数据资产化，对企业数字化转型提出了哪些新要求？

近日，财政部印发《关于加强数据资产管理的指导意见》（以下简称《指导意见》），明确提出有序推进数据资产化，加强数据资产全过程管理。

不难发现，此次《指导意见》的文件中，有很多亮点。

比如， 将公共数据资源纳入资产管理范畴；鼓励第三方深化对公共数据进行增值开发利用；鼓励探索开展公共数据资产权益在特定领域和经营主体范围内入股、质押等……

事实上，近两年来，国家层面动作频频，持续释放利好数据要素市场的政策。

从2022年底的“数据二十条”，推动数字资产入表，到2023年10月国家数据局正式揭牌成立，再到24年初《“数据要素X”三年行动计划（2024-2026年）》的落地，都在有序推进数据资产化。

这一系列政策的发布，也让数据一步步完成从自然资源到经济资产的跨越。而在此过程中，我国构建以数据为关键要素的数字经济也在稳步推进。作为继土地、劳动力、资本、技术后的第五大生产要素，数据被誉为“新的石油”。 可以预见，在这一系列政策支持下，国内数据要素市场将进入发展的“快车道”。

数字经济究竟有多重要？答案藏在一组更精准的数字中：《数字中国发展报告（2022）》显示，2022年我国数字经济规模已超过50万亿元，数字经济占GDP比重达到41.5%，位居世界第二位。

而在2024年开年，一个更为实际的政策刷屏了整个产业界：2024年1月1日，财政部发布《企业数据资源相关会计处理暂行规定》（以下简称“暂行规定”），自此，数据资源将被视为一种资产纳入财务报表。

那么“数据资产”到底指什么？

1. 数据资产是指具有商业和经济价值的数据，它们可以帮助组织做出更明智的决策、提高效率和创造新的商机。

2. 数据资产具有持续性，它们需要在时间中保持并且不断更新和积累，为组织提供长期的价值。

3. 数据资产需要被正确管理和保护，以确保数据质量、数据安全和合规性。

哪些数据才能被界定为数据资产？

1. 内部数据资产：组织自身生成和收集的数据，包括各类运营数据、销售数据、客户数据、员工数据等。这些数据对于组织内部的决策制定、业务流程改进、资源优化等方面具有重要作用。

2. 外部数据资产：从外部获取的数据，如市场调研数据、第三方数据提供商的数据、社交媒体数据等。外部数据资产可以帮助组织了解市场趋势、行业动态、竞争对手情报等，支持战略决策和商业机会发现。

3. 运营数据资产：包括组织的实时业务数据、交易数据、设备传感器数据等。这些数据能够帮助组织进行生产运营管理、监控和优化，提高生产效率、降低成本和风险。

4. 客户数据资产：涵盖客户相关的个人信息、购买历史、偏好数据等。客户数据资产是进行客户关系管理、市场营销和个性化推荐的基础，可以帮助组织更好地了解客户需求、提供个性化的产品和服务。

5. 知识产权数据资产：组织所拥有的专利、商标、版权等知识产权相关的数据和信息。这些数据资产对组织的创新能力和竞争优势至关重要，需要妥善管理和保护。

数据资产有哪些特点？

1. 有商业和经济价值：数据能够为组织带来商业价值，支持决策制定、业务改进、盈利等方面。

2. 具有准确性和完整性：数据应该准确无误地反映现实情况，并且对于组织的需求来说，具备足够的完整性。

3. 可靠性和可信度：数据应该来源可靠、经过验证，并且具备高可信度，以便用于重要的决策和分析工作。

4. 具备时效性：某些类型的数据（如市场数据、竞争数据）需要保持及时更新，以反映当前的市场和行业情况。

5. 具备重要性和关联性：数据应该与组织的核心业务、战略目标或正在进行的项目密切相关。

6. 符合法律和隐私规定：数据应该在合规和隐私保护的框架内使用和管理，遵守相关的法律法规和数据保护政策。

数据入表，“纠正”企业数字化转型“姿势”

随着数字经济变革的深入，数据资产逐渐成为一个不可忽视的重要话题。企业在数字化转型的过程中，通过数据治理、数据产品的开发，以及数字化应用场景落地，不断提升地自身数据资源的价值，并实现数据资产的获得和积累。

然而一直以来，很多企业虽然打着“数字化”的旗号降本增效，但却被一群不懂公司商业模式、不懂数字化本质的运营人员带着一路跑偏。（之前我们有分享过，感兴趣的朋友可以点击：那些年，我们踩过哪些数字化转型的“坑”？）而数据入表，对企业最直接的影响就是，“纠正”企业降本增效的“姿势”。

过去在中国还没有进入到数字化时代的时候，数据并未提升到更重要的高度。生产要素包含劳动力、土地、资本和企业家，而如今数据已经被提升到战略高度，数据也被包含在新的生产要素组成当中。

所以，数字化的本质实际上是通过数字化的方式来改变过去固有的生产关系，即通过加入数据资产来注入新的生产要素，从而进一步推动数字经济发展。

那么我们如何才能有效地利用数据，将其转化为有价值的资产？数据的资产化又对企业数字化转型提出了哪些新要求呢？

1.数据管理和治理：企业需要建立一套完整的数据管理和治理体系，以确保数据的准确性、可靠性、安全性，并规范数据的采集、存储、处理和使用等环节，包括制定数据标准、数据质量管理、数据安全保护等方面。

2.数据资产的价值挖掘：企业需要利用数据资产化技术，从海量的数据中提取有价值的信息，并进行深入分析和挖掘，以支持业务决策和战略规划。

3.数据资产的流通和共享：为了充分发挥数据的潜力，企业需要与合作伙伴建立数据资产流通和共享机制，促进数据的内部和外部流通，实现的互通互联。

4.数据可视化与智能化：企业需要利用数据可视化技术，将数据以图表、图像等形式呈现出来，以便更好地理解和分析数据。同时，企业还需要利用智能化技术，实现数据的自动分析和预测，为业务提供智能化的支持。

5.数据安全与隐私保护：为确保数据的使用符合相关法律法规和隐私政策，企业必须尊重用户的隐私权利，并建立完善的数据安全防护体系，制定严格的数据管理制度和政策来保护个人身份信息的安全。

总之，随着政策的推动、技术的进步和市场的需求，数据资产化将迎来广阔的市场前景，企业应抓住机遇，加强数据管理和创新，释放数据的价值，推动数字化转型向以数据资产化为目标的方向发展。