作者：北京市集佳律师事务所 马栋博士
一、数据入表的核心价值与企业收益
1、让“看不见的钱”被看见
很多企业拥有海量数据，但在财务报表上，这些数据一文不值——因为它们从未被确认为资产。这就好比一家企业拥有几十栋房产，但因为没办产权证，资产负债表上完全没有体现。数据入表，本质上就是给数据“办产权证”，让它从“隐形资源”变成“显性资产”。
以一家外卖平台为例，它积累了数亿用户的消费偏好数据、数十万商户的经营数据、数百万骑手的配送轨迹数据。这些数据是公司最核心的竞争力，但在传统会计体系下，所有的投入都在利润表里被“费用化”了，变成了当期成本。数据入表后，这些投入可以“资本化”，变成资产负债表上的资产。
2、优化财务结构，增强融资能力
资产负债表的“总资产”扩大，资产负债率降低，企业看起来财务状况就更稳健。这不是数字游戏，而是实实在在的信用背书。
数据资产入表后，企业的总资产规模扩大，资产负债率相应下降，财务结构得到改善。这种变化并非简单的“报表美容”，而是建立在可验证的资产基础之上。
以外卖平台为例，入表前，其资产负债表主要由现金、设备、应收账款等传统资产构成。入表后，一笔数亿元的数据资产被正式确认。银行在审核授信时，通过这套数据资产能够直观了解平台的商户活跃度、用户粘性、履约能力等关键运营指标。这些都是未来现金流的可靠保障。基于此，银行就能够给企业提高授信额度，降低贷款利率。
3、以入表倒逼治理，让数据真正“用起来”
数据资产入表的过程，本身就是一次深度的数据治理倒逼。企业要将数据确认为资产，必须厘清一系列基础问题：数据从何而来？权利归属何人？质量是否达标？应用于何种场景？创造了什么价值？
这些问题，许多企业此前从未系统梳理。数据资产长期处于“隐形”状态，分散于各业务部门之间，权属不清、标准不一、质量参差。入表的要求，迫使企业建立统一的数据治理体系，打通部门壁垒，将分散的“数据孤岛”连接为有机整体，让数据真正从“存起来”走向“用起来”，服务于业务决策与价值创造。
4、让数据可以“变现”
数据资产入表后，企业开展数据交易具备了更坚实的信任基础。过去，数据交易的核心障碍在于买方难以验证权属清晰度、合规性与质量可靠性；而入表的过程，正是对这些问题的系统性回应。数据有了“身份证”，交易便有了信任依托。
数据变现可分为直接与间接两种路径。直接变现方面，以外卖平台为例，可将“商圈热力指数”数据产品出售给餐饮品牌用于选址决策，或将“用户口味趋势”洞察报告授权给食品供应商用于新品研发，形成直接收入。间接变现方面，企业可利用数据优化配送调度，提升骑手人效、降低补贴支出，每年节省数千万元运营成本；或基于数据分析为商户提供经营诊断与流量支持，帮助其提升销量。两条路径并行，共同释放数据资产的经济价值。
5、构筑竞争壁垒
从2024年《企业数据资源相关会计处理暂行规定》（以下简称“暂行规定”）正式施行，到2025年12月财政部、国务院国资委、金融监管总局、中国证监会四部门联合发布《关于严格执行企业会计准则 切实做好企业2025年年报工作的通知》（以下简称“通知”），政策信号日益清晰：数据资产化是数字经济发展的必然趋势，数据资源入表正从“鼓励探索”走向“规范执行”。
在这一趋势下，率先完成数据资产入表的企业，将在融资增信、商务合作、资本运作等关键场景中占据先发优势。当竞争对手的资产负债表中已列示数亿元的数据资产，而自身的数据资源仍在“表外漂泊”时，投资者会如何选择，答案不言自明。
综上，数据入表，本质上是将企业既往在数据上的投入“成本”转化为“资产”，让数据的价值从“隐形”走向“显性”，从“内部认知”走向“外部认可”，最终实现价值变现。当然，这一过程并非没有代价。《通知》明确要求“以成本计量”，严禁“估值入账”，同时设置了严格的“减值测试”机制。若入表的数据资产无法持续创造经济价值，企业必须进行减值，直接冲击当期利润。因此，入表本身不是目的，让数据真正“用起来”“赚起来”才是。接下来，笔者将深入分析：为何许多企业入表后反而陷入困境？数据资产的价值究竟该如何实现？怎样才能避开“为入表而入表”的陷阱？
二、现实图景：数据资产入表的规模与结构
根据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》，截至2024年4月30日（2023年年报披露截止日），A股上市公司中仅有100家披露数据资源入表，涉及金额21.64亿元。至2025年8月31日（2025年半年报披露截止日），入表家数增至109家，入表金额增至26.40亿元。从增速看，2024年各季度入表企业数量环比增速均超过40%，而2025年上半年增速骤降至个位数（约4.5%）。其中，三大运营商贡献了13.66亿元，占比超过六成。从列报科目看，63.57%的数据资源确认为无形资产，35.48%计入开发支出，0.96%列入存货。这组科目分布清晰表明，企业更倾向于将数据资源视为自用型资产。
非上市公司方面，截至2025年3月31日，国内已有330家非上市公司披露入表，其中地方国企275家（含城投公司94家、类城投国企181家），占比高达83.3%。至2025年9月30日，入表非上市公司增至375家，但增速急剧下滑，2024年峰值期增速达147%，2025年二季度已降至3%左右。累计入表企业的融资额由2024年底的11.48亿元升至18.99亿元，其中，地方国企累计融资额达17.10亿元。
由此可见，《企业数据资源相关会计处理暂行规定》施行近两年，A股5000余家上市公司中，仅百余家将数据资源纳入资产负债表，总金额二十余亿元。这个数字放在“数字经济”“数据要素”的宏大叙事下，显得格外微薄。更值得思考的是增长曲线：2024年各季度入表企业数量增速均在40%以上，而2025年上半年已骤降至个位数。入表的主力始终是电信运营商和地方国企，民营实体企业大面积缺席；其中非上市公司的入表主体中，地方国企占比超过80%。列报结构同样揭示出深层问题：数据资源几乎全部被计入无形资产或开发支出，极少作为存货，说明企业尚未形成以数据直接交易为主的商业模式，入表更多是为了优化资产负债率、满足融资需求，而非将数据作为可流通的商品。
三、陷阱：被误读的“资本化”
《通知》明确要求：“企业不得将不符合资产定义和确认条件的数据资源确认为资产。”这句话看似基础，实践中却成为最容易被误解的环节。资产的定义在会计学中相当清晰：企业拥有或控制的、预期能带来经济利益的资源。然而，当这一标准套用到数据资源时，问题就变得复杂起来。
以一家外卖平台为例。该平台投入数千万元建设“智能调度系统”，汇集了数百万骑手的实时位置、商户出餐时间、用户地址和路况数据，并开发了路径优化算法。公司将这笔投入全部资本化，确认为数据资产。然而，如果各城市的配送站长仍沿用传统经验派单，算法推荐的路线和顺序被骑手忽视。系统建成了，资产入表了，但配送时效毫无改善，超时率依旧。这套系统最大的“成就”，不过是让资产负债表上的数字好看了一些。
正因如此，《通知》设置了一道“安全阀”：“企业对于确认为使用寿命不确定的无形资产的数据资源，无论是否存在减值迹象，至少应当于每年年度终了进行减值测试。”这意味着，如果数据资产无法在未来持续产生经济利益，企业必须计提减值，从而直接冲击当期利润。这正是“为入表而入表”的代价：今天花大代价堆砌起来的数据资产，明天就可能变成减值的定时炸弹。
四、错位：成本与价值的脱节
《通知》明确要求：“企业应当以成本计量内部形成或外购的数据资源，不得将以评估等方式得出的金额直接作为入账和调账的依据。”这条规定是为了防止数据资产泡沫，但也带来了一个副作用：成本与价值的脱节。
设想两家公司：
甲公司是一家初创外卖平台，利用开源的电子地图数据和少量自有的订单数据，结合AI算法开发出一套“动态定价与配送合并系统”。它的成本很低，只有几十万元，但每年能为平台节省数百万元的补贴支出，同时提升骑手效率。
乙公司是一家传统外卖平台，花费数千万元搭建“动态定价与配送合并系统”，将用户下单、商户接单、骑手取送、用户评价的所有数据都存进数据湖，但从未真正用这些数据优化过任何一个运营环节。按照成本法，它可以入表数千万元；但实际上，这些数据的价值接近于零。
《通知》要求“加强数据资源相关成本管理，夯实数据资源成本核算基础”，这本身没有问题。但当“成本”成为入表的唯一依据时，制度就在客观上奖励了低效投入，限制了高效运营。高效的企业，因为成本低，数据资产在报表上“不值钱”；低效的企业，因为成本高，反而拥有了“漂亮”的数据资产规模。这是制度设计带来的激励扭曲，反映出工业时代的会计工具在数字时代水土不服的困境。
五、破局：四条价值路径的表内与表外
《通知》其实为破局留下了空间：“鼓励企业加强对数据资源的应用场景或业务模式、数据产权确定方式等相关信息的披露。”这句话的价值被严重低估了。它暗示了一个方向：数据资产的价值，不能只看资产负债表上多出来的数字，更要看这些数字背后的业务故事。数据资产的价值实现，可以沿着四条路径展开，每条路径在表内、表外体现各有不同：
路径一：降本增效
这是最基础、也最务实的路径。在前述外卖平台例子中，当数据真正被用于优化运营流程、降低配送成本、提升用户体验时，数据的价值是实实在在的。
1、表内价值：
想象一家大型外卖平台，每年因配送路线不合理、骑手空驶、等餐时间过长而浪费的成本高达数亿元。公司决定投入3000万元，将过去三年的数亿条订单数据、骑手轨迹数据、商户出餐数据、用户地址特征数据进行整合，开发出一套“智能调度与路径优化系统”。这套系统每天处理数千万条数据，为每一次配送计算出最优的骑手分配、取餐顺序和送餐路线。
这3000万元的投入，在满足资本化条件后，被确认为一项“无形资产——数据资产”，公司的资产负债表上多出了3000万元的资产。更重要的是，系统投入使用后，配送效率大幅提升。公司每年可节省数千万元的配送补贴和骑手人力成本。扣除数据资产的年度摊销后，净利润仍然净增数千万元。同时，公司在财务报表附注中披露：“智能调度与路径优化系统数据资产，通过对历史配送数据的建模分析，实现订单与骑手的动态匹配及路线实时优化。2025年度，该资产帮助公司降低配送补贴支出5000万元，节约骑手人力成本2000万元，资产使用寿命预计5年，采用直线法摊销。”这段披露让投资者清晰地看到：这笔数据资产不是虚的，它每年实实在在贡献着6400万元的净利润。
2、表外价值：
这3000万元的数据资产背后，是公司运营效率的实质性提升。配送时效更快，用户满意度提高，复购率上升，投诉率下降。更重要的是，通过这个项目，公司建立了数据驱动的运营组织能力和技术基础，为后续开发更复杂的商户赋能工具、拓展B端数据服务业务铺平了道路。这些表外的变化，虽然不在报表数字中体现，但决定了公司未来的成长空间。
路径二：信用增信
这是当前多数传统企业最具现实意义的价值路径。数据的价值不体现为直接变现，而在于降低信息不对称，增强外部主体对企业经营质量的识别能力。
1、表内价值：
以外卖平台为例，该平台覆盖全国50个城市，拥有数十万合作商户及数万名活跃骑手，但其获取大额授信一直存在障碍。原因在于，外卖平台的网络效应与履约能力，在传统抵押物评估框架下难以量化，银行无法有效判断商户粘性、骑手队伍稳定性及订单流的可持续性。
若公司投入500万元，整合商户月活数据、骑手接单率与准时率、用户复购率与客单价等指标，搭建“平台健康度数据平台”。该笔投入满足资本化条件，确认为“无形资产——数据资产”，资产负债表相应增加500万元。
银行通过该平台可实时查看商户活跃度、骑手履约质量及用户留存情况，数据成为平台价值的可验证证明。基于数据驱动的评估，银行则可以有的放矢地提高授信额度、降低贷款利率。
公司在财务报表附注中披露：“平台健康度数据资产实现了运营状态的透明化管理。基于该资产，公司授信额度得以提升，综合融资成本下降，实现每年财务费用的大幅节省。该披露使投资者认识到，这笔数据资产每年可带来可观的财务费用节约，同时为平台的核心价值提供了可量化的证据支撑。
2、表外价值：
数据资产带来的表外价值更为丰富。首先，大型餐饮连锁品牌在选择合作平台时，通过该数据平台看到了平台的商户留存率和用户活跃度，故将其作为核心合作渠道，进而推动平台上的优质商家数量增长了40%。其次，保险公司也基于这套数据，开发了“订单准时险”和“商户履约险”等产品，为平台提供了新的增值服务收入。最后，这套数据资产成为了平台与金融机构、大客户谈判的筹码，商业信誉显著增强。
路径三：数据交易——对外变现
这是四条路径中最核心、也最艰难的一条。数据本身成为可交易的商品，直接创造收入来源。
1、表内价值：
以一家全国性外卖平台为例，该平台每天处理数千万订单，积累了海量的用户消费偏好、商户经营数据以及区域消费热力数据。经过清洗、脱敏和建模，公司开发出多款数据产品。其中一款“商圈热力指数模型”，结合订单密度、用户画像、商户分布等数据，能够精准预测不同商圈的餐饮消费潜力与品类偏好，帮助餐饮品牌选址和制定产品策略。
该模型的开发成本投入不菲。由于产品主要面向餐饮连锁品牌、商业地产公司及投资机构出售，假设公司将其确认为“存货——数据资源”，资产负债表中相应增加了存货资产。当年，公司将模型出售给数十家客户，获得可观的营业收入，扣除成本后贡献了显著毛利。
另一款产品为“用户口味趋势洞察报告”，通过分析不同地区、不同年龄段用户的菜品选择数据，输出季度性的口味变化趋势与品类机会分析，按月向食品供应商和餐饮品牌收取订阅费。该产品既用于对外销售，也用于内部商户运营决策，假设公司根据主要用途将其确认为“无形资产——数据资产”。当年订阅费收入覆盖了开发成本，并为公司带来持续利润贡献。
在附注中，公司详细披露了上述数据产品的交易对象、定价方式、收入规模，以及数据来源的合规性声明。这些披露让投资者清楚看到数据交易的真实商业实质。
2、表外价值：
数据交易带来的表外价值在于市场验证。当餐饮品牌愿意为“商圈热力指数模型”支付数十万元时，这本身就证明了数据的商业价值。这种市场验证为公司后续开发“菜品流行度预测”等数据产品奠定了定价基准，增强了市场信心。同时，数据交易业务的开展，推动公司建立了更严格的数据治理和合规体系，反过来提升了所有数据产品的质量。
路径四：战略资产——长期护城河
这是四条路径中最长远、也最容易被忽视的一条。有些数据资产，短期内难以量化其价值，但长期来看，它们决定了企业的竞争地位。
1、表内价值：
以一家成立十年的外卖平台为例，这家平台过去十年积累了全国数百个城市的配送网络数据、数千万用户的消费习惯变迁数据、数百万商户的经营能力数据。这些数据的总投入超过5亿元，按成本法确认为“无形资产——数据资产”，资产负债表上增加了5亿元的资产。但由于这些数据的价值高度依赖未来的市场拓展和产品创新，其使用寿命无法合理估计，企业将其确认为“使用寿命不确定的无形资产”。
根据规定，无论是否存在减值迹象，这类资产每年都必须进行减值测试。企业需要评估这些数据未来能支撑多少新业务拓展、能节约多少市场调研成本、能创造多少交易机会，以此判断账面价值是否公允。如果某一年市场格局突变，新进入者通过补贴抢占大量份额，导致平台未来预期收益大幅下降，公司就必须减值，直接冲击当期利润。
2、表外价值：
这5亿元的账面价值，远远无法体现这些数据的真实战略价值。竞争对手即使投入50亿元，也无法复制过去十年的用户口味变迁数据和商户经营能力数据。这些数据是平台多元化扩张的基石，如拓展生鲜电商时，需要用户消费数据判断需求；发展到店业务时，需要商户数据评估供给。更重要的是，在资本市场，投资者给这家外卖平台的估值中，相当一部分来自于对其数据资产的认可，虽然这部分价值不在资产负债表上体现，但它决定了企业的市值。有些企业将大量无效数据资本化，声称是“战略资产”，但实际上这些数据对业务毫无价值。减值测试机制正是为了防止这种情况，如果企业无法证明这些数据能支撑长期竞争，就必须计提减值，让虚增的资产回归真实。
六、数据入表全流程：多机构协同与法律服务的独特价值
数据资产入表不是任何一家机构能够独立完成的“独角戏”，而是一场需要企业、律师事务所、会计师事务所、资产评估机构、数据交易所、技术服务机构等多方专业力量协同作战的系统工程。每个阶段都有不同的主导机构和配合机构，而法律服务贯穿始终，发挥着不可替代的作用。
阶段一：数据资源盘点与确权——摸清家底，明确权属
这是入表工作的起点，也是风险最高的环节。企业需要全面梳理自身拥有的数据资源，明确每类数据的来源、类型、规模、用途，并解决一个核心问题：这些数据的来源与权属。
律师事务所的核心价值在于“风险识别”。很多企业的数据来源复杂，有的从第三方采购，有的是业务系统自动产生，有的是与合作伙伴共建。如果来源不明、权属不清就贸然入表，未来可能面临侵权诉讼、合同违约、监管处罚等风险。律师通过审查合同、访谈业务部门、追溯数据来源，帮助企业识别并解决权属瑕疵，确保入表的数据资产“身世清白”。
阶段二：数据分类分级与质量评估——建立标准，筛选“好数据”
不是所有数据都能入表。只有经过分类分级、质量评估后的“合格数据”，才具备资本化的基础。
律师事务所的核心价值在于“合规把关”。数据分级直接关系到后续的管理措施和披露要求——将“重要数据”错误地划为“普通数据”，可能导致数据泄露风险；反之，将普通数据过度分级，则会增加管理成本。律师依据《数据安全法》《个人信息保护法》及相关标准，协助企业建立符合监管要求的分级体系，避免因分级不当引发的合规风险。
阶段三：数据产品化与价值评估——让数据“有用”，让价值“可测”
原始数据不能直接入表。企业需要将数据加工成可服务于特定场景的“数据集”“数据产品”，并对其价值进行评估。
律师事务所的核心价值在于“产品合规”与“权利固定”。数据产品在开发过程中往往涉及个人信息、商业秘密等敏感数据，若脱敏处理不彻底，产品本身就可能违法。同时，数据产品是企业投入大量成本形成的智力成果，需要及时进行知识产权保护，防止被竞争对手复制或盗用。律师在此阶段的核心作用，是帮助企业提前识别并排除合规隐患，做好权利保护的前置布局。
阶段四：登记确权——给数据资产“上户口”
这是法律服务最具专业价值的一环，也是前几个阶段工作成果的最终固定。权属清晰是数据资产入表的前提，而登记就是将“权属清晰”转化为“法律上可对抗第三人”的证明。
目前主要的登记类型：
数据知识产权登记：依据国家知识产权局试点政策，在试点地区（如北京、浙江、广东、深圳等）对符合“智力成果”属性的数据集合进行登记。登记后获得《数据知识产权登记证书》。
数据资产登记/数据产权登记：各地数据交易所（如上海数据交易所、深圳数据交易所、北京国际大数据交易所）推出的登记服务，获得《数据资产登记凭证》。
律师事务所的核心价值在于协助企业进行登记。不同的登记类型适用于不同的数据资产，具有不同的法律效力和应用场景。律师需要根据数据资产的性质、用途和商业目标，为企业选择最优的登记路径，并确保登记材料的完整性和准确性，避免因材料问题导致登记失败或登记效力瑕疵。
阶段五：会计入账与信息披露——完成确认，透明呈现
在完成权属登记后，企业才真正具备数据资产入表的“产权基础”。律师事务所的核心价值在于“合规兜底”和“披露审查”。官方规定明确禁止“将前期已经费用化的数据资源重新资本化”，禁止“将以评估等方式得出的金额直接作为入账和调账的依据”等。律师需要根据《规定》和《通知》等，逐项审查企业的会计处理是否合规，避免因操作不当引发监管问责。同时，附注披露的信息如果存在虚假陈述，可能引发诉讼，律师需确保披露信息真实、准确、完整。
阶段六：后续管理与动态优化——持续验证，防减值于未然
入表不是终点，而是起点。数据资产的价值需要持续验证，企业必须建立长效管理机制。
律师事务所核心价值在于“持续监督”和“纠纷应对”。减值测试涉及对未来收益的预测，假设和参数的选择直接影响测试结果。律师需要审查测试过程是否公允，避免企业通过不合理假设规避减值。同时，数据安全、个人信息保护、数据知识产权等领域的政策法规不断更新，律师需要持续跟踪并及时提示企业调整管理策略。如果发生权属争议、侵权纠纷或监管调查，登记证书是核心证据，律师需要据此维护企业合法权益。
七、结语
企业在入表之前，需先厘清四个问题：数据有没有用？用在什么地方？产生了什么效果？权属是否清晰、有没有登记？如果答不清楚，入表就只是成本的堆砌、减值的伏笔。四条路径，降本增效是基本功，人人可做；信用增信是杠杆，有融资需求的企业可做；数据交易是终局，只有高质量数据产品的企业能做；战略资产是护城河，有长期积累的企业才能坚持。
数据资产入表，不是会计游戏，而是数字化转型的压力测试。表内是合规的结果，表外才是价值的真相。最危险的状态是：账上数字漂亮，业务毫无波澜，这正是“为入表而入表”的陷阱。减值测试的存在，就是为了刺破这种泡沫。数据产权登记是数据资产从内部管理对象走向法律认可资产的关键一跃。没有登记的权属是脆弱的，没有登记的资产是难以交易的。
展望未来，从成本计量到价值验证，从权属模糊到登记确权，从报表游戏到业务赋能。那些真正用数据优化运营、重构信用、创造新业务的企业，将成为这场长跑的赢家。
京公网安备 11010502049464号