还没搞懂数据资源如何入表？快收下这份指南_数据资产入表

​数据资源入表将极大推动数据资产化进程，对于企业而言入表有利于显化数据资源价值，改善资产负债表、利润表。

关于数据资源入表，具体该怎么做？

上篇我们拆解了其中7个板块的内容《一文看懂 | 数据资源如何入表？有哪些步骤？（附课件下载）》，本篇我们将分享余下6大内容：

文末附完整版直播课件下载

一、成本归集计量

在完成数据质量评估后，进入成本归集计量环节。

成本归集计量更多是基于成本法。有些企业会做数据的代运营，把数据归到存货里面，也有部分企业会购买数据，将这些数据进一步加工之后再卖出去，同样归到存货。但如果是企业内部的数据，更多会归到无形资产，比如供应链数据、营销数据。

这些数据包含数据加工支出、数据认证费用、质量评估费用、登记费用，以及企业合作的安全机构费用等等，还有服务器的存储费用、人员投入成本。通过把这些费用全部考虑进来，做归集之后，才能形成针对数据资产最终的可靠的计量。

按照数据资源入表的运行规定，如果成本不能可靠的计量，意味着不知道这个数据值多少钱，用了多少成本，到底归属多少资产，是入不了账的，更不能把它入到企业资产负债表。因此，成本的可靠计量也是数据资源入表优先满足的条件之一。

二、成本归集分摊

成本归集分摊其实是利用数据血缘来做的。

在数据治理部分，会接触到数据治理的血缘关系，以销售预测模型为例，它会涉及到几个表的数据，每个表的来源、数据量、数据投入的成本都不一样，所以需要对上游进行溯源，最终把该模型所涉及的成本分摊到每个表格、每个部门，然后做统一的计量，这是成本归集分摊的逻辑。

我们会根据血缘关系拿到数据分摊成本的追溯，最终分摊都是可以去做计量的。在分摊之后，就要做列报，涉及无形资产、存货和开发支出。

这里先展开说一下开发支出，在暂行规定出现之前，很多企业会把研发费用归到开发支出里面。其实研发费用有两大趋向，一个叫费用化，一个叫资产资本化。费用化可以理解为消耗掉了，没有任何沉淀，不会存留在资产里面；资本化就是有这笔金额记录，很多企业包括高科技技术企业，会把之前研发费用记账到开发支出上，未来满足资本化条件之后，再记到无形资产。如果是专利、内部数字研发的产品，也可以记入无形资产。

关于列报和披露，我们例举了一些无形资产披露的样本示例，包括期初金额、开发相关费用，以及存货获得的方式，都要列报显示出来。此外，从设计数据资源到存货，到初始计量、减值测试、后续相关的计量，包括终止计量，都要按照财政部的规定，在资产负债表里列示清楚。

观点总结：从上篇提到的资源盘点和梳理，到数据的确权，再到数据治理和管理，以及本篇提到的成本分摊，最后到入账环节，整套流程下来入表就基本完成。

三、数据产品孵化运营

为了让数据资产增值，我们还要对产品进行孵化，换句话说，就是输出相关的销售预测模型，包括供应链模型、预测模型，对外提供报告或者数据API、数据包等等，在数据交易平台上市上架，交易推广。

但在交易之前，会有资产评估环节。这里评估的对象不是数据资源、数据资产，而是数据产品。需要强调下，评估数据值多少钱，并不是说这个表的数据值多少钱，更多是这个表以数据产品的形式，值多少钱。

我们评估数据产品的目的是指导授信，包括产品的定价也是服务于这部分，但是评估后的金额是不能作为入账金额依据，入到资产负债表里面的。

举个例子，数据总共加工处理成本与成本法预估金额是1万，也就是投了1万元的资源，但是通过收益法预估对应的数据产品值100万，两个金额差别是非常大的。在这种情况下，不能把100万入到资产负债表，所以可以理解为入账和估值，其实是没有关联的。

估值的多少也会取决于数据质量标准，比如一致性、稳定性等相关权重，当然还要考虑数据的稀缺性，包括数据未来的收益，最终得出数据产品到底值多少钱。

另外，数据产品针对不同的用户，定价、价值也不一样的，比如我的竞争对手非常需要这款数据产品，那么它可能值1000万，但是对于其他不相关行业的客户，可能分文不值，所以估值也会跟行业属性、市场需求相关。

这里要强调，数据产品的估值，更多还是要找第三方资产评估机构来做，并给出资产评估价值类型指导意见。这也是中国资产评估协会给到的指导意见。

观点总结：数据资产的价值核心是孵化有价值的数据产品，基于数据产品做估值，才能使数据资产增值，并实现数据资本化需求。

四、数据流通和交易

数据流通和交易，主要由数据交易所来做。企业需要做的，是把孵化的产品在数据交易所合作上架。有些本地的数据交易所，会针对数据做上市的登记证书，作为数据资产的凭证登记。

不过，当前市场还不太成熟，很多数据交易所的资产凭证登记证书还没达到互信。

比如，深圳数据交易所认为该资产是归属于你的产品，但是在上海或者贵阳，可能就不被认可。当然，制度在逐步完善中，未来可能形成数据交易所联盟形式，达到互信互认。这意味着企业只要在一个地方评估之后，每个地方都认可这个信息。

五、数据资本化

资本化的过程更偏金融领域，比较复杂，一般是由数据交易所牵头。数据交易所会拉上第三方评估机构，找到律师事务所做合规确权，找到金融机构做授信额度审批，通常要涉及抵押贷款的场景包括融资的评估。

这里强调一下，数据交易所的职能目前还不是交易平台，更多是信息资源整合平台，通过去联合上游、下游、中间的服务商、相关事务所等等，把数据资本化做好，所以流程上比较复杂。目前深圳数据交易所、上海数据交易所，都有相关案例在做尝试和实践，这也是国家当前主推方向，就是让数据真正产生增值，也就是资本化。

观点总结：数据产品的流通交易，更多是依托全国各地的数据交易所或数交易中心实现，且数据交易机构能整合到合规、估值、征信等各类机构资源，确保数据资本化完成。

六、入表难点

最后总结一下入表的3个难点。

• 专业领域比较多，考验整合资源能力。

数据资源入表涉及到企业内部、数据厂商，还有律师事务所、会计事务所等多个机构，甚至还包括数据交易所，需要去整合各种资源才能达成。目前还没有一家服务商或者机构，能把所有领域全部包含进去。

比如律师事务所，主要负责合规确权，出具法律意见，但不能承接其他业务，那么只能找第三方的其他厂商来合作完成。

• 入表和估值不能直接相关。

前段时间很多已经入表的企业，把估值估的很大，但并不符合审计。还是前面提到的，入表和估值不能直接相关，如果想通过入表去降低资产负债率，这个诉求其实比较难达成。

• 各地机构还未实现互信。

这部分需要国家在政策层面出台相关制度、规范，去实现律师事务所、会计事务所、数据交易所等机构的互信，这也是未来市场要逐步完善的。

写在最后

推进数据资产“入表”是大势所趋。在数据资源入表及运营这件事上，星光数智以资产运营为核心，以数据资产增值为目标，为企业提供数据资产化、数据产品化、数据资产运营的能力。

• ​数据资产化：内循环，包括数据盘点、治理、建模、发布，即内部的资产化。

• ​数据产品化：外循环，包括数据产品的孵化、开发、估值和交易。

• 数据资产运营：借助大数据技术、AI模型，包括隐私计算能力，对外提供相关的平台咨询服务、治理服务。

最终，我们希望帮助企业实现数据资产的增值。