数据资产流通：开启数字经济新机遇与挑战

数据资产流通：数字经济时代的核心要素

在数字经济迅速发展的今天，数据作为一种新型生产要素，正在深刻影响着各行各业的生产、分配、流通和消费模式。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。基于此，数据资产流通的重要性日益凸显，并成为企业发展战略中的核心内容之一。

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

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》的发布，数据资产化的概念逐渐进入公众视野。数据资产化不仅是技术进步的产物，更是时代发展的必然趋势。通过数据资产化，企业能够更有效地管理和利用数据，从而提升其市场竞争力。

1. 数据资产流通的宏观背景

• 数字化转型：企业需要通过数据驱动的方式实现数字化转型，提升运营效率。
• 要素市场化：数据作为一种新型生产要素，必须在市场中进行合理流通，以实现优化配置。

2. 数据资产化的重要性

数据资产化不仅有助于提升企业的价值，还能为企业带来诸多其他优势，包括：

• 提高决策效率：数据驱动的决策能够减少盲目性，提升决策的科学性。
• 增强市场竞争力：通过数据分析，企业可以快速响应市场变化，制定更具针对性的市场策略。
• 促进资源整合：数据资产化能够帮助企业整合内部外部资源，实现协同效应。

二、数据资产流通的管理框架

为了有效实现数据资产流通，企业需要建立一套完善的数据资产管理框架。该框架应包括以下几个重要维度：

1. 数据资产管理的基本概念

• 数据资产：企业所拥有的可用于创造经济价值的数据。
• 数据资产管理：对数据资产进行识别、收集、存储、处理和分析的全过程管理。

2. 数据资产管理的发展历程

数据资产管理经历了从无到有、从简单到复杂的发展过程。企业在这一过程中逐渐认识到数据的价值，并开始重视数据的管理与流通。

3. 数据资产管理的模型与难点

在数据资产管理的实践中，企业通常会面临许多挑战，包括数据质量不高、数据安全隐患、数据标准不统一等。因此，企业需要建立有效的管理模型，以应对这些难点。

三、数据资产化的实施路径

企业在进行数据资产化时，可参考以下实施步骤：

1. 数据资产的统筹规划

企业应明确数据资产化的目标，并制定相应的战略规划。这包括确定数据资产的范围、价值评估标准以及流通机制。

2. 数据资产的管理实施

• 建立数据标准：制定统一的数据标准，以确保数据的可比性和可用性。
• 数据质量管理：建立数据质量监控机制，确保数据的准确性和完整性。
• 数据安全管理：加强数据安全保护，防止数据泄露和滥用。

3. 数据资产的稽查与运营管理

企业应定期对数据资产进行稽查，确保数据的合规性和有效性。同时，积极探索数据资产的运营管理模式，以实现数据价值的最大化。

四、数据资产入表的财务规范

随着数据资产化的深入推进，企业在财务处理上也面临新的挑战。《企业数据资源相关会计处理暂行规定(征求意见稿)》的出台，为企业提供了数据资产入表的新规范。

1. 数据资产确认与计量

企业在确认数据资产时，需要判断数据是否符合资产的定义，并进行合理的价值计量。数据的使用寿命和价值有效期是重要的考量因素。

2. 数据资产的税务处理

数据资产的摊销、减值与处置等税务问题也需要企业进行合理规划，以避免不必要的税务风险。

五、数据资产流通的实践案例

在实际操作中，许多企业已经开始探索数据资产流通的途径。通过案例分析，可以更好地理解数据资产化的实际应用。

1. 数据确权问题

公共数据与个人数据的确权问题是数据资产化面临的一大挑战。企业需要建立明确的数据确权机制，以确保数据的合法性和合规性。

2. 大模型公司的数据资产化

在大模型公司中，数据资产化的实践相对复杂，涉及多个利益相关者。因此，企业需要灵活应对，制定适合自身的管理策略。

六、总结与展望

综上所述，数据资产流通在数字经济时代具有重要的战略意义。企业应积极响应政策要求，探索数据资产化的路径，以提升自身的市场竞争力。在未来，随着数据资产化的深入推进，企业将迎来更多机遇与挑战。

通过对数据资产流通的深入研究和实践，企业不仅能够实现数据价值的最大化，还能为数字经济的发展贡献力量。数据资产化的旅程，才刚刚开始。