凡得热点

前言

中央政府近几年推出了一系列鼓励和培育数据 、发展数字经济的政策，特别是《企业数据资源相关会计处理暂行规定》（简称《暂行规定》）的出台，进一步推动数字经济的持续健康发展。由于数据是企业经营管理的关键生产力，《暂行规定》将促使企业更加重视数据资源的管理和使用，积极参与数据流通 ，这必将驱动企业继续深化数字化转型，以充分挖掘和释放数据价值，促进数据资产流通模式创新，进而提升资本市场和投资者的认可。通过数据信托、数据资产抵质押融资、数据资产入股、数据ABS等多元方式增强企业实力。同时，“数据入表” 也是认可对企业在数据能力建设、数据治理升级、数据创应用等领域成绩的一种方式，通过数据资源费用资本化，有效改善企业资产负债结构。

第一章：企业数据入表的观察

1、数据资产入表尚处于“试水期”

在2024年一季报中，有25家上市公司首次披露了“数据资源”的数据，从行业分布看，计算机行业最多，共有9家公司，但也出现了钢铁、建筑装饰、机械设备等传统制造行业。从会计科目看，11家公司将数据资源计入无形资产、8家计入存货、4家计入开发支出， 2家分别计入无形资产和开发支出。

数据资产评估，目前主要依据成本法、收益法和市场法进行核算。由于目前大多企业的IT及数据资建设、管理和运营的投入占比不高，市场法可以参考的可比案例公司也较少，收益法的可预测收益计算也在逐渐摸索过程中，所以我们看到的这些入表的数据资产占总资产的比例还比较低。

同时数据资产的金融创新也不断推出，比如上海银行通过与上海数据交易所合作，依托企业数据资产创新应用方案“数易贷”，以数据资产质押方式向芯化和云发放150万元贷款；农业银行上海分行向百维金科发放数据资产质押贷款400万元。

2、数据入表的形式多是无形资产和开发支出

上市公司航天宏图把卫星获取的全球高精度DSM地形测绘数据作为“无形资产”入表，浙江交科把“高速公路数据——应用于4个数据资产化项目：交投大脑-驾驶舱、风控分析工作台、智能车险定价系统、分包商数据管理及应用平台”作为“开发支出”入表。

这些入表的数据资产，既有训练用的数据集，也有开发用的数据，更可能是生产或者运营中的数据。数据作为新型生产要素，对劳动力、技术等其他生产要素具有放大、叠加、倍增作用，正在推动生产方式、生活方式和治理方式深刻变革。国家从高速发展向高质量发展转型过程中，数字经济扮演重要角色，数据要素相关制度（特别是数据入表制度）是国家数字经济发展的重要基础。

第二章：数据要素的价值主线

站在数据要素视角上，数据价值的最终落地，涉及到数据的资源化、资产化与资本化。也就是说，要先将原始数据通过整理、清洗、加工等方式，从无序变为有序，成为具备潜在利用价值的资源；其次将数据资源通过确权、登记、评估、定价、入表等环节，成为能够流通的资产；过程中并不断把数据资产运用于生产管理、创新活动中，实现数据的价值增值。

从技术上拆解数据要素价值的生成路径，企业数据要素与资产运营的建设路径可分为三个关键阶段：数据资源化、资源产品化和产品价值化。上图所示，是凡得科技企业数据资产化实施路径三部曲。

1、数据资源化

数据资源化是指将分散、无序的原始数据收集、处理并转化为有组织、易于访问和分析的格式的过程，这是数据资产化之路的第一步。某个数据有潜在价值但还未经过加工，那这就是数据资源。如果这个数据加工后成可以产生经济利益的数据，那它就变成了数据资产。所以，数据有没有价值，不是其本身决定，而是由需求决定，不同的使用场景，同一数据的价值也不同。

凡得科技在企业数据战略的指导下，构建其数据能力体系和建立企业数据治理体系，从而在企业内部形成与数据驱动型业务模式相适配的人才、技术、组织安排和系统等。

数据资源化的核心步骤如下：

• 数据收集与整合：重点考虑识别哪些数据源是重要的，并且能够带来价值，并且确保收集的数据是准确、完整且及时的；可以使用ETL（提取、转换、加载）工具自动收集数据，整合不同来源的数据，形成统一的数据视图；同时建立数据质量管理体系，定期检查和清理数据。
• 数据存储与管理：重点考虑选择适合的数据库或数据仓库技术，确保数据在存储过程中得到妥善保护；根据数据类型选择合适的存储解决方案（如关系型数据库、NoSQL数据库、数据湖等)；实施数据分类分级策略，对敏感数据进行特别保护。
• 数据治理：重点考虑元数据管理和数据生命周期管理，建立元数据管理系统，跟踪数据的血缘关系，制定数据保留政策，明确数据何时应被归档或删除；引入数据治理框架，设立专门的数据治理团队，负责监督和执行数据治理政策。

通过以上步骤，可以有效地将不同类型的数据资源化，并将其转化为企业的重要资产。在整个过程中，还需要注意持续监测数据的安全性和合规性，以避免潜在的风险。

2、资源（数据）产品化

数据产品化，简单来说，就是数据从原始数据逐步转变为数据资产的过程。数据产品的研究开发要与数据应用场景紧密结合。企业需梳理应用场景标签与数据产品类型，通过多元组合，寻找数据产品的机会点与服务提供方式，建立数据产品体系。通过数据产品开发，将数据资源转化为有实际价值的数据产品，满足企业内部或外部用户的需求，为企业提升业务效率，并带来新的商机和收益。

凡得科技的PROCESSX产品如下图所示，从客户的业务系统中采集数据，通过PROCESSX的C模块建立起供流程挖掘使用的数据模型，进一步通过V模块自动地还原企业的业务流程，发现流程中的瓶颈和风险点；而洞察模块和行动引擎可以进行合规性验证、流程监控、流程仿真并在异常给出流程预警。

这些不但可以提高业务流程的有效性、改善流程效率、助力流程敏捷，更可以提升流程质量和防控风险；同时可以系统性提升数据治理的能力，和业务效率的能力！

某商业银行利用凡得科技的PROCESSX，其企业线上开户整体效率提升30%以上；某电力龙头企业利用凡得科技的PROCESSX，其流程完成率从42.9%整体提升80%以上，资金无疑率：从38.14%整体提升50%以上；某头部车企利用凡得科技的PROCESSX，其端到端流程平均耗时提升22%，一致性率（合规率）提升50%。

3、产品（数据）资产化

数据资产化化阶段，在这一阶段主要通过确权、估值、入表、交易等手段，明确数据产品的权属和价值，将数据产品转变为具有金融属性的数据资产，为持有人提供保值、增值和资金融通等功能。

第三章：数据资产化的实施路径

1、数据合规&确权

确认数据资产权利归属是数据资产化应当解决的首要问题，也是数据资产进行会计确认计量的前提条件。

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》，明确提出建立数据资源持有权、数据加工使用权和数据产品经营权“三权分置”的数据产权制度框架。

企业数据合规梳理要点

随着国家数字经济建设进程加快，数据安全立法实现由点到面、由面到体加速构建，目前我国数据安全立法已基本形成以《网络安全法》《数据安全法》《个人信息保护法》等法律为核心，行政法规、部门规章为依托，地方性法规、地方规章为抓手，国家标准为指南的数据安全法规保障体系。

企业通常面临的数据安全合规及个人信息保护挑战主要有以下几点：

• 组织制度及流程建设：数据安全制度规范和管控流程不够完善；数据安全组织建设及岗位职责的划分不成体系，人员专业能力不足

• 数据资产安全管控：数据资产未进行全面的盘点和梳理，数据未开展分级分类及分级访问控制

• 个人隐私合规管控：各业务条线在业务开展存在个人隐私合规风险（员工信息管理、to C线上营销等业务场景）。

• 数据跨境流通安全合规：金融企业或涉及跨国实体，关联公司，以及各涉外业务条线，在进行数据流通共享时存在数据安全合规及泄漏的风险。

• 数据安全技术能力建设：数据安全技术能力的建设存在不足（用户身份识别，用户行为监控等），难以为数据生命周期安全管控提供足够的支撑

• 数据安全运营提升：围绕数据生命周期，缺乏对数据运营有效的安全管理，如主动防御，监控审计，联动联防等，存在数据被泄漏和违规滥用的风险。

企业数据确权梳理要点

在实践中，数据权属的确认过程往往复杂且充满挑战。例如，当数据由多方共同产生时，各方对数据的权利可能产生争议。企业从授权方式、授权对象、授权内容、授权时限进行数据权属梳理，解决的是企业授权过程中，“如何授权”、“授权给谁”、“授什么权”、“授权多久”四个关键问题。

2、数据资产管理

在数据资源目录框架及属性明确的基础上，结合过往实践经验，总结出数据资源盘点应以业务优先、难易程度优先、管理优先为原则。以用户为中心，优先选择理解门槛较低、盘点后业务部门可迅速使用的数据，优先考虑具备盘点条件的数据，即可通过线上化、自动化工具进行盘点整合的数据资源，优先考虑盘点数据权属明确，部门管理职责范围内的数据资源。