|
在数字经济深度发展的当下，数据已然成为支撑产业升级、企业发展的核心生产要素。长期以来，国内多数企业仅将数据视作信息化系统运行的附属产物，把数据治理相关投入单纯归为运营成本，数据部门的价值难以量化，海量数据资源的潜在价值始终无法充分发挥。随着国家顶层制度与财务准则相继落地，数据正式完成从普通资源到可计量、可运营、可增值资产的跨越式转变，数据资产化迎来规模化落地发展新阶段。 自 2022 年 12 月《关于构建数据基础制度更好发挥数据要素作用的意见》（简称 “数据二十条”）发布后，我国首次在国家层面搭建起数据产权分置运行框架，清晰划分数据资源持有权、数据加工使用权、数据产品经营权三大权利边界，为数据走向资产化筑牢制度根基。紧随其后，2023 年财政部陆续修订多项企业会计准则，细化数据资源确认、计量、财务披露等相关要求，标志着数据资产正式纳入企业常规财务核算体系，数据资产化发展迈入有规可依、有章可循的全新阶段。
厘清核心概念 明确数据资产认定标准 想要推进数据资产化，首先要精准区分数据、数据资源与数据资产三类基础概念。原始数据是未经加工处理的基础信息记录；数据资源是企业合法掌控、具备潜在利用价值的数据集合；而数据资产则是满足认定条件、能够持续为企业创造可计量经济收益的数据资源，价值变现是其最核心的特征。 结合国内企业会计准则及相关政策文件，一项数据资源想要确认为数据资产，必须同时满足三大硬性条件。第一，企业需合法拥有或有效控制该数据，既包括自主采集、采购获取的原始数据，也涵盖加工衍生的数据成果，依托合同约定、技术加密、权限管控等方式实现合规管控；第二，数据必须能够带来实际经济收益，既包含数据产品售卖、数据服务授权等直接收入，也涵盖提升运营效率、压缩经营成本、优化战略决策等间接价值与战略价值；第三，数据的获取、治理成本或公允价值可以被精准核算与评估。 在财务记账层面，数据资产需结合实际形态划分会计处理方式。企业外购且符合属性要求的数据资源，计入无形资产科目；企业内部研发生成的数据，按照开发阶段判定支出资本化或费用化；对外售卖的标准化数据产品，可计入存货或无形资产。目前试点阶段，企业还可单独设置 “数据资源” 专项科目完成数据资产入表工作。 按照来源与应用形态划分，企业数据资产主要分为四大类别：依托传感器、设备采集而来的采集型数据，由商业往来产生的交易型数据，通过算法建模、分析挖掘形成的推导型数据，以及完成标准化封装、对外提供服务的产品型数据。不同类型的数据资产，在管理、评估与运营环节需匹配差异化方案。 产权分置破局 打通数据流通利用壁垒 “数据二十条” 提出的三权分置模式，是破解数据流通难、确权难的核心制度创新。该机制将数据相关权利进行拆分：数据资源持有权归属于数据原始获取方，持有者可对数据进行存储、管理与基础使用；数据加工使用权面向获得合法授权的主体，允许其开展数据分析、建模、深度挖掘等工作；数据产品经营权则归属数据产品研发方，持有者可依法对成品数据开展运营、交易并获取收益。 这一制度设计带来多重积极意义。一方面，绕开了数据所有权界定的难题，让数据在不改变原始权属的前提下合法流转，大幅降低数据流通门槛；另一方面，全方位保障各方权益，原始数据持有者始终掌握核心控制权，数据加工服务商获得明确法律定位，数据产品运营者也能安心开展市场化变现，充分调动产业链各参与方的积极性，推动数据要素市场走向成熟。 落地到企业日常管理中，三权分置规则同样具备极强的指导作用。企业自主采集、内部使用的数据，可完整享有三项权利；从外部采购、授权引入的数据，需在合作合同中明确各项权利归属，规避法律纠纷；多方合作共同产出的数据，要提前约定权利划分规则与收益分配方案，保障合作有序推进。 三大评估方法并行 科学衡量数据真实价值 价值评估是数据资产化落地的核心环节，传统资产评估领域的成本法、收益法、市场法，同样适用于数据资产，三类方法各有适用场景，企业可结合实际情况单独使用或交叉验证。 成本法以重构同等数据资产的全部投入为评估依据，核算数据采集、存储、清洗、治理、安全防护等全流程成本，再扣除各类损耗得出评估价值。该方法计算逻辑客观、数据易获取，适合尚未产生收益、市场交易案例较少的初创型数据资产，也是企业首次确认数据资产价值的常用方式。但其短板也较为明显，无法体现数据本身的质量差异，优质低价数据与低质高投入数据难以区分，不能完全反映数据真实价值。 收益法是围绕数据未来收益开展估值，通过预测数据资产全生命周期内的直接、间接收益，结合折现率折算为现值。其中直接收益包括数据产品销售、技术授权、定制化数据分析服务等收入；间接收益涵盖降本增效、规避经营风险、提升客户粘性等隐性价值。该方法贴合资产价值本质，适合已形成稳定现金流、收益可预判的数据资产。不过收益预测、折现率选择存在一定主观性，数据价值与业务成果的关联关系也难以做到百分百精准匹配。 市场法依托行业内同类数据资产的真实交易价格完成估值，参考数据交易所挂牌成交记录、企业间场外交易、相关并购案例等样本，结合数据类型、质量、规模、使用权限、应用场景等因素调整系数，最终确定资产价值。在数据交易市场活跃度较高、标准化数据产品充足的场景中，该方法能直观反映市场共识。现阶段国内数据交易市场仍处于发展初期，完全匹配的可比案例稀缺，加之部分交易信息不对外公开，一定程度上限制了市场法的大范围应用。 行业主流观点建议，企业搭建多维评估体系，结合自身数据资产特征综合运用三种评估方法，提升估值结果的准确性与可信度。 数据资产入表落地 实践成果与现实挑战并存 数据资产入表，即把数据资源正式登记至企业资产负债表，是数据从资源转向资产的标志性动作。自 2023 年起，国内相关配套政策密集出台：当年 8 月财政部发布数据资源会计处理暂行规定，2024 年年初《数据资产评估指导意见》正式施行，多地同步启动数据资产入表试点工作，一套完整的财务处理规则逐步成型。 按照现行规则，企业外购数据资源，依据属性分别计入无形资产或存货；内部自用数据暂不做资产确认。资产入账后，无形资产类数据资产需在使用年限内分期摊销，出现减值迹象时及时开展减值测试；存货类数据产品按照账面价值与可变现净值孰低原则计量。同时企业需在财务报表附注中，详细披露数据资产规模、摊销情况、使用状态等信息。 目前各行各业已涌现出多个成熟落地案例。大型装备制造企业将数万台设备的长期运行数据集确认为无形资产，按固定年限分期摊销，纳入日常管理费用；头部电商平台整合数亿用户行为数据与智能推荐模型，完成大额数据资产入账；多家数据服务企业依托标准化数据集完成价值评估，顺利通过数据资产质押获得银行授信，实现数据资产与金融服务的融合。 但放眼全行业，数据资产入表仍面临诸多现实难题。数据来源复杂、权属链条模糊，带来确权层面的法律风险；数据治理属于持续性工作，长期投入难以精准分摊至单项数据资产，造成成本归集困难；数据隐性收益占比高，价值量化难度大；此外，全国统一的财务披露细则尚未完全细化，不同企业的账务处理标准存在差异。 搭建全流程管理框架 分阶段推进资产化建设 完善的管理体系是数据资产长效运营的保障。参考国内数据管理国家标准及行业通用实践，企业数据资产管理需覆盖资产目录、分类分级、价值评估、动态更新与退出五大核心内容。 数据资产目录相当于企业数据全景地图，详细记录资产名称、责任部门、数据体量、更新频率、质量评分、安全等级、访问方式等关键信息，方便全员检索使用、管理层统筹盘点。数据分类分级是合规管理的基础，企业可按照业务、客户、运营、外部、衍生等维度划分数据类型；依据敏感程度将数据划分为公开、内部、敏感、核心四个等级，匹配差异化安全防护策略。同时企业需定期开展多维度价值、质量、合规、技术评估，并建立动态机制，及时更新数据资产信息，对无价值、高风险数据做下线或销毁处理。 组织架构方面，大型企业普遍采用三级管理模式：由企业高管组成数据资产管理委员会，负责战略决策与重大事项审议；专职数据管理部门承担制度制定、统筹协调、考核监督工作；各业务部门设立数据专员，负责一线数据资产运维。相关调研显示，国内超六成企业已设置专职数据管理岗位，近四成企业搭建跨部门数据治理委员会，专业化管理团队建设已成行业趋势。全生命周期管理流程则贯穿需求规划、数据获取、存储备份、加工治理、业务应用、下线退出六大环节，搭配数据目录、数据血缘、质量管控、安全防护等专业工具平台，实现技术赋能。 结合行业实践经验，企业可分四个阶段稳步推进数据资产化转型。第一阶段（3-6 个月）完成数据摸底，梳理核心数据资产、排查数据质量问题，形成资产目录与现状评估报告；第二阶段（6-12 个月）完善制度体系，落地数据分类分级规则，搭建全生命周期管理流程，落实合规要求；第三阶段（12-18 个月）深化场景应用，搭建价值评估体系，探索数据资产入表、产品市场化运营路径；第四阶段（18 个月后）进入常态化运营，建立考核指标，持续优化数据质量，拓展数据流通渠道。 在转型过程中，企业也要规避常见误区：切忌重技术工具、轻数据治理；不要追求一步到位全面盘点，优先从高价值数据切入；拒绝脱离行业标准闭门造车，同时严守数据安全底线，将数据资产化视作长期运营工作而非一次性项目。高层战略支持、业务与数据深度融合、专业技术工具支撑、全流程合规管控，是数据资产化落地成功的四大关键要素。
展望未来 数据资产化开启产业发展新图景 放眼行业发展前景，数据资产化将在政策、市场、技术、企业实践四大维度持续迭代升级。政策端，相关部门计划在 2026 年推出数据资产入表细化实施指南，“数据二十条” 配套细则、数据安全分类分级标准也将持续完善，数据产权登记、评估、交易全流程将更加规范。 市场层面，全国数据交易所体系不断健全，数据产品标准化水平持续提升，数据资产质押、资产证券化等金融创新模式加速落地，数据评估、数据经纪等第三方专业服务机构迎来发展机遇。技术领域，隐私计算、人工智能、数据空间等前沿技术，将逐一破解数据流通中的隐私保护、自动化管理、跨主体可信交互等难题。 对于企业而言，数据资产化管理能力将成为衡量企业数字化成熟度的核心指标，数据资产价值会更多体现在企业整体估值当中，首席数据官（CDO）等新兴岗位也将在更多企业落地，成为企业核心管理团队的重要组成部分。 数据从传统的成本中心转变为全新的价值中心，不仅是企业财务核算方式的一次变革，更是经营思维、组织能力的全方位升级。依托国家完善的制度体系、标准化的财务规则与成熟的管理方法论，企业以数据治理为根基、价值创造为导向、合规安全为底线，稳步推进数据资产化建设，便能充分激活数据要素潜能，在数字经济竞争中抢占发展先机。 |
