写点什么

找到数据资产入表的破局点,这几个问题很关键!

  • 2023-12-04
    北京
  • 本文字数:5512 字

    阅读完需:约 18 分钟

大小:2.69M时长:15:40
找到数据资产入表的破局点,这几个问题很关键!

主持人|高玉娴

采访嘉宾|吴大有、张旭

编辑|郑思宇  


随着生成式 AI 热潮席卷各行各业,数据作为新时代的关键生产要素也受到了更多的重视。政策层面,财政部在今年 8 月发布通知,明确规定数据应作为资产纳入会计报表,国家数据局也于 10 月份正式挂牌成立;行业层面,企业数智化浪潮方兴未艾,产学研领域都在积极探索如何进一步挖掘数据价值,发挥数据的应用潜力。


对于企业而言,如何在充满机遇的环境下调整策略、适应变化,成为了焦点问题。数据资产入表对企业会产生哪些影响?企业如何寻找数据资产化的破局点?如何面对数据治理过程中的各种问题?能否解决好这些挑战,对充分激发数据在企业经营和管理中的价值,帮助企业进行数智化创新,实现高质量发展尤为重要。在 InfoQ《超级连麦·数智大脑》直播中,国际数据高级管理研究院主要负责人吴大有、用友网络大型企业客户事业群首席数据官张旭围绕上述主题展开了探讨。


以下是分享全文(经 InfoQ 进行不改变原意的编辑整理):


InfoQ:今年 8 月 21 日,财政部发布了关于数据资产入表的重要文件,这对于企业意味着什么?会为企业带来哪些影响和价值?


张旭:数据资产入表是从财务的视角对数据要素的重要支持,意义重大。放在宏观背景上,我们看到到从财务、法律,包括各种组织成立,比如数据交易中心,都在背后积极推动数据资产的有效、快速流转,直到最后产生巨大价值。数据入表后,数据从资源化、资产化、再到资本化,一定会带来更大的想象空间。另外,企业还是要真实地发挥出数据的价值,有了价值的支撑整个体系才能够运转起来,没有价值的支撑,就是空转。


吴大有:数据入表会对企业造成倒逼的压力,因为数据资产入表首先会考验企业的数据治理水平,企业需要改善自己的数据管理制度、提升数字化能力,才能有更好的盘点数据存量,明确数据所有权和管理职责,这样才能保证数据的安全性和可靠性,让数据能够真正并入资产。


数据资产入表也会提高所有企业的数据质量,让企业数据更有可操作性、可重复利用性,企业自身的业务也会更流畅。大部分企业都面临数据孤岛甚至协作困难的问题,所以数据入表也是一种进阶的、帮助组织成长的过程,必然会帮助每个企业产生业务创新的可能。因为企业需要重复的、大量的、不断的数据输入来获得更多数据资产,企业业务就必须要转型成产品加服务、能获取数据的业务模式。这种创新方法会带动整个组织开发更多数据资产,甚至加快数字化进程,同时企业的管理意识、数据质量和业务空间在未来都会有美好的前景。


InfoQ:哪些数据是可以入表的?


吴大有:数据入表的难点在于确定哪些数据是无形资产,哪些是成本。数据资产的无形资产中,最容易判别的就是专利、版权,以及建设数据中台等系统所花费的成本。但假设企业在十年前所建立的一个数据,现在要并表不可以直接用十年前的成本来计算的,而要摊算折旧,甚至这个数据可能已经失效了,所以可能没有价值。所以在入表之前首先挑选出有效的无形资产,它才有机会去做确权,之后估价,甚至可以拿到银行去质押贷款。经由这个步骤可以让银行去做协征信,这样数据就真正从法规和银行层面都获得了共同的价值确认,也就是无形资产不仅并表了,又获得了财务机构认可,接下来就可以利用这些数据去开发产品,整个资产的变现能力就变大了。


张旭:这次的数据入表有比较清晰的规定,把业务部门、数据部门和财务部门串联在了一起。以前企业数据团队就是在盘点、使用数据,把数据变成各种结果数据来赋能业务,但现在团队不仅要自己盘点,还要清晰地呈现给财务的同事,而财务的同事依托暂行办法的规定,将企业自己拥有的、预期可以产生价值的、可以清晰成本计量的数据从财务视角定性为数据资产。有一些数据暂时还达不到资产级别,也可以归类为不能入表的数据资产或者数据资源做。有了这个前提,所有对数据资产进行整理、计算、加工等工作就可以成本的方式进行统计,计入数据资产的初始计量了。


但是,数据资产怎么变现,在内部如何给企业各个部门赋能,在外部能否在产业链层级、在社会层级广泛流转起来创造价值,这些挑战会一直存在。因此,数据治理的体系、法律法规框架的体系都要跟得上,企业也需要衡量数据公布出去的业务价值和风险,逐步向业务价值方向过渡。只有数据真正流通起来、交易起来,最后反过来做资产评估或做披露的时候,企业才能真正受益。


InfoQ:针对现在数据资产化的背景,两位嘉宾所在的公司会有哪些动作来帮助企业?


张旭:产品和技术是用友的核心能力,针对数据资产入表的体系已经比较健全和完善了,近期马上就会发布整体的解决方案。我们的方案首先是让数据能快速、便捷、有效地入表,同时记录好全过程,然后是支持后面的业务价值创造,我们提供了助力企业数据治理的完整 PaaS 能力,由健壮的平台来支撑,包括数据治理的平台、大数据的开发计算引擎与很多高价值的数据应用场景,这些也是用友的天然优势。比如用友 iuap 数据中台为企业提供了数据移动、数据开发、数据治理、数据指标、数据挖掘、语义模型、数字大屏、移动分析、智能分析、智能报告十大功能,让数据采集、加工、治理、应用更加便捷。


吴大有:国家企业会计准则对资产有明确的定义,资产是指企业过去交易或者形成,由企业拥有控制的能力,能够为企业带来经济利益资源,且能够在未来为企业带来能流入企业的经济价值的要素。对于数据资产,一句非常有名的话叫无场景不交易,就是你必须要有一个明确的用户场景和需求,你做一个产品来服务你的企业或客户,这样的数据场景才产生价值,存在供需双方的交易。所以企业要做的数据产品一定还是要解决实际问题的。


数高院是 DAMA 发起成立的组织,我们关注的事情就是企业数据入表时有没有成本大于收益的风险。比如做资产入表,要做团队建构,要对数据做清理,做各种动作,有些企业会思考做这件事情会不会没有增加效益,反而增加成本了。所以数高院对各种行业做了一个数据的成本转化表,对每个行业做排序,最靠近中央的成本最低,最靠近外围的成本最高。所以企业在做入表的时候就可以知道自己到底要不要做,要怎么做,要投入多少。我们的产品一定是以用户为中心,以数据为驱动,并且帮助企业达到持续的发展目标。


InfoQ:当前经济形势下,企业非常重视投入产出比,那么企业在数据治理过程中该如何判断这方面的成本效益呢?有没有具体的案例?


吴大有:我们现在正在帮国内一家大型国际会展公司进行数据入表的准备工作,这个过程中就需要辨别他手上大量的会场数据、应用场景中,到底哪些是最值得先投入,而且是能完成并表的,要判断哪些数据是对行业有价值的,并且公司对这些数据有绝对的掌握权,能去开发更多具体场景。


这家公司现在正在做数字展台,也就是把客户企业的核心数据全部集成在会展公司平台上做数字展出。会展公司首先要获得企业的授权,然后再加工成新的场景。譬如说会展公司可以告诉客户,现在有全球各地的企业数据,可以告诉你哪一个国家比较适合你这个行业出海。会展公司获得企业的确认授权后,这些数据也能入表,未来甚至可以把并表之后获得的利益利用 Web3 智能合约的方法共享出去。这样你会发现数据是资产这件事情现在已经得到了验证,而且我们有充分的技术和手段帮助企业去实现。企业在进行产品开发前,则要先去检视我到底有没有场景,场景产生的收益能不能大过现在去做并表、做产品的成本,我们现在所做的就是这样的工作。


现在我们面临的一个挑战是很多企业连并表这件事都不太清楚,但如果他能知道并表之后能产生什么效益,就会更愿意完成并表工作。今天用友所做的平台就达成了这个目标,当然后续还是需要配合组织的数据战略,或是有一些第三方指导机构来帮助他们。


张旭:大家对数据赋予了很高的期望,企业确实也是很多真金白银投入在数据治理和数据中台上,可最后你很难量化它的产出在哪。当前用友做了一个小改变,我们希望所有的数据应用、数据治理和数据中台都是一个完整的有机体,希望把所有数据应用的场景和数据治理工作相互之间的勾稽关系,相对清晰地放在桌面上,把它可视化地展现出来。这样数据的治理成本、中台建设成本就能跟应用做有机关联。比如以前做了几十个应用,我们发现它的成本是线性增加的,但后来发现有了整体的治理和中台的投入后,数据应用的成本后面开始下降,这就说明了整个基建的重要性。


InfoQ:企业数据的安全原则和行业应用需求发生冲突时,用怎样的机制来平衡?


吴大有:譬如说组织发现某些数据有高度的隐私性,不想拿出来做并表,这时就要自己来做决定,自己要有策略性的分析。在入表的时候企业规模也会影响决策,大企业和小企业在数据入表上的策略会有差异。譬如说大型企业的数据很多,很多数据资产会涉及到多个部门业务线和地域,要整合这些数据资产然后并表,可能有些容易并,有些不好并。另外大企业一定要有统一的数据治理政策和标准来保证数据规范化,这样后面才不会有问题;第二,一定要有专业的数据治理团队负责数据的采集、存储、处理和应用等环节;第三,最重要还是要加强跨部门协作,因为所有数据是需要各个部门打破数据孤岛来实现数据共享,组织才有办法把它拿去做并表的;第四企业要有更先进的数据治理技术,比如隐私计算、人工智能应用、使用更先进的系统等等。


对中小型企业来讲这个目标就不一样了。因为它的数据量不够多,所以要关注的是数据治理的目标和需求是什么,然后对症下药,不要什么都做,因为资源有限,要想清楚自己要做什么,再去制定合理的规划;第二,一定要强调简单的数据治理流程和规范,能符合法规就行,不要把数据治理搞成负担;第三,是要建立自己的一套数据治理工具和技术,如果自己没有也做不起,就邀请用友这样的外部公司来协助;第四,是加强核心人才治理团队,做好团队建设,让每个员工对数据的建设和治理能力有清楚的意识。这样我们就比较清楚地知道组织要去做并表的时候,到底有哪些挑战要去关注和解决。


InfoQ:虽然数据治理的重要性是毋庸置疑的,但由于数据治理涉及多个部门、多种技术和多个业务场景,不同企业、不同组织对于数据治理的认知不尽相同,这给企业数据治理带来了巨大挑战,造成这种现象的原因是什么?如何才能统一、完善企业内部不同角色之间对于数据治理的认知?


张旭:造成这种现象的原因有几个方面,第一,数据治理这个事情相对复杂,是一个体系,包括安全的、质量的、标准的、模型的内容,本身就有一些难度。第二,企业天生会有一些部门的区隔,而数据最大的价值就是让很多事情透明了,透明既有它正向的价值和作用,反向也可能对某些东西有一些伤害,这样就让数据的治理工作显得比较复杂。


首先对于企业而言,数据治理应该是由价值驱动的,无论是对管理、运营的整体效能提升,或者是创造更好产品的,都需要明确企业希望通过数据治理带来的价值是什么。其次,在企业文化上,大家更愿意用数据说话,更透明的管理可以激发每一个人的价值和效能。当我们发现所有数据都汇聚到一个系统,大家的各种行为都被记录的时候,只差最后的一点点数据治理就能达到最终的目的。这个过程中的监控、在线可视化,包括各种过程的清晰透明都是非常大的助力。


吴大有:数据治理过程中,跨部门由于利益的差距、认知的不同产生很多问题。第一是部门壁垒,每个部门的职责不同,重视的内容不同,对数据的认知也不同,所以各个部门要对价值导向有趋同性。比如业务部门原本只注重数据的应用和价值挖掘,技术部门原本只注重数据的存储和处理,但现在他们不应该只重视自己的点,而要关注这个数据如何在公司层面产生价值,大家认知要拉平。


第二是技术差异要解决,比如说很多的组织里业务部门数字化能力很强、数据很多,但有些部门不行,因为技术差距很大,所以技术上也需要有更好的一致性平台,让大家更容易地处理数据,这样才能解决或降低部门之间的协作困难。


第三,大家还要学会应用,这就要加强组织的培训和宣传,让大家了解数据的意义,了解平台的使用方法,各部门能真正促进交流合作,才有可能真正打破部门壁垒。这就需要企业对数据治理有数据治理的核心架构,战略、质量、生命周期管理、源数据和主数据处理这些标准要清晰,否则部门在进行数据对齐的时候还是不行的。最关键是,要有一个内部的沟通平台,组织当中要允许大家畅所欲言,大家才能共同消灭所谓只看自己门前雪,休管他人瓦上霜这样的问题。最后如果还是不行,只能用出杀手锏,找第三方治理平台来治理,这也是一种比较终极的方法。


InfoQ:在数据资产入表的推动下,企业数据治理的未来发展趋势是怎样的?


张旭:用友服务的客户比较广泛,我们也看到了很多数据产生价值的场景。比如说企业的投资需要大量的数据支持;还有生产制造企业交期、排产的问题,永远不知道要备多少料,或者产品什么时候能好,因为它是一个很长的协作链;还有很多零售企业的商品出去了后,在我的经销商、门店的库存流动情况也是一个非常大的问题,我们看到这些问题都是可以通过数据的有效流动来解决,这样的时刻也很快就会来临。数据治理未来的趋势一方面是业务价值驱动,另一方面大模型技术可以做很多内容,我们现在的治理还是太知识化,AI 可以让这些知识快速生成,而让我们的精力放在知识在企业的落地和运营上。


吴大有:从机遇来看,未来会有更高效的数据分析和挖掘能力,帮助企业的资产更好地做应用,帮助组织有更好的,以数据为驱动的决策、管理和治理能力,当然也能找到更多创新的应用场景、潜在商机。而大模型也会带来很多挑战,譬如数据的质量和准确性变得越来越重要,因为数据如果不完整不准确,大模型所产生的结果也会产生问题。还有大模型普及后,可能组织需要有更强的防卫机制或保护数据隐私的能力。


活动预告

12 月 13 日 14:00-15:30,用友即将举办“数据资产入表解决方案发布会”,欢迎扫描下图二维码,一键预约!



2023-12-04 14:523957

评论

发布
暂无评论
发现更多内容

死磕Java并发编程(7):读写锁 ReentrantReadWriteLock 源码解析

Seven七哥

Java并发 读写锁 ReentrantReadWriteLock

多云的一点思考

HU

Java并发编程系列——锁

孙苏勇

Java Java并发 并发编程 多线程

怎样算是一个好的开发者?

水滴

开发者

浅析 Cocoapods-Packager 实现

Edmond

ruby ios CocoaPods binary packager

Netty 源码解析(四): Netty 的 ChannelPipeline

猿灯塔

从数据闭环谈微服务拆分

松花皮蛋me

微服务

MySQL中order by语句的实现原理以及优化手段

天堂

Java MySQL 性能优化

DDD 实践手册(2. 实现分层架构)

Joshua

设计模式 领域驱动设计 DDD 系统架构 分层架构

为什么正在使用的Java版本跟环境变量的版本不一致

阡陌r

Java 踩坑

阿里巴巴Java开发手册泰山版解读

Bruce Duan

说出来就不灵啦

伯薇

糊涂 活在当下 享受状态 生活状态 观察者

把成功过成自己的生活

子铭

成功学 生活状态

学习来应对创业的未知

Neco.W

创业 重新理解创业

高仿瑞幸小程序 00 准备工作

曾伟@喵先森

小程序 微信小程序 大前端 瑞幸

即将步入职场,忐忑而又期待的新人菜鸟

菜农阿飞

成长 新人

关于5G RCS的产品猜想

机器鸟

经济大萧条对我的启示

Neco.W

创业 自我管理 职场 自我提升

使用 jsDelivr 免费加速 GitHub Pages 博客的静态资源

mzlogin

CDN Jekyll GitHub Pages 个人博客

KubeFATE: 用云原生技术赋能联邦学习(一)

亨利笔记

人工智能 学习 FATE KUBEFATE

游戏夜读 | 2020周记(3.27-4.3)

game1night

神经网络的激活函数为什么要使用非线性函数

王坤祥

神经网络 激活函数

南丁格尔科普

小匚

韦小宝真的幸福吗 | Random Forest

张利东

Python 学习

InfoQ写作平台首秀,来个自我介绍

nuhcoad

个人感想

MySQL的死锁系列- 锁的类型以及加锁原理

程序员历小冰

MySQL

程序员陪娃漫画系列——魔方

孙苏勇

程序员 生活 陪伴 漫画

HashMap 的 7 种遍历方式与性能分析

Bruce Duan

Java 性能 hashmap 遍历

Day 47|Week 07-5 曾国藩家书|问学篇-学问何处何时都可做

熊小北同学

如何优雅滴在手机上跑Python代码

王坤祥

Python 移动应用 手机编程

消息队列Kafka - acks参数

Java收录阁

kafka

找到数据资产入表的破局点,这几个问题很关键!_用友_郑思宇_InfoQ精选文章