![]()
数据资产化：地方国有企业数据资产入表三大难点和两大风险
《企业数据资源相关会计处理暂行规定》（下称《暂行规定》）为企业数据资产“入表”提供了操作指引，对规范企业数据资源相关会计处理和加强相关会计信息披露具有重要意义。但实际操作中，仍存在成本归集和分摊难、资本化和费用化区分难、摊销方法选择难、摊销期限确定难等问题，同时还需要需警惕其存在的风险。数据资产“入表”是“会计核算”的通俗称法，指通过确认、计量、记录和报告等环节，对满足资产确认条件的数据资源进行记录，以满足内外部决策者所需的会计信息。对地方国有企业而言，数据资源入表实现了企业资产边界的拓展，使得数据成为一种新型资产在资产负债表中体现，增厚企业资产、提高利润水平，进而提升企业估值。在入表的基础上，地方国有企业可以进一步探索利用金融创新工具，实现数据的资产化和资本化。数据资产入表主要工作流程包括：数据资产确认、成本归集与分摊、初始计量、后续计量、列报与披露等（具体内容详见文章：数据资产入表操作流程）。
![]()
图1 数据资产入表业务流程图
数据资产入表主要依据包括《企业数据资源相关会计处理暂行规定》（财会〔2023〕11号）（以下简称《暂行规定》）、相应的会计准则及应用指南。但在实际操作过程中，普遍存在成本归集和分摊难、资本化和费用化区分难、摊销方法选择难、摊销期限确定难等问题。同时随着越来越多的企业披露数据资源入表相关信息，在数据资产入表的热潮中，仍需警惕其存在的风险。
如何进行合理的成本归集和分摊以确保数据资源成本的完整性成为当前的实务难点之一。数据资产成本归集和分摊难的主要原因有三点：其一是地方国有企业内部部门间存在较大信息不对称，导致跨部门沟通不畅，进而影响到成本分摊的效率和准确性；其二是由于数据具有非排他性和高重塑性的特点，数据资产能被重复使用到不同的业务线或产品线中，部分成本费用可能很难直接归集到具体的业务线或产品线中，增加了数据资产成本分摊的复杂性和难度。其三是数据产生、流转、加工到最终应用的整个生命周期管控相对粗放，导致成本归集的困难，增加了成本分摊的复杂性，进而导致“入表难”。
措施建议：
一是精细化数据管理。一方面，对数据资源进行分类，再对不同类别的数据资源进行差异化管理；对数据资源产生、流转、加工到最终应用的整个生命周进行留痕和记录，以便清晰地了解数据的来龙去脉，进而确保数据资产成本归集的准确性。另一方面，利用数据血缘分析技术，跟踪数据从源头到目的地的路径，梳理清楚数据的产生逻辑、数据的使用逻辑以及业务线之间的关联关系，解决因重复调用、重复组合资源数据而重复归集成本或者分摊不合理的问题。
二是企业内部各部门或系统间数据有效共享和整合，打破“数据孤岛”现象，实现数据的互联互通。特别是业务部门与财务部门要加强共享与交流，让财务部门在知悉数据类型、数据内容、持有目的、业务场景等具体情况的基础上，对企业数据资源进行相关会计处理。
三是配套建立统一、合理的数据资源的成本归集与分摊机制，将企业在产生、流转、加工到最终应用的整个生命周期中所发生的成本进行准确归集和分摊，实现数据资源成本的可靠计量。同时要加强相关会计专业人员的培训，提升对数据资产入表规范的理解。
根据《暂行规定》，企业内部数据资源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。研究阶段的支出，应当于发生时计入当期损益。开发阶段的支出，满足无形资产准则第九条规定的有关条件的，才能确认为无形资产。在实施过程中主要存在两个难点：第一点是研发阶段和开发阶段时点的确认。定义和特征的模糊性、特征上的重叠以及实际操作中的主观判断难度等因素共同作用，导致实际操作中准确区分研究阶段和开发阶段变得具有挑战。第二点是开发阶段的支出是否满足资本化的条件，也有待可靠的论据支撑。
措施建议：
研究阶段是探索性的，具有较大的不确定性，是为进一步的开发活动进行资料及相关方面的准备，不会形成阶段性成果。而开发阶段一般较为确定，形成阶段性成果。实务中，为了明确区分研究阶段和开发阶段，一方面企业需要规范内部研发制度，明确研发流程。明确相应的研发任务以及阶段产出的文档或成果，在过程中确保留痕留档、有据可查。另一方面，明确研究与开发的分界点。研究阶段和开发阶段的划分并没有绝对的形式标准，一般以项目通过立项评审、形成立项的决议文件作为划分研究阶段与开发阶段的关键节点。
开发阶段的支出符合资本化条件的，才能确认为无形资产。会计准则上对于企业内部研发资本化确认有着严格的要求，需要同时满足技术上可行、有明确的使用和出售意图、需证明产生经济利益的方式、有足够的资源和能力支持、支出能可靠计量五个条件，才能确认为无形资产。这要求企业谨慎论证和说明其研发项目是否符合上述条件，为了确保会计处理的准确性和合规性，企业也可聘请独立机构予以验证。与此同时，目前数据资源满足资本化条件确认有待可靠的论据支撑，建议相关部门出台数据资产资本化与费用化的区分标准案例，同步出台具体操作实施细则，为企业数据资产相关会计处理提供进一步指引。
数据资产的摊销方法应当能够反映经济利益的预期消耗方式，数据摊销年限应当反映资产的实际使用寿命。数据资产具有很强的场景依附性和时效性，其价值和效应会随时间和应用场景的变化而相应发生显著变化，预期经济效益存在高度不确定性，导致数据资产使用寿命难以准确预估，摊销方法选择难等问题。
根据《暂行规定》，对于使用年限不确定的无形资产不进行摊销，但企业应当在每期期末进行减值测试，计提减值准备。数据资产价值会因时间变化、数据资产管理成本的积累、授权临期等因素发生价值减损，也会因为数据质量提升、用途再发现、技术进步带来成本降低等因素发生价值增加。数据资产减值测试的影响因素多，可能会导致减值测试不及时或者不充分。又因为当前数据资产市场尚不活跃，数据资产公允价值难以确定的情况下，导致诸如减值迹象判断主观且复杂、可回收金额估计不准确等问题。
措施建议：
一是合理选择数据资产摊销方法，并一致地运用于不同会计期间。在当前数据资产尚未形成活跃市场的情形下，目前学术上针对数据资产摊销方法有三种观点：第一，考虑到数据资产在时间上不会随使用而发生实质性损耗，数据价值变动并无固定规律可循，数据资产无需进行折旧或摊销。第二，考虑到数据资产的经济利益流入十分依赖于市场供求关系，属于预期实现方式无法可靠确定的无形资产，应当采用直线法摊销。第三，考虑到数据更新较快，对于使用者具有一定程度时效性，建议采用年数总和法、双倍余额递减法等加速折旧的方法进行摊销。各种摊销方法均具有其合理性，企业应提高数据管理能力，加强对市场和业务模式的研究，结合数据资源的类型和特征、自身的业务场景、用户需求、运营管理要求等因素综合进行分析，选择合适的摊销方法并一致运用于会计期间。其中，对时效性强的数据资产可采取加速摊销方法。
二是分情况确定数据资产摊销年限，并定期评估（调整）。如果为外部购入的数据资产，其使用寿命及残值率应当按照购买协议、合同中的规定进行处理；如果为内部研发挖掘数据，数据交易平台有类似数据的相关摊销年限的，可以参照数据交易平台进行确认；如果数据交易平台无此类数据资产相关信息的，企业应当结合对外提供数据资产服务时涵盖历史数据的期数或客户期望使用的历史数据期数等情况合理估计。另外，公司应当每年年终对数据资产的使用年限进行复核，如果有明确证据证明使用年限发生重大变化的，应当按照会计评估结果对使用年限进行调整。
三是关于数据资产减值测试，企业应重点关注影响数据资产价值的成本因素、场景因素、市场因素和质量因素，识别可能表明资产价值下降的迹象，一旦出现减值迹象，企业需及时对数据资产可收回金额进行估计。另外，数据资产减值测试应定期重复进行，由于市场条件、技术进步、企业战略的变化等因素，数据资源价值发生变化，需要对无形资产计提减值时，可考虑引入市场法（按市场公允价值计量）、收益法（按未来预期收益折现计量）进行减值评估。
不是所有的数据都能构成数据资源，也并不是所有数据资源都能作为数据资产“入表”，必须满足特定条件和定义。目前业界对数据资源与数据资产概念尚未形成共识，部分企业对入表范围边界不清，将不符合定义和条件的的数据资源当作数据资产进行入表，引发虚增资产的风险。例如，在一季度财报中首次披露数据资产入表的上市公司有25家，涉及总金额约15.34亿元，但此后其中7家发布更正公告，删减或调整了“数据资源”相关数据，涉及总金额约14.31亿元。
另外，由于当前数据要素市场尚处于起步阶段，数据资产市场公允价值难以准确量化，企业在数据资产入表后，可能会高估数据资产的潜在价值，尤其是在借助数据资产进一步开展融资活动时高估现象尤为突出。在没有充分的市场验证下，过高估计数据资产的潜在价值，不仅会形成数据资产的“泡沫”，还可能对企业的财务稳定性和市场信任度产生一定负面影响。
措施建议：
一是完善内部管理制度和流程.确保数据资产的采集、处理、分析和利用全生命周期符合相关法规和企业政策的要求，按照谨慎性原则开展数据资产成本归集和分摊，定期开展减值测试，防止数据资产价值虚增，必要时寻求外部专业机构支持。
二是规范数据资产评估.基于不同的情境选择合适的数据资产评估方法，定期对数据资产的价值进行评估，一旦数据资产价值发生变化，及时进行调整。
三是健全信息披露制度。主动对外公开数据资产相关会计信息、估值相关信息、数据次产开发利用和价值实现等信息，提高市场公开度和透明度，减少市场不确定性。
另外，加强内外部审计也是降低数据资产虚增的有效措施。财政部《关于加强数据资产管理的指导意见》明确对涉及公共数据资产运营的重大事项开展审计，将国有企业所属数据资产纳入内部监督重点检查范围，聚焦高溢价和高减值项目，准确发现管理漏洞，动态跟踪价值变动，审慎开展价值调整，及时采取防控措施降低或消除价值应用风险。
数据资产入表的条件之一是合法拥有和控制，前者是指数据必须合法合规，后者是指企业享有数据资源的所有权，或者虽然不享有所有权，但该数据资源能被企业所控制。因此，数据资产入表的首要前提必须要解决数据权属问题，但数据与传统生产要素和财产属性不同，既有的确权规则无法直接应用于数据资产，这成为数据资产确权现实中遇到的挑战。在数据产生、使用和流转过程中，各方权益难以界定，导致数据产权归属模糊，可能引发权属争议等法律风险。
同时，企业应警惕数据合规风险，确保其在数据收集、存储、使用、加工、传输、提供、共享、销毁等各个环节中符合相关法律法规的要求，否则可能引发法律责任，受到相关处罚，从而给公司造成经济或声誉损失以及其他负面影响。总体来说，数据资产入表过程中可能面临合规风险主要包括：数据来源、数据内容、数据处理以及数据交易合规风险。一是数据必须来源于合法渠道。如果使用了非法获取或未经授权的数据，可能引发不正当竞争纠纷，或因违反个人信息保护义务而受到监管处罚，甚至可能因为侵犯公民个人信息而带来刑事风险。二是数据内容不得涉及隐私泄露，包含敏感信息。如果违反相关法律法规、监管要求或合同约定，可能导致企业面临法律责任、经济损失或声誉损害的风险。三是数据处理不当可能导致隐私保护和数据安全风险。例如，在处理敏感信息时，如果没有得到授权，数据可能会被泄露给未经授权的第三方。四是数据具有易复制、难追溯等特性，使得数据交易过程中容易产生数据泄露和安全事件，隐私泄露以及个人权益被侵犯、技术风险等问题。
措施建议：
一是选择具备公信力的平台完成数据资产进行登记、确权。数据资产登记有利于清晰梳理数据权益主体、权益属性、权益范围，实现“非登记不交易，非法数据不入场”，为数据在合法合规的前提下实现价值挖掘开发奠定坚实基础。根据各地数据资产登记相关管理办法，经登记机构审核后获取的数据资产登记证书，可作为数据交易、融资抵押、数据资产入表、会计核算、争议仲裁的依据。鉴于目前各地数据资产登记尚处于探索阶段，未形成统一的规范，建议地方国企选择具备一定公信力的平台完成数据资产的登记。
当然从监管层面来看，要推动完善数据确权相关法律法规，加快构建全国一体化数据要素登记体系，制定国家数据要素登记制度，为各地开展数据要素登记工作提供指导。
二是加强数据合规管理组织体系建设。地方国有企业开展数据处理活动应当依照法律、法规的规定，建立健全数据合规管理组织体系和常态化沟通协作机制，明确数据合规责任主体，组织开展数据合规教育培训，加强人力资源考核与保障，强化数据合规意识。
三是加强数据合规管理制度体系建设。地方国有企业应当依照法律、法规规定，结合自身业务，建立健全覆盖数据全生命周期的数据合规管理制度体系，明确企业内部数据合规管理的相关标准、规范和操作规程，坚持安全和发展并重，确保数据合规管理制度与生产运营、业务发展同步规划、同步建设、同步运行。
四是引入第三方专业机构开展合规审查。数据合规审查内容主要包括数据主体、数据内容、数据来源、数据全生命周期以及企业数据管理体系等合规性的审查。地方国有企业根据合规审查意见进行整改，进而确保数据资产入表及后续交易的合法合规。
2024年被称为“数据资产入表”元年。1月1日，《暂行规定》正式实施，上市公司、城投及类城投公司等纷纷加入数据资产入表队列，无论从涉及的金额以及企业数量都逐步在增加。然而，当前数据资产入表尚处于起步阶段，实操过程中在数据确权、合规管理、数据资产入表会计处理、数据资产价值评估等关键环节面临难点与挑战亟待解决，期待后续企业、政府、市场机构多方积极探索，寻找破局之道，推动数据资产入表工作稳步落实。
识别二维码，关注公众号
回复“新一期”获取完整版《睿见》期刊
欢迎转载[睿立方咨询]原创文章。在任何平台转载、摘录、引用等需经授权并注明来源，平台包括但不限于微信公众号、百家号、今日头条等，我们保留依法追溯违规侵权的权利。
十五五规划系列
十五五规划系列 | 全媒体时代，县级融媒体中心市场化转型发展建议
地方债务管理和创新投融资系列 | EOD模式实施现状分析
