目前我国数据资产入表尚处于起步阶段，在为企业和宏观经济带来机遇的同时，实操中也出现了若干问题。数据资产入表在会计层面和金融价值实现层面所面临的挑战来看，会计层面主要体现在会计确认与分类、成本归集、收入成本匹配、摊销方法与年限确定、税会差异方面，金融价值实现层面主要体现在确权、价值评估、市场机制与流动性、隐私及安全风险方面。
为应对这些挑战，我们从政策引导、企业内部治理优化、技术创新与市场机制建设三个层面提出建议，以推动数据资产更好地融入金融体系，实现其价值。
一、数据资产入表会计层面的挑战
1. 企业对数据资产认知模糊
2024年半年报中，有部分上市公司将数据资源入表后，紧急发布更正公告剔除了数据资源相关数据。尽管财政部已经发布了《暂行规定》，但具体的会计处理细则尚未明确，目前企业对数据资产的认知仍然较为模糊，对其确认和后续会计处理尚不明确，在实务操作中存在较大困难。
2. 资产确认和分类的挑战
根据企业会计准则，确认为资产需满足“由过去的交易或者事项形成的”、“由企业拥有或者控制的”、“与之有关的经济利益很可能流入企业”和“成本或价值能可靠计量”这些条件，一般“经济利益很可能流入企业”指经济利益流入的概率超过50%。然而由于数据资产具有无形性、可复制性、易变性和时效性等与传统资产截然不同的特性，如何证明企业合法拥有或控制该项资源，如何证明“与之有关的经济利益很可能流入企业”，如何进行成本的可靠计量皆存在难度。
在数据资源满足资产的定义和确认条件后，企业还需进一步根据数据资源的经济实质判断其适用于无形资产还是存货准则。因此，是否能将数据资源确认为资产，以及确认为资产后，应按照无形资产还是存货入表，这些都需要企业仔细甄别。
此外，无形资产中自行开发形成的数据资源所对应的研发支出，需要进一步区分其处于研究阶段还是开发阶段，只有在处于开发阶段且同时满足“技术上具有可行性、有使用或出售的意图、能证明其有用性、具备完成开发的资源支持、成本能够可靠计量”这五个条件的才能进行资本化。如何区分研究阶段和开发阶段、如何判断数据资源的资本化金额、以及如何对数据资产进行分类在实务操作中都存在一定难度。
3. 成本归集的挑战
数据资产往往涉及采集、清洗、加工、开发、质检、存储等多个业务流程，企业在实务中对于各环节难以做到精细的成本核算，这使得将成本归集到特定的数据资产存在难度。
4. 收入成本匹配的挑战
数据资产的成本往往在前期投入较大，而收益可能在未来多个会计期间根据后续的应用场景和商业化能力逐渐实现，难以和前期投入的成本直接挂钩。此外，数据资产的经济效益往往是间接的，可能通过提升业务效率、优化客户体验或推动产品创新实现，这使得其收入与成本之间的匹配更为复杂。
5. 确认摊销方法与年限的挑战
目前针对确认为无形资产的数据资产，其摊销方法主要有直线法、加速折旧法、不摊销，摊销年限一般不超过10年。由于数据资产是一个较新的领域，目前尚无大量成熟的案例以供参考，企业对于如何采取何种方法摊销数据资产，如何合理判断数据的预计使用寿命存在较强的主观性。
6. 税会差异的挑战
首先，根据《所得税法实施条例》规定，无形资产的摊销年限不得低于10年，按直线法摊销计算的摊销费用准予扣除，目前尚未针对数据资产作出具体规定。然而在实务中数据资产的摊销年限一般不超过10年，并且由于数据资源的时效性通常逐年递减，因此企业可能会以加速折旧摊销法进行摊销，由此会产生较大的税会差异。其次，此前费用化的数据资源按照现行的《暂行规定》计入资产，企业将无法享受这部分研发费用加计扣除的税收优惠。
这可能会导致以下后果:第一，企业当期需支付较多的企业所得税费用，对当期利润和现金流产生影响;第二，企业在进行高新技术企业认定时，需满足一定研发费用占销售收入比重的要求，研发支出的资本化可能会导致这一比重不符合要求。
二、数据资产金融价值实现的挑战
1. 数据资产确权的挑战
数据资产确权是数据资产入表的前提条件，也是数据资产化过程中的关键问题，当前的法律和管理体系在此方面尚不成熟，给企业在实务中带来了诸多挑战。由于数据资产具有无形性、非消耗性和可复制性等特性，传统的产权、流通和分配制度难以直接适用，导致数据权属的界定极为复杂。
《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》(下文简称“数据二十条”)首次提出了建立数据资源持有权、数据加工使用权、数据产品经营权“三权分置”的产权运行机制，为数据确权提供了一定的指导框架。
但当前，我国法律尚未明确界定“数据产权”这一概念。数据资源包含了各种类型的信息，有涉及企业和公民的财产信息，也有公民个人的身份信息，例如系统内部的会员信息归属于企业、个人隐私还是政府约定的公共数据难以界定。法律上的不确定性和模糊性，导致实务中对数据资源确权提出了极大的挑战。
此外，在实务中仍然存在较多的难题，例如企业通过多种渠道获取的数据(如内部生成的、合作伙伴共享的、或公开途径获取的)往往涉及多个利益相关方，如何明确该项数据资产符合《企业会计准则》对资产定义的“由企业拥有或者控制的”这一条件仍然存在较大难度。
数据资产确权的困难导致在金融交易中难以将数据资产作为合法的抵押物或资产进行估值和融资。此外，数据资产与传统资产相比，缺少清晰的确权标准和交易流程，进一步加剧了其金融价值实现的困难。
2. 价值评估的挑战
数据资产价值评估的挑战是当前数据资产化过程中面临的核心问题之一，由于数据资产具有与传统资产截然不同的复杂特性，其估值过程也充满了挑战，主要表现在以下几方面：
- 一是数据资产的无形和非标准化，数据的无形使得数据的确权和所有权界定存在不确定性，并且数据的形式、来源和用途各不相同，难以用统一的方法来衡量；
- 二是数据质量与时效性，数据质量的波动以及时数性对其价值影响巨大，低质量或过时的数据可能无法为企业带来预期的经济利益；
- 三是市场流动性不足，数据资产市场尚不成熟，缺乏公认的交易机制和价格基准，导致数据资产在金融化过程中难以合理定价；
- 四是法律与合规风险，数据资产的确权与所有权的界定存在难度，同时，数据的交易受到隐私保护法规的限制，增加了合规和法律风险；
- 五是技术变革的不确定性，随着数据处理技术的快速发展，数据的价值可能受到技术进步的冲击，在短时间内大幅贬值，增加了评估的复杂性。
数据资产价值评估的复杂性和不确定性导致企业和金融机构在评估数据资产的市场价值时，往往无法依赖统一的标准，这很可能导致资产定价虚高、背离其真实价值，从而阻碍数据资产在金融领域的应用如数据资产质押融资、资产证券化等，严重时甚至可能带来系统性的金融风险。
3. 市场机制与流动性挑战
数据资产的市场价值评估、交易机制、流通渠道等方面尚未完全建立，缺乏成熟的市场机制和交易规则，导致其在金融市场中的接受度和使用率较低，限制了数据资产的流动性和金融价值的实现。
4. 隐私及安全风险的挑战
数据资产在金融化过程中，隐私保护和数据安全问题成为重要挑战。尤其是涉及个人数据和敏感信息时，如何在确保隐私合规的前提下实现数据资产的金融化，成为企业和金融机构面临的难题。如果处理不当，可能会导致数据泄露或隐私侵权，从而带来法律和声誉风险，限制数据资产的金融价值实现。
三、关于促进数据资产入表及金融价值实现的相关建议
针对数据资产会计入表及其金融价值实现过程中面临的诸多挑战，下面将从政策、企业治理、技术创新与市场机制三个层面提出系统性建议。各方应通过协同合作、内部治理、政策引导和技术创新，逐步解决当前面临的挑战，使数据资产在未来的金融体系中发挥更大的价值。
3.1 政策引导与标准完善
政策层面的支持是推动数据资产入表的重要基础。由于当前会计准则和相关法律法规对数据资产的处理尚不明确，企业在数据资产的确认、分类、收入成本匹配、摊销方法和年限的选择等方面存在困惑。因此，政府和监管机构应出台更为明确和更具操作性的政策引导。
1. 出台明确的会计处理细则
财政部及相关监管机构应尽快发布关于数据资产会计确认和信息披露的具体细则，涵盖数据资产的分类、计量、成本归集与分摊、摊销方法和年限确认标准等方面，为企业的会计处理和信息披露提供详实的指引和依据。
2. 优化税收政策与会计准则的对接
政府应尽快出台针对数据资产的税收政策细则，例如，明确数据资产的摊销方法、摊销年限和税务处理方式，减少税会差异带来的困扰；保持与税收优惠政策的衔接，避免企业因数据资源研发费用资本化而无法享受税收优惠。
3. 加快数据确权的立法
数据资产确权是其入表和交易的前提。建议立法机关加快数据确权的相关立法，建立明确的确权机制，建议针对数据的权属性质、流通及权益分配保护等进行专门的立法，明确具体赋予数据何种法律权利，建立数据资产有效保护规则体系和治理体系，为企业数据资源的确权提供依据。
3.2 企业内部治理优化
企业在数据资产入表的过程中，不仅需要外部政策的支持，更要加强内部治理，企业可通过建立精细化数据成本管理管理体系、数据资产价值评估体系、数据安全管理体系等，提升数据资产的治理能力。
1. 加强对数据资产的认知
企业内部应加强针对数据资产的培训，提升财务和业务团队对数据资产的理解，以及财务和业务的跨部门合作，确保能够有效应对新会计准则下的数据资产处理。
2. 建立精细化数据成本管理体系
一方面，企业应加强对数据资产采集、加工、存储等全流程的成本核算能力，建立精细化的成本管理机制，为数据产品的成本计量提供可靠依据;另一方面，企业应加强业财融合，建立数据产品管理体系，科学评估不同数据产品的实际成本和收益，这不仅能有效解决成本收入的匹配问题，还能评估不同数据产品的投入产出，以为商业决策提供依据。
3.建立数据资产价值评估体系
数据资产的价值评估是实现其金融价值的关键一环，目前我国对数据资产估值方法大致可以分为成本法、收益法和市场法，每种方法都有其优势和局限，且目前尚缺乏标准的市场参照体系。企业应建立自己的数据资产价值评估体系，准确识别自己的数据类别、数据质量、数据时效、应用场景、商业模式等，进行综合分析，确定适用的估值方案。同时，企业可以引入具备资质的第三方评估机构，开发符合自身数据特性的价值评估模型，通过外部评估的引入，确保数据资产的定价更加客观和透明，从而提高市场接受度。
4. 建立数据安全管理体系
企业应遵循《数据安全法》、《个人信息保护法》等相关法规要求，特别是在数据交易和流通过程中，确保合规操作。企业可建立数据安全管理系统，通过加密技术和访问控制等技术加以辅助，降低数据泄露与隐私侵权的风险。
3.3 技术创新与市场机制建设
技术创新是推动数据资产入表及金融化的重要引擎，而市场机制则是确保其流动性和价值实现的关键。因此，需要加快相关技术和市场基础设施建设，助力数据资产的价值流通。
1. 利用区块链技术解决确权问题
区块链技术具有去中心化、可追溯性和防篡改等特点，为数据资产确权提供了新的可能性。未来金融机构和技术企业可加大对区块链技术的投入，通过智能合约、分布式账本等手段，确保数据资产的确权过程透明化和可验证化，保障数据资产交易的合法性和可追溯性。同时还需要在法律、监管等多个层面进行深入探索和实践，以推动相关技术的发展和应用。
2. 建立数据资产交易平台
数据资产的市场化离不开成熟的交易平台，应尽快推动建立数据资产交易平台，并制定统一的数据标准和交易规则，以促进数据资产的流通和交易。
3. 推动数据资产金融工具的创新
金融机构应积极开发基于数据资产的金融产品，例如数据资产质押融资贷款、无质押数据资产增信贷款、数据资产证券化产品等，以拓宽企业的融资渠道，助力数据资产实现金融价值。
在此，数治网小编精心汇总了自2024年以来，关于政策、企业治理、技术创新与市场机制三个层面的14篇备受关注的核心内容。让我们从多个视角出发，对这些话题进行深入挖掘，内容涵盖数据资产入表的认识、合规问题的详细拆解、关键步骤的详尽阐述，以及评估指标体系、系统建设等。此外，我们还特别选取医疗金融等行业的案例，对有关未来趋势展开探讨，助力大家全面回顾并深刻领会这些关键议题。
- 小治快答：扒问数据资产入表让你的认识再上新台阶
在数据资产入表与有关数字化转型、战略规划、财务报表及其透明度、适用局限、效益分析、合规风险以及法律要求等方面问题由生成式 AI 做出的核心摘要和解答。 - 数治入门 | 数据资产化过程中的合规审查与登记实施
在整个数据的生命周期内，确保企业的数据管理和操作过程遵循相关法律法规、行业标准和内部控制要求，特别是要关注合法性、正当性、规范性和有效性。 - 数治长文 | 企业数据资产入表合规问题拆解和举例
“入表”是会计核算的通俗叫法，会计准则又属于国家社会规范的重要组成部分，因此数据资产的合规化使用路径问题是我国数字资源价值挖掘和实现的关键。 - 数据资产管理及入表的七大关键步骤指引详述
为企业提供一套全面、系统、可操作的管理框架和方法论，帮助企业将散落在各个角落的数据资产有效整合、精确计量、合理评估、合规登记，并最终将其纳入企业的财务报表。 - 数治长文 | 从数据资产、安全能力到风险评估的试点取经
对数据进行有效的安全管控是企业释放数据资产价值的必要前提，如何组织好数据、保护好数据，这就和数治网小编一起从选取的三个试点案例中取经。 - Zed行业 | 细数银行业数据资产估值指标体系和过程
《指南》构建了全面而实用的数据资产估值框架，涵盖数据资产的识别、评估、管理到价值提升等关键环节，为全面构建我国金融领域数据资产估值体系提供了有益参考。 - Zed案例 | 基于 AI 识别的数据资产管理系统建设
从资产的视角对域内数据进行摸底盘点、分级分类、关联分析、风险评估等综合安全治理，实现数据全生命周期安全管理，确保数据来源可信、访问可控、操作可查和责任可追。 - 数治入门 | 案例手册全国首发 带你详解数据资产和评估
手册基于具体案例开展数据资产评估分析工作，从评估目的、行业应用场景、评估价值类型、评估方法等几个方面提供了数据资产场景化评估的具体操作指引。 - 数治x医疗健康：公立医院科研数据资产化实现探析
由于数据权属不清、医疗数据开放共享法律政策规范不完善、医疗机构信息化建设技术不足等问题，导致其蕴含的价值也无法被挖掘，严重掣肘医疗数据的开发再利用。 - 公立医院数据资产管理及运营框架设计探究
公立医疗机构在合法合规前提下向金融、养老等经营主体共享数据，支撑商业保险产品、疗养休养等服务产品精准设计，拓展智慧医疗、智能健康管理等数据应用新模式新业态。 - 数治x金融服务：数据资产确权、估值及入表的一体创新
数据资产的真正入表将有助于推动企业持续探索数据在业务创新、运营优化、改善客户体验等领域的创新应用，开拓新的金融商业模式，深度挖掘数据要素潜力。 - 乘数法则：激活全链路数据资产 深化数字普惠金融
金融机构通过融合利用市场监管、税务、消费等数据，可以完善信贷模型，辅助面向中小微企业贷款授信决策，在降低金融机构坏账率的同时，更好赋能实体经济发展。 - 18 家上市公司数据资产成功入表后的再讨论分析
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。 - 这数据资产化的八大趋势与展望 你会怎么看？
数据资产化作为数据要素价值实现的重要方式，一系列支持性政策不仅持续完善了数字经济的顶层设计，也强力推动了数字技术和实体经济的深度融合，为经济发展增添了新的活力。
来源：本文摘编自《中国企业数据资产入表情况跟踪报告》，2024年上半年，高金智库。图片：Jakub Zerdzicki，Unsplash
在此声明以上观点和内容，仅代表原作者和出处，与数治网DTZed 无关，如有出错或侵害到相关合法权益，请通过电邮与我们联系：cs@dtzed.com。
有数治Pro在手，年费￥999 起落政策、学法规、用标准、推业务、促客户、助招投不再愁，在下方扫码添加老邪企业微信即可。
欢迎先注册，登录后即可下载检索数据资产等相关标准、白皮书及报告。更多高质量纯净资料下载，进入公众号菜单“治库”。
