2023数据资产入表及估值实践与操作指南-上海数据交易所

数据资产入表及估值实践与操作指南的内容总结如下：

一、政策背景与理论框架

1. 数据要素作为新型生产要素，其市场化配置已被纳入国家战略。国家层面明确数据资产化路径，强调合规高效流通和赋能实体经济，推动数据要素市场建设。
2. 数据资产的界定：需满足企业拥有或控制、能带来经济利益、成本或价值可计量的条件。区分无形资产与存货，采用实际成本法进行初始计量，后续计量需根据摊销或减值规则。
3. 数据要素价值链理论：数据从资源到资产需经历资源化、产品化和资产化三阶段，企业需通过创新性劳动和实质性加工形成可交易数据产品。

二、数据资产入表实践

1. 核心挑战：
   • 成本归集难度大（组织架构与业务流程错配，导致成本无法准确计量）。
   • 收入与成本匹配困难（数据产品销售模式与研发模式脱节）。
   • 摊销年限难确定（数据时效性与市场供应不确定性）。
   • 税会政策差异（会计摊销年限与税法要求不一致，影响企业税务成本）。
   • 数据资产失效导致报表波动（应用场景变化或政策干预可能使资产价值瞬间归零）。
2. 解决路径：
   • 建立数据分类分级确权机制，明确数据资源持有权、加工使用权、产品经营权。
   • 推行数据资产凭证，实现交易信息透明化，支持市场法估值的基础。
   • 强化企业数据治理，优化内部流程，提高数据产品管理能力。
   • 推动数据资产信息披露规范化，形成统一披露模板。

三、数据资产估值方法

1. 主要方法：
   • 成本法：基于数据构建成本及投资回报率调整，适用于内部使用或公共数据授权场景。
   • 收益法：通过未来现金流折现计算，需区分数据资产对企业的收益贡献及风险因素。
   • 市场法：依赖可比案例，但目前市场交易数据不足，需加快数据要素市场建设。
2. 应用场景：
   • 数据资产估值为金融创新（如增信、质押融资、证券化）提供基础，需结合具体经济行为（如转让、许可使用、出资）选择适用方法。
   • 应用场景差异（如金融、物流、交通）导致数据价值呈现显著波动，需动态调整评估模型。

四、案例与会计处理

1. 数据资产入表影响：
   • 企业A入表后，资产负债表资产总额提升9,115万元，负债增加1,628万元，流动比率下降，资产负债率降低，净利润显著增长。
   • 入表初期成本费用减少，但后期因摊销导致成本递增，需权衡会计与税务处理差异。
2. 会计处理规范：
   • 数据资源需按无形资产或存货分类，并通过权属证明、成本归集等流程入表。
   • 公共数据授权场景下，企业可依据授权协议采用成本法，结合收益法评估实际价值。

五、国际实践与未来方向

1. 国际上已出现数据资产并购案例，国内需探索市场化交易规则，完善数据资产估值的统一标准。
2. 数据资产创新应用方向包括增信、转让、出资、证券化等，需评估预期现金流与权利边界。
3. 未来需构建数据资产分类分级体系，强化权属明晰度，并建立可比案例数据库以支持市场法应用。

六、制度保障与行业协同

1. 《数据资产评估指导意见》强化了评估准则与应用场景的衔接，要求评估需结合数据质量、场景特性及法律合规性。
2. 推动数据资产入表需国家重点支持，强化数据交易所基础设施，提升企业与服务机构的协同能力。

七、核心结论
数据资产入表与估值是数字经济发展的关键抓手，需在权属确认、会计处理、市场规则等环节形成系统化路径。通过规范入表流程和估值方法，可释放数据要素价值，推动数据资产化、证券化与市场流通，进而优化资源配置并提升企业收益。