中经记者慈玉鹏北京报道

　　随着财政部《企业数据资源相关会计处理暂行规定》（以下简称“《暂行规定》”）施行，数据资产入表进入实操阶段。

　　《中国经营报》记者注意到，部分银行2024年年报显示已推进数据入表工作。总体来看，目前银行数据入表规模不大，处于百万元至千万元级别。此外，银行数据入表仍存在挑战，例如目前部分规则空白可能会带来报表编制隐患，而数据资产范畴不明晰、数据合规与确权复杂等问题，直接关系到银行的法律责任与声誉管理。

　　据悉，推进银行数据入表需在国家数据资产入表的顶层设计下，结合金融企业特别是银行的行业属性，进一步细化数据资产的确权、判定和财务制度。从机构角度看，银行应常态化推进数据资产入表工作，降低依托第三方的入表成本，一方面要做好财务系统的适配性改造，另一方面做好相关配套制度制定，确保会计核算工作合规。

　　入表推进

　　目前，部分银行已率先公示数据资产入表情况。例如，中信银行（601998.SH）公告表示，该集团的无形资产主要包括计算机软件及数据资源等。截至2024年12月31日，该行确认为无形资产数据资源的原值为人民币579万元，累计摊销为人民币85万元，净值为人民币494万元。

　　光大银行（601818.SH）公示，截至2024年12月31日，该集团及该行其他无形资产中包含数据资源约人民币1809万元；宁波银行（002142.SZ）表示，该集团对于符合无形资产定义和确认条件的数据资源，相应确认为无形资产，其中包含数据资源600万元，使用寿命同为3年。

　　恒丰银行在2024年年报中提及，截至2024年12月31日，该行依据财政部颁布的《暂行规定》的规定，确认为无形资产的数据资源原值为112万元，累计摊销为人民币11万元，净值为人民币101万元。

　　去年1月1日起《暂行规定》正式实施。该规定明确，企业应当按照企业会计准则相关规定，根据数据资源的持有目的、形成方式、业务模式，以及与数据资源有关的经济利益的预期消耗方式等，对数据资源相关交易和事项进行会计确认、计量和报告。上述操作的目的是进一步规范企业数据资源相关会计处理，强化相关会计信息披露。

　　此前，银行对数据资源的相关投入往往归类为当期损益，一般被视为“成本项”。《暂行规定》执行后，符合标准的数据资产可量化纳入“资产项”，从而对企业整体价值产生正向影响。

　　就具体入表方式，中信银行相关人士告诉记者：“在数据资产管理方面，中信银行于2024年完成全量数据资产盘点，成功构建覆盖全行主要经营管理领域及全部信息系统的数据资产目录。在此基础上，中信银行基于企业会计准则及《企业数据资源相关会计处理暂行规定》的规范要求，创新性地采用‘数据资源长期性评估’‘业务场景经济利益流入量化论证’‘入表成本金额精确计量’的三步走策略对全行数据资源进行筛选和估值，高效、准确地完成了2024年年报数据资源入表。”

　　恒丰银行参与数据入表的研究员谭云霞告诉记者，为审慎论证和稳妥推进数据资产入表工作，恒丰银行围绕数据资产判定条件展开论证，确定与应用场景密切相关的个人信贷类数据产品为典型案例，开展入表测算。2024年8月8日，经过外部审计机构的评审认可，恒丰银行在同业内率先实现数据资产入表核算。依托此次试点，恒丰银行构建了“识别界定—盘点治理—合规确权—收益论证—成本计量—列报披露”全流程，形成了一套可复制推广的“数资六步”入表解决方案。

　　数据资产的识别界定需把控的重点是什么？谭云霞告诉记者：“识别界定过程中，由于企业拥有的数据量大、类型复杂，推进数据资产入表首先要识别数据资源的类型，并满足会计资产的四项判定条件。穿透来看，企业底层数据主要用于支持全行用数，具有间接经济效益；中层数据是对底层数据的整合处理和加工分析，其价值需要在长期的战略实施和其他业务执行来体现；上层应用类数据资产是入表试点的较优选择，该类型可以直接挂钩经济效益，以此为切入口便于梳理应用场景，验证资产中‘经济利益流入’的判定条件。”

　　值得注意的是，数据的合规确权是判断数据资产能否入表的前提，这个过程中，谭云霞表示，可以根据法律法规、企业相关管理制度、数据资源采购合同、采集协议等，从法律合规、安全合规、权属梳理三方面形成合规确权检查清单，以明确数据资产授权链路和权限限制，确保数据全生命周期安全合规。

　　数据资产如何进行成本计量？谭云霞告诉记者：“按照《暂行规定》，关于数据资产成本计量主要参照了无形资产和存货的成本核算方式。以企业自行研发的应用类数据产品为例，梳理数据资产开发生命周期，确定资本化判断区间。在成本计量的执行层面，可由金融科技部门与数据资源部门按照研发分工，与业务部门高效协同，沿着数据资产开发链路进行直接成本归集、间接成本分摊。”

　　北京财富管理行业协会特约研究员杨海平表示，部分商业银行按照财政部数据资产入表有关规定，探索数据资产入表的实践取得了初步成果。其影响可能主要是以下方面：其一，可以在一定程度上优化商业银行资产结构，对商业银行监管指标的影响也偏正面；其二，数据资产入表及数据资产价值的挖掘，倒逼商业银行提升数据治理能力，有望形成数据治理和数据资产应用的良好互动关系；其三，为金融企业数据资产入表积累了有益的经验。

　　入表制度仍需完善

　　目前，数据入表仍存在挑战。

　　某股份行人士表示，目前数据资产范畴并不明晰。由于数据资源类型多、形式多样，在实务中，数据资产的界定往往缺乏清晰标准，这导致在识别和分类数据资产时存在困难。同时，数据合规与确权过程复杂。银行管理机制稍不完善，就可能直接导致数据的采集、存储、使用和共享过程中缺乏可追溯性，不仅给合规审查带来了困难，也加大了数据泄露风险。

　　成本可靠计量亦存在操作难点。上述股份行人士表示，实操过程中，在直接成本归集上，由于数据资产生命周期管理复杂，且在不同阶段涉及不同的成本结构，使得数据资产成本归集面临挑战；在间接成本分摊上，数据资产的生成过程涉及数据收集、清洗、分析和存储等多环节，所产生的间接成本难以直接归属于具体的数据产品或服务，尚无分摊机制以准确反映每个环节的真实成本。

　　该股份行人士进一步指出：“银行在内部使用数据资源或对外提供服务的过程中，存在重复加工和调用数据的情形，服务于不同业务的数据资源在使用方式、利用频次、价值发挥等方面存在差异，直接增加了间接成本的分摊难度。”

　　另外，银行进行数据资产收益论证并不容易。上述股份行人士表示，数据资产化要求企业明确带来经济利益的数据形态，并能够判断经济利益流入的可能性。尽管数据本身蕴藏着潜在价值，但在实务中进行收益论证并非易事。数据资产的价值往往非直接可见，尤其是服务于银行内部运营的数据资产，其价值很大程度上取决于银行如何利用这些数据来提升运营效率、优化决策或创造业务收入。例如，通过分析数据获得趋势洞察、预测客户行为和创新服务产品等，为银行带来竞争优势。但这些收益通常在短期内难以量化，当数据使用涉及多种业务场景时，更增加了收益论证的复杂性。

　　杨海平表示，目前商业银行数据资产入表面临的主要困难包括：一是现有的关于数据资产入表的会计制度，需要结合商业银行的特点进行细化；二是由于数据资产入表具有创新性，法律法规和相关制度难以一步到位，因而实操中数据资产确权依然具有一定的难度；三是数据资产的估值标准仍需要进一步完善；四是商业银行数据治理的不足制约着数据资产入表及数据资产的价值挖掘。

　　为进一步推动数据入表，杨海平建议，其一，在国家数据资产入表的顶层设计下，结合金融企业特别是商业银行的行业属性，细化相关数据资产的确权、估值和财务制度。其二，监管部门指导商业银行持续优化数据治理。其三，结合商业银行数字化转型实践，探索数据资产应用的新模式、新路径。

　　从银行角度看，谭云霞建议，推进数据入表，首先做好财务系统的适配性改造。一是根据会计科目分类，将入表涉及的财务信息完整录入财务系统。二是按照入表方案进行科目映射，确保相关财务信息被准确分类。三是对相关会计科目进行自动化归集和列示。其次，机构需要制定数据资产入表的配套管理制度，对数据资产的定义、相关组织职责、业务流程、会计核算办法、披露内容等进行明确规定，确保数据资产在财务报表中得到恰当核算，也为后续常态化数据资产入表奠定坚实基础。同时，相关人员需要密切关注相关经济环境、监管规定及会计准则的变化，以便及时更新调整细则内容，确保先进性与实用性。

（文章来源：中国经营网）