国家数据局发布“数据要素X”行动方案明确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。财政部发布的《企业数据资源相关会计处理暂行规定》将于2024年1月1日起正式施行，为提升暂行规定的执行效果，落实国家数据局“数据要素X“方案行动思想，上海数据交易所已于2023年全球数商大会发布《数据资产入表及估值实践与操作指南》报告，以企业数据资产入表模拟与估值测算案例研究为基础，针对企业数据资产入表十大难点提出一些可行的处理办法。本文将结合近期企业数据资产入表案例研究成果，针对企业计入“数据资源无形资产”的实践问题，详细阐述入表十大挑战之可行解法，助力企业2024年顺利推进数据资产入表。请注意，我们目前案例研究中遇到“数据资源存货”的比例较小，本文对这部分不做讨论。

01 / 数据资源确权难

数据二十条创新性地提出了数据资源持有权、数据加工使用权、数据产品经营权三权分置的确权路径，但在企业实践中，企业通过公开渠道自主采集的数据、企业业务中积累但涉及顾客个人信息的数据，甚至是企业采购的数据，各种不同渠道的数据来源如何确权，如何明确说明是“企业拥有或控制”，依然是摆在数据资产入表的第一大难题。针对这一问题，我们首先建议社会各界继续加强关于三权的研究，为三权的实践路径提供制度保障；其次企业从自身角度出发应该规范化、合规化数据加工相关的流程，尤其是采集方式、购买合同、数据内容、加工流程等可能产生合规风险的环节，必要时可以请律师事务所等机构协助确权。数据资源开发利用的前提是合法合规，保护公共安全和相关市场主体的隐私安全，其次是促进数据高效流通使用，赋能实体经济。

02 / 数据产品成本归集难

数据资产入表是对满足资产确认条件的数据产品进行会计核算、并在资产负债表列示与披露的过程，但我们研究发现，企业在数据产品的管理过程中，更多的是从满足特定需求为出发点，数据采集、清洗加工、建模开发、安全存储等环节的成本管控做得相对粗放，且数据业务部门和财务部门之间存在较大信息不对称，导致数据产品成本归集存在困难，进而导致“入表难”。我们认为，数据产品成本归集问题应该根据业务流程进行深度优化，一方面从理论方面研究数据产品这一类无形产品的精益管理，另一方面结合企业实践对数据产业链进行科学规划，合理布局数据加工链条中涉及的部门并落实工时管理系统，为数据产品开发流程中相关成本投入的可靠计量提供可靠依据。数据产品成本归集之难，暴露了目前大多数企业业财融合工作推进程度较低的状况，预示着企业需要纵向深度提升数字化水平。

03 / 数据产品收入与成本匹配难

这一难点一般是企业数据产品管理能力欠缺导致。不同的数据产品是为了满足特定细分场景的需求来研发的，但顾客的需求往往是综合的，所以企业跟客户之间的销售合约往往是多个数据产品打包销售的模式。不同的顾客可能有不同的组合产品包，且企业营销策略可能针对不同类型的客户存在差异，导致数据产品收入与成本匹配存在较大难度，这对企业数据产品管理提出较大挑战。我们建议，企业一方面应该建立数据产品管理目录，对于商业模式相似的同类数据产品统一管理，尤其是调用同一基础数据资源库的产品，另一方面形成数据产品投入产出评价体系，科学合理分析不同类别数据产品的实际价值，为内部产品研发、营销策略等决策提供支持。上海数据交易所在数据资产入表案例研究中已经协助一些企业形成有关数据产品的管理目录，并着力探索企业数据产品如何借力场内交易组织平台提高管理效率的方法。

04 / 数据资产确认难

首先，入表入的是确认为无形资产的数据资产达到使用状态之前的“投入”中满足资本化条件的部分。其次，目前市场上有很多人认为业务积累的数据资源可以先评估后入表，这是错误的观念，这部分数据资源的价值可以体现在产品的售价，但不能以评估价列示于资产项。个人和企业活动每天产生大量的数据，企业持续不断在进行数据采集、清洗、加工和生产，甚至数据产品在满足特定需求之后也依然需要不断投入去满足顾客对于检索、风险事件预警等资讯时效性的要求，这一业务模式导致数据产品达到预计使用状态的时点难确认，且与传统软件类无形资产存在较大差异，即达到预定使用状态之后企业依然要持续投入才能确保数据产品的使用有效性。这是目前数据资产确认的最大挑战。有的企业采集公开数据生成实时资讯类报告或者舆情类产品销售给客户，这一类产成品的特征是生产周期短、时效性非常强，且大多数产成品不具备超过一年的长期使用价值，即这一类产品虽然确实给企业带来了经济利益流入并且成本可靠计量，但很难确认为数据资源无形资产。

研究发现，如果企业是以数据作为生产要素，那与数据业务相关的投入有一大部分本质是主营业务成本，而非计入费用，合理记录有助于企业评估数据产品毛利率等关键指标。有的风控类（或产业类）数据产品时效性相对较弱，客户一般要检索过去三至五年的历史数据，但客户同时会要求产品供应方持续提供一年以上相关目标产品的实时数据更新，这意味着数据产品的交付不是一次性交易，而是长期合同的履约模式，这为该数据产品的确认和初始计量都带来了挑战。我们建议，企业和审计机构应该审慎判断数据产品的生产过程和使用场景，重点考察数据产品时效性特点，不应盲目以数据业务的持续性作为数据资产的确认标准。

05 / 数据资产研究阶段与开发阶段区分时点确认难

根据前期企业实践研究，我们发现大多数的数据产品是在需求驱动的场景下进行研发的，但也有一些数据产品是企业在对积累的数据资源进行治理之时实现了部分需求，进而继续加大投入进行数据资源商业化运营的。在这种情况下，对于满足资产确认条件的数据产品，如何区分研究阶段和开发阶段就显得至关重要，直接影响企业数据资产的初始规模。我们建议，对满足长期需求、符合数据资产确认条件的数据产品，在研究阶段结束时应该通过立项的方式确认开发时点，并尽可能量化后续开发阶段的人力和设备投入，为数据资产成本或价值可靠计量提供依据。

06 / 公共数据运营模式入表难

目前，公共数据授权给相关企业进行开发是很常见的模式，企业将数据资源开发形成模型类、核验类产品以接口形式提供给社会。一般情况下，公共数据授权部门和企业以接口调用次数进行收益分成，而这种模式下，被授权主体的收入与成本同时发生，导致公共数据授权费不满足资产确认条件，难以形成企业报表数据资产。针对这种情况，我们建议企业提前做好授权合约的设计和规划，通过收益管理和合约管理，可以将期初支付给授权机构的授权费用，以及数据产品开发相关的人力和设备投入，在数据产品符合数据资产确认条件时进行资本化。之后，我们建议一方面应该继续探索公共数据运营模式，深入研究公共数据定价，另一方面继续研究数据二十条提出的“由市场评价贡献、由贡献决定报酬机制”的实践方式，为公共数据产业链上相关的参与主体提供制度保障。

07 / 数据资产预计使用寿命确定难

本文尝试将数据产品按照使用场景分为三大类，舆情类数据产品属于产成品生命周期大概率小于一年的，不能满足无形资产的确认条件。营销类和风控类（或产业类）属于生命周期大于一年可以计入数据资源无形资产的数据产品。如前所述，企业数据产品是为满足特定细分场景的需求而设计的，而特定需求时效性如何判断往往存在较大困难，同时数据产品是否能持续满足特定场景的需求也存在疑问，如由于消费者的偏好持续变化，支持精准营销或者其他营销策略的数据产品往往在使用初期对于新客户获取或者老客户复购的效果较好，但随着时间推移，企业研发的营销类数据产品的使用效果会出现明显边际效用递减的特征，此时就需要企业优化营销模型甚至开发新的营销产品。基于此，营销类数据产品的预计使用寿命为几个月到一两年不等，很少有持续且集中为企业带来经济利益流入超过三年以上的营销类数据产品。而风控类数据产品的使用寿命则一般都比较长，以银行为企业客户提供授信的场景为例，一般情况下，银行会考察企业过去几年的经营情况，也会同时请提供企业舆情追踪的企业监测授信期该客户的风险事件，即某个时点新进入的银行客户会至少使用某企业客户的数据超过3年，有些甚至在5年以上。我们建议，一方面企业应该通过客户分析、客户调研等合理判断数据产品的使用寿命，另一方面审计机构应该通过全市场同类产品的对比来确认企业所提供的判断是否合理，严格把关财务报告关于数据资产摊销年限的选择。未来希望场内市场可以为审计师提供数据资产确认和计量的可靠信息。

08 / 数据资产摊销方法选择难

一般来说，无形资产的摊销方法可以选择直线摊销法或者加速摊销法，如年数总和法。在合理预计数据资产使用寿命时，我们认为应该审慎判断数据产品在需求场景中发挥作用的具体方式，尤其是对于时效性比较强的数据产品，建议应该用年数总和法等加速摊销方法。对于生命周期较长的数据产品，企业也应该在使用期限内紧密观察效果，如果出现销售不达预期或者其他不利情况，应该遵循不高估资产的原则，及时调整数据资产的账面价值。建议企业应该根据自身业务模式，严格审慎地选择适合的摊销方法并一致地运用于各会计期间。

09 / 内部使用数据资产确认难

金融机构和传统工业企业在数字化转型的过程中积累了大量的数据资源，并且将这些数据资源开发利用支持企业各项业务以期实现降本增效的目标。在对数据资源开发利用的过程中，企业往往会形成一定规模的内部使用型数据资产，这一类数据资产的确认较对外提供服务的数据资产更难。首先，该类数据资产预期经济利益流入很难评价，其次，对于拥有多平台、多产品的银行和证券等金融机构来说，成本或者价值可靠计量这一条也很难实现。目前，有的金融机构已经开始着手搭建内部数据产品的管理平台，从数据资源采购到数据产品开发进行全流程管控，这是一个很好的尝试，也为内部使用数据资产的可靠计量奠定了良好基础。我们建议，企业内部使用的数据资产可以参考内部使用的软件，首先制定内部使用效果评价体系，从量化指标上确认该数据资产的确起到了降本或者增效的效果，其次根据同行业或者公司历史研发的数据产品合理判断使用年限，审慎对内部使用的数据资产资本化。

10 / 数据资产税会差异应对难

企业会计上对于数据资产按照预计使用寿命加速摊销，如3年或者5年，但税法规定无形资产在不低于10年的摊销期限内，按照直线法计算的摊销费用准予扣除，因此，税会政策差异会导致企业需要支付较高的当期所得税费用。并且，确认数据资产的过程将企业按照以前会计准则费用化处理计入研发费用的部分计入资产，而这部分原本企业可以在所得税前享受加计扣除的税收优惠。因此，结果有二，第一是企业的研发费用减少对于申请高新技术企业或者IPO的企业来说，可能无法满足研发费用占收入比例的要求，第二是企业当期缴纳税费可能过高，对现金流产生影响。虽然税会差异并不是永久性的，只是时间性差异，但为了有效支持数据要素市场的发展，我们建议应该推进税法相关配套政策研究与实施。

数据产品精益管理、数据资产入表是数字经济时代的一个管理课题，需要社会各界共同关注，也需要国家级数据交易所为企业提供基础设施和制度保障。

作者简介

赵丽芳，上海数据交易所研究院研究员，复旦大学管理学博士，数据资产化研究项目负责人，主要研究方向包括数据资产入表、评估、创新应用等。

刘小钰，上海数据交易所总经理助理，长期参与数据要素市场建设顶层设计。推动数据要素领域资产入表，组织数据资产证券化等创新业务。致力于推动数据要素的资本化进程。

声明：本文来自上海数据交易所，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。