数据价值评估：提升企业决策的关键工具

数据价值评估：企业数据资产化的重要性与实践

在当今数字经济的浪潮中，数据作为一种新型生产要素，已经深刻地融入了企业的各个环节，成为推动企业持续发展的关键因素。党的二十大报告明确提出要加快建设数字中国，并发展数字经济，数据的价值评估因此显得尤为重要。本文将结合最新的政策动态与企业实践，探讨如何进行数据资产化，提升企业的数据价值。

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必要性

数据资产化的核心在于将数据视为企业的资产进行管理和利用。这一概念的提出，源于以下几个方面的背景：

• 宏观经济环境：随着数字化、网络化和智能化的发展，数据已成为推动经济增长的重要动力。
• 政策支持：《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》明确提出了探索数据资产化的新模式，这为企业的实践提供了政策保障。
• 市场需求：企业面临着日益激烈的市场竞争，如何有效利用数据，提升竞争力成为了亟待解决的问题。

二、数据资产管理的基本维度

数据资产的管理不仅仅是技术问题，还是管理理念的转变。企业在进行数据资产管理时，应关注以下几个基本维度：

• 数据模型管理：建立合理的数据模型，使数据能够更好地为业务服务。
• 数据标准管理：制定统一的数据标准，以确保数据的质量和一致性。
• 数据安全管理：加强数据安全防护，保护企业核心数据资产不被泄露。
• 数据价值评估：对企业所拥有的数据进行价值评估，识别高价值数据。

三、数据资产化的步骤

企业在进行数据资产化时，应遵循以下几个步骤：

1. 总体方向：明确业务数据化与数据业务化的方向，为数据资产化打下基础。
2. 统筹规划：制定数据资产的整体规划，包括数据的分类、管理和使用策略。
3. 管理实施：将规划落到实处，建立相应的管理体系。
4. 稽查与运营管理：定期对数据资产进行稽查，确保其合规性和有效性。

四、数据价值评估的方法

数据价值评估是数据资产化过程中至关重要的一环。企业可以通过以下几种方法进行数据价值评估：

• 使用寿命评估：根据数据的使用频率和有效期，判断其价值。
• 市场价值比较：通过市场上同类数据的交易价格来评估自身数据的价值。
• 收益分析：分析数据为企业带来的直接和间接收益，以此作为评估依据。

五、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(征求意见稿)》，企业在进行数据资产入表时，应注意以下几点：

• 适用范围：明确哪些数据可作为企业资产入表。
• 会计准则：遵循相关会计处理的适用准则，确保数据资产的准确列示。
• 披露要求：根据规定，合理披露数据资产的相关信息。

六、数据资产化的实践案例

通过实践案例的分析，企业可以更好地理解数据资产化的具体操作。以下是一个简要的案例：

某企业通过数据治理和数据标准化的手段，成功将其用户数据进行资产化管理。在进行数据价值评估时，该企业发现其用户数据可以用于精准营销，从而为企业带来显著的增收。通过合理的入表处理，企业将这些数据资产成功纳入财务报表，提升了企业整体资产的价值。

七、结论

数据资产化是企业在数字经济时代提升竞争力的重要途径。通过有效的数据价值评估，企业不仅能够识别和管理高价值数据，还能在日益复杂的市场环境中保持竞争优势。未来，随着政策的进一步完善和企业实践的深入，数据资产化将成为企业管理的重要组成部分。各企业应积极应对这一挑战，探索数据资产化的新路径，以实现可持续发展。

在这个过程中，企业需要不断学习和适应新的管理理念与技术手段，以便更好地发挥数据作为生产要素的作用。数据的价值评估不仅是对现有数据的审视，更是对未来发展潜力的预判，企业应将其作为战略决策的重要依据。