提升企业竞争力的关键：数据资产管理的重要性

数据资产管理：构建数字经济的新基础

在互联网和数字化快速发展的时代，数据被视为一种新型的生产要素，已经在生产、分配、流通、消费及社会服务管理等各个环节中发挥着重要的作用。党的二十大报告明确指出，加快建设数字中国和数字经济的发展，数据资产管理的必要性愈加凸显。本文将结合最新的政策动态和企业实践，深入探讨数据资产管理的概念、重要性及实施步骤，帮助企业有效开发和利用数据潜力。

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重要性

随着数字化、网络化和智能化的深入发展，数据已经成为推动经济增长的重要动力。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》提出了探索数据资产化的新模式，标志着数据管理进入了一个新的阶段。

• 宏观背景：数据要素化、要素市场化的趋势带动了企业对数据资产管理的重视。
• 政策支持：各级政府相继出台政策，鼓励企业进行数据资产化，提升数据价值。
• 市场需求：随着数据经济的快速发展，企业亟需通过数据资产化提升竞争力。

二、数据资产与数据资产管理的基本概念

数据资产是指企业拥有的、可以为其创造经济价值的数据资源。数据资产管理则是指对数据资产进行系统化的规划、管理和利用，以实现数据的最大价值。企业在进行数据资产管理时，需要关注以下几个关键方面：

• 数据资产的定义：数据资产不仅包括企业内部生成的数据，还涵盖外部获取的数据。
• 数据资产管理的发展：随着技术的进步，数据资产管理的理念和方法不断演进，逐步形成了一套完整的管理体系。
• 管理模型：企业需要建立以数据为核心的管理模型，以支持业务决策和创新。
• 面临的挑战：数据资产管理过程中，企业常常面临数据质量、数据安全和数据使用等多方面的挑战。

三、数据资产化的制度要求

为了有效推进数据资产化，企业需要在战略、组织和制度等方面做好充分准备：

• 企业战略与数据资产化：将数据资产化纳入企业整体战略规划。
• 组织偏好：建立专门的数据资产管理团队，负责数据治理和管理。
• 制度需求：制定相关的数据管理制度，明确数据的使用、共享和保护规则。
• 工具需求：利用先进的数据管理工具和技术，提升数据管理效率。

四、数据要素的管理与资产化基本规范

数据资产的管理需要遵循一定的基本规范，包括但不限于以下几个方面：

• 数据模型管理：建立清晰的数据模型，以便于数据的分类和管理。
• 数据质量管理：确保数据的准确性和完整性，提升数据的使用价值。
• 数据安全管理：保护数据安全，防止数据泄露和滥用。
• 数据价值评估：定期对数据资产进行价值评估，以指导数据的使用和投资。

五、数据资产化的实践步骤

数据资产化的实施需要遵循以下几个关键步骤：

• 总体方向：明确企业在数据资产化过程中，业务数据化与数据业务化的协调。
• 资产规划：对数据资产进行统筹规划，明确各类数据的归属和管理方式。
• 管理实施：落实数据资产管理方案，确保各项措施落到实处。
• 稽查与运营管理：定期对数据资产进行稽查，确保数据资产的有效运作。

六、数据资产入表的财务规范与技术处理

根据财政部印发的《企业数据资源相关会计处理暂行规定》，企业在进行数据资产入表时，需要遵循一定的财务规范：

• 适用范围分析：明确哪些数据适用本规定，哪些数据不适用。
• 会计处理准则：遵循相关会计处理的标准，确保数据资产的准确列示与披露。
• 难点解析：解决实务操作中面临的难点，如数据的确权和价值计量等问题。

七、数据资产的实战演练

通过案例分析，企业可以更好地理解数据资产化的实际操作，包括数据治理、数据入表、数据资产估值等问题。在实战演练中，企业应关注以下几个方面：

• 数据确权：明确公共数据与个人数据的界限，确保数据的合法性。
• 大模型公司的数据资产化问题：探讨大模型公司在数据资产化中面临的特殊挑战。
• 数据资产的估值问题：研究数据资产估值的前沿问题，提升企业的决策能力。

八、结论

数据资产管理是企业实现数字化转型的重要环节，通过有效的数据资产管理，企业不仅可以提升自身的竞争力，还可以为数据经济的发展贡献力量。面对快速变化的市场环境和日益复杂的政策背景，企业需要不断更新数据管理理念，优化数据资产化的实践，以实现可持续发展。

随着政策的不断完善和市场的日益成熟，未来的数据资产管理将迎来更多的机遇与挑战。希望本文能够为企业在数据资产化的道路上提供一些有益的启示与指导。