资产数字化与数据资产化常被混用,实际指向不同。前者是把实物资产、流程、凭证转成数字形态,比如设备上云、单据电子化、产线数字孪生;后者是把数据本身确认为可计量、可交易的资产。前者是手段,后者是结果。两条线的核算口径要提前分开。数字化改造的支出按固定资产、无形资产的规则处理;数据资产化的支出按数据资源的规则处理。混在一起记,最后既算不清改造的回报,也算不清数据的成本。数字化项目立项时就应设数据产出指标。改造完成后要交付哪些数据集、覆盖哪些场景、由谁维护,写进验收条件。没有这条,改造结束数据就散落各处。数字化改造的供应商管理也要考虑数据。设备商、系统商往往掌握数据接口与格式,业主如果不懂,后续取数会受制于人。合同中应约定数据接口开放与格式标准。数字化的投入要分期评估。每完成一期,核对数据产出与效率提升是否符合预期,不达标就调整,而不是硬推下一期。
数字化的价值在可观测、可计算、可优化。设备上云能实时监测运行状态,单据电子化能自动流转,数字孪生能模拟调度。这些能力提升的是运营效率,不直接产生可入表的资产。两者之间隔着一道治理与确权的工序。考核指标也要分开。改造看停机时长、单位能耗、良品率、订单响应速度;资产化看资产数量、产品数量、客户数、对外收入。用改造指标考核资产化,团队会去做设备、做系统,不愿意做数据整理。产出指标要可核查。数据集名称、字段范围、更新频率、责任人,四项明确,验收时逐项核对。含糊表述,验收就变成走过场。数据接口的开放程度影响资产化速度。接口开放、文档齐全,取数与整合就快;接口封闭,每次取数都要找原厂,成本高、周期长。数据资产化可以借力外部。评估、登记、法律意见,这些专业环节外包比自己摸索更快,也更省成本。
最容易出错的是口径。传感器、系统开发、云资源这些支出属于固定资产或费用,不是数据资产成本。数据资产的成本,是围绕数据本身的采集、清洗、标注、治理投入。口径混淆,入表就会出错,审计一抽就露。共用底座不等于共用账本。设备、网络、平台可以共用,数据目录、成本台账、资产台账要分开建。共用底座降低重复投入,分开建账保证核算清晰。数据资产的维护成本要进预算。采集、清洗、存储、更新,每年都有支出。只算建设投入不算维护成本,资产很快会失效。改造验收时应同步交付数据资产清单。设备清单、系统清单之外,再加一份数据清单,写明产生哪些数据、存在哪里、如何取用。把数据产出纳入项目经理的考核。只考核工期与预算,项目经理不会关心数据有没有留下来。
建议把两条线分开设计:一条是数字化改造,目标是提升效率,考核看停机时长、能耗、良品率;一条是数据资产化,目标是形成可交易资产,考核看产品数量、客户数、收入。两条线共用数据底座,但核算与考核分开。企业常见的情况是改造投入很大、资产产出很小。原因往往不是技术不行,而是没人负责把数据整理成产品。设一个数据产品岗,比再上一套系统更能解决问题。改造与资产化的团队可以不同,但目标要一致。改造团队考核交付与效率,资产化团队考核产品与收入,两者在同一张路线图上推进。数据资产的寿命与设备寿命不同。设备可用十年,数据可能三年就过时。两者折旧年限分开设定,账才准确。
资信树在制造业客户项目中会把“效率账”和“资产账”分别建表,前者按产线、设备、工序统计,后者按数据集、产品、场景统计。两张表定期对照,能看出数字化投入里有多少真正转化成了资产。资信树在项目里会问三个问题:改造产生了哪些数据、这些数据谁在用、有没有对外收入。三个问题答不上来,说明资产化还没启动,先别急着做评估。资信树在制造业客户中推行“改造即建目录”的做法:每上线一套系统,同步登记产生的数据集。日积月累,资产目录自然成形。资信树在项目验收环节会增加数据交付项,把数据清单、接口文档、字典说明作为验收材料的一部分。
数字化的投入产出容易算,数据资产化难算。企业应先算清前者,再谨慎投入后者。顺序对了,两件事才能相互支撑;顺序反了,容易花两笔钱只办成一件事。两地账合起来看,才知道数字化的真实回报。只看效率账会高估价值,只看资产账会低估投入。第一本账算效率,第二本账算资产。两本账都算清,数字化投入才算真正落地。设备连上网只是开始,把数据接到账上、接到客户手上,第二本账才算写完。


