每經記者：可楊 楊煜 每經編輯：董興生

在數字經濟時代，數據正從看不見、摸不著的資源，轉化為可計量、可交易、可管理的資產，成為企業資產負債表中的“新成員”。

據《每日經濟新聞》記者不完全梳理，有超過90家上市企業在2024年年報中落地了數據資產入表工作，數據資產總規模達24.95億元。而在2024年一季報中，僅有17家企業進行了披露，數據資產規模為0.79億元。

然而，并非所有有此意愿的企業都能將數據資產順利“入表”。這背后既有政策“紅線”的限制，也有企業的顧慮，還有目前估值體系缺失造成的困境。

數據資產“入表”背后，也是一場風險與收益的博弈。入表的方式、攤銷方式的選擇，都在精巧重構著上市公司的報表，而作為一種新的會計處理方式，對投資者而言也隱藏著一定的投資風險。

數據資產“入表”加速，分為四步

隨著數據作為資產進入財務報表，上市公司的資產負債表正被重塑，數據資源正從“看不見的價值”變為“可確認的資產”。

按照Wind行業類目劃分，在所處行業層面，完成數據資產入表的企業中工業與信息技術企業數量最多。2024年，有28家工業企業和24家信息技術企業完成數據資產入表工作，占比超過一半。

首批“吃螃蟹”的企業中，處于信息技術行業的三大運營商（中國移動、中國電信、中國聯通）無疑是數據資產入表的重要代表，而工業行業中，小商品城、圓通速遞和韻達股份位列前三。

業內認為，制造業、科技企業、金融與電信業當前對數據資產入表接受度較高、進度較快。

北京信源電子信息技術有限公司數字化創新部總監曲耕辰從事相關工作，其供職單位為國家工業信息安全發展研究中心下屬企業。在他看來，前述行業的共性在于數據可利用程度高、數據資產轉化為收入的路徑明確。

而一家企業從開始計劃到正式完成數據資產入表，大約需要四步：

第一步，數據資產盤點，全面梳理企業數據資源，識別數據資產，形成企業數據資產清單；

第二步，入表數據治理，針對入表數據進行治理，保證數據質量，對敏感數據脫敏等；

第三步，數據資產確權，明確數據權屬，包括數據合規審查、數據存證獲取、數據資產“三化”（資源化、資產化和資本化）確認；

第四步，數據資產計量入表，按照成本法計量數據資產價值，并按照無形資產或存貨入表。

曲耕辰介紹，除上述步驟外，根據企業不同情況，可能還需要出具數據質量報告、進行數據資產登記等步驟。

數據資產入表的根本意義在于，激活數據價值，推動要素市場建設與企業價值提升。普華永道中國金融業管理咨詢主管合伙人王建平表示：“企業能夠更清晰地認識到數據資源的價值，從而促進數據資源的高效利用和管理。”

廣聯達董事長袁正剛在接受《每日經濟新聞》記者采訪時表示，衡量數據的價值不僅是對公司自身數字化工作的檢驗，也有助于整個行業理解數據價值的實現方式。

入表有“條件”：政策有紅線，企業有顧慮

數據有價值，但不是所有數據都有價值，企業在進行數據資產化之前，首先要完成對數據的價值判定。

根據財政部2023年8月發布的《企業數據資源相關會計處理暫行規定》（簡稱《暫行規定》），企業數據資源入表必須滿足三個條件：合法控制權、經濟利益可預期性超過50%、成本可計量。

在分類上，數據資產被分為無形資產與存貨兩類——若數據用于企業內部運營，或出售模式為非買斷式，則可確認為無形資產；若數據產品是為外部客戶定制、一次性出售，則應按存貨處理。

此外，在時間維度上，“采用未來適用法”，即只對2024年1月1日《暫行規定》實施后滿足條件的數據資源進行確認，過去已費用化的部分不再追溯調整。

“企業此前已存在的數據資產不可通過追溯調整實現入表。”知名財稅審專家劉志耕在接受《每日經濟新聞》記者采訪時表示，企業數據資產入表需在2024年1月1日之后，且必須同時滿足合規性審查、分類分級、成本核算三大前提，最終通過會計確認后完成入表流程。

“紅線”和“門檻”注定了并非所有企業都能順利實現數據“入表”。有報道稱，某上市公司因審慎原則在2024年年報發布前臨時撤回數據資源的入表計劃。

圖片來源：視覺中國-VCG211378353242

記者也發現，曾披露數據資源情況的廣州港，在2024年年報中未進行相關披露。每日互動則在互動平臺坦言，公司在數據資產入表過程中面臨成本歸集與攤銷方法的挑戰，主要受數據特性影響，因此采取謹慎確認策略。

除了客觀的不允許，也有主觀的顧慮。

曲耕辰介紹，確實存在企業在推進過程中因客觀或主觀原因中途放棄數據資產入表的情況。常見原因包括：數據確權存在法律風險，無法在短時間內厘清；數據沉淀多，但并未激活數據價值；數據管理鏈條不清晰，成本計量難；企業內部對數據資產估值期望偏高，與評估結果有較大落差；入表后需要披露或接受監管審計，企業顧慮過多；管理層對會計處理方式的影響（如攤銷帶來的利潤影響）存在顧慮。

“這也反映出當前數據資產入表仍處于探索初期，制度與實踐之間還有較大磨合空間。”曲耕辰表示。

在曲耕辰看來，估值體系缺失是當前數據資產入表的最大障礙。企業往往無法回答“這份數據到底值多少錢”這個問題，尤其是當數據產品尚未產生實際收益時，評估方法不統一、缺乏市場參考，導致企業對入表積極性不高。

同時，確權邊界模糊也是重要挑戰。例如與第三方合作采集的數據，權屬不清容易引發法律風險。而監管責任未明，則讓部分企業擔心入表后的合規義務。

例如，個人數據與企業數據的處理路徑并不相同。王建平指出，個人數據入表前必須滿足“個人信息保護法”對授權、使用、存儲等全流程的合規要求，不得以“一攬子授權”方式強制收集，且需提供完整授權鏈。

入表不等于“終點”，利潤波動可能隨之而來

數據資產入表是一場風險與收益的博弈。

是否入表，影響著企業財務報表的表現。入表，意味著費用資產化，將直接改變上市公司的資產負債結構，增加無形資產或存貨，總資產規模上升。

短期來看，數據資產入表將減少當期的費用支出，從而提高當期利潤，這也是很多企業關注數據資產入表的核心驅動力之一。

王建平表示，數據資產入表前，相關支出（如數據采集、開發成本）通常直接計入當期費用（如研發費用、管理費用），導致利潤被侵蝕。入表后，符合條件的支出可資本化為無形資產或存貨，減少當期費用，提高短期營業利潤和凈利潤。

長期來看，后續的攤銷則會導致成本“先低后高”，利潤呈現“先高后低”趨勢。

王建平舉例說，若數據資源作為無形資產，資本化后的數據資源需按使用年限攤銷（如5年攤銷），每年攤銷額計入當期費用，導致后續年度利潤逐步下降；若數據資源作為存貨，其成本在出售時結轉為營業成本，可能影響銷售毛利的穩定性。

此外，數據資產往往表現為一次性投入、長期復用，但需要注意的是，不是一次性入賬就畫上句點，后續的維護與更新同樣關鍵。一旦數據更新不及時、應用效率下滑，數據資產也可能面臨減值風險，進而影響利潤。

整體而言，劉志耕認為，數據資產入表有望提升企業報表的吸引力。“一方面會提升企業資產負債表的質量，同時可吸引資本市場的關注，增強企業的融資能力。”不過，他也提示說，“如果成本歸集不準確可能導致資產虛增；如果涉及權屬糾紛則可能引發追溯責任的潛在風險。”

劉志耕建議，應從評估標準、監管機制、技術驗證等多維度構建防范企業為估值美化而高估數據資產的風險體系。

他表示，一是要建立多維度的估值標準框架，包括分類分級評估和復合評估方法；二是要強化第三方審計及穿透式監管，包括獨立資產評估機構介入和審計規則的升級；三是要采用技術手段防止估值虛高，包括區塊鏈溯源存證和AI預警系統；四是完善法律與市場約束機制，包括明確財務舞弊認定標準和培育數據要素市場；五是企業內部治理優化，包括設置數據倫理委員會和建立估值反向驗證機制。

圖片來源：視覺中國-VCG41N1813906894

專家提醒：警惕“賬面優化”背后的風險

數據資產的入表并非終點，而是新一輪價值重構的起點。它標志著數據從“資源”向“資產”，再向“資本”演進的路徑進入實質推進階段。

一些地區已開始試點將數據資產納入授信體系。例如，廈門海邁科技股份有限公司登記其“海易招數鏈寶”產品后，獲得福建省首張建設信息化領域的數據資產登記證書，進而憑此取得光大銀行廈門分行2000萬元授信額度。

談及上述案例，曲耕辰表示，這是非常具有標志性的一步，說明數據資產正逐步獲得金融機構認可。但未來若要成為常態，還需要具備三個前提條件：有明確、合規的數據權屬和估值體系；銀行可依據數據資產進行風控評估；政策層面鼓勵數據資產參與抵押、質押等金融活動。

需要說明的是，數據資產入表表面上似乎為上市公司帶來了“賬面優化”，但這并不意味著風險降低。

王建平指出，數據資產入表固然意味著企業數字化能力的顯性化，但也埋藏著成本法與實際業務價值脫節的隱憂。

他提醒說，投資者在解讀這類資產時，應綜合考慮政策、財務與風險三方面的因素。

首先，在政策層面，盡管入表政策推動了企業資產規模的擴張，但這類增長未必與企業的真實業務能力或變現能力同步；

其次，從財務角度看，資產端的擴張可能暫時改善財務指標，然而，由于不同攤銷政策的適用，利潤波動也將隨之而來；

更為重要的是，風險層面不可忽視——技術快速更迭可能導致數據資產迅速貶值，而數據估值的主觀性與信息披露的碎片化，也會加劇報表的不確定性。

“特別是在會計操縱風險方面，可能存在將不符合資本化條件的研發支出轉入數據資產、夸大數據產品使用壽命假設、利用關聯交易制造虛假數據交易流水等問題。”劉志耕強調。

曲耕辰也補充道，數據資產入表的透明度（如披露方式、評估基礎）也是投資者評估企業數據價值的重要依據。

從根本上看，數據資產化正在為企業打開新的資產計量與利潤管理空間，但這也意味著對財務判斷與投資者識別能力提出了更高要求。在尚未完全建立起統一評估體系的當下，數據是否真正具備穩定增值與創造現金流潛力，仍是每一位市場參與者需要深入思考的核心問題。

未來，數據能否在制度規范與市場驗證的雙輪驅動下，真正成為數字經濟的“基礎設施”之一，將決定這場數字資產革命能否真正落地。