数据资源入表的挑战及应对策略 ——基于行业分布和上市公司现状的分析.docx

数据资源入表的挑战及应对策略
——基于行业分布和上市公司现状的分析

北京注册会计师协会行业发展战略委员会 2024 年 11 月 20 日

1

目 录
一、数据资源入表的必要性 5
（一）反映企业真实财务状况，满足合规需求 5
（二）支持管理层决策制定，助力企业增强市场竞争力 5
（三）提升数据治理水平及强化风险管理能力 5
二、数据资源入表行业分布与上市公司现状 6
（一）数据资源入表行业覆盖情况 6
1. 工业制造业 6
2. 金融服务业 6
3. 交通运输业 6
4. 通信运营业 7
5. 信息技术服务业 7
6. 医疗健康业 7
7. 零售业 7
8. 建筑施工企业 8
9. 城市治理领域 8
（二）上市公司数据资源入表情况分析 8
1. 入表数据资源特点 8
2. 入表数据资源资产类型 8
3. 入表金额 9
4. 行业分布 9
5. 市场反应 9

21

三、数据资源入表面临的挑战 10
（一）数据资源范围及规模较大，入表无从下手 10
（二）数据资源入表相关会计核算存在多项难点 10
（三）数据质量影响数据资源价值释放 10
（四）数据资源的安全合规难把控 11
（五）数据资产化管理体系不完备 11
（六）数据权属不清影响数据资源入表 11
四、关于数据资源入表的应对建议 11
（一）分析数据资源应用场景，进行试点场景入表 11
（二）规范数据资源入表的会计处理等核算事项 11
（三）健全数据管理体系，持续提升数据质量 12
（四）进行数据安全合规评估，及时发现风险项并制定整改措施 13
（五）将数据资源入表纳入企业数据全生命周期管理体系 13
（六）建立和完善数据确权管理机制，破解数据确权困境 13

当前数据要素市场快速发展，优质数据要素供给得到激活。数据作为新型生产要素，正深刻影响着社会的各个环 节。数字化转型的浪潮下，数据资源正逐渐成为企业最宝贵的资产之一。2022 年 12 月，中共中央、国务院颁布的《关于构建数据基础制度更好发挥数据要素作用的意见》（简称 “数据二十条”），提出关于数据权属的三权分置创新理念。2023 年 8 月，财政部会计司颁布的《企业数据资源相关会计处理暂行规定》（以下简称《暂行规定》），成为数据资源入表的指导性文件。2024 年 1 月，国家数据局等 17 部门联合印发的《“数据要素×”三年行动计划（2024—2026年）（以下简称《行动计划》），为加强数据资产管理指明了方向。由此可见，我国正在积极推动数据资源的经济价值最大化，重视数据资源的会计规范和信息披露可提高企业财务报告的透明度和可信度，促进数字经济的高质量发展。
一、数据资源入表的必要性
（一）反映企业真实财务状况，满足合规需求
随着数字经济的快速发展，数据资源已成为了企业的重要资产。通过在财务报表中列示数据资产，可以更准确地反映企业真实的财务状况和资产价值，提高财务透明 度，增强其对投资者、债权人及其他利益相关者的有用性。《暂行规定》的出台对数据资源的会计处理提出了明确指引，使得企业可以按照统一的标准进行规范和执行，有利于提高企业间财务报表的可比性。另一方面，监管机

构对数据资源的管理和披露提出了更高的要求，数据资源入表有助于企业更好地遵守会计准则及数据相关法规要 求，同时更有效地管理数据相关的风险。
（二）支持管理层决策制定，助力企业增强市场竞争
力
数据资源入表可以促进企业对数据资源的重视，增强
对数据资源的管理和利用，从而更好地发挥数据资源在资源分配、决策制定、业务赋能、成本优化等方面的作用。同时，有效管理和挖掘数据资源的企业能够在市场竞争中获得优势，利用数据驱动的决策更高效地满足客户需求、响应市场变化、设计出基于数据的创新业务模式等。
（三）提升数据治理水平及强化风险管理能力
数据资源入表有助于企业优化数据治理体系。通过明确数据资产管理责任、标准化数据流程、提升数据共享与协作水平、强化数据安全与合规，增强风险监测能力、优化数据生命周期管理等措施提高数据合规性、安全性、准确性和可靠性，从而强化企业风险管理能力，更好地规避数据相关风险。
二、数据资源入表行业分布与上市公司现状
（一）数据资源入表行业覆盖情况
《行动计划》指出，“充分发挥数据要素的放大、叠加、倍增作用，构建以数据为关键要素的数字经济，是推动高质量发展的必然要求。《行动计划》指明了“数据要素×”涵盖工业制造、现代农业、商贸流通、交通运输、

金融服务、科技创新、文化旅游、医疗健康、应急管理、气象服务、城市治理和绿色低碳共 12 项重点行动。
12 个重点行动领域的确定基于“有基础、有场景、有需求”的原则，即所属领域均有一定的数据积累、具备数据驱动的潜力、数据质量相对较高、业务场景和数据应用结合相对紧密，且大多能够通过数据要素的应用实现传统行业的转型升级等。
从公开披露的信息来看，数据资源已实现入表的行业也主要分布在“行动计划”中所提出的 12 个重点行动领域中，其中比较有代表性的行业包括工业制造业、金融服务业、交通运输业、信息技术服务业、医疗健康业、零售业及城市治理领域，并在其他领域如建筑施工领域也有较广泛应用。
1. 工业制造业
随着工业 4.0 的推进，制造业企业越来越依赖数据优化工艺，提升质量，降低成本，提高良品率，优化生产设备维护保养流程，保障安全生产。数据资源可以帮助企业提高决策等生产运营效率，并推动产生基于数据的新业务模式。从数据资源入表披露信息来看，部分制造业企业高效整合现有数据资源，将技术广泛拓展应用到其他领域，深挖数据资源记录的应用价值，进行多维度创新实践、从而生产出智能无人装备等方面的新型工业软件和装备。
2. 金融服务业

金融行业对数据的依赖性极高，数据资源入表可以帮助金融机构更准确地评估信用风险、优化投资组合和提高服务质量。金融企业的数据资源主要包括客户相关的基础信息、市场行情数据、金融交易数据和投资研究等，这些数据资源在金融行业中具有极高的价值。在防控风险方 面，金融企业间共享风控类数据，在依法安全合规前提下，融合分析金融市场、信贷资产、风险核查等多维数据，发挥金融科技和数据要素的驱动作用，提高风险预警和防范水平。由此可见，数据资源入表不仅提升了金融企业的风险管理能力，还促进了数据的商业化应用，为金融企业开拓了新的增长点。
3. 交通运输业
交通运输企业的数据资源主要来源于仓储、运输代 理、基础设施业务、路网车流量等。交通运输业企业对数据资源入表可以帮助其挖掘数据复用价值，构建高质量的动态数据集。例如，通过深度挖掘收费流水中的车辆信息，为高效运营决策、拥堵预警、精准养护以及服务区产品营销等工作提供数据支撑。还可帮助驾驶员提前了解道路情况，选择最佳的出行路线及时间，提升出行效率。数据资源入表可带动交通运输业积极拓展数据资源的创新应用场景，提高服务质量和效率，不断提升数据资源经济效益和社会效益，助力企业及行业的数字化转型和升级。
4. 通信运营业

作为数据的主要生成者和收集者，通信运营商拥有大量的用户数据和通信数据。数据资源入表可以助力通信运营商实现数据的商业化应用。通信运营企业通过整合庞大的用户数据和通信数据，能够提供更加精准和高效的服 务。同时，数据资源入表也反映了通信运营商在数据管理和运用方面的能力。整体来看，随着数据资源入表的推进，通信运营企业的资产结构和估值体系正在发生积极变化，其价值正在被市场重新认识和评估。
5. 信息技术服务业
信息技术服务业以现代科学技术对信息进行生产、处理、加工和应用，并以信息产品提供服务，对数据依赖性高。从入表披露的信息来看，信息技术服务业对于数据资源入表集中于利用大数据能力提供数据服务。例如利用数据支持大模型开发，深入挖掘相关数据并进行多来源知识融合，构建知识资源底座，形成基础数据集或语料库等，从而支持开展人工智能大模型开发和训练。另一方面，数据资源可广泛应用于软件开发、产品研制、系统集成等方面，服务于其开发的产品及系统平台等，涵盖设备信息、网络信息、场景信息及 APP 特征等多个维度。数据资源入表可推动信息技术服务企业更好地评估和管理其海量的数据资源，以科学数据助力前沿研究和技术创新。
6. 医疗健康业
医疗健康行业企业将数据资源入表，对于提升医疗服务质量、优化医疗资源配置、推动医学研究和创新等方面

具有重要意义。医疗健康企业的数据资源来源包括诊疗数据、医疗系统数据、药械销售市场数据等多个方面。通过完善数据管理体系、引入人工智能技术，加强医疗数据融合，构建高粘性的医疗服务场景，提升医疗水平，助力提升医疗健康行业数据资产价值。
7. 零售业
零售业通过数据资源资产化，能够深入了解消费者行为和偏好。通过对购物数据分析利用，零售企业可以实现个性化营销，提供定制化的购物体验。例如，通过分析顾客的购物历史和在线行为等，推送个性化的优惠和推荐，从而增加销售额和顾客忠诚度，提升购物体验感。
8. 建筑施工企业
从资本市场公开披露，数据资源在建筑施工企业也存在较广泛应用。如提升项目管理效率方面，通过实时监控项目进度和资源使用，建筑施工企业可以优化工程调度，避免延误；优化材料管理与成本控制方面，数据资源支持建筑施工企业在采购与供应链管理中做出更精确的决策，降低成本；保障施工安全与质量方面，数据监控为建筑安全管理和施工质量保证提供了全面的支持，减少了事故风险。
9. 城市治理领域
城市治理领域（如智慧城市）所涉及企业的数据资源来源于多个方面，包含人口数据、环境检测数据、政府数据等。企业通过物联网设备的接入、转换、计算等功能，

打造数据运营管理体系，聚焦于智慧城市领域的应用场景，为城市发展科学决策提供数据支撑。
（二）上市公司数据资源入表情况分析
在 2024 年，上市公司数据资源入表的情况呈现出以下特点：
1. 入表数据资源特点
数据资源作为资产入表，是数据要素流通和价值实现的体现方式之一。这些数据资源往往具有较高的价值，能够为企业带来经济利益。根据 Wind 数据统计，截至 2024年中报季，已有 44 家 A 股上市公司探索数据资源入表，剔除期后进行更正的上市公司，计入无形资产、存货和开发支出的数据资源金额累计达到人民币 13.57 亿元。这些数据资源不仅包括与商业交易活动相关的交易数据，还可能包括企业运营过程中收集的各种分析数据，它们能够通过数据驱动的决策支持、客户洞察、产品优化等方式为企业带来经济利益。
2. 入表数据资源资产类型
企业需要根据数据资源的持有目的、形成方式、业务模式等，对数据资源相关交易和事项进行会计确认、计量和报告。入表的数据资源通常在财务报表中列示为“存 货”、“无形资产”或“开发支出”三类资产。由于数据资源一般具有无形性、价值潜力的持续性（即为企业创造经济利益的能力可能在未来很长时间内持续）、使用期限多长于一年等特点，其作为长期资产（无形资产）确认是

最主要的入表形式。根据《暂行规定》，企业使用的数据资源，符合《企业会计准则第 6 号——无形资产》定义和确认条件的，应当确认为无形资产。企业日常活动中持 有、最终目的用于出售的数据资源，符合《企业会计准则第 1 号——存货》规定的定义和确认条件的，应当确认为存货。企业在编制资产负债表时，应当在“存货”项目下增设“其中：数据资源”项目，反映资产负债表日确认为存货的数据资源的期末账面价值；在“无形资产”项目下增设“其中：数据资源”项目，反映资产负债表日确认为无形资产的数据资源的期末账面价值。
3. 入表金额
根据披露情况来看，数据资源入表金额从数百万元到数亿元不等。值得注意的是，数据资源入表以历史成本计价，因此入表账面金额不能反映资产公允价值；此外，入表成本取决于相关支出所对应资产收益是否可以量化、成本是否可以可靠计量、入账是否有相关支持性文件支撑、会计估计是否可以基于合理的基础以及入表流程及控制是否可以保障等客观因素，因此不同企业对数据资产的确认存在较大差异；当然，入表并非一蹴而就，伴随基于数据驱动的新业务模式的增加、企业数据管理质量的提升、以及核算颗粒度的细化，未来数据资源入表规模预计会有逐步的提升。
4. 行业分布

数据资源入表的实践已经覆盖了多个行业，包括但不限于工业制造、交通运输、金融服务、科技创新及医疗健康等行业，基本全面覆盖了“数据要素×”三年行动计划提到的十二个重点工作领域。
5. 市场反应
数据资源入表是一个新的财务实践，市场仍处于对数据资源价值的认知和探索阶段。目前许多企业正努力理解和重新审视数据资源的价值，并在资产确认方面进行积极的尝试，但在实务中仍面临一定困难：例如目前缺乏对于数据资源收益量化（尤其是内部收益）的落地指引，使得企业担心合规风险，更倾向于观望；再如《暂行规定》第一年实行，企业还未建立或完善数据资产相关管理制度及跨部门协同机制，成本核算颗粒度也难以满足相关企业会计准则要求等。在 2024 年半年报披露期间，有 5 家企业对入表的数据资产进行了更正：晶华新材、密尔克卫、华塑股份、惠同新材 4 家企业分别清空了列示为存货，金额分别为 3.17 亿、5.26 亿、3.79 亿、0.86 亿数据资产，奥飞数据则清空了列示为无形资产的 10.89 亿数据资产。由此可见，市场虽对数据资源入表反应积极，但在落地实操层面均相对谨慎，因此入表公司占比较小。相关监管机构也以调查问卷、问询等方式通过不同途径及时跟进了解公众公司数据资源入表情况。

三、数据资源入表面临的挑战
结合我们对当前相关行业、上市公司在数据资源入表的现状分析，主要面临以下挑战。
（一）数据资源范围及规模较大，入表无从下手
企业可能拥有海量的、来自不同业务部门、不同渠道的数据资源，这些数据多具有不同的格式、结构和质量。面对如此庞大的数据量，企业难以确定哪些数据能为企业带来经济价值进而决定哪些数据资源应进行入表工作。如何对规模巨大、性质多样的数据资源进行统一管理及实施入表，成为企业面临的一大挑战。
（二）数据资源入表相关会计核算存在多项难点
企业对于数据资源入表的预期经济利益流入论证、成本可靠计量、以及准确进行相关披露等会计核算事项上存在多项挑战。
数据资源的应用场景一般分为对内增效和对外收益。对外收益应用场景下的经济利益论证较为明确，企业可根据其提供的数据资源产品或服务获取的对价金额确定。但实务中许多企业对于数据资源的应用还集中在内部用途，如将数据资源与其他资源相结合使用，从而服务生产或经营活动等，对内应用场景带来的经济利益较难直接量化，且缺乏实操指引，是企业开展数据资源入表工作的一大难点。
同时，企业在数据资源的成本核算方面存在诸多困
难，准确归集成本对企业的核算基础提出了更高的要求。

实务中，很多数据产生和形成是企业经营过程中的附加产品，也存在着大量基于基础数据加工形成数据产品的情 况，同时很多数据可能被多个业务部门或项目共享，确定哪些成本应该归属于哪些特定数据资源以及确定合理的分摊基础和方法均较为困难。此外，如何准确披露数据资源相关信息，包括其来源、性质、使用寿命、摊销方式等信息，对于企业来说也是一个挑战。
（三）数据质量影响数据资源价值释放
企业的数据资源中可能存在大量缺失、错误、重复和不一致的数据，这些问题导致数据的准确性和可靠性受 损，进而对决策支持、风险管理、运营效率及财务报告等产生不利影响。例如企业利用存在错误或不一致的数据做出的分析可能是不准确或不全面的，会导致错误的业务决策，或无法准确评估和管理风险，可能导致企业未能准确评估和及时发现潜在风险，从而影响企业的运营效率和利润等。
（四）数据资源的安全合规难把控
数据资源的安全合规难以控制是一个普遍存在的问 题，涉及技术、法律法规、社会与文化等多个层面。比如，企业是否利用有效的加密算法和访问控制策略等技术手段，是否制定合理的数据安全政策和流程等管理措施，能否持续同步数据保护法规的不断更新，能否识别和评估潜在的数据安全风险并制定应对策略，如何在保护个人隐

私的同时合理地共享和利用数据资源，是衡量企业数据资源满足安全合规性的关键。
（五）数据资产化管理体系不完备
在实务中，许多企业的数据资产化管理体系亟待优化升级。例如企业的数据资产管理职责不清，没有明确定义数据资产管理的责任部门和职责，导致数据资产管理缺乏有效的组织支持；缺乏有效的数据质量控制流程及完善的数据治理框架，包括数据分类、数据生命周期管理、数据共享和协作机制等；此外，未能充分挖掘和利用数据资源的价值，导致数据资源浪费；未建立数据资源评估和价值确认机制，难以确定数据资源的价值，导致数据资源管理能力不足，影响数据资产的价值释放。
（六）数据权属不清影响数据资源入表
由于数据的所有权，目前在法理上尚无支撑。根据 “数据二十条”中“三权分置”的制度规定，将数据的持有权、加工使用权和经营权作为企业合法拥有控制数据的权属依据，但在实操过程中，由于缺少明确的授权机制，往往产生一些权属的模糊甚至争议。也给入表带来了很多的影响。
四、关于数据资源入表的应对建议
（一）分析数据资源应用场景，进行试点场景入表
企业以数据资源入表为目标进行数据的梳理与治理应以数据资源应用场景为切入点，从而避免范围过大带来的额外成本以及时效的影响。在梳理与数据相关的应用场景

过程中应首先关注该场景如何为企业带来收益，收益是来自内部还是外部以及是否可以进行量化，进而追溯至为了能够产生这些收益应用了哪些数据来提高工作效率。通过数据血缘分析进行数据资源可入表范围的初步判断，并对相关成本进行梳理，形成入表详细工作路径；此外，企业应建立跨部门的数据资源入表组织职责设计，提高相关部门在数据资源入表工作过程中的参与度；持续改进数据资源管理能力，根据实际情况调整和完善入表策略和方法。同时企业可寻求外部专业机构的支持，获取专业的建议和指导。
（二）规范数据资源入表的会计处理等核算事项
企业应当制定明确的成本核算和研发管理标准，建立财务核算与列报披露机制，以及数据资源日常管理机制，规范数据资源全生命周期核算流程，并加强相关内控及财务管理。
企业在评估数据资源如何为其带来预期经济利益时，应以定量方法对经济利益流入进行判断，而非单纯从定性角度进行分析，包括来自内部的收益。企业应基于数据资源应用场景，利用数据资产所带来的收入提升、成本下 降、风险降低或效率提高等经济利益流入建立收益模型，确定计算公式并利用合理的判读与估计确认相关参数，从而对内收益进行定量分析，以支持相关数据资源满足资产定义的要求。如在精准营销场景下，企业利用相关数据资源可以为其提供更多销售线索，提升产品曝光率及产品销

量，增强客户转化及留存率，从而最终带来销售收入的增加。另一方面，在经济利益流入评估时需有充分的证据，企业可通过精准营销场景下营销成功提升率、客户人均收入及营销成功客户数量等具体指标及参数对数据资源产出效果进行货币化定量衡量，作为综合判断数据资源带来经济利益流入的佐证。
由于数据资源入表采用成本法，入表金额的准确性取决于其成本能否可靠计量。企业需对数据资源从采集到应用全链条进行成本梳理，完善相关成本核算流程，如包括成本识别、成本收集、成本分配和成本分析等数据资源加工处理的所有环节及类型的成本，从而确保成本数据的准确性和完整性；同时企业也可利用信息技术手段，如 ERP系统、成本核算软件等，提升成本核算的精细化水平及核算效率。对于无法直接归集的间接成本，企业需设计相应成本分摊规则，按照合理可得的基础（如人工工时、数据使用量、算力等分摊因子）进行分配，确保相关成本能够准确分摊至相应数据资源。在进行数据资源后续计量时，企业需结合相关数据资源的性质及特点，考虑其使用寿命和预期经济利益的消耗方式，采用合理的方法进行摊销处理。例如企业在评估数据资源的摊销期间时，应注意数据资源摊销期间不能长于其承载系统的剩余摊销年限等。
对于数据资源的列报及披露，企业需根据《暂行规
定》的要求设计披露模板，用于在财务报告中对数据资源的入表情况进行透明和详细的信息披露。披露模板需包括

数据资源的基本信息、成本计量方法、经济利益评估结果等关键信息；同时建议企业完善数据资源相关的资产卡片和资产台账，为常态化管理打好基础。
（三）健全数据管理体系，持续提升数据质量
数据质量是数据资源价值释放的关键。企业应建立健全的数据管理体系，制定数据标准规范，并将标准及规范进行系统落地；采取措施提高数据质量，在数据清洗、数据验证、数据整合等收集及加工过程中对数据质量进行持续监控，发现问题找到根源及时整改。同时，企业需建立完善的数据治理框架和合规性机制，优化数据质量管理制度，明确各方工作职责，促进多方协同，以制度形式规 范、约束各方行为，从而持续提升数据质量。
（四）进行数据安全合规评估，及时发现风险项并制定整改措施
企业应保证必要的资源投入，更新知识和技能，以应对不断变化的数据安全合规技术挑战和法规要求。例如企业应对不同行业、不同企业性质、不同数据应用情境、不同数据处理环节等进行全面的数据安全合规评估，及时发现风险项并制定切实可行的整改措施；建立针对数据资源全生命周期的数据安全管理体系，积极应对不断升级的安全合规要求，实现数据资源动态合规；采用最新的安全技术和工具来保护数据并对其持续进行监控与改进。

（五）将数据资源入表纳入企业数据全生命周期管理体系
目前数据全生命周期管理体系与框架已成熟并在企业中得到普遍应用。建议企业将数据资产入表工作流程标准化，并将其纳入到数据全生命周期管理流程中，确保相关数据资源生命每个阶段都得到适当的处理和管理。
同时，企业应升级数据资产目录、数据源认证管理；明确数据资产管理职责、加强数据质量控制管理、完善数据治理框架体系；建立数据资源评估和价值确认机制、数据资源审计和合规性检查、数据资源人才培养和激励机制等；构建具有数据要素化、资产化特征的数据资产管理体系。通过这些措施，企业可以更好地管理和利用数据资 源，加快推进数据资源向数据资产方向的突破，促进数据融合应用、开放共享与流通交易，实现数据资产的价值最大化。
（六）建立和完善数据确权管理机制，破解数据确权
困境
数据资产权属的确定，是数据资产化的重要前提和基础，也是当前数据资产入表过程中普遍关注的焦点。企业应在当前的法律框架下，以价值共创、共享、共赢为宗 旨，推动数据确权管理机制的完善。
企业需要在数据资产管理体系中，通过相关政策和制度明确数据的归属、使用权和管理责任。并建立数据分类和分级管理体系，以便更好地管理和保护不同价值和敏感

度的数据。建议企业建立数据注册与登记机制，记录数据的创建、修改和使用情况，以确立数据的相关权属信息清晰明确。
企业需要依据相关法律法规，明确数据的权属关系，与各方制定数据使用和交易的规则，明确相关权利义务。建立数据使用和授权管理机制，确保在数据共享和流通过程中，权利得到保障。并可考虑通过管理平台等方式来控制和监测数据的访问与使用情况，以减少数据滥用和损失的风险。