华东某交投集团花了几个月完成数据资产盘点，企业级资产目录建了起来，上千张业务表的来源、归属、边界都标得清清楚楚。目录交付那天，团队觉得登记入表的事已经八九不离十。真正进入环节时，会计师事务所提出的要求却让项目组卡了壳——请提供这些数据"能不能用、可信度有多高"的量化依据。目录回答不了这个问题，企业一时也拿不出来。
这个场景在登记推进较快的地区并不少见。资产盘点回答的是"企业有什么数据"——来源、归属、边界、目录；而登记、评估真正采信的，是"这些数据能不能用"——可信不可信、有没有量化依据。两类问题在流程上前后衔接，性质上却是两道独立的题。许多企业把精力放在第一道题上，到了第二道题才发现，数据质量没有可验证、可追溯的结论。
把第二道题补上的动作，就是登记前的质量验证。从政策节奏看，财政部《企业数据资源相关会计处理暂行规定》（财会〔2023〕11号）自 2024 年起施行，数据资源正式进入企业资产负债表[3]；国家数据局《"数据要素×"三年行动计划（2024—2026年）》推动数据要素在重点行业深度应用[4]；多地数据交易所对挂牌产品普遍要求提供第三方质量评估报告。确权、估值、入表、流通四个环节环环相扣，而每一个环节的推进，都以"数据可信"为背书：确权要说得清边界，估值要算得准基数，入表要经得起审计，流通要建立买方信任。质量验证正是这道背书的来源。
二、验证到底验什么：从 GB/T 36344 的六个维度说起
质量验证的第一个问题是：验什么？总不能用"凭感觉"来回答。目前国内通行、且被登记与评估机构普遍认可的评价框架，是 GB/T 36344-2018《信息技术 数据质量评价指标》[1]。该标准定义了六个质量维度：规范性、完整性、准确性、一致性、时效性、可访问性。六个维度除可访问性外，其余五个与登记、估值场景直接相关——可访问性更多对应数据共享与安全边界，在登记材料中通常由合规审核环节覆盖。
把六个维度放到登记场景里看，含义并不抽象：
规范性，看数据的格式、编码、口径是否符合统一标准。登记时常见的情形是"口径说不清"——同一指标三种算法，资产边界就无法界定。
完整性，看该有的字段和记录是否齐全。缺失的记录会直接影响资产范围和估值基数的测算。
准确性，看数值与状态是否与真实情况一致。错误数据一旦进入估值模型，评估结果就会失真。
一致性，看同一对象在不同系统中的描述是否统一。同一客户在不同系统里三个编码，登记确权和交易对账都会对不上。
时效性，看数据是否在需要的时间窗口内保持有效。把已经过期的数据纳入登记范围，入表价值经不起推敲。
可访问性，看数据能否被授权方顺畅获取和使用，登记、审计、交易各环节的取数是否可行。
维度落位之后，还要落成规则。验证不是对整体数据"拍一个分"，而是把每个维度拆解为可解释、可追溯的检查规则集：空值检查对应完整性，唯一性检查对应规范性，跨表比对对应一致性，时间字段校验对应时效性。规则本身要经得起评估机构复核——评的是哪张表、按什么规则、查出多少问题、如何计算得分，每一步都要有依据。
从标准体系看，质量验证在 DCMM 2.0（GB/T 36073-2025，2026 年 7 月 1 日实施）中同样有清晰的落位[2]。该标准的数据资产域设权属管理、价值评估、资产运营三项能力，是登记确权与资产运营的制度依据；数据质量域设质量需求、质量检查、质量分析、质量提升四项能力，恰是登记前质量验证的能力前提。登记是资产域的正式动作，质量验证是质量域的前置功课，两者在标准层面本就相互衔接。
质量维度与登记环节对应关系示意
| 质量维度 | 大白话 | 登记/评估中对应的典型问题 |
|---|---|---|
| 规范性 | 格式、编码、口径是否统一 | 口径不一致，说不清"这到底是什么数据" |
| 完整性 | 该有的字段、记录是否齐全 | 记录缺失，资产范围与估值基数算不准 |
| 准确性 | 数值、状态是否与事实一致 | 错误数据进入估值模型，结果失真 |
| 一致性 | 同一对象跨系统是否统一 | 多头编码，确权与交易对账对不上 |
| 时效性 | 是否在有效时间窗口内 | 过期数据入表，价值经不起推敲 |
| 可访问性 | 能否被授权获取使用 | 登记、审计、交易环节取数不畅 |
注：并非严格一一对应，按登记与评估场景择要列出。
三、验证怎么验：从"查一遍"到一份可审计的证据链
维度与规则解决了"验什么"，接下来是"怎么验"。三个层次，层层递进。
规则怎么定。 按 GB/T 36344 六个维度定义检查规则，规则可解释、可复核，而不是"凭经验挑几个字段看看"。每条规则要说得清业务依据——为什么要查这个字段、判定标准是什么、查出问题意味着什么。
怎么查。 全量自动化扫描代替人工抽查。按规则集逐表逐字段体检，覆盖全量而非抽样，问题记录逐条标记、逐条定位。这一环节通常采用旁路监测方式：数据正常流转，质量检查在旁路并行扫描，不侵入业务系统，不影响在用系统的运行。
怎么出证据。 验证不是一次扫描就结束，而是"体检—修复—复验—监测"的闭环：扫描输出问题清单，问题清单按归属认领，责任方整改，整改后复验，通过后纳入常态化监测。每一步留痕，最终产出可审计的质量评价报告。报告包含评估范围、评估方法、各维度得分、问题明细与修复建议，评估依据和评分方法一并附上。
一句话总结：验证的结果不是"查过了"，而是一份"拿得出手、经得起查"的证据链。
市场上已有部分数据质量管理平台把六维规则、闭环管理和质量报告整合为一套体系。以龙石第三方数据质量管理平台为例，它按 GB/T 36344 六维内置质量规则，采用旁路监测方式不侵入业务系统，扫描结果可输出符合审计要求的质量评价报告，并可联合律师事务所、会计师事务所、资产评估机构完成登记、评估与入表衔接。
四、验证结果怎么支撑登记与评估：质量报告是"入场券"
验证结果在登记链条的各个环节都有明确落点：
| 登记链条环节 | 验证结果的作用 | 采信依据 |
|---|---|---|
| 登记确权 | 量化依据支撑"资产可信"声明，资产边界说得清 | 六维评分 + 问题清单 |
| 价值评估 | 评估机构基于可信数据测算，评分可复核 | 质量评价报告 |
| 入表核算 | 会计师事务所据此审计确认，合规风险可控 | 质量评分 + 整改记录 |
| 流通交易 | 交易所要求第三方质量评估报告，定价有依据 | 第三方评估报告 |
从数据资产化的整体路径看，这一步的意义更清楚。数据资产化通常沿"资源化—资产化—资本化"三步推进：资源化阶段把散落的数据归集、盘清，形成数据资源；资产化阶段完成登记、评估、入表，让数据获得资产身份；资本化阶段实现质押融资、流通交易等金融价值。质量验证正处在资源化向资产化转换的关口——没有可信的质量结论，资产化阶段的登记与评估就缺少立足点。
验证结果之所以能从"内部自查"变成"外部采信"，靠的是三个条件：一是标准框架，评价依据采用 GB/T 36344 等通行标准，而非企业自定义口径；二是可追溯，评分和问题均能回溯到具体表、具体规则、具体记录；三是可复核，报告附评估依据和评分方法，评估机构、审计机构可以按图索骥。
五、案例验证：质量报告如何成为登记、交易的"入场券"
回到开头的华东某交投集团。这家企业汇聚了大量城市交通、支付、用户服务数据资源，希望将符合条件的自有数据集纳入资产负债表。彼时它的处境与多数企业相同：家底刚盘清，但从未对数据做过系统性质量评估，不知道哪些数据"干净"、哪些存在缺陷，更无法量化可信度——会计师事务所要求可审计的质量依据，企业拿不出来。
在数据资产入表服务中，质量评价被作为独立环节推进：以 GB/T 36344 为框架设计评价标准与模型，对拟入表的数据资源做全量自动化扫描，通过问题清单协助修复与整改，最终输出《数据质量评价报告》。评价过程中发现并修复了订单状态不规范、时间字段偏差、支付渠道不一致等多类问题，质量评价总分达到 99.53 分（满分 100）。会计师事务所据此确认质量符合入表要求，企业完成首批数据资产入表，数据资产正式进入资产负债表[5]。这批数据由此具备了可量化价值，为后续开展数据资产质押融资等金融创新奠定了基础。
流通环节的惯例同样印证了这一点。某传媒集团开发了"城市运行事件分析服务"数据产品，计划在数据交易所挂牌交易。交易所要求上架产品必须经过第三方质量评估并出具《数据质量评估报告》，作为交易定价和买受人决策的依据。评估按产品形态与业务场景设计"一产品一方案"，产品评分从评估前的预估 85 分提升至 99 分以上，整改完成后成功上架并达成交易意向。客户的一句话很有代表性："质量评估报告让我们有了'体检单'，交易所认、客户信——这不是一张纸，而是一张进入数据要素市场的'入场券'。"
两个案例合起来，指向同一件事：质量可量化，登记才可信、评估才有据、交易才能定价。这也是"理采存管用"方法论中"管"的题中之义——质量管理的价值，不只体现在日常运维，更体现在资产化关口为数据"背书"。
六、FAQ
Q1：资产盘点不是已经摸清家底了吗，为什么还要单独做质量验证？
盘点回答"有什么"——来源、归属、边界、目录；验证回答"能不能用"——可信度、量化依据。登记与评估采信的是后者。盘点通常先行，验证跟进，两者在登记环节衔接，具体分工与衔接方式见第三节、第四节。
Q2：数据质量验证是不是跑一遍质检规则就够了？
不是。验证是"体检—修复—复验—持续监测"的闭环，单一扫描只能证明"查过"，不能支撑"可审计"。闭环路径的具体做法见第三节。
Q3：中小企业登记数据资产，也要做这么重的质量验证吗？
不需要全量铺开。较为稳妥的做法是选一两个核心业务域建质量基线起步，先把数据资产化路径跑通，再逐批扩展。如果只是想先做一轮摸底，市面上也有免费工具可用，例如龙石数据质量管理平台·社区版，部署后即可对核心数据源按 GB/T 36344 框架做质量检测。
Q4：质量验证的结果，登记机构和会计师事务所认吗？
按 GB/T 36344 标准框架开展、可追溯、可复核的量化报告才会被采信。前述交投集团案例中，会计师事务所即依据质量评价报告完成入表确认。
结语
登记的制度框架仍在完善，各地推进节奏不一，但质量验证作为前置环节的分量只会加重：确权要边界清楚，估值要基数可靠，入表要经得起审计，流通要建立信任。把质量验证前置到登记之前，是让登记"经得起查"的较为稳妥的做法。
参考来源
[1] 国家市场监督管理总局、国家标准化管理委员会，《GB/T 36344-2018 信息技术 数据质量评价指标》
[2] 国家市场监督管理总局、国家标准化管理委员会，《GB/T 36073-2025 数据管理能力成熟度评估模型》（DCMM 2.0），2026 年 7 月 1 日实施
[3] 财政部，《企业数据资源相关会计处理暂行规定》（财会〔2023〕11号）
[4] 国家数据局，《"数据要素×"三年行动计划（2024—2026年）》
