数据价值评估：提升企业决策的关键要素

数据价值评估：新时代企业数字化转型的关键

在数字化、网络化和智能化的浪潮中，数据作为新型的生产要素，正在深刻地改变着生产、分配、流通、消费及社会服务管理等多个环节。党的二十大报告明确指出，要加快建设数字中国和数字经济的发展。因此，如何对数据进行有效的价值评估，成为企业数字转型的重要课题。

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

数据资产化是指将企业所拥有的数据资源视为一种资产进行管理和评估。根据2022年12月发布的《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》，明确提出了探索数据资产化及数据资产入表的新模式。此政策的推出，标志着中国在数据治理和管理上迈出了重要一步。

• 政策支持： 政府的支持为企业数据资产化提供了良好的环境和条件。
• 市场需求： 随着数字经济的发展，市场对数据资产的需求日益增加。
• 竞争优势： 数据资产化能够帮助企业提升竞争力，实现业务的创新和转型。

二、数据资产管理的基本维度

数据资产管理不仅仅是对数据的收集和存储，更是对数据的全面治理。企业需要从多个维度进行数据管理，以确保数据的安全性、有效性和可用性。

• 数据模型管理： 确保数据结构的合理性和规范性。
• 数据标准管理： 制定统一的数据标准，提高数据的互操作性。
• 数据质量管理： 保障数据的准确性和完整性。
• 数据安全管理： 确保数据在存储和传输过程中的安全性。
• 数据价值评估： 对数据进行定量和定性的价值评估。

三、数据资产化的步骤

企业在进行数据资产化时，需要遵循一定的步骤，以确保数据资产化的有效性和合理性。

• 总体方向： 确定业务数据化与数据业务化的方向。
• 数据资产的统筹规划： 制定数据资产管理的总体规划和策略。
• 数据资产的管理实施： 具体落实数据管理的各项措施。
• 数据资产的稽查： 定期对数据资产进行审计和评估。
• 数据资产的运营管理： 确保数据资产在运营过程中的价值实现。

四、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，需要遵循一定的财务规范和技术处理。

• 适用范围分析： 明确哪些数据适用于资产入表。
• 会计处理适用的准则： 确保数据资产的会计处理符合相关会计准则。
• 列示和披露要求： 明确数据资产在财务报表中的列示和披露要求。
• 实务操作中的难点解析： 解决数据资产入表过程中遇到的各类难点。

五、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步，它能够帮助企业了解数据的真实价值，从而为后续的决策提供依据。常见的数据价值评估方法包括：

• 未来收益法： 通过预测数据在未来所能带来的收益来评估其价值。
• 市场比较法： 通过对比同类数据资产的市场价格来进行评估。
• 成本法： 以获取和维护数据所需的成本作为评估依据。
• 收益法： 根据数据资产能够直接带来的经济收益进行评估。

六、数据资产化的挑战与发展趋势

尽管数据资产化为企业带来了诸多机会，但在实践中，企业仍面临许多挑战。

• 数据确权问题： 公共数据与个人数据的确权难度较大，影响数据的流通和使用。
• 数据安全风险： 数据资产的安全性问题不容忽视，企业需要加强数据安全管理。
• 标准化缺失： 当前行业内缺乏统一的数据标准，导致数据互操作性差。
• 技术能力不足： 部分企业在数据管理和分析方面的技术能力较弱。

未来，随着技术的不断发展和政策的进一步完善，数据资产化将迎来新的发展机遇。企业应积极应对挑战，抓住机会，不断提升数据资产的价值。

结论

数据价值评估不仅是数据资产化的关键环节，也是企业数字化转型的重要组成部分。通过科学合理的数据管理和价值评估，企业能够更好地挖掘数据潜力，实现资源的优化配置，从而在激烈的市场竞争中立于不败之地。面对未来的数据驱动时代，企业必须重视数据资产化，积极探索数据的价值，为数字经济的发展贡献力量。