数据治理支撑资产化入表与价值实现

数据资产入表是推动数据资产化的第一步，也是数据要素市场发展的关键一步。数据要素市场的发掘将成为一个潜力巨大的新赛道，因此，加强数据治理，激活数据要素潜能，已成为新发展格局背景下抢占发展制高点、增强企业竞争力的关键。

近日，由贵阳大数据交易所主办，光大银行承办的“新要素 新资产 新发展——数据资产价值共创主题论坛”上，毕马威资深合伙人陈立节以“数据治理支撑资产化入表与价值实现”进行了主题演讲。

陈立节表示，近年来，国家相继出台了一系列政策文件，积极推动数据资产化、价值化。从培育数据要素市场、建立基础制度和规范，到明确数据要素市场规则的具体要点，为数据资产化、价值化提供了有力的政策支持。此外，财政部发布的《企业数据资源入表会计处理暂行规定》，规范企业数据资源的会计处理，进一步推动了数据的资产化和价值化进程。这些政策措施有助于加快数据要素市场的培育和发展，促进数字经济的健康、可持续发展。同时也为企业数据治理提供了明确的指导方向。

陈立节认为，数据治理的核心在于建立统一的数据规范和流程。这包括数据质量管理、数据安全管理和数据流程管理等。通过建立完善的数据治理体系，企业可以更好地管理其数据资产，确保数据的准确性和完整性，提高数据的质量和可信度。同时，数据治理还能够降低数据泄露和数据滥用等风险，保护企业的商业利益。在资产化入表方面，陈立节建议企业应将数据资产纳入财务报表，以更好地反映企业的价值。这不仅有助于提高企业的透明度和公信力，还能够为企业提供更多的融资机会和资本化支持。这要求企业需要建立更完善的数据资产评估体系，明确数据资产的分类、计量和价值评估方法。毕马威也将以丰富的技术持续助力企业实现数字化转型和可持续发展。

在数据资产的策略上，陈立节以三大篇章，从不同角度为企业提供了数据资产化的实施方案。“知止篇”强调了理清数据资产相关概念的重要性。对数据资源、数据资产、数据要素等关键词进行了深入解析，明确了数据资产化的目标和双循环结构。通过梳理关键事件线索，以助于企业更好地把握数据资产化的推进方向；“何为篇”则从企业实际操作的角度出发，提出了具体的数据资产化实施方案。重点阐述了企业如何真正理解并推动数据资产化，以及如何开展数据资源入表工作。通过专业的方法和策略，帮助企业实现数据资产的高效管理和利用；“未来篇”则着眼于企业的长远发展，提出了“六度实修要点”，指导企业如何不被市场噪音所干扰，回归初心，强化数据资产管理和运营实修。从目标升级、体系重构、管理强化、产品创新、运营升级、合规保障等六个方面，为企业提供了全面的发展策略。此外，还提出了虚实结合、有生于无、内外兼备、行藏以养、动静有致等五大核心观点，为企业提供了全面的数据资产化策略。

在数据资产化的推进方法上，陈立节表示，数据资产化首先要进行数据资源盘点、数据合规确权，通过自主开发、授权运营对数据资产进行治理、运营、安全评估等工作，进而提高数据的可用性、易用性和安全性，为数据资产的价值奠定基础。完成数据资产化基础路径形成闭环后，以数据资产入表为目的需要与“数据管理部门”、“法律合规部门”、“业务部门”、“绩效考核部门”、“科技部门”和“财务部门”等共同协作，协助企业完成数据资产入表的相关工作。

在数据资产化入表与价值实现上。毕马威在数据战略、价值释放、数据治理、数据资产运营等方面制定了一系列配套保障机制。同时结合最近数据市场管理，总结出“建、管、用、评”，以及“采集、连通、汇聚，盘点、规置、治理，融合、敏捷、引导，评估、评议、评论”一体化的数据管理体系。

“建”

首先“建”，企业要有数据基础，针对这些数据对象，首先要建立基础的底座，“建”包含了“采-通-汇”，采指的是采集，从业务角度出发，采集什么数据，范围是什么？标准是什么？要求是什么？第二“通”，采完之后在内部要融会连通，部门间要连通，系统间要连通，跟业务场景、业务流程之间要连通。不能说数据、业务和技术各一层皮。第三“汇”，指的汇聚。很多的业务部门提到能不能把业务部门的数据汇集在统一的数据平台来统一管理。

“管”

“建”完之后那就要考虑“管”了。“管”又衍生了三个词，“盘-归-治”。这个比较偏传统的数据治理。我们经常提到要先做盘点，在盘点过程中做数据的分类分级形成目录，基于数据资产目录定标准定规范然后去治理：一方面标准规范的落标，一方面质量的监测整改提升。然后就要考虑“用”了。

“用”

“用”包含了“融-敏-引”。上面我一直提到要试点，其实就是在业务应用方面去找试点。第一要有融合，包括人行一直提的数据治理要融合业务应用，如何融合？就要找到一些具体的业务场景，如客户营销的场景，在客户营销场景里面会涉及到哪些数据？数据质量怎么样？安全合规的要求怎么样？能不能用？要不要脱敏，打造什么样的营销数据产品，这个产品能起到什么样的价值和效用？要把整个融合的业务场景规划出来，规划出来之后要敏捷开发和落地，通过Data OPS把数据治理的理念和要求跟开发融合在一起。“引”指的是引导业务部门用数，业务部门很清楚数据的业务场景赋能，但是具体用什么样的技术手段，用什么样的模型，用什么样的算法，去找哪些外部机构去做合作需要引导。

“评”

最底层是“评”，我们又展开了“评估、评议、评论”，评估更多的是什么呢？就是前面提到的数据资产估值定价，这是基础，也是未来配套的保障机制。同时还要有评论和评议，或者我们叫评价。站在管理层的角度，谁做得好，谁做得不好，我们要有评价。站在第三方的角度和消费者的角度要有评论：数据资产管理的好不好，客户体验高不高？如果数据治理做的很完美，但是业务部门或者消费者、用户提出来体验很差，那也是有问题的。所以“评估、评议、评论”是站在三个不同的视角，生产者、管理者、消费者的视角，基本上构成了一套评价的体系，以上就是我们整个企业开展数据资产管理核心的12个管理要点。

随着大数据技术的不断发展和进步，数据治理将成为企业核心竞争力的重要组成部分。下一步，毕马威将继续发挥自身优势，为企业提供卓越的数据治理服务，助力企业实现数据资产的价值最大化。同时与贵阳大数据交易所共同探索数据资产入表路径，助力企业”从0到1”实现数据资产合规入表。

来源：贵阳大数据交易所

企业数据资产化及数据资产入表白皮书