中国信通院-数据资产化：数据资产确认与会计计量研究报告（2020年）-2020.12-59页_1mb

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

本报告围绕数据资产的确认与会计计量方法展开，旨在系统分析数据资产化的重要意义、面临的挑战、概念界定、确认与价值评估方法，并提出发展建议，以推动数据要素市场建设和企业数据资产化进程。

主要观点

• 数据资产是数字经济时代的重要生产要素，其资产化是实现数据价值流动和市场配置的关键环节。
• 数据资产具有无形性、快速更新、无限复制性、价值不确定性等特征，与传统无形资产有显著区别。
• 数据资产可划分为“业务数据化”（自用型）和“数据业务化”（交易型）两种类型，分别对应企业内部使用和对外提供数据服务。
• 企业数据资产化程度不高，截至2020年5月，A股市场仅84家企业实现了数据资产化，占比不足3%。
• 数据资产的会计确认应基于可变现性、可控制性、可量化性三个原则。

关键信息

一、数据资产的重要意义与面临挑战

• 数据资产化是实现数据要素市场化、促进企业竞争力提升的关键步骤。
• 当前企业数据资产化面临两大问题：一是企业数字化意识与能力不足，二是现行会计确认与计量方法不完善，无法有效反映数据资产的真实价值。
• 需要从政策、技术、管理等多个层面推动数据资产化的发展。

二、数据资产的概念与边界

• 数据资产是企业在生产经营活动中产生的或从外部获取的、具有所有权或控制权、预期能为企业带来经济利益的数据资源。
• 数据资产不同于传统无形资产，其价值受数据质量、数量、应用场景、风险等多因素影响。
• 数据资产的确认需考虑其是否具备可变现、可控制和可量化特征。

三、数据资产的会计确认与价值评估

1. 会计确认

• 数据资产可按获取方式分为“外部获取”与“内部产生”两类。
• 外部获取数据资产应按照实际支付价格入账，内部产生数据资产需依据研发阶段进行费用化或资本化处理。
• 数据资产应纳入无形资产科目下的“数据资产”二级科目进行统一核算。

2. 价值评估方法

• 改良成本法：考虑数据价值影响因素（数量、质量、应用、风险），通过调整成本与溢价来评估数据资产价值。
• 改良收益法：基于数据资产的预期收益进行折现，需区分数据资产与其他资产的收益，并考虑折现率与收益期限。
• 改良市场法：依赖市场交易数据，但因数据市场尚不成熟，应用受限。

四、发展建议

（一）完善数据资产化配套政策

• 加快数据确权相关法律法规制定，设立数据资产登记机构。
• 修订《会计法》等相关法规，明确数据资产的会计确认与计量要求。
• 推动数据资产交易流通制度建设，完善交易机制与标准。
• 建立数据资产化监管机制，强化对数据安全、隐私保护和产权纠纷的监管。

（二）提升企业数据资产化能力

• 强化企业数据资产管理意识，推动数据资源的收集、整理与应用。
• 鼓励企业设立“首席数据官”，制定数据战略，提升数据资源管理能力。
• 建立数据资产化配套财务体系，提升财务人员对数据资产的核算与报告能力。

（三）构建数据资产化生态体系

• 鼓励行业协会、产业联盟建立行业数据资产标准体系。
• 培育大数据交易机构，推动数据交易模式创新与市场活跃。
• 打造数据资产化示范企业与地区，形成可复制的经验与模式。

（四）推进数据资产化理论研究

• 聚焦跨学科研究，推动数据资产化理论与实践的融合发展。
• 构建数据资产化评价体系，开展企业数据资产化成效评估。
• 加强理论研究，为政策制定与实践应用提供支撑。

附件分析总结

• 2000年5月至2020年5月，A股市场涉及数据资产的企业数量有限，仅84家，占比不足3%。
• 数据资产应用以“业务数据化”为主，占企业总数的62%，而“数据业务化”企业仅22家。
• 数据资产主要集中在信息产业、金融业和消费品行业，合计占比达76.2%。
• 涉及数据资产的企业在经营绩效方面表现相对较好，但整体仍存在数据资源未有效资产化的问题。

结论

本报告指出，数据资产化是推动数字经济发展的关键环节，但目前仍面临概念模糊、计量方法不成熟、市场机制不健全等挑战。应从政策、企业能力、生态体系、理论研究等方面协同推进数据资产化，以实现数据要素的市场化配置与价值实现。