到2025年1月1日，财政部印发的《企业数据资源相关会计处理暂行规定》（以下简称《暂行规定》）正式实施一周年。
这一年，全国各地的企业纷纷响应，积极投身这场数据资产化浪潮。其中，部分上市公司已将数据资产作为提升企业竞争力的新引擎，视为优化负债结构、拓宽融资渠道与降低融资成本的重要抓手。
中国金融智库特邀研究员余丰慧在接受《证券日报》记者采访时表示，企业要主动融入发展大局，把握大数据时代“数据”能生“金”的趋势与机遇。各大金融机构也要持续推进金融创新服务工作，参与数据资产评估机制，为创新型企业提供坚实有力的融资支持与保障服务。只有这样，才能真正让企业实现“数据知产”向“数据资产”的升级，点“数”成金。
数据资产入表阵营不断扩大
今年，数据资产入表阵营不断扩大。“从一季度仅有的18家先锋企业，到三季度迅速扩张至56家，这一数字背后，是数据资产化浪潮的新里程。”安永华明会计师事务所（特殊普通合伙）合伙人、大中华区财务会计咨询服务主管刘国华在接受《证券日报》记者采访时，分享了其对2024年前三季度A股上市公司数据资产入表动态的洞察。
刘国华说：“这些企业横跨软件和信息技术服务业、交通物流、金融、零售等多个领域，显示出数据资产化正成为各行各业转型升级的共识。入表的数据资产金额稳步增长，更是直接反映了企业对数据价值认知的深化和实践探索的成效。”
贵阳大数据交易所有限责任公司相关负责人对记者表示，从交易所角度来看，随着《暂行规定》的实施，越来越多的企业开始了解数据资产，开始重视企业内部数据治理和管理。
广电运通集团股份有限公司相关负责人对记者表示，2024年公司在数据资产入表方面取得两项突破：一是由公司开发的跨境数据产品“离岸易”，成功完成存货数据资产入表工作，是广州市属国有企业首例数据资产入表项目；二是推动子公司中数智汇的“产业链数据库”和“ESG卓望数据评级模型”数据资源入表，积极探索数据资源资产化、价值化的实现路径。下一步，公司还将围绕征信大数据和政企数字化领域，继续深挖优质数据资源的梳理、归集及治理案例，稳步推进数据资产规模化入表工作。
东方财富Choice数据的统计结果进一步揭示了数据资产入表在资本市场的影响力。在A股上市公司中，三大运营商（中国联通、中国移动、中国电信）拥有庞大的用户基础和深厚的数据积累，数据资产规模处于前列，成为数据资产入表进程中的领航者。值得一提的是，具有天然数据资源优势的国有控股上市公司积极响应国家政策号召，通过“入表”彰显了自身的数据价值。
粤港澳大湾区大数据研究院战略咨询中心主任杨茜茜对《证券日报》记者说：“数据资产入表为企业提供了优化财务报表结构和提升财务信息质量的契机。一方面，数据资产入表体现了企业数据资产的经济价值，真实反映企业资产状况，有助于提升报表的准确性与可信度，优化资产负债结构，增强企业在资本市场中的竞争力。另一方面，数据资产入表也在一定程度上增强了企业的数据资产意识，企业更加注重以数据资产为核心的商业模式创新，有助于开展以数据资产为标的物的经济活动。”
与此同时，民营上市公司亦不甘示弱。刘国华介绍，2024年一季度，民营上市公司占数据资产入表企业的比重仅为四分之一，但到了三季度，这一比例已升至三分之一，彰显了民营企业在数智化转型道路上的坚定步伐和显著成效。
中国电子数据要素研究院数据资产化研究中心主任王岩在接受《证券日报》记者采访时表示，2024年企业数据资产入表探索逐渐铺开，成本项的识别与计量多数也采取了谨慎的策略，有效反映了企业真实持有的数据情况，以及企业在数据开发活动中的价值贡献。
“入表+融资”双管齐下
在企业数据资产入表的进程中，一些公司刚刚迈出初探之步，而一些先锋企业则已开始探索数据资产质押融资等金融路径。
将数据列入资产负债表进行核算，实现公司数据资产的正式入表，并获得数据资产登记证书，随后将数据产品在数据交易所挂牌交易，或是通过与金融机构的紧密合作，质押数据资产以获取资金支持，这一系列举措已日益成为推动企业数据资产入表的重要驱动力。
深圳数据交易所有限公司（以下简称“深数所”）高级战略研究员李颖对《证券日报》记者表示，未来，金融市场与数据要素市场将实现双向赋能。数据要素将提升金融服务水平，提高金融抗风险能力，并催生新的金融业态。同时，金融业将赋能数据要素产业，为金融行业带来新的投资机会。
以神州数码集团股份有限公司为例，其在2024年6月份将“神州数码金服云”数据产品作为数据资产纳入企业财务报表，在取得深数所的数据（商品）上市证书后，建设银行深圳分行为其提供授信额度3000万元，并经中国人民银行动产融资统一登记公示系统完成数据资产质押登记，打通了数据资产与金融服务对接的“最后一公里”。
尽管数据资产“入表+融资”的前景广阔，但目前仍存挑战。许多金融机构对此仍持谨慎态度，大多数企业在实现数据资产入表后，也并未急于将其用于融资变现。
致同会计师事务所武汉办公室管理合伙人金鑫对《证券日报》记者表示，数据资产的价值受多种因素影响，如数据质量、应用场景、市场需求、动态性特征等，这些因素往往难以准确量化，增加了评估的难度。随着大数据、人工智能等技术的发展，数据资产的价值评估方法也在不断进步，但如何利用这些技术进行有效的价值评估，是一个技术挑战。
