数据资产入表全流程实操指南

数据资产入表全流程实操指南!

2024年伊始，数据要素产业利好政策密集出台，企业数据资产〃入表〃成为了

大势所趋。数据要素顶层设计方案加速落地，推动企业数字化转型提档加

速，提升数据管理能力、实现数据资产价值成为企业下一阶段核心竞争力构

建的关键。数据资产可以为企业提供更丰富的融资渠道，降低融资成本，为

企业的可持续发展提供有力支持。企业可以将数据作为底层资产，在数据资

产抵质押贷款、数据资产融资租赁等方面进行有益探索，拓宽融资渠道。此

外，数据资产入表还有助于外界更直观地了解企业在数字经济，如智慧城市

等新兴领域的实力和潜力，提高企业未来前景预期，推动企业估值的提

升。

目录

一、什么是数据资产人表

二、企业数据资产入表工作由哪些部门负责

三、企业数据资产入表前做哪些准备工作

四、企业数据资产入表准备一一数据治理

五、企业数据资产入表准备一一数据盘点

六、企业数据资产入表的价值、建设全流程以及相关案例

七、企业数据资产入表，如何对数据资产进行会计核算

八、以数据资产入表为抓手推动数据资产化

一、什么是数据资产入表

(-)什么是数据资产数据要素、数据资源和数据资产对于数据资源、数据

资产和数据要素这三个概念，人们往往容易混淆。为了更好地理解和利用数

据，有必要对这三个概念进行深入的辨析。下面逐一探讨这三个概念的定

义、特征以及相互关系，以期帮助您建立清晰的认识,为实际应用提供指

导。

数据要素相关概念的定义与内涵

1、数据要素相关的概念数据资源(DataResource)数据资源是指为以电

子化形式记录和保存的具备原始性、可机器读取、可供社会化再利用的数据

集合。区别数据与数据资源的依据主要在于数据是否具有使用价值。具体而

言，经过收集、存储、运维后形成的电子化、规模化、能够为组织(政府机

构、企事业单位等)产生一定价值的数据被视作数据资源。数据资产(Data

Asset)数字资产是个人和企业拥有的财产，数据资产包含结构化数据和非

结构化数据，包括以数据形式记录的照片、视频、文件、订单、合同等资

源，这些资源以电子形式存在，并具备给个人或企业带来经济价值的潜力。

数据资产具有以下特征：非实体性和无消耗性、可加工性、多样性、依托

性、价值易变性、多次衍生性、可共亨性和零成木复制性。数据资产将数据

视为类似于资金、设备、技术等要素资源，并将数据资源转化为可交易的“数

据资产"。

对于企业而言，数据资产包括无形资产或存货等类型的数据资源，以及企业

合法拥有或控制的数字资源，这些资源预计将为企业带来经济利益。数据要

素(DataCapitalasFactorofProduction)数据要素是指为根据特定生

产需求汇聚、整理、加工而成的计算机数据及其衍生形态。依据十九届四中

全会提出的"将数据列为生产要素"与生产要素的定义，数据要素是参与到社

会生产经营活动中，为所有者或使用者带来经济效益的数据资产。因此「数

据要素"一词是面向数字经济、在讨论生产力和生产关系的语境中对"数据"的

指代，是对数据促进价值生产的强调。数据要素市场化(Market-based

allocationoffactors)数据要素市场化是指将数据作为一种要素资源,通

过市场机制进行交易、流通和配置。数据要素市场化配置的关键在于通过市

场化的流通手段,让数据向最需要的地方流转聚集，让不同来源的优质数据

在新的业务需求和场景中汇聚融合，在跨领域数据融合中产生更大效益，实

现双赢、多赢的价值利用。2、数据要素的内涵数据作为生产要素指的是在

现代经济中我们将数据视为一种重要的资源，类似与劳动力、资本和土地。

核心内涵可以从三个方面概述：数据是一种新的生产力：随着人类社会的不

断发展，生产要素也在不断变化。最初的生产要素包括劳动力、土地和资

本。然而，随着科技的进步和工业革命的到来，新的生产要素不断涌现，如

技术、知识和创新等。这些新生产要素的引入和应用推动了生产力的提升和

社会经济的发展。数据作为一种新兴的生产要素，它不仅是一种资源，而且

是一种能够被收集、存储、分析和应用的信息形式。能够作为独立的维度使

得它能够为生产和决策提供更加精确、实时和全面的支持。数据驱动的生产

方式：数据的引入还促使形成了一种新的生产方式，即数据驱动的生产方

式。在这种方式下，数据成为了决策制定和创新的重要依据，数据挖掘分析

成为了生产的关键环节。数据驱动的生产方式能够更加灵活、快速的响应市

场变化和需求变化，提高决策效果和创新效果。创造价值和满足需求：数据

作为生产要素的出现实质上指向了生产的本质，生产的本质在于创造价值和

满足需求。通过数据的挖掘分析，我们可以更好的了解市场需求、消费者行

为、产品性能等信息，从而更加准确地预测和满足需求。数据作为生产要素

的出现不仅丰富了生产要素的含义，而且指向了生产的本质。因此，我们需

要不断关注和探索数据的应用，以推动生产力的提升和社会经济的进一步发

展。

数据要素市场化进程持续加快

随着数据要素产业经济的兴起，国家对数据要素的重视程度不断提升。国家

在制定相关政策法规、推动数据开放共享和促进数据产业发展等方面采取了

积极的措施，鼓励和支持数据要素的收集、整合、管理和应用，为数据要素

创造了良好的政策环境和发展条件。国家层面对数据要素市场化的政策导向

主要强调在处理数据的合法合规，保护数据不会被非法获取、篡改或滥用，

数据的存储、传输和处理过程中采用了安全的技术和加密手段，以保障数据

的完整性和机密性，推崇数据的共享和开放，以促进创新和经济发展，倡导

建立健全的数据治理机制，通过明确的政策和规范，对数据的收集、存储、

使用和共享进行规范管理。

2019.11.十九・四中金会

(中ft中央关于重用杜隹主2021.12,国务院办公厅

义“擢造皿滩川吟9168次化

6ME〃依"69日・岚点的E

Aa^aKijts)

提出从四个方面进行布埸

WE为一切3-2020.0S,钟曲丸0克眩2022.12,中共中央.Bfi

化反■改革的布局

(MfiwtuunaHi^ixn〈关于K»iauu8»att!tfxmnw.eMeMB)

BM-z+«-提出统筹推进皿I产权.港■交

加快培胃发展敷据曼JR市场，«.收卷迎安金治理.

amns费,清・・理凯•度体系

2022.01.a务解

2020.04.中共中央.BAR(--HIE-

援出培育市场主体，2025年2023.0®.财KK

at<t9fmMK»x)

2020.11.中共中央划步口立团》重市场体系《企创05贵潮ax鼾tttents)

推迸政府依《开放共享.a(^M^Xf9CUBRti^fai^3Uaii-

榭BU8资源按照企业会计)M限行.

BtE^UHUZO=359SKB^Kl>

细分为•企业内*硬用的效■费骞・

*1曲《9毒产权KBftiaNMft和.企业对外交.的IkMBW两类

*fO安金保护等立£制度和标准现足

图1.数据要素相关政策法规各地方政府贯彻落实中央政策，探索数据要素流

通顶层设计并陆续出台了地方相关数据条例和公共数据管理办法。地方政府

陆续出台政策的主要导向包括数据共享与开放、数据安全与保护、数据质量

与准确性、数据治理与责任以及数据应用与创新。导向旨在促进数据的合理

利用、保护和管理，为政府决策和公众服务提供有效支持。在政策的引导和

推动下，数据要素市场化进程加速，有助于实现数据要素的价值最大化和流

动性提升，推动数据产业链的发展和创新。为了有效实现数据要素市场化，

相应的市场定价和交易模式得以建立，以确保数据要素的价值更加透明和公

正，并促进数据要素市场的健康发展。这些举措都为国家经济和社会发展带

来了重要的意义和影响，并为企业提供了更多的商机和合作空间。

数据要素化的实施路径

基于大量的理论研究和应用实践，我们认为商业银行要实现数据要素化且最

终参与到数据要素产业生态中，需要经历以下三个阶段：

政据资源故据资产故据要素

发・

18811^1螭化肩数据资产化资产要素化g

uumai为博心.MM■为，为犊O.卸8资产以散管雷产而■创造为模心，

靛BM.M330M.snaa%ija,实现数据贵产的■力■点,.过反侬li».ananas

推动0曲9FXJR

毒头治at与过■治9m台，挎靖挖，但活.BM蜜产・口与话・相理合作供伴.内部共享与外部遍融能会,

夯实~用财的“磁嬉含，为时化做前》准.为数等譬11声业生还发1询由第8充分发挥IH8变1!作用,

僵化，展量敷索要康供

给，持蝮敷粼要索产业

•敢揖采集：完IL全观■、JK合•资产认定：准入、»«.W2：则界定、权

•««««41生态的穗设.

•8WWF：・4、心集.西尸感JB•限产目・：弓量3.防吨设•内耽事：产品创新.含俏销售.业

I*•ms模型：广度、3ML关联度

•蜜产评估：成本计■.价值评估务运营.业务支持、报告决策

架构：数据分布,集成、的•资产运*:运营机制、效率怦价.

•108•外JKW：定价、交易.生咨.开放、

­原■曾理：源阳台理.数踞认出资产入表资本化

•IM8安金：分级分类、权限授权•资产处■:规则、策略、流程

图2.数据要素产业发展路径业务数据化：业务数据化是指将各项业务活动和

过程转化为可量化、可记录和可分析的数据形式。商业银行涉及广泛的业务

领域，包括存款、贷款、投资、交易等。业务数据化的第一步是通过系统和

技术手段收集和整合各项业务的数据。这些数据可以来自于客户交易、业务

操作、市场行情、风险评估等多个来源。通过对这些数据进行治理和管理，

保证数据的源头质量，未来可以帮助银行更好地理解和分析业务运营状况，

支持决策制定、风险管理和客户服务等方面。数据资产化：数据资产化是指

将数据视为一种重要的资产，并将其管理、促进利用和价值最大化的过程，

通过对数据进行识别、分类和标记，以确定不同数据的价值和用途。数据资

产可以包括客户数据、交易数据、风险数据、市场数据等。不同类型的数据

资产基于数据应用目标进行相应的成本与价值计量，并进行有效的管理和利

用，帮助银行提高数据价值和运营效率。资产要素化：资产要素化则是通过

要素化识别出有"活性〃的数据资产，在分析和挖掘中发现有价值的信息和洞

察，支持决策制定和业务创新，实现客户洞察、风险管理、营销策略优化等

方面的增值。同时，也能为银行带来商业机会，例如数据交易、数据合作

等，进一步增强银行的竞争力和盈利能力。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，作为技术型数商亿信华辰可以为企业提供上述全套

Allin的咨询、方案与产品及落地交付。（二）数据资产人表

1、什么是数据资产人表

数据资产入表就是将企业的数据资源以资产的形式纳入财务报表中进行管理

和计量。

2、政策背景

2023年9月国家发改委价格监测中心透露，初步测算我国企业数据要素支

出规模约为3.3万亿元；若将数据资产评估、质押、融资等衍生市场同时考

虑在内，整体规模可能超过30万亿元。中信证券预计数据要素市场规模有

望在2025年迈向2000亿元新台阶，并于2030年突破万亿元。2023年

10月25日，国家数据局正式揭牌，预示着〃十四五"开启了逐浪数字经济的

新征程。中国数据要素流通市场在“十四五”期末将达到万亿元的规模（张利

娟，2023）,这是一个巨大蓝海，建立数据登泥确权、评估计价和资产人表

的政策"闭环〃，激活万亿数据资产，是开启这一蓝海的金钥匙。数据资产入

表是数据资产价值化的闭环之举，将企业数据资产以会计科目和货币化形式

呈现，将推动企业数据资源向数据资产转变，形成规范的数据资产开发、运

营和管理体系，提升企业数据治理能级。主要相关的政策及法律法规如下

2023年8月21日，针对企业数据资源相关会计处理和会计信息披露等问

题，财政部发布《企业数据资源相关会计处理暂行规定》，并规定自2024

年1月1日起施行。这意味着数据斐源在符合条件的情况下有可能被确认为

企业的〃资产"，在财务会计报表中显性化。

2023年9月8日中国资产评估协会发布《数据资产评估指导意见》，自

2023年10月1日起施行。该《数据资产评估指导意见》围绕数据资产评

估中数据产权和数据质量的重要性，对数据资产的属性定义、评估对象、操

作要求、评估方法和披露要求等内容进行了统一规定。《数据资产评估指导

意见》对数据资产评估执业行为进行规范，保护资产评估当事人合法权益和

公共利益，有助于解决数据要素市场建设中的〃数据赋值〃问题，对构建和完

善数据要素市场、促进数字经济发展具有重要意义。

3、数据资产入表有什么好处？

对企业而言，有助于提升企业的数据资产运营和变现能力。通过将数据资源

纳入财务报表，企业可以更加清晰地了解自身数据资产的规模、质量和价

值，从而制定更加合理的数据资产管理和运营策略。这将有助于企业更好地

挖掘数据价值，实现数据资产的保值增值。L提高企业的数据管理效率:这有

助于企业更好地组织和管理数据，提高数据的可访问性和可用性。2.提升企

业的决策能力:数据是企业决策的重要依据，而数据资产入表可以为企业提供

全面、准确的数据信息。3.盘活数据资产价值:展示企业数字竞争优势，为企

业依据数据资产开展投融资提供依据，有效促进内外部会计信息使用者提升

决策水平，优化市场资源。4.拓宽融资渠道，降低融资成木数据资产可以为

企业提供更丰富的融资渠道，降低融资成本，为企业的可持续发展提供有力

支持。企业可以将数据作为底层资产，在数据资产抵质押贷款、数据资产融

资租赁等方面进行有益探索，拓宽企业的融资渠道。此外，数据资产入表还

有助于外界更直观地了解企业在数字经济，如智慧城市等新兴领域的实力和

潜力，提高企业未来前景预期，推动企业估值的提升。对经济而言，数据资

产入表能够促进数据流通和使用。在传统的财务报表体系下，由于数据资产

的价值难以体现，企业往往缺乏动力去共享和流通数据。而数据资产入表

后，企业可以通过财务报表展示自身数据资产的价值，从而吸引更多的合作

伙伴和投资者。这将有助于打破数据孤岛现象，促进数据的共享和流通，推

动数字经济的发展。对国家而言，数据资产入表也是展现数字经济实力的重

要体现。随着全球数字经济的蓬勃发展，各国纷纷将数据作为战略性资源进

行布局。数据资产入表作为我国在制度层面上的创新举措，将有助于提升我

国在国际数字经济领域的竞争力和影响力。

4、参与主体

企业内部部门：决策机构、数据部门、财务部门、IT部门、业务部门。外部

机构：数据交易机构、数据治理机构（数据商）、律师事务所、会记师事务

所、数据资产评估机构、银行金融机构等。

5、数据资产入表流程

主要分为企业数据资源/资产管理、登记确权、数据流通交易及金融化、会

计核算处理。

二、企业数据入表工作由哪些部门负责

2024年1月1日，《企业数据资源相关会计处理暂行规定》正式施行。

数据资产入表是指将数据确认为企业资产负债表中"资产"一项，在财务报

表中体现其真实价值与业务贡献。根据《暂行规定》要求，企业内、外部

数据资源确认为无形及产、存货方式入表，同时明确两类数据资源在确

认、初始计量、后续计量、收入确认等环节应当遵循的具体准则。数据资

产入表是数据资产最终走向数据资本重要的一步，将开启数据要素产业化

的大时代。如今各企业正在如火如荼地推进数据资产入表工作，管理层非

常着急，但好像在业务部门、在财会部和科技部很难去协同去推动，大家

都不太愿意牵头，这是实际的情况。到底这事要怎么做呢？

01

企业中谁来负责数据入表工作

关于数据入表首先就是大家想到谁来做这件事，或者说到底在企业是谁最

关心数据入表这件事？

企业中谁来负责数据入表，现在基本上矛头指向的两个部门，一个当然首

当其冲的是财务部，第二个首当其冲的部门就是科技部或数据部。事实上

最着急的是董事长，很多企业的董事长把它提到一个非常高的战略地位，

一方面更多的从考核、企业形象、品牌、政绩、绩效角度来关注，另一方

面针对中小企业更关心入表带来的投融资机会。针对顶层设计，亿信华辰

认为，数据资产入表这件事一定要自上而下来推动，不能仅仅简单的靠某

一个或者两个部门来开展。一是因为他涉及的范围非常广。数据从业务来

的，要开展数据确权.是财务来确权吗？还是科技来确权吗？都不是，是

业务来确权。业务产生数据、采集数据、使用数据，数据对业务提供赋

能，所以要从企业内部去做确权的话，反而是是各个业务部门都相关。二

是涉及到很多权属认定、授权的工作离不开企业内部的风控部门、合规部

门、法律部门。企业购买数据获取数据到底是否合法合规，从外部获取、

采集相关的数据是否涉及到一些敏感信息，尤其是个人客户的敏感信息是

否有违规操作，需要法律合规部门、内部的风控部门、内控部门的参与，

还有财务部门、科技部门显然都在内，所以这是一个企业级的事。就像数

据治理这件事一样，目前〃数据治理〃在业内已提高到〃公司治理”的范畴，

所以数据资产入表同详也一定是企业级自上而下推动的，需要董事长、高

级管理层去推动。但可以认定某一个部门作为主牵头部门，其他所有部门

都要参与进来，而且不只是简单的参与，都要作为数据的核心或者说数据

的属主部门一起来推动。

02

入表实施涉及哪些部门参与

数据入表不仅仅是单一部门的工作，它牵扯到集团、企业内部的各个部

门，只有这些部门在统一的协调下共同参与，再加上外部服务商的配合，

数据入表工作才能真正落地。下图通过流程，把需要参加的部门进行了划

分。

可入衰资产~U阕资产计.数据资产披露〉

初步通0B棺定败期资产分析

主

要＞业务场景＞全生命阳明分析＞根据《企业会计准＞依据数造出产计量＞根据计穗与资

内(研发成本.资产则》等要求，识别要求，开展数据资产分析结财“无

容>

寿命等)可作为.无形贲严产的初始计量与后形"迸行玻速

＞科技项目

统计■!作.

＞收据资产侵权及路磔f-存纣m＞评估圆!敢超丽

聒资产.

分析(散意出产权相关信息

业务IW)

M财务会计修

相关业先眇门敖管舁部

关IK

Btsnuffl斯务会计部

0＜Sft«IA(lT)ttW相关业完MTJ■事会办公室

窗户煲修・

门法律合院与内控部

审

法律合埋与内校部it®

审计”

初步范围框定：首先在初步范围框定的阶段，需要介入的是企业相关业务

部门，以及信息科技IT管理部门'数据管理部门。

数据资产分析：到第二个数据资产的分析阶段，需要介入的还是数据管理

部门以及业务部门。但为了后期的入表工作更能达到国家现有或者未来发

布的管理办法与法规要求，内部的合规部门也必须参与进来。否则做出来

的不管是无形资产还是存货的数据产品，若不合法不合规，交易不仅仅不

能带来收益，反而会给企业带来巨额损失"可入表的数据资产确认：在可

入表的数据资产确认阶段，涉及的部门就更多了。不仅仅是业务部门和数

据部门要加入进来，还会涉及我们企业内部的财务会计部门。如果企业还

有资产负债部门和审计部门的话，他们也需要加入进来。数据资产计量：

在数据资产计量这一阶段，主要会涉及到的就是财务部门和运营管理部。

在信息系统运行的当中，数据就是在不断的生产出来的，那运维阶段的成

本通过成本法，是需要进入到财务报表中的，所以运营部门也需要加入进

来，因为只有他们才能清楚的知道运维成本大概是多少。数据资产披露：

从第三阶段开始，审计师都积极加入到了后续的阶段，到最后的数据资产

披露阶段，更多的是涉及到了董事会办公室的问题，因为对于未上市、已

上市的这些公司来说，其实披露的内容很大程度上会影响到企业在资本市

场上投资者对企业的信心，所以董事会成员必须加入进来，共同决定披露

内容是什么。当然在这个暂行办法里面已经给列举出了众多的必须披露

项，但是可选披露项这一块，会根据具体企业的情况，由董事会进行决定

披露哪些。

03

组织架构和制度流程如何设计

在具体的落地过程中，建立全方位、跨部门、跨层级的数据资产管理组织

架构，是实施组织级统一化、专业化数据资产管理的基础，是数据资产入

表工作责任落实的保障。

决策层组织协调

管理层数据治理管理部门

执行层

信息

科技

部门

第一要有数据资产管理委员会，作为数据决策方，无论是董事长挂帅、还

是高级管理层、一把手、总经理、总裁挂帅，要有一个自上而下的治理架

构，负责制定数据资产管理决策、战略和考核机制。第二在执行层面，由

财务和信息科技部门联合牵头，负责在数据项目中落实数据资产管理工

作，与数据资产管理层协同参与各项活动。结合工作实际，业务部门进行

辅助。但是各部门相应的职责、权利、义务都要有清晰明确的界定，并明

确是一个企业全员要开展的工作。除了组织保障外，制度体系设计也至关

重要。数据资产管理制度体系通常分层次设计，依据管理的颗粒度，制度

体系可划分为组织级数据资产管理总体政策规定、管理办法、实施细则和

操作规范四个层次。此项工作可作为凭证，向监管部门或资产评估部门提

交相应证据。

制度细则规范

数据标准音埋实施细

则

元数据管理实施细则

数据质量管理实施细

则

数据生命周期管理实

施细则

三、企业数据斐产入表前准备工作

首先来回答题主的第一个问题：数据资产入表前有哪些准备工作需要做？对于

数据资产入表，目前市场是大多是在探索中进行，很多走在前面的企业已经

开始着手部署入表这件事，也有一些企业有计划做，但不知道从何处入手。

对于后者，其实在正式开始入表工作前，下面这些准备工作可以先做起来。

1.数据资源的初步梳理

首先数据资资源的初步梳理。目前对于大部分企业去开展数据资源全面盘点

会特别困难，因为如果真正要完整来盘点现有的所有数据资源，大概要花半

年以上时间，所以可以先做一点初步梳理。初步梳理也就意味着，可以有重

点的去圈定认定入表可能性比较大的数据内容，先做一个初步梳理工作。

2.财务和业务制度流程细化

第二基于初步梳理的结果，要对现有的制度流程进行细化，包括业务的制度

流程和财务的制度或者流程。财务的制度流程指的是，因为数据资产入表，

无非就是无形资产、存货或者是进入损益三种情况，涉及到会计制度里有关

数据资产怎么计量、怎么认定，那么相应的基于前期梳理要做相应适配，比

如在什么类型的数据在满足什么条件下可以作为无形资产，在满足什么条件

下可以作为存货，在不满足什么条件下要作为损益进入单期费用，这个是相

关的会计政策、会计制度要做相应的调整和优化。同样的，业务上配套的管

理办法也要跟得上。如果一旦产生新的数据源要做认定和判断一定要有细的

流程，而财务的认定和判断只是总体的会计认定原则。细的流程应该是业务

部门或业务联合数据科技部门联合颁布，比如24年1月1日开始每天业务

端新产生的数据，数据产生过程该怎么进行维护管理，产生过程所需要的核

算、所需要的信息披露、所需要的信息谁来采集，这就涉及到日常长效的工

作流程，需要由业务部门和数据部门去制定。

3.开展详细的试点工作

第三件事是可以开展详细的试点工作，就是围绕初步的梳理结果、围绕两份

制度直接就把现有数据资源进行精细化的盘点分类、科目认定、成本归集,

以及做试点入表的具体准备工作，可以形成很详细的模板、详细的工作底

稿。

4.系统工具配置

有些企业可能第一步、第二步做的比较早、比较充分，如果还有时间的话可

以考虑到的是系统工具。目前很多企业现有的相关系统平台工具，已经有具

备相关的功能了。比如企业有IT项目管理的系统工具，开发软件是会立项

的，立项以后跟软件相关人员投入、资源投入都会通过项目管理平台工具去

进行成本归期、成本采集。同样的数据资产与软件很类似，因为软件也是无

形资产，未来数据资产如果作为无形资产来认定的话，很多的功能跟IT软

件、项目管理的这个工具很类似，可以把项目管理工具功能套过来，适用于

数据资产的管理功能，在参数上做配置，单独把它作为一类，就可以实现成

本归期了。但也要求企业在开展数据资产管理的过程中，要把数据资产当成

项目来管理，也就意味着如果以前是很散的来开展数据资源采集、加工、处

理，那可能就很难套了。如果企业要把数据做成一个产品把它立项，一旦立

项后可以通过现行的立项项目管理办法、项目管理工具，来执行相关的具体

工作，所以如果有时间的话，可以想办法通过已有的工具进行参数配置和

改造适用于未来的简版入表。

那么什么样的数据可以入表？入表的条件是什么呢？

第一：资产是一项由过去的交易或者事项形成的资源。一层含义是指资源的

形成一定是过去就已形成了，而不是正在形成的或者是现在还没有形成预期

未来能形成的。第二层含义是资源是通过两种途径形成的，一种是通过交易

形成的，第二种是通过事项（自己主动去采集、开发）形成的。第二：享有

的权利是企业有拥有权或者控制权。第三：资产预期能够给企业带来经济利

益。一是指目前手上的资源不强求现在就能够产生现实的利益，而是认为他

能够产生预期利益；第二层意思就是它必须能够带来经济利益。满足以上三

个条件的数据资产便可以考虑入表。

数据资产入表可以分三步走

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。

I数据价值实现路径三步走—空空

入表形成原始资产T形成无形资产收入-形成存量资产

第一步：入表形成原始资产

什么是原始资产入表：系统建汲及数据生成等所产生的成本费用以成本宏人表构成敷第资森的初始费产价格.

白接影响（成果）：完成信勺化费用至效走资产的转化，

后领影啊：为后抵开发的散抵产品定价虔供依务.

第二步：形成无形资产收入（非存贷路径）

什么是无膨资产收入：阅观笑O午经苜）'初:恃授权使用费及文他由无形资产产生的应收款等

台按影晌（成果）：战避敢据降权合度雄汉的冏时化成现金流.证明费产怏期1：蛉企业带来经济利叁.

后线影用：证明预期是才惫以收琦法和市场法给麦产估个好价.

第三步：形成存81资产

什么月有电费产：存行资产£拈企业所却有的华济可喻拓的资产.企%的应改蒸款只吃应收衣.无影奏产部用十

企业的存壁费产.

直接影晌（成果）：影成效品金^资产池.实现证券化.

后续影晌：效抠货币化知乎@亿信华辰

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。止的卜，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。

I第一步-入表形成原始资产基军於产入表.*务优自体

前・条件

第一步：系统建设（前置条件）

信总化程度评估代a化）敛，入优='”卜

数期治反样度/依据管理第/疥佑：M1冷W•"门「：台-

笈祈效利用n身敷施的豌力.

■据・产入Eti"工体，我集分类分级工具粕flh敷闻—工只

力备，财务系统准备否.

第二步：资产梭理（准备阶段）

■认资产安P：—改〃工

■认资产类别和安全等级：力工，茹＞.

第三步：成本法入表《实施阶段）

资产成本梅成长理：：2:“£二必了•

会计计量入表：以斤么“良土入以本

的软it量不备：大值九与Lt酒了.竺竺丝-如乎@亿信华辰

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费产化的条件。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

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。

I第二步-形成无形资产收入（非存货路线）抬图费产入和较余停

形成无形资产收入的工作折分

前■条件

第一步：数据商业价值确认（前置条件）

司行忖评估校产比分析

败第耳伶〃在真iF的需方：一；的土（明

败期常方幽府以仆么方式付费：价格和付，方式决定我据能言感成乙方

的收蛋.（投产比分析）

准备阶段

第二步：数据产品设计及薇理（准备阶段）

数露裙源以什么形式成为产3：3卡.：.与沈":明午产品设好]高位模齐设,计

数氟产品以什么商业模式产2可挎愫现金海：丁$受伏,

他方式.（商业模式&计）

第三步：数据产品运营生态体系搭建（实籁阶段）实施阶段

数露户8开发：东茨注通.开发》

敷露产睛的供给柔道搭建：:.铝:体：-数军产品开发J[锦华体系〉良

败髭产品的结算系线塔津：,矜分喘/，•~:三可后近13后

数需金牌的津设：*'每个乙'又44,“敬几个涓口二。仿二话

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。

I第三步-形成存量资产

六八厂elJim二日工

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。三、

数据治理全流程实施数据作为新时代重要生产要素和战略资源的地位已然

确立，数据治理作为激活数据要素价值的基础工程，已成为各行各业抢抓

数字化发展先机的焦点和主战场。数据治理是一个囊括了顶层设计、数据

治理体系建设、数据服务和数据洞察多个模块，并不断循环改进的闭环体

系。本文从数据治理实施的流程体系出发，梳理了数据从战略到应用的治

理过程，以期给广大政企提供方法论与思路参考。

（1）数据治理顶层设计（定战晦组团队）

蜩、一交频、

（2）数据治理体系建设（足业务,控风展）

元数据、敢据徐准和规危、敌据质量、安全等

⑶勤想服务和数据洞察曲应甩增价值）

资产管理.数据月睦、洞察分析和挖掘、可视化等

01

数据治理顶层设计

1、规划数据战略

数据战略是企业为了实现其长期目标在数据方面所做的方向性的选择和资

源的聚焦。它是一个以终为始的路径，企业要做好数据战略的规划，就得

在明确自身定位的前提下，找准目标和方向，然后再做出相应的路线规

划。

••数据战略规划实施路线图ESENSOFT

数据战略来自对业务战略固有数据需求的理解：组织需要什么数据，如何

获取数据，如何管理数据并确保其可靠性以及如何利用数据。一般来说，

数据战略有以下三种基本类型：（1）次策领先型数据战略：了解市场；

识别趋势（2）运营领先型数据战略：提升效率；促进转型（3）数据变现

型数据战略：成为资产；数据变现

2、成立数据治理委员会

数据治理项目的实施绝非是一个部门的事情，必须由上往下统筹，建立专

业的数据治理组织体系，确定对数据进行管理的责权利，即数据的产生

者、使用者、拥有者和管理者。在数据治理建设初期，需先成立数据治理

管理委员会，从上至下由决策层、管理层、执行层构成。决策层决策、管

理层制定方案、执行层实施，从而进行层级管理、统一协调。

决

企业高级管理层・制定整体数据战略

策

层・批准数据治理总体策略和管控模式

数据治理委员会

•制定数据质量考核政策

管•负责建立数据治理体系

理

层•制定并优化数据管理流程与制度

・组织评估数据治理的有效性和执行情况

业务部门科信部门

执

•负费实施数据治理体系建设

（CRM"SCM||ERP||QIS][TT）行

画回回回E）层•协调落实数据管理运行机制

数据主责人系统负责人•执行数据治理平台的管理和维护

数据使用人系统维护人

数据录入人技术支持人

3、确定数据治理评价与考核指标一套奖惩有序的数据治理绩效考核体系，

能帮助企业规范数据管理流程，落实数据治理相关方的职责，从而提升整

体数据质量，实现数据战略。考核指标包括两个方面内容：一方面是对数

据的生产、管理和应用等过程的评估和考核指标；另一方面是数据质量的

评测指标。数据治理的绩效考核6大基础维度：数据治理人员、数据质量

问题、数据标准贯彻、治理策略执行、技术达成、业务价值实现。数据治

理的绩效考核4大方式：日常考核、定期考核、系统自动考核、人工考

核。

02

数据治理技术体系

1、元数据管理

元数据是企业数据的DNA。元数据管理则是对元数据的创建、存储、整

合、控制的一整套流程，是数据治理过程的一部分。基于业务需求，元数

据管理系统建设可分为以下4大模块：（1）元数据获取：各阶段元数据的

统一收集、存储和输出。包括自动获取和手工获取两部分。（2）元数据存

储：包括存储元数据以及元模型。（3）元数据功能：包括元数据基础操作

（查询、新增、修改和删除等管理操作）、元数据分析（包括业务指标一

致性分析、数据血统分析、数据影响分析等）、元数据权限管理以及元数

据服务封装等。（4）元数据应用：包括元数据基础能力开放、报表指标优

化清理应用、指标运答关系分析应用等。

采集喀酸访问层

WEBBS

因耳

与❷-Q&HK”:

O

IS用分析0

案S9折鱼・分析

金口9辆关❾,分靳

蟒

ETL用户心

但合关第

■n懵京”人星

aw

2、主数据管理主数据是数据之源。围绕主数据需求开展的数据治理工作，

往往成为各类组织推进业务数字化的首要任务。主数据项目实施的标准流

程，分为咨询规划和实施落地两大部分，主要是4大步骤，分别是现状分

析评估、体系规划、实施规划、平台搭建与落地。

晚分析与i祐主数据苣理体系规划主数抠平台搭建

体系Mt划

访读研究

行业宴H

王却港码近则

主m*分为示海

主敷it.性加t

，.享相关打港

主数据白电至程

.车数家布台货咯

鹿状分析与安气主―

E数系宜停M南

土敷室分发策整

SK

主切密I或复珞

主1烟考搐评价办法

・议

主效附运填办法主败据5换策略

（1）现状分析与评估：了解企业现状，识别企业当前问题以及数据管理成

熟度。（2）体系规划阶段：就要去设计企业内部的一个组织架构、企业的

主数据管理制度、考咳办法标准规范以及主数据运营怎么去设计。（3）主

数据实施：有了一个顶层设计规划之后，就要去落地主数据实施，制定编

码分类、属性、字段、审批流程、整合清洗分发、集成切换策略等，主教

据实施的过程中是根据这些策略去执行的。（4）平台落地：将主数据实施

内容了解清楚之后就到主数据管理平台上去进行落地了，包括主数据模

型、主数据维护以及主数据治理相关的内容落地。

3、数据标准管理

数据标准化是企业进行数字化转型的根基。数据标准与企业数据管理的每

个域都相关，是数据治理工作的最基础内容。数据标准的建立通常有5个

步骤，包括标准分类规划、标准体系建设、标准评审发布、标准落地执

行、标准运营维护。

标准规划标准制定标准发布标准执行

数据标准调研

i锚落地范围初期版本管理

业务和数据分析意见征询

分析现状制定落地方案中期日常维护

研究同行标准审议

确定数据元及属性推动方案执行中期定期维护

定义体系框架标准发布

丽锚飒后期维护增强

制定实施路线

（1）标准规划：构建数据标准分类框架，并制定开展数据标准管理的实

施路线。（2）标准制定：在完成标准分类规划的基础上，定义数据标准

及相关规则。（3）标准发布：征询意见，在完成意见分析和标准修订

后，进行标准发布。（4）标准执行：把企业已经发布的数据标准应用于

信息建设，消除数据不一致。（5）标准维护：根据业务的发展变化以及

数据标准执行效果不断更新和完善数据标准。

4、数据质量管理

数据质量管理是对数据从计划、获取、共享、维护、应用、消亡生命周期

的每个阶段里可能引发的各类数据质量问题，进行识别、度量、监控、预

警等一系列管理活动，并通过改善和提高组织的管理水平使得数据质量获

得进一步提高。全国信息技术标准化技术委员会提出了数据质量评价指标

（GB/T36344-2018ICS35.24.01）,它包含以下几个方面,分别是完

整性，一致性，准确性，时效性，唯一性和可访问性。

现范性数据符合数据标准、数据模型、业务规则、元数据或权威参考数据的程度

数完整性按照数据规则要求,数据元素被赋予数值的程度

据

质

■

准确性数据准确表示其所描述的真实实体（实际对象）真实值的程度

评

价

指

标一致性数据与其他特定上下文中使用的数据元矛盾的程度

框

架

数据在时间变化中的正确程度

可访问性数据能被访问的程度

提升数据质量，可参考以下7大步骤实施：（1）定义高质量数据：对数

据质量改进的目标和优先级事项达成一致。（2）定义数据质量战略：数

据质量优先级必须与业务战略一致（3）识别关键业务和质量规则：确定

关键数据后，识别梳理数据质量特征要求的业务规则。（4）执行初始数

据质量评估：执行初始数据质量评估，定义可操作的改进计划。（5）识

别改进方向并确定优先级：分析问题的业务影响，最终讨论确定优先顺

序。（6）定义数据质量改进目标：量化业务价值，设定具体的、可实现

的目标。（7）开发和部署数据质量操作：围绕数据质量方案制定实施计

划，管理数据质量规则和标准、监控数据与规则的执行一致性，识别和管

理数据质量问题，并很告质量水平。

5、数据交换共享

当数据从一个系统跨授权边界访问或传递到另一个系统时，就需要使用一

个或多个协议来指定每个组织的责任、要访问或交换的数据类型和影响界

别、如何使用交换数据，以及在交换系统的两端处理、存储或传输数据时

如何保证数据安全。数据交换主要用于实现不同机构不同系统之间进行数

据或者文件的传输和共享，可以帮助消除数据孤岛,提高信息资源的利用

率。数据资源交换共享与开发应用平台按数据的流向自下而上分为5层，

分别为外部数据资源层、数据汇聚层、数据融合层、服务管理层和服务门

户层。（1）外部数据资源层：即源数据库，为系统外部数据的来源。

（2）数据汇聚层：根据获取数据的特性采用相应采集方案整合外部数据

源。（3）数据融合层：为工程数据提供持久化存储和访问的场所。（4）

服务管理层：主要包括目录管理、资源管理、服务管理、交换管理等功

能。（5）服务门户层：通过服务门户和接口支持，提供标准化服务给应

用系统调用。

6、数据安全治理

数据安全管理是用来实现和维护数据保密性、完整性、可用性、可核查

性、真实性和可靠性的过程。

•

•「

•政•

••

策

••以

••

超•

I•

••

危r1;«

I•勺

••L_蝇好信MJ空也用内容保护：_

政

人

一[w»ii

nn_

策

am府山看的防6府用持《切口如

一府州攻击昉r»t!

..、

_安

法

届

幅隹生।

全

规故_0

准MRWSSftB效京处■]

组

及_

」

aCHP3被BOkflT文科坪8处《DIP]

标中汨分类_0

落

准

号

澹R防炉_「

一KKRW

人

期

物；T