在数据行业，数据资产会计入表有没有相应的产品机会？作者针对此进行了分析，一起来看看作者的分析吧。

如果说2024年在数据这个领域哪个话题最热，除了数据要素X之外，应该就是数据资产会计入表了，随着《企业数据资源相关会计处理暂行规定》的发布，2024年1月1日起，企业可以把数据资产在资产负债表相关科目进行列报和披露。

最直接的变化即是很多企业的数据产品研究和开发阶段所产生的支出大都是费用化，直接计入损益表，但企业有一部分数据产品本质是满足会计准则资产确认条件的，那么在《暂行规定》出台之后，企业就可以把这部分资产在资产负债表相关科目进行列报和披露。

这就意味着入表的数据资产将直接增大企业的资产总额，有利于充分展示企业的资产实力，提升企业的整体价值，将对企业并购或获得投资产生重大影响。同时，入表的数据提供了账面的资产依据，企业可以利用数据资产进行抵押或者证券化，扩大融资渠道。

这减轻了过去数据资产无形、难以评估带来的融资难题。此外，合理的会计核算也可以帮助企业设计切实可行的数据资产摊销机制，通过数据授权、对外变现等创新业务孵化新的收入来源。

那么，作为从事大数据行业的软件产品小兵，身边经常讨论的话题就是在这个风潮中，有没有相应的产品机会，笔者最近反复思考了这个问题，以下是笔者的一些观点，作为抛砖引玉，希望能够引起各方老兵的讨论。

一、数据资产会计入表的一般流程

笔者最近研究了很多关于数据资产会计入表的内容，经过总结，笔者简明扼要地认为可分为八大步。

1） 采集

包含内部业务系统数据采集和外部数据合规合法采购。

2） 治理

围绕采集/采购数据进行清洗加工，形成高度质量的中台层数据。

3） 开发

围绕内部和外部场景需求进行数据模型/产品开发。

4） 应用

将数据模型/产品应用至各类场景场景，发挥业务赋能价值。

5） 确权

针对数据资产（包含数据集、数据产品等）进行确权。

6） 评估

针对已经确权的数据资产进行价值评估。

7） 入表

围绕数据资产进行入表，包含无形资产和存货。

8） 披露

针对会计入表进行公式披露，发挥资本价值。

二、单纯数据资产会计入表的行为难以产品化

反观最近的政策可以看出，数据要素X的提出更多的是解决数据资产化的问题，即数据应用场景的问题，而数据资产会计入表的实施解决的是数据资产价值量化使用的问题，这样的话，正好可以解决使用和流通的问题。当然会计入表只是其中一项经济行为，数据资产价值量化涉及的经济行为还有转让、许可使用、出资、质押融资、企业清算、司法诉讼、司法执行财产处置、资产证券化等等，所以可以看到今年还有一个热点话题就是数据资产抵押借贷，笔者可以大胆地预测，目前各地的国资公司应该有在瞄准通过加持数据资产进行证券化的事宜。

从这里面可以看出，单纯数据资产会计入表的事宜更多的是会计和审计行为，难以有产品化的机会，所以说产品机会更多集中在入表之前。

三、产品机会集中在数据资产入表之前

根据上述的流程，笔者把从采集到评估的流程分为三块产品机会，一是包含采集、治理、开发、应用的数据中台侧产品机会，二是以登记为主的资产登记侧产品机会，三是围绕确权数据资产进行评估的资产评估产品机会。

1、数据中台侧产品

随着数据中台概念以及实际落地的逐渐演进，采集、治理、开发、应用基本上是现在所有数据中台通用能力，当然传统的数据中台更多地是支撑内部业务场景，而用于外部变现场景的中台能力，笔者认为需要补充加强。结合笔者这些年的数据变现经验，如何在确保安全合规的前提下，又能灵活便捷的进行数据开发，这里面需要的能力很多，如数据分类分级、数据脱敏、Mock、低代码、隐私计算、规则引擎等，笔者目前已经落地并商用此块产品，有兴趣的童鞋可以添加笔者微信：yuzhenguo0101进行交流。

2、资产登记侧产品

登记凭证是数据资产登记依法依规完成登记的有效证明文件，形式可以为纸质版或电子版，用于证明数据资产的流通情况。在目前数据资产登记探索阶段，各地市对数据资产登记凭证也展开了探索。登记凭证一般以证书的形式呈现，主要包含：证书名称、统一证书编号、申请人信息、登记数据资产信息（名称/类型/应用范围/更新情况）、申请人对数据资产的权属关系（所有/管理/使用）、数据取得方式（原始取得/收集/交易/其他）、证书发放日期、发放机关。相对来说此产品的护城河并不高，而且整个市场体量也不会很大，当然也不失一个产品机会，目前笔者已经落地此产品，用于辅助拓展上述变现数据开发平台的能力范围。

3、资产评估侧产品

这一块笔者认为目前难度非常之大，一是缺乏标准，二是建设成本较高。但是此块必然是目前数据要素流通里最为关键的环节，因为它承接着资产化和资本化。当然目前关于数据资产评估也有相关的理论方法，即收益法、市场法和成本法。收益法主要依据效用价值论将数据资产的预期收益值作为估值，市场法主要依据均衡价值论以市场中可比参照物的市场价格为基础进行调整得到估值，而成本法依据成本价值论将重新获取相同数据资产的重置成本作为评估价值。

在这里，笔者思前想后，如果站在产品机会的角度上考虑，收益法和市场法更多地是关注潜在收益以及市场均价的角度，这需要极强的业务经验以及市场洞悉能力，软件产品难以解决，唯有成本法的评估方式需要有相应的产品支撑。

根据《资产评估执业准则—资产评估方法》（中评协[2019]35号、《数据资产评估指导意见》（中评协）[2023]17号）的规定，成本法是指按照重建或者重置被评估数据资产的思路，将重建或者重置成本作为确定评估对象数据资产价值的基础，结合数据管理因素，以此确定评估对象数据资产价值的一种评估方法。其评估模型计算公式为：P=C* δ

其中：P代表数据资产评估价值，C代表重置成本，其中包括硬件建设成本、软件建设成本、运维成本、资源成本、数据采购成本、数据咨询成本、人力支出、场地费用等方面，覆盖了数据资产采集、购买、存储、计算、管理、应用等环节。

δ代表调节因子，更多考虑数据管理成本，这也就是为什么很多地方要实施DCMM的贯标，核心一方面是加强数据管理的成熟度，另一方面笔者认为也是变相的提升数据资产的价值。

笔者翻阅了《数据管理能力成熟度评估模型》（GB/T 36073-2018）这一国家标准，以及《信息技术数据质量评价指标》（国家标准GB/T36344-2018）和《数据资产评估指导意见》，可将规范性、完整性、准确性、一致性、时效性和可访问性作为其评价维度，通过层次分析法分别对每一项数据管理要素的权重和评分进行评价打分。

另外，在重置成本C的计算中，还要考虑一个问题就是，成本的分摊。比如说一份宽表数据的成本为1000元，基于这张宽表生成了2个数据产品，每个数据产品的调用量均占到50%，那么每个数据产品的成本原则上来说是500元。

笔者以一个示例说明其上述逻辑，如下为数据产品的血缘示意图。

假使A-H数据项的初始成本为10万元（主要包含硬件建设成本、软件建设成本、运维成本、资源成本、数据采购成本、数据咨询成本、人力支出、场地费用等），从图上可获知其分摊比例如下：

经过分摊，各数据传播后成本为：

CA=CB=CC=10

CD=CA*100%+CB*100%+CC*50%+10=35

CE=CD*50%+10=27.5

CF=CD*50%+10=27.5

CG=CC*50%+10=15

CH=CE*100%+CF*100%+10=65

场景M和N的分摊比例如下：

以读取数据量比例为核算逻辑，则场景M分摊成本为（CG+CH）*50%=40，场景N分摊成本为（CG+CH）*50%=40

通过以上方式，数据产出链路的总成本就可以以完全分摊的方式被实际业务承担，同时结合数据管理活动对数据资产价值的主要影响系数，从而得出最终的成本估价。

四、结语

以上是笔者最近关于数据资产会计入表产品机会的思考，更多是围绕成本法的数据资产价值评估的产品机会，当然这里面仍然有很多手工的事宜，比如初始成本的测算，但是数据加工处理的过程是动态的，通过血缘继承的方式，让其具有时效性和自更新特性。如果源端数据的加工逻辑和血缘关系发生变化，基于血缘继承的方法能及时自动更新价格试算，无需人为重新调优，这无非就是产品机会。