《中国金融》｜数据资产化助力实体经济发展|资产_新浪财经

登录新浪财经APP 搜索【信披】查看更多考评等级

转自：中国金融杂志

导读：数据资产化可以使数据的内在价值通过市场交易转化为金融资源，让数据成为一种新的生产要素，给社会带来更多的经济收益

作者｜吴其珅「中国人民银行宿迁市分行」

文章｜《中国金融》2024年第14期

数据作为新型生产要素，对推动数字经济创新发展提供了强大动能。数据资产化通过激活数据要素的金融属性，有助于充分释放数据要素潜在价值，促进数据要素快速融入生产、分配、流通、消费和社会服务管理等各环节，为实体经济持续发展注入新的活力。

数据资产化取得新进展

财务表现成为入表的关注重点。自2024年1月1日财政部《企业数据资源相关会计处理暂行规定》（以下简称《暂行规定》）正式施行后，2024年A股上市公司第一季报中，共有23家公司将数据资源纳入资产负债表，涉及总金额14.77亿元（见表1）。

数据资产入表会影响公司的资产规模、成本、税收和净利润，并进一步影响资产负债率、利润率、净资产收益率等指标，提升财务表现成为上市公司推动数据入表的主要动力。在首批入表案例中，有13家上市公司将数据资源计入无形资产，有6家计入存货，有6家计入开发支出。存货或无形资产增加将导致总资产增加，在负债不变的情况下，降低企业资产负债率。因此，企业更倾向于将数据相关支出资产化，计入无形资产或存货，以提升财务表现。此外，从上市公司披露的数据资产金额来看，有2家数据资产过亿元且均计入存货科目，其他均低于5000万元（其中15家低于1000万元）。考虑到数据资源形成无形资产后需要按照年限进行摊销，而对于计入存货的数据资产当前减值可能性较低。因此，对大额数据资源处理，企业更倾向于在存货科目下计量，以降低未来因无形资产减值带来的财务风险。

多场景、多行业运用加速需求释放。2024年1月4日，国家数据局等17个部门联合印发《“数据要素×”三年行动计划（2024—2026年）》，提出到2026年底，打造300个以上示范性强、显示度高、带动性广的典型应用场景，培育一批创新能力强、成长性好的数据商和第三方专业服务机构，形成相对完善的数据产业生态，数据产品和服务质量效益明显提升，数据产业年均增速超过20%。2024年第一季度A股上市公司数据入表情况显示建设应用场景逐步拓宽。该23家数据资源入表公司主营业务并不限于信息技术，也分布于钢铁、汽车、港口、电力、塑料等数据积累丰厚的传统领域，凸显了数据在揭示客户需求、市场趋势、销售渠道、产品质量控制等具体应用场景中的商业价值和市场经济属性。随着数据要素基础设施逐步完善、试点运营模式趋于成熟，更多企业将通过数据入表加入数据要素流通、交易、赋能等环节，数据应用价值有望持续提升。

数据资产化成为金融展业新支点

数据要素的金融属性初步凸显。数据资产化可以使数据的内在价值通过市场交易转化为金融资源，让数据成为一种新的生产要素，给社会带来更多的经济收益。数据生产及管理需要成本，其获取、加工、运维、管理等环节投入的财务成本，构成了数据的成本价值。《暂行规定》规范了数据成本价值的计量，明确了数据作为资产的价值，让数据由自然资源向经济资产跨越。数据资产化的最终目的是实现数据的交换价值。在数据确权登记、会计计量制度初步建立的前提下，数据资源不仅可以给使用者或所有者带来经济利益，还可以成为金融机构合格的融资质押物。目前，江苏、浙江、北京、深圳等地陆续发布数据知识产权登记相关法律文件，鼓励将登记证书用于数据流通交易、收益分配和权益保护，促进数据创新开发、传播利用和价值实现。下一步，基于数据资产设计的债权产品和相关的股权融资细则有望陆续推出。

金融属性放大数据要素应用价值。数据要素既可作为生产要素直接参与创造社会价值，又可依托其金融属性放大数据要素应用价值。通过聚合、流转、治理、流通等环节，数据与传统生产要素深度融合，在不同场景、不同领域进行复用，进而创造新的价值增量。在此过程中，数据流将成为激活人流、物流、技术流、资金流、商贸物流的关键要素，推动产业链供应链优化升级，促进新质生产力发展。借助金融市场的价格发现功能和风险定价功能，数据要素将驱动生产要素从低生产率部门不断流向效率更高、效益更好的部门，从而大幅度提升全要素生产率。

制度体系保障数据资产融资实现。近年来，各级政府部门陆续出台数据资产化支持政策，在权属层面给予数据资产流动性保障，在计量层面促进数据资产真实性表达。多个省市已设定数据要素市场发展目标，构建相关基础设施确保数据资产安全流动和价值转化，数据要素产业进入实质性落地阶段。在制度体系趋于完善的背景下，数据资产已经成为金融资源配置的重要内容。例如，数据资产质押融资有助于破解科创企业因轻资产、经营不确定性高而导致的融资难题；通过入表将数据的价值在资产负债表中予以体现，可以缩小基于历史成本的账面价值和基于市场的公允价值的差距；通过披露内含企业风险、发展、机遇等不确定性的数据信息，可以缓解因市场信息不对称所导致的融资难问题。

数据资产化支持实体经济新发展

提升交易频度，充分激发数据资源的金融属性。一是尽快形成全国统一的数据交易大市场。在综合考虑各地区实际情况的前提下，按照统一的秩序和规则，打通区域数据交易机构因交易模式、数商生态、技术底座差异而形成的交易壁垒，在全国范围内实施数据要素资源确权与登记、可交易数据产品挂牌、数据产品流通交易和交付，推动数据要素在全国范围内充分流转。二是着力解决数据产品供需匹配度低的难题。鼓励和引导数据生产者顺应市场需求做产品，充分考虑数据产品的实用性和适配性。平台方要科学划分数据产品门类、按市场需求动态调整交易规则、质量标准和定价机制，提升数据产品成交率。三是规范数据产品场外交易。遵循市场发展规律，正确认识场外交易市场在拓展数据应用新业务、新场景中的试验区作用，地方政府可以通过强化数据安全保障、设置合规管理程序等手段，进一步提升场外交易市场规范性，保障和鼓励市场主体自由探索、不断试错，激发数据交易主体的积极性以及交易市场的活力。

创新产品设计，优化数据金融服务。一是深化数据资产在金融领域的运用。鼓励金融机构基于数据资产创新金融产品设计，加快数据要素金融化进程。通过数据增信、数据质押融资、数据资产证券化、数据入股、数据信托、数据保险、数据保理等金融新业态，将数据要素配置到实体经济的生产经营过程中，使其在企业资产增值中发挥催化剂作用。二是做好数据金融服务的配套制度设计。加快转变当前以工业经济为基础的会计核算和权属登记方式，建立适应数字化新业态的会计核算体系和权属登记体系，从制度上破解数据资产类型繁杂、标准化程度低、预期收益不确定和流动性变现能力差等难题，为数据要素金融工具持续创新扫清障碍。

前置监督管理，建立风险分担机制。一是建立常态化数据风险监管走访督导机制。建立地方数据局牵头、金融监管部门协同、平台机构参与的数据风险监管走访督导机制，常态化开展月度跟踪提醒，从资产质量监测、估值模型设置、监测系统和容灾系统建设、敏感数据管控等方面对市场主体进行核查，强化事前风险控制，从源头遏止风险。二是探索建立数据交易风险共担和补偿机制。以市场化运作为前提、以可持续发展为目标，探索建立适配当前市场发展阶段的数据资产风险补偿基金，平抑因外部环境快速变化导致的数据资产价格剧烈波动，降低因市场初期阶段定价机制不健全所导致的交易风险，促进数据市场稳健发展。三是持续深化风险导向的信息披露机制建设。建立健全以风险揭示为目的的数据资产信息披露机制，结合不同领域的应用场景细化市场主体的披露责任，严格数据资产的披露要求，督促市场主体充分披露数据资产的估值过程和数据金融产品的底层逻辑，增强市场公信力和透明度，促进公平交易，确保数据所有者和使用者的合法权益，真正发挥数据要素赋能实体经济的作用。■

（责任编辑　张林）