是何缘由?剖析上市公司数据资产入表缓慢根结!

2020年中共中央、国务院<<关于构建更加完善的要素市场化配置体制机制的意见>>首次将"数据"增列为一种生产要素，充分表明数据是数字经济发展的核心资源。2022年中共中央、国务院<<关于构建数据基础制度更好发挥数据要素作用的意见>>全面规划和部署建设数据基础制度，为数据要素市场的发展指明了方向。随着数据要素的海量积累和价值转化,数据资产的产生是必然的,而且必将成为企业在数字经济时代中赖以生存和发展的核心资产。为应对这一发展趋势,2023年,财政部<<企业数据资源相关会计处理暂行规定>>(以下简称<<暂行规定>>)在一定程度上认可了数据资产的价值并将其纳人了资产负债表。对于企业而言,数据资产人入表提升了企业对数据资源管理的重视程度，推动企业建立数据治理体系",能为报表使用者提供有用信息，有助于企业优化财务结构和提升公司价值?。对于产业而言,数据资产人表有助于推动产业升级,实现实体经济和数字经济的有效融合。对于国家而言,数据资产人表将发挥会计启动器作用,加快释放数字经济新动能,实现经济高质量发展

截至2023 年底，A 股上市公司共五千余家，而2024年进行数据资产入表的公司数量仅占1%，入表金额占资产比例的平均值为0.43%。无论从数量还是金额来看，上市公司都缺乏数据资产入表的积极性。本文试图从微观企业、中观市场、宏观制度三个视角分析上市公司数据资产谨慎入表的原因。

数据资产并非凭空出现，而是数字化转型的产物。大量组织进行数字化转型后，将过往历史、实践经验、理论知识等信息数字化，形成了可分析、可复制、可利用的数据。经采集、清洗、开发后形成数据资源，当这些数据资源满足资产认定标准后，即确认为数据资产。目前入表上市公司多数是自行开发数据资源，因此，数据资产的入表取决于企业数据治理水平，有意愿、有能力对数据进行实质性加工是自行开发数据的企业进行数据资产入表的前置条件。基于金星晔等[5 ]的数据，本文统计了入表样本公司数字化转型情况，并将其与非入表公司进行了对比（如表2 所示）。可以看出，入表样本公司在大数据、人工智能、移动互联、云计算和区块链等方面的数字技术水平显著高于非入表样本，说明数字化转型水平与数据资产入表行为密切相关。

企业的数字化转型是基于信息技术、计算技术、通信技术等重构组织系统与行为,最终成为数据智能驱动的数字企业。然而,我国企业数字化转型存在发展不平衡、不充分的现象，例如，有学者研究发现我国企业的数字化转型整体尚处于起步阶段,东部地区数字化转型步伐明显快于其他地区,工业和服务业企业居多。企业层面的数字化转型整体表现间接反映了其数字技术发展的不足,需要进一步加强数据治理实践。

数字经济是继农业经济、工业经济的一类全新的经济形态。数字技术深刻改变了生产组织方式、重塑了人们的生活方式,形成了解构与重构社会的新机制,催生了尚在演变、仍未定型的社会运行原则。在新时代的起步阶段，人们对新事物的认识参差不齐。传统的认知框架正在逐渐瓦解，新的思维模式正在逐步取代

老旧的观念。对于依靠工业经济逻辑取得商业成功的企业，倘若形成思维上的路径依赖，延续工业经济的认知框架，未建立适用于数字经济的商业模式，那么在面对新发展格局时很可能没有及时变革，注定会被市场淘汰。《资本论》指出“各种经济时代的区别，不在于生产什么，而在于怎样生产，用什么劳动资料生产”[9]。在工业经济时代，关键的生产要素是资本，而数字经济时代的关键生产要素是数据[10]。如果企业没有充分意识到关键生产要素的转变和随之而来的生产方式、商业逻辑的变化，那么将缺乏数据驱动决策的商业观念，忽略数据资产能够为企业带来的价值贡献，自然会缺乏对其开发利用的积极性，更谈不上将其纳入财务报表。

由于数据权属不清晰、收益难转化等特点，数据资产的整合难度较高，因此企业需要高素质人才来进行数据的加工和管理[11]。据中国商业联合会数据分析专业委员会统计，未来5 年中国基础性数据分析行业人才缺口将达到1 400 万。尽管高校应市场需求增设数据相关学科和专业，但难以满足产业需求。企业真正需要的是产业思维和数据素养交叉的复合型人才。他们能够发现企业在生产、研发、财务、运营、销售等环节中的痛点，基于数据并利用数字技术来解决问题，真正发挥数据要素的乘数效应，为企业创造价值。一些具有丰富产业经验的从业者相对年长，在学习和掌握数字技术方面可能不如年轻一代。而年轻一代成长于数字环境，受过完整的教育与培训，但由于缺乏经验和历练，他们的数据分析能力可能难以充分发挥作用。由于数据人才缺口需要一定的时间过渡，企业数据治理水平提升缓慢，在数据资产积累方面自然欠缺，入表更是无从谈起。

管理学强调“制度管人”。制度是各类组织有序稳定运行的基石。数据资产作为全新的资产类型，企业必须依赖完善的管理制度以支撑数据资产从形成、运营、管理、处置的全生命周期的规划和部署。数据资产不同于传统资产，需要额外制定一套数据资产管理制度，包括但不限于机构设置、权责分配、奖励机制、信息沟通等。对于大型企业来讲，由于数据分散在企业的各个部门，采集和汇总这些数据是一项协调多部门的复杂工作。而且我国大多数制造企业在平台化转型过程中存在“数据孤岛”问题，数据难以关联、数据库难以整合，限制数据驱动决策[12 ]，可见企业内部汇集数据的难度较大。即便打通了各部门的数据流通，形成了数据湖，然而如何开展数据部门与业务部门的合作，各部门的业务需求如何对接至数据分析人员，这无疑是对人力资源管理制度的一项重大考验。如果无法建立一套完善的数据资产管理制度，企业在数据的采集、存储、计算、交易、应用等环节中难免遭遇难题，又缺乏有效的管理工具，难以形成具有经济效益的数据资产。

与土地、资本、技术等要素市场相比，数据要素市场仍处于发展初期。以2024 年市场数据为例，土地市场成交金额达3 万亿元，A 股并购市场交易总额已超2 万亿元，技术要素成交额仅2024 年上半年已达到2.7 万亿元。相比之下，2024 年数据要素市场交易规模预计超1 600亿元，远远低于其他要素市场。目前数据市场活跃度较低，市场机制尚不完善，企业数据变现和价值度量面临诸多困难，增加了数据资产入表的难度。

资产确认条件之一是与该资源有关的经济利益很可能流入企业。然而，数据资源的经济价值难以直接评判，往往以加工后的数据产品在市场中的流通交易来间接体现。有交易记录的数据产品，相较于企业内部自用数据而言，其经济利益流入判断的可验证性更强。数据产品价值与商业应用场景紧密相连，市场需求越旺盛，数据产品为企业带来的经济利益流入越多。在市场活跃度不足的情况下，数据交易规模较低，导致数据资源的变现渠道变得匮乏，这使得数据资源未来经济利益的流入存在较大不确定性。为遵循会计的谨慎性原则，企业倾向于不对数据资产进行确认，而是直接将其费用化处理。并且，面对不活跃的市场以及经济利益的不确定性，企业开发利用数据资源的积极性也会受到负面影响。

数据资源只有能够以货币形式进行合理计量和评估，才能实现其资产化[13 ]。企业应当评估所持有数据资产的价值，但其价值高度依赖于应用场景，且现阶段缺乏公开活跃的数据市场导致公允价值缺位，影响了数据资产后续的会计计量[14]。市场机制在价值形成中具有不可替代的作用，然而，数据产业发展不及预期，没有出现供需两旺的市场局面[15 ]，数据市场仍处于初级阶段，数据资产的定价体系和交易机制尚不成熟，数据资产价值的公允性远不及金融资产，这严重阻碍了数据资产价值的有效释放和资源优化配置。2023 年中国资产评估协会发布《数据资产评估指导意见》，明确成本法、收益法和市场法是数据资产评估的基本方法。尽管这些方法可以反映数据资产价值属性，但鉴于数据资产的特性，其应用仍存在一定的局限性，数据资产估值仍处于探索阶段，尚未形成统一的评估框架[16 ]，数据资产评估行业有待发展。

当前数据资产还面临着严重的制度保障缺失问题。由于数据资产自身特性复杂，无形性、易复制性、价值不确定性使其边界和权属界定困难重重。与此同时，迅猛发展的信息技术不断催生新的数据类型和应用场景，制度的更新速度难以望其项背。此外，数据资产所涉及的多方利益主体诉求各异，平衡协调工作艰难而复杂。这些因素共同导致数据资产在法律制度和会计制度方面存在诸多不完善之处，极大地制约了数据资产的发展和价值释放。

数据资产入表不单是一个会计学问题，亦是一个法学问题。然而，现行法律框架下的制度缺失和不确定性阻碍了企业将数据资产纳入财务报表的积极性。法律具有滞后性，而数据要素的应用探索、数据形态的更新迭代远远超出了法律覆盖范围。一方面，数据资产确权机制和登记制度缺乏统一，法律体系尚未对数据资产进行明确定义和分类，公共数据、企业数据、个人数据的定义没有完全理清，数据所有权、使用权、收益权的边界模糊，导致数据资产入表面临数据确权的法律困境[17 ]，而数据确权是数据资产化的前提条件[18-19]。另一方面，有关数据权属的法律法规相对滞后[19 ]，针对数据的法律体系建设尚未完成，数据资产化还面临法律保护不足等法律障碍[20]。

企业在面临数据确权问题困境、数据资产产权模糊、收益分配不完善等法律挑战时，不仅担忧技术层面的实施难题，更顾虑潜在的法律风险和财务纠纷。一旦将不合规的数据资产入表，企业可能面临侵权指控等多重风险。尤其是在数据共享和流通过程中，缺乏明晰的责任界定和纠纷解决机制，使企业难以预估可能承担的法律责任和经济损失。同时，由于缺乏对数据资产权益的有效法律保障，企业通过数据资产融资、转让或许可等方式实现价值的渠道受限，进一步削弱了企业将数据资产入表的动力。这种法律保障的缺位不仅影响微观企业行为，也制约了整个数据要素市场的健康发展。

与传统资产相比，数据资产具有非实体性、依托性、可共享性、可加工性、价值易变性等特性。同时，由于2024 年才开始进行数据资产入表，在这一领域的经验积累尚显不足，其会计确认和计量的难度显著高于传统资产。会计制度不完善导致了企业对数据资产的会计处理存在挑战，具体表现为以下三个方面：

第一，会计上“资产”定义的挑战。数据资产的识别与确认存在一些疑问。谈到数据资产会计问题，人们通常会关注取得成本、控制和收益性[21 ]。以下根据数据来源（自有或外购）和数据用途（自用或出售）对数据资产进行分类，来分析其在成本、控制和收益性方面进行会计确认的难度。从数据来源（自有或外购）的视角看，其影响企业对数据资产取得成本和控制权的判断。对于自有型数据资产，其数据来源于企业内部生产或经营活动。识别哪些数据可以形成数据资产，以及如何将数据资产相关成本从生产经营活动中剥离出来，都是需要解决的难题。由于数据是企业内部活动产生的，其权属相对明确，与外购数据资产相比，控制权也更加清晰。对于外购型数据资产，其成本的确认较为简单，通常以购买价款和相关费用为依据。由于数据的可复制性，外购数据的排他性权利难以保证，权属辨别较为困难，购买数据的企业难以确认数据资产是否实现了控制权转移。从数据用途（自用或出售）的视角看，其主要影响企业对数据资产收益性的判断。对于自用型数据资产，往往难以判断其收益性，这类数据资产为企业带来的经济利益流入缺乏可验证性，企业须投入额外精力来证明其收益性。对于出售型数据资产，企业将数据加工处理形成数据产品用以出售，并在数据市场进行流通交易。这类数据资产的收益性相对容易判断，场内交易合约是验证其收益性的最直接方式。

第二，成本或价值计量的挑战。数据资产是当前关注讨论的热点，但对其价值的评估一直缺乏统一的计量方法，增加了数据资产入表的难度。根据《暂行规定》，数据资产是按照成本法进行初始计量，而数据资产成本的归集和分摊存在难点[22 ]。在后续计量方面，计入无形资产的数据资源需要注意摊销和减值两个问题。由于数据资产的特殊性，相较于其他无形资产而言，数据资产使用寿命的判断更具争议性，缺乏统一和公认的使用寿命区间。会计专业人员需要结合企业实际业务情况和高超的职业素养来进行综合评判。

第三，信息披露缺乏统一的规范标准。尽管数据资产可以进行表内披露（入表），但目前缺乏对表外信息披露的规范性标准，这导致企业在进行数据资产信息披露时缺乏明确的指导。仅仅进行入表而不伴随相应的表外信息披露，可能不利于市场对企业数据资产价值的全面理解。此外，市场对数据资产信息的解读尚未形成统一的认识，企业在进行披露时存在顾虑，担心可能引起市场的负面反应。就2024 年进行数据资产入表的上市公司半年报信息披露情况而言，5 家计入数据资源存货的上市公司中有4 家、26 家计入数据资源无形资产的上市公司中有24 家按照《暂行规定》提供的表格模板进行披露，对其入表数据资产的文字描述分散在半年报中，内容较少、表述随意，可供提取的信息量较低，表明上市公司在数据资产信息披露时的谨慎性。

数据资产作为数字经济时代的关键资产，其入表是一个重要且必然的趋势，是响应数字经济发展的需要。本文认为可以分别从微观、中观、宏观三个视角来推动数据资产入表的进程。

打铁还需自身硬。数据资产入表的前提是企业进行数字化转型并形成了真实、可持续的数据资产。只有被持续创造并有效管理，能为企业带来经济利益的数据资源，才能满足入表的标准。

随着数字技术的迅猛发展，原本无法被采集的信息得以转化为可利用、可分析的数据，使得数据成为关键的生产要素，催生出新产品、新业态、新模式，改变着人类生产方式、生活方式和社会治理方式[23]。由于价值创造和分配格局的改变，企业必须进行内部变革以维持竞争优势[24]。既然数据是数字经济的关键生产要素，那么企业应当开发利用数据，将其应用于产品或服务中，使数据的潜在价值转化为创造经济利益的数据资产，有助于企业夯实竞争壁垒，实现数字经济与实体经济的深度融合。

在数字经济时代，企业要想巩固竞争优势并实现可持续发展，必须进行深度的数字化转型。这不仅涉及数字技术的升级和应用，更关键的是在于提升企业的数据治理能力，以更有效地开发利用数据资产，为企业决策提供强有力的支持。为此，企业需要构建与数据资产管理相匹配的企业管理制度，从而具备持续创造和运营数据资产的能力，并推动数据资产入表。

由于数据资产的复杂性，并且2024 年是首次将其纳入资产负债表，市场各方对数据资产的理解存在差异。无论是企业还是资本市场，对数据资产价值和风险的评估都缺乏一个共同的认知标准。而市场在价值发现过程中发挥着最关键的作用。亚当·斯密指出市场通过所谓的“看不见的手”来自发调节经济主体的交易行为，以达到均衡的市场价格。只有存在市场，才会有价值发现的可能。培育数据资产市场，可以促进数据资产的价值发现，进而推动数据要素的资产化和数据资产的有效开发利用，从市场角度推动企业数据资产入表，并为入表数据资产价值最大化提供市场平台。

在市场交易中，各类信息被不断地汇集、加工与传递，实现了市场信息的集聚[25 ]，市场在信息汇聚处理方面发挥着重要作用。数据资产市场的建设，可以促进数据资产信息的快速传播，有助于市场参与者对数据资产形成统一认知，建立统一的评价标准。数据资产信息可以通过市场快速流通到交易者手中，帮助其判断市场情形并及时作出交易决策，促使市场价格迅速调整以反映真实的市场价值。在信息公开透明的市场中，交易者可以低成本地获取大量真实可靠的信息，为其评估数据资产提供了坚实可靠的信息基础。这样，所有市场参与者都能以统一的思维和语境来理解和阐述数据资产，从而在统一的规则下进行有效交易，有助于数据资产市场的繁荣发展。市场的活跃反过来调动企业开发利用数据资产的积极性，推动数据资产入表的进程，以入表的数据资产为依托参与数据资产市场以实现价值最大化，促进微观企业和宏观市场的协同发展。

建立健全数据产权制度、完善数据交易规则、制定数据资产会计准则等系统性法律改革，将有助于激发企业数据资产入表的积极性，促进数据要素市场的规范化运行，最终推动数据资源的价值最大化和数字经济的可持续发展。目前，我国已经围绕数字经济出台了顶层设计和政策框架，其中“数据二十条”初步构建了数据基础制度的整体框架，具体的制度建设仍在进行中，一系列配套政策也在酝酿中。

一方面，从法律和政策角度来看，数据确权是鼓励数据生产和流通的关键[26]。“数据二十条”提出的“三权”分置初步奠定了数据产权的制度框架，但具体的落地举措有待进一步明确[27]。识别和界定数据资产是数据资产入表的起点。只有理清这个首要环节，才能为后续工作打下良好的基础。近一年来，各地数据确权登记政策密集出台，但大多数地方只有数据知识产权登记这一种模式，对数据确权登记的其他方式还没有进行深入的研究，仅有四个省、市分别制定了“数据资产登记”“数据产权登记”“数据产品登记”“数据登记”的政策文件，这表明各地对数据确权登记还存在较大分歧[28]。为确保政策意图能够准确无误地转化为可操作的规则，需进一步完善围绕数据资产的确权登记、产权保护等法律制度建设。

另一方面，从会计角度来看，数据资产可辨认性弱，单独识别极其困难。企业必须梳理数据底层结构，盘点数据资产，证明该数据资产满足入表条件。对企业内部数据资源而言，企业在区分数据资源成本与日常经营成本时面临挑战，且难以提供充分证据证明经济利益流入[29]。数据资产的梳理、盘点、评估和入表在各个环节都可能增加额外成本，这对大型企业或许尚可接受，但对中小企业来说可能是一个难以承受的负担。政策制定者在制定数据资产入表相关政策时，应充分考虑企业尤其是中小微企业在执行数据资产入表时可能面临的难度和成本。如果入表成本远高于企业的承受能力，这可能会严重降低企业进行数据资产入表的积极性。

随着数字化转型的持续推进，数据成为第五大生产要素，是数字经济形态下的关键生产要素。数据资产作为数据要素的重要载体，将成为企业在数字经济时代生存和发展的核心资产。在不同的经济形态下，企业所依赖的资产类型各异。在工业经济时代，企业更多依赖于实体的厂房和设备；而在数字经济时代，企业能否拥有有价值的数据资产，从中充分挖掘数据价值并应用于其产品和服务，将成为企业构建竞争壁垒的关键。为了推动数字经济的发展，《暂行规定》允许将数据资产纳入资产负债表，是会计理论的拓展和创新，在数据资产会计处理方面走在了国际前列。2024 年以来，尽管对数据资产会计问题的讨论依然热烈，但企业在数据资产入表方面表现出了总体谨慎的态度，这可能是由于企业数据治理能力有限、数据要素市场发展不成熟和缺乏制度保障所致。

数字经济的发展是不可逆转的历史趋势，而数据资产则是企业在这一时代可依赖的核心资产。在新经济时代的初期，人们对于数据资产这一新型资产的认识不够清晰，会质疑其价值。企业能否成功挖掘数据资产价值，以及市场能否广泛认可这类资产价值，是数据资产发展的一大挑战。数据资产价值得到充分认可是企业接受数据资产入表的关键前提。当数据资产被广泛接受，数据资产入表将是水到渠成的事情。

如果觉得有用，别忘了转发，让更多人看懂数据的价值～ 数据资产从0 到1，后续解锁更多数据资产干货！

如果您的企业有数据资产入表、数据管理等需求？大量数据躺在系统中，不知道如何盘点？也不知道该如何使用，可以联系我们，提供专业的数据资产服务！

我们的数据服务

从数据沉淀到智能决策的全栈引擎，我们不是工具供应商，而是您的增长工程队，我们以“行业方案+数据治理+可视化开发+人才赋能”四维体系，为企业提供开箱即用的数据平台、深度定制的智能工具及全周期专家支持，快速破解数据分散、决策滞后、人才短缺转型难题

——用数据资产驱动增长闭环，让技术短板转化为竞争护城河