数据说｜数据入表与纳统：要大处着眼、小处着手
01
大处着眼：观大势、抓主要矛盾、干大事
1.观大势
当今，数字化是全球趋势，也是中国实践。未来全球数据要素配置话语权的国际竞争将空前激烈，谁掌握数据谁将赢得发展主动权，谁利用好数据谁将赢得未来数字竞争新优势。
数据已成为党的重要执政资源、国家的战略性资产和新型生产要素，推进数据要素化，要把握数据要素“六大特性”，树立数据治理“六大思维”，处理好数据要素化“十大关系”。
要用结构性改革破解供给侧结构性矛盾，提高各界驾驭数据的能力，调整数据生产关系，促进全要素协同共生、数实融合，实现全面高质量发展。
要树立正确的数据价值观，努力构建面向中国式现代化的数据发展价值主张，以数据价值观引领中国式数据发展，牢牢掌握国家未来数字竞争主动权。
2.抓主要矛盾
当前，机遇与挑战并存，受制于法规、制度、安全、能力、市场、技术等方面发展的不平衡不充分，数据要素化过程存在许多不确定性。
数据要素法规制度不健全、数据要素供给侧结构性矛盾突出、数据合规治理能力待提升等挑战，同时面临“三大困境”，即理论困境、能力困境、话语困境，制约着数据要素更好发挥作用。
各地数据发展不平衡不充分尚处于初级阶段，整体发展水平不高，呈现“东中西”梯度发展格局。
3.干大事
何为大事？就是要让人民群众有更可持续的数据财富获得感，调动人民群众的积极主动性和广泛参与度，这才是改革的终极目的和大事。
推动数据资源纳入财务报表（数据入表）、数据要素纳入GDP统计核算（数据纳统），是要做大“数据财富蛋糕”，分好“数据财富蛋糕”，释放数据要素化的改革红利。
“数据纳统”是建立在“数据入表”基础上，而“数据入表”又会促进“数据纳统”。应建立与数据要素统计核算相适应的数据资源入表的会计准则和税法，有效规范企业对数据要素的成本核算和后续管理，有利于推进数据要素市场建设，有利于反映数字经济发展成果，有利于反映国家或地区一段时期内的经济运行态势。
02
小处着手：界定数据要素的经济价值、厘清纳统与入表的实质、完善会计准则与税法规范
1.数据要素的经济价值。国民经济核算体系下，它是生产者为其支付的实际价格，等于其所有者或实际控制者在初次分配获得的价值。它不是反映数据要素“创造的价值”，而是对与数据要素的采集、处理、管理等相关经济活动的流量和存量变化的客观记录。
2.纳统与入表的实质。是通过对数据要素支出的资本化处理，使得在国民经济统计核算实践中充分体现“数据要素的经济价值”。
现行CSNA体系下，数据要素的经济价值未得到充分体现。
从生产法GDP看，一部分“数据要素的经济价值”已通过“研究与开发”支出资本化处理，另一部分则被视为中间品或中间消耗，做“费用化”处理，不被计入GDP增加值。
从收入法GDP看，一部分“数据要素的经济价值”被分摊进：从事数据开发利用活动的劳动者报酬、支撑数据采集处理存储运维等机器设备的固定资产折旧、以及管理者和其它资产有效运用数据而获得的企业盈余等项目中。
从支出法GDP看，“数据要素的经济价值”应计入存货增加和固定资本形成总额，成为全社会总投资的一部分。
3.完善会计准则与税法规范。按数据要素参与生产活动情况，对企业在整个数据要素（包括自产型、外购型）价值形成全过程中各项支出（包括资产性支出、劳动成本支出、中间投入支出、外购支出），进行资本化的处理，以计算数据要素的经济价值，并计入GDP增加值。
规范企业对数据要素的成本核算，完善数据要素支出的确认、计量、记录与报告方法，以保持统计口径的一致性和科目的规范性，更好测算数据要素对GDP贡献程度，反映数据资产规模结构的变化状况。
税法规范应集中在企业对数据要素支出的归集、摊销及抵减应税收入。
03
做到“眼疾手快”
1.武装头脑。树立互惠利他、数实共生、开放共享、韧性发展、共同富裕的数据价值观，培育数据意识、数据思维，提高数字素养。
2.强身健体。健全数据治理与安全体系、资产估值与管理体系、数据合规管理体系，提高市场化配置、价值化应用、数据创新与合作水平。
3.苦练内功。打造首席数据官、数据合规师及专业技术团队，强化数据治理能力、数据资产运营能力、数字化发展能力，培养数据驱动的文化氛围。
4.营造良好的政策环境。定价难问题的根源在于没有理顺数据定价背后的数据权属及其利益相关者收益分配关系，也就难以科学计量数据化劳动，进而难以量化数据价值，最终导致数据难以定价。
因此，“构建数据产权制度”、“寻找衡量数据价值的一般等价物”，才是破解数据领域“芯片级难题”的关键所在，还要推进数据要素全国统一大市场体系建设，促进数据安全高效有序流通，完善由市场评价贡献，按贡献决定报酬的机制。
5.构建数据共同体。打造政府、企业和个人多方参与的“数据共同体”，做到价值共创、责任共担、利益均衡，稳步推进数据纳统入表，走出一条中国式数据治理和市场化利用之路。
（傅建平为清华大学计算社会科学与国家治理实验室研究员）
