数据价值评估：如何提升企业决策的智能化水平

数据价值评估：企业数字化转型的新机遇

在信息技术飞速发展的今天，数据作为一种新型生产要素，已经深刻融入到我们的生活、工作以及社会治理中。党的二十大报告强调了数字中国和数字经济的建设，标志着数据在经济发展中的重要性愈发凸显。随着《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》的出台，数据资产化的概念逐渐被各类企业所重视，企业如何评估数据的价值、进行数据资产化，已成为一个亟待解决的问题。

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

数据资产化的提出并非偶然，而是基于以下几方面的宏观背景：

• 数字化转型的迫切性：随着人工智能、大数据等新兴技术的发展，企业面临着转型升级的压力，数据资产化成为提升竞争力的关键。
• 政策推动：国家政策的支持为数据资产化提供了法律保障和方向指导，企业在政策框架内开展数据资产化的实践有了更强的动力。
• 市场需求的变化：消费者对个性化、智能化服务的需求推动企业不断探索数据的价值，数据资产化不仅是提升服务质量的手段，也是实现盈利的新方式。

二、数据资产管理的基本概念

在探讨数据价值评估之前，我们需要明确几个基本概念：

• 数据资产：指企业在运营过程中产生和积累的数据，这些数据具备一定的经济价值，可以为企业创造收益。
• 数据资产管理：是指企业对数据资产进行识别、评估、保护和利用的全过程，目的是最大化数据的经济价值。

三、数据资产化的步骤

企业要顺利实现数据资产化，可以遵循以下几个步骤：

• 明确战略方向：企业应根据自身的业务特点和市场需求，制定数据资产化的战略规划，确保与企业整体战略相一致。
• 建立数据治理框架：通过建立数据治理机制，确保数据的质量、安全和合规性，为数据资产化打下基础。
• 数据的确权与评估：对企业的数据进行确权，明确数据的归属，并通过科学的方法对数据进行价值评估。
• 数据资产入表：按照《企业数据资源相关会计处理暂行规定》，将数据资产纳入财务报表，提升企业的资产负债表质量。
• 持续监测与优化：定期对数据资产进行监测和评估，根据市场变化和企业发展需求，持续优化数据资产管理策略。

四、数据价值评估的方法

为了能够科学地评估数据资产的价值，企业需要采用多种评估方法，以下是几种常见的数据价值评估方法：

• 成本法：通过计算数据的获取、存储、管理和维护等成本，来评估数据的价值。适用于数据获取成本较高的情况。
• 收益法：基于数据能为企业带来的直接经济收益进行评估，适合于能够明确量化的数据使用场景。
• 市场法：根据市场上类似数据的成交价格进行估算，适用于数据市场较为成熟的领域。

五、数据资产化的挑战与应对策略

尽管数据资产化带来了巨大的机遇，但在实践中，企业也面临诸多挑战：

• 数据质量问题：数据的质量直接影响到其价值评估，企业需要建立完善的数据质量管理体系。
• 法律合规风险：数据资产化过程中必须遵循相关法律法规，企业应加强对数据合规性的重视。
• 技术瓶颈：技术的落后可能会限制数据资产化的进程，企业需要不断投入技术研发。

针对这些挑战，企业可以采取以下应对策略：

• 建立跨部门的数据治理团队，确保数据质量和合规性。
• 加大对数据科学、数据分析等相关技术的投资，提升数据资产化的技术能力。
• 定期进行数据资产评估和审计，及时发现和解决数据管理中的问题。

六、数据资产化的未来趋势

随着技术的不断进步和政策的逐步完善，数据资产化的未来发展趋势将主要体现在以下几个方面：

• 智能化管理：采用人工智能和机器学习技术对数据进行自动化管理和分析，提高数据资产的利用效率。
• 市场化交易：数据资产将逐渐形成市场，企业之间的数据交易将更加频繁和规范。
• 价值链整合：企业将通过数据资产化实现与供应链上下游的深度整合，提升整体竞争力。

七、结论

数据资产化不仅是企业数字化转型的必然趋势，更是提升企业竞争力的新机遇。通过科学的数据价值评估和有效的数据管理，企业能够更好地利用数据这一新型生产要素，实现可持续发展。在这个过程中，政策的支持、技术的进步以及企业自身的努力将共同推动数据资产化的进程，为数字经济的发展贡献力量。