数据资产流通助力企业数字化转型新机遇

数据资产流通：数字经济时代的企业新机遇

在当今数字化、网络化、智能化的时代，数据已成为重要的生产要素，深刻影响着我们的生产、分配、流通、消费和社会服务管理等各个环节。党的二十大报告强调了加快建设数字中国与数字经济发展的重要性。为此，国务院以及财政部等相关部门提出了数据资产化的相关政策，可谓为企业发展提供了新的机遇。

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

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进行有效管理和利用，使其具备资产特征，能够在市场中流通、交易和增值。这一过程不仅可以提升企业的数据价值，还能为企业创造新的收入来源和竞争优势。

• 宏观背景：随着数字经济的快速发展，数据被视为重要的生产要素，企业需要重视数据的管理与利用。
• 政策支持：2022年《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》明确提出探索数据资产化，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)》，为数据资产管理提供了基础。
• 市场需求：在数字经济的推动下，数据市场逐渐成熟，企业需要通过数据资产化来提升竞争力。

数据资产化的基本步骤

为了实现数据资产化，企业需要遵循以下几个基本步骤：

• 1. 数据资产的统筹规划：明确企业的战略目标，结合数据资产化的目标制定相应的规划。
• 2. 数据资产的管理实施：建立完善的数据管理体系，确保数据的质量和安全。
• 3. 数据资产的稽查：定期对数据资产进行审计，确保其合规性和准确性。
• 4. 数据资产的运营管理：通过合理的运营策略，提升数据的使用效率和经济价值。

数据资产的价值评估方法

数据的价值评估是数据资产化过程中的重要环节，企业需要掌握科学的评估方法。常见的评估方法包括：

• 成本法：根据数据的获取和处理成本来评估其价值。
• 市场法：参考市场上类似数据的交易价格进行评估。
• 收益法：根据数据能够为企业带来的预期收益进行价值评估。

数据资产流通的法律与监管框架

随着数据资产化的推进，数据流通的法律与监管问题也日益受到重视。企业在进行数据资产流通时，需要遵循相关法律法规，确保数据的安全和合规性。

• 数据确权：企业需要对数据进行确权，明确数据的所有权和使用权。
• 数据安全：加强数据安全管理，防止数据泄露和滥用。
• 合规性：遵循数据流通的法律法规，确保数据交易的合规性。

数据资产流通的实战案例

在实际操作中，许多企业已经成功实现了数据资产化并进行了流通。以下是几个典型案例：

• 案例一：某大型电商企业通过分析用户数据，开发了精准营销策略，显著提升了销售额。
• 案例二：某金融机构利用客户数据进行风险评估，优化了信贷决策，提高了资金使用效率。
• 案例三：某科技公司将其研发数据进行二次开发，形成了新的数据产品，拓展了收入来源。

数据资产化的挑战与对策

尽管数据资产化带来了诸多机遇，但企业在实施过程中也面临一些挑战：

• 数据质量问题：企业需要建立数据质量管理体系，确保数据的准确性和及时性。
• 技术瓶颈：企业应加大对数据技术的投入，引入先进的数据管理工具。
• 人才短缺：培养专业的数据管理人才，以应对数据资产化的需求。

结论

数据资产流通是数字经济时代企业发展的重要方向。通过有效的数据资产化，企业不仅能够提升自身的竞争力，还能在不断变化的市场中找到新的商机。我们期待在政策支持和企业实践的共同推动下，数据资产化能够在各行业得到更广泛的应用，实现数据的价值最大化。

在即将到来的培训课程中，我们将深入探讨数据资产化的各个方面，帮助企业掌握数据管理的基本维度和方法论，为企业的数字转型助力。