自 2023 年财政部印发《企业数据资源相关会计处理暂行规定》、中国资产评估协会制定发布《数据资产评估指导意见》以来，

数据产权结构性分置制度下，数据资产法律权属资料有

我国数据产权制度的提出，源于我国对数据保护紧迫性的深刻认识。

2022 年 12 月发布的 “数据二十条”首次提出了数据产权制度的概念，建立了数据资源持有权、数据加工使用权、数据产品经营权三权分置的思想。

随着“数据二十条”对数据产权制度确定基调，北京、浙江、江苏、深圳等省市已在数据产权方面进行了制度规范和创新探索。

北京市在 2023 年 6 月发布了《关于更好发挥数据要素作用进一步加快发展数字经济的实施意见》，提出了落实数据产权和收益分配制度的要求。

自 2023 年 7 月 1 日起实施的《深圳市数据产权登记管理暂行办法》规定，完成登记并取得相关证明的自然人、法人或非法人组织，对其合法取得的数据资源或数据产品享有数据资源持有、数据加工使用和数据产品经营等权利。

资产评估专业人员执行数据资产评估业务，应当持续关注数据产权相关的法律法规及政策动态，确保履行的权属核查等程序及专业判断与评估时点所适用的法律法规及政策保持一致。

数据资产评估所涉及的数据资源持有权、数据加工使用权、数据产品经营权，或者其他名称或形式的权利类型，都必须基于一定的法律法规规定或者合同约定取得，并且在法律法规规定或者合同约定的范围内行使。

资产评估专业人员执行数据资产评估业务，需要明确评估目的所对应的数据资产权利内涵，分析数据资产权利类型，并关注评估对象相应权利是否与评估目的相一致，权利来源及权利行使是否符合相应的法律法规规定或者合同约定。

目前，数据资产法律权属资料主要有：

第一种登记类型是数据资产确认登记。

代表省份或市场主体有：

（1）2022 年 6 月，广东省政务服务和数据管理局发布了《广东省公共数据资产登记与评估试点工作指引（试行）》，明确规定了公共数据资产登记的工作要求和具体流程。根据该指引，广东省政务服务和数据管理局负责对申请登记的数据资产进行审核、公示、登记以及效果监测，并对通过审核的公共数据资产予以登记，颁发数据资产登记证书。

（2）2022 年 7 月北京国际大数据交易所数据资产登记中心正式揭牌，并于 2023 年 7 月完成首批数据资产登记证书发放。

（3）2024年 5 月，海口交投集团“海口公交智慧出行和移动支付服务”在海南省大数据局完成确权登记备案，取得海南省“数据产品确权登记凭证”。

（4）2024 年 6 月，湖北交投集团“工地试验室数据集产品”“路段拥堵（风险）分布”两项数据产品成功上架“湖北省数据流通交易平台”，并获得《湖北省数据产权登记证书》《湖北省数据资产登记证书》。

第二种登记类型是数据知识产权登记。

2021 年 10 月，国务院印发《“十四五”国家知识产权保护和运用规划》，提出将研究构建数据知识产权保护规则。

2022 年 11 月，国家知识产权局办公室颁布《关于确定数据知识产权工作试点地方的通知》，北京市、上海市、江苏省、浙江省、福建省、山东省、广东省、深圳市等八地成为首批开展数据知识产权工作的试点地方。

2023 年 12 月，《国家知识产权局办公室关于深化数据知识产权地方试点工作的通知》发布，试点地方进一步增加天津市、河北省、山西省、安徽省、河南省、湖北省、湖南省、贵州省、陕西省等九地。依托知识产权保护法律法规的基本框架，对符合条件的数据知识产权颁发数据知识产权登记证书。例如，国网北京海淀供电公司、浙江中水数建科技有限公司、北京知产宝网络科技发展有限公司等企业，都对其重要的数据集进行了数据知识产权登记。

第三种登记类型是数据资源公证登记。

2023 年 8 月，江西省数据资源登记平台正式上线，推出数据资源公证登记服务。该平台采用全链路合规公证模式，为数据资源权益的确认提供了新的途径。

第四种登记类型是数据要素综合登记。

数据要素综合登记涵盖初始登记、交易登记、信托登记、变更登记、注销登记、撤销登记及续证登记等多个环节。完成登记后，登记主体可部分或全部享有“三权分置”的数据产权及相应的合法财产性权益。

2023 年 11 月，贵州省大数据发展管理局颁布《贵州省数据要素登记服务管理办法（试行）》数据要素综合登记正式实施。

2024 年 5 月，甘肃煤炭交易中心供应链金融系统算法模型通过贵州大数据交易所审核，取得《数据要素登记凭证》。目前各地方登记证书内涵可能存在差异，资产评估专业人员执行数据资产评估业务，应充分关注相应登记成果是否能够满足评估目的需要，及其与评估对象、评估范围是否保持一致或具有明确的对应关系。

专家工作成果或者专业报告

律师事务所的律师可以为企业提供数据资产确权相关的法律服务。数据资产确权法律服务旨在帮助企业确认其对数据资产的所有权或使用权，服务内容包括对企业现有数据资产进行全面的法律审查，识别和界定数据资产所涉权益的归属，起草和审核相关的法律文件，确保企业对数据资产使用和处置的合法性。

如果企业委托律师对被评估数据资产提供数据资产确权相关的法律服务，并获得法律意见书等法律服务工作成果，资产评估专业人员可以按照《资产评估执业准则——利用专家工作及相关报告》的有关要求，将法律意见书作为资产评估的权属依据。

存在数据资产授权运营的，还需要收集授权方与产权持有单位签订的授权协议。

   如何对数据资产进行质量评价？

数据质量是指数据在指定条件下使用时，其特性能够满足明确的或者隐含的要求的程度。

数据质量评价指的是对数据使用者关注的规范性、完整性、准确性、一致性、时效性和可访问性等特性满足应用要求的程度进行量化评分。

数据质量评价既需要对数据资产价值、数据结构、应用场景等有深入理解，还需要具备数据处理、数据分析和数据安全保障的相关能力。

资产评估机构在执行数据资产评估业务时，应审慎判断资产评估专业人员是否具备数据质量评价的胜任能力，必要时可以利用第三方专业机构出具的数据质量评价专业报告或者其他形式的数据质量评价专业意见等。

例如，在体检数据质量评价中，体检用户基础信息包含身份证号，对身份证号编码规则是否符合国家标准《公民身份号码》（GB11643-1999）的评价，属于规范性评价；体检用户血常规检验，应包含红细胞、白细胞、血小板数值等数据，评价血常规数据中红细胞数值是否缺失，属于数据完整性评价；人类的红细胞、白细胞等血常规检验数值均有阈值范围，评价检验数值是否处于人类数据阈值内，属于准确性评价；根据身份证号的唯一性，对血常规和尿常规检验中身份证号相同时，姓名、身高等基础数据是否相同进行评价，属于一致性评价；血常规报告的有效期约为 7 天，对血常规检验时间和诊断意见出具时间间隔时长的评价属于时效性评价；对体检数据能否正常访问和识别的评价，则属于可访问性评价。

需要补充的是，以上举例仅为质量评价场景的简化说明，实际质量评价过程中，需要结合上述六大特性维度的一级指标设计多项二级指标，也需要结合不同数据资产的类型、内容特征、应用需要等设计相匹配的权重和指标。

2. 数据质量评价的基本步骤——

（1）数据调研。调研待评价数据是否满足使用要求，包括数据将被用于何种场景、需要满足哪些标准和业务要求，以及用户对数据的期望等，还包括数据类型、结构化情况、数据量等信息。

（2）制定规则。根据质量评价指标体系，结合数据类型和应用要求，参考国标、行标、业务规范、场景要求等，制定数据质量评价规则。

（3）开展评价。结合制定的数据质量评价规则，对待评价数据符合规则的程度进行规范化检测。使用质量评价工具，提前将质量评价规则输入评价工具，再利用评价工具对待评数据进行检测，得到评价结果，是提高检测效率的有效手段。

（4）分析结果。对检测结果进行分析，核实问题数据，分析规则适应性，视情况调整规则，补充针对性检测，直至结果无误。在此基础上，统计分析检测结果，计算待评价数据在质量评价指标体系各维度上的评分情况，并结合一定的权重对各维度评分进行加权汇总。

（5）成果记录。基于前述各阶段工作，对数据质量评价情况进行书面记录，包括但不限于评价目标、评价方法、评价结果及问题分析等内容。

数据资产质量评价过程中如何保障数据安全？

数据质量评价过程中，对数据安全的保障，至少应考虑如下事项：

一是评价人员管理。所有参与数据质量评价的人员必须经过审查和授权，签署保密协议和数据安全协议，确保评价人员了解并遵守数据保护的相关法律和规章制度。例如：某金融机构进行数据质量评价前，对所有评价人员进行背景调查，通过背景调查并签署数据保密协议才可以访问数据。

二是评价工具管理。使用的评价工具应当限制在只读权限，即只能进行数据读取和查询，不能对原始数据执行增加、删除或修改操作；工具的使用应受到监控，确保不会造成数据泄露。例如：某金控集团进行质量评价前，对评价工具源码和 SQL 语句进行评审，确保评价工具只获得执行评价任务所需最低级别权限。

三是评价环境管理。数据质量评价应在安全的环境中进行，最好是在待评价数据所属单位的内部网络环境中，确保数据不离开安全区域。例如，某医疗机构在进行数据质量评价时，所有操作都在该医疗机构内部的安全网络中完成，保障原始数据不出域，以防范不安全的网络访问和数据泄露。

四是数据备份策略。采用备份库进行数据质量检测，可以在不影响企业正常业务运行的情况下进行评价工作，同时对备份数据与生产数据也应采取相同级别的安全保障措施。例如：某交通企业进行质量评价时，将待评价数据导入备份库，质量评价操作全部通过访问备份库来开展。在保障生产库运行稳定而不影响企业正常业务的同时，也可以防止评价人员访问超出评价范围的数据。

如何确定数据资产质量评价结果对数据资产价值的影响？

一方面，数据质量影响数据资产应用价值。根据数据的基本特性，数据质量低到一定程度时，数据无法发挥作用导致基本没有价值。

随着数据质量的提升，数据价值通常也会有所提升，数据质量提升的目标就是符合现行应用场景特定条件下的使用要求。

数据资产价值最终体现在应用上，可以是直接应用或是流通后再应用，而数据质量会从各方面影响数据应用。具体而言，规范性有问题的数据，难以整合分析，可能导致数据资产的应用成本提升；完整性不高的数据，可能由于缺失重要信息而导致数据资产的应用范围变小；准确性有问题的数据，可能会由于信息有误而导致错误的决策；一致性有问题的数据，可能会造成理解混乱；时效性有问题的数据，可能会导致对最新的市场和业务状况判断失误；可访问性有问题的数据，可能会导致数据无法被有效利用。

另一方面，数据质量影响数据资产贬值。由于数据管理、数据开发、运营维护等环节的影响，投入成本未能实现数据资产的期望效用，导致数据资产可能发生功能性贬值。由于数据采集、加工技术的进步，在评估基准日投入相同成本重置该数据资产时，可以获得比原数据质量更高、更好使用的数据，导致原数据资产可能发生经济性贬值。

成本法评估中，数据质量不及预期是常见的贬值因素，需要进行质量系数调整；

市场法评估中，数据质量作为交易双方关注的重要因素，需要了解被评估数据资产和可比对象的质量差异情况，必要时用数据质量修正系数对可比案例交易价格进行修正；

收益法评估中，需关注当前数据质量对未来收益的可实现性及可持续性的影响，提升数据质量到合格水平的追加治理投资，以及数据质量风险对折现率的影响等。

数据应用场景如何核查与识别？

1.应用场景相关的宏观经济和行业前景

评估实践中，数据资产应用场景的识别需要关注宏观经济的趋势和发展。宏观经济形势直接影响着企业对数据资产的投入及其应用场景的多样性。经济繁荣时，企业倾向增加数据资产投资，以支持业务扩张与创新，从而拓宽应用场景，如市场分析、客户行为预测及供应链优化等应用场景。经济不景气或不确定性增加时，企业可能缩减数据资产需求，注重成本控制，选择高效的应用场景。

行业前景对数据资产应用场景的开拓也会产生影响。行业需求的独特决定了数据资产在不同行业中的应用方向。例如，金融领域主要利用数据资产进行风险管理、欺诈检测等，零售行业则侧重于利用数据资产进行库存管理、客户关系管理等。行业前景的变化亦会促使数据资产应用场景的变化，例如，在医疗领域，随着电子健康记录的普及，数据资产的应用已从病历管理扩展至疾病预测与个性化治疗方案的制定。

2.应用场景相关的技术进步和国家政策

技术进步也是影响数据资产应用场景的重要因素。随着大数据、人工智能和机器学习等技术的不断发展，数据资产的应用场景也在不断扩展和深化。例如，大数据技术使得企业能够处理和分析海量数据，从而在市场趋势预测、消费者行为分析等方面获得更深入的洞察。人工智能和机器学习技术则使得企业能够实现自动化决策和智能化运营，从而提高效率和竞争力。

数据资产评估实践中还需关注国家政策对数据资产应用场景的影响。例如，国家数据局与其他 16 个部门共同发布的《“数据要素×”三年行动计划（2024—2026 年）》推荐了 12 个行业的典型应用场景。这些行业和领域包括工业制造、现代农业、商贸流通、交通运输、金融服务、科技创新、文化旅游、医疗健康、应急管理、气象服务、城市治理以及绿色低碳等 12 个方面。

3.地域、领域、法律法规及伦理标准的限制

在识别数据应用场景时，需考虑地域、领域、法律法规和伦理标准的限制。地域限制影响数据收集、存储、处理和传输，如各国政策不同，数据应用场景存在差异。领域限制则针对特定行业，如金融、医疗、教育等行业领域的应用场景，对数据隐私和安全性有更高要求。法律法规限制涉及数据保护法和隐私法，数据开发利用需保障个人隐私和数据安全。伦理标准限制要求避免歧视和偏见，确保数据使用的正当性和合理性。

4.数据资产的交易类型

数据资产的应用场景可以根据是否存在交易行为分为有交易的数据应用场景和无交易的数据应用场景两大类。通过明确区分数据资产是否存在交易行为，我们可以更准确地识别和划分其对内和对外的应用场景。

有交易的数据应用场景指的是那些通过将数据资产对外进行交易，从而实现其价值和收益的应用场景。在这种情况下，数据资产被当作一种商品或服务，通过市场交易来实现其经济价值。

无交易的数据应用场景则指的是那些通过数据资产在组织内部的使用，来达到降低成本、提高效率等目的，从而实现其价值的应用场景。在这种情况下，数据资产并不通过外部交易来实现其价值，而是通过内部优化和改进来提升组织的整体运营效果。

5.数据的来源和质量

识别数据应用场景需要了解数据采集方式及背景信息。问卷调查、传感器记录或公开数据库，每种来源有其优势和局限性，通过构建数据血缘关系，了解数据背景信息有助于理解数据的可靠性，尤其是通过数据来源明确数据的权属，确保数据使用的合规性。

数据质量是数据分析和决策过程中的关键因素。高质量的数据能够确保分析结果的可靠性和准确性。高质量数据具备规范性、完整性、准确性、一致性、时效性和可用性等特点，所以能够支撑更多的应用场景。

6.数据的类型和结构

随着大数据技术的发展，数据不再是单纯的结构化数据，还包括大量文本、音视频形式的半结构化和非结构化海量数据。数据的类型包括数值型、文本型、音频型和视频型。通过分析这些数据，发现其中的规律，对于应用场景的识别及其重要。

数值型适用于财务分析和科学计算等应用场景，文本型适用于内容分析和情感分析等应用场景，音频型用于语音识别和音乐分析等应用场景，视频型则用于视频内容分析和行为识别等应用场景。

结构化数据适用于高度组织和格式化信息的应用场景，半结构化数据部分组织不完全遵循固定模式，常用于网络数据交换和配置文件应用场景，非结构化数据内容丰富、格式多样，适用于内容管理系统、社交媒体、搜索引擎和大数据分析等应用场景。

资产评估机构缺乏特定的专业知识和经验判断数据应用场景的技术、经济可行性时，可以采取弥补措施，包括利用专家工作及相关报告等。

数据资产的应用场景具有多样性，数据资产评估是考虑多个

场景的应用，还是只考虑一个特定的应用场景？

数据资产的可共享性和价值易变性是其应用场景多样性的核心。

可共享性指数据在权限控制下可被复制和传播，多主体可同时使用，拓展了数据利用范围。价值易变性指数据价值随时间和环境的变化而变化，受应用场景、用户数量、使用频率等因素影响。

数据资产评估过程中，资产评估专业人员需要根据评估目的、评估对象的特征，以及评估资料的可收集情况等因素，与委托人明确数据资产的应用场景。

一般情况下，资产评估专业人员应当根据数据资产权利人所处的经济、技术、法律等特定环境条件确定数据资产的应用场景。

当数据资产的使用方式不受所处环境的限制时，为满足经济行为需要，经与委托人协商，可以在法律允许、技术可行、经济可行的前提下，选择多种应用场景，以最大化数据资产的价值。选择多种应用场景进行评估时，应充分披露各种应用场景的具体内容。

收益法评估数据资产的使用前提和限制条件有哪些？

1.数据资产权属清晰，权利类型明确，评估对象权利人享有的合

法权益是明确的，并且可以采用货币计量；

2.数据资产应用场景明确，有成熟或可行的商业模式和盈利模式；

3.数据资产收益分配方式有明确的制度保障或合同约定；

4.数据资产的经济寿命年限或未来收益期限能够确定或者合理预期；

5.数据资产未来收益的风险水平能够度量。

采用收益法评估数据资产时，应当注意数据资产的应用场景并非一成不变。随着时间的推移和环境的变化，数据资产开发利用方式不断创新，数据资产的应用场景可能发生增减变化。同一数据资产在不同的应用场景下，通常会发挥不同的价值。

收益法评估结论与评估设定的数据资产应用场景有直接关系。资产评估专业人员应当通过委托人、相关当事人等提供或者自主收集等方式，了解相应评估目的下评估对象的具体应用场景。通常情况下，采用收益法评估数据资产只能考虑评估基准日已实施或具有技术、经济可行性的合法应用场景，由此得到的评估结论可能不包含数据资产全生命周期蕴含的潜在价值。如果存在上述情形，评估报告应当客观披露。

数据资产收益期限如何确定？

1.数据资产开发利用采用授权运营模式，合同明确约定了数据资

产授权运营期限的，需要查阅相关法律文件与合同条款，并考虑数据资产的经济寿命年限，在此基础上按照“孰短原则”确定数据资产运营单位的数据资产收益期限。

2.数据资产在被评估企业作为无形资产长期发挥作用的，需要考虑企业经营产品的市场需求情况和发展趋势，数据资产的收益期限一般不长于对应产品的生命周期。

3.数据资产在使用过程中存在较强时效性的，数据更新频率可能影响数据资产的收益期限。

数据资产可以划分为静态数据集和动态数据集两种不同类型。所谓静态数据集，即数据资产在寿命期内或规定期限内不进行更新，数据集的时效性可能随时间变化而变化，数据资产的使用期和收益期将受到更新周期的限制。所谓动态数据集，即数据资产在寿命期内或规定期限内进行实时或定期更新，数据集的时效性能够得到持续保证，数据资产的使用期和收益期可能是永续的。

4.数据资产的评估价值有很强的边界性，资产评估报告需要充分披露数据资产收益预测期限确定过程中设定的相关边界或条件。

采用收益法评估数据资产，如何确定数据资产收益分成率？

1.层次分析法是一种定性与定量相结合的方法。该方法的主要步骤包括：

首先分析判断产生总收益的各级贡献要素，并分别将其放入准则层、方案层；

然后构建各层次决策模型，并利用专家判断对各层次要素进行重要性排序，形成判断矩阵；

最后通过对矩阵的计算、特征值验证等步骤，确定专家打分及排序的可行性以及数据资产的权重，数据资产的权重即为对应的收益分成率。

其中，构建清晰、有效的决策模型是使用层次分析法的基础，准则层应涵盖影响总收益的关键因素，方案层则深入解析影响准则层的具体策略。为此，需要对数据资产的应用场景、商业模式、盈利模式、资产构成等因素进行深入调查与全面了解。

2.对比公司测算法和市场交易案例测算法采用的是市场比较法的评估思路。该类方法的应用，需要查询到市场上与被评估数据资产所在企业具有可比性的上市公司或者与被评估数据资产具有可比性的交易案例。

其中，市场交易案例测算法相对比较直观、简单，对比公司测算法计算步骤相对比较复杂，需要根据对比公司数据资产在总资产中的比重计算其贡献的收益额，进而测算出相应口径的数据资产分成率平均水平，最后修正调整出被评估企业数据资产的分成率。

在确定数据资产收益分成率过程中，需要关注被评估数据资产集是动态的，还是静态的。如果是静态的，即数据不能及时更新，在切实可行的情况下需要考虑评估对象收益贡献的衰减速度和幅度。

采用超额收益法评估数据资产，如何合理划分

数据资产和其他无形资产贡献？

超额收益预测是将归属于被评估数据资产所创造的超额收益作为该项数据资产预期收益的方式。具体思路是，

首先测算数据资产与其他相关贡献资产共同创造的整体收益，

然后在整体收益中扣除其他相关贡献资产的贡献，将剩余收益确定为超额收益。在测算超额收益时，通常选取息税折旧摊销前利润作为全部贡献资产的收益口径。这一思路一般适用于可识别为无形资产的数据资产评估。

采用超额收益法评估数据资产，贡献资产除数据资产以外，通常还包括流动资产、固定资产、其他无形资产等。在测算贡献资产共同创造的整体收益基础上，应扣除流动资产、固定资产、除数据资产外的其他无形资产等相关贡献资产的贡献，剩余收益作为数据资产的超额收益。

如果评估对象是贡献资产中的一部分数据资产，还需要针对上述超额收益在不同的数据资产中进行分配，具体可采取层次分析法、按成本分摊等方式。

采用成本法评估数据资产，是否需要考虑合理利润？

对数据资产进行评估前，首先要明确数据资产的应用场景，按照问题 （数据资产的应用场景具有多样性，数据资产评估是考虑多个场景的应用，还是只考虑一个特定的应用场景）的提示，选择一个或多个应用场景，然后结合评估方法的相关要求，合理确定数据资产的利润。

成本法评估公式为：

P = C × δ式中，C为数据资产的重置成本，δ为价值调整系数。

根据《资产评估执业准则——资产评估方法》，重置成本的构成要素一般包括建造或者购置评估对象的直接成本、间接成本、资金成本、税费及合理的利润。

重置成本应当是社会一般生产力水平的客观必要成本，而不是个别成本。重置成本中的合理利润可以按数据资产应用场景的综合回报率或行业平均回报率取值。

文章来源：职业资格平台郑燕

         
         
         

          
          
          

           
           
           

            
           
           
           
          
          
          
          
          
          

           目前共16节，每节6小时视频直播。96学时，附电子版课件。
          
          
          
         
         
         

（2025年2月 最新汇总版）

由中至远大讲堂团队老师根据公开信息搜集、整理、汇总了共计 130部实操指南+白皮书+政策汇编（内容包含数据要素、数据资产入表、数据合规、数据资产确权、数据资产管理、数据资产评估、数据资产化、数据治理、数据流通、数据标准、公共数据授权运营、政务数据……等相关内容）一并免费提供给大家进行学习、参考和交流，希望能够在后续的工作中可以帮助到大家。（持续更新、敬请关注）

获取方式

1、扫描下方"二维码"，在线领取电子版实操文件包。

欢迎加入交流群！群里有律师、会计师、评估师、数据资产行业精英、政府、城投、财政、金融机构、民营企业的朋友，大家平时在群里聊聊天、顺便谈谈项目经验，时不时的组织实地交流，群里分享内容：数据资产入表、数据资产评估、数据盘点治理、数据合规确权、数据资产授权运营、数据资产入表融资及数据流通等最新资讯。

（非本圈子的就不要凑热闹了），入群流程：

1、长按识别下方二维码，添加群管理员好友；

2、提交名片审核；

3、邀请入群，修改群名片「单位+姓名」，自觉遵守群规，营造良好交流氛围。

2、关注公众号“数据项目咨询，”回复【数据资产】即可在线下载数据资产入表实操文件包。关注我们，一起走在最前沿！

实践指南

①天津市数据资源服务联合体发布的《企业数据资产入表操作指引》

②上海数据交易所发布的《数据资产入表及估值实践与操作指南》

③浙江省发布的《数据资产确认工作指南》

④中国银行业协会发布的《银行业数据资产估值指南》

⑤中国经济信息社联合发布的《企业数据资产入表合规指引》

⑥海南省数据产品超市印发《数据资产评估场景化案例手册》

⑦广东数据局、广东数字政府研究院联合发布的《数据资产化实践指南》

⑧全球数据资产大会发布的《数据资产入表财务实操手册》

⑨招商银行研究院发布的《数据资产入表：或成城投转型新出路》

⑩广数所联合发布《广州数据资产管理及入表工作指引》

公共数据授权运营

①中国信通院发布的《公共数据授权运营发展洞察》

②国家信息中心大数据发展部统筹《全国公共数据运营年度报告（2023）》

③北京金融科技产业联盟发布《公共数据在金融领域规范应用研究》

④中移系统集成联合编写的《政务数据应用场景研究报告》

⑤中国信通院发布的《数字政府一体化建设白皮书（2024年）》

⑥华信咨询设计研究院、中电信共同编制的《数字政府建设与发展白皮书（2024）》

⑦赛迪顾问、中国电子云联合发布的《公共数据授权运营创新指南》

⑧华为携手中国信通院共同发布的《基于公共数据授权运营的数据流通建设白皮书》

⑨清华数据治理研究中心整理了《公共数据授权运营政策库》

⑩中国通信协会发布的《公共数据授权运营案例集(2023年)》

研究报告

①北京金融科技产业联盟发布的《金融数据资产估值与交易研究》

②中国电子信息产业发展研究院发布的《2023-2024中国数据资产发展研究报告》

③厦门国家会计学院、广州数据交易所发布的《数据资源会计处理流程研究报告》

④北京市数据局发布的《2024北京“数据要素×”典型案例集》

⑤国家数据局发布《数字中国发展报告（2023年）》

⑥中国电子信息产业发展研究院联合腾讯研究院发布的《数据要素场景创新发展报告（2024）》

⑦国家数据局发布《数字中国发展报告（2023年）》

⑧大数据标准委员会发布的《数据库发展研究报告（2024年）》

⑨高金智库发布的《中国企业数据资产入表情况跟踪报告》

⑩大数据标准委员会发布的《数据流通利用研究报告》

⑪杭州国际数字交易中心联合发布的《数据资产价值实现研究报告（2023年）》

⑫全球数据资产大会发布的《数据资产年度运营报告（2023）》

⑬中国信息通信研究院发布的《数据交易所发展指数研究报告2024》

⑭中国信息通信研究院发布的《中国数字经济发展研究报告（2024年）》

⑮ISC平台发布的《2024数据安全技术创新发展报告》

⑯赛迪顾问发布的《2024中国城市数据要素发展指数》

⑰赛迪传媒联合发布的《2024数据要素创新应用案例集》

白皮书

①深圳数据交易所发布的《数据资源入表白皮书》

②中国电子技术标准化研究院、国家信息中心等牵头编写的《数据要素流通标准化白皮书（2024版）》

③上海数据交易所发布 《数字资产应用白皮书（2023）》

④开放群岛开源社区数据资产小组牵头撰写《2023中国数据资产化发展趋势白皮书》

⑤杭州市发布的《2024企业数据资源入表实践白皮书》

⑥金诚同达西安律师事务所发布的《数据资产合规管理白皮书（2024年）》

⑦济南市发布《济南市企业数据资产管理白皮书》

⑧大数据技术标准推进委员会编写的《数据资产管理实践白皮书》

⑨汇丰银行发布的《商业银行数据资产估值研究与入表探索》白皮书

⑩北数所联合发布《数据跨境实践探索白皮书》

⑪北数所、金杜律所联合发布《数据资产治理蓝皮书》

⑫北数所发布《企业数据资产管理白皮书》

⑬济南市大数据协会发布的《中国上市公司数据资产入表蓝皮书》

⑭中国信通院发布的《数据要素白皮书（2023年）》

⑮大数据技术标准推进委员会发布的《数据运营实践白皮书》

⑯数据要素社联合发布的《“数据要素x”行业合规保障与应用白皮书》

⑰上数所发布的《全国统一数据资产登记体系建设白皮书》

⑱大数据技术标准推进委员会联合发布《金融机构外部数据管理实践白皮书（2023年）》

⑲袋鼠云发布的《数据资产管理白皮书》

⑳上海银行、上数所联合发布的《商业银行数据资产体系白皮书》

行业标准

①中国电子技术标准化研究院联合发布的《数据安全技术 数据分类分级规则》、《金融数据安全 数据安全分级指南》

②中国计算机行业协会发起《数据分类分级产品技术要求》

③国家标准化管理委员会发布的《信息技术大数据数据治理实施指南》

政策汇编

①垦丁陈双律师团队整理的《全国数据资产法规政策汇编》

②万商天勤律师事务所编制发布的《全国数据资产法规政策汇编》

③北京市数字经济促进中心发布的《北京市数字经济政策精华汇编（2024）》

④北京瀛和律所编制发布的《全国数据资产政策法规汇编》

⑤全球数据资产理事会发布的《2024数据资产政策宝典》

注：上述文件为公开文件，仅供大家进行学习交流

转载说明：本号转载的文章来源于公开渠道或经授权许可，仅为分享观点、资讯之目的，不代表[数据项目咨询]观点。文中使用的图片来源于网络。文章、图片版权均归原作者所有，若有侵权敬请联系删除。

电话：17310692250（同微信）

联系人：马老师

扫码报名咨询

视频干货

个人申请《首席数据官》证书的学员；需提供材料：2寸照电子照片（蓝底免冠彩照）、身份证复印件、学历证书复印件各一份（备案用）。

2025年03月20日-23日 杭州市

提前10天报名送同科目网课

联系人：马老师 17310692250

企业可申请数据资产服务一级证书会员单位申报2800一本

信用对于一个企业不管是管理还是日常运营都是至关重要的，商务部中国国际电子商务中心做为国家唯一部属信用第三方机构、发改委“双公示”第三方评估合作机构、国家信息中心数据共享机构，在全民大数据监管背景下，必须承担起相应责任。目前国家已将企业信用纳入到包括招投标、政府采购、行政审批、市场准入、评先评优、贷款融资，是招标竞标中的重点商务考评依据（加分项），同时也是政府为企业做为信用官方背书的途径（平台双公示--企业官方品牌宣传、市场推广的途径），所以企业参与信用评级势在必行。