习近平总书记指出，数据是新的生产要素，是基础性资源和战略性资源，也是重要生产力。为顺应全球数字化浪潮，近年来国家从战略高度出发，出台了一系列政策和制度，旨在构建更加完善的数据要素市场化配置体制机制，促进数据要素更好地发挥在经济社会中的作用。这些政策的出台和推行，为数据资产化发展奠定了坚实基础。2024年1月1日起，财政部发布的《企业数据资源相关会计处理暂行规定》（以下简称《暂行规定》）正式施行，数据资产入表步入实质性落地阶段，极大推动了数据资产化进程。数据资产入表不仅是企业财务合规的必答题，也是企业数字化转型与业务模式创新的重要驱动力。

恒丰银行党委书记、执行董事、董事长 辛树人

数据资产化的现实挑战

将数据资产纳入财务报表进行核算和管理是当前会计领域的新探索，尽管《暂行规定》对数据资产入表的范围、计量、列报及披露等相关内容进行了界定，但由于企业中的数据资源类型多、规模大，如何选取并判定为数据资产进行入表核算，仍面临一系列困难与挑战。同时，数据资产入表涉及数据、会计、法律、评估等多领域专业技能，增加了实务操作难度。企业常态化推进数据资产入表工作，需要自身掌握全流程技能，降低依托第三方的入表成本。为此，亟须高实操性、高参考价值的实践指引和方案参考。

1. 数据资产范畴不明晰

由于数据资源类型多、形式多样，导致数据资产“识别难”。数据资产是指被企业拥有或控制、能够为企业带来经济利益的数据资源，既包括原始数据，也包括经过加工、分析的数据产品。在实务中，数据资产的界定往往缺乏清晰标准，这导致在识别和分类数据资产时存在困难。以数据产品研发为例，数据产品可认为是满足用户需求的，经过一定程度的数据清洗和数据脱敏等技术处理的，大量结构化、半结构化和非结构化数据集或数据分析结果。有学者将与数据相关的产品或服务均定义为数据资产，但这类定义容易与其他数字化转型相关的服务或产品相混淆，因此难以清晰界定数据资产的边界。

2. 数据合规与确权复杂

确保数据资产合法合规是入表前提，直接关系到企业的法律责任与声誉管理。一方面，合规性要确保企业在数据管理过程中建立必要的透明度，能够有效界定数据的来源、使用权限及处理方式。当企业缺乏有效的管理和治理机制时，会直接导致数据的采集、存储、使用和共享过程中缺乏可追溯性，不仅给合规审查带来了困难，也加大了数据泄露风险。另一方面，银行作为金融服务的核心，汇集了大量客户的敏感信息，如个人身份、账户余额及交易记录等，任何数据泄露都可能导致客户隐私受到侵犯。随着监管机构对金融机构的数据保护要求日益严格，银行必须遵循相关法律法规以避免因违规而面临巨额罚款和法律责任。企业需构建全面的数据治理框架，从数据的全生命周期进行系统性管理，加强对数据合规审查与评估，夯实数据资产入表基础。

3. 数据资产成本归集难

成本可靠计量是数据资产入表的核心判定条件之一。在直接成本归集上，由于数据资产生命周期管理复杂，且在不同阶段涉及不同的成本结构，使得数据资产成本归集面临挑战。在间接成本分摊上，数据资产的生成过程涉及数据收集、清洗、分析和存储等多环节，所产生的间接成本难以直接归属于具体的数据产品或服务，尚无分摊机制以准确反映每个环节的真实成本。同时，企业在内部使用数据资源或对外提供服务的过程中，存在重复加工和调用数据的情形，服务于不同业务的数据资源在使用方式、利用频次、价值发挥等方面存在差异，直接增加了间接成本的分摊难度。

4. 数据资产收益论证难

数据资产化要求企业明确带来经济利益的数据形态，并能够判断经济利益流入的可能性。尽管数据本身蕴藏着潜在价值，但在实务中进行收益论证并非易事。数据资产的价值往往非直接可见，尤其是服务于企业内部运营的数据资产，其价值很大程度上取决于企业如何利用这些数据来提升运营效率、优化决策或创造业务收入。例如，通过分析数据获得趋势洞察、预测客户行为和创新服务产品等，为企业带来竞争优势。但这些收益通常在短期内难以量化，当数据使用涉及多种业务场景时，更增加了收益论证的复杂性。

数据资产化的恒丰实践

恒丰银行积极贯彻落实中央金融工作会议精神，将“五篇大文章”作为重点推动方向，总行成立数据交易所合作事项专班，对数据资产相关政策进行详细解读，梳理分析数据资产市场现状与发展趋势，持续推进数据资产化路径探索。研究部署数据资产入表配套措施，明确目标任务和职责分工，推进流程打通和方案落地。

1. 数据资产入表实践路径

为审慎论证和稳妥推进数据资产入表工作，恒丰银行推进全行数据资产盘点，梳理数据资产典型业务场景，围绕数据资产判定条件展开论证，对282个在开发项目进行系统梳理，前后推进60余次深度调研，最终确定与应用场景密切相关的个人信贷类数据产品为典型案例，开展入表测算。2024年8月8日，经过外部审计机构的评审认可，恒丰银行在同业内率先实现数据资产入表核算。依托此次试点，恒丰银行构建了“识别界定—盘点治理—合规确权—收益论证—成本计量—列报披露”全流程，形成了一套可复制推广的“数资六步”入表解决方案（见图1所示），为同业数据资产入表打造了“恒丰样板”。

图1 “数资六步”入表方案

数据资产识别界定：由于企业数据量大、类型多，推进数据资产入表首先要识别数据资源类型，并满足会计上“资产”的四项判定条件。穿透来看，企业底层数据主要用于支持全行用数，具有间接经济效益；中层数据是对底层数据的整合处理和加工分析，其价值需要通过长期的战略实施和业务执行来体现；上层应用类数据资产是入表试点的较优选择，该类资产直接挂钩经济效益，以此为切入口便于梳理应用场景，验证会计上资产的“经济利益流入”判定条件。

数据资产盘点治理：数据资产盘点梳理是企业级项目，恒丰银行从业务战略出发，通过数据资源部、金融科技部和相关业务部门分工合作，按照“业务优先、价值优先、权属明晰、先易后难”的原则，对全量数据资产进行盘点梳理，建立数据资产台账，明确权责部门，筛选出具有潜在入表可能性的数据资源。梳理数据资产规划、开发、存储、集成、运营、处置等全生命周期活动，识别数据资产研发过程中占用的资源，建立合理的成本归集和分摊机制。

数据资产合规确权：数据合规确权是判断数据资产能否入表的关键前提。数据在加工使用和流通交易过程中，企业、个人和政府等不同主体对数据有不同权益，且呈现复杂共生等特点，这对传统产权制度提出新挑战。恒丰银行综合相关法律法规、行业标准和监管等内容，从企业与数据资产的基本信息、法律合规、安全合规方面形成合规确权检查清单，包括三大维度38项检查点，并由法律相关部门出具专业审核意见，保障入表数据资产的合法合规性。

数据资产收益论证：将数据资产纳入财务报表进行核算需要符合“经济利益很可能流入”这一必要条件。即企业有理由相信，通过使用、出售或其他方式处置这些数据资源，能够在未来获得经济利益。因此，恒丰银行优先选取与业务场景密切相关的个人信贷类数据产品为典型案例，结合产品应用场景和价值产生方式，根据业务发展情况及未来经营发展规划，对其经济效益进行分析测算。

数据资产成本计量：数据资产成本可靠计量是入表的基础。数据资产成本的归集与分摊，主要参照无形资产和存货的成本核算方式，采用历史成本法进行初始计量。需要准确识别、归集和计量直接成本，合理公正并能反映成本消耗方式来分摊间接成本，见图2所示。恒丰银行金融科技部门与数据资源部门按照研发分工，与业务部门高效协同，对数据引入、模型开发、模型部署及测试投产环节的直接成本进行归集、间接成本进行分摊。

图2 信贷数据产品的成本计量与分摊

数据资产列报披露：为了向报表使用者提供决策信息，对于符合资产确认要求的数据资源，企业需要按照会计准则和《暂行规定》要求，在财务报表中进行列报与披露，并在财务报告附注部分详细说明数据资产来源、类别、摊销方法、减值理由等相关信息。恒丰银行入表试点个人信贷类数据产品属于内部使用的数据资产，入表时列入无形资产科目，按照无形资产准则进行初始计量、后续计量、处置和报废等相关会计处理。

2. 数据资产入表组织架构

数据资产入表核算是企业级管理工作，需要多部门共同参与，包括数据资产归口管理部门、研发实施部门、价值管理部门、使用部门等。为常态化推进数据资产入表工作，必须确立和完善相关工作机制，各相关部门做好协同，加强数据资产管理，确保数据资产在财务报表中得到恰当核算，进而推动数据资产应用。组织架构见图3所示。

图3 数据资产入表组织架构

数据资源部为数据资产归口管理部门，牵头推进数据资产入表工作。通过建立和健全数据资产管理规章制度，明确数据资产的认定标准、日常维护、处置等工作流程，协助相关部门做好数据资产评定、直接成本归集和间接成本分摊、数据资产价值评估等工作。

金融科技部和数据资源部为数据资产研发实施部门，负责数据资源采购、数据模型开发和部署等相关工作。在开发过程中统计各环节的投入资源、开发工时等核算信息，并提供数据资产研发项目预算及执行等材料，推进研发成本的归集和分摊，进行数据资产成本核算。

计划财务部为数据资产价值管理部门，负责数据资产会计核算规则的制定，以及数据资产计量、折旧、摊销、报废、处置和减值准备的计提等账务处理工作。同时，负责相关资产的账账核对、账卡核对工作，配合归口管理部门进行账实核对工作。

研发需求或采购需求提出部门为数据资产使用部门，需要对所使用数据资产的业务收益进行统计分析和判断，确认数据资产的经济利益情况，并对业务模式、业务功能、业务流程等进行说明，辅助数据资产入表中披露内容的梳理准备。

未来展望

数据作为新型生产要素，对传统生产要素具有放大、叠加、倍增作用，正推动着生产方式、生活方式和治理方式深度变革，数据资产化成为当前及未来经济社会发展的重要趋势。数据资产入表不仅是会计理论与实践的革新，更是推动企业数字化转型与战略决策的关键一环。目前，数据资产入表尚处于实践初期，需要多方发力，共同推进数据资产会计核算计量的科学发展。

1. 政府层面，加强制度建设和市场监管引导

一方面，政府部门需要在制度建设方面发挥主要作用，为数据资产规范入表提供制度基础和政策环境。可以结合数据生成的具体场景，建立数据的确权和授权机制，确保数据主体的相关权益得到尊重和保护。积极鼓励和引导数据交易中心、数据评估中心、数据监管平台等机构建设和发展，为数据资产入表提供技术支持和基础设施保障。另一方面，通过多种措施鼓励市场主体、社会力量积极参与数据要素市场建设，构建多层次数据市场体系，探索数据价格的发现机制。通过不同层级的市场协同，使数据价值能在不同层面和场景下得到评估和验证。同时，加强数据市场监管，确保数据交易的真实性和合法性，防止数据滥用和不正当竞争。

2. 团体层面，推动标准制定和交流合作

建议行业协会等团体组织制定数据资产入表的操作规范和流程，确保数据资产入表的准确性和合规性，降低企业在数据资产入表过程中的风险和成本。可以着重推动四方面的建设：一是通过制定实施细则或行业自律规范，明确企业在数据资产入表过程中的责任和义务，规范企业的行为，维护行业的良好秩序，保障数据资产入表的公平性和公正性。二是加强组织各类论坛、研讨会等活动，为企业提供一个交流数据资产入表经验和技术的平台，企业可以分享成功案例、探讨面临的问题和挑战，共同推动数据资产入表技术的发展。三是推动设立专门的咨询机构或团队，提供数据资产入表的咨询服务，解答企业在数据资产入表过程中的困惑，提供针对性的解决方案和建议。四是加强对数据资产入表过程的指导和监管，通过定期检查和评估，确保企业按照规定的流程和标准进行数据资产入表工作。

3. 企业层面，强化数据治理与共享利用

通过解读《暂行规定》可以发现，并非所有的数据资源都能被确认为资产进行入表核算，需要加强企业数据治理，夯实数据资产入表的基础。一是开展全面的数据盘点。通过全面梳理企业业务系统、社交媒体、物联网设备等内外数据源，明确数据所有权、来源、质量和用途，做好数据源的识别，确保无遗漏，实现数据的分类与标识。二是开展深入的数据治理。利用先进的数据管理工具和技术，进行数据的清洗、整合与标准化处理，提升数据质量，确保数据的准确性、完整性和一致性。同时，建立数据资产目录，对数据资源进行盘点与登记，记录数据的来源、格式、访问权限等信息，形成清晰的数据资产视图。三是制定统一的数据标准与规范。明确数据在采集、存储、处理、共享、销毁等全生命周期各个环节的数据格式、命名规范、质量要求等数据标准和规范，确保数据在整个生命周期中得到有效管理和控制。四是推动数据共享和利用。秉持安全为先的原则，强化数据协同效应与价值挖掘，推动数据要素向核心生产要素跃迁，助力金融科技和业务模式创新。

（此文刊发于《金融电子化》2025年5月上半月刊）