战略选择，数据资产入表实践指南

2024-06-21史凯

信息化建设 2024年3期

史凯

从2024年1月1日开始，数据资源可以纳入企业财务报表。这意味着数据可以直接变成资产，完成了从自然资源到经济资产的跨越，数据有望成为政企报表及财政收入的重要支撑。因此，每个企业都需要用全新的眼光和视角来看待数据要素，2024年将是数据价值之年

数据资产入表，是一个与企业愿景和目标相匹配的战略选择，是一个需要顶层设计的体系化工作，而不是一个单一的业务动作，不能为了入表而入表。

如前两期文章所述，数据一直以来都是应用的副产品，数据的价值通常是以辅助应用、辅助决策的形式来间接体现。在企业内部，更多的是把数据当作原材料来管理和简单使用。

而从2024年1月1日起，数据资源被视为资产纳入财务报表，这意味着数据完成了从自然资源到经济资产的跨越，有望成为政企报表及财政收入的重要支撑。

2024，数据价值之年

2024年1月，由全球领先的数据和人工智能研究咨询机构Wavestone发布的《2024全球领袖企业数据和人工智能高层调研报告》指出，在全球各行业的领导型企业中，87.9%的企业将数据和人工智能作为优先级最高的战略选择，82.2%的企业将继续追加数据和人工智能的投资，87.0%的企业已经从数据中获得了可以度量的业务价值。

笔者认为，2024年将是数据价值之年。主要原因在于：一方面，经过近二十年的信息化建设，企业已经具备了数据要素汇聚和数字化生产力产生业务价值的基础；另一方面，从2024年1月1日起，数据可以作为一种资产纳入企业的财务报表中。这是一个体制级的创新，从制度、法规上给予了数据一种最直接、最能被量化价值的可能性路径，而这正是困扰了数据领域多年的问题。

数据对业务的价值是什么？一直以来，数据是以间接的、辅助的方式产生业务价值的。比如，最为人熟知的数据价值创造，商务智能/决策支持，通过数据的汇聚和分析，产生了更全面、独特的信息和知识，提供给决策者和管理者，从而作出更精准和准确的决定。这个阶段，不论数据建模分析给出的报表，洞察多么有意义，最终去看、去理解这些数据产品的，是人本身；最终做出业务决策的，也是人，而不是数据本身。不同的人对于业务的理解和判断是不一样的。同样的业务数据报表，经验丰富的管理者能够做出明智的决策，而分析能力不强的，则可能无法充分利用这些数据的价值，所以，数据和业务价值之间，总是隔着一堵无法跨越的墙。

而当数据可以作为资产纳入企业财务报表，意味着数据从价值的间接辅助创造者，一跃成为直接价值的创造者。

什么是数据资产入表？数据资产入表是一个通俗的简称，它源自2024年1月1日，财政部发布的《企业数据资源相关会计处理暂行规定》（下称《暂行规定》），其中明确了数据资源将被视为一种资产纳入财务报表。

众所周知，财务报表是体现企业在一定时间范围内财务状况和经营成果的主要记录和展示方式，是企业经营情况的整体呈现，也是社会、投资机构和生态伙伴对一个企业的认知方式之一。《暂行规定》出台以后，企业能够将数据资源按照企业会计准则，梳理符合无形资产和存货的数据资产入表，也可以将合法拥有控制、能够带来预期经济利益的，但不满足资产确认条件的数据资产入表。这就可以让企业超出原来实体经济模式的范围，更全面地呈现数字经济和数据要素的资源和实力，更准确地呈现企业的价值，进而有助于企业被更客观地评估，实现更大、更高效的发展。

《暂行规定》开启了我国数据资产入表的第一步，具有里程碑式意义，为企业发现数据价值提供了新思路和新模式。

数据资产入表的战略意义

在本刊2月号的专栏文章中，回顾了数据要素市场建立已经铺垫了十年左右，此时推出数据资产入表，对于打造数字中国、发展数字经济有着四大战略意义（如图2所示）。

发挥启动引擎作用，加快释放数字经济“新动能”

数据资产入表作为牵引，能够从创造价值的角度，上下拉通，以数据要素为启动引擎，加快释放数字经济的新动能。

一方面，2024年2月7日，国家数据局与中央网信办、工信部、公安部等四大部委联合发起《全国数据资源调查》，自上而下梳理盘点数据全貌，基于此进行全国数据要素市场的重点领域摸底和顶层设计，为数据要素市场的建设和发展进行统筹规划，实现全局拉通。

另一方面，数据资产入表能够直接优化企业资产，创造数据新价值，以此拉动企业重视数据资源，推动数据共享和流通，从而能够加快数字经济的发展。

成为新的价值锚点，加速数字化转型和产业升级

数据资产入表，赋予了企业数据相对确定的业务价值。截至目前，已涌现出众多优质数据资产融资、交易的案例，给企业带来了新的增长引擎。所以，数据成为企业创造价值的新锚点，能更快、更直接地助力企业推动数字化转型和产业升级。

强化数据内功修炼，提升企业数据价值创造能力

数据资产入表，是一个体系化、科学化、系统性的工程。在数据资产入表的过程中，企业需要重新审视业务战略和商业模式，建立扎实的数据基础设施，探索创新的业务场景，对数据资源进行盘点、确权、评估，这也是一个修炼内功、做实数字化转型的过程。这个过程能够提升企业在数据价值上的创造能力，同时也能够发现更多有价值的业务创新点。

推动数据共享开放，支撑统一大市场的打造

过去，数据行业面临的最大难题是数据的共享开放，有数据的不愿意拿出来，缺数据的找不到高效的获取途径。而数据资产入表的推行，让数据具备了流通和交易的价值，能够让更多的数据共享开放，从而通过数据拉通产业链上下游，打破行业和区域壁垒，更好地支撑统一大市场的打造。

数据资产入表的企业价值

于企业而言，数据资产入表到底有哪些收益和价值？笔者认为，应该跳出数据资产入表这一行动本身，从企业战略和数字化转型的角度来看它给企业带来的收益。总体来说主要包括八个部分，如图3所示。

提升企业估值。近几年来，已经有众多企业通过数据资产评估获得了金融机构的增信、贷款和融资。数据资产入表可以将企业的数据资源转化为可计量、可交易、可增值的资产，从而提升企业的估值水平。这对于吸引投资者、拓宽融资渠道、提高资本市场竞争力等都具有重要意义。

优化财务报表。数据资产入表可以从财务角度和业务角度全面提升相关公司的估值，特别是数据资源型企业、数据驱动型企业的数据资产价值将得以显现和重估。同时，数据资产的确认和计量将改善企业的资产负债表和利润表，使企业的财务报表更加准确地反映企业的真实价值和经营状况。

增强决策支持能力。通过将数据资产纳入财务报表，企业可以更加清晰地了解自身的数据资源状况和价值变动情况，从而为决策提供更加准确、可靠的信息支持。这有助于企业更好地优化资源配置、制定战略规划、评估投资项目等。

提升数据管理水平。数据资产入表要求企业对数据资产进行更加规范、更加精细的管理，包括对数据的收集、存储、处理、分析、保护等方面。这将促使企业建立健全数据管理制度和流程，提升数据质量和安全性，从而更好地发挥数据资产的价值。

促进业务创新和发展。数据资产入表将使企业更加重视数据资源的开发和利用，推动企业进行业务创新和转型升级。企业可以通过数据分析和挖掘，发现新的市场机会、优化业务流程、提升客户体验、开发新产品和服务等，从而实现业务的持续增长和发展。

提升企业竞争力。数据已成为企业的核心竞争力之一。数据资产入表将使企业的数据资源价值得到更加充分地体现和认可，从而提升企业在市场上的竞争力。这对于企业在竞争中脱颖而出、赢得客户信任、拓展市场份额等方面都具有重要意义。

降低合规风险。随着数据治理和隐私保护法规的日益严格，企业需要对其数据资产进行合理的管理和披露。数据资产入表可以帮助企业更好地满足监管要求，降低合规风险。

提高企业信誉和形象。数据资产入表表明企业对数据管理的重视和投入，有助于提升企业在客户、投资者、合作伙伴等利益相关者中的信誉和形象。这对于企业获取资源、拓展市场、建立合作关系等方面都具有积极影响。

数据资产入表对于企业来说具有重要的意义和价值。它可以帮助企业更好地管理和利用数据资源，提升企业的竞争力和创新能力，实现企业的可持续发展。特别是对传统企业来讲，数据资产入表更是一针数字化转型的“强心剂”。

数据资产入表的挑战与应对

2024年是数据资产入表第一年，相关政策、法规、制度都尚在摸索当中，面临着诸多挑战，可以归纳为五大挑战。

确权挑战及应对

数据资产的特点决定了在确权方面面临一些挑战，包括但不限于以下几个方面：

数据的无形性：数据资产不像传统的有形资产那样，具有明确的物理形态和边界，因此难以确定其归属和权益。

数据的可复制性：数据可以很容易地被复制和传播，因此难以确定数据的原始来源和所有权。

数据的多主体性：数据往往是由多个主体共同产生和被使用的，因此难以确定数据的归属和权益。

数据的隐私性：数据中可能包含个人隐私信息，因此需要保护数据的隐私性和安全性，这也增加了数据资产的确权难度。

为了这些数据要素的特点带来的确权挑战，国家开创性地提出了“三权分置”：建立数据资源持有权、数据加工使用权和数据产品经营权的数据产权制度框架，配套以数据交易所、数据资产登记等各类举措，打破了数据处理链中各个主体之间的竞合关系，保护了相关参与方的合法利益，有利于引导数据要素市场活跃，释放数据价值。

计量挑战与应对

数据资产入表，需要相对精准的成本收益的计量。而数据资源的生产会持续不断，且开发价值链很长，这导致成本归集比较困难。同时，数据资源带来的收入如何与成本进行匹配，更加真实全面地反映数据资源的投入产出，也比较复杂，不同的行业和场景都会有不同的处理方式。

所以企业需要建立数据资源地图，从上至下进行总体规划，减少交叉、重复的生产过程，同时建立数据资源价值评价体系，监控数据生产的全链路，全面采集过程中的成本和收益增值的数据，才能更加全面地计量数据资源的成本和收益，让财务报表更准确。

价值挑战与应对

数据资产入表是手段，通过数据资产梳理和入表，体现数据资产的价值创造才是目的。所以数据资产入表面临的最大挑战还是来自数据资产到底能够给企业带来哪些业务价值。笔者认为，数据要素的终局是与社会化大生产相融合，通过数据资产的梳理、盘点、入表，来回流、反哺、赋能实体经济。而这个挑战的核心就是要找到数据利用的业务场景，不仅是针对企业本身的，更多的是能够参与到产业链上下游，整个社会化大生产体系的赋能场景。

所以，企业要从业务价值视角出发，围绕业务场景梳理数据资产，让每一个数据都能被应用到对应的业务环节中，从而发挥赋能作用。企业可以借助精益数据方法中的精益数据场景画布，通过精益数据共创工作坊这样的形式来梳理、探索、盘点数据可能的应用场景，从而再围绕业务场景进行价值匹配。

运营挑战与应对

与传统的生产要素不同，数据要素是流动的，是持续产生的，所以数据资产入表只是数据要素活动的一个环节，企业更多的是要考虑这些数据如何能够通过持续的运营，源源不断地产生更多的高质量数据，创造更多的业务价值。

打造数据资产的运营体系是数据资产入表能否切实创造价值的重要能力。企业要建立起数据资产管理和运营团队，持续不断地分析市场需求和数据产生的情况，发现机会，建立数据运营体系，才能让入表后的数据真正地“动”起来、“活”起来、“转”起来。

技术挑战与应对

数据每时每刻都在产生和流转，类型越来越丰富，场景越来越多。随着AIGC技术的广泛应用，企业数据资源的管理和生产利用，会带来巨大的技术挑战。没有对应的数据加工、存储、处理、流通、安全和治理等技术手段，就无法驾驭这海量的数据资源。

企业要建立和提升对应的数据资产全链路的基础设施、技术工具和平台能力，让数据的生产利用更加安全和高效。

数据资产入表需要建立六大能力体系

数据资产入表是企业数据价值体系的价值呈现方式，也是一次体系化能力输出的体现，绝不仅仅是一个简单的业务动作。企业应该建立价值导向、战略驱动、场景牵引的数据创值能力体系，才能够持续地应对数据资产入表的挑战。

企业可以参考精益数字化能力模型来构建自己的数据价值创造体系，主要六大部分，如图6所示。

精益数据战略。企业要建立与业务战略匹配、价值导向的数据战略，梳理数据资产蓝图、业务场景蓝图、字化技术蓝图和数字化转型路径蓝图，从而自上而下地统一思想、统一目标、统一价值、统一场景和统一路径；然后围绕数据战略开展数据资产入表的统筹规划，分步实施。

精益数据产品。数据产品是数据价值化、商业化的载体。在数据战略的基础上，企业要构建起自己的数据产品生产体系，围绕业务场景打造市场需要、价值凸显的数据产品，然后再资产化。

精益数据治理。数据产品的构建离不开高质量数据的持续输入，所以企业要构建敏捷迭代、以场景为核心、快速反馈的精益数据治理体系，让数据治理与业务价值携手同行。

数据协同创新。只有开放共享的数据才能产生更大的业务价值，所以企业要构建生态级的数据协同创新机制，通过数据门户、数据创新大赛等工具和形态，拉动数据在企业内外部的开放共享，创造更有价值的场景。

精益数据中台。企业需要围绕数据战略，规划设计建立自己的数据加工生产一站式数据中台，从而做到数据统一汇聚、统一加工标准、统一运营。

数据驱动的组织文化。数据资产入表看上去是业务动作，但背后其实考验的是企业的数据文化和员工的数据素养。企业要建立起配套的数据驱动的组织文化，从而筑牢组织基础、制度基础和团队基础。

企业数据资产入表的九大步骤

正确认识数据资产入表

企业要正确地认识数据资产入表的意义和本质，要从企业整体价值创造、战略实现的视角去理解数据资产入表的收益和风险，全面、客观地看待数据资产入表的机会，而不只是将它视作单一的、做大资产的技术手段。

围绕业务战略目标，设计数据战略

在统一认知之后，着手围绕企业的业务战略目标，建立数据战略，以终为始地分析设计数据资产入表对企业当下和未来的价值，对企业价值的贡献、带来的风险和应对策略，评估数据资产入表的投入产出比、意义和路径。纲举目张、按图索骥，才能够让数据资产入表与业务战略、数字化转型融为一体、相辅相成。

开展数据资产规划，建立企业数据资产蓝图

不谋全局者，不足谋一域。数据资产规划是数据资产入表的起点。

数据的组合无穷无尽，不全面地梳理数据资产蓝图，就无法识别最有价值的数据资源组合。所以，制定数据资产规划、建立数据资产蓝图是数据资产入表的重要基础和前提条件。有了数据资产蓝图，就有了一片肥沃的土地，在此基础上，企业就可以进行“精耕细作”，在探索业务场景、梳理数据产品和数据资产的同时，发现那些需要采集、购买的数据，补充整个土地的肥力。

识别业务价值，排序高优先级业务场景

在数据资产蓝图之上，企业就可以开展数据场景探索和挖掘活动，从产业链上下游来全盘审视和发现数据与业务的结合点，找到数据组合能够赋能业务的场景清单。梳理出以业务价值为核心的数据场景，也就是哪些数据的组合，能够解决什么业务问题、创造什么价值。这里有一个不能忽视的点，即一定要关注度量体系，如何来度量数据解决业务问题的成果。

围绕业务场景，开展数据治理，梳理数据资产

无价值不场景，无场景不数据。先围绕数据资产蓝图共创出数据价值场景，再围绕业务场景的数据价值流，进行专项、针对性的数据治理。梳理出对应的数据资产能够第一时间被业务所验证，从而确保数据治理的效果，更加提高数据资产的质量和在数据流通交易市场上的竞争力。

预测分析经济利益

在开展数据治理的同时，还应预测分析带来的经济利益，预估包括对企业自身、对产业链上下游以及对其他组织和企业产生的价值。然后根据分析结果，设计数据资产入表的策略。