在数据交易流通市场，国家通过密集出台数据相关制度和立法，推动数据要素化发展，促进数据共享与合作、确保数据安全和隐私保护，同时为企业提供合规的指导和框架。企业作为市场参与者，应密切跟踪国家政策举措，遵守相关法规和规定，确保数据交易的合法性和合规性。作为数据需求方，企业需要获取各种类型的数据来支持业务决策和创新发展；作为数据供给方，可以将自身拥有的数据资产交易或共享给其他企业。为更好地参与数据交易流通，企业可以通过畅通数据内部共享、激活数据生态流通、落地数据资产入表等方式释放数据运营价值。
1.数据内部共享更加高效畅通
随着企业数据资产管理和运营的逐步完善，数据内部共享的需求会愈加强烈，规范化的数据资产运营服务及流程，促进数据资产运营将向着更多样、更畅通、更广阔、更合规的方向逐步发展，全面赋能经营管理及业务创新。
・数据共享载体更多样:数据产品作为数据交易标的，传统的形态多为API，统计分析报表等，随着数据资产管理的不断完善，企业内部数据产品的形式开始变得多种多样，除了传统形态外，算法模型、数据模型、运营策略相关报告、以及各类数据应用APP或数据洞察方案等、均可以作为数据产品进行共享复用，通过部门间的合作协同，极大化发挥数据资产的业务价值。
・企业级数据整合更完善:通过构建统一的数据资产目录及数据资产谱系，以相似的接口将数据产品在云端进行连接整合，实现数据的高效快速链接汇聚。数据产品的连接将构成企业数字孪生应用的支柱，整合内外部各类数据，为业务决策提供强大的洞察力，使所有团队和部门都能基于统一的数据视图和数据基础进行决策，大大提升企业效能。
・数据内部共享更畅通:借助HiNA数据资产运营平台，以直接使用、授权使用或者联合开发、内部对价/计价等方式，促进部门间数据的共享和开放，构建数据共享平台及机制，有效减少因部门壁垒导致的数据烟囱和数据孤岛问题，促进数据融合与共享、打通数据流通障碍、推广数据成果、提高应用成效。
・数据智能应用更广阔:随着开源框架的不断落地，数据对算法模型的提升作用开始受到更大的关注。以数据为中心的AI将成为智能化数据产品的趋势。大语言模型（LLM）的兴起使数据产品的智能化再上新台阶，大模型数据产品需要海量数据，构建预训练的强大模型作为模型基座，再配合专业领域数据资产，共同完成特定场景应用的微调，这将从根本上改变机构信息洞察、渠道运营、客户服务等诸多工作模式。
・数据安全合规更深化:以构建完善、合规的数据资产流通与共享机制为目标，强化数据全生命周期安全，保护个人信息隐私，管理涉及数据泄露风险、监管合规等诸多因素，实现数据安全风险的全面管理。并制定完善数据安全风险识别和感知体系，应用多方安全计算、差分隐私等专业技术，配合相关安全预警机制和应急管理制度，全方位保障数据安全、合规的共享流转。
2.数据交易流通生态更加成熟
数据“原材料”越来越充足，数据的“新产品”越来越丰富，这些数据资产的交易将促进整个数据生态的健康成长，激活数据要素市场活力，助力数字经济健康发展。
・更精确的数据供需匹配:在数据供给侧，企业将内部已经运用成熟的数据API、统计报告、数据指标，以及数据工具、数据模型、数据安全和隐私解决方案等多样成果推向数据要素市场，促进各行业更好地开发利用数据，满足业务需求和实现创新。同时可以根据数据消费方的需求和偏好，辅助提供特定的数据分析工具、数据可视化等功能，使得数据更容易理解和利用，促进数据交易顺利进行。再通过采集多渠道数据、公共数据授权运营等方式丰富数据资源，同时通过控制数据质量、运用数据增强和合成技术、鼓励数据共享和开放等措施，极大地丰富数据供给。在数据需求侧，通过拓展数据应用领域、创新业务模式、整合运用创新技术、跨组织数据分析和挖掘，开辟、丰富多元数据应用场景，建设数据生态，以需求拉动数据市场，实现供需不断平衡完善。
・更完善的数据市场化机制:完善的数据要素市场是数据成为生产要素的关键一步。数据定价机制综合考量数据特性、稀缺性、需求量、质量等因素评估数据价值，提高数据交易透明度。数据认责确权体系逐步完善，构建更健康、更有效的数据交易生态系统。通过建立数据资产管理平台和数据共享和合作机制、加强数据流通监管确保了数据交易的安全可靠。同时，金融机构作为市场参与者紧跟市场政策、积极参与交易，推动了数据交易的发展和创新。未来企业将不再局限于单点和单场景的数据应用，而是在场内外进行数据的横向和纵向分析应用，拉通生态资源，释放数据红利，实现创新共赢。
3.数据资产入表实践逐步落地
・数据采集合规:对于企业而言，实现数据资产入表的一大保障性前提便是数据采集的合规性。数据采集必须在隐私保护法和个人信息保护法的约束下保证合规性和安全性，以实现无争议的数据入表。企业需要制定严格的数据采集规范，并采取措施确保采集数据的合法来源和隐私安全。例如，建立数据采集流程，对数据来源进行审查和认证，合作伙伴间签署数据共享协议等。这样可以保证数据的可信度和合规性，避免引发纠纷或风险。
・入表科目确定:本次《暂行办法》中会计处理原则沿用之前规定，主要集中在无形资产与存货，但在实务中对重点问题进行了细化处理。对于数据资产入表的科目设置，企业应根据数据资源的持有目的、形成方式、业务模式，以及与数据资源相关的经济利益的预期消耗方式等，对数据资源相关交易和事项进行会计确认，计量和报告，该过程中需要与相关专业人士保护充分沟通，以确保合规性和准确性。
・成本归集分摊:数据从采集、汇聚、存储、开发、运维等全流程的成本识别、归属和分摊是数据入表的重要环节。企业需要保证数据处理流程的白盒化，对数据采集、加工、应用等环节的成本进行细致拆分，并做好合同、票据管理工作，确保成本拆分有据可依。在这一过程中，技术部门与业务部门可以密切合作，共同制定成本拆分准则和流程，例如建立专门的成本拆分团队，加强沟通和协调，确保数据入表的成本拆分工作更加精确和高效。
・数据权属划分:数据权属的划分也是企业数据入表的重要准备工作之一。企业在入表前应明确数据的归属权，并与相关方进行合法的数据共享和合作协议。这可以通过与供应商、合作伙伴签署数据共享协议或合同来实现，明确数据的使用权限和责任。这样有助于避免产生数据权属纠纷和争议。
・避免估值泡沬:尽管企业需要充分准备数据入表工作，但也应谨慎对待数据资产，避免数据资产估值虚拟化和泡沬化。企业应以客观、合理的方式对数据资产进行估值，切勿捂盘惜售，避讳资产流失;亦不要急于交易变现，压低估值扰乱市场，以防止进入资产化陷阱。企业可以借助专业的第三方机构进行数据资产估值，确保估值结果的真实可信。与此同时，企业也应建立相应的风险管理机制。此外，企业还应加强数据资产管理，包括数据分类、归档和定期评估，以确保数据资产的实际价值与估值相符。
左上角“海纳数智研究院”，感谢您的关注！
