数据资产专题1：定义、区分、特征

欢迎关注公众号：数据运营入表资产化服务，获取更多算法源码材料

2023数据资源入表白皮书，推荐系统源码下载-CSDN博客

浅析研发支出费用化和资本化的区别-CSDN博客

商业银行数据资产估值白皮书，推荐系统源码下载-CSDN博客

用友BIP数据资产入表解决方案白皮书，推荐系统源码下载-CSDN博客

什么是数据资产？

学者侯彦英对数据资产提出三层定义：

一是广义数据资产，即通常意义上的数据资源，是企业对各类活动和行为的物理或电子记载，其产权并不明晰，且价值模糊不可估计。

二是管理学或统计学意义上的数据资产，数据具有明晰的所有权和控制权，但如果其价值无法科学合理估计，无法参与到资源配置活动中来。

三是会计学意义上的数据资产，可以被企业拥有和控制，且可以合理评估其价值，具备参与资源配置活动的能力。

对于入表、流通和交易而言，只有具备了会计学意义上的数据资产，才可能参与到要素市场活动中来，成为参与分配的要素。

结合中国信通院、中国光大银行对数据资产的定义，总结为：数据资产是由组织合法拥有或控制并且能够给企业带来经济效益和社会效益的数据资源。满足以下特征：

1. 应归属某主体所有或控制，即权属明确。
2. 能够产生既有的或预期的经济利益，且可计量。
3. 是一种资源，可进行交易，并根据现行会计准则要求，在资产负债表中表示，对外披露关键事项。

当前的入表实践和交易流通，均围绕会计学意义上的数据资产。

数据资产概念为何火热？

潜在规模达数十万亿元的数据资产市场未来有望接过土地财政的大旗。

2019年《中共中央关于坚持和完善中国特色社会主义制度推进国家治理体系和治理能力现代化若干重大的决议》，首次将数据列为生产要素。数据要素改革是我国改革开放的又一重要里程碑。

至此，关于数据要素、数据资源、数据资产等相关政策，如雨后春笋般出现，为数据资产实践提供方向性指导。

根据中国信通院报告，2022年全国数据资产总规模在8.6万亿元左右，对产业数字化约有1:4的带动效应，则产业数字化潜在收益在34.4万亿元左右。两者相加，全国数据资产潜在总规模在43万亿元左右。进一步考虑围绕数据资产的评估、融资、质押等衍生市场，预计整个数据资产市场潜在规模将超过60万亿元。这样一个数十万亿级别的市场和资本驱动力，有望接过土地财政（近10 万亿市场）的大旗。

作为生产要素的土地和数据所贡献的财政收入类型的可比性较强。相似之处在于二者均可资产化，即作为资产入表，而劳动、技术、管理等其他生产要素均难以资产化，可资产化意味着这两类要素可以贡献“税”、“利”、“债”三种形式的收入。

---

数据资源和数据资产有何关系？

数据资产属于数据资源，但数据资源不一定是数据资产。只有具有可控性、可量化、可变现的数据资源才能变成数据资产。

数据资源是数据资产的前置对象，是生成数据资产的基础。数据资源包括企业通过外购方式、企业合并、第三方提供或者伴随生产经营采集、加工形成的数据等，是企业的一项重要资源，可能为企业带来经济利益和商业价值。企业可以通过对数据资源的管理和利用，提高业务效率和竞争力。

数据资产和数据产品有何区别？

数据资产一定来源于数据产品，但数据产品不一定都能形成数据资产。从某种程度上，数据产品就是预备的数据资产。

数据产品是对原始数据采用一定算法经过深度加工、分析、处理而形成的。企业通过对数据资源投入人力、物力、财力，形成满足特定应用场景需求的数据产品。数据产品化，是数据资源为企业创造交换价值的核心环节。可分为以下四类：

数据要素又是什么？

2020年《关于构建更加完善的要素市场化配置体制机制的意见》（简称《数据二十条》），数据成为土地、劳动力、资本、技术之后的第五大生产要素，是数字经济发展的基础和关键资源。

数据要素是一个经济学术语，指参与到社会生产经营活动中，为所有者或使用者带来经济效益的数据资源。数据要素就是数字化的信息，来自个人衣食住行、医疗、社交等行为活动，又来自平台公司、政府、商业机构提供服务后的统计、收集等。例如，手机号码、邮箱地址、浏览网页的记录等等。它们可以被收集、储存、分析和利用，帮助人们更好地做出决策和解决方案。例如，地图应用，通过收集我出行数据，通过分析这些数据，就可以知道哪些地方交通比较拥堵，哪些地方人流量大，从而提供更精准的导航服务。

数据资产有何特点？

相较于传统的有形资产和无形资产，数据资产具有，非实体性、依托性、多样性、可加工性和价值易变性五大特点。

---

要想实现数据资产入表和流通，当前存在哪些卡点？

数据资产目前还存在三大问题：

第一，权属模糊，数据从生产和流转的过程中，会产生衍生数据及衍生数据主体，数据资产主体具有多重性；

第二，没有统一、普适性的定价标准和健全的数据资产交易机制，数据资产价值无法量化；

第三，在现行会计准则中，没有标准、明确的规范，规定数据资产如何通过会计处理，直至财务报表中，并对主要的会计要素有哪些影响。

这意味着，数据资产化需要克服三个重要且极具挑战的命题，即法律角度的数据资产确权、市场角度的数据资产估值与交易、会计角度的数据资产入表与披露。

未来需要从要从三个方向解决以上难题：

一是从会计准则的角度提供计量、入表、披露等指导；

二是要立法，尤其针对数据资产权属关系和权利内容；

三是要实现场景落地。从数据治理角度，建立企业自己的数据资产管理体系。