数据资产化前瞻性研究白皮书_56页_11mb

数据资产化前瞻性研究白皮书总结

核心内容

本白皮书围绕数据资产化的核心命题——数据确权、数据估值与数据财务核算，探讨了数据资产化在数字经济背景下的重要性、现状与未来发展方向。白皮书指出，数据已成为五大生产要素之一，其资产化是推动数字中国建设的重要环节。

主要观点

• 数据确权的重要性：数据确权是数据流通的前提，是数据估值与财务入表的基础，对数据安全、市场秩序和数字治理具有关键作用。
• 数据权属的复杂性：数据具有“一数多权”的特性，同一数据可承载多方主体的权利，如所有权、使用权、收益权、采集权和处分权。
• 法律与制度的缺失：目前我国尚未出台全国性数据确权法律，导致数据权属界定模糊，企业与个人之间的权益冲突频发，亟需立法明确。
• 数据资产估值的挑战：数据资产的非实体性、多样性、可加工性等特征，使得传统的无形资产估值方法难以直接适用，需构建新的估值体系。
• 数据资产财务核算的必要性：数据资产化需要会计准则的适应性调整，以准确反映其经济价值和在财务报表中的体现。

关键信息

数据确权

• 重要性：数据确权是数据资产化的核心前提，保障数据流通中各方权益。
• 现状：目前我国数据确权主要依赖《民法典》、《个人信息保护法》、《数据安全法》等法律，但尚未形成全国性立法。
• 地方实践：深圳、上海、广东、天津等地已出台地方性数据确权法规，为全国立法提供参考。
• 法律讨论：司法实践多采用知识产权和反不正当竞争法等来处理数据确权问题，强调数据的保护和合理使用。

数据估值

• 基本框架：数据资产估值需结合其发展阶段、应用场景、质量、合规性等多维度因素。
• 估值方法：
  • 成本思路：基于数据系统构建成本与数据质量、合规性调整系数计算数据资产价值。
  • 数据势能模型：将数据资产价值与社会价值和经济价值进行关联，通过数据质量、应用场景等参数进行估算。
  • 实物期权模型：适用于应用场景不确定的数据资产，通过模拟不同情景下的收益与投入，计算数据资产的潜在价值。
  • 增量效益折现模型：用于评估数据资产对企业带来的超额收益现值。
  • 非核心资产/因素剥离折现模型：用于评估数据资产在核心业务中的贡献。
  • 可变现净值法：适用于无合适应用场景的数据资产，基于预期处置价格与成本计算。
  • 多因素评价比较法：通过市场比较和综合评价系数，实现数据资产价值的相对估值。
  • 神经网络模型：适用于成熟的数据交易市场，通过机器学习模拟数据资产价格。

数据财务核算

• 重要性：数据资产的财务核算对于反映企业经济状况、提升决策效率具有重要意义。
• 会计准则现状：我国现行会计准则尚未明确数据资产的定义和核算方式，需在实务中逐步探索。
• 会计主体假设：数据资产的核算需明确其所属会计主体，如数据采集、处理、交易等不同主体。
• 资产分类：数据资产可能被归类为无形资产、存货或其他非金融资产，需根据其特征和用途确定。
• 资产确认条件：数据资产需满足“经济利益很可能流入企业”和“成本或价值可可靠计量”两个条件，但目前仍存在争议。

未来探索方向

• 数据确权立法：亟需制定全国性数据确权法律，明确数据权属划分与权益配置。
• 数据交易机制完善：推动数据交易所建设，规范数据交易流程，提升数据交易的透明度与可追溯性。
• 数据资产入市制度：明确数据资产入市条件，推动数据资产在资本市场流通。
• 数据分级制度：将数据分为私有数据、准公共数据和公共数据，以实现差异化管理。
• 算法歧视治理：加强数据处理过程中的公平性与透明性，减少算法歧视对数据主体权益的侵害。
• 会计准则的调整：推动数据资产的会计分类与确认标准，使其在财务报表中得到准确体现。

结论

数据资产化是推动数字经济高质量发展的关键环节，涉及法律、市场与财务核算等多个层面。当前，数据确权、估值与财务核算仍面临诸多挑战，需在制度建设、技术发展与市场培育中协同推进。未来，通过立法明确数据权属、完善交易机制、推动会计准则改革，将有助于构建健康、可持续的数据资产市场，为数字中国建设提供有力支撑。