随着数据要素价值持续显现,A股上市公司数据资产入表(按会计准则将达标数据资源确认为资产并入账)工作稳步推进。据万得数据统计,2026年前三季度共有139家A股上市公司参与数据资产入表工作,入表规模合计34.65亿元,参与企业数量及规模分别同比增长33.03%和16.63%。
《证券日报》记者注意到,上市公司对数据资产入表的推进逻辑,正从提速落地转向精耕细作,其工作重心不再单纯追求入表体量扩张,而是逐步向数据梳理、分类分级、源头确权等基础性数据治理环节倾斜。
江苏数据交易所首席研究员林梓瀚在接受《证券日报》记者采访时表示,当前上市公司推进数据资产入表,正从政策响应式落地转向以价值释放为导向的自主数据治理,更加注重入表质量与合规底线,这也是数据资产入表市场逐步走向成熟的理性信号。
多因素促入表持续规范
近年来,数据资产化进程持续提速,叠加人工智能技术广泛应用,进一步放大了数据要素的价值潜力,也对数据资产入表提出更高要求。在此背景下,制度框架持续完善、监管问询趋严、审计机构与市场主体审慎意识不断提升,多方合力推动数据资产入表从规模扩张转向合规优先。
在制度框架方面,7月份,国家数据局印发《数据产权登记工作指引(试行)》;9月份,《资产管理数据资产分类与代码》《资产管理数据资产登记指南》同步实施……一系列制度保障,为企业开展源头确权、厘清数据采集授权、理顺多方数据权属关系提供支撑,降低权属模糊带来的合规隐患。
从资本市场方面来看,证券交易所问询、第三方审计机构审慎把关,倒逼上市公司摒弃“重数量、轻治理”的思路。例如,5月份,上海证券交易所向某上市公司下发问询函,重点关注其SAR遥感数据资产入表事项,要求公司说明数据资产确认依据、资本化时点、成本归集口径、摊销政策,论证数据资源能否满足资产确认条件、相关经济利益流入的合理性,并对比同行业会计处理差异。这类问询直指确权、计量、收益论证等核心难点,彰显监管部门对数据资产入表真实性、合规性的高标准。
从市场预期层面来看,投资者对数据资产信息的关注度持续抬升,对资产真实性、价值可持续性的判断标准不断提高。单纯依靠入表规模增厚报表的做法,难以获得市场认可。同时,企业逐渐意识到,扎实的数据治理不仅是为了满足财报合规要求,也是支撑后续数据流通、质押融资、场景化价值释放的基础。
林梓瀚表示,站在企业经营的视角,多重因素促使市场由前期快速试水转向理性审慎。在风控上,数据资产一旦入表,就要面对来源合法性、权属清晰度、授权链条完整性的持续审视。在成本上,数据治理投入大、收益兑现有时滞,企业在价值路径尚不充分明朗时审慎推进,是对股东负责。在商业价值上,没有治理基础的入表数字缺乏可验证性,难以被审计师、投资者和交易方真正采信。
从拼规模转向看质量
外部约束与内在需求共振之下,越来越多上市公司将数据基础治理视作长期性、体系化工程,不再把入表当成一次性事项。企业着手搭建适配自身业务的数据标准体系,完善元数据管理、数据质量校验机制,系统性完成内部全域数据资产盘点、标准化台账建设、全流程证据链留存,把治理动作前置到资产确认之前。
例如,厦门象屿股份有限公司在今年半年报中披露,公司稳步推进数据资产入表各项前置准备工作,持续完善全链条数据治理体系与数据资产化管理机制,依托供应链产业场景沉淀的数据资源,持续探索数据资产多元价值变现路径。
产业端还出现一个值得关注的新趋势:一批先行完成内部治理与入表实践的上市公司,开始将数据治理、合规梳理、入表咨询、平台搭建等能力打包对外输出,角色从“自己做入表”转向“帮产业伙伴做入表”,数据要素服务赛道加速成型。
苏商银行特约研究员武泽伟对《证券日报》记者表示,数据要素产业成熟普遍遵循先立规则、再深耕治理、后推进资产化与流通变现的时序规律。上市公司扎根实体产业场景,具备业务、合规、财务一体化优势,向外输出数据资产化服务,契合产业发展节奏。
中国移动通信联合会教育与科学技术研究院执行院长、区块链与数据要素专委会创始主任委员陈晓华对《证券日报》记者表示,A股上市公司数据资产入表告别粗放探索期,正式步入重合规、重实质价值的理性发展阶段。企业主动权衡数据权属边界、治理投入成本与长期实际收益,说明市场评价标尺已经从比拼入表规模,转向看重数据资产质量、可持续运营能力与真实商业价值。
生态协同破局前行
从实践来看,数据资产入表的核心前置流程,覆盖数据盘点、分级分类、来源核验、授权链条梳理、产权登记等多个环节,每一环都对公司治理能力提出刚性要求。
在林梓瀚看来,多方共建数据的权属,需在合作协议、贡献度和使用场景之间逐案界定,权益分配是最大难题;衍生数据须证明与原始数据存在实质性差异和价值提升,“实质性差异”的界限又比较模糊;用户授权数据的可控制性和使用边界取决于授权颗粒度与场景约束,授权链条任何一环断裂都会动摇入表基础;在重要数据与个人信息的边界上,个人信息界定相对清晰,重要数据乃至核心数据虽有规则,但数据可融合、可拆分,识别难度较大,企业需在安全与可用之间反复权衡。
同时,陈晓华补充表示,成本归集也是一道难关。按监管要求,数据资源入账只能采用成本法,按实际发生、可直接归属的支出计量,禁止追溯调整,每年还要做减值测试;而数据研发常与业务系统建设、日常运维混在一起,研究阶段与开发阶段难以切分。
正因如此,推进数据基础治理,一方面,需要上市公司摒弃“为入表而入表”的短期冲动,把确权、归集、摊销等环节当作长期能力来建设;另一方面,也离不开规则供给的持续补位与市场生态的协同发力。
多位受访专家向记者表示,短期来看,不必追求数据资产入表企业数量和入账规模的高速膨胀,高质量的治理底座才是数据要素长期流转、价值兑现的前提。对于上市公司而言,数据资产不是“一次性入账亮点”,而是贯穿数据生产、使用、流通全生命周期的长期资产管理事项。
陈晓华表示,后续可进一步细化衍生数据认定标准、明确成本分摊实操指引、完善数据资产减值的判断指标、打通产权登记和会计确认之间的互认机制。真正破解企业“想做不敢做、想入不会入”的困境,让数据资产入表行稳致远。
展望未来,武泽伟认为,下一阶段产业格局会进一步分化:产业龙头企业继续深耕内部数据治理,等待合适时机有序入表;具备技术、合规服务能力的上市公司持续向外输出治理能力;中小上市公司则更多依托第三方服务商完成数据盘点、确权梳理,降低自主搭建体系的成本。分层推进之下,数据要素市场会形成“治理打底、入表择机、流通赋能”的稳定节奏。
(文章来源:证券日报)
