2024年1月1日，《企业数据资源相关会计处理暂行规定》(以下简称《暂行规定》)正式施行，数据资产化有望迎来爆发期。依据《暂行规定》，企业可以把数据工作从“费用化”向“资本化”处理，通过数字化转型释放数据要素生产力价值的方向更为具体和清晰。上市公司如何充分发挥海量规模数据和应用场景等优势，如何解决数据难点，如何管好用好数据资产，已成为当前节点的关键命题。
“数”尽其用，数据资产入表三步走
“数据资产入表”是指在企业的会计和财务报告中，将数据资源作为资产进行确认、计量、报告和披露的过程。这是推动数据资产化的第一步，也是数据要素市场发展的关键一步。它标志着数据资源从单纯的运营资源转变成为企业可以在会计和财务上确认并有效利用的资产，使得数据的价值得以在企业的资产负债表上得到体现，为企业提供了在市场上更准确地展示其资产价值的机会。这一转变为企业带来了新的价值创造和增长机会，同时也成为了拥有丰富数据资源企业在当前阶段的核心任务。
国内领先的数据分析和数据治理产品与服务提供商亿信华辰提炼出数据资产入表三大步骤，以期为有数据资产入表需求的国有企业和上市公司提供参考。
①入表形成原始资产：建立数据资产管理体系，通过数据治理统筹相关数据基础工作。将系统建设及数据生成等所产生的成本费用以成本法入表，据此构成数据资源的初始资产价格。
②形成无形资产收入：分析评估数据资产商业价值，据此设计数据产品并建立合理的利益分配机制，搭建数据产品运营生态体系。
③形成存量资产：当数据产品达到一定交易量、形成数据金融资产后，企业可推进数据资产证券化，即以数据资产作为基础资产，以资产预计产生的未来现金流为偿付发行证券，从而使数据要素进入资本市场。
“数治”先行，夯实入表之基
数据治理是数据资产入表工作的前提与基础，它涉及到数据的来源、质量、整合、隐私和管理等多个方面。只有确保数据治理的各个环节都得到有效的执行，企业的数据资产入表才有扎实的基础。作为数据治理领域标杆厂商，亿信华辰建议国有企业与上市公司可从建立数据管理体系、防范数据合规风险、提升数据资产质量、形成数据血缘图谱、进行数据资产运营等方向着手开展数据治理，为数据入表工作夯实基础。
建立数据管理体系
数据治理是技术问题，更是管理问题。建立成体系的数据管理组织和制度，能够提升企业数据的准确性、一致性、安全性和合规性，帮助减少甚至避免会计处理的差异和错误，提升财务报告的准确性。此外，形成数据工作的制度化闭环管理，也能减少相关工作的成本核算与归集难度。
防范数据合规风险
数据资源的合规性将影响会计的初始计量和后续计量，以及列示和披露时的数据资产质量。因此，企业需要通过数据合规与安全治理、评估潜在风险、制定数据有序化管理策略、健全安全防护技术等举措，明确数据的来源、目的、质量标准、使用权限等，以确保数据的合规性和规范性。
提升数据资产质量
数据质量高低是影响企业数据资产价值评估的关键，也是数据资产入表的必要条件，低质量的数据不仅无法带来商业价值，甚至会给企业带来损失，影响会计处理的准确性和合规性。DAMA国际数据管理协会将准确性、完整性、一致性、合理性、参照完整性、及时性、唯一性、有效性、精确度、隐私、时效性作为衡量数据质量的维度。企业可以通过PDCA的闭环管理模式，构建数据全生命周期的数据质检体系，智能化监控数据资产运营情况，有效提升数据资产质量。
形成数据血缘图谱
为了有效支持后续数据资产成本法、收益法的不同价值分摊，实现数据资产视角的业财精细化管理，精确衡量数据资源的投产比分析，国有企业与上市公司应加强数据资产血缘分析能力，形成准确的数据血缘图谱。企业可以在数据资产确认环节，通过元数据采集、元模型定义、元数据维护、元数据查询等功能，厘清数据资源，掌握数据来龙去脉，精确反映数据血缘，为数据资产入表工作提供可靠的评估与审计依据。
进行数据资产运营
数据资产运营为数据入表提供数据基础和审计依据。企业可通过厘清资产范围、规范属性，对存量数据资产集中式盘点，对增量数据资产自动化注册，实现数据资产的准确、有效识别，建立相关数据资源台账，为成本核算和会计处理奠定基础。同时，也应当形成数据分类分级清单，并对数据管理情况做好记录，更新和维护数据资源目录和数据分类分级清单。之后通过评估资产，从成本支出、财务贡献、收益、数据质量、应用价值和合规性等维度评估、评价资产，使资产成本和价值能够可靠计量，以量化的方式助力入表。
在工具维度，国内领先的数据治理厂商亿信华辰提供一站式数据治理平台，助力企业构建数据治理完整能力，帮助企业建立数据战略规划并搭建数据治理框架，通过开展数据全生命周期管理，建立全面覆盖的企业级数据资产地图。同时，亿信华辰拉通各生态伙伴成立数据资产入表服务链合体，可以为客户提供数据资产入表及数据资产交易等一站式解决方案，服务能力包括：咨询规划、数据资产管理、会计审计、法律咨询、安全监管服务等，全程指导企业有效进行数据入表工作，帮助企业实现数据价值最大化和商业利益增长。
(责任编辑：王晨曦)