购买
下载掌阅APP,畅读海量书库
立即打开
畅读海量书库
扫码下载掌阅APP

(一)数据资产入表

136. 数据资产入表(Data Asset Recognition): 是指将企业拥有的各类数据资产进行系统化登记、科学分类、专业评估及有效管理,并最终在企业的财务报表(尤其是资产负债表的无形资产部分或作为特定资产项目)中予以确认和体现的过程。这一过程不仅有助于更全面、准确地揭示企业的资产构成和价值,还可能通过提升市场对企业数据资源价值的认知,间接促进企业的市场价值提升,并增强投资者的信心。同时,数据资产的明确化也有助于推动数据资源的进一步开发利用,以及促进数据在合法合规前提下的流通与交易(如数据许可、数据服务提供等)。

137. 企业数字化转型(Corporate Digital Transformation): 是指企业全面运用数字技术,不仅将企业生产经营的所有环节乃至整个业务流程的信息数据进行深度整合,形成具有战略价值的数字资产,还通过大数据、云计算等先进处理技术,实时分析并反馈关键信息,以驱动企业决策优化、业务模式创新,进而显著提升企业的商业价值。这一过程不仅促使企业实现更高效、更灵活、更智能的运营方式,还深刻改变着企业的文化和组织结构,使其更加适应快速变化的市场环境。通过数字化转型,企业能够更有效地满足客户日益多样化的个性化需求,拓展市场边界,提高产品质量与服务水平,同时降低运营成本,从而在激烈的市场竞争中获得更显著的竞争优势。

138. 数据资产入表与企业数字化转型的关系(Relationship between Data Asset Recognition and Corporate Digital Transformation): 数据资产入表,即将企业的数据资源作为资产纳入财务报表或管理体系中,这一过程为企业数字化转型提供了坚实的数据基础和支持,确保了转型过程中的数据可访问性、可分析性和可管理性。同时,企业数字化转型的深入发展,对数据资产的管理、利用和价值挖掘提出了更高的要求,从而驱动了数据资产入表的实践和发展。

139. 数据资产入表的意义(Significance of Data Asset Recognition): 深远且广泛。它不仅显著提升了数据资源的战略价值,促进了数据在企业内外的流通与共享,还推动了基于数据的创新应用,加速了数据驱动的业务决策和模式变革。此外,通过数据资产入表,企业能够更有效地评估和管理数据风险,确保数据资产的安全与合规,最终实现数据价值的最大化。

140. 数据资产入表的参与主体(Participants of Data Asset Recognition): 数据资产入表过程涉及企业内部多个部门以及外部的数据服务提供商、审计机构、法律顾问等相关机构。这些参与主体需要紧密协作,共同确保数据资产入表的准确性和合规性。

141. 企业内部的参与主体(Internal Participants ofEnterprises): 包括决策机构、数据部门、财务部门、信息技术(Information Technology,IT)部门和业务部门。

142. 企业内部决策机构(Internal Decision-Making Bodies of Enterprises): 包括但不限于董事会、高级管理层、执行委员会等负责企业重大战略和运营决策的组织机构。

143. 企业内部数据部门(Internal Data Departments of Enterprises): 专注于数据的收集、整理、分析、存储及安全保护等全方位管理活动,以支持企业决策优化、业务流程改进及市场竞争力提升。

144. 企业内部财务部门(Internal Financial Departments of Enterprises): 负责完成数据资产入表并进行金融化评估,即负责企业的会计核算、财务管理、预算编制与执行、资金筹措与运用,以及将数据资产按照财务标准纳入财务报表并对其进行价值评估。关于数据资产的金融化,财务部门可能参与制定相关策略,但具体实施可能涉及多个部门的协同努力。

145. 企业内部IT部门(Internal IT Departments of Enterprises): 负责提供技术支持并主导数据产品的开发过程,与业务部门紧密合作,共同推动数据产品的创新与应用。

146. 企业内部业务部门(Internal Business Departments of Enterprises): 将数据作为核心资源之一,通过数据驱动的决策和服务创新,提升企业运营效率和客户满意度。在符合法律法规的前提下,业务部门积极参与数据价值的挖掘与利用,包括与第三方合作进行数据共享、交换或授权使用等,以支持企业的整体商业战略。

147. 企业外部参与机构(External Participating Institutions): 主要包括数据交易机构、数据治理机构、专业服务机构(如律师事务所、数据资产评估机构),以及提供金融支持与服务的机构(如银行等金融机构)。此外,还可能包括提供技术支持或研究合作的机构,如专注于数据科学、信息技术或商业分析等领域的科研单位或高等院校。

148. 数据交易机构(Data Trading Organization): 是指数据交易中心或交易所。这些机构作为数据交易市场的核心平台,专门负责组织、协调、监管和促进数据资产的安全、高效、合规交易。它们为数据买卖双方提供交易规则制定、交易撮合、交易清算、争议解决等全方位服务,是推动数据要素市场化配置的重要力量。

149. 数据治理机构(Data Governance Organization): 是指在企业内部或外部设立的,专门负责制定和执行数据治理策略、监督数据质量、确保数据安全与合规、推动数据价值最大化的机构。它可能涉及数据质量评估、治理流程优化、数据政策制定与执行等多个方面,但并不直接负责数据业务及产品的开发或输出。

150. 律师事务所(Law Firm): 是指提供专业法律服务,从数据权属、使用权限、隐私保护和法律合规性等多个维度,对企业的数据业务活动进行全面的合规评估与审查,确保企业符合相关法律法规的要求,避免法律风险的机构。

151. 数据资产评估机构(Data Asset Evaluation Agency): 是指负责制定和确立数据资产评估标准和方法,并依据这些标准和方法具体执行数据资产评估定价工作,为数据资产的交易、融资、抵押等管理活动提供科学依据,以支持数据要素市场的健康发展的机构。

152. 银行等金融机构(Banks and other Financial Institutions): 是指通过提供多样化的融资渠道和与数据资产相关的金融产品及服务,积极参与数据资产的市场化运作,助力激活数据要素的经济价值,推动数据资产的金融化进程,如数据资产的抵押贷款、证券化等,为企业和个人提供创新的金融服务机构。

153. 数据相关科研院校(Data-Related Scientific Research Institutions): 主要是指致力于数据资产入表的理论研究、方法创新和技术支持,为数据要素市场的规划与设计提供专业咨询和建议,以及提供数据资产入表的全流程政策咨询和个性化案例服务工作的相关机构。

154. 数据资产入表的实施路径(Implementation Path of Data Asset Recognition): 是一个复杂而系统的过程,需要企业全面考虑各个环节和因素,制定科学合理的方案和计划,并严格按照该计划执行。首先明确数据资产入表的目标和意义,接着梳理数据资源的现状和问题,然后制定包含数据分类、价值评估、会计处理等内容的详细方案和计划,最后评估数据资产入表的效果并持续改进。

155. 数据资产计入资产负债表(Data Assets are Recorded in the Balance Sheet): 是指将符合会计准则规定且具有经济价值的数据资源(包括但不限于数据库、数据分析模型、算法等)作为企业的无形资产进行会计确认和计量。这一做法在标普、邓白氏、环联、路透社等领先的数据企业中得到了广泛应用,这些企业通过严谨的会计处理和充分的信息披露,显著增强了数据资产在财务报表中的透明度和可比性。

156. 基础会计工作的重要性(Importance of Fundamental Accounting Work): 体现在以下方面。第一,全面且审慎地评估数据资产的规模和价值,从成本、收益及市场接受度等多个维度进行考量,一方面提升全社会对数据要素的认知,另一方面避免引起数据资产泡沫;第二,提高企业数据资产信息披露的质量,企业可以通过梳理并明确内部满足资产确认条件、真正有发展潜力的数据产品来提高数据资产的管理水平;第三,提升报表质量,减少数据要素型企业与投资者之间的信息不对称,进一步推进数据资产化创新应用,帮助企业吸引投资、优化财务结构、提升公司估值等。

157. 数据资产的特点(Characteristics of Data Assets): 主要是指可能具有的非排他性、高重塑性、价值时变性,以及可访问性、可分析性和潜在价值高等。

158. 数据资产非排他性(Non-exclusivity of Data Assets): 是指数据资产能够被多个主体、应用或算法同时或先后使用,而不会相互影响或排斥。这种特性使得数据资产能够在不同领域、不同用户之间共享,从而促进了数据的流通和利用。

159. 数据资产高重塑性(High Reshaping Capability of Data Assets): 是指数据资产具备极高的灵活性和可塑性,能够通过不同的组合、整合与聚合方式,在适当的技术、时间和资源投入下被有效地重新塑造,从而呈现出新的形态,并创造出新的信息和价值。

160. 数据资产价值时变性(Value Temporality of Data Assets): 是指数据资产的价值并非固定不变,而是随着应用场景、时间推移、数据质量的波动、市场需求的起伏以及数据产品供给情况的调整等多种因素发生较大变化。这一特性使得数据资产的管理和利用变得更加复杂和具有挑战性,要求企业和个人必须保持高度的敏感性和灵活性,以充分把握数据资产的价值潜力。

161. 产品生命周期(Product Life Cycle): 是市场营销学中的一个核心概念,它描述了产品从进入市场到退出市场的全过程。这个过程通常被划分为四个主要阶段:导入期(Introduction Stage)、成长期(Growth Stage)、成熟期(Maturity Stage)和衰退期(Decline Stage)。

162. 数据产品具有传统产品生命周期的特征(Characteristics of Data Products' Lifecycle): 数据产品作为以数据集、数据信息服务、数据应用等形式存在的产品,确实具有传统产品生命周期的特征,但与传统产品相比,数据产品还叠加了独特的广泛可应用性、可复制性带来的易传播性以及数据价值时变性。这些特性使数据产品的生命周期表现出一些独特之处,如数据产品的价值可能随着数据量的增加、算法的优化或市场需求的变化而显著提升,同时其生命周期也可能因为新的数据来源或技术的出现而被延长或缩短。

163. 数据资源化的过程(Process of Data Resourcelization): 是指企业通过一系列精心设计的加工步骤,将原始数据转化为可重用、可应用的数据资源的关键环节。这一过程包括数据获取、脱敏、清洗、整合、分析、可视化等,旨在形成易于访问、理解和利用的数据集合。数据资源化对于提升企业决策能力、创新能力和市场竞争力具有重要意义。

164. 数据产品的三种形态(Three Forms of Data Products): 包括数据集、数据信息服务和数据应用。

165. 模型化需求(Modeling Requirements): 是指通过收集、预处理数据,进行特征选择和工程,来训练和优化模型或算法,以满足特定的性能需求。这是一个在数据科学、机器学习和人工智能等领域中广泛使用的概念。

166. 非直接模型化需求(Non-direct Modeling Requirements): 是指在数据科学、业务分析和企业决策制定等领域中,那些主要侧重于利用已有模型(或分析)产生的结果(即信息或知识)来支持企业的日常生产经营决策的需求,而非直接参与模型的训练或优化过程。

167. 界面类服务方式(Interface-based Service Mode): 是指一种基于用户界面的服务模式。它主要通过用户与界面的交互(包括主动操作、语音控制、手势识别等多种方式)来实现人机交互,从而使用户能够便捷地获取所需的数据或信息。这种方式广泛应用于各种软件和服务中,特别是搜索软件和SaaS(Software as a Service,软件即服务)等应用中,为用户提供了直观、便捷的访问和使用体验。

168. 非界面类服务方式(Non-interface-based Service Methods): 是指不依赖于用户界面的交互方式,而是通过软件程序之间的应用程序编程接口(Application Programming Interface,API)或其他服务接口与协议来实现数据传输、信息共享或业务逻辑的处理。这种方式在后台服务、系统集成、数据交换等领域中广泛应用,提供了高效、灵活和自动化的服务手段。

169. 数据资产化(Data Assetization): 是指企业将数据资产转化为可交易、可计量的经济资源,并通过市场手段确定其公允价值的过程。这一过程充分体现了数据资产的金融属性,旨在将数据资源的潜在价值转化为实际的市场价值,是企业实现数据增值的重要环节。

170. 数据资源入表条件(Conditions for Recognizing Data Resources as Assets): 是指数据资源被确认为企业资产并纳入财务报表所需满足的条件,主要基于我国的《企业会计准则》及相关的会计处理规定。具体来说,数据资源应同时满足资产的基本定义(即由企业过去的交易或事项形成的、由企业拥有或控制的、预期会给企业带来经济利益的资源)和确认条件(经济利益很可能流入企业、成本或价值能够可靠计量)。此外,数据资源应具有合法性、可辨认性,能在企业的业务活动中发挥作用并带来经济利益,且其成本和价值应能够可靠地计量和报告。

171. 狭义数据资产载体(Narrow Definition of Data Asset Carriers): 是指用于存储数据资产的物理介质,包括纸张、磁盘、磁带、光盘、硬盘等,以及随着技术不断进步而可能出现的新型存储介质。这些物理介质本身可能具有资产价值,并在某些情况下被归类为固定资产。

172. 广义数据资产载体(Broad Definition of Data Asset Carriers): 是一个更为宽泛的概念,它不仅涵盖了数据资产生命周期中所有用于存储、传输、处理、分析和使用数据资产的物理介质(如硬件设备和存储设备),还包括了非物理形态的资源(如网络、云计算平台、数据处理软件、数据库系统等)。这一定义既包含了传统的数据存储介质,也扩展到了支持数据流动、处理和应用的各种基础设施和软件环境。

173. 数据资产的确认条件(Conditions for Data Asset Recognition):

(1)相关数据资源由外购或在生产经营过程中积累产生,均须符合“由过去的交易或事项形成”这一资产判断要素的要求;

(2)相关数据资源是由企业拥有或控制的,企业享有某项资源所有权,或者虽然不享有所有权但能持有并控制该资源;

(3)相关数据资源预期会给企业带来经济利益,且预期经济利益很可能流入企业,这种潜力直接或间接地关联到企业现金及现金等价物的增加;

(4)相关数据资源的成本或者价值能够可靠计量,企业必须基于实际发生的交易或事项进行会计确认、计量和报告,如实反映符合确认和计量要求的各项会计要素及其他相关信息,保证会计信息真实可靠、内容完整。

174. 广义数据产品(Broad Definition of Data Products): 是指以数据为主要内容或核心服务的产品。这些产品涉及数据采集、预处理、存储与管理、挖掘与分析,直至数据的展现,贯穿于整个数据价值链。它们涵盖了所有与数据相关的技术平台和工具服务,共同支持数据产品的开发、部署与应用。

175. 狭义数据产品(Narrow Definition of Data Products): 是指专注于数据的可视化呈现、数据报告、数据API及与大数据应用平台直接相关的产品。这些产品通常直接为数据的最终用户或应用开发者提供服务。

176. 数据产品不一定是数据资产(Data Products Not Necessarily Being Data Assets): 这一观点强调了数据产品在经济价值、成本计量、使用方式以及是否满足资产确认条件(如所有权、可计量性等)等方面,与作为资产的数据之间的区别。在评估数据产品本身的价值时,虽然会考虑其经济利益流入的潜力、成本或价值的计量方式以及使用方式等多个方面,但并非所有数据产品都能因这些特性而自动被视为企业的数据资产。

177. 数据资源成为数据资产需要考虑的三个条件(Three Conditions for Data Resources to Become Data Assets): 数据资源要成为数据资产,必须满足企业对其拥有可控制性(如所有权或控制权)、具有可变现性(即能够为企业带来经济利益)以及成本或价值可量化性(能够以可靠的方式计量)这三个条件。这些条件相互关联、相互支撑,共同构成了数据资产化的基础框架。

178. 数据资产可控制性(Controllability of Data Assets): 是指数据资源必须能够被企业合法合规地拥有或控制。这意味着企业需建立适当的管理政策、安全措施和访问权限来确保数据的有效管理和保护。

179. 数据资产可变现性(Monetizability of Data Assets): 是指数据资源能为企业带来经济收益,可通过数据交易、分析、挖掘、产品开发及数据驱动的决策等多种方式实现其商业价值。

180. 数据资产可量化性(Quantifiability of Data Assets): 是指数据资源的价值可以客观且准确地计量,包括对其获取成本、市场价值、预期收益及潜在价值等进行准确量化,以支持资产管理和决策分析。

181. 财务报表数据资产确认的条件(Conditions for Data Asset Recognition on Financial Statements): 即数据资产入表的条件,主要包括权属明晰、产权完整性、定价合理性、价值显著等。

182. 权属明晰(Ownership Clarity): 是指数据资产的权属归属必须明确、无争议,且在法律上得到充分的确认和保护,以确保企业对其拥有或控制的权利是清晰、合法且不受挑战的。这涉及数据资产的来源、获取方式以及法律上的权利归属。

183. 产权完整性(Property Right Integrity): 是指数据资产的产权状态必须完整无缺,不存在重大法律瑕疵或权利受到严重限制的情况。企业在获取数据资产时,应确保数据的产权清晰、无争议,且相关权利(如所有权、使用权、收益权等)未受到严重限制。

184. 定价合理性(Pricing Rationality): 是指数据资产的价值应能够基于市场接受度、竞争环境、数据的独特性以及合理的定价模型等因素进行合理评估。定价应在合理区间内,以反映数据资产的真实价值,从而确保其在市场上的竞争力。

185. 价值显著(Significant Value): 是指数据资产应能为企业带来显著的经济利益,这些经济利益可以是直接的(如销售数据产品或服务获得的收入),也可以是间接的(如通过优化运营决策降低成本或提高客户满意度),进而积极影响企业的整体业绩。

186. 后续计量(Subsequent Measurement): 是指当有充分的证据表明一项已记录的项目(如资产或负债)在初始计量后的价值发生变动时,企业所进行的重新计量。这一过程旨在反映项目在资产负债表上的最新价值,并确保财务报表的准确性和可靠性。

187. 数据资源无形资产处置和报废(Disposal and Scrapping of Intangible Data Assets): 是指当企业持有的无形资产中涉及的数据资源(如数据库、数据分析软件、数据模型等)预期无法再为企业带来经济利益时,企业应采取的措施,包括将这些资产的账面价值予以转销,并终止确认该项无形资产。

188. 数据资产存货与传统存货的区别(Distinction between Data Asset Inventory and Traditional Inventory): 数据资产存货与传统存货之间存在显著的区别,这些区别主要体现在非实体和无消耗性、可加工性、形式多样性、多次衍生性、可共享性、零成本复制性、高度依托信息技术和平台(即其存在、处理和应用都高度依赖于信息技术系统和平台)以及价值易变性等方面。

189. 数据产品经营权(Data Product Operating Rights): 是指会计主体在合法授权下,通过数据的收集、处理、分析及封装等一系列业务流程,将数据资源转化为具有市场价值和交易潜力的数据产品和服务的权利。这一过程不仅实现了数据的经济价值,更为企业的持续发展和创新提供了有力支持。

190. 衍生数据(Derivative Data): 是指在数据处理流程中产生的一种数据类型,其生成和加工过程涉及信息的提取、转换和增值,类似于企业中对存货的加工和管理。通过持续产生和输送新的数据,并根据业务或市场的需求进行定制化加工处理,会计主体可以形成具有商业价值的衍生数据,并将其应用于具体业务场景或对外销售。

191. 通过外购方式取得并确认为存货的数据资源的采购成本(Purchase Cost of Data Resources Acquired through Purchase for Inventory): 是一个综合性的费用集合,主要包括购买价格、相关税费(如增值税、关税等)、保险费(用于保障数据在传输和存储过程中的安全)、数据所有权(或版权)鉴证费用、质量评估费用、登记结算费用(如数据交易平台的交易手续费)以及安全管理费用(确保数据在存储和使用过程中的安全性)。这些费用共同构成了数据资源采购的总成本,直接影响着会计主体的财务状况和经营成果。

192. 通过数据加工取得并确认为存货的数据资源的成本(Cost of Data Resources Acquired through Processing for Inventory): 其成本构成相较于直接外购的数据资源更为复杂。这类成本不仅包括了原始数据获取成本,还涵盖了数据采集、脱敏、清洗、标注、整合、分析、可视化等一系列加工过程所产生的费用,以及为使数据资源能够被使用或适应特定应用场景所发生的其他必要支出。

193. 存货跌价准备计提方法(Inventory Impairment Provisioning Method): 其核心原则是按照“历史成本减去可回收金额(即进行减值测试)”的方式进行后续计量。这种方式旨在确保存货在财务报表中的价值反映其当前的经济状况,避免高估资产价值。在进行减值测试时,应考虑存货的预计未来现金流量、市场售价等因素。

194. 存货跌价准备计提时点(Inventory Impairment Provisioning Timing): 这对于数据资产来说尤为重要。企业需要建立定期评估和触发机制,及时评估新技术等因素对数据资源存货价值的影响,并在必要时及时调整存货跌价准备,以真实反映数据资产的价值状况。考虑到数据资产与传统存货的不同特性,其价值随时间推移而变动的可能性更高,且这种变动往往受到技术进步、市场需求变化、政策调整等多种因素的影响。

195. 数据资源存货的披露规定(Disclosure Requirements for Data Resource Inventory): 根据《企业数据资源相关会计处理暂行规定》,企业在财务报表附注中应全面、准确、及时地披露数据资源的数量、价值、质量、应用情况等信息,以增强财务报告的透明度和可信度,进而帮助外部使用者更好地理解企业的资产状况和经营成果。

196. 数据资源存货的披露内容(Disclosure Contents for Data Resource Inventory): 包括数据资产的盈利模式或商业价值实现方式,数据资产所有权和使用权的确权及转移/授予情况,数据资产的会计确认标准和初始计量方法,数据资产后续计量所涉及的方法、假设和输入值来源,数据资产的终止确认标准等。

197. 数据资源入表与土地资源入表(Recognition of Data Resources and Land Resources): 数据资源入表与土地资源入表均符合现行企业会计准则的要求,在初始核算、后续计量及处置方面均应遵循现行准则。不过,在具体操作过程中,两者关注的焦点和受影响的因素存在差异。相较于土地资源入表需特别关注市场价格的波动、土地规划及政策变动等外部因素的影响,数据资源入表更侧重于准确反映其经济价值及在企业运营中的作用。综上,两者在会计处理上虽遵循统一框架,但各有其独特的考量因素。 KnBpsG1FMKxTdJj9IjcRpudKA+CBixi0m326+Br03baL1c+L54LrON5QLWJLi5Pj

点击中间区域
呼出菜单
上一章
目录
下一章
×