数据资产流通的未来趋势与发展机遇分析

数据资产流通：新时代的机遇与挑战

在当前数字经济迅速发展的背景下，数据作为一种新型生产要素，已逐渐渗透到生产、分配、流通、消费及社会服务管理等各个环节。党的二十大报告指出，要加快建设数字中国，推动数字经济的发展。因此，数据资产流通的重要性愈发凸显。这不仅是企业适应市场变化的需求，更是实现经济高质量发展的必然选择。

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，数据资产化的理念得到了广泛认可。2022年12月，财政部也首次提出了企业数据资产入表的相关处理办法，标志着数据资产化进入了一个新的阶段。

• 推动经济转型：数据资产化为企业提供了新的增长点，有助于提高资源配置效率。
• 提升竞争力：通过有效的数据管理和资产化，企业能够更好地理解市场需求，从而提升竞争力。
• 促进创新：数据资产的流通和共享能够激发创意与合作，推动新产品和服务的开发。

二、数据资产化的基本步骤

为了更好地进行数据资产化，企业需要遵循一系列基本步骤，这些步骤不仅涵盖数据治理和管理，还包括数据的估值和流通。

1. 企业战略与数据资产化

企业首先需要明确数据资产化与整体战略的结合，以确保数据的有效利用和价值提升。

2. 数据资产的管理实施

实施数据资产管理需要建立数据治理框架，确保数据的质量、安全和合规性。

3. 数据资产的稽查与运营管理

定期进行数据审计和评估，确保数据资产的有效运营和价值最大化。

三、数据资产流通的管理与评估

在实现数据资产化的过程中，数据流通的管理与评估显得尤为重要。企业需要建立完善的评估机制，以便在流通过程中对数据的价值进行合理判断。

• 数据模型管理：建立规范化的数据模型，确保数据的一致性和可用性。
• 数据标准管理：制定统一的数据标准，促进不同数据源之间的整合与交流。
• 数据质量管理：确保数据的完整性、准确性和及时性，以提升数据的实际应用价值。

四、数据资产入表的财务规范

根据《企业数据资源相关会计处理暂行规定(征求意见稿)》，数据资产的入表需要遵循一定的财务规范。

1. 数据的确认条件

企业必须明确哪些数据可以被确认作为资产，包括数据的合法性和使用价值。

2. 数据价值的计量

对数据价值的计量需要考虑使用寿命和价值有效期，以便合理评估其经济利益。

3. 数据的可复制性与会计处理原则

数据的可复制性将影响其在财务报表中的列示与披露，企业需对此进行详细分析。

五、数据资产化的实践案例分析

通过实际案例的分析，可以更好地理解数据资产化的过程与挑战。

• 案例一：某公司的数据治理实践，如何通过完善的数据管理提升数据资产的价值。
• 案例二：数据资产入表的成功经验，如何合理计量数据的经济利益。
• 案例三：数据资产流通中的风险管理，如何通过合规措施保护企业的数据资产。

六、数据资产流通的前沿问题

在数据资产化过程中，企业面临一系列前沿问题，包括数据确权、公共数据与个人数据的管理等。

• 数据确权：如何确保数据的合法性和归属，避免数据纠纷。
• 大模型公司的数据资产化问题：大型企业如何有效进行数据资产化，以应对快速变化的市场环境。
• 数据资产的估值：探索数据资产估值的新方法，提升数据的市场竞争力。

结论

随着数字经济的不断发展，数据资产流通将成为企业提升竞争力、促进创新的重要手段。企业需要紧跟政策动向，积极探索数据资产化的路径，以实现数据价值的最大化。在这一过程中，数据治理、管理、评估及流通等各个环节的有效协同，是推动企业数字化转型的重要保障。

在未来，随着数据资产流通的不断深化，我们期待看到更多企业能够通过数据资产化获得新的发展机遇，为数字经济的繁荣贡献力量。