2024年A股上市公司數據資源入表特征與趨勢

       在數據要素驅動新質生產力發展的時代背景下，財政部發布的《企業數據資源相關會計處理暫行規定》（以下簡稱《暫行規定》）于2024年正式實施。作為國民經濟高質量發展的重要微觀主體，上市公司2024年的實踐為理論、實踐及政策制定提供寶貴參考。

       總體特征與趨勢

       截至2024年末，A股上市公司中共有101家在其財務報表中確認數據資源資產，入表總金額22.51億元。整體呈現以下特征：

       第一，積極探索與審慎推進并存。入表上市公司僅101家，僅為A股總量的1.86%，占比極低，反映政策實施首年企業普遍處于探索階段。2024年各季度新增入表公司分別為14家、30家、44家、101家，呈逐步增長趨勢。企業需滿足資產確認條件并完善數據治理、成本核算等體系，這反映政策落地初期的審慎態度。

       入表公司分布在13個行業，前五為信息傳輸、軟件和信息技術服務業（26家），制造業（22家），交通運輸、倉儲和郵政業（10家），金融業（9家），批發和零售業（7家）。根據披露，數據資源涉及醫療健康、交通運輸、科技創新、氣象服務、商貿流通、工業制造、文化旅游等眾多領域?？梢娍衫脭祿Y源分布廣泛，而相關行業也展現了數據價值潛力。

       第二，入表規模有限，但潛力初顯。2024年已確認的數據資產總額僅占全市場資產總額的0.03‰，整體規模微小。由于入表需系統性規劃建設，而以往費用化支出不可追溯資本化，初期規模較小相對合理。

       部分公司確認的資產規模持續增加，例如三大通信運營商（中國電信、中國聯通、中國移動）2024年末確認數據資產共計13.66億元，占樣本總額的61%，較其年中確認額（2.59億元）增長5.26倍。這表明隨著數據治理與應用場景深化，數據資產價值存在較大釋放空間。

       此外，87家公司數據資產年末賬面價值占當年凈利潤的比例在±20%區間內，財務影響有限，可見利用入表短期盈余管理的可能性不大。

       第三，核算集中于無形資產，來源以內生為主。絕大多數公司將數據資產計入無形資產（88家）和開發支出（28家），少數計入存貨（3家），18家公司同時確認無形資產與開發支出。數據資源主要源于企業內部積累與開發，披露為無形資產和開發支出的98家公司中，81家為自研取得。入表實踐有望反向推動企業更系統地梳理挖掘內部數據，加速數字化轉型與價值釋放。

       無形資產的攤銷，多數采用直線攤銷法（如年限平均法），也有少數采用加速折舊方法（如年數總和法），攤銷年限在2—10年不等，多為3—5年。取決于應用場景和外部環境變化，數據可能快速迭代貶值，也可能持續積累增值。合理確定攤銷方法和年限以及減值測試，為實務中難點，需在經驗積累中不斷優化。

       第四，應用場景多樣，交易流通待活躍。約53家公司披露數據資源明細，其中應用場景呈現多樣化：約31家用于對外提供產品或服務，22家用于內部管理降本增效或AI大模型訓練開發。僅12家公司披露在數據交易所登記或上架（如拓爾思、中遠?？?、神州數碼等），表明目前市場交易有限，數據資源通過交易流通實現價值釋放尚待建設。

       數據資產會計確認的關鍵之一在于預期經濟利益流入可能性判斷。對于內部應用場景（如降本增效），需通過定量定性分析證明收益大于研發概算。這既是實務難點，也是資產虛增風險的高發區，需嚴格論證，當前交易不活躍也制約經濟利益分析。

       第五，入表和信息披露不一，可比性不足。數據資產確認高度依賴管理層態度及判斷，如是否主動梳理、論證充分性，可能導致業務模式相似公司對類似資源處理差異顯著，入表與否及入表方式可能大相徑庭，影響報表可比性。

       《暫行規定》提出“強制披露+自愿披露”相結合的披露要求，以鼓勵展示數據價值，但2024年報中強制披露信息參差不齊，自愿披露者僅少數幾家公司。信息披露的深度與廣度不統一，影響信息可比性，不利于投資者評估數據資產價值。

       促進數據資源價值發揮的關鍵路徑

       2024年數據資產入表是生產要素向經濟資產轉型的關鍵一步，然而，數據資產的價值挖掘仍處于初級階段，未來需推動其從“合規入表”向“價值創造”躍遷：

       第一，聚焦價值本源，深化場景應用。數據入表是會計結果，其價值根基在于應用場景的深度與廣度，對業務的實際賦能。企業應避免為入表而入表，需聚焦業務優勢和市場需求，加速開發數據應用場景，如優化客戶體驗、提升運營效率、開辟新商業模式等。數據驅動智能決策對內降本增效、對外產品服務創新，激發數據乘數效應。符合條件的數據入表及披露，是業務的反映，也是向市場傳遞價值驅動力的窗口。

       第二，強化治理內控，夯實基礎工程。數據資產入表是涵蓋數據管理、確權合規、成本歸集等全生命周期的系統性工程。當前企業普遍面臨數據孤島、標準缺失、權屬模糊等問題，健全的數據治理體系和內控管理體系是基礎。企業應將入表流程標準化并融入數據全生命周期管理，以此倒逼治理能力提升與效率優化，為數據要素價值釋放及會計核算夯實基礎。

       第三，積極應對挑戰，實現雙向驅動。入表面臨識別界定、合規確權、經濟利益論證、成本歸集、后續計量等多重會計挑戰。這些挑戰具有雙重作用：一方面，嚴格的會計要求倒逼企業提升數據管理能力、深化對數據特性的理解、優化場景效益評估（驅動業務管理提升）；另一方面，企業實踐積累的經驗，如對資本化時點、攤銷方法的探索等，能為會計準則的持續完善提供寶貴反饋（會計適應實務發展）。企業應在實踐中不斷總結，實現會計規范與業務優化的良性互動。

       第四，共建產業生態，暢通價值躍遷。數據資產化的順利推進離不開良好的外部生態。政府需持續完善數據基礎制度、升級基礎設施，奠定市場化基石。企業需以場景價值為導向，協同數據采集、治理、流通與應用全鏈條，應用隱私計算、AI等技術降本增效。政企應攜手加強數據標準化與數據鏈建設，共同推動數據“資源—資產—資本”躍遷，釋放數字經濟動能。

       《暫行規定》的實施對推動企業數據治理與合規運用具有積極作用。未來，伴隨政策優化、實踐深化、治理健全與市場機制完善，數據資源價值有望在財務報表中更充分體現，并實質性賦能經濟高質量發展。

       以上轉自中國會計報。