数据资产安全评估师、首席数据官证书报名中，赵培15801250085（微信）

目录

1. 数据资产入表概述
2. 数据资产入表对企业财务的影响
3. 数据资产入表对企业融资的影响
4. 数据资产入表对企业管理的影响
5. 未来数据资产发展趋势

一、数据资产入表概述

1.1 数据资产入表的背景和意义

数据资产入表,是指将企业拥有和控制的数据资产纳入财务报表体系进行确认、计量和列报。目前,我国会计准则尚未明确规定数据资产作为一种新型资产纳入资产负债表,大多数企业的数据资产没有在账面上得到体现和披露。这导致企业账面价值被低估,难以向外界展现其真实的价值创造能力。同时,企业的数据资产管理意识薄弱,数据资产的潜在价值难以得到充分挖掘和利用。

数据资产入表具有重要的现实意义: 其一,有利于提升企业价值,为融资提供新渠道。将数据资产纳入资产负债表,可以充分体现企业的无形资产价值,增强企业的资本实力和融资能力,为企业提供新的融资渠道和抵押物。其二,有利于优化资源配置,激发数据要素活力。将数据资产入表并参与市场交易,可以推动数据资源在市场中优化配置,提高数据要素的流动性和增值空间,激发数据创新活力,培育经济发展新动能。其三,有利于加强数据管理,提升数字化管理水平。将数据资产纳入财务核算体系,可以推动企业建立健全数据资产管理制度,规范数据采集、存储、应用、交易等行为,提高数据质量和数据安全,促进企业数字化转型和精细化管理。其四,有利于促进行业规范,推进统计监管制度创新。数据资产入表有助于推动形成数据资产确认、计量、列报的行业规范和国家标准,促进会计准则、统计制度、监管体系的迭代创新,为数字经济发展营造良好的制度环境。

1.2 国内外数据资产入表的发展现状

当前,国外一些发达国家和地区已经开始探索数据资产入表实践。美国早在2010年就将研发支出产生的内部数据库作为资产项目纳入资产负债表。2018年,欧盟通过了《非个人数据自由流动条例》,为数据要素市场提供制度保障。2019年,世界经济论坛发布了《数据流动白皮书》,提出将数据作为一种资产类别,并纳入企业资产负债表。英国、日本等国家的一些头部企业,也开始尝试将自身的数据资产入表,以提升企业价值。

与国外相比,我国的数据资产入表实践尚处起步阶段。2019年,阿里巴巴开始尝试编制"数据资产负债表",将消费者洞察、产品洞察、商家洞察等7大类数据资产纳入表内,但尚未形成完整的数据资产会计确认和计量体系。2020年,腾讯提出通过区块链技术为企业和个人搭建可信数据交易平台,推动数据资产化进程。同年,平安集团也启动了数据资产管理项目,探索数据资产价值评估模型。一些互联网头部企业在数据资产管理实践方面走在了前列。

二、数据资产入表对企业财务状况的影响

2.1数据资产入表使企业总资产增加

数据资产是企业的一项重要无形资产。将数据资产纳入资产负债表,可以全面反映企业拥有和控制的经济资源的真实价值,提高企业账面资产规模,优化资产结构。一般来说,数据资产入表后,企业的资产总额、所有者权益、资产负债率等财务指标都会发生变化。

以某零售企业为例,假设该企业目前账面资产为100亿元,其中固定资产60亿元,存货20亿元,应收账款10亿元,货币资金10亿元。经评估,该企业拥有的用户消费数据、供应链数据、营销数据等数据资产价值为20亿元。如果将数据资产入表,该企业的资产结构将发生如下变化:

入表前:总资产100亿元 = 固定资产60亿元 + 存货20亿元+应收账款10亿元+货币资金10亿元

入表后:总资产120亿元 = 固定资产60亿元 + 存货20亿元+应收账款10亿元+货币资金10亿元+数据资产20亿元

可以看出,数据资产入表后,企业的总资产从100亿元增加到了120亿元,增幅达20%。数据资产占企业总资产的比重达到16.7%,成为仅次于固定资产的第二大资产类别。企业的资产结构从以固定资产为主,转变为兼具有形资产和无形资产优势。

当然,数据资产的价值评估是一个复杂的过程,需要考虑数据的规模、质量、应用场景、变现途径等多重因素,目前尚无统一的计量标准。数据资产价值也具有动态性和不确定性,受技术进步、市场需求、数据时效等因素影响。因此,数据资产入表金额可能存在一定的主观性和波动性。但不管怎样,数据资产入表客观上提升了企业的资产规模和价值,这一点是明确的。

2.2数据资产折旧摊销对企业利润的影响

与有形资产类似,作为一项无形资产,数据资产也需要进行折旧或摊销,这会对企业的利润产生一定影响。由于数据资产通常不存在实物形态,也不易贬值,因此多采用直线法进行摊销,按照预计受益期限平均计入各期损益。数据资产的预计受益年限一般为3-10年,具体需要根据数据资产的更新速度、技术进步等因素确定。

假设上述零售企业评估的20亿元数据资产,预计受益期为5年,采用直线法进行摊销。则每年的无形资产摊销额为:

数据资产摊销额 = 数据资产原值 ÷ 摊销年限 = 20亿元 ÷ 5年 = 4亿元

这意味着,企业每年需要将4亿元的数据资产摊销额计入管理费用,减少利润总额4亿元。相应地,企业的营业利润、利润总额、净利润等指标都会受到影响。如果企业原本的利润总额为10亿元,净利润为8亿元,则在其他条件不变的情况下:

摊销前:
利润总额10亿元 = 营业利润10亿元 净利润8亿元 = 利润总额10亿元 × (1-所得税率20%)

摊销后:利润总额6亿元 = 营业利润10亿元 - 数据资产摊销额4亿元 净利润4.8亿元 = 利润总额6亿元 ×(1-所得税率20%)

可见,由于每年新增4亿元的数据资产摊销费用,企业的利润总额减少了40%,净利润减少了40%。数据资产摊销对企业利润的影响还是比较明显的。

当然,这只是静态的账面分析,实际上数据资产会给企业带来Dynamic的价值创造。数据资产的应用有助于企业优化业务流程、创新产品服务、精准营销、提高生产效率,从而提升营收水平。这种动态价值往往大于摊销带来的成本。因此从长远来看,数据资产对企业利润的贡献可能是正向的。关键要看企业能否挖掘数据资产的内在价值,用好、用活数据要素。

2.3数据资产入表可能导致企业缴纳税费增多

数据资产入表后,一方面,企业的应纳税所得额可能会增加。这是因为数据资产摊销会计入成本费用,减少利润总额,但能否在税前扣除还要看税法的规定。目前我国税法对数据资产的税前扣除尚无明确规定。如果数据资产摊销不能税前扣除,则会增加企业的应纳税所得额,从而增加所得税费用。

以上述零售企业为例,假设税法不允许数据资产摊销税前扣除,企业所得税税率为25%,则:

入表摊销前:应纳税所得额8亿元 = 利润总额10亿元 - 其他纳税调整-2亿元 所得税费用2亿元 = 应纳税所得额8亿元 × 25%

入表摊销后:
应纳税所得额10亿元 = 利润总额6亿元 - 其他纳税调整-2亿元 + 数据资产摊销4亿元 所得税费用2.5亿元 = 应纳税所得额10亿元 × 25%

可以看出,在其他因素不变的情况下,数据资产入表摊销导致企业应纳税所得额增加了2亿元,所得税费用增加了0.5亿元,增幅达25%。当然,如果数据资产摊销允许税前扣除,则不会产生上述税务影响。

另一方面,数据资产入表可能会产生额外的印花税。我国现行印花税对购销合同、技术合同等经济类凭证都有征税规定。如果企业的数据资产交易合同、数据许可合同等也在征税范围内,则会增加企业的合同签订成本。

此外,数据资产的收购、转让等环节,可能还需要缴纳增值税。比如企业向第三方购买数据资产的,需按规定缴纳增值税进项税;企业对外出租、出售数据资产取得收入的,需按规定缴纳增值税销项税。这对企业的现金流也会产生一定影响。

当然,税收事关国计民生,立法本着鼓励创新、促进发展的原则,对新事物往往给予税收优惠。数据资产作为生产要素参与市场交易,作为一种新兴的无形资产,未来在税收政策方面可能会有所倾斜,如允许加速摊销、抵扣进项税额等,以降低企业的税收负担。这需要税务部门结合数字经济发展需要,适时制定和完善相关税收政策。因此从长远来看,数据资产税收问题对企业的影响可能是中性的。关键是要加强税企沟通,用足用好现有的税收优惠政策。

2.4 数据资产作为无形资产对企业资产负债率的影响

资产负债率是企业负债总额与资产总额的比率,反映企业的债务风险水平。一般来说,资产负债率越高,企业的偿债压力越大。数据资产作为一种非货币性资产,加入资产负债表后,会影响企业的资产负债率指标。

假设某零售企业资产负债表如下:

资产:货币资金10亿元,应收账款20亿元,存货30亿元,固定资产40亿元,无形资产0亿元。资产总额100亿元。

负债和所有者权益:
短期借款15亿元,应付账款20亿元,长期借款25亿元。负债合计60亿元,所有者权益40亿元。

该企业的资产负债率为60% = 负债合计60亿元 ÷ 资产总额100亿元 × 100%。

现在,假设该企业经评估新增20亿元数据资产,全部计入无形资产科目,负债和所有者权益金额不变,则资产负债表变为:

资产:货币资金10亿元,应收账款20亿元,存货30亿元,固定资产40亿元,无形资产(数据资产)20亿元。资产总额120亿元。

负债和所有者权益:短期借款15亿元,应付账款20亿元,长期借款25亿元。负债合计60亿元,所有者权益60亿元。

此时,企业的资产负债率下降为50% = 负债合计60亿元 ÷ 资产总额120亿元 × 100%。可见,数据资产入表后,在负债规模不变的情况下,企业的资产负债率从60%下降到了50%,降低了10个百分点。企业的偿债能力指标得到改善。

当然,这只是账面的静态分析。从动态来看,数据资产的价值变现能力、变现速度等与货币资金等流动性资产相比还有差距。如果企业过度依赖数据资产,而缺乏现金流支撑,一旦经营环境恶化,数据资产贬值,企业可能面临资金链断裂的风险。因此,过高的数据资产占比,也可能成为企业偿债能力的隐患。关键是要合理控制数据资产在总资产中的比重,平衡数据资产的确认、摊销、减值等,避免资产负债表失衡。

三、数据资产入表对企业融资的影响

3.1 为企业提供了新的融资渠道和抵押物

在传统的融资模式下,企业主要依靠土地、房产、设备、存货等有形资产进行抵押贷款。但在数字经济时代,数据资产日益成为驱动企业发展的关键资源。将数据资产纳入资产负债表,不仅可以提高企业的资信水平,而且可以为企业开辟新的融资渠道。

一方面,数据资产可以作为质押物,为企业提供融资便利。与传统抵押物相比,数据资产具有低成本、高价值、易分割、可流通等特点。企业可以将自身积累的用户数据、交易数据等数据资产,在数据交易平台上进行质押或转让,快速获得资金支持。比如某电商企业因资金周转困难,可以将其沉淀的海量用户消费数据作为质押,向金融机构申请贷款,缓解资金压力。这种基于数据资产的融资方式,有利于盘活企业存量资产,提高资产流动性。

另一方面,数据资产可以支持企业发行数字资产证券,打开股权融资新局面。随着区块链、智能合约等技术发展,数据资产证券化(DAS)成为可能。DAS即以数据资产为基础资产,按照金融工程方法,将数据资产的未来收益转化为可流通的数字凭证。企业可以将数据资产包装上链,面向投资者发售数字资产份额,实现数据变现,为项目融资。如某医疗大数据企业,可将其积累的患者诊疗数据资产化、证券化,面向医药研发机构发售数据使用权益,既为新药研发提供数据支持,又为自身发展融到资金。这种数字化、碎片化的融资方式有助于降低融资门槛,提高融资效率。

当然,数据资产融资也面临一些挑战。比如,由于缺乏统一的数据资产定价机制,质押物的价值评估难度大。数据资产变现时间长,抵质押效率低于传统资产。大多数金融机构对数据资产认知不足,风控能力有待提升。区块链基础设施尚不完善,跨链互通、业务协同水平不高。因此,推动数据资产融资还需要产学研用各方协同发力,在实践中不断完善制度、创新模式。总的来说,随着数据确权、定价、交易等机制逐步理顺,数据资产必将成为企业的重要融资利器。

3.2 数据资产价值评估方法及在贷款融资中的运用

数据资产价值评估是将数据资产入表和融资的基础。由于数据资产的内在价值难以直接观测,且随时间、环境变化而动态演进,因此评估数据资产价值具有很大挑战性。目前,学界和业界对数据资产价值评估尚无统一、成熟的方法论,多从成本法、收益法、市场法等角度进行探索。

成本法是估算数据资产形成过程中所耗费的各项必要成本,如数据采集、存储、加工、维护等成本,再考虑一定的利润空间后确定数据资产价值。这种方法操作简单,但忽视了数据资产的溢价能力,往往低估了数据价值。以数据采集成本论英雄,容易陷入"拿来主义"和同质化竞争。

收益法是预测数据资产在未来年限内可以产生的收益,选择适当的折现率,计算收益现值之和作为数据资产价值。这种未来导向的评估方法,可以较好体现数据的增值潜力,但受宏观经济、行业周期、技术迭代等因素影响,收益预测的不确定性大。确定恰当的折现率也颇具难度。

市场法是参考与评估对象具有可比性的数据资产交易案例,经过必要修正调整后确定数据资产的价值。这种从市场交易角度定价的方法,可以动态反映市场供需,接近数据资产内在价值。但受制于数据交易市场的发育程度,可参考的案例较少,可比性也不尽如人意。

总的来看,由于数据资产的特殊属性,单一评估方法都存在局限性。未来应综合运用多种评估方法,并嵌入数据质量、效用、安全等维度指标,形成多元动态的评估体系。可喜的是,随着人工智能、区块链等新技术应用,智能定价、实时定价、双边定价等创新方法不断涌现,为破解数据资产定价难题提供了新思路。

在贷款融资场景中,银行需要对企业质押的数据资产进行价值评估,作为确定贷款额度和利率的重要依据。除了上述评估方法外,银行还可引入数据缺失惩罚因子,对不同质量和类型的数据资产给予差异化的贷款条件。比如,对连续性好、时效性强的数据给予较高质押率;对经过去标识化、脱敏处理的数据给予适当溢价;对敏感性强、缺失值多的数据给予惩罚系数,以控制金融风险。同时,银行应加强贷后管理,动态监测数据资产的价值变化。必要时可引入第三方数据资产管理机构,协助做好尽调、估值、处置等工作。可以预见,随着数据要素市场的完善和金融科技的进步,数据资产将成为中小企业破解融资难题的重要抓手。

3.3 数据资产证券化为企业股权融资提供新思路

数据资产证券化(DAS),是指将数据资产进行标准化、小额化拆分,对其未来收益进行重新组合,形成可交易的数字化凭证的过程。它是近年来数字经济领域的一大创新,为盘活数据资产、拓宽融资渠道提供了新思路。

传统的资产证券化多以不动产、信贷资产等有形资产为基础,而数据资产无形、非标、异质,给证券化带来挑战。DAS需要通过区块链等技术手段,解决数据确权、定价、智能合约、交易清算等一系列问题。大致而言,DAS的基本架构包括:资产层、资产池层、证券层和应用层。

在资产层,需要对企业持有的多源异构数据进行采集、清洗、脱敏,结合行业应用场景形成可交易的数据资产包。在资产池层,需要对数据资产进行标准化拆分、打包和风险定价,设计证券化方案和现金流归集规则。在证券层,根据不同投资者的风险偏好,将数据资产包切分为优先级、中级、次级等不同风险等级的数字证券,通过券商、交易所等渠道向投资者销售。在应用层,数据资产证券可嵌入智能合约代码,实现数据使用授权、账户清算、利益分配等自动化操作,为投资者提供流动性支持。

对于数据创新型企业而言,DAS可缓解其轻资产、高估值、现金流缺口大等特点带来的融资困境。具体而言,DAS有以下优势:一是盘活沉淀数据,为无形资产"实体化"提供抓手;二是突破股权融资天花板,有效对接风险投资需求;三是加速数据资产流通,提高数据要素配置效率;四是有助于形成数据资产定价机制,为数据交易提供价格参考。当前,我国DAS实践尚处探索起步阶段,龙头企业如蚂蚁集团、京东数科等已开展试点。未来,建议加快顶层设计,制定DAS规则体系;培育数据交易平台,做好数据资产"蓄水池";丰富交易工具,发展数据资产收益权、使用权等衍生品;加强跨链跨境合作,促进数据证券国际化流通。可以预见,随着数据要素流通体系逐步建立,DAS将为科技型中小企业和数字经济企业开辟重要的融资新蓝海。

3.4 数据资产入表提升了企业的信用等级

将数据资产纳入资产负债表,可以更全面、真实地反映企业的整体资产状况和价值创造能力,特别是对于轻资产、重数据的互联网企业和科技型企业,数据资产占比往往高达50%以上,是企业核心竞争力的体现。数据资产"显性化"有助于提升企业的信用等级。

企业信用评级是企业融资的重要参考。银行、股市、债市等市场主体普遍采信第三方信用评级机构的评级结果。传统的信用评级模型主要考察企业的财务指标、银行信贷记录、纳税记录等,对于缺乏"硬资产"的轻资产企业,往往给予较低的信用评分,加大了融资难度。将数据资产纳入考核,有助于信用评级机构更全面地评判企业的资产实力、创新能力和发展潜力。

一方面,数据资产规模、质量的高低,从侧面反映出企业的用户忠诚度、业务垄断度、数据护城河等方面的竞争优势,是企业价值的风向标。将其纳入评级指标,可以弥补传统模型的不足,提高信用评级的前瞻性和针对性。比如,对于电商企业,交易数据规模越大,消费者数据越丰富,往往意味着企业的市场地位越高,抗风险能力越强,信用评级可适当上调。

另一方面,数据资产变现能力的高低,关系到企业的偿债来源和信用支撑。数据资产证券化、数据资产质押贷款等融资工具的出现,为数据资产提供了新的变现路径。数据资产的融资潜力,成为评判企业信用水平的新参考。比如,对于数据资产证券化规模大、流动性好的企业,其偿债能力得到市场认可,信用评级可给予加分。

事实上,国际三大评级机构惠誉、穆迪、标普,已率先将数据资产纳入评级考量。比如标普将"数据资产价值"作为评估金融科技企业的核心指标之一。国内的联合资信、东方金诚、中证信用等评级机构也在积极探索数据资产评级规则。比如,东方金诚提出"硬实力+软实力"评级新思路,将企业数据资产规模列入"软实力"考核范畴。可以预见,随着数据资产管理实践的深化,必将倒逼信用评级模型变革,形成一套符合数字企业特点的信用评级新规则。

当然,数据资产入表对信用评级的积极影响,是以规范的数据资产确权、计量、列报等为前提的。如果企业随意夸大数据资产价值,或盲目推高数据资产比重,反而可能引起市场的质疑,信用等级反而被下调。因此,提高数据资产信息披露的真实性、可靠性,是发挥数据资产信用效应的关键所在。总的来说,在数字经济时代,数据资产已成为左右企业发展前景的关键变量。未来,建议进一步健全数据资产信用评价指标体系,完善"数据资产透明、数据价值循环、数据生态共享"的良性运转机制,以数据之力撑起企业的信用高度。

四、数据资产入表对企业管理的影响

4.1 推动企业建立健全数据资产管理体系

数据资产入表,标志着数据正式成为企业的核心资产。这对企业的数据管理提出了更高要求,倒逼企业从战略高度重视数据工作,加快构建数据资产管理体系,形成规范化、精细化、常态化的管理机制。

一是有利于形成数据资产管理顶层设计。数据资产入表后,数据管理directly关系到财务核算、信息披露的准确性,需要在公司层面统筹谋划。这推动企业从董事会、管理层做起,制定数据资产管理的发展规划和工作方案,明确管理原则、组织架构、制度流程、考核机制等,形成"党政同责、一把手负总责"的数据管理新格局。特别是要采取董事会决议等形式,确立首席数据官(CDO)的地位和权责,赋予其统筹数据资产管理的职权,真正发挥数据资产"产权代表"作用。

二是有利于健全数据资产管理制度规范。数据资产作为一项新型资产,亟需建章立制,规范管理。在数据资产定义与分类、确认与计量、使用与处置等方面,要尽快出台配套管理办法。特别是要探索建立数据资产台账管理制度,做到"一数一源、账实相符、账账相符",为数据资产核算、盘点、审计提供基础。要加强数据资产全生命周期管理,防止数据资产账实不符、账外游离等问题。对于跨部门、跨系统的数据资产,更要强化协同管理,厘清责权边界。

三是有利于优化数据资产管理流程。围绕数据资产采集、存储、开发、应用、交易等环节,梳理优化业务流程,提高管理效率。比如,在数据采集方面,调整业务流程和系统功能,强化数据源头登记,做到应采尽采、应登尽登。在数据开发应用方面,建立健全数据需求征集、论证、立项、开发、测试、发布等流程,加强全流程管控,压缩数据开发周期。在数据资产交易方面,规范交易审批流程,明确定价、确权、风控、收益分配等关键环节,防范交易风险。通过全流程优化再造,破除部门藩篱,打通数据资产管理"最后一公里"。

四是有利于加强数据资产管理队伍建设。管理数据资产,既需要懂业务、懂管理的复合型人才,也需要擅长数据分析、数据建模的专业化人才。数据资产入表为企业量身定制数据人才培养方案提供了新方向。一方面,在招聘、选拔干部时,应更加重视数据思维和数字化管理能力,为懂数据的人才提供更多成长舞台。另一方面,应加大数据管理培训力度,定期开展数据思维、数据挖掘、可视化分析等实操培训,普及数据资产相关财务知识,不断提升管理者数字化素养。通过"外引内培"并举,打造一支高素质的数据管理队伍。

总之,数据资产入表是对传统管理模式的重大变革,对管理者的数字化转型能力提出了更高要求。建议企业立足实际,因企制宜,循序渐进构建数据资产管理体系,在夯实管理基础中厚植数据红利。正所谓"数据管理一日,创新发展千秋"。

4.2引导企业合理配置数据资源,创造数据价值

数据要素只有流动起来、活跃起来,才能创造价值。数据资产入表为数据要素优化配置提供了路径,引导企业系统梳理数据资源禀赋,激活数据要素,深挖数据价值。

一要用好增量数据,做优存量数据。俗话说"数据不在多,用在精"。企业对内要深挖存量数据的应用潜力,通过数据融合、数据分析等手段,延伸数据应用场景,创新数据应用模式,在开发利用中放大存量数据价值;对外要立足自身优势,有的放矢地获取增量数据源,在开源节流中做优数据存量。比如某汽车企业通过数据分析优化供应链,每年可节约采购成本数亿元;同时积极布局车联网,打造以车载数据为核心的汽车后市场业务,实现存量增量数据的协同共振。存量做优则业绩长虹,增量做强则发展可期。

二要用活单源数据,用足多源数据。当前,不少企业还处于条块分割、烟囱林立的"数据孤岛"状态,数据共享不畅,价值挖掘不足。打破部门藩篱,推进数据融合,成为创造数据价值的必由之路。一方面,要立足单一数据源,通过数据清洗、数据脱敏等手段,提升数据质量,拓展应用空间。如零售企业可通过梳理自有的用户消费数据,洞察客户需求偏好,为精准营销赋能。另一方面,要采取内外兼修策略,对内实现跨部门数据打通,对外获取外源异构数据,在多源数据融合中寻找新的业务增长点。如某银行将内部信贷、理财等数据和外部电商、运营商数据融合,大幅提升风控模型准确率,年减少不良贷款数十亿元。一体多源,揭开数据价值的新面纱。

三要用活结构化数据,用足非结构化数据。企业数据资产可分为结构化、半结构化和非结构化三类,不同类型数据价值各异、场景各异。当前,不少企业虽然积累了海量音视频、图像、文本等非结构化数据,但受制于数据处理技术,应用水平不高。数据资产入表倒逼企业加大数据领域投入,采用人工智能、知识图谱等新技术穿针引线,将非结构化数据的价值一一梳理穿珠。比如某医疗企业将医疗影像、病历等非结构化数据整合,形成医疗知识图谱和智能诊疗平台,显著提升诊疗效率。再如某金融企业通过语义分析技术,将客户服务录音、视频数据结构化,形成数字化客户画像,个性化服务水平大幅提升。让结构化和非结构化数据比翼齐飞,方能越飞越高。

四要用足内部数据,用好外部数据。数据要素只有充分流动,才能迸发更大价值。一家企业的数据禀赋毕竟有限,必须树立开放共享理念,以开放促流通,以共享聚合力。对内要搭建统一的数据共享交换平台,促进部门间、业务间的数据资产流转,让数据多跑路、数据多生金。对外要积极参与数据要素市场交易,让内部数据资产"走出去",盘活存量;同时引入外部数据"走进来",拓展增量,在数据流通中实现1+1>2的效果。如某快递企业将自有数据向金融、电商等领域输出,年创收超千万;同时引入气象、地理等公共数据优化配送路径,年降本近亿元。内外互通,数据流转,共创普惠的数字化未来。

总之,数据要素作为新的生产要素,优化配置的路径尚在探索,盘活利用的空间仍在开拓。数据资产入表为这一进程按下快进键,引导企业端正数字化发展理念,系统优化数据资源配置,在唤醒"沉睡"数据中焕发发展新机。建议企业立足自身特点,构建"两内一外"的数据流通格局,做好存量数据优化这篇大文章,做活增量数据开发这盘大棋,让数据驱动成为企业高质量发展的澎湃动力,以实干实效书写数字化篇章。数据为笔,勾勒发展新蓝图。

五、未来数据资产发展趋势

未来,随着数字经济发展进入快车道,数据资产管理必将迎来广阔的发展前景。展望未来,数据资产发展或呈现以下趋势:

一是数据资产财务核算体系逐步规范。随着数据资产管理实践的深入,数据资产定义、确认、计量等方面的理论研究将不断深化,数据资产财务核算的行业规范、国家标准有望加速出台。特别是要加快构建数据资产会计确认、计量模型,明确数据资产的使用年限、减值方法等,推动形成一套科学规范的数据资产财务核算体系,夯实数据资产价值管理基础。

二是数据资产市场加速培育发展。当前,我国数据要素市场发展尚处起步阶段,亟需加快构建数据资产产权制度,健全数据资产交易规则,完善数据资产定价机制。未来,随着国家顶层设计进一步明确,各地数据要素交易平台建设步伐加快,数据中介、数据交易机构不断涌现,数据资产交易必将迎来井喷式发展,形成统一开放、竞争有序的数据要素市场体系。

三是数据资产开发利用水平显著提升。随着大数据、人工智能、区块链等新一代信息技术的快速演进,以及数据安全、隐私保护等监管规范的日益完善,数据资产管理手段将更加智能化、精细化、合规化。打通数据"孤岛",形成数据"高速公路",将成为企业数据资产开发利用的主旋律。特别是随着工业互联网、车联网、智慧城市等新型基础设施加速布局,跨界数据融合将成为常态,数据资产价值将得到极大释放。

四是数据资产价值评估体系更加成熟。数据作为一种新型资产,其价值内涵、评估方法与传统有形资产有很大不同。现有的成本法、收益法、市场法等评估方法,难以全面反映数据资产的动态价值和溢价能力。未来,随着数据资产交易日益活跃,数据资产评估理论和实践将不断成熟,数据资产多元定价和实时定价将成为可能。特别是要加快建立数据资产评估指标体系,纳入数据质量、数据关联度、数据安全性等因素,形成动态调整的数据资产定价机制。

五是面向产业的数据资产服务生态加速构建。随着产业数字化进程的加速,海量的产业数据资产将加速聚合,亟需专业化的服务机构参与数据的采集、开发、流通、交易等环节。未来,数据资产管理、数据资产评估、数据资产交易、数据资产金融等专业服务机构将大量涌现,形成分工协作、互利共赢的数据资产服务生态,为产业数字化转型提供坚实支撑。

总之,数据资产时代的大幕已经拉开,机遇与挑战并存。面对数据资产的蓝海,企业要立足自身优势,积极作为,加快数据资产管理变革,推动数据资产开发利用,在数据驱动的浪潮中乘风破浪。同时,各级政府、行业组织、科研机构、市场主体等要形成合力,加快健全数据资产登记确权、交易流通、安全保护等机制,为数据资产价值释放营造良好环境。可以预见,未来已来,数据将成为重塑国家竞争力、产业竞争力、企业竞争力的核心要素。让我们携手并进,共创数据资产发展的美好明天。

声明：本号转载的文章来源于公开渠道或经授权许可，仅为分享观点、资讯之目的，不代表[PPP项目大讲堂]观点。文章、图片版权均归原作者所有，若有侵权敬请联系删除。

关注以下公众号，获取更多行业信息、数据干货、数据资料PDF文件免费下载等

详情联系赵老师17319222683（同微信）

政府基建项目投融谋划、债务化解、存量资产盘活、融资平台转型、PPP新机制、特许经营、城中村改造、三大工程、EOD、城市更新、片区开发、专项债、特别国债、中央预算内资金申报、国企改革、集团企业制度、EPC、造价、审计、政府采购、国企招投标等内容，详情联系赵老师17319222683，获取课纲文件