来源 | DAMA数据管理
数据已成为企业最宝贵的无形资产之一，其价值挖掘与有效利用直接关系到企业的核心竞争力与市场地位。数据资产入表，即将数据视为资产并纳入企业的财务报表体系，不仅是对数据价值认可的重要里程碑，也是推动企业数字化转型、优化资源配置、实现精细化管理的关键举措。然而，这一过程中既蕴含了三大关键点，也潜藏着六大误区，需要我们审慎对待，以确保数据资产能够真正发挥其最大效用。
什么是数据资产入表
数据资产入表就是将企业的数据资源以资产的形式纳入财务报表中进行管理和计量。
2023年8月21日，针对企业数据资源相关会计处理和会计信息披露等问题，财政部发布《企业数据资源相关会计处理暂行规定》，并规定自2024年1月1日起施行。这意味着数据资源在符合条件的情况下有可能被确认为企业的“资产”，在财务会计报表中显性化。
2023年9月8日中国资产评估协会发布《数据资产评估指导意见》，自2023年10月1日起施行。该《数据资产评估指导意见》围绕数据资产评估中数据产权和数据质量的重要性，对数据资产的属性定义、评估对象、操作要求、评估方法和披露要求等内容进行了统一规定。《数据资产评估指导意见》对数据资产评估执业行为进行规范，保护资产评估当事人合法权益和公共利益，有助于解决数据要素市场建设中的“数据赋值”问题，对构建和完善数据要素市场、促进数字经济发展具有重要意义。
对企业而言，数据资产入表有助于提升企业的数据资产运营和变现能力。通过将数据资源纳入财务报表，企业可以更加清晰地了解自身数据资产的规模、质量和价值，从而制定更加合理的数据资产管理和运营策略。这将有助于企业更好地挖掘数据价值，实现数据资产的保值增值。
数据资产入表的三大关键点
在会计中，数据资产入表的基本流程涵盖数据资源识别、资产类别确认、成本归集与分摊以及列报与披露四大环节，其中我们认为数据资产确认、数据资产计量、数据资产披露是三大关键点，如图所示。
1. 数据资产确认
需借助软件工具和第三方数据咨询服务来帮助企业系统地分析和管理数据资产。盘点与分析过程主要如下：
数据资产盘点。通过软件工具，可以自动扫描和识别企业内部的各类数据资源，包括数据库、数据仓库、数据湖等。同时，结合第三方的数据咨询服务，可以对数据进行分类和标签化，形成清晰的数据资产目录。
数据资产授权链路分析。通过分析数据的访问、使用和共享情况，可以明确数据的授权路径和权限设置，确保数据安全和合规。
数据资产全生命周期分析。分析数据的产生、存储、处理、应用和销毁等整个流程，发现数据管理中的潜在问题和风险，并制定相应的优化措施。
数据资产运营情况梳理。通过对数据的访问量、使用频率、价值贡献等指标进行分析，了解数据资产的利用效率和效果。
数据资产业务价值链路分析。分析数据如何支持业务决策、提升业务效率和创造价值等。
最终根据“资产”“无形资产”“存货”的确认条件，综合以下5部分内容判定数据资源是否为数据资产，以及是哪类数据资产。
过去的交易或事项；
拥有或控制；
预期能带来经济利益；
经济利益很有可能流入；
成本或价值能可靠计量。
2. 数据资产计量
需借助第三方数据咨询服务和财会服务来帮助企业系统地分析和计量数据资产。分析和计量过程主要如下：
数据资产血缘分析。分析数据资产的来源、生成过程以及与其他数据资产之间的关系。通过深入剖析数据的血缘关系，企业可以了解数据的产生背景、流动路径等。
数据资产研发成本识别与分摊。数据资产的研发成本包括人员工资、设备购置成本、软件开发成本等多个方面。通过准确识别这些成本，并按照合理的方法进行分摊，企业可以确保数据资产的成本得到真实、准确的反映，为后续的价值评估奠定基础。
数据资产价值评估（成本法）。成本法是一种常用的评估方法，它主要基于数据资产的研发成本来估算其价值。
最终根据数据资产的类型“存货”或“无形资产”，建立数据资产的成本归集与分摊机制。
3. 数据资产披露
企业需积极利用第三方数据咨询和审计服务来完成数据资产的披露。对于已确认为数据资产的项，披露内容应包括强制性披露和自愿性披露两部分。对于已入表的数据资产，在会计报表的附注中必须披露相关的会计信息，并可以自愿披露其他具有重要意义的信息。对于未确认为资产的数据资源，可以自愿披露具有重要意义的相关信息。
数据资产入表的六大误区
误区一：
数据资产入表只需参照准则要求或者一般做法即可
不行。数据资产入表没有标准答案，不能按部就班，更不能为了入表而入表。
数据资产入表并没有一套适合各个行业的通用方案，需要结合行业特点、应用场景、价值实现方式等因素进行灵活应对，因为不同行业的数据资源范围、数据类型、数据研发过程、成本分摊方式、对外披露策略等是不同的。
所以，企业必须深入剖析数据资源，灵活应对实际情况，充分考虑外部因素，建立完善的数据资产入表流程和管理机制，以确保数据资产入表的过程规范、高效且安全。
误区二：
数据资产入表就是财务部门或数据部门的工作
不是。数据资产入表并非财务部门或数据部门的“独角戏”，而是需要整个企业各个部门的共同努力和协作。
数据资产入表这一任务涉及企业的数据管理、业务运营、技术支持等多个方面，各个部门都需要积极参与进来，比如：业务部门需要深入了解业务场景和需求，为数据资产入表提供明确的业务导向和目标；数据部门则需要负责数据资源的收集、整理、分析和挖掘，确保数据的准确性和完整性；科技部门需要提供技术解决方案，确保数据资产入表的技术实现和操作流程的顺畅性；财务部门需要提供成本核算和财务管理等方面的支持，确保数据资产入表的经济效益和合规性；合规和董办部门也需要对整个数据资产入表过程进行监督和审查，确保整个过程的合规性和规范性；等等。
所以，数据资产入表是考验企业管理层对数字化转型和数据要素的理解深度，考验企业数据资产管理和运营水平的综合性必答题。
误区三：
数据资产入表能够全自动化实现
不能。当下没有能够直接复制运用且照搬落地的实现方式。
行业层面数据场景和统一标准尚不清晰，企业层面数据资产管理成熟度普遍不高，还有一些关键问题仍待解决，例如数据产品全链路如何合规授权、数据研发成本和传统IT研发成本如何剥离、数据要素贡献和业务贡献如何区分等。
所以，自动化入表数据资产判断、自动化成本归集等是企业探索和努力的方向，而非当前可直接复制运用且照搬落地的功能。
误区四：
2024年之前的数据费用化投入也能重新资本化
不能。前期费用化投入不能重新资本化。
《暂行规定》于2024年1月1日才开始施行，而此规定采用未来适用法（将变更后的会计政策应用于变更日及以后发生的交易或者事项，或者在会计估计变更当期和未来期间确认会计估计变更影响数的方法），且明确指出在其施行前已经费用化计入损益的数据资源相关支出不再调整。
误区五：
数据资产入表是根据资产估值和定价进行计量的
不是。既不基于估值，也不基于定价。
《企业会计准则第6号—无形资产》与《企业会计准则第1号—存货》规定，企业内部产生符合入表条件并确认为无形资产或者存货的数据资源，其计量基础仍应基于历史成本。
误区六：
第三方登记是数据资产入表的必要前提
不是。第三方登记不是数据资产入表的必要前提，但是可作为佐证材料。
数据资产入表前需要按照《企业会计准则》中规定的资产确认条件对被预选作为资产进行入表的数据资源进行判断和确认。判定和确认完毕后就可以开始制定入表方案和准备数据关系图谱、价值链图谱等相关佐证资料。此时第三方登记可以作为佐证材料，但不是必需的。这实际上与非专利技术等知识产权是类似的，非专利技术并不一定要拿到专利权证书才可以入表。
