数据资产化：数据资产确认与会计计量研究报告（2020年）_59页_1mb

报告摘要

数据资产化：数据资产确认与会计计量研究报告总结

核心内容

本报告系统分析了数据资产化的概念、边界、会计确认与价值评估方法，并提出了推动数据资产化的政策建议。报告旨在为数据要素市场化和企业数据资产化进程提供理论支持与实践指导。

主要观点

数据资产化的重要意义
- 数据作为新的生产要素，是数字经济发展的基础。
- 数据资产化有助于提升企业竞争力，促进数据要素市场构建。
- 企业数据资产化是推动数据要素按贡献分配的重要前提。
数据资产的界定
- 数据资产是企业在生产经营活动中产生的或获取的，具有所有权或控制权，预期在一定时期内为企业带来经济利益的数据资源。
- 数据资产需满足可变现性、可控制性和可量化性三个确认原则。
数据资产与无形资产的关系
- 数据资产属于无形资产的一种新类别，但其特性与传统无形资产（如专利权、商标权等）存在差异。
- 数据资产具有快速更新、可共享复制等特征，与商誉等不可辨认无形资产不同。
数据资产的价值影响因素
- 数据资产的价值体现在数量、质量、应用和风险四个维度。
- 数量维度包括数据量和广泛性；质量维度包括真实性、完整性、准确性；应用维度包括稀缺性、时效性和应用经济性；风险维度包括法律限制、道德约束和安全风险。
数据资产的评估方法
- 传统成本法、收益法和市场法在评估数据资产时存在局限性，需进行改良。
- 改良成本法：考虑数据价值影响因素，公式为 $ V = T C * \left(1 + P r e \left(q _ {1}, q _ {2}, u, r\right)\right) - \text {资产贬值因素} $。
- 改良收益法：基于未来收益现金流的折现，考虑数据资产的收益期限和折现率。
- 改良市场法：通过修正系数调整可比案例，评估数据资产价格。

关键信息

数据资产化现状：截至2020年5月，A股市场仅有84家企业实现数据资产化，占整体企业数量不足3%。
数据资产分类：分为“业务数据化”（自用型）和“数据业务化”（交易型）两类。
行业分布：数据资产主要集中在信息产业、金融业和消费品行业，分别占比39家、13家和12家，合计占总量的76.2%。
企业数据资产应用：约60%的涉及数据资产的企业建立了数据平台，50%的企业设立了数据中台，实现了数据驱动下的组织优化和效率提升。
数据资产化挑战：
- 大部分企业尚未形成系统性的数据资产管理能力。
- 数据资产在会计确认与计量方面仍存在较大困难。
- 数据资产市场尚未成熟，交易机制和评估标准仍需完善。

发展建议

完善政策配套
- 制定数据确权相关法律法规，明确数据资产的权属和管理规则。
- 推动数据资产登记机构设立，统一数据资产的登记和保护方式。
- 完善会计准则，将数据资产纳入企业报表。
提升企业能力
- 增强企业对数据资产的意识，推动数据资源的收集、整理与应用。
- 完善数据资源管理体系，设立首席数据官，制定数据战略。
- 加强财务人员培训，提升数据资产核算与会计记账能力。
构建数据生态
- 鼓励行业协会和产业联盟建立垂直行业的数据资产标准体系。
- 培育大数据交易中心和数据交易所，完善数据交易机制。
- 打造数据资产化示范标杆，推广成功经验。
深化理论研究
- 聚焦跨学科研究，推动数据资产化理论与评估方法的探索。
- 构建综合性数据资产推进体系，加强数据资产化评估与优化。

附件分析

分析对象：选取2000年5月至2020年5月A股企业年报数据。
分析方法：采用关键词检索和文本识别。
分析结论：
- 数据资产化应用仍处于初级阶段，企业数据资产化程度较低。
- 数据资产尚未成为企业报表的重要组成部分。
- 数据资产价值评估仍面临诸多挑战，如数据获取成本与实际价值的差异、数据资产的可量化性问题等。