【摘 要】 數字經濟下，新質生產力以科技創(chuàng)新驅動產業(yè)高質量發(fā)展，提升全要素生產率，強化數字技術融合應用。數據作為新型生產要素，引領創(chuàng)新配置，催生新產業(yè)、新模式與新動能，推動產業(yè)高效協同與深度轉型。通過閱讀文獻和相關案例，分析數據資產在新質生產力中的核心價值及其面臨的挑戰(zhàn)，探討數據資產在不同行業(yè)的應用與價值。提出成本法、收益法、市場法三大評估方法及具體的賬務處理策略，制定統(tǒng)一數據標準和規(guī)范、建立數據倉等解決方案，構建數據接入、治理、開發(fā)、配置、交易及安全保障在內的數據資產管理全面流程與體系架構。結合新質生產力特點，為數據資產的整合與應用提供了新思路和借鑒意義。

【關鍵詞】 數據資產； 新質生產力； 核算與管理

【中圖分類號】 F231" 【文獻標識碼】 A" 【文章編號】 1004-5937（2025）08-0150-06

一、引言

數據資產在新質生產力發(fā)展中扮演著重要角色，通過提升全要素生產率、推動產業(yè)深度轉型升級和促進規(guī)模報酬遞增等方式，為經濟發(fā)展提供新動力。新質生產力以創(chuàng)新為核心，具備高科技、高效能、高質量的特點，對數據資產評估方法提出了較高的要求。隋敏等[1]發(fā)現數字經濟要素資源的發(fā)展為企業(yè)積累了海量的數據資產。根據國家發(fā)改委價格監(jiān)測中心估算，中長期數據資產規(guī)模將在60萬億元以上，數據資產入表評估有望催生千億元級別的專業(yè)服務市場。劉光強[2]研究發(fā)現數據資產與傳統(tǒng)生產要素的融合能夠優(yōu)化業(yè)務流程、提升服務水平、推動生產要素的高效流動。在新環(huán)境下，合理選擇和應用數據資產評估方法對于促進數據資產的市場流通及其與其他產業(yè)的結合至關重要。

本文深入探討了新質生產力背景下數據資產的核算與管理問題，針對八個數據要素場景，提出基于成本法、收益法和市場法的賬務處理策略，并給出具體的管理重點。同時強調實施保障措施的重要性，以確保數據資產的有效管理和利用。

二、新質生產力下數據資產要素場景

2024年5月25日，第七屆數字中國建設峰會發(fā)布了《數據要素賦能新質生產力——數據要素場景創(chuàng)新發(fā)展報告（2024）》[3]。報告根據行業(yè)數據要素場景建設理念和政策要求，結合已成功實施的數據要素典型應用案例，聚焦人工智能、工業(yè)制造、交通運輸、“雙碳”治理、社會治理、農業(yè)領域、惠民服務、金融服務八個方面，提出高價值數據要素場景的“行業(yè)八景”。

（一）人工智能

人工智能是一種模擬、延伸和擴展人類智能的技術。通過數據分析、學習、推理、決策和執(zhí)行復雜任務，其關鍵技術突破推動新質生產力發(fā)展，深度學習、算法優(yōu)化、數據分析等創(chuàng)新技術催化數據價值釋放，如騰訊廣告妙思平臺，通過全鏈路打通精準推送廣告，提升創(chuàng)意、滿足個性化需求。

人工智能面臨數據質量不穩(wěn)定、模型開發(fā)成本高以及收益難量化的問題，為解決這些問題，應引入數據質量管理軟件和技術以建立穩(wěn)定的數據質量監(jiān)控機制，投資先進的數據分析工具來提升模型訓練效率，同時采用收益法來準確量化模型的長期收益和潛在價值。

（二）工業(yè)制造

工業(yè)制造作為國民經濟的重要支柱，指通過一系列工藝和流程，將原材料轉化為成品或半成品的生產過程，涵蓋產品設計、原材料采購、生產制造、質量控制、物流配送等多個環(huán)節(jié)。數據資產的應用成為推動工業(yè)制造向高端化、智能化、綠色化轉型的關鍵。在新質生產力推動下，卡奧斯物聯科技憑全流程數智化解決方案在數據要素相關比賽中獲獎，該方案利用數字技術實現工業(yè)企業(yè)轉型，助力數據流通賦能，現已落地一百多家注塑工廠。

新質生產力下的工業(yè)制造存在設備故障預測和維護成本高、生產線優(yōu)化和精細化管理缺乏數據支持、產品質量控制難度大等問題，通過數據技術實現對設備的實時監(jiān)控和預測維護，收集和分析生產數據以優(yōu)化生產線流程，減少工藝缺陷，進一步提升產品質量。

（三）交通運輸

交通運輸涵蓋公路、鐵路、水路、航空和管道等多種方式，指利用交通工具和設施，實現人員和貨物在不同地點之間的移動。新質生產力背景下，其體現在出行服務、智能應急處置、運營管理提升和道路規(guī)劃等方面。南京市交通集團成功將首批七項涵蓋“路鐵橋隧”的數據資產入表，這是全國第一個全系列交通數據產品。這些數據資源經嚴格處理確保準確性和合規(guī)性，為內外部用戶提供智慧出行服務，標志著集團在數據資產管理上的重要進展，所有數據資源均完成財務核算并掛牌交易，將進一步發(fā)揮其經濟價值。

交通運輸領域內數據價值豐富，但密度相對較低，通過專業(yè)的處理和分析才能提取有價值的信息；或存在運輸路線規(guī)劃和調度復雜、安全駕駛風險難以預測等問題，通過移動通信等技術來降低數據采集成本，運用大數據分析優(yōu)化運輸路線和調度計劃，分析駕駛員行為和車輛數據以預測和防范安全風險。

（四）“雙碳”治理

“雙碳”治理是指圍繞碳達峰碳中和目標，通過政策引導、技術創(chuàng)新和市場機制等手段，推動經濟社會全面綠色低碳轉型，實現經濟發(fā)展與環(huán)境保護的和諧共生。數據資產在“雙碳”治理中的應用體現了新質生產力的高科技特征，通過先進的數據分析工具和算法實現精準治理，迅速識別碳排放主要來源和關鍵控制點，確保數據準確性和可信度，為制定科學有效的治理策略提供基礎。

針對碳數據難以準確獲取、減排效果難以量化、碳交易市場價格波動大等問題，解決方案包括建立碳排放數據監(jiān)測和報告機制，評估減排項目的長期效益，密切關注碳交易市場價格動態(tài)并靈活調整碳資產管理策略。

（五）社會治理

社會治理是指政府、社會組織、企業(yè)和個人等多元主體共同參與的，對社會公共事務進行管理和服務的過程，包括制度建設、政策引導、社會動員和科技創(chuàng)新等。鄒照菊[4]認為隨著國家實施大數據戰(zhàn)略以提升治理能力，建設智慧城市和智慧國家，但這種戰(zhàn)略資產的價值在政府和相關行業(yè)企業(yè)的財務報告中并未得到充分反映，這導致了信息不對稱問題，影響了利益相關者對組織質量的準確判斷，并降低了會計信息的決策有用性。

數據資產的運用一方面能夠極大提高社會治理的效率；另一方面，在新質生產力的背景下，社會治理中的數據資產運用更加注重廣泛參與，多元主體可以通過數據平臺參與到社會治理中來，形成共建共治共享的社會治理格局。

（六）農業(yè)領域

農業(yè)領域對于保障糧食安全、促進農村經濟發(fā)展和增加農民收入具有重要作用，包括農作物種植、畜牧業(yè)和漁業(yè)等生產活動。而在新質生產力背景下，數據資產的應用通過驅動決策、精準銷售、產業(yè)鏈管理、增強可持續(xù)發(fā)展能力及推動區(qū)域特色化發(fā)展等，促進了農業(yè)現代化和高質量發(fā)展。例如在海南，數據要素被用于支持熱帶作物產業(yè)和南海漁業(yè)的發(fā)展，構建了具有海南特色的農業(yè)高質量體系。

農業(yè)領域存在農業(yè)數據分散、自然災害和病蟲害預測難度大等問題，通過建立農業(yè)數據管理系統(tǒng)以實現數據的集中管理和共享，以及利用氣候大數據和機器學習技術來預測自然災害和病蟲害，從而提高農業(yè)生產的安全性和效益。

（七）惠民服務

惠民服務是政府或社會組織旨在改善民生、提升人民生活水平的多領域服務集合，強調以人民為中心、服務公平可及，是構建和諧社會、實現共同富裕的關鍵。在新質生產力背景下，數據資產廣泛應用于智慧醫(yī)療、數字文旅、數字教育等惠民服務領域，通過數據共享整合實現服務全面覆蓋和高效運作，滿足民眾多樣化需求。

該領域針對服務需求多樣且難以準確預測、服務質量評估難量化、成本控制壓力大等問題，可利用數據管理預測服務需求以優(yōu)化服務資源配置，建立服務質量評估體系以提高服務滿意度，并采用精細化管理手段來降低服務成本，從而提升惠民服務的整體效能。

（八）金融服務

金融服務指金融機構為客戶提供的各種金融產品和服務，涉及銀行、證券、保險、基金等機構，旨在滿足客戶在融資、投資、風險管理等方面的需求。其中數據資產的金融化利用已成為趨勢，通過發(fā)掘和放大數據價值，為金融服務創(chuàng)新提供更多產品和服務。趙麗芳等[5]提出數據資產證券化作為一種金融創(chuàng)新工具，能將數據資產未來產生的收益在當期變現，從而實現企業(yè)的融資需求。我國在數據信貸融資方面已有實踐經驗，將數據資產未來收益當期變現，滿足融資需求，激活數據潛能，推動數據資產的確權、合規(guī)建設及價值實現。

金融數據量大且復雜，風險評估需高度準確，數據安全和隱私保護要求高。利用數據算法能優(yōu)化提升風險評估決策準確性，加強數據安全和隱私保護措施，確保金融數據的合規(guī)使用。

三、基于數據要素場景的數據資產核算

截至2024年第三季度末，國內共有66家公司披露企業(yè)數據資產入表數據，入表總額超過14億元，其中包括54家上市公司和12家非上市公司。從行業(yè)分布來看，主要分布在電信、互聯網等領域；從分布地區(qū)來看，主要分布在北京、浙江、廣東、山東、江蘇五個?。ㄊ校?。截至2024年底，數據資產管理市場規(guī)模達到52.5億元，增長率為45.3%。數據資產入賬核算涵蓋評估方法和賬務處理兩個主要方面，需要綜合考慮多個因素并遵循相關會計準則進行操作。通過科學合理的評估方法和規(guī)范的賬務處理流程，可以使數據資產的價值得到準確反映并為企業(yè)決策提供有力支持。

（一）數據資產評估方法選擇

通過梳理文獻可知，當前數據資產價值評估主要基于三個基本方法，分別為成本法、收益法和市場法。

成本法是以待估資產實際成本為基礎的一種評估方法，通過綜合考慮數據資產的成本與預期使用溢價，加入數據資產價值影響因素，建立成本法的修正模型。許憲春等[6]研究發(fā)現數據價值因其非競爭性而隨使用次數增加，成本法可以根據數據資產使用者的數量和使用頻率等價值加成因素調整總成本，以體現數據的共享性和價值累積特性。

收益法是基于數據資產的預期應用場景，計算該數據資產在未來場景應用中產生的收益折現值確定數據資產價值。根據被評估數據資產的預期獲利能力及風險程度，選取適當的資本化率或折現率，將該數據資產在其剩余收益期限內所能產生的預期收益折算為現值，作為確定其評估價值的依據。

市場法是通過可比案例，量化現存差異并對其進行調整，在研究過程中多側重于對市場法修正因素的研究，例如技術水平、價值密度等因素。市場法和收益法存在的缺陷在于，當前數據市場尚未全面建立，數據交易合法性、透明性有待商榷，直接觀察買賣價格或測算預期收益較為困難。

在以上三個基本方法的基礎上，進一步發(fā)展出其他衍生方法。當前，國內外的研究聚焦于以下視角：一是從數據資產的多屬性維度出發(fā)，深入分析影響數據資產價值的各種因素，進而構建出科學的價值評估指標模型；二是采用混合視角，將多種不同的評估模型相結合，應用于數據資產價值的全面評估；三是基于經濟學理論的視角，利用博弈理論、拍賣理論以及市場均衡理論等經濟學原理，構建出數據資產價值的評估模型。

成本法、收益法和市場法作為數據資產價值評估的三個基本方法，經過了長時間的實踐和應用，具有相對成熟和穩(wěn)定的評估機制。其他衍生方法雖然提供了新的評估視角和思路，但在實際應用中可能面臨更多的挑戰(zhàn)和限制。例如基于多屬性維度的評估模型需要構建復雜的指標體系，且指標的選擇和權重分配可能存在主觀性；混合視角方法需要綜合考慮多種評估模型，操作難度較大；基于經濟學理論的評估模型則需要深入理解相關經濟學原理，具備較高的建模能力。三個基本方法具有較為直觀的計算方式和評估邏輯，便于相關人員理解和操作。

因此，新質生產力下的人工智能、工業(yè)制造、交通運輸、“雙碳”治理、社會治理、農業(yè)領域、惠民服務、金融服務八個數據要素場景采用三個基本方法，能夠更好地適應當前數據市場的不完善性和不同行業(yè)的需求特性。表1概述了不同數據要素場景下評估方法選擇的優(yōu)先度，針對每個場景，列出了推薦的評估方法或組合，以反映在該場景下哪種或哪些評估方法更為適用。

新質生產力下人工智能領域數據資產隨著時間的推移價值變化大，收益和成本之間存在弱對應，數據產生成本可能很低，但其價值是多倍增長，基于成本法和市場法評估的結果并不十分準確，因此評估時宜首選收益法。其能靈活調整參數反映該領域實際價值，綜合考慮風險回報，預測未來現金流并折現，幫助權衡風險收益，并需考慮人工智能對數據資產的需求和依賴程度。

工業(yè)制造領域的數據資產具有獨特性，包含特定的生產流程、設備監(jiān)控、質量控制等方面的數據，通常由資產所消耗的物化勞動和人力勞動費用所構成，多屬于自創(chuàng)資產，難以在市場上找到直接可比的參照物。而且其未來收益受到多種因素的影響，如市場需求、技術變化、競爭格局等，這些因素的不確定性使得預期收益的預測變得困難。成本法能夠考慮資產的重置成本及貶值，核算使用過程中可能產生的損耗，降低數據價值的因素等，通過核算被評估資產的重置成本和各項貶值，使得評估結果更趨于合理。

交通運輸領域的數據資產可選擇成本法評估，其成本構成明確，成本法能詳細核算得出準確價值。交通運輸領域的數據資產市場不夠活躍，可比實例較少，未來收益難以準確預測，這限制了市場法和收益法的應用。國家能源投資集團有限公司構建智能模型分析運輸裝備數據，通過成本法分析運輸裝備成本，構建數據資產交易平臺，促進了運輸裝備數據的規(guī)范交易。

在“雙碳”治理領域，數據資產的成本評估方法包括成本法、收益法和市場法，選擇哪種方法需依據數據資產特點和評估目的而定。農業(yè)數據資產的成本評估同樣可根據具體情況選擇合適方法，如通過收益法預測未來收益，市場法比較市場交易價格，成本法則適用于新建或改建農業(yè)項目。江蘇省互聯網農業(yè)發(fā)展中心通過數據采集分析形成的數據資產交易，即為數據資產評估應用的一個實例。

在社會治理領域中，數據資產的形成通常涉及一系列可量化的成本，這些成本數據通常比較直觀，且容易通過會計憑證等方式獲得，因此可以采用成本法對數據資產進行評估，通過估算數據資產的重置成本，考慮貶值因素來確定其價值。

惠民服務領域注重公共利益和社會效益，地方政府常通過數據分析技術的應用，提升公共服務水平和效率，提高居民滿意度，不需要預測未來收益或尋找可比交易案例，操作相對簡便。因此，成本法是一個較為合適的評估方法，能夠直觀易懂地反映出數據資產的歷史投入，操作簡便且易于實施，同時能夠作為法律糾紛的依據，具有較高的公眾接受度。

在金融服務領域，數據資產評估對資源分配、風險管理和投資決策至關重要。隨著金融機構對數據資產依賴的增加，收益法因其能體現經濟價值、考慮未來收益潛力等優(yōu)勢成為重要評估方法。以金融資訊行業(yè)為例，其風險、高效和公益性特征顯著，位于產業(yè)鏈中游，整合數據開發(fā)產品并提供給下游客戶，結合互聯網的大數據提升金融服務價值。因此應在收益法基礎上構建數據資產情景分析框架，多角度評估數據資產未來價值。

（二）數據資產賬務處理

新質生產力推動了數據資產在各個領域的應用和普及，使得數據資產的賬務處理變得更加重要和復雜。黃悅昕等[7]以2024年第一季度入表的25家A股上市公司為樣本，研究發(fā)現數據資產多以無形資產或開發(fā)支出入表，進一步探討了數據資產入表的現狀、挑戰(zhàn)與對策。不同要素場景特征和評估方法下，數據資產賬務處理方法的選擇不同。如在交通運輸、社會治理和惠民服務要素場景中，數據資產多涉及權屬問題且敏感性強，可以設置“數據資產”“數據資產減值準備”等科目；而在人工智能和金融服務要素場景中，數據資產大多通過內部挖掘取得且需要不斷更新以保持其有效性，可以將其設為無形資產下的二級科目。

1.基于成本法的數據資產賬務處理

基于成本法的會計處理需要根據企業(yè)使用數據資產的目的和實際情況選擇是在資產項目下設“數據資產”一級科目，還是在“存貨”項目下增設“數據資產”科目。

（1）設“數據資產”一級科目

若數據涉及權屬問題，敏感性強，且多為政府管理和應用，可以通過數據資產盤點為切入點，建立標準化數據源池。設置“數據資產”“數據資產減值準備”“資產減值損失——數據資產減值損失”等科目，反映其價值及減值情況。

初始計量時，應將符合確認條件的數據資源成本全部計入“數據資產”一級科目。例如在交通運輸要素場景中，明確與交通運輸相關的數據范圍，如交通流量數據、車輛位置數據、乘客行為數據等。將傳感器、攝像頭、服務器等購置和維護成本借記“數據資產”，貸記“銀行存款”。

后續(xù)計量時，由于時效性是數據資產重要的特征之一，因此在計量時需要充分考慮時間因素，定期評估與更新，并計提減值準備。計提分錄為借記“資產減值損失——數據資產減值損失”，貸記“數據資產減值準備”。出售時應明確數據資產在不同要素場景中的具體應用，再根據應用目的分為兩種情形，一種是出售數據資產的使用權，在這種情形下企業(yè)在每次出售時確認該次的銷售收入，結轉相關成本，為避免重復確認，可以將數據資產的賬面價值分攤進營業(yè)成本；另一種是出售數據的所有權，這種情形下企業(yè)在出售時就確認收入并結轉全部成本，數據發(fā)生損毀時應及時終止確認并轉銷。具體賬務處理為：確認收入時借記“銀行存款”，貸記“主營業(yè)務收入”；結轉成本時借記“主營業(yè)務成本”“數據資產減值準備”，貸記“數據資產”；損毀轉銷時借記“營業(yè)外支出”“數據資產減值準備”，貸記“數據資產”。

（2）“存貨”項目下增設“數據資產”科目

若企業(yè)持有數據資產是為了出售或在未來經營中消耗使用，該數據預期能夠給企業(yè)帶來經濟利益，成本能可靠計量，企業(yè)可以考慮設置“存貨——庫存商品——數據資產”“存貨跌價準備——數據資產”進行計量。

初始計量時，根據成本法原則，數據資產的計量應以其實際成本為基礎，包括數據資產的購買成本、加工成本（如數據脫敏、清洗、標注、整合等）、存儲成本以及其他相關費用全部借記“存貨——庫存商品——數據資產”“應交稅費”，貸記“銀行存款”。

數據資產在持有期間可能會發(fā)生價值變動。如果數據資產的價值下降，且該下降金額能夠可靠地計量，企業(yè)應當計提存貨跌價準備，借記“資產減值損失”，貸記“存貨跌價準備——數據資產”；如果數據資產被出售或消耗使用，企業(yè)應按照實際交易價格借記“銀行存款”，貸記“主營業(yè)務收入”“應交稅費”，同時結轉成本，借記“主營業(yè)務成本”，貸記“存貨——庫存商品——數據資產”；如果企業(yè)并未出售數據資產的所有權，僅需在確認收入時借記“銀行存款”，貸記“其他業(yè)務收入”“應交稅費”。

2.基于收益法的數據資產賬務處理

劉海生等[8]認為數據資源預期經濟利益的路徑是數據資源類無形資產二級明細科目確定的基礎。在人工智能和金融服務要素場景中，數據需要不斷更新以保持其有效性，且這兩個領域的數據資產大多通過內部挖掘取得，需要通過一系列的采集、存儲、處理和發(fā)掘，因此建議將數據資產設為無形資產下的二級科目，即“無形資產——數據資產”“無形資產減值準備——數據資產”。

初始計量時，參照無形資產進行賬務處理。在數據采集和研究階段，不滿足資本化條件的，借記“研發(fā)支出——數據資產——費用化支出”科目，滿足資本化條件的，借記“研發(fā)支出——數據資產——資本化支出”科目，貸記“銀行存款”“應付職工薪酬”等科目；數據研發(fā)達到預定用途形成無形資產時，借記“無形資產——數據資產”，貸記“研發(fā)支出——數據資產——資本化支出”；將不符合資本化條件的研發(fā)支出轉入當期管理費用，借記“管理費用——研發(fā)費用”，貸記“研發(fā)支出——數據資產——費用化支出”。

后續(xù)計量時，由于數據資產預計可使用壽命存在不確定性，在持有期間內不需要攤銷，但應當在每個會計期末進行減值測試。若測試表明該數據資產的賬面價值大于其可收回金額，應將差額借記“資產減值損失”，貸記“無形資產減值準備——數據資產”。企業(yè)出售數據資產時，應將實際價款與賬面價值的差額作為資產處置利得或損失，計入當期損益（資產處置損益），分錄為：借記“銀行存款”“無形資產減值準備——數據資產”，貸記“無形資產——數據資產”“應交稅費——應交增值稅（銷項稅額）”“資產處置損益”（或借方）。

3.基于市場法的數據資產賬務處理

在“雙碳”治理和農業(yè)要素場景中，如果采用市場法，應設置“數據資產”“數據資產——成本”“數據資產——公允價值變動”“數據資產——直接人工”“數據資產——直接數據”“數據資產——運維成本”等科目。

初始計量時，如果數據資產已達到市場上相同案例資產的可用狀態(tài)，借記“數據資產——成本”，貸記“銀行存款”“應付職工薪酬”等科目。如果數據資產需要通過加工才能達到可用狀態(tài)，借記“數據資產——直接數據”“數據資產——直接人工”“數據資產——運維成本”等科目，貸記“銀行存款”“應付職工薪酬”等科目；加工完成后借記“數據資產——成本”，貸記“數據資產——直接數據”“數據資產——直接人工”“數據資產——運維成本”等科目。

后續(xù)計量時，隨時注意市場價格變動并進行評估。發(fā)生公允價值變動時，借記“數據資產——公允價值變動”，貸記“公允價值變動損益”或借記“公允價值變動損益”，貸記“數據資產——公允價值變動”。出售時借記“銀行存款”，貸記“主營業(yè)務收入”。確認成本時借記“主營業(yè)務成本”，貸記“數據資產——成本”“數據資產——公允價值變動”（或借方）。

四、新質生產力下數據資產管理重點

新質生產力作為生產力發(fā)展的質變躍遷，具有創(chuàng)新驅動、綠色低碳、開放融合、人本內蘊等主要特性。這些特性對數據資產管理產生了深遠的影響。良好的數據資產管理能夠釋放數據要素的價值，推動數據要素市場的發(fā)展，為企業(yè)創(chuàng)造更多的商業(yè)機會。薛源[9]以公立醫(yī)院的部門設置和數據資產生命周期為基礎，將數據資產管理分為初始確認、后續(xù)管理、變更確認和終止確認四個階段。基于數據資產管理研究現狀，本文認為數據資產管理的重點在于數據資產核算。對數據資產核算進行規(guī)范性管理，是涉及多個方面的復雜過程，旨在確保核算的公正性、準確性和合規(guī)性。關鍵的管理措施和步驟包括明確核算對象和范圍、建立核算標準和方法、完善核算流程、加強核算過程管理、優(yōu)化核算結果應用和持續(xù)監(jiān)督與改進。

（一）明確核算對象和范圍

新質生產力的人本內蘊特性強調在數據資產核算中必須重視用戶需求與體驗，確保滿足實際需求并提升滿意度，同時注重隱私保護與合規(guī)性，嚴格遵循法律以確保數據安全。這包括明確數據資產的法律權屬、經濟價值及可計量性，界定核算范圍，并特別關注數據質量、更新頻率及隱私安全等因素，以確保核算的全面性和準確性。

（二）建立核算標準和方法

新質生產力的創(chuàng)新驅動特性要求數據資產核算方法具有高度的適應性和靈活性。企業(yè)應明確數據資產定義與核算范圍，制定分類分級標準，選擇合適的計量屬性與方法，建立詳盡的核算流程，涵蓋數據采集、清洗、加工、評估及入賬等環(huán)節(jié)，并輔以內部控制機制，利用現代信息技術提升核算效率，同時制定報告制度，為管理層與利益相關者提供決策支持。

（三）完善核算流程

完善數據資產核算流程是一個持續(xù)優(yōu)化過程，明確核算目標和范圍，制定分類、分級及計量標準后，優(yōu)化流程并加強數據質量、安全及合規(guī)管理。在新質生產力的推動下，需不斷創(chuàng)新核算方法，探索如區(qū)塊鏈技術的新流程以提升透明度和可信度，同時定期評估、引入新技術和加強知識分享與培訓，以構建科學、高效的數據資產核算體系，提升管理水平和利用效率。

（四）加強核算過程管理

加強數據資產核算過程管理是核心，涉及建立管理制度、強化數據采集處理、進行評估記錄、報告披露及流程優(yōu)化等多方面。如新質生產力的綠色低碳特性要求核算方法注重環(huán)保節(jié)能，采用高效設備算法并探索新核算方法評估環(huán)境影響，以提升企業(yè)數據資產管理水平和效果，創(chuàng)造更大價值。

（五）優(yōu)化核算結果應用

新質生產力的開放融合特性要求數據資產核算具備高度兼容性和互操作性，可以無縫集成和共享不同來源、格式的數據。優(yōu)化數據資產核算結果的應用需明確應用目標，建立多維度分析體系，強化數據驅動決策，提升透明度與可訪問性，推動數據資產價值變現，同時持續(xù)關注新技術并建立反饋機制，不斷優(yōu)化迭代應用，以實現數據資產的高效管理和價值最大化。

（六）持續(xù)監(jiān)督與改進

新質生產力的效率變革促使數據資產核算流程高效便捷，要求持續(xù)優(yōu)化核算方法，減少冗余；持續(xù)監(jiān)督與改進，提高效率和準確性。建立明確監(jiān)督目標，設立專門機構，實施持續(xù)監(jiān)測，利用技術手段做好日常監(jiān)控，定期組織審計，建立反饋機制，深入分析診斷問題并制定改進計劃，評估效果并優(yōu)化策略和方法，以適應新技術和市場環(huán)境，提升數據資產管理水平和效果。

【參考文獻】

［1］ 隋敏，姜皓然，毛思源.數據資產價值評估：理論、實踐與挑戰(zhàn)［J］.會計之友，2024（11）：141-147.

［2］ 劉光強.數據資產賦能企業(yè)高質量發(fā)展的價值創(chuàng)造邏輯與路徑［J］.財會通訊，2024（4）：3-12，160.

［3］ 中國電子信息產業(yè)發(fā)展研究院.數據要素賦能新質生產力——數據要素場景創(chuàng)新發(fā)展報告（2024）［R］.2024.

［4］ 鄒照菊.企業(yè)大數據的資產屬性辨析［J］.會計之友，2017（12）：7-12.

［5］ 趙麗芳，曹新宇，企業(yè)數據資產創(chuàng)造價值的底層邏輯問題研究［J］.會計之友，2024（6）：51-58.

［6］ 許憲春，張鐘文，胡亞茹.數據資產統(tǒng)計與核算問題研究［J］.管理世界，2022，38（2）：16-30，2.

［7］ 黃悅昕，羅黨論.數據資產入表：現狀、挑戰(zhàn)與對策［J］.財會月刊，2024，45（16）：55-60.

［8］ 劉海生，汪俊，黃斕.數據資產管理：演化邏輯與體系框架［J］.會計之友，2024（21）：147-154.

［9］ 薛源.公立醫(yī)院數據資產管理及運營框架設計研究［J］.會計之友，2024（16）：33-39.