随着数据化和产业化步伐的加快，地方政府的债务化解进程也在提速，国有企业在生存与发展上面临艰难的选择。要通过回归实体经济突破地方发展的瓶颈，关键在于能否充分利用当地的资源和资产。简单来说，条件已经存在，能否有效利用、如何利用以及利用到什么程度是关键所在。
2022年初，国务院发布了《“十四五”数字经济发展规划》，强调大力推进产业数字化转型，加快企业数字化升级，全面深化重点产业的数字化转型。
2023年12月31日，财政部发布了《关于加强数据资产管理的指导意见》（财资〔2023〕141号文）（以下简称《指导意见》），数据资产再度成为焦点。作为现代经济社会数字化转型中的新兴资产类型，数据资产正逐步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。
2024年1月，国务院国资委召开了中央企业和地方国资委的考核分配工作会议，指出各中央企业要更加注重精准有效的考核，推动“一企一策”考核全面实施，并全面推进上市公司市值管理考核。近期，多家央企控股的上市公司也宣布将市值管理指标纳入管理层业绩考核，这表明新的考核要求正在加速落实。
地方国有企业的数据资产，是指由地方国有企业拥有或控制的，经过必要的加工、整合和处理后，预期能够带来直接或间接经济利益的、可利用和可辨认的数据资源。
数据资产化将成为推动地方国企发展的重要机遇，为地方国企资源资产的壮大和担保能力的提升提供可靠路径。同时，利用优质数据资产发展新质生产力也是激发地方产业活力的重要尝试。
本文将围绕数据资产化的总体实施路径，重点阐述数据资产确权的关键环节与实践经验，为业界提供一些思路与建议。
数据资产化是一个分阶段进行的过程，主要包括资源化、资产化和资本化三个阶段。
在资源化阶段，关键任务包括数据的确权和治理。数据确权的目的是明确数据的所有权归属以及相关方的权利和义务，而数据治理涉及到对数据进行全生命周期的管理，确保数据质量的优良。只有完成确权和治理，数据才能被有效利用作为资源。
进入资产化阶段，数据资源会被转化为数据产品，并对这些产品进行估值。数据产品化主要是通过处理和标准化包装，把数据转换成可交易的商品形式；估值则可能采用成本法、收益法、市场法等传统估值技术来为数据产品设定价格。
在资本化阶段，数据产品被引入金融体系，并设计相应的金融衍生品进行交易。例如，可以对数据的使用权、所有权等进行分割，发行无本金可交换债券或股权类产品，或者直接在数据交易所等市场平台进行交易。
这三个阶段相互连接，数据资产化的深入推进需要逐步进行。其中，资源化阶段，尤其是数据确权的工作，不仅是数据资产化的基础，也是实现该过程的必要前提，同时也是本文的核心讨论内容。
国有企业推进数据资产入表面对的主要挑战
自2024年1月1日起，国企推进数据资产入表面对的主要挑战根据《国企数据资源相关会计处理暂行规定》主要包括以下几方面：
1.国企对数据资产的认知存在局限。国企在理解数据元素、定义数据资产以及明确数据资产确认范围方面存在不足，这是《暂行规定》实施中遇到的最大难题。
2.国企对于数据资产形成的流程理解不够。国企拥有大量的数据资源，但如何确定其权属、如何开发利用以形成国企的数据资产，以及如何将这些信息从计算机语言转化为会计语言，这些问题的不明确构成了推进数据资产入表的第二大难点。
3.会计处理上的难题。国企在早期的组织架构不利于在数据资产形成过程中进行成本归集，这使得数据资产的会计处理面临挑战。根据《暂行规定》，国企必须采用实际成本法记录并准确计量早期达到预定可使用状态的数据资产成本。
4.数据资产信息披露的规范和机制不清晰。尽管《暂行规定》提供了一些关于国企数据资产信息披露的框架性指导，国企在具体的信息披露方面仍然面临困惑。如何选择披露平台、制定披露规范、确定披露机制及编制披露内容是数据资产入表的一大难题。
5.专业服务机构在数据资产评估方法上的标准不一。不同的专业机构对数据资产的理解、评估方法的标准不统一，以及数据资产市场价值的有效发现和释放，都是数据资产入表过程中的挑战。
这些挑战突显了国企在数据资产化过程中的复杂性，要求国企在推进数据资产入表时采取更为周密的策略。
国有企业数据资产入表流程主要涵盖以下几个关键步骤：
在数据资产入表的第一步是识别潜在的数据资产，这包括数据集、数据库和系统等。要列入表目的数据资源需要满足几个条件：1)应源于之前的购买、生产、建设活动或其他交易；2) 企业必须拥有或控制这些数据；3) 这些数据预计将为企业带来经济利益；4) 其成本或价值可以被可靠地测量。
数据资产的确权开始于对数据资产范围的明确界定，包括鉴别和记录企业内部和外部来源的所有数据资源，如业务数据、交互数据和开放数据等，以确定纳入确权的数据总量。确权工作遵循所有权原则，清晰定义每项数据资产的所有者。对内部生成的数据，权属通常归属于数据的生产方；而对于外部采集的数据，权属则根据合同和法律规定确定。此外，还需考虑如共同创作的数据的权属问题和个人数据权益等特殊情况。由于数据资产可能会不断变化，确权过程中需实时监控数据的新增、变更或删除，并适时更新确权记录。新接入的外部数据需评估并确认是否获取了相应的所有权或使用权，对于无法确定权属的数据，需决定是否终止使用或寻找其他解决方案。
确权的挑战主要在于如何准确划分数据资产的边界。由于数据的无形特性和可复制性，界定边界可能较为困难。例如，“用户信息”可能涵盖广泛的数据资产，需明确如何将其划分为单独的确权单位。可通过将数据按主题或应用场景分为独立的数据库或数据集，以及根据业务需求将这些数据库或数据集组合成一个确权单位，从而实现边界的精确管理。同时，数据的质量也是确权时的重要考量因素，需要全面评价数据的准确性、一致性和完整性等，采用标准化评分模型进行量化，并据此确定数据的权属地位。
数据资产凭证是记录数据资产的交易、交付和权属信息的电子文档，依托于全国数据交易链进行管理。这些凭证根据不同应用场景的需求发挥作用，通过标准化的协议和智能合约在数据交易链上生成，涉及数据产品的挂牌、交易和存证过程，以实现“智能生成，全链共识”的全国统一认证、发放和验证机制。凭证内容不仅记录了数据产品的注册和每一笔链上交易的详细信息，还包括电子订单、数字签名、发票等信息，并保存了价格、交易量、复购率、使用场景、用户评价等关键数据，可以追踪数据的来源、类型、权属和质量等关键信息，确保数据产品交易的完整性、真实性和相关性，为所有交易参与者提供信任和保障。
确权完成并非资产化的终点，后续还需对资产进行估值，以便为资产的入表和交易做好准备。在估值过程中，数据资产的价值主要考虑成本构建、收益潜力和市场需求三个方面。拥有数据资产的实体可以通过分析和处理数据来挖掘其深层价值。若存在活跃的交易市场，可通过市场比较分析相似数据资产的特性来评估价值。
数据资产的构建成本包括在资产形成过程中各环节的投入，这反映了从投入角度看的数据资产价值，与资产的规模和结构、数据获取的难易度、更新周期和频率、安全级别及相关措施等因素密切相关。从成本视角评估数据资产价值，通常适用于初期阶段的数据资产，这时的资产尚未产生明显的社会和经济效益，故采用成本方法评估其价值是合理的。
数据资产的价值还受其产生收益的能力和应用范围的影响。一般而言，数据资产需依赖于特定的应用场景以发挥其经济效益，因此同一数据资产在不同场景下的经济价值可能有较大差异。由于数据资产具有可复制、可共享、可协作和可再加工的特性，那些适合商业化应用的数据资产可以在较低的边际成本基础上实现收益的倍增，从而创造更大的社会和经济价值。
法律风险：数据资产所面临的法律风险程度会直接影响其估值。若数据存在重大法律问题或权属不明确，其价值可能因此而大幅降低，即便数据本身质量非常高。
对数据资产进行估值时，通常会借鉴传统有形资产的估值方法，这包括：
除了传统的货币估值方法外，非货币估值模型如内在价值指数（IVI）、业务价值指数（BVI）和潜在价值指数（PVI）等也在数据资产估值中被创新性地使用。这些模型从数据的内在价值、业务价值和增值潜力等方面出发，通过打分加权和计算算法对数据资产的非货币价值进行评估和量化。
总体来说，数据资产的估值方法与传统资产评估方法在基本原则上并无显著差异，主要还是依赖于成本法、收益法和市场法。市场法受限于数据资产市场研究处于初期阶段，目前市场主要是针对单一数据产品或具有高度特异性的数据资产。短期内，这些方法可能无法提供具有较强流动性的市场案例作为参考。
此外，成本法和收益法的适用性较广，成本法考虑了数据资产相关的所有历史成本，如数据标注、整合、分析和可视化加工的成本，以及与数据资产直接相关或可合理分摊的软硬件采购、基础设施和公共管理成本，合理的利润以及相关税费。收益法则根据数据资产预期的收益期限和收益预期来确定合适的折现率，使用各种收益评估模型进行估值。
在完成数据资产的确权和估值后，下一步是实施资产的入表处理。具体来说，那些符合一定标准的优质数据资产将被计入企业的资产负债表；而那些不符合条件的次级资产则作为表外资产进行披露，进行区别管理。数据资产的账面化需要满足以下基本条件：
符合以上条件的数据资产，可以根据公允价值或评估价值被计入企业的资产负债表，并在后续的计量中遵循相关会计准则（如按摊余成本法或公允价值法计量）。
对于那些不满足入表条件的数据资产，应作为表外资产予以披露，采用备注方式详细说明。这部分资产可能因权属争议或定价问题等原因，暂时无法准确入表。
主要披露内容包括数据资产的基本情况、数量规模、主要用途及无法入表的具体理由等。表外数据资产尽管未能入表，但仍可能具有潜在价值，因此需要持续进行跟踪和管理，一旦满足入表条件即可转入资产负债表核算。
当数据资产纳入国有企业资产负债表后，会带来以下几个主要变化：
1.由于存货及无形资产的增加，国有企业的总资产会增长。由于负债的增加幅度小于资产的增加，国有企业的资产负债率将降低，即降低了国有企业的杠杆率。
2.数据资产的入表会导致所得税费用的提高，应交税费及其他流动负债增加。如果流动负债的增长超过流动资产的增长，将导致流动比率下降。
3.将数据资源作为无形资产入表后，需要根据其预计的使用年限进行摊销。尽管入表当年某些本应费用化的数据资产会降低当期的成本或费用，但未来几年内，由于无形资产的摊销，相关的摊销费用将再次计入成本或费用，直至该无形资产的最终处理或报废。因此，入表可能会引起国有企业成本或费用的时间差异，表现为先降低后增加的趋势。
4.如果假设国有企业收入保持稳定，由于成本或费用的先降后升，国有企业的利润将会先增高后降低，毛利率和净资产收益率也将表现出同样的趋势。
5.由于利润的这种先升后降变化，国有企业的所得税也可能呈现先增高后降低的趋势。
通过这些变化，数据资产的入表不仅影响国有企业的财务结构，也会影响其财务表现和税务状况。
为了抢占市场先机，国有企业必须及时全面地了解数据交易市场的最新动态，并合理评估市场中的机遇与挑战。这包括密切关注不同领域的交易案例，掌握最新的定价策略和交易模式；同时，还需要分析市场的痛点，优先布局可以抢先的市场赛道。此外，国有企业还需深入研究如何规避法律风险、提高数据的流通效率、控制交易成本等关键问题。
数据的合规性是资产化过程的关键所在。一旦数据存在重大法律问题或受到严格的监管，其产权可能会受到威胁，资产价值可能归零。因此，在整个资产化过程中，应始终坚持合规第一的原则，对潜在的隐私泄露、不当收集和横向过度使用等风险行为保持警惕，通过多种手段规避风险，确保拥有无瑕疵的数据产权。
在国有企业数据的收集之后，对数据的内部处理，包括存储、利用、加工、传输和发布等环节，进行合规性审查至关重要。首先，根据《数据安全法》第八条的要求，国有企业在处理数据时必须遵守国家法律和法规，尊重公共道德，保持商业诚信，并履行数据安全的责任，不得通过数据活动危害国家安全和公共利益或侵犯他人合法权益。国有企业应实施必要的安全措施，例如数据加密和访问控制，以确保数据的合法使用和安全存储。
另外，依据《数据安全法》第五十一条和第五十二条的规定，如果数据处理活动违法限制了竞争或侵害了个人或组织的权益，应依法进行处罚。如果数据处理的行为给他人造成损害，国有企业需承担相应的民事责任。国有企业在处理非自产数据时，必须遵循事先的合同约定或公开的数据处理规则。
数据管理的法律框架对国有企业提出了明确的要求。根据《数据安全法》第二十七条，国有企业应依照法规建立全面的数据安全管理制度，进行数据安全的教育与培训，并采用技术手段保障数据安全。根据《网络安全法》的要求，网络运营者必须建立健全的网络安全管理体系和应急预案，确保网络运行的安全与稳定。《个人信息保护法》第五十一条则规定，处理个人信息的国有企业必须建立内部管理规程，实施安全技术措施，定期对处理个人信息的情况进行审计，并进行影响评估，确保个人信息的安全处理。
数据资产难以在孤立的环境中单独增值，需要与上下游产业链建立良性的互动与合作关系。国有企业应通过上游的赋能打通数据来源，同时在下游培育更多的应用场景。通过与技术供应商、行业组织和金融机构等伙伴合作，实现分工协作和优势互补，这将加快数据资产的流转和赋能，形成产业链上的良性循环。在探索资产化的新领域时，单打独斗难以成功，只有开放合作才是赢得胜利的正确途径。
随着数字经济和数据革命的推进，我们正步入一个全新的时代，数据资产将成为这一时代最宝贵的资本。希望这篇文章能为国有企业在数据资产确权和资产化实施方面提供一些有益的思路和启示，让我们一起探索数据资产化的广阔前景。 |
