上海交通大学高金智库数据资产研究课题组（以下简称“课题组”）近期发布了《中国企业数据资产入表情况跟踪报告》（以下简称《报告》）。课题组总结：“根据上市公司披露的2024年年度报告，截至2025年4月30日，在A股上市的5000多家企业中，有100家上市公司披露了数据资源入表的相关事项，共涉及入表金额21.64亿元。除A股外，还有22家新三板公司在年报中披露了数据资源入表的相关事项，共涉及金额3.80亿元。”本文将以该《报告》中对上市公司入表情况的调查结果为基础，进行概括性描述和评价，并对企业数据资产入表这项业务提出预期。

一、上市公司数据资产入表现状概览

2024年期间，披露数据资产的A股上市公司数量呈大幅增长的趋势，由一季度的17家公司、入表总额0.79亿元增长至年度100家公司，其中增加了不少高市值企业，入表总额达21.64亿元。

在这100家披露数据资源的上市公司中，88家将数据资源计入无形资产。从金额来看，21.64亿元的数据资源入表总额中有63.57%计入无形资产。这表明，将数据资源计入无形资产是普遍做法，且这些公司普遍采用3-5年的直线法进行摊销。

从行业分布看，信息传输、软件和信息技术服务业数量最多，有26家，其余74家企业分布在各个行业领域，涵盖制造业、金融业、批发和零售业、交通运输业等多个板块，体现出数据资产入表在不同行业的初步渗透。

在地域上，来自北京、浙江和广东三地的公司共有50家，占据了A股数据资产入表公司总数的一半。这三个地区作为我国数字经济发展的核心区域，拥有丰富的数字产业资源、技术研发能力和政策支持优势，成为数据资产入表实践的先行阵地。

从实际控制人属性来看，具有国资背景的上市公司达到54家，在100家公司中占比超过五成。这一现象既与国有企业在关键行业和领域的主导地位相关，也反映出国有企业在响应国家数字经济战略、推动数据要素市场化配置方面的积极态度。

数据资产入表对部分上市公司的利润率有较大影响。部分企业通过数据资产的合理核算，优化了资产结构，在一定程度上提升了盈利能力。同时，课题组通过PB（市净率）估算数据资源入表带来的边际市值增量，发现“数据资产入表为94家公司带来了合计50.38亿元的理论市值增量”，显示出市场对企业数据资产价值的初步认可。

二、对上市公司数据资产入表现状的评价

（一）增长率较高但总量仍处于低位

对比2024年一季度和年度的数据，无论是数据资源入表的上市公司数量还是入表总额，增长率都非常高。从数量上看，年度入表公司数量较一季度增长约4.88倍；从金额上看，年度入表总额较一季度增长约26.39倍。这一高增长率可能的原因是该项工作尚处于起步加速阶段，随着《企业数据资源相关会计处理暂行规定》等政策的落地实施，企业对数据资产入表的认知逐步加深，实践意愿不断增强。

但从整体规模来看，100家数据资源入表的上市公司仍仅占A股上市公司整体数量的约2%，入表总额占A股上市公司整体市值的比例也极低。以金融业为例，9家金融业上市公司的数据资源占总资产比例基本处于0.001%左右，反映出当前数据资产入表在全市场的覆盖范围和规模仍有巨大提升空间。不过，有专家指出，考虑到数据资产入表工作启动时间较短，相关会计处理规范、估值方法仍在探索完善中，现阶段上市公司数据资产入表的规模已经部分超出预期，这一初步成果令人欣慰，为后续工作的推进奠定了良好基础。

（二）国企和三大运营商占据主导

报告统计发现，100家上市公司中，具有国资背景的企业达54家，且在信息传输、软件和信息技术服务业的26家公司中，三大运营商（中国移动、中国联通、中国电信）及其下属相关企业占据重要地位。这类国企及三大运营商在数据资源储备、技术研发能力和行业影响力方面具有显著优势：一方面，它们在日常经营中积累了海量的用户数据、运营数据等高质量数据资源，为数据资产入表提供了坚实的数据基础；另一方面，作为行业标杆，其开展数据资产入表实践，能够为其他企业提供可借鉴的经验，发挥示范引领作用。但同时也需注意到，民营上市公司在数据资产入表方面的参与度相对较低，可能与民营企业在数据资源整合能力、合规管理水平以及对政策的响应速度等方面存在差异有关。

（三）公共非政务数据为主

从入表数据的类型来看，目前上市公司入表的数据主要以公共非政务数据为主，如交通出行数据、电力消耗数据、互联网平台的用户行为数据等。这类数据通常具有来源相对广泛、获取成本较低、应用场景较为明确等特点，企业在数据的采集、清洗、加工以及合规性审核等方面的难度相对较小，因此更容易实现入表。

而政务数据由于涉及数据主权、隐私保护等问题，数据开放共享的程度相对较低，企业获取政务数据并将其转化为可入表资产的难度较大。此外，企业内部的核心经营数据，如商业秘密、客户隐私数据等，由于数据价值评估难度高、数据安全保护要求严格等原因，入表的比例也相对较低。这种以公共非政务数据为主的入表结构，在一定程度上反映出当前数据资产市场仍处于初级阶段，数据资源的开发利用还不够充分，未来随着政务数据开放共享机制的不断完善以及企业数据治理能力的提升，政务数据和企业核心经营数据的入表潜力将逐步释放。

（四）数据资产对各行各业均有价值

尽管目前不同行业在数据资产入表的规模和进度上存在差异，但从实践情况来看，数据资产对各行各业都具有一定的价值。在制造业领域，企业通过将生产过程中的设备运行数据、质量检测数据等入表，能够优化生产流程、提高生产效率、降低生产成本，提升产品质量和市场竞争力；在金融业领域，银行、保险等机构将客户信用数据、交易数据等入表，可用于精准风控、产品创新和客户服务升级，降低经营风险，提升盈利能力；在批发和零售业领域，企业通过分析入表的销售数据、客户消费数据等，能够精准把握市场需求，优化商品库存管理，开展精准营销，提高销售额和客户满意度。

这表明数据资产已成为推动各行业数字化转型、实现高质量发展的重要生产要素。随着数据资产入表工作的不断推进，数据资产在各行业中的价值将进一步凸显，为行业发展注入新的动力。

三、对数据价值化发展的期待和挑战

（一）各行业数据蕴含大量潜力和价值

从当前数据资产入表的实践来看，各行业的数据资源都蕴含着巨大的潜力和价值，未来数据价值化发展空间广阔。

在工业领域，随着工业互联网的深入发展，工业数据的规模呈爆发式增长。通过对工业数据的深度挖掘和分析，能够实现设备预测性维护、生产工艺优化、供应链协同等，推动工业企业向智能化、绿色化方向发展。据相关机构预测，未来几年工业数据资产的市场规模将保持高速增长，成为数据价值化的重要增长点。

在医疗健康领域，海量的医疗数据（如电子病历数据、医学影像数据、基因数据等）具有极高的价值。将这些数据进行规范入表并合理利用，能够为疾病诊断、药物研发、健康管理等提供有力支持。例如，通过对大量电子病历数据的分析，能够挖掘疾病的发病规律和治疗方案，提高疾病诊断的准确性和治疗效果；利用基因数据开展精准医疗，能够为患者提供个性化的治疗方案，提升医疗服务质量。

在农业领域，农业生产过程中的气象数据、土壤数据、作物生长数据等，通过入表和分析，可用于精准种植、病虫害预警、农产品质量追溯等，提高农业生产效率，保障农产品安全，推动农业现代化发展。

未来，随着各行业对数据资产重视程度的不断提高以及数据治理能力的不断增强，更多行业的数据资源将实现入表，数据的价值将得到更充分的挖掘和释放，为经济社会发展提供强大动力。

（二）数据资产入表面临的挑战

1.数据资产估值体系不完善

目前，数据资产估值尚未形成统一、成熟的体系，不同企业、不同行业对数据资产的估值方法存在较大差异。常用的估值方法如成本法、收益法、市场法等，在应用于数据资产估值时都存在一定的局限性。成本法难以准确反映数据资产的未来收益能力；收益法对数据资产未来收益的预测难度较大，受市场环境、技术发展等因素影响较大；市场法由于数据资产交易市场不活跃，缺乏可参考的交易案例，难以准确确定数据资产的市场价值。估值体系的不完善导致企业在数据资产入表时，难以准确衡量数据资产的价值，可能出现估值过高或过低的情况，影响数据资产入表的准确性和可靠性。

2.数据合规与安全风险

数据合规与安全是数据资产入表过程中必须面临的重要问题。一方面，随着《中华人民共和国数据安全法》《中华人民共和国个人信息保护法》等法律法规的出台，对数据的采集、存储、使用、传输等环节提出了严格的合规要求。企业在将数据资产入表前，需要确保数据的获取和使用符合相关法律法规，否则可能面临法律风险。另一方面，数据资产具有易复制、易传播的特点，数据安全保护难度较大。在数据资产的采集、加工、存储以及入表后的披露等环节，都可能存在数据泄露、篡改、滥用等安全风险。一旦发生数据安全事件，不仅会给企业带来经济损失，还会影响企业的声誉和市场信任度。

3.数据治理能力不足

数据治理是数据资产入表的基础，包括数据标准制定、数据质量管控、数据生命周期管理等方面。目前，部分企业尤其是中小企业，在数据治理方面存在能力不足的问题。一是缺乏统一的数据标准，不同部门、不同业务系统的数据格式、编码规则等不统一，导致数据难以整合和共享，影响数据资产的形成和入表；二是数据质量不高，存在数据缺失、错误、重复等问题，降低了数据资产的价值和可用性；三是数据生命周期管理不完善，对数据的采集、存储、使用、归档、销毁等环节缺乏有效的管理机制，导致数据资产难以持续产生价值。数据治理能力的不足，严重制约了企业数据资产入表的进程和数据资产价值的实现。

4.会计处理规范有待细化

虽然《企业数据资源相关会计处理暂行规定》为企业数据资产入表提供了基本的会计处理依据，但在实际操作中，部分会计处理问题仍有待进一步细化。例如，在数据资产的确认环节，对于数据资产的定义、确认条件的具体应用等，不同企业可能存在不同的理解，导致确认标准不统一；在数据资产的计量环节，对于数据资产的初始计量、后续计量以及减值测试等，缺乏详细的操作指南，企业在实际处理时面临困难；在数据资产的披露环节，对于披露的内容、格式和程度等要求不够明确，导致企业披露的信息缺乏可比性和可读性。会计处理规范的不完善，增加了企业数据资产入表的难度，影响了数据资产信息的质量。

（三）推动数据资产价值化发展的路径探索

1.完善数据资产估值体系

政府相关部门应牵头组织行业协会、科研机构、企业等多方力量，开展数据资产估值研究，结合不同行业、不同类型数据资产的特点，制定科学、统一的估值标准和方法体系。鼓励开展数据资产估值试点工作，总结试点经验，逐步推广成熟的估值方法。同时，加强对数据资产估值专业人才的培养，提高企业估值人员的专业水平，确保数据资产估值的准确性和可靠性。

2.强化数据合规与安全保障

企业应建立健全数据合规管理体系，加强对数据采集、存储、使用、传输等环节的合规审查，确保数据资产入表符合相关法律法规和政策要求。加强数据安全技术研发和应用，采用加密、脱敏、访问控制等技术手段，保障数据资产的安全。建立数据安全应急响应机制，提高应对数据安全事件的能力。政府应加强数据安全监管，加大对数据违法违规行为的处罚力度，营造良好的数据安全环境。

3.提升企业数据治理能力

政府应加大对企业数据治理的支持力度，通过政策引导、资金扶持、技术培训等方式，帮助企业提升数据治理能力。鼓励企业建立专门的数据治理部门，制定数据治理战略和规划，完善数据标准体系，加强数据质量管控，建立健全数据生命周期管理机制。推动数据治理技术的研发和应用，提高数据治理的效率和水平。同时，加强行业间的数据治理经验交流与分享，促进企业共同提升数据治理能力。

4.细化数据资产会计处理规范

财政部门应根据企业数据资产入表的实践情况，及时修订和完善《企业数据资源相关会计处理暂行规定》，进一步细化数据资产的确认、计量、记录和披露等环节的会计处理要求，明确操作指南和示例，提高会计处理规范的可操作性。加强对企业会计人员的培训，使其准确理解和掌握数据资产会计处理规范，确保企业数据资产入表的会计处理符合要求。同时，鼓励企业积极参与会计处理规范的制定过程，反映实践中遇到的问题和需求，使会计处理规范更加贴合企业实际情况。

（四）未来展望

随着数字经济的持续发展和数据要素市场化配置改革的不断深化，数据资产入表工作将逐步走向成熟。预计未来几年，将有更多的上市公司参与到数据资产入表中来，入表数据的类型将更加丰富，涵盖政务数据、企业核心经营数据等，数据资产在企业资产结构中的占比将逐步提升。

在政策层面，相关部门将进一步完善数据资产入表的法律法规和政策体系，为数据资产入表提供更加有力的政策支持和保障。在技术层面，随着人工智能、大数据、区块链等技术的不断发展，数据资产的估值、治理、安全保护等技术将不断升级，为数据资产入表提供更加先进的技术支撑。在市场层面，数据资产交易市场将逐步活跃，数据资产的流通和交易将更加便捷，数据资产的价值将得到更充分的体现。

总之，数据资产入表是数据价值化的重要环节，虽然目前面临诸多挑战，但未来发展前景广阔。通过政府、企业、科研机构等各方的共同努力，数据资产入表工作将不断推进，数据资产的价值将得到充分释放，为我国数字经济的高质量发展提供强大支撑。