企业数据资产化战略与实践

一、数据资产有关12个热点问题

Q1:企业究竟要不要重视数据资产？数据是什么？数据资产究竟是什么？

答案是肯定的，因为数据资产是未来的财富，也是企业竞争力之一。企业可以没有土地资产，但不能没有数据资产。数据是人类有史以来发现最神奇的生产要素，它具有越用越多、越用越好、越用越有价值的特点。数据资产是可被会计计量、能够带来价值的数据资源。

Q2:如果重视数据资产有什么好处，不重视又有哪些影响？

杨冰之董事长强调，重视数据资产好处多多，不仅可以使资产增值、业绩增收。同时间接影响着企业创新能力、数字化水平、品牌声誉、企业决策水平、协调能力、金融资本运作能力等假如不重视，将错过机遇，也可能被淘汰。

Q3:哪种类型的企业最应该重视数据资产？

重视数据资产的企业应该具备以下特征：

Ø 数据生产多(如生产性服务业：电力、交通、交易类等）；

Ø 业务对数据依赖性高；

Ø 数字化基础好，数据人才多；

Ø 创新意识强；

Ø 愿意发展数据服务业；

Ø 现处行业竞争激烈 ；

Ø 数据对行业发展影响大；

Ø 领导重视数据发展；

Ø 行业已有成功案例的企业等。

Q4:需要哪些条件来构建自己的数据资产？

第一，有数据。要有好数据、有较强的数据管理能力，按照数据脱敏、数据合规、数据登记等步骤操作的企业；

第二，有团队。有业务专业的团队的企业；

第三，有工具。有支撑数据产品化工具的企业；

第四，最关键的是有变现能力。要有数据价值发挥能力。

Q5:企业如何来构建自己的数据资产？

在操作层面，企业构建数据资产通常会经过数据资产化就绪-入表-产品化及交易四步曲；做好数据资产总体规划非常重要，需要企业领导牵头，专业机构配合，形成专班，锁定目标，流程化推进。

Q6:数据资产化有无风险？如有，如何控制？

杨冰之董事长指出，数据资产化固然具有风险，其风险主要来自以下四个方面：

第一，数据本身质量和数据供应能力；

第二，项目团队实施能力；

第三，市场需求的确定性；

第四，法律法规和政策风险等。

如何控制风险需要做好以下准备工作：

第一，需要专业团队做好数据治理工作；

第二，需要规范的项目管理流程；

第三，需要强化需求与应用场景分析；

第四，需要做好政策预测分析。

Q7:做数据资产入表，投资回报率是多少？如何计算？

这是关键问题，企业花多少钱，带来多好的行业好的企业数据资产入表可以为企业带来数倍乃至数十倍的回报。可以按照成本或预计收入来分析数据资产回报。以光大银行三个计量模型为例进行讲解。

Q8:我的企业数据产品能否卖出去？卖给谁？值多少钱？

杨冰之董事长指出，原则上所有数据都有价值，所有数据均可以销售，亦可作为大模型的语料库。但具体要看行业，因为行业的数据价值差异较大，数据本身的质量和颗粒度也影响着数据价值，如数据质量、成本、风险问题等。

Q9:企业数据资产入表对企业可能带来哪些影响？

数据资产入表操作存在很多困难，环节很多、准备工作要充分、专业性非常强、不确定性强。其本身需要大量的数据和证据做支撑。整体来看，数据资产入表影响大且深远，缘于其冲击财富观念，需要建立新价值体系，包括财税政策可能都会发生变化等。数据资产入表是长期的事情，对企业的发展基础和运作模式，以及关键评估体系都可能发生重大变化。

Q10:企业需要做数据资产化战略规划吗？

针对这个问题，杨冰之董事长指出做数据资产化战略规划对于企业来说非常重要且非常必要。数据资产化项目具有高大新难全的特点，其专业性强，投入产出高，但风险也比较高。

Q11:选择合作伙伴和服务机构的标准有哪些？

针对此问题，杨冰之董事长建议可参考主要标准——专业性（复合能力）、利益共享、合作的长期性。随着服务商的加速成长，合作伙伴的案例和研究能力极为重要。

Q12：如何减少数据资产的泡沫性？

对于大家都在怀疑数据资产有没有泡沫的问题，杨冰之董事长认为大家可以普遍怀疑，充分怀疑，持续怀疑，因为事实胜于雄辩，只有交易收益最具说服力。

二、数据资产化项目开展路径

近来年随着政策文件频频发布，从2019 年 11 月，党的十九届四中全会首次将数据作为新的生产要素开始；2022年出台《关于构建数据基础制度更好发挥数据要素作用的意见》（“数据二十条”）；2023年7月，《中国人民银行业务领域数据安全管理办法（征求意见稿）》；8月财政部《企业数据资源相关会计处理暂行规定》的通知（财会〔2023〕11号）明确提出对数据资产进行会计确认、计量和报告。说明数据已成为国家战略性资源，正在推动产业融合与创新，并催生出新场景、新业态、新模式。加之我国高度重视数据相关工作，将数据与土地、劳动力、资本、技术等并列为生产要素之一，大力发展以数据为关键要素的数字经济。未来数据治理、确权及使用原则、公共数据授权运营、重点行业数据要素运营等方面有望迎来更多政策利好，数据要素产业进入加快发展期。

数据资产化是依托产业生态体系开展的复杂工程，国脉集团研究团队近期梳理了数据产品描述字段多达130多个，项目总体规划推进过程中需要做好六项基础性工作以及四项经营性工作。

三、数据资产入表专项路径设计

数据资产入表总体分为三个阶段实现，包括数据质量评测、数据价值评估和会计列示披露。数据资产评估有六个核心指标，分别是质、量、变现能力、管理能力、运营能力以及产品化能力。

四、数据价值的实现之道

数据价值实现的关键是变现，第一，需要将成本中心变成利润中心；第二，从辅助到关键，生产具体、可计量的价值；第三，一旦数据变成资产后，数据资产化实现数据变现的通道，数字化水平和数字化投入的重要标志。

除此之外，数据资产带给企业价值与收益分析包括增加企业价值、创造数据收益，提升数字化管理能级、提升企业声誉创造社会价值等。根据国脉集团最新研究发现，目前数据资产化的主要矛盾分析包括以下四个方面：

第一，供需失衡，应用不足，约束条件多。决策用数少。资产的主要特征：为变现创造条件，也为价值通用化形成基础。价值通用化与个性化之间的矛盾。

第二，其他有形资产在贬值，数据资产在崛起是不是事实，是不是趋势？数据资产是不是企业的核心竞争力。

第三，专门生产数据还是运营过程中自然产生的数据。

第四，开展数据资产化，需要哪些条件？

希望大家拥有最多、最好的数据，作为数据资产化专家，产业生态构建者，我们愿意与大家一道，为数据资产化赋能，提供一体化解决方案。