财政部发布的《企业数据资源相关会计处理暂行规定》将从2024年1月1日起开始实施，为企业数据资源入表提供了基本指引，数据资产化有望迎来爆发期。什么是数据资产化，怎样让数据成为资产，成为了众多国有企业、上市公司关心的问题。

— 01 —

什么是数据资产化？

在了解数据资产化之前，首先要了解“数据资产”是什么。近年来国内对数据资产的定义主要参考了现行会计准则对于资产的定义，即资产是企业过去的交易或事项形成的，由企业拥有或控制的，预期会给企业带来经济利益的资源。数据资产化是发挥数据要素作用的重要环节，其他两个环节是数据资源化和数据资本化。

数据资源化：是指了解不同数据的利用方式，并对数据进行探明和标识的过程。数据资源化会形成某种稀缺性，从而引出资源的优化配置需求。不同数据集由于质量、规模等差异，所蕴含的信息量和在不同部门之间的动态分布各有不同，从而构成数据要素流动的原动力。

数据资产化：即数据从原始数据逐步转变为数据资产的过程。从数据资产的形成过程来看，数据资产化是围绕数据的价值创造活动，包括数据采集、加工、治理、开发以及交易等诸多环节和流程，最终目的是推动数据向数据资产转化，激发和释放数据价值潜能。结合数据形态变化与价值实现的具体过程，数据资产化过程可以概括为以下四个阶段：业务数据化、数据资源化、数据产品化、数据资产化。从狭义角度理解，数据资产化指的就是数据资源完成入表并被确认为会计学意义上的资产。

数据资本化：是指通过数据交易、流通等实现数据要素社会化配置的过程。比如数据可以直接通过变成等量资本入股，这是数据作为新型生产要素，融入我国资本市场和经济价值创造体系的直观体现。资产化是资源化的结果，也是资本化的起点，要求在生产过程中承认数据的价值创造贡献，并提供价值的变现渠道。

经过这三个阶段，数据具有通用性、全局性、价值性、流通性等多种属性后，数据才可以称为生产要素。

— 02 —

数据怎样成为资产？

当前，“数据现已成为企业的重要资产之一”已成为共识。数据资产（data asset）这一概念也在各类文本中被不断定义，目前官方发布的正式文本中关于数据资产的定义主要如下表所示：

那么数据怎样成为资产呢？

数据基本可以定义为“信息的载体”，它可以表现为数据库、文档、图片、视频等各种形式，并作为信息系统的输入和输出而存在。并不是所有的数据都是资产，只有可控制、可变现、可度量的数据才能成为资产。

尽管大部分企业拥有丰富的数据资源，但很多企业的现状是空有数据，却不能发挥价值，形成不了企业的数据资产。能真正将这些数据发挥价值，并通过实际应用带来收益的企业就更少了。从根本上来看，是因为“数据”只是“数据”。能为企业带来价值的，不是“数据”本身，而是可以提供价值的“信息”。

因此，将数据转化为信息是这个过程的关键。当前，数据资产管理已构建出一套完整的科学管理体系。数据治理的目的是让数据充分流通起来，对内促进数据全面共享互通，对外实现数据资产运营。

在工具维度，企业可以通过亿信华辰睿治数据治理平台，制定元数据模型、数据标准等规范，采集并维护完整的元数据信息，打通数据关系网络，实现数据的标准化和资产化管理。通过规则配置监控数据质量、持续进行数据治理，帮助企业将数据转化为资产。

— 03 —

数据怎样进入资产负债表

数据资产到底如何入表，可以拆解为三步，第一步是入表形成原始资产，第二步是形成无形资产收入，第三步是形成存量资产。

第一步：入表形成原始资产

原始资产入表是指系统建设及数据生成等所产生的成本费用，以成本法入表，构成数据资源的初始资产价格。就是说现在，不管有没有做数据治理，你手头如果是有数据，至少这些东西是有可能成为数据资产的。这个时候，先不去考虑未来怎么变现，如果有大量的数据可以形成资产，就先以成本法的方式进行入表，将原来不可计量的这个数据，以货币计量的形式变为你的资产，然后接下来可以用来调节企业的利润表以及资产负债表。

此外，通过将数据资源进行成本法入表，首先就已经把手里可以产生经济价值的数据资源做了一次梳理，然后通过梳理也基本知道了未来如果开发或售卖数据产品大概应该怎么定价。

在这个步骤中，也分为三小步。第一步是前置条件阶段，第二步是准备阶段，第三步是实施阶段。

（1）前置条件

如果一家企业连基础的信息化系统都没有，就不具备数据入表以及数据资产化的条件。如果企业已经完成了信息化建设，接下来需要做的是对企业的数据治理程度和数据管理能力先做一个必要的评估。目前市面上可以依据的标准DCMM以及DAMA两个标准，都能帮企业确认自己是否具有有效利用自身数据的能力。还有一个是数据资产的入表前改造工作。这里主要涉及的是数据分类分级工具准备、数据成本计量工具准备、财务系统准备等。

（2）准备阶段

首先需要确认资产类型，是无形资产还是存货。此外还需要确认资产类别和安全等级，开始做分类分级相应的工作。

（3）实施阶段

需要做数据资产成本构成梳理，梳理清楚钱都花去哪儿了；此外还需要进行会计计量入表，即具体以什么科目记录成本；后续计量准备涉及到，一旦入表，以什么形式摊销，如果存在减值或者要终止的时候，需要怎样进行确认。

第二步，形成无形资产收入

要强调的是，这里所说的是非存货路径，因为前面也提到存货其实存在一些弊端。

什么是无形资产收入？像加盟费跟特许经营是无形资产，然后还有软件授权使用费及其他由无形资产产生的应收款等，都是无形资产收入。

如果走的是非存货、即无形资产路线的话，能有效地规避现在由于政策供给层面没有跟上导致的数据确权问题。因为如果走无形资产路径的话，就不是直接卖数据，而是提供数据服务。比如对于部分不能直接出售的数据，可以软件或者其他的方式脱敏，然后提供一个计算结果，在此过程中，由于看不到原始数据，从某种意义上就能避免一些法律上的问题。这些交易也能证明资产预期会给企业带来的经济利益。只有证明了预期的价值，才能用收益法跟市场法给资产估个好价。

这个阶段的工作拆分也是前置条件、准备阶段和实施阶段这三步。

（1）前置条件

首先企业需要问自己一个问题：我的这些数据是否真的有市场需求，未来想创造出来的，不管是商业模式还是销售计划，可行性到底有多高，市场上是否存在真正的需方。如果没有做这一步，很有可能会花了非常大的成本，造出来一个市场上无人买单的产品，造成巨大浪费。接下来还需要考虑，数据需方愿意以什么方式进行付费，这里主要涉及价格以及付费方式的问题，这决定了数据能否形成稳定、持续的收益。

（2）准备阶段

现在数据交易所主要会分以API、或数据包或数据模型的方式来交付数据产品。如果走无形资产路线，卖的就不是数据本身而是数据服务，所以可选择数据模型或数据软件服务的形式。软件产品以特许经营、软件授权等方式来产生可持续现金流。

（3）实施阶段

这是又一次系统建设的过程，具体说来可以叫做数据产品开发。数据产品的供给渠道搭建可分为直销和分销。数据产品的结算系统搭建非常关键，因为结算在哪里往往决定了分钱在哪里，这也就决定了，最有动力的人在哪里。这个利益分配机制的搭建非常重要，尤其当走分销路线时。

数据品牌的建设也至关重要，现在是数据要素的建设时期，也就是初步发展时期，但经济学告诉我们，每个细分行业里面，最终只会有少数几个品牌存活下来。所以市场的参与者需要从一开始就建立营销体系以及品牌意识，为下一阶段的残酷竞争做好相应准备。特别是在数据市场里，因为数据可以无限复制，具有弱排他性，这也就造成虽然整体市场会非常大，但是每个行业里市场份额并不会太大，只能支撑少数几个品牌活下来，所以数据产品的营销工作至关重要。

第三步：形成存量资产

存量资产是指企业所拥有全部可确指的资产，企业的应收账款、其他应收款、无形资产都属于企业的存量资产。这里重点要指出的是应收账款和其他应收款，数据一旦成为数据商品，只要交易量上来，就会形成数据相关的应收账款，还有存货相关的抵押账款等，这些款项都能形成业内所说的金融资产。只有形成了众多金融资产的情况下，才能构建金融资产池，然后才能走到金融化这一步。而金融化往往实现模式就是证券化。形成存量资产的后续影响是数据的货币化。一旦数据资产能实现证券化，从某种意义上数据本身就变成了货币。

如果未来要做到数据货币化，真正应该形成的是基于数据产品为标的物的可持续现金流的产生，并基于此形成应收账款。要将买卖关系变成借贷关系，再变成投资产品。比如房地产市场的整个发展历程，就充分证明了这个理念。

举一个现实中正在发生的例子，如果大家有关注投资领域以及政策层面，会看到最近这两年REITs（不动产投资信托基金非常火），它是将不动产形成的金融资产组合打包形成一个资产池，然后进行资产证券化，资产证券化就是发债。

— 04 —

小结

数据资产入表只是完成了程序上的打通，数据资产如何常态化的识别、确认、计量、使用、交易及最大化持续发挥价值，涉及企业内部的数据治理、数据资产确权、配套数据资产管理的制度设计、数据架构设计、数据资产的全生命周期管理等内容，甚至数据指标体系设计、主数据管理等具体议题，以及数据资源的分类采集、采购、脱敏、清洗、标注、加工、整合、分析、可视化，也离不开数据湖、数据仓库、数据中台与数据主题分析、专业展示等专业工具，亿信华辰可以为企业提供上述全套All in的咨询、方案与产品及落地交付。

为了更好帮助国有企业、上市公司数据资产入表，基于睿治数据治理平台，亿信华辰还为企业提供了数据入表系统，旨在协助企业高效合规地管理数据资产，为数据入表提供全面解决方案。如有相关需求，欢迎私信联系。