数据资产入表：现状、挑战与对策

【摘要】本文以2024年第一季度数据资产入表的25家A股上市公司为样本， 研究数据资产入表的现状、 挑战与对策。研究发现： 首批入表企业多以无形资产或开发支出入表， 且入表规模有限； 同时， 首批入表企业具有行业分散、 民营企业居多、 地域集中、 市值不高的特点。进一步梳理现有法律规定， 从法律问题和会计问题两个角度明确目前数据入表在数据权属、 数据安全、 数据合规及资产确认问题上存在的巨大挑战， 并从合规管理、 价值评估、 合规审计三方面提出应对之策。

【关键词】数据；数据资产入表；数据资源；数智化转型

【中图分类号】F230" " " 【文献标识码】A" " " 【文章编号】1004-0994（2024）16-0055-6

一、 引言

数据是数字经济的关键要素。据2024年一季报， 已经有25家A股上市公司进行了数据资产入表的操作， 后来陆续有7家更正取消。自2019年中共中央、 国务院提出将数据并列作为第五大项生产要素以来①， 数据要素、 数据资源、 数据应用等相关话题研究备受关注（张俊瑞和危雁麟，2021）。数据资源能否作为资产确认？该如何确权？如何计量？如何“入表”？2023年8月21日， 财政部发布《企业数据资源相关会计处理暂行规定》（简称《暂行规定》）②， 以及数据资源的确认范围和会计处理适用准则等（刘峰和赵永超，2024）。这一举措迈出了从数据资源到数据资产的关键一步， 企业数智化转型成果将逐步被社会大众所认知。

数据资产入表意味着企业可以将数据资源确认为资产负债表中的“资产”（谭红旭和张嘉欣，2024）。于企业层面， 拥有海量数据资源的企业有望在财务报表中体现其真实价值和业务贡献， 且数据资产入表在盘活数据资源价值的同时， 也有利于展示企业的数字竞争优势， 为企业开展投融资业务提供依据（谢康等，2020）。于市场层面， 数据资产入表有利于显化数据资源价值， 激活数据市场供需主体的积极性， 增强数据流通意愿， 为企业深度开发利用数据资源提供动力（唐要家等，2022）， 加快数字经济与实体经济融合（洪银兴和任保平，2023）。同时， 建立数据资产入表机制能够有效激发数字经济发展活力， 带动数据采集、 清洗、 标注、 评价、 资产评估等相关服务业发展， 助力数据要素市场体系建设。简言之， 数据资产入表将有效改善数据要素市场的供求格局， 减少供给侧与需求侧的信息不对称， 加快完善监管机制， 促进交易与流通（蔡跃洲和马文君，2021）。

本文通过分析2024年第一季度数据资产入表的25家A股上市公司（简称“首批入表企业”）数据， 从法律问题和会计问题两个角度， 结合《暂行规定》的关键要义， 从数据权属问题、 数据安全问题、 数据合规问题及资产确认问题对数据资产入表面临的挑战进行分析， 以期为企业在数据资源治理和实现数据资源资产化过程中可能遇到的问题提供应对之策。

本文可能的贡献在于： 第一， 结合首批入表企业现状， 从广义上认可数据的价值及其对企业价值的贡献， 进一步探究企业数据资产入表类型和资产规模等会计核算问题， 丰富数据经济理论的研究； 第二， 从法律和会计层面探讨数据资产入表面临的数据权属、 数据安全、 数据合规、 资产确认四大挑战， 并从合规管理、 价值评估、 合规审计三个方面给出建议， 以期推进数据资产会计理论和企业资产管理实践相结合。

二、 数据资产入表概况

随着各项数据资产法律法规、 暂行规定、 指导意见的陆续出台（如表1所示）， 数据要素市场化已成为建设中国数字市场必不可缺的一部分。《暂行规定》作为贯彻落实党中央、 国务院关于发展数字经济决策部署的具体举措， 在盘活数据资源价值、 提升企业数据资产意识、 激发数据交易市场活跃性等方面发挥着重要作用。随着2024年第一季度财报数据的披露， 第一批依据《暂行规定》率先开展了数据资产入表的企业接连登台亮相。本文选取A股25家首批入表企业， 根据wind数据库的企业信息及2024年第一季度财报数据， 对其入表特征进行概要性分析， 从入表类型、 资产规模、 行业属性、 国资属性、 地域分布及企业市值七个方面剖析数据资产入表的现状。

1. 首批入表企业的入表类型和资产规模。《暂行规定》将“入表”的数据资源进一步区分为“企业使用的数据资源”和“企业日常活动中持有、 最终目的用于出售的数据资源”两类， 并分别规定这两类数据资源适用的会计处理准则。对于前者， 企业应当按照《企业会计准则第6号——无形资产》及应用指南进行相关会计处理， 而对于后者， 企业则应参照《企业会计准则第1号——存货》及应用指南处理。在数据资源确认入表后， 企业应当结合数据资源的持有目的、 形成方式、 业务模式， 以及与数据资源有关经济利益的预期消耗方式等， 对入表类型进行确认。

值得注意的是， 由于一季报披露要求简单， 25家上市公司虽然实现了数据资产入表， 但绝大多数只是披露了数字， 未对细节和影响进行介绍分析。且一季报未经审计， 后续出现7家企业相继取消“数据资产入表”。根据2024年第一季度财报数据统计， 首批入表企业的入表类型明确， 入表资产规模有限。首批入表类型包括无形资产（13家）、 存货（6家）和开发支出（8家）， 其中开普云（688228.SH）和南钢股份（600282.SH）同时列记无形资产和开发支出两项， 累计金额15.3431亿元。进一步分析得到， 入表类型为无形资产和开发支出的企业， 入表资产规模主要在百万元级水平； 而入表类型为存货的企业， 入表资产规模均在千万元级水平。数据资产入表规模最大的两家分别为中信重工（601608.SH）的7.1629亿元和金龙汽车（600686.SH）的5.8427亿元， 入表类型均为存货。而后续取消数据资产入表的7家企业， 入表类型均为存货且资产规模大于1000万元。

通过梳理发现， 卓创资讯和中远海科在一季报中对数据资产入表有更详细的披露。卓创资讯披露其将数据资产作为无形资产核算的判断依据为， 公司持有数据资产的主要目的并非直接对外出售， 而是作为服务于资讯服务、 数智服务相关产品的底层数据。此外， 卓创资讯还披露了数据资产的成本构成和选用年数总和法按5年进行摊销的依据③。无独有偶， 中远海科披露其“船视宝”系列产品研发推广项目于2023年底完成研发验收流程， 该系列产品业务模式主要利用数据资源为客户提供服务， 故根据财政部相关规定， 自 2024年1月1日起将“船视宝”系列产品列报于“无形资产——数据资源”④。从企业角度来看， 数据资产入表是为了提升企业市场价值， 作为存货入表可能更关心短期价值， 而作为无形资产入表则可能更注重长期价值。相对而言， 作为存货入表的合规要求更高， 因为需保证数据交易中的安全性及取得交易对象的信任， 同时由于数据交易过程中数据持有权发生了转移， 如果合规链条不完整， 很可能陷入非法提供个人信息甚至侵害公民个人信息罪的刑事责任等风险中。而作为无形资产入表的合规要求相对宽松， 因为企业仍然掌握数据资源的持有权， 能够有效控制数据。但目前来看， 理论与实践存在不一致的状况， 首批入表企业多以无形资产及开发支出入表， 且前述两家规模达亿元级的数据资产入表， 均列为“存货”， 但随后又都取消入表。可见， 数据资源作为存货入表还是作为无形资产入表并无绝对的优劣之分， 在实际操作上还是应该根据企业是否需要转移数据持有权来确定。

一般来说， 存货或无形资产增加会导致总资产增加， 而负债前后变化幅度小于资产， 使得资产负债率下降； 数据资源形成无形资产后需要按照年限进行摊销， 可能导致企业成本或费用的确认存在时间差异， 呈现先低后高的规律； 由于当期成本或费用先低后高， 则利润呈现出先高后低的状态， 进一步可能导致所得税也表现为先高后低。通过卓创资讯的具体案例分析可知： 一季度， 主要由于数据资产入表的影响， 卓创资讯的无形资产从年初的2590.59万元增长到3517.70万元， 增长35.79%； 入表后公司利润总额增加， 导致今年一季度所得税费用同比上升58.53%， 至334.73万元， 最终公司一季度净利润同比增长46.20%， 至2481.24万元⑤。故而， 数据资产入表会显著影响公司的资产规模、 成本、 税收和净利润， 并进一步影响资产负债率、 利润率、 净资产收益率等指标。需要关注的是， 首批入表企业还有6家将数据资产作为开发支出入表， 开发支出的资本化和费用化问题一直以来都是会计争论的重点， 将数据资产作为开发支出入表的企业未来会如何进行会计操作， 值得跟踪。

2. 首批入表企业的行业属性、 国资属性、 地域分布及企业市值。首批入表企业的行业分布情况呈现出以下两大特征。其一， 根据国标行业门类划分， 首批入表企业行业分布具有一定的分散性。25家企业并非都是“血统纯正”的信息技术企业， 恰恰相反， 其主营业务包罗万象， 涉及钢铁、 汽车、 港口、 电力、 塑料等众多传统领域， 显示出数据资源涉及领域的广泛性。可见， 数据资产入表并非具有企业类型的锁定性， 即不一定只有科技型企业、 互联网企业等才有资格进行数据资产入表。任何一家企业， 只要能够进行数智化转型， 都有数据资产入表的可能， 也都可能通过数据资产入表来提升企业市场价值， 拓宽融资渠道。其二， 随后取消数据资产入表的7家企业却多为非信息技术领域。可见， 行业属性问题可能会在数据资源的合规性和会计核算问题上给非信息技术领域的企业带来一定的阻碍。

2020年， 国务院国资委印发《关于加快推进国有企业数字化转型工作的通知》， 明确指出国有企业应加快集团数据治理体系建设⑥。2024年2月5日， 财政部颁布的《关于加强行政事业单位数据资产管理的通知》， 强调要加强行政事业单位数据资产管理⑦。具有国资属性的企业在首轮数据资产入表中本该是“领头羊”“排头兵”， 但事实却大相径庭， 首批入表企业中非国有企业占比远高于国有企业。报表更正后， 18家入表企业中有三分之二的民营企业。一种可能的解释是： 国有企业的大部分数据资产为自用， 更多服务于国家治理现代化， 比如灯光数据助力扶贫治理， 成本核算难度较大； 而民营企业的数据资产更多用于交易， 成本核算比较明确， 入表也驾轻就熟。然而， 作为数字中国建设的主力军， 国有企业天然就具备成为数智化转型先锋队的产业优势， 诸如国家电网、 国铁集团， 坐拥海量数据且关乎民生国本， 更应该是未来数据资产入表的重量级选手。

另外， 首批入表企业分布在10个省市， 以沿海一线为主， 北京、 山东和浙江数量居前三。首批入表企业的总市值均在500亿元以内， 并有16家市值在100亿元以内， 缺少巨无霸企业。其中， 传统行业的青岛港（601298.SH）、 山东高速（600350.SH）和南钢股份（600282.SH）的总市值最高， 分别为479.69亿元、 414.34亿元和290.38亿元， 市值偏低的多数为信息技术行业企业。总而言之， 首批入表企业具有地域集中性、 行业分散性、 市值不高等特点， 且以民营企业为主， 高市值企业、 数据型企业反而没有进行数据资产入表实践。在国证数据要素主题指数中， 信息技术、 电信服务、 金融等是主要的权重行业， 也是数据资产富集的行业。尽管这些数据要素龙头公司未在一季报中披露数据资源入表情况， 但在2023年年报中已经披露了数智化战略以及数据资产入表的准备。比如： 中国电信（601728.SH）发布“灵泽数据要素2.0平台”， 着力打造“数据产品超市”标杆项目⑧； 光大银行（601818.SH）发布《企业数据资源会计核算实施方案》⑨； 易华录（300212.SZ）提出“以数据要素资产化全流程服务为主线构建业务体系”⑩。可以预见， 数据资产入表未来将新增万亿级的资产规模。2024年第一季度只是观察上市公司数据资产入表成果的第一个时间窗口， 以此启航， 资本市场将真正进入数据资产时代。

三、 数据资产入表的挑战

数据资产入表虽是客观的会计核算过程， 满足资产确认条件的数据资产即可根据《暂行规定》以成本法进行列报与披露， 但其确认却涉及更为复杂的法律问题。今年是数据资产入表“元年”， 实践中还有很多细节需要不断厘清。

1. 数据权属问题。数据确权是数据资产入表面临的首要难题， 是数据立法亟须解决的关键问题（王利明，2023）。数据在生产过程中不会被消耗且可以无限复制给多方使用， 因此数据产业链所涉及的多个主体均享有数据资产的部分权利。这种非稀缺性和非排他性使得各数据主体之间的冲突难以调和， 导致数据权属模糊（田杰棠和刘露瑶，2020；周汉华，2023）。《民法典》中所有权的客体对象是不动产或者动产， 但数据未能被纳入不动产或者动产范围， 故而现有法律如反不正当竞争法、 知识产权法、 个人信息保护法等均无法实现对数据的全面保护。

《民法典》第一百二十七条对数据权益的民法保护作出了宣示性规定， 提出数据权益作为民事权益体系的重要组成部分， 应当接受民事权益保护规则的调整。尽管《民法典》承认了数据的法律地位， 但依旧没有解决数据权属问题。2022年12月， 中共中央、 国务院联合印发了《关于构建数据基础制度更好发挥数据要素作用的意见》（简称“数据二十条”）， 创设性地给出了数据三权分置的确权方式， 明确“探索数据产权结构性分置制度”“建立数据资源持有权、 数据加工使用权、 数据产品经营权等分置的产权运行机制”。其中， 持有权备受关注， 它绕开了传统民法体系的“所有权”概念， 在事实层面解决数据的确权问题。《民法典》第二百四十条规定， 所有权人对自己的不动产或者动产， 依法享有占有、 使用、 收益和处分的权利。而“数据二十条”所提出的三权分置， 可以理解为是对“使用”“收益”两项权利在经济学层面的分配， 避开了“占有”“处分”两项权利， 同时又引入“持有”的概念以搭建使用、 经营等的前提性权利基础。简言之， 持有权可视为弱化的“占有”， 加工使用权等同于所有权里的“使用”， 经营权相当于“收益”。当然， “数据二十条”需要进一步转化为法律后， 才具有民法框架下的权属意义。且必须强调， “数据二十条”关于三权分置的设计有其内在逻辑， 持有权、 加工使用权和经营权的对象各有不同， 分别对应数据资源、 数据、 数据产品， 应加以区分。数据资源是广泛性概念， 包括所有能被收集和使用的数据， 是原始数据的总和； 数据是已经被收集和记录的事实信息， 可以是数字、 文字、 图像、 声音等形式， 属于原始的、 未经加工的信息； 数据产品则是对数据进行分析、 处理后形成的有用的信息或是可供交换的产品。

从数据资产入表的角度看， 企业首先需要在持有权层面确定其掌握的数据资源， 数据资源本身不足以构成可入表的数据资产， 只有经过处理以后才具备入表条件。进一步来说， 对于企业通过外购等方式取得的数据资源， 即使企业不拥有所有权， 但是在遵守相关法律法规的前提下， 企业依然可以享有数据资源持有权、 数据加工使用权以及对合法拥有或控制的数据资源进行开发形成的衍生数据或数据产品的合法权利。在满足其他资产确认条件的前提下， 这些数据资源便可依照相关会计处理规定入表。当前阶段， 企业利用数据释放价值， 首要前提是确定“数据二十条”框架下的“持有权”问题。只有确定了合法持有， 才能进一步加工使用， 以及进行数据资产入表。《企业会计准则——基本准则》第二十条第三款就规定， 由企业拥有或者控制， 是指企业享有某项资源的所有权， 或者虽然不享有某项资源的所有权， 但该资源能被企业所控制。由于无法对数据进行所有权层面的绝对确权， 因此重点应该放在数据资源是否能被企业控制上。

2. 数据安全问题。企业对数据资源的控制事关重大， 如何平衡数据利用和数据安全成为一个难题（马述忠和郭继文，2020）。于个人， 数据主体多样化导致侵权手段多样化， 个人隐私难以得到有效保护； 于企业， 数据密集型企业可能会利用平台流量、 算法和数据等优势开发掠夺性业务并形成垄断地位（李勇坚和夏杰长，2020）， 通过价格操纵、 合谋协议、 排他性交易、 恶意并购等手段进行恶性竞争（尹振涛等，2022）； 于国家， 数据跨境流动会增加数据外泄风险， 可能会损害国家的经济利益甚至威胁国家安全。

目前， 法律规定主要从《数据安全法》框架下的数据安全保护、 《网络安全法》框架下的数据载体保护以及《个人信息保护法》框架下的个人信息保护三方面进行保障。在《数据安全法》方面， 重点在于识别重要数据。鉴于目前为止尚无公开的重要数据目录， 企业在识别重要数据时， 除了结合数据安全相关法律规定、 标准指南、 行业经验进行综合判断， 往往需要引入第三方专业力量， 融合内外部视角进行准确判断。在《网络安全法》方面， 重点在于取得互联网相关业务所需的相关证照， 倘若企业提供的服务具有舆论属性或者社会动员能力， 企业在向公众提供服务前还应当进行安全评估， 并按照《互联网信息服务算法推荐管理规定》履行算法备案手续。

在《个人信息保护法》方面， 重点在于确定个人信息处理的合法性基础。《个人信息保护法》第十三条第一款规定， 合法性基础包括“取得个人的同意； 为订立、 履行个人作为一方当事人的合同所必需， 或者按照依法制定的劳动规章制度和依法签订的集体合同实施人力资源管理所必需； 为履行法定职责或者法定义务所必需； 为应对突发公共卫生事件， 或者紧急情况下为保护自然人的生命健康和财产安全所必需； 为公共利益实施新闻报道、 舆论监督等行为， 在合理的范围内处理个人信息； 依照《个人信息保护法》规定在合理的范围内处理个人自行公开或者其他已经合法公开的个人信息； 法律、 行政法规规定的其他情形”七大类。这七类合法性基础都可以适用于个人信息处理活动， 但是其坚实性在实践中存在差别。通常认为， 合意产生的坚实性更为牢固， 因为通过合意能够明确获得相对人的意思表示， 同时在产生权益纠纷时能够提供有效的证据， 而单意则仅由企业一方根据法律条款作出判断， 在缺乏足够权威的指导的情况下， 对抗其他人权益主张的能力有限， 证明难度也相对较高。七类合法性基础中只有“取得个人的同意”是具有合意的， 而其他六项均缺乏合意的形式。从数据资产入表的角度来看， 如需更为坚实的合法性基础， 确保企业持有的正当性、 稳定性， 也应以“取得个人的同意”作为合法性基础。不过， 对于公开数据而言， “取得个人的同意”十分困难， 实践中需要具体判断， 考虑数据来源、 获取方式、 使用目的等因素， 并结合业务场景作出相应认定。目前， 企业可以考虑通过数据资产登记的方式进一步确权， 以保证数据资产的稳定性。通过数据资产登记， 更好地实现数据资产的商品化、 市场化、 要素化， 释放数据要素的新价值。

3. 数据合规问题。数据合规与数据安全息息相关。如前所述， 可以被确认为企业资产的数据资源首先需要满足“由企业拥有或控制”的前提条件， 虽然“数据二十条”提出的三权分置机制为解决数据权属问题提供了初步路径， 但企业在实际经营中依然需要重点关注数据合规方面的问题。同数据无法进行所有权意义的确权道理相仿， 数据合规也不能阻止第三方主张数据权利或者干涉数据持有， 其主要作用是判断企业处理数据的合法性， 以及识别数据处理过程中的潜在风险。换言之， 因为在法律层面没有对数据进行确权， 数据处理者对其数据不享有所有权意义的权利， 所以必须通过数据合规来确认潜在的风险， 以防止或缓释其他人的权利挑战， 从而稳固数据持有权的基础。数据合规使得数据持有权具备了实践意义， 能够支撑后续的数据加工使用权、 数据产品经营权等的行使， 为数据资源入表扫清源头上的障碍。

数据合规包括来源合规、 处理合规、 管理合规及其他业务合规。因企业数据资源的取得、 处理和管理方式随业务场景的不同而存在差异， 数据资产的应用场景需要明确（曾雪云，2023）。但在实务中， 数据资产的应用场景通常较难区分。一是企业在使用数据资产的时候可能没有明确的目的性和计划应用场景， 仅仅是作为业务拓展或决策的支撑； 二是数据资产可能在同一时间应用于多个场景， 或者在应用过程中场景发生变化； 三是数据资产的应用场景存在很大的经济波动性。对于除自行生产之外的其他数据资源， 企业应当确保数据资源的取得不违反相关法律法规的强制性规定， 不侵犯任何第三方的合法权利。例如： 对于通过数据爬虫方式获取的公开数据， 企业应当关注数据爬虫行为本身是否符合法律法规要求； 企业通过APP、 传感器等方式自行采集个人数据时， 应当确保取得相关数据主体的授权； 对于从其他数据提供方处购买相关数据的情形， 企业应当关注所购买的数据是否具有合法的来源， 必要时可以要求数据提供方作出相关陈述， 保证其提供的数据已取得所有相关数据主体的合法授权， 不侵犯任何相关数据主体的合法权利等。

4. 资产确认问题。数据资产的可辨认性弱， 且必须存储在一定的介质里， 具有整合性、 半生性和可加工性（徐翔等，2021；刘云波，2023）， 甚至在实务中直接被包含在并购产生的商誉里（Corrado等，2022）， 单独识别极其困难。企业宜先进行数据资源盘点， 摸清数据结构、 数量、 类型等情况， 区分表内和表外（刘峰和赵永超，2024）。《暂行规定》对入表的数据资源进行了规范， 分别是企业按照企业会计准则相关规定确认为无形资产或存货等资产类别的数据资源， 以及企业合法拥有或控制的， 预期会给企业带来经济利益的， 但由于不满足企业会计准则相关资产确认条件而未确认为资产的数据资源。根据《企业会计准则——基本准则》， 资产的确认条件为“与该资源有关的经济利益很可能流入企业”和“该资源的成本或者价值能够可靠地计量”。对于数据资源而言， 符合资产的定义可能相对较为容易， 但由于其本身的特殊性， 在论证其满足上述两项确认条件时会存在一定的困难。

（1） 与该资源有关的经济利益很可能流入企业。实务中的“很可能”意味着经济利益流入企业的概率超过50%。但是如何论证数据资源是否很可能给企业带来经济利益在特定情形下往往较为困难。其一， 数据资产与其他产品和服务的关联性高， 通常与算法、 人力资本和实物资产等共同带来经济利益， 不易单独观察（罗玫等，2023）。其二， 与数据资产有关的经济利益流入很大程度上与其他服务和产品相关， 价值创造形式可以是产品升级、 降本增效和科学决策等， 经济利益难以单独识别。以无形资产为例， 《企业会计准则第6号——无形资产》规定， 企业在判断无形资产产生的经济利益是否很可能流入时， 应当对无形资产在预计使用寿命内可能存在的各种经济因素作出合理估计， 并且应当有明确的证据支持。对于企业通过外购等方式取得的数据资源， 一般认为双方基于合理商业理由和谈判协商的定价就反映了双方对该数据资源未来经济利益的合理预期， 在没有其他相反证据的情况下， 可能相对容易举证能够为企业带来潜在的未来经济利益流入。然而， 对于企业内部产生的数据资源而言， 预计使用寿命等各种经济因素对数据资源是否很可能流入企业的影响很难有充分的证据支持， 仍需进一步探索。

（2） 该资源的成本或者价值能够可靠地计量。数据资产价值具有易变性， 其价值随应用场景、 用户数量等的变化而变化（罗玫等，2023）。与其他类型的资源相比， 数据资源通常伴随企业日常经营活动产生， 因此在数据资源相关成本归集与分摊过程中， 往往难以对企业经营成本与数据资源研究开发成本进行明确区分（王世杰和刘喻丹，2023）， 这也是目前实务中数据资源成本计量的难点。

特别地， 《企业数据资源相关会计处理暂行规定（征求意见稿）》中对第一类入表数据资源的表述是“企业内部使用的数据资源”， 正式发布的《暂行规定》将其修改为“企业使用的数据资源”。从文字变化来看， 纳入无形资产的数据资源不仅包括企业内部使用的数据资源， 还包括企业利用数据资源为客户提供的服务， 实践中通常体现为企业将其持有的数据资源授权给客户使用。而对于确认为存货的数据资源， 企业持有的最终目的是对外销售， 实践中企业通常是以交付数据产品的形式进行交易， 且此类数据产品一般为高度定制化的数据产品。对于并非以交易为最终目的的数据资源， 例如常见的标准化数据产品， 由于其无需根据客户需求进行定制化开发， 企业一般不会卖断销售， 通常仅向客户提供该类数据产品的使用授权。因此， 该情形下的数据资源与被确认为存货的“企业日常活动中持有， 最终目的用于出售的数据资源”存在明显区别。而对于此种特定类型的数据资源， 企业还需根据市场环境、 业务需求等因素进行进一步加工处理和更新迭代， 如何归集和分摊更新迭代过程中投入的成本也是企业需要解决的问题。

四、 数据资产入表的应对之策

当前企业数智化转型已进入加速阶段， 数据资产入表是关键一步。首先， 数据资产入表有助于推动企业对数据要素的资产化路径管理， 数据相关支出由费用化转变为资产化路径处理， 将有助于降低数据要素投入对企业营业利润的影响， 更真实地反映企业的利润状况； 其次， 对数据资产的梳理、 确认、 评估和入表等操作， 能够为企业提供关于数据资产价值的具体信息， 使企业更直观、 更全面地了解自身数据资产的价值、 风险和潜力； 再次， 有助于提升企业数据治理和内部管控水平， 明确数据资产归属和责任， 加强合规性和监管要求的落实； 最后， 能在一定程度上改善表观资产负债率， 提升外部市场对其价值的认可度。故而， 企业需要严谨对待数据资产入表工作， 充分认知数据资产入表过程中可能遇到的法律和会计层面的挑战， 积极寻找数据资产入表的解决方案。

1. 建立数据资源合规管理机制。一方面， 企业应当结合实际情况， 从数据来源、 数据处理、 数据管理及相关业务运营等方面建立健全数据资源合规管理机制， 落实数据资源分类管理等制度和流程， 严格履行相关法律法规中的数据合规义务， 为数据资源入表扫清障碍； 另一方面， 企业应当对自身的数据资源进行梳理， 形成统一的数据资源目录， 并根据数据资源实际变化情况定期对目录进行更新和维护。在完成数据资源识别、 梳理工作的前提下， 企业还应当对数据资源的治理、 应用等进行精细化的规范设计， 为充分发挥数据资源价值打下坚实基础。

2. 健全数据资源价值评估体系。企业应当结合不同的数据资源类型， 通过建立健全数据资源的价值评估体系， 对与数据资源有关的经济利益进行有效衡量， 合理论证数据资源预期为企业带来经济利益的实现方式， 打通数据资源资产化的实现路径。此外， 企业还应当对数据资源实行全生命周期管理， 通过建立有效的数据治理体系和成本归集与分摊机制， 对不同类型的数据资源以及各个阶段的成本进行归集与记录， 实现数据资源成本或者价值的可靠计量。在此基础上， 企业还应当进一步完善数据资源的运营和流通机制， 通过数据交易等方式获得数据资源经营的收益， 确保数据资源的有序流通和实现数据资源的价值增值。

3. 完善数据合规审计流程。数据资产入表并非从根本上解决数据权属问题， 同时按照信息披露的要求， 反而有可能产生数据纠纷， 影响数据资产的稳定性。因此， 数据资产入表以后仍有开展数据合规审计的必要。一方面是为强化数据资源持有权的有效性。通过数据合规审计， 发现数据处理活动中的动态风险， 深入盘点数据资源， 调整数据运营策略， 进行数据增值减值测试， 比如在实务中遇到用户主张个人信息权利时， 数据资产可能发生减值。另一方面是为落实数据治理法律规定。根据《个人信息保护法》等法律规定， 合规审计是一项法律义务。开展合规审计是确保企业数据处理活动合法性、 正当性的主要途径之一。通过开展数据合规审计， 更好地助力企业数据资产入表， 协调推进企业数智化转型及数字经济发展。

【 注 释 】

① 数据要素的概念是2019年党的十九届四中全会首次提出的，自那时起，我国将数据与劳动、资本、土地、知识、技术和管理并列作为重要的生产要素。

② 财政部于2023年8月1日发布《关于印发〈企业数据资源相关会计处理暂行规定〉的通知》（财会〔2023〕11号），参见http：//m.mof.gov.cn/zcfb/202308/t20230821_3903354.htm。

③ 2024年4月26日《山东卓创资讯股份有限公司2024年第一季度报告》，参见http：//www.szse.cn/disclosure/listed/bulletinDetail/index.html？38a5348d-d9b8-4e36-bb04-56682f46bd81。

④ 2024年4月29日《中远海运科技股份有限公司2024年第一季度报告》，参见http：//www.szse.cn/disclosure/listed/bulletinDetail/index.html？6425d938-9b23-4133-b305-271bc823fca7。

⑤ 同注释③。

⑥ 国务院国资委于2020年9月21日发布《关于加快推进国有企业数字化转型工作的通知》，参见http：//www.sasac.gov.cn/n2588020/n2588072/n2591148/n2591150/c15517908/content.html。

⑦ 财政部于2024年2月5日发布《关于加强行政事业单位数据资产管理的通知》（财资〔2024〕1号），参见https：//www.gov.cn/zhengce/zhengceku/202402/content_6931055.htm。

⑧ 2024年3月27日《中国电信股份有限公司2023年年度报告》，参见http：//www.sse.com.cn/disclosure/listedinfo/announcement/c/new/2024-03-27/601728_20240327_ZEMF.pdf。

⑨ 2024年3月28日《中国光大银行股份有限公司2023年年度报告》，参见http：//www.sse.com.cn/disclosure/listedinfo/announcement/c/new/2024-03-28/601818_20240328_70QV.pdf。

⑩ 2024年4月18日《北京易华录信息技术股份有限公司2023年年度报告》，参见http：//www.szse.cn/disclosure/listed/bulletinDetail/index.html？6b4356f4-70ee-4a4c-a35e-fb4720752ad4。

【 主 要 参 考 文 献 】

蔡跃洲，马文君．数据要素对高质量发展影响与数据流动制约［ J］．数量经济技术经济研究，2021（3）：64 ～ 83．

洪银兴，任保平．数字经济与实体经济深度融合的内涵和途径［ J］．中国工业经济，2023（2）：5 ～ 16．

李勇坚，夏杰长．数字经济背景下超级平台双轮垄断的潜在风险与防范策略［ J］．改革，2020（8）：58 ～ 67．

刘峰，赵永超．表内还是表外：是个问题！——上市公司一季报数据资产入表情况分析［EB/OL］．https：//mp.weixin.qq.com/s/ygFjWAFPL_g2wICqeqijWg？poc_token=HEDGbmajAvK-P1gfkRIJDVL9Pl7xiCOojHl1Gf9Y，2024-06-03．

刘云波．数据、数据资产及其价值评估［ J］．中国资产评估，2023（5）：51 ～ 56．

罗玫，李金璞，汤珂．企业数据资产化：会计确认与价值评估［ J］．清华大学学报（哲学社会科学版），2023（5）：195 ～ 209+226．

马述忠，郭继文．数字经济时代的全球经济治理：影响解构、特征刻画与取向选择［ J］．改革，2020（11）：69 ～ 83．

谭红旭，张嘉欣．对数据资产入表问题的思考［ J］．财会月刊，2024（11）：68 ～ 73．

唐要家，王钰，唐春晖．数字经济、市场结构与创新绩效［ J］．中国工业经济，2022（10）：62 ～ 80．

田杰棠，刘露瑶．交易模式、权利界定与数据要素市场培育［ J］．改革，2020（7）：17 ～ 26．

王利明．数据何以确权［ J］．法学研究，2023（4）：56 ～ 73．

王世杰，刘喻丹．论数据资产的确认及计量［ J］．财会月刊，2023（8）：85 ～ 92．

谢康，夏正豪，肖静华．大数据成为现实生产要素的企业实现机制：产品创新视角［ J］．中国工业经济，2020（5）：42 ～ 60．

徐翔，厉克奥博，田晓轩．数据生产要素研究进展［ J］．经济学动态，2021（4）：142 ～ 158．

尹振涛，陈媛先，徐建军．平台经济的典型特征、垄断分析与反垄断监管［ J］．南开管理评论，2022（3）：213 ～ 226．

张俊瑞，危雁麟．数据资产会计：概念解析与财务报表列报［ J］．财会月刊，2021（23）：13 ～ 20．

周汉华．数据确权的误区［ J］．法学研究，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．