数据资产入表那些事儿

1.数据资产入表的意义：1）提升市场以及数字经济类企业的会计信息质量和真实性；2）提升企业财务报表的盈利能力和质量，进一步提升企业的估值和资本力；3）这次政策的实施更是预示着未来更多对数据要素有利的政策的出台未来可期。

2.一项资源想要成为资产，必须满足两个基本条件：1）证明我们拥有使用权和控制权，如果投入和控制过程都是由我完成的，或者通过授权或其他合同形式获得数据，合同本身就可以证明我拥有或控制这份数据，这并不一定需要有权证。2）需要能够给我带来一些收益，可以清晰地看到或推断出其可形成商业化的数据产品。

3.数据资产的处理方法在很大程度上类似于知识产权的处理方式。从方法论和实践操作的角度来看，对于数据资产的评估并没有什么实质性的障碍，完全可以进行操作。

4.资产评估行业的相关指导意见将快速落地。中国评估协会在2019年发布了《数据资产评估专家指引》，并在去年发出了《数据资产评估指导意见》的征求意见稿。预计随着会计领域的数据资源会计处理的暂行规定即将实施，资产评估行业的相关指导意见也会相对快速地落地。

5.国际准则并不反对数据的入账。目前，我国并没有为数据资产设置专门的一级科目或制定专门的准则，这与国际实践在实质上是一致的，只是我们对数据资产的定义更加明确。从长期来看，我国的准则实际上还是偏保守的。例如，无形资产和存货在我国都没有采用公允价值计量的路径，而在国际准则下，无形资产和存货都可以采用公允价值计量，如果我国的准则能够与国际准则接轨，那么数据资产的入账将为公司带来显著的价值增长。

问

这项新的规定对于数据要素市场和相关企业有什么样的影响和意义？

从我们的理解来看，数据资产入表对于数据要素市场的意义重大。随着数据要素市场的快速发展，这种意义将日益突显。我们可以直观地感受到数据资产入表的几个主要影响。

首先，从宏观角度而言，当前市场上有大量的新技术公司和数据类型的公司，甚至包括正在信息化过程中的传统公司。在这个过程中，这些公司实际上已经沉淀和积累了大量数据资产，并从中总结和挖掘出了许多具有商业化和应用场景的数据资产。这些资产在以前可能没有被充分认识和利用，而现在通过数据资产入表，可以更好地发挥其价值。

然而，在当前的暂行规定发布之前，许多公司并未将数据资产纳入其财务报表。这就意味着，现有的会计信息和记录，并未完全反映出数据型公司的真实资产和经营状况，存在较大的不匹配情况。通过新发布的数据资源会计处理暂行规定，我们期待能在很大程度上解决这种不匹配问题。这将使得企业的数据相关行为以及由这些行为产生的资产，能够被会计语言记录并反映在企业的报表中。这不仅能提高会计信息的质量，使得企业的报表更加真实、准确，并且能更充分地反映出信息类和数据类公司的真实财务状况和经营状况。长期看来，这对增强会计信息的透明度以及提升整体市场的健康发展都将产生积极影响。

所以，第一，从宏观和长远的角度看，随着会计语言与实际经营情况的匹配度提升，有希望重塑整个估值体系。在数字经济时代，数据要素与会计报表之间的匹配程度能够建立一个良好的桥梁，这是第一个积极意义。

第二，从企业自身角度来看，新规定为企业提供了一条路径，可以将之前与数据相关的支出，如数据采集、清洗、整理、加工和开发等一系列过程，按照资产化的路径进行反映。在过去，没有相应的路径来真实地反映这一系列的过程，许多企业可能将这些行为视为研发费用。这种做法实际上会影响公司当期的财务状况。因此，新规定的发布，有助于企业更准确地反映其真实的经营和财务状况，这是第二个积极意义。

当前的暂行规定为企业提供了较大的灵活性，无论是将数据资产确认为存货，还是确认为无形资产。这意味着企业所做的相关投入，不必在当期全部费用化。许多支出实际上是一种资产投入型的支出，根据新的暂行规定，这些支出可以被确认为存货或无形资产。因此，从财务角度看，这将减少一部分的当期支出，从而提升企业的业绩水平。这一规定的实施，有助于更准确地反映企业的真实经营情况和财务状况。

从资产负债表的角度来看，新的规定将增加一部分资产，从而优化资产和负债的结构。对于企业报表来说，这将产生两个主要影响：第一，企业的盈利能力将得到优化；第二，企业的资产负债率也将得到优化。因此，企业的整个财务报表将更真实、更有优势地反映其经营和财务状况。

从企业的微观角度来看，无论是进行股权融资，或者是利用已经显化的数据资产进行专项融资，新的规定都将带来更大的价值驱动力和抓手。这是第二个影响，即通过新的政策，企业的财务报表将发生变化，这种变化将优化企业的整体估值以及融资能力。

第三个影响是从更长远的角度来看，新的政策的发布实际上是对数据资产研究的一种推动。作为一家专注于研究和呼吁数据资产入表的专业机构，我们自去年年底数据资源会计处理的暂行规定征求意见稿发布以来，一直关注着这个政策何时会正式落地。新的规定的发布，标志着我们的关注点已经变为现实，这对我们的研究工作具有重要的推动作用。

实际上，前天正式发布的这个政策超出了我们内部所有人的预期，它以一个超预期的、更快的节奏推向了市场。这是一个非常好的信号，从更高层次来看，这意味着有更强大的力量正在推动我们的准则制定者，包括财政部等相关制定者，进一步加速数据资产入表入账的进程。这个政策的推出，无疑为数据资产的会计处理提供了更明确和具体的引导，这对于整个行业来说，无疑是一个积极的信号。

实际上，这个政策与我们国家近几年来推动数字经济发展、推进数据要素、驱动经济增长的策略是一脉相承的。从长期来看，当前虽然是暂行规定，但我们可以明显感到有强大的力量在推动这一系列政策的进步。从暂行规定到指导意见的转变，再到可能的补充说明，这些都是值得预期的发展方向。从宏观角度来看，这个政策的推出对于推动数字经济的发展具有重大的意义。这不仅将有利于企业的发展，也将有利于整个社会的进步。

总的来看，我们可以从三个方面来理解这次政策的影响：

第一，从会计信息质量的角度，新的政策将提升市场以及数字经济类企业的会计信息质量和真实性。这将有助于提升市场的透明度和信任度。

第二，从单个企业的微观角度来看，新的政策将提升企业财务报表的盈利能力和质量，进一步提升企业的估值和资本力。

第三，从政策利好的角度来看，这次政策的实施更是预示着未来更多对数据要素有利的政策的出台未来可期。

问

数据资产入表后，对于企业来说，许多费用将去资本化。从长期来看，这将对企业的财务状况产生什么影响？有可能例如，在第一年，可能会出现同比较大的变化。然而，随着时间的推移，这种影响可能逐渐趋于稳定吗？

我理解可能恰好相反。根据目前的暂行规定，规定将从明年1月1日开始正式执行。同时，企业可以选择试行新规定。但规定明确指出，之前已经作为研发费用费用化、已经影响到报表的支出，不能追溯调整。也就是说，只有从明年1月1日开始，未来的相关数据资产投入才可资本化。这实际上是对企业的一种保护，通过设定一个相对较长的缓冲期，使得企业对新规定有充足的时间和空间来适应。同时，这样的规定也避免了突然大量的数据资产入表，有利于保持财务报表的稳定性。也就是说，从明年1月1日开始，新增的投入可以逐渐资本化，形成数据资产，而以前的大笔支出并不会突然变成数据资产。这种渐进式的变化，既有利于企业的财务管理，也有利于市场的稳定。

也就是说短期内，对于整个资本市场来说，所有公司的资产结构并不会由于我在第一年、第二年的增量而产生翻天覆地的变化。这样，企业可以有更长的周期来验证新制度的合理性，并在此过程中逐步纠正偏差。这是一项温和，给予长期缓冲期的政策，所以它不会产生巨大的冲击。这也避免了政策突然实施后，如“开闸放水”般的数据资产增加，导致大量报表变动，对资本市场产生巨大的影响。这样的风险已被有效控制，所以这是一个良好的现象。

短期内，这是一个温和且逐渐积累的过程。从长期来看，数据的积累是线性的，但数据要素的流转以及数据之间的关联性会产生更多的联系。这些新的数据关联能够产生更多的迭代，新的应用场景和新的数据产品也会呈几何级的增长。因此，从长期来看，数据资产的量将逐渐增大。尤其是对于数据类和信息类的公司，长期来看，随着数据资产的积累和叠加，数据资产将成为这些公司报表中最重要的资产，也更真实地反映了公司的资产结构。就像石油公司的核心资产是石油资源，矿产公司的核心资产是矿产资源一样，数据公司的报表中的核心资产将是数据资产。这是一个长期的变化，但这个变化是平稳的，不会因为短期的大量增加产生巨大的市场冲击。

问

是否在数据资产入表之前就必须完成确权呢？或者，在入表之前，需要完成哪些工作？例如，是否需要提供产品证明，或者是否需要满足一些预设的条件？

暂行规定的发布将决定哪些类型的公司及其资产会受到影响，以及哪些资产可以入账。

对于可入账的数据资源，我们首先需要设定一个明确的边界。尽管数据是肉眼无法看到的，储存在计算机中的规则化、结构化信息，但它实际上是有资产边界的。

首先，企业需要结合最终的应用场景。例如，如果我开发了一个具体的数据产品，我需要明确这个数据产品的底层关联的是哪些数据。这些数据构成了具有应用场景的数据产品的相应数据资产。我可以将此部分数据打包，例如包A。另一部分可能是我直接将部分数据对接到客户那边，客户需要我哪些数据，我为他们开设接口，这部分数据也是很明确的，可以被打包，例如包B。结合这些数据的应用场景，我可以区分并分配相关的数据。也就是说，我可以将可能入账的数据资源分别打包成包A、包B、包C等。每个包实际上都是一个潜在的可入账的数据资产。这就意味着，我已经识别出现有的数据资产。

第二步是符合资产的前提条件。从定义角度来看，一项资源想要成为资产，必须满足两个基本条件。首先，这项资源必须是我拥有或控制的，这也是我们关注的确权问题。从会计角度来看，报表上的资产一定是属于我自己的，因此我必须对其拥有所有权或控制权。然而，数据的情况比较特殊。数据具有可复制性和可共享性，它可以在不同的时空中同时存在，与其他所有的资产都不同。因此，数据的所有权通常情况下非常难以判断和证明，甚至可能存在一些法理上的纠纷。

在我们讨论数据资产的确权问题时，实际上，我们并不需要证明对其拥有所有权，而是需要证明我们拥有使用权和控制权。一旦我们能证明这一点，那么这项资产就是我们的。例如，在当前的《数据二十条》中，对数据资产的权属处理得非常明智，它并不纠结于所有权，而是侧重于基于所有权的使用权或收益权，包括数据资源的持有权，数据产品的经营权，以及数据的开发使用权这三种权利。也就是说，只要我能证明对于我的数据拥有这三种权利中的任何一种，那么这就是我的证明方式。并不一定需要通过登记或获得证书的方式来证明这个资产是我的。这实际上与非专利技术等知识产权是类似的，非专利技术也可以作为无形资产入账，并不一定要拿到专利权证书才可以入账。同样地，数据资产也不一定需要得到一个登记证或产权凭证才能入账。

例如，我购买了一些外部数据，然后投入自己的资源进行开发。如果我能证明这个开发过程是由我控制的，所得到的成果也是我控制的，那么我就拥有这份数据的使用权或经营权。同样，如果我通过授权或其他合同形式获得数据，那么这个合同本身也能证明我对这份数据的来源和一定的权利。

关于数据的来源，如果投入和控制过程都是由我完成的，那么我就可以证明我拥有或控制这份数据，这并不一定需要有权证。然而，如果有权证，这肯定会起到更积极的作用，因为外部凭证具有一定客观性。因此，这是关于权利的问题，也就是说，如果一项资源要成为资产，我需要拥有对它的使用权和控制权。

第二点，这项数据需要能够给我带来一些收益。并非所有的数据都能成为资产，因为有些数据尚未结构化，计算机难以识别，也难以提炼出其中的信息和规律。在当前阶段，我们可能无法直观地推断出这些数据是否有相应的商业场景，能否带来积极利益，因此这些数据暂时不适合作为资产入账。如果一项数据是结构化的，计算机能够处理和识别，并且可以清晰地看到或推断出其可形成商业化的数据产品，或者这些数据可以直接在市场中销售和开放接口，那么我们可以推断这样的数据很有可能带来经济利益，进而满足成为数据资产的第二个条件。因此，一旦满足了这两个条件，即拥有权利和控制权，以及可能带来经济利益，我们就可以认为这项数据资源已经成为资产，满足了确认为资产的条件。

第三点，一旦确认为资产，我们需要对其进行计量，确认其价值。这需要依据相关的历史投入以及相应的原始凭证来证明这些金额的存在和真实发生。一旦我们的数据资产的历史成本可以被计量，我们就可以进行初始确认，并将其作为一个数据市场资产纳入会计账务处理，最终将其体现在财务报表中。

问

在当前的数据资产入账过程中，我们主要依据其生成过程中的相关费用和成本进行计量。如何确定数据资产的使用寿命？以及如何对没有明确使用寿命的数据资产进行处理？例如，在每年进行的减值测试中，我们如何确保计量的合理性？

在初始计量阶段，会计准则为我们提供了明确的指引，即我们只能基于历史成本对数据资产进行计量。然而，在后续计量过程中，会涉及到更多的判断和估计。

以存货为例，当数据资源未被确认为存货时，可能只需要遵循收入准则，无需进行存货的成本转移。然而，一旦数据资源确认为存货，我们需要计算存货的结算成本，即确定当期应该将多少存货转入成本，以及保留多少成本。这个流程中的成本将反映在期末存货的价值中。同时，需要判断期末存货的价值是否超过其可变现净值。如果低于可变现净值，则需要提供存货跌价准备。这整个过程都涉及到会计估计和专业判断。

同样的，当数据资源被视为无形资产时，我们在获取计量过程中，首先需要确定使用年限。确定年限后，经过摊销后形成的账面净值是否会低于可收回金额。如果低于可收回金额，也需要进行相应的减值。这同样涉及到会计估计和专业判断。

对于专业判断，其实包含两个层面：经济层面和商业层面的判断。以存货为例，我们需要决定如何结算成本。例如，假设我们开发了一个可对外销售的数据产品，通过售卖账号的方式进行销售，类似于"企查查"的模式。

在旧的会计规则下，所有销售的账号收入可能会被全部确认，而底层的研发成本可能并未以存货的形式转移，而是直接以成本或费用的形式结转。而在新的准则下，我们可以将其确认为存货，这就涉及到收入的确认是根据实际销售来进行的。

然而，关于确认为存货的总额，我们需要决定按照什么样的比例转成成本，并决定留多少在存货中。这就需要我们估计一个标准化的数据产品（例如一个账号）在一个销售周期内大致能以什么样的频率卖出多大的量。

例如，如果我们预计今年可以卖出1万个账号，那么在每个月实现销售的过程中，如果第一个月实现了500个账号的销售，那么我们可能就会从存货中转出500/10000，也就是5%的成本。剩下的95%仍然留在存货中，通过这种方式逐渐结算成本。

在财年结束时，我们可能会面临一种情况，即预计的销售量与实际的销售量不符。比如预估将销售1万个账号，但实际只销售了5000个。这意味着期末时，还有一半的存货没有销售出去。此时，我们需要对这部分存货进行估值，判断它是否需要进行可变现净值的调整，也就是看这部分存货是否仍然具有原有的价值。

这其实是专业判断的两个层面中的第二个，即估值层面的判断。第一个层面是经济、商业层面的判断，我们需要预估销售量，以确定成本转移的速度。而第二个层面，就是在年底时，如果我们认为存货可能存在跌价的迹象，就需要进行估值层面的判断，这就涉及到对数据资产的估值。

与此类似的，无形资产也存在商业层面和估值层面的判断。在商业层面的判断中，我们需要确定确认为无形资产后的数据资产使用年限。有些数据资产有明确的使用期限，例如授权期限、合同期限，或者我们基于数据开发的技术有明确的迭代周期。例如，某种技术可能在五年后就会被新的技术替代。这些都为我们确定无形资产的使用年限提供了依据。

许多数据可能没有明确的使用期限指标，这时我们可以参考同行业、同类型数据的大致情况来进行合理估计。另一种情况是，我们认为某些数据与企业的核心业务，甚至与企业本身，有深度的绑定。只要企业或其核心业务持续存在，那么这些数据就能持续存在并发挥作用。

这类数据的例子颇多，类似于商标。例如，麦当劳、华为、苹果等公司的商标，我们通常认为只要公司存在，这些商标就会持续存在。商标是永续存在的，无需进行摊销。同样，许多核心数据，只要企业持续经营，这些数据就会不断积累、持续存在，并发挥作用。因此，这些数据也可以视为永续存在的无形资产，无需进行摊销。

对于无形资产的商业层面的估计，我们可以将其分类为三种情况。第一种情况是，如果无形资产有明确的使用年限，那么我们可以直接设置其使用年限。第二种情况是，如果无形资产没有明确的使用年限，但有可参考的同类型资产，那么我们可以参考这些同类型资产的使用年限。第三种情况是，如果我们能够证明无形资产是与企业长期存在的核心数据，那么我们可以不对其进行摊销。

无论我们采用哪种方法来估计无形资产，都会存在一个问题，那就是我们需要在每个报告日期判断账面上剩余的、已经摊销的无形资产是否可能会减值。这种减值可能性其实是通过比较无形资产的账面值和其估值来判断的，这也涉及到估值的问题。

在财年结束时，存货和无形资产可能涉及到估值层面的估计。具体来说，对于数据资产这类无形资产，我们需要在每个报告日期对其进行估值，这涉及到后续估计。

就当前的情况来看，数据资产的估值主要有两种方法：成本路径和收益路径。市场法因为数据资产的公开交易并不活跃，可获取的交易案例数据相对较少，所以使用的较少。

成本法实际上与历史成本的计算方法类似，但它是以当前评估时间点的新的价格水平来对历史成本进行重置。通常情况下，在有通货膨胀，价格指数上升的情况下，成本法的估值通常不会低于历史成本。换句话说，成本法在这种情况下，可以更准确地反映资产的价值。

收益法的核心是结合数据资产所对应的最终应用场景，并基于这个应用场景预测未来的收益。然后，对这些预测的收益进行折现，从而得出数据资产的价值。

当数据产品的商业前景乐观时，收益法的估值往往会大幅度高于成本法的估值。这是因为，数据资产的价值往往有明显的非对称性，类似于专利。也就是说，即使我们投入了大量的研发成本，只要商业模式能够成功，所带来的附加价值肯定远高于我们的投入成本，因此数据资产肯定具有剩余价值。

就当前情况而言，我们在短期内并不需要对后续的估值计量过于担忧。因为账面值其实是一个历史成本，是经过摊销或者成本减少后的历史成本估值。无论是从收益途径还是从成本途径来看，由于历史成本体现的值相对较小，因此短期内的压力并不大。

问

如果我们将数据资产视作一种无形资产进行处理，从您的角度来看，现在的数据资产处理方式更类似于哪种无形资产的处理方法？

数据资产的处理方法在很大程度上类似于知识产权的处理方式。这是因为数据资产的积累过程主要是一个智力密集型的过程，涉及到构建数据结构，寻找数据源，以及从原始数据中提炼、加工、整合，最终形成一个高附加值的数据包。这与知识产权类的无形资产具有很大的相似性。

因此，在数据资产的评估过程中，我们有时会采取与评估知识产权类无形资产相类似的一些具体方法。例如，在收益法评估过程中，我们可能会使用一些细分的方法，如许可费节约法、分层收益法、增量收益法和超额收益法。这些方法在评估知识产权类无形资产时已经得到了广泛应用，而且非常成熟。因此，将这些成熟的方法应用到数据资产评估中也是非常适合的，路径清晰，操作上有完整的体系和基础支持。

所以，从方法论和实践操作的角度来看，对于数据资产的评估并没有什么实质性的障碍，完全可以进行操作。

问

假设企业需要进行数据资产评估，那么是否可以主要依赖类似于您的这种第三方数据资产评估机构，并将其作为一个权威的参考呢？

目前，数据资产的评估已经有了一定的规范和指导。中国评估协会在2019年发布了《数据资产评估专家指引》，并在去年发出了《数据资产评估指导意见》的征求意见稿。预计随着会计领域的数据资源会计处理的暂行规定即将实施，资产评估行业的相关指导意见也会相对快速地落地。这意味着数据资产评估的行为将有具体的准则来进行规范。

对于资产评估机构和专业人员，有了这些准则作为依据，他们可以更专业、更准确地进行数据资产评估。同时，由资产评估机构出具的评估报告需要资产评估师的签字和资产评估机构的盖章，这是一个法定的评估报告，具有一定的公信力。因为其承担的责任更大，相比于其他的咨询报告、估值报告，其公信力可能会更强。

问

您之前提到，在2019年已经有了关于数据资产评估的相关专家指引。那么，我们是否可以理解为，实际上关于数据资产评估的相关实践，或者说试点项目，一直在稳定地进行和推进？

在2019年的时候，专家指引主要是学术性质。然而，从2021年开始，协会实际上已开始准备制定更正式的评估准则和指导意见。资产评估准则体系包括基本准则、职业准则、评估指南以及指导意见，这些都是准则体系的组成部分。因此，信息资产评估指导意见实际上是准则体系的一个正式组成部分。

在制定这些准则的过程中，我们需要考虑准则条款的合理性、合规性以及可操作性。因此，在制定准则的过程中，我们也进行了一系列具有特色的数据资产评估试点，包括政务数据评估、交通商旅类数据评估、环境监测数据（例如PM2.5）的评估，以及地理信息数据（包括测绘数据、遥感数据和卫星数据）等等。这些试点都是为了测试和验证我们制定的准则的有效性和实用性。

我们已经考虑到了各类数据资产的特性，并进行了实践层面的尝试，同时也进行了相应的总结。基于这些试点，我们汇总了相关的路径和方法，并反馈到即将发布的指导意见中。这份指导意见在规范性、实践操作和专业性方面具备了一定的基础，能够支持数据资产在入账后进行持续的估值计量等一系列的事项。

数据资产除了在财务报表中的应用之外，还有其他重要的功能。例如，数据资产可以作为非货币资产，用于对外出资或合资，也可以用于对现有公司进行增资等行为。这相当于将非货币资产货币化使用。此外，数据资产也可以进行市场化交易，或者被用于抵押融资等操作。

所有这些都涉及到对数据资产的估值。因此，数据资产评估的指导意见在这些领域中均能发挥良好的指导作用。同时，这也配合了当前数据资产入账的工作。因为一旦数据资产入账，相当于企业所拥有的数据资产已经被分项整理和打包，这将为未来的其他运作提供便利。例如，如果将来要使用数据资产进行融资、抵押融资、交易或对外出资，已经入账的数据资产可以直接被利用。然后再进行一次估值，这样的操作就可以非常顺利地进行下去。

问

请问我们能期待在今年内看到这项新规定吗？

很大概率。因为我们原来预计，资产评估领域的指导意见和会计领域的暂行规定应该是几乎同步发布的。所以，一旦暂行规定发布，我们可以预期，评估的指导意见也将随之紧接着发布。

问

您先前提到，在试点阶段，已在政务和交通等领域进行了一些实践。能否针对政务和交通这两个领域，详细介绍一下他们的资产是如何进行入账和评估的？

政务数据是当前非常典型的数据类型，也是各地政府非常重视并积极推动市场化和商业化运作的数据。目前，全国很多城市基本上都完成了对于当地政务信息服务平台的信息化建设，并且大量的城市都已经汇聚了信息化建设过程中积累的政务数据。这些数据相当于各个部门的政务服务积累的数据已经被汇集到各地的大数据中心。对于还没有完成汇聚的地方，也基本上都在建立相应的数据汇聚路径和平台。政务数据在完成汇聚之后，基本上以地级市为单位进行集中。各地政府都希望通过运作这些政务数据，作为推动当地经济和财政收入的新的增长点。在我们的试点中，北京市在政务数据的运作上走在了前列。

政务数据的特点主要是其与企业行为数据的紧密关联。这些数据主要是在政务平台上积累的企业行为数据，例如企业缴税、社保办理、高薪评定、三精特新评定等。此外，如果企业存在违规行为或受到监管措施和处罚，这些信息也会被记录。这一系列的数据都是基于企业行为建立起来的。

企业行为数据的所有权问题值得注意。由于这些信息是由企业的行为产生的，因此数据的所有权理应属于产生行为的企业。然而，虽然数据的所有权属于企业，但企业并未真正掌握这些数据。这些数据的痕迹都被政务信息化平台记录并存储在数据中心中，因此政府实际上是这些数据资源的持有者，而非所有者。在此基础上，政府可以将数据资源的持有权授权给当地的国资进行运营。

在得到政府授权的基础上，国资便取得了政务数据的权属。这种权属并不是所有权，而是持有权，并且是通过授权经营的方式实现的。在得到授权后，国资基于这些数据进行了进一步的开发，形成了相应的数据产品。

政务数据的字段非常多，包含的信息量也非常广泛，但并非所有字段都对最终形成的数据产品有用。因此，经过开发形成的数据产品只包含有用的信息。这种数据产品与企查或天眼查类似，但其数据维度更丰富，数据的真实性和可靠性也更高。这是因为这些数据都来自于企业实际经营行为的第一手痕迹。

由于这类数据产品能提供丰富真实的企业信息，它们深受银行等金融机构的喜爱。银行可以将这些数据直接接入自己的风控平台或产品中，不仅可以用于开拓新客户，通过数据筛选出高质量的企业作为潜在客户，同时也可以发现存在风险预警的企业，并将这些信息输入银行的风控系统进行风险提示和预防。因此，金融机构，尤其是银行，非常喜欢这类数据，他们可以直接接入这些数据，也可以购买账号进行查询和使用，这就是这类数据产品的最终应用场景。

最终的数据产品并不需要使用所有授权过来的数据字段，而仅仅需要特定的一些字段。因此，在开发数据产品时，我们可以明确确定所需的数据字段。这些字段构成了数据产品的底层数据资产，其范围也因此得以确定。

基于这个确定的范围，我们可以明确数据权属。而当我们拥有了具体的数据产品，应用场景也随之确定。这种方式确保了数据产品的开发和应用过程中，数据的权属、范围和应用场景都能够得到清晰的定义和管理。

当我们有了产品销售预测，我们就可以基于一定的模型计算出数据资产所能产生的现金流。有了这个现金流，我们就可以重新估算收益法的估值。所以，我们能够通过这两种路径来得出数据资产的估值。最后，我们发现使用成本法得出的估值相对较低，而收益法的估值更高。

问

对于交通数据试点的资产评估，其方法是否也是类似的？

虽然基本的评估方法相似，但在具体的模型设计上可能会存在差异。以我们用作试点的公交数据为例，它有一些典型的特性需要考虑。在关注数据资产的范围时，我们必须考虑到交通的波动性，包括节假日和工作日之间的差异，一年四季因寒暑变化可能导致的差异，以及早晚、白天和夜晚之间的差异。这些因素都应被纳入数据可能的波动范围之内。

我们不能仅凭一个月的数据就认为这个数据集具备了一定的预测未来的能力，或者说具备了一定的商业价值。数据的体量以及积累的周期必须足够覆盖各种波动，比如我们的商旅数据，无论是高铁的、航空的数据，都必须达到一定的体量，足够覆盖各种波动，才能具备对未来的预测能力。只有具备了对未来的预测能力，这个数据才具备相应的价值。

这是交通类数据的特征，其评估方式和收益途径可能会更直接。例如，公交数据可能直接销售给投商，这相当于是一种直接的数据销售场景。

如果是直接销售数据，销售收入基本上完全由数据贡献，因此可能无需进行相应的分成，或扣除其他资产的贡献。这种情况下，数据资产的估值主要由数据的对外销售收入决定。因此，虽然大的评估方法基本相同，但由于具体的应用场景不同，所用的模型会有差别。

问

现在哪些类型的企业可能会受到数据资产入账的影响更大？

目前，最直接受益的群体无疑是直接与数据打交道的公司，包括那些以数据作为核心产品或服务内容的数据产品公司和数据服务公司，以及在网络上游进行数据采集、存储和加工的一系列公司。这些公司是政策的第一批受益者。

这个政策不仅会推动数据公司更加积极地进行资产入账，传统的生产制造业公司在工业4.0的影响下，也积累了大量的第一手产业类数据，其数据的价值也是非常大的。对于这些公司，他们不仅希望通过数据提升自身的生产效率，降低成本或控制风险，同时也期望数据能产生一些对外创收的效果。因此，他们也有可能从数据资产入账的政策中受益。

以一家传统面料类上市公司为例，该公司掌握的面料市场份额已经占据了全球衬衫面料的70%。这意味着它在产业链上所积累的数据，如上游的棉花数据以及下游的成衣数据，实际上已足够影响整个行业趋势的判断。

这些数据对于期货投资和更宏观的决策都有着极大的影响。如果这些第一手采集数据能够资产化并进行对外商业化运作，它们对于这些公司实际上构成了一个新的增长点。因此，这些公司会有动力做更多的数据治理、数据挖掘和信息化工作。

这不仅会进一步推动前述的数据公司和IT公司的发展，也会产生一个持续的、循环的、逐层推进的促进作用，从而形成一个良性的发展循环。

问

从您之前在产业中的经验来看，如果现在的企业进行数据资产入账，我们可以预见在短期内，这将对企业的总资产产生多少增长？

对于这个问题，虽然具体的估计可能较难，但我们可以采用一种思路。如果想要预估一家企业数据资产入账后能带来的资产增量，对于数据公司，可以考察其研发费用。在其每年的研发费用中，可能有相当大的比例可以资本化。这是一个可能的评估方法。

问

在企业数据资产入账的过程中，哪些公司可能会从中受益？例如，它们可能会提供相关的服务或者其他类似的支持？

在企业数据资产入账的过程中，最大的受益者当然是数据公司。然而，除了这些数据业主之外，服务商在这个数据资产化、数据要素化、数据资产入账的浪潮中也将有大量的机遇。例如，那些提供全产业链服务的公司，从最初的数据规划开始，切入这个领域，帮助企业进行数据规划、数据治理、数据挖掘，都有可能从中获益。

在企业数据资产入账的过程中，服务类公司，包括专业咨询公司、设计师和评估师，都将发挥重要作用。在短期内，肯定需要进行一系列专业的估计和判断。此外，这个过程也会涉及到一系列的合规问题，因此对于律师以及其他中介服务类机构的需求也将大增。总的来说，专业中介机构在这个过程中的需求量将会非常大。

目前看来，对于这些专业服务机构，他们需要的是跨领域的人才，既懂数据又熟悉本专业的相关知识。然而，这种类型的人才和团队在目前的市场上仍存在大量缺口。这种人才团队的缺口意味着市场上存在供需不均衡的情况，这对于专业服务类公司来说，短期内将面临一定的挑战。

问

目前，我国在数据要素化以及数据资产入账方面是全球领先的，海外可能还没有一个特别详细的可以参考的体系。那么我们国内的准则如何与国际接轨？例如，对于那些在香港或美国上市的公司，他们将如何处理与数字资产相关的问题？

事实上，国际准则并不反对数据的入账。根据我们目前看到的暂行规定，它实际上是在现有的框架下，对数据资源这一类特殊的资产做了明确的规定，提供了一条路径。但这并不意味着在没有这个暂行规定的情况下，数据资产就不能入账。对于海外以及在国际背景下，如果数据满足存货定义，那么就可以作为存货计量；如果符合无形资产的定义，也可以作为无形资产计量。这些都是符合国际会计的，并没有规定数据不能确认、不能计量。因此，在这个问题上并没有实质性的差异。

目前，我国并没有为数据资产设置专门的一级科目或制定专门的准则，这与国际实践在实质上是一致的，只是我们对数据资产的定义更加明确。从长期来看，我国的准则实际上还是偏保守的。例如，无形资产和存货在我国都没有采用公允价值计量的路径，而在国际准则下，无形资产和存货都可以采用公允价值计量，如果我国的准则能够与国际准则接轨，那么数据资产的入账将为公司带来显著的价值增长。因为数据是持续积累的，同一份数据随着时间的推移能够产生的新的应用场景层出不穷。因此，在公允价值计量下，对报表的影响可能会比历史成本计量有更大的驱动作用。

在当前的国内政策下，对已经入账的数据资产进行后续计量时，最多是保持不变，不可能进一步增值。然而，如果在国际会计准则下，采用公允价值计量，数据资产才有可能增值。增值可能性带来的是盈利能力的提升、资产的增厚，以及资产负债结构的改善。

问

对于明年1月1日开始正式施行的新规，是否意味着所有企业必须将数据资产纳入账目？或者，企业可以自主选择是否将数据资产入账？

将数据资产入账实际上是一种自愿行为，如果你选择不入账，目前并不会有监管机构质疑你违反了准则。只要你能证明按照原来的会计处理方式，例如直接确认收入、直接确认损益，都是合理的，那么这样的报表处理实际上是更加谨慎的。这并不是一种强制要求，而是一种自选动作。

同时，还可以自己选择。例如，你可以选择不立即录入数据资产，而是通过披露的方式，在标准的资产之外，把你的数据资产情况披露出来。这部分数据资产可以被视为表外资产，你可以进行详细的披露，但不在报表上体现为具体金额。通过这种披露的方式，你可以告诉报表的阅读者，你实际上有大量的数据资产，这也是一条可选择的路径。

虽然这只是一种披露行为，但可能对公司自身、投资者以及报表使用者的感知，乃至公司的估值，都可能产生更大的积极影响。这也是目前政策能够为我们提供的一个新的选择，同时也是一个机会。

问

如果有公司选择只将部分数据资产入账，例如，出于公司的某些利益考虑，他们可能想先将一部分数据资产入账，然后在之后再将剩余的部分加入，这种做法是可以接受的吗？

这种情况与科技型公司类似，不是所有的技术都会在财务报表上体现，数据公司的情况也是如此。