一、引言

在数字经济时代，数据作为新型生产要素，其资产化进程对企业的财务管理和价值释放意义重大。2023年财政部《企业数据资源相关会计处理暂行规定》的出台，标志着数据资产“入表”进入实践阶段，然而数据确权、估值、会计处理等环节仍面临诸多挑战。

本文以华科技为典型案例，系统研究数据资产入表的政策背景、实施流程与核心问题，并提出针对性解决方案，旨在为完善数据资产化路径提供理论参考，同时帮助会计学习者深入理解数据资产入表的相关内容、流程及易出现的问题，以促进其会计学习。

二、数据资产入表的政策与现状分析

（一）政策背景

在数字经济快速发展的大环境下，数据资产作为新型生产要素，其价值评估面临着时效性计量与标准化建设的双重挑战，且二者同等重要、缺一不可。

财政部近期出台的《企业数据资源相关会计处理暂行规定》虽构建了入表框架，

明确了以下几点

适用范围：明确企业自用数据资源（如内部数据分析平台）和对外交易数据资源（如数据产品）的不同会计处理方式。

确认条件：数据资源需满足可控性、预期经济利益流入和成本可靠计量三大条件方可资本化。

列示与披露：要求企业在财务报表附注中详细披露数据资产的来源、应用场景、摊销方法等信息。

政策意义：这是中国首个专门规范数据资产会计处理的文件，标志着数据要素正式进入企业资产负债表。 ¹ 但在数据时效性的动态评估和标准化的统一计量这两个关键维度上均未充分覆盖。一方面，金融、医疗等行业的数据价值随时间呈现出差异化衰减特征，建立科学的时效性计量模型迫在眉睫；另一方面，跨行业数据资产的价值评估长期缺乏统一标准体系，这严重制约了数据要素的市场化流通。

《数据要素市场化配置综合改革实施方案》和《关于构建数据要素基础制度的指导意见》虽都强调了标准化建设的重要性，但对时效性问题的关注明显不足。实践表明，数据资产入表的障碍既源于难以量化其价值随时间变化的规律，也来自缺乏跨行业、跨领域的统一评估标准。这两个问题相互关联、相互制约：没有科学的时效性计量方法，就难以建立动态的标准体系；而缺乏统一标准，时效性研究也难以形成可推广的实践方案。

因此，推进数据资产入表必须坚持“双轮驱动”的研究思路：既要深入分析不同场景下数据价值的时效特征，构建动态评估模型；又要制定覆盖数据全生命周期的标准化评估框架，包括统一的指标参数、计量方法和披露要求。只有在理论和实践上同时突破这两个维度，才能真正解决数据资产化的核心难题，为数字经济高质量发展提供坚实支撑，这种“时效性+标准化”的并重研究范式，也将为全球数据要素市场建设提供中国方案。

三、佳华科技与其他行业的处理差异

1. 数据资产确认标准

• 佳华科技：数据资源未计入无形资产，而是计入开发支出。这可能是因为公司认为数据资源尚未达到无形资产确认标准，或者公司政策较为谨慎。

• 宁波银行：明确将符合无形资产定义和确认条件的数据资源确认为无形资产，显示了对数据资产的积极确认态度。

• 腾讯控股、阿里巴巴、美的集团：未在公开信息中明确披露数据资产的确认标准。

2. 计量方法

• 佳华科技：采用开发支出资本化，数据资源相关支出在开发阶段予以资本化。

• 宁波银行：采用成本法进行初始计量，并在使用寿命内按直线法摊销。

• 腾讯控股、阿里巴巴、美的集团：未明确披露数据资产的计量方法。

3. 披露内容

• 佳华科技：披露了数据资源计入开发支出的具体金额（255.87万元），并说明技术产品已结项或接近结项。

• 宁波银行：详细披露了数据资源的使用寿命（3年），并说明每年复核使用寿命及摊销方法。

• 腾讯控股、阿里巴巴、美的集团：未明确披露数据资产的具体信息。

四、共性问题

1. 确认标准不统一：不同行业、不同公司对数据资产是否应确认为无形资产的标准存在差异，部分公司未明确披露。

2. 计量方法不明确：除宁波银行外，其他公司未明确披露数据资产的计量方法，可能导致财务报表使用者难以理解数据资产的价值。

3. 披露不充分：多数公司未充分披露数据资产的具体信息，如使用寿命、摊销方法、减值测试等，影响了信息的透明度。

五、数据资产入表的核心问题

（一）估值问题

数据资产的价值具有不确定性和动态性，难以准确计量。不同行业数据的时效性特征不同，金融、医疗等行业数据价值随时间衰减较快，而一些基础数据的价值衰减相对较慢，这给估值带来了很大困难。同时，目前缺乏统一的估值方法，企业多根据自身情况选择成本法、收益法或市场法，导致估值结果缺乏可比性。

（二）确权问题

数据资产的所有权、使用权、收益权等权利归属不明确，这是数据资产入表的重要障碍。数据的产生和流转过程复杂，涉及多个主体，使得确权工作面临诸多挑战。例如，用户在使用企业产品或服务时产生的数据，其所有权究竟属于用户还是企业，尚无明确的法律界定。

（三）会计处理问题

现有会计准则对数据资产的会计处理规定不够细化，企业在数据资产的确认、计量、记录和报告等方面缺乏明确指引。例如，数据资产应作为无形资产还是其他资产列报，其摊销方法如何确定等问题，都需要进一步明确。

（四）标准化问题

跨行业数据资产的评估缺乏统一的标准体系，包括指标参数、计量方法和披露要求等。这导致数据资产的价值难以进行横向比较，制约了数据要素的市场化流通。初始计量采用历史成本法虽具可靠性，但难以反映数据资产的真实价值。随着数据交易市场的完善，基于收益法或市场法的公允价值计量将是未来趋势。2

用问题诊断法研究佳华科技数据资产相关问题

1.数据确权边界模糊问题

佳华科技核心数据（如生态环境监测数据、碳排放数据等）来源多元，包括政府合作采集、企业授权数据、物联网终端接入等，但年报未明确这些数据的所有权、使用权及收益权划分规则。例如，其生态环境“双碳”云图数据库接入 20 多万个物联网终端数据和 70 余万家企业数据，跨主体数据共享平台串联控排企业、政府及金融机构，但均未披露数据权属协议细节或收益分配机制，数据确权边界缺乏明确约定

2.数据资产入表落地滞后问题问题类型：数据资产入表实践不足，会计处理与价值体现

脱节。

具体表现：公司积累了大量环境监测、碳排放等数据（比如 600 多亿条生态环境数据），但财务报表里没有专门的 “数据资产” 科目，这些数据的价值没在账上体现出来。即是参与数据资产评估试点并探索入表路径，但财务报表中未单独列示数据资产价值，数据资源未转化为明确的会计科目，入表规则落地进展缓慢。

佳华案例：年报明确 “数据资产入表” 定义为 “符合会计准则的数据资源在会计报表中记录和报告”，且公司财务总监曾分享 “数据资产入表方法与路径”，但 2024 年财务报表中 “无形资产” 仍主要核算软件著作权、专利等，未单独披露数据资产价值；研发资本化项目 “生态环境“双碳”云图V2.0” 虽涉及数据资源，但未明确其作为数据资产的入表金额及核算方式，数据资产的会计确认仍处于探索阶段。

3.数据资产估值模型缺失问题

问题类型：缺乏系统化估值模型，数据价值与研发投入不匹配。

具体表现：研发投入与数据资产价值增长无明确对应关系，核心数据资源（如生态环境“双碳”数据库）的经济价值未通过估值模型量化。花了钱搞数据研发（2024 年研发投入5263 万元），但这些投入形成的数据到底值多少钱，没有明确的计算方法，数据价值和投入不挂钩。

佳华案例：2024 年研发投入总额 5263 万元（同比减少32.49%），其中资本化研发投入 413.9 万元（用于生态环境“ 双碳”云图 V2.0），但年报未说明该投入形成的数据资产（如 600 多亿条生态环境数据、20 万个物联网终端接入数据）的估值逻辑；虽拥有 “数据资产价值动态评估模型” 核心技术，但未披露具体估值结果或应用案例，数据资产价值仍缺乏可量化的财务体现。

4.数据运营效率偏低问题

问题类型：数据清洗、维护的边际成本高，运营效率未随规模提升。

具体表现：数据运营服务收入增长停滞，毛利率偏低，研发人员减少可能影响数据处理自动化水平。

佳华案例：2024 年 “数据运营服务” 收入 2.01 亿元（同比减少 0.44%），毛利率仅 15.08%；同期研发人员从 264 人减至 177 人（减少 32.95%），研发费用中工资薪金减少，可能导致数据清洗、算法优化等自动化工具迭代放缓。年报提到“技术服务成本” 包含数据终端维护、监测数据清洗，但未披露单位数据处理成本，侧面反映运营效率提升有限。

5.数据资产商业化路径单一问题问题类型：数据服务依赖传统项目，独立变现能力薄弱。

具体表现：数据增值服务收入占比低，主要依附于硬件销售或系统集成，纯数据产品商业化进展缓慢。数据大多跟着硬件设备或工程项目卖（比如环保监测设备），单独靠数据赚钱的业务很少，没形成 “数据卖钱” 的稳定模式。

佳华案例：2024 年主营业务收入中，“感知及平台建设”收入 5390 万元（同比减少 46.95%），“数据运营服务” 收入占比 67% 但毛利率仅 15.08%；虽推出 “绿金 e 碳 APP”“碳账本” 等数据产品，但收入结构中硬件销售及系统集成仍占主导，纯数据服务（如碳数据定制分析、环境数据API 授权）未形成规模化收入，年报未单独披露数据产品的独立营收。

6.数据合规成本隐性增长问题

问题类型：数据安全与合规投入增加，但未单独核算，看不到具体花了多少，增加了利润压力。

具体表现：数据安全技术研发、合规审计等成本隐含于研发费用及管理费用，未明确归集为数据资产合规成本。

佳华案例：年报披露数据安全产品核心技术包括 “国密体系”“区块链可信存证平台” 等，2024 年研发投入中包含数据安全相关技术开发，但未单独列示合规成本；“风险提示”中提及 “数据安全合规成本上升”，但财务报表中合规成本分散于 “研发费用”“管理费用”，未单独披露金额，合规投入对数据资产运营的压力难以量化。

六、解决方案与建议

（一）完善估值模型

针对不同行业数据资产的时效性特征，构建差异化衰减计量模型。在金融、医疗等时效敏感领域，进一步完善基于时间序列的非线性价值衰减函数，提高估值的准确性。同时，推广统一的估值方法，如建立行业公认的收益法参数体系，增强估值结果的可比性。

（二）明确数据确权规则

案例研究表明，金融机构数据资产入表面临‘确权难、成本分摊难、估值难’三大挑战，其解决高度依赖于企业内部的数据治理体系和成本核算的精细化水平3

加快相关法律法规的制定，明确数据资产的权利归属。建立数据产权登记制度，规范数据的流转和交易，保障数据主体的合法权益。可以部分适用于数据资产，但需调整以适应数据的非实体性、可复制性等特点。可以采用分阶段实施路径：

短期：符合条件的数据资源（如企业自研数据库）可计入无形资产，按成本法计量；

长期：需建立专门的数据资产会计准则，并配套完善数据交易市场、估值方法和信息披露规则。4

（三）细化会计处理规范

根据数据资产的特点，进一步细化会计准则中关于数据资产的会计处理规定。明确数据资产的确认条件、计量属性、摊销方法和披露要求等，为企业提供清晰的会计处理指引。例如，规定数据资产作为无形资产列报，根据其预期经济利益的实现方式选择合适的摊销方法。

（四）建立标准化评估体系

设计覆盖数据全生命周期的标准化评估框架，包括统一的指标参数体系、计量方法规范和披露要求。通过建立全国统一的数据要素市场技术支撑体系，实现跨行业数据资产的可比性评估，促进数据要素的市场化流通。

如：数据质量维度：完整性、准确性、时效性；

应用场景维度：行业需求强度、商业化潜力；

市场环境维度：交易活跃度、法律合规性。

模型采用层次分析法（AHP）确定权重，并结合案例验证其可行性。5

（五）加强政策支持与监管

政府应加大对数据资产化的政策支持力度，出台相关激励措施，鼓励企业积极开展数据资产入表实践。同时，加强对企业数据资产会计处理的监管，规范企业的会计行为，确保财务信息的真实性和可靠性。

七、结论

数据资产入表是数字经济发展的必然趋势，对于企业的财务管理和价值释放具有重要意义。然而，当前数据资产入表面临着估值、确权、会计处理和标准化等诸多核心问题。通过构建差异化估值模型、明确数据确权规则、细化会计处理规范、建立标准化评估体系以及加强政策支持与监管等措施，可以有效解决这些问题，推动数据资产化进程。

本研究通过对政策和案例的分析，提出了相应的解决方案与建议，希望能为完善数据资产入表的路径提供参考，促进数字经济高质量发展。同时，也为会计学习者提供了对数据资产入表的更深入理解，为其未来的学习和实践奠定基础。

未来的研究可以进一步扩大案例范围，深入探讨不同规模企业数据资产入表的差异，以及国际数据资产会计处理经验对我国的借鉴意义。

参考文献

1］财政部会计司课题组.（2023）. 企业数据资源相关会计处理暂行规定解读. 财务与会计

［2 ］黄世忠.（2022）. 国际数据资产会计准则比较研究. 会计之友.

3 ］赵哲，等.（2024）. 商业银行数据资产入表实践路径与风险防控——以A银行为例. 金融论坛.

4 ］张敏，等.（2023）. 数据资源会计入表：理论逻辑与实践路径. 会计研究

［5 ］李峰，等.（2021）. 数据资产价值评估模型研究. 中国资产评估

基金项目：本文系大学生创新创业项目的研究成果。