《数据治理 第10部分：数据资产化过程管理规范》

ICS35.240.01

L70/84

T/GDIIA006.10-2024

数据治理

第10部分：数据资产化过程管理规范

（征求意见稿）

DataGovernance

Part10：Managementspecificationfordataassetizationprocess

2024-XX-XX发布2024-XX-XX实施

广东省信息协会发布

T/GDIIA006.10-2024

数据治理第10部分：数据资产化过程管理规范

1范围

本标准提出了数据资产化的前提条件和阶段划分，分别从数据资源化、资源产品化、产

品资产化三个阶段提出要求。

本标准适用于相关组织的数据资产化过程管理。

2规范性引用文件

下列文件对于本文件的应用是必不可少的。凡是注日期的引用文件，仅注日期的版本适

用于本文件。凡是不注日期的引用文件，其最新版本适用于本文件。

GB/T39350—2020信息技术大数据数据资产管理要求

GB/T40685—2021信息技术服务数据资产管理要求

GB/T34960.4—2017信息技术服务治理第4部分：审计导则

GB/T34960.5—2018信息技术服务治理第5部分：数据治理规范

GB/T36074—2018数据管理能力成熟度评估模型

3术语和定义

下列术语和定义适用于本文件。

3.1

数据资源dataresources

能为组织带来价值的数据的集合。

3.2

数据产品dataproduct

数据资源经过采集、清洗、加工、分析等处理，可以直接提供给用户使用或进一步加工

处理的成果。

3.3

数据资产dataasset

由组织合法拥有或者控制的，能够为组织带来未来经济利益的，以物理或电子的方式记

录的数据资源或数据产品。

3.4

数据资产化过程dataassetizationprocess

1

T/GDIIA006.10-2024

将数据资源转化为数据资产，创造和释放数据的价值，使其成为可以量化、管理和交易

的资产的过程。

3.5

数据资产评估dataassetevaluation

资产评估机构根据委托对数据资产的价值进行评定和估算，并出具资产评估报告的专业

服务。

3.6

数据资产登记凭证dataassetregistrationcertificate

在政府数据资产管理部门登记的、具备市场交易属性的数据资产证明文件。

4数据资产化条件

数据资产化条件包括但不限于：

a)数据权属清晰：组织应制定相应的数据产权制度和权益分配机制，明确数据资源持

有权、数据加工使用权、数据产品经营权；

b)数据利用有效：组织对数据进行分析和挖掘，提取出有价值的信息，有明确的应用

场景，能转化为实际的效益；

c)数据价值可估：组织应对数据资源进行评估，以确定其潜在价值；

d)数据要求合规：组织应确保数据内容、数据来源、数据处理、数据运营和数据安全

等满足合规要求；

e)数据管理规范：组织应建立数据治理架构、制度和流程，保证数据的质量，实现数

据资源统一管理。

5数据资产化阶段

5.1阶段划分

数据资产化过程分为三个阶段，即数据资源化阶段、资源产品化阶段和产品资产化阶段，

如图1所示。

2

T/GDIIA006.10-2024

图1数据资产化过程管理框架图

数据资源化阶段：将分散的、无序的数据进行收集、清洗、整合和存储，形成可重用、

可应用、可获取的标准化数据资源。本阶段包括数据归集、数据加工、数据治理、数据价值

发现等四个过程。

资源产品化阶段：将标准化数据资源转化为具体的、有价值的数据产品。本阶段包括选

择应用场景、构建业务模型、产品设计与开发等三个过程。

产品资产化阶段：将数据产品转化为可计入财务报表的数据资产。本阶段包括成本归集

与分摊、资产价值评估、数据资产登记、财务核算与入表等四个过程。

数据资产合规管理贯穿数据资产化过程的各个阶段。

5.2数据资源化阶段

5.2.1过程

5.2.1.1数据归集

在数据来源合规的前提下，采集不同来源的原始数据，确保数据的完整性、准确性和一

致性，形成原始数据集。

主要任务包括但不限于：

a)根据业务需求，明确数据来源，设计和实施数据采集策略；

b)搭建数据采集系统，从内部业务系统、物联网平台、第三方平台等渠道采集原始数

据；

c)建立数据接入规范和接口标准，确保数据的及时性和完整性。

5.2.1.2数据加工

对归集的原始数据进行清洗、转换、整合等操作，提高数据质量，确保数据的可用性和

可信度，形成高质量数据集，满足后续分析和应用的需要。

主要任务包括但不限于：

3

T/GDIIA006.10-2024

a)数据预处理，对原始数据进行去噪、缺失值/异常值检测、数据格式转换等处理；

b)数据清洗，进行数据过滤、去重、质量校验等处理；

c)数据整合，将不同来源的数据合并成统一的数据集。

5.2.1.3数据治理

根据数据治理框架，实施数据治理活动，确保数据的高质量、可用、安全和合规。

主要任务包括但不限于：

a)制定数据治理政策和制度；

b)实施元数据管理和主数据管理；

c)实施数据生命周期管理；

d)实施数据质量监控与改进；

e)实施数据安全与隐私保护。

5.2.1.4数据价值发现

运用数据挖掘或数据分析技术，从数据集中提取有价值的信息和知识，揭示潜在的规律

和联系，为后续数据产品的创新和开发提供支撑。

主要任务包括但不限于：

a)运用数据挖掘和数据分析技术，选择合适的算法和工具；

b)对数据集进行分析和挖掘，发现有用的数据价值。

5.2.2技术

采用的技术包括但不限于：

a)数据采集技术；

b)数据存储技术；

c)数据预处理技术；

d)数据挖掘技术；

e)数据分析技术；

f)数据管理技术；

g)数据溯源技术。

5.2.3资源

采用的资源包括但不限于：

a)内部数据；

b)外部数据；

c)数据采集工具；

d)数据治理工具；

e)数据管理平台。

4

T/GDIIA006.10-2024

5.2.4人员

人员角色及职责包括但不限于：

a)数据架构师：负责设计和优化组织的数据架构、编制组织或项目的数据治理方案；

b)数据质量工程师：负责监控和维护数据质量、执行数据治理业务流程、提高数据质

量；

c)数据咨询工程师：负责提供数据治理咨询方案；

d)数据安全工程师：负责制订安全策略和保护措施，保护数据免受未经授权的访问和

破坏；

e)数据分析工程师：负责采用相应的数据分析工具处理和分析数据；

f)数据开发工程师：负责采用相应的开发工具对数据进行采集和处理；

g)数据运维工程师：负责对数据平台、数据工具、数据应用等进行日常维护。

5.3资源产品化阶段

5.3.1过程

5.3.1.1选择应用场景

根据组织的战略和市场需求，分析和选择业务场景，确定数据产品服务的领域和用户，

编制市场需求分析报告、应用场景设计方案等，为产品和服务开发提供方向和支持。

主要任务包括但不限于：

a)分析业务需求和市场机会，研究目标用户的痛点和问题；

b)筛选适合的应用场景；

c)将数据资源与具体业务需求相结合；

d)验证实际应用场景，编制市场需求分析报告。

5.3.1.2构建业务模型

根据数据产品的业务逻辑，将数据资源与业务逻辑相结合，设计业务模型，确保业务模

型能满足用户的需求。

主要任务包括但不限于：

a)梳理应用场景的业务逻辑；

b)设计数据逻辑和运算规则；

c)构建业务模型，进行验证和优化。

5.3.1.3产品设计与开发

根据业务模型，设计和开发数据API、数据应用、数据分析报告、模型算法、数据集等数

据产品，形成相关开发文档、产品手册、测试报告等。

主要任务包括但不限于：

a)设计数据产品的界面和功能；

5

T/GDIIA006.10-2024

b)开发数据服务接口；

c)形成可交付产品；

d)数据产品登记。

5.3.2技术

采用的技术包括但不限于：

a)数据分析技术；

b)数据可视化技术；

c)数据存储与管理技术；

d)数据安全与隐私保护技术；

e)云计算技术；

f)数据API技术。

5.3.3资源

采用的资源包括但不限于：

a)标准化数据资源；

b)数据存储工具；

c)版本管理工具；

d)数据产品开发工具。

5.3.4人员

人员角色及职责包括但不限于：

a)数据产品经理：负责数据产品定义和生命周期管理；

b)数据架构师：负责为数据产品提供技术架构；

c)数据分析工程师：负责为数据产品提供业务模型支持；

d)数据开发工程师：负责数据产品的功能实现，确保数据产品满足业务需求；

e)数据质量工程师：负责通过质量保证机制，确保数据产品质量；

f)数据安全工程师：负责通过安全保护措施，保护数据产品的安全合规；

g)数据运营工程师：负责数据产品的运营和维护。

5.4产品资产化阶段

5.4.1过程

5.4.1.1资产价值评估

评估数据资产的价值，形成价值评估报告、数据资产目录和定价策略，为数据资产的定

价和交易提供依据，数据资产价值评估方法可参考GB/T40685—2021。

主要任务包括但不限于：

6

T/GDIIA006.10-2024

a)结合市场需求、成本投入、竞争环境以及用户对数据价值的认知，建立价值评估和

定价机制；

b)考虑数据资产的独特性、稳定性、可替代性以及未来的盈利能力等因素，采用市场

法、收益法、成本法等评估方法，计算数据资产的价值；

c)制定合适的定价策略，设定合理的销售价格或服务收费模式；

d)对数据资产进行分类、编号和记录，形成数据资产目录。

5.4.1.2成本归集与分摊

采用活动基础成本法、逐步分项结转法、逐步综合结转法等方法，估算数据资源化和资

源产品化过程的成本，将成本合理分摊至相关业务部门和数据产品中，形成数据资产的成本

构成清单。

主要任务包括但不限于：

a)设计成本归集和分摊方案；

b)估算数据资源化过程成本；

c)估算资源产品化过程成本；

d)选择成本分摊动因；

e)成本分摊到业务部门和数据产品；

f)生成成本构成清单。

5.4.1.3数据资产登记和交易

选择和对接数据交易机构，在政府数据资产管理部门进行数据资产登记，确定数据资产

的权属，形成数据资产登记凭证、数据产品登记档案等，提高数据资产的流通性，实现数据

资产的有效流通。

主要任务包括但不限于：

a)明确数据产品的类别、数量、价值、有效期等信息；

b)在政府数据资产管理部门进行数据产品登记，取得数据资产登记凭证；

c)根据交易规则，明确定价和结算方式；

d)在保障数据安全和隐私的前提下，实现数据产品的交易。

5.4.1.4财务核算与入表

按照会计准则和相关法律法规，将数据资产作为无形资产或存货进行管理和核算，纳入

组织的财务报表，入表规则依据《企业数据资源相关会计处理暂行规定》，入表流程图可参

考附录A.1。

主要任务包括但不限于：

a)确定数据资源是否符合资产确认条件；

b)确定数据资源会计处理适用的具体准则；

7

T/GDIIA006.10-2024

c)对数据资源相关交易和事项进行会计确认、计量和报告；

d)根据会计准则，将数据资产作为存货或无形资产记入财务报表；

e)设计并执行数据资产折旧或摊销政策；

f)披露数据资源的种类、数量、金额等信息。

5.4.2技术

采用的技术包括但不限于：

a)数据资产评估技术；

b)数据安全和隐私保护技术；

c)成本归集与分摊技术；

d)数据资产定价技术。

5.4.3资源

采用的资源包括但不限于：

a)数据质量管理工具；

b)数据安全管理工具；

c)数据资产管理平台；

d)数据资产交易系统。

5.4.4人员

人员角色及职责包括但不限于：

a)成本核算人员：负责数据资产的成本归集和分摊，为数据资产的定价和交易提供准

确的成本信息；

b)数据资产评估人员：负责对数据资产的价值进行评估，为数据资产的定价和交易提

供科学的价值依据；

c)数据资产经纪师：负责数据资产的交易工作，包括数据资产的挂牌、竞价、成交和

结算等，实现数据资产的流转和交易；

d)财务人员：负责数据资产的财务核算和入表，将数据资产纳入企业的财务报表，进

行数据资产卡片的管理；

e)数据资产管理人员：负责数据资产的识别、登记、盘点、变更、处置等工作，确保

数据资产的有效管理和利用；

f)法律顾问：负责数据资产的法律服务，包括数据资产的权属界定、合同审核和争议

解决等，保障数据资产交易的合法性和权益。

6数据资产合规管理

8

T/GDIIA006.10-2024

在数据资产化过程中组织应遵守相关的法律法规、行业标准和内部制度，保护数据主体

的权益、降低运营风险、促进可持续发展，确保数据来源、数据产权归属、应用场景、隐私

安全、财务入表等方面的合规性。

9

T/GDIIA006.10-2024

附录A

（资料性附录）

A.1数据资源入表操作流程图

图A.1数据资源入表流程图

10

T/GDIIA006.10-2024

数据资源入表流程如下：

a)数据资源化。通过数据归集、数据加工、数据治理、数据价值发现，确保数据资源

的合法合规，盘清数据资源家底；

b)资源产品化。开发相应的数据产品；

c)判断是否具备“企业拥有或控制该数据资源”条件，若不具备，按不入表处理；

d)若具备条件，进行数据价值评估。结合不同的数据资源分类和商业应用场景，采用

货币化度量方式，对数据资源相关经济价值衡量评价；

e)判断是否具备“该数据资源产生的经济利益很可能流入企业”条件，若不具备，按

不入表处理；

f)若具备条件，进行成本归集与分摊。通过分析数据资产的血缘关系，形成数据血缘

图谱，厘清数据资产化过程所占用的企业资源，建立合理的数据资源成本归集与分

摊机制，获得成本组成清单；

g)判断是否具备“该数据资源的成本能够可靠地计量”条件，若不具备，按不入表处

理；

h)若具备条件，进行数据资产会计分类，按经济利益实现方式：

1)若日常持有以备出售，或对外提供服务，且是排他性永久授权单一客户，则按

照存货会计准则进行计量，对外提供服务的产品须在数据交易机构登记；

2)若为内部使用，或对外提供服务，且不是排他性永久授权单一客户，则按照无

形资产会计准则进行计量；

i)数据资源入表后，按存货、无形资产进行管理，根据重要性原则，结合实际情况增

设报表子项目，并通过表格方式细化披露；

j)数据资源若不入表，按照收入准则进行计量，并披露评估信息：

1)若价值评估结果对财务报表具有重要影响，须强制披露评估信息；

2)若价值评估结果对财务报表无重要影响，自愿披露评估信息。

11

T/GDIIA006.10-2024

参考文献

[1]上海数据交易所数据资产入表及估值实践与操作指南（2023年）

[2]全国信标委大数据标准工作组数据要素流通标准化白皮书（2023年）

[3]中国信通院数据要素白皮书（2023年）

[4]《关于加强数据资产管理的指导意见》财资〔2023〕141号

[5]《企业数据资源相关会计处理暂行规定》财会〔2023〕11号

12

团体标准《数据治理第10部分：

数据资产化过程管理规范》编制说明

一、工作简况

一）项目背景

在新一轮科技革命推动下，大数据、物联网、人工智能、区块链、

5G等正在成为国际竞争制高点，世界各国把推进经济数字化作为国家

创新发展的重要动能，在数字经济前沿技术研发、数据开放共享、隐

私安全保护、人才培养方面做出前瞻性布局。

2020年4月9日，中共中央和国务院联合发布《关于构建更加完善

的要素市场化配置体制机制的意见》，首次将“数据”与土地、劳动

力、资本、技术等传统要素并列为要素之一，提出要加快培育数据要

素市场。

2022年12月19日，《中共中央国务院关于构建数据基础制度更

好发挥数据要素作用的意见》（又称“数据二十条”）发布，从数据

产权、流通交易、收益分配、安全治理等方面构建数据基础制度，提

出20条政策举措，“数据二十条”的出台，将充分发挥中国海量数据

规模和丰富应用场景优势，激活数据要素潜能，做强做优做大数字经

济，增强经济发展新动能。

2021年5月13日广东省人民政府发布《广东省人民政府关于加快

数字化发展的意见》，提出推动广东省实体经济和数字经济融合发展，

加快培育技术和数据要素市场，推动企业加速向数字化、网络化、智

能化发展，构建以数据为关键要素的数字经济，运用大数据、人工智

能等技术提升国家治理现代化水平，提高感知、预测、防范风险的能

力。

2021年9月22日广东省人民政府发布《广东省公共数据管理办法》

，对公共数据采集、流通、开发利用、安全保障等方面进行规范，是

广东省首部数据层面的政府规章，为规范公共数据管理，促进公共数

据资源开发利用提供了制度保障。《办法》的实施将从公共数据资源

开发利用、数据要素市场化两方面影响广东市场主体和产业发展。

2023年8月21日，财政部制定印发了《企业数据资源相关会计处

理暂行规定》（以下简称《暂行规定》），明确数据资源的确认范围

和会计处理适用准则等，自2024年1月1日起施行。《暂行规定》适用

于企业按照企业会计准则相关规定确认为无形资产或存货等资产类别

的数据资源，以及企业合法拥有或控制的、预期会给企业带来经济利

益的、但由于不满足企业会计准则相关资产确认条件而未确认为资产

的数据资源的相关会计处理。

2023年12月31日,财政部制定了《关于加强数据资产管理的指导

意见》,为深入贯彻落实党中央关于构建数据基础制度的决策部署，

规范和加强数据资产管理，更好推动数字经济发展，明确指出数据资

产作为经济社会数字化转型进程中的新兴资产类型，正日益成为推动

数字中国建设和加快数字经济发展的重要战略资源。同日，国家数据

局等17部门联合印发《“数据要素×”三年行动计划（2024—2026年）

》（国数政策〔2023〕11号）,以推动数据要素高水平应用为主线，

以推进数据要素协同优化、复用增效、融合创新作用发挥为重点，强

化场景需求牵引，带动数据要素高质量供给、合规高效流通，培育新

产业、新模式、新动能，充分实现数据要素价值，为推动高质量发展、

推进中国式现代化提供有力支撑。

目前，数据资产化过程管理存在如下问题：

1.原始数据在资源化、产品化、资产化的过程中，缺乏规范化

的管理流程、环节和具体要求，限制了数据资产化的进程；

2.数据资源化过程存在数据准确性、完整性、一致性、时效性

等质量问题及安全问题，由于数据治理缺失或不完善，数据资源的质

量、安全性及利用率不高；

3.数据资源产品化过程缺乏统一的管理流程和方法，数据分析

能力和业务场景结合不足，数据产品的价值衡量体系尚不成熟，未形

成可持续的商业模式，未建立完善的数据安全保障体系；

4.数据产品资产化过程缺乏统一的管理流程和方法，并存在数

据产权模糊、数据产品定价困难、数据产品有效转化增值等问题。

编制本标准的目的是对数据资产化过程和数据资产管理提出规范

要求，提升数据资产管理水平。

编制本标准的意义是贯彻落实国家、省、市关于构建数据要素市

场相关政策要求，明确数据资产化过程和数据资产管理的规范性要求，

推动数据的开放、共享、流通，促进以数据为关键要素的数字经济的

健康发展。

二）任务来源

为规范数据治理服务的实施，促进数据质量持续发展，广州赛宝

联睿信息科技有限公司、中国联合网络通信有限公司广东省分公司、

南方电网调峰调频有限公司工程建设管理分公司、中数通信息有限公

司联合发起了《数据治理第10部分：数据资产化过程管理规范》团

体标准，并邀请联通（广东）产业互联网有限公司、广东数字政府研

究院等企业共同参与编制。

1.3、主要起草单位

本标准主要起草单位：广州赛宝联睿信息科技有限公司、中国联

合网络通信有限公司广东省分公司、南方电网调峰调频有限公司工程

建设管理分公司、中数通信息有限公司、联通（广东）产业互联网有

限公司、广东数字政府研究院。

1.4、主要工作过程

2024年1月31日，广东省信息协会组织团体标准委员会召开会议，

确定《数据治理第10部分：数据资产化过程管理规范》提案和立项。

2024年2月2日，标准编制组成立。

2024年3月4日，编制组在联通产互公司集中召开编制会议，讨论

标准初稿内容，形成修改意见。

2024年3月20日，标准编制组完成标准初稿编制，提交广东省信

息协会，协会组织相关专家评审。

2023年4月110日，协会在广州市汇德国际大厦1305广州赛宝联睿

公司会议室组织召开专家评审会，专家组同意通过评审。

接下来，协会将组织召开团标委的专家审定会，做好发布该项团

体标准的相关工作。

二、标准编制原则和主要内容的论据及解决的主要问题

2.1、编制原则

a）全面性原则：本标准在编制过程中充分考虑了标准的全面性，

保证能够覆盖到数据资产化过程的各个方面，保证内容的完备性。

b）实用性原则：本标准充分考虑了数据资产化过程的实际需求进

行标准内容编制，保证数据资产化操作过程的实用性。

c）创新性原则：本标准从人员、过程、技术、资源四个维度提出

规范要求，有一定的创新性。

2.2、文档结构

本标准提出了数据资产化的前提条件和阶段划分，分别从数据资

源化、资源产品化、产品资产化三个阶段提出要求。

2.3、整体格式

整体格式根据GB/T1.1-2020《标准化工作导则第1部分：标准化

文件的结构和起草规则》的相关要求，对本标准的各要素进行编写和

排版。

2.4、标准名称英文翻译

DataGovernancePart10：Managementspecificationfor

dataassetizationprocess

2.5、术语和定义