企业数据资产入表和数据确权(附案例)

文摘   2024-11-24 13:25   上海  
数据资产入表是指将符合特定条件的数据资源确认为企业的资产,并纳入企业的财务报表中。本文将重点分析现阶段企业数据资产入表主要途径、数据资源被确认为资产的两条路径、数据合规与数据确权等问题。

数据资产入表主要途径

数据资产入表主要途径有四种:企业自用数据资源入表、待售原始数据资源入表、数据产品形式入表、非同一控制下的企业合并。


数据资产入表主要途径一:企业自用数据资源入表

案例:
浙江五疆科技发展有限公司:化纤制造质量分析数据资产

数据来源
感知、汇聚来自工艺现场的生产数据
数据资产具体内容
“化纤制造质量分析数据资产”包含了2787万条质量管理数据,物理化验数据、过程质检、控制图数据、对比指标参数、指标报警、预警趋势、不合格率等共27个数据模型,质量指数、合格率、优等率、稳定度等共38类指标体系。
数据资产应用场景
可实时反馈并调控、优化产线相关参数,也可实现对产品线关键质量指标的实时监控和化纤生产过程总体质量水平的实时评级,从而达到提高化纤产品质量、提升企业质量管理能力、提高经营效能的目标。
数据资产效益
数据要素驱动的品控体系日臻完善,质量管理效率和管理水平持续提升,吨质量成本年下降约6.81%,客诉率年下降约35.72%

这种入表方式存在明显缺陷:

1、相对于外售的数据产品,企业对自用数据资源投入加工、利用的费用往往较少,在成本法入表的背景下,会导致入表数据资产规模较小,难以准确反映数据资源的真实价值。

2、相关数据对企业的使用价值难以以量化的方式准确衡量(即50%以上的可能性能够为企业带来直接或间接的经济利益流入),容易被审计机构等质疑。

数据资产入表主要途径二:待售原始数据资源入表

企业入表的数据资源是待售的未经加工清洗的原始数据,不建议以此直接进行入表。

• 此情形亦存在投入成本较少,拟入表数据资产规模不大的问题。
• 出于对数据安全和数据主体权益保护的考量,原始数据的出售(对外提供)可能会面临较大的合规风险。

数据资产入表主要途径三:数据产品形式入表

企业将持有的数据资源进行一定程度的加工,形成可对外出售或提供服务的数据产品,再以数据产品的形式入表。国内在众多数据交易所设立后,数据产品交易依交易场所可分为场内和场外交易,拟入表的数据产品亦可基于此分为场内挂牌数据产品和场外不挂牌数据产品。

案例1:2024年1月24日,南京扬子国资投资集团有限责任公司完成首批3000户企业用水脱敏数据资产化入表工作,成为水务行业全国首单数据资产入表案例。相关数据在经过脱敏、清洗、建模分析,可用于经济运行情况分析校验,对于行业景气性研判分析乃至金融保障服务,起到积极支持作用。

案例2:2024年2月,先导(苏州)数字产业投资有限公司成功完成超30亿条智慧交通路侧感知数据资源资产化并表工作,成为全国首单车联网数据资产入表案例。其联合苏州市大数据集团等,将苏州高铁新城智能网联(三期)道路项目建设期间形成的部分路侧感知数据加工成数据产品,在苏州大数据交易所挂牌交易,又经一些列评估后,完成数据资产入表。

场内数据产品入表的优势——以上海市数据交易所为例

• 上海数据交易所强制要求对数据产品进行合规评估。其秉承“不合规不挂牌,无场景不交易”的原则,强制要求拟挂牌的企业挂牌前对数据产品进行合规评估,以确保数据产品无权利瑕疵,这在一定程度上帮助企业完成了对“合法控制数据资源”的审查和证明。

• 企业数据产品在上海数据交易所挂牌成功后,即可在其监督与撮合下就挂牌数据产品进行交易,证明相关数据产品能够为企业带来利益流入,符合会计准则对资产的要求。

• 对于数据需方企业来说,相较于场外进行数据产品交易,在场内购入的数据产品,在形成交易规模化后,交易的公允价格易被市场所接受、交易合规性在一定程度上获得数交所背书,更加能够避免外界的质疑,在成本法入表的今天,通过场内交易购入的数据资源,在成本归集上相较场外交易更加清晰、便捷,数据产品的合规性和质量亦更有保障,因此若数据需方亦有入表需求的话,同等条件下其通过场内交易形式外购数据资源的概率将大大提升。

数据资产入表主要途径四:非同一控制下的企业合并

《暂行规定》只是解决实务中对数据资源能否作为会计上的资产确认、作为哪类资产“入表”的疑虑,并未改变现行准则的会计确认和计量要求。因此虽然《国际财务报告准则》并未对数据资产作特别规定,但采用《国际财务报告准则》编制财务报告的企业亦可采用类似《暂行规定》的做法,将符合资产确认条件的数据资产根据其持有目的、业务模式等标准确认为无形资产或存货。

在非同一控制下企业合并的情形中,当收购价款高于标的公司可辨认净资产时,二者的差额随之即被计入无形资产中。即,某一公司出于获取大量数据的目的,收购持有数据资源的企业时,基于企业合并所得到的数据就会被体现在数据资产中。

案例:邓白氏2020年以72亿瑞典克朗的价格收购欧洲领先的数据及分析公司Bisnode。据悉,Bisnode有来自550多个数据源的超过3300万条商业记录,这将进一步丰富邓白氏数据云,优化数据云的规模、深度与多样性,因而,邓白氏的收购亦可被视为是一场数据领域的“谋篇布局”。在会计处理中,邓白氏将溢价收购所产生的无形资产分为“Reacquired right”、“Database”、“Customer relationships”、“Technology”四部分,其中“Database”即为数据库,由此产生了“数据资产入表”的现象。

数据成为数据资产需要哪些条件

要成为数据资产,需符合以下条件:

企业过去交易或事项形成:数据资产必须是由企业过去的交易或事项形成的,这表明数据资产并非凭空产生,而是与企业的实际经营活动密切相关。

由合法企业拥有或控制:这意味着数据资产必须为企业所合法拥有或控制。如果企业只是短暂地接触或处理数据,并没有合法的所有权或控制权,那么这些数据不能视为企业的数据资产。

预期会给企业带来经济利益:数据资产的存在必须能为企业带来经济利益。这种经济利益可以是直接的(如通过销售数据产品或服务获得收入),也可以是间接的(如通过优化运营决策降低成本或提高客户满意度)。

成本或价值能够可靠计量:数据资产的成本或价值必须能够可靠计量。这要求企业能够明确计算出获取、维护和使用数据资产所花费的成本,并能合理估计其带来的经济价值。

综上,在不考虑其他因素的前提下,当数据资源满足上述条件时,即可被确认为资产。其中,如何认定数据资源由企业合法拥有或控制,与企业数据合规密切相关。

数据资源被确认为资产的两条路径

数据资源被确认为资产的两条路径——拥有or控制,如何理解“企业合法拥有或控制”?

资产作为一项资源,应当由企业拥有或控制。《企业会计准则——基本准则》第二十条第三款规定:由企业拥有或者控制,是指企业享有某项资源的所有权,或者虽然不享有某项资源的所有权,但该资源能被企业所控制。

1、企业享有所有权

企业是否拥有一项资源的所有权,并不是确认资产的绝对标准。某些情况下,虽然某企业并不拥有某项资源的所有权,但企业实际控制了该项资源,且能够借此获取经济利益,这亦符合会计上资产的定义。

2、企业实际控制该资源

从形式上看,这意味着企业对该资源具有实际经营管理权,能够在生产经营活动中自主利用,谋求经济利益。从实质上看,这意味着企业享有与该项资源的所有权相关的经济利益,并承担相应的风险。


路径1:企业拥有数据资源——数据“所有权”制度缺失

“数据二十条”以顶层文件的形式,创造性地提出了数据产权结构性分置制度,回避了现有法律框架下数据所有权确权难的问题,建立以数据资源持有权、数据加工使用权、数据产品经营权为核心的“三权分置”体系,对数据流通利用的规制从产权范式转变为治理范式,把现阶段难以解决的数据所有权确权问题拆分为数据持有权、加工使用权与经营权的治理问题。


需注意: “数据二十条”系政策性文件,并非法律,因此三权分置制度目前并无法律依据,但企业可以在整理、盘点数据资源时作为企业享有权利的依据和类型参考。

根据《十四届全国人大常委会立法规划》,数据权属和网络治理等方面的立法项目被列入第三类项目(立法条件尚不完全具备、需要继续研究论证的立法项目)。因此,数据权属相关制度可能会在较长期内处于缺乏法律依据的状态。

路径2:企业控制数据资源——数据“确权”

目前我国数据权属确认在法律制度上缺失,以至于通过认定企业拥有拟入表数据资源从而完成数据资产入表正当性解释的道路无法走通。

能否合法控制数据资源就成了能否将数据资源确认为资产的重要判断标准,所谓“数据确权”也就转变为企业证明合法控制拟入表数据资源的问题。也即,虽然某企业并不拥有某项资源的所有权,但企业实际控制了该项资源,且能够借此获取经济利益。

1、企业数据合规的价值在于其是数据确权的底座和依据

在数据资产入表阶段,就企业合法拥有或控制相关数据资源的问题,虽然并不需要强制性提供相关证明,但企业需要具有相应的判断依据。如果没有实现数据合规,企业将难以证明是否对相关数据资源享有财产性权利。

只有在实现数据合规的前提下,企业才能确保对相关数据资源所享有的财产性权利没有瑕疵,避免潜在风险。否则,企业数据资产入表的行为反而会增加企业被认定为侵权、承担赔偿责任等一系列法律风险。

在实践中,可以通过企业数据合规管理体系情况、技术安全保障能力证明、企业内部审计机制、数据处理流程监控等方式作为企业实质上对数据资源合法“控制”的证明之一。


2、数据“确权”的程序

对于如何证明企业实现了对拟入表数据资产的合法控制,目前并无立法上的明确规定,实践中,企业进行“数据确权”的方式多种多样,目前主要有以下几种:


3、数据确权的判断标准——数据合规


(1)企业数据合规包含:

数据来源合规:企业获取数据行为不违反任何法律法规、国家政策和社会公共道德,不侵犯任何第三方合法权利。

常见的不合规行为包括:未获合法授权收集个人信息和其他数据;数据产品交易时未检查供应商是否拥有数据的合法授权等。

数据处理合规:企业处理数据行为不违反法律相关规定,符合合法、正当、必要原则。

常见的不合规行为包括:企业超出个人授权同意的范围处理个人信息。

数据管理合规:企业需按照法律、法规、规章和国家标准等要求,建立数据安全合规相关管理制度,开展包括合规管理体系搭建、风险识别、风险评估与处置等管理活动,对数据分类分级管理、数据跨境,个人信息保护等领域建立相应的全链条监督管理机制。

数据经营合规:企业需依法开展数据经营业务,获得相应的资质、行政许可及充分授权,建立完善的内控体系。

(2)入表合规与企业数据合规的关系:

企业数据合规是一段时间内的动态概念,指在企业生产经营过程中一切与数据有关的行为活动均需符合法律法规的要求,而入表合规是企业数据合规中某一时点上的静态判断,指在企业进行数据资产入表时对拟入表数据资源进行的合规性评估。

企业数据合规是入表合规的事实基础和判断依据,入表合规本质上是对数据资产入表这一时点之前企业数据合规的总结和确认,在数据资产入表前如果没有落实企业数据合规,自然也就不存在入表合规。

入表合规系事实判断,其在特定时点下不能改变和弥补,若对某一数据资源的入表合规作出否定性评价,则只能通过事后企业数据合规的完善来改变其事实前提。

例如,一企业提供云服务,在未经授权的情况下即擅自备份客户储存在云端的数据,在对其进行处理加工后形成数据产品,并拟将相关数据产品入表。此时该数据产品的入表合规性显然是否定的,这是由企业在利用相关数据时不符合企业数据合规要求所造成,在这一时点,入表合规的否定评价已成定局,无法改变。

但倘若该企业事后获得了相关数据主体的授权与追认,弥补了相关数据在利用时的不合规瑕疵,此时若再次对相关数据产品做入表合规评估,则会由于事实前提的改变而获得肯定性评价,符合数据资产入表“合法拥有或控制”的要求。

企业数据合规主要可以分为数据来源合规、数据处理合规、数据管理合规以及数据经营合规,但具体到数据资产入表阶段,最应当关注的是数据来源合规与数据处理合规两部分。

(3)数据来源合规:

《数据安全法》第三十二条第一款:任何组织、个人收集数据,应当采取合法、正当的方式,不得窃取或者以其他非法方式获取数据。
企业获取数据的渠道
自行产生
外部获得
公开收集
直接收集
合法间接获取
公共数据授权运营

自行生产:企业在日常经营、科研、生产活动中产生并收集的数据

数据采集不涉及外部收集行为,但应确保数据本身的合法性
●自行产生的数据出自企业自身经营、科研、生产行为,应不涉及外部收集行为,如APP日活跃量数据、企业生产线上的测试数据等。
由于自行生产数据不涉及外部收集,对自行生产数据进行数据来源审查时,可以相对弱化对收集手段的审查。但企业应在产生及收集阶段做好数据分级,并对不同等级的数据采取不同的存储手段,实施数据加密存储、容灾备份和存储介质安全管理等。

公开收集:以爬虫/RPA等方式收集数据

数据采集不得危害国家安全、公共利益
●不得非法采集受监管的数据(重要数据、核心数据、国家秘密、情报信息等)
●不得侵入国家事务、国防建设、尖端科学技术领域计算机系统采集数据
●不得非法侵入其他特定组织的计算机系统
●不得未经授权侵入国家关键信息基础设施(CII)采集数据

数据采集方式需合法、正当
未违反Robots协议或突破对方反爬虫措施
数据抓取行为未损害被抓取方权益或妨碍、破坏被抓取方服务的正常运行
当获取的数据涉及企业商业秘密或个人信息的情况下,需尊重信息主体的意愿,获得企业的授权同意或满足个人信息采集的合法性基础。

数据采集不得损害个人的合法权益,处理个人信息应具备合法性基础

数据采集应当具有合法目的,不得侵犯他人知识产权、不得涉及不正当竞争

直接采集:通过用户自主提供或通过设备采集的数据

通过用户自主提供数据的,用户对数据的授权应当完整,以APP、小程序、信息表单等方式收集用户数据的,需在隐私协议或告知声明中明确收集数据的种类、处理方式及目的等,并取得用户的明示同意
采集的数据涉及个人信息的需满足个人信息采集的合法性基础
采集的数据涉及不满十四周岁未成年人的,需取得其监护人的自愿、明确同意
采集的个人信息属于敏感个人信息的,需取得单独同意
采集的数据涉及企业商业秘密的,应取得企业的明示授权同意

通过设备收集数据的
通过委托/租用/购买的第三方设备或自有设备采集数据的,均应确保设备的安全性及数据安全保护能力
收集特殊领域数据的,需具备相关资质(例如,收集道路信息的,可能需要测绘资质)
收集的信息涉及个人信息的,应对个人信息进行匿名化处理(例如,网联车车外数据的收集应坚持车内处理、脱敏处理等原则),或具备其他个人信息采集的合法性基础(如取得个人的授权同意)

合法间接获取:通过协议购买、共享等方式获取数据

交易场景:
场内交易:目前大部分数据交易所均要求数据产品提供方应对数据产品进行合规性评估以上海市数据交易所为例,挂牌数据产品应通过专业机构的实质审核及数据交易所的形式审核
场外交易:目前除征信行业等特殊监管行业外,并无强制审查的要求,但对于数据需方企业来说,若拟将购入的数据确认为数据资产,应确保其对于相关数据的权利无瑕疵

数据需方对数据来源的审查要点:
数据供方的数据来源是否合法、其处理与交易相关数据是否具有相关授权
数据本身能否进行交易(例如,核心数据、国家秘密、情报信息、个人生物识别信息原则上不允许交易)
涉及重要数据的,数据供方是否取得相关部门的同意或许可(例如,全国范围内二十年以上的气象数据具有一定的敏感性,原则上企业只能从国家气象局获得该数据)
特殊需求场景下数据供方是否具有相关资质(例如,金融机构获取个人信用信息用于征信业务的,数据供方需为持牌征信机构)
●……

公共数据授权运营

企业通过公共数据授权运营的方式获得公共数据的,应当在政府部门的授权范围内实施数据开发利用,提供公共数据产品和服务,且企业应采取必要措施保障相关数据的安全

未经依法开放的公共数据不宜交易
如《深圳经济特区数据条例》第六十七条第二项规定,交易的数据产品和服务包含未经依法开放的公共数据的,禁止交易

公共数据及相关产品和服务的交易,可能需要在政府指定的平台等处进行备案
《上海市数据条例》第四十六条规定,通过公共数据授权运营形成的数据产品和服务可以依托公共数据运营平台进行交易撮合、合同签订、业务结算等;通过其他途径签订合同的应当在公共数据运营平台备案
若企业并非直接与政府部门签订协议获取数据,暂无需备案,但需关注前手数据提供者向公司提供数据是否违反其与政府部门的在先协议约定

(4)数据处理合规:


企业处理数据的一般性合规要求--合法、正当、必要、保障数据主体权利

合法:《数据安全法》第八条规定,开展数据处理活动,应当遵守法律、法规,尊重社会公德和伦理,遵守商业道德和职业道德,诚实守信,履行数据安全保护义务,承担社会责任,不得危害国家安全、公共利益,不得损害个人、组织的合法权益

正当:《数据安全法》第三十二条第二项规定,法律、行政法规对收集、使用数据的目的、范围有规定的,应当在法律、行政法规规定的目的和范围内收集、使用数据

必要:《网络安全法》第四十一条第二款规定,网络运营者不得收集与其提供的服务无关的个人信息不得违反法律、行政法规的规定和双方的约定收集、使用个人信息,并应当依照法律、行政法规的规定和与用户的约定,处理其保存的个人信息

保障数据主体权利:《个人信息保护法》第五至十条规定,处理个人信息应遵循合法、正当、必要、诚信、公开、透明的原则,限于处理目的采取对个人权益影响最小的方式,保证个人信息的质量,保障所处理的个人信息的安全

企业处理数据的合规要点

企业处理数据的范围应当合规,处理目的应当合法、正当
对于数据处理的范围应为协议约定的数据范围,或其公示的使用规则承诺的数据处理范围
企业不得将收集的数据用于非法目的,不得使用非法手段、或以非法形式使用数据

涉及个人信息、重要数据、核心数据的,应符合相关规定
企业应建立数据分类分级管理体系,在处理不同类型的数据时,采用相应程度的行为规范和管理制度
企业在处理重要数据、核心数据时,相关数据应存储在境内,非经批准不得向境外提供
企业对个人信息的处理应满足《个人信息保护法》第十三条的合法性基础

企业处理数据应履行《网络安全法》《数据安全法》及相关法律法规项下对于企业的整体义务
采取技术措施和其他必要措施,保障网络安全、稳定运行,有效应对网络安全事件,防范网络违法犯罪活动,维护网络数据的完整性、保密性和可用性
建立健全全流程数据安全管理制度,制定内部安全管理制度和操作规程确定网络安全负责人,落实网络安全保护责任;建立用户信息保护制度、网络信息安全投诉、举报制度;组织开展数据安全教育培训

企业应对数据采取加密、访问控制及风险处置措施,遵循现行法律法规对于数据安全处理的要求

来源:首席数字官

启金智库 & 产融公会 联合 国脉集团 将于 2024年11月30日-12日1日(周六/日)在 北京 举办数据资产(含公共数据)价值开发/入表/评估/融资、数据要素×产业互联网/低空经济/人工智能等创新模式和案例专题培训,本期特邀4位实战派主讲嘉宾,分享实战经验和案例,还会针对参会嘉宾的实际问题融入互动研讨式闭门交流来助力诊断问题、提供思路、赋能资源,洞悉业务运作中的各类细节和机遇挑战,助您建立展业必备的知识体系、实战技能、稀缺经验和有效人脉,助力各方业务稳健长远发展,诚邀各地方政府和各类企业从业人士的参加!

【课程提纲】

 第一讲:数据资产价值评估、入表与场景化产品服务开发实操和案例分析 

(时间:11月30日周六 9:00-12:00 )

·主讲嘉宾:郝老师,法学博士,经济学博士后,曾在监管机构、交易所、大型互联网公司长期任职。牵头和参与十余项数字经济领域标准的制定工作。对接服务多地数据资产化工作,有丰富的数据资产入表和数据产品服务开发实务经验。

一、数据资源流通与数据资产入表等政策梳理及逻辑关系

二、企业数据资源入表及价值化的宏微观影响及案例分析

三、数据资源入表及管理实操详解及案例分析

四、数据资产价值评估实操要点及案例解析

五、数据资产权属、使用加工、收益分配的关系及实操要点

六、数据要素场景开发与数据资产化的互相促进实例详解

七、答疑与交流


 第二讲:数据资产(含公共数据)开发运营、入表、资本化的政策解析、监管合规风控要点及典型案例 

(时间:11月30日周六 13:30-16:30 )

·主讲嘉宾:马清泉,文康律师事务所数据合规专委会主任, 国家数据局数据合规课题组成员, 国家市场监管总局企业合规特邀讲师,工信部人才交流中心入库专家,全球数据资产理事会智库专家, 国内首批国际 EXIN DPO(数据保护官)&ISO(信息安全官)双认证律师。

一、数据要素的发展现状与政策导向

二、公共数据的开发利用与运营合规

三、数据资产的设计与登记合规评估

四、数据资产入表的流程与合规审查

五、数据资产资本化路径与风险防范

六、数据资产项目实操案例解读

七、答疑与交流

参会人士破冰 互动交流研讨

(时间:11月30日周六 16:30-18:00 )

彼此相识、针对交流、提供思路、赋能资源

环节一:参会嘉宾自我介绍和问题方案交流

环节二:相互讨论和发掘潜在合作机会

(可展示PPT,请提前发会务组)



 第三讲:数据资产化×产业互联网和低空经济的模式、公共数据价值倍增及地方政府/数据局/园区/企业如何行动? 

(时间:12月1日周日 9:00-12:00 )

· 主讲嘉宾:杨冰之,国脉集团董事长,著名产业互联网、数据资产、智慧城市和低空经济等研究和实践专家,曾任北京大学网络经济研究中心研究部主任、中国电子商务协会高级专家、《电子政务》和《电子商务世界》杂志编委,国家信息化“十一五”规划起草组成员、中国信息社会50人论坛成员等。发表有关数字经济、电子商务、电子政务、大数据、数据资产等文章300多篇。

十五五规划、地方经济增长热点与数据产业体系

二、数据资产化×产业互联网的核心要点及创新落地实践

三、数据资产化×低空经济的核心要点及区域创新落地实践

四、数据要素与资产化政策核心要点

五、答疑与交流


 第四讲:数据要素×人工智能对产业的赋能以及公共数据开发模式和案例分析  

(时间:12月1日周日 13:30-16:30 

· 主讲嘉宾:王磊,数无尽藏联合创始人,知一金控合伙人,数据资产专家、产业投资人。曾任埃森哲、西门子、联想集团、安永咨询等世界五百强企业全球高管。致力于产业价值投资,已成功投资数十家优秀企业,投资并购金额超过10亿·深耕数据资产与智算领域,完成众多成功案例,累计数据资产增信贷款上亿元。

一、数字经济下的产业发展趋势

二、人工智能的发展与智能体应用

三、公共数据运营政策、模式及案例

四、数据要素落地场景及案例

五、答疑与交流

报名方式:

15001156573(电话微信同号)



  戳下面的 阅读原文,更有料


产融公会
我们,链接金融与产业……
 最新文章