数据要素市场化：推动经济转型的关键力量

数据要素市场化：推动中国数字经济发展的新动力

在数字化、网络化、智能化的浪潮中，数据作为一种新型生产要素，正迅速融入到生产、分配、流通、消费和社会服务管理的各个环节。党的二十大报告明确指出，要加快建设数字中国，推动数字经济的发展。在这一背景下，数据要素的市场化成为了重要的课题，尤其是在政策层面的不断推动下，企业如何有效管理和利用数据资产，成为了提升竞争力和实现可持续发展的关键。

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、数据资产化的背景与意义

数据作为新型生产要素，正在深刻改变着我们的生产方式、生活方式和社会治理方式。根据2022年发布的《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。财政部的相关规定也首次提出了企业数据资产入表的处理办法，显示出国家对数据资产化的重视。

• 数据资产化的宏观背景：数据要素化、要素市场化的趋势越来越明显，企业要顺应这一趋势，提升自身的数据管理能力。
• 政策推动：各级政府出台了一系列政策，鼓励企业进行数据资产管理和创新，推动数据要素在市场中的流通和使用。
• 企业竞争力：数据资产化不仅能提升企业的竞争力，还能优化资源配置，推动经济的高质量发展。

二、数据资产管理的基本框架

为了有效进行数据资产化，企业需要建立完善的数据资产管理体系。这一体系应包括以下几个方面：

• 数据资产与数据资产管理的概念：明确数据资产的定义和管理的重要性，帮助企业理解数据的价值。
• 数据资产管理的发展：跟踪数据资产管理的发展历程，了解当前的市场趋势和技术变革。
• 数据资产管理的模型：建立数据资产管理模型，帮助企业制定相关的管理策略。
• 数据资产管理的难点与发展趋势：分析数据资产管理中存在的挑战，并探讨未来的发展方向。

三、数据资产化的实施步骤

数据资产化的实施需要系统的规划和执行，以下是企业进行数据资产化的基本步骤：

• 总体方向：业务数据化与数据业务化：企业需将业务与数据相结合，实现数据驱动业务的转型。
• 数据资产的统筹规划：制定全面的数据资产管理策略，确保各项工作有序进行。
• 数据资产的管理实施：落实数据管理制度和流程，确保数据资产的安全与合规。
• 数据资产的稽查：定期对数据资产进行审计，确保数据的准确性和可靠性。
• 数据资产的运营管理：建立数据资产的运营机制，提升数据的使用效率和价值。

四、数据资产入表的财务规范与技术处理

随着数据资产化的推进，企业需要关注数据资产入表的相关财务规范。具体包括：

• 适用范围分析：明确哪些数据适用于企业资产的确认与入表。
• 会计处理适用的准则：理解数据资产入表所需遵循的会计准则，确保财务报告的合规性。
• 列示和披露要求：遵循相关的列示和披露要求，提升企业透明度。
• 实务操作中的难点解析：分析企业在实际操作中可能遇到的难点，并提出解决方案。

五、数据资产的估值与管理

数据资产的估值是数据资产化过程中不可忽视的重要环节。企业应掌握以下方法：

• 数据价值计量：明确数据的使用寿命和价值有效期，合理评估数据的经济价值。
• 数据的可复制性与会计处理原则：理解数据的可复制性对会计处理的影响，确保数据资产的准确计量。
• 数据资产的摊销、减值与处置：了解数据资产在生命周期内的财务处理方法，确保企业财务的稳健性。

六、案例分析与实践讨论

通过案例分析，企业可以更好地理解数据资产化的实践过程。讨论以下问题：

• 数据如何确权：探讨公共数据与个人数据在确权过程中的不同处理方式。
• 大模型公司的数据资产化问题：分析大数据企业在数据资产化过程中的特有挑战。
• 数据资产的估值前沿问题：研究数据资产估值的最新动态与理论进展。

结论

数据要素市场化是推动数字经济发展的重要动力。企业在这一过程中，需要充分利用政策支持，建立科学的数据管理体系，推动数据资产化的进程。通过有效的数据资产管理，企业不仅能提升自身的竞争力，同时也能为社会的数字化转型贡献力量。随着数据资产化的深入推进，未来的市场将更加依赖于数据的流通与应用，企业应积极应对这一挑战，以实现可持续发展。