资产入表中的高价值数据资产探讨
高价值的数据资产类型
数据资产入表的作用
数据资产入表的挑战与应对
01
—
高价值的数据资产类型
一、用户数据
用户数据作为高价值数据资产，在企业发展中起着至关重要的作用。用户基本信息，如姓名、性别、年龄等人口统计学特征，能帮助企业构建精准的用户画像。以电商平台为例，通过分析用户的年龄、性别等信息，可以为不同年龄段、不同性别的用户推送个性化的商品推荐，提高推荐的转化率。据统计，精准的用户画像可使商品推荐的点击率提升 30% 以上。
用户行为数据，包括浏览、搜索、点击、购买等轨迹，能让企业洞察用户习惯和需求。例如，新闻 APP 通过分析用户的浏览、点击行为，增加特定新闻话题的推送频次，提升用户使用时长和活跃度。有数据显示，根据用户行为数据进行个性化推送后，用户的平均使用时长可增加 20%。
二、交易数据
交易数据在企业运营中不可或缺。销售数据，如销售订单、销售额等，可帮助企业把握市场走向、评估营销效果。服装品牌通过分析不同款式服装的销量数据，及时下架滞销款、追加热销款备货，提高存货周转率。数据显示，合理调整库存可使存货周转率提升 25%。
采购数据能优化供应链、控制成本。制造企业通过分析原材料采购数据，根据价格走势和供需预测实施阶段性采购和集中采购，降低采购成本。零售企业通过分析供应商绩效数据，建立稳定可靠的供应商体系。
物流数据可提升配送效率、优化库存管理。电商企业通过分析用户订单的配送数据，优化配送路线和时段，降低物流成本。生鲜电商平台通过分析库存数据和保质期数据，实现智能补货和库存预警，减少生鲜商品损耗。据统计，优化物流管理可使物流成本降低 15%。
三、业务数据
业务数据对企业日常运营价值巨大。产品数据能指导产品优化和创新。手机制造商通过收集用户对手机功能的评分数据，强化优势功能、改进弱项功能，提升产品竞争力。乳制品企业通过分析质检数据，保障食品安全。
库存数据可合理配置资源。超市通过分析商品库存周转数据，对不同商品实施差异化补货策略，盘活存货资金。工业品制造商通过分析原材料和在产品库存数据，优化生产计划和采购计划，实现精益生产。
营销数据有助于评估营销效果、提升品牌影响力。快消品牌通过对比不同促销方案的销售数据，制定高效促销策略。汽车品牌通过关联分析广告投放数据和销量数据，优化广告投放策略。
四、财务数据
财务数据是反映企业财务状况和经营成果的关键。资产负债数据，如现金、应收账款等，可评估企业偿债能力、营运能力等。分析应收账款周转率能评估企业收款能力和坏账风险，存货周转率可评价企业存货管理效率和跌价风险，资产负债率能评估企业财务杠杆水平和风险。
现金流数据把控企业现金周转、评估盈利质量和成长性。分析经营活动现金流、投资活动现金流等，可了解企业现金来源和支出情况。例如，良好的经营活动现金流能为企业提供稳定的资金支持，确保企业的持续发展。
当然这些高价值的数据资产存在大量的企业敏感信息，在入表后，进行数据交易时，需要通过脱敏，隐私计算，数据沙箱或者数据空间的方式对其进行数据合规化处理，保障数据安全。
02
—
数据资产入表的目的
数据资产入表的三个目的一般有三种目的：改善财务报表、融资贷款、 数据交易，目前数据资产是指企业或者组织单位拥有数据资产，而非个人拥有数据资产。
一、改善财务报表
数据资产入表有助于改善企业的财务报表。一方面，将数据资产确认为企业资产负债表中的资产，可以增加企业的总资产规模。例如，德生科技在互动平台表示，若公司的数据要素能有效并表，将提升和优化公司财务报表结构。另一方面，数据资产入表可以降低资产负债率。对于报表使用者，尤其是外部使用者如投资人、潜在投资者来说，可以从报表中清晰地看到企业有哪些表内的数据资产以及账面价值，对企业整体面貌有更清晰的认识。同时，随着更多的数据资源入表，带来净资产的增厚，资产负债结构得到进一步优化，利润端也能实现利润的增厚，对整个企业的报表结构以及盈利能力都有积极作用。
作用对象：上市企业或者国资企业
二、融资贷款
数据资产入表可以为企业融资贷款提供便利。一是可以以数据资产作质押获得融资。虽然数据资产作为质押品面临一些困难，如数据资产的所有权和使用权在质押后可能无法完全转移，但多地数据资产质押融资 “首单” 相继落地，如深圳优钱信息技术有限公司以其持有的数据知识产权向交通银行深圳分行申请融资，成功获得 1000 万元贷款。二是数据资产入表后，不仅可以明显提升企业规模，还会对企业信用评级、融资能力起到促进作用，尤其是有助于企业在资本市场上获得更多融资机会。例如，温州市大数据运营有限公司的 “信贷数据宝” 获得了 378 万元信贷支持，接近资产 “入表” 价值的 4 倍。
作用对象：私营企业（上市或者未上市）以及国资企业
三、数据交易
数据资产入表可以更高效地完成数据资产交易。数据交易是数据资产价值变现的直接途径之一，买卖双方之间需要确定数据资产的交易价值。当下全国有近 60 家数据交易所，都可进行数据资产的交易。数据资产入表后，可以更准确地计量数据资源价值，为数据资产交易提供更明确的价值参考。同时，入表之后可以更高效地完成数据资产出资、数据资产抵押等行为。例如，海新域城市更新集团在北京国际大数据交易所完成智慧园区能源能耗数据集和智慧园区停车统筹数据集两项数据集登记，并完成数据资产入表。数据入表后，高价值数据资产可在市场上提供给其他企业，为其研发、生产、销售等提供数据支持。
基于不同目的的情况下，数据资产入表流程上的区别主要是数据估值方法不一样，为了改善财务报表，数据资产入表的时候资产评估一般采用成本法的方式，而为了融资贷款或者数据交易时，则一般采用成本法、市场法、收益法多种方式进行评估。
03
—
数据资产入表的挑战和应对
一、价值评估难题
1、高估情况：
过于乐观的收益预测：对未来市场需求和数据应用场景过于乐观的预测，可能会导致预期收益过高，从而高估数据资产的价值。例如，一些新兴的科技企业在评估其大数据平台价值时，可能会过度依赖行业的高速发展趋势，而未充分考虑市场竞争和技术替代的可能性，导致高估数据资产的价值。
忽视市场和技术风险：未能充分考虑市场变化、技术替代和其他潜在风险，可能导致收益预测过高，从而高估数据资产的价值。例如，某公司在评估其数据资产时，未考虑到竞争对手可能推出更先进的技术，从而降低其数据资产的价值。
折现率设置过低：使用过低的折现率会增加未来收益的现值，从而高估数据资产的价值。例如，一家企业在评估未来十年的数据资产收益时，使用了过低的折现率，导致其未来收益现值被高估。
2、低估情况：
保守的收益预测：对未来收益的预测过于保守，未能充分考虑潜在的市场机会，可能会低估数据资产的实际价值。例如，某公司在预测其数据服务平台未来收益时，过于保守地估计了市场增长率，未能反映出数据服务的巨大潜力。
未充分考虑数据的长期价值：如果只关注数据的当前生成成本，而未能看到其长期使用和再利用的潜力，可能会低估其实际价值。例如某数据在未来能够用于多种应用场景，如预测分析、市场研究等，但在评估时只考虑了其初始生成成本，导致低估其潜在价值。
忽略数据的增值潜力：数据通过进一步分析和挖掘可以创造额外的价值。如果未能充分考虑这些增值潜力，可能会低估数据的实际价值。例如一个原始数据，通过先进的数据挖掘技术，可以产生有价值的商业价值，但这些潜在收益未被纳入评估中。
二、应对挑战的方法
1、合理选择评估方法：
成本法：以重置该项数据资产所发生的成本作为确定评估对象价值的基础并对重置成本的价值进行调整以此确定评估对象价值。根据数据资产形成的全部投入，分析数据资产价值与成本的相关程度，考虑成本法的适用性。
收益法：通过测算该项数据资产所产生的未来预期收益并折算成现值，进而确定被评估数据资产的价值。在获取数据资产质量评价等相关信息的基础上，根据该数据资产的历史应用情况及未来应用前景，结合数据资产应用或者拟应用企业经营状况，重点分析数据资产经济收益的可预测性，考虑收益法的适用性。
市场法：在具有公开并活跃的交易市场的前提下，选取近期或往期成交的类似参照系价格作为参考，并修正有特异性、个性化的因素，从而得到估值。
2、建立多维度动态评估框架：
针对数据资产化过程，对不同阶段的资产评估方法路径选择进行分析。在数据获取和数据管理阶段，评估主要是为了满足内部数据管理和会计核算的需求，评估的重点在于数据成本、数据质量。而在数据应用阶段，数据资产开始产生经济价值，因此首要评估资产的预期收益，重点考虑不同商业模式下的资产价值。
当市场信息不充分时，若采用协议定价、博弈竞价等交易方式，预期收益仍是重点考量的因素。一旦市场发育成熟，数据资产估值重点在对交易价格的评估，可通过市场上的可比交易实例来进行修正。当市场出现大量交易数据可用，结合神经网络等人工智能技术，可以构建高预测精度的数据资产交易价格预测模型，为数据资产交易提供更精确的价值参考。
三、数据资产入表的案例与启示
（一）温州数据资产入表案例
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，成为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。“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，主要为金融机构提供信贷业务相关的数据服务。自上线以来，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。
（二）桐乡数据资产入表案例
2024 年 1 月，全国首单工业互联网数据资产化案例在浙江省桐乡市落地。浙江五疆科技发展有限公司作为桐乡市数据资本化先行先试企业，其试点形成的数据资产是 “化纤制造质量分析数据资产”。该资产包含了 2787 万条质量管理数据，27 个数据模型和 38 类指标体系。使用该系统后，公司的质量管理效率和管理水平持续提升，质量成本年下降约 6.81％，客诉率年下降约 35.72％。
（三）案例启示
这些成功案例为企业提供了以下启示：
1、创新技术应用：温州利用政务区块链技术，桐乡借助工业互联网，实现了数据资产的高效管理和价值挖掘。企业应积极探索新技术在数据资产领域的应用，提升数据资产的质量和价值。
2、明确数据资产价值：通过对数据的清洗、加工和分析，形成具有实际应用价值的数据资产。企业要深入挖掘自身数据资源的潜力，明确数据资产的价值所在。
3、加强合作与交流：案例中的企业与多方合作，共同推动数据资产入表工作。企业积极与政府、金融机构、数据交易中心等合作，共同探索数据资产化的路径。
4、注重数据安全与合规：在数据资产入表过程中，要确保数据的安全和合规。企业应建立健全数据安全管理制度，遵守相关法律法规，保障数据资产的合法权益。
数据资产入表在数字经济的发展浪潮中具有不可忽视的重要性。随着技术的持续进步和数字经济的不断深化，高价值数据资产无疑将成为企业在市场竞争中的关键利器。
从发展前景来看，一方面，数字经济的蓬勃发展将促使更多企业认识到数据资产的价值。正如近年来我国数字基础设施规模显著提升，数字技术和产业体系日益成熟，各行各业积累的数据量呈爆炸式增长。在这样的大背景下，企业对数据资产的管理和利用需求将愈发强烈。数据资产入表不仅能够准确反映企业的真实价值，还能为企业的战略决策提供有力依据。
另一方面，政策的持续支持也将为数据资产入表提供坚实保障。国家陆续出台了一系列关于数据资产的政策措施，如《企业数据资源相关会计处理暂行规定》《“数据要素 ×” 三年行动计划（2024—2026 年）》等，这些政策的实施将进一步推动数据资产入表的规范化和标准化。同时，政府部门也在积极探索从 “土地财政” 向 “数据财政” 的转型，这将为企业的数据资产入表创造更加有利的政策环境。
然而，高价值数据资产在为企业带来机遇的同时，也带来了一系列挑战。首先，数据安全和隐私保护问题将更加突出。随着数据资产的价值不断提升，黑客攻击、数据泄露等风险也将随之增加。企业需要加大在数据安全防护方面的投入，建立健全数据安全管理制度，确保数据资产的安全。其次，数据资产的价值评估仍然存在一定难度。由于数据资产的特殊性，其价值评估方法尚未完全成熟，不同评估方法可能会得出不同的结果。企业需要不断探索更加科学合理的价值评估方法，以准确反映数据资产的真实价值。
总之，数据资产入表是数字经济时代的必然趋势，高价值数据资产将为企业带来更多机遇和挑战。企业应积极应对挑战，充分发挥数据资产的价值，在数字经济的浪潮中实现可持续发展。
欢迎加入【数据行业交流群】社群，长按以下二维码加入专业微信群，商务合作加微信备注商务合作，AIGC应用开发交流入群备注AIGC应用
往期数据平台历史热门文章：
基于DataOps的数据开发治理：实现数据流程的自动化和规范化
往期AIGC历史热门文章：
往期数据资产入表历史热门文章：
原文作者：Ruby的数据漫谈；如有侵权，请联系管理员删除。
