基于場景特征的央企數據資產成本歸集研究

0 引言

2019年，黨的十九屆四中全會首次將“數據”列為第五大生產要素；2020年，中共中央、國務院發布的《關于構建更加完善的要素市場化配置體制機制的意見》首次正式提出“數據要素”這一概念，并明確要“加快培育數據要素市場”。特別是近5年來，黨中央、國務院相繼出臺了一系列關于鼓勵和培育數據要素市場、發展數字經濟的政策，從頂層設計角度把充分發揮數據要素價值放在了國家戰略這一重要位置[12]。在此背景下，隨著《企業數據資源相關會計處理暫行規定》（以下簡稱《暫行規定》）的發布與實施，2024年成為中國企業實現數據資源入表的元年。本文選取中國電信股份有限公司（以下簡稱“中國電信”）作為研究對象，通過分析其在數據資源入表及信息披露過程中的實踐案例，系統梳理數據資源在大數據產品、大數據集成服務、AI/大模型產品及內部賦能4個典型應用場景下的成本歸集與分攤機制、會計核算思路和方法，并提出相應優化建議。本研究可能的貢獻在于，不僅為電信行業提供了具體的數據資源管理框架和會計處理方法，還為其他行業在數據資源人表提供了借鑒，以及為相關單位建立與業務場景相匹配的信息系統和管理規范積累了經驗。

1中國電信數據資源入表的現狀和問題

1.1 案例簡介

中國電信作為中央直屬大型國有企業，是中國三大基礎電信運營商之一，也是全球領先的信息通信服務提供商。其業務涵蓋移動通信、互聯網接入及應用、固定電話、衛星通信、信息及通信技術（InformationandCommunicationTechnology，ICT）集成等綜合信息服務，屬于典型的數據密集型企業。中國電信通過不斷進行技術創新和數字化轉型，致力于建設網絡強國和數字中國，同時通過“云改數轉”戰略推動云計算、大數據、人工智能等新興領域的發展。根據中國電信年報披露，截至2024年底，中國電信擁有4.25億移動用戶和1.97億寬帶用戶，2024年實現營業總收入5235.69億元、歸母凈利潤為330.12億元。

在云計算和AI領域，中國電信持續加大投入，天翼云收人突破1000億元，市場份額穩居前列。向政企客戶，著力打造“算力 + 平臺 + 數據 + 模型 + 應用”的一體化服務新模式，加快行業數字平臺能力升級，公司深人開展“ AI+^′′ ，完成“ 1+1+1+M+N^， ，人工智能總體布局，打造星辰多模態通用大模型底座，實現語義、語音、視覺能力全覆蓋并多尺寸開源，打造智能體、行業解決方案等AI原生應用及AI手機、AI云電腦等10余款AI標準化產品，推出50余個行業大模型，服務超1萬家行業客戶，基層治理、政務智慧客服、旅游導覽等行業大模型加快落地推廣，有效助力客戶效率提升和成本降低，持續賦能經濟社會智能化轉型，公司AI位列中國大模型應用市場份額第六。此外公司13個內部大模型在客服、網運、辦公等企業管理運營環節的嵌入及應用，助力企業降本提質增效。打造星海大數據品牌，位居年度數據要素服務商排行榜榜首，數據智能中臺服務客戶超150家，構建規模超9萬億Token的大模型訓練數據集。中國電信積極在創新應用中探索流通路徑、提升數據質量，推動數據進入社會化大生產，加快數據要素化進程，推動數據“動起來、用起來、活起來”。在數據資源方面的顯著優勢已成為中國電信數字化轉型和創新發展的核心支撐。在2024年報中披露其數據資源入表金額達3.71億元，其中半年報、三季度報和四季度報分別確認了1.05億元、1.51億元和1.15億元的數據資產人表金額。

1.2中國電信數據資源入表經過

中國電信推進數據資源入表過程，可以總結為以下幾個關鍵步驟和環節：

（1）組建工作團隊，加強統籌推進。建立跨部門、跨專業的協同聯動機制，相關職能部門各司其職，分別承擔各條線工作的主體責任，共同推進數據資產治理、盈利、核算工作，形成合力。具體分工見表1。

（2）數據資源盤點。中國電信組織下屬各分、子公司對數據資源進行全面盤點，構建全網數據資產視圖，明確數據資源的采集、加工、使用和管理流程，確保數據質量和安全合規。同時各業務條線認真梳理各類數據資源應用場景、業務模式和所涉及的各項支出。這一過程為后續的會計核算奠定了基礎。

（3）制定統一的數據資源會計核算辦法。財務部門負責會計政策的制定、執行指導及評估，各下屬單位按照數據資產管理制度和體系，加強數據基礎管理工作，理清數據資源分類，規范數據資源采集、加工、使用的全過程管理。

（4）規范研發項目管理與成本歸集。對于涉及數據資源的研發項目，需按照大數據產品、算法模型及大數據/AI應用等維度進行立項，并詳細梳理計入開發支出的各項費用，包括外購數據庫、應用程序編程接口（Application Programming Interface，API）服務、研發人員人工支出等，這些支出計人“開發支出”，并歸集到相應研發項目。對于無法直接歸集的成本（如研發人員工時、工人工資等），選擇合理的成本分攤動因進行分攤。當數據資源滿足無形資產的確認條件時，確認為“無形資產——數據資源”。對于不滿足資本化條件的數據資源，其相關支出則計入當期損益。

（5）監督與閉環管理。通過內外部審計、專項檢查等方式監督數據資源入表工作的執行情況，確保數據資源入表的完整性、準確性和及時性。

表1中國電信數據資源入表工作團隊分工

2數據資源入表過程中發現的主要問題

2.1數據資源價值創造存在場景依賴性

在數據資源入表實踐過程中，數據資源價值的實現高度依賴其應用場景，數據資源的價值需要在具體應用和交易場景中變現，不同場景下企業數據資源的價值創造方式不盡相同，將不可避免地影響數據資源的人表核算[3]。在對外提供大數據產品與內部使用等不同應用場景中，數據資源的價值創造路徑存在本質差異，如屬于對外提供的產品或服務，需論證經濟利益流入規模大于其投入；屬于對于內部使用能發揮提質增效作用的資源，需論證剔除其他影響因素后數據資源帶來的成本節約或效益提升、降本增效產出是否能覆蓋相關投入。這種差異化場景與無形資產準則規定的“未來經濟利益流入”的單一確認標準形成矛盾。

因此在項目的研發立項論證和可研評估環節，應先確認數據資源的應用場景，再論證研發項目的經濟利益流入方式。上述論證應在立項環節進行規范，并在初始確認環節，根據立項論證或可研的論證結果，完成相應的會計處理。例如，對外提供大數據產品需通過API輸出的核驗結果創造價值，而內部賦能則是通過算法模型優化運營效率。若未對應用場景進行系統性分類，不同場景下數據資源的經濟利益流入形式（如直接收入、成本節約、效率提升）難以量化，影響資產確認的合理性。

2.2現有政策中成本歸集與分攤機制不完善

（1）對于無法直接歸集計的成本（即間接成本），選擇合理的成本分攤動因比較困難。如常見的分攤動因包括開發數據資源所耗費的人工工時、數量、開發數據資源所需相關軟硬件資源占用量、占用時長、數據資源的存儲占用量，分攤計入各項產品的“開發支出”。但是采用人工工時、資源占用量等傳統動因，難以適配數據資產特性。如物聯網數據清洗環節的算力消耗具有非線性特征，按存儲占用量分攤將低估高頻數據處理項目的實際成本。此外，研發過程中涉及的云資源租賃、動力水電費等間接成本，缺乏統一的分攤動因（如人工工時、存儲占用量等），導致成本歸集的準確性不足。

（2）無形資產后續計量資本化認定困難。在后續計量方面，對于已確認為無形資產的數據資源的后續支出，需要有確鑿證據表明本次更新迭代是較前序項目構成實質性功能提升，而非僅為“對前序項目正常運營的必要維護”，才可作為資本化支出，否則應計人當期費用。但是算法模型的持續訓練特性與無形資產準則的“實質性功能提升”標準存在執行沖突。以人臉識別算法為例，每日增量訓練產生的精度提升是否構成資本化條件，在現行實務中缺乏可操作的量化標準。

（3）存貨的認定存在疑慮。考慮到受法律法規約束，如實踐中常出現“將同一數據源不斷產生的數據打包出售給不同需求主體”情形，其行為表征雖為“出售”，但應確認為無形資產，而非存貨；企業持有數據通常超過一個會計年度，已然與存貨的流動資產定位相悖[45]。因此當前對“直接轉讓有關數據”業務的判斷較為謹慎，對根據業務模式和業務實質確認為存貨的情形持謹慎判斷。

2.3信息系統支持不足

數據資源入表需要完善的信息系統支持，以實現數據資源的采集、加工、存儲、分析等全流程管理。若數據資源管理平臺尚未完善，則研發管理系統在立項論證階段的經濟利益預測難以與財務系統聯動，將導致數據資源的質量和可用性難以保證；同時跨域數據（如基站子系統（Mobile Station Subsystem，BSS）、管理支撐系統（Management Support System，MSS）域數據）的采集也容易出現重復或遺漏等情況，可能導致成本歸集不透明，將影響后續的會計核算。

3中國電信對數據資源入表中相關問題的應對

3.1 數據資源應用場景劃分

目前中國電信的數據主要分布在BSS域、MSS域、對象存儲服務（Object Storage Service，OSS）域、網絡域和業務平臺5個領域，包括全網客戶信息（含電信用戶手機號碼、手機狀態信息、手機在網時長等）、產品/銷售品、客服投訴、政企客戶關系管理（CustomerRelationshipManagement，CRM）、計費詳單、賬單、統一資源庫、統一裝維庫、三碼低效閑置數據、集團長期演進語音承載（Voice over Long-TermEvolution，VoLTE）服務工單數據、財務、采購、工程、人力、合同、移動/固網DPI、國內/國際信令、調制速率（ModulationRate，MR）/基礎帶寬（Committed DataRate，CDR）、流程管理（ProcessManagement，PM）/呼叫管理（CallManagement，CM）、物聯網、翼支付、智慧家庭等各類數據。依托電信集團總部的大數據平臺、各省公司的大數據湖、部分專業公司的數據平臺等、將電信全域數據以及外購的數據，進行采集、加工和處理，通過模型、算法等形成相應的數據標簽、指標、數據庫、數據匹配結果等數據資源。主要數據資源應用場景按照對外提供或內部使用可分為以下4種場景：對外提供大數據產品，對外提供大數據集成服務，對外提供算法，模型相關的AI、大模型產品和內部賦能。中國電信數據資源框架見圖1。

3.2針對典型應用場景，構建數據資源成本歸集與分攤機制

3.2.1對外提供大數據產品

在該場景下，電信利用相關數據資源，經過匯總、分析等，形成其他主體所需要的新數據（例如分析結果、核驗結果、信用評級結果等），并通過調用數據接口API方式提供查詢或者驗證服務。如電信公司基于電信運營商獨有的用戶實名登記信息，向客戶提供身份核驗、號碼核驗、通信信息核驗、位置核驗、欺詐盾等要素核驗服務，通過Https、API等接口形式返回核驗結果，幫助客戶核驗用戶身份屬性及行為穩定性，確保客戶獲知用戶身份真實性及欺詐風險。該大數據產品在符合資產定義和確認條件時，相關數據資源研發項目的開發階段支出，在滿足無形資產準則規定的有關資本化條件時，應確認為“無形資產——數據資源”。

電信公司以該大數據產品為維度進行研發項目立項，針對其開發階段，根據該大數據產品的開發流程，梳理其“開發支出”包括的各項支出進行數據資源成本的歸集和分攤。梳理該大數據產品的開發流程如下：由數據發展中心利用大數據平臺逐級匯聚各省端數據，以及外購異網（移動、聯通公司）和金融的API數據接口服務，進行數據匯聚、預處理和初級加工，并經由金融征信系統根據客戶具體需求和應用場景，依次進行數據抽取、應用表單建設、數據建模、API接口封裝，最終形成大數據產品上架銷售。

該大數據產品的數據應用及運營分為以下兩種模式：

（1）調用金融征信系統的API，依托網關平臺進行整合處理、產品封裝測試、產品運營，通過API接□形式提供要素核驗結果。

（2）調用集團金融征信系統API的電信用戶信息，以及外購數據服務，并通過征信系統進行數據分裝、數據脫敏、數據加密傳輸、API響應、產品運營，通過API形式反饋要素核驗結果。

歸集該大數據產品的“開發支出”包括： ① 研發用無形資產攤銷，如集團總部的大數據平臺、金融征信系統的無形資產攤銷； ② 研發人員人工支出、委托研發支付費用、合作研發支付費用，主要是數據抽取、建模、處理、API封裝、產品封裝等加工過程所發生的研發人員人工支出、委托研發支付費用和合作研發支付費用； ③ 研發用資源租賃費，如云資源租賃費;④ 其他研究開發支出，如研發人員的差旅費、辦公費、培訓費等、開發大數據產品的動力水電費等。

上述各項支出，對于能直接歸集計入該大數據產品的成本，例如征信系統的無形資產攤銷，該系統只針對該產品進行數據加工、處理，屬于直接成本，其每期攤銷應計入“開發支出”，并歸入相應研發項目；對于數據抽取、建模、處理、API封裝、產品封裝等加工過程所發生的支出，該加工過程是由專屬的自有研發人員承擔，并通過一事一議簽訂合同的形式開展委托或合作研發，屬于直接成本，相關研發人員人工支出、委托研發支付費用和合作研發支付費用應直接計入“開發支出”，并歸入相應研發項目；對于無法直接歸集計入該產品的成本（即間接成本），按照合理的成本分攤動因（如常見的分攤動因包括開發數據資源所耗費的人工工時、數量、開發數據資源所需相關軟硬件資源占用量、占用時長、數據資源的存儲占用量）分攤至該大數據產品，計入“開發支出”，并歸入相應研發項目。當達到該大數據產品預定用途，并滿足無形資產準則規定的有關資本化條件時，確認為“無形資產一數據資源”，并按照預期的攤銷期予以攤銷。另外，對于外購數據服務的成本，是根據客戶的每項核驗需求，按次數調用外部數據接口服務，并實時形成相應的收入及成本，并非為開發該大數據產品而在一個期間內發生的成本，因此，不屬于數據資源“開發支出”。對于與該產品相關的數據平臺維護支出、安全管理支出等，不屬于數據資源的直接加工成本，且沒有顯著增加企業未來的經濟利益流入，應在實際發生時計人當期損益，不屬于數據資源“開發支出”。

3.2.2對外提供大數據集成服務

在該場景下，公司利用相關數據資源和技術提供數據資源相關的專業服務，例如提供數據采集、清洗、標注服務，以數據集成 + 系統集成的方式，提供行業場景解決方案。如電信公司通過對外購數據庫和API數據接口服務（包含企業工商、法律訴訟、行政、輿情、照片、經營、資產和稅務等數據）與電信內部數據進行整合、挖掘并聯合分析為金融機構、類金融企業、政府等客戶提供一系列數據服務。主要應用場景包括企業信用評估、貸款審批、反欺詐和安全防范、金融產品定制、企業數據驅動決策等。具體又可細分為兩種情形：

情形1：提供通用數據處理服務，并非與履行某一合同直接相關。

對于數據庫類型的數據源，利用數據中臺進行數據源的接入、清洗和整合，形成標準化的數據；通過搭建數據倉庫，存儲和管理標準化的數據；通過數據同步工具，將數據源與數據倉庫實時同步，確保數據的及時性和準確性。對于API接口類型的數據源，公司從外部購買API數據接口服務，利用內部數據平臺完成供應商提供的工商信息、知識產權等信息的接口服務注冊以及相關管理。最后以API、在客戶系統中搭建相應數據庫、通過文件服務器文件傳輸協議（FileTransferProtocol，FTP）或安全文件傳送協議（SecureFileTransferProtocol，SFTP）等方式將服務推送至客戶。

該模式下，當數據源經加工后形成的數據輸出結果（可復用于為不同客戶或場景提供服務、并非與某一合同直接相關），在符合資產定義和確認條件時，以及開發階段支出在滿足無形資產準則規定的有關資本化條件時，應確認為“無形資產——數據資源”。

電信公司針對上述通用數據處理服務進行研發項目立項，針對其開發階段，根據相關數據資源的開發流程，梳理其“開發支出”包括的各項支出進行數據資源成本的歸集和分攤。

“開發支出”包括： ① 外購數據庫和API數據接口服務的成本； ② 研發用無形資產攤銷，如數據中臺、數據超市平臺、SaaS平臺的無形資產攤銷； ③ 研發人員人工支出，如數據源接入、清洗、整合、數據庫搭建、API接口服務注冊等加工過程所發生的研發人員人工支出； ④ 研發用資源租賃費用； ⑤ 其他研究開發支出，如研發人員的差旅費、辦公費、培訓費等、開發大數據產品的動力水電費等。

在上述各項支出中，對于能直接歸集計入該研發項目的成本，例如數據中臺、數據超市平臺、SaaS平臺的無形資產攤銷，上述系統只用于該模式的數據業務，屬于直接成本，其每期攤銷計入“開發支出”，并歸入相應研發項目。例如數據源接入、清洗、整合、數據庫搭建、API服務注冊等加工過程所發生的支出，該加工過程是由專屬的自有研發人員承擔，屬于直接成本，相關研發人員人工支應直接計入“開發支出”，并歸入相應研發項目。對于無法直接歸集計入該研發項目的成本（即間接成本），按照合理的成本分攤動因分攤至該研發項目，計入“開發支出”。當達到該數據資源預定用途，并滿足無形資產準則規定的有關資本化條件時，確認為“無形資產——數據資源”，并按照確定的攤銷期予以攤銷。

情形2：根據具體合同約定為客戶提供定制化的數據輸出服務。

該模式下，若其相關成本不屬于其他企業會計準則的規范范圍，且這些成本與履行該合同直接相關，并且增加了公司未來用于履行履約義務的資源，在符合《企業會計準則第14號——收入》第二十六條等要求下，應確認為合同履約成本，并在合同期內分期攤銷，攤銷時計入相關成本；如合同期短于1年，從重要性水平考慮，可采取簡化處理原則，一次性計入相關成本。

另外，電信公司對外購的數據，經加工處理后形成API或新的數據庫，并推送至客戶。在該業務模式下，新的數據庫雖推送至客戶，但電信公司仍保留相關數據，且在有效期內可將該等數據為不同客戶或場景提供多種類型服務，例如以API形式供客戶調用或以SaaS平臺服務形式供客戶查詢等再次獲得相關利益，即并未將預期利益通過此次交付全部轉讓給客戶，其最終目的亦并非對外出售給客戶。因此，上述數據資源并不符合“存貨一—數據資源”的確認條件。

3.2.3對外提供算法、模型相關的AI、大模型產品

該模式下電信利用相關數據資源，通過數據標注、模型訓練、模型測試等開發流程，自研算法、模型等應用于AI、大模型產品，對數據資源進行分析加工，輸出客戶需要的結果。如電信公司基于自有沉淀數據、外購數據產品、從客戶采集的數據等海量數據自研人臉識別等相關算法，預制于邊緣計算盒中，并搭載于攝像頭等硬件中，可實現實時分析視頻內容，自動探測異常信息，主動進行風險防控，為校園安全等各類場景提供基于AI識別模型的智能服務。在該業務中，電信公司所研發的人臉識別等相關算法，當符合資產定義和確認條件時，以及相關數據資源研發項目的開發階段支出在滿足無形資產準則規定的有關資本化條件時，應確認為“無形資產——數據資源”。

電信公司應以各算法、模型為維度進行研發項目立項，針對其開發階段，應根據各算法、模型的開發流程，梳理其“開發支出”包括的各項支出進行數據資源成本的歸集和分攤。將上述支出直接歸集或間接分攤至各個算法、模型研發項目中，計人“開發支出”，當達到各算法、模型預定用途時，并滿足無形資產準則第九條規定的有關資本化條件時，確認為“無形資產——數據資源”，并按照確定的攤銷期予以攤銷。

另外，由于算法、模型等數據資源不同于其他資產，會通過不斷訓練提升其精確程度，更新迭代較快。當更新迭代是較前序項目構成實質性功能提升，而不僅為“對前序項目正常運營的必要維護”，且經濟利益很可能流入企業時，該項更新迭代所對應的支出才能予以資本化。

3.2.4 內部賦能

公司利用在生產經營過程中產生的數據資源，形成內部數字化轉型應用、AI應用和內部大模型，用于企業內部的精準營銷、基站節能、智慧機房等內部業務、運營、管理數字化領域，利用數據資源對內賦能，推動企業精細化管理和提質增效。如基于大數據驅動、AI賦能、智慧節能控制技術，自主研發基站智慧節能網絡化平臺，依托中國電信企業級大數據湖，通過跨域多源融合數據，建立網絡感知、智能分析、智能決策、自動控制、精細評估、策略優化等閉環循環，智能調度基站軟硬節能開關和調整參數，使節能效率和運維效率雙提升，基站能耗和運營成本雙降低。該大數據/AI應用在符合資產定義和確認條件時，以及相關數據資源研發項目的開發階段支出在滿足無形資產準則規定的有關資本化條件時，應確認為“無形資產—數據資源”。

業務部門在研發立項論證或可研評估環節，應充分論證剔除使用節能設備等節電因素后，自研的節能度數和降低的電費，以證明研發項目“能夠帶來經濟利益流人”，從而滿足有關資本化條件。

電信公司以該內部賦能應用為維度進行研發項目立項，針對其開發階段，應根據該大數據/AI應用的開發流程，梳理其“開發支出”包括的各項支出進行數據資源成本的歸集和分攤。開發流程如下：

集團數據發展中心利用集團大數據平臺通過跨域多源融合數據，完成全網每個基站、扇區、業務等數據的統一采集、匯聚，跨域關聯、融合，包括基站性能數據、配置數據、MR/DPI數據以及用戶話單等數據。研究院根據業務需要進行多源數據關聯、特征字段轉化和篩選、AI模型算法（如預測模型、網絡覆蓋模型、場景識別、潮汐識別）開發，實現“一扇區一畫像”與智能預測，通過智能決策模型輸出“一小區一策略”的精準節能策略下發至各省公司，并由省公司將節能策略轉換為節能指令下發至各基站小區。

該大數據/AI應用的“開發支出”包括： ① 研發用無形資產攤銷，如集團總部大數據平臺的無形資產攤銷； ② 研發人員人工支出、委托研發支付費用和合作研發支付費用，如數據關聯、算法模型開發等加工過程所發生的研發人員人工支出、委托研發支付費用和合作研發支付費用； ③ 研發用資源租賃費，主要為機房節能檢測、節能采控網關等設備租賃費； ④ 其他研究開發支出，如研發人員的差旅費、辦公費、培訓費等，以及開發大數據應用的動力水電費等。上述各項支出中，對于能直接歸集計人基站智慧節能應用的成本，直接計入“開發支出”。對于無法直接歸集計入基站節能應用的成本（即間接成本），應當按照合理的成本分攤動因分攤至該基站節能應用，計入“開發支出”，并歸入相應研發項目，當達到該基站智慧節能應用預定用途時，并滿足《企業會計準則第6號—無形資產》第九條規定的有關資本化條件時，確認為“無形資產—數據資源”，并按照確定的攤銷期予以攤銷。

4數據資源管理平臺建設與應用

為提升數據資源的會計信息質量，中國電信對原有的自研類資本性開發支出項目系統進行了升級改造，建立了數據資源管理平臺。通過進一步優化相關系統功能，實現系統支撐數據資源研發項目的立項、管理、成本歸集及相關會計處理工作，保障了數據資源入表的質量[6-7] 。

自研類資本性開發支出項目是指項目的技術方案規范、系統架構設計、核心代碼開發等核心工作由電信內部單位自主研發的資本性支出項目，主要涉及數據資源、云、AI、數字平臺等重點新領域，見圖2。為滿足數據資源的要求，電信對原有的項目管理系統進行了3項主要改造： ① 自研類資本性開發支出項目的立項、項目實施、項目月報、項目結題、資產交付環節，統一在研發平臺實現； ② 在現有研發項目業務流程中，新增資本性研發人員人工成本歸集流程、新增研發用無形資產攤銷分攤成本歸集方案； ③ 為單獨區分數據資源項目和數據資產，在立項環節增加數據資源研發項目標識，新增數據資產卡片標識，新增“無形資產數據資源”會計科目，并按照確定的期限予以攤銷，相應調整資產建卡及攤銷程序。

圖2中國電信自研類資本性開發支出項目系統框架

通過對原有系統的升級改造，系統流程主要有以下特點：

（1）項目規劃環節，對于“自研類資本性開發支出項目”，納入科創部門歸口管理的研發預算池管理，同時納入研發類資本性支出項目規劃清單，規劃項目通過評審后導入研發項目管理平臺。

（2）項目立項環節，財務部門、科創部門、相關業務部門需對該項目是否符合研發資本化條件、項目預期成果是否形成無形資產進行審查明確，并需在“立項論證報告”頁面，補充提交以上相關部門會審紀要作為符合研發資本化條件的立項依據。在立項環節，若屬于數據資源研發項目，則會在系統中單獨區分。

（3）項目實施環節，實現成本性研發項目的人工成本歸集、其他零星研發支出（如差旅費等）歸。研發用無形資產攤銷由資產管理員、研發項目經理按需維護研發項目使用無形資產的情況，將無形資產攤銷按照一定分攤規則分攤至各研發項目。

（4）在項目結題環節，財務部門、科創部門、相關業務部門、資產管理部門需對項目研發成果是否形成無形資產、是否滿足研發資本化條件進行復核確認，并在“項目結題”的系統補充提交符合開發階段支出和研發資本化要求的材料。

（5）資產交付。項目結題后，完成資產交付并完成相應賬務處理。由項目負責人按要求編制資產交付通知單及無形資產交付明細表，經無形資產使用部門確認后，提交財務審核。財務審核通過后，交由財務共享中心完成建卡、分攤、制證等賬務處理。賬務處理完成后，該項目自動關閉。

5 研究結論與建議

5.1 研究結論

本文通過中國電信的案例，系統分析了基于場景特征的會計處理方法，為解決數據資產成本歸集邊界模糊問題、進一步細化《暫行規定》提供了實證依據。主要有以下結論：第一，數據資源的會計核算方法高度依賴具體應用場景，無論是面向外部市場的數據產品、服務，還是聚焦內部賦能的產品和服務，其價值創造模式均呈現顯著的場景特性[8]。案例研究發現，中國電信通過構建數據資源管理平臺實現核算流程標準化，不僅提升了會計信息質量，更保障了數據安全和數據使用合規性。第二，本文從微觀層面，為企業建立兼顧規范性與靈活性的核算體系提供了可行路徑;在宏觀層面，為相關部門制定差異化的行業操作指引積累了寶貴經驗。第三，本文同時發現，數據資產在確認過程中間接成本分攤動仍存在主觀判斷空間，數據資產后續計量中更新迭代的資本化標準尚需進一步明確。

5.2 建議

結合本文案例的研究，基于數據資源入表的制度完善，提出以下3點建議： ① 建立數據資產會計處理的專項解釋，細化不同場景的確認標準，對數據資源科學分類； ② 逐步建立和完善數據資產成本的標準化、透明化分攤機制，以科學、系統性手段規范數據資源采集、加工、使用的全過程； ③ 企業層面可借鑒中國電信經驗構建全流程管控體系，包括研發前端的可行性論證機制、開發階段的分場景成本歸集模型、資產運營期的動態評估系統，通過業財深度融合確保入表信息的可靠。

6 結語

當前，數據資源入表的會計核算實踐已成為企業實現數據價值轉化、助推數字經濟高質量發展的重要環節[9-0]。本文基于《暫行規定》，結合中國電信的實踐案例，系統探討了不同業務場景下數據資產會計核算的關鍵問題與成本歸集分攤方法，揭示出數據資源入表的內在邏輯與實踐路徑，為同類企業提供具象化的參考范式。研究發現，數據資源在成本分攤與后續計量方面仍存在主觀性與標準模糊問題。據此，從制度完善角度提出細化確認標準、建立透明分攤機制、構建全流程管控體系等建議，為企業規范核算、政府制定指引提供依據，助力數據資源價值高效轉化。

參考文獻

[1］金琳．數據資產入表開啟數據要素產業化大時代［J]．上海國資，2023（9）：38-40.

[2］李君．數據資產“入表”與數據要素價值釋放［J]．財務管理研究，2024（9）：2-3.

[3］楊金鳳，王晨雪，張焰朝．企業數據資源入表：典型場景與優化方案［J].中國注冊會計師，2025（2）：110-116.

[4］張素華．數據資產人表的法律配置［J]．中國法學，2024（4）：229-249.

[5］喬鵬程，杜慶璋．數據資產入表的合規性風險挑戰與應對研究［J].財務管理研究，2024（6）：25-31.

[6］徐博揚，田翠香.D公司數據資產會計處理問題研究［J].國有資產管理，2025（2）：54-57.

[7］楊嘉歆，楊梓秋．數據資產會計處理的問題研究：文獻綜述[J]．財務管理研究，2024（8）：11-17.

[8］陳樂錕，王雪濤，韓語笑，等．旅游服務企業大數據資產的估值研究：以攜程集團為例[J].財務管理研究，2025（3）：96-102.

[9］王樾，李芳菲．高質量發展背景下數字金融助力飼料產業生態發展對策研究［J]．中國飼料，2025（6）：85-88.

［10］厲國威，鄭煜璋．數據資產“入表”估值問題研究［J].財會通訊，2024（23）：87-90，148.

收稿日期：2025-05-09

作者簡介：

張繼德，男，1969年生，博士研究生、博士后，教授，博士生導師，主要研究方向：企業內部控制、公司治理、基于信息化的財務管理。魯昊，男，1987年生，碩士研究生，高級會計師、注冊會計師，主要研究方向：企業內部控制、財務數字化。

魯思煜，女，1992，碩士研究生，會計師，主要研究方向：企業內部控制、財務數字化。

* 基金項目：國家社科基金后期資助重點項目“制度演進視角下中國特色國有企業制度構建研究”（23FGLA00）；國家社科基金一般項目“實體企業業績承諾與業績承諾機制、后果和防控研究”（18BLG064）；國家社科基金重大項目“國家治理視角下國有經營預算制度研究\"（14ZDA027）；國家社科基金重點項目“國有資本授權關系及實現模式研究”（14AJY005）。