数据资产入表及估值的实践难点主要体现在多个方面，以下是对这些难点的详细归纳：

 

        1. 成本归集难：由于企业组织架构和数据产品开发条线匹配度较低，导致数据采集、清洗、建模、存储、销售等一系列生产经营活动的成本难以有效归集。这要求企业科学规划业务流程，从数据采集到销售的全过程实现高效管理。

 

          2. 收入与成本匹配难：数据产品销售模式和研发模式的不协调，使得企业在确认收入时难以与成本进行合理匹配。企业需要重新调整数据产品销售模式和定价方式，以确保收入和成本的合理匹配。

 

         3. 资本化标准确认难：企业研究和开发数据产品的时间点判断不确定，给资本化标准的确认带来困难。企业可以重新调整产品立项和管理流程，明确资本化标准的确认依据。

 

        4. 公共数据授权期限确认难：在与公共部门联合运营的场景中，企业需要考虑自身商业模式和渠道管理能力，以确保公共数据授权期限的合理确认。

 

        5. 数据研发和使用场景差异大：数据研发和使用场景的差异过大，导致资产确认条件满足难。企业需要认真分析高频数据使用场景是否符合资产确认条件，秉承不高估资产的准则进行合理确认。

 

        6. 摊销方法选择难：数据资产摊销方法的选择对于准确反映数据资产的价值至关重要。然而，由于数据资产的特殊性，选择适合的摊销方法变得十分困难。企业需要合理评价自身的业务场景，选择合适的摊销方法并一致运用于会计期间。

 

        7. 摊销年限确认难：由于数据产品使用时效性的存在，摊销年限的确认成为了一个难题。企业需要提高数据产品管理能力，加强对市场和业务模式的研究，以合理判断数据资产的摊销年限。

 

        8. 税会政策差异应对难：税法对于数据资产摊销年限的要求和会计准则之间的不一致性，给企业带来了应对难题。企业需要合理选择摊销年限，并认真分析税会差异，形成一些可行建议以协调税法和会计准则之间的差异。

 

        9. 数据资产时效性强：数据资产时效性强，部分资产可能存在即时失效的可能，导致数据资产报表规模波动较大。企业需要审慎确认数据资产，并提高数据资产全生命周期的管理能力，通过定期评估和更新数据资产价值来降低报表规模波动较大的风险。

 

        10. 法律权属模糊：当前的数据资产普遍存在产权界定不明晰的问题，给数据资产的评估带来了困难。主要表现在数据资产的所有权、使用权、收益权三权相背离，导致在对特定目的下的数据资产权利进行评估时不能较好地剥离其他权利因素对目标权利的影响。

 

        11. 形成成本难以合理确定：除了外购的数据资产外，企业自己的数据资产在形成过程中很难做到对成本的合理归集，导致在后续评估中无法做到较为合理、精确地计算出数据资产的重置成本。

 

        12. 收益不稳定、难预测：数据资产在不同的运用场景下会产生不同的收益，而且收益方式和收益额都会随着运营模式和商业模式的变化而发生变化。这使得数据资产的收益难以进行稳定永续假设下的评估。

 

        13. 数据估值的准确性：数据估值的准确性是数据资产入表及估值过程中的一个关键问题。企业需要建立科学、客观、公正的数据估值体系和方法，对数据进行全面、准确、详尽的评估。同时，加强数据的清洗、去重、整合等工作，提高数据质量，确保数据的准确性和可信度。

 

        针对以上难点，企业需要综合考虑多个因素，加强管理体系和规章制度的建设，提升专业知识和核算能力，借助专业工具和服务，以确保数据的准确性和可信度，为企业数字化转型和高质量发展提供有力支持。

 

来源：数据资产讲堂公众号