从数据要素到数据资产入表：政策演进、实践与展望

本文旨在梳理中国数据资产政策的演进历程，深入探讨数据资产入表的意义、难点及路径，并对数据资产的分类、价值评估、应用场景及未来发展趋势进行深入探讨。通过从数据要素到数据资产的过程分析，以及数据资产在数字经济中的应用和展望，本文期望能为读者提供一个清晰、全面的数据资产认识框架，并为相关企业和政策制定者提供有益的参考。

一、数据资产政策演进与发展概述

‌2020年4月，中共中央、国务院发布的《关于构建更加完善的要素市场化配置体制机制的意见》中，数据被正式定义为新型生产要素，与土地、劳动力、资本、技术等传统生产要素并列，旨在推动其市场化配置。

2021年12月，国务院印发了《“十四五”数字经济发展规划》，根据该规划，到2025年，数字经济确实将迈向全面扩展期，数字经济核心产业增加值占GDP比重将达到10%。‌‌

‌2022年12月，中共中央、国务院发布的《关于构建数据基础制度更好发挥数据要素作用的意见》（即“数据二十条”）首次提出了数据产权结构性分置制度，并建立了数据资源持有权、数据加工使用权、数据产品经营权“三权分置”的数据产权制度框架，同时支持实体经济企业特别是中小微企业的数字化转型和信用融资，并探索数据资产入表的新模式‌。

‌2023年8月，财政部印发了《企业数据资源相关会计处理暂行规定》，并于2024年1月1日起正式实施，该规定明确了数据作为资产的属性及其入表的适用范围、会计处理准则、列示和披露要求‌。具体而言，文件强调了企业使用的数据资源，在符合《企业会计准则第6号——无形资产》所规定的定义和确认条件时，应当被确认为无形资产。‌

‌2023年9月，中国资产评估协会正式印发了《数据资产评估指导意见》，这是一份旨在规范数据资产评估执业行为，并有力保护资产评估当事人合法权益及公共利益的纲领性文件‌。该文件在财政部的指导下制定，自2023年10月1日起施行，不仅明确了数据资产的定义，还详细规定了包括收益法、成本法和市场法在内的多种评估方法及其衍生方法，为数据资产的价值衡量提供了重要标准尺度。‌

‌2023年12月，财政部印发了《关于加强数据资产管理的指导意见》，该指导意见旨在主导数据资产的合规高效流通使用，有序推进数据资产化，并加强对数据资产全过程的管理，以更好地发挥数据资产的价值。为此，提出了构建“市场主导、政府引导、多方共建”的数据资产治理模式，并明确了依法合规管理数据资产、明晰数据资产权责关系、完善数据资产相关标准、加强数据资产使用管理等主要任务‌。

2024年12月，财政部 《数据资产全过程管理试点方案》选取部分中央部门、中央企业和地方财政部门作为试点单位，从2025年初至2026年底，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，开展数据资产全过程管理试点，以形成有效的数据资产管理模式。标志着我国在数据资产管理领域迈出了重要一步，开启了数据资产管理的全新篇章。

‌2024年12月末，国家发改委、国家数据局等6部门联合发布了《关于促进数据产业高质量发展的指导意见》，该指导意见提出，要通过改革创新推动数据要素市场化配置，并加强数据治理与安全管理体系，以构建现代数据产业体系。这一核心内容旨在促进数据产业的高质量发展，包括优化数据产业结构、增强数据技术创新能力，并设定了到2029年数据产业规模年均复合增长率超过15%等具体目标‌

二、数据资产的形成与基础

数据要素

数据要素是指那些在社会生产经营活动中发挥重要作用，为所有者或使用者带来经济效益的数据资源。其概念首次在2019年党的十九届四中全会上被明确提出，会议强调了健全包括数据在内的多种生产要素由市场评价贡献、按贡献决定报酬的机制。随后，在2020年3月末，中共中央、国务院发布的《关于构建更加完善的要素市场化配置体制机制的意见》中，首次明确提出要培育数据要素市场，将数据与土地、劳动力、资本、技术等传统要素并列，标志着数据正式被纳入生产要素范围。数据要素作为数字经济发展的基础和关键资源，扮演着至关重要的角色。

数据资产

数据资产是指由特定主体合法拥有或控制的，能进行货币计量，且能带来直接或间接经济利益或社会效益的数据资源。根据资产的一般定义，数据资产同样是企业过去交易或事项形成的、由企业拥有或控制的、预期会给企业带来经济利益的资源。数据资产以数据为载体，能够持续发挥作用，包括结构化、非结构化数据和半结构化数据。国家数据局在2024年12月发布的《数据领域常用名词解释（第一批）》中，对数据资产的定义进行了明确，即“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”。此外，中国信息通信研究院在《数据资产管理实践白皮书》中也详细定义了数据资产为“由组织合法拥有或控制的数据资源，以电子或其他方式记录，可进行计量或交易，能直接或间接带来经济效益和社会效益”。

数据要素与数据资产的关系

数据要素是数据资产形成的基础和前提，对数字经济的发展至关重要。没有数据要素，就无法形成具有经济价值的数据资产。因此，在推动数字经济发展的过程中，必须充分重视数据要素的作用，加强数据要素市场的培育和发展，为数据资产的形成和增值提供有力支撑。

三、数据资产入表的综合探讨

什么是数据资产入表？数据资产入表是指依据财政部《企业数据资源相关会计处理暂行规定》，将数据资源通过确认、计量、记录和报告等环节正式计入企业资产负债表的过程。这一过程旨在全面反映企业的资产状况，提升财务透明度，并为企业估值和决策提供重要依据。《暂行规定》明确了数据资源会计处理的准则，要求企业根据数据资源的持有目的、形成方式、业务模式及经济利益的预期消耗方式等进行会计确认、计量和报告。同时，该规定对数据资源的列示与披露进行了细化，并创造性地采用了“强制披露加自愿披露”的方式，以推动企业数据资源向数据资产转变，形成规范的数据资产开发、运营和管理体系，进而提升企业数据治理能级，有效释放数据价值。

（一）数据资产入表的意义

在宏观层面，数据资产入表作为数字经济时代的重要标志，对于推动数字经济发展具有关键作用。它不仅促进了数据要素的市场化配置，使数据资源能够像其他生产要素一样在市场中自由流通和高效利用，还激发了数据市场的活力，推动了数字经济的创新与发展。此外，通过更有效地配置数据资源，避免了资源浪费和重复建设，提高了数据资源的利用效率和效益，从而推动了整个社会经济的可持续发展。

在微观层面，数据资产入表同样具有重要意义。它显著提升了企业财务透明度，使企业的资产状况更加全面和透明，有助于投资者和其他利益相关者更清晰地了解企业的真实价值，降低了信息不对称的风险。同时，通过正式认可数据资产的价值，企业在资本市场上获得了更高的估值，这不仅增强了企业的融资能力，还吸引了更多的投资者和合作伙伴，为企业的发展提供了更加广阔的空间和机遇。

（二）什么样的数据可以入表

并非所有数据均能成为资产并入表。根据《企业数据资源相关会计处理暂行规定》，数据资产应当是指那些具有实际用途和价值的数据。具体而言，“有用”的数据需满足以下三类条件中的任意一条：

1.支持企业生产经营或管理活动

当企业数据资源与其他资源相结合使用时，能够服务并支持企业的其他生产经营或管理活动，实现提质增效、降低成本、优化流程等目的。这类数据通过提升企业的运营效率和效益，间接为企业创造经济价值。

2.为其他主体提供服务

企业数据资源可以被运用来为其他主体提供有关服务，从而直接产生经济收益。这种服务模式体现了数据资源的外部价值，即通过数据的共享和利用，促进产业链上下游的协同与合作。

3.直接交易数据资源

企业可以直接交易原始数据或经过加工处理后的数据，与数据资源有关的经济利益通过转让数据资源而实现。这类数据资产的价值直接体现在其市场交易价格上，是数据要素市场的重要组成部分。

（三）数据资产入表有哪些好处

首先，数据资产入表极大地提高了企业的财务透明度。通过将数据资源纳入财务报表，企业的资产状况变得更加全面和透明，这不仅有助于投资者和其他利益相关者更清晰地了解企业的真实价值，还增强了他们对企业未来发展的信心。

其次，数据资产入表显著增强了企业的市场估值。通过正式认可数据资产的价值，企业在资本市场上的估值得以提升，从而吸引了更多的投资者和合作伙伴。这种估值的提升不仅为企业带来了更多的融资机会，还为其拓展业务提供了有力的支持。

此外，数据资产入表还有助于企业优化资源配置。通过将数据资源转化为实际的生产力，企业能够更合理地配置资源，提高运营效率和效益。这种优化不仅提升了企业的竞争力，还为其长期发展奠定了坚实的基础。

更重要的是，数据资产入表促进了数据的流通和使用。通过打破数据孤岛现象，企业之间的数据共享和流通变得更加顺畅，这有助于推动数字经济的发展和创新。同时，数据的流通和使用也为企业带来了更多的商业机会和增长潜力。

在数据安全方面，数据资产入表也发挥了重要作用。它要求企业加强对数据资源的管理和保护，提高数据安全意识，从而有效防止数据泄露和滥用。这种对数据安全的重视不仅保护了企业的核心资产，还为其赢得了更多的客户信任。

最后，数据资产入表是企业数字化转型的重要支撑。它有助于企业充分利用数据资源，推动业务创新和增长。在数字化转型的浪潮中，数据资产入表为企业提供了强大的动力和支持，使其能够更好地应对市场变化和竞争挑战。

（四）数据资产入表有哪些难点？

1.数据资源的确权和评估

确权难度：数据资源的确权涉及确定所有权和控制权，由于数据来源复杂多变，确权过程充满挑战。

评估挑战：数据资源的评估需确定其价值和成本，但相关法律法规和会计准则的不完善增加了评估的难度。

2.数据资源的归集和匹配

归集复杂性：数据资源数量庞大且种类繁杂，从不同来源整合数据资源具有复杂性。

匹配不确定性：数据资源与财务报表中的其他资产存在差异，匹配过程存在不确定性。

3.数据资源的寿命和折旧

寿命难以预测：数据资源的有效使用期限难以确定，导致折旧或摊销的计算和调整存在不准确性。

4.技术和管理挑战

高技术要求：数据资产入表需要企业具备较高的数据管理和技术能力，需建立统一的管理和评估体系。

跨部门协同：数据资产入表涉及多个部门，需加强培训和沟通，需确保各部门能协同合作。

四、数据资产入表的路径、方法和流程

（一）数据资产入表的路径

1.直接以数据资源形式入表

企业自用数据资源入表：企业自用的数据资源，如生产经营过程中积累的数据，在符合无形资产定义和确认条件时，可以直接作为无形资产入表。

企业待售数据资源入表：对于计划直接出售的原始数据或经过初步加工的数据资源，企业同样可以考虑将其确认为资产，但需要更加谨慎和严格的合规管理。

2.以数据产品或服务形式入表

企业将数据资源加工成具有明确应用场景和市场价值的数据产品或服务，然后将其入表。这种模式要求企业具备强大的数据处理能力和敏锐的市场洞察力。

3.非同一控制下企业合并造成的数据资产入表

在企业通过并购等方式获取其他公司控制权时，被并购公司的数据资产也可能因此并入报表。这种模式要求企业具备强大的资源整合能力和战略眼光。

（二）数据资产入表方法

1.评估数据资产的价值
采用多种方法综合评估数据资产的价值，包括但不限于成本法、市场法和收益法。这些方法各有侧重，成本法关注数据资产的构建成本，市场法参考类似数据资产的交易价格，而收益法则基于数据资产未来可能带来的经济利益进行评估。企业应结合实际情况，选择最适合的评估方法或组合使用多种方法，以全面、准确地反映数据资产的价值。

2.选择合适的会计科目
将数据资产视为无形资产的一种，通常应计入“无形资产”科目。然而，根据企业的具体情况和会计准则的要求，也可能选择其他合适的会计科目进行入账。在做出选择时，企业应充分考虑数据资产的性质、用途及对企业财务状况的影响，确保会计处理的准确性和合规性。

3.编制补充报表与附注
为提供更详尽的信息，企业应编制数据资产专项报告，并在财务报表中增加相应的补充报表与附注。这些报告和附注应详细列示数据资产的种类、数量、价值评估方法、使用情况及对企业价值的具体影响等关键信息。这有助于外部投资者和内部管理者更全面地了解企业的数据资产状况，从而做出更明智的决策。

4.建立数据资产管理体系
为确保数据资产的有效管理和保护，企业应建立全面的数据资产管理体系。这包括明确数据资产的所有权、使用权和管理权等权属关系，以及制定数据资产的分类、登记、评估、监控和保护等全生命周期管理制度。通过这些措施，企业可以确保数据资产的安全性和完整性，同时提高数据资产的使用效率和价值创造能力。

（四）数据资产入表流程

1.数据资源识别与评估

精准界定数据资源的范畴，深入评估其潜在的商业价值与使用价值，确保仅将具备价值的数据纳入资产管理体系。

2.合法性审查

全面确保数据的获取、存储、处理及使用过程严格遵循国家法律法规，维护数据的合法性与安全性。

3.成本计量与资产评估

细致识别与数据资源相关的所有成本，科学评估其预期的未来经济利益，为数据资产的定价提供坚实依据。

4.数据资产分类与会计处理

严格依据《企业数据资源相关会计处理暂行规定》及会计准则，合理地将数据资产分类为无形资产或存货，并进行规范的会计处理。

5.财务报表披露

在财务报表中清晰、准确地披露数据资产的价值、摊销方法及相关风险信息，提升信息的透明度与可信度。

五、未来展望

在分析了数据资产的政策演进、经济影响及其实际应用后，我们可以预见到，数据资产将在我国未来数字经济中扮演更加核心的角色。随着国家数据局的成立和数据资产入表政策的深入实施，数据资产的管理和应用将变得更加规范高效。据IDC（国际数据公司）的预测，每当数据流动量增加10%，GDP便会相应增长0.2%，而对各行业利润增长的平均促进率更是高达10%左右。这一数据不仅揭示了数据资产在推动我国经济发展中的巨大潜力，也为我们描绘了一个充满机遇的未来前景。

值得注意的是，《关于促进数据产业高质量发展的指导意见》的出台，为数据产业的未来发展指明了方向。该指导意见旨在促进数据产业的高质量发展，通过优化数据产业结构、增强数据技术创新能力等措施，推动数据产业持续健康发展。同时，该指导意见还设定了到2029年数据产业规模年均复合增长率超过15%等具体目标，为数据产业的发展提供了明确的目标导向。

展望未来，随着数字技术的持续进步和广泛应用，数据资产将成为推动我国数字经济发展的核心引擎，为企业和社会创造巨大价值。在这一过程中，数据要素、数据资产以及数据资产入表政策的深入实施，将共同促进数字经济的繁荣发展。随着数据资产入表的不断深化，将进一步挖掘和利用数据资产的价值，不仅为企业和社会带来直接的经济效益，还将激发数据技术的持续创新，为数字经济的发展持续注入动力。