数据资产入表话题广场

对于政企而言，数据是通过驱动业务发展和提升经营质效服务，从而实现其价值的，“数据即资产”“数据有价”的观念已逐渐成为行业共识。怎样识别数据资产、有效管理和运营数据资产，利用现有的数据资产创造价值，也是数据治理中的一项重要工作和目标。

和实物资产一样，数据资产也需要通过盘点，对必要的信息进行记录。而数据资产盘点是目前解决政企“无数据可用”、“无可用数据”两大痛点的主要手段之一，通过对政企拥有的数据进行盘点点将帮助弄清楚以下问题：

1. 有哪些数据？关注数据的分类；

2. 有多少数据？关注数据的存量、增量；

3. 数据存储在什么地方？关注数据的存储和取用方式；

4. 数据是由谁在管理？关注数据的归属部门和责任人；

5.识别哪些是重要数据，哪些是敏感数据？关注数据的分级、共享条件和范围。

数据资产盘点的内容

政企的数据散落在各个异构系统、甚至业务人员电脑中，数据结构、数据类型、存储形式、敏感级别、重要程度各不相同，整体看起来就像是一团乱麻的线，如何盘点理出头绪并不容易。

数据资产盘点到底要盘点啥？数据盘点的范围一般从三个角度定义：

• 组织范围：盘点要覆盖哪些组织和部门，例如：集团本部、集团+分子公司等。
• 业务范围：盘点哪些业务的数据，例如：生产业务、采购业务、营销业务、财务业务、人力资源业务等。
• 系统范围：盘点哪些应用系统的数据，例如：ERP系统、MES系统、SCM系统、CRM系统、HR系统等。

基于不同的数据来源，根据不同的划分策略，盘点的内容侧重会有所不同：

• 基础数据：需要盘点数据分布在哪些IT系统，区分其中哪些是需要跨系统流转、共享使用且变化缓慢的主数据信息，哪些是与IT系统定位相匹配的业务流程交易信息。
• 衍生数据：需要盘点数据的不同应用场景，比如监管、统计、内部管理等等。一方面根据衍生数据基于不同使用场景进行分类，另一方面通过盘点，梳理对基础数据的使用热度。
• 外部数据：需要盘点外部数据需求、数据类型、数据来源、采集频率、获取成本、数据质量以及数据价值评估方式等。

以银行一个“客户中文姓名”的基础数据项为例，通过数据资产盘点，我们可以得到关于数据资产的以下方面信息：

数据资产盘点的流程和方法

以盘清家底为根基，梳理分类、规范管理、根治问题、持续应用为目标，构建业务系统数据资源目录，发布数据标准，有效推进数据资源共享和应用，数据资产盘点一般可分为“梳、规、盘、用”四大流程。

1、梳理需求，制定计划。数据盘点要有计划的一步步推进，明确盘点范围、盘点目标、盘点内容、盘点人员、时间计划等。

2、规范模板，制度管理。加强数据管理制度建设，制定数据梳理模板并定义数据资产标准项，推进数据标准和规范建设。

3、盘点资产，层层推进。从业务视角对数据资源进行梳理和规划，从技术视角对系统数据进行盘点，产出数据资产盘点成果物。

4、资产应用，开放服务。落地数据资产目录，将数据资产以“服务”的形式进行发布，实现数据资产的共享以及面向外部的数据开放。

可以说，数据资产盘点的一个重要成果物是“数据资产目录”。那盘点具体有什么方法呢？

对数据进行盘点，一方面通过业务视角的自上而下演绎，确保数据可以按照业务的视角进行组织（需要用到业务元数据，对数据进行主题分类、属性分类、含义描述）。

另一方面结合技术视角自下而上归纳（需要用到技术元数据，对数据的存储分布、血缘关系等进行描述），并通过建立目录中数据项与系统信息项的映射关系，保证每个数据资产项对应可以在真实的信息系统中查找到。

不过也如超市库管员会用传送带、扫码枪这些辅助工具进行盘点一样，高度复杂的业务以及庞杂的信息系统，单纯依靠手工方式对各个库表结构、ETL关系等技术元数据进行采集十分耗费时间和人力，需要采用一些技术工具实现自动化采集、版本管理，包含数据地图、血缘分析、影响分析等元数据的应用功能。

数据资产盘点通用方案

如何帮助政企在数据资产盘点中化被动为主动，基于需求痛点，通过数十个项目沉淀出来一套数据资产盘点通用方案，助力搭建专业的数据资产管理平台，快速盘清数据资源家底，同步构建常态化的数据盘点工作机制，推进数据管理与企业其他工作的有机融合，实现数据资源的全生命周期可视化管理。

此方案内容包括元数据摸底、元数据维护、数据资产分类框架、数据资产目录构建，方案架构如下：

梳理数据来源，摸清数据现状

先定义数据资产，配置数据资产属性。再通过对接企业业务系统、数据湖或者数据仓库，采集元数据自动获取原始的企业数据字典及数据之间的关系，形成企业元数据地图。

精细化数据分级分类，规范数据管理

每一个数据资产具备多个属性，同样也归属多个分类。按照不同的业务域、应用系统、重要程度、数据分布、更新频率、资产类型、安全等级、保密等级等维度，构建资源标签体系，使各类数据消费者都能快速发现和获取需要的数据。

构建数据资产目录，实现数据资源画像

数据资产目录要满足不同角色用户的数据消费需求，基于“业务域-业务子域-业务活动”的架构思想，建立业务视角数据目录模板。基于资源类型、存储位置、安全等级、使用频率，生成技术视角数据目录。同时数据资产目录应能支持数据目录管理、资产查询、资产分析以及资产交换等场景。

开放数据资产服务，实现数据共享

建立数据资产目录与实体资源的映射关系，开发面向不同消费者的数据服务类型，满足业务系统、数据分析师、前台业务人员多样的数据需求。比如对于库表、文件等常见数据资产，可以开放数据查询、下载、交换、分析以及API服务。

数据资产持续化评估与监控，进行长期管控

数据资产并不是一成不变的，随着时代的变迁，企业的发展，数据资产的种类也会越来越多。对于资产管理者来说，需要通过元数据技术，在变更元数据的同时，更新资产目录，挂接新资源，灵活、快速的响应数据消费需求。

财政部会计司有关负责人就印发《企业数据资源相关会计处理暂行规定》答记者问中指出，“《暂行规定》在充分论证基础上，明确企业数据资源适用于现行企业会计准则，不改变现行准则的会计确认计量要求”。从形式上来看，《暂行规定》主要解决的是会计规则问题，并不涉及制度层面的根本调整，也似乎不涉及法律问题。

然而，《民法典》、“数据二十条”、《暂行规定》都没有解决法律层面特别是民法体系中的数据权利归属问题。当前阶段，企业利用数据释放价值，首要的前提是确定“数据二十条”框架下的“持有权”问题。只有确定了合法的持有，才能进一步加工使用和产品经营，以及进行数据资产入表。《企业会计准则——基本准则》也佐证了这一点，其第二十条第三款规定，“由企业拥有或者控制，是指企业享有某项资源的所有权，或者虽然不享有某项资源的所有权，但该资源能被企业所控制”。由于无法对数据进行所有权层面的绝对确权，因此重点应该放在数据资源能被企业所控制。

数据能被企业所控制，意味着企业能够实际掌握数据资源，同时不会被任何第三方主张权利或干涉数据持有，这主要涉及自然人的个人信息权益，其他企业的市场竞争利益，以及行政机关基于数据安全的执法行动等。企业确定实际掌握的步骤相对清晰，企业通过数据资源盘点即可实现。而不会被任何第三方主张权利或干涉数据持有，则是一项典型的数据合规法律问题。

数据合规的主要作用是判断企业处理数据的合法性，以及识别数据处理过程中的潜在风险及应对措施。正如数据无法进行所有权意义的确权的道理一样，数据合规也不能阻止第三方主张数据权利或者干涉数据持有，但是数据合规可以有效对抗风险，在第三方主张数据权利或者干涉数据持有时，能够有效回应，消除潜在风险及占有的不确定性，从而实现对持有权的确立和固化。据此，数据持有权才具备了实践和规范意义，能够支撑后续的数据加工使用权、数据产品经营权以及数据资产入表等活动。

归纳来说，因为法律上没有对数据进行确权，数据处理者对其数据不享有所有权意义的权利，无法建立绝对权基础来对抗不确定第三人，所以必须通过数据合规来确认潜在的风险，以防止或缓释其他人的权利（益）挑战，从而稳固数据持有权的基础。可以说，数据合规是数据资产化、数据入表的关键起点，确保数据合法性不受挑战，解决数据潜在风险。通过数据合规能够实现资产固定、保值增值，进而进一步完成数据资产证券化。

数据能够作为资产，并且能够进行会计核算，是否意味着数据归属得到了根本性解决？这是一个关键性的问题，它决定了数据资产入表过程中法律工作与会计工作的区别与联系，也能够从法律视角补充说明哪些数据可以入表和哪些数据不可以入表，帮助企业确定入表的数据资产类型。

说到权属，就不得不提“数据二十条”。2022年，中共中央、国务院联合印发了《关于构建数据基础制度更好发挥数据要素作用的意见》（即“数据二十条”），其中明确“探索数据产权结构性分置制度”，“建立数据资源持有权、数据加工使用权、数据产品经营权等分置的产权运行机制”，从而创设性地给出了数据三权分置的确权方式。其中，持有权备受关注，它被认为是绕开了传统民法体系的“所有权”概念，而在事实层面解决数据的确权问题。根据《民法典》第二百四十条规定，所有权人对自己的不动产或者动产，依法享有占有、使用、收益和处分的权利。“数据二十条”所提出的三权分置，可以理解为是对“使用”“收益”两项权利在经济学层面的分配，避开了“占有”“处分”两项具有强烈对世色彩的权利，同时又引入“持有”的概念以搭建使用、经营等的前提性权利基础。简单而言，持有权可以视为弱化的“占有”，加工使用权等同于所有权里的“使用”，经营权则可以视为“收益”。

《民法典》中所有权的客体对象是不动产或者动产，但是基于现行法律规定，数据并不能被纳入不动产或者动产范围。《民法典》第一百二十七条规定，法律对数据、网络虚拟财产的保护有规定的，依照其规定。综合来看，《民法典》承认了数据的法律地位，但没有解决数据权属的所有权问题。“数据二十条”需要进一步转化为法律后，才具有民法框架下的权属意义。

“数据二十条”关于三权分置的设计有其内在逻辑，持有权、加工使用权和经营权的主语各有不同，分别是数据资源、数据、数据产品。数据资源是一个广泛性的概念，它包括所有能够被收集和使用的数据，是原始数据的总和。数据则是已经被收集和记录的事实信息，可以是数字、文字、图像、声音等形式，属于原始的、未经加工的信息。数据产品则是对数据进行分析、处理，形成有用的信息或者可供交换的产品。类比而言，数据资源、数据和数据产品可以同理与水资源、饮用水和瓶装水，分别代表了不同的市场形态。

从数据资产入表的角度看，企业首先需要在持有权层面确定其掌握的数据资源，数据资源本身不足以构成可入表的数据资产，只有经过处理成为数据以后才成为数据，从而具备入表的条件。进一步来说，企业还可以对数据进一步加工形成数据产品，同样可以成为入表的数据资产。根据《暂行规定》，形成为数据的数据资源可以作为无形资产入表，形成为数据产品的数据资源可以作为存货入表。

一、数据资产入表的主要步骤

上海数据交易所编制了《数据资产入表及估值实践与操作指南》，其中对数据资产入表给出了详尽的操作指南。不过，上海数据交易所在该指南中指出，“企业对数据资产认知有限、对数据资产形成路径理解不足、数据资产会计处理存在困难、企业数据资产披露规范和机制不明确、专业服务机构对数据资产认识和理解不足等是目前推进企业数据资产入表和估值的最大挑战”。实践中，确实有很多企业对数据资产入表比较困惑，持观望的态度，或者有入表的意愿但不知从何入手。

这是因为，数据资产入表实际上交织了会计问题和法律问题，看起来仅仅是会计动作的规范化，但实际上涉及到数字化转型、数据合规、数据资产化及证券化等多个方面。为了方便理解，我们从框架上先将其分为三个主要的步骤：合规、入表和增值。

第一是合规，主要是解决数据权属的潜在风险，确保数据持有不受挑战。

第二是入表，主要是按照《暂行规定》及相关企业会计准则进行会计核算。

第三是增值，主要是利用入表的数据资产开展融资、并购、证券化等活动。

严格意义上来说，这三个步骤扩大了数据资产入表的内涵，但不容忽视的是，数据资产入表并非一项孤立的会计活动，它应服务于企业经营活动和数据要素市场培育。通过全局性视角，更有助于掌握数据资产入表的方法论，找准数据资产入表的实践路径，顺利完成数据资产入表并促进企业获取数据要素价值。

二、数据资产入表的步骤详解

1. 开展数据资源盘点

需要注意的是，并非所有数据资源都可以入表，企业宜先进行数据资源盘点，摸清数据结构、数量、类型等情况，同时确定出可以入表的数据资源和不可以入表的数据资源。《暂行规定》确定了三类数据资源可以入表，按照企业会计准则相关规定可以确认为无形资产的数据资源，按照企业会计准则可以确认为存货的数据资源，企业合法拥有或控制的、预期会给企业带来经济利益的、但由于不满足企业会计准则相关资产确认条件而未确认为资产的数据资源。

根据《企业会计准则第1号——存货（2006）》的规定，存货是指企业在日常活动中持有以备出售的产生品或商品、处在生产过程中的在产品、在生产过程或提供劳务过程中耗用的材料和物料等。存货还需满足两个条件才能予以确认：①与该存货有关的经济利益很可能流入企业；②该存货的成本能够可靠地计量。

根据《企业会计准则第6号——无形资产（2006）》的规定，无形资产是指企业拥有或者控制的没有实物形态的可辨认非货币性资产。无形资产还需满足两个条件才能予以确认：①与该无形资产有关的经济利益很可能流入企业；②该无形资产的成本能够可靠地计量。

简单对比不难发现，数据资源作为存货入表，意味着其最终目的是为了出售，如数据交易等；而数据资源作为无形资产入表，意味着其最终目的是为了持续通过数据提供服务。从企业角度来看，数据资产入表的目的都是为了提升企业的市场价值，作为存货入表可能更关注的是短期价值，而作为无形资产入表则可能更为关注长期价值。相对而言，作为存货入表的合规要求更高，因为需要在数据交易中保证安全性及取得交易相对方的信任，同时数据交易过程中数据持有权发生了转移，如果合规链条不完整，有可能陷入非法提供个人信息甚至是侵害公民个人信息罪的刑事责任等风险。而作为无形资产入表的合规要求相对宽松，因为企业仍然掌握数据资源的持有权，能够有效控制数据。但是目前来看，理论与实践存在不一致的状况，前述两家规模最大的亿元级的数据资产入表，均列为“存货”。可见，数据资源作为存货入表还是作为无形资产入表并无绝对的优劣之分，实际上还是应该根据企业是否需要转移数据持有权来确定。如果数据持有权需要转移，则应以存货入表；如果持有权不需要转移，则应以无形资产入表。

2. 开展数据合规，可以在很大程度上支撑企业对数据资源的持有权

根据数据领域现行法律规定，主要从两个方面进行数据合规，《数据安全法》框架下的数据安全保护和《个人信息保护法》框架下的个人信息保护。此外，还需要注意数据的载体是网络设施，因此《网络安全法》相关合规工作也十分必要。

在《数据安全法》方面，合规的重点是识别重要数据，这在数据安全领域始终是较为困难的部分。根据《数据安全法》的规定，国家数据安全工作协调机制统筹协调有关部门制定重要数据目录，加强对重要数据的保护。鉴于目前为止尚无公开的重要数据目录，企业识别重要数据时，需要结合数据安全相关法律规定、标准指南、行业经验进行综合判断，往往需要引入第三方专业力量，融合内外部视角进行准确判断。

在《个人信息保护法》方面，合规的重点是确定个人信息处理的合法性基础，而这通常是个人信息合规的难点。根据《个人信息保护法》第十三条第一款的规定，合法性基础包括七类：

（1）取得个人的同意；

（2）为订立、履行个人作为一方当事人的合同所必需，或者按照依法制定的劳动规章制度和依法签订的集体合同实施人力资源管理所必需；

（3）为履行法定职责或者法定义务所必需；

（4）为应对突发公共卫生事件，或者紧急情况下为保护自然人的生命健康和财产安全所必需；

（5）为公共利益实施新闻报道、舆论监督等行为，在合理的范围内处理个人信息；

（6）依照《个人信息保护法》规定在合理的范围内处理个人自行公开或者其他已经合法公开的个人信息；

（7）法律、行政法规规定的其他情形。

拥有合法性基础是保证企业能够持有个人信息类的数据资源而不受挑战，合法性基础越坚实，受到挑战的可能性越小。从法律视角看，这七类合法性基础都可以适用于个人信息处理活动，但是其坚实性在实践中存在差别。通常认为，合意产生的坚实性更为牢固，因为通过合意能够明确获得相对人的意思表示，同时在产生权益纠纷时能够出示有效的证据，而单意则仅由企业一方根据法律条款作出判断，在缺乏足够权威的指导的情况下，对抗其他人权益主张的能力有限，证明难度也相对较高。七类合法性基础中只有“取得个人的同意”是具有合意的，而其他六项则缺乏合意的形式。因此，实践中的高标准合规都倾向于建立“取得个人的同意”的合法性基础。从数据资产入表的角度来看，如果需要更为坚实的合法性基础，确保企业持有的正当性、稳定性，也应以“取得个人的同意”作为合法性基础为宜。不过，对于公开数据而言，“取得个人的同意”十分困难。实践中，确定其合法性基础需要具体判断，考虑数据来源、获取方式、使用目的等因素，并结合业务场景作出相应认定。

在数据合规的基础上，企业可以考虑通过数据资产登记的方式进一步确权，以保证数据资产的稳定性。虽然数据资产登记在法律效力、覆盖范围等方面仍有一定的短板，但是从短期意义上来说，数据资产登记是数据要素市场化配置改革的“先手棋”，是推动数据要素市场发展的关键步骤。通过数据资产登记，可以更好地实现数据资产的商品化、市场化、要素化，释放数据要素的新价值。

3. 开展会计核算

根据《企业会计准则——基本准则》第二十一条规定，企业通过盘点、合规形成的数据资源，还必须同时满足两个条件，才可以确认为资产：①与该资源有关的经济利益很可能流入企业；②该资源的成本或者价值能够可靠地计量。《企业会计准则第1号——存货》和《企业会计准则第6号——无形资产》中对“存货”和“无形资产”都规定了这两个需要同时满足的条件。对于数据资源而言，需要确定数据能够产生的成本或者价值，同时需要量化地对这种价值或者成本进行计量。

（1）作为无形资产入表，需区分外购取得、内部开发、持有以提供服务三种情形：

①外购取得：企业通过外购方式取得确认为无形资产的数据资源，成本包括购买价款、相关税费，直接归属于该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。

②内部开发：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。开发阶段的支出，满足《企业会计准则第6号——无形资产》第九条规定的有关条件的，才能确认为无形资产。研究阶段的支出，应当于发生时计入当期损益。

《企业会计准则第6号——无形资产》

第九条 企业内部研究开发项目开发阶段的支出，同时满足下列条件的，才能确认为无形资产：

（一）完成该无形资产以使其能够使用或出售在技术上具有可行性；

（二）具有完成该无形资产并使用或出售的意图；

（三）无形资产产生经济利益的方式，包括能够证明运用该无形资产生产的产品存在市场或无形资产自身存在市场，无形资产将在内部使用的，应当证明其有用性；

（四）有足够的技术、财务资源和其他资源支持，以完成该无形资产的开发，并有能力使用或出售该无形资产；

（五）归属于该无形资产开发阶段的支出能够可靠地计量。

③持有以提供服务：企业在持有确认为无形资产的数据资源期间，利用数据资源对客户提供服务的，应当按照《企业会计准则第6号——无形资产》和《<企业会计准则第6号——无形资产>应用指南》等规定，将无形资产的摊销金额计入当期损益或相关资产成本。同时，企业应当按照《企业会计准则第14号——收入》等规定确认相关收入。

除了上述情形外，企业利用数据资源对客户提供服务的，应当按照《企业会计准则第14号——收入》等规定确定相关收入，符合有关条件的应当确认合同履约成本。

（2）作为存货入表，需区分外购取得、加工取得、出售等情形：

①外购取得：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。

②加工取得：企业通过数据加工取得确认为存货的数据资源，其成本包括采购成本，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。

③出售：企业出售确认为存货的数据资源，应当按照《企业会计准则第1号——存货》将其成本结转为当期损益。同时，企业应当按照《企业会计准则第14号——收入》等规定确认相关收入。

（3）披露相关会计信息

按照要求，企业应当按照相关企业会计准则及《暂行规定》等，在会计报表附注中对数据资源相关会计信息进行披露。

2023年10月，浙江省温州市大数据运营有限公司的数据产品“信贷数据宝”完成了数据资产确认登记。温州市财政局在通告中称，这是温州数据资产确认登记第一单，也是目前国内有公开报道的、财政指导企业数据资产入表第一单。据介绍，“信贷数据宝”是基于温州政务区块链的“数据资产云凭证”体系研发的数据产品。主要功能是通过个人或企业授权后，在确保隐私和数据安全的前提下，为金融机构提供信贷业务相关的数据服务，以此简化申贷材料和流程，提高授信审批效率和银行核查精准度。

“将数据主体授权信息‘上链’，形成数字资产‘云凭证’，这就有效解决了信息认证、存证、追踪、关联、回溯等方面繁琐性和风险性，实现信贷平均办理时间从之前的近10个工作日压缩到1-2个工作日。”温州市大数据运营有限公司总经理余仰望说。

据统计，自上线以来，“信贷数据宝”对接多家金融机构，共推出贷款产品42项，累计授信673亿元，用信182亿元，惠及用户15.2万。

数据产品：信贷数据宝

数据资产入表，是将企业内部的数据资源以资产的形式计入企业资产负债表中并进行会计处理的过程。随着我国数字经济发展，数据资源已逐渐成为企业的一项重要资产。因此需要将企业拥有或控制的数据资源以及与数据资源有关的交易和事项，包括数据收集、整理、加工、分析和应用等过程中产生的各项资产和负债均纳入财务报表的编报范围，进行相应的会计处理，从而更加真实地反映出企业财务状况、经营成果和现金流量情况。

一、数据资产入表政策背景

2023年8月21日，财政部发布《企业数据资源相关会计处理暂行规定》（财会〔2023〕11 号，以下简称《暂行规定》）首次明确了数据资源的适用范围、会计处理标准以及披露要求等内容，文件自2024年1月1日起开始实施。从企业视角来看，《暂行规定》首次从政策层面明确了数据资产的确认入表，一方面，使原来只能费用化处理的数据资源开发成本在满足一定条件后可以确认为资产，为报表使用者的决策提供有用信息；另一方面也有助于企业吸引外部融资、优化财务结构、提升公司价值。

表1-1 数据资产入表主要特点

二、数据资产入表流程

目前，企业数据资产入表流程可大致分为数据资产识别、数据资产确权登记、数据资产管理、数据资产价值评估、数据资产会计核算以及数据产品设计开发6个步骤。

图2-1 数据资产入表流程

2.1数据资产识别梳理

数据资产识别梳理是对数据资源进行盘点的过程。首先应对企业所拥有的各类数据资源进行全面的清查和统计，包括数据的种类、数量、质量、分布、使用情况等。其目的是了解企业真实的数据状况，确保数据的完整性和准确性；其次，根据盘点结果识别出具有价值的数据资源，为后续数据资源有效转化为数据资产打下基础。

结合目前实际情况，数据资源范围涵盖企业内部生成的数据、从外部获取的数据以及与企业业务运营相关的所有数据。根据数据的性质和使用方式不同，数据资源可分为原始数据、经加工处理后的数据和其他类型数据等。

表2-1 数据资源的分类

2.2数据资产确权登记

数据资产确权与登记是数据资源转化为数据资产的关键。数据确权关注数据资源的权利属性，在确保数据有序流通利用、保障数据安全、激励数据生产与供给等方面均会产生积极作用。2022年12月19日，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》（“数据二十条”），率先提出建立数据资源持有权、数据加工使用权、数据产品经营权等分置的产权运行机制，将产权分置作为数据确权的探索方向。

数据资产登记则更侧重于通过法律手段明确数据资源和产品的基本信息和权利归属。数据产权分置的实现需要以数据登记制度为支撑。通过登记和公示数据持有权的主体与客体、数据利用权的授权来源与权限，避免并行持有引发的数据流通和利用失控风险。

目前，已有部分省市及地方政府出台了关于数据资产登记有关的管理性文件，如济南市2021年发布的《济南市数据资源登记和流通试行办法》、广东省政务服务数据管理局2023年4月起草的《广东省数据资产合规登记规则（试行）（征求意见稿）》以及深圳市发改委2023年6月印发的《深圳市数据产权登记管理暂行办法》（深发改规〔2023〕5号）等。但全国层面统一的数据资产登记制度还尚未建立起来，统一且权威的数据登记平台、机构和服务体系也尚未形成。因此，数据资产登记作为一项复杂的系统工程，在经验积累和技术进步的基础上，还应从数据登记对象、登记内容、登记效力、登记技术规范等方面不断完善。

2.3数据资产管理

确权环节后，需要对数据资产进行统筹管理。数据资产管理是一套体系、政策、标准和流程的集合，旨在提高数据质量、促进数据标准一致、加强数据安全和隐私保护。企业通过建立相对完善的数据治理和管理体系，可以有效提高决策效能、提升数据资产价值，为后续会计计量和披露提供有力支撑。

数据资产管理流程一般包括数据治理组织的建立、数据管理制度的建设、数据治理工具的应用以及数据治理过程等关键步骤。建立专门的数据治理组织是数据资产管理的首要任务。数据治理组织主要负责制定数据治理策略、监督执行情况，协调各相关部门之间的数据管理工作，从而有效承接与推动数据资源入表。其次，数据资产管理应以制度建设为基础，包括制定数据管理制度、数据安全制度、数据质量标准等，来为数据的使用、存储、共享和保护提供明确规范和指导，确保企业可以按照既定规则和流程进行数据资产管理。除了组织建立和制度建设外，随着企业业务场景的不断丰富，数据量以及复杂程度的不断增加，企业还有必要加强先进数据治理工具的使用，以自动化手段更好的满足监控和管理数据资产的现实需求。最后，企业应将数据治理融入到数据收集、清洗、存储、加工、分析等多个细分环节，持续推进数据治理活动，确保数据的准确性和完整性，以实现数据资产价值的有效提升。

2.4数据资产价值评估

数据资产还需要在充分考虑影响其价值的各项因素基础上，对资产价值进行有效衡量与评估。相较于传统资产来说，数据资产具有数据种类多样、价值易变、更加丰富的潜在应用场景等特点，因此其价值评估维度也应该是多元的。目前不同机构和学者对于数据资产的价值影响因素持有不同观点。中国资产评估协会于2019年发布的《资产评估专家指引第9号——数据资产评估》（中评协〔2019〕40号），认为数据资产的价值影响因素包括技术因素、数据容量、数据价值密度、数据应用的商业模式和其他因素。其中技术因素通常包括数据获取、数据存储、数据加工、数据挖掘、数据保护、数据共享等。而在中国信通院撰写的《数据资产化：数据资产确认与会计计量研究报告（2020年）》中，认为数据资产的价值影响因素可以划分为数量、质量、应用和风险四个维度，数据的数量和质量是构成数据资产价值的基础因素。

表2-2 数据价值的影响因素解析

企业在综合各项可能影响数据资产价值的因素后，应借助有效的评估方法对资产价值进行评定，为后续数据产品化、服务化定价提供有效参考。根据中评协〔2019〕40号文，目前评估方法主要包括成本法、收益法和市场法三种基本方法及其衍生方法，每种方法都有其适用性及使用前提。现阶段，数据资产还需要结合具体案例中资产的特性合理选择估值方法。

表2-3 常用数据资产评估方法比较

2.5数据资产会计核算

数据资产会计核算主要涵盖了数据资产的确认、初始计量、后续计量以及数据资产的列报与披露等关键环节。

2.5.1数据资产确认

数据资产的会计确认，即明确哪些数据资源可以推进入表以及这些数据资源归属于什么会计科目。从《暂行规定》的适用范围看，两种类型的数据资源可以推进入表，第一种是满足资产确认条件，可以确认为无形资产或存货的数据资源；第二种是虽然不满足资产确认条件，但由企业拥有或控制、预期能给企业带来经济利益流入的数据资源，可以在企业财务报告中予以披露。即“入表”的数据资源至少应满足以下4个条件：（1）由企业过去的购买、生产、建设行为或其他交易事项形成；（2）由企业拥有或控制；（3）成本或价值可靠地计量；（4）预期会给企业带来经济利益的流入。

对于确认入表的数据资源，按照企业会计准则分别确认为无形资产和存货两个会计科目。

2.5.2数据资产计量

数据资产的计量包括数据资产的初始计量和后续计量。初始计量是针对已经确认会计科目的数据资产，其价值数量首次进行的衡量和确认，主要包括成本归集、收入与成本匹配、按成本进行初始计量列示三步。在数据资产的初始计量中，其成本计量原则有历史成本、重置成本、可变现净值、公允价值和现值等，遵循哪种原则是数据资产定价问题的核心。参照其他类型资产，数据资产在计量中应首先遵循历史成本，在此后的会计评估中遵循公允价值计量原则。

后续计量则是针对数据资产在初始计量后出现增加或减少的变动进行再计量。对于作用于当期即将终结的数据资产，经评估后应以账面净值计入当期费用，从数据资产账户转入有关费用账户。

根据《暂行规定》的相关要求，对于计入“无形资产”科目的数据资源依数据获取方式的不同，在会计确认时可将数据资产分为“外部获取”和“内部产生”两类。外部获取的数据资源确认为无形资产的，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。内部产生的数据资源由于不存在活跃的交易市场，不符合公允价值计量模式，因此可按为达到预定用途发生的实际合理、必要支出进行确认。

并且，内部产生的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。研究阶段的支出，由于数据获取和处理的难度，研究价值具有不确定性和高风险特点，或较难形成数据资产，应对其进行费用化处理，于发生时计入当期损益。开发阶段的支出，由于数据可以带来经济效益并具有高度确认性，有较大可能会形成数据资产，因此对满足资本化的部分确认为数据资源无形资产，不满足的部分费用化计入当期损益。

此外，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。

对于计入“存货”科目的数据资源，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，其成本包括采购成本，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。

2.5.3数据资产列报

数据资产的列报是指在企业资产负债表中对数据资产情况进行列报。企业在编制资产负债表时，应当根据重要性原则并结合本企业的实际情况，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；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；在“开发支出”项目下增设“数据资源”项目，反映资产负债表日正在进行数据资源研究开发项目满足资本化条件的支出金额。

2.5.4数据资产披露

数据资产披露是指在企业财务报表附注中对数据资产的具体情况和必要说明进行详细披露。对于确认为无形资产的数据资源，企业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。对于使用寿命有限的数据资源无形资产，企业应当披露其使用寿命的估计情况及摊销方法；对于使用寿命不确定的数据资源无形资产，企业应当披露其账面价值及使用寿命不确定的判断依据。

确认为存货的数据资源，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。同时，应当披露确定发出数据资源存货成本所采用的方法、数据资源存货可变现净值的确定依据、存货跌价准备的计提方法、当期计提的存货跌价准备的金额、当期转回的存货跌价准备的金额，以及计提和转回的有关情况。

2.6数据产品设计开发

数据资产入表后的产品开发阶段，是将数据资产转化为具体的产品功能和服务，以满足市场和用户需求。首先，需要明确目标用户及其需求，包括了解用户所涉及的业务场景、痛点以及如何通过数据资产的使用来优化或改进其业务流程。产品设计开发阶段，企业一方面应基于用户需求设计相应的数据产品；另一方面，在产品设计时还应考虑数据资产的价值输出，即思考如何通过数据产品化实现数据资产商业价值。除上述两点外，在产品设计开发的过程中还应不断进行数据资产的管理和优化，确保数据资产能够在不同应用场景中发挥更大价值。

数据产品开发完成后，需要在实际业务环境中部署并监控产品性能，调整产品功能以适应实际使用情况，通过收集反馈意见进一步优化产品。并且在整个产品开发和部署过程中，需要对潜在风险进行评估和管理，同时根据数据产品在实际应用中的表现进行后续的计量和价值评估，确保数据产品的有效开发和利用。最后综合上述开发要点，使企业真正地将数据资产转化为具有商业价值的产品，帮助自身提升市场竞争力、提高市场份额。

数据资产入表案例

抱歉，我无法提供具体的货代公司卖得最好的数据产品信息，因为这些细节通常受公司隐私和市场竞争力影响，不公开且不断变化。货代公司可能提供的数据产品包括运输路线优化、货运追踪、市场趋势分析、客户行为数据、供应链绩效指标等，以帮助他们提高效率、降低成本、增强客户服务或做决策支持。

如果你对数据资产入表的一般概念或者如何将数据转化为有价值的产品进行销售感兴趣，我可以分享一些通用的做法：

1. 数据清洗与整合：确保数据准确无误，便于分析。
2. 产品化：将数据转化为易于理解和使用的报告、仪表板、API或软件工具。
3. 解释性：提供数据驱动的故事，帮助企业用户理解数据背后的商业价值。
4. 定制化：根据客户需求提供定制的数据解决方案。
5. 培训和支持：为用户提供使用数据产品的培训，确保他们能有效利用数据。

要了解更多具体案例或参考资料，建议查阅行业报告、专业文章或者咨询相关领域的市场专家。

在货代行业中，最常见的数据产品可能包括货运数据、物流跟踪信息、市场分析报告、贸易数据和供应链管理解决方案等。这些数据产品通常会被以下几个方面的人或企业购买：

1. **货代公司**：他们可能会购买这类数据来优化内部运营，提升效率，比如通过实时跟踪货物位置来改善客户服务，或者通过市场报告了解行业动态以制定战略。

2. **物流公司和运输公司**：他们可能需要共享或获取这些数据，以便更好地协同工作，减少延误，提高整体物流网络的效率。

3. **客户（出口商和进口商）**：对于货代服务的终端用户，他们可能关心货物的运输进度和到达时间，因此也会对这类数据感兴趣，用于计划和监控供应链。

4. **金融机构**：银行和金融机构可能会关注货代行业的信用风险评估，利用这些数据进行贷款审批或贸易融资决策。

5. **研究机构和咨询公司**：他们可能购买此类数据进行行业研究，撰写报告，为客户提供市场洞察和策略建议。

6. **监管机构**：政府监管机构可能需要这类数据来进行行业监督，确保合规性和透明度。

参考资料可能包括货代行业报告、市场研究报告、专业博客文章以及行业会议的演讲资料。但请注意，具体的数据产品和使用情况会因不同的货代公司、地区和市场需求而有所差异。

在货代公司中，最常见的数据产品可能包括货运数据、物流追踪信息、客户关系管理(CRM)数据、港口和仓库操作数据、价格和费率信息、贸易文档（如提单、发票等）、以及供应链绩效指标等。这些数据对于优化运营、提高效率、跟踪货物位置、分析市场趋势以及提供客户服务至关重要。

1. 货运数据：记录货物的详细信息，如货物类型、重量、体积、出发地和目的地等。
2. 物流追踪信息：实时更新的运输状态，帮助跟踪货物从发货到收货的全过程。
3. 客户关系管理(CRM)数据：关于客户联系信息、交易历史和偏好等，用于个性化服务和维护客户关系。
4. 港口和仓库数据：存储装卸货、库存管理和库存水平等信息。
5. 价格和费率信息：报价、合同条款和条件等，有助于定价策略和成本控制。
6. 贸易文档：电子化的文件，如提单、发票、装箱单等，支持合规性和审计要求。
7. 供应链绩效指标：如交货时间、准时率、损失率等，用于衡量业务表现和持续改进。

参考资料：
– “货代行业的数据管理与应用” – 专业文章或报告，如物流管理期刊或行业咨询公司的研究报告。
– “货代公司数字化转型中的数据资产管理” – 研究论文或案例分析。
– “货代信息化系统的需求与实践” – 行业研讨会或技术论坛分享。

是的，在进行数据资产入表的过程中，数据治理通常是必不可少的步骤。数据治理有助于确保数据的质量、一致性、安全性和可用性，这对于将数据有效地转化为有价值的业务资产至关重要。数据治理包括数据质量管理、数据标准定义、数据权限管理以及数据生命周期管理等多个方面。

在进行数据资产入表时，数据治理可以提升数据的可信度，使得企业在决策时能依赖准确、可靠的依据。以下是一些参考资料，供您参考：

1. “Data Governance for Dummies” by John A. DeLozier and Laura Overholt: 这本书提供了关于数据治理实践和入表流程的实用指导。
2. “The Data Asset Playbook: How to Monetize Your Company’s Most Valuable Resource” by David L. Poole: 这本书探讨了如何通过有效的数据治理实现数据资产的价值。
3. “Data Management Body of Knowledge (DMBOK)” by The Data Management Association (TDMA): 官方的行业指南，详细说明了数据治理在整个数据管理过程中的角色。

请注意，这些资料可能需要订阅或购买才能获取完整内容。

在为快递公司提供风险评估服务时，数据资产入表的计算指标可能涉及多个方面，以全面反映业务运营、客户行为、市场环境等多维度的风险。以下是一些可能的指标定义：

1. **延迟率**：衡量包裹送达时间超出预定期限的比例，反映了配送效率和准时性。

2. **丢件率**：记录丢失或未送达的包裹数量占总包裹量的比例，衡量服务质量。

3. **退货率**：统计因客户不满而产生的退货数量，反映产品质量控制和客户服务。

4. **投诉量**：收集关于服务、价格、包裹损坏等方面的客户投诉，用于识别问题热点。

5. **成本效益比**：分析每单业务的收入与成本之间的关系，以评估运营效率。

6. **客户满意度**：通过调查或数据分析得出的客户对服务的整体满意度评分。

7. **市场渗透率**：比较公司在目标市场的份额，了解竞争地位和增长潜力。

8. **供应链稳定性**：评估供应商可靠性、物流网络的冗余度等，确保业务连续性。

9. **法规遵从性**：检查公司是否符合相关的快递法规和政策，降低法律风险。

10. **技术故障次数**：监控系统故障和数据丢失事件，评估技术风险。

这些指标可以根据具体业务需求进行调整和定制。参考资料可能包括行业报告、风险管理书籍、专业咨询公司的研究，以及内部运营数据和外部公开数据源。但请注意，实际应用中需要结合公司实际情况和保密条款来处理数据。

在快递公司提供风险评估服务产品时，数据资产入表的计算逻辑通常会涉及以下几个步骤和关键指标：

1. 数据收集：首先，需要收集与快递业务相关的各种数据，包括但不限于客户信息（如地址、历史订单、投诉记录）、包裹追踪数据、运输路线、天气状况、配送效率、行业竞争情况等。

2. 数据清洗与整合：对收集到的数据进行清洗，去除重复、错误或不完整的部分，确保数据质量。将不同来源的数据源进行整合，以便于后续分析。

3. 风险指标定义：确定风险因素，例如准时送达率、包裹丢失率、客户满意度、异常事件发生频率（如延误、损坏）等。这些指标可以量化风险程度。

4. 建立模型：利用统计学方法（如回归分析、时间序列分析、机器学习算法等）建立风险评估模型，这些模型可能考虑历史趋势、季节性变化、特定事件的影响等因素。

5. 计算权重：根据业务重要性和影响程度，为每个风险指标赋予相应的权重，以反映其在整体风险评估中的影响。

6. 实时更新：定期更新数据并重新计算，因为快递行业的动态变化可能导致风险状况发生变化。

7. 结果呈现：生成可视化报告或仪表板，清晰地展示各项风险指标及其得分，帮助企业决策者快速理解当前的风险状况并制定相应的策略。

请注意，实际的计算逻辑可能会根据公司的具体需求和所用技术的不同而有所差异。没有特定的参考资料可以直接提供，但以上步骤是一个通用的风险评估框架。如果需要更深入的技术细节，建议咨询数据科学家或相关领域的专业人士。

在构建数据资产入表的过程中，快递公司可以开发多种数据产品，这些产品通常基于其运营数据、客户信息、物流追踪数据等。以下是几种可能的数据产品及其潜在买家：

1. **物流数据分析报告**：快递公司可以提供实时或历史的物流追踪数据，包括包裹送达时间、路线分析、延误原因等，帮助电商平台、商家优化供应链管理，或者为客户提供更透明的服务。买家可能包括电商平台、物流公司、零售商以及消费者。

2. **市场洞察报告**：通过分析用户消费行为、配送区域和季节性趋势，快递公司可以为广告商、市场研究机构提供精准的市场分析数据，帮助他们制定营销策略。

3. **客户行为数据**：对于电商和零售商，快递公司可以提供关于客户购买习惯、退货率等信息，帮助他们提升用户体验和优化商品推荐。

4. **风险评估服务**：基于历史数据，快递公司可以提供欺诈检测、信用评分等服务，帮助企业识别潜在的风险，保护自身利益。

5. **智能预测模型**：通过机器学习和数据分析，快递公司可以提供包裹量预测、需求预测等服务，帮助物流公司调整运力和资源分配。

6. **API接口**：开放数据API，让第三方开发者能够接入数据，开发出如快递查询、物流可视化等应用，扩大数据价值。

7. **数据分析咨询服务**：直接面向企业提供定制化的数据分析解决方案，帮助企业挖掘数据价值，提高运营效率。

这些数据产品主要销售给企业客户，包括电商平台、零售商、物流公司、金融机构等，同时也可能通过B2B市场或直接与合作伙伴共享。在推广时，需要确保遵守相关法律法规，保护用户隐私。

在构建货运分析报告的数据产品时，货代公司可能会涉及以下类型的数据来入表：

1. **客户信息**：包括客户名称、地址、联系方式、交易历史等，用于了解客户行为和偏好。
2. **货物信息**：货物的种类、重量、体积、目的地、起始地、运输方式（海运、空运、陆运等）、订单编号等。
3. **运输合同**：合同条款、费用、起始日期和预计到达日期等，用于跟踪运输状态和计算成本效益。
4. **物流追踪数据**：运输过程中的实时位置、运输时间、仓储信息等，有助于监控物流进度。
5. **价格和市场数据**：行业费率、汇率、燃油价格、关税等，影响运输成本的外部因素。
6. **服务质量数据**：客户满意度评价、投诉记录等，反映公司服务质量和改进空间。
7. **运营数据**：员工效率、设备使用情况、仓库利用率等内部运营指标。

对于计算部分，可能涉及以下步骤：

– **数据分析**：清洗和整理数据，处理缺失值、异常值，进行数据标准化或归一化。
– **描述性统计**：计算平均值、中位数、标准差等，以了解数据分布和集中趋势。
– **趋势分析**：通过时间序列分析货物量、收入等随时间的变化，识别季节性和周期性模式。
– **预测模型**：利用历史数据建立预测模型（如线性回归、ARIMA、机器学习模型），预测未来货运量、成本等。
– **绩效指标**：计算关键绩效指标（KPIs），如运输准时率、成本利润率、客户满意度指数等。
– **业务洞察**：基于数据分析结果，提供决策支持，优化运输路线、降低成本、提升服务质量。

参考资料可能包括：
– “货运数据分析与管理”的专业书籍
– 行业报告（如Freightos Freight Pulse, DHL Global Trade Atlas等）
– 数据分析工具教程（如Excel、Python的pandas库、SQL等）
– 专业数据科学和商业智能课程资料

请注意，实际操作时需要根据公司具体情况调整数据收集和分析策略。

货代公司拥有丰富的数据资源，包括但不限于货物信息、运输路线、价格、时间、客户信息等。这些数据经过分析和整理后，可以转化为多种有价值的对外数据产品，帮助企业提升效率、优化服务和增加收入。以下是一些可能的数据产品及其制作方法：

1. **货运分析报告**：对历史运输数据进行统计分析，提供关于运输时效、成本、最受欢迎的航线和港口等信息，帮助货主了解市场动态和优化决策。

2. **客户洞察**：通过挖掘客户行为数据，如交易频率、偏好、信用评级等，为货主提供定制化的服务推荐，提高客户满意度和忠诚度。

3. **市场趋势预测**：基于历史数据和行业数据，构建预测模型，为货代公司和客户提供未来货运需求、价格波动等预测，支持业务规划。

4. **供应链优化工具**：整合物流、库存和订单数据，提供实时监控和优化建议，帮助客户更有效地管理供应链。

5. **可视化仪表盘**：创建交互式的数据可视化图表，直观展示关键指标，如货物处理速度、延误率等，便于管理层快速理解和决策。

6. **API或数据服务**：开发数据接口，让第三方应用或平台能够访问和集成这些数据，创造更多的商业价值。

为了实现这些产品，你需要遵循以下步骤：

– 数据收集：整理货代公司的内部系统数据，确保数据的准确性、完整性和时效性。
– 数据清洗与预处理：去除重复、缺失和错误的数据，进行标准化处理。
– 数据分析：使用统计分析、机器学习等方法挖掘数据中的价值。
– 产品设计：根据目标用户的需求定义数据产品的功能和格式。
– 制作与测试：利用数据可视化工具和编程语言（如Python、R或SQL）制作数据产品，并进行内部测试。
– 发布与维护：发布数据产品，持续收集用户反馈，更新和优化产品。

参考资料：
1. “Data-Driven Decision Making in the Freight Industry” – McKinsey & Company
2. “Using Data to Improve Logistics and Supply Chain Management” – Supply Chain Dive
3. “Creating Value from Your Supply Chain Data” – Harvard Business Review
4. “Data Analytics for Freight Forwarders: A Practical Guide” – TradeLens whitepaper (IBM)