很多管理者没有意识到，数据资产入表是企业增加资产的一场“开卷考试”。

“数据资产入表”，指在企业的资产负债表上体现数据资产，在法律上认可数据资产的财务价值。去年财政部发布《企业数据资源相关会计处理暂行规定》，并于今年 1 月正式生效，在法律层面上认可了数据的财务价值，这具有里程碑式的意义。

业内已经有很多政策解读，这里就不做重复说明，总结一下就是：利国、利企、利民。

· 利国：有利于推进我国整体产业升级，激活数据要素价值释放。

· 利企：帮助企业实现增资。

· 利民：推进规范数据管理制度后，更有利于个人数据安全保护。

01 不是所有的数据，都是资产

数据资产是指由企业拥有或者控制，能够为企业带来未来经济利益的，以物理或电子的方式记录的数据资源。

数据并不等同于数据资产，也就是说，并不是全部数据都可以当作数据资产入表。

· 数据：企业在日常经营活动中，产生的数据。

· 数据资源：将原始数据经过清洗加工后，有使用价值的数据。

· 数据资产：企业拥有或控制，且未来能带来收益的数据资源。

总结一下，只有具有使用价值和经济价值的数据，才能成为“数据资源”，同时，只有满足现行企业会计准则中资产的定义和确认条件的数据资源，才能确认为“数据资产”。

02 如何实现数据资产化

数据资产入表是企业数据资产价值化的场景之一，想要实现数据资产化，企业需要先完成数据资源化和产品化，三者说明如下：

· 数据资源化：将不同来源的数据经过清洗加工、整合和处理后，形成可用的数据集合。

· 数据产品化：基于清洗后的数据，构建一系列的数据产品、服务、应用等。

· 数据资产化：数据产品可以通过自用、开放、交易等形式实现资产价值化。

可以看到三者是逐层递进关系，想要实现最终的数据资产化，离不开数据资源化和产品化的前置工作。

数据治理在其中起到关键的作用，也就是说，数据治理直接决定了数据资产化的最终成果。

那么，企业该如何开展内部数据治理工作呢？

2.1 数据盘点

由于企业的数据天然分散在多个异构系统中，更让人困扰的是他们的数据结构、数据类型、存储形式、敏感级别、重要程度各不相同。

这让企业的数据整体看起来一团乱麻。所以，首要任务就是把数据盘清楚。

2.2 元数据

要想彻底摸清企业数据情况，还需要采集各个数据源的元数据信息。一般可通过手动登记或周期采集的方式，将各个业务系统、数据仓库、数据湖或数据应用的元数据进行统一采集管理。

但是，通过采集器只能获得技术元数据，而缺少了业务元数据和管理元数据信息。需要按照内部组织架构及业务划分，为不同的元数据分配负责人和管理部门，负责元数据的维护更新，以确保元数据的完整性、时效性和准确性。

2.3 数据标准

企业内部数据资源多样，且存在复杂的关联关系。此外，往往需要跨部门、跨团队、跨业务线协同，这大大增加了数据资产的管理复杂度。

因此，需要维护企业数据标准，统一内部协同“语言”，包含表、字段、指标、标签等资产类型的数据标准。

另外，可通过统计数据标准使用率和资产落标率，衡量资产的规范性程度，针对不合规的数据进行及时治理修正。

2.4 数据建模

接下来，需要通过引用数据标准，进行模型设计。

通过定义数仓分层结构及数据主题信息，在创建模型时，可自动拼接表名。与此同时，引用数据标准，会自动带入字段信息，从而实现规范化模型设计。

2.5 数据质量

针对核心资产，需要定期对它们做质量检测，以确保资产质量，符合业务要求。通常会从准确性、完整性、及时性、唯一性、一致性、有效性等维度去衡量资产质量，支持对单个或多个资产进行校验，对于复杂场景，则可以通过自定义 SQL 进行规则配置。

通过定期执行校验任务，自动生成质量报告，并推动给对应资产负责人，一旦出现质量问题，资产负责人则需要介入处理。

2.6 数据安全

随着我国安全法规的不断完善，企业数据管理离不开安全管控。

除了基础的数据权限管控外，还需要对企业数据资产进行安全分类分级。针对敏感数据，则需要做脱敏处理，比如身份证号、手机号等信息，避免数据泄露。

03 我们提供哪些服务

奇点云作为国内领先的大数据基础软件提供商，已累计服务 1500+ 客户，覆盖了泛零售、制造、金融、政企等领域。

凭借在产品技术上的领先地位以及丰富的最佳实践方法论，成功打造出了一站式、全方位的数据治理产品解决方案，旨在帮助企业有效地管理数据资产，全场景赋能商业决策，实现降本增效。

针对资产入表，我们提供以下服务及工具支持：

备注：以上工具和服务支持单独采购，有需求或任何疑问欢迎咨询 StartDT 小助理。

04 小结

很多人有个误解，认为数据资产入表是财务要关心的事情。

其实，数据资产入表，远超于单纯的财务管理范畴，其核心宗旨在于全面激活数据要素潜能，赋能企业发掘崭新价值领域，是构筑企业数字化与智能化融合转型的基石步骤。