本系列的前三期，分别介绍了数字荒地的突破，数字农场的收获，以及数字孤岛的链接，“神秘岛”的数据的价值发现之旅是循序渐进的。在探索数字世界的旅途中，我们穿过了荒芜的数字荒地，探讨新常态下企业数据资产化之旅的关键行动路径；见证了耕耘后数字农场的丰饶收获，分享了流程优化与数据安全对企业实现高质量数据积累的重要性；跨越了信息孤岛并编织起互联互通的数字桥梁，阐述了技术支撑与标准统一是企业实现数字孤岛链接的路径。这一系列开垦与探索之旅，不仅是对未知边界的突破，更是对“神秘岛”上数据价值的唤醒。如今，随着数字资产的价值逐渐浮出数字海洋的水面，其背后蕴藏的巨大价值，既点燃了无数探索者对数字资产上表的热情，也给探索者带来了数字资产上表的迷茫。这一期，我们围绕“企业数据”做进一步的探讨，数字资产何时可以上表，怎么上表。

最新的数据资源上表情况

从A股2024年中报披露（截至2024年9月14日止WIND数据）的信息来看，数据资源（存货）、数据资源（无形资产）、数据资源（开发支出）三类资产的列报总计金额分别为人民币11.69亿元（7家）、17.55亿元（28家）、3.03亿元（18家）。有3家公司同时列报存货及无形资产类别数据资源，有6家公司同时列报无形资产及开发支出类别数据资源，没有一家公司同时列报三类数据资源。总体而言，数据资产入表较2024一季度的披露的公司家数与总金额有所上升，但范围与总体金额依然较小。已经上表的企业中两家是“建筑业”，确认的资产类别均为无形资产。

数据来源：截至2024年9月14日止WIND信息，毕马威整理

今年中报发布后，另一个值得注意的事项是，不少企业在中报发布后发布更正公告或者修改清零，比如，慧同新材、密尔克卫、晶华新材、奥飞数据、华塑股份等。这也足以反映数据资源上表以及披露对于市场各方而言还是一件相当新的核算任务，需要企业进一步加强对暂行规定的理解以及对数据资源入表的重视。当然，另一方面，上述统计并未涵盖所有市场上实际已经开展数字资产上表实务工作的企业，比如，我们也从市场上看到不少城投公司公共数据资源入表与融资的信息，主要包括停车、公共交通、公用事业、医疗等类别，相对范围小，且带有明显的区域属性。

“能确权，有价值，可计量”，入表要件缺一不可

神秘岛上生产出来的各种物资，并没有被带走，也无法带走。在所有人获救同时，火山喷发，小岛堙灭。数据（好比岛上的牲畜、蔬菜、小麦），不是简单的就等于数据资产， 真正能够被带走的有价值的，是“无所不能、无所不知”的上校掌握的各种知识技能，是上校的智慧带动团队一起因地制宜地研发并让更多队员所掌握运用的日常物资生产过程的开垦过程应用，是所有人在岛上不断根据实际情况进行改良与提炼的开垦技术。那么到底是什么样的投入产出才会符合数字资产的确认要求呢？

能确权：

数据的确权和合规是首要难点。数据的生成和使用涉及多方利益主体，如何明确数据的所有权、使用权和收益分配权是入表的前提条件，如何体现数据资源是“企业合法拥有或控制”的，这需要在法律和监管层面上提供清晰的指引和保障。

有价值：

辨认哪些数据资源可以作为资产入表存在一定的难度。经过过去几年的数字化转型的一些努力，有些企业拥有大量的待筛选和认定数据，数据尚缺乏统一定义与标准，价值链接尚未厘清；或者有的企业还处于数字化进程的早期，过往期间尚未开始有效采集全流程业务数据，历史存留的手工信息往往也颗粒度有限。无论哪种情况，企业在数字资产入表之前，需要进行筛选和认定进而明确哪些数据具有经济价值并符合入表条件都不是一件容易的事情，也不是一件一蹴而就的事情。

无论外部交易类型还是内部降本增效类型的数据资源，都需要企业从严把握，避免虚增资产。无论是对外形成数据产品还是对内起到降本增效的目标，核心在于是否能够围绕“业务价值链”进行可用数据的盘点与识别，以及企业是否能建立长效的数据管理体系。数据价值的显化需要企业具备专业的数据管理体系和预期经济利益的分析能力，以及对相关法律法规的深刻理解。

会计语境下，对内产生价值的内部降本增效类型数据资源能否上表，关键在于判断是否“有关的经济利益很可能流入企业”。为此，企业可以通过执行以下步骤科学地得出判断：

定性分析

货币化定量分析，测算成本节约金额，分析对企业业务等指标的提升，或减少的风险损失等

让我们使用几个典型的建筑与地产行业的场景来做进一步的说明企业应当如何有效的设立分析框架，优化业务流程的同时可以更好识别符合上表条件的“有价值”内部降本增效类型数据资源：

建筑行业

对于建筑行业而言，精准控制成本是项目管理的关键，其中成本超支控制是一个典型数据应用场景，企业通过设定核心监控指标，如关键成本项偏差率等，能够敏锐捕捉潜在风险信号，及时介入并不断优化成本控制策略，确保项目稳健推进。在设定指标过程中，重要的是异常阈值的设定，对于超过异常值阈值的成本项，项目管理者可以进行深入的原因分析，并采取相应的措施来优化成本管理，保障项目在预算范围内顺利进行。基于此，企业通过开展数据治理工作，实现自身优质数据资源的积累以及市场最佳实践数据资源的引入，如行业标准数据，参考同行业类似项目的成本数据，了解普遍的成本水平和波动范围、历史数据，分析项目自身或类似项目的历史成本数据，确定成本变动的正常模式和范围以及项目特定情况数据，考虑项目的规模、复杂度、地理位置、市场环境等特定因素，以及这些因素如何影响成本。通过对这些优质的数据资源与企业自身资源进行分析、对标、加工与处理，形成有一定主题的、可满足内部用户模型化需求的数据集合，并根据企业自身发展阶段的演变不断地修正提高，最终也可能进阶形成对外部用户实现销售或服务的数据产品。通过入表完成资产化，这不仅赋能企业内部精细化管理与高效决策，还开辟了企业长远发展的新利润增长点，通过数据市场的流通交易，为企业增长注入新动力。

地产开发行业

对于地产开发行业而言，基于全生命周期的数据化管理工具，通过参数模型整合从设计到建成使用的全过程信息，在项目规划，建造和运维的过程中进行共享和传递，使项目各参与方对各类信息作出正确理解和高效应对，可以在缩短工期、精工质造方面发挥重要作用。通过建筑信息模型（BIM）技术的集成应用，不仅在产品设计协同和审查方面，实现自动进行模型检查与碰撞测试、完成自动识别、并进行报错与自动更新，审查过程期间所有的评审意见都会作为重要的过程数据被详实记录到对应的模型中，方便各方协作同步进度、行落实可追溯，进而加速产品力的迭代；而且，在算量管理和成本采购方面，可以将关联的建筑信息进行有效分类，结合企业成本、材料部门对工程和物料清单管控颗粒度的要求，梳理设计构件与物料、工程清单的匹配规则，实现构件与工程和物料清单的挂接，自动输出工程量和物料量信息，且会随着设计深化自动更新，然后基于上游数据传输（算量数据、工程计划管理数据等），自动生成材料供应计划，指导项目下单，优化供应商产能管理、资源分配、资金规划等业务效率，提升材料供应整体管理水平。可以说，建筑信息模型数据是助力企业实现多方协同的全生命周期、端到端全产业链一体化项目管控、推动从物理资产到数字资产转变的关键。规模地产开发企业基于过往高周转时期积累的项目数据，结合未来新常态下项目开发产品设计与成本管理的市场特征，以用户思维为撬点，通过数据资源梳理再定义业务流程的关键控制点，通过数据模型推进精细化管理，在未来的市场竞争中保持优势。

持有型不动产运营行业

对于持有型不动产运营行业而言，由于前期投资往往需要较大的资金，这些资金通过租金（或类似的现金流收入模式）净收益的方式获取投资回报的周期较长，因此企业往往需要管理不同阶段所面临的多重的经济与市场等因素的风险，如同一市场或版块的供应量变化、商业社区和业态的变化、国内与国际金融市场的动荡、建筑与空间设计或技术更新等等，该类运营企业亟需通过对运营数据和风险引子复合叠加来实现全面、精细化的招商与日常经营管理。在缺乏有效数据分析的情况下，运营企业对于如何维持健康的出租率就限于传统的相对滞后的管理模式，比如，更多的依赖租赁部门或者资管部门人员进行商户运行情况的跟踪，在各种线下统计数据工作上耗费很多时间，很多运营数据的获取也存在诸多困难，管理起来十分被动。因此，如果实现招商、运营、财务、市场等多个业务模块数据的实时采集、分析和处理，不动产运营企业可以更加清晰地了解租户的运营状况，结合市场租金等关键指标的变化，提前模拟租赁策略的弹性变化并评价影响，指导不动产租赁部门有前瞻性的发现问题并恰当应对。在不同细分资产类别的不动产运营企业，通过梳理历史期间的运营数据以及资源要素分析，提炼适合企业发展阶段的租赁策略与管理阙值形成业务场景模型，为企业的业务决策提供有针对性的支持，帮助企业优化资源配置、降低运营成本、提高企业的盈利能力。

不动产资管行业

对于不动产资管行业而言，绩效指标的持续监测与物业估值管理是重要的数据分析应用场景，管理人通过追踪资产的绩效指标与其他市场信息，主动管理物业估值趋势，及时反馈给投资人，进而进一步指导日常运营策略的制定与实施。持有型不动产的估值过程中，底层净营业收入（NOI）与估值的驱动因素之间存在着紧密且复杂的关系，需要从多个方面进行估值分析，如市场供需关系分析、租金与租户分析、出租率与剩余租期分析、资本化率分析、可变与固定运营成本分析等。基于此，在资产管理人估值管理的过程中，应充分考虑数据资源带来的驱动性，如引入外部市场报告，可以获取不动产租赁市场动态、趋势、供需状况、资本化率以及竞争对手的数据信息；分析企业业务与财务数据，可以获取业务领域的收入来源、成本结构、盈利能力及现金流状况的数据信息，有效识别租金退守线，提前管理物业价值变动趋势以及提高资金管理效果；通过比较不同地区相同类型物业或同一目标物业在不同时期的运营成本，可以发现成本节约的潜力，并据此调整运营策略以提高盈利能力。为优化绩效指标与估值管理流程，资产管理人针对所管理的组合资产应构建全面的数据监控体系，实时跟踪租户行业、租金水平、出租率等关键指标的变化情况，并利用数据分析工具如数据挖掘、机器学习等对收集到的数据进行深度挖掘和分析，更加准确地预测未来期间NOI的变化趋势，推导未来时点的物业估值变化，并据此制定合理的估值策略和风险管理措施。通过这一过程，资产管理人不断积累所管理资产组合的运营场景基础数据资源，完善数据分析框架，最终形成可以持续提升资产组合价值与收益、有效降低资产运营风险的工具，协助资产管理人更好的完成“募投管退”周期管理工作。

对于外部交易类型的数据资源，“经济利益流入”的判断对于已经存在数据要素市场的一定交易规模的数据资源而言不再是难事，大家往往更需要解决后续的计量问题。

可计量：

做完了价值分析后，下一步需要解决会计核算的计量问题。

2024年1月1日起施行的《企业数据资源相关会计处理暂行规定》（“《暂行规定》”）适用于企业按照企业会计准则相关规定确认为无形资产或存货等资产类别的数据资源，以及企业合法拥有或控制的、预期会给企业带来经济利益的、但由于不满足企业会计准则相关资产确认条件而未确认为资产的数据资源的相关会计处理。

《暂行规定》在初始确认计量的角度没有较传统的存货与无形资产准则有很大差异，但是给与了企业在无法确认为会计意义上的资产时候如何针对数据资源进行会计核算提供了指引；同时，通过“其他披露”的方式这种易于报表使用者理解的方式增加披露的有效性，比如，企业对数据资源持续进行评估且评估对财务报表影响重大的应当评估相关信息，以及可以结合企业业务的一些量化信息进行自愿披露等。

《暂行规定》主要内容摘录如下：

成本归集环节

损益结转环节

一般披露环节

其他披露环节

但是，我们也发现具体数据资源资产的成本分摊方法有待进一步细化与成熟，传统的会计准则和计量方法可能难以完全适用于数据资源资产，需要探索和制定适合数据资源资产特性的计量方式从而确保数据资源资产能够在企业财务报表中被准确确认、计量和报告，比如：

如何针对潜在可以多次出售的数据集进行核算（例如，企业可能存在非独家授权数据集的业务场景，企业应当如何结合法律规定进一步厘清业务模式，进而可以明确作为存货或无形资产核算更为恰当）

如何在运营成本和数据采集成本之间进行区分（即，如果企业存在生产经营过程采集到的当期数据既用于客户收入的交付以及生产管理，同时也同步累积形成可交易的数据集的场景下，本期的运营成本是否应该拆分后进行部分成本的资本化形成存货，以及应该怎么拆分）

如何在数据资源被重复调用重复组合的情形下进行成本归集与分摊（即，如果企业本身已经有符合资本化条件数据资源“无形资产”，该企业对外提供其主要服务时也依靠多种内部开发的软件，这些软件的开发和迭代过程中都曾经调用了已经资本化为“无形资产”的数据集，这些数字资产的摊销金额应当如何在不同软件开发成本之间进行拆分？或者，数据资源“无形资产”在对外客户服务提供过程中被多重复调用，这类成本该如何在不同的客户合同之间进行分摊？）

无论是存货还是无形资产，数据资源都要面临如何定期正确开展减值测试（包括减值迹象的识别*），且恰当披露减值情况（若适用）。《暂行规定》在这一方面的内容与存货、无形资产准则的要求完全一致。这是一个涉及复杂的会计估计的议题，但究其实质还是“价值判断”本身，我们将在下一节结合企业如何在初始完成资本化后持续进行价值追踪与判断进行更具体的评估与计价的讨论。

“勤反思，勇创新，能协同”，价值跟踪持续提升

数据资产的价值评估也是数字资产上表的另一项挑战。一方面，虽然财务报表的数据资源资产以历史成本计量，但是由于定期需要进行减值测试，存货的预计售价或者无形资产的公允价值都需要定期进行估计；另一方面，数据资源价值评估更多的出现在企业融资、数据资源作价入股、数据资源交易定价等环节；再者，结合《暂行规定》的自愿披露的内容以及当数据资源的评价结果对企业财务报表具有重要影响的时候需要进行的其他披露，都涉及到与数资源价值评价有关的假设的厘清。这些虽然会给企业带来额外的披露成本，但是也是有利于驱动企业价值提升。

根据中国资产评估协会制定的自2023年10月1日起施行的《数据资产评估指导意见》，评估方法包括收益法、成本法和市场法三种基本方法及其衍生方法。

收益法

预测数据资产未来能够产生的收益，并据此评估其价值。企业基于数据资源历史使用/销售情况、未来的应用场景或业务模式、对企业创造价值的影响方式等信息，推导数据资源未来收益的财务测算模型，并进行折现。需要关注评估结论成立的假设前提和限制条件、各重要参数的来源、分析、比较与测算过程等内容。

成本法

根据数据的研发、获取、市场拓展、存储和维护成本来评估其价值。需要从数据质量、稀缺程度等角度综合考量 “变现可能性” 。

市场法

通过比较市场上类似数据资产的交易价格来评估。数据本身的年份属性与交易价格趋势的关系需要在可比案例中特别关注。

数据资源的价值在不断的多流程、多维度、多部门的链接与碰撞中，起到协助企业防范运营风险、增加业务效能，从对内降本增效到对外形成可商业化的独立产品，而定期的价值评价/评估过程离不开企业对于业务模式的不断反思与提升，也必然通过数据治理与标准化不断促进企业的协同作战能力，为数字资产的持续迭代与价值提升夯实基础。

“共信念，多技能，善执行”，事关各岗人尽其力

除了上述共同难题之外，对于地产与建筑行业数据资源入表的另一个难题还是近年来行业的整体下行导致人才结构与规模发生变化，行业整体的数字化转型的一些节奏亦有所调整。但是，恰恰是行业的变化，市场对企业在效率、成本管控以及客户价值（体验）提升上提出来更高的要求，而数据治理水平较高的地产和建筑企业往往可以利用数字化工具在这些领域领先于同类企业。

数据资源入表是企业内部的一项体系工作，需要各管理环节紧密协作、无缝衔接，逐步形成数字资产化的内生动力。这里重要的环节是数据治理，治理目标达成与否在于流程拉通与职能界面的再定义，通过“流程优化”，企业能够实现流程的标准化、高效化和线上化，确保业务数据在各流程节点间快速流转和高效沉淀，使得数据资产能够持续积累，组织能力得以复刻。具备全价值链条流程洞察力的关键岗位职能的团队成员的数量、人员的技能宽度与经验深度以及各项流程变革的执行与迭代能力，决定了企业数据资产上表之路的顺畅程度以及前瞻程度。

虽然地产与建筑行业的数据资源资产入表面临诸多挑战，但随着行业实践政策法规的逐步完善，各方数据产生者与使用者通过行业垂直业务领域场景的深化挖掘，行业最佳实践的不断打磨，对于数据资源的价值评估不断进行修正与锚定，上述难点也会逐步得到解决，从而推地产与建筑行业的数据资源资产化进程的健康发展。

提供专业数字资产咨询服务：

毕马威中国地产与建筑行业团队积累了丰富的行业数字化咨询和落地实施的经验，我们将聚焦行业数字资产议题，厘清新时代地产与与建筑行业数字化的方向和策略，为各方提供包括数字化战略转型、数据治理、数据资产估值与会计核算、组织架构转型等多角度、全方位的咨询服务，为打造新常态下“数据型”行业标杆企业提供助力，推进全行业的数据资产化进程。

本文内容仅供一般参考用，并非针对任何个人或团体的个别或特定情况而提供。虽然我们已致力提供准确和及时的资料，但我们不能保证这些资料在阁下收取时或日后仍然准确。任何人士不应在没有详细考虑相关的情况及获取适当的专业意见下依据所载内容行事。本文所有提供的内容均不应被视为正式的审计、会计或法律建议。

©2024毕马威华振会计师事务所（特殊普通合伙）、毕马威企业咨询（中国）有限公司及毕马威会计师事务所，均是与毕马威国际有限公司（英国私营担保有限公司）相关联的独立成员所全球组织中的成员。毕马威国际及其关联实体不提供任何客户服务。各成员所均为各自独立的法律主体，其对自身描述亦是如此。毕马威华振会计师事务所（特殊普通合伙）——中国合伙制会计师事务所；毕马威企业咨询（中国）有限公司——中国有限责任公司；毕马威会计师事务所——香港合伙制事务所。版权所有，不得转载。毕马威的名称和标识均属于毕马威国际的商标或注册商标。