［摘要］近年来，随着我国数字经济的蓬勃发展，数据要素市场不断完善，数据资源资产化已成为新的发展趋势，数据资产入表成为必然。数据资产作为一种新型资产，其入表面临着诸多挑战，主要包括权属界定困难、成本核算复杂以及业财协同沟通存在壁垒等。文章结合当前政策背景与数据资产入表的实际状况，深入剖析上述挑战的成因，并针对性地提出对策，以期为企业及财务人员处理数据资产入表相关问题提供理论参考与实践指导。

　　［关键词］数据资源；数据资产入表；财务管理

　　0引言

　　随着云计算、大数据以及人工智能等新兴技术的快速发展，企业运营过程中产生的各类数据资源的价值日益凸显。2024年中国信息通信研究院发布的《中国数字经济发展研究报告（2024年）》显示：我国数字经济总量从2012年的11.2万亿元上升至2023年的53.9亿元，数字经济占国内生产总值（Gross Domestic Product,GDP）的比重已达到42.8%。这表明数据已成为传统生产要素之外的第五大新型生产要素。

　　数据资产入表对企业而言具有重要意义。例如，数据资产入表可以促使企业建立更加细致的内部数据管理流程，对数据进行规范化管理。数据资产入表后，企业资产负债表中的资产可以得到更完整的体现，从而更加真实地反映企业的价值，而资产的增加可能会提高企业的估值，进而有助于实现数据资产的金融价值。此外，数据资产还可以发挥决策支持功能。

　　1数据资产相关概念

　　1974年，美国学者理查德·彼得斯（Richard Peters）首次提出“数据资产”一词，但当时主要指政府证券、公司债券和实物债券等资产［1］。这一阶段数据资产的概念还比较模糊，没有明确且统一的定义。但随着信息技术的发展，数据量爆炸式增长，数据资产的重要性日益凸显。2009年，托尼・费希尔在《数据资产》一书中明确提出数据是一种资产，企业必须把数据当作企业资产来对待，并阐述了相关管理方法和流程［2］。同年，国际数据管理协会（Data Management Association International,DAMA）在《DAMA数据管理知识体系指南》中指出数据是重要的企业资产，推动企业建立数据资产管理体系［3］。

　　从“数据资产”概念的最早提出到现在已经过去半个世纪，随着互联网时代的到来以及大数据与数字经济的发展，数据资产的范围不断扩大，其概念也随着时代的发展而改变。朱杨勇和叶雅珍提出数据资产是拥有数据权属（勘探权、使用权、所有权）、有价值、可计量、可读取的网络空间中的数据集［4］。侯彦英提出数据资产的三层定义：广义数据资产即通常意义上的数据资源，是企业对各类活动和行为的物理或电子记载，产权不明晰且价值模糊，不可估计；管理学或统计学意义上的数据资产具有明晰的所有权和控制权，但价值无法科学合理地估计，无法参与资源配置活动；会计学意义上的数据资产可以被企业拥有和控制，且能合理评估其价值，具备参与资源配置活动的能力［5］。

　　此外，中国资产评估协会将数据资产定义为由特定的主体合法拥有或者控制，能持续发挥作用并且能带来直接或者间接经济利益的数据资源。大数据技术标准推进委员会在《数据资产管理实践白皮书（6.0版）》中对数据资产定义进行了扩充，纳入非结构化数据，提出“数据资产运营”概念，强调“可计量、可交易、可跨域流通”。

　　综上所述，数据资产的概念经历了从模糊到清晰、从理论探讨到实际应用的过程。数据的累积形成了数据资源，而数据资源由企业控制，未来能给企业带来经济利益，符合会计学对资产的定义。

　　2数据资产入表的政策背景

　　2022年12月，中*中央和国*院联合颁布了《中*中央国*院关于构建数据基础制度更好发挥数据要素作用的意见》，其中第十八条明确指出“探索数据资产入表新模式”，这是首次提出数据资产入表的构想。2023年8月，财政部出台《企业数据资源相关会计处理暂行规定》，明确了数据资产的使用范围、会计处理办法、列示及披露原则，该文件正式将数据资产纳入企业财务报表范畴。同年9月，中国资产评估协会在财政部指导下发布《数据资产评估指导意见》，该文件既针对数据资产的评估对象、价值影响因素、评估方法等问题进行了专业指引，又对数据资产评估执业行为进行了规范。2023年12月，国家数据局同另外十六个部门联合印发《“数据要素×”三年行动计划（2024—2026年）》，提出“推动将满足资产确认条件的数据资源，计入资产负债表无形资产或存货，推动数据资产化”，这一内容明确了数据资产计入资产负债表的具体路径。2024年9月，国家发展改革委、国家数据局、中央网信办、工业和信息化部、财政部、国家标准委组织编制并发布了《国家数据标准体系建设指南》，提供了数据标准体系的建设思路，并且制定了数据领域基础通用的国家标准，为数据资产入表提供了数据标准规范。2024年年底，财政部发布《数据资产全过程管理试点方案》，主要围绕数据资产台账编制、登记、授权运营、收益分配、交易流通等重点环节，对有效的数据资产管理模式进行试点探索，进而完善数据资产管理制度标准体系和运行办法。

　　从上面提到的政策来看，我国政府及监管机构正在积极推动数据资源入表，旨在充分发挥我国海量数据规模的优势，加快我国经济数字化转型的步伐，推动数字经济高质量发展。这一系列政策从多个方面贯穿数据资产入表的整个流程，为其提供了系统性政策支持和实施保障，体现了国家对发展数字经济的诚意和决心。

　　3 A股上市公司数据资产入表情况

　　数据资产入表经过2024年一年的实践，共有100家A股上市公司对数据资产相关情况进行披露，其中首次披露的数据资产入表的企业有55家。
       3.1 A股上市公司数据资产入表情况对比

　　2024年各季度A股上市公司数据资产入表数量和总金额如表1所示。

　　从表1可以发现，2024年各个季度A股上市公司数据资产入表数量和金额整体呈增长趋势。入表企业数量从第一季度仅有的17家逐步增加至第四季度的100家，入表总金额也由第一季度的0.79亿元逐步增长至第四季度的22.50亿元，其中前三个季度的增速较为稳定，第四季度的增幅最大，说明数据资产入表在企业层面的推广速度加快。

　　从总量来看，截至2024年12月31日，我国A股上市公司有5 392家，而数据资产入表的企业仅100家，约占A股上市公司总数的1.85%，这一数据表明大多数上市公司在数据资产入表方面保持审慎态度，数据资产入表尚未得到普及，因此数据资产入表在企业中的应用仍有较大发展空间［6］。

　　3.2入表公司性质分布

　　本文对2024年各季度数据资产入表的A股上市公司性质（见表2）进行统计，发现这些公司的性质有着明显差异：第一季度以民营企业为主，有11家，国企、央企共6家；第二季度民营企业占比仍居首位，有20家，国企、央企共15家；第三季度民营企业与国企、央企总数持平，均有26家，外资企业零星出现，仅1家；第四季度民营企业规模性增长至42家，国资控股全面扩容至54家。由以上分析可知，数据资产入表的民营企业的数量稳步增长，国资、政府背景企业逐渐发力，体现了政策推动下国企、央企规范化推进数据治理。综合来看，2024年数据资产入表的公司性质呈现“民营主导、国资加速跟进、外资谨慎观望”的特征。

　　3.3入表科目分布

　　由表3可知，2024年第四季度披露的数据资产入表的100家A股上市公司中，共有87家公司计入无形资产，28家公司计入开发支出，仅4家计入存货。其中，同时将数据资产计入无形资产和开发支出两个科目的有18家企业，1家企业计入无形资产和存货两个科目。从金额上看，100家上市公司在年报中披露的22.50亿元数据资产中有13.75亿元在无形资产项目下，占61.11%；7.68亿元在开发支出项目下，占34.12%；1.07亿元在存货项目下，占4.77%。

　　从2024全年的数据来看，无形资产四个季度均为核心科目，符合数据资产“无实物形态、可辨认非货币性资产”的会计属性，开发支出季度分布较为稳定，而存货占比极低，从侧面验证了数据资产非实物资产的特性。

　　3.4取消数据资产入表情况

　　2024年年报中数据资产入表取消或更正的情况屡有发生。在第一季度披露数据资产入表情况的25家上市公司中，有8家公司进行了更正，取消了数据资产入表这一事项；第二季度多家上市公司披露数据资产后又更正取消；第三季度两家上市公司披露后又取消；第四季度有8家上市公司在第三季度披露数据资产后又取消。这说明数据资产入表尚处于探索期，企业缺少实践经验，导致入表—更正—取消的“试错”现象频发。

　　4数据资产入表面临的挑战

　　4.1数据资产权属证明难

　　数据资产与传统实物资产存在本质差异。与传统资产相比，数据资产具有虚拟性、非消耗性、易复制、可变化等特征，缺乏直观、法定的权属证明文件，因此需要依赖合同、用户协议、技术手段等多元化证据链来确认对数据资产的控制权及经济利益［7］。但在实践中，这一证明链条极易断裂，导致数据资产的权属确认和价值认定比传统资产要困难。

　　从合同方面来看，数据资产的交易往往牵涉多个主体，业务情形也十分复杂。如果合同条款模糊不清或权责不对等，企业就很难认定自己对数据资产拥有控制权。虽然企业使用用户协议作为数据收集的重要依据，但其中存在很多漏洞。协议中对数据权利让渡使用的范围、情形、存储期限等关键信息缺乏明确规定，企业很难证明其获得了用户对数据资产的有效授权。另外，数据资产的易复制性和易窜改性使得其权属证明依赖技术存证和溯源。但目前技术存证缺乏统一标准和行业共识，不同机构的存证系统难以互认，导致技术证据在司法和会计认定上存在争议。此外，在数据资产采集、加工、存储等流转过程中，企业容易因技术系统升级、数据格式转换等丢失关键证据，进而无法完整证明其对数据资产的控制权。一旦证明链条中的任何一个环节出现缺失或瑕疵，企业就难以满足会计准则中对资产控制权和未来经济利益流入的确认条件，数据资产入表也就无法通过审核。

　　4.2数据资产成本核算难

　　根据《企业会计准则第6号——无形资产》的规定，企业内部研究开发项目的支出，应当区分研究阶段支出与开发阶段支出。然而，数据资产研发具有高度融合性和不确定性等显著特点，并且数据资产研发过程依赖持续迭代更新。这与传统无形资产的研发流程存在明显差异。部分数据产品甚至没有明确的开发完成时间节点，这使得研究与开发阶段的界限划分极难明确。此外，数据资产开发工作涉及多个部门共同使用资源，但目前各部门之间资源消耗成本的分摊缺乏清晰的规则，这就不符合会计核算中的配比原则与准确性要求。会计成本分摊需要遵循成本追溯原则和公平合理原则，然而，数据资产对共享资源的消耗具有隐蔽性和间接性，导致成本分摊标准难以确定。另外，财务部门与业务部门由于考虑问题的角度不同，在沟通方面存在一定困难。财务部门主要关注会计准则和成本计量工作，而业务部门更关注数据价值和业务场景。

　　4.3对财务人员要求提高

　　2024年7月新修正的《中华人民共和国会计法》正式开始施行，2025年财政部出台《会计奖惩信息归集管理办法》。这一系列规定实施后，对财务人员的专业能力和合规操作方面提出更为严格的标准，加大了对企业和财务人员的处罚力度并增加了违法成本［8］，同时会在全国统一平台上记录对会计人员的奖惩情况。这意味着财务人员在会计信息核算、披露或管理过程中若存在违规行为，不仅会面临更严厉的法律制裁，还会影响自身信用，进而影响职业生涯。对财务人员来说，数据资产作为一种新型资产，其管理和核算均面临一定挑战。数据资产的管理和核算并不局限于单一领域，而是包含了会计学、信息技术、法律、统计学等多个学科的知识。传统财务人员大多集中精力提升会计专业知识水平和技能，对信息技术、法律等方面的知识储备不足。评估数据资产价值时，财务人员需要深入数据的采集、存储、分析等技术流程，才能准确把握数据资产的质量和影响其价值的关键因素，但现实中财务人员缺乏数据资产相关知识，开展数据资产确认和价值评估相关工作时往往感到力不从心。

　　5应对数据资产入表挑战的建议

　　5.1完善数据资产权属证明链条

　　针对数据资产权属证明的难题，可以从以下几个方面来完善数据资产的证明链条，使其形成完整闭环。首先，针对合同条款模糊不清的情况，可以推动立法部门出台有关数据资产权属的专项法规，明确数据采集、交易、授权等环节的权利边界，制定合同示范文本，强制要求约定数据来源、使用范围、权利归属、授权期限等核心条款。其次，企业可以优化用户协议，推行分层授权模式，将数据使用场景拆分为基础功能、增值服务等模块，用户可选择性授权；采用更加通俗、可视化表述来替代冗长条款，并通过动态弹窗、二次确认等方式确保用户知情。最后，企业可以对数据资产制定统一存证标准，由政府或者行业协会牵头，针对该行业的数据资产建立关键数值标准，推动司法、会计等领域对技术证据进行互认，还可以利用人工智能技术自动记录数据采集、加工、流转的全生命周期操作日志，结合智能合约自动触发权属验证，实现数据资源的溯源。

　　5.2优化数据资产成本核算方法

　　在研究阶段与开发阶段的界定上，财政部或者相关行业协会可以结合数据资产研发过程中不断迭代的特性，将数据资产的研发过程分为原型设计、功能验证以及商业化部署3个关键阶段，这3个阶段分别对应研究阶段、开发初期和开发完成阶段，且要为每个阶段设定清晰可量化的验收指标。在成本分摊方法上，企业可以考虑选择作业成本法，将数据资产的开发流程拆解为数据采集、清洗、建模、测试等一个个作业环节，进而找出每个环节的资源动因，基于这些资源动因能够实现间接成本的精准分配，从而解决多部门共用资源时的成本分摊难题。在业财融合方面，财务部门与业务部门可合作成立跨部门的数据资产核算专项小组，成员包括财务人员、数据分析师和业务负责人。该小组共同制订成本核算方案，财务人员根据会计准则提出核算要求，数据团队反馈技术流程方面的详细情况，业务人员明确成本与价值之间的内在联系。这种跨部门合作的方式能够确保数据资产的核算既符合会计准则的要求，又准确反映业务实质。通过实施上述措施，数据资产入表流程可以在会计信息系统中实现自动化和标准化，同时提升合规水平和管理效率。

　　5.3提高财务人员的专业素养

　　财务人员应主动学习并不断吸收新的知识，除了提升专业水平，考取相关的财会证书，还要学习与业务相关的知识。财务人员日常可以多关注数据资产相关的政策和法律条文，加强对理论知识的学习，利用业余时间参加数据资产管理与核算的专题培训，获取相关的培训证书，在实务中主动参与企业内部的数据资产管理项目，收集和分析实际工作中的数据资产管理和核算案例，以增加实践经验。企业也可以开展专题培训，邀请内部资深专家或外部专业讲师，为财务人员系统讲解数据资产管理和核算涉及的多领域知识，同时向财务人员提供丰富的学习资料和实用的软件工具，为财务人员提供良好的学习平台。

　　6结束语

　　本文对数据资产入表面临的挑战进行了深入探讨，并提出了相应的对策。数据资产入表刚起步，数据因自身的数字化属性而具有独特性，其入表问题会随着入表的公司越来越多而更加明显，仍需要深入研究。随着人工智能、大数据技术的进一步发展，数据资产的作用将更加凸显，成为企业数字化转型的核心驱动力。因此，加强数据资产管理和核算，对促进企业数字化转型、提高企业竞争力有重要意义。

主要参考文献

　　［1］PETERSON R E.A cross section study of the demand for money:the united states,1960-62［J］.The Journal of Finance,1974(1):73-88.

　　［2］TONY FISHER.The data asset:How smart companies govern their data for business success［M］.Hoboken:John Wiley&Sons,Inc.,2009:12-30.

　　［3］DAMA International.DAMA数据管理知识体系指南［M］.马欢,刘晨,译.北京:清华大学出版社,2012:3-4.

　　［4］朱扬勇,叶雅珍.从数据的属性看数据资产［J］.大数据,2018(6):65-76.

　　［5］侯彦英.数据资产会计确认与要素市场化配置［J］.会计之友,2021(17):2-8.

　　［6］邢玉婕.企业数据资源入表现状分［J］.商业观察,2025(11):63-67,79.

　　［7］杨静.企业数据资产“入表”困境研究［J］.商业观察,2025(11):30-33.

　　［8］张国柱,杨盼盼.数据资产入表存在的问题及优化策略［J］.绿色财会,2025(3):24-25,41.