数据治理：数据资产入表和数据要素市场化的基石

       以往，许多企业领导在决策是否投入数据治理咨询项目时显得犹豫不决。他们心存顾虑主要是因为数据治理作为一项基础工作，其直接产生的价值和经济效益并不明显。然而，随着数据资产的入账和数据要素的市场化配置改革，它们给数据治理提供了新的动力、方向和经济效益目标。

　　01、什么是数据治理？

　　数据治理是指组织对数据进行全面管理、维护和优化的过程。数据治理目的在于确保数据的正确、一致、可靠，并推进数据共享、数据价值挖掘和数字化转型。通过数据治理，企业可以更好地利用数据，提升业务效率和竞争力。参考之前文章《一文解析数据治理体系方法》。

　　2018年3月，由工信部牵头指导、全国信标委大数据标准工作组组织制定并正式发布了国内首个数据管理领域国家标准——《数据管理能力成熟度评估模型》（GB/T 36073-2018），并于2018年10月正式实施。

　　DCMM数据管理能力成熟度评估模型定义了数据战略、数据治理、数据架构、数据应用、数据安全、数据质量、数据标准和数据生存周期8个核心能力域，细分为28个过程域和445条能力等级标准。

　　1. 数据战略：数据战略是组织如何利用数据资产以支持其总体业务战略的高层规划。数据战略涉及对数据的管理、分析、保护和使用的长期愿景与执行计划。

　　2. 数据治理：考察组织内部的数据治理框架和实践，包括数据管理的组织结构、决策机制、数据质量管理和合规性等方面。

　　3. 数据架构：评估组织对数据结构、数据集成和应用架构的设计和实施情况，数据集成与共享。

　　4. 数据应用：检视数据在组织内部的应用情况，包括数据集成、分析、挖掘和应用开发等方面。

　　5. 数据安全：关注组织对数据的安全防护和权限控制情况，以确保数据的机密性、完整性和可用性。

　　6. 数据质量：评估组织对数据质量管理的关注和实践，包括数据清洗、监控、改进和数据质量策略。

　　7. 数据标准：考察组织对数据标准化和元数据管理的实践，以便更好地理解和使用数据。

　　8. 数据生命周期：关注组织对数据整个生命周期管理，包括数据采集、存储、使用、共享、保护和最终处置。

　　DCMM将数据管理能力成熟度划分为五个等级，自低向高依次为初始级、受管理级、稳健级、量化管理级和优化级五个等级，不同等级代表企业数据管理和应用的成熟度水平不同。

　　02、什么是数据资产入表？

　　2023年8月，财政部制定印发了《企业数据资源相关会计处理暂行规定》，自2024年1月1日起施行。数据资产入表，是指将数据资源作为一种资产，按照一定的标准和规则，进行确认、计量、列示、披露等会计处理的过程。

　　数据资产入表工作包括数据治理、数据资产开发与确权、数据资产评估、数据资产入表、数据交易和市场化等环节。根据数据资源的持有目的、形成方式、业务模式，以及与数据资源有关的经济利益的预期消耗方式等，企业对数据资源可以分别确认为“无形资产”和“存货”。

　　以下是数据数据资产入表的关键环节：

　　法律和合规（律所/数据交易所）：确保数据的收集、存储、处理和使用符合相关法律法规和隐私政策，保护数据主体的权益，完成数据合规，数据产品能够上架交易所意味数据已经合规；

　　数据资产开发与确权（确权登记机构）：确权过程包括对数据的产生过程进行记录和验证，确定数据的真实性和合法性；完成数据三权确权，这个和数据合规有点重叠，现在交易所也扮演这样的角色。数据资源的三权分置，是指根据数据资源的生命周期，将数据资源的权益划分为数据资源持有权、数据加工使用权和数据产品经营权，分别归属于数据资源的持有者、使用者和经营者的方法。

　　数据资产评估（数据资产评估机构）：是指根据数据资源的价值来源、价值特征、价值影响等，运用科学的方法和技术，确定数据资源的价值大小。数据资源的评估，是数据资源的价值的确定，也是数据资源的计量的基础

　　数据治理(数商)：完成数据治理，数据业务及产品开发，快速输出数据产品。

　　数据资产入表（会计师事务所）：完成入表的全流程，确保入表的方式正确，符合审计要求。

　　数据交易和商业化：将数据作为商品进行交易，或者通过数据许可、数据合作等方式实现数据的商业化利用，获取经济回报。

　　数据资产资本化：未来做数据资产变现、包括借贷、抵押、保理、并购等。

　　03、数据要素市场化配置

　　中共中央、国务院印发《关于构建数据基础制度更好发挥数据要素作用的意见》。

　　近日国家数据局等17部门联合印发《“数据要素×”三年行动计划（2024—2026年）》，行动计划选取工业制造、现代农业、商贸流通、交通运输、金融服务、科技创新、文化旅游、医疗健康、应急管理、气象服务、城市治理、绿色低碳等12个行业和领域，推动发挥数据要素乘数效应，释放数据要素价值。

　　热力学第二定律（熵增定律），揭示事物总是向无序的方向的发展、以及“孤立系统下热量从高温物体流向低温不可逆”的热力学定律。“熵”就是事物的混乱/无序程度，在孤立系统下，熵是不断增加的，当熵达到最大值时，系统会出现严重混乱，最后走向死亡。封闭系统的熵随着时间的推移不断增加，且不可逆。

　　大到宇宙、社会形态、企业、IT系统，小到个人和其它生命个体，封闭式的系统都会从有序逐步变为混乱无序。而且无论努力与否，系统的熵只增不减，最终归宿是死亡。任何事物大多数时候是“熵增”和“熵减”同时存在且彼此消长，熵增总体虽然不可逆，但在特定情况下是可以实现无序变为有序，即“熵减”或“逆熵增”，可以达到延缓衰败，实现个体生命寿命延长和企业活得更长。

　　将耗散结构理论应用于不同系统之间，比如生态、平台、企业和个人等，关键在于理解系统通过能量（或信息、资源、价值）交换来维持和发展的基本原理。耗散结构理论通常用于描述远离平衡态的开放系统中，通过不断从外界摄取能量和物质，并释放废物和热量，从而维持其结构并可能进行自组织的过程。

　　商业的本质是价值创造和价值转移，从内涵上来说，虽然商业实体间价值转移和系统间能量交换，在商业和自然科学领域的应用背景迥异，但在抽象级别，两者皆为系统走向更高秩序与更有组织状态的逆熵增过程中不可或缺的环节。

　　商业的核心在于自由竞争和资源的自由配置。在数据元素市场中，不同的商业价值体系之间—无论是个体与企业间、企业间、企业与生态间，还是生态与生态间—实际上体现的是资源分配与价值转换的相互作用。这种相互作用共同促成了数据价值合力与数据能力的叠加，使得在商业价值链的各环节中，每个部分都能表达各自的价值，并获取相应的收益。

　　04、数据治理是数据资产入表和市场化的基石

　　下面结合DCMM数据管理能力成熟度评估模型定义的8个核心能力域，说明数据治理对数据资产入表和数据要素市场化配置的作用和价值。

　　数据战略

　　数据战略需要明确数据资产入账的逻辑、流程和方法，嵌入组织的数据治理实践中，确保数据资产的价值最大化；数据战略在需要识别并推动数据标准化、共享与交换机制的建设，以适应市场需求和提升数据资产的流通能力。即数据战略要确保通过恰当的治理机制来应对市场变化，增强企业的竞争优势。

　　数据治理

　　数据治理为数据产权的合法认定与保护提供了基础，确保数据资产可以像其他形式的财产一样进行管理和交易。通过有效的数据治理，一个组织可以建立起清晰的数据产权，合理的数据流转和公正的数据分配机制，以支撑数据价值的发现、提升和实现。

　　数据架构

　　确立一个清晰、一致的数据架构是理解和管理数据资产的基础。它包括数据的存储、管理和组织方法，能够保证数据的完整性和一致性，从而提升数据价值。

　　数据质量

　　高质量的数据是数据资产价值的关键。数据治理通过质量管理流程（例如清洗、校验、去重）确保数据的准确性、一致性、完整性和时效性，这对数据资产的识别、评估和入表至关重要。

　　数据标准

　　数据标准提供了数据定义、格式和交换的共同规范。在数据资产入表过程中，统一的数据标准使得资产的度量、分类和报告变得可能，也为数据资产的审计和比较提供了基准。

　　数据资源的分类，是数据资源的列示的前提，也是数据资源的管理的依据，而数据资源的标准，是数据资源的分类的依据，也是数据资源的区分的标准。

　　数据安全

　　安全领域规定了如何保护数据免受未经授权的访问和泄露。数据安全措施是评估和记录数据资产价值时的重要考量，因为它们直接影响数据资产的风险和价值。

　　数据应用

　　包括数据集成和共享，在使用数据资产创造价值的过程中至关重要。有效的数据应用依赖于治理流程，以确保在不同领域、不同场景、不同目的中发挥作用和价值的问题。数据资源的应用，是数据资源的价值实现和价值增长的过程，也是数据资源的流通和交易的前提

　　数据治理组织

　　数据治理组织通常指负责设计、执行和监督数据治理计划的人员和结构，对于企业来说，数据入表是一项企业战略级别的工作，落地工作需要数据部门、IT部门、财务部门、业务部门的共同参与，这些需要一起融合到数据治理组织体系中。

　　数据生存周期

　　数据生命周期管理是指从数据创建、存储、使用到最终销毁的全过程中对数据的管理。这个过程中的数据治理工作对数据资产的价值评估至关重要，因为只有在整个生命周期中保持数据的高质量和准确性，数据资产的价值才能得到有效评估。

　　如数据质量差或不符合合规要求的数据将直接影响资产的评估价值。可靠的数据生命周期管理保证了数据在有效期内始终保持价值，为数据资产提供了稳定而准确的评估依据。

　　05、结语

　　数据治理不仅是数据资产入账的基础也是市场化配置的坚强保障，三者共同构建了数据价值实现的生态环。将数据作为资产纳入账目是市场化配置改革的关键一步，这一措施有助于促进数据的流通与使用，保障市场贡献的公正分配，优化资源配置。

　　反过来，数据资产的入账与数据要素的市场化配置改革，不仅给数据治理指引了明确方向，还揭示了其直接的战略影响力和经济价值。

　　由于数据资产的入表突显了数据的经济价值，从而会促使企业更加重视数据治理工作。未来企业将会逐步意识到，良好的数据治理不仅是合规的需要，还是提升数据资产价值，直接关系到公司业绩和利润的关键因素。

↓↓了解更多资讯，请识别下方二维码↓↓

国脉集团

国脉集团是数据资产化先锋企业，主要提供培训、咨询和产品设计服务。为数据资源拥有者提供专业、规范、合规的全流程资产化服务，提升机构数据管理服务能力，实现数据资源价值最大化。运用最先进的培训理念方法和平台工具提供高绩效培训服务。研发“一头一体两翼”企业数据资产化咨询服务方法论，提升数据资产化战略设计、就绪度评估与咨询、入表和产品化全流程咨询服务。基于战略思维和实操需求研发“易”系列产品，并与数源方合作研发系列数据产品。

主要课程

主要课程包括数据资产入表、数据经纪人、公共数据运营和政府CDO、数据精品等精品课程。

数据产品

主要产品：数据易投、数据易贷、数据易保、数据易售。