提升企业竞争力的数据资产管理策略解析

数据资产管理：企业数字化转型的新机遇

在当今数字化、网络化、智能化的时代，数据已成为一种新型的生产要素。它不仅深刻影响着生产方式和生活方式，也在社会治理中发挥着越来越重要的作用。党的二十大报告强调了加快建设数字中国和发展数字经济的重要性。随着政策的不断完善，企业数据资产化的进程正在加快，数据资产管理成为了一项不可忽视的关键任务。

张光利：企业数据管理与数据资产化

【课程背景】数据作为新型生产要素，是数字化、网络化、智能化的基础，已快速融入生产、分配、流通、消费和社会服务管理等各环节，深刻改变着生产方式、生活方式和社会治理方式，党的二十大报告指出，要加快建设数字中国，加快发展数字经济。2022年12月《中共中央国务院关于构建数据基础制度更好发挥数展要素作用的意见》明确提出探索数据资产化及数据资产入表新模式。财政部印发《企业数据资源相关会计处理暂行规定(征求意见稿)》，首次提出企业数据资产入表相关处理办法。2023年6月中共北京市委、北京市人民政府日前印发《关于更好发挥数据要素作用进一步加快发展数字经济的实施意见》的通知中提出先行探索开展数据资产入表，对企业的数据首登记、首挂牌、首交易、首开放等给予奖励，更好促进数据要素市场创新和产业化发展。本课程将基于最新的政策要求和企业实践，全面讲授企业如何进行数据资产化，如何提升企业的数据价值，使学员掌握企业数据资产化的基本步骤，有助于帮助企业开发利用数据潜力。【课程收益】1、了解中国数据资产化的最新政策动态和政策要求2、掌握数据管理的基本维度，熟悉企业的数据管理方法论3、掌握企业进行数据资产化的步骤4、掌握数据资产估值的方法，提升企业的数据价值【课程对象】民营企业董事会成员，城投公司高管，首席运营官（COO）、首席财务官（财务总监）等【课程时长】1天（6小时/天）【课程大纲】一、数据资源到数据资产：数据要素的治理（一）企业为什么要做数据资产管理1、数据资产管理的宏观背景（数据要素化、要素市场化）(二)数据资产管理1、数据资产与数据资产管理的概念2、数据资产管理的发展3、数据资产管理的模型4、数据资产管理的难点与发展趋势数据资产化地图（一）数据资产化的制度要求1、企业战略与数据资产化2、数据资产化的组织偏好3、数据资产化的制度需求4、数据资产化的工具需求（二）数据要素的管理与资产化：基本规范1、数据模型管理2、数据标准管理3、数据质量管理4、主数据管理5、数据安全管理6、元数据管理7、数据开发管理8、数据价值评估9、数据资产流通10、数据资产运营（三）数据要素资产化的实践步骤1、总体方向：业务数据化与数据业务化2、数据资产的统筹规划3、数据资产的管理实施4、数据资产的稽查5、数据资产的运营管理（四）数据资产化的影响1、数据资产化对企业资产负债表的影响2、数据资产化对企业竞争力的影响数据资产入表的财务规范与技术处理（一）《暂行规定》的政策解读1、适用范围分析（哪些数据不适用？）2、会计处理适用的准则3、列示和披露要求4、实务操作中的难点解析（二）数据资产入表关键要点分析1、数据属于企业资产吗？——确认条件2、数据价值如何计量？（使用寿命和价值有效期如何判断）3、数据的可复制性与会计处理原则4、数据资产入表的税务影响：数据资产的摊销、减值与处置（三）数据资产入表解析（六步法）1、数据的合规与确权2、数据安全检查3、数据的治理与管理4、预期经济利益的可行性分析5、成本的合理归集与分摊6、列报与披露数据资产的实战演练以案例分析方法，分解企业如何进行数据资产化：数据治理、数据入表、数据资产估值等数据资产实践问题讨论1、数据如何确权：公共数据与个人数据2、大模型公司的数据资产化问题3、数据资产的估值前沿问题

张光利 培训咨询

一、数据资产管理的背景与意义

数据资产化的背景可追溯到2022年12月，《中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见》明确提出探索数据资产化及数据资产入表的新模式。2023年6月，北京市政府也发布了相关的实施意见，鼓励企业开展数据资产的首登记、首挂牌、首交易和首开放等活动。这些政策为企业的数据资产管理提供了制度保障。

• 数字经济的快速发展： 数据已成为推动数字经济增长的核心要素。
• 政策的支持： 政府的政策引导为企业的数据资产管理提供了有利环境。
• 提升企业竞争力： 数据资产化可以有效提升企业的市场竞争力。

二、数据资产管理的基本概念与发展

数据资产管理是指对企业数据资源进行系统的管理和利用，以实现数据的有效流通与增值。其基本概念包括：

• 数据资产： 数据作为企业的无形资产，具有经济价值。
• 数据资产管理： 包括数据的治理、保护、流通和评估等一系列管理活动。

在数据资产管理的发展过程中，企业面临着诸多难点与挑战，例如数据的标准化、质量管理和安全管理等。为了应对这些挑战，企业需要建立完善的数据资产管理模型，并制定相应的发展战略。

三、数据资产化的制度要求

企业在进行数据资产化时，需要遵循一定的制度要求。这些要求主要包括：

• 企业战略与数据资产化： 数据资产化应与企业的整体战略相结合。
• 数据资产化的组织偏好： 需要明确各部门在数据资产管理中的角色与责任。
• 数据资产化的工具需求： 引入先进的数据管理工具，提高数据处理效率。

四、数据要素的管理与资产化：基本规范

为了实现数据的有效管理与资产化，企业应建立一套基本规范，包括：

• 数据模型管理： 确保数据结构清晰，便于分析和应用。
• 数据质量管理： 定期检查和维护数据的准确性和完整性。
• 主数据管理： 统一管理关键业务数据，提高数据一致性。
• 数据安全管理： 保护数据的机密性和完整性，防止数据泄露。

五、数据资产化的实践步骤

数据资产化的实践步骤主要包括：

• 总体方向： 实现业务数据化与数据业务化的双向推动。
• 统筹规划： 制定数据资产的整体规划，明确目标与路径。
• 管理实施： 在各部门落实数据资产管理措施，确保执行到位。
• 运营管理： 持续监测数据资产的使用效果，优化管理策略。

六、数据资产入表的财务规范与技术处理

数据资产入表是企业进行数据资产管理的重要环节。根据《企业数据资源相关会计处理暂行规定(征求意见稿)》，企业在进行数据资产入表时，需要注意以下几个关键要点：

• 确认条件： 数据资产是否符合企业资产的定义。
• 价值计量： 确定数据的使用寿命和价值有效期。
• 税务影响： 评估数据资产的摊销、减值与处置对税务的影响。

七、数据资产的估值方法

数据资产的估值是提升企业数据价值的关键环节。企业可以采用多种估值方法，例如：

• 成本法： 通过计算数据获取和维护的成本来估算数据的价值。
• 市场法： 参考市场上类似数据资产的交易价格进行估值。
• 收益法： 通过预期未来收益来评估数据的经济价值。

八、数据资产管理的挑战与未来发展趋势

尽管数据资产管理为企业带来了诸多机遇，但也面临着一些挑战，例如数据的隐私保护、合规性要求和技术安全等。未来，企业需要不断提升数据管理的技术水平，强化数据安全意识，以应对不断变化的市场环境。

结论

数据资产管理是企业数字化转型的重要组成部分。通过有效的数据资产管理，企业不仅能够提升自身的市场竞争力，还能为数字经济的发展贡献力量。掌握数据资产化的基本步骤和方法，将为企业的未来发展铺平道路。

在这个充满机遇与挑战的新时代，企业应积极把握数据资产化的机遇，推动数据管理的深度与广度，确保在激烈的市场竞争中立于不败之地。