一、数据资产入表政策背景
人类社会已经步入信息化时代，而信息的基础就是数据。数字经济是当今经济发展的新生态和主旋律。数据不仅仅包含数字，也包含文字、图像、声音和视频等多种形式。每个人既是数据的消费者，也是数据的创造者。比如，我们每天形影不离的手机就是一个巨大的数据源，我们发出的每一条信息，阅读的每一篇文章，下的每一个订单，听的每一首歌，以及看的每一个视频都既接收了外界的数据，同时创造关于我们自己的新的数据。通过分析我们的浏览和操作数据，媒体可以更精准地推荐内容，商家可以更有效地销售商品和服务。而这些仅是数据庞大价值的冰山一角。随着技术的进步，人们搜集、整理、分析和利用数据的能力正在突飞猛进。如火如荼的人工智能大发展正是海量数据，叠加先进的算法和算力的产物。无论从任何角度看，数据的重要性都毋庸置疑，且日益上升。
2020年4月9日，中共中央、国务院印发《关于构建更加完善的要素市场化配置体制机制的意见》，
将数据定义为一种新型生产要素，成为土地、劳动力、资本、技术要素之后的第五大生产要素，在顶层设计层面确认了数据的独特地位。
2022年12月19日，《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》（即
“数据二十条”
）发布，明确提出数据产权的确认。2023年8月21日，财政部发布《企业数据资源相关会计处理暂行规定》，并于2024年1月1日开始实施，首次明确数据资产确认入表的会计规则，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，为报表使用者提供决策有用信息，同时帮助数据驱动型企业吸引外部融资、优化财务结构、提升公司价值。
政策发布当日，涉及数据要素领域的板块股价显著上升。当天市场收盘时，包括国家发展和改革委员会的数据合作平台上海钢联、专注于数据分析与决策支持的零点有数，以及大宗商品价格指数供应商卓创资讯在内的多个公司股价涨停。此外，涉及人工智能与大数据服务的汇纳科技、数据智能服务提供商每日互动，以及数据资产化服务公司易华录等的股价涨幅超过15%。在随后的一周内，A股市场中的数据要素相关板块继续领跑市场。资本市场对新政策的热烈响应明显表明，投资者普遍预期，随着政策的实施，相关企业的数据价值将得到进一步释放，数字经济将进一步蓬勃发展。
从重磅政策的接连发布到资本市场的热烈反响，敏锐的企业家和投资者已经可以感知到数据价值革命的大幕正在中国徐徐拉开。 在这场革命当中，数据资产的评估和入表将是关键问题之一。
什么是数据资产？
所有数据都有变成资产的可能，而这个可能性的实现要视企业的视野和能力而定。仅仅列出企业有什么数据（搜集了什么信息）并不能直接衡量其数据资产的价值，只有能清楚说明如何使用这些数据、它们的应用场景和可能带来的收益，才可以估算这些数据的价值。举个例子，普通企业中员工的薪酬数据尽管对企业管理本身很有价值，但企业不能直接用薪酬数据提供服务来获取收益，因此不能算作数据资产。但是，如果一家咨询公司专注于人力资源服务，花了很多时间和费用建立了一个完备的薪酬数据库，并依据这些数据为不同的企业定制薪酬方案，或者向其他需要使用薪酬数据的企业提供有偿服务，那么这些薪酬数据就是这家咨询公司重要的数据资产。
数据资产在现代经济中的重要性是不言自明的，它有很多特性，其中最重要的一个特性叫做
“场景依附性”。场景依附性的意思是数据资产的价值与使用的场景高度相关。
这意味着同样的数据，在不同的业务中能创造出不同的经济价值。举个例子，零售行业中顾客的购买数据：对于一家电商平台，这些数据能帮助他们分析消费者行为，推荐合适的商品，提升销售额；而对于供应链公司，这些数据可以指导库存管理和物流规划，降低成本，提高效率。除了场景依附性之外，数据资产还有几个关键特点。比如，它不会因为被使用而消耗掉（非消耗性），可以在多个部门或公司之间共享（共享性），而且共享数据并不会影响其价值（非竞争性）。在商业环境下，如何分类、管理这些数据，并且为它们制定一个合理的评价体系，成为企业提升竞争力的关键问题。
数据资产是现代经济中的一种宝贵资源，它的价值和使用方式跟其他常见的商业资源（比如库存、设备或者应收账款）有显著不同。这就意味着，我们不能用过去的方法来评估它的价值，而需要开发新的评估方法。数据资产的种类也很多，可以根据它的价值、怎么产生的、存储在哪里、谁拥有它、怎么供应以及如何使用这些标准来分类。对于商业人士来说，理解数据资产的这些特点和分类方式很重要，因为它们直接关系到如何正确评估数据资产的价值，进而影响业务和财务决策。
数据资产的价值如何评估？
了解了什么是数据资产后，接下来自然而然的问题是如何给数据资产估值，而这需要我们首先理解企业如何从数据资产中获益。
企业通过数据资产获利有两种模式：数据支持和数据增强。
数据支持型企业通过出售数据或提供数据许可，销售与数据相关的产品获利，例如地理信息系统提供商超图软件、客户关系管理服务商Salesforce、国内规模最大的财经数据和信息提供商万得信息科技（Wind）以及全世界规模最大的财经数据和信息提供商彭博（Bloomberg）等。数据增强型企业则通过利用数据优化现有产品和提高生产效率来增加收入，代表性的企业有电商巨头阿里巴巴和亚马逊、搜索巨头百度和谷歌、社交网络公司腾讯和脸书等。企业从数据资产中的获益方式对数据资产的价值评估有重要的影响，显然企业对原始数据的加工程度越深，则最终形成的数据资产的价值越高。
数据资产的价值受多种因素的影响，包括成本、固有价值、市场价值和环境条件等。
成本因素涵盖了数据生产的全过程花费，不论是购买外部数据的支出还是收集和处理自有数据的成本，包括人工、材料和间接费用等。理解这些成本对于财务部门在评估数据资产时非常关键。固有价值因素关注的是数据本身的特性，比如质量、规模、多样性和活性。这里面数据质量尤为重要，它是数据被成功应用的基石。市场价值因素指特定应用场景下数据资产的供求关系，比如有没有提供类似数据或数据服务的竞争者。举个例子，上市公司过往的财务数据对投资者很有价值。如果只有一家公司独家提供这些数据，那么这些数据资产的价值就会非常高。但如果有很多公司都可以提供这些数据，那么这些数据资产的价值就会下降。最后，环境因素指出，由于数据的边际复制成本极低，在使用数据资产时不可避免地会面临数据所有权确认和数据隐私等问题，这些都会影响到数据资产的价值。
对于数据资产的价值评估，我们通常会用到三种方法：
成本法、收益法和市场法。
每种方法都有其特点和适用场景。
成本法比较直接，它通过计算数据生产过程中的所有成本，比如员工工资、材料费用、设备折旧和其他相关税费，来估算数据资产的价值。这种方法适用于会计和财务报告，因为它基于实际支出来评估资产价值。
收益法则是从一个不同的角度来考虑，它预测数据资产在其经济使用寿命内能带来的全部收益，然后把这些未来收益折现。这种方法试图直接衡量数据资产对企业财务表现的贡献。但在实践中，因为数据资产往往与其他资产一起使用，它们具体贡献的收益难以单独区分，尤其是在那些利用数据来增强产品或服务的企业中。
市场法依赖于市场上的实际交易价格来估值，如果市场上有相似数据资产的交易记录，就可以用这些信息来估计你手头上数据资产的价值。这种方法简单明了，但挑战在于很多数据资产是独一无二的，找不到可比较的市场价格，而且报价往往还包含了交易成本。理解这三种估值方法对于企业管理者来说很重要，因为它们提供了不同角度来看待和评估数据资产的价值，帮助企业更好地做出战略决策和财务规划。
在评估数据资产的价值时，虽然成本法、收益法和市场法提供了一般性的指导原则，但考虑到数据资产的价值往往与使用场景紧密相关，我们需要根据不同行业的特点来制定更加具体和适应性强的评估体系。
数据资产的真实价值在不同行业和应用场景下表现出来的形式各不相同，因此场景化的估值体系显得尤为重要。
我们来看四个实际的例子。
第一个例子是制造企业上汽集团。上汽集团是中国三大汽车集团之一，主要业务是乘用车、商务车和汽车零配件的生产、销售、开发和投资，以及相关的汽车贸易和金融业务。上汽集团从传统的“产品为中心”模式转型为“用户为中心”，通过完整的数据闭环和应用，为用户创造了更多价值。对上汽集团来说，数据资产主要表现在客户关系维护方面的应用价值和创造力。这说明，在制造行业，数据资产的评估应重点考虑开拓和维护客户关系以及用户体验的提升。
第二个例子是金融企业浦发银行。浦发银行是大型股份制商业银行，2022年在英国《银行家》杂志发布的“全球银行品牌100强”中排名第19位，在上榜中资银行中排名第8位。浦发银行主要通过推动数据产品的创新和实用化，实现了数据驱动的场景金融服务，依托新技术快速响应客户和管理需求。因此，金融企业的数据资产价值不仅体现在其金融产品和服务的创新上，还体现在通过数据驱动提升的用户管理能力上。
第三个例子是医疗企业至本医疗。至本医疗是一家专注于肿瘤精准诊疗的创新型医疗科技企业。至本医疗的主要数据资产是其建立的癌症患者基因库，这项数据资产既具有科研价值，也具备转化为数据产品的潜力。因此，在医疗行业，数据资产的评估既要考虑其对科学研究的贡献，也要探讨其商业化的可能性和路径。
第四个例子是科技公司数库科技。数库科技是一家引领产融数字化的数据科技公司，作为平台化数商企业，主要面向金融机构、企业及政府部门提供智能数据产品，覆盖对公营销、智能风控、产业规划、招商引资等多种应用场景。数库科技的主要业务包括标准化推送产品（包含SAM产业链、供应链、SmarTag新闻分析数据、企业图谱、发债企业运营数据、企业财务数据六大产品）和定制化交易服务（包括数据治理及整合服务、定制化系统开发服务两大业务）。不同于前三个例子，数库科技的主要资产正是其数据资产。对于数库科技的数据资产的价值评估主要考察哪些成本支出可以被资本化，而哪些必须费用化。所谓资本化是指这些成本支出不是被当期消耗掉，而是形成了可以带来未来收益的资产。反之，费用化是指这些成本支出没有形成明显可以确认的资产，因此在当期作为费用处理。举个例子，普通家庭花10万元买辆汽车的支出应当被资本化，因为这辆车会服务这个家庭很多年，而这个家庭某次旅行花1000元租车的支出则应当被看作这次旅行的费用。同样的道理也适用于数据资产的评估。因此，在科技行业，数据资产评估的关键在于判明成本支出是否形成了能带来确定性未来收益的产品或服务。
这些例子说明，
数据资产评估不能采取一种静态的、一刀切的做法。实际上，这个过程需要根据企业所在行业的特点、数据的应用场景以及数据资产的生命周期等因素来定制。
这意味着，企业需要采取灵活的方法，根据自身实际情况调整评估策略和参数。
数据资产如何入表？
前面提到，财政部发布《企业数据资源相关会计处理暂行规定》（以下简称《暂行规定》）的当日数据要素板块的上市公司股价大涨。导致股价大涨的原因之一就是《暂行规定》明确提出数据资产可以入表。“入表”是计入财务报表的简称。数据资产入表的意思是数据资源可以在满足一定条件下被计入财务报表，作为资产列示。与以前的规定相比，新规会让数据资产丰富的公司的资产负债表上的资产和净资产同时增加，损益表上的成本费用下降，盈利上升，这些都直接利好公司的股价。此外，资本市场对不同资产的估值是不一样的，在数字经济时代，资本市场更愿意给数据资产高估值，因此数据资产入表对很多企业来说是非常重要的。
《暂行规定》提出，按照数据资源有关的经济利益的预期消耗方式，根据企业持有对客户提供服务、日常持有以备出售等不同业务模式，将数据资源分类为无形资产和存货科目进行确认、计量和报告。对于不符合资产确认条件的数据资源，在出售或提供服务时按照收入准则处理。此外，《暂行规定》对数据资源的列示与披露均做出了细化规定。列示方面，企业须根据重要性原则和企业实际情况在资产负债表中以报表子项目的形式单独列示；披露方面，《暂行规定》创新性地对数据资源采取“强制披露加自愿披露”方式，企业须强制披露数据资源的取得方式、期间变动情况与相关会计政策、会计估计，还可根据实际情况自愿披露数据资源的应用场景或业务模式、原始数据类型来源、加工维护和安全保护情况、涉及的重大交易事项、相关权利失效和受限等相关信息。
《暂行规定》为数据资产入表提供了原则性的指导。在实践中，数据资产入表面临很多挑战，主要包括以下几个方面：
首先，数据资源的确权问题尚未得到妥善解决，很多时候数据资源的持有权、加工使用权与产品经营权属于不同的企业，相互之间如何框定各自拥有和控制的数据资源的边界不是一个简单的问题。
其次，数据资源的成本有时很难可靠计量，因为数据资源的形成可能牵涉很多部门和流程，某些数据资源可能是其他产品的副产品，成本归属和分摊相当复杂。
再次，数据资产的会计处理仍有不少难点，比如数据资源在研究阶段的支出应当费用化，而在开发阶段的支出可以资本化，但有时候有效界定数据资源的研究阶段和开发阶段比较困难。
最后，《暂行规定》鼓励企业根据自身情况自愿披露数据资产信息。尽管企业可以借助自愿披露展示自身在数据资产方面的优势，但自愿披露会产生一定的费用并可能加剧竞争，因此数据资源的自愿披露是否能达到政策预期仍有待研究。
数据资产评估与入表的一些思考
随着政策和法规层面对数据资产入表的认可和支持，越来越多的企业正探索如何评估和记录数据资产。与传统资产相比，数据资产的价值确认、分类及其后续的会计处理（如摊销和减值等）更加复杂，缺乏先例。基于对一系列企业的调研，我们提出了几点建议，希望能为数据资产评估和记录的实践提供有价值的建议。
首先，建议政府与会计、法律、信息技术等领域的专家深入合作，围绕数据资产的商业应用场景，收集典型企业的实际操作数据，探讨数据资产的确权、记录、计量和报告等关键问题，并编制具体的会计处理案例。这将有助于指导和规范企业如何将数据资源纳入财务报表。
