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、数据资产价值化路线
财政部《企业数据资源相关会计处理暂行规定》（以下简称暂行规定）已于2024年1月1日起正式施行，标志着企业的信息化建设成果将可以以成本法方式进行入表，信息化建设本身可以转化为资产。这意味它不仅具备了资产的财务价值，还具有了生产和交易价值。
下面用一张图来为您概括数据资产价值化的路线图：
其中步骤①~⑤均为内部治理，目的是在确保数据资产安全且合规的前提下，提升数据的可用性和易用性。前5步完成后，就会分为对内和对外两条路径，本文主要聚焦在对内的路径。
第一个步骤和第二个步骤主要解决的是数据资源的确认及确权的问题。数据是怎么分类、怎么分级，会直接决定哪些数据能流通、哪些数据不能流通。合规性就涉及到了数据的权属问题：你的数据是以什么形式获得的；涉及到的数据产生方有没有给你相应的数据授权。这些会直接影响未来在使用这些数据的时候是否需要进一步的处理。
这两个步骤做完后才会进入到下一个阶段，即自主开发和授权运营的阶段。这个阶段需要通过数据资产的治理与运营，来解决数据资产可用性和易用性问题。数据资产治理会涉及到数据标准管理、数据分类分级管理、数据清洗治理、多元数据融合、数据质量管理等。数据资产运营会有诸如像算法管理、场景管理、产品管理、质量管理和授权管理等。
同时，数据安全防护的底座也是非常重要的。如果没有数据安全防护，就算你做出了爆款的数据产品，如果发生了数据泄露问题，也会面临政府层面的行政处罚或者其他民事层面的诉讼纠纷。
在完成了以上步骤之后，就可以开始确定未来交易方向：是对内进行流通还是对外进行交易。
二、如何选择存货 or 无形资产？
2.1 在做选择之前，先来明确一些概念
对外进行交易走的就是存货路线，对内流通走的就是无形资产路线。
对内交易的话（无形资产路线），可以通过数据中台服务的方式将数据服务化，然后输出给内部客户。在一个集团下的众多主体之中进行的流通都是属于内部流通，是在无形资产里合法交易的。
对外交易的话（存货路线）就是跟非关联性企业进行数据流通交易。
数据流通交易又分为数据的场内交易和场外交易，区别就是是否在数据交易所内进行交易登记。简单概括就是：
对外交易=存货；对内流通=无形资产。
场内交易=交易所内进行交易登记；场外交易=交易所外交易。
场外交易最终都会形成数据知识产权。一旦实现，就代表着成本法入表完成，然后就可进行交易流程，也就意味着市场法和收益法可以开始应用，因为流水是产品价值最好的证明。有了这些，在做完质量评估的基础上，资产评估机构就能依据市场法和收益法进行定价，再进行数据资产入表，从而实现数据资本化。
2.2 再来了解一下两种路线的落地难度
根据《暂行规定》，对于符合规定定义和确认条件的数据资产，可确认为无形资产或存货。那么“无形资产”与“存货”在数据入表过程中实施落地的难度如何呢？
这两张图的依据是现行的会计准则里针对于存货以及无形资产计量时实现路径的流程图。通过流程图，可以很清晰的看到无形资产的步骤相对简单。但如果走存货这一路线的话，流程非常复杂且涉及的部门很多。也就是说在数据入表过程中，需要考虑入表成本有多高，在对数据资产进行计量的时候，需要考虑会计部门，或后续和会计部门配合的会计服务、审计机构，他们投入的人工成本有多大。这些都会直接影响到未来的入表成本。
还有一个考虑因素就是存货在数据交易方面有一个重大的缺陷，就是目前由于政策层面供给不足，确权是一个相当困难的问题。走存货路线如果没有做好确权，一旦把数据卖出去以后，别人如果来找你麻烦，或者说由于某些事件造成一些社会风波，就需要进行全数追溯问责。
存货的特点：
1、入表流程复杂，至少十多个需要做抉择的节点，流程长，涉及部门多。
2、确权困难，一旦数据卖出后出现确权问题，需要进行全数追溯问责。（缺乏政策层面供给）
无形资产的特点：
1、流程简单、效率高
2、更好落地
建议：现阶段建议优先选择无形资产路线。
2.3 选择无形资产路线的优势
如果走无形资产路径的话，就不是直接卖数据数据，而是提供数据服务。
- 能有效地规避现在由于政策供给层面没有跟上导致的数据确权问题；
- 对于部分不能直接出售的数据，可以通过软件、数据服务或者其他的方式进行脱敏，由于看不到原始数据，从某种意义上就能避免一些法律上的问题。
三、数据价值实现路径三步骤
数据资产到底如何入表，可以拆解为三步，第一步是入表形成原始资产，第二步是形成无形资产收入，第三步是形成存量资产。
第一步：入表形成原始资产
原始资产入表是指系统建设及数据生成等所产生的成本费用，以成本法入表，构成数据资源的初始资产价格。也就是说，只要手里有大量数据，可以先不考虑未来怎么变现，至少可以先以成本法的方式进行入表，将原来不可计量的数据，以货币计量的形式变为你的资产，然后接下来可以用来调节企业的利润表以及资产负债表。
1、系统建设（前置条件）：
- 信息化程度评估：具备基础的信息化系统是最基本条件；
- 数据治理程度评估：DCMM以及DAMA可以帮助企业评估并确认数据治理和数据管理能力；
- 入表前改造工作：（数据分级分类工具准备、数据成本计量工具准备、财务系统准备）
2、资产梳理（准备阶段）：
- 确认资产类型：（无形资产or 存货），本文描述路径为非存货路径；
- 数据分级分类：确认数据资产类别和安全等级
3、以成本法入表（实施阶段）：
- 成本构成梳理：用于原始资产定价；
- 会计计量入表：具体以什么科目记录成本；
- 后续计量准备：以什么形式摊销？减值与终止情况如何确认。
第二步： 形成无形资产收入（非存货路线）
无形资产收入包括：加盟费跟特许经营是无形资产，然后还有软件授权使用费及其他由无形资产产生的应收款等，都是无形资产收入。
1、商业价值评估（前置条件）：
- 可行性评估：需评估我们的数据是否真的有市场需求，未来的行业模式可行性到底有多高；
- 投产比分析：需要考虑数据需求方愿意以什么方式付费，包括价格及付费方式等。
2、产品形式及商业模式设计（准备阶段）：
- 产品形式设计：走无形资产路线，并不对数据本身进行交易，可以选择数据模型或数据软件服务的形式；
- 商业模式设计：软件产品以特许经营、软件授权等方式来产生持续收入。
3、数据产品运营体系搭建（实施阶段）
- 数据产品开发：数据产品的开发与系统搭建；
- 销售体系搭建：供给渠道的搭建，可分为直销和分销等；
- 分润机制搭建：数据产品销售的结算系统搭建非常关键，决定了渠道伙伴是否有动力。
- 数据品牌建设：数据要素大市场随处于初步发展时期，但竞争会非常激烈，需要从一开始就建立营销体系以及品牌意识，为下一阶段的残酷竞争做好相应准备。
因为选择了无形资产路线，能有效地规避现在由于政策供给层面没有跟上导致的数据确权问题。因为如果走无形资产路径的话，就不是直接卖数据，而是提供数据服务。比如对于部分不能直接出售的数据，可通过软件或者其他的方式脱敏，然后提供一个计算结果，在此过程中，由于看不到原始数据，从某种意义上就能避免一些法律上的问题，进而在流程上可以实现快速交易和落地。这些交易也能证明资产预期会给企业带来的经济利益。只有证明了预期的价值，才能用收益法跟市场法给资产估个好价，形成良好闭环。
第三步：形成存量资产（数据货币化）
存量资产，是指企业在某一时刻可见且可清楚提出的全部可确指的资产，包括：企业的营收账款、其他应收款、无形资产等都数据企业的存量资产。
1、形成数据金融资产：
- 金融资产是指企业持有的现金、其他方的权益工具以及符合下列条件之一的资产：
- 特别是营收账款和其他应收款，数据一旦成为数据产品并开始交易，就会形成数据相关的应收账款，这些款项都能形成业内所说的金融资产。
2、数据资产证券化：
只有形成众多金融资产才能走到金融化，而证券化往往是金融化的实现模式。一旦数据资产实现了证券化，从某种意义上讲数据本身就成为了货币。
四、数据资产入表实施涉及哪些部门？
数据资产入表涉及众多部门，包括集团、企业内部的各个部门，需要统一协调这些部门再加上外部服务商和机构共同配合，入表工作才能够真正落地。
1.初步范围框定：首先在初步范围框定的阶段，需要介入的是企业相关业务部门，以及信息科技IT管理部门\数据管理部门。
2.数据资产分析：到第二步数据资产的分析阶段，需要介入的还是数据管理部门以及业务部门。但为了确保后期的入表工作更能达到国家现有或者未来发布的管理办法与法规要求，内部的合规部门也必须参与进来。否则做出来的不管是无形资产还是存货的数据产品，若不合法不合规，交易不仅仅不能带来收益，反而会给企业带来巨额损失。
3.可入表的数据资产确认：在可入表的数据资产确认阶段，不仅仅是业务部门和数据部门要加入进来，还会涉及我们企业内部的财务会计部门。如果企业还有资产负债部门和审计部门的话，他们也需要加入进来。
4.数据资产计量：在数据资产计量这一阶段，主要会涉及到的就是财务部门和运营管理部。在信息系统运行的当中，数据就是在不断的生产出来的，那运维阶段的成本通过成本法，是需要进入到财务报表中的，所以运营部门也需要加入进来，因为只有他们才能清楚的知道运维成本大概是多少。
5.数据资产披露：到最后的数据资产披露阶段，更多的是涉及到了董事会办公室的问题，因为对于未上市、已上市的这些公司来说，其实披露的内容很大程度上会影响到企业在资本市场上投资者对企业的信心，所以董事会成员必须加入进来，共同决定披露内容是什么。当然在这个暂行办法里面已经给列举出了众多的必须披露项，但是可选披露项这一块，会根据具体企业的情况，由董事会进行决定披露哪些。
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。
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
本文由数字化转型网（www.szhzxw.cn）转载而成，来源于网络；编辑/翻译：数字化转型网默然。
