数据资产价值多维核算管理体系研究—以某省级电力公司业务为例

文 · 国网上海市电力公司财务资产部 杭纯

一、引言

近年来，国家和上海市先后出台多项政策，从数据战略、数据共享、数据价值、数据平台和数据交易等方面对数据发展做出详细规划，明确了数据在国家未来发展中的重要地位。2020年，《中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见》正式发布，首次将数据与土地、劳动力、资本、技术等传统要素并列为生产要素之一，意味着数据资本化的进程在加快，而直接产生的数据，以及通过数据的深度挖掘分析所形成的产物也将为企业带来新的经济增长点。

然而，数据资产作为新兴产物，如何定义数据资产、如何判断其成本及价值、如何为数据资产进行合理定价，均处于早期研究及摸索阶段，暂未有成熟以及被验证的体系及方法。但数据要素作为企业资产进行价值衡量的重要性日益凸显，企业财务人员如何对数据资产成本进行核算及测量、企业管理人员又如何基于其成本进行产品定价及管控，都是现阶段的重要命题。因此，探索并梳理数据资产相关概念与计量方法、评估数据资产的建设成本及应用价值，对进一步开展数据资产构建、交易以及运营具有重要的意义。

在此背景下，本文以“数据资产价值多维核算管理体系研究”为主题，将企业在数据资产变现方面存在的问题作为根本出发点，通过内部调研与外部研究相结合的方式，围绕数据成本核算，以数据运营价值反映体系设计为切入点，开展深入研究，支撑数据资产及数据产品服务的价值核算，基于多视角分析实现数据价值管理工作精益化开展。

二、文献和理论分析

通过内外部研究，本文对数据资产及数据资源进行了定义。数据资产指由个人或企业拥有或控制，成本能可靠计量，并能够为企业带来持续的经济利益，以物理或电子的方式记录的数据资源。而数据资源指公司运作中积累下来的各种形态的数据记录（如数字信息、文字信息、图像信息、语言信息、数据库等），包括来自企业内部业务系统的内部数据和通过购买、合作交换以及其他合理方式获取的外部数据。

本次将在数据资产明确定义的基础上对数据资产的成本计量方法开展研究，支撑企业开展数据资产服务。目前在政策及行业驱动的背景下，已有文献对数据运营及数据资产的价值测量方法进行了研究。

寿东华 等（2022）认为，数据资产管理核心是在确保数据可用的基础上，将数据有序融合、敏捷供应，最终产生业务洞察和变现价值的管理过程，更加强调围绕数据资产的价值、成本、收益开展全生命周期的管理。从企业角度，要构建数据资产成本与价值反映体系，结合数据资产全过程管理活动，从数据资产资产化视角，有效开展资产评估管理，清晰计量数据资产全过程的成本。这是有效评价数据资产价值以及未来数据资产核算入账的基础。

中国信息通信研究院政策与经济研究所研究发布的《数据资产化：数据资产确认与会计计量研究报告（2020年）》提到，目前通用的无形资产价值评估方式包括了成本法、收益法、市场法，但由于目前暂未有成熟的数据资产交易市场，对数据资产的收益判断缺乏经验且数据的不定性较大，因此目前对数据资产最为合适的评价方式为成本法。成本法根据数据资产形成过程中所花费的成本对其价值进行评估，虽然数据资产成本度量具备一定难度和不完整性，但在市场价格相对缺失、预期收益不定时，成本法不失为一种相对合理的对数据资产价值进行估算的方法。

《资产评估专家指引第9号—数据资产评估》更进一步对成本法进行了初步的设计，其中提出：数据资产成本主要由人力成本、间接成本以及服务外包成本构成。在成本法中，数据资产的取得成本需要根据创建数据资产生命的流程特点，分阶段进行统计。尽管数据资产的存储、分析、挖掘技术复杂多变，但目前普遍使用的流程可以概括为四步，即数据采集、数据导入和预处理、数据统计和分析、数据挖掘。其中，数据采集属于数据资产获取阶段，后三个步骤属于数据资产研发阶段。

在中国信息通信研究院发布的《数据资产管理实践白皮书（5.0版）》中，将数据资产运营成本评估分为采集成本、存储成本、计算成本（人工费用、IT费用等直接及间接费用等）和运维成本（业务操作费、技术操作费等）四类，而数据价值（收益）主要从数据资产的分类、使用频次、使用对象、使用效果和共享流通等方面去进行衡量。

综上所述，推动数据资产市场的第一步是实现数据资产定价，从而支撑数据交易的正式开展。基于目前市场成熟度及数据资产管理现状，成本法是为数据资产赋予价值及定价的最佳方法，而成本法可基于数据资产生命的流程特点，分阶段进行统计。本文基于现有理论基础，对数据资产的全生命周期进行了研究，并对各阶段的成本投入进行了详细梳理，形成了数据运营价值反映体系，支撑企业对数据资产成本进行测算，辅助开展数据资产定价及数据资产交易活动。

三、数据运营价值反映体系的设计及测算

本次研究以某省级电力公司数据资产业务为例，以企业现有数据资产管理流程为基础，构建电力企业数据资产价值反映体系，并在此体系下开展业务场景测算，为企业推进数据资产业务奠定基础。

（一）企业数据资产业务现状

某省级电力公司于2020年底前初步建成数据中台，于2021年5月向公司内部正式开放，接入数据表46518张（包含有效表单3万余张），几乎等同于企业全量有效数据，并实现了企业内数据的横向拉通。目前，企业基于数据中台对内已汇集65项各专业数据分析场景、697项定制API数据接口，支持数据在线更新与数图动态展示。对外，为上海市政府办公厅推送2平方米驾驶舱管理可视化数图展示，根据政府部门内部政务决策需求每月为上海大数据中心自动推送28张数据表，并与工商银行达成初步合作意向。企业通过数据中台的建设，已完成全流程的数据处理过程，包括数据清洗、加工、落模、模型设计、调用分析等，并初步开展了数据资产业务的交易试点。因此，本次研究将基于企业中台的数据处理全流程及相对应的成本投入开展成本测算研究，构建数据运营价值测算体系，厘清数据运营业务活动成本项，为企业进行数据资产业务定价奠定基础。

（二）数据运营价值测算体系设计

数据运营价值测算体系基于业务运营现状，明确数据运营全价值链业务活动，形成端到端的数据资产全流程视角。同时，厘清数据资产成本记录现状，梳理资源投入类别，结合业务现状形成价值分摊建议。最后，对规范建议进行场景测算验证，确保其取数测算的实际可行性。通过构建数据运营价值测算体系，可有效支撑企业开展数据资产价值梳理及管理工作。

数据运营价值测算体系对数据类型、价值识别对象、数据业务活动梳理、数据运营全过程资源投入梳理、资源投入成本分摊设计五方面展开分析研究工作。

1. 数据类型

基于对企业数据现状及外部研究，数据主要可分为三类，分别为数据资源、数据资产、数据产品服务。

（1）数据资源

数据资源指公司运作中积累下来的各种形态的数据记录（如数字信息、文字信息、图像信息、语言信息、数据库等），包括来自内部业务系统的内部数据和通过购买、合作交换以及其他合理方式获取的外部数据。

（2）数据资产

将数据资源经过处理后存储在企业服务器中，即形成数据资产。数据资产应同时具备以下特征。

①由企业拥有并控制。由企业通过日常业务运营、购买、租赁等方式所拥有的数据，企业可进行管理及监控。

②成本可靠计量。作为一种“更无形的无形资产”，可靠计量成本作为未来资产入账的依据。

③能够为企业带来价值。能够为企业带来业务价值、分析价值和变现价值。

在明晰和理解数据资产定义中，重点强调的是并非所有的数据资源都构成数据资产，可明确作为“资产”的数据的核心是要有价值。

（3）数据产品服务

数据产品服务是指基于特殊需求且以数据资产为原料，对数据加工后发挥数据价值的可交付的产品或服务，可以以分析报表、报告等多种形态存在。

在数据的三大形态中，由于数据资源为经营过程中积累下来的各种形态的原始数据记录，不具备测算价值（如凭证），因此将数据资产和数据产品服务作为最终价值识别对象。

2. 价值识别对象

在明确数据资产和数据产品服务作为价值识别对象的基础上，本次研究对各价值归集对象进行进一步的分类，为后续成本分摊方案设计进行铺垫。

（1）数据资产的分类

数据资产可按业务来源或系统来源进行分类，通常以有效表单的形式进行体现，例如财务部数据资产、人资部数据资产、ERP数据资产等。

（2）数据产品服务的分类

数据产品服务主要包括平台型、定制型、服务型三类。

平台型数据产品服务：企业现有数据资产或产品已符合市场大多数需求，可直接发布于公开平台进行交易，不进行特殊化、定制化处理，例如有效表单。

定制型数据产品服务：根据客户的实际需求，形成特定的数据产品，例如基于特殊需求形成的数据报告。

服务型数据产品服务：根据双方协定的服务内容及期限提供持续性服务，例如向政府、机构或其他第三方合作企业推送企业或行业数据分析的可视化图表展示。

3. 数据业务活动梳理

基于企业数据资源向数据资产和产品服务转化运营现状，结合外部数据运营模式（DAMA模型）进行研究，推导出数据运营全流程，包括数据资产化流程和数据产品化流程。数据运营全流程共包括八大环节，其中数据资产化路径将数据资源转化为数据资产，数据产品化路径将数据资产转化为数据产品，如图1所示。

图1 数据运营全流程体系

其中数据资产化流程中数据规划包括了数据资源盘点及数据规划与标准订立，数据建设包括了数据采集、数据清洗、数据落模，数据运维包括了数据存储、数据维护，数据退役包括了数据退役评估、数据退役处置。数据产品化流程中数据应用包括了需求分析、原型设计、数据处理、商业分析，产品交付包括了产品交付平台迭代以及交付流程管理，产品运维包括了产品存储、产品维护，产品迭代包括了产品自身迭代以及数据产品规模化。

4. 数据运营全过程资源投入梳理

目前数据运营相关成本融入信息系统建设费中，为明确运营过程中所产生的成本，并为未来成本测算奠定基础，基于2021年公司最新的成本费用录入规范及会计科目，结合业务特性共形成七项资源投入。

实施费：主要指数据运营过程中，开展相关项目实施工作所产生的费用。

开发费：主要指进行接口、工具等开发工作所产生的费用。

管理信息系统维护费：主要指针对信息系统开展维护抢修工作所产生的费用。

中介费：主要指数据运营过程中委托社会中介机构提供管理咨询、专家咨询等服务产生的费用。

管理费：主要指数据运营过程中公司内部员工开展日常工作及管理工作产生的成本，包含工资、差旅费、会议费等。

软硬件购置费：主要指数据运营过程中为获得软件使用许可产生的费用。

折旧费：指用于数据运营活动的仪器、设备的每年折旧。

各资源投入所涉及的业务环节，如图2所示。

图2 资源投入所涉及的业务环节

5. 资源投入成本分摊设计

由于资源投入与业务环节强相关，因此针对成本的归集，需首先将资源投入的成本分摊至各业务环节，再将各业务环节的成本分摊至数据资产或数据产品。

（1）一次分摊

基于资源投入的特性，对以上七项资源投入进行了进一步的梳理，并归为三类成本项。一是外委人工成本类费用。该类成本由合同商定工作内容所涉及的工时决定了合同金额，包括实施费、开发费、管理信息系统维护费、中介费。二是内部成本类费用。该类成本由员工投入的工时决定了投入金额，主要为管理费。三是共性成本类费用。数据存储及数据处理的规模决定了基础投入金额，包括折旧费及软硬件购置费。

针对外委人工成本类费用，该类成本虽由合同记载投入金额，但企业暂未明确切分数据资产投入或其他信息技术投入，目前及未来，无法将合同金额与价值归集对象进行直接对应，需进行一定的分摊。由于该类成本工作内容所涉及的工时决定了合同金额，因此将工时作为分摊成本的分摊因子。

针对内部成本类费用，该类成本覆盖数据运营全流程，内部员工投入的人力及耗时决定了成本金额，因此工时是较为合适的分摊因子。

针对共性成本类费用，该类成本为数据运营基础性投入，只需基于数据规模进行整体分摊，无须进行一次分摊，直接分摊到基础数据资产或数据产品。

（2）二次分摊

二次分摊因子如图3所示。

图3 二次分摊因子

在数据资产阶段，业务的作业对象分为字段及表单。基于对企业的实际业务梳理，目前对数据的采集清洗均基于具体的表单。因此，表单数量被选为二次分摊对象。

在数据产品阶段，基于产品需求，定义所需投入的人力成本及软硬件费用。因此，管理费以及外委费用在数据产品阶段可直接将工时分摊到所对应的产品。软硬件购置费和折旧费可以按实际情况针对性分摊到产品。

（3）数据产品成本传递逻辑

针对现有的三类数据服务（平台型、定制型、服务型），不同的商业模式成本传递逻辑将有所不同。

针对平台型，公司内部形成的数据资产（有效表单）仅需通过脱敏处理便可直接进行出售，而目前脱敏处理成本已包含于数据资产运维过程中。因此，被调用的表单成本=数据产品成本。

针对定制型，公司内部形成的数据资产，基于客户分析需求，开展特定报表编制工作。因此，定制型数据产品成本=被调用表单成本+定制报表所投入的成本（主要是人力成本）。

针对服务型，产品成本视实际情况而定，服务型数据产品成本=数据资产成本+产品形成所涉及的成本（可包含数据产品化环节部分业务工作或全部业务工作）。

（4）成本测算逻辑

针对数据资产化阶段，实施费、开发费、管理信息系统维护费、中介费、管理费，通过工时将成本费用分摊至各业务，再以各数据资产表单数量进行二次分摊。成本测算逻辑如图4所示。以实施费为例，假设实施费共两张合同，合同1为100万元，包含数据采集+数据清洗+数据落模+数据运维四项实施工作，该合同签订工作占比分别为25%、20%、25%、30%；合同2为100万元，其中包含数据存储+数据运维两项工作，该合同签订的工作占比分别为60%、40%。企业服务器中共计3万张有效表单（数据资产）。首先，通过一次分摊，将合同金额分摊至各业务环节，数据采集为25万元（100万元×0.25），数据清洗为20万元，数据落模为25万元，数据运维为70万元（合同1：30万元+合同2：40万元），数据存储为60万元，而软硬件购置费及折旧费直接基于数据资产的容量将成本进行分摊。其次，通过表单进行二次分摊，将成本进一步分摊至单个数据资产，实施费涉及的数据采集成本为8.33元（25万元/3万张有效表单），数据清洗成本为6.67元，数据落模成本为8.33元，数据运维成本为23.33元，数据存储成本为20元。重复以上计算，将资源投入合同金额分摊至对应业务阶段的单张表单。

图4 成本测算逻辑

针对数据产品化阶段，基于不同的数据产品类型进行针对性分摊。平台型产品的产品成本＝数据资产成本，定制型产品的产品成本＝数据资产成本＋报告分析等定制化产品所需要投入的成本（基本为人工成本），服务型产品的成本＝数据资产成本＋形成产品所涉及的所有资源投入。假设：数据产品涉及12张表单（数据资产），单张表单成本为125元，即针对平台型产品，总成本为1500元（12×125）。针对定制型产品，成本为数据资产成本（1500元）+报告定制的投入成本，而报告定制主要涉及内部管理费，假设报告编写涉及2位员工，耗时5天，每位员工一个月的平均人工成本为1万元，总成本=1500+（2×5/30×10000）=1500+3333=4833（元）。针对服务型产品，产品所涉及的人工投入需基于实际情况而定，在形成产品的过程中，如有购置费和软硬件的使用，建议与产品直接关联，并进行相对应的分摊。

（三）场景测算

为论证整体数据价值运营反映体系设计的可落地性及优化点，以尽可能全面、尽可能精准为原则，对企业现有定制型数据产品开展了数据收集，并基于假设数据完成了场景模拟测算工作。

数据资产阶段收集的基础数据包括数据中台涉及的总表单数量及总表单容量，数据中台软件、系统、接口、工具的采购成本及使用年限（软硬件购置费、折旧费），有效表基础数据（有效表名称、对应系统、业务部门等），产品清单（产品名称、对应有效表等）。外委成本数据包括数据中台建设、运维相关合同金额（包括咨询合同、技术服务合同等的所有服务相关合同）、总时长以及各作业活动时长分配。管理成本数据包括数据管理相关人员平均每月每人的投入成本（包括工资、职工福利、差旅费、会议费）。

如表1所示，根据收集的合同、数据、信息梳理后，假设实施费、开发费、管理信息系统维护费、中介费、管理费合计506.16万元，企业有效表单数45720张，则平均每张表单成本为111元。假设折旧费、软件购置摊销费合计402.37万元，表单总容量为150000kb，则平均每kb表单成本为26.8元。

表1 数据资产阶段成本投入

针对数据产品阶段，收集了基础数据包括BW体系涉及的总表单数量及各表单容量，以及为BW体系投入的软件、系统、接口、工具的采购成本及使用年限。外委成本数据包括BW体系建设、运维相关合同金额（包括咨询合同、技术服务合同等的所有服务相关合同）、总时长以及各作业活动时长分配。管理成本数据包括BW体系相关人员的人力投入成本（包括工资、职工福利、差旅费、会议费）。

根据收集的合同、数据、信息梳理后，该产品在数据产品阶段主要为管理费。假设总成本为2.4万元，无其他投入成本，该产品共调用表单数量32张，表单容量为428kb，数据资产阶段总成本为1.5万元（平均每张表单成本为111元×32张=3552元，平均每kb表单成本为26.8元×428kb=11470.4元）。因此，最终数据产品及数据资产阶段成本共计3.9万元。

四、思考及启示

回顾该省级电力公司的数据运营价值反映体系设计及场景测算过程，我们认为，其他企业在构建数据运营价值体系时，需要着重关注以下三点。

（一）企业应基于业务实际现状构建数据价值测算体系

本次研究构建了某省电力企业数据运营全过程价值测算体系，明确了价值识别对象、数据产品类别、资源投入项、业务活动环节，形成了端到端的数据资产全流程视角，并对资源消耗与业务活动之间的分摊归集路径进行了研究建议，有效支撑数据资产及数据产品服务的价值核算，为企业推动数据价值体系构建奠定了基础。该测算体系同样适用于其他企业开展数据资产的价值测算工作。基于对数据业务的研究，数据运营八大环节差异性较小（八大环节：数据规划、数据建设、数据运维、数据退役、数据应用、产品交付、产品运维、产品迭代），但各环节的具体业务及成本项可能存在一定的差异，企业可基于实际业务现状对各环节中的具体业务进行调整，构建适用于各企业数据资产业务特色的数据价值测算体系。

（二）企业可基于数据产品属性进行定价

本次研究对数据资产现有交易类型进行了研究分类，基于现有数据产品类型，目前可分为平台型、定制型、服务型。数据资产交易属于新兴业务，平台型及定制型的数据产品较为普遍，但随着市场的不断成熟，将会有多元化的服务型产品问世。为实现更高效的产品定价，企业可基于数据产品的属性对产品进行归类，有效降低定价难度。平台型产品由于企业仅需通过脱敏处理便可直接进行出售，产品成本即为表单处理及生成成本，因此企业可直接通过测算单张表单成本乘以数据产品所涉及的表单数，快速明确数据产品成本。定制型产品则在表单成本的基础上，增加分析或特殊定制成本（基本为人力成本）。而服务型产品，则在表单成本的基础上增加数据产品所涉及的全部投入。通过对数据产品的分类，企业可进一步明晰所涉及的业务环节及成本项，提升整体的定价效率。

（三）企业可通过建设数据运营管理体系，提升整体运营效率

有价值的数据是资产的概念已形成行业共识，但在具体管理实践中，如何对数据资产进行有效的管理还在不断探索中。数据管理是对数据本身的加工过程进行管理，即对数据从产生到获取、处理、存储、传输、退役的全生命周期进行管理。当数据成为一种资源，在数据管理的基础上，增加组织、制度、流程、人员的管理内容，从而规范数据资源开发利用过程中的各类活动。最后，把数据作为资产管理，需要在数据资源管理的基础上，考虑数据所有权、经济效益等资产属性。因此，数据资产管理是指通过建立一系列的组织、制度与流程，规范数据资产的各类管理任务和活动，从而控制、保护、提高数据资产价值。目前，企业基本处于数据管理的初期，对数据资产管理有初步的概念，企业有部分人员涉及数据资产的相关管理，但未有明确的管理制度。本次研究为企业明确了数据资产运营所涉及的环节及流程，在此基础上，企业可进一步建立起各流程环节的成本记录规范及管理制度，进一步规范数据资产管理，优化整体数据资产运营效率。