【摘要】数据要素流动与数据资产入表对于企业转型和经济高质量发展具有重要意义。文章探讨了数据要素流动与数据资产入表之间的关系，分析了现阶段它们可能存在的问题和面临的风险，由此提出企业管理优化建议。
一、引言
数据要素作为新型生产要素，在经济高质量发展中发挥着重要作用。2019 年，党的十九届四中全会首次提出数据要素的概念，鼓励数据要素流动，增强经济发展新动能。2022 年，《中共中央 国务院关于构建数据基础制度更好发挥数据要素作用的意见》（又称《数据二十条》）明确激活数据要素，更好地赋能实体经济。在数据要素流动的过程中，数据的确认和计量是其中的难点问题，数据资产入表则是数据确认和计量问题的关键点。2023 年财政部印发的《企业数据资源相关会计处理暂行规定》（下称《暂行规定》），从会计准则的角度对于数据资产入表的相关问题进行明确，为国际会计准则贡献了中国智慧。根据《暂行规定》，数据资产就是企业的数据要素资源（陈玉娟，2024）。夏义堃和管茜（2022）认为，数据资产是可控制、可计量，能够为企业带来直接或间接经济效益的资产。数据资产入表能够帮助各类组织或单位将数据要素纳入到数据资产管理系统，更高效地访问和利用数据，减少数据冗余和不一致性的风险，为数据的安全管理和质量管理奠定基础。
根据以上背景，数据要素流动与数据资产入表之间可能存在密切的联系。然而，现有文献主要关注数据要素流动的内容（李小兰，2024），数据资产的概念和融资路径（王庆德和乔夫，2023），少有分析讨论两者之间的关系。而深入讨论两者之间的关系以及两者面对的风险是激活数据要素价值的理论基础，也是对企业数据战略管理提出对策的依据。
二、数据要素流动与数据资产入表的互相促进作用
（一）数据要素流动是数据资产入表的前提和基础
数字经济时代，企业有能力收集、交易或处理大量数据，这些大数据的流动为企业进步和经济发展提供动力，也就是说，数据的流动性对于数据资产的入表管理和价值挖掘有着重要的意义。
数据要素流动是数据资产入表的前提。数据要素包含了数据的属性、特征和关联信息。只有当数据要素能够在不同的环境中流动时，才能保证数据被有效地收集、整合和使用。比如，对于一个特定的企业内部，各个销售或采购渠道的数据需要汇总到企业统一的数据库系统中，才能有效地对比分析和决策。又如，对于某个特定的供应链联盟，如果它们的销售、采购数据能够共享，就能更好地分析该供应链中存在的问题，以在市场竞争中形成更强的企业合力。反之，如果数据要素只局限于部门内部、子公司内部或是企业内部，那么数据资产的入表难度就会提升，数据资产的价值也难以有效地发挥。
数据要素流动是数据资产入表的基础。数据要素流动为数据资产入表提供了数据来源。《暂行规定》中的适用范围除了包括符合资产定义的数据资产，还包含企业合法拥有或控制的、预期会带来经济利益的其他数据资源。对企业来说，数据资产的价值在于数据质量对业务运营和决策的支撑能力。而数据要素流动是确保数据质量的关键。通过数据要素流动，可以及时收集到最新的数据，保证数据的完整性和时效性。
（二）数据资产入表为数据要素流动提供了支持和保障
数据资产入表是数据要素流动的重要支持。数据资产入表可以显著提升数据要素的可信度。数据资产入表后，企业可以通过数据资产管理系统高效地开展数据挖掘、数据可视化、数据建模等工作。企业还可以通过数据资产管理系统，共享和传递数据要素，促进企业或集团内部，甚至企业之间的创新协同和合作（张会平和马太平，2022）。此外，入表过程还可以记录数据的变更和使用情况，为数据安全管理提供依据。
数据资产入表也为数据要素流动提供了保障。数据资产入表可以通过权限控制、加密保护、数据监控和数据备份为数据要素流动提供保障。在权限控制方面，数据资产管理系统可以基于用户的身份、角色或职级进行设置，确保数据的访问和使用符合企业的安全策略和合规要求。在系统访问过程中记录下来的访问和操作记录能够为数据安全管理提供依据。在加密保护方面，企业可以通过数据资产管理系统，采用加密算法对敏感数据要素进行加密，防止数据在传输过程中被窃取或篡改。数据加密可以提高数据的安全性和完整性，保护企业的核心数据资产。在数据监控方面，数据资产管理系统可以实时监测数据要素的访问和传输情况，发现异常活动并采取相应的安全措施，用来保证数据要素流动的可控性，提高数据治理能力（赵治纲，2024）。在数据备份方面，企业可以通过区块链技术或其他分布式数据库定期备份或存储数据要素，并在数据丢失或损坏时进行恢复，以确保数据要素流动的完整性和可靠性。
三、数据要素流动、数据资产入表带来的问题及风险
（一）数据要素流动带来的要素复杂性
当数据要素流动加快时，可能会对数据资产入表以及企业管理带来要素复杂性的风险。
首先，未明确数据产权归属问题时，数据要素流动不利于企业的数据资产发挥价值。现代产业制度认为，数据的确权是数据要素发挥价值的重要前提（赵蔡晶，2024）。当数据要素在多个经济实体之间流动时，如果没有明确规定数据的产权归属，就可能影响数据的合法使用和价值实现。在实务中，为了解决数据产权可能带来的一系列问题，《数据二十条》在数据产权保护和数据要素发展之间进行平衡，弱化所有权，强调持有权，着重考虑边际贡献度较大的数据主体。然而，对于企业来说，如何在数据要素流动的过程中保证自己享有的合法产权权益，也是值得注意的问题。
其次，未统一数据分级分类标准时，数据要素流动可能加大数据资产分类入表的难度。数据要素可以划分成不同的类别，如根据数据的来源，划分为个人、企业和政府数据，根据数据的性质，划分为结构化和非结构化数据等。数据要素也可以根据重要性和敏感程度划分不同的级别。在数据分级分类不够统一和规范时，数据要素流动会导致数据的不一致性和不兼容。这就需要进行数据清洗、转换和整合的工作，增加了时间和成本的投入。虽然全国网络安全标准化技术委员会已在 2024 年3 月发布了将于 2024 年 10 月实施的推荐性国家标准《数据安全技术 数据分类分级规则》，但各企业的数据分级分类仍需要结合自身情况进行制定或细化。第三，未提供数据之间的关联时，数据要素流动不利于数据资产的确认。数据要素互相之间可能存在关联关系，数据之间的关系和联系对于厘清企业数据资产的确认范围和确认金额至关重要。然而，数据要素流动的过程中，企业可能忽视了数据之间的关联性，造成数据要素关系不清晰、数据冗余、重复，或噪声过多。这样就会影响对数据资产的理解和利用，降低数据资产的价值和效益。
第四，数据要素流动中的更新和调整可能增加数据资产计量的复杂性。数据要素是动态变化的。当数据要素流动时，流动的上下游企业都应当及时对数据更新和调整，以保持数据的准确性和一致性。这种数据的更新和调整可能会提高对数据资产后续计量的要求，给企业带来额外的工作量。
（二）数据资产入表增加的管理成本
虽然财政部在对《暂行规定》解读时明确该规定并未改变现行会计准则的要求，更多的是为了服务数字经济治理体系，对数据资产入表的具体问题进行解读。但对于部分数据资源较多的企业来说，数据资产入表确实增加了管理成本。
首先，增加了数据清洗的成本。企业的数据要素可能来源于企业内部的生产过程、外部购买或合作伙伴共享。不同的数据可能具有不同的格式、结构和质量，因此企业需要对其进行清洗、转换和整合，数据清洗的过程增加了企业的管理成本。
其次，系统集成和配置的成本增加。在数智化高速发展的背景下，企业建立和升级了各类财务软件、ERP 系统、财务共享中心等信息系统。为了确保数据资产的有效管理和利用，企业需要对现有系统对接、升级或重构，甚至可能需要企业改变原有的管理模式和流程。这个过程中会增加相应的技术、资源和时间等管理成本。
再次，数据资产会计处理的成本增加。数据资产入表需要对数据资产进行确认和计量，以确保其正确性和可靠性。《暂行规定》对于数据资产的确认提供了指引，并且明确了企业的数据资产入表应用未来适用法。但在实际操作中，各企业仍然可能出现会计差错和需要更正的情况（朱雪梅，2024）。这些差错和更正需要企业投入额外的时间和资源，增加了管理成本。
最后，数据质量监控和维护的成本增加。数据资产入表不仅是在数据资产确认时需要谨慎处理，还需要注重后续计量。这就需要在数据资产入表后对数据质量进行监控和维护，对数据的准确性、完整性进行持续的检查和评估。这可能涉及到数据质量监控工具的使用，以及对数据质量问题的处理和修复，增加了管理成本。
（三）数据要素流动和数据资产入表共同带来的风险
数据要素流动和数据资产入表的过程中，还有可能需要共同面临两大方面的风险：一方面是数据本身的安全和质量方面的风险。数据要素在流动过程中可能会被窃取、篡改或泄露。这可能是由于网络攻击、内部恶意行为或第三方合作伙伴的安全漏洞等原因引起。如果数据泄露，将可能导致企业的商业机密等信息被泄露，给企业造成资产损失和信誉风险（李智彩，2024）。数据要素在流动过程中，以及数据资产的确认过程中可能会出现错误、遗漏或重复。这可能是由于数据来源的不同、数据清洗的不充分或人为操作失误等原因引起的。如果数据准确性存在问题，将可能导致企业做出错误的决策和损失。另一方面是数据管理方面的风险。在数据要素流动，特别是重要数据、敏感数据的出境流动时，可能会产生合规性风险，进而影响企业的内部控制。此外，如果数据资产不能正确评估和确认也可能会影响健全的数据治理机制的建立。
四、管理优化建议
针对以上分析，数据要素流动和数据资产入表可能会给企业增加要素复杂性，增加管理成本和其他风险，下面将根据这些可能的风险点相应地提出对策建议。
（一）简化要素复杂性
数据权属方面，企业应依据《数据二十条》的指引，平衡产权归属和数据产业发展。在保护数据产权的同时，促进数据资源的开放和共享，以激发数据要素的流动性。数据标准方面，企业可以参照国家标准，制定符合企业实际的数据标准和规范。如在企业集团内部统一数据格式、结构、命名规则等。这有助于提高数据处理的效率，便于进行大数据分析和挖掘，从而释放数据的价值。数据关联方面，企业应配备专业的技术设施和人员储备，充分考虑数据要素之间的关系，对数据进行深度整合和交叉分析，为业务决策提供更加精准的依据。数据更新和调节方面，企业应通过数据的集中管理，建立实时有效的数据更新和升级机制，即时响应市场变化，提高决策的有效性。
（二）降低管理成本的增加率
企业应当建立完善的数据管理体系，降低数据清洗的成本，利用先进的技术手段，如大数据分析、人工智能、区块链技术等，提高数据资产的利用效率和价值。企业还应当加强数据资产的培训和宣传，提高员工对数据资产和数据要素的认识和操作能力。企业也应建立数据文化，鼓励员工积极参与数据管理和数据分析，以数据驱动的思维方式来推动业务创新和发展。
（三）加强数据安全和质量的管理
企业应当制定和实施有效的数据安全策略和控制措施，以降低数据安全风险。这包括访问控制、身份验证、加密和监控等措施，以保护数据免受未经授权的访问和攻击。同时，监测和评估数据质量指标，及时发现和解决数据质量问题，确保数据的准确性和完整性。此外，企业还应建立清晰的数据治理框架和流程，进行风险评估和风险管理。这有助于企业识别和评估潜在的数据风险，并采取相应的措施进行风险管理和控制。通过数据治理，企业可以确保数据的合规性和合法性，同时提高数据的质量和价值。
↓↓了解更多资讯，请识别下方二维码↓↓
国脉集团是数据资产化专业服务机构，为数据资源拥有者提供专业、规范、合规的全流程数据资产化服务，包括培训、咨询和产品设计等，实现数据资源价值最大化。主要服务于政府数据管理机构、央国企数据运营企业、城市数据运营平台和数据富集型平台企业，打造数据资产网、数据资产研究院和产业专家网络等支撑体系，同时在营商环境与政务领域继续保持领先优势。 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。 数据资产化服务：数据资产化战略布局、数据资产入表、数据产品开发及交易等关键任务； 数据要素×项目服务：政策扶持、案例奖项申报、金融支撑和市场变现； 数据产业园区和试验区咨询服务：园区规划、咨询、资源导入
联系我们请点击：
数邦客
