自2024年1月1日起，《企业数据资源相关会计处理暂行规定》正式施行，上市公司开始披露数据资产入表情况及相关信息。然而，由于数据资产是新兴资产类型且2024年是数据要素计入资产负债表的第一年，数据资产入表和信息披露仍处于起步阶段，实操经验和理论支撑尚显不足。
在上海数交所的署名文章《上市公司数据资产信息披露现状问题与完善建议——以2024年A股上市公司三季报为例》中，通过对2024年第三季度上市公司数据资产入表及信息披露的现状分析，指出了当前数据资产信息披露的重要性和完整性有待提高的问题，并提出了改进建议。企业应披露数据资产包范围边界、构成信息及数据资产管理场景等信息，以提高资本市场对数据资产价值的准确评估，从而提升资本市场的有效性。
此前在《18 家上市公司数据资产成功入表后的再讨论分析》一篇中认为，只有登记确权估值以后，用此估值数据作为公司对数据资产进行资本化的依据，才能相对而言提高入表价值的可靠性和可验证性，并符合会计准则对资本化的谨慎要求。
1. 总体概况
截至2024年9月，我国A股上市公司中共有54家披露了数据资产，入表总额约15.12亿元。数据资产占总资产比例的平均值为0.43%，显示出上市公司对数据资产入表总体上仍持较为谨慎的态度。37家上市公司将数据资源计入无形资产科目，23家计入开发支出科目，4家计入存货科目。
信息技术行业是上市公司入表数量最多的行业，软件和信息技术服务业共有9家公司，计算机、通信和其他电子设备制造业则有5家公司。软件和信息技术服务业和计算机、通信和其他电子设备制造业合计占四分之一。
上市公司未将数据资产作为影响公司经营的重要事项进行详细披露，数据资产披露的重要性靠后，多将数据相关描述放在“其他提醒事项”中。只有9家公司对数据进行了相关描述，大多数公司并未在表外披露数据资产的更多信息，有描述的企业仅占入表公司总数的六分之一。
2. 现状剖析
数据资产包的描述不完整：在所有样本公司中，无一家披露完整的数据资产包范围界定和资产构成，仅有少数公司进行了相对细致的描述。合合信息披露了核心C端产品名称，上海钢联对表内数据资产进行了相对细致的描述。由于数据资产包表达完整性的缺失，市场难以全面了解企业数据资产的规模、质量和应用潜力。
数据资产管理方法描述不足：企业对于如何管理数据资产的信息描述更是寥寥无几，市场难以了解数据资产的安全性、合规性、管理方式、未来规划等。仅有三家公司提及了数据的管理场景，如合规流通、发展战略，但这些描述往往缺乏深度和细节，导致市场难以了解数据资产的安全性、合规性、管理方式、未来规划等。
数据资产过程性资产表述不清晰：多数公司在进行数据信息披露时，通常会提供数据的应用场景信息，但对数据资产形成过程及其在数据采集、数据加工治理等过程性资产分布状态如何并未阐述，导致投资人仅能笼统地了解企业“持有”该数据资产，并未识别出这一资产类型和企业因而具备的数据能力。每日互动在商业营销和公共服务两大场景的基础上，开拓交通和医疗等领域应用场景。
3. 改进建议
披露数据资产包范围边界和构成信息：企业应尽可能识别和明确各类数据资产，建立清晰的数据资产名录，以便更有效地管理和维护数据资产。资本市场能够更深入地了解企业持有的数据资产，提高企业估值的准确性。
披露数据资产管理场景信息：企业应当详细描述数据资产的管理场景，特别是基于数据资产开展的创新应用和资产形态升级，形成可信的资产价值。企业应提供不同类型企业的不同数据资产的管理场景信息，教育市场参与者，提高市场对于数据资产的认知水平，丰富市场参与者的信息集，为资本市场有效价格形成提供依据。
披露数据资产过程性分布情况：企业应当全面而清晰地展示数据资产的来源与归属，包括在数据产业链中的位置、外部数据采购情况、数据治理分析情况等，以便评估企业价值。帮助市场更好地理解数据价值，提高资本市场的有效性。
4. 热点关注问题和反思
问题1：为什么上市公司对数据资产入表持较为谨慎的态度？
上市公司对数据资产入表持谨慎态度的原因主要有以下几点：首先，数据资产作为一种新兴资产类型，其价值评估和市场认可度尚未完全确立。其次，数据资产信息披露涉及复杂的技术和管理问题，企业需要时间积累相关经验。此外，数据资产的安全性和合规性问题也需要企业谨慎处理，以避免潜在的法律和财务风险。
问题2：上海数据交易所“二维五分法”数据资产披露框架包括哪些内容？
上海数据交易所“二维五分法”数据资产披露框架包括以下内容：
- 数据资产包的描述：包括数据资产包的范围边界和资产构成，识别和明确各类数据资产。
- 数据资产管理方法：描述企业如何管理数据资产，包括数据的安全性、合规性、管理方式、未来规划等。
- 数据资产的过程性资产表述：阐述数据资产在数据采集、数据加工治理等过程性资产分布状态，展示数据资产的来源与归属。
问题3：在数据资产包的描述方面，哪些具体信息是必不可少的？
在数据资产包的描述方面，必不可少的具体信息包括：数据资产的范围边界和构成信息，即数据资产的分类和详细列表；数据资产的来源和采集方法，包括数据的质量、可靠性和安全性；数据资产的加工和治理过程，如数据处理、清洗、标注等；数据资产的应用场景和经济价值，以及如何通过数据资产实现业务目标。
问题4：在数据资产包的描述部分，为什么上市公司普遍没有披露完整的数据资产包范围界定和资产构成？
上市公司普遍没有披露完整的数据资产包范围界定和资产构成，主要是因为企业对自身数据资产的概念内涵不清晰，数据治理能力不足。数据资产包是企业识别和管理数据资产的基础工具，缺乏这样的信息表明企业可能未能有效管理和维护其数据资产。此外，资本市场对数据资产信息的需求不够强烈，数据资产信息披露缺乏标准框架，也导致企业在这方面表现保守。
问题5：在数据资产管理方法部分，为什么只有少数公司提及了数据的管理场景？
只有少数公司提及了数据的管理场景，主要是因为这些公司在数据资产管理方面的描述往往缺乏深度和细节。数据资产管理方法包括合规流通、发展战略等多种手段，但企业通常只简要提及一两个场景，未能全面展示其数据资产的安全性、合规性、管理方式及未来规划。这限制了市场对企业数据资产管理能力的评价，也影响了市场对企业数据资产价值的准确评估。
问题6：在数据资产过程性表述部分，为什么多数公司只提供了数据的应用场景信息而未阐述数据资产形成过程？
多数公司只提供了数据的应用场景信息而未阐述数据资产形成过程，主要是因为这些公司认为应用场景信息可以帮助市场更好地理解数据价值。应用场景信息是证明数据为企业带来经济利益流入的重要支撑，但数据资产的形成过程，包括数据采集、数据加工治理等过程性资产分布状态，对于评估企业价值同样重要。未能全面展示这些信息使得投资人仅能笼统了解企业“持有”该数据资产，并未识别出这一资产类型和企业具备的数据能力。
问题7：上市公司在数据资产管理方法方面的信息披露不足，这对市场有何影响？
上市公司在数据资产管理方法方面的信息披露不足，会导致市场难以了解数据资产的安全性、合规性、管理方式、未来规划等关键信息。这种信息不对称会影响市场对数据资产价值的准确评估，进而影响投资者的决策和投资回报。此外，缺乏透明的管理方法也可能限制企业通过数据资产进行创新应用和资产变现的能力。
截至2024年9月，我国A股上市公司共5354家，进行数据资产入表的上市公司数量仅占1%。大多数企业并未进行有效的数据资产信息披露，即使进行披露的企业也多是简单粗略的描述，无法满足信息使用者深入理解和评估数据资产的需求。目前，无论是数据或是数据资产均缺乏统一标准的信息披露框架，导致市场难以全面了解企业数据资产的规模、质量和应用潜力。由于缺乏统一的披露标准和规范，市场能够获取的可靠且可比的数据资产信息相当有限，信息不对称问题严重，影响了市场对数据资产信息的解读。
来源：上海数据交易所，作者：上海数交所研究院研究员 金溪、资产交易部运营经理 刘晨。本篇针对全文由生成式 AI 做出的核心摘要和解答，仅作为参考，请以原文为准。图片：Myriam Jessier，Unsplash
