公司资讯
随着数字经济的快速发展，数据作为新型生产要素的经济价值和效用逐渐被发掘，企业数据资产化成为当下新的关注。数据资产化对各类企业经营、数据服务以及数据市场都将产生深远影响。数升之声将分两期推出数据资产化系列专栏，内容包括数据资产化相关的政策理论、实践路径、治理与交易、案例分享等，供大家参考与讨论。
政策环境
2020年3月《中共中央 国务院关于构建更加完善的要素市场化配置的体制机制的意见》对加快培育数据要素市场，提出了一系列重要措施，《意见》首次将“数据”与土地、劳动力、资本、技术等传统要素并列为要素之一写入文件。之后，国家陆续出台系列数据要素政策：
一是2022年12月，中共中央、国务院印发《关于构建数据基础制度更好发挥数据要素作用的意见》(即数据二十条)，搭建数据产权、流通交易、收益分配、要素治理四项基础制度，明确提出数据资源持有权、数据加工使用权、数据产品经营权“三权分置”的运行机制。“数据二十条”还要求依法依规维护数据资源资产权益，加强企业数据合规体系建设和监管，鼓励探索数据分享价值收益方式和数据资产入表新模式，为数据要素价值释放、推动数据资产化提供了根本遵循。
二是2023年8月，财政部发布《企业数据资源相关会计处理暂行规定》，允许企业将数据资源支出作为历史成本，按照会计制度要求计入资产负债表。此前，数据资源支出基本实行费用化处理，企业面临较大利润承压。暂行规定的发布，为企业降低资产负债率、提升当期利润率提供了新路径，也调动了企业开发利用数据的积极性。2023年12月，财政部还发布了《关于加强数据资产管理的指导意见》，明确鼓励在工业等数据富集行业探索开展多种形式的数据资产开发利用模式。财政部的两项制度，为海量工业企业数据从资源化过渡到资产化，以及资产化后的全流程管理提供了实操依据。
三是2024年1月，财政部制定印发了《关于加强数据资产管理的指导意见》，明确了数据的资产属性，提出依法合规推动数据资产化，平等保护各类主体数据资产合法权益，鼓励公共服务机构将依法合规持有或控制的、具有资产属性的公共数据资源纳入资产管理范畴，进一步创新数据资产管理方式方法，加强数据资产全流程管理，严防数据资产应用风险等，更好促进数字经济高质量发展。
理论探讨
数据科学家维克托·迈尔·舍恩伯格早在2013年就做出了乐观预测“数据资源进入资产负债表，不是可否问题，只是早晚问题。”于是，超越了传统的信息技术操作范畴，将数据转化为有形资产的过程，成为一种全新的经济活动。
从理论机理看，企业数据资源可以会计确认为数据资产。主要有以下四个依据：一是经济学依据，数据已被确认为生产要素；二是统计学依据，国民经济核算体系确立了数据库的地位；三是税收学依据，数字服务税间接证明了数据是资产；四是会计学依据，不确定性并不妨碍资产的确认。
从理论机制看，数据资源能够转化为会计意义上的数据资产。具体有两条转化路径：一是传统企业的数据资源作为“催化剂”可以激发价值乘数效应和连锁反应，成为具有价值发现、价值创造和价值实现特征的数据资产。二是互联网平台企业的数据资源作为“粘合剂”可以发挥产业层面、平台层面和交易层面的价值效应，成为具有价值共生、价值共创和价值共享特征的数据资产。
2022年，上海数据交易所和普华永道开展数据资产的研究，发布了《数据要素视角下企业数据资产化研究报告》，给出了数据成为资产的三个关键逻辑：一是从经济逻辑上看，具有可验证的资产价值，即可在市场流通并具有可量化的交易价值，是数据成为资产的前提条件；二是从产权逻辑上看，在数据流通过程中的每一个环节都可以清晰地界定所有权、持有权和使用权，这是数据成为资产的必要条件；三是从会计逻辑上看，可以精确计量数据（利用自身经营过程中产生的或通过交易取得的）所获得或潜在获得的经济利益，是数据是否能被财务确认为资产的基本条件。
实践路径
随着新的会计政策实施，将企业数据资源作为数据资产并入财务报表，虽然这一政策目前还缺乏具化实施细则，但已经引起各类企业和政府的高度关注。数字资产化对企业的基本经营逻辑产生深远的变革影响，不仅会改变企业在数据、客户、产品、渠道、服务等方面的管理，还将催生新的商业模式和盈利机会。
新会计规定将允许企业将数据资源作为无形资产或存货入账，公司可将数据资产计入财务报表，提升资产总额与公司价值。如此，数据资产的入账也可能引起市场对公司价值的重新评估，影响证券表现，同时也带来审计和透明度方面的挑战。
随着新规出台，数据资产化超越了传统的信息技术范畴，成为一种全新的经济活动。这个过程不仅包括数据的收集和存储，还涉及到数据的管理、分析和应用，最终实现数据价值的最大化。在数据资产化的过程中，数据收集是基础。它涉及到从各种渠道获取数据，包括但不限于用户行为数据、交易数据、传感器数据等。随着物联网和智能设备的普及，数据收集变得更加自动化和普遍。数据存储则是确保数据安全性和可访问性的关键步骤。在这一阶段，数据需要被组织和存储在可以高效检索和分析的系统中。随着云计算技术的发展，数据存储变得更加灵活和可扩展。接下来是数据管理，这一步骤确保数据的质量和一致性。良好的数据管理可以减少错误和冗余，提高数据的可信度和可用性。数据分析是数据资产化的核心，它通过各种统计和机器学习算法，从数据中提取有价值的信息和洞察。这些分析结果可以帮助企业和组织做出更明智的决策。最后，数据应用是数据资产化的终极目标。
目前，数据资产化的政策、理论和路径都有了比较清晰地逻辑脉络，那么对于数据技术服务者，实际工作又该如何入手呢？下期，我们将分享几个案例和思考。