《金诚同达：数据资产合规管理白皮书（2024）（31页）.pdf》由会员分享，可在线阅读，更多相关《金诚同达：数据资产合规管理白皮书（2024）（31页）.pdf（31页珍藏版）》请在三个皮匠报告上搜索。

1、数据资产合规管理白皮书（2024 年）北京金诚同达（西安）律师事务所二二四年六月1版权声明版权声明本报告版权属于北京金诚同达（西安）律师事物所，并受法律保护。如转载、摘编本报告观点的，需注明：来源自北京金诚同达（西安）律师事物所。违反上述声明者，本所将追究相关法律责任。3前前言言响应国家数据要素”三年行动计划（20242026 年），北京金诚同达（西安）律师事务所特别编制数据资产合规管理白皮书（2024 年）。本白皮书的编制，是为了帮助企业实现数据资产管理，理清法律合规风险；帮助企业完善内部数据管理，提升数字化水平；帮助企业完成数据资产入表，提高企业资产额；帮助企业进行数据交易，赋能实体经济增

2、长；帮助盘活数据资产，扩大融资渠道等。本白皮书希望通过整理一些定义和难点，来解决数据资产化实际遇到的法律以及其他方面的难题，特别针对于一些数字化水平较高，具有盘活数字资产的需求但又不知该从何入手的国有和民营企业。同时，对于想要提高自身数字化管理水平，通过数据来提升自身生产力的企业也具有一定的参考意义。也适合一些数据产业研究者、相关行业从业者和对于数据与法律具有学习与钻研热情的爱好者进行阅读。4目目录录一、什么是数据？.51、数据的定义.52、数据与软件、代码和字段的区别.63、数据的分类.64、数据的价值.8二、什么是数据资产？.101、数据资产的定义.102、数据资产与数字资产的区别与联系.

3、113、数据资产与数据产品.12三、什么是数据资产管理？.141、数据资产管理的定义.142、与数据资产管理相关的规定.153、如何实现数据资产管理.174、国有企业数据资产管理的保护.20四、数据资源入表.231、为什么要数据资源入表.232、如何实现数据资源入表.233、对于数据资源入表的税务处理.27五、数据交易与数据资本化.281、数据的场内交易与数据场外交易.282、数据资产化与其他数据金融产品.305一、什么是数据？一、什么是数据？1、数据的定义数据，是指对客观事件进行记录并可以鉴别的符号，是对客观事物的性质、状态以及相互关系等进行记载的物理符号或这些物理符号的组合。它是可识别的、

4、抽象的符号。数据是信息的表现形式和载体。所以数据在法律上被定义为：所以数据在法律上被定义为：是指任何以电子或者其他方是指任何以电子或者其他方式对信息的记录式对信息的记录（数据安全法第三条），该定义对数据进行了广义的解释，包括电子数据、纸质所记载的数据等。在计算机系统内部，数据以二进制单元（0、1）为表现形式。从以上定义我们可以看出，数据本身并不产生价值，因其所记录的信息产生了价值。作为有价值的信息载体，数据具有可复制性、非均质性、可替代性与时效性即数据所记录的信息的价值不因被复制而减少或消失；数据所记载的信息的价值不能用数量等统一标准来衡量，不同的数据所记载的信息在不同的场景拥有不同的价值；数

5、据作为载体，可以被其他数据所替代；数据所记录的有价值的信息，其价值有可能会因为时间而贬损。根据 DIKW（Data、Information、Knowledge、Wisdom）金字塔模型可知，人们可以通过阅读数据上记载的信息，经过分析加工产生知识，最后形成智慧。所以在高度信息化的社会，人们每天的经6济社会活动产生了大量的数据，其中，有价值的信息被加工分析成了知识，最终汇聚成智慧，从而进一步指导个人的进步与社会经济的发展。对应在计算机领域，这也就是数据分析，即对数据的采集汇聚和分析，从而提取对人更有价值的信息的一般思路。2、数据与软件、代码和字段的区别软件，是指与计算机系统操作有关的一系列按照特定

6、顺序组织的计算机数据和指令的集合，其具有能够围绕人的需求处理信息的数据结构和描述程序功能需求以及程序如何操作和使用所要求的文档。在计算机系统里，如果把数据当作血液，那软件就是血管。代码，是指用开发工具所支持的语言写出来的源文件，是一组由字符、符号或信号码元以离散形式表示信息的明确的规则体系。数据是计算机程序所处理的对象，而代码是操作这些数据的指令。在某些情况下，代码和数据也可以相互转换。字段又叫数据项，是指标记实体属性的命名单位。它是可以命名的最小信息单位，又称为数据元素或初等顶。字段是数据的表现方式之一。3、数据的分类数据的分类方式多种多样。在数据资产化的语境下，我们着重探讨一下个人数据、商

7、业数据以及公共数据这种数据分类方式的内涵。7个人数据：是指载有可识别特定自然人信息的数据,不包括匿名化处理后的数据。匿名化，是指个人信息经过处理无法识别特定自然人且不能复原的过程。是数据挖掘中隐私保护的最主要的一种技术手段。目前，还没有技术手段能够使个人数据达到完全匿名化、不能复原的程度，但技术手段可以大幅度提高个人信息保护的水平。对于个人数据，因其记录了属于特定自然人的信息，按照个人信息保护法的规定，自然人对记载了其个人信息的数据享有知情权、决定权，有权限制或者拒绝他人对其个人信息进行处理；法律、行政法规另有规定的除外。商业数据：是指一个产业的价值链上各个重要环节的历史数据和即时数据的集合，

8、其内容包括商业机构内部数据、分销渠道数据、消费市场数据等。商业数据主要来源于具有盈利性质的法人和非法人组织。公共数据：是指由公共管理和服务机构在依法履行公共管理职责或者提供公共服务过程中产生、处理的数据。这些数据主要来源于三类部门：政府数据，即各级政府行政机关在依法履职过程中采集和产生的各类数据资源，如政务数据。运行经费由政府财政保障的社团组织和事业单位，在依法履职过程中采集和产生的各类数据资源。公共服务企业，如水务、电力、燃气、通信、公共交通等，在运营过程中产生的数据。公共数据不仅涵盖政务数据，还包括很多行业平台、互联网平台在提供公共服务过程中收集、产生的涉及8公共利益的各类数据。个人数据、

9、商业数据与公共数据虽然各有区分，但是相互之间个人数据、商业数据与公共数据虽然各有区分，但是相互之间也存在交集。也存在交集。比如商业数据与公共数据的主要分别是数据是具有盈利属性还是具有公共利益的属性，商业数据可以用来交易，但当其具有了一定公共利益属性，比如记载了有关公共安全的信息，完全也可以被视为同时属于公共数据。数据资产化，底层是保护记载着个人信息的个人数据，保护记载着商业秘密的商业数据，保护记载了国家安全、公共安全的公共数据这些合法、合规义务，在此基础上，促进商业数据的交易和流通，促进公共数据的开放，使得数字经济最大限度赋能实体产业才是数据资产化的题中之义。4、数据的价值根据上文数据的定义可

10、得知，数据的价值来源于其所记载的信息价值。信息的价值在不同的场景下价值不尽相同，所以离开了场景，数据价值更加无从谈起。这些场景总体可分为外部和内部两种。在数据流通的外部场景中，实体社会的发展个人或企业产生积累了大量的数据，伴随着产业经济，总有一些场景比如产业下游对产业上游会产生一定的信息需求。上游数据通过下游厂商支付一定的对价的手段流通到了下游，从而更好的指导其经济行为，这也就是数据交易的雏形。当产业产生规模化效应，一部分的数据价值产9生的场景也逐步走向了聚合统一，从而产生了数据交易的市场。在数据流通的内部场景中，例如企业的各个部门之间，需要部分数据的流通共享，才能更好的赋能业务增长。这也就是

11、数据内部价值产生的场景。目前，数据资源入表也就是在企业内部通过财务报表的形式体现出了数据在内部场景下的价值。总而言之，就是因为数据产生价值的场景不统一，在每个场景下的价值也不尽相同，所以给数据价值统一确定一个标准是一件相当有难度的事情。但是，我们不能就此认为数据所记录的信息就是没有任何价值的。在数据市场进一步扩大发展的情况下，根据产业聚合下统一的场景来确定数据的价值，也并非一件完全不可完成的事情。10二、什么是数据资产？二、什么是数据资产？1、数据资产的定义数据资产，是指由个人或企业拥有或控制的，能够为企业带来数据资产，是指由个人或企业拥有或控制的，能够为企业带来未来经济利益的，以物理或电子的

12、方式记录的数据资源。未来经济利益的，以物理或电子的方式记录的数据资源。它包括但不限于数字信息、文字信息、图像信息、语言信息、数据库等。从这个定义我们就能看出，数据资产：a.可以被个体拥有或者控制；b.能够带来一定的经济利益；c.数据资产可以被完整记录。所以，区分数据是否是数据资产的关键在于：a.是否可以证明数据资产的所有权、使用权或者处分权，是否可以证明数据资产如何被个体所控制；b.是否存在一定的场景使数据资产产生价值，其价值该被如何证明；c.数据资产被记录的真实性、准确性、一致性、完整性与其他特性该如何保证。数据资产如何确认对应到数据资源入表，也就是数据确权，数据资产评估，数据质量评估这些基

13、础流程的起源。根据国家数据局全国数据资源调查报告（2023 年）所述，2023 年，全国数据生产总量达到 32.85 泽字节（ZB），这相当于1000 多万个中国国家图书馆的数字资源总量。与此同时，调查发现：在 2023 年全年生产的数据量中，只有 2.9%被存储，这意味着一些数据在源头就被抛弃；另外，在存储数据中，一年未使用的数据占11比约为四成，这说明不少数据被存储后不再被读取和复用。综上可知，我国目前存在大量的数据、数据资源可以转换成为数据资产。2、数据资产与数字资产的区别与联系数字资产，泛指所有以数字形式存在并可在互联网上交易转移的虚拟资产，包括加密货币、区块链代币、数字艺术品、虚拟房

14、地产等。它们的本质是一串代码或数字凭证，代表着所有权和价值，可在区块链等分布式账本上进行点对点转移和流通1。数据资产与数字资产的主要区别在于数据资产本身没有价值，因其所承载的信息内容从而产生价值，但数字资产本身就是有价值的。所以在数字资产领域，数字本身的所有权或者版权的重要性一定要比数据资产高的多。而数据资产的权利来源，毋宁说来源于数据本身，不如说来源于数据与其他个体产生的关系。所以，将数据资产放在传统物权和知识产权领域去进行规制，会存在一定的难度。这也就是为什么个人信息保护法不能划分在物权法和知识产权法法域的理由，也是关于构建数据基础制度更好发挥数据要素作用的意见(又叫“数据二十条”)强调数

15、据使用权，提出建立数据资源持有权、数据加工使用权和数据产品经营权的“三权分置”与传统物权和知识产权对数字资产或者对其他虚拟资产规定都不尽相同的原因。同样，在数据资产的领域，保护记载着个人信息的个人数据，1引用自数据资产和数字资产的区别，SuperTech 超厉害科技12保护记载着商业秘密的商业数据，保护记载了国家安全、公共安全的公共数据这些法定义务也是基于数据与其他个体的关系产生的。在计算机系统里的数据当然也是数字的一种，不能说传统物权与知识产权对它没有法律效力，但因其的可复制性与可替代性，在数据流通产生的巨大信息红利面前，可以认为在保护好个人、企业、社会公众和国家利益的基础上，利用法律政策手

16、段促进数据流通与共享，淡化数据本身的所有权，确实是激发数字经济、释放数据价值、利国利民的创新性举措。3、数据资产与数据产品产品，是指被人们使用和消费,并能满足人们某种需求的任何东西。数据产品，就是指将原始数据加工成能供人们使用和消费，并满足人们其他需求的产品。常见的数据产品，有经过脱敏的 API 实时数据，数据集，数据分析报告等。根据“数据二十条”的规定：a.在保障安全前提下，推动数据处理者依法依规对原始数据进行开发利用，支持数据处理者依法依规行使数据应用相关权利，促进数据使用价值复用与充分利用，促进数据使用权交换和市场化流通。审慎对待原始数据的流转交易行为。b.鼓励公共数据在保护个人隐私和确

17、保公共安全的前提下，按照“原始数据不出域、数据可用不可见”的要求，以模型、核验等产品和服务等形式向社会提供，对不承载个人信息和不影响公共安全的公共数据，推动按用途加大供给13使用范围。c.支持第三方机构、中介服务组织加强数据采集和质量评估标准制定，推动数据产品标准化，发展数据分析、数据服务等产业。d.加大个人信息保护力度，推动重点行业建立完善长效保护机制，强化企业主体责任，规范企业采集使用个人信息行为。创新技术手段，推动个人信息匿名化处理，保障使用个人信息数据时的信息安全和个人隐私。我们可以看出，将数据资产转换成数据产品：a.有助于数据流通满足法律所规定的合法、合规需求，可以保护个人信息与公共

18、数据的安全；b.数据产品化有助于统一规范数据市场，有助于行业数据分析与数据服务的发展，c.有助于保证数据流通的数据质量。抛开数据流通外部市场，在企业内部，数据资产转换为数据产品，也是很好的可以促进数据内部流通的一种形式。14三、什么是数据资产管理？三、什么是数据资产管理？1、数据资产管理的定义数据资产管理（Data Asset Management）是指对数据资产进行规划、控制和供给的一组活动职能，包括开发、执行和监督有关数据的计划、政策、方案、项目、流程、方法和程序，从而控制、保护、交付和提高数据资产的价值。数据资产管理须充分融合政策、管理、业务、技术和服务，确保数据资产保值增值。数据资产管

19、理数据资产管理包含数据资源化、数据资产化两个环节，将原始数据转变为数据资包含数据资源化、数据资产化两个环节，将原始数据转变为数据资源、数据资产，逐步提高数据的价值密度，为数据要素化奠定基础。源、数据资产，逐步提高数据的价值密度，为数据要素化奠定基础。数据资产管理的具体内容包括：数据模型管理、数据标准管理、数据质量管理、主数据管理、数据安全管理、元数据管理、数据开发管理、数据资产流通、数据价值评估与数据资产运营等2。从以上定义可知，无论是数据资源入表、数据交易还是数据资产资本化，均属于数据资产管理数据价值实现的一部分。除此之外，传统的数据治理部分内容也是数据能够进行数据资产管理的先决条件。所以，

20、数据资产管理是涉及到法律、财务、技术、业务与企业内部治理等的一项综合性的复杂工程。2引用自数据资产管理实践白皮书（6.0 版），来源：CCSA TC601 大数据技术标准推进委员会152、与数据资产管理相关的规定2023 年 12 月 31 日，财政部下发了关于加强数据资产管理的指导意见。该意见内容包括了：a.依法合规管理数据资产保护各类主体在依法收集、生成、存储、管理数据资产过程中的相关权益；b.明晰数据资产权责关系适应数据多种属性和经济社会发展要求，与数据分类分级、确权授权使用要求相衔接，落实数据资源持有权、数据加工使用权和数据产品经营权权利分置要求，加快构建分类科学的数据资产产权体系；c

21、.完善数据资产相关标准推动技术、安全、质量、分类、价值评估、管理运营等数据资产相关标准建设，鼓励行业根据发展需要，自行或联合制定企业数据资产标准；d.加强数据资产使用管理鼓励数据资产持有主体提升数据资产数字化管理能力，结合数据采集加工周期和安全等级等实际情况及要求，对所持有或控制的数据资产定期更新维护；e.稳妥推动数据资产开发利用完善数据资产开发利用规则，推进形成权责清晰、过程透明、风险可控的数据资产开发利用机制；f.健全数据资产价值评估 推进数据资产评估标准和制度建16体系设，规范数据资产价值评估，加强数据资产评估能力建设，培养跨专业、跨领域数据资产评估人才；g.畅通数据资产收益分配机制完善

22、数据资产收益分配与再分配机制，按照“谁投入、谁贡献、谁受益”原则，依法依规维护各相关主体数据资产权益；h.规范数据资产销毁处置对经认定失去价值、没有保存要求的数据资产，进行安全和脱敏处理后及时有效销毁，严格记录数据资产销毁过程相关操作；i.强化数据资产过程监测数据资产各权利主体均应落实数据资产安全管理责任，按照分类分级原则，在网络安全等级保护制度的基础上，落实数据安全保护制度，把安全贯彻数据资产开发、流通、使用全过程，提升数据资产安全保障能力；j.加强数据资产应急管理数据资产各权利主体应分类分级建立数据资产预警、应急和处置机制，深度分析相关领域数据资产风险环节，梳理典型应用场景，对数据资产泄露

23、、损毁、丢失、篡改等进行与类别级别相适的预警和应急管理，制定应急处置预案；k.完善数据资产信息披露和报告鼓励数据资产各相关主体按有关要求及时披露、公开数据资产信息，增加数据资产供给；17l.严防数据资产价值应用风险数据资产权利主体应建立数据资产协同管理的应用价值风险防控机制，多方联动细化操作流程及关键管控点。鼓励借助中介机构鼓励借助中介机构力量和专业优势，有效识别和管力量和专业优势，有效识别和管控数据资产化、数据资产资本化控数据资产化、数据资产资本化以及证券化的潜在风险。以及证券化的潜在风险。根据财政部的指导意见，我们不难发现，如果要完成数据资产管理就要做到：法律方面，确保数据收集、生成、存储

24、、管理等全生命周期合法合规，在数据三权分置的要求下产权清楚明晰；财务方面，推动数据价值评估的发展，建立数据资产收益分配与再分配机制；技术方面，推动企业数字化水平建设，通过技术手段加强数据资产管理、数据资产销毁管理与数据资产安全责任管理；企业内部方面，需要完成形成数据资产开发利用机制，加强数据应急管理，完善数据资产信息披露等义务。此外，各方还应联合完善统一数据资产标准，有效识别和管控数据资产化的潜在风险。这更加印证了数据资产管理是一个多方联动的行为。3、如何实现数据资产管理实现数据资产管理可以采用多种流程，但需要解决的核心依旧是以下几个方面的问题：A.A.数据确权难数据确权难数据确权难的原因可以

25、归结为以下几点：a.根据本白皮书前几部分的论述，我们可以了解到，在计算机系统里的数据属于数字的18一部分，其虽然本身也被传统物权和知识产权所规范，但因数据流通更强调它所记录的信息价值，而且数据自身具有可复制性与可替代性，所以在目前数据的法律法规规章制度，有意淡化了数据的所有权，更加强调数据的使用权即数据处理者“数据资源持有权、数据加工使用权和数据产品经营权”这三权。这也就造成了因传统物权与知识产权理念的深入人心与数据实际的可复制性与可替代性等特性所决定的“确权难”一定程度的概念和实际间的混淆和冲突。b.因为我国目前大部分企业数字化水平仍旧处于初始阶段，企业数据成熟度正在发展，数据管理水平有待提

26、升。在一些数据相当冗杂的企业中，如何识别和证明确权的数据确实属于企业自有或控制的数据资产，如何确认确权的数据是否能给企业带来经济利益的流入，这确实也是数据确权难的原因之一。c.到目前为止，大部分企业的数据处理仅依附于各个业务部门的业务发展，如果确权的数据资产没有经历过企业级别的数据治理，也没有相应的数据管理制度进行数据合规管理，怎样保证确权的数据完成了数据全生命周期的合法合规义务，这同样也是数据确权的难题。综上，数据确权虽然是一个法律问题，但却高度依赖于企业数字化水平、数据管理、数据治理水平的提升以及原有的业务场景所产生的数据价值。B.B.数据估值难数据估值难根据本白皮书前几部分所论述的，数据

27、的特性之一就是在不同19的场景下价值不尽相同，所以给数据统一估值确实存在着很大难度。但数据流通的场景总体可分为外部和内部两种，在数据市场进一步扩大发展的情况下，根据产业聚合下统一的场景来确定数据的价值，也并非一件完全不可完成的事情。在数据流通的内部场景中，财政部印发的企业数据资源相关会计处理暂行规定已于 2024 年 1 月 1 日正式实施。暂行规定规定了企业可根据初始计量历史成本法这种计量方法，采用强制披露与自愿披露相结合的办法确认数据资产在财务报表中的数据资产价值。如果说数据资产在企业内部估值难，不如说是本文上述的因企业数字化水平、数据管理、数据治理水平有限，以及原有的业务场景所产生的数据

28、给企业未来是否能够带来经济利益无法明确，所带来的企业内部数据确权难、估值难。同时，因为财政部的暂行规定要求数据资产成本能够可靠计量，数据处理涉及到从采集至销售的全流程处理，如何认定数据资源的资产化的成本的归集与分配、摊销方法以及年限等，也是实际数据资源入表和估值的现实存在的难题。在数据流通的外部场景中，我国早就产生了数据场外交易的市场，数据资产通过市场流通定价来确定价值在实践中是完全可行的。但因之前的场外数据交易市场交易主体鱼龙混杂，交易的数据合法性与质量均无法保证，有的侵害到了个人乃至国家利益，更有数据交易甚至直接涉及到了刑事犯罪。这些不合法的数据场外交易或者20其他侵权行为同样也在扰乱数据

29、市场价值的正常估值，伴随着监管可见趋严，原本的不合法的数据场外交易市场份额也会进一步萎缩。同时而来的是数据各项法律法规的出台与各个数据交易所场内数据交易的兴起，因大部分数据交易所都出台了对于挂牌数据合规性审查与资产估值的相关指南来规范市场行为，所以，我们可以相信，随着安全合规的数据交易市场进一步的扩大和发展，对数据资产外部流通建立公开、透明的估值体系用来指导市场也不再会是一个难事。此外，对于数据资产管理的其他难题，例如数据资产的质量该如何保证，因可通过现有的技术手段解决，本篇不再一一累述。4、国有企业数据资产管理的保护财政部关于加强数据资产管理的指导意见指出，其将稳步其将稳步推进国有企业和行政

30、事业单位所持有或控制的数据资产纳入本级政推进国有企业和行政事业单位所持有或控制的数据资产纳入本级政府国有资产报告工作，接受同级人大常委会监督；并将加强监督检府国有资产报告工作，接受同级人大常委会监督；并将加强监督检查，对涉及公共数据资产运营的重大事项开展审计，将国有企业所查，对涉及公共数据资产运营的重大事项开展审计，将国有企业所属数据资产纳入内部监督重点检查范围，聚焦高溢价和高减值项目，属数据资产纳入内部监督重点检查范围，聚焦高溢价和高减值项目，准确发现管理漏洞，动态跟踪价值变动，审慎开展价值调整，及时准确发现管理漏洞，动态跟踪价值变动，审慎开展价值调整，及时采取防控措施降低或消除价值应用风险

31、。采取防控措施降低或消除价值应用风险。我们可以知道，国家推进数据资产化，一定是将国有企业数据和行政事业单位数据作为重点推进，但因这两种主体的性质，他们的数据有的部分甚至全部可能都是作为公共数据进行市场供给的。国有企业的数据资产管理作为21国有资产管理的一部分，对于其确权、估值以及审计可能是未来数据资产管理的重点以及难点。在国有企业数据资产管理中，对于数据资产范围的确认，可以优先确认:a.交易性数据资源。企业利用数据资源创造经济利益的业务模式，主要包括自用和交易，交易性数据资源通常满足入表条件。b.经营支持性数据资源。该类数据资源用于自用，即将数据资源与企业其他资源结合使用，用于服务或支持生产经

32、营管理活动，实现降本增效等目的。这类数据资产多以“数据库”形式体现，即可辅助经营活动，也可直接向客户提供服务，其发生的支出可确认为长期资产，如建设知识库、语料库、地理信息库、医学病例库等成本。c.信息服务行业数据资源。信息服务行业以数据处理为主要业务，包括数据的收集、存储、使用、加工、传输、提供、公开等。数据处理过程中，如果形成能够带来经济利益的“数据产品”，那么发生的支出应当资本化，形成数据存货等资产。3需要注意的是，如果数据资源预期实现经济利益存在较大不确定的，导致难以判断现金或现金等价物流入企业的潜力，或者流入可能性较小（如低于 50%），不应当确认为数据资产。例如，数据资源应用场景尚不

33、清晰，缺乏经济性、难以找到需求方等的，表明无法判断是否能够带来经济利益，不能确认为数据资产4；企业在日常经营中所形成的日常经营数据如财务数据等，因给企业带来可得经济利益的流入的可能性较低，3引用自大信研究|企业数据资源入表相关会计问题探讨，李洪 冯发明，大信会计师事务所4引用自大信研究|企业数据资源入表相关会计问题探讨，李洪 冯发明，大信会计师事务所22所以不应被确认成数据资产；如果国有企业的数据涉及到被规定为应当无偿向社会开放的公共数据，这部分数据因没有可得经济利益流入，也无法被确认为国企的数据资产。因为数据具有可复制性，复制数据的边际成本也无限趋于零，在数据外部流通比如数据交易所场内交易的

34、环境下，数据交易完全可以对接多方主体进行交易。所以基于合适场景的数据交易一旦形成，数据的溢价性确实比普通商品要高很多。又因为数据具有时效性，数据资产的价值随着时间的流逝可以快速贬损。这对于国有企业数据资产管理，尤其是如何保证国有资产的保值、增值，对法务、财务、技术、审计以及业务部门都是一个富有挑战性的事情。例如对于数据的溢价，企业要做好企业数据治理、数据管理工作，充分关注市场数据价值波动与本企业数据外部价值的波动，做到数据资产账实相符。对于数据资产的贬损，企业可通过加速折旧法进行摊销，财务应予其他部门参考市场同类数据核准确认好数据资产的使用年限。23四、数据资源入表四、数据资源入表1、为什么要

35、数据资源入表数据资源入表，对于企业内部来说：a.有利于企业现有的数据资产显性化，完善实际企业资产价值和财务报表的对接，更好的支持企业经营决策；b.有利于企业提高数字化水平，打破企业内部部门间的“数据孤岛”，从上而下整合数据资源，更好的赋能实体业务；c.有利于企业发现自身数据能够外部流通的场景，经营好数据资产；d.有利于企业数据的合法合规经营，促进企业数据合规体系的建设，防范相关法律风险；e.有利于企业盘活数据资产，使自身数据跟随着数据资本化发展趋势，扩充企业资本，增强企业市值。数据资源入表，对于数据外部市场流通来说：a.有利于更多的数据产品生产和进行场内外交易，扩大数据交易市场；b.有利于整合

36、数据价值，建立企业与市场内外联动的数据价值评估体系，更好的指导市场行为；c.有利于发展数字经济，促进在数据合法合规的基础上大幅度的流通和开放；d.有利于新兴技术研究和实践，通过技术的发展去促进生产力水平的提高。2、如何实现数据资源入表想要实现数据资源入表，按照财政部企业数据资源相关会计处理暂行规定，目前的一般流程为：a.进行数据治理，确定大致要24入表的数据资源的范围，b.数据资源确权评估，确认数据是否被个体所有或控制，c.数据质量评估，确认数据真实性、准确性、一致性、完整性与其他特性，d.数据资产评估，确认数据是否有实际价值能够成为数据资产，是以“无形资产”还是“存货”入表，以及数据初始计量

37、的成本测算等。因目前对于数据资源入表的相关规定还不完善，各个地区和企业也是在实践中摸索相关经验，所以实际入表中缺乏一个统一标准的流程的同时，还是会遇到各种各样的难点。本篇着重聊以下几个问题：A.数据确权的实现方式与产权登记机构数据确权难的原因在本白皮书的前几部分已有论述。因为数据的流通更强调它所记录的信息价值，而且数据自身具有可复制性与可替代性，所以在目前数据的法律法规规章制度，有意淡化了数据的所有权，更加强调数据的使用权即数据处理者“数据资源持有权、数据加工使用权和数据产品经营权”这三权。这也就造成了因传统物权与知识产权理念的深入人心与数据实际的可复制性与可替代性等特性所决定的“确权难”。在

38、建立探索数据产权制度方面，目前，北京、广东、贵州等多个省市正在探索数据产权登记，但差异性明显。无论“数据资产登记”“数据资产凭证”还是“数据产权登记”等，更多只是关注到数据要素某一特定属性，对登记的功能定位、登记内容、适用范围等规则各有不同，尚未形成统一的操作指引5。现在依托在数据交易所的地区级别的数据产权登记机构已经建立了5引用自数据登记多地规则不同，如何跳出所有权思维定式探索确权？，南方都市报25互通互认机制，但仍旧缺乏国家级别的数据产权登记机构与相关制度配套设计。对于国家层面数据资产登记的制度设计，可能也需面对和解决数据资产确权难的原因以及其所导致的结果。目前，还有一个解决办法就是将企业

39、的数据产品利用知识产权进行登记和确权。这无疑保护了数据产品的智力性和创造性，尊重这无疑保护了数据产品的智力性和创造性，尊重了数据处理者在加工数据产品时所付出的劳动。同时，也能间接的了数据处理者在加工数据产品时所付出的劳动。同时，也能间接的对于数据的自有或控制进行证明。对于数据的自有或控制进行证明。但是，在数据流通领域，知识产权所重视的“创造性”与“排他性”恰好是数据的特性所不能满足的，也就是说，数据本身所承载的信息价值可能要比对于其付出的创造性劳动更为重要，当数据一旦满足合法合规的标准，没有任何其他的禁止性规定，它完全就可以去进行市场流通了，这是本类登记和确权如果面对的是登记数据资源需要解决的

40、问题。所以在目前的法律环境和市场环境下，如果企业想要完成数据资源入表的数据确权，我们还是建议企业聘用专业的数据合规律师进行尽职调查，摸排企业数据的现实情况，再根据当地的法律法规规章制度，决定如何进行产权登记。B.数据资源可靠计量的难点数据估值难的原因在本白皮书的前几部分已有论述。需要补充的是，对于企业数据资源入表，企业数据的成本如何进行初始计量和分摊，确实是急需解决的难题。例如首批数据资产“入表”上市公司中，有 13 家将数据资产计入“无形资产”，有 5 家计入“存26货”，有 6 家计入“开发支出”。其中，开普云和南钢股份等 2 家公司同时计入“无形资产”和“开发支出”。值得关注的是，近日，

41、上述 22 家企业中，有 4 家公司先后披露关于 2024 年第一季度报告更正公告，将原先记录在“存货”项下的“数据资源”进行调整。具体来看，其中 3 家将“数据资源”一栏的数额转填入“合同资产”一栏，存货中不再包含数据资源的相关填报；而剩余 1 家则删除了“合并资产负债表”中一级科目“存货”下的二级科目“数据资源”的填报金额信息，同时，并未发现在其他子科目中新增项目。此轮发布更正公告的公司，此前均将“数据资源”录入“存货”项下，而随着 4 家公司修改相关信息，首批将“数据资源”录入“存货”项下的 5 家上市公司中，也仅剩海天瑞声一家6。这反映出了企业自研数据入表成本初始计量的困难，即本白皮书

42、前述的如何确定数据资产，以及怎么确定自研数据的资产化起始时间和结束时间、自研数据的成本在何时入表，才能明确合理的表示出数据资产在资产负债表中的价值。因数据资源入表直接造成资产负债表的总资产数额增加，从而降低了企业的负债率，但因数据资产不像传统资产一样，可以较为但因数据资产不像传统资产一样，可以较为容易的进行成本归集、收入成本匹配和确认摊销年限，所以如果不容易的进行成本归集、收入成本匹配和确认摊销年限，所以如果不谨慎核实入账就会造成数据资源入表的谨慎核实入账就会造成数据资源入表的“乌龙乌龙”，这就要求企业进行，这就要求企业进行灵活务实的数据资产管理。灵活务实的数据资产管理。例如在数据资产出现减值

43、迹象时，对于没有公开报价的内部数据资产，在可收回金额与账面价值进行比较6引用自多家公司“擦除”数据资产信息！首批“入表”规模降至 1.04 亿元，新华日报财经27时，参照无形资产的会计处理方法，按照二者的差额，计提数据资产减值准备7。3、对于数据资源入表的税务处理据悉，有关部门正在进行数据资源入表与数据交易的税务研究，未来涉及数据资产部分，其税务处理可能会进行一定的优惠和减免。我们在密切关注数据资源入表的相关税收政策，但因篇幅限制，本篇不一一累述。7引用自企业自研数据资源入表的现实难题及应对考量，审计实操28五、数据交易与数据资本化五、数据交易与数据资本化1、数据的场内交易与数据场外交易本白皮

44、书前几部分已有论述，我国早已形成数据场外交易市场。根据国家数据局全国数据资源调查报告（2023 年）的报告显示：我国数据仍旧处于数据需求快速增长，制造业、信息服务、批发零售等行业数据需求量较大。由此可知，我国的数据交易市场依旧拥我国的数据交易市场依旧拥有着高速增长的潜力。如何进一步激发市场需求与如何引导市场主有着高速增长的潜力。如何进一步激发市场需求与如何引导市场主体进行合法合规的交易，这是数据场外交易市场目前所面对的问题。体进行合法合规的交易，这是数据场外交易市场目前所面对的问题。根据国家数据局全国数据资源调查报告（2023 年）显示，2023 年我国新增数据存储量为 0.95 泽字节（ZB

45、），与年数据生产总量相比，占比为 2.9%，数据价值潜力有待进一步挖掘。一方面海量数据复用价值较低，大部分过程类数据产生后即被丢弃、覆盖。另一方面大模型、训练工具等支撑能力不足，海量数据开发利用价值低于存储成本，部分高价值数据在“大浪淘沙”过程中被遗弃。对于如何进一步激发市场需求，需要做到将发展企业的数字化建设、人工智能等新技术的落地、数据资产管理和入表与广阔的数据交易市场对接起来，同时，也要做好数据资产化的宣传推广工作，让企业明白数据资产管理的重要性。建立数据资产服务全生态体系，打通产业链上下游，发展相关技术，完善配套法律法规规章制度建29设，切实降低企业数据资产化难度。数据市场主体如何进行

46、合法合规的场外市场交易，首先，我们要明确：数据交易市场监管趋严，针对不合法不合规的交易部分，是短期阵痛，长期利好的事情。数据交易市场与其他的交易市场一样，在发展至一定规模逐步走向成熟的同时，一定会产生一些交易规则，而相关法律制度的建立与实践就是交易主体间公平、透明、合理交易的机制保障。其次，无论是数据流通还是数据交易，也是市场运行、社会经济活动中的一部分，所以也要遵守既有的法律规则，不能因己方主体的得利去给其他主体带来损害。所以，对于数据外部市场的监管与激发数据交易市场需求、扩大数据交易市场并不是以一对无法调和的矛盾出现的，相反，二者之间某种程度上还是相辅相成、相互促进的关系。目前，场外数据交

47、易的监管完善的典型措施比如某些地区监管机构对“数据交易合同”的统一和规定。此外，根据国家数据局全国数据资源调查报告（2023 年）显示：2023 年，全国各地交易所快速铺开，19 个省市建立数据交易机构。上海、浙江、深圳、海南等地数据交易机构“百花齐放”，交易模式、数商生态、技术底座各具特色。但交易机构在标准、规则方面尚未达成共识，场内交易吸引力不足。所以，我国交易机构数据产品成交率不高。27 家交易所上架数据产品仅有 17.9%实现交易，数据场内交易活跃度较低。例如，消费民生领域数据产品购买方数量是供给方的 2.4 倍，但产品成交率不足一成，存在供需不匹配的现象。30我们知道，数据的场内交易

48、对比场外交易具有一定的数据的场内交易对比场外交易具有一定的“聚合效聚合效应应”，即通过数据产品的高度集中交易，比场外交易更容易做到产品合规、交易渠道扩宽、交易成本尤其是时间成本的降低与交易定价的透明。配合着数据产品的复用，数据场内交易可以使数据流通达到杠杆扩张的目的。但如果需要数据场内交易的进一步发展，亟待解决企业内部数据资产发现与管理、数据交易场景的发现，这些问题的解决方案本篇与本白皮书的前几部分已有论述。同时，统一和完善全国的数据场内交易的流通市场，使数据场内交易的“聚合效应”最大化，使数据场内交易成为数据交易市场的“排头兵”，用安全、合规、优质的服务去辐射和影响整个数据要素的流通，数字经济的发展，也是解决该问题的一个方向。2、数据资产化与其他数据金融产品数据资产化同时也会促进其他数据金融产品的出现。例如，可以使用数据资产进行授信融资，未来，数据资产化可能会朝着数据资产信托、保理、保险以及证券化的方向发展。因数据资产不同于传统资产与其他虚拟资产，在金融底层设计方面，如何进行好数据资产的确认和管理，是所有数据类的金融产品需要面对的“元问题”。31北京金诚同达（西安）律师事务所北京金诚同达（西安）律师事务所联系方式：地址：西安市高新区锦业路 12 号迈科商业中心 25 层电话：传真：E-mail:网址：