广州数据资产管理及入表工作指引(2024)

指导单位：广州市政务服务和数据管理局、广州市财政局

编写单位：广电计量检测集团股份有限公司、广州数据集团有限公司、广州数据交易所、广东数字政府研究院、中汇会计师事务所、天健会计师事务所

前言

数字时代，数据成为驱动创新和发展的关键资源，其潜在价值远超传统的物质资产，是我国打造经济增长新引擎的重要战略，更是提升企业核心竞争力、实现可持续增长的关键所在。

2022年12月，党中央、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》，确立了我国数据基础制度的“四梁八柱”，并明确提出“探索数据资源入表新模式”。财政部分别于2023年8月、12月和2024年2月印发《企业数据资源相关会计处理暂行规定》《关于加强数据资产管理的指导意见》《关于加强行政事业单位数据资产管理的通知》系列文件，不仅为企业数据资源的会计处理和信息披露提供了细化指引，而且为推进全过程数据资产管理指明了方向。

数据资源入表是数据价值化的必然之举。一方面，将具备资产化条件的数据资源计入财务报表，可以显著提升企业资产规模，增强企业数据治理和开发利用的意识和能力，加快企业数据资产的金融化进程，全面提升企业数据资产的价值理念和管理意识。另一方面，数据资源入表将为企业开发数据产品和服务提供动力，为开展数据交易提供更为明确的指导和规范。同时，有助于与产业链上下游企业建立更加紧密的合作关系，推动跨行业合作和创新，为企业带来更多的商业机会，从而构建一个健康的数据资产生态。

在此背景下，如何通过有效治理手段将纷繁复杂的原始数据转变为具有经济价值的数据资源，如何构建科学、可行的数据资源产权确认、价值评估和交易定价机制，如何建立适应数据特性的会计计量规则，从而解决数据资源入表的障碍，使数据成为企业真正的“资产”，已然迫在眉睫。

为进一步规范企业数据资源相关会计处理，强化相关会计信息披露，在广州市政务服务和数据管理局、市财政局的指导下，广电计量、广州数据集团、广州数据交易所、广东数字政府研究院、中汇会计师事务所、天健会计师事务所等单位共同编制了《广州数据资产管理及入表工作指引》（以下简称“指引＂），旨在为企业提供一套全面、系统、可操作的管理框架和方法论，帮助企业将散落在各个角落的数据资产有效整合、精确计量、合理评估、合规登记，并最终将其纳入企业的财务报表，从而真实反映企业的价值。

这不仅意味着企业能够深入地认识自己，把握未来，更能够向外界展示企业在数据资产管理方面的专业能力和领先地位。

本指引提出“以数据资源入表为抓手，以数据资产价值化应用为目的，实现数据资产全流程管理”的核心理念，构建一套全面的框架和行动指南，旨在帮助企业深入理解和执行数据资源入表的相关政策和会计准则。

通过明确的步骤和方法，帮助企业将数据资源转化为可量化、可管理的资产，进而在财务报表中得到准确反映。不仅涉及数据资源的识别、评估和计量，也包括了数据资源的会计处理、信息披露以及相关的合规管理。

首先，指引强调了数据治理的重要性，包括建立数据治理组织体系、进行数据资源盘点、加强数据清洗和质量管理等关键环节。这些步骤是确保数据资源能够转化为高质量数据资产的基础。

其次，指引详细介绍了数据资源安全与合规管理的策略，包括加强数据安全管理、确保数据合规性，并通过合同约定、登记确定等确权方式，确立数据资源的法律地位。在数据资源计量确认方面，指引提供了基于成本法、市场法和收益法的评估和计量方法，帮助企业根据数据资源的具体特性和业务模式，选择最合适的计量方法。

此外，指引还涉及了会计政策的制定，包括初始确认、后续计量、摊销、减值以及处置和报废等会计处理，确保企业在财务报表中对数据资产进行准确列示和披露。

最后，本指引强调了数据资产的价值与应用，包括优化企业资产结构、增强数据治理能力、加快数据资产的金融化进程，以及提升企业数据资产管理意识等方面，为企业在数字经济时代的可持续发展提供了新的视角和策略。

通过本指引的实施，企业将能够更有效地管理和利用其数据资产，提升数据资产的经济价值，构建健康的数据生态，从而在激烈的市场竞争中获得优势。

 

指引编制人员

专家顾问

高素梅     胡良霖

编制组成员

于莉莉 田一健 郭婧  林燕虹 陈涛 刘国庆 叶展均 矣丰 杨澜 后倩 张瑜 朱卉 李莉 周杰

 

目录

一、工作背景

（一）政策依据

（二）现实意义

二、术语定义

三、关键步骤

（一）整体架构和流程

（二）数据资源治理

（三）数据确权与合规管理

（四）数据安全管理

（五）数据资源会计核算

（六）数据资产列示与披露

（七）入表后的定期重估审视

四、数据资产价值与应用

（一）开展数据资产价值评估

（二）推进数据资产应用

 

一、工作背景

（一）政策依据

数据作为新型生产要素，巳快速融入生产、分配、流通、消费和社会服务管理等各环节，深刻改变着生产方式、生活方式和社会治理方式。数据资产，作为经济社会数字化转型进程中的新兴资产类型，正日益成为推动数字中国建设和加快数字经济发展的重要战略资源。

2023年8月，财政部印发《企业数据资源相关会计处理暂行规定》（以下简称《暂行规定》），对企业数据资源是否可以作为资产确认、作为哪类资产确认和计量以及如何进行相关信息披露等相关会计问题进行了回应，并从2024年1月1日起正式施行。

2023年12月，财政部印发《关于加强数据资产管理的指导意见》，从全流程的视角对数据资产管理的基本原则、主要任务等进行了明确，极大增强了全社会对数据资产的重视程度。

表1数据资源入表相关政策文件

发布时间	文件名称	发布机构
2022年12月	《关于构建数据基础制度更好发挥数据要素作用的意见》	中共中央、国务院
2023年8月	《企业数据资源相关会计处理暂行规定》	财政部
2023年12月	《关于加强数据资产管理的指导意见》	财政部
2024年2月	《关于加强行政事业单位数据资产管理的通知》	财政部

表2 数据资源入表相关会计准则

发布时间	文件名称
2006年2月	《企业会计准则第1号——存货》
2006年2月	《企业会计准则第6号——无形资产》
2006年2月	《企业会计准则第28号——会计政策、会计估计变更和差错更正》
2006年10月	《企业会计准则第8号——资产减值》
2006年11月	《企业会计准则第1号——存货》应用指南
2006年11月	《企业会计准则第62号——无形资产》应用指南
2017年7月	《企业会计准则第14号——收入》
2017年8月	《企业会计准则第42号——持有待售的非流动资产、处置组和终止经营》

（二）现实意义

在数字时代，具有数据资产化意识和能力巳成为企业在全球数字化转型中创造竟争新优势的关键。数据资源入表是企业合法拥有或控制的数据完成从原始数据到数据资源再到数据资产的闭环之举，可以促进企业做好数据资源治理和数据应用场景的挖掘，从而更好发现数据与业务融合的创新发展点，提升运营效率。同时，数据资源入表有助于从财会管理方面显性化数据作为生产要素的价值，改善资产结构，增强企业整体估值及融资能力。

1.优化企业资产结构

计入企业财务报表后的数据资产能够直接扩大企业资产规模，减少当期支出，优化企业资产和负债结构，从而更好反映企业在数字经济时代的经营和财务状况。数据资产可以作为新的标的进行资产融资，拓宽融资渠道，提升企业整体估值、信用评级及融资能力，进而提高企业在资本市场的核心竟争力。

2.增强企业数据治理能力

完善的数据治理体系是数据资产化的前提，而数据资源入表可以倒逼企业提升数据资源治理的意识和能力，为数据资源深度开发利用打好基础。数据作为资产入表，促使企业从资产角度保障数据安全，实现数据安全管理能力的整体提升，确保数据资产的安全可控管理。

3.加快企业数据资产的金融化进程

数据资源入表以后，其金融属性将得以进一步彰显。企业可以通过数据质押融资、数据作价入股、数据信托和数据资产证券化等方式探索金融化路径，从而进一步提升数据资产的价值应用空间。

4.提升企业数据资产管理意识

企业负责人将更加重视数据资产的开发、利用和价值挖掘，注重通过数字化转型来收集更多的数据，全面提升企业的数据资产管理意识，推动数据管理的组织体系建设（例如，首席数据官），推动企业加快数据合规体系建设，并逐步完善企业内部数据资产管理制度、数据资产合规制度和数据资产质量标准等数据资产入表的内部制度和流程体系。

5.促进数据资产应用流通释放价值

企业更有动力去探索和创新数据应用场景，深度开发数据资产的潜力，促进产品创新和服务升级，获得更多商业机会和竞争优势，推动企业可持续发展和提升竟争力。企业可更加灵活和多样地对数据资产进行交易、转让、许可、共享等方式的流通，提高数据资源的流动性和流通效率，增加数据资源的流通收益和流通价值，实现数据资产的价值最大化。

二、术语定义

（一）数据

数据是指任何以电子或者其他方式对信息的记录，例如文本、图像、语音、视频、网页、数据库、传感信号等结构化或非结构化数据。

（二）数据资源

数据资源是指加工处理后具有经济价值的数据。

（三）数据资产

数据资产是指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。

在组织中，并非所有的数据都构成数据资产，数据资产是能够为组织产生价值的数据，数据资产的形成需要对数据进行主动管理并形成有效控制。

由于数据资产具有传统资产所不具备的其他特征，其价值的评估和计量并不完全遵从既有的会计、经济相关准则与标准，仍需要结合实践经验进行不断的探索和创新。

（四）数据资源入表

数据资源入表是指组织从内外部合法获取的数据资源，按照一定规则以资产形式记入资产负债表等财务报表中，并进行确认、计量、列示、披露等会计处理的过程，从而在财务报表中体现数据价值与业务贡献。

（五）数据资源合规登记

为了将数据资源纳入财务报表，组织需要证明对相关数据享有持有或控制的权利，确保数据资源来源合规、权责明确，并预期会给企业带来经济利益。

基于此目的，组织可将数据资源提交数据资源登记机构，从数据来源、数据内容、数据处理数据管理及数据经营五大维度开展合规登记审核。

（六）数据资产管理

数据资产管理是指对数据资产进行供给、规划、控制和开发利用等一系列活动职能。

大体上，数据资产管理包含数据资源化和数据资产化两个环节，将原始数据转变为数据资源，再转变为数据资产，逐步提高数据的价值密度，拓宽应用场景。

三、关键步骤

（一）整体架构和流程

1.数据资产管理的整体架构

数据资产管理包含数据资源化和数据资产化两个环节：

1. 经过数据治理将原始数据转变为数据资源，实现数据的资源化；
2. 经过数据安全和合规管理、计量方案确认和会计政策制定、列示与披露等工作完成数据资源入表，实现数据的资产化。

后续逐步提高数据的价值密度，拓宽应用场景，挖掘数据价值。

数据资产管理的整体架构如下图所示：

图1  数据资产管理的整体架构

2.数据资源入表工作流程

在数据资产管理的整体架构中，数据资源入表是实现数据资产化的关键事项。根据各项工作开展的流程和顺序，可以将入表划分为入表前、入表中、入表后三个阶段，其中：

(1)入表前的工作包括：数据资源盘点、数据治理、数据确权与合规管理、数据安全管理；

(2)入表过程中的工作包括：数据资源的内控流程完善、拟入表数据资源的成本计量、列示和披露；

(3)入表后：开展定期的重估审视，建立评估指标，动态跟踪数据资产的价值，以确保入表数据资产价值的准确性和决策依据的时效性。

主要工作流程如下表所示：

阶段	顺序	工作项	工作内容	备注
入表前	1	数据资源治理	建立数据治理组织
			开展数据管理能力成熟度评估(DCMM)
			做好数据资源盘点
			加强数据资源清洗
			加强数据质量管理
			开展应用场景设计
	2	数据确权与合规管理	数据确权
			数据合规管理
	3	数据安全管理	数据安全评估
			开展数据安全管理能力评估(DSMM)	可选
入表中	4	拟入表数据的成本计量	入表资产识别
			入表内部控制完善
	5	列示与披露	会计政策制定
			财务报表编制
入表后	6	持续优化和改进	数据资产披露	可选
			评估频率和周期确定
			评估指标体系建立
			动态跟踪评估
			持续优化和改进

表1  数据资源入表主要工作以及流程

（二）数据资源治理

数据资源治理是指对数据资源的管理、控制和使用的全过程进行规范和优化，确保数据资源的高质量、高效益和高安全性。数据资源治理的目标是通过建立健全的数据治理框架和制度，提升数据资源的可用性、可靠性和安全性，为数据资产化和数据资源入表提供坚实的基础。

1.建立数据治理组织体系

(1)参考《广州市全面推行首席数据官制度工作方案》，企业可设置首席数据官并组建专门的数据治理团队，明确数据治理目标，确定数据治理职责及责任人。

(2)制定明确的数据治理制度体系，包括数据架构、数据应用、数据标准、数据安全、数据质量等方面的制度规则和标准规范。

(3)制定数据治理沟通机制，定期评估数据治理组织的运作情况，不断改进和优化数据治理策略和流程，保障数据治理工作的正常开展。

2.开展数据管理能力成熟度评估

为提升企业对数据资源的管理能力，鼓励各企业贯彻执行数据管理能力成熟度国家标准，开展数据管理能力成熟度评估(DCMM)。

DCMM国家标准结合数据生命周期管理各个阶段的特征，按照组织、制度、流程、技术对数据管理能力进行了分析和总结，提炼出数据战略、数据治理、数据架构、数据质量、数据安全、数据应用、数据标准、数据生存周期等八个能力域，并对每项能力域进行了二级过程项和发展等级的划分，以及相关功能介绍和评定指标的制定。

3.做好数据资源盘点

由企业首席数据官或数据管理团队牵头，自行或与第三方机构合作调研本单位数据资源生产存储、流通交易、开发利用、安全保障等情况，摸清数据资源底数。根据数据资源持有目的、形成方式、业务模式、安全等级等特征，强化数据分类分级管理，编制数据资源目录。

4.加强数据资源清洗

利用有关技术或预定义的清理规则，对原始数据进行重新审查和校验，目的在于删除重复信息、纠正存在的错误，并保障数据的一致性等，从而将原始数据转化为满足数据质量和可用性等要求的数据资源。

5.加强数据质量管理

数据质量，即数据资源满足业务、场景、决策等需求的程度，是数据资产化的前提条件之一。加强数据质量管理，旨在确保数据资源的完整性、规范性、一致性、准确性、时效性、可访问性等。根据数据管理能力成熟度评估模型，数据质量管理的关键活动包括：

(1)明确数据质量需求：根据业务需求及数据要求制定用来衡量数据质量的规则，包括衡量数据质量的技术指标、业务指标以及相应的校验规则与方法。

(2)开展数据质量检查：根据数据质量规则中的有关技术指标和业务指标、校验规则与方法对企业的数据质量情况进行实时监控，从而发现数据质量问题，并向数据管理人员进行反馈。

(3)开展数据质量分析：对数据质量检查过程中发现的数据质量问题及相关信息进行分析，找出影响数据质量的原因，并定义数据质量问题的优先级，作为数据质量提升的参考依据。

(4)数据质量提升：对数据质量分析的结果，制定、实施数据质量改进方案，包括错误数据更正、业务流程优化、应用系统问题修复等，并制定数据质量问题预防方案，确保数据质量改进的成果得到有效保持。

6.进行应用场景设计

在数据资产化的过程中，数据应用场景的设计是指根据企业的业务需求、市场定位和发展战略，通过对不同场景下的数据需求进行深入分析，确定数据在企业运营、决策制定、产品创新等方面的具体应用，从而充分挖掘和发挥数据的潜在价值。

数据应用场景的设计主要涵盖以下几个方面的工作：

(1) 明确业务需求：需要深入了解和分析业务的具体需求，包括业务目标、业务流程、业务决策等，从而确定数据应用场景的具体内容，使数据能够直接服务于业务需要。

(2)设计数据使用场景：基于业务需求，设计详细的数据使用场景，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。

(3)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。

(4)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，以便确保数据资源入表的准确性和可靠性，提升报表的信息质量和透明度。

（三）数据确权与合规管理

数据资源入表的前提是企业能够做好资产确认，确认条件之一是企业拥有或者控制的数据，能证明权利边界和来源。

数据的合规性管理主要帮助企业证明数据来源，保证数据的合法性并且追溯数据源头，从而进行数据确权。一般由第三方安全机构或律师事务所等进行数据合规性评估。

合规性评估对象主要包括交易获得、合法授权、自主生产的数据资产，根据数据溯源的方法针对这些数据的来源进行评估，评估内容主要包括以下几点：

1. 1. 数据资源是组织过去的交易获得、合法授权、自主生产等事项形成的。
   2. 交易获得的数据资源具有合法的交易凭证，如合同、支付凭证、税务发票。
   3. 合法授权的数据资源具有合法合规的授权凭据，不合法的授权不符合确认条件。
   4. 自主生产的数据资源具有相应的成本和费用支出。
   5. 虚构的、没有发生的或者尚未发生的交易或事项不符合数据资产确认条件。

表3 数据确权方式

确权方式	含义
合同约定	通过签订民事商事合同、协议等方式，约定或授权数据资产权责关系
登记确定	通过数据资源登记机构依法审核（例如，广东省数据资源合规登记），取得数据资源登记证书，由此确认数据资源权责关系
其他法定	法律法规对数据权益有明确规定的，按照相关规定执行

（四）数据安全管理

根据《数据安全法》的定义，数据安全是指通过采取必要措施，确保数据处于有效保护和合法利用的状态，以及具备保障持续安全状态的能力。其中，数据安全的目标是确保数据的机密性、完整性和可用性，数据安全的目的是保障数据持续安全使用。加强数据的安全管理，开展数据分类分级保护，做好数据控制的边界，保障数据处理活动全流程安全，针对收集、存储、使用、加工、传输、提供、公开和删除各环节，向数据处理者明确需要采取的安全保护管理和技术措施，是数据资产化、数据资产价值保障能力、数据流通交易的重要保障和基本条件。

1.数据安全管理的关键活动

(1)   访问控制：通过身份验证、授权和权限管理等措施，限制对数据的访问和使用，确保只有授权的人员可以访问数据。

(2)加密：对敏感数据进行加密，使其在传输和存储过程中不易被窃取或篡改。

(3)数据脱敏：对某些敏感数据通过脱敏规则进行数据的变形，实现敏感隐私数据的可靠保护。

(4)隐私计算：保障数据安全的前提下，实现数据价值的合规有序释放。它主要包括基于协议规则的安全多方计算、基于现代密码学的联邦学习、基于硬件闭环的可信执行环境、基于信息论和概率论的差分隐私以及构建于格密码算法之上的同态加密等技术。

(5)数据防泄漏：通过对运行、存储于主机内或者网络中传输的文件、数据进行内容识别，对数据的操作和传输过程进行监视和控制，实现对数据以非授权的形式流出安全域进行防护的功能。

(6)数据库审计：对网络中指定数据库的使用状态进行跟踪并记录。

(7) 漏洞管理：及时修补系统和应用程序的漏洞，防止黑客利用涌洞进行攻击。

(8)防火墙：设置网络防火墙，过滤和监控网络流量，阻止未经授权的访问和攻击。

(9)安全备份和恢复：定期备份数据，并确保备份数据的安全性，以便在数据丢失或损坏时能够及时恢复。

(10)安全审计和监控：通过安全审计和监控工具，监测和分析系统和网络的活动，及时发现异常行为和安全事件。

(11) 安全培训和意识：提供员工数据安全的培训和意识教育，使其了解数据安全的重要性和相关的最佳实践。

2.开展数据安全管理能力成熟度评估

为促进企业了解自身的数据安全水平，结合各类数据业务发展所体现的安全需求，鼓励各企业依照国家标准，开展数据安全管理能力成熟度评估(DSMM)，以加强数据安全保障工作，提升企业的数据安全管理能力。

DSMM国家标准以组织的数据为中心，从数据生命周期的角度出发，围绕数据的采集、传输、存储、处理、交换、销毁全生命周期，从组织建设、制度流程、技术工具、人员能力4个能力维度进行评估，按照1-5级成熟度，评价组织的数据安全能力。

（五）数据资源会计核算

1.入表资产识别

根据《暂行规定》，应当根据数据资源的持有目的、形成方式、业务模式，以及与数据资源有关的经济利益的预期消耗方式等，判断数据资源适用无形资产还是存货准则，目前企业利用数据资源的主要模式为：内部用途、提供服务、直接出售。

在符合相关资产确认条件时，内部用途和对外提供服务的确认为无形资产，直接出售的确认为存货。

为确保数据资源入表可正确适用会计准则，企业可聘请专业第三方机构如咨询公司、会计师事务所等提升数据资源入表质量。

(1) 无形资产：符合《企业会计准则第6号——无形资产》规定和确认条件的，适用无形资产准则。

(2)存货：符合《企业会计准则第1号——存货》规定的定义和确认条件的，适用于存货准则。

2.会计核算

企业应按照国家统一的会计制度，规范数据资产的会计处理方法，包括数据资产的初始计量、后续计量、处置和报废等。

(1) 初始计量

①无形资产：企业应当按照无形资产准则、《（企业会计准则第62号——无形资产〉应用指南》（财会(2006) 18号）等规定，对确认为无形资产的数据资源进行成本计量。

其中企业通过外购方式取得确认为无形资产的数据资源，其成本包括购买价款、相关税费，直接归属于使该项无形资产达到预定用途所发生的数据脱敏、清洗、标注、整合、分析、可视化等加工过程所发生的有关支出，以及数据权属鉴证、质量评估、登记结算、安全管理等费用。

企业内部数据资源研究开发项目的支出，应当区分研究阶段支出与开发阶段支出。

1. • 研究阶段的支出，应当于发生时计入当期损益。
   • 开发阶段的支出，满足无形资产准则第九条规定的有关条件的，才能确认为无形资产。

②存货：企业应当按照存货准则、《（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资源进行成本计量。

其中，企业通过外购方式取得确认为存货的数据资源，其采购成本包括购买价款、相关税费、保险费，以及数据权属鉴证、质量评估、登记结算、安全管理等所发生的其他可归属于存货采购成本的费用。企业通过数据加工取得确认为存货的数据资源，其成本包括数据采集、脱敏、清洗、标注、整合、分析、可视化等加工成本和使存货达到目前场所和状态所发生的其他支出。

(2)后续计量

①摊销：考虑到数据时效性较高、价值波动大等特性，按照《企业会计准则第1号——存货》《企业会计准则第6号——无形资产》等要求，选择摊销方法及摊销期限，企业在对确认为无形资产的数据资源的使用寿命进行估计时，应当考虑无形资产准则应用指南规定的因素，并重点关注数据资源相关业务模式、权利限制、更新频率和时效性、有关产品或技术迭代、同类竞品等因素，并定期对摊销期限及摊销方法进行复核。

②减值：无形资产的减值，应当按照《企业会计准则第8号——资产减值》处理。存货的减值，应当按照《企业会计准则第1号——存货》处理。

(3)处置和报废

按照《企业会计准则第1号——存货》《企业会计准则第6号——无形资产》等要求，对损毁或造成损失的数据资产进行处置。

(4)内部控制完善

在数据资源满足资产化条件成为财务报表上列报的存货或无形资产时，企业应当参考《企业内部控制应用指引第8号——资产管理》的相关内容全面梳理资产管理流程完善相关制度，涵盖从“进入到退出”的各个环节，包括数据采集、数据质量验收、数据日常保管、数据产品交付、数据产品盘点和处置等。对于具有保密性质的无形资产，还应当采取严格保密措施，严防泄露商业秘密。

（六）数据资产列示与披露

1.财务报表编制

根据《暂行规定》和相关标准，结合企业实际情况，将相关数据资产在财务报表中进行列示。其中：

(1) 在“存货”项目下增设“数据资源”项目，反映资产负债表日确认为存货的数据资源的期末账面价值；

(2) 在“无形资产”项目下增设“数据资源”项目，反映资产负债表日确认为无形资产的数据资源的期末账面价值；

2．数据资产披露

按照《暂行规定》，企业应当在财务报表中披露与数据资产相关的信息。

(1)无形资产披露：应当按照外购无形资产、自行开发无形资产等类别，对确认为无形资产的数据资源相关会计信息进行披露，并可以在此基础上根据实际情况对类别进行拆分。具休披露格式如下：

(2) 存货披露：企业应当按照外购存货、自行加工存货等类别，对确认为存货的数据资源相关会计信息进行披露，并可以在此基础上根据实际情况对类别进行拆分。具体披露格式如下：

(3)其他披露：包括数据资源评估相关信息，以及其他自愿披露的信息。

（七）入表后的定期重估审视

建立数据资源入表后的重估审视机制，以确保入表数据资产价值的准确性和决策依据的时效性。入表后的定期价值重估包括评估频率与周期确定、评估指标体系建立、数据资产动态跟踪、持续改进与优化等工作。

1.评估频率与周期确定

根据各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，确保评估周期既能及时反映数据资产的价值变化，又不会过于频繁增加评估成本。评估需要考虑以下因素：

(1)数据资产特点：对于某些时效性强的数据资产，如股票交易数据，评估频率应较高；而对于一些稳定性强的数据资产，如历史气象数据，评估周期可以适当延长。

(2)业务需求：根据业务需要，如业务部门可能更关注短期内的数据资产价值波动，那么评估频率应与其需求相匹配。

(3)外部环境变化：考虑到外部环境如政策、市场等因素的变化可能对数据资产价值产生影响，应定期进行价值评估以应对。

2.评估指标体系建立

评估指标体系应全面反映数据资产的价值。除了直接的经济价值（如收入、利润等），还应考虑间接价值（如品牌价值、竟争优势等）。此外，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。

(1) 数据资产规模：衡量企业数据资产的总量，包括数据的数量、种类、覆盖范围等。

(2)数据资产价值挖掘与利用：分析企业数据资产在业务场景中的应用程度，以及数据资产对业务创新的推动作用。

(3)数据资产质量：评估数据资产的准确性、完整性、实时性、可用性等指标，质量越高，价值越大。

(4)数据资产安全与合规：确保数据资产在合法、合规的前提下进行管理和利用。

3.动态跟踪评估

入表后数据资产的价值并非一成不变，而是随着市场环境、企业战略调整和技术发展而变化。因此需要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。

(1) 实时监控：通过技术手段实时监控数据资产的状态和变化，包括数据量、数据质量、数据使用情况等。

(2)定期审计：定期对数据资产进行审计，检查数据的准确性、完整性、合规性等方面，确保数据资产的质量。

(3)数据安全与隐私保护：关注数据资产的安全和隐私保护，采取必要的安全措施，确保数据不被非法获取和使用。

(4) 业务价值增加评估：定期评估数据资产在业务中的应用价值和贡献度，分析数据如何为业务带来更多价值和竞争优势，例如改进决策、提高效率等，以便更好地挖掘和发挥数据资产的潜力。

(5)数据质量提升评估：评估数据经过处理和分析后，其质量和可用性是否得到提升。

(6)损耗因素评估：考虑数据老化等损耗因素，数据的时效性和新鲜度，以及随着时间推移数据的价值是否会降低。

(7)数据维护和更新成本评估：分析维持数据质量和可用性所需的成本，以及这些成本对数据价值的影响。

(8)价格高低评估：市场价格比较，了解相同或类似数据的市场价格，作为数据价值的参考。

(9) 成本效益分析：基于数据的成本和产生的效益进行比较，判断数据价值是否合理。

4.持续优化与改进

入表后的定期评估不是一次性的任务，而是一个持续的过程。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。

(1)建立持续改进机制

①设立数据管理团队：建立一个专门的团队，负责数据资产的日常管理和价值提升。

②制定改进计划：基于价值评估的结果，制定具体的改进措施和时间表。

③监测与调整：持续监测数据资产的表现，并根据实际情况调整改进计划。

(2)加强数据质量管理和治理

①数据质量审核：定期进行数据质量检查，确保数据的准确性、完整性和一致性。

②数据治理政策：制定并执行数据治理政策，明确数据的标准、存储和使用规范。

③数据安全保障：采取必要的安全措施，确保数据不被非法获取和使用。

(3)提升数据应用能力

①培训与知识分享：定期为团队提供数据分析和应用方面的培训和知识分享。

②创新应用场景：探索新的数据应用场景，以提升数据资产的附加值。

③跨部门合作：促进不同部门之间的数据共享和合作，以实现更广泛的数据应用。

四、数据资产价值与应用

数据时代，企业价值的驱动逻辑发生了根本性变化，以数据为基本要素的数据资产逐渐成为主导。公司价值的估值方法、估值逻辑和关键价值驱动因素将发生深刻变化，数据资源入表将释放数据资产的价值，为企业的价值发现提供新思路。

（一）开展数据资产价值评估

目前，数据资产价值评估主要基于三种方法，即成本法、市场法和收益法。数据资产价值评估是将数据资源转变为具有经济价值资产的关键步骤，这一过程需要遵循相关法律法规和专业准则，由专业评估机构和人员对数据资产的经济价值进行量化分析。

表4 三种主流数据价值评估方法应用场景

（二）推进数据资产应用

展望未来，随着数据资源逐渐入表，企业的价值创造和评估将进入一个全新的阶段。数据资源入表不仅将释放隐藏在海量数据中的巨大价值，还将为企业的决策制定、战略规划以及市场拓展提供前所未有的洞察力。

数据价值的体现在内部赋能和外部应用的场景中：

图2     企业数据资产应用场景

企业内部，数据资产将成为驱动创新和提升运营效率的核心要素，通过深度分析和挖掘，实现精准营销、优化生产流程、提升产品质量等目标。

在外部应用中，数据资源的共享和交换将促进产业链的协同合作，推动行业的整体进步。数据资源入表将成为企业价值发现的新路径，为企业创造持续竞争优势，并引领数据时代的企业价值创造新潮流。

1.推动数据整合和共享开放

随着数据资源入表，企业将有更强的动力去整合内部和外部的数据资源，形成更全面、更准确的数据视图。这将有助于企业更好地理解市场、客户和业务流程，从而做出更明智的决策。

企业应当以数据汇聚和聚合为途径，推动技术融合、业务融合、数据融合，推动与其他企业之间的数据共享、开放和交换，实现跨层级、跨行业、跨系统、跨业务的数据融合应用，充分挖掘数据资产的聚合应用价值。

数据资源的入表也将鼓励企业更积极地参与数据共享和开放。通过与其他企业、机构或政府部门共享数据，企业可以获得更多的商业洞察和合作机会，实现互利共赢。

数据经纪人等市场主体应当牵头建设行业数据空间，推动数据空间内数据共享、开放、交换和融合应用等行为，并积极推进行业数据空间之间的连接和联合。

2.深化数据开发利用

(1)数据产品与服务：数据资源的入表将为企业开发更多的数据产品和服务提供动力。企业可以通过挖掘和分析数据，开发出具有市场竞争力的数据产品，如数据分析报告、数据可视化工具等，从而为客户提供更有价值的服务。

(2)行业融合：随着数据资源的入表，不同行业之间的数据融合将成为可能。这将有助于推动跨行业合作和创新，为企业带来更多的商业机会。数据经纪人应当利用行业数据整合能力，通过开放共享、增值服务、交易撮合等多种方式处理行业数据，促进数据融合流通。

(3)数据资产生态：数据资源的入表还将有助于构建一个健康的数据资产生态。在这个生态中，数据将作为一种重要的资源被有效地流动和利用，从而推动整个社会的数字化转型。具备一定资质、技术实力雄厚的数据商和第三方专业机构，应当为数据资产流通应用提供数据资产的合规化、标准化、增值化服务，促进数据资产价值释放。

3.参与公共数据授权运营

通过参与公共数据的授权运营，企业可以合法地获取和使用公共数据资源。这将有助于企业扩大数据来源，提高数据质量和可靠性，从而更好地服务于社会和公众。

按照广州市《广州市数据条例（征求意见稿）》《关于更好发挥数据要素作用推动广州高质量发展的实施意见》中公共数据授权运营有关规则，结合国家数据局等部门关于印发《“数据要素X”三年行动计划(2024—2026年）》的通知，市场主体可充分发挥在数据资源、数据处理能力等方面的优势，推进公共数据与社会数据融合应用，在保护个人信息和确保公共安全的前提下，公共数据以模型、核验等产品和服务等形式向社会提供。

4.开展合规数据交易

广州市在《关于更好发挥数据要素作用推动广州高质量发展的实施意见》中提出，探索构建数据要素价值评估与统计核算规则，健全数据要素由市场评价贡献、按贡献决定报酬机制。

企业可以在合法合规的前提下，通过数据交易场所或其他方式进行数据交易活动，促进数据资产的流通应用，实现数据资产的变现和增值。企业应用数据资源孵化数据产品，形成可交易的数据产品在数据交易场所进行上架交易，实现数据资源的使用价值和交易价值。

相关数据产品存在活跃市场，能给企业带来经济利益的流入，符合资产定义情况下，企业可基于以数据产品为载体的数据资源入表。

同时，公开交易的价格，也能为银行授信、资本市场融资等方面提供价值参考。

来源：广州数据交易所

下载：请点击直接下载

【END】