上海交通大学上海高级金融学院发布的《中国企业数据资产入表情况跟踪报告》2025年度报告显示,截至2026年4月30日,共有136家A股公司在年报中披露数据资源,金额合计37.86亿元,"无形资产"仍是主要披露科目。136家公司的数量,相对于A股五千余家上市公司,占比很低;这说明入表仍处于示范阶段,多数企业还在观望。观望来自准则理解与审计口径不一。观望的原因,包括准则理解不一、审计口径不一、估值方法缺失。企业担心入表后引发审计问询,宁愿暂不披露。准则理解不一,体现在数据资源的确认范围、计量方法、披露要求上;不同企业的处理方式差异明显,可比性受到影响。确认范围的差异,导致同类数据在不同企业出现不同处理。
37.86亿元的规模,说明数据资源入表仍处于早期。136家公司平均每家不足3000万元,相对于A股整体资产规模,占比很小;但"从无到有"的意义,大于金额本身。37.86亿元的金额,平均到每家公司不足3000万元,与数据要素市场的预期规模相比,仍有很大差距。金额差距的背后,是数据治理水平的差距。数据资源要能入表,必须有清晰的成本归集与权属证明,多数企业尚未做到。成本归集的难点,在于数据采集、加工、维护的成本如何区分;哪些计入资产成本,哪些计入当期费用,需要职业判断。成本区分应建立规则,明确资本化与费用化的边界。
无形资产成为主要科目,有其会计逻辑。多数数据资源满足无形资产确认条件:可辨认、企业拥有或控制、有未来经济利益;相比之下,确认为存货或开发支出的情形较少。无形资产为主的披露结构,反映现行会计准则的约束。数据资源要确认为存货,需满足持有待售等条件;多数企业不具备,只能走无形资产路径。部分企业将数据资源计入开发支出,说明仍处开发阶段,披露时要说明进展与风险。开发阶段的判断依赖内部证据。无形资产路径的适用条件,包括可辨认、可控制、有未来经济利益;数据资源要满足这三条,需要在制度上做出安排。可辨认性的判断,要求数据资源能够单独识别、可分离;与业务深度融合、难以分割的数据,可能不满足确认条件。可分离性的判断,需要结合业务模式与合同安排。
入表的门槛并不低。成本能否可靠计量、权属是否清晰、使用寿命如何判断、减值如何测试,每一项都需要职业判断与证据支撑;审计机构的态度,直接影响企业能否顺利入表。使用寿命的确定,是实务难点。数据资源的时效性差异大,有的可用数年,有的几个月就失效;摊销年限的假设,直接影响报表结果。摊销方法目前以直线法为主。数据更新快,直线法可能与价值衰减不匹配,加速摊销更贴近实际。摊销年限的确定,可以参考数据的更新周期。时效性强的数据,摊销年限短;长期积累的基础数据,摊销年限可适当延长。更新周期短的行业,如电商、金融,数据摊销年限宜短;基础设施、地理信息等长期积累的数据,摊销年限可以长一些。摊销年限的确定应有依据,如数据更新周期、技术迭代速度。
入表之后的连锁反应正在显现。资产结构发生变化,数据资产的融资与并购价值被重新评估;同时,披露压力上升,投资者会追问数据资产的构成、估值方法与收益贡献。审计机构的谨慎,是入表推进缓慢的原因之一。数据资源的成本归集、权属证明、减值测试,都需要充分证据,审计师倾向于保守处理。投资者更关心数据能否带来收入。只有估值、没有收益支撑的资产,很难获得市场认可。审计的谨慎有其合理性。数据资产减值风险高,一旦市场环境变化,估值可能大幅下降;审慎处理可以避免报表失真。减值测试的触发条件,包括市场环境变化、数据失效、技术替代;测试方法应与企业整体减值政策保持一致。减值测试应形成文档,记录假设与方法。
资信树认为,入表是"承认",不是"变现"。数据资源进入报表,只意味着它在会计上被确认为资产;真正的价值实现,仍要靠交易、融资、作价入股等市场化路径。入表的价值,不只在于报表好看。它促使企业建立数据资产台账、完善数据治理、明确权属,这些基础工作的价值可能超过入表本身。披露之外,投资者沟通也需要统一说法。台账、治理、权属这三项基础工作,是入表的前置条件。做完这些,入表才水到渠成;跳过基础直接追求入表,往往事倍功半。基础工作做好后,入表的路径就清晰了:先建立台账,再完善治理,然后明确权属,最后按准则确认计量。确认计量之后,还需持续披露,反映数据资产的变化。

