企业数据资源入表

为推动建立企业数据确权授权机制，《企业数据资源相关会计处理暂行规定》明确了企业数据资源的确认范围和会计处理适用准则。

根据《企业数据资源相关会计处理暂行规定》的规定，企业应当按照企业会计准则相关规定，根据数据资源的持有目的、形成方式、业务模式，以及与数据资源有关的经济利益的预期消耗方式等，对数据资源相关交易和事项进行会计确认、计量和报告

1数据资源的会计确认与计量

根据数据资源的持有目的、形成方式、业务模式，以及与数据资源有关的经济利益的预期消耗方式等，企业对数据资源可以分别确认为“无形资产”和“存货”。

无形资产准则和存货准则均以历史成本为计量原则，并不允许企业采用公允价值进行计量，因此，企业数据资源入表短期内不会带来资产负债表的大规模扩张。

2数据资源的会计披露与报告

企业在编制资产负债表时，应当根据重要性原则并结合本企业的实际情况，分别在“存货”项目、“无形资产”项目、“开发支出”项目下增设数据资源相关项目“其中：数据资源”，进行资产负债表相关列示，即所谓“入表”。

企业应当按照相关企业会计准则及本规定等，在会计报表附注中对数据资源相关会计信息进行披露。这里的披露包括要求披露与自愿披露事项，在数据资产评估和交易活动中，应当特别关注自愿披露事项。

《企业数据资源相关会计处理暂行规定》自2024年1月1日起施行，并采用未来适用法，即规定施行前已经费用化计入损益的数据资源相关支出不再调整。因此，在此之前与数据资源有关的费用化投入不能重新资本化。

数据资产价值评估

企业通过数据资源的会计处理为数据资产价值的评定和估算提供了可能，相关财务会计信息和其他资料也是执行资产评估业务的依托。

1数据资产的定义

根据《数据资产评估指导意见》第二条的定义，数据资产，是指特定主体合法拥有或者控制的，能进行货币计量的，且能带来直接或者间接经济利益的数据资源。

2数据资产评估要点

执行数据资产评估业务，应当了解和关注被评估数据资产的基本情况，包括并不限于数据资产的信息属性、法律属性、价值属性及具体表现。

执行数据资产评估业务，应当知晓数据资产具有非实体性、依托性、可共享性、可加工性、价值易变性等特征，关注数据资产特征对评估对象的影响。

执行数据资产评估业务，应当根据数据来源和数据生成特征，关注数据资源持有权、数据加工使用权、数据产品经营权等数据产权，相应确定评估对象的权利类型。

执行数据资产评估业务，还需要关注影响数据资产价值的成本因素、场景因素、市场因素和质量因素。

3数据资产评估方法

《数据资产评估指导意见》第十九条确定了数据资产价值的评估方法包括收益法、成本法和市场法三种基本方法及其衍生方法。

在会计入表暂行规定中，暂时以成本法入表，但是在披露中用市场法或者收益法评估都是未来探索的可行性道路。

数据资产估值步骤

step 1确定评估目的和范围

确定为何估值以及需要估值的数据资产范围，包括数据集、数据库、数据仓库、数据挖掘模型等。

step 2收集数据资产信息

收集需要评估的数据资产的详细信息，通常包括：数据名称、数据来源、数据规模、产生时间、更新时间、数据类型、呈现形式、时效性、应用范围等。

step 3确定评估方法

根据估值目的和数据资产特点选择合适的评估方法，常见的评估方法包括市场法、成本法和收益法。

step 4进行市场研究

如果采用市场法进行评估，需要进行市场研究，了解类似数据资产在市场上的交易价格、竞争情况等。可以参考类似数据资产的交易案例，例如互联网公司收购数据公司的案例。

step 5进行成本估算

如果采用成本法进行评估，需要估算数据资产的采集、存储、清洗等成本，并考虑折旧和维护费用。可以参考类似业务的成本估算，例如企业自主开发数据集需要的开发成本。

step 6进行收益预测

如果采用收益法进行评估，需要预估数据资产的收益潜力，例如通过数据挖掘分析、营销推广等方式利用数据资产带来的收益。可以参考类似应用的收益预测，例如企业通过数据挖掘模型提供增值服务带来的收益。

step 7进行风险评估

对数据资产可能遇到的风险进行评估，例如数据泄露、数据安全等问题。可以参考类似数据资产的风险评估结果，例如金融机构对大数据资产进行的风险评估。

step 8进行估值计算

根据选择的评估方法和收集到的信息，进行估值计算。可以使用各种模型和工具进行计算，例如贴现现金流模型、基于市场比较的估值模型等。数据资产的价值常见影响因素包括技术因素、数据容量、数据价值密度、数据应用的商业模式和其他因素。

step 9形成评估报告

将估值计算结果整理成评估报告，包括估值方法、估值结果、风险评估等，向相关方提供完整的数据资产估值信息。以上的每一步都需要根据具体情况进行具体操作，并可以参考相关案例来支持估值过程。

总结

数据资产入表是企业将数据资源转化为商业价值的重要步骤。

通过数据资产入表，企业能够更好地管理和使用数据资源，提高生产效率，开拓新的商业机会，增强企业竞争力。同时，数据资产入表也将推动整个数据要素产业链的发展，实现数据价值的最大化，为社会和经济发展带来更大的贡献。

对于未来行业需要进一步深入探究数据资产估值方法和模型，尤其是在数据质量、数据安全和数据治理方面的考虑。此外，随着人工智能和大数据分析的不断发展，数据资产估值模型也需要考虑新技术的影响。

总之，虽然数据资产估值是一个复杂而关键的问题，对于企业和整个经济来说具有重要意义。相信通过不断地研究和改进，将能够更准确地评估数据资产的价值，进而为企业的决策和发展提供更有力的支持。