摘要：随着数字经济成为经济发展的新引擎，数据作为关键生产要素的价值日益凸显。对商业银行而言，数据资产入表不仅是响应会计准则的合规行为，更是其在数字经济背景下重塑核心竞争力、助力“五篇大文章”、推动高质量发展的战略支点，也是优化资产负债结构、激发金融创新活力、实现数字化转型的重要抓手。目前，商业银行虽拥有海量高价值数据资源，但在传统财务报表中长期处于“隐身”状态，制约了其价值实现。财政部出台的《企业数据资源相关会计处理暂行规定》，为数据资产入表提供了关键的政策窗口。本文围绕商业银行数据资产在确权、估值与会计适用等方面展开深入剖析并探讨其实施路径。

关键词：数字经济；商业银行；数据资产；资产入表；实施路径

在数字经济时代，数据作为继土地、劳动力、资本、技术之后的第五大生产要素，已成为推动经济社会数字化转型的核心引擎。它不仅深度融入生产、分配、流通、消费及社会治理全流程，更从根本上重塑着经济发展模式、社会运行结构与治理体系。在全球数字经济竞争格局加速演变的背景下，我国明确提出“数字中国”战略并部署“数据要素×”行动计划，彰显了将数据要素转化为国家竞争优势的坚定意志。

一、商业银行数据资产重要性与入表制度推进

（一）数据资产的重要性

金融数字化转型与数据要素化建设已上升至国家战略，中央金融工作会议提出的科技金融、普惠金融、数字金融协同发展，均以数据资源的高效集聚、合规流通和价值释放为核心支撑。商业银行作为金融体系主体，沉淀了多维度、高连续性、强关联性的海量数据，但因暂未全面契合会计层面“资产” 的确认标准，其经济价值处于“隐形化”状态。这种资源价值与资产确认的制度性断裂，既制约了商业银行对数字化成果的计量与价值表达，也阻碍了其通过数据资本化赋能业务创新与战略转型。

（二）数据资产入表的深层意义

商业银行数据资产入表并非单纯的会计技术适配，而是涉及多维度的综合性变革，要求商业银行在战略层面明确数据的核心资产地位，在公司治理层面搭建配套权责体系，在业务流程层面实现数据链与价值链深度融合，在风险管控层面应对确权、估值、信息安全与合规等新挑战，甚至可能催生数据驱动的商业模式创新。因此，剖析商业银行在数据确权、价值评估、会计适用性、合规管理等方面的现实难点，构建科学可行的入表实施路径，不仅对商业银行突破数字化发展瓶颈、实现内涵式增长具有迫切的现实意义，也对完善现代金融体系、提升金融服务实体经济效能具备重要的学术价值与战略价值。

（三）入表制度的推进基础与发展阶段

近年来我国在数据要素基础制度与会计处理规范领域取得一系列关键突破，为商业银行数据资产入表奠定了坚实的制度基础。《中华人民共和国民法典》，将数据纳入民事权利客体，为数据确权奠定法理；国家级规划《“十四五” 数字经济发展规划》对数据要素发展作出专章部署，明确核心发展方向；顶层设计“数据二十条” 细化了数据产权、流通交易、收益分配、安全治理的基本框架；《“数据要素×” 三年行动计划（2024—2026 年）》推动数据要素在重点行业的规模化应用。尤其是财政部《企业数据资源相关会计处理暂行规定》的正式实施，以及《商业银行业数据资产估值指南》等行业指引的陆续出台，构建起数据资源入表的制度通道与实操依据，标志着我国数据资产化发展从理论探索正式迈入规范实施的新阶段。

二、数据资产入表核心难点剖析

数据资产入表的本质，是使其满足会计准则中“资产”的定义—由企业过去的交易或事项形成、由企业拥有或控制、预期能带来经济利益流入的资源。数据资产是指由特定主体合法拥有或控制的，能够为主体带来未来经济利益的，以物理或电子的方式记录的数据资源。商业银行的数据资产具备巨大价值潜力，而其在推进数据资产入表的过程中，也面临诸多挑战。

（一）确权与合规：数据权属的复杂性

商业银行数据资产入表面临的首要障碍是内外部数据权属界定的复杂性，尽管 “数据二十条”提出的“三权分置”制度为数据确权提供了创新框架，试图平衡个人信息权益保护与数据要素市场化配置需求，但该制度在商业银行实践中仍面临挑战。对于客户交易、信用评级模型、业务衍生等内部数据，其权利边界存在天然模糊性，在个人信息主体依法享有完整权利体系的前提下，商业银行对客户数据的持有与加工是否构成会计意义上的“控制”，尚需在法解释学层面厘清，且银行需在“知情-同意”原则与数据资产化需求间搭建合规桥梁，明确数据处理的合法性基础、构建完整权利流转链条。

相较于内部数据，行业数据、第三方数据等外部数据，权利链条完整性存在更多不确定性，商业银行作为使用方，其数据使用权利源于信息提供者与信息主体的双重授权，而确保该授权的充分性、持续性与可验证性，是对第三方数据确立合法控制权的重要前提。

从会计确认角度而言，“控制”作为资产确认的核心要件，在数据资产领域需要更严谨的执行，内外部数据确权过程中若缺乏清晰、稳定、可执行的权利证明，会计确认将面临法律风险，这既需要法律制度的进一步完善，也要求商业银行在数据治理、合规管理、技术保障等方面构建全方位制度体系。

（二）价值与计量：经济利益的难以度量

价值确定与计量是会计计量的核心，资产评估中常用的成本法、收益法、市场法，虽为通用估值框架，但因数据资产的特殊性，三者在实际应用中均存在显著局限性，导致其经济利益难以可靠度量。成本法的局限性主要体现在成本难以可靠归集，数据资产的生命周期涵盖采集、清洗、存储、分析、安全等多个环节，分散且动态发生，其相关支出中资本性支出与费用性支出相互交织，难以清晰划分；同时，IT 基础设施、人力成本等共同投入需在不同数据资产间分摊，但目前缺乏公允、统一的分摊标准，导致基于历史投入或重置成本的估值缺乏准确性。收益法（未来现金流量法）的局限性核心是未来经济利益难以合理预测与计量，数据资产的价值高度依赖应用场景，且会随场景、技术迭代动态变化，其产生的经济利益多为间接性、协同性收益—例如，用于智能风控的数据模型，价值体现为坏账损失的减少；用于精准营销的数据，价值体现为客户转化率的提升，此类收益无法像传统资产的直接现金流那样被清晰、可靠地量化，且折现率、经济寿命等核心评估参数的确定存在较大主观性。市场法的局限性则源于数据交易市场的不成熟，当前数据资产交易市场尚未形成规模化、规范化格局，公开的可比交易案例极为稀少，尤其是银行核心数据资产多为内部使用或独家授权，缺乏可参考的市场交易价格；同时，不同数据资产在权属完整性、数据精度、加工深度、合规性等方面的差异难以精准量化，进一步限制了市场法的适用范围。

此外，数据资产价值评估还存在信息价值主观性带来的额外难题。数据之间的价值差异核心体现为信息，而信息价值的评估具有极强的主观性，这进一步加剧了数据资产经济利益度量的难度。

（三）准则适用：会计分类的选择困境

数据资产入表面临难题在于会计分类的选择分歧与实操困境，具体体现在学术争议、科目适配冲突两大层面，导致商业银行数据资产难以在传统会计科目体系中找到精准匹配，直接制约入表推进。一方面，学术界对数据资产的会计归属缺乏共识，为银行入表的分类选择埋下基础障碍。另一方面，数据资源资本化与费用化的划分存在冲突，尽管《企业数据资源相关会计处理暂行规定》明确了数据资源可作为 “无形资产”或“存货”两类科目入表，但具体适用场景的抉择难度较大，且两类归类均存在明显的适配局限：若将数据资产归类为“无形资产”，需严格满足准则中 “可辨认性”（能够从企业中分离或划分出来）与“非货币性”的要求，而商业银行多数数据资产与银行业务深度绑定，难以单独分离，可辨认性难以充分证明；同时，无形资产后续计量多采用成本模式，无法反映数据资产随积累、迭代可能实现的增值属性，与数据资产的价值特性不匹配。若将其归类为“存货”，仅适用于以出售为目的的数据产品，但商业银行的数据资产核心用途是支撑内部业务开展、辅助经营决策，直接用于出售的占比极低，与存货的“持有以备出售”的核心定义不符；此外，即便少数可出售的数据产品，其“可变现净值”的确定受市场供需、数据精度、合规性等多重因素影响，主观性极强，无法可靠计量，难以满足存货的计量要求。

（四）数据管控：全流程合规风险高

一方面是隐私保护与合规约束突出。数据资产核心载体为个人信息、企业敏感数据，入表全流程需严格遵循《个人信息保护法》《数据安全法》等法规，“知情-同意”法定原则与数据资产化规模化需求存在天然冲突，授权的精细化、持续性要求与数据整合利用的效率诉求难以平衡，易出现授权瑕疵或资产化推进受阻问题。

另一方面是现有风控体系适配性不足。商业银行现有风控体系围绕传统资产构建，聚焦信用、市场、操作等传统风险，未覆盖数据资产权属侵权、数据泄露、计量失真等特有风险，缺乏对应的风险识别指标与评估体系，并且数据资产流转具有跨部门、跨主体、无实体的特点，流转边界与使用范围难以全程监控，行内无统一的流转台账与权限管控机制，跨主体亦无协同监控体系，合规管控难以落地，易出现超范围使用、权属链条断裂等问题，监管处罚风险显著。

三、数据资产入表实施路径

结合前文剖析的商业银行数据资产入表存在的难点，立足数字经济发展趋势、银行业务特性及现有制度基础，围绕“夯实基础、破解瓶颈、规范推进、防控风险”的核心思路，从确权合规、估值计量、准则适配、管控体系四大维度，提出针对性、可落地的实施路径，推动商业银行数据资产规范、有序入表，实现数据资源价值显性化。

（一）破解确权合规难点：明晰权属边界，筑牢合规根基

以数据“三权分置” 制度为指引，结合银行业数据特性，明确内外部数据权属边界，搭建全流程合规体系，破解权属模糊与合规失衡难题。细化内外部数据确权流程：针对内部客户交易、信用评估等数据，结合《个人信息保护法》《民法典》相关规定，细化数据资源持有权、加工使用权、产品经营权的边界，明确银行对数据的“合法控制权”认定标准，区分个人信息主体权利与银行数据资产权利的边界；优化客户授权体系，搭建“知情-同意- 撤回”全流程授权机制，通过隐私政策、专项授权协议等形式，明确授权范围、期限与用途，确保数据采集、加工的合规性。针对外部第三方数据，建立严格的准入与授权审核机制，要求数据提供者出具完整的权利链条证明，核实信息主体与提供者的双重授权，签订合规合作协议与权属担保协议，明确授权的充分性、持续性与可验证性，防范权属侵权风险。完善合规协同机制：联动监管机构、行业协会，推动出台银行业数据确权专项指引，结合银行实操场景制定典型案例，明确确权流程与合规标准；商业银行内部建立“业务+合规+法律+技术” 协同机制，对数据采集、加工、存储、流转等全环节进行合规审核，提前排查合规风险，平衡“知情-同意”，原则与数据资产化需求，避免授权瑕疵与资产化推进受阻的双重困境。

（二）破解估值计量难点：优化估值体系，实现可靠计量

立足商业银行数据资产 “内部赋能为主、价值动态变化” 的特性，优化传统估值方法，构建适配银行业的估值体系，破解经济利益难以度量的难题。优化三大估值方法的实操适配：针对成本法，制定数据资产成本归集细则，明确资本性支出与费用性支出的划分标准，建立公允的 IT 基础设施、人力等共同成本分摊模型，实现成本全流程追溯，提升成本归集的准确性；针对收益法，结合银行智能风控、精准营销等应用场景，建立差异化收益量化模型，将坏账减少、转化率提升等间接、协同性收益转化为可量化现金流，优化折现率、经济寿命等核心参数的确定方法，结合行业经验与银行实际建立参数参考体系，降低主观性；针对市场法，推动银行业数据交易市场培育，鼓励标准化数据资产交易，积累可比交易案例，建立数据资产差异调整指标体系，精准量化权属、精度、合规性等差异，提升市场法的适用性。引入第三方专业估值机构，对核心数据资产估值结果进行复核，建立估值动态调整机制，结合技术迭代、场景变化、数据质量提升等因素，定期调整估值结果，确保估值的公允性与可靠性。另外借鉴试点商业银行经验，创新估值模式，探索适合银行业的专属估值方法，破解公允价格难以获取的问题。

（三）破解准则适用难点：推动准则适配，明确分类标准

依托现有会计制度，明确会计分类选择，破解科目适配困境，实现准则与银行实操的精准衔接，结合商业银行数据资产特点，制定完善银行业专项补充指引，明确数据资产的会计分类标准、确认条件与计量属性。明确会计分类实操选择，结合商业银行数据资产用途，明确分类原则：核心用于内部业务决策、与核心业务深度绑定、难以单独分离的数据资产，归类为 “无形资产”，细化无形资产“可辨认性” 的认定标准，适配银行业数据资产业务附着性特点，优化无形资产后续计量模式，增加价值重估选项，反映数据资产的增值属性；对少数以出售为目的的数据产品，归类为“存货”，完善可变现净值的确定方法，结合市场供需、数据精度、合规性等因素，建立量化参考体系，降低主观性；在无形资产科目下增设 “数据资产”明细科目，实现数据资产单独列示、清晰核算。

（四）破解数据管控难点：健全管控体系，防控全流程风险

聚焦数据隐私保护与风控适配不足的问题，构建“合规管控 + 风险防控”双重体系，实现数据资产全流程可控、可追溯，防范合规与安全风险。强化全流程隐私保护与合规管控，严格遵循《个人信息保护法》《数据安全法》等法规，构建数据采集、加工、流转、存储、销毁全生命周期合规管控体系；在数据加工环节，建立分级脱敏、去标识化处理标准，平衡数据价值可计量与隐私保护的需求，避免过度脱敏导致数据失去计量价值、脱敏不足引发信息泄露；规范数据流转行为，明确行内跨部门、行外跨主体的流转边界，建立数据流转台账，实现全流程追溯。优化风控体系适配性，完善商业银行风控体系，将数据资产权属侵权、数据泄露、计量失真等特有风险纳入管控范围，建立对应的风险识别指标、评估体系与预警机制，实现风险提前识别、精准预警、快速处置。搭建统一的数据资产管控平台，整合技术手段，实现数据权限分级管理、流转全程监控，解决跨部门、跨主体流转管控难的问题。

四、结语

数据资产入表绝非终点，而是新起点。它标志着商业银行经营管理进入一个数据价值可量化、可管理、可交易的新阶段。展望未来，随着人工智能大模型技术的融合应用，数据资产的增值潜力将进一步放大；随着全国统一数据要素市场的培育成熟，数据资产的流动性与公允价值计量将更具可行性；随着国际财务报告准则的持续演进，全球范围内数据资产的会计处理将逐步趋同。商业银行应把握历史机遇，将数据资产入表作为战略工程，不仅实现财务价值的显化，更要通过数据资产赋能“五篇大文章”，在服务实体经济高质量发展中创造更大价值。

参考文献

[1]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[Z].2022

[2]赵星，宁谢琳，苏飞.商业银行数据资产入表的推进路径研究[J].金融科技时代，2025，33（03）：45-51.

[3]王琦.商业银行数据资产入表的探讨[J].产业创新研究，2025，（11）：87-89.