文章核心观点 - AI技术加速演进，企业通过数字化重塑组织架构成为必然，数据资源化是核心要素，企业需把握AI时代的数据资产化机遇以实现管理变革和组织价值重塑[3] 数据资源入表实践难题 - 企业面临数据资源确权难题，特别是外部网络爬取和第三方授权数据的权属问题，需确认数据资源持有、加工使用权和产品经营权[3] - 数据资源初始入表采用成本法，面临成本追溯难题，需清晰计量和追溯人力成本、硬件折旧、软件摊销等投入成本[4] - 数据资源入表的信息披露难题显现，2025年A股上市公司半年报中仅100多家进行数据资源入表，披露信息范围需更多实践探索和政策指引[4] - 2025年国内上市公司半年报中包含数据资源的上市公司共101家，入表数据资产价值规模合计24.75亿元[3] 数据资产价值评估方法 - 评估数据资产价值可采用成本法（关注投入成本追溯与计量）、收益法（估算生命周期、未来效益和现金流）和市场法（参考活跃交易市场的可比资产价值）[5] - 市场法需关注数据交易所等活跃交易平台，若无活跃可比交易则回归成本法和收益法，参数选择和场景结合是关键[5] 数据资产与AI技术应用策略 - 企业需从战略层面高度重视数据资产价值，将其纳入核心资产管理，制定数据战略指导数字化转型[5] - 构建数据驱动的决策体系，打破部门壁垒，建立统一数据平台实现共享整合，利用AI提升数据分析效率和精准度以支持智能决策[6] - 重塑组织架构和人才结构，建立跨部门数据团队，培养数据分析、AI应用和业务理解的复合型人才，构建鼓励创新的数据文化[6] - 关注商业模式创新，通过AI技术提供个性化产品服务或拓展新市场，创造新价值增长点[6] 粤港澳大湾区数据要素发展建议 - 政府部门可制定政策监督数据管理和隐私保护，通过数据脱敏、API接口等方法促进数据流通，支持企业运用多源数据进行AI训练[7] - 对科创型数据要素企业提供资金支持，基于底层数据资产在增信、贷款、保险、信托等方面给予政策支持，提升市场活跃度[7] - 利用数据交易所职能，鼓励企业进行数据产品场内交易，带动整体数据要素市场发展[7]