2024年12月26日，“释放×数效应·共创智+未来”2024第七届金猿&魔方论坛——大数据产业发展论坛暨数据要素趋势论坛在上海成功举办。

论坛由金猿组委会、数据猿、上海市数商协会和上海大数据联盟联合主办，新华社中国经济信息社作为支持单位，吸引了政府、企业、学术界和媒体界数百位精英人士参与，共同研讨大数据及数据要素产业的未来发展方向。

新华社中国经济信息社大数据中心总经理张瑾在论坛上做了“以终为始，推进数据资产化行稳致远”的主题演讲。

张瑾坦言，2024年被称为数据资产“元年”。年初还被视为蓝海的大数据及数据要素产业，到了年底却走向红海、甚至黑海，竞争异常激烈。

同时，数据要素市场在发展过程中也出现了许多新情况，例如，参与企业越来越多，不少企业打起了“价格战”；从财务角度出发，数据资产虚假评估的现象增多等。

这些问题直接导致了两个极端情况的出现：一是对数据要素市场持保留态度，甚至妖魔化数据资产相关事务；二是舍本逐末，背离数据资产入表的初衷，放弃发挥数据要素价值的核心目标而追逐蝇头小利。

张瑾认为，实际上数据资产入表是一种手段而非目标，关键在于赋能各行各业，实现数据要素的价值化，推动行业稳步长远发展。

新华社中国经济信息社大数据中心总经理 张瑾

十年育新机，无相化有形，数据资源入表战略逻辑日渐清晰

从传统经济学角度来看，对企业有用即为资产。然而，在财政部2023年发布《企业数据资源相关会计处理暂行规定》之后，数据资产的界定更多地从会计视角出发，即符合资产确认的几大标准。

张瑾介绍说，数据资产具体而言是指企业拥有或控制的、预期会给企业带来可持续经济利益（内部价值或外部收益）、以数据为主要内容和服务的可辨认形态。

从宏观层面看，数据资产化是国家培育数据要素市场的创新之举，能够促进高价值的数据实现流通与共享。

微观层面上，数据资产化是众多企业数字化转型的关键助力，有助于企业将数据提升到战略高度，催生第二增长曲线。

以前，AI发展受限于算力、能源等掣肘因素，但如今制约AI大模型发展的关键因素则转移到稀缺的高质量数据集。发展数据资产，恰好能推动高质量数据集的建设，而国家数据局推动的数据标注产业建设等，便着眼于此。

、

数据资源入表是近几年我国发展数据要素市场的一个重要举措。张瑾介绍说，数据资源入表指的是企业原先费用化、但满足资产确认条件的数据资源，可以根据财政部《企业数据资源相关会计处理暂行规定》，计入资产负债表相关科目。

而数据资源能否确认为资产，并非随意而为。资产是指由企业过去的交易或事项形成的、由企业拥有或者控制的、预期会给企业带来经济利益的资源。

因此数据资源必须满足资产确认的几大条件，才能成为资产，包括由过去的交易或事项形成，企业拥有或控制，预期能带来经济效益等。同时还需满足资产的两个确认条件，即经济利益很可能流入，成本能可靠计量。只有满足这些条件，数据资源才能被确认为数据资产，并在资产负债表中体现。

张瑾以某些SaaS类数据产品为例来说明，过去企业在数据采集、清洗、加工、设计、研发等方面的投入往往费用化处理，直接反映在利润表的成本费用中。然而，按照新的规定，如果这些投入符合资产确认条件，那么企业就可以将其资本化，作为无形资产放入资产负债表中，不仅能增加当年的利润，而且还能提升企业的估值和资产规模。

张瑾用十个字来概括数据资源入表的战略逻辑。

一个是“十年育新机”。我国数据要素市场的发展已有十年之久。自2014年大数据首次写入政府工作报告以来，我国在全球范围内率先进行了数据要素制度的理论创新，包括将数据纳入生产要素、讨论数据所有权等，为我国数字经济的发展和企业数字化转型带来了新的机遇。

另一个是“无相化有形”。“无相化有形”就是让原本无形无态、不可见的东西变成看得见、摸得着的实际存在。具体而言，数据本身是抽象的，在数据资产化路径中基于企业微观实践，可有效带动数商生态体系繁荣，催生众多数商。其中就包括进行数据加工、数据治理、数据安全等的技术型数商，打造产品模型的应用型数商，以及律师事务所、评估机构、会计师事务所等服务型数商。

张瑾认为，数据资源能否形成数据资产，关键在于能否产生经济效益，其核心环节是数据产品化，是数据要素赋能千行百业。财政部《暂行规定》与国家数据局“数据要素×”行动计划可以说是一脉相承，而国资委、数据局、财政部等共同推进数据资源入表，是数据要素市场的重要抓手。

张瑾总结数据资产入表的意义。他认为，从微观层面来看，首先，数据资产入表显化了数据价值。短期看，由成本费用转入资产，再进行摊销，可增厚企业利润；长期看，数据资产还可实现资本化、证券化操作。

其次，数据资产入表可推动企业建立基于数据决策的战略体系，将数据当作资产去管理，可有效提升企业数据资产的管理水平，增强企业数据资产的管理意识，激活数据要素市场供需主体的积极性。

最后，数据资产入表能有效推动企业数字化转型，激活数据价值，创造新的商业模式。

从宏观层面来看，数据资产入表是赋能数字经济发展的重要手段，不仅能带动整个产业链的发展，还能推动数据要素市场的完善，为我国在全球数字经济竞争中占据有利地位提供强有力的支撑。

数据产品是核心，合规性检验不可缺，数据资产化路径日益完善

张瑾多次表示要瞄准数据资产化的核心目标。他认为，数据资产化涵盖三个过程，首先是数据资源化，即原始数据通过一系列加工、治理，转化为具有价值的数据资源；其次，是数据产品化，即通过产品研发，将数据资源转换为数据产品，实现交换价值；最后，是数据资产化，数据产品通过对外交换，变成数据资产，实现经济价值。

因此，他认为数据资产化不仅仅局限于数据资源入表这一狭义的概念，更在于数据产品的设计和数据挖掘，推动数据与各行各业的融合，实现数据要素赋能千行百业，发挥叠加倍增的作用，释放数据资产的价值。

张瑾提出，数据产品是数据资产入表的核心。《暂行规定》明确，数据资源本质上是数据生产要素，将其定义为数据资源是一种审慎的做法，建议把数据产品作为最终确认资产的载体，因为数据产品的生命周期明确，可以作为价值交换的媒介和重要载体，实现数据资源向数据资产的转化。

很多企业认为，数据资源就等于数据资产，张瑾认为实则不然。如果没有产生价值，数据资源可能会成为一种负债。从原始数据经过加工、治理形成具有使用价值的数据资源，再通过产品模型化研发，形成具有交换价值的数据产品，最终实现数据资产以及后续的资本化。核心就在于数据产品的形成过程。

目前，中国市场数据产品种类繁多，可以入表的数据资源种类丰富，例如经过企业加工、处理和研发后，以数据产品的形式提供给用户的业务数据，包括专利、版权、商标等知识产权数据，包括客户信息、购买历史和偏好数据等客户数据与供应商、合作伙伴数据，以及如生产数据、财务数据、人力资源数据等。

张瑾认为，数据资源形成数据资产并不复杂，其本质上是将计算机语言转化为会计语言。核心在于投入实质性加工或创新性劳动，且具备自主知识产权。例如公开的法律法规库，仅简单排序就对外销售并不能成为自己的数据资产。又如，启信宝基于公开数据进行了独特加工和知识产权投入，该类投入可以形成数据资产。

数据资产化另一个核心是合规性检验，涉及数据合规和权属合规。数据合规涵盖来源合规、内容合规、处理合规、管理合规、经营合规等多方面。

数据权属合规则包括梳理完整授权链条。自行采集数据时，应获取数据主体的恰当授权；购买数据时，应获得供应商和数据主体的恰当授权。

同时应该建立数据权属监督管理机制，维护数据资源的权属变更情况，如获取数据授权存在期限的，应在资产使用寿命估计中予以合理反映和披露。

在张瑾看来，数据资产化包括数据资源入表是企业的一项战略任务，绝不能仅靠财务部门，也不是单个部门能完成的，需要业务部门和数据技术部门共同推进，甚至可以说是“一把手工程”。

在数据资产价值评估方面，虽然有多种方法，但评估和入表本身没有太多必然联系，更多是在数据资产证券化、金融化等场景下才需要进行评估。

张瑾列举了两个数据资产化的案例。

诸暨市传媒集团在教育数据资产化方面取得了重要成果。他们将学生的考试作业答题数据进行扫描和电子化处理，形成原始数据后进行数据模型化开发，应用于精准教育场景，并与平板电脑结合，提升了产品的价值，并且进一步与实体经济融合，建立智能自习室等项目，充分发挥了数据资产的价值。

另一个是某市的水务数据资产化案例。在银行信贷场景中，虽然用水行为监测数据能发挥一定作用，但目前数据质量较差，往往只能精确到园区级或写字楼级而非企业级。这表明在数据资产化过程中要重视数据质量建设、数据治理工作以及多元数据的融合，才能更好地实现数据价值，推动企业数据资产化进程。

载体不明确，缺乏统一标准，企业数据资源入表整体处于试水状态

那么，目前企业的数据资产化情况如何？张瑾列举了我国企业数据资产入表的一些数据。

上市公司方面，2024年一季度有18家上市公司披露了入表情况，中报增加至43家，今年三季度继续增加至54家。入表金额方面，三季报入表总金额10.94亿元，较一季度和半年报分别增加14.44亿元和1.43亿元。整体来看，披露数据资产入表的上市公司数量仅占上市公司总数的1%。上市公司入表的总金额占总资产比例平均不到1%。

另据不完全统计，非上市公司中也至少有252家企业完成了数据资产入表，其中地方城投平台和地方国有企业168家，民营企业84家。

张瑾认为，当前无论是数据资产入表的企业数量还是入表金额，总体体量都非常小。例如中国电信的三大运营商在2024年第三季度虽然实现了数据资产入表，但入表金额占其总资产的比例极低，不足万分之一。

此外，上市公司公开披露的数据资产涵盖了丰富的数据资源类型，如数据集、指数模型、算法、平台等，这体现出数据资源开发利用形式丰富多样的同时，也反映了入表的数据资源载体并不明确的问题。

张瑾建议相关部门尽快出台《暂行规定》的应用指南，强化产权明确、满足资产确认条件的数据资产有序管理，并合理审慎推进入表工作。

警惕资产泡沫风险，应对数据资产入表的风险和挑战

数据资产入表是当前企业发展中的一个重要趋势，但整体仍处于探索阶段，必然会存在存在许多误区、风险和挑战。

由于数据可复用于不同应用场景，导致其全流程成本管理难以科学量化。同时，数据产品的场景依赖性较强，使得预期经济利益流入评价困难，再加上数据产品供需不对称，进一步导致数据资产价值评估难以准确进行。

此外，市场上对于数据资产入表的认知仍存在不少误区，如数据资源和数据资产概念模糊；将数据资产评估金额作为入表金额；或者认为数据资产入表只是财务部门的工作，以及数据资产入表的最终目的是仅是用于银行贷款、融资授信等等。

张瑾认为，鉴于数据本身特性及市场对数据资产入表的认知仍有不少误区，导致数据资产化进程仍面临较多困难与挑战。他提醒，《暂行规定》虽已明确部分要求，但企业在推进入表工作时，仍要重点关注确权合规、识别认定、初始计量审计以及后续计量方法选择等风险。同时，数据资产评估标准不统一，易出现泡沫化和虚假包装，也可能引发金融风险。此外，业界对哪些数据可入表尚无共识，如数据算法、工具等是否入表存在争议，亟待政策明确。

张瑾建议从政策引导、规范市场、塑造标杆、明确职能等多个角度来推进数据资产入表。一是呼吁尽快出台数据权属相关的政策文件和《暂行规定》的应用指南，强化产权明确、满足资产确认条件的数据资产有序管理，并指导企业合理审慎入表。二是提供专业培训，规范服务市场，提高第三方服务商数据资产审计与评估的专业技能。三是塑造标杆案例，建立审查机制，加强对入表流程规范、审计结果规范的企业进行公布。

张瑾介绍说，中经社当前正在积极推动企业数据资产化相关工作，全面开展数据资产入表全国行活动。中经社可发挥国家高端智库的研究能力，开展相关政策研究，为企业打造体系化、流程化、高效化的数据资产入表综合解决方案，进一步丰富数据要素×应用场景，培育数商生态体系，助力数数字经济健康、稳定发展。

数据作为一种新兴的生产要素，正在深刻改变传统的生产方式，同时也催生了对以数据为中心的数字经济的需求。在推进数据资产化方面，中国企业的实践正在推动数据无形资产的中国标准，引领全球的发展。

来源：数据猿