本文介绍了中央企业数据资产化的重要性及其入表场景建设。白皮书详细阐述了数据资产化的概念、实施步骤和关键挑战，提出了一系列解决方案。文章还强调了数据资产入表的重要性，以提高数据的透明度和质量，推动企业数字化转型。

重点内容：

1. 数据资产化的概念及实施步骤。

2. 挑战和解决方案在中央企业数据资产化中的应用。

3. 数据资产入表的重要性，以提高数据透明度和质量。

4. 推动企业数字化转型的策略和方向。

 一、政策背景与意义

1. 政策推动数据资产化进程

    - 我国率先将数据纳入生产要素，2019年党的十九届四中全会首次提出，2023年国家数据局揭牌推动相关建设。

    - 政策不断完善，包括构建数据要素市场、推进数据基础制度建设、规范数据资产会计处理及评估等多方面政策出台。

2. 《暂行规定》的重要意义

    - 助力数字经济发展，为企业价值发现提供新思路，推动数据资产入表从理论走向实践，明确数据资产的会计核算方式。

 二、数据认知

1. 数据类型与特征

    - 数据类型多样，如文本、图像、视频、音频、数字等格式，人工智能发展与数据类型突破相关。

    - 数据价值特征包括价值密度低、关联增值性、时效性、潜在性，信息、知识、智慧是更高阶数据。

2. 数据相关概念定义

    - 数据是以电子或其他方式记录信息，是人工智能算法的基础。

    - 数据资源经加工后能带来经济价值，数据资产是特定主体合法拥有或控制、可货币计量且带来利益的数据资源。

    - 数据要素在生产中发挥重要作用，其乘数效应受多种因素影响，数据资产“入表”需满足会计核算相关条件。

 三、央企数据价值与资产化

1. 央企数据要素特征

    - 数据覆盖地域广泛，行业综合性强，成本信息复杂，应用场景灵活多样，数据质量高，稀缺性与可替代性动态变化，具有巨大潜力和价值。

2. 央企数据资产化挑战

    - 数据价值挖掘需先进技术，数据治理因规模和类型问题难度大，数据安全风险高，会计处理面临权属、成本归集、评估方法不统一等挑战。

3. 央企数据资产化路径

    - 注重潜在价值，通过数据场景化、资源化、价值化实现资产化，明确业务场景需求，加工原始数据形成资源，挖掘数据价值实现商业收益。

 四、央企数据资产化整体解决方案

1. 双层“宝塔”价值模型

    - 统筹数据资产化及入表方案，涵盖数据价值规划设计、资源管理、资产智能核算和价值创新，数据资产入表与价值体现联动。

2. 数据价值规划设计

    - 企业数据要素价值需规划，央企应发挥优势推动数据与业务协同，规划设计应坚持需求牵引、注重实效、试点先行、重点突破、整体规划和场景切入。

3. 数据资源管理与平台支撑

    - 数据资源管理包括盘点、登记/确权、资产判定，确保数据质量、安全和可靠性，YonBIP数据中台提供全链路数据服务，助力数据资产保值增值和业务创新。

4. 数据资产入表智能核算

    - 智能核算包括成本归集、列表披露和价值评价，数据资产入表有特定步骤，基于用友BIP可实现多维、实时、精细智能核算，为企业决策提供支持。

5. 数据价值化体现

    - 价值创新将数据资产转化为收益和竞争优势，数据资产价值包括内部、外部、直接和间接价值，创新应用方式多样，如增信贷款、出资融资等。