摘要:在数字化浪潮的席卷下，数据已然跃升为关键生产要素。B公司作为国有企业，在数据管理与应用方面面临诸多挑战。财务部门对数据的获取、分析与运用存在重重困难，“缺数据”“病数据”“哑数据”等问题较为突出。“缺数据”表现为关键数据缺失，影响决策完整性;“病数据”指数据存在错误、重复等质量问题;“哑数据”则意味着数据难以被有效解读和利用。鉴于此，B公司明确了数据资产管理目标，全面开展数据资产盘点、治理、分析及创效等工作。通过规范数据标准，让数据有统一的“语言”，整合分散的数据资源，打破“数据孤岛”，深化数据在各业务环节的应用等一系列有力举措，公司的数据治理水平显著提升，数据应用效率大幅提高，数据价值得到了充分挖掘与提升。

　　关键词:数字化;数据资产;数据治理;业财融合;经济效益

　　0引言

　　近年来，在大数据、云计算、区块链等现代信息技术的推动下，数字经济在我国国民经济中的地位日益凸显，美团、滴滴、拼多多等一批靠分析、挖掘、应用数据资产的企业迅速崛起，数据成为一项重要的生产要素。2021年11月，财政部发布《会计改革与发展“十四五”规划纲要》，提出加快数字化转型，积极推动会计工作数字化转型，积极推动我国会计事业取得新成绩、实现新跨越，以此向数字化、智能化、服务化演进。2023年8月，财政部印发《企业数据资源相关会计处理暂行规定》，自2024年1月1日起施行。在这种局面下，国有企业的传统数据管理和运营理念，乃至数据应用模式均受到颠覆性冲击，如何让数据资产更好地发挥价值创效，如何更好地做好数据资产管理，真正让数据能用、好用、有价，成为国有企业无法回避和亟待解决的重大课题。

　　1文献回顾

　　1.1数据资产相关研究

　　相关研究主要围绕数据资产会计核算、价值评估与入表展开。曲京山等［1］系统地研究了数字经济下人工智能、工业制造、交通运输、“双碳”治理等典型场景中数据资产的科学核算与精细化管理，明确核算对象和范围，制定统一数据标准和核算规范，创新数据仓解决方案，赋能新质生产力，提升全要素生产率。正值中国申请加入《数字经济伙伴关系协定》(DEPA)新机遇，冯圆［2］从贸易规制、会计规则和企业价值3个方面分析应对策略，分模块构建会计应对体系，实现企业数据资产权益最大化。刘立燕和孙月［3］强调数据资产价值独立计量是入表的关键一环，直接影响后续折旧、减值和交易定价的可靠性，需单独归集获取、加工、权属鉴证、登记结算、安全管理等相关直接成本。同时，高质量的表外披露可提升企业估值，因此，建议企业在确保数据隐私与安全的基础上积极、主动地披露数据资产关键价值信息。柳江和刘培淇［4］针对电商行业数据资产入表有需求但估值体系与方法缺失的矛盾，构建了由收益法确定企业现有价值、由实物期权法衡量企业潜在价值、由层次分析法确定数据资产收益分成率的估值模型，推动数据资产可靠计量、准确披露，并有效转化为企业增量收益。

　　1.2数据资产管理相关研究

　　数据资产管理是指对组织中数据与信息资产进行规划、控制、提供和治理的一系列管理活动，旨在释放数据资产的潜在价值。韩秀兰等［5］系统地梳理了我国学者相关研究的演进与前沿热点，发现现有研究向数据资产交易、治理与管理应用等深度领域挖掘，人们对于数据资产化和数据治理及应用的关注度与日俱增。田钊平［6］系统地梳理了我国企业数据资产管理制度的演进脉络，剖析了产权、会计、交易、评估四大制度板块存在的痛点，为企业数据资产管理提供了“确权—计量—交易—评估—披露”全链路制度方案。张雪梅等［7］实证分析发现，企业数据资产配置的提升能够促进新质生产力发展，且在国有企业和高新技术企业中这种影响更加突出。因此，建议企业以数据资产为纽带，构建供应链协同平台，放大数字生态下的创新溢出效应。在数据资产风险管理方面，董木欣［8］围绕数据资产确权、估值、披露、流通等环节中数据质量、合规使用和治理安全三大风险，提出“认知—质量—流通—保障”四维协同防范路径，为企业数据资产安全管理与价值释放提供操作指南。

　　1.3文献评述

　　2023年《企业数据资源相关会计处理暂行规定》印发以来，国内数据资产研究热度持续上升，围绕典型场景下数据资产评估与入表、制度设计与风险管理等主题展开探讨，为企业开展数据资产精细化管理、驱动数据价值释放和赋能企业高质量发展提供了坚实理论基础。但从文献数量和研究视角看，相关研究整体仍处于初级阶段，多停留在理论层面，对国有高新技术企业数据资产盘活与应用缺乏实践层面的案例验证。本文从制定规范化数据资源盘点清单、数智工具赋能数据资产治理整合、实际业务场景下数据资产分析清查和产业链协同创效4个方面提炼数据资产优化管理实践经验，为企业数据资产价值创造研究提供新的视角与启示。

　　2研究方法与案例选择

　　本文采用单案例研究法，聚焦数据资产如何被盘活并实现价值创造，针对企业数据资产管理中“缺数据”“病数据”“哑数据”难题，通过访谈一线财务人员和业务人员获取一手数据，剖析B公司在数据资产盘点、治理、分析与创效过程中的管理实践，揭示企业提升数据资产治理水平的路径与效果。

　　选择B公司作为案例研究对象，一方面，作为我国油服行业领军企业，B公司整合“测录定”资源，业务板块覆盖面广，数据资源总量大、种类多，其数据资产管理探索对引领石油工业数字化转型升级、释放数据资产价值红利具有标杆意义;另一方面，B公司在集团层面已构建统一的数据服务平台，实现内部治理与外部协同数据共享，以B公司为样本进行研究具有坚实的数据基础与技术支撑，能够清晰地展现从数据管理到价值创造的机制与效果。

　　3 B公司数据资产管理的提出背景

　　B公司是一家专注于测井、录井、定向井业务的专业化公司，精准定位于面向国内外高端油服市场的技术服务商，矢志为客户提供一体化服务与一站式解决方案，并将自身打造为国家级高新技术企业。

　　B公司的主营业务广泛且多元，深度涵盖测井、射孔、录井、定向井等核心业务板块，同时还涉及技术贸易、“测录定”技术服务总包等综合性服务领域。不仅如此，在技术研发、产品制造与销售、资料解释评价及油藏研究等方面，B公司同样具备深厚的专业积累与强劲的业务实力，全方位构建起了一套完整且极具竞争力的业务体系。

　　多元的业务板块结构决定了B公司数据资源纷繁复杂。在数字经济下，数智化财务、科学化决策都对B公司数据资产管理提出了更高要求。如何优化数据资产管理，盘活数据资产价值，赋能新质生产力，助力企业高质量发展，是B公司亟须攻克的核心课题。

　　3.1数智化财务对数据质量提出更高要求

　　数智化财务建设是一个长期、复杂、动态的过程，需要对数智化愿景、转型目标形成清晰、统一的认识，并从完善财务数据标准、打通数据流程链路、搭建智慧财务管理及应用平台等方面出发，逐步建成数智化财务体系。其核心为数字驱动，既是对存量数据进行系统化梳理与数据标准匹配，推动数据资源转化为数据资产的过程，也是充分融合业务、财务、技术和管理，完善规划、控制和提供数据及信息的业务职能，以确保数据资产保值增值的过程。

　　如今，传统的企业经营、财务管理正在面临AI(人工智能)、RPA(机器人流程自动化)等新兴技术的冲击，过去孤立的企业业务、财务系统亟待连接，建立协同与共享机制，以满足灵活协作和相互提供信息支持的需要。这就要求企业通过开发、执行和监督有关数据的计划、政策、方案、项目、流程、方法和程序，控制、保护、交互和提高数据资产的质量，为财务自动化、数据洞察与分析、财务风险预警与管控打下坚实的数据基础。

　　3.2科学化决策对数据分析提出更大挑战

　　过去，企业经营管理多由感觉驱动。由于数据治理处于蒙昧状态中，财务数据统计分析核算拆解的颗粒度越细，耗费工作量就越大，数据的时效性也就越差，因此，无法对业务情况进行准确、及时的反馈，导致财务数据丧失了对业务进行指导的作用。

　　在财务信息系统已经普及的当下，数据驱动企业决策成为时代发展的必然，数据分析能使企业清楚地认识自己的优势和劣势，有利于企业提高决策的合理性，为用户提供更加优质的服务。企业通过对数据的整合和分析，从中获取有用的数据。新的数据技术手段使得信息在企业内部不同部门之间有效、快速地传递，使得不同部门之间的交流、沟通更加透明，使得企业不同的利益主体能广泛地参与决策，从而提高决策的科学性和合理性。因此，企业要想做强做大，就要在高质量数据的基础上增强数据分析能力、提升数据价值、提高管理的精细度。

　　3.3高质量发展对数据应用提出新考验

　　在大数据时代，数据产生的价值越来越大，各企业都在探索基于数据的相关技术和应用模式，培育数据要素市场，激发产业链各环节潜能，以价值链引领产业链、创新链，实现高质量发展。

　　发挥大数据特征优势，是做强做优做大大数据产业的重要任务。我国可将发挥大数据特性优势与企业高质量发展相统一，通过技术应用与制度完善联动发展，着力于推进数据“大体量”汇聚、“高质量”治理、“时效性”流动、“高价值”转化等关键环节协同联动发展，推广企业通用发展路径，鼓励企业探索应用模式，建立健全符合规律、激发创新、保障安全的制度体系，推动数据要素价值释放和企业高质量发展互促共进。

　　4 B公司数据资产管理的实践做法

　　4.1数据资产管理现状

　　B公司财务人员获取、分析、使用数据面临重重困难，主要体现在3个方面。

　　(1)“缺数据”。目前B公司各部门的信息系统分而治之，数据平台差异较大，“数据孤岛”仍不同程度地存在，导致部分数据相互独立、隔离，无法实现数据交换与共享，经营财务的“缺数据”情况严重。B公司亟须全面梳理和盘点已有信息系统，加强数据串联，构建企业全景数据仓库，确保各部门在统一的数据基础上开展经营决策。

　　(2)“病数据”。目前B公司各部门数据采集和治理责任界限清晰度不足，指标命名、数据口径和统计周期规范性也有待提升，问题数据的通报、推送和治理机制也不够健全，导致部分数据可用性不高，有数难用的“病数据”现象频出。B公司亟须建成数据治理平台，加大对数据时效性、齐全性、逻辑性的校验力度，加强责任部门对问题数据的治理，持续提升数据质量。

　　(3)“哑数据”。目前B公司数据分析指标体系不完善，数据对公司经营发展的支撑能力不强，导致数据分析应用不足的“哑数据”问题明显。B公司亟须围绕重点难点工作，加强业务建模，优化分析模板，推动数据资产经营创效。

　　4.2数据资产盘点

　　石油工程“测录定”专业覆盖面广，产业链条长。在专业化整合前，各单位经过长期信息化建设，信息系统数量庞大、数据分散，数据存量和增量相当可观。同时，各单位也存在数据统计口径不一、统计标准不同、统计数据质量参差不齐等现象，导致最终形成的数据资产全貌并不清晰。B公司针对各单位对“拥有多少数据资产、存在于哪些信息系统、集中于哪些业务领域、有多少重复资产和无效资产”等基本情况“说不清、理不清、各说各话”的情况，开展数据资产识别和盘点工作，梳理生产、经营数据资产，加强问题治理，促进业务融合，发挥最大价值。

　　(1)识别数据资产，夯实资产创效、增效基础。

　　B公司制定数据资产识别制度，构建企业数据资源目录，对数据资产的识别标准做出明确界定，标签化数据资产，循序渐进地推动公司数据资产盘点工作，并对盘点完成的数据资产开展认证。通过统一梳理集团公司统推系统、甲方要求系统、自建系统，全面盘点数据“库存”，分批次将生产运行、全面预算系统、ERP(企业资源计划)系统、CMIS(合同管理系统)、TMS(司库管理系统)、ERS(费用报销系统)、关联交易结算平台、清单计价系统、安全生产智能管理平台、设备维修系统接入数据仓库，纳入数据资产化管理范围。

　　(2)梳理数据来源，形成业财数据资源清单。B公司通过数据的标签化处理，将数据提炼出形象标签，如市场类别、施工类型、利润中心、成本中心、预算科目等。这种标签是标准化、具有概括性、可扩充的，用以加强对现有数据资源的整合利用，实现对生产动态、收入、成本、账面、暂估、合同、报销、资产设备、投资项目、债权债务等数据信息的统一整合并存储共享。

　　(3)统一数据规范，做好数据标准管理。B公司统一标准及统一数据管控节点标准流程，通过系统内置校验规则，确保数据的唯一性、准确性，依托数据模型的灵活贯通，实现数据的敏捷获取与感知，推动数据应用与业务精益管理的衔接与重构。

　　4.3数据资产治理

　　设备、工具等传统有形资产可以第一时间投入企业生产经营活动，为企业创造经济效益。但数据资产只有提前开展有效的治理工作，先解决数据“能用、好用”的问题，才能为企业创造价值。

　　(1)加强部门沟通，开展数据整合工作。B公司通过建立生产、市场、财务、经营、物资供应等相关部门协调沟通机制，集中开展数据质量提升活动，打通总部推广、甲方要求和公司自建3种类型的系统数据接口，梳理数据资产台账，建立数据资产目录，让业务人员“找得到、看得懂”数据。

　　(2)梳理制度规范，加强数据整合。B公司梳理内部自建和外接数据规范，修订汇编《业财一体化平台数据中心建设标准规范》，按照统一数据标准，开展数据集中采集工作;建立规范共享机制，明确数据权责，打通数据共享通道;同时，规范数据安全标准，让数据流转起来。通过制定数据标准、严控数据质量，B公司统一了数据口径，提升了数据有效性和可用性。

　　(3)探索数据模型，建立管理工具。B公司按照模型构建、规则确定、数据采集、问题数据治理等步骤，实现业财优质数据统一入池管理。在此基础上，B公司建立管理工具，加强业务赋能，提升数据可用性、好用性、易用性，助力数据价值的实现。

　　(4)利用人工智能技术，降低数据治理成本。B公司建立数据校验规则，按照“源头治理、循环提升”的原则，加强数据治理，细化数据颗粒度;通过提供数据服务，将业务人员从手动清洗数据的工作中解脱出来，通过提供专业化、自动化、长效化的数据服务，推进数据的高效供应;引入RPA数据处理技术，加强数据的一站式推送和提取，避免重复和多口径录入，提速数据资产化进程，充分发挥数据价值，提高利用率;建立一套完整的数据管理规范、管控流程和技术工具体系，加强基于生产、合同、造价的量价数据匹配;利用主数据标准规范，实现数据的规范化管理、体系化运行及数据校验的标准化运作，赋能价值创造。

　　4.4数据资产分析

　　数据资产经过治理后，只有进一步将分析工具、智能技术在实际业务场景中加以应用，才能真正创造价值。B公司通过可视化展示、嵌入式应用等方式，形成状态反映、对比分析、决策支持、预测研判等多类数据应用场景，全面掌握经营情况，深入剖析管理数据，提前感知异动问题，驱动行动、优化落实，做到精准化、高效化、专业化、智能化。B公司通过丰富“1+2+3”工具建设，挖掘数据潜力，加强财务经营对生产运行的感知能力，提高分析评价的动态性和准确性，对数据关注度、质量、使用频率、完整性等方面进行综合评价，实现对问题数据的追根溯源，加强数据资产清查工作，对于无价值数据进行定期清洗。

　　(1)一站式自定义数据查询工具。实现决策数据自定义获取，缩短数据与使用人员的距离。提供项目的生产动态、市场分布、业务分布、用工信息、设备信息、合同收入、结算收入的一站式查询，以及灵活个性的报表分析，将管理会计功能从单纯的“控制型导向”视野拓宽到“价值创造型导向”的管理模式。

　　(2)两级管理数据报告生成工具。统一设计公司、区域公司两级表格样式及内部管理会计报告格式，配置不同报告模板，实现公司综合经营指标、资产状况、资金状况、收入、成本费用等数据的自动获取与各级报告自动生成。

　　(3)效益数据卡片分析工具。以单人、单资产、单任务管理为主线，加强费用归集、精细价值核算与精准评价能力，为管理部门及时、全面掌控生产情况、提升决策支撑能力和风险防控能力提供技术支持。

　　4.5数据资产创效

　　数据资产创效需要与公司的生产经营实际、数据应用现状和业务特征深度结合，找准方向，提出最有效的应用策略。作为技术先导型企业，B公司各部门、各经营单位都存在跨部门、跨业务、跨单位的数据需求。只有将零散的数据点串联成“数据链”，以数据贯通促进产业协同，才能充分发挥企业“一体化”优势，彰显产业链上的数据价值。因此，现阶段B公司数据资产管理重点是打通数据链，打破“测录定”业务壁垒，发挥一体化优势，增强一体化优势，最大限度地释放数据价值。

　　(1)打造数据资产主线。打造生产、成本、经营、现金、资产5类核心数据主线，以项目数据为中心向外扩展，划小核算单元，实现以单人、单设备、单项目为目标的效益分析评价，通过多维度、深层次、相互交叉的方式，盘活数据资源，为精细化管理和单项目效益核算提供数据基础;同时，从业务逻辑出发，增强数据的叙事性，根据不同的应用专题建立“故事线”，通过统一的组织体系、管理维度、经营单元，多渠道、多视角、多层次、多维度地构建分析应用框架，支撑企业精益管理需要。

　　(2)刻画数据资产应用场景。客观描述一个生产项目从发包、接单、派工、施工、完工、造价、结算到回款的标准业务场景中的每一个环节，实现从任务发起、施工完工、工作量结算、合同结算履约、挂账汇款查询的全流程数据贯通，以及计划→生产→核算环节的工作量与价值量的全过程线上跟踪。

　　(3)全面对接成本管控节点。对接全面预算，对比实际成本、账面成本、结算成本之间的差异，掌握预算进度情况，实现预算预警，精细化费用管控;完成从年初预算、预算调整、费用申请、合同签订、结算、挂账到资金支付的成本全过程跟踪。

　　(4)打通实物资产管理通道。以单机核算为目标，通过人、材、机管理，划小核算单元，实时分析设备、车辆的工作率、维修率，提升固定资产创效能力，优化资源配置，完成从计划、采购、入库、转资、维修、折旧、清查到报废的固定资产全生命周期管控。

　　5 B公司数据资产管理的应用效果

　　B公司在数据资产化管理基础上，加强经营财务建设，贯彻“让数据说话”的经营管理理念，做实财务组织弹性化、财务管理集成化、财务资源供应链化，做强项目财务管理，为支撑项目精益管理提供专业保障和组织保障;持续释放数据价值红利，实现深度业财融合，构建数据应用生态，拓展价值管理边界，引领价值创造和资源优化配置，实现数据生态圈的良性循环和价值共赢。

　　5.1前置数据管理要求，提升数据治理水平

　　B公司将数据管理要求与具体业务流程结合，在系统开发设计流程中嵌入数据模型设计工具，并通过平台工具和管理要求落实到日常工作中，从源头提升数据质量，保障数据标准的有效落地;在规范系统设计开发的同时，强化数据质量管理意识，防范和化解数据应用重大风险，打通“数据孤岛”，促进数据要素流通，有效提高数据治理水平，推动数字经济高质量发展。

　　5.2创新应用智能技术，提高数据应用效率

　　B公司充分应用ETL(抽取、转换、加载)、RPA、人工智能等数字化技术，为财务运营及创新注入新活力;取代传统的人工运作模式，实现相关系统的自动登录和跨系统的数据读写、单据和发票信息识别比对等;系统业务数据自动汇总、校核和推送，能够动态监测数据质量，持续优化预警规则，有效识别数据深层次的特征与规律，将管理办法与分析对标、数据查询思维成功转化为“学习—分析—预测”思维，协助制定更优的管理决策，为财务转型创造客观条件，也为公司进一步提升管理效率、推进业财融合打下坚实基础。

　　5.3构建数据全景视图，强化数据价值提升

　　B公司构建全数据资产全景视图，覆盖全部系统和平台，并支持数据标准、数据质量、数据安全等管理功能，形成以业务需求为目标、以管理制度为保障、以信息化平台为手段的数据应用生态圈;以支持决策、实现效率提升为导向，以业财数据仓库为载体，以流程梳理再造为抓手，以价值创造为衡量标准，在数据一体化、流程一体化、提升决策水平等方面，持续推动财务数字化转型。

　　6结语

　　通过强化数据资产管理，B公司在外部市场应用数据分析决策模块，将分析结果应用于外部市场项目，提升项目管理水平。第一，从项目生产周期看，及时掌握项目进度运行及产生的经济效益情况，便于全盘把握项目的整体运行情况并及时进行调控;第二，从项目运行过程中的同期数据对比看，及时发现创效点和漏失点，调整市场开发策略，加强成本管理，开源节流，提高经济效益;第三，从项目横向对比看，考虑项目规模和经济效益的情况，合理调控决策支持，巩固效益高的项目，盘活效益低的项目。

参考文献

　　［1］曲京山，刘潇嶷，李玉松，等.新质生产力下数据资产核算与管理问题研究［J］.会计之友，2025(8):150-155.

　　［2］冯圆.中国加入DEPA的企业权益维护及会计对策研究［J］．财会通讯，2025(3):17-25.

　　［3］刘立燕，孙月.企业数据资产入表实践研究:以“同花顺”为例［J］.会计之友，2025(1):21-28.

　　［4］柳江，刘培淇.电商企业数据资产估值研究:以焦点科技为例［J］.财会月刊，2024，45(18):105-110.

　　［5］韩秀兰，崔梦韬，李宝瑜.国内数据资产研究现状和研究前沿分析［J］.统计与决策，2024，40(12):18-23.

　　［6］田钊平.企业数据资产管理的制度创新研究:基于新质生产力背景［J］.会计之友，2025(2):2-9.

　　［7］张雪梅，王子仪，王昭，等.企业数据资产配置对新质生产力的影响研究［J］.会计之友，2025(22):99-106.

　　［8］董木欣.企业数据资产管理风险防范路径［J］.财务与会计，2025(8):75-76.