weixin_41596312的博客

​ 财政部财会〔2023〕11号）涉及四项内容：一是适用范围，二、数据资源确认和计量，三、数据资源列报，四是附则涉及从2024年1月1日起按未来适用法执行（已经费用化的不予调整）。 其中二、数据资源确认和计量中七条，1-3条涉及确认为无形资产，4-6涉及确定为存货的内容，7款涉及未确认为无形资产和存货的数据资源收入确认原则。​ 本解读对问答涉及数据资源研发项目资本化涉及五项要求十七项标准的规定，仅系作者个人理解（有问题或疑问可与作者本人acytm@qq.com沟通），不是官方解读

广州数据资产管理及入表工作指引（2024）》将入表分为入表前、入表中和入表后，特别是入表后的定期重估和审视是亮点。

用好这个由业务、IT和技术架构组成的镜像世界很难，因为人们为这个虚拟世界设置了各种语言，没有这些语言支持，无法与这个虚拟世界沟通，而掌握这门语言，有点难上加难：首先，你得从繁多的架构体系中选择一个熟悉它；尽管业务可以看成现实世界与虚拟世界的互动结果，而信息系统（包括软件和数据）则是虚拟世界的镜像，这个镜像靠技术实现，无论是硬件技术还是软件技术，如数据中心、网络基础设施、云、大数据还是区块链和物联网等等技术，所以，数据则是人机结合的产物，也是现实世界和虚拟世界联结体。所以我们我们需要理解数据。

这个时代变得很快，不知不觉数字经济和数字技术已经累积了很高的技术和认知门槛，很多的知识已经被人工智能变成了信息或数据，知识和技能的市场价值大减。而雪上加霜的主动数据治理，不仅提高了人的认知，更是对企业能力的一种新要求，现在生存越来越来困难的另一个原因或许就是：如同如何新能源车和燃油汽车一样，表面上看东西仿佛还是那个东西，但内部的逻辑好像又全变了...三、从被动到主动管理，到数据编织，尽管都是服务业务,但却是以载有知识和智慧的数据为联结，人机相结合的方式开展业务。一、数据治理、数据管理和数据资产管理的关系。

五、数据的成本计算难。无论是IT服务商还是法律数据服务商等，都希望建一个系统对数据进行处理，无论是数据保密，还是后期成本压力，除富集数据企业确实有通过市场变现需求的企业能承担外，大多数企业并不愿承担成本和数据泄露的风险。个人认为数据资源的价值内核是DIKW模型，既有知识和智慧的价值变现，也有数据和信息替代投入和增加收入价值的价值，而数据资源化、资源产品化、产品资本化只是其表现形式。无论是数据治理、数据管理等，都以企业数字化转型成熟度为基础，大多数企业的治理、机制和流程上并没有这样的基础。

数据资源 数据治理

数据资源 知识

数据资源入表之数据盘点问题：盘不明白，点不到位，清不到底，理不到边

数据资源价值的底层逻辑DIKW模型对现实世界的仿真和资源整合能力。只是知识和智慧还不完全是显性的数据，而是以人机结合方式利用的隐性数据存在。在大脑里构建基于企业的孪生业务系统（构架），并以此构建数据、应用和技术架构，无论哪一个构架的构建，对非计算机专业的人员而言，都是难以逾越的鸿沟，并不是因为这些内容难，真正的难点是人的思维转化。数字时代专业化需要嫁接综合化，人要学会与机器协作与分工，知识变得平民化后，做到比知道更有价值，做比说更有价值...

数据资源的三权将把数据资源权利击穿成筛子。如果你是国有企业管理层，仔细想想，以前外包给第三方的业务，相应的数据资源没有管理，审计机构或监管机构是不是可以先确定你数据资源流失，再戴个国有资产流失的帽子，想想摘下这个帽子是不是还真的有点难，因数据资源入表引发的一系列问题，是不是越来越有意思了...

研究范式

数据资源，入表，重数据，轻业务

数据资源入表，资产负债表衰退，成本，追溯调整。，