本方案参考财政部颁布的《企业数据资源相关会计处理暂行规定》，结合当前市场主流的数据资源入表操作手续，给与贵方以下入表程序建议：
一、数据盘点、治理
需数据治理主体对项目数据资产进行挖掘，识别出高价值数据资产。形成数据目录、数据清单、数据字典等表象。数据目录汇总了组织中数据资产的整体概况；数据清单详细说明了组织中可用的所有数据集，并显示所有相关元数据；数据字典定义了这些数据集的规则，指示了它们的格式、形状、schema。
由数据治理机构对确权的数据资产进行应用场景挖掘，资产梳理盘点，应用场景制定（关注数据资产怎样用，效果如何），产品开发，使数据资产价值Zui大化。
二、数据确权、合规
确定具有价值的数据资产后，针对数据资产的权利进行核实（关注数据资产的形成或获取是否合规，是否符合《数据安全法》），梳理关系链，确保数据资产使用合理且合法。
目前，数据资产法律权属资料主要有：
1.数据资产权属相关登记成果
目前，数据权利人可以通过多种登记手段进行数据权属主张。第一种登记类型是数据资产确认登记。第二种登记类型是数据知识产权登记。第三种登记类型是数据资源公证登记。第四种登记类型是数据要素综合登记。
2.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。
三、数据质量评价
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。
1.数据质量评价维度
数据质量评价维度通常包括数据的规范性、完整性、准确性、一致性、时效性和可访问性。规范性即数据符合数据标准、数据模型、业务规则、元数据或quanwei参考数据的程度；完整性即按照数据规则要求，数据元素被赋值的程度；准确性即数据准确表示其所描述的真实实体（实际对象）真实值的程度；一致性即数据与其他特定上下文中使用的数据无矛盾的程度；时效性即数据真实反映事物和事件的及时程度；可访问性即数据能被正常访问的程度。
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。
四、数据应用场景识别
在数据资产入表的操作过程中，核查与识别数据应用场景是一个重要的步骤，也是入表过程中的重点和难点。为确保数据与具体业务的有效结合，数据应用场景的核查与识别通常需要综合考虑多个关键因素。
1.应用场景相关的宏观经济和行业前景
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。
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，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。
五、数据资产评估
数据资产评估主要有三种方法：
一是成本法。是根据形成数据产品的成本进行评估。使用成本法时，要根据数据产品形成的全部投入，分析数据产品价值与成本的相关程度，考虑成本法的适用性。要确定重置成本。重置成本包括合理的成本、利润和相关税费。合理的成本则包括直接成本和间接费用。数据资产相关的成本主要包括:采集、购买数据的相关成本;对数据进行整理、筛选、加工、编辑等成本和数据产品经营成本。
成本法评估还需要估算数据资产的贬值率。数据资产中可能包含在不同年期产生的数据，其剩余经济寿命期可能不同，在采用成本法评估一项“数据段资产”时，需要根据该“数据段资产”的组成数据的产生年份、剩余经济寿命
等因素，适当考虑数据资产的“贬值率”。
二是收益法。是通过预计数据产品带来的收益估计其价值。使用收益法时，需要综合考虑法律保护期限、相关合同约定期限、数据产品的产生时间、数据产品的更新时间、数据产品的时效性以及数据产品的权利状况等因素确定收益期限。收益期限不得超出数据产品或者服务的合理收益期。
三是市场法。是根据相同或者相似的数据产品的近期或者往期成交价格，通过对比分析，评估数据产品价值的方法。使用市场法时，需要确定数据资产的“可比”标准，即什么是两项证据资产“可比”，还需要确定对比方式和
可比的“基础”，例如企业价值市场法评估所采用的“价值比率”;在确定“可比标准”和在充分了解被评估数据产品的情况后，需要搜集类似数据产品交易案例相关信息，包括交易价格、交易时间、交易条件等信息，并从中选取可比案例。应当收集足够的可比交易案例，对于类似数据产品，可以从相近数据类型和相近数据用途两个方面获取。
