数据资产全过程管理模式探索——以采购与供应链管理平台为例

2024年12月，财政部发布《数据资产全过程管理试点方案》（财资〔2024〕167号），计划进一步在2025—2026年从数据资产台账编制、登记、授权运营、收益分配、交易流通等方面积极探索，以完善数据资产管理制度标准体系和运行机制，规范数据资产管理流程，为各地方、各央企数据资产全过程管理的系统性研究拉开了序幕。采购是供应链管理的重要组成环节，笔者以采购与供应链管理平台为例，探讨数据资产全过程管理的路径规划与实践操作。

采购供应链涵盖供应商寻源、采购管理与协同、采购流程与评价等全生命周期。随着数字化技术的发展与应用，其逐步向研发、生产、物流、服务各个环节延伸。在此过程中，通常会积累大量可供开发利用的数据资源。而开发利用这些数据资源，必然需要借助大数据技术与AI（Artificial Intelligence，人工智能）技术，以实现决策科学化、场景丰富化、数据资产化。以中国某集团有限公司（以下简称集团）为例，集团于2018年组建了供应链管理主体。通过整合核工业供应链商流、物流、资金流、信息流数据资源，已经建成服务于集团内外的一体化数字供应链平台。该平台支持集团采购计划、采购寻源、合同履约等供应链业务的横向协同，以及全级次单位业务网络安全的纵向管控。同时，集团还开发并运营相关供应链数据产品，探索供应链数据资产价值的显性化。

目前，类似的采购供应链数据治理开发形成数据产品的过程，可以参考财政部于2023年出台的《企业数据资源相关会计处理暂行规定》（财会〔2023〕11号，以下简称11号文），在财务报表上以数据资产的形式列示与披露，这也是2024年市场极为关注的“数据资产入表”。从集团层面来看，结合数据资产全过程管理与数据资产入表的政策思路，建设采购与供应链管理中心（以下简称采管中心）的实践操作既面临新的挑战，又迎来新的机遇。

一般而言，在集团层面全面推进采购与供应链管理支撑工作，不仅要为集团采购管理提供专业研究支持，还需做好采购管理与相关技术的研发保障。其最终目的在于提高采购数据应用价值，打造合规透明且集约高效的供应链，提高产业链供应链韧性和安全水平。但是，AI技术与大模型的发展给平台开发与管理带来诸多挑战，使数据治理技术与数据访问模式发生了重大变革。如何将新的挑战与机遇融合，探索采购与供应链平台建设的新思路，是笔者探讨的重点。笔者将从采购与供应链管理平台数据资源化、数据资产全过程管理的路径规划展开，结合对相关政策文件的深度解读，期望采购与供应链管理相关的集团与平台企业提供参考。

采购与供应链数据资源化的实践难点

采购与供应链一般是指围绕核心企业，通过对物流、资金流、信息流等的采集和记录，实现从原材料采购到形成产品，最终通过销售网络将产品送到终端消费者手中的功能网链。在数字经济时代，供应链管理平台是通过对信息化平台、技术和数据等的有机整合，实现对市场主体原材料供应商、制造、分销和销售等中间环节的有序管理，进而提升市场主体的综合竞争力。

采管中心数据资源化的实践难点

以采购与供应链管理平台的数据资源管控中心为例，数据资源化基本可以分为数据资源来源管理、数据资源主题管理、数据资源应用管理等维度。

在数据资源来源管理方面，集团会有多个业务系统，采购与供应链共性业务系统数据源是核心，个性业务领域还有其他系统，如工程ERP（Enterprise Resource Planning，企业资源计划）、核电ERP等，以及国务院国有资产监督管理委员会（以下简称国务院国资委）询价寻源、企业工商数据验证等外部系统。多元数据来源的系统整合，必然面临破解数据孤岛难题的挑战。随着AI与大模型技术的应用，“数据孤岛”现象的解题思路发生了方向性的转变，采管中心还要同时面对技术更迭的挑战。

在数据资源主题管理方面，集团在采购与供应链平台管理层面的基础数据层至少包含计划主题，如采购方案和需求计划等；寻求主题，如招标项目和评标专家库管理等。同时，还包括执行主题、仓储主题、物流主题、供应商主题和物料主题等，多个具有逻辑关系的主题数据库需要进行融合汇聚和数据治理，在此过程中，市场主体必然面临数据标准化建设的重大挑战。数据标准化贯穿数据来源、分析与应用的全过程，属于数据底座管理规范的重要组成部分。

在数据资源应用管理方面，企业汇聚各个来源、主题的业务数据最终都指向数据价值。笔者认为，数据价值的内涵分为3个层次：第一层次是数据支持管理决策的内部价值，第二层次是数据交易与流通产生的经济效益，第三层次是数据赋能产业链发展与实体经济产生的社会效益。对于采购与供应链管理平台，这3种价值呈现多层次、综合性、规模经济的特性，它们的区别主要体现在统计维度而非底层数据源。因此，在应用层面更多面临的挑战是数据标准化与融合共享之后的应用场景开发。

数据权属、安全与技术的难点

数据资源普遍面临数据权属和数据安全方面的挑战。在数据权属上，采购与供应链管理平台涉及诸多企业合作方的数据。例如，合作方在进入供应商库时提交的财务和业务数据，以及合作方在具体项目招投标过程中提交的投标文件数据等。这些是基于社会契约关系、特定应用场景形成的宝贵数据资源，供应链管理平台的所有者应基于相关合作协议与采购管理办法做好数据安全保障工作。值得一提的是，AI技术、机器学习等将改变数据治理范式，优化数据访问逻辑，提升隐私保护程度和数据安全水平等。

随着AI时代的加速到来，采管数据资源治理不仅是技术问题，更是驱动企业创新和经济增长的核心动力，产业链供应链韧性甚至已经上升为国家层面的重大议题。国务院国资委推动成立中国数联物流信息科技有限公司，目标就是整合物流与信息流、资金流等，构建国家级物流大数据平台，降低全社会的物流成本。

数据资源到数据资产的路径规划

根据数据要素价值链理论，追溯企业数据资源创造价值的过程，数据资源演变为数据资产的一般路径是：在数据资源化阶段体现使用价值，历经数据产品化过程具备交换价值，最终达成数据资产化形成经济价值。

数据与数据资产的概念

2024年被产业界称为数据资产入表“元年”，也是由于数据资源化过程中的必要投入在11号文的指引下可以实现资产化操作。大量上市公司与非上市公司积极探索数据资产化路径，国家数据局联合14个部门组织举办“数据要素×”大赛，为市场开发了大量数据融合、共享利用的应用场景。在钢铁、智能制造、建筑、纺织等产业中，均出现了都有供应链管理平台赋能主业的典型范例，如工业品价格大数据提升了供应链协同管理效能，这也为数据资产化路径的通用化筑牢了坚实基础。

需要注意的是，市场主体在数据资产入表实践操作过程中往往容易混淆数据、数据资源、数据资产3个概念。部分市场主体错误地认为企业业务积累的“数据资源可以先评估后入表”，甚至认为“凡数据皆资源，凡数据皆能入表”。实际上，数据不等于数据资源，数据资源也不等于数据资产，这一点需要在路径规划中率先明确。数据是指对客观事物进行记录并可以鉴别的信息符号，是用于表示客观事物的未经加工的原始素材。数据资源是指以各种形式存在的、具有潜在价值、可供社会化再利用的数据集合。具体而言，经过收集、存储、运维后形成的电子化、规模化、能够为组织产生一定价值的数据才能被视作数据资源。区别数据与数据资源的主要依据在于数据是否具有使用价值。

数据资产的概念虽然并未完全统一，但基本是以会计学视角上的资产确认条件为核心，指特定主体合法拥有或者控制的、可进行货币计量且能够带来直接或者间接经济利益的数据资源。数据资源属于原始数据和信息的集合，数据资产则是从这些数据资源中提炼出的、具有明确应用场景和经济价值的部分。因此，不是所有的数据资源都能转化为数据资产，只有那些经过处理、分析并能带来经济利益的数据资源才能被称为数据资产。

数据资产全过程管理的思路

从数据资产全过程管理的角度出发，数据工作的指导思想是目标和结果导向。这意味着在数据的源头，就需要将统计思维贯穿数据治理全过程，以资产思维做好成本管理，以价值思维设计应用场景；在数据产品与数据资产的维度，以螺旋式优化的方式持续调整数据采集与治理的过程，确保数据全过程管理契合数据要素特性。

具体到实践中，采管中心应以应用场景为核心，梳理数据资源与数据产品的管理规则，并在实践中不断优化这一规则；同时强调数据资源的场景依赖性，建立全过程成本归集与资产管理规范。在内部管理的基础上，采管中心应积极响应国家政策，探索基于内部数据授权运营的交易流通与收益分配相关机制，研究形成集团数据域管理办法。

聚焦数据产品设计与应用场景层面，数据资产在供应链管理中的价值可以从以下方面剖析。在驱动决策优化方面，采管中心通过实时监控供应链各节点数据，如库存周转率、物流时效、供应商绩效，集团能够动态调整生产计划、优化库存策略，降低运营成本。在提升协同效率方面，采管数据共享打破信息孤岛，促进供应商、制造商、分销商之间的协同合作，如通过预测分析实现供需精准匹配，减少资源浪费。在强化风险管理方面，数据资产支持对供应链中断、价格波动、质量缺陷等风险的量化评估与预警，如通过AI模型预测供应商交付延迟概率，提前制定应急方案。

总而言之，数据资产开发的一般路径应是以场景牵引，以技术赋能，坚持数据体系化、规范化、价值化的数据治理原则。

数据资产全过程管理的实践探索

数据资产全过程管理试点旨在探索数据资产台账编制、资产登记、授权运营、收益分配、交易流通等重点环节的规范管理（见图1）。显然数据资产全过程管理中，内部管理行为、政策约束下的市场行为与纯粹的市场行为相互交织，给采购数据全过程管理造成困难。

数据资产全过程管理：企业行为

从采购与供应链平台数据资产全过程管理角度出发，推动数据资产的开发利用，赋能主业发展首先聚焦内部管理行为。市场主体沿着数据资产开发的路径，可以把台账编制的行为拆解为：数据资源管理、数据合规确权、数据产品设计、数据资产台账4个步骤。在数据资源管理环节，建议市场主体将采集标准管理、制度建设和流程架构有机整合起来，定期生成数据质量跟踪评价报告，盘点相关问题。在数据资源目录清晰的条件下，建议在管理制度中明确数据权属相关的管理办法，并形成风险防范预案，在内部统一数据合规与确权的管理理念，针对每一个数据产品都制定数据合规确权的方案。

台账编制是市场主体的内部行为。对于采购与供应链管理平台而言，建立基于无形资产管理制度的数据资产管理制度，通常是台账编制的第一步。虽然数据资产成本归集存在一定的难度，但并非无法解决。目前，可通过技术手段实现成本有效归集，在AI技术应用层面也有可能实现可用才可计量。在台账的基础上，市场主体可以实现数据资源规范入表，并进一步形成内部的数据资产管理办法。

数据资产全过程管理：市场行为

登记行为是带有一定政府行政指令规范的非市场行为，对于采购和供应链平台数据确权与合规运营会起到一定的保护作用。2024年11月，上海市知识产权局、上海市数据局联合印发的《上海市数据产品知识产权登记存证暂行办法》（沪知局规〔2024〕1号），可以作为采购与供应链平台登记的一种选择。2025年，国家数据局也推出了公共数据资源登记平台，数据产权制度体系建设正在加速推进。

授权运营站在地方政府层面主要解决的是公共数据的管理模式问题。在集团层面，针对采购与供应链平台数据，首先要明确采管中心的职能边界，同时以采管中心职能为基础，完善集团采购相关的数据管理制度，如此便从市场行为回归到企业行为的管理范畴。

交易流通与收益分配是数据资产价值的过程与结果。集团内部采购业务本身全过程管理会涉及内部降本与外部增效两种价值体现方式，各个业务条线的数据融合、交换、共享也是流通的方式之一。因此，通过数据中台形成集团内部采管相关的数据枢纽管理制度，高效、科学、合理调动各方参与主体的积极性，这才是采管中心研究探索数据资产全过程管理的目的所在。

数据资产全过程管理的原则

一般而言，采管中心以服务集团、创造价值为导向，以完成集团采购与供应链战略需求为目标，部分采管中心还需建立自负盈亏、收支内循环的经营体系。结合不同集团业务特点，综合采管中心数据资产全过程管理的一般性，建议采管体系建设应该遵循以下原则：

全面服务主营业务原则

目前，采管中心在供应链管理、集采管理、数据管理与业务监督等分设部门，部门之间既有业务逻辑的关联，又存在一定的职能区分，本身属于协同支撑集团供应链管理的战略方向。无论是内部的采购计划、组织架构设置、人力资源分配，还是外部的供应商管理、市场拓展、合作关系建立，都应当以支持和强化主营业务为核心目标。主营业务作为企业立足市场的根本，是企业价值创造的主要源泉。

数据表达逻辑适配原则

在信息化时代，软件与平台开发脱离需求较为常见。采管中心各个部门数据的准确性、完整性、一致性以及与业务流程的匹配度有待评价。数据资产全过程管理意味着采管中心在不同子领域数据表达业务逻辑方面要全面升级优化。通过促进业务团队、数据团队与平台管理团队之间的交流与协作，采管中心能够清晰地向数据团队阐述业务需求、流程以及战略目标，使数据团队能更好地理解业务背景，从而在数据采集、整理和分析过程中制定更适配的逻辑。

体制化规范化管理原则

数据资产全过程管理的体制化规范化管理原则，旨在为采管中心的数据资产管理工作搭建起稳固且有序的架构，确保数据在整个生命周期内的各个环节都能得到妥善、一致且高效的处理。在体制化层面，强调建立专门的数据管理组织架构与制度体系。采管中心目前已设立了明确的数据管理部门，赋予其清晰的职责与权限。规范化则侧重于数据管理流程与操作的标准化。在数据采集阶段，数据团队需制定详细且统一的数据采集规范，包括采集的渠道、频率、格式以及质量要求等。数据处理和分析过程同样需要规范化，制定标准的数据分析方法、算法应用规则以及数据报告模板。通过体制化规范化管理原则，企业能够建立起严谨的数据资产管理体系，减少人为因素导致的数据管理差异与错误，提高数据管理效率，增强数据的可信度与可用性，进而充分挖掘数据资产的价值，为企业的战略决策、业务创新等提供坚实支撑。

应用化价值化导向原则

应用化价值化导向原则强调，采管中心对于数据资产从产生、采集、存储、处理到分析和应用的整个生命周期管理，都应以能够切实应用于业务场景并创造实际价值为核心导向。数据的分析和应用阶段是这一原则的集中体现。企业利用数据分析工具和技术，对采购或者供应商进行管理，本质上是通过集约高效的方式降低成本、提高效率。生产制造业企业通过分析生产过程中的设备运行数据、产品质量数据等，发现某类设备在特定工况下容易出现产品质量问题，基于分析结果，企业可以调整生产流程、优化设备参数或者提前进行设备维护，从而提高产品质量，降低生产成本，实现数据资产的价值转化。​

以上原则应贯穿数据资产全过程管理，将数据与企业的采购管理业务紧密相连，使数据不再仅仅是一堆数字，而是成为推动企业采购业务整合、提升竞争力的有力资产。通过遵循这一系列的原则，企业能够充分发挥采购与供应链管理数据资产的潜力，在数字化时代的激烈竞争中占据优势地位。

（作者单位：方世杰，中核工程咨询有限公司；赵丽芳，中国经济信息社，赵丽芳系本文通信作者）