作者：徐涛（同济大学经济与管理学院博士后）；戎珂（清华大学社会科学学院教授）

数据是数字经济时代的基础性资源、重要生产力和关键生产要素。自党的十九届四中全会将数据列为生产要素以来，党中央、国务院发布多项政策文件，围绕数据要素市场发展谋篇布局，形成了推动数据资产化的强大合力。2022年12月，中共中央、国务院印发《关于构建数据基础制度更好发挥数据要素作用的意见》（以下简称“数据二十条”），提出构建数据基础制度、充分实现数据要素价值，为数据要素市场提供了顶层设计方案。在“数据二十条”的指引下，2023年8月，财政部制定印发了《企业数据资源相关会计处理暂行规定》（以下简称“《暂行规定》”），明确了数据的资产属性及入表的适用范围、会计处理使用准则、列示和披露要求，并于2024年1月1日起正式实施。

《暂行规定》的出台是国家层面首次对数据资产入表建立相关制度规范，推动数据资产入表迈出坚实一步。首先，将数据正式列入企业财务报表，标志着数据从抽象概念转变为能够为企业带来切实经济效益的新型资产，有助于企业更精准地优化资源配置、提升运营效率。其次，在数据入表的过程中，企业通过对数据资产的细致分类和深入剖析，将形成对自身数据资源的更全面认知，为企业挖掘数据价值、探索创新应用提供有力支撑。再次，数据资产的透明化披露将显著提升企业的数据可见度，为其他机构和企业发现合作契机、拓展合作空间提供便捷途径，进而吸引更多企业积极参与数据要素市场，推动数据要素市场发展。

虽然数据资产入表正式进入倒计时阶段，但企业在数据资产入表的实际操作过程中，仍然面临着诸多挑战。

一方面，由于数据资产的非竞争性、弱排他性、价值异质性、无形性等特点，使得数据的价值评估体系构建尤为复杂。数据的非竞争性和弱排他性意味着相同数据可以被不同主体在多个场景中同时使用。一旦数据被分享或泄露，也难以阻止其他组织或个体使用，导致传统的市场价值评估方法难以适用。价值异质性意味着不同的数据在不同的应用场景和对不同的用户都有着迥异的价值，要求评估体系具备高度的灵活性和适应性，进而增加了评估体系的构建难度。此外，数据被纳入资产负债表后，数据资产的无形性特点意味着直接验证其存在性、完整性和准确性变得更加困难，如何避免虚构资产价值的行为也成为数据入表落地的关键问题。

另一方面，数据权属制度不明晰，数据交易市场不活跃，同样制约企业的数据资产入表进程。首先，不明确的数据权属制度意味着企业在确定数据归属、管理和使用方面可能面临法律风险。在没有明确的权属划分下，企业可能会遭遇权利争议，导致其数据资产的实际价值和权益受到威胁。不明确的权属制度还可能引发隐私和数据安全问题，进一步增加企业的合规风险。其次，当前数据资产的场内交易仍然不活跃，缺少数据价格发现机制。由于缺乏市场参照物，数据资产的估值过程更倾向于主观性，更容易受到非市场因素，如企业行业类别、管理者主观判断，或是外部环境中的不确定性因素的影响，进而影响数据入表的公允性、准确性与透明性。

面对数据资产入表落地面临的诸多挑战，需要政府部门、行业协会、研究机构、企业等多方协同合作，构建有利于数据资产入表的生态体系。

第一，政府部门需要在制度建设、市场引导、行业监管等方面发挥主要作用，为数据资产化、数据资产规范入表提供制度基础和政策环境。从实施层面，可以结合数据生成的具体场景建立数据的确权和授权机制。首先，在具体的生成场景下，数据的初始产权可以归参与生成过程的主体所有，初始产权的确立可以通过参与主体之间分散的市场化契约完成。其次，在初始产权确立基础上，探索构建数据分级授权机制。在不同场景的数据价值实现过程中，不同主体根据获得授权级别，对数据进行基本的管理和维护、分析操作、打包销售或以其他方式进行商业化利用。通过构建特定场景下的确权和授权协商机制，能够以较低的协商成本与监管成本确保数据主体的相关权益得到尊重和保护，降低相关的法律风险，减少由于权属不明或授权争议导致的潜在损失。

同时，政府部门应鼓励市场主体、社会力量积极参与数据要素市场建设，构建多层次数据市场体系，探索数据价格的发现机制。多层次数据市场体系是一个分层结构的市场环境，包括原始数据资源市场、数据要素市场和数据产品及服务市场。第一级市场主要处理原始数据的授权和流通，为数据的基础价值评估奠定基础。第二级市场进一步细分为数据要素市场，通过数据在社会生产经营活动中的实际应用和产生的经济效益，为数据的价值评估提供更具体的依据。第三级市场则围绕数据产品和服务的交易展开，通过市场需求和用户反馈，反映数据产品和服务的市场价值。在三级市场体系中，一级市场需要做“广”数据来源，应该鼓励更多的数据收集，并完成数据确权后的数据流动，以等价交换的方式进行安全分享。二级市场要做“大”数据交易，构建场内场外协调互补的数据交易体系，促进数据安全高效流动，形成网络效应。三级市场要做“深”数据产品，深入行业应用场景，运用人工智能算法等构建智能化的解决方案，真正释放数据价值，服务各行各业。通过多层次的数据市场协同，使得数据的价值能在不同层面和场景下得到评估和验证，从而帮助市场参与者更准确地发现和理解数据的价格和价值，进而推动数据资产入表进程。

此外，数据资产的无形性、复杂性和技术依赖性，要求更为精细的管理手段，确保其企业数据资产入表的真实性和完整性。对于监管部门而言，需要进一步明确数据资产监管的责任和权限，成立专门的机构或团队对企业的数据资产披露情况进行监管，尤其是涉及上市公司的相关数据资产披露。

第二，行业协会和研究机构可以在协调、监督和研究等方面发挥主要作用，应结合行业特点开展研究，建立数据资产评估标准和方法，推动行业自律和企业数据资产的规范披露。数据资产价值评估体系应该是一个多元、综合和动态的系统。行业协会和专业研究机构可以针对不同行业的特点和需求，为数据价值评估提供标准化模型和参考指标，从而为特定行业企业提供一个相对统一、公正的评价基准。在此基础上，研究机构可以进一步借助先进的数据分析技术和算法，研究和制定更为科学、客观的数据价值评估方法，确保其不仅符合行业的实际需求，还能够在实践中为企业带来真实价值。在推动数据价值评估标准体系的发展过程中，与数据提供商、数据处理商等机构的合作同样至关重要。相关数据服务商能为数据价值评估提供全面的背景信息，确保数据的准确性、完整性和时效性。通过多方合作和综合分析，推动数据价值评估标准体系的发展和完善，为数据入表落地提供强有力的支持。

此外，各行业协会还应积极建立自律机制，包括制定数据资产的披露准则、加强数据资产入表的指导与培训以及推动企业间的合作交流。自律机制的建立将有效促进数据资产的透明化和负责任的披露，提升行业的整体信誉和效率。通过政府监管与行业自律的有机结合，构建一个全面有效的数据资产入表监管体系，确保数据资产披露的公允性和可靠性，从而推动数据资产化的健康有序发展。

第三，企业在数据资产入表的具体落地过程中，其核心主体作用的发挥至关重要。首先，企业必须深刻认识到数据资产的重要性，并积极参与数据资产的评估与定价工作。通过运用科学的方法和技术手段，确保数据的真实性和准确性，这不仅有助于企业更全面地了解自身数据资产的价值，也为后续的数据交易奠定了公平、合理的基础。其次，企业在数据市场的建设和制度完善中也应扮演积极的角色。通过参与数据交易平台的搭建、交易规则的制定以及交易流程的优化等工作，企业可以推动数据市场向规范化、高效化方向发展，为数据要素的顺畅流动和价值充分释放创造更加良好的市场环境。最后，企业在数据交易活动中必须高度关注数据安全和隐私保护问题。在确保合规的前提下开展数据交易，切实保障用户合法权益和数据安全，这既是企业的社会责任，也是其可持续发展的关键所在。通过这些措施的实施，企业可以在数据资产入表的过程中发挥核心主体作用，推动数据要素市场的健康发展。

来源： 光明网-学术频道