企业数据资产入表路径：框架与实践

徐 攀（副教授），李杰义（博士生导师）

一、引言

自2015 年《促进大数据发展行动纲要》发布以来，各界对数据要素价值的关注与日俱增。2022 年《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”）和2023 年《企业数据资源相关会计处理暂行规定》（简称《暂行规定》）等文件的相继发布，以及2023年国家数据局的正式成立，标志着发展数字经济已成为国家战略。伴随着数字经济的蓬勃发展，数据已成为富含活力的新型生产要素。根据2023年信息通信研究院发布的《中国数字经济发展研究报告》，2022 年，我国数字经济规模达50.2 万亿元、数字产业化规模达9.2 万亿元、产业数字化规模达41万亿元。

在一系列有关发展数字经济的文件中，《暂行规定》明确了数据资源会计处理（企业数据资产入表）适用的范围、准则、列示和披露要求，自2024 年1 月1 日起施行。《暂行规定》的发布与施行，对于推动企业数字化转型、推进数据要素市场建设和提升数字经济发展质量具有里程碑意义。从宏观层面来讲，《暂行规定》是贯彻落实党中央、国务院关于发展数字经济的决策部署。关于企业数字资源的相关探索，不仅有助于监管部门完善数字经济治理体系，还有助于我国在国际会计准则制定等工作中贡献中国智慧、提供中国方案。从微观层面而言，《暂行规定》首次从政策角度将数据资产明确确认入表，使得原先只能费用化处理的数据资源开发成本，在满足一定条件后得以确认为资产。这不仅能为报表使用者提供决策有用信息，也有助于企业吸收外部融资、优化财务结构和提升公司价值。

然而，与日益紧迫的政府政策需求和企业实践需求相比，理论界的相关研究还相对滞后，对于企业数据资产如何入表这一课题，尚处于理论研究的探索阶段（许宪春等，2022）。如何结合数据资产入表中有关确认计量、分类核算和单独列报等实践，深入研究数据资产价值实现的内生机制及其对企业数据资产入表的影响效应，实现对企业数据资产入表的科学决策与稳妥实践（汪杰和周康林，2023），仍是一个极其重要且有待深化的课题。本文构建企业数据资产入表路径的框架，探讨数据资产入表实践中有关确认计量、分类核算和单独列报等方式方法，并针对企业数据资产入表的实践难点，提出对策建议，以期为企业实施数据资产入表提供理论支撑与实践参考。

二、理论分析与框架构建

随着网络化、信息化与智能化的深度融合，数据资源由此成为除土地、劳动力、资本和技术资源之外的第五大生产要素。数据生产要素是以电子形式存在的、通过计算的方式参与到企业生产经营活动中并发挥重要价值的资源。站在会计角度，数据资产是企业拥有或控制，预期会给企业带来经济利益的，以数据为主要内容和服务的可辨认的非货币性资产（曾雪云，2023）。数据资产的价值因应用场景不同而不同（朱秀梅等，2023）。同样的数据资产如果被应用于不同企业，也会创造不同的价值。不同行业的企业，由于其自身的经营场景和管理模式不同，对数据的需求和定价也不同。因此，对不同场景下的数据资产进行归类管理（马克卫等，2023），统一计量评估并实施数据资产入表（董高静等，2023），成为一项重要课题。

已有研究分别围绕数据资产入表路径（黄世忠等，2023）及方法（曾雪云和杜晟，2023）进行了大量探索，为本文提供了有益参考。但由于数据资产具有场景依附性、非消耗性、时效性、共享性和非竞争性等特点，对于企业数据资产如何入表这一课题，尚处于理论研究和实践探索阶段（许宪春等，2022），已有研究仍存在三个方面的不足。一是就研究视角而言，已有文献对数据资产的产权属性、应用场景及其价值计量等方面进行了研究（曾雪云和杜晟，2023），尽管这些研究大多注意到数据资产的独特性（许宪春等，2022），但由于数据资产的场景依赖性，以及研究视角不同，对数据资产的计量方法选择尚未达成一致。二是就研究对象而言，已有研究虽然关注到数据资产入表在其价值实现中的作用（汪杰和周康林，2023），但由于其并未集中关注数据价值链中的数据资产入表问题，其理论框架很难与传统资产会计处理理论兼容。实际上，数据资产化服务模式为数据资产入表提供了具体实践场景（黄世忠等，2023），数据资产化服务模式也将改变资产运营管理及其会计处理的理论逻辑。三是就研究方法而言，已有研究方法主要是理论演绎或政策分析（朱秀梅等，2023），亟待通过案例分析方法对数据资产入表的具体实践情境进行分析。因此，本文将数据资产入表路径提炼为具体概念框架，并对数据资产入表的实践案例进行解读。

数据资产价值实现中面临一系列现实问题，这些问题是企业实施数据资产的合规、确权、治理及管理的基本动因（叶明和马羽男，2023）。遵循数据价值链的理论逻辑，数据资产价值实现机制可以划分为初始的数据资产合规和确权，以及后续的数据资产治理和管理两个具体阶段。对于数据资产合规和确权问题的分析，需要集中于数据资产确权系统建设（董高静等，2023）。对于数据资产治理和管理问题的分析，需要着重探究数据资产质量管理系统建设的情境及过程（马克卫等，2023）。企业在数据资产确权系统及质量管理系统建设过程中，结合具体的应用场景发现数据资产的价值，通过数据计量模型设计实施对数据资产的经济利益预测（董高静等，2023）。在此基础上，企业通过有效的数据资产成本归集、分摊、数据资产列报与披露等会计处理活动（曾雪云和杜晟，2023），实现财务结构优化和资产价值提升。根据上述分析，本文初步构建了企业数据资产入表路径的概念模型，如图1所示。

图1 企业数据资产入表路径的概念框架

数据资产确权系统及其质量管理系统建设是企业数据资产入表的基本前提，包括数据资产的合规、确权、治理与管理等数据资产经营活动（马克卫等，2023）。这些基本前提只是满足了数据资产入表的基本要求，但数据资产的场景依赖性本质上要求对其进行适宜的经济利益预测（董高静等，2023）。为规范地描述预测出来的这种经济利益，企业需要实施有效的会计处理或入表活动，包括数据资产成本归集、分摊，数据资产列报与披露等（曾雪云和杜晟，2023）。实施上述过程的结果是既能促进企业内部财务结构优化与资产价值提升，又能通过为报表使用者提供决策有用信息（汪杰和周康林，2023），为企业拓展外部融资渠道，形成真正意义上的数据新质生产力。需要说明的是，数据资产入表行为尽管不涉及对现有会计准则体系的原则性突破，但这毕竟是一项新兴会计业务，因此本文既着重考察数据资产入表的前提条件和基本路径，又着重考察对企业数据资产会计进行处理的具体方法，从而为企业实施数据资产入表提供理论支撑与实践参考。

三、企业数据资产入表的路径

《暂行规定》释放了积极信号，有助于推动企业稳妥论证和加快梳理其数据资源构成，并开展企业数据资源入表工作。基于上述企业数据资产入表路径的概念模型，本文认为，企业不仅要促进数据资产的合规与确权，对数据资产进行有效治理与管理，开发数据资产的应用场景，而且要推进数据资产入表，为报表使用者提供有用信息，从而实现数据资产的保值增值。企业可在数据资产的合规与确权基础上，从有效治理与管理数据资产、数据资产预期经济利益的可行性分析、相关成本的合理归集与分摊，以及数据资产的列报与披露等过程，探索企业数据资产入表的实践路径。如下，结合《暂行规定》等文件，进一步对企业数据资产入表的实践路径进行阐释。

（一）企业数据资产的合规与确权

企业数据资产的合规与确权是数据资产入表的逻辑起点，《暂行规定》和“数据二十条”等文件均指引企业须建立完善的合规与确权管理体系。随着国家数字经济建设进程加快，数据安全立法由点到面、由面到体加速构建，已基本形成以《网络安全法》《数据安全法》《个人信息保护法》等法律为核心，行政法规、部门规章为依托，地方性法规、地方规章为抓手，国家标准为指南的数据安全法规保障体系。国家发布的一系列法律法规条文不仅要求企业制定和实施清晰的数据合规目标与计划，梳理数据资产目录，搭建数据合规的工作蓝图，而且要求企业有效建立数据合规与安全管理体系，建立数据资源持有权、数据加工使用权、数据产品经营权等三权分置的产权运行机制。

（二）企业数据资产的治理与管理

从企业数据资产的业务模式看，企业数据资产的合规与确权是企业数据资产价值发现的必要前提，企业数据资产的有效治理与管理则是企业数据资产价值创造的核心要求。为有效治理与管理企业数据资产，企业不仅要建立数据资产治理体系，构建涵盖数据资产基础、业务、技术、管理等属性的数据标准，而且要建立以数据技术及其质量组织为支撑的数据资产质量闭环管理的机制与系统。其中，企业数据资产质量管理系统包括数据资产质量管理组织职责、运营管理与内控制度等，依托这一系统，企业应将数据定义、产生、使用、监督等全生命周期中的各类数据责任落实到数据角色，并明确承担数据角色的组织或部门。

（三）企业数据资产预期经济利益的可行性分析

数据价值链表征了企业实现数据价值创造的过程。数据资产具有场景依附性、非消耗性、时效性、共享性和非竞争性等特点，其中，最有实践意义的特点是数据资产的场景依附性。因此，企业需要结合具体的应用场景去发现数据资产，进而对数据资产预期经济利益进行可行性分析。例如，某企业通过新车经销商和旗下二手车平台获得挂牌、交易相关数据，在将数据脱敏后，通过接口向产险提供数据查询服务，从而通过直接收益获得经济利益的流入。又如，某银行将用户、业务等数据开发形成客户画像，应用于风险控制流程的改进，探测风险、降低损失，从而通过节约成本和降低风险获得经济利益的流入。数据资产预期经济利益可行性分析的方法基础是构建数据资产计量模型。企业可以利用历史经济收益数据，结合回归或AI 模型，通过初始模型及其因子体系设计、特征工程与模型训练，构建出适应具体应用场景的数据资产计量模型。

（四）企业数据资产相关成本的合理归集与分摊

企业数据资源生产流程主要包括数据的采集、外购、脱敏、清洗、标注、整合、分析、可视化等，企业数据资源的整个生产流程均可能产生成本。因此，企业有必要对各个阶段的成本进行归集，并建立合理的成本分摊机制。企业数据资产相关成本的合理归集旨在通过数据血缘分析，把当前数据产品开发涉及的所有数据资源的成本进行归集。企业数据资产相关成本的分摊则是通过管理会计分摊因子，把数据储存成本及数据安全管理成本等分摊到当前数据产品开发涉及的所有数据资源上。企业数据资产入表采用未来适用法，《暂行规定》施行前已经费用化计入损益的数据资源相关支出不再调整。

（五）企业数据资产的列报与披露

在现行企业会计准则框架下，企业数据资源可归属存货和无形资产两类资产类别。《暂行规定》对确认为无形资产和存货的数据资源，结合数据资源的特点和业务流程等，在初始计量、后续计量处置等方面做出了指引。事实上，企业数据资源入表或列报不是显示企业数据资源价值的唯一途径，合理披露能让企业更充分地展示其数据价值。企业应当强制披露对数据资源进行评估且评估结果对企业重要的信息，尤其是涉及重大数据资源价值评估场景、企业合并对价分摊、数据产品定价、减值测试等信息。企业也可以根据实际情况，自愿披露已确认和未确认的数据资源相关信息。企业应充分平衡考虑成本效益原则对数据资产进行列报与披露，这不仅有助于倒逼自身建立数据资产管理和价值评估体系，也能让企业更充分地展示其数据价值。

四、企业数据资产会计处理的案例分析

《暂行规定》适用于所有执行企业会计准则的企业和单位，它不涉及对现有会计准则体系的原则性突破，也没有提出有关资产确认和计量的新条件和方法。结合《企业会计准则第1号——存货》（财会〔2006〕3号，简称“存货准则”）、《〈企业会计准则第1号——存货〉应用指南》（财会〔2006〕18 号，简称“存货应用指南”）、《企业会计准则第6号——无形资产》（财会〔2006〕3 号，简称“无形资产准则”）、《〈企业会计则第6号——无形资产〉应用指南》（财会〔2006〕18 号，简称“无形资产应用指南”）等，企业在使用数据资源及利用数据资源对外提供服务时，符合无形资产定义和确认条件的数据资源适用企业会计准则中的无形资产准则、无形资产应用指南。企业日常持有以备出售的、符合存货定义和确认条件的数据资源适用企业会计准则中的存货准则、存货应用指南。无论是存货类数据资源还是无形资产类数据资源，其会计处理均包括初始计量和后续计量并对数据资产进行列报与披露，包括强制披露和自愿披露。下文以某企业为案例基于数据资源存货和数据资源无形资产两类资产类别分别展开分析。案例企业为新型数据集团公司，为增值税一般纳税人。

（一）数据资源确认为存货的会计处理

1.初始计量。企业在数据资源存货的初始计量中，应重点关注成本确定的问题。企业对于符合存货定义和确认条件的数据资源，应当确认为“存货”，并且按照成本法进行初始计量。数据资源存货成本包括其采购成本、加工成本和其他成本。案例企业数据资源存货的初始计量方法如表1所示。

2.后续计量。在数据资源存货的后续计量方面，企业在资产负债表日需要对存货按照成本与可变现性可变现净值孰低进行计量。当存货成本高于其可变现净值时，则需要计提存货跌价准备，计入当期损益。企业在资产负债表日，应以确凿证据为基础去确定数据资源存货的可变现净值。发生跌价的，应当按照可变现净值计量，同时按照其成本高于可变现净值的差额计提跌价准备，并计入当期损益中。案例企业数据资源存货的后续计量方法如表2所示。

表2 数据资源存货的后续计量示例

（二）数据资源确认为无形资产的会计处理

1.初始计量。企业对于符合无形资产定义和确认条件的数据资源，应按照成本进行初始计量，并根据数据资源无形资产的形成方式，重点关注企业成本确定问题。外购方式取得的数据资源无形资产的成本包括购买价款、相关税费以及直接归属于使该项资产达到预定用途所发生的其他支出。对于企业内部通过研究开发形成的数据无形资产，其成本是包括在开发阶段的有资本化条件的支出，而对于数据无形资产处在开发阶段但是不符合上述资本化条件的支出，应当费用化处理。在发生时计入当期损益中的，不能够确认为资产成本。案例企业数据资源无形资产的初始计量方法如表3所示。

表3 无形资产的初始计量示例

2.后续计量。企业在数据资源无形资产的后续计量中，需要注意摊销和减值两个问题。企业数据资源无形资产的后续计量应以其使用寿命为基础，并基于数据资源的价值易变性，对数据资源无形资产的使用寿命进行合理估计，持续关注减值情况。对于一些较为基础的数据资源，由于其可用于多种场景，因而其使用寿命可能相比更长。对于用于营销推荐、风险管理等的数据资源可能时效性更强，因而其使用寿命也相应较短，且市场因素等会导致其减值。企业需要综合考虑所有事实和情况进行合理的判断。案例企业数据资源无形资产的后续计量方法如表4所示。

表4 无形资产的后续计量示例

五、实务操作难点与对策建议

企业数据资源入表处理，有助于释放企业数据资源价值，从而塑造企业的数字竞争力。与日益紧迫的政策要求和实践需求相比，理论界的研究还相对滞后。本文探讨了企业数据资产入表的实践路径，以及数据资产确认计量、分类核算和单独列报等方法。研究发现，企业要加快完善数据资产的合规与确权体系，有效建立数据资产治理与管理机制，设计适应具体应用场景的数据资产计量模型，并由此结合数据资源特点和业务流程，对数据资产存货及无形资产进行合理的初始计量、后续计量、列报和披露。

（一）实务操作难点

本文研究发现，在企业数据资源入表实务操作中还面临不少难点：

1.企业数据资源的有效确权存在难点。虽然“数据二十条”明确要求“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”，但是必须妥善应对的难点包括：如何确定企业拥有或控制的数据资源范围？如何在不同参与方之间分配数据资源的相关权利？

2.企业数据资源的成本归集存在难点。《暂行规定》要求，入表数据资源的成本或价值必须能可靠计量。必须妥善应对的难点包括：企业数据用于内部用途时，前期数据收集和后期数据加工均产生了相关成本，如何在两者间进行合理的成本分摊？企业对外为不同客户提供数据服务时，如何将同类数据资源的成本合理归集到各类不同业务中？

3.企业数据资源的摊销处理存在难点。《暂行规定》指出，企业数据资源可分别适用于无形资产和存货准则的会计处理。必须妥善应对的难点包括：如何界定企业使用的数据资源、研究阶段和开发阶段的数据资源，以及开发阶段支出资本化的条件？如何确定数据资产在后续计量阶段的摊销年限与折旧处理方法，以及外部审计对企业内部处理的认可与否？

4.企业数据资源的价值波动性处理存在难点。数据资产价值更多依赖其应用场景，当某类数据资产受政策因素等影响而导致企业无法对外提供服务时，数据资产将完全失去价值，会出现最初几年大部分价值突然消失或丧失的情况，相关数据资产账面价值甚至变为零。

（二）对策建议

针对上述企业数据资源入表处理的难点问题，本文提出如下主要对策建议：

1.政府相关机构层面。政府相关机构与财会、法律、信息等各领域专家开展深入合作，根据数据资产业务场景获取典型企业实际操作和相关数据，研讨企业数据资源确权、记录、计量、列报和披露等各环节的难点问题，撰写会计处理应用案例，以成功的案例引导企业规范数据资源入表实务。

2.企业层面。首先，采用更为清晰的数据资产化服务模式。例如某些企业为客户提供标准化API 数据接口，客户可根据不同的查询需求对指定数据进行查询，对每次API 接口的调用收益按比例分成，精准对应数据采集成本和数据产品收入。其次，构建并完善数据资产的管理体系。企业应加快建立并完善与数据资源相关的内部管理体系、成本分摊机制和内部控制系统，需要从会计的核算角度，把系统、流程与会计核算等职能和职责结合在一起，重新划分或者梳理出新的核算体系。再次，合理估计数据资产的生命周期。企业在取得数据资产时，应当按照其经济利益实现方式、市场价值、数据活性和客户粘性分析判断其使用寿命。当数据产品处于价值活跃期时，按直线法摊销无形资产。在经历价值活跃期的价值释放后，建议采用年数总和法、双倍余额递减法等加速折旧方法进行摊销。

【 主要参考文献】

董高静，孙娜，王保平.数字资产的概念辨析、估值技术与应用策略［J］.财务管理研究，2023（10）：68 ～74.

黄世忠，叶丰滢，陈朝琳.数据资产的确认、计量和报告——基于商业模式视角［J］.财会月刊，2023（8）：3 ～7.

马克卫，王硕，苑杰.数据资产核算应用研究：理论与实践［J］.中南财经政法大学学报，2023（5）：149 ～160.

汪杰，周康林.“数据资产入表”的解读与创新研判［J］.审计观察，2023（10）：4 ～9.

许宪春，张钟文，胡亚茹.数据资产统计与核算问题研究［J］.管理世界，2022（2）：16 ～30+2.

叶明，马羽男.数据权利资产化收益的归属判定［J］.大连理工大学学报（社会科学版），2023（6）：84 ～91.

朱秀梅，林晓玥，王天东，苗淑娟.数据价值化：研究评述与展望［J］.外国经济与管理，2023（10）：1 ～13.