數據資產入表：現狀、挑戰與對策

【摘要】本文以2024年第一季度數據資產入表的25家A股上市公司為樣本， 研究數據資產入表的現狀、 挑戰與對策。研究發現： 首批入表企業多以無形資產或開發支出入表， 且入表規模有限； 同時， 首批入表企業具有行業分散、 民營企業居多、 地域集中、 市值不高的特點。進一步梳理現有法律規定， 從法律問題和會計問題兩個角度明確目前數據入表在數據權屬、 數據安全、 數據合規及資產確認問題上存在的巨大挑戰， 并從合規管理、 價值評估、 合規審計三方面提出應對之策。

【關鍵詞】數據；數據資產入表；數據資源；數智化轉型

【中圖分類號】F230" " " 【文獻標識碼】A" " " 【文章編號】1004-0994（2024）16-0055-6

一、 引言

數據是數字經濟的關鍵要素。據2024年一季報， 已經有25家A股上市公司進行了數據資產入表的操作， 后來陸續有7家更正取消。自2019年中共中央、 國務院提出將數據并列作為第五大項生產要素以來①， 數據要素、 數據資源、 數據應用等相關話題研究備受關注（張俊瑞和危雁麟，2021）。數據資源能否作為資產確認？該如何確權？如何計量？如何“入表”？2023年8月21日， 財政部發布《企業數據資源相關會計處理暫行規定》（簡稱《暫行規定》）②， 以及數據資源的確認范圍和會計處理適用準則等（劉峰和趙永超，2024）。這一舉措邁出了從數據資源到數據資產的關鍵一步， 企業數智化轉型成果將逐步被社會大眾所認知。

數據資產入表意味著企業可以將數據資源確認為資產負債表中的“資產”（譚紅旭和張嘉欣，2024）。于企業層面， 擁有海量數據資源的企業有望在財務報表中體現其真實價值和業務貢獻， 且數據資產入表在盤活數據資源價值的同時， 也有利于展示企業的數字競爭優勢， 為企業開展投融資業務提供依據（謝康等，2020）。于市場層面， 數據資產入表有利于顯化數據資源價值， 激活數據市場供需主體的積極性， 增強數據流通意愿， 為企業深度開發利用數據資源提供動力（唐要家等，2022）， 加快數字經濟與實體經濟融合（洪銀興和任保平，2023）。同時， 建立數據資產入表機制能夠有效激發數字經濟發展活力， 帶動數據采集、 清洗、 標注、 評價、 資產評估等相關服務業發展， 助力數據要素市場體系建設。簡言之， 數據資產入表將有效改善數據要素市場的供求格局， 減少供給側與需求側的信息不對稱， 加快完善監管機制， 促進交易與流通（蔡躍洲和馬文君，2021）。

本文通過分析2024年第一季度數據資產入表的25家A股上市公司（簡稱“首批入表企業”）數據， 從法律問題和會計問題兩個角度， 結合《暫行規定》的關鍵要義， 從數據權屬問題、 數據安全問題、 數據合規問題及資產確認問題對數據資產入表面臨的挑戰進行分析， 以期為企業在數據資源治理和實現數據資源資產化過程中可能遇到的問題提供應對之策。

本文可能的貢獻在于： 第一， 結合首批入表企業現狀， 從廣義上認可數據的價值及其對企業價值的貢獻， 進一步探究企業數據資產入表類型和資產規模等會計核算問題， 豐富數據經濟理論的研究； 第二， 從法律和會計層面探討數據資產入表面臨的數據權屬、 數據安全、 數據合規、 資產確認四大挑戰， 并從合規管理、 價值評估、 合規審計三個方面給出建議， 以期推進數據資產會計理論和企業資產管理實踐相結合。

二、 數據資產入表概況

隨著各項數據資產法律法規、 暫行規定、 指導意見的陸續出臺（如表1所示）， 數據要素市場化已成為建設中國數字市場必不可缺的一部分。《暫行規定》作為貫徹落實黨中央、 國務院關于發展數字經濟決策部署的具體舉措， 在盤活數據資源價值、 提升企業數據資產意識、 激發數據交易市場活躍性等方面發揮著重要作用。隨著2024年第一季度財報數據的披露， 第一批依據《暫行規定》率先開展了數據資產入表的企業接連登臺亮相。本文選取A股25家首批入表企業， 根據wind數據庫的企業信息及2024年第一季度財報數據， 對其入表特征進行概要性分析， 從入表類型、 資產規模、 行業屬性、 國資屬性、 地域分布及企業市值七個方面剖析數據資產入表的現狀。

1. 首批入表企業的入表類型和資產規模。《暫行規定》將“入表”的數據資源進一步區分為“企業使用的數據資源”和“企業日常活動中持有、 最終目的用于出售的數據資源”兩類， 并分別規定這兩類數據資源適用的會計處理準則。對于前者， 企業應當按照《企業會計準則第6號——無形資產》及應用指南進行相關會計處理， 而對于后者， 企業則應參照《企業會計準則第1號——存貨》及應用指南處理。在數據資源確認入表后， 企業應當結合數據資源的持有目的、 形成方式、 業務模式， 以及與數據資源有關經濟利益的預期消耗方式等， 對入表類型進行確認。

值得注意的是， 由于一季報披露要求簡單， 25家上市公司雖然實現了數據資產入表， 但絕大多數只是披露了數字， 未對細節和影響進行介紹分析。且一季報未經審計， 后續出現7家企業相繼取消“數據資產入表”。根據2024年第一季度財報數據統計， 首批入表企業的入表類型明確， 入表資產規模有限。首批入表類型包括無形資產（13家）、 存貨（6家）和開發支出（8家）， 其中開普云（688228.SH）和南鋼股份（600282.SH）同時列記無形資產和開發支出兩項， 累計金額15.3431億元。進一步分析得到， 入表類型為無形資產和開發支出的企業， 入表資產規模主要在百萬元級水平； 而入表類型為存貨的企業， 入表資產規模均在千萬元級水平。數據資產入表規模最大的兩家分別為中信重工（601608.SH）的7.1629億元和金龍汽車（600686.SH）的5.8427億元， 入表類型均為存貨。而后續取消數據資產入表的7家企業， 入表類型均為存貨且資產規模大于1000萬元。

通過梳理發現， 卓創資訊和中遠海科在一季報中對數據資產入表有更詳細的披露。卓創資訊披露其將數據資產作為無形資產核算的判斷依據為， 公司持有數據資產的主要目的并非直接對外出售， 而是作為服務于資訊服務、 數智服務相關產品的底層數據。此外， 卓創資訊還披露了數據資產的成本構成和選用年數總和法按5年進行攤銷的依據③。無獨有偶， 中遠海科披露其“船視寶”系列產品研發推廣項目于2023年底完成研發驗收流程， 該系列產品業務模式主要利用數據資源為客戶提供服務， 故根據財政部相關規定， 自 2024年1月1日起將“船視寶”系列產品列報于“無形資產——數據資源”④。從企業角度來看， 數據資產入表是為了提升企業市場價值， 作為存貨入表可能更關心短期價值， 而作為無形資產入表則可能更注重長期價值。相對而言， 作為存貨入表的合規要求更高， 因為需保證數據交易中的安全性及取得交易對象的信任， 同時由于數據交易過程中數據持有權發生了轉移， 如果合規鏈條不完整， 很可能陷入非法提供個人信息甚至侵害公民個人信息罪的刑事責任等風險中。而作為無形資產入表的合規要求相對寬松， 因為企業仍然掌握數據資源的持有權， 能夠有效控制數據。但目前來看， 理論與實踐存在不一致的狀況， 首批入表企業多以無形資產及開發支出入表， 且前述兩家規模達億元級的數據資產入表， 均列為“存貨”， 但隨后又都取消入表。可見， 數據資源作為存貨入表還是作為無形資產入表并無絕對的優劣之分， 在實際操作上還是應該根據企業是否需要轉移數據持有權來確定。

一般來說， 存貨或無形資產增加會導致總資產增加， 而負債前后變化幅度小于資產， 使得資產負債率下降； 數據資源形成無形資產后需要按照年限進行攤銷， 可能導致企業成本或費用的確認存在時間差異， 呈現先低后高的規律； 由于當期成本或費用先低后高， 則利潤呈現出先高后低的狀態， 進一步可能導致所得稅也表現為先高后低。通過卓創資訊的具體案例分析可知： 一季度， 主要由于數據資產入表的影響， 卓創資訊的無形資產從年初的2590.59萬元增長到3517.70萬元， 增長35.79%； 入表后公司利潤總額增加， 導致今年一季度所得稅費用同比上升58.53%， 至334.73萬元， 最終公司一季度凈利潤同比增長46.20%， 至2481.24萬元⑤。故而， 數據資產入表會顯著影響公司的資產規模、 成本、 稅收和凈利潤， 并進一步影響資產負債率、 利潤率、 凈資產收益率等指標。需要關注的是， 首批入表企業還有6家將數據資產作為開發支出入表， 開發支出的資本化和費用化問題一直以來都是會計爭論的重點， 將數據資產作為開發支出入表的企業未來會如何進行會計操作， 值得跟蹤。

2. 首批入表企業的行業屬性、 國資屬性、 地域分布及企業市值。首批入表企業的行業分布情況呈現出以下兩大特征。其一， 根據國標行業門類劃分， 首批入表企業行業分布具有一定的分散性。25家企業并非都是“血統純正”的信息技術企業， 恰恰相反， 其主營業務包羅萬象， 涉及鋼鐵、 汽車、 港口、 電力、 塑料等眾多傳統領域， 顯示出數據資源涉及領域的廣泛性。可見， 數據資產入表并非具有企業類型的鎖定性， 即不一定只有科技型企業、 互聯網企業等才有資格進行數據資產入表。任何一家企業， 只要能夠進行數智化轉型， 都有數據資產入表的可能， 也都可能通過數據資產入表來提升企業市場價值， 拓寬融資渠道。其二， 隨后取消數據資產入表的7家企業卻多為非信息技術領域。可見， 行業屬性問題可能會在數據資源的合規性和會計核算問題上給非信息技術領域的企業帶來一定的阻礙。

2020年， 國務院國資委印發《關于加快推進國有企業數字化轉型工作的通知》， 明確指出國有企業應加快集團數據治理體系建設⑥。2024年2月5日， 財政部頒布的《關于加強行政事業單位數據資產管理的通知》， 強調要加強行政事業單位數據資產管理⑦。具有國資屬性的企業在首輪數據資產入表中本該是“領頭羊”“排頭兵”， 但事實卻大相徑庭， 首批入表企業中非國有企業占比遠高于國有企業。報表更正后， 18家入表企業中有三分之二的民營企業。一種可能的解釋是： 國有企業的大部分數據資產為自用， 更多服務于國家治理現代化， 比如燈光數據助力扶貧治理， 成本核算難度較大； 而民營企業的數據資產更多用于交易， 成本核算比較明確， 入表也駕輕就熟。然而， 作為數字中國建設的主力軍， 國有企業天然就具備成為數智化轉型先鋒隊的產業優勢， 諸如國家電網、 國鐵集團， 坐擁海量數據且關乎民生國本， 更應該是未來數據資產入表的重量級選手。

另外， 首批入表企業分布在10個省市， 以沿海一線為主， 北京、 山東和浙江數量居前三。首批入表企業的總市值均在500億元以內， 并有16家市值在100億元以內， 缺少巨無霸企業。其中， 傳統行業的青島港（601298.SH）、 山東高速（600350.SH）和南鋼股份（600282.SH）的總市值最高， 分別為479.69億元、 414.34億元和290.38億元， 市值偏低的多數為信息技術行業企業。總而言之， 首批入表企業具有地域集中性、 行業分散性、 市值不高等特點， 且以民營企業為主， 高市值企業、 數據型企業反而沒有進行數據資產入表實踐。在國證數據要素主題指數中， 信息技術、 電信服務、 金融等是主要的權重行業， 也是數據資產富集的行業。盡管這些數據要素龍頭公司未在一季報中披露數據資源入表情況， 但在2023年年報中已經披露了數智化戰略以及數據資產入表的準備。比如： 中國電信（601728.SH）發布“靈澤數據要素2.0平臺”， 著力打造“數據產品超市”標桿項目⑧； 光大銀行（601818.SH）發布《企業數據資源會計核算實施方案》⑨； 易華錄（300212.SZ）提出“以數據要素資產化全流程服務為主線構建業務體系”⑩。可以預見， 數據資產入表未來將新增萬億級的資產規模。2024年第一季度只是觀察上市公司數據資產入表成果的第一個時間窗口， 以此啟航， 資本市場將真正進入數據資產時代。

三、 數據資產入表的挑戰

數據資產入表雖是客觀的會計核算過程， 滿足資產確認條件的數據資產即可根據《暫行規定》以成本法進行列報與披露， 但其確認卻涉及更為復雜的法律問題。今年是數據資產入表“元年”， 實踐中還有很多細節需要不斷厘清。

1. 數據權屬問題。數據確權是數據資產入表面臨的首要難題， 是數據立法亟須解決的關鍵問題（王利明，2023）。數據在生產過程中不會被消耗且可以無限復制給多方使用， 因此數據產業鏈所涉及的多個主體均享有數據資產的部分權利。這種非稀缺性和非排他性使得各數據主體之間的沖突難以調和， 導致數據權屬模糊（田杰棠和劉露瑤，2020；周漢華，2023）。《民法典》中所有權的客體對象是不動產或者動產， 但數據未能被納入不動產或者動產范圍， 故而現有法律如反不正當競爭法、 知識產權法、 個人信息保護法等均無法實現對數據的全面保護。

《民法典》第一百二十七條對數據權益的民法保護作出了宣示性規定， 提出數據權益作為民事權益體系的重要組成部分， 應當接受民事權益保護規則的調整。盡管《民法典》承認了數據的法律地位， 但依舊沒有解決數據權屬問題。2022年12月， 中共中央、 國務院聯合印發了《關于構建數據基礎制度更好發揮數據要素作用的意見》（簡稱“數據二十條”）， 創設性地給出了數據三權分置的確權方式， 明確“探索數據產權結構性分置制度”“建立數據資源持有權、 數據加工使用權、 數據產品經營權等分置的產權運行機制”。其中， 持有權備受關注， 它繞開了傳統民法體系的“所有權”概念， 在事實層面解決數據的確權問題。《民法典》第二百四十條規定， 所有權人對自己的不動產或者動產， 依法享有占有、 使用、 收益和處分的權利。而“數據二十條”所提出的三權分置， 可以理解為是對“使用”“收益”兩項權利在經濟學層面的分配， 避開了“占有”“處分”兩項權利， 同時又引入“持有”的概念以搭建使用、 經營等的前提性權利基礎。簡言之， 持有權可視為弱化的“占有”， 加工使用權等同于所有權里的“使用”， 經營權相當于“收益”。當然， “數據二十條”需要進一步轉化為法律后， 才具有民法框架下的權屬意義。且必須強調， “數據二十條”關于三權分置的設計有其內在邏輯， 持有權、 加工使用權和經營權的對象各有不同， 分別對應數據資源、 數據、 數據產品， 應加以區分。數據資源是廣泛性概念， 包括所有能被收集和使用的數據， 是原始數據的總和； 數據是已經被收集和記錄的事實信息， 可以是數字、 文字、 圖像、 聲音等形式， 屬于原始的、 未經加工的信息； 數據產品則是對數據進行分析、 處理后形成的有用的信息或是可供交換的產品。

從數據資產入表的角度看， 企業首先需要在持有權層面確定其掌握的數據資源， 數據資源本身不足以構成可入表的數據資產， 只有經過處理以后才具備入表條件。進一步來說， 對于企業通過外購等方式取得的數據資源， 即使企業不擁有所有權， 但是在遵守相關法律法規的前提下， 企業依然可以享有數據資源持有權、 數據加工使用權以及對合法擁有或控制的數據資源進行開發形成的衍生數據或數據產品的合法權利。在滿足其他資產確認條件的前提下， 這些數據資源便可依照相關會計處理規定入表。當前階段， 企業利用數據釋放價值， 首要前提是確定“數據二十條”框架下的“持有權”問題。只有確定了合法持有， 才能進一步加工使用， 以及進行數據資產入表。《企業會計準則——基本準則》第二十條第三款就規定， 由企業擁有或者控制， 是指企業享有某項資源的所有權， 或者雖然不享有某項資源的所有權， 但該資源能被企業所控制。由于無法對數據進行所有權層面的絕對確權， 因此重點應該放在數據資源是否能被企業控制上。

2. 數據安全問題。企業對數據資源的控制事關重大， 如何平衡數據利用和數據安全成為一個難題（馬述忠和郭繼文，2020）。于個人， 數據主體多樣化導致侵權手段多樣化， 個人隱私難以得到有效保護； 于企業， 數據密集型企業可能會利用平臺流量、 算法和數據等優勢開發掠奪性業務并形成壟斷地位（李勇堅和夏杰長，2020）， 通過價格操縱、 合謀協議、 排他性交易、 惡意并購等手段進行惡性競爭（尹振濤等，2022）； 于國家， 數據跨境流動會增加數據外泄風險， 可能會損害國家的經濟利益甚至威脅國家安全。

目前， 法律規定主要從《數據安全法》框架下的數據安全保護、 《網絡安全法》框架下的數據載體保護以及《個人信息保護法》框架下的個人信息保護三方面進行保障。在《數據安全法》方面， 重點在于識別重要數據。鑒于目前為止尚無公開的重要數據目錄， 企業在識別重要數據時， 除了結合數據安全相關法律規定、 標準指南、 行業經驗進行綜合判斷， 往往需要引入第三方專業力量， 融合內外部視角進行準確判斷。在《網絡安全法》方面， 重點在于取得互聯網相關業務所需的相關證照， 倘若企業提供的服務具有輿論屬性或者社會動員能力， 企業在向公眾提供服務前還應當進行安全評估， 并按照《互聯網信息服務算法推薦管理規定》履行算法備案手續。

在《個人信息保護法》方面， 重點在于確定個人信息處理的合法性基礎。《個人信息保護法》第十三條第一款規定， 合法性基礎包括“取得個人的同意； 為訂立、 履行個人作為一方當事人的合同所必需， 或者按照依法制定的勞動規章制度和依法簽訂的集體合同實施人力資源管理所必需； 為履行法定職責或者法定義務所必需； 為應對突發公共衛生事件， 或者緊急情況下為保護自然人的生命健康和財產安全所必需； 為公共利益實施新聞報道、 輿論監督等行為， 在合理的范圍內處理個人信息； 依照《個人信息保護法》規定在合理的范圍內處理個人自行公開或者其他已經合法公開的個人信息； 法律、 行政法規規定的其他情形”七大類。這七類合法性基礎都可以適用于個人信息處理活動， 但是其堅實性在實踐中存在差別。通常認為， 合意產生的堅實性更為牢固， 因為通過合意能夠明確獲得相對人的意思表示， 同時在產生權益糾紛時能夠提供有效的證據， 而單意則僅由企業一方根據法律條款作出判斷， 在缺乏足夠權威的指導的情況下， 對抗其他人權益主張的能力有限， 證明難度也相對較高。七類合法性基礎中只有“取得個人的同意”是具有合意的， 而其他六項均缺乏合意的形式。從數據資產入表的角度來看， 如需更為堅實的合法性基礎， 確保企業持有的正當性、 穩定性， 也應以“取得個人的同意”作為合法性基礎。不過， 對于公開數據而言， “取得個人的同意”十分困難， 實踐中需要具體判斷， 考慮數據來源、 獲取方式、 使用目的等因素， 并結合業務場景作出相應認定。目前， 企業可以考慮通過數據資產登記的方式進一步確權， 以保證數據資產的穩定性。通過數據資產登記， 更好地實現數據資產的商品化、 市場化、 要素化， 釋放數據要素的新價值。

3. 數據合規問題。數據合規與數據安全息息相關。如前所述， 可以被確認為企業資產的數據資源首先需要滿足“由企業擁有或控制”的前提條件， 雖然“數據二十條”提出的三權分置機制為解決數據權屬問題提供了初步路徑， 但企業在實際經營中依然需要重點關注數據合規方面的問題。同數據無法進行所有權意義的確權道理相仿， 數據合規也不能阻止第三方主張數據權利或者干涉數據持有， 其主要作用是判斷企業處理數據的合法性， 以及識別數據處理過程中的潛在風險。換言之， 因為在法律層面沒有對數據進行確權， 數據處理者對其數據不享有所有權意義的權利， 所以必須通過數據合規來確認潛在的風險， 以防止或緩釋其他人的權利挑戰， 從而穩固數據持有權的基礎。數據合規使得數據持有權具備了實踐意義， 能夠支撐后續的數據加工使用權、 數據產品經營權等的行使， 為數據資源入表掃清源頭上的障礙。

數據合規包括來源合規、 處理合規、 管理合規及其他業務合規。因企業數據資源的取得、 處理和管理方式隨業務場景的不同而存在差異， 數據資產的應用場景需要明確（曾雪云，2023）。但在實務中， 數據資產的應用場景通常較難區分。一是企業在使用數據資產的時候可能沒有明確的目的性和計劃應用場景， 僅僅是作為業務拓展或決策的支撐； 二是數據資產可能在同一時間應用于多個場景， 或者在應用過程中場景發生變化； 三是數據資產的應用場景存在很大的經濟波動性。對于除自行生產之外的其他數據資源， 企業應當確保數據資源的取得不違反相關法律法規的強制性規定， 不侵犯任何第三方的合法權利。例如： 對于通過數據爬蟲方式獲取的公開數據， 企業應當關注數據爬蟲行為本身是否符合法律法規要求； 企業通過APP、 傳感器等方式自行采集個人數據時， 應當確保取得相關數據主體的授權； 對于從其他數據提供方處購買相關數據的情形， 企業應當關注所購買的數據是否具有合法的來源， 必要時可以要求數據提供方作出相關陳述， 保證其提供的數據已取得所有相關數據主體的合法授權， 不侵犯任何相關數據主體的合法權利等。

4. 資產確認問題。數據資產的可辨認性弱， 且必須存儲在一定的介質里， 具有整合性、 半生性和可加工性（徐翔等，2021；劉云波，2023）， 甚至在實務中直接被包含在并購產生的商譽里（Corrado等，2022）， 單獨識別極其困難。企業宜先進行數據資源盤點， 摸清數據結構、 數量、 類型等情況， 區分表內和表外（劉峰和趙永超，2024）。《暫行規定》對入表的數據資源進行了規范， 分別是企業按照企業會計準則相關規定確認為無形資產或存貨等資產類別的數據資源， 以及企業合法擁有或控制的， 預期會給企業帶來經濟利益的， 但由于不滿足企業會計準則相關資產確認條件而未確認為資產的數據資源。根據《企業會計準則——基本準則》， 資產的確認條件為“與該資源有關的經濟利益很可能流入企業”和“該資源的成本或者價值能夠可靠地計量”。對于數據資源而言， 符合資產的定義可能相對較為容易， 但由于其本身的特殊性， 在論證其滿足上述兩項確認條件時會存在一定的困難。

（1） 與該資源有關的經濟利益很可能流入企業。實務中的“很可能”意味著經濟利益流入企業的概率超過50%。但是如何論證數據資源是否很可能給企業帶來經濟利益在特定情形下往往較為困難。其一， 數據資產與其他產品和服務的關聯性高， 通常與算法、 人力資本和實物資產等共同帶來經濟利益， 不易單獨觀察（羅玫等，2023）。其二， 與數據資產有關的經濟利益流入很大程度上與其他服務和產品相關， 價值創造形式可以是產品升級、 降本增效和科學決策等， 經濟利益難以單獨識別。以無形資產為例， 《企業會計準則第6號——無形資產》規定， 企業在判斷無形資產產生的經濟利益是否很可能流入時， 應當對無形資產在預計使用壽命內可能存在的各種經濟因素作出合理估計， 并且應當有明確的證據支持。對于企業通過外購等方式取得的數據資源， 一般認為雙方基于合理商業理由和談判協商的定價就反映了雙方對該數據資源未來經濟利益的合理預期， 在沒有其他相反證據的情況下， 可能相對容易舉證能夠為企業帶來潛在的未來經濟利益流入。然而， 對于企業內部產生的數據資源而言， 預計使用壽命等各種經濟因素對數據資源是否很可能流入企業的影響很難有充分的證據支持， 仍需進一步探索。

（2） 該資源的成本或者價值能夠可靠地計量。數據資產價值具有易變性， 其價值隨應用場景、 用戶數量等的變化而變化（羅玫等，2023）。與其他類型的資源相比， 數據資源通常伴隨企業日常經營活動產生， 因此在數據資源相關成本歸集與分攤過程中， 往往難以對企業經營成本與數據資源研究開發成本進行明確區分（王世杰和劉喻丹，2023）， 這也是目前實務中數據資源成本計量的難點。

特別地， 《企業數據資源相關會計處理暫行規定（征求意見稿）》中對第一類入表數據資源的表述是“企業內部使用的數據資源”， 正式發布的《暫行規定》將其修改為“企業使用的數據資源”。從文字變化來看， 納入無形資產的數據資源不僅包括企業內部使用的數據資源， 還包括企業利用數據資源為客戶提供的服務， 實踐中通常體現為企業將其持有的數據資源授權給客戶使用。而對于確認為存貨的數據資源， 企業持有的最終目的是對外銷售， 實踐中企業通常是以交付數據產品的形式進行交易， 且此類數據產品一般為高度定制化的數據產品。對于并非以交易為最終目的的數據資源， 例如常見的標準化數據產品， 由于其無需根據客戶需求進行定制化開發， 企業一般不會賣斷銷售， 通常僅向客戶提供該類數據產品的使用授權。因此， 該情形下的數據資源與被確認為存貨的“企業日常活動中持有， 最終目的用于出售的數據資源”存在明顯區別。而對于此種特定類型的數據資源， 企業還需根據市場環境、 業務需求等因素進行進一步加工處理和更新迭代， 如何歸集和分攤更新迭代過程中投入的成本也是企業需要解決的問題。

四、 數據資產入表的應對之策

當前企業數智化轉型已進入加速階段， 數據資產入表是關鍵一步。首先， 數據資產入表有助于推動企業對數據要素的資產化路徑管理， 數據相關支出由費用化轉變為資產化路徑處理， 將有助于降低數據要素投入對企業營業利潤的影響， 更真實地反映企業的利潤狀況； 其次， 對數據資產的梳理、 確認、 評估和入表等操作， 能夠為企業提供關于數據資產價值的具體信息， 使企業更直觀、 更全面地了解自身數據資產的價值、 風險和潛力； 再次， 有助于提升企業數據治理和內部管控水平， 明確數據資產歸屬和責任， 加強合規性和監管要求的落實； 最后， 能在一定程度上改善表觀資產負債率， 提升外部市場對其價值的認可度。故而， 企業需要嚴謹對待數據資產入表工作， 充分認知數據資產入表過程中可能遇到的法律和會計層面的挑戰， 積極尋找數據資產入表的解決方案。

1. 建立數據資源合規管理機制。一方面， 企業應當結合實際情況， 從數據來源、 數據處理、 數據管理及相關業務運營等方面建立健全數據資源合規管理機制， 落實數據資源分類管理等制度和流程， 嚴格履行相關法律法規中的數據合規義務， 為數據資源入表掃清障礙； 另一方面， 企業應當對自身的數據資源進行梳理， 形成統一的數據資源目錄， 并根據數據資源實際變化情況定期對目錄進行更新和維護。在完成數據資源識別、 梳理工作的前提下， 企業還應當對數據資源的治理、 應用等進行精細化的規范設計， 為充分發揮數據資源價值打下堅實基礎。

2. 健全數據資源價值評估體系。企業應當結合不同的數據資源類型， 通過建立健全數據資源的價值評估體系， 對與數據資源有關的經濟利益進行有效衡量， 合理論證數據資源預期為企業帶來經濟利益的實現方式， 打通數據資源資產化的實現路徑。此外， 企業還應當對數據資源實行全生命周期管理， 通過建立有效的數據治理體系和成本歸集與分攤機制， 對不同類型的數據資源以及各個階段的成本進行歸集與記錄， 實現數據資源成本或者價值的可靠計量。在此基礎上， 企業還應當進一步完善數據資源的運營和流通機制， 通過數據交易等方式獲得數據資源經營的收益， 確保數據資源的有序流通和實現數據資源的價值增值。

3. 完善數據合規審計流程。數據資產入表并非從根本上解決數據權屬問題， 同時按照信息披露的要求， 反而有可能產生數據糾紛， 影響數據資產的穩定性。因此， 數據資產入表以后仍有開展數據合規審計的必要。一方面是為強化數據資源持有權的有效性。通過數據合規審計， 發現數據處理活動中的動態風險， 深入盤點數據資源， 調整數據運營策略， 進行數據增值減值測試， 比如在實務中遇到用戶主張個人信息權利時， 數據資產可能發生減值。另一方面是為落實數據治理法律規定。根據《個人信息保護法》等法律規定， 合規審計是一項法律義務。開展合規審計是確保企業數據處理活動合法性、 正當性的主要途徑之一。通過開展數據合規審計， 更好地助力企業數據資產入表， 協調推進企業數智化轉型及數字經濟發展。

【 注 釋 】

① 數據要素的概念是2019年黨的十九屆四中全會首次提出的，自那時起，我國將數據與勞動、資本、土地、知識、技術和管理并列作為重要的生產要素。

② 財政部于2023年8月1日發布《關于印發〈企業數據資源相關會計處理暫行規定〉的通知》（財會〔2023〕11號），參見http：//m.mof.gov.cn/zcfb/202308/t20230821_3903354.htm。

③ 2024年4月26日《山東卓創資訊股份有限公司2024年第一季度報告》，參見http：//www.szse.cn/disclosure/listed/bulletinDetail/index.html？38a5348d-d9b8-4e36-bb04-56682f46bd81。

④ 2024年4月29日《中遠海運科技股份有限公司2024年第一季度報告》，參見http：//www.szse.cn/disclosure/listed/bulletinDetail/index.html？6425d938-9b23-4133-b305-271bc823fca7。

⑤ 同注釋③。

⑥ 國務院國資委于2020年9月21日發布《關于加快推進國有企業數字化轉型工作的通知》，參見http：//www.sasac.gov.cn/n2588020/n2588072/n2591148/n2591150/c15517908/content.html。

⑦ 財政部于2024年2月5日發布《關于加強行政事業單位數據資產管理的通知》（財資〔2024〕1號），參見https：//www.gov.cn/zhengce/zhengceku/202402/content_6931055.htm。

⑧ 2024年3月27日《中國電信股份有限公司2023年年度報告》，參見http：//www.sse.com.cn/disclosure/listedinfo/announcement/c/new/2024-03-27/601728_20240327_ZEMF.pdf。

⑨ 2024年3月28日《中國光大銀行股份有限公司2023年年度報告》，參見http：//www.sse.com.cn/disclosure/listedinfo/announcement/c/new/2024-03-28/601818_20240328_70QV.pdf。

⑩ 2024年4月18日《北京易華錄信息技術股份有限公司2023年年度報告》，參見http：//www.szse.cn/disclosure/listed/bulletinDetail/index.html？6b4356f4-70ee-4a4c-a35e-fb4720752ad4。

【 主 要 參 考 文 獻 】

蔡躍洲，馬文君．數據要素對高質量發展影響與數據流動制約［ J］．數量經濟技術經濟研究，2021（3）：64 ～ 83．

洪銀興，任保平．數字經濟與實體經濟深度融合的內涵和途徑［ J］．中國工業經濟，2023（2）：5 ～ 16．

李勇堅，夏杰長．數字經濟背景下超級平臺雙輪壟斷的潛在風險與防范策略［ J］．改革，2020（8）：58 ～ 67．

劉峰，趙永超．表內還是表外：是個問題！——上市公司一季報數據資產入表情況分析［EB/OL］．https：//mp.weixin.qq.com/s/ygFjWAFPL_g2wICqeqijWg？poc_token=HEDGbmajAvK-P1gfkRIJDVL9Pl7xiCOojHl1Gf9Y，2024-06-03．

劉云波．數據、數據資產及其價值評估［ J］．中國資產評估，2023（5）：51 ～ 56．

羅玫，李金璞，湯珂．企業數據資產化：會計確認與價值評估［ J］．清華大學學報（哲學社會科學版），2023（5）：195 ～ 209+226．

馬述忠，郭繼文．數字經濟時代的全球經濟治理：影響解構、特征刻畫與取向選擇［ J］．改革，2020（11）：69 ～ 83．

譚紅旭，張嘉欣．對數據資產入表問題的思考［ J］．財會月刊，2024（11）：68 ～ 73．

唐要家，王鈺，唐春暉．數字經濟、市場結構與創新績效［ J］．中國工業經濟，2022（10）：62 ～ 80．

田杰棠，劉露瑤．交易模式、權利界定與數據要素市場培育［ J］．改革，2020（7）：17 ～ 26．

王利明．數據何以確權［ J］．法學研究，2023（4）：56 ～ 73．

王世杰，劉喻丹．論數據資產的確認及計量［ J］．財會月刊，2023（8）：85 ～ 92．

謝康，夏正豪，肖靜華．大數據成為現實生產要素的企業實現機制：產品創新視角［ J］．中國工業經濟，2020（5）：42 ～ 60．

徐翔，厲克奧博，田曉軒．數據生產要素研究進展［ J］．經濟學動態，2021（4）：142 ～ 158．

尹振濤，陳媛先，徐建軍．平臺經濟的典型特征、壟斷分析與反壟斷監管［ J］．南開管理評論，2022（3）：213 ～ 226．

張俊瑞，危雁麟．數據資產會計：概念解析與財務報表列報［ J］．財會月刊，2021（23）：13 ～ 20．

周漢華．數據確權的誤區［ J］．法學研究，2023（2）：3 ～ 20．

Corrado C.， Jonathan H.， Cecilia J.， et al.. Intangible capital and modern economies［ J］．Journal of Economic Perspectives，2022（36）：3 ～ 28．