企业实现数据资产化的路径方法-数字化转型网www.szhzxw.cn

数字化转型网数据专题将关注数据治理、数据质量管理、数据架构、主数据管理、数据仓库、元数据管理、数据备份、数据挖掘、数据分析、数据安全、大数据、数据合规、等数据相关全产业链相关环节。

一、数据资产化背景

数据已成为重要战略资源和新型生产要素，数据要素也成为了数字经济发展的核心动能和引擎，各个企业对数据的重视程度越来越高。特别是随着财政部《企业数据资源相关会计处理暂行规定》、《关于加强数据资产管理的指导意见》等文件出台后，企业对于如何推进数据资产化进程，如何更好地管理数据资产，有了迫切的研究探索需求。

除了受时代背景与国家政策驱动外，企业开展数据资产化研究探索也有其自身的内因。一方面，从企业的角度来说，数字化转型已经是不可逆的必然趋势，大量企业投入资金建设数字化系统，将业务搬到线上，同时沉淀和积累在自身行业业务领域内的数据资源，通过对数据的分析和挖掘，支撑自身的业务决策与经营管控，对数据的依赖依然越来越大。另一方面，人工智能的发展也越来越迅猛，数据作为人工智能的“算力、算法、数据”中，三个不可或缺的要素之一，是训练人工智能的重要语料，也是企业必须维护和保养的重要资源。

可以说，实现数据资产化将成为企业的核心竞争力，有助于在竞争中抢占先机，研究和分析企业数据资产化的思路和路径已经成为了众多企业必修的课题。

那么，什么是数据资产化？数据资产化过程中有哪些挑战？如何实现数据资产化？

二、什么是数据资产化？

在明确数据资产化的定义之前，我们需要先明确数据资产的定义，财政部关于《企业数据资源相关会计处理暂行规定》的线上培训视频中，将数据资源分成了三类：确认为资产的数据资源、不符合相关资产确认条件而未确认资产的数据资源、不符合资产定义的数据资源。

图1 数据资源分类示意图

从这个分类中，明确了可以被确认为资产的数据资源的基本判定条件：

1、符合资产定义：即需要是“企业合法拥有或控制的、预期会给企业带来经济利益的”数据资源。

2、满足企业会计准则中的资产确认条件：即“与该资源有关的经济利益很可能流入企业，以及该资源的成本或者价值能够可靠计量”

在理解了数据资产需要满足的条件后，我们也能更好地理解“数据资产化”的内涵，即“数据资产化是将数据资源转化为数据资产，保证充分激发和释放数据价值潜能的过程。”

三、数据资产化面临的挑战

数据资产化的关键在于将“数据资源”转化为“数据资产”。所以其必要的转化路径，就包含在“数据资产”需要符合的各项条件中。实现数据资产化的过程，就是让企业的众多数据资源，从“不满足资产条件”。到“满足全部资产条件”的过程。

但是以下问题和挑战，会导致企业的数据资源不满足资产确认条件：

图2 数据资源不满足确认条件的挑战

1、“合法拥有或控制”

在“合法拥有或控制”的条件下，企业主要面对的是确权和合规的问题，一方面是企业要在收集和存储数据的过程中，合法合理地保障对持有的数据的相关权属；另一方面是企业要做好数据合规管控，梳理各数据场景、数据环节可能存在的法律合规风险，通过对流程的管控和风险的防范，确保数据资产加工、使用和收益获取的合规性。

2、“预期会给企业带来经济利益”

在“预期会给企业带来经济利益”的条件下，企业主要面对的是数据价值点挖掘、数据质量保障、预期收益评估等问题。

一是很多企业的数据库中，存在大量“沉默资产”，这指的是可能存在潜在价值，但在实际业务中并未被发掘和利用的数据资源，这需要企业有意识地发掘、运营和盘活数据的潜在价值。

二是对于一些使用场景明确的数据资源，也存在数据自身有质量问题、不可用的情况，无法被正常使用的数据资源，也无法成立为一项数据资产。

三是数据的预期收益是难以准确评估的，如果是贴近客户侧，例如客户的产品消费数据，还能通过数据交易、营销推送等方式，量化数据对外的收益，但是很多诸如财务数据等仅在企业内部流通的数据，如何评估其预期会给企业带来的经济利益是一个难题。

3、“与该资源有关的经济利益很可能流入企业”

在“与该资源有关的经济利益很可能流入企业”的条件下，企业主要面对的是数据市场需求明确、数据交易流程打通等问题。

“经济利益很可能流入企业”这一点，其实又变成了在企业内部流通的数据很好做到，但对外单位存在流通交易可能的数据无法保证的一个条件。一方面，对外的数据产品需要有明确的市场需求，如果企业研发了数据产品，却无法被潜在的市场客户买单，那就不会有经济利益流入企业了；另一方面，数据交易流程的打通也是很重要的，如果交易双方对于数据资产的交易意愿很强，但在数据对接、流通平台对接、安全和隐私保障等环节无法互信互认，数据消费者不敢买，数据供应方不敢卖，也谈不上经济收益的流入了。

4、“成本或者价值能够可靠计量”

在“成本或者价值能够可靠计量”的条件下，企业主要面对的是数据成本计量、数据价值评估等问题。

一方面，数据的成本很难计量，数据成本产生的来源很多，包括数据获取、存储、处理和分析过程中的成本，也包括数据治理、数据安全与合规保护等管理成本，另外在对外流通交易的过程中，可能还存在营销、推广、中介、评估等成本。这些成本中，涉及到信息化采购的成本还方便计量，以采购订单的金额计量即可，但是涉及到人工成本就不好计量了，内部的员工，投入了多少人力成本在数据工作上，这个是很多企业不会特意计算的。

另一方面，数据的价值难以评估，数据本身的异质性导致同样大小的数据所蕴含的价值完全不同，甚至即使是同样的数据，在不同的企业不同的场景，产生的价值都可能千差万别，难以以统一的标准进行衡量，导致数据很难有一套较为统一的定价体系。

四、如何实现数据资产化

正如前文所言，在企业实现数据资产化的过程中，需要面对诸如数据确权、数据合规等一系列问题和挑战。针对数据资产化的实现，和数据资产化挑战问题的解决，笔者提出了以下企业数据资产化实现的路径框架，希望帮助企业有效厘清思路、规划举措，从而推动数据资产化的进程。

图3 企业数据资产化路径框架图

该路径主要包括以下六点核心内容：

1、数据资产化战略：从数据资源转化为数据资产的过程是系统性的，其中牵扯的环节流程、权责分配、技术应用纷繁复杂，企业若不做专业的、体系化的规划，很难保障数据资源转化成数据资产过程的可持续性、有序性和高效性。所以数据资产化战略，是推动企业数据资产化进程的重中之重，数据资产化战略包括顶层蓝图规划、统筹行动计划、实施工作方案等形式，从顶层指引到落地实施，指导和推动企业内部员工在统一的认知共识下，协作落实数据资产化的各项任务举措。

2、数据资产入表：为了更好地管理数据资产，需要对数据资源和数据资产做界定和区隔，定位到属于资产的数据，并把数据资产纳入企业的资产管理体系中。数据资产入表则是确立数据的资产属性，识别并将数据资产纳入资产统筹管理范围内的有效手段。数据资产入表包括数据资产成本管理、数据资产估值管理、数据资产收益管理、数据资产计量管理、数据资产信息披露管理、数据资产化风险管理、数据资产台账与卡片管理、数据资产使用与处置管理等管理内容，企业可以通过建立体系化的数据成本、价值、收入的体系化管理机制，保证常态化实现数据资产的初始计量和后续计量，与定期披露数据资产财报信息。在披露后，通过风险管理与台账、使用处置管理，在数据资产的全生命周期持续保障数据资产的保值增值。

3、数据流通：为了保证具备商品性质的数据资产可以为企业带来经济利益，企业需要结合自身数据资产和业务特性，面向外部的数据消费群体，提供与之消费需求匹配的数据商品，实现数据增值和变现。这个过程可以通过数据流通实现。数据流通包括数据交易管理、市场营销管理、数据确权、数据定价、商品管理、客户管理、计量计费、核账结算等工作内容。企业需要探索建立数据商品交易的流程规则，建立与数据交易流通配套的市场营销机制，形成成熟的数据交易业务的商业模式。通过确权和定价，满足数据商品的交易条件，对数据商品、购买数据商品的客户，交易的金额计费和结算核账进行有序管理，以充分高效的数据商品流通交易机制和流程，塑造自身在数据要素市场的竞争力。

4、数据安全与合规：数据安全与合规是为数据资产化保驾护航的两个管理工作。数据安全是指对数据设定安全等级，按照相应国家/公司相关法案及监督要求，通过评估数据安全风险、制定数据安全管理制度规范、完善数据安全管理相关技术规范，保证数据被合法合规、安全地采集、传输、存储和使用。数据合规是数据数据资产化的底线和保障，也会是今后监管的重点。随着各类细则、标准的不断完善，数据合规管理将会愈加规范化、严格化。通过做好数据合规，可以实现企业敏感数据保护、获取客户信任，为企业高质量发展创造价值。数据合规需要围绕数据资产全生命周期，梳理各场景、各环节可能存在的法律合规风险，制定防范策略，并通过数据合规审计、数据合规评估等，以评估促提升。

5、数据治理与运营：数据资源转化为数据资产，最关键的点在于其应用价值的发挥，杂乱无序、质量不佳、需求热度低、供给迟缓的数据资源，其应用价值是很低的。要实现数据资源到数据资产的转化，需要对数据资源的应用价值进行针对性提升，这个过程中主要做的两个工作是数据治理与运营。在数据治理方面，主要包括元数据管理、数据标准管理、数据质量管理、主数据管理、数据认责、数据分类分级、数据生存周期管理。在数据运营方面，主要包括数据需求挖掘、数据源/数据采集管理、数据模型管理、数据共享、数据开放、数据服务管理、数据开发管理、数据运维管理。企业通过这些管理工作的实施，可以实现对数据资源的标准化治理管控，全方位、体系化提升企业数据资源的可用性、易用性、准确性。并且以数据的需求为驱动，打造“数据资产的生产线”，推动数据从采集到加工、服务的全链路供应，加速数据价值的充分发挥，和数据资源向数据资产的转化。

6、资源保障与技术支撑：整个数据资产管理的过程，配套的资源保障和技术支撑是必不可少的，没有这两个基础，管理和执行的工作不能顺利地推进。这其中，资源保障包括人才培养、资金投入、合作伙伴、渠道生态等，技术支撑则是指企业需要搭建的数据资产管理平台、数据交易流通平台、数据安全合规平台等数据平台。通过资源和技术的保障，可以全面提升数据资产管理的水平和效果。总结
05

数据资产化是当前的大势所趋，企业数据资产化是时代发展的必然，各行各业都需要加以重视。本文从方法论层面，分析了企业数据资产化的内涵和面临的挑战，提出了实现企业数据资产化的思路和路径框架，希望能够对行业的发展带来一定的参考，给各企业的探索实践提供启发。

声明：本文来自网络，版权归作者所有。文章内容仅代表作者独立观点，不代表数字化转型网立场，转载目的在于传递更多信息。如有侵权，请联系我们。数字化转型网www.szhzxw.cn

数字化转型网数据专题包含哪些内容

数字化转型网数据专题包含：数字化转型网（www.szhzxw.cn）

1、数据相关外脑支持：100+数据相关专家、100+数据实践者、1000+相关资料

2、数据研习社：与全球数据相关专家、实践者共同探讨相关问题，推动产业发展！

3、国际认证培训：目前已引进DAMA国际认证CDMP，其他国内外认证也在逐步引进中

4、典型案例参考：与数字化转型网数据要素X研习社社员一起学习典型案例，共探企业数据落地应用