數據資源入表路徑及入表成本分析

點擊圖片，觀看回放

原文標題： 數據資源入表路徑及入表成本分析

作者：謝力

來源： 《財務與會計》2025年第17期

摘要：自《企業數據資源相關會計處理暫行規定》發布以來至2024年年底，已有92家上市公司完成數據資源入表，但普遍存在數據資源定義模糊、資產識別不規范、成本歸集混亂等問題。本文擬從數據治理角度對數據資源的定義和范圍進行界定，對數據服務和數據架構進行分析，以準確識別數據資源資產，并對數據資源資產的管理和成本核算提出建議。

財政部發布《企業數據資源相關會計處理暫行規定》（以下簡稱暫行規定）以來，各類市場主體均在積極探索數據資源入表機制，激活數據要素市場發展內生動力。根據上市公司公開披露信息，共有92家上市公司在2024年年報中實現了真正意義上的數據資源入表，入表金額超過20.9億元，其中24家屬于信息傳輸、軟件和信息技術服務業（本文將這類企業稱為數據服務企業），剩余68家企業屬于制造業等14大行業（本文將這類企業稱為非數據服務企業）。通過深入分析92家上市公司披露的相關信息，筆者發現目前企業數據資源入表普遍存在數據資源定義不清，混淆數據資源和數據服務，數據資源資產識別和管理、數據資源成本歸集和分攤邏輯不清等問題。本文擬結合實務項目經驗就這些問題和解決思路進行分析探討。

一

數據資源的定義和范圍

暫行規定明確了符合規定的數據資源可以資產化，但并未對數據資源進行明確定義。實務中大部分數據交易所可以掛牌的數據產品包括語料庫、數據集和數據服務，因此很多入表企業也是把上述三類數據產品作為數據資源進行入表。在92家入表的上市公司中有39家披露了具體入表數據資源的內容，經過統計分析發現其中3家公司入表為語料庫，14家公司入表為數據集，22家公司入表數據資源為各類系統平臺和技術平臺。

筆者認為，將語料庫和數據集作為數據資源沒有爭議，但將數據服務（表現為系統平臺或技術平臺）整體作為數據資源進行入表有待商榷。國家發展改革委、國家數據局于2025年1月印發的《公共數據資源登記管理暫行辦法》將數據資源和數據服務作了明確區分，并要求分別登記，前者為數據集，后者為基于數據資源開發的數據產品或服務。

圖1是普遍適用的數據服務簡圖，展示了數據服務的概貌：用戶通過Web、App或小程序等用戶界面發起數據服務請求，通過后臺系統運算后返回數據服務內容。有些數據服務只需要后臺系統參與，有些數據服務則需要后臺系統調用底層數據庫或模型能力處理后再返回輸出結果。模型既可以是規則化的模型（如信貸風控模型），也可以是通過特定算法和語料訓練之后的AI模型（如DeepSeek、豆包等）。

由圖1可見，數據服務通常由用戶界面、后臺系統、數據庫、模型、算法和語料庫等不同的功能模塊構成。在提供數據服務的過程中，不同用戶界面可以調用同一個后臺系統，同一個數據庫可以服務于多個后臺系統，同一個算法和語料庫可以用于不同模型的訓練，同一個模型也可以被不同后臺系統調用，因此將這些模塊識別為不同資產進行管理和核算更為合適。

在這些資產中，筆者認為數據庫和語料庫是符合暫行規定的數據資源，其他幾類資產并不滿足暫行規定的規范意圖。從業務管理和財務核算角度看，用戶界面和后臺系統屬于軟件著作權。對于算法和模型而言，實務中主要通過三種途徑進行知識產權保護，即專利權（《專利審查指南》明確了對于包含算法特征或商業規則和方法特征的發明專利申請的審查標準）、軟件著作權（著作權法規定，“計算機軟件”是受著作權保護的“作品”。當算法、模型以計算機代碼的形式成為“計算機軟件”的一部分時，受到著作權的保護）和商業秘密（反不正當競爭法規定商業秘密的界定采用“秘密性、價值性、相應保護措施”三要件說，作為企業核心技術的算法和模型往往均可滿足），可以分別對應財務核算上的專利權、軟件著作權和非專利技術。

數據資源、算法、模型通常也以軟件系統的形式存在，因此如果金額較小，按照重要性原則，建議企業不單獨核算，而是將其價值納入軟件著作權進行統一核算。但如果企業信息披露要突出其數據服務布局和數據資源優勢時，為了避免報表閱讀者和使用者產生誤解，不能簡單將用戶界面、后臺系統、模型和算法等打包為一項數據資源，建議企業可以在原有無形資產分類基礎之上，增加數據資源、算法和模型等作為新的無形資產類別，分別管理和核算相關無形資產，并在報表附注中增加詳細說明。

二

數據資源資產的識別

資產核算的基本要求之一是“一物一碼”，即同時取得多項同類資產時需要分別建立多個資產卡片，而不是一個資產卡片。筆者發現，92家公司入表數據資源幾乎都是一項，這種將數據資源打包成一項資產的做法并不符合數據資源的資產特點。

圖1中的數據庫（包括語料庫，下同）包含了多種類型的數據。不管是數據服務類企業還是非數據服務類企業，企業組織和管理數據時通常采用圖2所示的數據架構。

企業數據架構將企業數據處理過程分為數據標準、主數據、業務源數據、貼源層數據、中間層數據和展示層數據六個主要層次。這種架構的設計旨在提高數據的整合性、可訪問性和可分析性，幫助企業在復雜的數據環境中作出明智的數據使用決策。

數據標準，即在收集和使用數據前先對數據進行定義，將現實世界抽象成不同的業務對象，并對業務對象進行定義，形成企業的數據資產目錄，統一企業內部的數據口徑。數據資產目錄內容通常包括業務對象、業務對象屬性和屬性數據標準（元數據）。目前行業性的數據標準包括中注協發布的《注冊會計師審計數據規范 采購》等8項注冊會計師審計數據標準和財政部發布的電子憑證會計數據標準。

主數據是指在企業內部跨多個系統、應用程序和業務過程中共享、使用和維護的關鍵業務實體的核心數據。這些數據通常包括客戶、產品、供應商、員工和其他重要的業務對象的信息，其目的是確保數據在組織內的一致性、準確性和可靠性。主數據更新頻率慢，數據收集或更新后在一定時期內不會變化，且其數據匯總表的記錄條數相對較少。

業務源數據是基于業務活動產生、收集和記錄的業務信息。業務源數據通常會引用大量主數據信息并產生業務活動的流水賬，是管理數據的源頭數據。業務源數據在業務流程中實時產生和收集，數據條數較多，但數據欄目（字段）較少。

貼源層數據即貼近數據源頭的數據。這一層的主要任務是將源數據進行抽取、脫敏、清洗、轉換和標注，在確保數據安全的前提下提高數據的質量和一致性。之所以不對源數據直接進行脫敏、清洗和標注等處理，是因為業務數據不能隨意篡改，而為數據使用考慮有時候又不得不對源數據進行修改。如果業務源數據質量高，則這部分的工作量將大幅降低。貼源層數據是對源數據定期進行加工而形成，除必要的脫敏清洗工作外，對源數據不作其他修改。企業從外部購買的數據資源通常也是經過脫敏、清洗和標注的貼源層數據。

中間層數據是整個架構的核心，負責存儲經過處理的數據并提供高效的查詢能力。由于業務源數據表單通常成為“窄表”，其特征為表單數量很多，但每個表單內部的信息量（字段數量）有限。用戶使用業務數據進行決策分析時需要將不同業務表單的數據進行集成，匯總成一張信息量龐大的“寬表”（字段數量多），才能得出有管理價值的結論。數據工程師通常會根據業務主題，將主數據、業務源數據和外購數據進行集成，生成各種中間表。后續展示層使用數據時就不用頻繁從貼源層調取，大大優化了數據的調用效率和系統的反應速度。數據在集成整合過程中可能會形成新的中間層數據集，也可能會集成到原有的中間層數據集中。

展示層數據是最終用戶與數據交互的界面，通常包括各種數據可視化工具和報表生成工具。在這一層，用戶可以通過圖形界面輕松地訪問、分析和展示數據。前端展示層的設計旨在使數據的獲取和分析過程盡可能簡單和直觀，使非技術用戶也能夠從中獲取有價值的洞察。展示層數據有固定報表形式和動態生成兩種形式。前者是針對常用的數據需求定期存儲數據集，使用時直接調用預存數據集；后者沒有預存數據集，而是根據用戶數據需求實時生成和顯示數據。因此展示層數據并不一定有物理上的數據集存在，而是動態調用中間層數據集。此外，展示層數據調用的很可能是多個時期的中間層數據集。

數據標準的建立類似于數據標準零部件的制造，后續從主數據到展示層數據的所有數據都是通過這些標準零部件進行各種組合和應用。這個組合的設計過程就是數據建模，即對各類數據集的表結構進行設計，具體內容包括：表單功能定義、表單引用的業務對象及其屬性、表單字段數據源、數據源集成方式等。

綜上所述，筆者認為企業數據資源資產包括三大類：

一是數據資產目錄，即業務對象定義、屬性，以及每個屬性的數據標準（元數據）。這部分目錄資產很難獨立拆分和使用，因此可以作為整體形成一項數據資源資產進行管理。

二是數據模型目錄，即各類應用場景下數據表單的定義，表單字段所屬業務對象，表單數據分布信息（所引用數據的數據源在哪里）及表單數據集成方案（如何與其他表單的數據進行集成）。這部分目錄資產可以作為一項或多項數據資源資產管理。

三是數據集，即從主數據到展示層數據的各類帶有記錄的數據集。不同的數據集產生和處理的周期、受益期間等完全不同，甚至在大型企業集團中其業務主體都不同，因此需要結合企業的實際情況識別成不同的數據資源資產進行管理和核算。

從現有披露信息看，入表企業罕有就數據資產目錄和數據模型目錄進行資產化管理，這與當前企業信息化重系統建設、輕數據標準和數據治理的現狀密切相關。

三

數據資源確認和計量

暫行規定指出滿足條件的數據資源可以確認為無形資產或存貨。實務中由于涉及權屬認定問題，大部分上市公司入表數據資源都是無形資產或開發支出，因此筆者從數據治理視角對無形資產（含開發支出，下同）數據資源的成本歸集、分攤和傳遞進行深入分析。

（一）數據資產目錄成本確認和計量

實務中企業數據資產目錄的形成有兩種方式。一是通過專門的數據治理項目對數據資產進行系統梳理，形成數據資產目錄。這種模式下，數據資產目錄的形成投入成本金額較大，且能夠獨立計量。企業數據資產目錄對于提升企業信息化能力、降低信息化投入、提高信息化效率具有作用意義。二是在各類信息化項目中明確了數據治理要求，數據資產目錄會作為項目成果提交。這種模式下數據資產目錄部分的成本占項目整體比例不高，且是否能夠獨立計量存在不確定性。

確認為無形資產的數據資產目錄具有使用壽命不確定的特征，在企業經營可持續性不確定或有行業性數據標準體系貫標需求時存在減值跡象。

（二）數據模型目錄成本確認和計量

數據服務企業的數據采集、處理、集成通常都有專門的數據采集、數據清洗標注、數據集成設備和系統。數據模型目錄通常是在此類專項設備系統研制開發的前期進行需求調研后的設計成果，是此類專項設備系統研制開發的重要依據，因此數據模型目錄都是基于某個特定數據應用場景產生的。

數據模型目錄的成本（即數據建模成本）計量可以分為兩種方式。一是作為數據處理專業設備系統的成本，計入對應固定資產或軟件著作權中。二是將數據模型目錄作為獨立的數據資源進行核算。這種方式下，企業要將數據建模成本獨立核算涉及成本的分攤問題，需要結合企業的實際情況來確定分攤方式。

對于非數據服務企業來說，建議采用第一種核算方式。對于數據服務企業，如果確需單獨核算，建議企業按照不同的數據服務業務分別識別數據模型目錄，并作為一項獨立的數據資源資產進行管理和核算，其無形資產受益期間可以同該項數據服務的生命周期保持一致。

（三）數據集成本確認和計量

依據數據架構和數據處理流程，數據集的成本可以分為采集、清洗標注、集成和使用四個階段。

1.數據服務企業的成本計量。數據服務企業的數據采集可以是利用自有信息化系統和數據設備采集的數據，也可以是外部采購的數據。相應地，數據集的成本就包括采集設備系統的折舊費用、設備系統運行費用、數據采集人員的薪酬成本和外部采購的買價和稅費。數據采集通常是按項目（如衛星成像數據）或定期（如每月入庫的論文數據）進行，因此成本核算對象可以考慮是按項目或按批次。

從數據架構看，數據采集階段形成的源數據并不會直接使用，而是會先復制到貼源層進行數據清洗和標注等加工處理后投入使用。因此，數據清洗標注也通常按項目或按批次進行，數據采集成本可以在研發支出歸集后全額結轉入對應的數據清洗標注項目或批次。

數據服務企業的數據清洗標注工作部分是由專門的設備系統自動完成的，部分是需要人工來完成的。數據清洗標注后的貼源層數據集成本包括數據采集成本、數據清洗標注設備系統折舊及運營費用、數據清洗標注人員的薪酬成本等。

經過清洗標注后的數據通過專門的設備系統進行數據集成，生成各類中間表。在數據服務中，后臺系統調用的幾乎都是中間表數據，因此貼源層數據集的成本更適合在研發支出歸集后全額結轉計入對應的數據集成項目或批次中。數據集成的成本主要包括貼源層數據集的成本、數據集成設備系統的折舊和運營費用。

筆者建議中間表集成按項目或批次進行研發成本歸集，如果集成后生成多張中間表的，則按數據量（記錄量和字段量）將項目或批次研發成本結轉為不同的中間表數據資產。

數據服務企業對外提供數據服務主要通過動態方式調用中間表數據，因此，數據展示層并不形成獨立的數據資產。從調用方式上看，中間表可以分為某項數據服務專用中間表和多個數據服務共同的中間表，因此中間表的攤銷費用可以直接計入某項數據服務或通過公共費用歸集后分攤計入不同數據服務。分攤依據可以考慮采用數據訪問量和數據輸出量。除了分攤的中間表成本外，數據服務成本還包括前端界面、后臺系統、IDC（數據中心）費用和客服費用等成本。

綜上所述，從實物資產管理角度看，數據服務企業的主數據、業務源數據、貼源層數據、中間層數據都需要建立資產卡片進行管理；但從價值核算角度看，中間層數據集才是適合作為無形資產數據資源入表的資產。此外，從業務邏輯看，數據的采集、加工和集成是周期性進行的，因此，數據資源入表應該具有明顯的周期性入表的特點。從財務報表列報的角度看，數據資源開發支出應當持續發生和留存，并按企業特定的周期節拍（如按月、按季度等）結轉為無形資產。不具備這個數據特征的企業，很可能是將軟件系統或平臺列報為了數據資源，或者是識別出的數據資源已經不具備使用和資本化的條件，已經入表的數據資源存在減值跡象。

2.非數據服務企業的成本計量。非數據服務企業對外提供數據服務，如果是利用原有主業的業務源數據、貼源層數據和中間表數據的，數據資源成本已經被主業吸收，不需單獨核算。但從數據資源資產實物管理角度看，也建議企業建立資產卡片加強實物管理。

如果提供數據服務需要對原有數據進行補充采集、清洗標注和集成，可以參考數據服務企業的數據資源管理和核算模式，將新增的中間表作為數據資源無形資產入表核算。