数字资产XIN世界 | “神秘岛”的开垦与探索之旅（四）：数字资产，从何时开始上表？

本系列的前三期，分别介绍了数字荒地的突破，数字农场的收获，以及数字孤岛的链接，“神秘岛”的数据的价值发现之旅是循序渐进的。在探索数字世界的旅途中，我们穿过了荒芜的数字荒地，探讨新常态下企业数据资产化之旅的关键行动路径；见证了耕耘后数字农场的丰饶收获，分享了流程优化与数据安全对企业实现高质量数据积累的重要性；跨越了信息孤岛并编织起互联互通的数字桥梁，阐述了技术支撑与标准统一是企业实现数字孤岛链接的路径。这一系列开垦与探索之旅，不仅是对未知边界的突破，更是对“神秘岛”上数据价值的唤醒。如今，随着数字资产的价值逐渐浮出数字海洋的水面，其背后蕴藏的巨大价值，既点燃了无数探索者对数字资产上表的热情，也给探索者带来了数字资产上表的迷茫。这一期，我们围绕“企业数据”做进一步的探讨，数字资产何时可以上表，怎么上表。

最新的数据资源上表情况

今年中报发布后，另一个值得注意的事项是，不少企业在中报发布后发布更正公告或者修改清零，比如，慧同新材、密尔克卫、晶华新材、奥飞数据、华塑股份等。这也足以反映数据资源上表以及披露对于市场各方而言还是一件相当新的核算任务，需要企业进一步加强对暂行规定的理解以及对数据资源入表的重视。当然，另一方面，上述统计并未涵盖所有市场上实际已经开展数字资产上表实务工作的企业，比如，我们也从市场上看到不少城投公司公共数据资源入表与融资的信息，主要包括停车、公共交通、公用事业、医疗等类别，相对范围小，且带有明显的区域属性。

“能确权，有价值，可计量”，入表要件缺一不可

数据的确权和合规是首要难点。数据的生成和使用涉及多方利益主体，如何明确数据的所有权、使用权和收益分配权是入表的前提条件，如何体现数据资源是“企业合法拥有或控制”的，这需要在法律和监管层面上提供清晰的指引和保障。

辨认哪些数据资源可以作为资产入表存在一定的难度。经过过去几年的数字化转型的一些努力，有些企业拥有大量的待筛选和认定数据，数据尚缺乏统一定义与标准，价值链接尚未厘清；或者有的企业还处于数字化进程的早期，过往期间尚未开始有效采集全流程业务数据，历史存留的手工信息往往也颗粒度有限。无论哪种情况，企业在数字资产入表之前，需要进行筛选和认定进而明确哪些数据具有经济价值并符合入表条件都不是一件容易的事情，也不是一件一蹴而就的事情。

对于建筑行业而言，精准控制成本是项目管理的关键，其中成本超支控制是一个典型数据应用场景，企业通过设定核心监控指标，如关键成本项偏差率等，能够敏锐捕捉潜在风险信号，及时介入并不断优化成本控制策略，确保项目稳健推进。在设定指标过程中，重要的是异常阈值的设定，对于超过异常值阈值的成本项，项目管理者可以进行深入的原因分析，并采取相应的措施来优化成本管理，保障项目在预算范围内顺利进行。基于此，企业通过开展数据治理工作，实现自身优质数据资源的积累以及市场最佳实践数据资源的引入，如行业标准数据，参考同行业类似项目的成本数据，了解普遍的成本水平和波动范围、历史数据，分析项目自身或类似项目的历史成本数据，确定成本变动的正常模式和范围以及项目特定情况数据，考虑项目的规模、复杂度、地理位置、市场环境等特定因素，以及这些因素如何影响成本。通过对这些优质的数据资源与企业自身资源进行分析、对标、加工与处理，形成有一定主题的、可满足内部用户模型化需求的数据集合，并根据企业自身发展阶段的演变不断地修正提高，最终也可能进阶形成对外部用户实现销售或服务的数据产品。通过入表完成资产化，这不仅赋能企业内部精细化管理与高效决策，还开辟了企业长远发展的新利润增长点，通过数据市场的流通交易，为企业增长注入新动力。

对于地产开发行业而言，基于全生命周期的数据化管理工具，通过参数模型整合从设计到建成使用的全过程信息，在项目规划，建造和运维的过程中进行共享和传递，使项目各参与方对各类信息作出正确理解和高效应对，可以在缩短工期、精工质造方面发挥重要作用。通过建筑信息模型（BIM）技术的集成应用，不仅在产品设计协同和审查方面，实现自动进行模型检查与碰撞测试、完成自动识别、并进行报错与自动更新，审查过程期间所有的评审意见都会作为重要的过程数据被详实记录到对应的模型中，方便各方协作同步进度、行落实可追溯，进而加速产品力的迭代；而且，在算量管理和成本采购方面，可以将关联的建筑信息进行有效分类，结合企业成本、材料部门对工程和物料清单管控颗粒度的要求，梳理设计构件与物料、工程清单的匹配规则，实现构件与工程和物料清单的挂接，自动输出工程量和物料量信息，且会随着设计深化自动更新，然后基于上游数据传输（算量数据、工程计划管理数据等），自动生成材料供应计划，指导项目下单，优化供应商产能管理、资源分配、资金规划等业务效率，提升材料供应整体管理水平。可以说，建筑信息模型数据是助力企业实现多方协同的全生命周期、端到端全产业链一体化项目管控、推动从物理资产到数字资产转变的关键。规模地产开发企业基于过往高周转时期积累的项目数据，结合未来新常态下项目开发产品设计与成本管理的市场特征，以用户思维为撬点，通过数据资源梳理再定义业务流程的关键控制点，通过数据模型推进精细化管理，在未来的市场竞争中保持优势。

对于持有型不动产运营行业而言，由于前期投资往往需要较大的资金，这些资金通过租金（或类似的现金流收入模式）净收益的方式获取投资回报的周期较长，因此企业往往需要管理不同阶段所面临的多重的经济与市场等因素的风险，如同一市场或版块的供应量变化、商业社区和业态的变化、国内与国际金融市场的动荡、建筑与空间设计或技术更新等等，该类运营企业亟需通过对运营数据和风险引子复合叠加来实现全面、精细化的招商与日常经营管理。在缺乏有效数据分析的情况下，运营企业对于如何维持健康的出租率就限于传统的相对滞后的管理模式，比如，更多的依赖租赁部门或者资管部门人员进行商户运行情况的跟踪，在各种线下统计数据工作上耗费很多时间，很多运营数据的获取也存在诸多困难，管理起来十分被动。因此，如果实现招商、运营、财务、市场等多个业务模块数据的实时采集、分析和处理，不动产运营企业可以更加清晰地了解租户的运营状况，结合市场租金等关键指标的变化，提前模拟租赁策略的弹性变化并评价影响，指导不动产租赁部门有前瞻性的发现问题并恰当应对。在不同细分资产类别的不动产运营企业，通过梳理历史期间的运营数据以及资源要素分析，提炼适合企业发展阶段的租赁策略与管理阙值形成业务场景模型，为企业的业务决策提供有针对性的支持，帮助企业优化资源配置、降低运营成本、提高企业的盈利能力。

对于不动产资管行业而言，绩效指标的持续监测与物业估值管理是重要的数据分析应用场景，管理人通过追踪资产的绩效指标与其他市场信息，主动管理物业估值趋势，及时反馈给投资人，进而进一步指导日常运营策略的制定与实施。持有型不动产的估值过程中，底层净营业收入（NOI）与估值的驱动因素之间存在着紧密且复杂的关系，需要从多个方面进行估值分析，如市场供需关系分析、租金与租户分析、出租率与剩余租期分析、资本化率分析、可变与固定运营成本分析等。基于此，在资产管理人估值管理的过程中，应充分考虑数据资源带来的驱动性，如引入外部市场报告，可以获取不动产租赁市场动态、趋势、供需状况、资本化率以及竞争对手的数据信息；分析企业业务与财务数据，可以获取业务领域的收入来源、成本结构、盈利能力及现金流状况的数据信息，有效识别租金退守线，提前管理物业价值变动趋势以及提高资金管理效果；通过比较不同地区相同类型物业或同一目标物业在不同时期的运营成本，可以发现成本节约的潜力，并据此调整运营策略以提高盈利能力。为优化绩效指标与估值管理流程，资产管理人针对所管理的组合资产应构建全面的数据监控体系，实时跟踪租户行业、租金水平、出租率等关键指标的变化情况，并利用数据分析工具如数据挖掘、机器学习等对收集到的数据进行深度挖掘和分析，更加准确地预测未来期间NOI的变化趋势，推导未来时点的物业估值变化，并据此制定合理的估值策略和风险管理措施。通过这一过程，资产管理人不断积累所管理资产组合的运营场景基础数据资源，完善数据分析框架，最终形成可以持续提升资产组合价值与收益、有效降低资产运营风险的工具，协助资产管理人更好的完成“募投管退”周期管理工作。

做完了价值分析后，下一步需要解决会计核算的计量问题。

“勤反思，勇创新，能协同”，价值跟踪持续提升

预测数据资产未来能够产生的收益，并据此评估其价值。企业基于数据资源历史使用/销售情况、未来的应用场景或业务模式、对企业创造价值的影响方式等信息，推导数据资源未来收益的财务测算模型，并进行折现。需要关注评估结论成立的假设前提和限制条件、各重要参数的来源、分析、比较与测算过程等内容。

根据数据的研发、获取、市场拓展、存储和维护成本来评估其价值。需要从数据质量、稀缺程度等角度综合考量 “变现可能性” 。

通过比较市场上类似数据资产的交易价格来评估。数据本身的年份属性与交易价格趋势的关系需要在可比案例中特别关注。

“共信念，多技能，善执行”，事关各岗人尽其力