数据变现：国有企业如何将数据转化为资产

一、国有企业数据资产入表的意义

二、国有数据资产化总体路径

三、国有数据资产入表面对的主要挑战

四、数据资源盘点及应对场景梳理

五、国有企业数据资产入表流程

六、国企数据资产估值阶段

七、国有企业数据资产入表阶段

国务院于2022年初发布的《“十四五”数据经济发展规划》，其中强调需大力推进产业数字化转型，并加快国有企业的数字化升级，全面深化重点产业的数字化转型。至2023年12月31日，财政部发布了《关于加强数据资产管理的指导意见》（以下简称《指导意见》），正式将数据资产作为焦点。进入2024年1月，国资委召开了中央企业及地方国资委考核分配工作会议，强调了精准有效考核的重要性，并全面实施了“一企一策”的考核机制，同时推进了上市公司市值管理的考核。

在此背景下，地方国有企业将数据资产定义为企业拥有或控制的，经过必要加工、整合处理后，预期能带来经济利益的，可利用、可辨认的数据资源。数据资产化已成为推动地方国企发展的重要机遇，为资源资产的壮大和担保能力的提升提供了可靠路径。同时，利用优质数据资产发展新智生产力也是激发地方产业活力的有力尝试。

国有企业在数据要素市场化进程中扮演着重要角色，通过促进数据价值提升，引领产业升级和创新，维护国家安全和公共利益，推动地区发展和经济平衡，为数据经济和数字经济的健康发展提供了有力支持。在数据要素市场化的进程中，国有企业积极探索数据基础设施建设运营，数据资产交易，数据产品服务等方向，为行业提供了宝贵经验。同时，通过建立完善的数据安全管理体系，确保数据在流通、交易和使用过程中的安全性和合规性，保障国家数据安全和公共利益。

同时，国有企业在国家战略布局和地区发展规划中也发挥着导向和带动作用，其投资和发展引领了地区经济增长，带动了就业机会增加和居民收入提高。在数据经济时代，数据作为与土地、劳动力、资本、技术同等重要的新生产要素，成为国家经济发展的新引擎。当下将数据资产入表对国有企业具有非常积极的意义。国有企业需充分利用自身拥有的大量优质数据资源，开发商业价值，赋能国家数字产业化，推动产业数字化发展，加速自身数字化转型和产业升级。

国有企业完成数据资产入表确认后，不仅能够增强企业资产的规模和多样性，还能丰富融资手段。此外，企业通过交易、转让、许可共享等多样化方式流通数据资产，提高数据资源流动性和流通效率，增加流通收益和价值，实现数据资产价值最大化。同时，数据资产入表有助于企业分析资产使用情况，优化运营流程，提升竞争力。另一方面，数据资产入表有助于企业识别数据安全风险，加强数据安全防范和应急处理能力，降低数据泄露事件造成的损失。

从宏观角度审视，国有企业通常作为本地产业发展及保障性设施建设的主要实施者，承担着基础设施建设、公共服务维护与运营、市场营商环境建设以及生态环境维护等关键职能。国有企业在政府决策、行业监管、市场分析等方面具有重要的参考价值，国有企业的财务数据、经营数据、投资数据等对地区经济发展的潜力和趋势具有深远影响。

从微观角度来看，国有企业在城市建设中扮演着至关重要的角色，其业务覆盖了城市健康、稳定、可持续发展的各个方面。具体体现在城市基础设施建设、公共服务建设、保障性住房建设、生态环境保护、应急管理体系构建、文化旅游发展规划以及科研创新与技术进步等方面。这些数据具有大规模、成体系的开发利用潜力。国有企业的这些职能和数据，对于促进地方经济的持续健康发展，提升城市综合竞争力，保障社会稳定和谐具有不可替代的作用。

总体来说，数据资产化的过程分三个步骤进行，主要包括资源化、资产化、资本化的三个阶段，每个阶段中包含不同的任务和目标。

数据资源化阶段的关键任务包括数据确权和数据治理。数据确权的目的是明确数据所有权的归属，以及数据相关方的权利和义务。数据治理则涉及对数据进行全生命周期的管理，确保数据质量优良。只有完成确权和治理，数据才能作为资源被有效利用。进入资产化阶段，数据资源将转化为数据产品，并进行估值。数据产品化是通过处理和标准化包装，将数据转换成可交易的商品形式。数据产品估值的方法包括成本法、收益法和市场法等传统估值技术，为数据产品设定交易价格。在资本化阶段，数据产品可被引入到金融体系，也可设计相应的金融衍生品进行交易。包括对数据使用权、所有权等进行分割，发行无本金可交换债券或股权类产品。此外，数据资源也可用于出资，或在数据交易所等场内市场平台进行交易。可见，数据资产化的三个阶段是相互连接并逐步深入推进的过程。

1.对数据资产的认知存在局限

厘清企业的数据资产是做好数据资产入表工作的重要前提，然而，对于数据资产的认知存在局限，许多企业和个人对于数据资产的界定和价值认识不足，这成为推动数据资产化进程的首要难题。认识到数据的价值对于企业至关重要。企业需要理解数据的元素，明确数据资产的定义，划定企业数据资产的范围。这是进行后续工作的前提。

2.对数据资产形成的流程理解不足

国企拥有大量数据资源，但如何确定权属、开发利用形成企业资产，以及如何将信息从计算机语言转换为会计语言，存在不明确性。企业对数据资产形成流程的理解不足，还需要进一步深化认识。

3.会计处理上的难题

许多国企在早期组织架构不太利于数据与资产成本的归集，这使得会计处理面临非常大的挑战。根据《暂行规定》，国企必须采用实际成本法记录并准确计量早期达到可预定可使用状态的数据资产的成本，这需要企业财务部投入大量的时间与精力。

4.数据资产信息披露的规范和机制不足

虽然《暂行规定》中提供了一些关于国企数据资产信息披露的框架性指导意见，但在实际操作中也会存在许多困惑，如披露方式、内容以及机制的选择。

5.专业服务机构在数据资产评估方法上的标准不一

专业的服务机构在对于数据资产评估方法上目前还没有形成统一的标准。不同的专业机构对于数据资产的评估方法和标准还未达成一致的意见。在数据资产市场价值发现和释放的过程中，也对国企也提出了更高的要求。所以，国企在推进数据资产化的过程中一定要提前布局，并且要采取更加周密的策略。

企业对内部的数据进行全面的盘点工作十分重要。企业数据盘点主要分为存储端数据和管理端数据两大方面，通过清查和评估，为企业数据资源的有效利用和风险管理提供有力支持。

存储端数据盘点主要针对企业内部所有数据资产进行，目的是全面掌握数据的规模、类型、分布和价值，并识别潜在的数据风险。通过详细清查，我们得以了解企业数据资产的全貌，包括数据的存储位置、数据类型的多样性以及数据的价值体现。管理端数据盘点侧重于集团内部产生的业务数据。通过对数据的来源的负责人、数据调度的线索和调度要求等进行梳理，明确数据的管理责任和使用规范。

在开展数据资产工作之前的首要任务是根据企业内部规范及行业准则，结合企业业务背景，构建一套完整的数据标准体系，能明确数据定义，初步衡量数据价值，并为后续数据资产盘点和管理提供标准化基础。

数据盘点范围的认定主要从三个维度出发进行分类，包括组织层面、业务层面和系统层面。在组织层面上明确数据覆盖的组织机构和部门，如集团本部、分子公司等；在业务层面上分析不同业务产生的数据，如生产、采购、营销、财务、人力资源等；在系统层面上识别不同数据源，如ERP、CRM、HR等系统产生的数据。根据不同数据来源的内容，数据盘点的侧重点也会有所不同。基础数据存储于特定系统中的数据，衍生数据则是在特定应用场景下产生的数据。此外，外部数据的来源、采集频率、获取成本和数据质量，以及评估数据价值的方法在盘查工作中都会有不一样的侧重点。对数据基础情况盘点工作为企业数据资源管理提供了全面而深入的了解。通过清查和评估，明确数据资产的全貌、价值和风险，并制定了相应的管理策略和措施。

企业在进行数据资源的梳理时，首先应明确数据的价值所在及其潜在的应用领域。多数企业对于数据资源的潜在价值和应用场景都尚存许多疑问。为此，我们建议企业应以业务需求为先导，开发数据资源的应用场景，进而实现数据资源的资产化。

对有意向进行数据资产入表的企业，建议其首先确立数据的应用场景，缺乏应用场景的数据资源，其价值难以实现并且数据质量亦难以达到预期效果。因此，业务的先行开发对于数据资源的资产化至关重要。企业在进行数据资产化管理时，应结合年度战略目标和数字化转型的需要，对任务进行合理拆分，明确本年度应重点攻关的数据产品方向，这也是数据资源应用场景挖掘的关键。由于数据资源资产化的复杂性，企业可先从单一场景入手，确保数据资源入表的成功，再逐步扩展至其他应用场景和数据产品，以实现快速有效的推进。

根据国家数据局发布的数据要素三年行动计划，将12大行业的具体应用场景进行了划分。这些行业包括能源制造、公共服务、商贸流通、交通运输、金融服务、科技创新、文化旅游、医疗健康等。无论是国有企业还是民营企业，都应关注并挖掘这些领域的数据资源应用潜力。企业可以结合数据要素的12大行业场景，进行进一步的细化和探索。例如，工业制造、现代农业发展、电子商务、智能网联汽车、金融服务创新、科技创新支持、文化旅游融合、医疗健康数据利用等，都是值得深入挖掘的方向。

数据资产入表的第一步是识别潜在的数据资产，企业应对现有的数据集和数据库进行全面梳理，包括客户信息、交易记录、生产数据等。同时，数据资源纳入企业资产负债表，也需要满足以下条件：

1、数据来源：数据资源应来源于企业之前的购买、生产建设活动或其他交易行为。

2、企业控制权：企业必须拥有或控制这些数据资源。

3、经济效益预期：数据资源预计将为企业带来经济利益。

4、成本和价值的可测量性：数据资源的成本或价值应能够被可靠地测量。

在识别了潜在的数据资产后，企业需要对这些资产进行评估，以确定其对企业的实际价值。评估过程中，应充分考虑数据的完整性、准确性、时效性以及与企业业务的相关性。

数据资产确权是明确数据资产所有权和使用权的过程，对于企业数据资源的管理和利用具有重要意义。确权工作应遵循所有权原则，明确界定数据资产的范围。对于内部生成数据权属，通常归属于数据的生产方，即企业自身。对于外部采集数据的权属需根据合同及法律法规确定，确保合法合规。对于共同创作产生的数据、涉及个人数据权益等特殊情况，企业需单独讨论并制定相应的确权策略。

企业应鉴别和记录所有内部和外部来源的数据资源，确保数据资产的来源清晰，并且需明确每一项数据资产的所有者，确保权属明确。随着数据资源的不断变化，企业应实时监控数据的新增、变更或删除，并及时更新确权记录。

数据资产确权的主要挑战在于如何准确划分数据资产的边界。由于数据无形且可复制，确定边界至关重要。企业需考虑数据的应用场景，确保确权的准确性。

同时，数据资产的质量也是确权过程中的重要考量因素。企业应全面评价数据的准确性、一致性和完整性，并采用标准化评分模型进行量化，以确定数据资产的权属地位。

数据资产凭证是一种记录数据资产交易、交付及权属信息的电子文档。它依托于全国数据交易链进行管理，确保了数据交易的透明性和可追溯性。数据资产凭证能够根据不同应用场景的需求发挥作用，为数据产品的挂牌、交易、存证等过程提供标准化协议和智能合约支持。凭证的内容详细记录了数据产品的注册信息、链上交易信息，包括电子订单、数字签名、发票等。同时，它还保存了价格、交易量、复购率、使用场景和用户评价等关键信息。数据资产凭证使数据来源、类型、权属、质量等信息可追踪，为所有交易参与者提供了信任和保障，增强了交易的透明度和公信力。

从图中我们可以看出，判断数据是否符合资产的定义，以及确认的标准是否明确。如果符合，就选择左边的流程，如果不构成数据资产，就选择右边的流程，可以选择在表外披露。

数据资产的估值主要考虑成本构建、收益潜力、市场需求三个方面。影响数据资产价值的主要因素又有哪些呢？其中，法律风险是影响因素之一，数据的法律问题和权属清晰度，直接影响其市场估值，高质量数据也可能因为法律风险降低价值。在无法律风险的情况下，数据的准确性和完整性决定了其价值，高质量数据在评估中占据优势地位。此外，数据生命周期阶段也影响着数据资产的价值，数据在生命周期中的不同阶段价值不同，成熟期数据可能预期价值更高，而新数据资产价值潜力较大。数据资产的应用场景也在一定程度上影响着数据资产价值，数据资产应用的范围越广其数据价值就越高，应用场景限制在特定领域也一定程度限制了数据资产的价值。

1、成本法估值

成本法通过计量数据生成、获取、加工、存储过程中的成本，包括直接或间接费用，适用于对初期阶段的数据资产估值。

2、收益法估值

收益法基于数据资产预期带来的未来收益进行估值，适用于营销、广告等领域的数据资产。可以同时考虑数据的利用率和长期发挥效益的期间。

3、市场法估值

市场法参照市场上类似数据资产的交易价格进行估值，但由于可比样本稀缺，此方法在数据资产估值中的应用相对有限。

4、新兴估值方法

除了传统估值方法，还有非货币估值模型、内在价值指数、业务价值指数、潜在价值指数等新兴方法，值得进一步研究和探讨。

总的来说，传统的数据资产评估方法和新兴数据资产的估值方法在原则上没有显著差异，主要还是根据资产的特性和市场环境进行选择。目前市场主要针对单一数据产品或具有高度特异性特征的数据资产进行评估。在短期内由于市场流动性案例较少，成本法成为综合考虑数据资产历史成本的有效方法。

首先，数据的权属需要清晰明确无争议，这是数据资产入表的首要条件。其次，要确保数据产权的完整无缺、没有重大的法律缺陷或权利受到严重的限制。其三，数据的定价应在合理的范围内，需通过认可的定价模型进行评估。最后，数据资产的价值应该是显著的，能对企业的业务产生实质性的影响。满足上述条件的数据资产可以根据价值评估进企业的资产负债表。

对于不满足入表条件的数据资产作为表外的资产予以披露，并采用备注的方式进行详细的说明。此部分的真实资产可能会因为权属争议或定价问题等原因，暂时无法准确地入表。主要披露内容包括数据资产的基本的情况、数量的规模、主要的用途以及无法入表的具体的理由等。表外的数据资产尽管没能够现在入表，但仍然也是可能具有潜在价值的，也需要企业持续地跟踪管理。当满足入表条件时也可以立即转入资产负债表进行核算。