数字化背景下企业数据资产的应用研究

文/欧阳燕（中国石化工程建设有限公司）

互联网、物联网、人工智能等技术发展，数字经济进入全新阶段，国家的数字经济占比在不断增加，我国常规交易中已经使用数字化技术，成为数字经济的一种，目前规模已经超过35.8万亿，占据全国GDP的35%，同比增长1.4%。2020年，中国数字经济进入全新阶段，尤其是受到新冠疫情影响，全球经济下行，数字经济规模不断拓展，目前超过 39.2万亿，GDP占比38.6%，数字经济在国内的比重随之提升。企业数字化转型资产管理研究兴起，在数字经济时代下，数据不仅是一个符号，而是生产中的重要因素，自政府到企业对数据的重视度在不断增高，随着数字经济发展，企业数据资源转变为数据资产，数据不仅是技术手段，还可以结合企业实际情况以数字经济促进发展。目前数据资产研究集中在政府及行业、社会服务等各个部门，以数据为产品的互联网及信息技术、金融企业数据资产也进入人们的研究范围，企业数据资产管理及应用是新的研究方向。本文自数据资产内在出发，结合相关性分析，分析资产的构建路径及管理机制，为数字化发展提供支持。

一、数据资产概述

（一）含义

数据资产于1974年提出，理查德认为数据资产包括企业证券及公司债券等，理查德所提出的数据资产与先进的数据资产存在差异，他所提出的资产以金融资产为主，并非是以数据为关键的资产。随着时间推移，人们对数据资产的认识也在不断提升，覆盖面积随之拓展。有研究认为，数据资产是经过加工后，为企业实现盈利目的的资产。也有人认为数据资产是可计算、可估量的资产，属于无形资产及长期资产，是全新的资产类别。现阶段，学术界对数据资产定论不统一，自总体上看为以下定义，数据资源即数据资产，促进企业盈利，数据资产也具有资产的基本数据，同样具有数据属性，作为一种新型资产，企业对该资产统计较为困难，应当以价值的角度评估资产。

（二）特点

数据资产需满足资产的定义，具有资产的基本属性，数据资产是为企业赢得利益的资源。企业应用数据资产过程中，先要统计数据资产，明确资产属性，与传统资产相比存在差异。对此，数据资产具有资产、数据的多重性质，立足整体角度分析 ，数据资产具有业务附着性及可复制性、时效性等。数据来源于业务，每项业务经营时均会产生数据，自某种意义上看，数据是原始经济业务的呈现。企业对数据进行加工后，形成经济决策及运营管理等数据，此时的数据即数据资产。数据资产具有相关的属性，但也就是经济活动的辅助产品，无法独立为企业创造经济价值。数据资产实现需要依靠业务，以数据业务进行整合，促使企业的创造力提升。数据资产的价值以多种形式体现，企业资源量较多，但并非所有的数据资源均是资产，需要依赖价值进行分析，数据加工也要将成本作为基础，将数据进行转型后，使其成本数据资产。对此，数据资产质量决定数据处理技术质量，相同数据资产以不同处理技术分析，也会产生不同的价值。与其他资产不同，数据资产具有可复制性，且成本低，在数字资源利用过程中，企业随时获得副本，数据资产价值降低。数据资产在利用过程中，不会如同其他资源般磨损或者腐蚀，数据资产随着时间延长价值也随之降低。目前，数据资产在费用化上研究不足，企业核算成本过程中，固定资产及无形资产均有年限，根据原始成本进行折旧，数据资产价值更容易受到时间影响，尤其是时效性强的资产，企业在收集资产时人力及物力耗费量大，数据被公开后，数据资源的价值随之消失，数据资产成为无用资产。数据资产加工过程中，不确定性是常见特点，数据资产价值在加工后也不会增值，所处的环境不同，数据资源的价值也会发生变化，在不同的情景下数据资产的价值不同。网络上服装消费数据对服装企业具有重要意义，但对食品企业的价值一般。

二、企业数据资产的估值

数据资产价值评估是重点，常见的数据资产评估方法包括成本法、收益法、市场法，成本法指的是资产价值确认过程中消耗的历史成本，收益法则是对资产价值进行评估的预期成本，市场法是对资产确认及交易双方认可度进行估值的方法，不同估值方法均具有合理性，在不同资产估值中应用。数据资产具有特殊性，价值评估无法通过某一种方法进行衡量，以综合估值法评估即可。数据资产评估期间，思考资产消耗历史成本外，也要对预期收益进行分析，并思考数据资产的风险因素，或者不同场景、数据质量水平等。除采取常规估值法外，也应当自质量、风险等方面进行综合评估。①质量评估：此过程中主要评估数据完整性及真实性、准确性等。其中，真实性代表数据的真实程度，完整性代表数据记录后的完整指标，准确性代表数据记录后的准确程度，数据成本是交易不活跃时的数据没有明确的价值，安全性则是数据不会被破坏。②应用维度：在应用过程中，数据资产具有独特性及稀缺性，或者具有时效性，在特定的场景中可以使用。在经济性场景中，数据资产的经济价值也不同。③风险维度：数据资产同样具有风险，比如，法律不明确的情况下，部分数据无法交易，部分数据合法后交易，此类问题均影响数据资产的价值，部分数据资产也会受到道德约束。不同学者的研究角度不同，在实际应用过程中也存在限制，还需在市场交易、企业操作等层面完成分析，并构建起数据资产评估体系。

在数据资产实际计算过程中，也面对着另一个难点，比如，企业数据资产无法形成统计表，部分重要的资产也无法通过货币的方式呈现，这也是企业数据资产被忽视的重要原因。有研究认为，数据资产应当单独设置一个会计科目，对企业的数据资产进行准确管理。自形式上看，数据资产与无形资产具有相似性，两者均不是非实物形态的资产，在特性上存在显著的差异。数据资产无法单独自企业的经营中剥离，无法直接体现价值，数据资产对企业产生的价值也不同，数据资产使用寿命也无法确定。数据资产与其他类型资产存在差异，对此，在数据资产设置过程中，先设置资产统计表，随后以货币能衡量的方式对数据资产进行获取，并记入资产总额。随着数字经济的发展，数据资产重要性日渐凸显，对数据资产进行核算是企业发展的必然要求，但数据资产计量方法还需改进，才能为企业发展创造更大的价值。

三、企业数据资产价值实现方式

数据资产是新型资产，其增长模式与传统资产存在差异，尤其是资源不足的企业，关注数据资产挖掘有利于开发企业潜在价值，使内部不流动的资源转变为可以被利用的数据，从而提升企业的利润空间及企业的核心竞争力。在数据资产转变为价值的过程中，企业应当自本身价值及附加价值两个方面进行思考，本身价值是数据存在的价值，以业务交易价值为主；附加价值是企业生产运营中的资产，是不常见的交易数据，数据资产的价值实现有很多的路径，可自以下几个方面实现价值。首先，需提升数据竞争性，处于信息化环境下，使数据资产具有价值是企业核心竞争力的体现。企业基于海量数据角度进行分析，挖掘数据背后的信息，对数据进行统筹管理，并制定相关的产品处理方案，多角度发挥数据资产的价值。企业在数据资产利用过程中，应当基于企业的战略发展为基础进行研究，把握企业发展的角度，对资源进行整合，并优化企业的成本结构，构建起市场经济下的发展体系，企业需利用数据资产打造品牌，提升企业在市场中的竞争力。其次，企业对数据资产进行加工过程中，主要是对生产环节进行更新，使企业成本降低，使企业的利润空间增加。在企业经营中，需要收集数据资产，使用工业网络及智能设备等集成，实现数据的贯通。基于生产工艺数字化系统，实现数据上下游流通，提升企业的生产力，并结合数据降低企业的生产成本。最后，通过数据对企业财务进行管理，财务管理具有较高的敏感性，数据完整性及及时性体现数据资产的价值，企业会计对数据资产进行核算及利用，是企业经济效益进一步提升的关键。企业可构建信息化平台，持续增加数据资产及管理数据资产，利用大数据模型为财务决策提供支持，实现企业的多项指标管理，并完成指标展示及业务分析。通过数据资产也能开展资金监控，对资金收支、盈余情况进行预测，为企业决策奠定坚实的基础。

四、数字化背景下企业数据资产的应用

（一）建立数据资产管理模式

数字经济环境下，企业为提升生产力，应当建立规范化的数据资产管理体系。数据资产是否能够产生价值与内部流通环境具有相关性。企业内部数据流通性强，数据创造的价值高，数据与企业的各项业务整合，除直接交易数据外，部分企业无法通过数据资产获得附加收益。若数据在企业充分流通，数据与相关的业务匹配，会为企业创造更大的价值。在实践过程中，企业设置不同的职能部门，每个部门具有对应的业务系统，不同系统的开发流程存在差异，在经营期间企业产生的数据是系统内部的数据。系统内数据管理具有对应的要求及规则，自整体角度上看，企业中的各项数据兼容性不足，部分标准不明确，导致企业的数据资产无法全面利用，部门之间的数据也无法共享，导致企业发生业务联系不密切，数据资产扩增范围局限在企业部门内部。企业应当关注数据资产价值提升，确保数据资产的流动性，构建起数据资产管理机制，对企业数据资产进行统筹，并衡量数据标准，规范化对数据资产进行管理。发达国家在数据资产管理过程中，注重企业数据统一化管理，企业内部建立数据库，按照数据模型进行组合，标准化数据在各个系统间共享，缩减数据资产的产生成本。在企业数据资产梳理时，根据业务需求选择相关的数据资产，两者整合后会提升业务经济效益，为企业科学决策提供帮助。

（二）建设立体化的数据处理平台

数字经济发展过程中，随着内部环境及外部环境的变化，企业的业务模式变得更为复杂，每时每刻都会产生大量的数据。整个行业内部也会不断累积数据，数据类型具有多元化特点，经营场景也更为丰富，发生严重的数据质量问题，导致企业的运营成本无法有效计算，在数据管理过程中企业面对巨大的挑战。精细化应用数据，对业务进行改革是企业发展的关键。我国部分企业目前并未建立起数字化环境下的经营模式，对此，企业在发展中应当建立数据处理平台。该平台将数据管理作为基础，以制度为保障，构建起安全、资源、质量解决方案，创新治理引擎，确保各个领域治理问题闭环处理，在处理过程中获得实用性数据资产。企业通过数据平台将分散在各个系统的数据通过抽取及加载的方式汇总。处理后的数据可以共享于企业内部各个部门，满足不同的生产及运营要求。企业建立数据平台应当以自身发展为基础，数据处理平台建设也要有成熟的条件，需要企业购置先进的硬件设备及配置软件，比如，其中包括数据集成、数据建模、数据治理等。对数据进行分析，完成系统架构建设，构建起循环、反馈系统，促进系统内的数据增长，对系统中的各项数据进行处理，从而将其转变为数据资产，打破企业内部数据流动率低下的问题，为企业经营发展提供数据支持。

（三）培养高素质的管理队伍

在数据资产利用及管理中，部分企业并未设置专业化的管理队伍，企业的信息技术部门无法承担起数据管理任务。企业经营期间，数据多在业务部门产生，信息技术部门是收集数据的部门，但无法对业务数据进行有效鉴别。企业的业务部门将目光放在经营活动上，数据收集能力不强，无法满足专用数据的获取要求，也无法高效为企业的数据资产赋值。企业在数据化转型期间，应当高效使用数据资产，形成高质量的数据资产，并构建起数据资产管理队伍。高效的数据资产管理队伍需掌握管理目标，数据管理的目标是为企业盈利，并更好地服务客户。企业需要分析各项数据资产，掌握客户的需求，根据客户需求开发相关的产品。企业建设数据资产管理队伍过程中，应当明确管理目标，数据资产管理将客户放在中心，为企业满足客户需求提供数据，对此，数据资产管理队伍成员应当是企业业务部门、财务部门及信息技术部门的精英人才，以人才为基础构建数据管理网络，并结合项目筛选数据，从而保证数据资产的价值，使企业的数据资产发挥应有的价值。

（四）企业数据资产安全管理

企业数据资产发生泄露将丧失价值，企业有效保护数据资产是发挥数据资产功能的关键。企业数据资产包括经营管理及商业机密等，各项活动均会产出数据，互联网企业的数据产生量大，保护数据安全尤为必要，企业应当关注发展的安全性及制定相关的安全管理方案。①企业应当保证数据资产来源安全性：企业数据资产包括三种，企业自主研发的数据资产、企业交易过程中的数据资产和企业互联网加工中形成的数据资产，数据来源一般较为广泛，包括国家机密或者公民隐私等，合理获得具有价值的数据是企业获得收益的关键。数据在转变为资产前并不具备价值，转变为数据资产后呈现价值，在形成过程中应当保证数据真实、有效及一致。在数据分类处理期间，不同人员的权限存在差异，还需合理处理各项数据，针对其中的机密信息应当及时处理，并做好安全保护，针对权属不清的信息，也要谨慎获取。建立起数据质量监督体系，确保企业资产准确及完整。数据资产储存目标是确保数据完整性，数据不能受损，自数据资产在市场上的趋势角度看，将来的数据储存应当将数据恢复作为基础，关注数据备份及数据擦除等工作。在企业实践过程中，应当建立数据储存机制，并注意对细节管理，完善相关的检查项目，确保数据储存安全，并随时调取关键数据，为企业业务活动提供帮助。企业的数据不断增长，数据储存安全具有严格限制，不同职务的人员权限不同。构建数据访问管理制度，避免外界人员非法进入系统，对企业的数据资源随意改动，也要定期对数据进行备份，达到综合管理数据的目的，针对其中不具备价值的数据进行清理，保证数据储存空间良好，提升数据质量安全性。

五、结束语

在数字经济环境下，中国数字经济朝向均衡、共享等方向发展，企业的数据也在发挥其价值，企业应当关注数据信息管理，明确其中的价值性信息，为企业活动开展提供支持。现阶段的大数据及云计算技术不断应用，面对复杂的外部环境，企业不能闭门造车，而是应当跟随时代发展，将数据转变为资产，成为对企业有价值的资源，通过数据资产管理提升企业的经营效益，助力企业健康发展。