在数字经济蓬勃发展的时代背景下，数据已成为企业的核心资产之一，其重要性日益凸显。中小企业作为经济发展的重要力量，在数字化转型进程中，有效管理和利用数据资源对于提升企业竞争力、实现可持续发展具有关键意义。为进一步推动中小企业在数据领域的发展，日前，工业和信息化部 财政部 中国人民银行 金融监管总局联合发布《中小企业数字化赋能专项行动方案（2025—2027 年）》。财政部牵头开展数据资产开发利用一系列工作，旨在支持中小企业开展数据评估、数据资产入表以及数据资产管理，为中小企业在数字经济浪潮中保驾护航。链接：https://www.gov.cn/zhengce/zhengceku/202412/content_6992542.htm《行动方案》明确提出：“支持中小企业开展数据资产价值评估，加强对中小企业数据资产依法依规入表的指导，加强数据资产管理，依法依规维护中小企业数据资产权益。（由财政部牵头负责）” 这一政策条文为中小企业在数据资产相关工作方面提供了明确的政策导向和责任划分，体现了政府对中小企业数据资产规范化管理和价值挖掘的高度重视。数据资产价值评估是中小企业全面认识自身数据资产价值的基础环节。通过科学合理的评估，企业能够准确把握数据资产在企业生产经营、战略决策、市场竞争等方面的作用和贡献。例如，企业可以依据评估结果确定哪些数据资产对业务增长具有关键推动作用，从而有针对性地进行资源投入和优化管理。在企业参与市场合作、投资融资等活动时，数据资产价值评估结果是重要的参考依据。准确的评估能够向合作伙伴和投资者展示企业数据资产的潜在价值，提升企业在合作谈判中的议价能力和融资过程中的吸引力，为企业争取更多的发展机会和资源支持。中小企业在进行数据资产价值评估时，需要综合考虑多种因素。首先，数据质量是影响价值评估的关键因素之一，包括数据的准确性、完整性、一致性和时效性等方面。高质量的数据能够为企业提供更可靠的决策依据，其价值相对较高。例如，在市场预测分析中，准确及时的数据可以帮助企业更精准地把握市场趋势，从而制定更有效的营销策略，此类数据的价值应得到充分体现。数据的应用场景和潜在收益也是评估过程中需要重点关注的方面。数据若能应用于高附加值的业务领域，如产品创新研发、个性化定制服务等，其价值评估应相应提高。此外，数据的获取成本、稀缺性以及与企业整体战略目标的契合度等因素也不容忽视，综合权衡这些因素有助于得出更客观、准确的评估结果。2019年12月，中国资产评估协会发布《资产评估专家指引第9号——数据资产评估》，对数据资产评估对象、评估方法以及评估报告的编制进行了详细说明；2023年9月，为进一步规范数据资产评估行为，保护资产评估当事人合法权益和公共利益，中国资产评估协会制定并印发《数据资产评估指导意见》，进一步明确了每种数据资产评估方法的操作要点，文件自2023年10月1日其施行。
作为一项列示在企业资产负债表中的新型资产，对数据资产进行评估涉及的经济行为主要包括转让、许可使用、出资、质押融资、企业兼并重组、企业清算、司法诉讼、司法执行财产处置、财务报告、资产证券化等。这些经济行为类型反映了数据资产在不同场景下的应用和价值实现方式，涵盖了从数据资产的直接交易到间接利用等多个方面。
表1-2 对数据资产进行评估的经济行为
资料来源：《基于数据要素价值链评估企业数据资产》
数据资产评方法主要有以下三种：
成本法是根据形成数据资产的成本进行评估。基于成本法计算的数据资产的价值是根据该数据资产的重置成本乘以价值调整系数，以此确定数据资产价值的评估方法。重置成本：主要包括前期费用、直接成本、间接成本、机会成本和相关税费等。
资料来源：《信息技术 大数据 数据资产价值评估》（20214285-T-469）（征求意见稿）
价值调整系数：对数据资产全部投入对应的期望状况与评估基准日数据资产实际状况之间所存在的差异进行调整的系数。数据资产的价值调整系数计算方法主要有专家评价方法和剩余经济寿命法两种。专家评价方法综合考虑数据质量和数据应用价值等影响因素，并应用层次分析和德尔菲等方法对影响因素进行赋权，进而计算得出数据资产价值调整系数；剩余经济寿命法是通过对数据资产剩余经济寿命的预测或者判断来确定价值调整系数的一种方法。
2.适用性及使用前提
基于成本法对数据资产进行价值评估时，需要根据数据资产形成的全部投入，分析数据资产价值与成本的相关程度，考虑成本法的适用性。
应考虑的前提条件包括：（1）数据资产能正常使用或者在用；（2）数据资产能通过重置途径获得；（3）数据资产的重置成本以及相关价值调整系数能够合理估算；（4）数据质量能够达到应用场景下所要求的基准。收益法是通过预计数据资产带来的收益估计其价值，即通过测算该项数据资产所产生的预期收益并折算为现值，进而确定数据资产价值的评估方法。
1.基本公式
折现率：通过分析评估基准日的利率、投资回报率，以及数据资产权利实施过程中的技术、经营、市场、资金等因素确定。数据资产折现率可以采用无风险报酬率加风险报酬率的方式确定，也可以采取其他能够充分反映投资报酬的方式确定，但需要保持折现率的口径与预期收益的口径一致。
预期收益：根据适用性可以选择采用直接收益预测、分成收益预测、超额收益预测和增量收益预测等方式对预期收益进行预测。
资料来源：《数据资产评估指导意见解读》
2.适用性及使用前提
基于收益法对数据资产进行价值评估时，应在获取数据资产相关信息的基础上，根据数据资产的历史应用情况及未来应用前景，结合应用或者拟应用数据资产的企业经营状况，重点分析数据资产经济收益的可预测性，考虑收益法的适用性。应考虑的前提条件包括：（1）数据资产的未来收益可以合理预期并用货币计量；（2）预期收益所对应的风险能够度量；（3）预期收益期限能够确定或合理预期；（4）数据质量能够达到应用场景下所要求的基准。
市场法是在具有公开并活跃的交易市场前提下，根据相同或者相似的数据资产已有的数据交易价格，通过对比分析，并调整特异性和个性化的因素，从而评估数据资产价值的方法。可比案例：根据数据资产的特点选择可比案例，如数据权利类型、交易市场及方式、数据规模、应用领域、应用区域及剩余年限等。
调整系数：通过比较数据资产和参考数据资产或对标交易活动来确定调整系数，对价值影响因素和交易条件存在差异做出合理调整，以取得准确价值。调整系数包括质量差异调整、供求差异调整、期日差异调整、容量差异调整以及其他差异调整等。
资料来源：《信息技术 大数据 数据资产价值评估》（20214285-T-469）（征求意见稿）
2.适用性及使用前提
基于市场法对数据资产进行价值评估时，应考虑该数据资产或类似数据资产是否存在合法合规、活跃公开的交易市场，以及是否存在适当数量的可比案例，考虑市场法的适用性。应考虑的前提条件包括：（1）数据资产的可比参照物具有公开活跃的市场；（2）有关交易的必要信息可以获得，如交易价格、交易时间和交易条件等；（3）数据资产与可比参照物在交易市场、数量、价值影响因素、交易时间和交易类型等方面具有可比性，且这些可比方面可量化；（4）存在足够数量的可比参照物，一般建议不少于三个；（5）数据质量能够达到应用场景下所要求的基准。基于对3种方法适用性及使用前提的总结，可以发现，现有数据资产评估方法各有优劣势。成本法一般需要掌握数据资产在全生命周期各阶段发生的成本，本质上是对数据成本的归集；市场法由于对市场环境要求严格，需要大量交易数据的积累，目前采用市场法条件不够充足，现有交易数据类型也较为单一，多为结构化数据、数据集和标签数据，而非结构化等其他数据类型的交易价格相对较少。与上述两种方法相比，虽然收益法下的资产预期收益和风险都较难准确预测，但该方法操作性和可行性更强，并且能够较为真实准确地反映数据资产的实际价值，评估结果相对可信。因此在实践中运用收益法评估数据资产价值更具优势，该评估方法往往要求评估人员对数据相关的业务运作有较好理解，同时还需要与该数据资产有关的多个机构、部门共同的参与。数据资产入表对中小企业的财务状况和企业管理具有深远意义。从财务角度来看，将数据资产纳入财务报表体系，能够增加企业的资产规模，优化资产结构，增强企业的财务实力和稳定性。例如，在计算企业的资产负债率等财务指标时，数据资产入表后可以降低企业的实际负债率，使企业在融资活动中展现出更良好的财务状况，有助于提升企业的信用评级，降低融资成本，为企业的发展提供更有力的资金支持。在企业内部管理方面，数据资产入表促使企业建立更加规范、严谨的数据资产管理流程。企业将更加注重数据资产的成本控制、效益提升和风险防范，推动数据资产的保值增值，实现数据资产与企业整体经营战略的深度融合，提高企业的运营效率和核心竞争力。中小企业实施数据资产入表需要遵循一定的步骤和规范。首先，要对企业内部的数据资产进行全面、细致的梳理和识别，确定哪些数据符合资产入表的条件。这一过程需要企业建立明确的数据资产定义和分类标准，对数据的来源、性质、用途等进行详细分类和记录。选择合适的数据资产计量方法是入表的关键环节。常见的计量方法包括成本法、收益法和市场法等，企业需要根据自身数据资产的特点和业务实际情况进行合理选择。然而，中小企业在这方面可能面临技术和专业人才不足的挑战，需要加强与专业机构的合作或开展内部培训，提升员工在数据资产计量方面的专业能力。此外，数据资产的权属确认也是入表过程中的重要问题。企业要确保数据资产的所有权清晰明确，数据来源合法合规，避免因权属纠纷导致的法律风险。这需要企业建立完善的数据治理和合规管理体系，加强对数据来源和使用过程的监管。中小企业应建立一套全面、系统的数据资产管理体系，涵盖数据治理、数据安全管理和数据生命周期管理等多个方面。在数据治理方面，企业要制定明确的数据管理政策、流程和标准，确保数据的质量、一致性和可用性。例如，建立数据质量监控机制，定期对数据进行清洗、验证和修复，保证数据的准确性和完整性。数据安全管理是数据资产管理的重中之重。企业需要采取一系列安全措施，包括网络安全防护、用户权限管理、数据加密等技术手段，防止数据泄露、篡改和破坏。同时，要建立数据安全应急响应机制，及时应对各类安全事件，降低安全风险对企业的影响。数据生命周期管理则是从数据的产生、采集、存储、使用到销毁的全过程管理。企业要根据数据在不同阶段的特点和价值，制定相应的管理策略，提高数据资产的利用效率，降低管理成本。例如，在数据采集阶段，要确保数据的合法性和准确性；在存储阶段，要选择合适的存储方式和技术，保障数据的安全和可访问性；在使用阶段，要充分挖掘数据的价值，为企业决策提供支持；在销毁阶段，要遵循相关法规要求，安全、彻底地销毁不再使用的数据。加强数据资产管理需要专业的人才队伍作为支撑。中小企业可以通过多种方式培养和引进数据管理人才。一方面，开展内部培训，针对企业员工的不同岗位和职责，提供数据管理基础知识、数据分析工具使用等方面的培训课程，提高员工的数据管理意识和技能水平。另一方面，积极引进外部具有丰富经验的数据管理专家和技术人才，为企业带来先进的管理理念和技术方法。在技术支持方面，企业应根据自身的业务规模、数据量和数据管理需求，选择合适的数据管理技术平台和工具。例如，对于数据量较小的企业，可以采用一些开源的数据管理工具，降低成本；对于数据处理需求较大的企业，可以考虑引入专业的数据仓库、大数据分析平台等技术解决方案，提升数据处理能力和分析效率，为数据资产管理提供有力的技术保障。数据资产管理包含数据资源化、数据资产化两个环节，将原始数据转变为数据资源、数据资产，逐步提高数据的价值密度，为数据要素化奠定基础。
数据资源化通过将原始数据转变数据资源，使数据具备一定的潜在价值，是数据资产化的必要前提。数据资源化以提升数据质量、保障数据安全为工作目标，确保数据的准确性、一致性、时效性和完整性，推动数据内外部流通。数据资源化包括数据模型管理、数据标准管理、数据质量管理、主数据管理、数据安全管理、元数据管理、数据开发管理等活动职能。
《数据资产管理实践白皮书(6.0版)》强调，数据资产化通过将数据资源转变为数据资产，使数据资源的潜在价值得以充分释放。数据资产化以扩大数据资产的应用范围、厘清数据资产的成本与效益为工作重点，并使数据供给端与数据消费端之间形成良性反馈闭环。数据资产化主要包括数据资产流通、数据资产运营、数据价值评估等活动职能。
01 数据资产管理活动职能
活动职能是数据资产管理的基本管理单元。数据资产管理包括数据模型管理、数据标准管理、数据质量管理等10 个活动职能，覆盖数据资源化、数据资产化两个阶段。
采用企业架构指导建立企业级数据模型，并采用一体化建模的方法，是提升数据模型业务指 导性和模型质量的有效方式。数据模型是指现实世界数据特征的抽象，用于描述一组数据的概念和定义。数据模型管理是指在信息系统设计时，参考逻辑模型，使用标准化用语、单词等数据要素设计数据模型，并在信 息系统建设和运行维护过程中，严格按照数据模型管理制度，审核和管理新建和存量的数据模型。
数据标准是指保障数据的内外部使用和交换的一致性和准确性的规范性约束。数据标准管理的目标是通过制定和发布由数据利益相关方确认的数据标准，结合制度约束、过程管控、技术工具等手段，推动数据的标准化，进一步提升数据质量。
数据质量指在特定的业务环境下，数据满足业务运行、管理与决策的程度，是保证数据应用效果的基础。数据质量管理是指运用相关技术来衡量、提高和确保数据质量的规划、实施与控制等一系列活动。衡量数据质量的指标体系包括完整性、规范性、一致性、准确性、唯一性、及时性等。主数据（Master Data）是指用来描述企业核心业务实体的数据，是跨越各个业务部门和 系统的、高价值的基础数据。主数据管理（MDM ，Master Data Management）是一系列规则、应用和技术，用以协调和管理与企业的核心业务实体相关的系统记录数据。
数据安全是指通过采取必要措施，确保数据处于有效保护和合法利用的状态，以及具备保障 持续安全状态的能力。数据安全管理是指在组织数据安全战略的指导下，为确保数据处于有效保 护和合法利用的状态，多个部门协作实施的一系列活动集合。包括建立组织数据安全治理团队，制定数据安全相关制度规范，构建数据安全技术体系，建设数据安全人才梯队等。元数据（Metadata）是指描述数据的数据。元数据管理（Meta Data Management） 是数据资产管理的重要基础，是为获得高质量的、整合的元数据而进行的规划、实施与控制行为。
数据开发是指将原始数据加工为数据资产的各类处理过程。数据开发管理是指通过建立开 发管理规范与管理机制，面向数据、程序、任务等处理对象，对开发过程和质量进行监控与管控， 使数据资产管理的开发逻辑清晰化、开发过程标准化，增强开发任务的复用性，提升开发的效率。
对于组织而言，数据资产流通是指通过数据共享、数据开放或数据交易等流通模式，推动数 据资产在组织内外部的价值实现。
数据价值评估是指通过构建价值评估体系， 计量数据的经济效益、业务效益、投入成本等活动。数据价值评估是数据资产管理的关键环节， 是数据资产化的价值基线。
数据资产运营是指通过对数据服务、数据流通情况进行持续跟踪和分析，以数据价值管理为参考，从数据使用者的视角出发，全面评价数据应用效果，建立科学的正向反馈和闭环管理机制， 促进数据资产的迭代和完善，不断适应和满足数据资产的应用和创新需求。
数据资产运营详见：
02 数据资产管理的保障措施
1、战略管理
战略是组织长期发展规划及资源配置的一系列行动，对于组织持续稳定发展具有重要的指导意义。在数字时代下，数据战略已成为组织开展精益数据资产管理的基础，是数据资产管理工作长期高效开展的“指南针”。
战略管理是指通过对数据战略进行规划、执行、评估，确立数据资产管理的中长期目标和管理活动优先级，明确需要的资源投入总量和资源分配机制，并使数据战略始终契合组织的业务战略。
2、组织架构
集中式管理与联邦式管理是数据资产管理的两种组织模式，主要区别在于数据管理专员集中于数据资产管理层或分布于各个业务部门。
集中式管理与联邦式管理在特点、技术、适用对象等方面存在差异。集中式管理对各业务线数据独立性要求较低、数据相关性要求较高，采用数据仓库、大数据平台等技术，适用于中大型企业。联邦式管理对各业务线数据独立性要求较高、数据相关性要求较低， 采用Data Fabric 技术，适用于中小型企业或集团型企业。
3、制度体系
数据资产管理制度体系通常分层次设计，依据管理的颗粒度，制度体系可划分为组织级数据资产管理总体规定、管理办法、实施细则和操作规范四个层次。
4、平台工具
数据资产管理平台工具位于大数据平台上层，为各项数据资产管理活动职能的执行提供技术保障。从管理视角出发，数据资产管理平台工具支持PDCA 循环。
规划环节，通过角色分配和权限管理落实数据认责体系，支持需求管理，以及对数据资产现状（包括数据资产规模、分布、可信度、安全性等）进行评估；执行环节，支持标准规范的新增、修改，以及数据开发、任务编排、任务运维等；检查环节，支持对数据模型一致性、标准规范应用程度、问题数据处理情况、数据安全响应结果等进行跟踪；改进环节，支持逐个标记问题并生成改进建议，统计检查数据，形成知识库，量化改进过程，实现闭环管理。
5、长效机制
在数据战略规划、组织架构和制度体系的基础上，培训宣贯、绩效考核、激励机制、审计机制、数据文化培养等长效机制，是数据资产管理活动持续高效运行的重要保障。
03 数据资产管理的实践步骤
《数据资产管理实践白皮书(6.0版)》定义了一种数据资产管理实践的通用步骤：“统筹规划→管理实施→稽核检查→资产运营”。需要说明的是，各步骤之间并无严格的先后顺序，组织可结合自身情况在各阶段制定合理的实施方案。
维护数据资产权益是中小企业在数字经济时代生存和发展的基本保障。数据资产包含企业的商业秘密、客户隐私等重要信息，一旦权益受到侵害，将对企业的声誉、客户信任和市场竞争力造成严重损害。例如，数据泄露事件可能导致客户信息被滥用，引发客户投诉和流失，同时企业可能面临法律诉讼和经济赔偿责任，严重影响企业的正常运营和发展。在数据共享、交易等市场活动日益频繁的背景下，明确的数据资产权益有助于中小企业与其他主体建立公平、公正、合法的合作关系，保障企业在数据市场活动中的合法收益，促进数据市场的健康有序发展。中小企业要建立健全数据资产权益保护机制，首先要加强法律法规意识，严格遵守国家有关数据保护的法律法规，如《数据安全法》《个人信息保护法》等。依据法律法规的要求，明确企业在数据收集、存储、使用、共享等各个环节的权利和义务，确保企业的数据处理活动合法合规。在企业内部管理方面，要建立完善的数据使用规章制度和保密协议，规范员工的数据操作行为。对涉及数据资产的关键岗位和人员进行严格的背景审查和权限管理，防止内部人员因疏忽或故意行为导致数据泄露。同时，加强对员工的数据安全培训，提高员工的数据保护意识和能力。在外部合作中，企业要通过签订严谨的合同条款，明确数据资产的权属、使用范围、安全责任和收益分配等关键事项。在数据共享和交易过程中，要选择合法、可靠的合作伙伴，加强对合作过程的监督和管理，确保企业的数据资产权益得到有效保护。此外，企业还应密切关注数据资产权益保护领域的政策动态和技术发展趋势，及时调整和完善权益保护策略，以适应不断变化的外部环境。财政部牵头的支持中小企业开展数据评估、数据资产入表和数据资产管理等工作，是推动中小企业数字化转型、适应数字经济发展趋势的重要举措。通过开展数据资产价值评估，中小企业能够清晰认识数据资产的价值，为企业决策提供科学依据；数据资产入表有助于优化企业财务状况，提升企业在资本市场的竞争力；加强数据资产管理能够保障数据资产的安全和高效利用，实现数据资产的保值增值；维护数据资产权益则为中小企业在数据驱动的商业环境中构建了坚实的防护屏障。这些工作相互关联、相互促进，共同构成了中小企业数据资产发展的完整体系。中小企业应充分把握政策机遇，积极行动起来，加强自身数据管理能力建设，在数据资产领域不断探索创新，实现企业的数字化转型和可持续发展，为我国数字经济的繁荣发展贡献力量。参考：
2、和毅咨询，《数据资产价值评估的方法、流程及案例解析》扫码下方二维码加入【数据学堂知识星球】，搜索“数据资产”关键词，下载相关资料文档 
还没有评论，来说两句吧...