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】

1. 数据资产入表是企业数据资产化管理的一部分，是数字经济时代的重要举措。
2. “企业数据资源会计处理暂行规定”是我国在经济领域的一项重大理论创新，引领了会计准则的发展方向。
3. 数据作为生产要素，与其他要素结合可产生显著的“乘数效应”，具有重要的战略意义。
4. 数据具有多样性、价值密度低、关联增值性、时效性、潜在性等特征，其价值需要通过系统性的规划和设计来实现。
5. 信息、知识、智慧是“更高阶”的数据，是数据价值的重要体现。
6. 数据资产入表需要从数据场景化、数据资源化和数据价值化三个阶段推进。
7. 我们提供一套双层“宝塔”价值模型，统筹数据资产化及数据资产入表整体解决方案。
8. 数据资产入表不仅是会计核算过程，更是价值创新的重要环节，涉及多种应用场景。
9. 数据资产化涉及多方面的挑战，包括数据治理、安全风险、成本归集和会计处理复杂性。
10. 我们的服务涵盖数据价值规划、资源管理、智能核算、场景设计等多个方面，可灵活选择和一体化交付。

【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，作为新的生产要素，其重要性不言而喻。
• 2019年，党的十九届四中全会首次将数据纳入生产要素，标志着我国数据要素市场化的重要起点。
• 2021年，“十四五”规划提出加快数字化发展，建设数字中国，发挥数据在产业发展中的作用。
• 2023年，国家数据局成立，推动数据基础制度建设，加强数据资源整合与流通。
• 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）

• 数据具有多样性，包括文本、图像、视频、音频、数字等类型。
• AI的发展路径是沿着数据类型进行突破，如ChatGPT针对文本数据，Sora针对视频数据。
• 数据是AI的“饲料”，与算力、算法共同构成“铁三角”。
• 数据的价值在于其所蕴含的信息，信息能够降低未来的不确定性，具有战略意义。
• 数据资源是经过加工后能带来经济价值的数据集合，数据资产是具有权属、可计量和带来经济利益的数据资源。
• 数据要素是数字经济时代的重要生产要素，具有明确的市场价值和制度保障。

【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、跨行业的综合性、复杂的成本结构、灵活的应用场景、高质量的数据以及稀缺性和可替代性的动态变化。
• 数据价值化是数据资产化的核心目标，通过数据挖掘、分析和应用，实现数据的商业价值和创新价值。

4. 央企数据资产化的挑战

• 数据价值挖掘不足：需要更深入的数据分析与应用。
• 数据治理难度大：需建立完善的治理体系和机制。
• 数据安全风险高：需加强数据加密、访问控制等安全措施。
• 会计处理复杂度高：包括数据成本归集、资产入表披露、价值评估方法不统一等问题。

5. 央企数据资产化路径

• 数据场景化：明确数据在业务场景中的价值，为后续资源化和价值化奠定基础。
• 数据资源化：将原始数据进行清洗、整合、存储，形成可重用的数据资源。
• 数据价值化：通过数据挖掘、产品开发、交易运营等方式，实现数据的商业价值。

6. 央企数据资产化整体解决方案

• 我们提出“双层宝塔”模型，将数据资产纳入资产负债表（BS），同时在损益表（PL）中体现其价值。
• 数据资产入表需涵盖数据合规、确权、管理、核算和披露等多个环节。
• 通过数据中台技术支撑，实现数据资产的精细管理与智能核算。
• 用友BIP数据中台提供数据治理、采集、存储、分析、服务等能力，助力企业实现数据价值转化。

【Part III、解决方案详解】

7. 数据要素价值规划设计

• 数据要素价值规划设计是数据资产化的重要环节，需从需求出发，注重实效。
• 通过试点先行、重点突破的方式，实现数据价值的最大释放。
• 数据价值规划应考虑业务场景、数据生命周期、价值类型等多个维度。

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：确保数据来源合法、权属明确。
• 数据资产判定：基于数据价值、稀缺性、可变现性等因素进行评估。
• YonBIP数据中台：提供数据治理、采集、存储、分析、服务等能力，支撑数据资产化全过程。

9. 数据资产入表智能核算

• 数据资产智能核算是数据资产入表的重要环节，需实现多维、实时、精细的核算。
• 数据合规与确权：确保数据来源合法，权属明确。
• 数据资产可管理：建立数据治理机制，保障数据资产合规性和可管理性。
• 数据资产有带来经济利益的预期：评估数据资产带来的预期经济利益。
• 数据资产成本清晰可计量：明确数据采集、处理、存储等成本，确保资产入表的准确性。
• 数据资产入表披露：强制披露数据资产，鼓励自愿披露数据应用场景和价值影响方式。

10. 数据价值化体现

• 数据价值可以从内部价值、外部价值、直接价值和间接价值四个维度进行划分。
• 内部价值：提升内部决策、优化业务流程、提高管理效率。
• 外部价值：通过数据交易、授权使用等方式实现市场价值。
• 直接价值：如提高销售额、降低成本等。
• 间接价值：如发现新的商业机会、提高市场竞争力等。
• 数据资产创新应用包括数据资产增信、转让、出资、质押融资、保理、信托、保险、证券化等多种形式。

11. 我们提供的服务

• 整体服务列表：

  • 数据要素价值规划
  • 数据资源管理服务
  • 数据资产智能核算
  • 数据资产入表服务
  • 数据资产场景设计
  • 新场景业务数智化
  • 新场景财务数智化
  • 数据资产管理会计

• 服务交付方式：

  • 单项服务与多项服务可灵活选择
  • 支持一体化交付，便于企业全面实施数据资产化

• 服务实施步骤：

  • 项目规划：组建团队、制定主计划
  • 平台实施：安装部署、财务接口适配、系统配置与导入
  • 凭证生成：财务系统自动生成凭证，实现数据资产入表
  • 系统测试：联合测试、结果验证
  • 上线验收：系统上线、整理文档、项目验收

• 交付成果内容：

  • 数据资产入表的最小闭环交付成果
  • 包括数据资源盘点、评估、核算、披露等环节

【总结】

中央企业数据资产化是数字经济时代的重要课题，涉及政策背景、价值规划、资源管理、智能核算和价值化等多个方面。数据资产入表不仅是会计核算的一部分，更是企业价值发现和释放的重要手段。通过科学的规划和系统的实施，企业可以将数据资源转化为数据资产，实现其在财务报表中的体现和商业价值的释放。我们提供的服务涵盖数据资产化的全周期，支持企业实现数据价值的最大化，推动数字化转型与创新发展。