【用友】2024中央企业数据资产化及数据资产入表场景建设白皮书_27页_6mb

中央企业数据资产化及数据资产入表总结

【观点摘要】

• 数据资产入表需在更宏大的叙事背景下看待，同时应以动态和发展的视角面对不确定性和困难。
• 《企业数据资源相关会计处理暂行规定》是我国经济领域重大理论创新，引领会计准则发展。
• 数据作为生产要素与其他要素结合能产生显著的“乘数效应”，是数字经济时代的重要资源。
• 数据具有复杂性，需要系统性规划与设计，实现数据资产化、价值化。
• 央企数据要素特征包括广泛的地域覆盖、跨行业性、高价值密度、类型多样等，具有巨大潜力。
• 当前重点不是从存量挖掘数据价值，而是根据业务价值规划设计更有价值的数据资产。
• 我们提出双层“宝塔”价值模型，统筹数据资产化与入表解决方案，实现数据价值在资产负债表和损益表的体现。
• 数据资产评估技术方法研究及准则制定是数字经济发展的必然要求。

【Part I、政策背景 / 意义】

1. 政策背景：重大的理论创新

• 数据是21世纪的石油，是数字经济时代的核心生产要素。
• 2019年党的十九届四中全会首次将数据纳入生产要素。
• 2021年《十四五规划》将“加快数字化发展”列为国家战略目标。
• 2023年国家数据局揭牌，推动数据资源整合与开发利用。
• 2023年8月财政部发布《企业数据资源相关会计处理暂行规定》，标志着数据资产入表从“箭在弦上”转为“势在必行”。

2. 认知数据（从AI视角）

• 数据类型多样性：包括文本、图像、视频、音频、数字数据等。
• 数据的价值特征：价值密度低、关联增值性、时效性、潜在性。
• 数据与AI的关系：数据是AI的基础，算力、算法和数据构成“铁三角”。
• 数据资源与数据资产：
  • 数据资源：经由加工后能带来经济价值的数据。
  • 数据资产：特定主体合法拥有或控制、能进行货币计量、带来经济利益的数据资源。
• 数据要素：数据作为生产要素，具有市场定价、供给与需求来源等特征。
• 数据资产入表：是会计核算的一部分，涉及确认、计量、记录和报告，与价值评估在规范准则、服务场景等方面存在差异。

【Part II、央企解决方案】

3. 央企数据价值

• 央企数据具有广泛的地域覆盖性、跨行业综合性、复杂的成本结构、灵活的应用场景、高质量及稀缺性与可替代性的动态变化。
• 数据价值应从“数据资源”中规划设计，而非仅从存量中挖掘。

4. 央企数据资产化的挑战

• 数据价值挖掘不足：缺乏有效手段识别和挖掘数据价值。
• 数据治理难度大：数据量庞大、类型多样，治理机制不完善。
• 数据安全风险高：涉及隐私与伦理问题，需加强数据安全措施。
• 会计处理复杂度高：
  • 数据资产形成路径差异大。
  • 成本归集困难，缺乏统一标准。
  • 评估方法不统一，市场价值难以释放。

5. 央企数据资产化路径

• 数据场景化：明确业务场景的数据需求，为后续步骤奠定基础。
• 数据资源化：对原始数据进行清洗、整合、存储，形成可重用的数据资源。
• 数据价值化：通过分析、产品开发、交易运营等方式实现数据价值。

6. 央企数据资产化整体解决方案

• 提出双层“宝塔”价值模型，实现数据资产在资产负债表和损益表中的体现。
• 建议企业加快数据资源相关制度建设，特别是成本费用分摊机制。
• 用友BIP数据中台提供数据治理、采集、存储、共享、应用等全链路支撑。
• 数据资产入表需从数据合规与确权、资源可管理、预期经济利益、成本清晰可计量、披露五个方面推进。

【Part III、解决方案详解】

7. 数据要素价值规划设计

• 数据价值规划设计是数据资产化过程中的关键，决定了如何识别、评估和利用数据价值。
• 建议采用需求牵引、注重实效、试点先行、重点突破、整体规划和场景切入等方法。
• 推动数据要素与核心业务协同，提升全要素生产率。

8. 数据资源管理 / 平台技术支撑

• 数据资源盘点：全面梳理企业内部数据资源，建立数据资源目录。
• 数据登记/确权：明确数据的所有权、使用权等权益归属。
• 数据资产判定：评估数据是否具备资产价值。
• YonBIP数据中台支撑能力：
  • 提供数据资产的规划与治理、采集、存储、共享、业务价值探索与分析、数据服务构建与运营等五大核心能力。
  • 支持企业实现数据驱动的精细管理与创新应用。

9. 数据资产入表智能核算

• 数据资产入表五个基本步骤：
  1. 数据合规与确权
  2. 数据资源可管理
  3. 数据资产有带来经济利益的预期
  4. 数据资产成本清晰可计量
  5. 数据资产入表披露
• 多维、实时、精细智能核算：
  • 实时事件捕获与处理
  • 多维数据分析与展示
  • 精细智能核算
  • 实时报表与可视化
  • 智能预测与决策支持

10. 数据价值化体现

• 数据价值可从内部价值、外部价值、直接价值、间接价值四个维度体现。
• 内部价值：提升决策、优化流程、增强管理。
• 外部价值：通过数据交易、授权使用等方式实现。
• 直接价值：提高销售额、降低成本等。
• 间接价值：发现新机会、改进产品、提升竞争力。
• 数据资产创新应用包括：增信贷款、转让、出资、质押融资、保理、信托、保险、证券化等。

11. 我们提供的服务

• 整体服务列表：
  1. 数据要素价值规划
  2. 数据资源管理服务
  3. 数据资产智能核算
  4. 数据资产入表服务
  5. 数据资产场景设计
  6. 新场景业务数智化
  7. 新场景财务数智化
• 数据资产入表服务：
  • 提供基础版、标准版、高级版三种服务级别。
  • 实施方法包括项目规划、平台实施、上线验收等阶段。
  • 项目规划包括：组建项目团队、制定主计划、召开启动会。
  • 平台实施包括：数据中台部署、系统上线、验收准备等。
  • 上线验收包括：系统运行、文档整理、验收报告等。
• 交付成果内容：
  • 包括数据资产盘点、评估、入表等环节的最小闭环交付。

【总结】

中央企业数据资产化及数据资产入表是推动数字经济时代企业转型与发展的关键举措。通过政策引导与技术支撑，企业能够实现数据价值的发现与释放，提升数据治理能力，推动数据资产化与价值化。我们提供的解决方案涵盖数据价值规划设计、资源管理、智能核算与价值化实现，助力企业实现数据资产的合规管理与高效利用。