数智化背景下企业会计数据要素价值创造逻辑与实践推进策略

【摘要】在数智化时代， 会计数据要素已经成为企业的关键生产要素， 逐渐渗透并融入企业的运营、 管理和战略之中， 蕴藏着巨大的潜能和价值。因此， 探究数智化背景下企业会计数据要素价值创造问题显得尤为重要。本文从数据要素在经济学理论中的地位演进出发， 厘清数据要素的价值创造逻辑。以此为基础， 构建企业会计数据要素价值创造体系， 并选取客户信用风险及应收账款管理数字化、多维经营预测和经营分析数字化两个典型场景进行应用举例， 为会计数据要素的实际应用提供参考。最后， 为了更好地推进企业会计数据要素价值创造实践， 从会计数据标准建设、业财融合和会计职能拓展、 会计数据要素流通和利用、 新一代信息技术实践应用等方面提出适应性改革建议， 为企业会计数据要素的应用奠定良好的实践基础。

【关键词】数智化；会计数据要素；数据价值链；数据资产；应用场景

【中图分类号】F230" " " 【文献标识码】A" " " 【文章编号】1004-0994（2024）12-0022-6

一、 引言

当前， 数据要素市场化正在深入推进， 数据要素在国民经济循环和社会价值创造过程中发挥着重要作用。自2022年底中共中央、 国务院发布《关于构建数据基础制度更好发挥数据要素作用的意见》， 以及2023年国家数据局成立以来， 数据产权分置制度和公共数据授权运营机制日渐明晰， 为数据要素价值潜力释放奠定了良好的制度基础， 数据要素供给、 使用和管理逐步走向规范化， 数据要素价值创造功能逐渐显现。会计数据要素蕴藏着巨大的潜能和价值， 如何从会计数据要素中“掘金”， 为经营和业务赋能， 成为当代企业创新发展的重要抓手。2021年12月， 财政部印发《会计信息化发展规划（2021-2025年）》， 指出会计数据要素是单位经营管理的重要资源， 发挥会计数据要素服务单位价值创造功能， 是会计工作实现数字化转型的重要途径， 并提出促进会计数据要素的流通和利用， 发挥会计信息在资源配置中的支撑作用等一系列新思路和要求。

可以看出， 伴随着会计信息化的发展， 发挥会计数据要素价值创造功能已经成为当代企业全面融入数字化时代的必修课。如何汇聚会计数据资源、 构建数据价值链、 提炼数据价值， 发挥数字技术动能， 用数据和算法赋能企业业务管理和经营决策是企业需要思考的现实问题。据此， 本文以数智化背景下的数据要素价值创造逻辑为基础， 探究企业会计数据要素价值创造的应用体系、 实践场景和实施路径， 以期为企业会计数据要素的应用提供参考借鉴。

二、 数据要素在经济学理论中的地位演进及价值创造逻辑

（一） 数据要素在经济学理论中的地位演进

信息技术的发展、 大数据科学的崛起和应用， 以及数智化时代的到来共同推动着理论和实务界对于数据要素价值认知的转变。在20世纪以前， 信息技术和数据价值还没有得到广泛认可， 诺贝尔经济学奖得主罗伯特·索洛（Robert Solow）在1987年甚至提出了“IT生产率悖论”， 他发现企业投资IT设备和信息系统， 虽然在工作流程上起到了重要作用， 但生产率却没有如预期那样显著提升， 这与传统经济学理论认为技术进步会直接带来生产率提升的观点相矛盾， 并由此引发了学界对信息技术价值的探讨（续继和王于鹤，2024）。在此阶段， 学界较少关注数据的经济价值以及如何将数据转化为有效的决策工具。进入21世纪后， 信息技术飞速发展， 应用更加广泛， 对生产率的提升作用也日益显现， “IT生产率悖论”被打破， “信息有效论”开始形成。

2001年， 美国分析师道格拉斯·莱纳（Douglas Laney）从大数据特征角度对大数据的概念进行了定义， 他首次提出了大数据的“3V”特征， 即大量（Volume）、 多样性（Variety）和速度（Velocity）， 由此开启了大数据研究阶段。2011年， 麦肯锡发布报告《大数据： 下一个创新、 竞争和生产力的前沿》， 系统论述了大数据的采集与应用， 大数据开始从技术领域走向商业应用领域（谢康等，2023）。2012年舍恩伯格（Schönberger）出版了大数据研究的先河之作——《大数据时代》， 推动了大数据在生活、 工作和思维层面的全面应用。随着理论和实践的深入， 学界开始发现大数据与传统生产要素的融合能够优化业务流程、 提升产品和服务质量， 从而显著提升生产效率， 因此， 世界各国开始普遍将数据作为重要的基础性战略资源（张素华和王年，2023）。由此， 在经济学理论中， 数据逐渐成为一种新型生产要素， 其生产、 分配、 流通、 消费等各个环节开始受到普遍关注。

（二） 数据要素的价值创造逻辑

既然数据要素是一种新型生产要素， 那么其价值创造逻辑应遵循一般生产要素价值创造的基本规律， 包括直接价值创造和间接价值创造。直接价值创造是指生产要素直接参与产品生产过程， 进而创造价值。间接价值创造则是指生产要素通过提供支持、 激发创新和优化管理等方式， 间接影响价值创造过程（刘刚，2023）。

从微观市场主体层面来看， 数据要素主要通过以下几种方式创造价值。一是直接开发数据产品和服务。企业将数据资源转化为具有商业价值的产品或服务， 包括数据服务和API、 数据预测模型和分析工具、 数据管理和治理工具、 个性化的推荐服务、 数据安全和隐私保护产品等， 这些数据产品和服务可以通过对外出售为企业创造直接的经济利益。二是优化业务决策。企业可以使用数据要素来优化业务决策， 更好地理解客户需求、 市场趋势和竞争环境， 从而制定更加明智的业务战略。三是提高经营效率和效益。通过对数据的深入分析和挖掘， 企业可以发现和利用一些潜在的价值， 如流程优化、 资源配置等， 从而提高效率和效益。四是开发新产品和服务。数据要素可以帮助企业的研发团队发现市场需求和新机会， 以此开发更好的产品和服务， 更好地满足客户需求。五是营销和品牌推广。数据要素可以帮助企业更好地了解目标用户， 制定更加精准的营销策略， 并优化品牌推广和宣传。六是提供增值服务。企业可以通过数据分析客户的行为模式， 了解客户需求， 进而提供更加个性化的产品和服务， 以此提高客户满意度和忠诚度， 增强客户黏性。

总之， 市场主体使用人工智能和算法等技术， 推动数据要素优化、创新和增值， 为社会生产和服务创造新价值。

三、 企业会计数据要素价值创造体系构建及应用场景探索

企业会计数据要素属于数据要素中的一种， 其价值创造遵循一般数据要素的价值创造逻辑， 但企业会计数据要素又有其特殊性， 需要在深刻理解其内涵的基础上， 构建会计数据要素价值创造的应用体系， 在此基础上拓展其场景应用。

（一） 会计数据要素内涵

会计数据要素是指构成会计信息的基本要素， 也是财务会计体系中对企业经济活动进行记录和报告的核心要素。常见的会计数据要素包括资产、 负债、 所有者权益、 收入和费用等会计数据。除此之外， 会计数据要素还包括其他与财务活动有关的数据， 如会计准则规定需要进行披露的投资活动和筹资活动等， 以及经营管理过程中重要的利益相关方信息和业务往来数据。

随着数字经济的发展以及企业数字化转型的深入推进， 会计数据要素已经成为企业经营管理的重要资源， 利用好会计数据要素不仅能够让企业更加高效地处理会计核算、 会计报告、 财务管理和内部控制等会计工作， 而且能够帮助企业更好地谋划生产经营活动， 提升经营效率（黄世忠等，2023）。更进一步， 对企业内部分散的、 非结构化的会计数据资源进行治理， 形成聚合、 结构化的会计数据要素， 进而构建企业会计数据价值链， 服务于企业价值创造， 能够推动以数据为内核的企业财务数字化转型。总之， 在数智化时代， 会计数据要素蕴藏着无限潜能和巨大价值， 是驱动企业全面走进数智化时代的核心力量。

（二） 会计数据要素应用体系构建

按照数据要素的价值创造逻辑， 企业会计数据要素的价值创造需要建立在一套完整的应用体系基础之上。在此基础上， 企业根据自身数据和业务情况进行应用场景的开发， 以此提升经营管理效率。企业会计数据要素价值创造以数据为基础， 以应用场景开发为核心， 以平台为支撑， 将数据融入业务之中， 实现业务质量和效益的提升。因此， 会计数据要素的应用体系主要围绕数据、 场景和平台三条主线展开（刘刚和孙毅，2022）。在数据方面： 一方面通过加强数据治理， 提升数据质量， 服务于数据全生命周期管理； 另一方面以业务为基础， 将数据和技术融入业务体系， 构建数据价值链， 持续挖掘数据价值。在场景方面， 围绕财务会计数字化、 管理会计数字化、 业务支持数字化和决策支持数字化等应用层次， 创新开发财务数智化应用。在平台方面： 一是构建数字化技术平台进行数据采集、 数据治理和数据开发； 二是搭建数字化应用平台， 实现会计数据要素的场景应用落地。具体而言， 会计数据要素的应用体系主要包括以下方面（见图1）：

1. 顶层设计： 明确会计数据要素价值创造目标和路径。明确价值创造目标和路径是会计数据要素价值开发的基础， 因此， 需要做好顶层设计， 从整体上谋划企业会计数据要素的应用方向和应用重点。整体来看， 数智化时代企业会计数据要素将在优化运营、 赋能业务、 洞察风险以及支持决策四个方面发挥作用。其中， 优化运营主要是通过数据和技术融合提升企业基础财务工作、 资产运营、 绩效管理等的效率。赋能业务主要是通过财务会计数据的深入分析、 经营预测数字化、 预算管理数字化等手段帮助企业把握市场发展趋势， 识别企业发展短板， 进而调整经营战略和业务计划（朱小能和李雄一，2023）。洞察风险主要是在会计数据要素的支持下， 借助大数据、 区块链和人工智能等技术赋能， 帮助企业识别风险、 规避风险以及应对风险， 包括财务风险、 经营风险和战略风险等。支持决策是企业会计数据要素价值创造的更高层次目标追求， 其实现路径主要是通过综合利用财务数据、 经营数据以及外部获取的市场数据， 为企业提供短期经营安排、 中期商业计划、 长期战略规划层面的决策支持。

2. 数据融入： 进行数据治理、 构建会计数据要素价值链。数据治理是会计数据要素价值创造的前提， 因此， 将会计数据要素融入企业价值创造活动的首要任务是开展企业会计数据治理， 通过规范数据标准、 把控数据质量、 提升数据安全性等一系列措施提高会计数据要素的可用性， 为会计数据要素价值链构建提供高质量的基础数据资源（马克卫等，2023）。会计数据要素价值链以数据为生产要素， 利用数据和技术手段在传统企业价值链基础上增加数智活动， 从而减少低价值环节， 优化流程， 提升整体运营效率。会计数据要素价值链的主要环节及活动包括数据采集、 数据清洗、 数据统计分析、 数据开发和应用、 应用结果的可视化展示等， 与之对应的支撑技术包括数据库技术、 ETL技术（抽取、转换和加载技术）、 数据统计分析技术、 数据算子平台、 数据可视化平台等。会计数据要素价值链通过一系列价值活动完成从数据到信息、 知识、 智慧的转换， 逐步提炼出会计数据要素价值（罗玫等，2023）。构建起会计数据要素价值链后， 企业就可以在价值链的指导下根据实际业务活动需要谋划具体应用场景， 挖掘会计数据要素价值。

3. 价值转化： 搭建技术和应用平台， 实现场景应用。推进数字化场景应用是数据要素价值创造的落脚点， 企业会计数据要素应用场景应面向财务和经营管理需求， 为企业提供应用层面的数字化产品和服务， 实现数据要素价值化、 资产化（刘刚等，2023）。按照应用的目标层次划分， 企业会计数据要素应用场景可以分为财务会计数字化、 管理会计数字化、 业务支持数字化和决策支持数字化四个主要方面， 应用层次和管理维度逐级提升， 企业应根据自身发展阶段、 规模、 所处行业、 综合实力等， 选择与其发展实际相匹配且具有经济效益的应用场景开展探索实践。

选择合适的应用场景后， 企业需要搭建技术和应用平台， 作为数字化场景应用的载体。其中， 技术平台主要服务于企业数据治理和数据开发， 包括数据采集平台、 治理平台和开发平台等。在技术平台搭建过程中， 数据中台是数字化应用框架体系的核心， 企业有必要构建企业级大数据中台， 对业务和财务数据进行沉淀， 实现数据的一体化管理和利用， 并通过建立一套“让数据用起来”的机制， 促进内部数据共享， 为企业提供深入洞察、 有效决策以及创新等层面的数据支撑。应用平台主要服务于具体业务， 如资产管理层面的数据资产全生命周期管理平台、 业务支持层面的客户信用风险及应收账款管理平台、 决策支持层面的多维经营预测和经营分析平台等。

4. 机制保障： 建立会计数据要素应用的保障体系。为了保障会计数据要素价值创造目标的实现， 企业需要从文化、 组织、 人才和制度规范等层面建立一套完善的会计数据要素应用保障体系。首先， 从企业文化层面培养大数据思维， 鼓励数字化应用实践创新， 协同推进企业文化革新和数字化转型。其次， 建立企业会计数据要素应用推进和实施小组， 负责企业数字资源的梳理、 经营业务的分析、 应用场景的谋划、 技术体系的搭建和实施、 应用效果的评估反馈等。再次， 加强大数据和技术型人才队伍建设， 重点引进或培养具备财务专业知识和数字化应用技能的复合型人才， 推动企业财务会计数字化建设和数据要素价值挖掘， 同时加强团队学习， 密切跟踪和研究大数据产业发展趋势， 结合国家政策方向和行业趋势为企业发展提供建设性意见。最后， 制定制度规范保障会计数据要素应用安全、 合规运行， 包括数据管理制度和规范、 平台和技术开发规范、 数据和网络安全管理规范等。

（三） 会计数据要素典型应用举例

1. 客户信用风险及应收账款管理数字化。应收账款管理对于企业的经营绩效和财务状况都有着至关重要的影响， 是企业经营管理中非常重要的一项工作。而应收账款管理涉及客户信用、 业务往来、 关联方、 工商司法、 舆情信息等一系列数据， 是最容易实现数字化管理的领域之一， 也是企业会计数据要素价值创造的典型应用场景之一。实现应收账款的数字化管理， 核心环节在于进行客户信用画像， 以此量化信用风险。具体而言， 就是在与客户的业务往来过程中积累和沉淀客户信用数据， 同时融合业务往来数据、 关联方数据、 工商司法数据等， 利用知识图谱和机器学习技术， 追踪企业失信行为， 挖掘复杂的关联方关系， 并借助算法模型进行客户信用评级， 量化信用风险。通过对客户进行信用画像， 企业可以更好地识别潜在的风险客户， 科学评估企业应收账款风险， 从而制定针对性的风险管理策略， 提高企业应收账款计量的准确性。与此同时， 随着业务往来的不断加深和业务数据的持续积累， 基于机器学习的算法模型可以不断更新和优化客户信用画像， 保持其与客户实际情况的贴合， 提升企业应收账款风险管理水平和经营效率（见图2）。

以客户信用画像为基础， 企业就可以构建起以数据循环为基础的应收账款数字化管理体系， 实现应收账款全周期、 全方位数字化管理。通过将客户画像和相关会计数据要素融入业务之中， 实现对应收账款事前、 事中、 事后阶段的科学管控。事前管控通过参考客户信用画像情况， 制定科学的赊销策略； 事中管控则主要通过行业和舆情信息监控客户信用变化， 实时把控合同的交付执行； 事后管控主要是规范收账程序， 分步、 分级、 分类推进款项清收， 并根据情况变化及时更新客户信用画像， 为制定下一阶段赊销政策和客户信用管理政策提供新的依据。

就具体应用层面而言， 基于客户信用画像的企业应收账款管理数字化可以从以下方面构建更精细化、 智能化的应收账款管理模式。一是实现自动化信用授予。根据客户信用画像和信用评级， 建立自动化的信用授予机制， 对客户进行信用审批和额度管理， 自动设定业务往来的信用额度和付款条件。二是定制化账期管理。建立监控系统， 定期评估客户的账期表现， 制定差异化的账期策略， 对信用较好的客户可以延长账期， 对风险客户则适当缩短账期或要求预付款。此外， 还可以根据客户信用情况和交易行为的变化， 灵活调整账期条件， 及时响应客户需求， 在保持良好的客户关系的同时控制风险。三是实时监控和预警。建立实时监控系统， 进行数据分析和预测， 根据客户信用画像和交易行为数据的特征和趋势， 实时监测客户的信用风险并设定预警机制， 及时发现潜在的风险客户。四是制定智能化催款策略。根据客户的信用状况和历史付款情况， 自动生成和输出差异化的催款策略， 例如对信用较好客户采取温和的提醒方式， 对风险客户采取相对严格的催款措施。五是进行支付和结算优化。根据客户付款规律和支付习惯， 优化线上支付和结算系统， 提供个性化的支付方式和服务， 加快资金回笼速度， 同时优化实时对账系统， 及时核对客户付款和应收账款数据， 确保账目准确无误， 加快结算速度。

2. 多维经营预测和经营分析数字化。科学的经营分析和预测对于企业业务规划和战略决策至关重要。在数智化技术出现之前， 企业战略决策往往以人的主观决策为依据， 这就导致决策的及时性、 科学性及有效性较为薄弱， 特别是对于中长期的战略决策而言， 由于存在更多的不确定性以及受宏观环境的影响， 主观决策往往并不可靠（黄漫宇和王孝行，2022）。会计数据要素和数智化技术的引入则能较好地解决这一问题。在数智化经营预测方面， 企业可以根据业务发展需要利用信息化系统对财务数据、 客户数据、 竞争情报数据、 行业发展数据、 宏观经济数据等进行沉淀和集成， 在此基础上根据数据特征， 将BP神经网络模型、 灰度预测模型和随机森林模型等进行组合， 并对多种预测结果进行有机合成， 有效获取多样化信息， 识别例外情况， 洞察数据背后的规律性和关联性， 从而提高预测的科学性和准确性。与此同时， 在数字化时代， 人工智能和机器学习技术迅猛发展， 使得企业中长期经营预测可以进行动态滚动和柔性调整。企业可以根据过去计划、 预算和绩效的完成情况， 以及外部行业和市场环境的变化， 利用机器学习和云计算等新技术进行数据的快速更新与实时处理， 智能修正和动态调整预测过程和预测模型， 使得预测结果更接近现实情况， 避免战略决策脱离企业实际。对企业经营预测结果的应用和分析又进一步丰富了企业对国情、 行情、 客情以及自身情况的了解， 进一步推动企业进行数据要素的沉淀和积累， 从而不断修正和延续预测过程， 实现对企业经营状况的持续动态监测， 提升企业经营管理的前瞻性（见图3）。

在经营分析数字化方面， 以多源数据要素归集和融合为基础， 针对不同的应用场景和应用需求提供便捷、 灵活的数据分析服务。具体包括： 一是分主题、 分层次的财务和经营数据描述性统计分析， 满足企业各管理部门对业务经营现状的了解。如对企业资产、 负债、 投融资、 现金流、 收入、 利润等财务数据的日常统计分析， 以及对企业各业务单元、 各产品线的成本、 费用、 收入、 毛利、 利润等经营数据的统计分析。二是针对财务和业务的诊断性分析。通过计算和分析各种财务比率， 比较不同期间的财务数据， 观察财务指标的变化趋势， 发现潜在问题和异常情况， 利用分析结果对企业的财务健康度进行评估， 确定企业是否存在潜在的财务风险。通过对市场、 竞争对手、 客户、 供应链、 运营效率等的分析和评估， 全面了解企业的经营情况， 找出问题所在， 并及时调整经营战略和运营策略。三是实现多维度的分析报表生成， 以及数据的动态可视化展示。在数据分析的基础上， 使用报表生成工具， 如Microsoft Power BI、 Tableau等， 选择需要的数据指标和数据维度， 自动输出可读性强和易于理解的报表。同时将分析结果进行可视化展示， 使用不同类型的图表， 直观地呈现数据的变化趋势和分布情况， 并通过增强交互性， 让用户自由选择数据指标、 维度、 时间跨度、 展示形式等， 实现数据展示的人性化、 个性化。在经营分析数字化过程中， 企业需要识别价值目标和价值驱动因素， 以此为基础搭建企业经营价值体系， 在企业整体价值体系的框架下各层级和各部门需要识别出管理和决策的关注点和核心要素， 进而构建符合企业实际和管理需求的多维度指标分析模型， 实现经营分析的实时化、 动态化， 更进一步， 通过嵌入低代码的编程技术支持定制化的经营分析（吴世农等，2021）， 全面满足各层级、 各部门管理需要。

四、 企业会计数据要素价值创造实践的推进策略

在把握会计数据要素应用体系的基础上， 为了更好地推进企业会计数据要素价值创造的实践， 企业需要从会计数据标准建设、 业财融合和会计职能拓展、 会计数据要素流通和利用、 新一代信息技术实践应用等方面进行适应性改革， 为企业会计数据要素价值创造提供良好的实践基础。

（一） 制定企业数据要素发展战略， 探索会计数据要素价值释放路径

企业应结合自身发展的客观实际， 在《“数据要素×”三年行动计划（2024-2026年）》的指导下， 制定企业数据战略和行动计划， 从短中长期为企业数据资源积累、 数据要素价值挖掘、 数据资产管理提供系统指导。对此， 企业需要逐步规划建立数据架构、 数据管控体系、 数据治理框架， 并加强数据全生命周期管理， 帮助企业更好地管理和利用数据资源， 提升竞争力和创新能力， 为企业发展创造新的价值。为了更好地探索会计数据要素价值释放路径， 企业需要推动会计职能拓展， 培养会计人才的数据素养。一方面， 以业财融合为基础， 进行会计职能拓展， 赋予会计部门更大的职能范围， 使其不仅仅局限于传统的会计核算和财务报告编制工作， 推动财务部门主动承担有针对性的经营管理工作， 包括经营预测、 战略规划和企业风险管理等， 通过实践培养会计人员的数据思维、 技术思维和产品思维， 从而主动思考企业会计数据价值创造问题。另一方面， 基于新一代数据科学和数字技术的应用需要， 企业应创造条件帮助会计人员提高学习能力和适应能力， 更新知识体系， 持续学习新技能、 拓展能力边界，" 懂得应用合适的技术工具实现会计数据的采集、 处理和可视化呈现， 理解数据管理， 利用数据技术挖掘蕴藏于海量数据中的价值， 成为懂会计规则、 管理方法、 技术工具的复合型人才。

（二） 打破部门和系统间的数据孤岛， 实现企业数据融合、 共享和共用

要实现企业会计数据要素活起来、 用起来， 需要解决数据平台和业务系统“两张皮”问题， 消除各个部门和系统之间的数据孤岛， 实现数据的共享和业务协同。首先， 企业应以会计信息的标准化和数字化建设为基础， 通过积极引入数字技术， 打造企业级数据中台， 推动会计和业务数据的归集和融合， 通过持续的数据积累和数据治理， 形成可扩展、 可聚合、 可应用的企业数据要素， 为会计数据要素价值创造奠定数据基础。其次， 企业应根据业务发展实际需要对信息系统基础设施进行投资或改造， 以支持财务和业务的深度融合， 通过整合各类管理服务平台， 建立集成的管理信息系统， 使不同部门的数据能够共享和流通， 促进财务和业务数据融合。再次， 建立跨部门的数据协作机制， 打破传统的组织壁垒， 通过建立统一的数据团队或数据中心， 统筹协调企业各个部门的数据工作， 配合企业管理层协调推进企业财务数字化转型和数据资产开发利用工作。最后， 提供数字化工作设施和工具促进企业数据的应用， 企业可以通过低代码的工具开发， 为各部门提供数字工具， 支持各层级各部门根据自身的业务情况来使用数字工具提升工作效率， 并借助数据驱动的方法， 探索数智化技术赋能企业财务管理和经营管理的可能性， 主动发掘企业数据价值创造路径。

（三） 加速企业会计数据要素流通和利用， 推进会计数据要素资产化

会计数据要素是企业的重要资源， 企业应当根据实际需要， 采取合理的管理和利用措施， 充分发挥会计数据要素的价值， 实现企业会计数据要素资产化， 提高企业竞争力和整体价值。一是会计数据要素的内部流通和利用。通过内部信息系统实现会计数据要素在企业内部各个部门之间流通和利用， 帮助管理层和员工了解企业的财务状况和经营情况， 进行经营分析和预测， 从而制定合理的决策和行动计划。二是会计数据要素的外部流通和利用。企业还可以将会计数据要素适当开放或提供给外部利益相关方， 如投资人、 债权人、 供应商、 客户、 监管部门等， 满足利益相关方对企业财务信息的了解需求， 解决企业信用和融资问题， 帮助企业积累客户； 会计数据要素也是政府监管和行业管理的重要依据， 监管部门通过加强会计数据与相关数据的整合分析， 及时准确研判宏观经济运行状况和发展趋势， 为产业政策、 财政政策和金融政策制定提供参考， 进而更好地服务企业发展。三是统筹开展企业会计数据要素确权、 定价、 保护和管理工作， 推进会计数据要素资产化， 根据法律法规要求， 将数据资产纳入企业的财务报表或在财务报表附注中予以披露， 确保企业会计数据资产得到充分的识别和披露。

（四） 积极引入新一代信息技术， 推动企业会计数字化高质量发展

一是利用云计算和大数据技术实现会计数据的集中管理、 快速处理和高效分析。通过将会计数据存储在云端， 提高会计数据共享和访问的便捷性， 同时利用大数据技术搭建实时数据监控系统， 对关键指标和数据进行监测和实时分析， 及时发现异常情况并采取相应措施， 提升企业财务和业务管理的敏捷性。二是利用人工智能和机器学习技术自动完成繁琐的会计数据处理任务， 提高工作效率和准确性。例如， 可以利用自然语言处理技术自动解析和归类财务报表， 或者利用机器学习算法进行异常检测和欺诈检查。还可以利用人工智能辅助决策， 人工智能可以自动识别财务数据中的异常点和趋势， 从而对企业的风险进行预测和管理。三是发展移动化会计应用， 让会计工作更加灵活和便捷。通过移动端， 会计人员可以随时随地进行数据录入、 审批， 随时随地查看和管理财务数据， 提高工作效率和响应速度， 通过整合大数据和云计算技术， 使得移动端也能够处理海量财务数据， 实现快速、 精准的数据分析和处理。四是引入区块链技术， 保障会计数据的安全。区块链技术可以提供去中心化、 可追溯的交易记录， 从而提升交易和数据的安全性。除此之外， 区块链技术在会计领域的应用还包括智能合约、 供应链金融、 资产管理、 自动化审计和结算、 财务管理去中心化等方面（王妮和王鹏，2023）， 企业可以根据实际需要进行一系列创新探索。

五、 思考与展望

新一轮科技革命和产业变革正在深入开展， 企业数字化转型发展已经成为大势所趋。会计作为企业天然的数据中心， 在大力发展数字经济和数据要素市场的背景下， 会计数据要素服务企业价值创造的能力应受到重视， 企业需要应变于新、 直驱未来， 站在经营管理全局角度， 将会计数据要素融入企业的业务流和信息流体系之中， 利用大数据和智能算法转变企业财务管理和经营决策的流程与机制， 实现由人的决策向数智决策转变， 以帮助企业更好地优化运营、 洞察风险， 让企业更好地拥抱数字化时代。与此同时， 随着数据要素“入表”和数据资产管理等一系列政策的实施， 企业还需要重视数据资产价值挖掘和数据资产管理工作（刘光强等，2023）。一方面紧紧围绕数据、 技术和应用场景三个关键要素， 从优化运营、 赋能业务、 洞察风险和支持决策角度挖掘企业数据资产的内在价值； 另一方面， 根据企业实际以及数据要素市场发展情况， 推动企业数据要素参与流通交易， 将企业数据要素转化为数据资产， 以提升企业整体价值。

【 主 要 参 考 文 献 】

黄漫宇，王孝行．零售企业数字化转型对经营效率的影响研究——基于上市企业年报的文本挖掘分析［ J］．北京工商大学学报（社会科学版），2022（1）：38 ～ 49．

黄世忠，叶丰滢，陈朝琳．数据资产的确认、计量和报告——基于商业模式视角［ J］．财会月刊，2023（8）：3 ～ 7．

刘刚，孙毅，袁方．要素市场化改革下企业数据资产权属辨识与价值评估思考［ J］．中国资产评估，2023（2）：19 ～ 24．

刘刚．厘清数据资产化发展的关键问题［ J］．中国金融，2023（7）：56 ～ 57．

刘光强，干胜道，傅萍等．数字化重构企业价值链及应用逻辑［ J］．财会月刊，2023（10）：17 ～ 24．

罗玫，李金璞，汤珂．企业数据资产化：会计确认与价值评估［ J］．清华大学学报（哲学社会科学版），2023（5）：195 ～ 209+226．

马克卫，王硕，苑杰．数据资产核算应用研究：理论与实践［ J］．中南财经政法大学学报，2023（5）：149 ～ 160．

王妮，王鹏．国内外“区块链+”会计研究的可视化分析［ J］．财会月刊，2023（4）：69 ～ 78．

吴世农，林晓辉，李柏宏等．智能财务分析与诊断机器人的开发及实证检验——来自我国A股上市公司的经验证据［ J］．证券市场导报，2021（2）：62 ～ 71+78．

谢康，张祎，吴瑶．数据要素如何产生即时价值：企业与用户互动视角［ J］．中国工业经济，2023（11）：137 ～ 154．

续继，王于鹤．数据治理体系的框架构建与全球市场展望——基于“数据二十条”的数据治理路径探索［ J］．经济学家，2024（1）：25 ～ 35．

张林忆，黄志高．数据要素促进收入分配共同富裕的逻辑内蕴、实践困境与推进路径［ J］．重庆社会科学，2023（11）：53 ～ 68．

张素华，王年．数据产权“双阶二元结构”的证成与建构［ J］．中国法律评论，2023（6）：138 ～ 156．