政策的關鍵一步，綜合考慮“會計”與“數據”兩個主要視角，入表數據資產主要包含兩個基本條件（屬于數據資源、未來適用法）和五個核心判斷條件（過去的交易或事項、企業擁有或控制、預期能帶來經濟收益、經濟利益很可能流入、成本或價值能夠可靠計量）。

成本計量：在數據資源入表前，數據資源的價值管理主要體現在初始計量中，根據《暫行規定》要求，按照歷史成本法對擬入表的數據資源進行計量。在此階段的價值管理中，主要存在三個核心步驟，第一步為“分析”，分析數據資源的全生命周期各階段的活動及對應的成本類型，第二步為“判斷”，根據數據資源各階段的目的與成果，判斷出數據資產形成的“起點”，第三步為“選擇”，根據對數據資源各階段的成本類型的分析，選擇納入計量的成本類型。對外披露：企業對外披露的信息對投資者來說是了解企業數字化能力及數字化轉型成效的核心渠道，也是企業對自身 “數字化人設”的有效展示與維護的主要途徑，對外展示自己的數據創新能力、數據管理成熟度、數據合規程度、數據賦能成效和數據資源稀缺性等方面的數字化能力。對于企業來說，應從重要性、全面性、前瞻性和持續性等多個維度制定數據資源披露策略，通過數據資源的入表披露與“數字化人設”的打造，共同作為數字化轉型的成績單。價值管理：在數據資源入表后，對數據資產價值管理仍需要引起重視，不同于初始計量的歷史成本法，入表后的數據資產價值則可以通過重置成本法、市場法或者收益法對無形資產和存貨進行計量，對于無形資產來說估算其可收回金額，對于存貨來說估算其可變現價值。企業全方位應對數據資產化 為了更好地實現數據資產化與數據資產入表的共同發展，企業需要采取一系列措施：1.建立完善的數據治理體系：明確數據的所有權、責任和流程，確保數據的準確性和可靠性。同時，加強數據安全和隱私保護，確保數據資產的安全可控。2.提升數據處理和分析能力：加大數字化技術的投入和應用，提高數據處理和分析的效率和準確性。培養和引進具備數字化思維和技能的人才，為企業數字化轉型提供人才保障。3.創新商業模式和組織架構：利用數據資產優化業務流程、創新商業模式和提高決策效率。同時，調整組織架構以適應數字化轉型的需求，提高組織的靈活性和敏捷性。4.加強與外部利益相關者的合作：與供應商、客戶、合作伙伴等利益相關者建立良好的合作關系，共同開發和利用數據資產，實現互利共贏。數據資產如何常態化的識別、確認、計量、使用、交易及最大化持續發揮價值，涉及企業內部的數據治理、數據資產確權、配套數據資產管理的制度設計、數據架構設計、數據資產的全生命周期管理等內容。總之，數據資產化與數據資產入表是相互影響和共同發展的關系。通過加強數據治理和管理、提升數字化能力、創新商業模式和組織架構等方面的措施，企業可以更好地實現數據資產化與數據資產入表的共同發展，為數字化轉型和可持續發展奠定堅實基礎。