如何理解企业数据资产入表
作者：张艳     时间：2025-05-13

截至2025年1月1日，财政部印发的《企业数据资源相关会计处理暂行规定》已正式实施一年。在这一年的时间里，全国各地企业积极投身数据资产入表浪潮，践行数据资产入表的企业数量不断增加，目前已逾百家。

数据资产入表，指将数据确认为企业资产负债表中的“资产”项，即数据资产入企业“资产负债表”，彰显数据资产价值。数据资产入表具有诸多积极意义，在宏观维度上，可充分释放数据价值，助力数字经济发展；在中观维度上，可加速数字产业化与产业数字化，助推传统企业数字化转型；在微观维度上，可推动企业强化数据管理并直接提高企业估值。

企业数据资产入表规则

数据资产入表处于会计与法律交叉的领域，根据现行规定，可以入表的数据包括以下三类：第一，按照企业会计准则相关规定确认为无形资产的数据资源；第二，按照企业会计准则确认为存货的数据资源；第三，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。在企业数据资产入表实践中，资产与存货的区分标准在于，相关数据资源为企业自用（资产）或他用（存货），即相关数据资源系供企业自身使用还是由企业持有，最终目的为出售。在实践中，企业持有的数据能否入表，取决于数据是否满足以下条件：数据系由企业过去的交易或事项形成；数据由企业合法拥有或控制；数据预期会给企业带来经济利益；数据的成本或价值能够得到可靠地计量。

根据上海数据交易所编制的相关指南，从宏观层面进行观察，企业数据资产入表包括初始计量、后续计算、列报与披露三个部分，其又可细化为实践中的若干具体步骤，具体包括成本归集、收入与成本匹配、按成本进行初始计量、后续计量、财务报表列示、其他自愿披露的信息。在成本归集方面，部分企业由于组织架构不合理或者部门之间存在资源重复利用与人员调配困难等问题，成本归集存在困难。建议企业尽早规划业务流程，建立健全数据资产核算内部控制流程。在收入与成本匹配方面，企业可结合数据调用频次情况、服务收费规则、预计对外提供服务的频次等因素对重复使用的数据资源成本进行更合理的分摊。在列表与披露方面，企业应依照相关要求根据数据资源的持有目的、形成方式、业务规模对确认为无形资产与存货的数据交易与事项进行会计确认、计量和报告。

置于数据价值链中去理解

数据资产入表是数据价值链中的重要一环。只有将数据资产入表置于整个数据价值链中进行观察，才能更好地理解该制度的功能与价值，更灵活地处理个案中纷繁复杂的情况。数据价值链包括数据资源化、数据产品化与数据资产化三个核心环节。

数据资源化意味着从原始数据到数据资源的过程。原始数据是各企业在日常生产经营活动中日积月累形成的数据，这些数据无法参与流通，必须要经过一定的加工处理才能被利用。积累到一定程度的原始数据，经过必要的加工、清洗、处理之后，被独立部署存储，成为具有潜在使用价值的数据资源。原始数据转变为数据资源的过程被称为数据资源化，数据资源化使数据从无法发挥外部价值的原始数据变为可以参与生产经营活动并发挥重要价值的数据生产要素。数据资源不仅可以被企业自行使用，还能通过流通被外部机构使用。

数据产品化意味着从数据资源转变为数据产品的过程。随着数据资源参与市场流通，为了提升流通效率，就需要将数据资源转化为能够更加高效流通的商品化的数据产品。数据产品加工并非简单的工作，持有数据资源的企业需要先发现市场上的需求，再通过专门设计和开发配置加工出数据产品。在加工数据产品的过程中，调研用户的需求必不可少。很多时候，数据产品是企业和首个（批）试用用户共同设计产生的。数据产品必须满足可计算、合法两个基本条件。

数据资产化意味着，企业将符合资产条件的数据产品进行资产化处理，企业数据资产入表正是数据资产化的核心步骤。数据资产化是数据从产品的账面价值向市场价值转换的关键步骤，旨在解决数据密集型企业的资产评估与定价问题。数据资产入表仅是数据资产化的第一步，入表后的数据资产可以进行估值、融资、证券化等一系列后续的金融化创新利用。

结合数据价值链中的重要节点可知，数据资产入表是数据被我国定位为生产要素之后，数据价值发展与释放的必然结果。从微观层面观察，数据资产入表旨在将企业持有的符合条件的数据转变为资产，一改之前的费用化处理。根据笔者调研的数商企业反馈，有上市需求的轻资产高科技企业为了使其财务报表符合上市要求，具有强烈的入表动机，且多数已经在上海数据交易所完成数据登记。从宏观层面观察，数据资产入表旨在使数据充分发挥作为生产要素的价值，助力企业乃至全社会的数字化转型，促进数据的流通、获取与使用，最终使整个社会享受到数字经济的红利。由于现行规定对入表数据的要求较高，因此企业数据资产入表将促进企业开发更有价值且更能够满足社会需求的数据产品，使企业持有的数据能够持续为社会服务。

与其他数据基础制度紧密结合

数据资产入表对数据价值释放具有牵一发而动全身的重要意义。数据资产入表与数据确权、数据登记、数据估值定价、数据利益分配、数据资产的金融化处理等一系列制度密切相关，共同构成了数据价值链条上的关键制度。数据确权是数据资产入表的重要前提，在入表之前，企业必须要证明其对数据具有合法的控制。如果企业对其产生的数据形成了事实上的控制，且能够通过控制数据获取经济上的利益，那么就可以认为构成合法控制。数据资产入表与数据符合监管规范亦存在非常紧密的联系，在实践中，数据符合监管规范包括数据来源规范、数据处理规范、数据管理规范与数据经营规范四个重要内容，其中，前两项规范内容与数据资产入表息息相关。就数据来源规范而言，企业需要证明，数据获取行为未违反任何法律法规、国家政策和社会公共道德，亦不侵犯第三方合法权益。数据处理规范则要求企业的数据处理行为，符合合法、正当与必要性原则。

在实践中，企业经常对数据资产入表和数据资产估值两个概念产生混淆，尤其是，诸多企业对于数据资产入表所采用的成本法产生疑问，不理解为何不能先进行数据资产估值，继而以估值的价格入表。成本法是我国目前所采取的数据资产账面价值认定规则，即入表的是企业为数据所花费的成本。例如，若企业为入表数据资产花费的成本为200万元，而上述数据资产以收益法、市场法进行估值后的价格为1000万元，则根据现行规定，仅可以200万元的成本价格入表。一方面，采用成本法说明，我国在施行数据资产入表制度之初秉持了较为保守、严谨的态度。数据具有强烈的价值易变性，即数据资产的价值易受技术、容量、价值密度等因素影响，随着应用场景、用户数量、使用频率发生变化。因此，成本法可在相当程度上起到抑制数据资产泡沫化的作用。在实践中，企业需要保留好在数据收集、加工、处理过程中产生的票据，以证明其成本。另一方面，适用成本法并不意味着否认数据资产估值的重要性。数据资产估值对数据资产的创新化应用具有重要意义，例如数据信托、数据资产质押融资、数据资产证券化等。就数据资产质押融资而言，我国已有多个落地案例。尽管数据在目前的落地案例中更多起到锦上添花的作用，银行更加重视企业提供的传统融资担保方案，然而随着数据资产入表与数据资产化实践的持续开展，相信我们会在不远的未来看到更多发挥效用的数据资产质押融资案例落地。

（作者系上海社会科学院法学研究所研究员）