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。
数据成为生产要素已是社会共识，但不是所有数据都有资产价值。数据资源当中被重复使用的那部分才会资产化，具有流通中的定价，有些数据资产被专业开发变成数据产品，具有商品价值。从数据原始资源到数据产品，再到数据资产，是数据要素价值释放的路径。
一、企业数据价值实现四大阶段
数据资产入表是实现数据价值化的重要环节。它使得数据资产被纳入企业的财务报表，提升数据的透明度和管理效率，准确反映数据的经济价值。这有利于优化资源配置、提高决策效率，并为企业的长期发展带来新动力。因此，数据资产入表是企业实现数据资产价值化的重要手段和必然选择，贯穿企业数据价值实现的各个阶段，如图所示。
企业数据价值实现的阶段进程
1. 生产信息化阶段
在企业的生产信息化阶段，首要任务是进行全面的信息化改造。这一阶段旨在通过引入先进的信息化系统，实现生产流程的数字化和智能化。同时，企业还需建立有效的数据收集和存储机制，确保生产过程中产生的数据能够被准确记录并妥善保存，以完成企业原始数据的积累。
2. 数据资源化阶段
在数据资源化阶段，完成信息化改造的企业通过数据采集、挖掘、清洗、标注、分析等步骤，形成可采可信的高质量数据资源，为数据资产化提供坚实的基础。在这一阶段，数据的真实性、完整性和准确性至关重要，直接影响到后续数据资产的价值评估和应用效果。数据资产入表在这一阶段主要涉及数据的收集、整合和标准化。企业需要整合分散、多样化的数据资源，形成统一、标准化的数据集，从而构建数据资源并进行入表。
3. 数据资产化阶段
数据资产化阶段是将数据通过市场流通交易，为使用者或所有者带来经济利益的过程。在这一阶段，数据的确权是前提，需要明确数据的所有权、使用权和经营权等，以保证数据交易的合法性和公平性。而数据定价则是关键。数据资产化将数据从资源转化为具有经济价值的资产。在数据资产化阶段，企业需要对数据资产进行明确的价值认定，确保其经济价值的准确体现。
4. 数据金融化阶段
数据金融化阶段是实现数据价值的核心阶段，标志着数据成为可以交换和流通的资本，实现更大价值。数据金融化促进了数字经济的发展，推动了数据与其他生产要素的深度融合，通过交换和流通实现数据价值的最大化。
二、数据资产三次入表理论
《一本书讲透数据资产入表》中首次提出数据的“三次入表理论”，读者可以依托这一套方法工具来判断企业目前处于入表的哪个或哪几个阶段，进而为后续的工作部署和推进提供明确指导。数据资产入表三大阶段详见图。
1. 初次入表：底层资产入表
初次入表主要指的是企业将已实际形成的底层原始数据资源，按照《企业数据资源相关会计处理暂行规定》的要求，首次纳入会计层面的企业资产库。这一阶段工作的完成，意味着企业建立了坚实的数据资产基础，为后续基于底层资产形成更多其他类型的资产打下了坚实的基础。
2. 二次入表：增值资产入表
底层数据资产在经过加工和应用之后，必然产生新的附加值。二次入表就是将这部分增值以货币形式体现在财务报表中。
3. 三次入表：金融资产转化后入表
三次入表是指当数据资产通过交易或其他方式转化为以货币计量的金融资产后，将其纳入财务报表的过程。
03 数据三次入表全流程
实际上，这三次入表体现了企业对数据价值挖掘过程中，不同阶段、不同形态的数据资产入表。下图所展示的路线主要是从企业的数据形态发展顺序，围绕这三次入表来规划和制定企业数据资产入表的全流程、详细实施路线。
企业数据资产入表的全流程实施路线
1. 原始数据收集
（1）信息化是基础
企业完成数据价值化的第一步是收集数据，收集数据的前提是完成信息化。我们可以通过调研来了解企业的信息化水平。
（2）数据准备
建立数据需求管理制度，确保数据需求能得到集中和系统的管理，从源头上保障原始数据的系统性、完整性和一致，具体如下。
- 数据溯源：了解数据的来源，确保数据的权威性。
- 源头数据评估：对源头数据进行评估，包括异常值、不正确、不一致、缺失等情况的评估。
- 建立数据模型：结合数据类型、规模、时效性、应用场景等，设计数据存储模型。
- 数据标准：建立统一的数据维度，对相关数据进行规范、标准化管理，确保数据质量。
- 数据接入和流转：对数据的流转、存储、计算、展示等环节进行设计，形成数据接入及流转的设计方案。
2. 形成数据资源
（1）原始数据形成数据资源
数据资源是指来自不同产生源的数据集，在物理上按照一定的逻辑归集后达到一定规模，形成可重用、可应用、可获取的数据集合。企业数据资源化需要在企业数据战略的指导下，构建数据能力体系和数据治理体系，从而在内部形成与数据驱动型业务模式相适配的人才、技术、组织安排和系统等。
（2）数据集成
- 数据模型优化。将业务数据和组成结构进行可视化表达，使用结构化语言将收集到的组织业务经营、管理和决策中使用的数据需求进行综合分析，按照模型设计规范将需求重新组织。
- 数据集成。建立组织内各应用系统、各部门之间的集成共享机制，通过组织内部数据集成共享相关制度、标准、技术等方面的管理，促进组织内部数据的互联互通。常见的数据集成模型有点对点模式、中心辐射式、发布订阅式等。
3. 可入表数据资源识别
《暂行规定》中明确了可以入表的数据资源的条件。我们也可以将登记的数据权益，作为企业数据资产入表的佐证资料。
4. 一次入表
一次入表是指对企业中产生的数据资源进行梳理和盘点，以成本法进行初始计量，步骤如下。
- 1）将数据从信息系统中分离出来，并体现在会计报表—资产负债表—无形资产项下。
- 2）将数据资源作为企业权益进行会计确认。
- 3）会计计量和记录。
5. 数据产品研发和生产
（1）数据产品研发
- 1）分析目标客户的数据需求和应用场景（模型化需求、非模型化需求）。
- 2）选择合适的第一个试验型开发的客户。
- 3）组织数据产品及其服务终端的开发。
（2）数据产品的分类
数据产品是指对数据资源投入实质性加工或者创新性劳动形成的、可满足内外部用户需求的、可持续提供的、以数据为内容的可辨认的服务形态，即数据产品 = 数据资源 + 数据算法模型 + 服务终端。
其中，服务终端指实现数据产品的交付 App、网站、API、SaaS、VPN 等。
数据产品根据数据的需求特征和服务方式进行分类，分为如下几种类型，如表所示。表 数据产品分类矩阵
一般，我们能看到的数据形态包含以下几种。
- 数据集：以数据库形式提供，以满足客户模型化需求的数据产品。
- 数据信息服务：以数据资源库为基础，为客户提供满足其特定需求的信息类服务。
- 数据应用：以应用程序的方式，基于统一的用户界面，提供基于数据资源和模型应用的数据产品。
6. 数据交易达成
数据产品实现其外部价值主要通过场内交易和场外交易两种方式。场内交易通常在专业的大数据交易平台上进行。这些平台为数据交易提供规范、透明和安全的环境，保障了交易的公正性和有效性。在大数据交易平台上，买卖双方能够进行高效的对接和交易，实现数据资源的优化配置。与此相对，场外交易主要依赖买卖双方之间的直接协商和建立的信任关系，具有更高的灵活性和自主性，但同时也要求双方具有较强的风险识别和管理能力。无论采用哪种交易方式，我们都必须遵守相关的法律法规，确保数据交易的合法性和安全性。场内交易大致涉及以下操作。
（1）数据要素市场登记
“数据二十条”从国家层面推行了统一的数据要素市场运行体系，明确了三类场内交易市场的建设主体—国家数据交易所、地方数据交易中心和行业数据交易平台。它们与场外数据交易市场互联互通，为其提供交易场所和基础设施。
（2）通过数据产品登记和交易，获得数据资产凭证
企业选择合适的数据交易市场进行产品登记，并最终获得唯一标识符。数据产品唯一标识符会记录每次链上交易信息，并将电子订单、数字签名、发票等信息上链保存，以确保交易信息的真实可靠，关键是可靠性。这些凭证可以是数据资产入表的有力佐证。
7. 二次入表
数据资产凭证真实记录了数据产品交易合同、交付情况以及清 / 结算情况，为数据资产确认为无形资产、存货，甚至单独的数据资产类别提供依据，为初始计量、后续计量的公允市场价提供了可靠依据。
8. 数据资产评估
数据资产评估是对组织的数据资产进行价值、潜在利益、风险及机会的全面评估与定量分析的过程。除了对外售卖和提供数据服务来赚取价值，我们还可以通过数据资产的评估，参与数据出资入股、数据信贷等融资活动，实现其金融价值。数据资产评估主要包括以下步骤：
- 1）由专业评估机构制定数据资产评估方案，依据合理的评估假设，结合数据使用场景，出具数据资产评估报告。
- 2）列报和披露。
9. 数据金融
数据资产评估完成后，就可以参与到金融活动中，例如，进行以下活动。当数据资产评估完成后，数据即被确立为无形资产，可以顺利参与到数据金融活动中，具体如下。
（1）增信和融资
数据资产作为一项无形资产，不仅自身具备物权价值，还可以发挥担保物权的价值。具体而言，企业可以凭借这些数据资产对接银行，将其作为抵质押物，从而获得金融机构的融资支持。通过这种方式，持有数据资源的企业能够有效利用数据资产，实现资金的融通和增值。
（2）金融创新
通过数据资产，企业可参与完成质押融资、数据信托、数据保险等金融活动。
10. 三次入表
当资产通过交换或其他途径转换成以货币计量的金融资产后，我们可将其衍生资产进行第三次入表。
声明：本文来自数据学堂，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，来源于数据学堂；编辑/翻译：数字化转型网默然。
