近日,财政部发布关于开展公共数据资源治理成本归集试点工作的通知。这一文件看似只是财政系统内部的会计技术工作安排,实则是公共数据要素市场化配置改革中极具标志性的一步。从2023年《企业数据资源相关会计处理暂行规定》解决企业端数据资产"能不能入表"的问题,到今日财政部直面公共数据资源的成本归集难题,一条清晰的制度逻辑正在展开:公共数据资产化,正从概念倡导阶段正式进入会计实操阶段。

一、政策核心:试点要回答的"三个根本问题"

任何资产化的前提,都是"成本可计量、归集有依据"。公共数据资源因其形成路径的特殊性——财政资金投入、跨部门协同生产、政务基础设施共享——使得成本归集远比企业数据复杂。本次试点,本质上是要在制度层面回答三个问题。

第一,归什么?——公共数据成本范围的界定难题。

公共数据资源的成本边界远比企业数据模糊。企业数据成本调查通常围绕三个维度展开:数据获取成本(采购、爬取、外购)、数据处理成本(清洗、标注、脱敏的人力与技术投入)、设备与系统资源成本(计算、存储、网络资源的消耗与分摊)。这一框架在企业端已逐步成熟,但移植到公共数据场景时,面临三重挑战:一是历史信息化项目形成的沉没成本如何剥离与追溯;二是财政年度预算中,哪些支出属于"数据资源成本"而非"一般行政运行支出";三是大数据中心汇聚多委办局数据时,跨部门协同治理的成本如何确认与归属。这些问题不解决,公共数据的"成本底数"永远是一笔糊涂账。

第二,怎么归?——成本分摊的方法论挑战。

即使成本范围得以界定,分摊规则仍是硬核难题。政务云模式下,同一套存储与计算基础设施支撑数十个委办局、上百个业务系统,资源消耗与最终数据产品之间的因果关系如何建立?跨层级(国家、省、市、区)数据汇聚时,每一层级的治理投入如何分摊到具体数据集?这背后需要的不仅是财务核算能力,更是数据血缘解析能力——必须能够追溯"哪台服务器、哪段工时、哪笔预算"最终归集到了"哪一个具体的数据集"。这正是成本归集从手工台账走向平台化、智能化的关键跃迁。

第三,为谁归?——成本数据的三大应用场景。

成本归集不是目的,而是手段。归集后的成本数据至少服务于三大场景:其一,为公共数据授权运营提供价格下限与成本补偿基线;其二,为财政部门提供预算绩效评价与财政补贴核算的量化依据;其三,为后续公共数据资产入账(政府会计准则层面)奠定计量基础。三者环环相扣,共同指向一个结论:没有清晰的成本归集,就没有可信的公共数据资产化。

二、关键赋能:成本归集如何重塑公共数据授权运营定价逻辑

公共数据授权运营的核心瓶颈之一,在于定价缺乏可信的成本基线。当前各地在探索公共数据授权运营时,定价模式多为协议定价或经验估算,运营主体既担心"定价过低导致国有资产流失",又担心"定价过高抑制市场需求"。这种两难困境的根源,恰恰是成本底数不清。

本次成本归集试点,将从三个层面为公共数据定价提供制度性赋能。

第一,确立成本补偿的"价格底线"。

公共数据具有公共属性,其定价通常需兼顾普惠性与可持续性。但无论采用何种定价策略,长期低于成本补偿线的运营都是不可持续的。成本归集试点首次要求系统梳理公共数据从采集、治理、存储、加工到运营的全生命周期成本,形成经审计的成本基线。这一基线将成为授权运营的保本点,为政府制定指导价、补贴标准或最低限价提供量化依据,从根本上防范"赔本运营"风险。

第二,支撑成本定价法从理论走向实践。

成本定价法(Cost-Plus Pricing)是公共数据定价的基础方法之一,即在完全成本基础上加计合理收益形成价格。该方法在企业端已有成熟应用,但在公共数据领域长期缺位,原因正是成本无法归集。试点完成后,公共数据授权运营将首次具备应用成本定价法的条件:归集后的直接成本与间接成本,加上合理利润率,即可形成面向市场的标准化报价。这对于气象、交通、市场监管等基础性强、普惠性高的公共数据产品尤为重要。

第三,为多元化定价机制提供"锚点"。

公共数据授权运营并非只能采用成本定价。对于高价值、强竞争性的数据产品,可采用拍卖定价、协议定价或收益分享定价。但无论哪种机制,都需要一个可信的成本锚点作为参照系。成本归集提供的经审计成本数据,使得运营主体在协议谈判中有据可依,在拍卖设置保留价时有底可守,在收益分享比例设计时能清晰区分"成本回收"与"超额利润"的边界。可以说,成本归集不是定价本身,而是所有定价机制的基础设施。

更进一步,成本归集还将反向推动公共数据产品的分级分类定价。当不同数据集的成本结构被清晰拆解后,政府可以更科学地设计差异化价格策略:高成本、高稀缺性的数据适用市场化竞价;基础性、普惠性的数据适用成本补偿甚至政府补贴。这种精细化定价,正是公共数据要素市场化配置从粗放走向成熟的标志。

三、产业影响:公共数据要素市场的"三重新局"

此次试点的产业影响,可从三个维度预判。

第一重:公共数据从"资源清单"到"资产账本"的质变。 长期以来,各地公共数据家底停留在"目录清单"层面,知道有什么数据,但不知道形成这些数据花了多少钱。成本归集试点的推进,将首次建立公共数据的"资产账本",为后续折旧摊销、减值测试、收益核算提供会计依据。

第二重:成本归集服务成为数据要素市场的"新基建"。 与企业数据资产入表催生了一整套咨询服务与工具平台类似,公共数据成本归集将催生政府端的数据资产化服务新赛道。更重要的是,政企两端的方法论正在并轨:无论是企业数据入表还是公共数据成本归集,底层都依赖同一套技术能力——数据血缘解析、成本动因识别、多维度分摊算法、非结构化材料智能解析。

第三重:公共数据授权运营定价从"经验拍脑袋"走向"成本可审计"。 成本定价原则长期以来因缺乏归集标准而难以落地。试点完成后,公共数据授权运营将拥有经审计的成本基线,为后续的协议定价、收益分享定价甚至拍卖定价提供"底线锚点",从根本上提升定价机制的科学性与公信力。

四、业务响应:以平台能力承接政策刚需

政策风向已明,工具化响应是关键。云谷数科（黑龙江）有限公司在企业端数据资产入表领域沉淀的成本调查模块,其技术底座与公共数据成本归集具有高度同构性。

底层引擎复用,上层模板适配。 无论是企业数据还是公共数据,成本归集的核心技术逻辑完全一致:建立资源消耗与数据对象之间的血缘关联,设计合理的成本分摊算法,将分散在各部门的非结构化材料(预算文件、采购合同、运维清单、工时记录)转化为标准化的成本数据。因此,血缘解析引擎、成本统计引擎、智能解析引擎可完全复用;需要差异化的是问卷模板与物料指引——企业版面向财务、IT、采购部门,公共数据版则需适配财政预算科目、政务云资源目录、跨委办局协同流程。

全链路试点支撑能力。 基于现有平台能力,云谷数科可面向试点区域政府客户,提供从问卷设计、物料指引与寻源导航、多源材料智能解析、成本分摊核算到标准化报告输出的闭环服务,直接响应财政部试点对"成本可计量、可归集、可审计"的制度要求。

生态协同推进。 结合当前在重点区域的业务布局,可将公共数据治理、成本归集试点与数据资源入表公共服务平台部署协同推进,以"成本归集为起点、资产入表为终点、授权运营为价值出口",形成区域公共数据要素市场化的全链路服务闭环。

五、结语:成本归集是价值释放的前提

公共数据要素的价值释放,不能建立在沙土之上。没有清晰的成本底数,就没有可信的资产定价;没有可信的资产定价,就没有可持续的授权运营与收益分配。财政部此次成本归集试点,看似是会计制度的"技术补丁",实则是公共数据要素市场化配置的"地基工程"。

对于产业界而言,这既是一次政策机遇,更是一份能力考卷:谁能在政府端提供可信、高效、可审计的成本归集工具与方法论,谁就能在公共数据资产化的下一个阶段占据先机。云谷数科愿以平台化能力,与政产学研各方协同,共同降低公共数据资产化的制度落地成本,让数据价值从"玄学"真正变成"科学"。