一、引言 在数字经济发展背景下，数据资产入表已经成为热门的研究话题。2023年8月我国财政部颁布的《企业数据资源相关会计处理暂行规定》(简称《暂行规定》)，对企业数据资源的确认、计量和披露进行了规范，在会计处理规则中赋予了数据资源明确的财务属性，为入表提供了理论支持。《暂行规定》的出台，为我国企业数据资产入表提供了一条崭新的路径，为探索数据资产提供了有力的依据。2024年被视为我国数据资产入表元年。17部门联合印发的《“数据要素×”三年行动计划(2024-2026年)》指出，要充分发挥数据要素乘数效应，全面实现其价值，为高质量发展和中国式现代化提供支撑。根据《暂行规定》等政策的要求，我国上市公司应响应号召，参与企业数据资产信息披露，加速企业数据要素市场化，推动数字经济快速发展。同年10月，《2025年国民账户体系》(SNA2025)初稿对数据资产相关内容展开明确探讨，给出了数据资产的概念界定、分类模式、确认准则以及相关计量办法，有力推动了数据资产在国民经济账户体系中的探索与实践。 截至2025年5月1日，我国A股市场共计有100家上市公司在年度报告里披露了与数据资源相关的情况，披露的数据资源总金额累计达22.50亿元。学术界在企业会计体系中对数据资产入表的研究较为丰富，但是针对所提出问题的研究仍处于较为基础的层面，并且在国民经济账户体系中对数据资产入表的研究相对匮乏。 本文针对2024年已经披露数据资源的100家上市公司进行分析，其边际贡献主要在于：一是基于上市公司年度报告的样本数据，系统揭示入表元年企业数据资产特征，填补时效性研究方面的空白；二是从企业会计与国民经济账户双重视角，剖析入表科目分类模糊导致宏观统计有误的深层矛盾；三是提出政策—企业—技术三维优化框架，通过设计数据资产—产业分类映射标准、AI动态评估模型等可落地方案，为进一步完善数据资产信息披露提供现实路径。 二、文献综述 在《暂行规定》政策的推动下，学者关于我国数据资产入表的相关研究大致分为以下三类。 1.数据资产的内涵。随着数字经济的不断发展，经济生产活动中日益积累的数据记录从数据资源逐渐转变为数据资产，成为生产环节当中不可或缺的因素之一(马克卫等，2023)。但是，随着学者们对数据资产的认识不断深入，数据资产的相关研究问题随之浮现出来。尤其是针对数据资产的概念尚未达成共识，各界学者以及各相关机构研究部门都给出了不同的观点。 国外学者认为，数据资产是包括任何以数字形式存在、拥有使用权而且可在线访问的资产(Genders等，2017)。从供给与使用的视角来看，若数据在未来生产活动中具备重复使用的特性，则可将其认定为资产。鉴于数据拥有完整的价值生产流程，故应将其视作生产资产(Rassier等，2019)。鉴于数据资产生产属性的不同，基于不同视角的定义有一定的差异。微观企业层面，数据资产是企业拥有或控制、能带来经济收益且可计量成本或价值的数据资源；统计核算层面，数据资产是所有者明确、可通过持有或使用获取经济利益的数据资源；数字产业层面，数据资产是所属权确定、可借助现代网络信息技术资产化并为所有者带来经济利益的数据资源(邓建娣和傅德印，2023)。国内多个机构，如中国资产评估协会、国家市场监督管理总局、国家标准化管理委员会、中国信息通信研究院等也从不同角度对数据资产的概念进行了界定(厉国威和郑煜璋，2024)。尽管这些机构给出的定义存在细微差异，但总体而言，这些机构均认为数据资产是能够为企业未来带来经济收益的数据资源，同时也是推动我国数字经济发展的关键战略资源。 国外也有众多机构通过发布政策文件对数据资产的概念进行定义。这些机构普遍认为，数据资产是一种可存储的、能为企业产生经济价值的信息数据资源。结合上述分析，本文认为数据资产就是由特定主体合法持有或控制的、具有未来经济利益潜力的、以物理或电子方式记录的信息资源。同时，数据资产在生产与经营活动中发挥着至关重要的作用，推动着我国数字经济工作的快速发展。 2.数据资产入表面临的挑战与困境。数据资产的确权、估值以及相关的会计规定范围是目前数据资产入表的主要挑战。由于不同部门的行业特征不尽相同，导致数据资产的分类性质以及所属的科目不同，造成了数据资产的确权困难。而对数据资产的归类不同，其影响价值大小的因素各有不同，带来的经济价值也有所不同。传统的成本法、市场法、收益法难以体现数据资产的完整价值，使得数据资产的估值问题一直没有得到解决(仇晓洁和周欣怡，2025)。另外，数据的安全性也是同样值得关注的问题。尽管目前已有《数据安全法》《网络安全法》等法律对相关的数据披露进行法律保护，但是对于公开数据而言，想要“取得个人同意”很困难，因为无法保证数据资产的正当性与稳定性(黄悦昕和罗党论，2024)。 基于上述现状，从客观角度分析，数据资产入表的会计准则和披露制度尚未健全，这为我国数据资产入表增加了一定的难度。从主观角度分析，企业对数据资产入表这一新兴起的生产要素理解不够充分，导致多家上市公司在披露数据资源时乌龙事件频发，企业人员在数据资产入表的实操过程中容易出现盲区和纰漏，导致所披露的数据资产的会计价值远高于真实价值，形成数据资产“泡沫”。再加上企业无法对入表操作过程中的消耗成本与经济收益做出正确预估，多家企业对入表操作一直处于观望状态(张俊瑞等，2024)。
