数字经济这个词,宏观上谈得很多,落到企业层面往往变成一个疑问:我的投入该记在哪一栏。买软件记 IT 支出,建平台记固定资产,做数据治理记管理费用,三笔钱分散在三个科目里,看不出数字化的全貌。账记不清,投入产出就说不明,预算自然难争。投入口径要覆盖五类。数据采集、治理、平台、算力、人才,五类支出归集到一起,才算完整。只算软件采购,会严重低估投入;只算人力,会漏掉基础设施。口径完整,投入产出比才有意义。投入五类归集:采集、治理、平台、算力、人才。数据产业的规模已经独立成门类,不再是 IT 的附属。数字化投入的审批要按项目立,别混在年度 IT 预算里。投入按项目立账,项目结束做一次产出复盘。
宏观数据能提供参照。《中国数据产业发展报告(2026)》显示,我国数据产业规模已达6.78万亿元,与人工智能高度相关的数据产品与服务占七成以上,全国数据企业超过48万家;十四家央国企开放超六十亿条高价值数据。这些数字说明,数据与智能已经成为一个独立的产业门类,不再是 IT 的附属。人工智能正在改变成本结构。模型训练与推理的算力支出占比上升,词元调用成为新的计费单位。企业在核算时要单列算力成本,并按调用量分摊到具体业务,否则看不清哪条业务线在赚钱。算力成本单列,按词元调用量分摊到业务线。企业新账本三条线:投入、产出、资产,分开记。产出测算要有基线,没有基线就无法证明提升。效率提升要有基线,基线不明的收益不算数。
企业要建自己的“新账本”,至少要有三条线。第一条是投入线:数据采集、治理、平台、算力、人才,五类支出归集到一起,算清每年投了多少。第二条是产出线:数据产品收入、效率提升折算、风险损失减少,三类收益分开记。第三条是资产线:形成的数据资产、登记情况、入表金额。三条线合起来,才是完整的经济账。产出要分三类记。数据产品收入是直接产出,效率提升是间接产出,风险损失减少是隐性产出。三类分开记,汇报时才有层次。混在一起说“数字化带来很大价值”,管理层无法判断该加还是该减。产出分三类记:直接收入、效率提升、风险减少。口径年初定、全年用,前后可比,趋势才看得见。算力与词元成本按月出表,业务线自己认领。算力成本按业务线分摊,谁用谁认。
口径要稳定。同样是“数据相关投入”,今年算平台,明年算研发,前后不可比,汇报时就会自相矛盾。建议在年初定一份口径说明,明确哪些科目纳入、如何分摊、按什么周期统计。口径稳定,趋势才看得见;趋势看得见,决策才有依据。人才投入要单列。数据治理、算法、产品三类岗位,薪酬与培训成本单独统计。人才是数据经济中最贵的投入,也是最能形成壁垒的投入。不单列,就看不见。人才成本单列,这是最贵也最能形成壁垒的投入。算力与词元成本单列,才知道哪条业务线在赚钱。数据资产的账面价值与市场价值要分开看,别混为一谈。人才投入单列一栏,培训与招聘分开记。
政策端的信号也很明确。十一月三日的发布会上,国家数据局提出“十五五”要建设开放共享安全的全国一体化数据市场,培育专业化数据流通服务机构,谋划新一轮“数据要素×”三年行动。对企业而言,这意味着数据不再只是内部管理工具,而是可以对外交易、可以进入报表的生产要素。账本里迟早要单列一栏。政策红利要纳入测算。数据要素相关试点、专项资金、税收优惠,都会影响投入产出。财务在测算时应把可获得的政策支持计入,避免低估回报。政策窗口有时限,错过就没了。政策红利纳入测算,窗口有时限,错过就没了。政策窗口要盯,试点、专项、优惠都影响回报测算。年度汇报用三条线一页纸,比几十页 PPT 有效。政策支持单独记,别混进营业收入。
资信树在咨询中常帮企业做一件事:把散落在各部门的数据投入与产出,按三条线重新归集,形成一份年度数据经济账。这份账不上报表,但能回答管理层最关心的问题——钱花在哪、效果如何、明年该加还是该减。数字经济的账,先从企业自己记清开始。资信树在年度数据经济账中会给出三条线的汇总表:投入、产出、资产。一页纸看清楚,管理层决策就有依据。新账本不需要复杂,清楚就好。三条线一页纸汇总,管理层才看得懂该加该减。账先记清,投入产出才说得明,预算才争得到。账清楚了,投入才敢加,也才敢减。三条线一页纸,管理层看得懂才用得上。

