《钢铁行业企业数据资产入表管理指南（征求意见稿）》

1T/XXXXX101—2025钢铁行业企业数据资产入表管理指南本文件将钢铁行业企业数据资产入表管理的阶段划分和各阶段的具体操作要求。本文件适用于钢铁行业企业开展数据资产入表管理工作。2规范性引用文件下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。GB/T36073数据管理能力成熟度评估模型GB/T40685信息技术服务数据资产管理要求T/CWAN0161焊接行业数据资产入表指南3术语和定义下列术语和定义适用于本文件。3.1钢铁行业企业Steelenterprises[来源：GB/T4754-2017，5]3.2数据资产dataasset合法拥有或者控制的，能进行计量的，为组织带来经济和社会价值的数据资源。[来源：GB/T40685-2021,3.1]3.3数据资产入表dataassetaccountingtreatment企业按照企业会计准则相关规定，将数据资产纳入企业或组织的资产管理体系，并在财务报表中进行反映的过程。这一过程包括数据资产的识别、评估、计量和报告等环节，旨在实现数据资产的规范管理和价值体现。在实际应用过程中，数据资产入表与数据资源相关会计处理、数据资源入表等概念基本一致。[来源：T/CWAN0161—2025，3]3.4数字孪生digitaltwinT/XXXXX101—20252具有保证物理状态和虚拟状态之间以适当速率和精度同步的数据链接的特定目标实体的数字化表达。[来源：GBT43441.1-2023，1]3.5数据资源dataresource数据资源是指具有利用价值的数据集合。数据资源可在生产经营活动中采集梳理汇集形成，也可积累加工形成。数据资源应满足一定的规模、质量、安全性和规范化要求。[来源：T/SDDITAI0011—2023]3.6数据产品dataproducts数据产品是指对数据资源进行加工或创新劳动后形成的、以数据为主要内容和服务的产品或衍生品，包括经处理加工后的数据集合、依托数据呈现的图表或分析结果、数据查询验证服务等。[来源：T/SDDITAI0011—2023]3.7记账单元unitofaccount记账单元是指资产或负债以单独或者组合方式进行计量的最小单位。4基本原则4.1政策导向与合规合法原则贯彻国家数据要素市场化配置改革战略，积极探索数据资产入表新模式，同时严格遵循相关法律法规、企业会计准则及数据资产管理相关政策，确保数据资产管理的合规化、标准化与增值化。4.2系统设计与源头治理原则立足企业数据资源开发与数据资产化的顶层规划与系统设计，将数据资产入表作为企业实现数智化发展的“价值显现”关键节点之一，避免“碎片化入表”。将数据资产入表工作贯穿到数据资产开发项目的规划、可研、立项、开发、验收与后评估等工作体系中，避免“事后入表”。同时，建立一体化的业财数等多部门统筹协同推进机制，如探索推广“三线五步法”等先进经验，见图1。图1数据资产入表的源头治理：业财数“三线融合五步法”4.3行业特性与通用性结合原则立足数据资产入表的基本规范与先进经验，结合钢铁行业企业特性，如钢铁行业数字孪生的系统架构（见附录1）、数据资产分类（见附录2）等特点，提出符合钢铁行业企业管理相适应的入表管理建议。T/XXXXX101—202534.4全生命周期管理原则数据资产入表管理涵盖入表前、入表过程、入表后等全流程，与数据资产全过程管理要求相融合，构建数据资产闭环管理体系。设立动态更新机制，定期修订标准以适应技术演进（如AI在质量预测中的应用）和政策调整（如数据交易规则变化）。4.5技术引领与可操作性原则利用数据产业先进技术，如区块链与可信数据空间（确保数据来源可信）等技术，提升数据资产管理体系的安全水平与流通效率。轻量化设计实施方案，避免复杂流程，提供标准化模板（如数据资产清单模板、评估报告格式研发推广数据资产入表管理平台，降低实施成本。提供案例支撑，通过典型钢铁企业数据入表案例，增强标准可参照性。4.6开放协作与知识产权保护原则构建多方参与的生态运营机制，联合生产企业、研究咨询机构、律师事务所、会计师事务所、资产评估机构、数据交易所、金融机构等开展协同创新。重视知识产权管理，加强数据资产、数据产品与数据知识产权的登记、授权运营与流通交易等。4.7安全稳健与风险管理原则数据安全防护方面，明确钢铁行业敏感数据的分级保护措施，应符合GB/T37988的相关要求。稳健推进方面，在总部或个别子公司先行试点，再逐步推广到全领域与全级次企业，保持数据资产入表的可持续运营。建立风险预警机制，如数据资产入表后的风险评估框架（如市场波动对数据资产价值的影响），指导企业计提减值准备。5数据资产入表管理流程数据资产入表管理分为入表前管理、入表过程管理、入表后管理等3个具体阶段。a）入表前管理具体包括：应用场景设计、数据生产采集、数据盘查、数据分类分级、数据安全管理、数据产品加工、数据产品验收。b）入表过程管理具体包括：数据资产识别、数据质量评估、数据确权合规、数据资产登记、数据价值评估、数据资产入表。c）入表后管理具体包括：数据资产的分类与管理、数据资产的使用与共享、数据资产的审计与监控、数据资产的后续计量、数据资产的处置。T/XXXXX101—20254图2数据资产入表管理流程6入表前管理6.1应用场景设计6.1.1明确数据分类需要深入了解和分析业务的具体需求，包括业务目标、业务决策、业务流程等，从而确定数据的具体分类。表1数据分类与对应描述企业在生产活动中直接产生的数据，包括生产进度数据、设备运行数据、生产质量数据、物料消企业在日常运营管理活动中产生的数据，包括人力资源管理数据、财务管理数据、供应链管理数企业在新产品开发、技术创新和工艺改进活动中产生的数据，包括研发项目数据、实验数据、技企业在设备维护、设施保养和系统运行监控活动中产生的数据，包括设备维护记录数据、系统运企业从外部获取的与生产经营相关的数据，包括钢铁市场调研数据、钢铁行业统计数据、政策法6.1.2设计数据应用场景T/XXXXX101—20255基于业务需求，设计详细的数据应用场景，包括数据的查询、分析、挖掘和可视化等方面。场景应具体描述数据如何被用于支持业务决策、优化业务流程、提升业务效率、增加业务收入等。6.1.3评估数据利益流入根据详细的数据应用场景，结合数据资源的持有目的、形成方式、业务模式等综合评估数据在各应用场景中直接或间接带来经济利益流入的情况。6.1.4规划数据访问权限根据业务需求和数据安全要求，规划数据的访问权限，确保不同用户或角色能够按需访问和使用数据，以保护数据的安全性，防止数据泄露和滥用。6.1.5规划入表方式在设计数据应用场景时，需要考虑如何将数据以合适的方式纳入财务报表中，以真实反映企业的资产状况和价值，以便确保数据入表的准确性和可靠性，提升报表的信息质量和透明度。6.1.6项目立项在充分考虑数据应用场景的设计需求后，开始提交项目立项申请，确定团队、时间、模型架构、技术路线、开发计划、投入经费、关键指标、预期成果等内容，并提交项目可行性研究报告。6.2数据生产采集6.2.1制定业务数字化方案明确业务数字化应用场景的价值目标，并进行充分的评估分析；设计业务数字化的架构，明确关键的时间节点、设计方法、评估方法等。同时，钢铁行业作为典型的长流程制造行业，各环节已通过自动化控制系统产生大量数据，方案需结合已有数据基础，避免数据重复采集或处理。6.2.2构建业务数字化能力在明确数字化目标之后，根据业务应用场景的特点，选择合适的技术工具，组建数字化项目团队，制定项目协作规范。6.2.3明确数据存储方法综合考虑数据类型、访问速度、安全性和成本等因素，选择相应的存储方法。常见的数据存储方法包括数据库、文件系统、云存储等。6.3数据盘查6.3.1元数据摸查从技术视角、业务视角和管理视角出发，通过定义技术元数据、业务元数据和管理元数据，帮助业务人员和管理人员理解、识别、管理和使用数据。其主要内容包括：a）元数据管理计划。明确元数据管理相关参与方，收集元数据管理需求；确定元数据类型、范围、属性，设计元数据的元模型规范，包括技术元数据、业务元数据、管理元数据；b）元数据采集。依托元数据管理，基于元模型对元数据进行收集，对不同类型、不同来源的元数据进行采集和存储，形成对数据结构、数据描述的统一视图及清单；c）元数据查询。通过数据目录，提升业务方对数据的理解，辅助数据管理和数据分析应用；T/XXXXX101—20256d）元数据变更管理。根据元数据摸查结果，能持续监控企业数据的变化，进行变更影响分析，评估数据变更影响范围，帮助用户识别变更带来的风险，有效降低企业风险。6.3.2构建企业数据标准制定符合钢铁行业企业标准和要求的基础数据标准、代码标准、指标标准等标准，能够明确业务含义，统一数据定义，统一统计口径，形成全局统一的数据标准规则，为后续数据质量校验、数据加工等提供标准依据。6.3.3明确数据定义数据定义是指对企业所持有的所有数据进行识别、定义、深度剖析、标记数据内容，补充业务含义，明确数据组织、结构、关系，形成更完整、有效的数据架构的过程。其主要内容包括：a）数据类型识别。确定企业拥有哪些类型的数据，如结构化数据（如数据库表格）、非结构化数据（如文档、图片、视频）和半结构化数据（如XML、JSON）；b）数据来源与收集。明确数据的来源，包括内部生成的数据（如员工记录、销售数据）和外部获取的数据（如市场调查、公共数据库），定义数据的收集方法和频率，确保数据的准确性和时效性；c）数据质量基础性评估。评估数据的完整性、准确性、一致性和可靠性等方面，发现数据中的潜在问题，如缺失值、重复数据或错误数据，并制定相应的数据清洗和验证策略；d）数据用途与价值定义。定义数据的用途和价值，明确数据在组织运营、决策支持和业务发展中的作用；e）数据存储与访问。描述数据的存储方式、位置以及访问权限。包括确定数据的存储格式、存储介质、存储位置以及数据的访问权限和共享方式。6.3.4明确数据血缘关系通过形成字段级可视化血缘关系图，可以明确数据的来源权属、合法性、相关业务归属和责任人，并追溯数据的操作和流向。其主要内容包括：a）识别数据的源头。某个数据可能是由多个数据源的数据加工集成而来，识别这些数据源并了解它们之间的关系，明确数据来源的权属信息和合法性；b）分析数据的加工过程。某个数据可能经历了多个数据加工过程，识别这些加工过程并了解它们之间的关系；c）明确数据的输出结果。某个数据加工过程可能产生多个计算输出结果，识别这些输出结果并了解它们之间的关系。6.3.5构建数据目录通过建立可共享、可复用的多层级数据目录，对所有数据进行汇总，按照数据来源、业务主题等进行分类，提供完整的数据定义、数据说明、数据特征、标签、数据责任人等技术、业务、管理信息。6.4数据分类分级建议企业遵循GB/T43697-2024《数据安全技术数据分类分级规则》等国家标准，基于不同的数据级别，制定不同的数据管理规范，建立数据分类分级制度。6.4.1数据分类实施路径数据分类的实施包括以下几个环节。a）明确数据分类方案。依据钢铁行业分类标准，结合企业实际数据情况，制定分类实施方案；T/XXXXX101—20257b）明确数据范围。根据钢铁行业及数据应用场景，对待进行资产化的数据进行初步归类，明确待分类的数据范围；c）细化业务分类。结合部门职责分工，明确业务条线的分类。按照业务范围、运营模式、业务流程等，明确各业务条线的关键业务分类；d）业务属性分类。选择合适的业务属性，对关键业务的数据进行细化分类。业务属性主要包括业务领域、责任部门、描述对象、流程环节、数据主体、内容主题、数据用途、数据处理、数据来源；e）确定分类规则。梳理分析各关键业务的数据分类结果，根据钢铁行业领域数据管理和使用需求，确定钢铁行业领域数据分类规则，例如可采取“业务条线—关键业务—业务属性分类”的方式定义数据分类规则，也可对关键业务的数据分类结果进行归类分析，将相似主题的数据子类进行归类。6.4.2数据分级实施路径数据分级的实施包括以下几个环节。a）确定分级对象。确定待分级的数据，如数据项、数据集、衍生数据等。b）分级要素识别。影响数据分级的要素，包括数据的领域、群体、区域、精度、规模、深度、覆盖度、重要性等。c）数据影响分析。结合数据分级要素识别情况，分析数据一旦遭到泄露、篡改、损毁或者非法获取、非法使用、非法共享，可能影响的对象和影响程度。影响程度从高到低可分为特别严重危害、严重危害、一般危害。d）综合确定数据级别。在分级要素识别、数据影响分析的基础上，根据不同对象以及对应的影响程度的不同，确定相应的数据级别，如一般数据、重要数据、核心数据。6.4.3核心、重要数据目录上报实施路径核心、重要数据目录上报的实施包括以下几个环节。a）核心、重要数据目录梳理。企业按照公司主管部门要求，开展本企业内部重要数据目录梳理工作，梳理内容包括钢铁行业分类分级描述、数量、数据类型、现存地址、来源、用途、对外提供情况、安全防护措施、主体类别、安全领域、影响对象、影响涉及范围、影响持续时间、影响恢复程度等。b）核心、重要数据目录上报。按照公司主管部门的要求以及钢铁行业标准规范，将重要数据目录上报给对应的主管部门。c）核心、重要数据目录迭代更新。企业定期对新产生的业务数据、经营数据等进行梳理，当重要数据目录发生变化时，更新企业重要数据目录，并及时上报主管部门。6.5数据安全管理6.5.1数据安全管理流程企业数据安全管理应按照以下流程进行设计：a）数据安全策略制定。企业确定数据安全管理的总体目标。制定数据安全政策，明确数据分类、访问权限、数据生命周期管理等基本原则。明确数据安全管理的责任主体，包括数据所有者、数据使用者、安全管理员等。b）数据资产清查与分类。全面清查企业内的数据资产，包括生产数据、客户信息、知识产权、财务数据等，尤其是生产工艺、产量数据等内容。根据数据的敏感性、重要性和用途，将数据分为不同的类别。根据数据的敏感程度和重要性，对数据进行分级管理，确定不同的保护措施。c）风险评估与分析。评估数据在存储、传输、使用过程中可能面临的风险，如数据泄露、篡改、丢失、未经授权访问等。分析风险的可能性和影响程度，确定风险优先级。根据风险评估结果，制定相应的风险应对策略，如加密、访问控制、备份与恢复等。8d）数据安全控制措施实施。实施严格的用户身份认证和授权管理，确保只有授权人员可以访问敏感数据。对敏感数据进行加密处理，防止数据在传输和存储过程中被窃取或篡改。定期备份关键数据，并制定数据恢复计划，以应对数据丢失或损坏的情况。部署数据监控工具，实时监控数据的访问和使用情况，记录操作日志，以便事后审计和溯源。e）数据生命周期管理。确保数据在创建和采集过程中符合安全要求，如数据来源的合法性、数据格式的标准化等。选择安全的存储介质和存储方式，对数据进行分类存储和管理。规范数据的使用和共享流程，确保数据在合法合规的范围内使用。对不再需要的数据进行安全销毁，防止数据泄露。f）安全培训与意识提升。定期组织数据安全培训，增强员工的安全意识和操作技能。营造良好的数据安全文化，鼓励员工积极参与数据安全管理。g）应急响应与事件处理。制定数据安全事件应急预案，明确事件发生时的应急响应流程和责任分工。部署安全监控系统，及时发现数据安全事件，并迅速启动应急响应措施。对数据安全事件进行调查，分析原因，总结经验教训，完善安全措施。h）持续改进与优化。定期对数据安全管理流程进行评估和审计，检查数据安全措施的有效性。根据评估和审计结果，及时调整和优化数据安全管理流程和措施。关注数据安全技术的发展动态，及时引入新的技术和工具，提升数据安全管理水平。6.5.2数据安全管理制度企业应建立通用的安全管理制度体系，具体包括：a）组织安全制度。建立适用于组织数据安全风险状况、覆盖数据全生命周期的数据安全策略和制度；b）人员管理制度。设置负责数据安全工作的职能部门及岗位，以及对人力资源管理过程中各环节进行安全管理，宜设立系统管理员、安全保密员以及安全审计员的三员管理制度，防范组织和人员管理过程中存在的数据安全风险；c）培训与学习制度。持续学习、深入了解相关的法律法规，保证企业业务生产过程中不会出现个人信息保护、重要数据保护、数据传输等方面的合规风险；6.5.3数据安全管理工具企业应合理使用数据安全管理工具开展数据安全管理工作，具体包括数据加密工具、身份认证与访问控制工具、数据管理与分析工具、物联网安全工具、数据备份与恢复工具、区块链技术、员工培训与安全意识工具。6.6数据产品加工数据产品包括数据集、数据API、数据模型、数据报告、数据平台等，钢铁行业多为数据模型。数据产品加工的实施路径参考如下：a）需求分析与规划。全面分析用户的数据需求，梳理业务场景，明确数据产品的应用价值和功能定位。同时，规划数据产品的开发路线图，确定产品的主要功能模块。b）数据采集、清洗与整合。根据规划的需求，对内外部数据进行采集，并进行数据清洗、去重、格式转换等预处理工作，确保数据的完整性和一致性。c）数据建模与分析。基于业务场景和用户需求，进行数据建模，构建算法模型，并对数据进行深度分析，提取有价值的信息和洞见，数据集、数据报告产品不适用。d）数据产品开发。基于建模和分析结果，开发标准化的数据产品，包括构建产品框架、设计接口和交互方式，实现产品的可操作性和可维护性。T/XXXXX101—20259e）测试与优化。对开发完成的数据产品进行功能和性能测试，并根据测试结果进行优化调整，确保产品满足用户需求并达到质量标准。f）产品部署与运营。将数据产品部署上线，进行实际运营，并收集用户反馈，持续优化产品功能，同时建立完善的数据产品运营体系，数据集、数据报告产品不适用。g）评估与迭代。建立数据产品的评估机制，从用户使用效果、业务贡献等方面评估数据产品的价值，并根据评估结果进行产品的迭代升级。6.7数据产品验收6.7.1项目预期达标验收项目预期达标验收包括：a）项目预计支出与实际支出。测试结束时实际支出是否等于或低于预计支出。b）预期收入与实际收益。测试结束时达到的收益效果是否达到或超过预期收入。6.7.2项目技术达标验收项目技术达标验收包括：a）技术验证说明。通过技术测试和验证，确保功能和技术性能符合预期，不存在技术障碍或不确定性。b）开发稳定性。通过技术成熟度和可靠性分析，确保系统功能、性能、兼容性、稳定性、安全性等测试结果达到预期目标。6.7.3项目数据质量验收项目数据质量验收包括：a）数据质量验收。验收项目数据合规性、完整性、一致性、时效性。b）数据可用性验收。验收项目数据访问便利性以及数据格式。c）数据安全性验收。验收项目数据加密以及数据访问权限设置合理性等。7入表过程管理7.1数据资产识别7.1.1数据资产识别的三大原则数据资产识别应遵循由过去的交易或事项形成、由企业合规拥有或控制、有预期收益三大原则。a）数据资产应当是由企业过去的交易或事项形成的。这意味着数据是企业通过过去的交易获得、合法授权、自主生产等事项形成的，具有合法的交易凭证或者合法合规的授权凭据。b）数据资产应由企业合法拥有或控制，即企业享有某项数据的所有权，或该数据能被企业所控制。c）数据资产预期会给企业带来经济利益，且相关的经济利益很可能流入企业。这意味着企业预期能够通过使用、出售或其他方式从数据资产中获得经济利益。7.1.2数据资产的五大特征数据资产具有非实体性、依托性、可共享性、可加工性、价值易变性等五大特征。a）非实体性是指数据资产无实物形态，虽然需要依托实物载体，但决定数据资产价值的是数据本身。数据资产的非实体性也衍生出数据资产的无消耗性，即其不会因为使用而磨损、消耗；T/XXXXX101—2025b）依托性是指数据资产必须存储在一定的介质里，介质的种类包括磁盘、光盘、服务器等。同一数据资产可以同时存储于多种介质；c）可共享性是指在权限可控的前提下，数据资产可以被复制，能够被多个主体共享和应用；d）可加工性是指数据资产可以通过更新、分析、挖掘等处理方式，改变其状态及形态；e）价值易变性是指数据资产的价值易发生变化，其价值随应用场景、用户数量、使用频率等的变化而变化。7.1.3数据资产的三大属性数据资产识别与价值评估，均需要充分考虑数据资产的信息属性、法律属性、价值属性等，建议详细列示各项数据资产的属性。a）信息属性，主要包括数据名称、数据结构、数据字典、数据规模、数据周期、产生频率及存储方式等；b）法律属性，主要包括授权主体信息、产权持有人信息，以及权利路径、权利类型、权利范围、权利期限、权利限制等权利信息；c）价值属性，主要包括数据覆盖地域、数据成本信息、数据应用场景、数据质量、数据稀缺性及可替代性等。7.1.4数据资产进行“无形资产”或“存货”的认定可对符合条件的数据资产进行“无形资产”“存货”的会计确认计量。a）计入“无形资产”的情形：对于用于企业内部使用和对外提供服务的，符合无形资产规定的定义和确认条件的数据，应当确认为无形资产。按照《企业会计准则第6号——无形资产》《〈企业会计准则第6号——无形资产〉应用指南》等规定，对确认为无形资产的数据进行初始计量、后续计量、处置和报废等相关会计处理。b）计入“存货”的情形：对于企业日常活动中持有、最终目的用于出售的数据，符合存货规定的定义和确认条件的，应当确认为存货。企业应当按照《企业会计准则第1号--存货》《〈企业会计准则第1号—存货〉应用指南》（财会〔2006〕18号）等规定，对确认为存货的数据进行初始计量、后续计量等相关会计处理。7.1.5不能识别为数据资产的情形企业仅持有数据，但无法通过自用或对外许可、转让、提供数据服务等方式对数据加以利用的数据无法为企业带来直接或间接的经济利益，不得确认为数据资产；虚构的、没有发生的或者尚未发生的交易或事项，不得确认为数据资产。7.2数据资产质量评估数据资产质量评估的实施流程参考如下：a）构建质量管理组织。质量管理组织由数据分析师、IT专家、业务代表以及管理层组成，主要负责制定数据质量标准、监督数据质量评估流程的实施，并确保所有相关方都遵循既定的流程。b）建立数据规范。数据规范宜涵盖数据的定义、类型、格式、结构、处理流程以及安全要求等方面。c）确定评价指标。基于数据资产质量评价指标体系，根据实际的业务需求和数据使用场景，确定数据质量的评价指标与规则，以确保它们能够全面反映数据的质量状况。d）实施质量评价。根据数据资产质量的评价指标，对数据进行质量评估，包括异常检测、数据交叉验证等方式，最终形成相应的数据质量评估报告。T/XXXXX101—2025e）数据质量提升。根据数据资产质量评估的结果，制定并实施数据质量提升计划，包括改进数据收集流程、更新数据存储系统、培训数据录入人员、优化数据处理算法等措施。f）数据交付使用。在确保数据满足既定的质量标准后，数据才能被交付给最终用户使用。7.3数据确权合规企业宜先构建覆盖数据全生命周期（收集、存储、使用、共享、销毁等）的合规管理框架，明确数据合规目标、责任部门及流程规范。企业宜在数据确权环节，准备合同、协议等完整权属证明材料，再委托律师事务所进行数据合规性评估并出具《数据资产合规评估报告》。7.4数据资产入表企业将其合法拥有或控制的、预期会给企业带来经济利益的数据，按照会计准则相关规定确认为无形资产或存货的资产类别，参照会计准则确定记账单元，选择合适的成本归集和分摊方法及后续计量方法，将其计入资产负债表，并进行相应的信息披露。入表过程应遵循财政部《企业数据资源相关会计处理暂行规定》。8入表后管理8.1数据资产登记8.1.1内部登记对只限于企业内部使用的数据资产，对符合登记条件的登记数据资产卡片；暂不具备确认登记条件的可先纳入资产备查簿；8.1.2外部登记企业有数据资产交易需求或有第三方鉴证数据权属关系需求的，在官方数据资产登记机构或交易机构进行数据资产登记，经审核通过后获得数据资产登记凭证、数据产品挂牌证书等凭证。8.2数据价值评估企业宜聘请第三方专业机构和人员对数据资产的经济价值进行评估，评估过程需遵循《资产评估基本准则》等国家标准及准则。8.3数据资产的分类与管理企业应按照以下要求开展数据资产的分类与管理活动：a）根据数据资产的性质、用途和重要性，将数据资产进行分类，并形成数据资产台账。b）数据资产台账应记录数据资产的全生命周期节点，包含原始数据、数据资源、数据产品、数据资产(登记、授权、收益、交易、报废、转销）等。c）根据数据资产的敏感性和价值，对数据资产进行分级管理，确定不同的保护措施和访问权限。d）企业应为各项数据资产添加标签，便于快速识别和管理。面向钢铁行业数字孪生的数据资产分类见附录B。8.4数据资产的使用与共享企业应按照以下要求开展数据资产的使用与共享活动：T/XXXXX101—2025a）明确数据资产的应用场景，区分内部使用、共享、交易的不同场景。a）明确数据资产在不同应用场景下的使用权限，确保数据在合法合规的范围内使用。b）建立数据共享机制，促进数据在企业内部或与合作伙伴之间的合理流动。c）规范数据接口的开发和使用，确保数据的安全传输。8.5数据资产的审计与监控企业应按照以下要求开展数据资产的审计与监控活动：a）定期对数据资产的管理情况进行内部审计，建立完善的内控体系，检查数据资产的核算、使用、安全等方面是否符合规定。b）配合外部审计机构，确保数据资产的管理符合法律法规和钢铁行业标准。c）建立数据资产监控机制，实时监控数据的使用情况，及时发现异常并发出预警。8.6数据资产的后续计量8.6.1数据资产摊销企业需根据自身的实际情况选择适用的摊销方法和摊销年限，并在每年年终，对数据资产的使用情况、价值变化、预计使用年限等进行复核。如果发现数据资产的实际使用情况与预计的不一致，或者其价值因市场环境、技术更新等因素发生了重大变化，应及时调整摊销年限和摊销方法。8.6.2数据资产减值当企业内外环境发生变化时，需要做好数据资产的减值工作。8.6.3数据资产再评估a）评估频率与周期确定。根据企业的实际需求和数据资产的特点，可以选择按季度、半年或年度进行价值评估，确保评估周期能及时反映数据资产的价值变化。b）评估指标体系建立。评估指标体系宜考虑直接经济价值(如收入、利润等)以及间接经济价值(如品牌价值、竞争优势等)。评估指标还应包括数据质量、数据安全性、合规性等方面的指标。c）动态跟踪评估。宜建立数据资产的动态跟踪机制，实时监测数据资产的价值变化。d）持续优化与改进。根据评估的结果和市场变化，通过科学的方法和跟踪监测，持续优化数据资产管理策略，提升数据资产的价值，以便企业能够更好地管理和利用数据资产，实现保值和增值的目标。8.7数据资产的处置8.7.1数据资产报废根据数据的存储介质和特点，需选择合适的数据资产报废方法。a）对电子数据采用数据擦除、格式化、磁盘消磁等方法。b）对纸质数据，采用粉碎、焚烧等方式进行销毁，确保数据无法被恢复和利用。c）对于与数据资产相关的硬件设备、存储介质等实物资产，需按企业固定资产或存货处置的相关规定进行处理，如出售、捐赠、报废回收等，并做好相应的记录和账务处理。d）在数据资产报废过程中，要做好相关记录和备案工作，包括报废时间、方式、参与人员、数据资产的去向等详细信息，并对相关记录进行存档处理，以备后续审计和查询。8.7.2数据资产转销T/XXXXX101—2025当企业发生并购、重组等情形时，数据资产可能会与其他资产进行融合或重新评估，部分数据资产的价值需进行调整或转销，重新确定其在新企业或新业务中的价值。在数据资产转销前，需要对其进行价值评估，确定转销前的账面价值。对于作为无形资产核算的数据资产，需考虑其累计摊销和减值准备的情况；对于作为存货核算的数据资产，需根据其成本与可变现净值孰低的原则确定账面价值。T/XXXXX101—2025（资料性）钢铁行业数字孪生与数据资产开发系统架构钢铁行业数据资产开发应该面向数字孪生的先进架构，按照“孪生数据+数字模型+孪生应用”融合路径，即数据资源化、产品化与资产化的“数模融合”路径推进，即数字孪生通过持续汇聚、精炼和增值实体数据，可以将现实世界的动态直接转化为可复用、可增值的数据资产。按照中国钢铁工业协会提出的《钢铁行业数字孪生第1部分：通用要求（征求意见稿）》（2025年10月钢铁行业数字孪生参考架构应包括目标实体、数字实体、孪生应用，以及各部分之间的信息交互。图A.1钢铁行业数字孪生系统架构图一、目标实体目标实体包含钢铁工厂实体及各实体之间的关联关系，是数字孪生的目标对象。（一）钢铁工厂实体钢铁工厂实体应包括人员、设备、物料和环境等。人员一般包括操作工人、技术人员和管理人员等。设备一般包括炼铁、炼钢、轧钢、公辅等工艺生产中重点设备。T/XXXXX101—2025物料一般包括生产所需原料、中间产品及各类钢铁成品。环境一般包含厂区内建筑、绿化、道路、物流和仓储等。（二）关联关系关联关系应包括操作流程、工艺流程、物料分配、工序界面等，客观反映工厂中人员、物料、设备以及环境之间的关联关系。二、数字实体（一）数字模型数字模型应从不同维度对目标实体进行数字化描述，主要包括几何模型、机理模型、数据模型、知识模型。主要要求如下：a）几何模型应构建钢铁工厂目标实体的几何信息，对目标实体的外观形状、尺寸大小、内部构造、装配关系等进行数字化表达，可利用计算机可视化工具，结合3D建模技术实现。b）机理模型应能够解释系统内部的运作机制，对钢铁生产过程中的设备、生产线生产过程进行精确的数学建模，可利用物理学原理和数据分析方法实现。c）数据模型包含数据结构定义、数据源融合、数据质量验证、数据传输与访问等，应能够处理和分析来自业务系统、传感器、日志等的数据。d）知识模型包含本体、规则库、数据驱动模型及知识图谱等，宜能够贯穿目标实体的全生命周期，将人类专家的经验转化为可执行的规定。（二）孪生数据孪生数据贯穿整个钢铁制造生命周期，是实现数字孪生的数据基础，应包括设计数据、制造数据、采购数据、建造数据、生产数据、质量数据、运维数据、仿真数据等，主要包括：a）设计数据应包括在项目初期及设备开发阶段生成的图纸、规范、几何模型，以及涉及工艺路线的技术要求；b）制造数据应包括设备根据设计图纸加工制造的全过程数据；c）采购数据应包括物资基本属性、交易信息、采购过程等数据；d）建造数据应包括工厂或设备安装、调试和启用过程中的数据，用于记录实际的建造过程；e）生产数据应包括生产过程中产生的实时数据，涵盖从原材料入炉到最终产品下线的各个环节；f）质量数据应能够用于检测和评估钢铁产品是否符合设计目标或客户需求，可源自检测设备、实验室分析以及现场检验；g）运维数据应记录设备运行和维护过程中产生的数据，包含设备健康状况、故障诊断、检维修记录等；h）仿真数据用于模拟生产过程中不同场景和参数变化，可基于物理规律、数学模型、工艺流程等构建。三、孪生应用孪生应用应包含业务服务和应用支撑两部分，服务于钢铁工厂全工艺流程，应包含炼铁、炼钢、轧钢、公辅等工序流程，业务服务应实现钢铁企业的生产、质量、设备、能源、成本、物流、环保、安防等管理系统的相关数据整合，为孪生工厂、孪生车间、孪生设备及孪生产品等各类应用提供统一接口服务；应用支撑应实现可视化、仿真、分析、运维、监控、故障诊断与预测等功能。T/XXXXX101—2025（资料性）钢铁行业数字孪生数据资产分类按照中国钢铁工业协会提出的《钢铁行业数字孪生第4部分：数据资产分类与管理（征求意见稿）》（2025年10月数字孪生数据资产应分为孪生模型、孪生数据、知识资产、管理数据资产、衍生数据资产等五大类。其中，孪生模型分类应包含但不限于几何模型、机理模型、数据模型、规则模型、行为模型、控制模型等。孪生数据分类应包含但不限于静态数据、动态数据等。知识数据资产分类应包含但不限于专家知识、知识产权等。管理数据资产分类应包含但不限于元数据、关联关系、安全权限等。衍生数据资产分类应包含但不限于复合索引、评估规则、共享服务等进一步细分宜按附表B.1的要求执行。表B.1数字孪生数据资产分类一级分类二级分类三级分类四级分类示例氧枪喷头流道三维模型、连铸结晶器铜板参数化模..转炉脱磷动力学模型、钢水脱氧合金化模型、炉渣-表B.1数字孪生数据资产分类一级分类二级分类三级分类四级分类示例转炉氧枪射流冲击深度模型、中间包钢水流场CFD模转炉副枪动态预报模型、连铸拉速-二冷水量串级控型连铸坯枝晶生长-宏观缩孔关联模型、轧制过程组织表B.1数字孪生数据资产分类一级分类二级分类三级分类四级分类示例连铸拉速-二冷水量动态响应序列、电炉电流毫秒级声音-温度-图像多源数据对齐（多模态Transforme表B.1数字孪生数据资产分类一级分类二级分类三级分类四级分类示例转炉脱磷温度窗口(≥1650℃)、连铸坯液芯长度安IF[钢水氧活度>15ppm]THEN[加Al脱氧]、热轧带钢铁水包残铁量≤容积10%、煤气区域CO浓度≥24ppm特种钢合金配方仅限L3+权限访问、关键模型操作需表B.1数字孪生数据资产分类一级分类二级分类三级分类四级分类示例高炉冷却壁热阻增长曲线、轧辊磨损量-带钢凸度关加热炉热效率衰减模型、除尘风机风压-运行时长关系炼钢-连铸节奏匹配度模型、余热锅炉与主工艺压力表B.1数字孪生数据资产分类一级分类二级分类三级分类四级分类示例钢厂水系统多级泵站智能调度、煤气柜位-用户压力制高炉容积/炉缸直径、轧机牌坊刚度系数、转炉托圈连铸拉速-断面对应表、热轧轧制力规程库、退火温表B.1数字孪生数据资产分类一级分类二级分类三级分类四级分类示例光谱成分结果（3min/样）、金相组织评级（15min/表B.1数字孪生数据资产分类一级分类二级分类三级分类四级分类示例高炉-热风炉拓扑关联、连铸机扇形段装配层级、工转炉终点碳数据来源（副枪+激光气体分析+人工化表B.1数字孪生数据资产分类一级分类二级分类三级分类四级分类示例转炉氧枪高度→冲击深度→脱磷效率、连铸拉速-二表B.1数字孪生数据资产分类一级分类二级分类三级分类四级分类示例...训练数据加密存储、推理API动态令牌、模型参数联......普通车间（门禁卡）、高温熔融区（热辐射防护服+...表B.1数字孪生数据资产分类一级分类二级分类三级分类四级分类示例（坐标X,Y,Z,时间T）←→设备状态变迁工序段,振动频谱特征+红外热像温度+声发射信号→设备故.........表B.1数字孪生数据资产分类一级分类二级分类三级分类四级分类示例......颗粒物排放(≤10mg/m³)、废水总实时炉温查询API、质量预测模型调用接口、设备控振动数据Kafka主题、钢水成分MQTT通道、视频流RT三维设备模型Web查看器、工艺报表移动端、设备点轧制力模型SaaS服务、设备故障诊断APP、工艺优化...表B.1数字孪生数据资产分类一级分类二级分类三级分类四级分类示例钢厂-汽车厂订单质量追溯链、废钢资源协同利用平T/XXXXX101—2025参考文献[1]《中华人民共和国网络安全法》（2025年10月修正）[2]《中华人民共和国电子签名法》（2019年4月修正）