行业大咖谈数据资产｜数据资产入表：数字时代的 “新课题”，机遇与坑都在这里
上海荟宸信科，数字中国的实践者；数字化转型的引领者；数据资产估值**的领跑者。详情点击：“数价锚钉”数据资产估值AI模型获得的荣誉及资质
2024 年 “数据资产入表元年” 的大幕拉开，18 家 A 股上市公司率先尝鲜，但更多企业还卡在 “入什么”“怎么入”“能不能入” 的迷茫里。数据资产入表不是简单填报表，而是数字经济时代的全新挑战 —— 既要摸清会计准则的 “规矩”，又要破解数据确权**、计量、合规的 “难题”。产学研各界专家齐聚拆解，带你看清入表的核心逻辑、避坑指南与实践方向。
先厘清：三个概念别搞混，入表的前提是 “找对对象”
很多企业一上来就问 “怎么入表”，却连 “入表的到底是什么” 都没搞懂。复旦大学管理学院教授黄蓉直言，数据≠数据资源≠数据资产，这是入表的核心认知，搞错了只会白费功夫：
数据：零散的原始记录，比如用户点击日志、设备运行参数，本身没有价值；
数据资源：经过初步采集、整理的数据集，但还没形成商业价值，也没合规确权；
数据资产：经过加工处理、合规确权，能直接或间接带来经济利益的数据产品或服务 —— 这才是能入表的 “合格选手”。
中国经济信息社数据资产运营首席执行官赵丽芳补充，有些企业犯了 “凡数据皆能入表” 的错误，把没商业场景、没实质加工的数据资源评估后就想入账，这完全违背《暂行规定》**要求。入表的核心是 “以实际投入入账”，得先有成熟的数据产品，再谈会计处理。
核心坑：入表路上的四大 “拦路虎”，企业最容易踩雷
数据资产入表之所以难，在于它横跨会计、法律、技术多个领域，稍有不慎就会踩坑。专家们总结了实践中最常见的四大难题，每个都直击痛点：
- 确权合规坑：数据到底 “能不能归你用”？
上海城建信息科技戴文祺透露，企业最大的困惑是 “数据来源确权”—— 自己采集的、合作方提供的、开源获取的，哪些有合法使用权？就算有持有权，未必有加工权、经营权，一旦权属不清，入表后可能面临法律风险。这也是很多企业不敢贸然推进的核心原因。
- 识别认定坑：算法、大模型能入表吗？
这是当前最热门的争议点：通过历史数据训练的大模型、研发的核心算法，算不算数据资产？同一个数据库加工出多个数据产品，成本怎么分摊？专家们一致认为，算法、模型本身不算数据资产，但围绕数据开发的相关投入，需结合是否能带来持续经济利益来判断，不能一概而论。
- 计量核算坑：是按 “无形资产” 还是 “存货” 算？
有些上市公司一开始把数据资源计入 “存货”，后来又紧急更正为 0，这正是计量的迷茫。上海国家会计学院李琳指出，数据资产计量有明确规则：企业自用的按 “无形资产” 核算，对外交易的可按 “存货” 处理，但实践中很多数据产品兼具自用和交易属性，分类难度极大，稍不注意就会违反会计准则。
- 激进操作坑：为 “做大资产” 乱入表
金证（上海）资产评估有限公司总裁林立警告，有些企业误以为 “评估后入表能放大资产规模”，这是严重误区。数据资产入表必须以历史成本入账，评估的目的是发现真实价值，而非 “虚增资产”。无序入表、激进操作不仅会被监管更正，还可能影响企业信用。
划重点：专家给出的入表 “三步走”，稳妥不出错
面对这些挑战，专家们给出了 “先夯实基础、再试点推进、最后规范披露” 的实操路径，企业可以照此落地：
第一步：盘点梳理，明确 “能入的资产”
先全面盘点数据资源，厘清数据来源、权属、加工流程，筛选出 “合规可控、能带来经济利益” 的数据；再通过清洗、脱敏、标准化处理，形成高质量数据集，开发成成熟的数据产品 —— 这是入表的前提，没产品就没入表的基础。
第二步：合规计量，选对 “会计处理方式”
严格遵循《暂行规定》，不偏离《企业会计准则》：自用数据产品按 “无形资产” 核算，记录采集、治理、开发的实际投入；交易型数据产品按 “存货” 处理，清晰归集成本；不确定的可咨询审计、评估机构，避免自行判断出错。
第三步：充分披露，不止于 “填报表”
上海市财政局会计处原一级调研员乔元芳强调，《暂行规定》的核心不仅是 “入表”，更是 “披露”。企业要详细说明数据资产的权属、计量方法、预期收益、风险提示，让投资者和监管机构看清数据资产的真实价值，这也是数据资产化的长期价值所在。
必警惕：入表的四大风险，提前防范不踩雷
数据资产入表是机遇，但风险也不能忽视。专家们提醒，企业要重点防范这四类风险：
确权合规风险：权属不清、使用不合规，可能面临法律纠纷；
识别认定风险：把数据资源当数据资产，导致资产泡沫化；
计量审计风险：初始计量金额不准、后续计量方法不当，影响财务报表真实性；
潜在税务风险：入表后增值税、企业所得税怎么缴，需提前规划，避免后续争议。
大咖共识：入表不是终点，而是数据价值化的起点
与会专家一致认为，数据资产入表是数字经济发展的必然趋势，它不仅能改善企业财务报表，更能倒逼企业重视数据治理、挖掘数据价值。但入表不是 “一劳永逸”，而是数据资产化的 “第一步”—— 后续还要解决数据交易、融资、减值等一系列问题，需要产学研各界共同发力。
对企业而言，与其急于 “赶潮流” 入表，不如先沉下心做好数据治理、合规确权、产品开发。当数据真正成为 “可管理、可计量、可增值” 的核心资产，入表自然水到渠成。
数据资产入表的 “考试” 已经开始，没有标准答案，但有清晰的答题框架。读懂规则、避开陷阱、稳步推进，才能在数字时代的这场 “新课题” 中拿到高分。
