企业数据资产入表之数据资产管理【AMT企源】

题记：

近几年以来，我国数字经济占GDP的比重逐年提高，数据资源在经济发展中的重要作用愈发凸显。在数字时代，数据是新型生产要素，也是企业未来的战略性资源。数据驱动创新，驱动经济提质增效，催化新经济的到来。

党中央、国务院高度重视发挥数据要素价值，数据已成为国家战略。从中央先后发布多项政策谋篇布局，到资本市场的热烈反响，数据价值增长的路径正在演进。随着大数据、人工智能、生成式AI的快速发展，数据成为企业重要的生产要素和战略资源。数据资产化是企业将数据转化为实际价值的重要途径，也是数字经济发展的必然趋势。

AMT具有多年数据经验，多次为国企、央企提供数据服务，积累了成熟的数字资产管理体系。在发展新质生产力的大背景下，AMT将携手企业共同明确数据资产转化、创新业务新模式。在数据资产入表的大背景下，本次推出数据资产入表系列文章，分为“企业数据资产入表操作知识体系”、“企业数据资产入表之数据资产管理”和“企业数据资产入表之数据治理”三篇，本文为第二篇。

数据资产的基本概念

数据资产入表：是指将数据确认为企业资产负债表中的“资产”一项，即数据资产入资产负债表，在财务报表中体现其真实价值与业务贡献。这一概念的提出和实施，标志着数据资源的经济价值得到了正式的认可和体现。

• 数据：以电子或其他方式记录的信息，包括结构化、半结构化和非结构化数据。

• 数据资源：能为企业带来价值的数据集合，包括原始数据和加工后的信息。

• 数据资产：企业合法拥有或控制的，能带来经济利益的数据资源。

• 数据治理：提高数据可用性、质量和安全性的活动集合。

• 数据产品：以数据为主要内容和服务的产品，包括数据采集、处理、分析等全域价值链上的相关技术平台和工具服务。

• 数据资产评估：评定和估算数据资产价值的专业服务行为。

数据资产规划及运营

在数据经济大背景下，部分央企和行业头部企业已经开展了“数据战略规划”。数据战略涵盖数据资产地图、数据资产消费、数据资产治理与评价、数据资产运营等层面。其中数据资产运营是企业数字化转型、且长期取得数据资产收益的运作核心。

AMT基于多年的数据分析经验，积极开展了数据资产运营探索，帮助企业在明确的数据战略指导下：从数据的业务供给端出发，构建起全面有效的“流程运行+数据分析+知识管理”的数据资源转化路径，提升数据质量，保障数据安全，提高业务数据化效率；从业务的数据需求端出发，通过拉通企业内外部数据，推动数据与业务深度融合，丰富数据资产运营场景，创新业务模式。

以“促进数据流通，助力数字转型，发挥数据价值”为目标，AMT构建了数据资产运营建设方案。方案以完善的数据治理为基础保障，通过建立规范性的数据资产识别、盘点体系，丰富资产使用场景，并关注资产的保鲜和流通，以运营的方式实现供需闭环反馈和迭代优化，变数据“囤起来”为“用起来”，持续释放业务价值。

(图1: AMT数据资产运营管理框架)

企业在开展数据资产运营时，需以持续运营为目标，基于数据资产管理组织架构，明确数据资产运营关键参与角色和需求，包括数据需求管理人员、数据应用管理人员、数据生态运营人员、数据财务管理人员等，以制定相应的数据资产规划策略。

(图2：数据资产管理组织架构及关键运营角色)

数据资产化价值实施路径

在企业数据资产价值形成的过程中，价值实现与增值是最重要的环节，是数据资产化最终的目的与归宿，它体现了数据要素历经各个价值环节，完成从原始数据到数据资产乃至数据资本的转变后，落地于企业具体业务或流通至数据要素市场中进行交易以促进价值的实现与增值的过程。数据资产的价值实现包括内部路径和外部路径两个层面，涉及数据价值链中的流通和应用环节，分别依托于企业内部的业务应用场景和外部的流通交易场景，对内实现企业的业务赋能和数字化转型，对外赋能行业和产业发展，从而完成数据资产在“内增值，外增效”两个层面的价值变现。

一、 数据资产价值实现的内部路径

企业数据资产实现价值的内部路径是通过在企业的具体业务场景中融合业务应用，实现企业业务环节的降本增效和模式创新。具体来说，数据资产可以在企业的研发活动、生产制造、营销管理、服务管理、财务管理等诸多企业经营管理的业务环节中发挥其多元应用价值。数据资产能够与企业的具体业务融合，结合传统的生产要素，为企业的研发、生产、销售、服务、财务等业务环节赋能，通过对数据资产的分析与利用，实现企业商业模式的创新，从而提高企业的生产运作效率、降低成本、增加营收、控制风险。

二、 数据资产价值实现的外部路径

企业数据资产价值实现的外部路径主要是通过将数据资产流通到要素市场中进行交易和共享，实现数据资产的价值增值。具体来说，在微观层面，数据资产可以通过市场交易（销售）实现货币化价值增值；在中观层面，数据资产的流通交易可以驱动产业融合、产业关联、产业创新，能够优化传统产业，实现产业层面的价值变现与增值。此外，企业可以选择一些具有高价值、高可用性的数据资产，向其他应用场景进行推广和拓展，扩展数据资产的应用范围，实现数据资产的多场景应用，从而促进数据资产的价值倍增；

在宏观层面，数据资产在要素市场进行交易流通的过程中，能够帮助市场和政府主体优化数据资源配置效率，降低由于信息不对称导致的市场失灵的可能性，赋能市场和政府主体决策，实现数据资产的价值；

更广泛地，在数据要素市场交易流通的数据资产参与市场经济运行，促进经济生产和运行方式的变革，能够推动经济运行效率、经济发展质量和发展动力的变革，在宏观上实现数据资产的价值增值。值得注意的是，数据资产的价值是在具体的应用场景中实现的，与内部实现路径需要依托企业业务场景相类似，数据资产价值实现的外部路径也需要依托具体的流通应用场景。

(图3：数据资产化价值实现路径)

数据资产评估

一、 数据资产评估的概念

数据资产评估，是指资产评估机构及其资产评估专业人员遵守法律、行政法规和资产评估准则，根据委托对评估基准日特定目的下的数据资产价值进行评定和估算，并出具资产评估报告的专业服务行为。

二、 数据资产评估需求

包括数据资产转让、使用许可、出资、企业兼并重组、质押融资、企业清算或司法重整、财务报告和资产证券化等。

(图4：数据资产评估的经济行为)

三、 价值类型

包括市场价值和市场价值以外的价值类型，如投资价值、在用价值和清算价值。

(图5：除市场以外的数据价值类型)

四、 数据资产评估方法

目前数据资产评估方法包括成本法、收益法和市场法。数据资产与传统资产比较具有独有的特征和特别的价值影响因素，因此应在传统的成本法、收益法、市场法的基础上，考虑选择合适的衍生方法对影响数据资产价值的因素和特征进行修正处理。

1) 成本法

成本法是在被评估资产重置成本的基础上扣除各因素贬值来确定目标资产价值的一种方法，具有易于操作、易于获取历史数据，便于财务处理等优点。

该方法是资产评估中最基础的评估方法，但该方法是以历史资料为基础计算目标资产价值。对企业而言，使用成本法评估目标资产，无法体现未来收益和货币时间价值，无法准确的将各类无形资产算入被评估资产的价值中，往往导致目标资产的价值被低估。

以下为成本法应用条件：

• 数据资产能通过重置途径获得；

• 数据资产的重置成本以及相关价值调整系数能够合理估算；

• 数据质量能够达到应用场景下所要求的基准。

2) 收益法

收益法是利用合适的折现率对被评估资产未来的预期收益进行折现，以确定目标资产价值的方法。在使用收益法评估数据资产时，考虑到数据资产作为经营资产，可以直接或间接产生收益。这些收益可以通过数据分析、数据挖掘、应用开发等方式来形成数据产品或服务，供内部使用或外部交易，从而产生价值。通过对未来现金流量的预测和折现，我们可以得出数据资产的估值结果。这种方法能够较全面地考虑到数据资产的经济效益，并且能够与实际经营活动相匹配，因此在实际操作中使用较为广泛。

该方法具有运用范围广、理论依据充分、能够较真实准确地反映目标资产价值等优点，但未来不可见因素和主观判断易对目标资产的预期收益额和折现率造成影响。收益法比较适用于目标资产的未来预期收益可以预测且能用货币计量。

以下为收益法应用条件：

• 数据资产的收益是合法利用数据资产获得的；

• 数据资产的未来收益可以合理预期并用货币计量；

• 预期收益所对应的风险能够度量；

• 预期收益期限能够确定或合理预期；

• 数据质量能够达到应用场景下所要求的基准。

3) 市场法

市场法是根据相同或者相似的数据资产的近期或者往期成交价格，通过对比分析，评估数据资产价值的方法。市场法可以采用分解成数据集后与参照数据集进行对比调整的方式。

虽然市场法与成本法相比更为客观，但目前我国市场对资产价值的反映仍会受其他非理性因素的影响,如在缺乏类似数据资产交易的情况下难以使用，不能完全考虑到数据资产的特定条件和未来发展潜力等因素。因此，专业评估人员在使用市场法评估目标资产时需谨慎选择可比参照物，需更加关注评估对象与可比案例在各方面的差异，避免用价格取代价值。

市场法应用条件：

• 数据资产的可比参照物具有公开活跃的市场；

• 有关交易的必要信息可以获得，如交易价格、交易时间和交易条件等；

• 数据资产与可比参照物在交易市场、数量、价值影响因素、交易时间和交易类型等方面具有可比性，且这些可比方面可量化；

• 存在足够数量的可比参照物，通常不少于三个；

• 数据质量能够达到应用场景下所要求的基准。

(图6：数据资产评估评估方法汇总)

企业需要根据企业自身实际情况选择适配的评估方法。需要注意的是，在执行数据资产评估时，不论选择哪种评估方法进行评估，都必须确保评估目的与所依据的假设、前提条件以及使用的参数在性质和逻辑上保持一致。尤其是在运用多种评估方法评估同一评估对象时，更要保证每种评估方法运用中所依据的各种假设、前提条件，数据参数的可比性，以便能够使运用不同评估方法所得到的评估结果具有可比性和相互可验证性。

五、 数据资产评估过程

包括前期准备、现场调查、质量评价、市场调研、评定估算和出具报告。

(图7：资产评估过程)

本文作者：黄馨 陈京雷

陈京雷：AMT企源合伙人，拥有超过二十年管理咨询经验，擅长数字化转型、数据资产管理、数据治理、智慧会展、集团管控、战略管理等咨询服务。

参考文献：

1. CAICT 中国信通院、中国通信标准化协会、大数据技术标准推进委员会，《数据资产运营能力成熟度模型》（2023）

2. 北方大数据交易中心联合中审华会计师事务所、天津市软件评测中心、北方亚事资产评估有限责任公司、天津金诺律师事务所、天津农学院、天津大学和河北工业大学8家联合体成员单位，《企业数据资产入表操作指引》（2024）

3. 同道说，《一文概览数据资产入表的价值、建设全流程以及相关案例》，（2024）

往期回顾

企业数据资产入表操作知识体系-AMT企源

AMT致力于针对数据资产挖掘、运用、保护、交易、金融、管理各环节为客户提供深层次、全方位的数据治理与数据运营服务，盘活数据资产，搭建数字资产化管理平台，构建数据资产运营生态。在发展新质生产力的大背景下，服务国家数字化经济战略，携手企业共同搭建数字资产化管理平台，解决数据流通难点，释放数据资产价值。

数据服务的具体模块为：数据标准与制度建设、数据汇聚与治理、数据建模与分析、数据质量评估体系建设、数据可信流通、产业数据资产分析、产业数据产品设计、产业场景方案搭建、产业数据增值方案设计。