10问10答 | 数据资源入表具体问题解读（下篇）

​在数据资源入表过程中，有哪些问题是企业必须提前了解的？星光数智首席数据架构师魏战松在WakeData惟客数据联合星光数智发起的《星光对话》第6期直播直播中，进行了完整的总结和分享。

我们在对直播内容进行删减和编辑后，梳理了10个Q&A，供大家参考。想要获取相关课件的朋友，欢迎私信小编领取。

点击可查看前5个问答，以下为Q&A下篇：

Q6：数据确权流程及配合事项有哪些？

确权部分由律师事务所负责。流程上首先是基于国家三驾马车——网络安全法、数据安全法、个人信息保护法相关法规条文去做数据合规，之后基于三权分立的定义，区分数据资源持有权、数据加工使用权、数据产品经营权。

在这个过程中，需要企业把内部数据的持有主体、来源、渠道，包括入表的方向信息、数据的存储类型、分离分类情况、安全情况、相关管理制度、数据应用的场景规模、加工处理的规则等都提供出来，便于专业工作组去做确权和合规的动作。

同时，也要配合安排数据岗位或者业务部门同事等相关人员进行内部访谈及调查，做证据的交叉验证，之后经过内部讨论，出具确权报告。目前有4个文件是必要的：

1、确权意见书：确保数据的确是企业产生的，以及企业拥有相关权利。

2、合规建议书：判断数据处理、存储、加工是否合规，是否符合法律法规的规定。

3、风险提示意见：如果数据存在风险，要有提示意见。

4、整改清单：针对不合规的地方，给到整改清单。

Q7：多机构数据权属确定，应该遵循什么原则?

如果集团旗下有几千家子公司，那么子公司的数据到底归属于谁？针对这种情况，我们基于查找的材料和调研，总结了一些评判原则。

原则一：创造者归属原则。即谁投入成本，所有权就归谁。如果系统是集团统建的，子公司只有使用权，那么数据的控制权通常属于集团；如果子公司自建了系统，数据也是自行录入或自有设备产生的，那这些数据的所有权，就归属于子公司。

原则二：“额头出汗”原则。这个原则在资产价值评估部分有用到过，简单来说，就是只要为数据付出了劳动，就可以获得数据的所有权。比如，企业只有数据的加工使用权，但基于原来的数据加工出了一个预测模型，付出了劳动和成本，并且这个预测模型非常有效，可以预测未来企业的收益情况或者指导行业趋势，那么这个模型所有权就归属于企业。这就是“额头出汗”原则。

原则二对于加工使用数据，具备很大的指导性，尤其是在数据运营层面。只要企业可以基于数据进行加工提炼，或者脱敏、匿名化，之后生成新的模型，那么就可以去上架交易，带来收入。

Q8：数据资源成本如何做归集和分摊？

首先逻辑上是先归集再分摊。所谓归集就是将数据归集到数据对象上，比如针对一张实体表，要搞清楚处理这个数据花了多少钱，通过归集，能统计出购买成本、计算成本、存储成本、确权登记成本，以及其他基础设施的边缘成本、间接成本等等。

统计清楚后再来进行分摊。分摊也有两种逻辑，一种是看客户表依赖哪些表，比如标签表、客户属性表，这些信息都要分摊到各个指标里面；还有一种是分摊到各部门，基于数据处理的血缘关系，一层层追溯成本，然后再分摊到各个部门。

Q9：会计核算与披露怎么做？

会记核算与披露属于财务范畴，那么在前期投入的成本主要有3个去处。

在研发阶段，基本是费用化的，即入到管理费用或者研发费用。

如果是在开发阶段，也有2个去处，一个是资本化支出部分会入到无形资产或者存货，费用化部分会入到管理费用里面。所以开发阶段会明确要求，哪些费用是费用化的，哪些是资本化的。

那么在资本化部分也有2个去处，一是无形资产，二是存货。两者核心区别在于，是否发生了数据权属的转移，即数据持有权到底有没有发生转移，是整体出售还是只有数据使用权。因为数据是具备可复制性的，一旦买断才叫存货；如果仅有加工使用权，那还是无形资产。

Q10：关于数据产品孵化、确权、上架

产品孵化是按照我们对业务的理解，帮助企业孵发相关产品。比如，孵化了零售行业在某领域的洞察报告，而且这个报告研究所、咨询机构或者竞争对手中都有需求，那么就可以在脱敏之后将其出售。当然，这个过程中需要做合规审查和登记，登记的对象也是数据产品。

关于登记确权目前有两个机构可以做，第一个是知识产权相关机构。在数据资产入表之前，其实很多企业都已经做了专利知识产权登记，包括研发产品相关的知识产权登记，这是由地方政府负责的，现在也可以用；第二个是由数据交易所给到的数据产品登记凭证，不过不同区域登记的确权证书不一定能互认互信，比如在深圳登记的证书，上海不一定会认可，那么还要重新登记一遍。

接着就是上架交易。上架之后会获得数交所颁发的产品上架证书，代表产品可以流动交易，未来在做抵押贷款或者融资授信时也会用到，作为可信度的一个参考。在做资产化之前，一定要找一家认可企业的金融机构或者资产评估机构，如果数据产品的价值评估比较低，也可以换一家评估机构重新评一遍。

另外，要想数据价值评估更高，前期一定要做好数据治理，包括数据质量标准、质量提升机制、安全标准、主数据元素的标准，以及规章制度、相关的数据管理组织等等都要更健全，然后确保有高质量的数据输出。

最后是产品流动的资本化，如果目的是流通交易或者融资收信，就要让数据产品快速上架，产生流通，产生交易，交易会辅助后续的资产评估，以及融资授信。同时，再找一家适合企业且最好是当地的金融机构做授信，也方便持续进行资本化。

以上是关于数据资源入表问题的完整解答，如果有更多问题或想法，欢迎评论区交流。