|
【数据要素的新革命_01】什么是数据要素和数据资产？
【数据要素的新革命_02】关于数据三权有哪些主流观点？
【数据要素的新革命_03】什么是数据资产入表？如何理解？
本节内容主要介绍数据资产入表对于企业最大的挑战是什么？
《企业数据资源相关会计处理暂行规定》通知发布后，很多的企业都在关注这个问题，有些企业仍在观望，有些企业已经开始探索，那在这个过程中确实会遇到一些问题。首先就是企业的整个数据资产化可以分成四个阶段，分别为资源化、产品化、资产化和资本化。这四个阶段的内容在上一章节中提到的一些点是一致的。比如说资产化，它有金融层面的作用，可以贷款。说到资本化，既然它已经形成资本，它是可以录到表里，提高我的利润率，降低我的费用等多项作用。其实这个过程的四个阶段是一层一层往前递进的。
那么回到刚才的问题，企业在做数据资产入表时最大的困难是什么？
其实目前来看最大的困难有两个。
第一个就是如何去梳理清楚我的数据成本。
第二个是如何去证明我这个数据产品的经济效益？
因为这两个是真正我要进行入表操作时候会直接面临的问题。
什么意思呢？
首先，因为入表是一个会计层面的操作，它里边是有一个模块要求你去梳理清楚，你在数据领域花出去的钱，或者投入的成本，都去哪里了？那么这些成本就包含了我买一批数据源的成本，买一些数据处理的软件工具的成本，找人做数据治理/数据产品开发的人力成本，找律师做数据确权的成本，找评估机构做评估的成本等诸多。
具体举个例子，我整个数字化部门里面负责数据处理和数据产品相关开发的这个团队一共有五个人，这五个人一年的人工费用是100万，这五个人在做入表的时候要根据数据项目或者数据产品来划分。再比如说一共有五个项目，并分别是生产管理、营销、后勤等。他们在生产数据产品时可能买了一些数据源，买了一个BI，也找内部其他人做产品开发。那如何去梳理清楚这五个人的100万费用在生产管理这个数据产品上面的花费分摊。再比如说我一个人一年的工资是20万，我可能做了无数个项目，但是我不能完全梳理清楚我在这个项目上面的支出。但如果你在这个项目上的支出梳理不清楚，那不好意思，你在最终入表那个环节它就是存在漏洞和纰漏的，这个时候这部分成本就不能够被算进去。
这其实是很大的一个问题，因为其实很少有企业在日常过程中就把他们在数据领域的投入给梳理清楚，比如说一些极端型企业和上市公司，他们一年可能在数字化领域要投入一个亿左右，或甚至是5000万以上。那这个时候他们投入到哪里是处理不清楚的。这个是第一个难点。
第二个难点，在会计层面要符合资产的定义，是一定要求证明它是具备经济价值和经济效益。在证明经济效益时主要是有两个方面，一方面是对外出售后能够拿回来回报，这个是最直接的，能通过交易合同来证明。另一方面是你对内使用能够产生降本增效的作用。一般来说在数据领域，目前大家还是走后者的，就是在数字化层面的所有投入对内要起到降本增效的作用。
但是此时证明它是能起到降本增效的作用，需要有一个判断规则/逻辑。比如说企业原来需要有纸质处理，纸质成本计算是纸张10-15万，我上了这个系统后确实是省了10万，那这个是一种方式。第二种方式通过这个东西减少了三个人力，而原来需要线下跑，现在不需要了，这周这三个人力是60万，那这个其实也是一种证明。但实际上目前可能80%-90%的企业没有数据产品的经济效益证明，这很难去定量的分析，也会导致最终在入表时遇到评估困难，所以总的来说主要是这两个困难。
接着刚说的成本内容探讨一下，比如说一个顾问可能在一天内同时干三个项目，他可能又在某一段时间内服务了无数个项目，那这人时间成本投入到哪里去了？这些人也可能不在项目上，可能回到办公室里做一些公司内部的事情。为此，吕老师他们就做了一个应用，设有内部项目及外部项目，内部项目就是内部开会、培训等，外部项目就是你具体服务的项目。会及时记录每人每天工作时间，录入每个人每个时间段的内容。我们大概去看看他们时间到底花在哪些项目上面。那这样的话其实就把时间一下拉开了，看一看哪些顾问在某一段时间是没有面向客户的，哪些顾问他的时间放到哪些项目上，这个数据记录之后再来去做分析就可以非常清楚。如果我们客户面时间能够提升20%，那就意味着一线多了20%的力量，通过这种方式帆软也可以这样去做。
这个场景其实也有更深层次的价值。我原本目的可能是为了去做入表，所以采用了这样一套工具去把人员工时计算清楚，从而把人员成本给计算清楚。但实际上它更深层的价值是能够让 CIO 或者是 CEO 知道这些人力成本花在哪些场景上面。他可能有 60 万投入到生产这个场景。但实际上生产这个场景最终产品没有用起来，他就能够知道人的投入成本是否是有效的。
此时场景就进行拓展了，比如苏州的一个案例，银行想要给中小企业贷款，但中小企业因为掌握不了内部经营的数据。所以当时他们做了一件事情，因为是纺织的中央企业，所以给每个纺织机装一个传感器，这样就能知道传感器上纺织机的运行数据，包括拆机时间、关机时间和一些其他的运行数据，从而知道订单量是怎么样的。最终银行那边通过数据脱敏的处理，就能够知道原来这一批企业它其实一天 24 小时开机时间只有 4 小时，订单量比较小或者不太稳定。因为有一些企业一天开机 20 个小时，并且都在运转，甚至它的纺织机也比较多。那银行会给这些企业去贷款的时候，他觉得会更加有信心，或者风险更小。它其实本身就是通过了这个数据来帮助他去做风险判断，企业方面也愿意去做，因为它目的是为了去向银行贷款，进而实现了数据到贷款的推动。同时这些纺织机的数据对于内部做数字化的也可以进行使用。或者说这些纺织机的数据对于企业的生产经营的降本增效到底有什么用？这个时候数据的第二次价值、三次价值可能就出现了。所以这个原本就是资本化阶段融资的需求又反向推动了数字化的进程。
接着上文数据确权的问题探讨一下，这块在数据资产入表里挑战也非常大。有些企业它在数字化方面主要进行软件投入、硬件投入及人力投入这三大投入。有些企业可能在这三块投入里一年投入5000万或者一个亿，但实际最终能够被入到表里面去的只有100万。在这个过程中从5000万到100万，还是漏下来很少。这是大家都遇到的一个普遍性的问题，现在确实也在一直观察到底有什么样比较好的解法，看看谁能把这个东西率先跑出来。但目前主流的还是找一些律师。他们对于数据确权也有规范性文件，还是比较详细的。因为他们是从法律的角度去理解，要刨根问底的去扒清楚每一条数据到底怎么来的，要把这个路径给理清楚太难，能够给出一个数据确权的指导意见。
总结来看，现在数据资产入表对于企业有什么困难？第一个是它被有效量化的过程，需要通过数字化手段去解决。第二个的话是如何进行确权，怎么提升，怎么定价，其实就是一个价值评估的过程，这个过程刚刚目前还需要有能人士再去探索。
相关章节视频课链接：数据资产入表对于企业的最大挑战是？
| 
