深入解读数据资产化实践指南(2024年)
本指南主要介绍了数据资产化的概念、目标和意义,以及实施数据资产化的过程。指南详细阐述了数据资产化的内涵,包括数据资产的定义、数据资产化的目标与意义,并介绍了数据资产化的过程包括业务数据化、数据资源化、数据产品化和数据资本化。
核心内容:
一、数据资产化的定义和目标
二、数据资产化的实施过程
三、数据资产化的关键步骤,包括数据生产与采集、数据资源盘点、数据合规审查等
四、数据资产化带来的经济发展倍增效应以及对企业发展的推动作用。
五、推进数据资产化的建议和注意事项。
重点知识点:
一、数据资产的定义及特征
二、数据资产化的目标和意义
三、数据资产化的实施路径和关键步骤
四、如何推进数据资产化工作以提高企业竞争力。
数据资产化概述
1. 内涵
- 定义:数据资产是企业过去交易或事项形成,合法拥有或控制,能计量,预期带来经济利益的数据资源。数据资产化是将数据转化为可计量、可交易资产,实现价值最大化的过程。
- 关键要素:包括合法拥有或控制、可计量、预期带来经济利益等,强调数据资产的形成条件和价值属性。
2. 目标与意义
- 目标:通过全过程管理,使企业数据合规化、标准化、增值化,创造经济利益。
- 意义
- 释放数据价值:挖掘内部数据价值,优化生产模式,提升运营效率,实现数据与金融体系接轨。
- 推动数字化转型:激活市场潜能,催生应用场景,推动企业深化数字化转型,重塑发展模式。
- 促进产业链升级:重组产业结构,推动不同领域知识渗透,催生新业态,提升产业现代化水平。
- 实现倍增效应:提升全要素生产率,带动数据服务业发展,激发数字经济活力。
数据资产化过程
1. 业务数据化
- 含义:企业利用技术手段建立信息化业务流程,积累和沉淀数据资源,提升数据感知和获取能力。
- 实施:通过数据采集、存储、管理和应用,将原始数据转化为可存储和操作的数据,为企业运营提供支持。
2. 数据资源化
- 含义:对原始数据进行加工整理,形成可重用、可应用的数据资源,是数据资产化的前提。
- 实施:运用多种技术手段,进行数据盘点、分类分级、清洗和加工,提升数据价值和可用性。
3. 数据产品化
- 含义:以需求为导向,对数据资源进行劳动投入和创造,形成可交易的数据产品,是关键步骤。
- 实施:围绕数据资源,进行合规审查、质量评估、价值评估等,开发符合市场需求的数据产品。
4. 数据资本化
- 含义:利用数据资产实现保值、增值和流通,通过多种方式盘活资产,释放数据价值。
- 实施:包括质押融资、增信贷款、作价入股等,实现数据产品创新应用和交易变现。
数据资产化实施路
数据资产化实施路径涵盖数据生产采集、资源盘点、合规审查、分类分级、产品加工、质量评估、价值评估、合规登记、产品流通、流通存证、安全管理、资源入表、资本化应用及资产运营等环节,各环节紧密相连,共同推动数据资产化进程,实现数据价值最大化。
1. 数据生产与采集
- 概述:企业运用数字技术在生产经营各环节收集、存储数据,为数据分析和应用提供支持,助力数字化转型。
- 价值:提升产品质量和客户满意度,提高生产效率,增强行业竞争力,实现以数据驱动的业务场景。
- 路径:制定数字化转型规划,明确价值目标和实施步骤;构建数字化能力,选择合适技术工具;明确数据存储方法,综合考虑多种因素选择存储方式。参考相关国家标准和白皮书,如《信息化和工业化融合管理体系供应链数字化管理指南》等。
2. 数据资源盘点
- 概述:从全局对企业数据进行全面摸查,梳理数据属性,形成清单,从业务和技术视角掌握数据全貌。
- 价值:优化资源配置,提升数据质量,加强数据治理,促进数据应用,保障数据安全与合规,为数据管理提供基础。
- 路径:开展元数据摸查,管理元数据全流程;构建数据标准,保障数据一致性;定义数据,剖析数据架构和关系;明确数据血缘,追溯数据来源和流向;构建资源目录,提供数据查询服务。参考《DCMM数据管理能力成熟度评估模型》等文件。
3. 数据合规审查
- 概述:确保企业数据管理全生命周期遵循法律法规,审查数据实践的合规性。
- 价值:降低企业风险,增强社会信任,提高数据治理水平,促进跨境数据流通,保障数据合法合规使用。
- 路径:准备阶段组建团队、确定范围、依据和工具,收集资料;执行阶段进行文档、数据和网络审查,访谈相关人员;结果分析关注合规问题并制定整改计划;结果评价形成报告和意见。参考众多法律法规和标准,如《中华人民共和国网络安全法》等。
4. 数据分类分级
- 概述:根据数据属性分类,再依据重要程度分级,为数据安全保护提供依据。
- 价值:保障数据安全,满足合规要求,促进数据价值挖掘,合理利用数据资源。
- 路径:明确分类方案,结合行业标准和实际情况;确定数据范围,明确待分类数据;细化业务分类,选择合适属性;确定分级对象、要素,分析影响后确定级别;梳理并上报重要数据目录。参考《数据安全技术数据分类分级规则》等文件。
5. 数据产品加工
- 概述:将数据资源转化为产品,满足用户需求,实现数据增值。
- 价值:挖掘数据价值,提高决策效率,开拓收入来源,助力数字经济发展,构建数据生态圈。
- 路径:进行需求分析与规划,明确产品定位;采集、清洗和整合数据,确保数据质量;建模与分析,提取有价值信息;开发、测试与优化产品,确保满足需求;部署与运营,收集反馈持续优化;评估与迭代,提升产品价值。参考《信息安全技术数据交易服务安全要求》等文件。
6. 数据质量评估
- 概述:系统检查和评价数据质量,围绕多个维度评估,提升数据质量以满足用途。
- 价值:监管和提升企业数据质量,提高决策质量,提升数据资产价值,为数据管理提供支持。
- 路径:构建质量管理组织,制定质量标准;建立数据规范,明确数据规则;确定评价指标,反映质量状况;实施质量评价,形成报告;提升数据质量,持续改进;交付使用前确保用户了解数据。参考《信息技术数据质量评价指标》等文件。
7. 数据价值评估
- 概述:构建体系量化数据价值,考虑多种因素,是数据资产化关键步骤。
- 价值:明确数据资源价值,提升运营效率,推动数据产品进入市场,促进数据要素流通。
- 路径:准备阶段明确目的、签署合同、制定方案和准备资料;实施阶段了解资产情况、审核资料、确定方法并评估;评估方法包括收益法、成本法、市场法及组合分析法。参考《信息技术大数据数据资产价值评估(征求意见稿)》等文件。
8. 数据资产合规登记
- 概述:在确认权属基础上登记数据资产权利,遵循相关原则,为数据流通等提供依据。
- 价值:明确权属关系,加快数据入表,促进交易,支持市场监管,保障数据安全流通。
- 路径:确认权益主体,审核数据来源合规性,进行身份认证,确权存证,最后登记。以广东省为例,详细介绍登记流程。参考《广东省数据资产合规登记规则(试行)》等文件。
9. 数据产品流通
- 概述:数据产品在主体间交换转移,包括多种流通模式,本质是使用许可。
- 价值:释放企业数据价值,激发创新赋能,推动市场化配置,实现个人数据价值。
- 路径:公共数据通过政务外网或场内交易共享流通,需确定目录、开放数据、审核受限数据申请;社会数据流通交易分场内和场外,场内交易包括准备、实施和售后阶段,场外交易部分流程不同。企业应建立安全机制,利用隐私计算、数据脱敏和加密等技术保障安全。参考《信息安全技术数据交易服务安全要求(征求意见稿)》等文件。
10. 数据流通存证
- 概述:利用技术对数据流通关键环节存证,确保真实性、合法性和公正性。
- 价值:降低合规风险,提供取证依据,提高可靠性,促进市场健康发展,建立信任机制。
- 路径:明确存证内容,接入区块链平台,预处理数据,签名认证后上链存储。参考《最高人民法院关于加强区块链司法应用的意见》等文件。
11. 数据安全管理
- 概述:围绕数据安全问题开展管理活动,保护数据特性,满足法律法规要求。
- 价值:提升企业数据安全能力,符合法规要求,支撑数据产品安全流通交易。
- 路径:数据全生命周期各阶段进行安全管理,包括采集、传输、存储、处理、交换和销毁阶段,同时建立通用安全管理制度,如组织安全制度、人员管理制度等。参考《信息安全技术大数据安全管理指南》等文件。
12. 数据资源入表
- 概述:将符合条件的数据资源确认为资产并计入资产负债表,遵循会计准则。
- 价值:提升数据资产财务和金融价值,拓展交易流通渠道,促进创新应用和价值实现。
- 路径:规划设计入表工作,盘点资源并管理产品,进行合规审查,登记资产,核算成本,最后入表与披露。参考《企业数据资源相关会计处理暂行规定》等文件。
13. 数据资本化应用
- 概述:以数据资产为基础转化为资本,通过多种金融业务实现保值增值。
- 价值:拓宽融资途径,为数据资产化提供可持续发展动力,提升数据资产流动性和企业积极性。
- 路径:创新服务方式包括增信融资、质押融资、数据信托、入股、保险和证券化等,实践过程需完成资产转化、调整转化、评估防控风险,参考《关于加强数据资产管理的指导意见》等文件。
14. 数据资产运营
- 概述:识别、监测和分析数据资产,实现价值变现和评价,推动双循环和优化运营效果。
- 价值:实现数据资产全生命周期运营,推动双循环,优化运营效果,提升数据资产价值。
- 路径:识别数据资产,建立维护机制,构建商业模式,评价资产价值,参考《信息技术服务数据资产管理要求》等文件。