摘要:在数字经济时代，数据资产成为企业核心生产要素，其入表问题至关重要。基于2006—2025年463项政策文本，构建“政策工具—政策目标—参与主体”三维框架，系统分析我国数据资产入表政策的演进逻辑与实践路径。研究发现，政策工具具有阶段性演进趋势，呈现“安全筑基→制度破冰→应用激活”的递进路径。政策存在“制度禁令多、评估标准模糊”“区域差异显著”“企业与第三方机构参与不足”等问题。最后提出“优化政策工具结构，强化需求侧激励”“完善全链条治理体系，破解实操障碍”“推动主体协同，激活市场生态”“深化区域协作，避免制度套利”等政策建议。

　　关键词:数据资产入表;政策演进;政策工具;需求型激励;全链条治理

　　0引言

　　当前，全球正经历以数据为关键生产要素的第四次工业革命，数字经济成为重塑全球竞争格局的核心力量。数据资产的非竞争性、无限复制性、场景依赖性等独特属性使其成为企业核心竞争力的来源，数据资产化已成为企业数字化转型的必由之路。数据资产入表作为连接数据要素与财务体系的关键环节，承载着数字经济价值化的历史使命。它不仅是企业资产负债表的扩容，更是数字经济与实体经济深度融合的制度性突破。

　　国际数据资产竞争已进入制度博弈阶段。例如，《欧洲议会和理事会关于欧洲数据治理并修订第(EU)2018/1724号条例(数据治理法)的条例》要求成员建立数据资产登记制度;美国财务会计准则委员会(FASB)正探索数据资产公允价值计量模型;印度推出了“国家数据资产框架”，意图抢占发展中国家话语权。2023年8月，我国《企业数据资源相关会计处理暂行规定》(以下简称《暂行规定》)出台，首次在会计准则层面为数据资产入表提供操作指南，被经济合作与发展组织(OECD)评价为“发展中国家数据资产治理的突破性实践”。

　　在数字经济时代，数据资产以独特的价值创造能力跃升为企业核心生产要素，其经济价值的准确计量与确认成为会计领域的重要议题。与传统资产相比，数据资产具有伴生性、共享性和动态增值性等特征，亟须构建适配的会计框架，以反映其真实价值。然而，数据资产的会计实践仍面临多重挑战:确认标准模糊导致入表争议频发，成本归集与摊销方法缺乏科学依据，信息披露碎片化削弱市场信任。我国《暂行规定》的颁布标志着数据资产入表从理论探索迈入制度化阶段，为会计确认与计量提供了初步指引。在政策推动下，学界聚焦数据资产估值模型、全生命周期计量及国际准则协调等议题，业界则加速探索合规入表与价值释放路径。数据资产会计问题已成为研究热点，其理论与实践突破将为数字经济高质量发展注入新动能。

　　1数据资产入表核心概念界定

　　1.1数据资源

　　数据资源最早由Voich和Wren［1］在Principles of Management:Resources and Systems一书中提及。此后，学界逐步深化对其认知。Levitin和Redman［2］明确指出了数据的资源属性。朱杨勇和叶雅珍［3］进一步强调数据资源是能给会计主体带来预期经济利益或产生服务潜力的资源。然而，原始数据资源的直接应用存在局限性。王艳和杨达［4］认为数据资源处于较为原始的数据储存状态，价值密度较低，无法直接进行商业化、社会化应用，需进行深度加工。陈函和丁友刚［5］认为数据资源是一种新型的特殊资源，具有伴生性、依托性、价值易变性、无限共享性等特点，这意味着数据资源具有独立的价值创造功能与规律。由此可见，数据资源是数据价值化的起点，但需经历从“原始积累”到“有效利用”的转化过程。

　　1.2数据要素

　　若要将数据资源转化为实际生产力，需使其成为参与价值创造的经济要素，这一转化在学界已有共识。Mckinsey等［6］率先指出大数据将逐渐成为重要的生产要素。谢康等［7］认为，对数据资源加工至可应用，数据资源才能演变成数据要素。李海舰和赵丽［8］认为数据已成为新生产要素，其特征可主要归纳为虚拟替代性、多元共享性、跨界融合性、智能即时性。蔡跃洲和马文君［9］认为，低成本、大规模是数据能够被广泛使用并成为关键要素的前提，且非竞争性、低复制成本、非排他性或部分排他性、外部性及即时性等特点是数据要素同其他传统生产要素的根本区别。何玉长和王伟［10］进一步研究表明，与传统生产要素相比，数据要素具有独特性，即数据形式的虚拟性、数据功能的通用性、数据运行的及时性、数据使用的共享性、数据使用的外部性。张夏恒和刘彩霞［11］认为，数据要素只要有合适的场景，便会凸显出高效能、高质量、低消耗的属性。综上，数据要素是数据资源向经济活动渗透的中间形态，其核心在于通过加工与场景适配激活资源价值。

　　1.3数据资产

　　数据要素的最终价值实现，需通过会计确认将其转化为可计量、可管理的企业资产。这一过程需满足严格的资产定义标准。国外早期关于数据资产的定义，Peterson［12］认为其是政府债券、公司债券和实物债券等经济资产。Fisher［13］指出数据应被视为资产加以管理。国内最早提到数据资产的学者是刘学霞等［14］，其认为石油公司的数据就是该公司的资产，应得到管理与保护。于玉林［15］认为大数据应属于无形资产。张俊瑞等［16］结合会计准则，将数据资产定义为“由企业拥有或控制的具有数据化形态的可辨认非货币性资产”。秦荣生［17］认为，数据资产是企业由于过去事项而控制的限时资源，并有为企业带来经济利益的潜力。谭明军［18］认为，数据资产是利用现代计算机技术对用户信息行为，以及公开信息或从合法渠道所获悉的相关信息，通过数据采集、数据挖掘、数据分析等活动所形成的、能够给企业带来价值或潜在价值的数据资源。许宪春等［19］认为，数据资产是拥有应用场景且在生成过程中被反复或连续使用1年以上的数据。最终，数据资产成为数据要素在会计领域的落地形态，其确认需满足“控制权”“经济利益流入”等核心条件，标志着数据资源完成从原始积累到财务表征的全链条转化。

　　《数据领域常用名词解释(第一批)》对数据领域的常见名词做出了官方注释。数据资源，是指具有价值创造潜力的数据的总称，通常指以电子化形式记录和保存、可机器读取、可供社会化再利用的数据集合;数据要素，是指投入到生产经营活动、参与价值创造的数据资源;数据资产，是指特定主体合法拥有或者控制的，能进行货币计量的，且能带来经济利益或社会效益的数据资源［20］。具体而言，从“数据资源”到“数据资产”需要经过3个步骤，数据资源(收集、整理)———数据要素(确权、估值)———数据资产(产品化、定价)［4］。数据资源作为原始数据集合，广泛存在于企业日常运营中，是潜在价值的载体;数据要素通过确权与估值筛选出具有经济价值的部分，成为支撑生产决策的关键投入;数据资产则是经产品化与定价后，满足会计确认标准的可计量资产，其入表需解决货币化定价、合规性披露及动态价值管理等核心问题。探索从数据要素到数据资产的入表路径，旨在破解入表实践中价值波动性、计量模糊性导致的财务信息失真难题，为数据资产的高效流转与价值释放提供理论支撑。

　　2政策三维分析框架的构建

　　政策的本质在于，基于决策者的理念和价值，结合潜在参与主体，针对性地运用各种政策工具，最终达成预定的政策目标。政策工具单维框架、政策“目标—工具”两维框架、政策“目标—工具—主体”三维框架是学界较为常用的政策分析框架。数据资产入表相关政策涵盖多种目标、工具和策略的系统计划，本文基于政策文本内容，构建“政策工具—政策目标—参与主体”三维分析框架，见图1。

　　2.1 X维度:政策工具

　　所谓政策工具，是为实现政策目标而采用的各种手段与机制，其划分标准多样。其中，Rothwell和Zegveld［21］提出的供给型工具、环境型工具和需求型工具三分框架应用相对广泛且具有较好的代表性。基于该理论框架，本文将数据资产入表相关政策工具划分为供给型、环境型和需求型3类。供给型政策工具直接作用于数据资产入表，包括基础设施建设、技术支持、数据治理、人才培养、资金投入5个方面;环境型政策工具影响数据资产入表环境，包含制度规范、标准制定、权益保障、风险防控4个方面;需求型政策工具拉动社会成员对数据资产入表的需求，包括试点应用、资金引导、市场培育、场景拓展4个方面。具体分类及内涵见表1。

　　2.2 Y维度:政策目标

　　决策者希望通过政策制定和实施所达到的效果和目的被称为政策目标。开展数据资产管理的目标在于激活数据要素价值、保障数据安全与合规、优化治理体系。结合《关于加强数据资产管理的指导意见》，本文将数据资产入表相关政策目标分为3个方面:激活数据要素价值，释放公共数据潜在价值，推动数字经济与实体经济深度融合;保障数据安全与合规，确保数据运营安全，规范数据资产处置流程;优化治理体系，构建市场主导、政府引导、多方共建的治理模式，明确数据资产权责边界，推动数据资源向资产化、资本化转型。

　　2.3 Z维度:参与主体

　　政策实施过程中涉及的个人、团体或组织统称为参与主体。当前，数据资产管理涉及多元主体协同，形成政府主导、企业参与、社会共建的格局。综合考量各主体在数据资产入表政策实施中的功能作用，本文将数据资产入表相关政策参与主体分为3类:①政府与公共机构，负责顶层设计与监管，制定全国性政策框架;②企业，其中央国企与头部企业承担数据资产入表、授权运营、开发数据产品等试点任务，中小企业通过政策支持参与数据流通和交易;③第三方机构，其中金融机构通过数据资产质押、证券化等工具提供融资支持，科研机构与行业协会参与标准制定、技术研发等。

　　3数据资产入表政策总体评价分析

　　本文系统收集2006—2025年发布的与数据资产入表相关的政策文本共计463项，构成了分析的数据基础。这些政策文本来源于国家法律法规、国务院及部委规范性文件、地方政府规章及行业指导意见与试点方案等，具体分为国家层面政策、部委与行业层面政策、地方层面政策。所有文本均源自中国政府网、各部委官网、地方政府公报等权威公开渠道，确保了来源的权威性与可追溯性。

　　3.1总体分析

　　在开展政策文本的词频分析工作时，识别出了关键的高频词汇，并通过这些词汇的出现频次揭示政策制定的核心焦点。对463项政策文本进行词频统计，表2列示了政策文本的高频词汇。“数据”一词以60 298次的显著频次位居榜首。这一数据不仅凸显了数据在政策制定中的核心地位，也强调了对数据治理和战略规划的重视程度。此外，“数据管理”一词的出现频次为1 447次，进一步凸显了对数据管理策略和实践的关注度。在推动“数据开放与共享”的议题上，“公共数据”和“数据开放”分别以10 827次和1 554次的频次出现，反映了政策对于提升政府透明度和促进数据共享的重视。此外，“数据共享”一词的出现频次为1 392次，突出了建立一个安全、高效的数据共享环境的必要性。“数据安全与隐私保护”议题在政策文本中也占据了重要位置，“数据安全”和“个人信息”分别出现了4 272次和2 248次，这表明政策对于数据保护和隐私权的严格要求。对于“数字经济与数据要素市场”的发展，政策文本中的关注点体现在“数字经济”一词的出现频次上，为2 798次，显示了政策对于数字化转型和升级的推动作用。同时，“数据要素”一词的出现频次为2 116次，揭示了政策对于培育数据要素市场的关注。在“数据资产与产权”方面，“数据资产”和“产权”分别出现了1 265次和1 533次，这强调了数据资产评估与会计的重要性，以及数据产权界定与保护的必要性。在“数据授权与运营合规性”议题中，“授权运营”和“数据授权”分别出现了1 975次和923次，这表明政策对于确保数据合法使用和运营的关注。在“数据流通与平台监管”方面，“数据流通”“数据平台”“数据服务”分别出现了794次、714次、604次，这强调了数据流通监管框架和数据平台监管要求的重要性，同时推动数据产业服务的健康发展。

　　通过这些高频词汇的分析，能够洞察政策制定者的关注点和政策导向，为理解政策文本的内涵提供有价值的见解，并有助于更好地把握政策实施的方向和重点。这些高频词汇全面覆盖了数据资产从确权、登记、共享、流通到交易、应用的全流程，体现了政策在推动数据资产入表过程中，既注重顶层设计上的制度规范，又关注实际操作中的合规与市场化变现，形成了一套较为完整的政策关注体系。

　　此外，可将以上政策高频词按照政策文本中两个主要关注点分为两个类别:一是确保数据的安全和合规;二是利用数据推动经济增长和创新。第一类数据治理与安全，涵盖了与数据管理和保护相关的词汇，如“数据”“数据安全”“个人信息”等。这些词汇的高频出现强调了政策对数据保护和合规的重视，目的是确保数据的安全使用和个人隐私的保护。具体见图2。第二类数据经济与共享，关注数据的经济价值和共享，包括“公共数据”“数据资源”“数字经济”等。这些词汇的频繁提及表明政策旨在通过数据开放和共享促进经济发展和产业创新。具体见图3。

　　3.2政策工具分析

　　基于463项政策文本的量化统计与内容挖掘，政策工具呈现“环境型强主导、供给型重基建、需求型显短板”的总体特征，环境型、供给型和需求型政策工具数量分别占别45%、34%和21%。其中，环境型政策围绕制度规范、标准制定、权益保护、风险防控4种工具，以制度约束为主，建立数据权责框架，聚焦“安全红线”，侧重消费者数据权益保护，数据领域术语标准化等，但依然存在制度规范中的禁止性条款偏多、评估标准模糊导致合规成本上升、企业数据财产权界定缺失、数据资产估值实操标准滞后等问题。供给型政策围绕基础设施建设、技术支持、数据治理、人才培养、资金投入5种工具，侧重国家数据枢纽节点、省级政务云平台等基础设施建设，以及制造业数字化转型标准、AI(人工智能)大模型训练支持等，但数据标注产业补贴、算力中心建设基金、数据人才培养等相关政策支持方面仍有不足。需求型政策围绕试点应用、资金引导、市场培育、场景拓展4种工具，主要聚焦具备可持续商业模式的应用场景开拓，数据资产入表试点及可信数据空间创新示范等方面，但依然存在应用场景商业模式不可持续、民营企业参与率偏低、补贴资金覆盖率不高等问题。

　　3.3政策目标分析

　　从政策目标的分布看，45%的政策涉及保障数据安全与合规，激活数据要素价值的政策占37%，优化治理体系相关政策占18%。在保障数据安全与合规目标维度，关于数据分类分级的政策实现全覆盖，其次是跨境流动监管和风险评估。东部地区侧重跨境流动，西部地区则强化基础安全制度。在激活数据要素价值目标维度，政策重点体现在公共数据授权运营、数据资产入表及数据交易市场建设等方面，其中公共数据授权运营相关政策覆盖31个省(自治区、直辖市)，数据资产入表相关政策目前仅有18个省(自治区、直辖市)涉及。在模式上存在区域差异，北京市、广东省探索数据入股模式，“数据银行”模式在浙江省逐步推广。在优化治理体系目标维度，政策聚焦政务数据共享、统计监测体系建设及相关标准制定等方面。目前省级数据管理机构已经实现全覆盖，而市级数据治理能力有待提升。

　　3.4政策参与主体分析

　　在政策参与主体中，政府与公共机构主体占比高达78%，相关政策主要覆盖政务数据管理、安全监管和基础设施建设，政策工具偏好环境型和供给型两类工具，解决制度规范和数据治理问题。从纵向看，国家级主体出台的相关政策强调制度框架设计，偏好环境型工具;省级主体出台的政策强调数据基建和授权运营，偏好供给型兼环境型工具;市级主体出台的政策则对场景落地和企业服务更为关注，偏好需求型工具。从企业主体看，其数量占比18%，主要涉及数据产品开发、数据资产入表及数据交易等领域，政策工具偏好“需求型—场景拓展/试点应用”，或者环境型—权益保护。科技平台企业和国有企业成为政策的主要受益群体，在试点应用、资产入表和授权运营方面成为政策落地实施的“主力军”，而中小企业和传统产业企业在相关政策中的普惠补贴和场景拓展层面有所涉及。从第三方机构看，其数量占比4%，通过数据要素市场共建、产业数据联盟搭建、特定领域公共数据授权运营等政企协同方式，成为相关政策的参与主体，往往聚焦数据标注产业、AI训练数据合作等领域，其政策工具偏好“供给型—资金投入”和“需求型—市场培养”。

　　4数据资产入表政策的演进分析

　　我国数据资产入表相关政策的演进过程，可以分为数据要素政策阶段(2006年至今)和数据资产政策阶段(2022年至今)。作为政策的萌芽期和制度破冰期，数据要素政策框架历经探索、确立及体系构建等发展阶段，逐步成型。此进程深刻彰显了国家在推动数字经济发展进程中对数据要素运用的前瞻布局与积极筹划。数据资产入表政策体系强调统筹数据基础制度建设，政策重点转向配套机制完善，从单一入表到全链条治理，呈现“顶层设计引领、操作细则支撑、配套机制完善”的渐进式特征。政策落地基本形成“中央定框架、地方出细则、市场探路径”的协同实践模式。

　　4.1数据要素政策演进阶段分析

　　4.1.1探索阶段(2006—2018年)

　　此阶段可追溯至2006年，国务院颁布《中华人民共和国测绘成果管理条例》，明确测绘成果数据汇交、保管和利用规则，政策目标为保障数据安全与合规。随后10年间，我国陆续出台了计算机网络、生态环境监测、能源数据安全等相关行业数据治理与安全合规方面的政策。2015年，国务院印发《促进大数据发展行动纲要》，提出数据是国家基础性战略资源，为后续数据要素市场培育奠定了基础。党的十九大报告提出推动大数据和实体经济深度融合，各领域也相继发布了一系列推动行业大数据应用的政策。为了奠定数据制度基础，这一阶段我国出台了以《中华人民共和国网络安全法》为代表的多部与数据安全、个人信息保护相关的法律法规。

　　4.1.2确立阶段(2019—2021年)

　　党的十九届四中全会首次指出健全劳动、资本、土地、知识、技术、管理、数据等生产要素由市场评价贡献、按贡献决定报酬的机制，这标志着数据首次以生产要素的身份参与到分配当中。2020年，我国数据基础制度建设迈入实质性推动的新阶段，其标志是《中共中央国务院关于构建更完善的要素市场化配置体制机制的意见》的出台，数据被界定为一种新型生产要素。2021年，《中华人民共和国数据安全法》和《中华人民共和国个人信息保护法》正式颁布实施，加之《中华人民共和国网络安全法》，这几部法律为数据的收集、处理、使用提供了明确的法律框架，确立了数据权属、数据保护和数据责任的基本规则。《建设高标准市场体系行动方案》提出了数据资源产权的概念及方向要求，《国务院关于印发“十四五”数字经济发展规划的通知》等关于加强数字经济治理的政策文件进一步明确了数据要素在经济发展中的重要地位和作用。

　　4.1.3体系化建设阶段(2022年至今)

　　《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》(以下简称“数据二十条”)的发布，从数据产权、流通交易、收益分配、安全治理4个方面构建了数据基础制度的“四梁八柱”。2023年3月，国家数据局正式成立，肩负起统筹推进数据基础制度构建的重任。国家数据局会同16个部门在2024年1月发布《“数据要素×”三年行动计划(2024—2026年)》。该计划聚焦12个行业与领域，着力发挥数据要素的乘数作用，充分挖掘并释放其价值。2024年3月，《促进和规范数据跨境流动规定》出台，对数据出境安全评估、个人信息出境标准合同及个人信息保护认证等数据出境相关制度的执行进行优化调整，在确保数据安全、维护个人信息权益的同时，推动数据依法、有序且自由地流动。

　　4.2数据资产政策演进阶段分析

　　4.2.1顶层设计引领阶段(2022年)

　　2022年12月发布的“数据二十条”，首次提出数据资源“三权”分置制度，将数据资源持有权、使用权与经营权相分离，从根基上为数据资产确权提供法理支撑，为后续数据资产入表等操作指明了大的方向，构建起了数据资产政策的宏观框架，使数据资产在制度层面有了初步的立足之地。

　　4.2.2操作细则支撑阶段(2023年)

　　2023年8月出台的《暂行规定》打破传统会计准则的束缚，允许企业根据不同的业务场景，将数据资源合理分类确认为无形资产、存货或开发支出，并且进一步细化了计量、披露及摊销等方面的具体规则，为数据资产的多元化发展提供了充足的空间和明确的操作指引，使得企业在数据资产的会计处理上有了更具实操性的依据，推动数据资产逐步走向规范化管理。

　　4.2.3配套机制完善阶段(2023年12月至今)

　　2023年12月，财政部发布的《关于加强数据资产管理的指导意见》标志着数据资产政策开启了配套机制完善阶段。此后，财政部于2024年2月印发《关于加强行政事业单位数据资产管理的通知》。这两项政策分别从不同层面规范了国有企业、行政事业单位等的数据资产管理行为。2024年9月，《中央行政事业单位国有资产使用管理办法》对中央行政事业单位提出提高数据资产质量的要求;2024年12月《数据资产全过程管理试点方案》首次系统性地构建了数据资产全链条管理规则，进一步强化了数据资产入表流程的合规性。这一系列配套政策持续完善数据资产政策体系，保障数据资产在各个领域的合理应用与有效管理，促进数据资产健康、有序发展。

　　4.3 2021—2025年政策演进动态分析

　　通过对数据资产入表政策演进的动态分析，2021—2025年政策工具呈现“安全筑基→制度破冰→应用激活”的递进路径。环境型政策工具持续为资产化护航但比重递减，反映制度成熟度提升;供给型政策工具保持稳定支撑;需求型政策工具占比3年翻倍，凸显政策焦点已转向破解“入表动力不足”的核心矛盾，通过市场端激励加速数据价值变现。数据资产入表政策的动态演进可概括为以下3个阶段性特征:

　　4.3.1安全筑基期(2021—2022年)

　　此阶段环境型政策工具占比高达58%，核心目标是构建数据安全与合规框架。标志性事件是《中华人民共和国数据安全法》的实施，确立了数据分类分级、风险评估等基础制度，为数据资产化扫清了法律障碍。供给型政策工具(32%)聚焦基础设施与技术标准建设，而需求型政策工具(10%)尚处于萌芽期，反映政策重心在于“控风险”而非“促流通”。具体见表3。

　　4.3.2价值探索期(2023—2024年)

　　环境型政策工具占比降至49%，供给型政策工具略增至35%，需求型政策工具显著提升至16%。“数据二十条”的出台成为关键转折，首次系统性提出数据产权分置、收益分配等市场化机制，推动政策从“安全管控”转向“价值释放”。供给端加强数据交易所、登记平台建设，需求端通过财税试点鼓励企业数据开发，初步构建“制度—供给—市场”协同框架。

　　4.3.3激活攻坚期(2025年以来)

　　需求型政策工具跃升至23%，增幅显著;环境型政策工具继续降至41%;供给型政策工具稳定在36%。国家数据局“数据要素×”行动标志着政策进入深化阶段。环境型政策工具聚焦细化会计准则;供给型政策工具强化公共数据开放;需求型政策工具则通过“以用促建”模式，在金融、医疗等领域开展场景化激励，推动数据从“资源”向“资产”的实质性转化。

　　5数据资产入表的地方实践探索

　　我国地方数据资产政策的发展呈现出清晰的演进路径，从基础建设到体系完善，再到创新突破，形成了完整的政策发展链条。各地在数据要素市场化配置方面进行了大量创新实践，为全国数据要素市场建设提供了重要经验。

　　5.1阶段一:基础建设期

　　在这一阶段，地方政府开始探索数据资源管理的基本框架，为后续数据资产化奠定制度基础。2016年出台的《贵州省大数据发展应用促进条例》开创性地提出“数据资源资产化”概念，首次在法律层面确认数据的资产属性。2017年《浙江省公共数据和电子政务管理办法》发布，为浙江省公共数据的管理和应用提供了基础规范，促进了公共数据的共享与开放。2018年出台的《上海市公共数据和一网通办管理办法》建立了全国首个公共数据目录管理制度，实现政务数据的系统化归集。2018年出台的《天津市促进大数据发展应用条例》首次明确了数据交易的法律地位，为数据要素流通提供了政策依据。

　　5.2阶段二:体系构建期

　　随着国家数据要素市场化改革推进，地方政府着力构建完整的数据资产管理体系。2021年《深圳经济特区数据条例(征求意见稿)》发布，首次提出数据要素市场制度框架的相关内容，为后续该条例的完善和确立数据权益分配规则奠定了基础。2022年《浙江省公共数据条例》出台，创新建立公共数据授权运营机制，推动数据价值释放。另外，浙江省还在2022年底前初步建立了产业数据流通运营机制和标准规范。2022年出台的《深圳经济特区数据条例》首创数据要素市场制度框架，确立数据权益分配规则。2022年出台的《北京市数字经济促进条例》专章规范数据要素市场培育，完善交易规则。

　　5.3阶段三:创新突破期

　　各地在数据资产化实践层面取得实质性突破，形成了可复制推广的经验模式。2023年出台的《江苏省数据条例》建立了数据资产登记评估制度，规范了价值认定标准。同年，贵州省完成2亿元政务数据资产质押贷款，验证了数据资产的融资功能。2023年，《贵州省数据要素市场化配置改革实施方案》印发，提出到2025年底建成国家数据生产要素流通核心枢纽等目标。2023年，上海数据资产评估中心制定了全国首个数据资产价值评估地方标准，为数据交易提供了定价依据。浙江省在2024年发布会计处理指引，明确数据资源确认、计量和披露规范。2025年，《广州市数据条例》作为数据资产入表操作指南出台，细化了会计处理规则。2025年，深圳成功发行首单以企业数据为底层资产的ABS(资产支持证券)产品，开创数据证券化先河。

　　地方数据资产政策发展呈现出“基础建设—体系完善—创新突破”的特征。在制度体系方面，各地从数据确权、目录管理等基础工作逐步拓展至评估、交易等市场化环节，形成完整链条;在实践创新上，各地在评估标准、交易机制、金融应用等关键领域取得突破，涌现多个全国首创案例;在区域特色方面，各地结合产业优势探索差异化路径，如上海市的标准建设、深圳市的金融创新、贵州省的政务应用等，形成多元化发展格局。这一演进过程为全国数据要素市场建设提供了丰富经验。

　　6政策建议

　　6.1优化政策工具结构，强化需求侧激励

　　第一，降低对环境型政策工具的依赖。当前环境型政策工具占比仍达41%，建议通过数据资产入表所得税减免等税收优惠、政府采购数据服务等经济杠杆，将需求型政策工具占比逐步提高。第二，构建场景化补贴机制。针对中小企业设立“数据资产入表专项基金”，对金融、医疗等“数据要素×”重点场景给予开发成本补贴，破解企业动力不足问题。

　　6.2完善全链条治理体系，破解实操障碍

　　第一，制定差异化会计准则。参考浙江省的经验，细化数据资产分类计量标准，金融数据按公允价值计量、政务数据按成本法计量，解决《暂行规定》中计量模糊性问题。第二，建立全国性数据资产登记平台，在上海数据资产评估中心、江苏数据资源登记制度等基础上，整合各省市分散的登记系统，构建统一的权属存证与追溯机制，降低合规成本。

　　6.3推动主体协同，激活市场生态

　　第一，强化企业主体地位，要求国有企业数据资产入表率2026年达100%，探索民营企业“数据资产入表绿色通道”，简化审计流程;第二，培育第三方专业机构，设立数据资产评估师认证体系，鼓励金融机构开发数据资产质押贷款产品，扩大ABS应用场景。

　　6.4深化区域协作，避免制度套利

　　第一，建立跨省数据资产互认机制，在长三角地区、大湾区试点数据资产跨域流通规则，统一沪浙粤评估标准;第二，设立国家数据资产监测平台，动态追踪各省市政策执行效能，发布区域发展指数，引导资源优化配置。

　　7结语

　　本文通过构建“政策工具—政策目标—参与主体”三维分析框架，系统解析了我国数据资产入表政策的演进路径与结构特征，揭示了政策体系存在的环境型政策工具主导、区域执行差异、市场主体参与不足等结构性问题，并呈现出“安全筑基→制度破冰→应用激活”的阶段性演进规律。在理论层面，突破了传统政策分析的维度局限，深化了对数据要素制度变迁规律的认识;在实践层面，提出差异化会计准则、全国统一登记平台、主体协同机制等建议，为促进数据要素市场化配置与数字经济发展提供了实践路径参考。

参考文献

　　［1］VOICH D，WREN D A.Principles of management:resources and systems［M］.New York:Ronald Press Company，1968.

　　［2］LEVITIN A V，REDMAN T C.Data as a resource:properties，implications，and prescriptions［J］.MIT Sloan Management Re-view，1998，40(1):89.

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

　　［4］王艳，杨达.中国式管理会计体系变革:从数据要素到数据资产［J］.管理世界，2024，40(10):171-189.

　　［5］陈菡，丁友刚.数据资源管理会计:创新应用与融合发展［J］.财会月刊，2025，46(3):21-25.

　　［6］MANYIKA J，CHUI M，BROWN B，et al.Big data:the next frontier for innovation，competition，and productivity［EB/OL］．(2011-05-01)［2025-05-21］.

　　［7］谢康，夏正豪，肖静华.大数据成为现实生产要素的企业实现机制:产品创新视角［J］.中国工业经济，2020(5):42-60.

　　［8］李海舰，赵丽.数据成为生产要素:特征、机制与价值形态演进［J］.上海经济研究，2021(8):48-59.

　　［9］蔡跃洲，马文君.数据要素对高质量发展影响与数据流动制约［J］.数量经济技术经济研究，2021，38(3):64-83.

　　［10］何玉长，王伟.数据要素市场化的理论阐释［J］.当代经济研究，2021(4):33-44.

　　［11］张夏恒，刘彩霞.数据要素推进新质生产力实现的内在机制与路径研究［J］.产业经济评论，2024(3):171-184.

　　［12］PETERSON R E.A cross section study of the demand for money:the United States，1960-62［J］.The Journal of Finance，1974，29(1):73-88.

　　［13］FISHER T.The data asset:how smart companies govern their data for business success［M］.Hoboken:John Wiley＆Sons，2009.

　　［14］刘学霞，曾昭虎，管尊友.构建数据资产管理中心完善油田公司信息体系［J］.数字化工，2004(11):46-51.

　　［15］于玉林.宏观视角下无形资产的创新与发展研究［J］.会计与经济研究，2016，30(2):67-84.

　　［16］张俊瑞，危雁麟，宋晓悦.企业数据资产的会计处理及信息列报研究［J］.会计与经济研究，2020，34(3):3-15.

　　［17］秦荣生.企业数据资产的确认、计量与报告研究［J］.会计与经济研究，2020，34(6):3-10.

　　［18］谭明军.论数据资产的概念发展与理论框架［J］.财会月刊，2021(10):87-93.

　　［19］许宪春，张钟文，胡亚茹.数据资产统计与核算问题研究［J］.管理世界，2022，38(2):16-30，2.

　　［20］国家数据局.数据领域常用名词解释(第一批)［EB/OL］.(2024-12-30)［2025-05-21］.

　　［21］ROTHWELL R,ZEGVELD W.Reindusdalization and technolo-gy［M］.London:Logman Group Limited，1985.