数据资产入表的必要性与实施策略解析

数据资产入表：构建数字经济的新模式

在数字化、网络化和智能化的浪潮中，数据作为新型生产要素，愈发成为推动经济发展的核心动力。随着党的二十大报告提出加快建设数字中国的目标，数据资产化的重要性愈加凸显。《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》中首次提出探索数据资产化及数据资产入表的新模式，标志着我国在数据管理和利用方面迈出了重要一步。

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重要性

数据的快速发展已经深入到生产、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数字化转型的必要性，数据作为生产要素，其重要性不言而喻。数据资产化不仅是时代发展的要求，更是企业提升竞争力的关键。

• 推动数字经济发展：通过数据资产化，企业能够更好地挖掘和利用数据价值，从而推动数字经济的快速发展。
• 提升企业竞争力：数据资产化能够帮助企业构建核心竞争力，通过有效的数据管理，实现资源的优化配置。
• 促进社会治理创新：数据资产的合理利用可以提升社会治理的科学性和有效性，推动社会服务的智能化。

二、数据资产化的政策框架

自2022年底以来，国家陆续出台了一系列政策文件，明确了数据资产化的方向和要求。财政部发布的《企业数据资源相关会计处理暂行规定(征求意见稿)》首次提出了数据资产入表的相关处理办法，为企业数据资产化提供了政策依据。

2023年6月，北京市也发布了《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》，其中明确提出要探索开展数据资产入表，促进数据资产市场的创新与产业化发展。这些政策的实施将为企业的数据资产化提供有力支持。

三、数据资产化的基本步骤

为了帮助企业实现数据资产化，以下是一些基本步骤：

• 明确企业战略与数据资产化的关系：企业需要将数据资产化纳入战略规划中，明确其在数字转型中的重要性。
• 制定数据资产化的组织架构：企业应建立专门的团队负责数据资产化的实施，确保各部门协同合作。
• 建立数据管理的基本规范：包括数据模型管理、数据标准管理、数据质量管理等，确保数据的高效利用。
• 进行数据资产的评估与确认：通过合理的评估方法，确认数据的经济价值和使用寿命。
• 数据资产的入表处理：遵循相关财务规范，将数据资产纳入企业的资产负债表中，确保合规性。
• 持续监测与优化：建立定期评估机制，监测数据资产的使用情况，不断优化数据管理策略。

四、数据资产入表的财务规范与技术处理

数据资产入表是确保数据资产化顺利运作的重要环节。根据财政部的相关规定，数据资产入表需遵循以下几个方面：

• 适用范围分析：明确哪些数据不适用入表，避免误解与操作失误。
• 会计处理适用的准则：遵循国际会计准则，确保数据资产的入表处理符合会计原则。
• 列示和披露要求：按照规定对数据资产进行列示和披露，确保透明度。
• 实务操作中的难点解析：针对实际操作中遇到的难点，进行系统分析与解决。

五、数据资产的估值方法

数据资产的估值是数据资产化过程中至关重要的一步。企业需要掌握以下几种估值方法：

• 成本法：根据数据的获取和管理成本进行估值。
• 市场法：参考市场上类似数据资产的交易价格进行估值。
• 收益法：通过预期经济利益的可行性分析来确定数据的价值。

六、数据资产化的实际案例分析

通过案例分析，企业可以更清晰地理解数据资产化的具体操作。以下是几个成功案例：

• 某科技公司：通过建立完善的数据治理体系，实现了数据的高效管理，并成功将数据资产入表，提升了企业的整体价值。
• 某金融机构：利用数据资产的估值方法，成功评估了其数据资产的市场价值，并在此基础上进行投资决策。
• 某零售企业：通过数据资产化，优化了供应链管理，提高了运营效率，降低了成本。

七、数据资产化面临的挑战与应对策略

尽管数据资产化的前景光明，但企业在实施过程中仍然面临诸多挑战，如数据确权问题、数据安全风险、技术能力不足等。针对这些挑战，企业可以采取以下应对策略：

• 加强数据确权：通过法律法规的完善，明确数据的所有权与使用权。
• 提升数据安全管理：建立完善的数据安全管理体系，确保数据的安全性与隐私保护。
• 加大技术投入：引入先进的数据管理工具与技术，提升数据资产管理的能力。

八、总结

数据资产化是数字经济时代的重要趋势，企业应积极响应国家政策，探索数据资产入表的新模式，通过有效的数据管理与利用，提升企业的竞争力与市场价值。通过本课程的学习，学员将能够全面掌握数据资产化的基本步骤与方法，为企业的数字化转型提供有力支持。

在未来，随着数据资产化的深入推进，企业将迎来更广阔的发展空间，数据的价值也将被进一步挖掘和利用。让我们共同期待数据资产化带来的新机遇与挑战！