数据资产入表的三大关键点和六大误区

数据已成为企业最宝贵的无形资产之一，其价值挖掘与有效利用直接关系到企业的核心竞争力与市场地位。数据资产入表，即将数据视为资产并纳入企业的财务报表体系，不仅是对数据价值认可的重要里程碑，也是推动企业数字化转型、优化资源配置、实现精细化管理的关键举措。然而，这一过程中既蕴含了三大关键点，也潜藏着六大误区，需要我们审慎对待，以确保数据资产能够真正发挥其最大效用。

误区一：数据资产入表只需参照准则要求或者一般做法即可

不行。数据资产入表没有标准答案，不能按部就班，更不能为了入表而入表。

数据资产入表并没有一套适合各个行业的通用方案，需要结合行业特点、应用场景、价值实现方式等因素进行灵活应对，因为不同行业的数据资源范围、数据类型、数据研发过程、成本分摊方式、对外披露策略等是不同的。

所以，企业必须深入剖析数据资源，灵活应对实际情况，充分考虑外部因素，建立完善的数据资产入表流程和管理机制，以确保数据资产入表的过程规范、高效且安全。

误区二：数据资产入表就是财务部门或数据部门的工作

不是。数据资产入表并非财务部门或数据部门的“独角戏”，而是需要整个企业各个部门的共同努力和协作。

数据资产入表这一任务涉及企业的数据管理、业务运营、技术支持等多个方面，各个部门都需要积极参与进来，比如：业务部门需要深入了解业务场景和需求，为数据资产入表提供明确的业务导向和目标；数据部门则需要负责数据资源的收集、整理、分析和挖掘，确保数据的准确性和完整性；科技部门需要提供技术解决方案，确保数据资产入表的技术实现和操作流程的顺畅性；财务部门需要提供成本核算和财务管理等方面的支持，确保数据资产入表的经济效益和合规性；合规和董办部门也需要对整个数据资产入表过程进行监督和审查，确保整个过程的合规性和规范性；等等。

所以，数据资产入表是考验企业管理层对数字化转型和数据要素的理解深度，考验企业数据资产管理和运营水平的综合性必答题。

误区三：数据资产入表能够全自动化实现

不能。当下没有能够直接复制运用且照搬落地的实现方式。

行业层面数据场景和统一标准尚不清晰，企业层面数据资产管理成熟度普遍不高，还有一些关键问题仍待解决，例如数据产品全链路如何合规授权、数据研发成本和传统IT研发成本如何剥离、数据要素贡献和业务贡献如何区分等。

所以，自动化入表数据资产判断、自动化成本归集等是企业探索和努力的方向，而非当前可直接复制运用且照搬落地的功能。

误区四：2024年之前的数据费用化投入也能重新资本化

不能。前期费用化投入不能重新资本化。

《暂行规定》于2024年1月1日才开始施行，而此规定采用未来适用法（将变更后的会计政策应用于变更日及以后发生的交易或者事项，或者在会计估计变更当期和未来期间确认会计估计变更影响数的方法），且明确指出在其施行前已经费用化计入损益的数据资源相关支出不再调整。

误区五：数据资产入表是根据资产估值和定价进行计量的

不是。既不基于估值，也不基于定价。

《企业会计准则第6号—无形资产》与《企业会计准则第1号—存货》规定，企业内部产生符合入表条件并确认为无形资产或者存货的数据资源，其计量基础仍应基于历史成本。

误区六：第三方登记是数据资产入表的必要前提

不是。第三方登记不是数据资产入表的必要前提，但是可作为佐证材料。

数据资产入表前需要按照《企业会计准则》中规定的资产确认条件对被预选作为资产进行入表的数据资源进行判断和确认。判定和确认完毕后就可以开始制定入表方案和准备数据关系图谱、价值链图谱等相关佐证资料。此时第三方登记可以作为佐证材料，但不是必需的。这实际上与非专利技术等知识产权是类似的，非专利技术并不一定要拿到专利权证书才可以入表。

文章来源：网络

免责声明：本公众号部分转载的文章、图文、视频来自网络，其版权和文责属原作者所有。如转载稿涉及版权等问题，请发送消息至公众微信号后台，我们将在第一时间处理，非常感谢！