自财政部2023年8月发布《企业数据资源相关会计处理暂行规定》（以下简称“暂行规定”）以来，各类市场主体均在积极探索数据资源入表机制，激活数据要素市场发展内生动力。
本文将结合2024年半年报A股公司公开披露信息，分析目前国内上市公司将数据资源纳入财务核算体系的总体规模、行业分布、市值分布，以及数据资源的列报和披露情况等信息，总结有关当前市场现状的十大观察及五大热点问题。
2024年半年报数据资源入表情况十大观察速递
观察一
入表公司数量总体规模仍不大：共有36家上市公司实现入表
截止2024年9月2日，合计共有44家上市公司在半年报主表中披露了数据资产，涉及总体金额合计32.3亿元。值得注意的是，公开信息显示，其中约8家上市公司很可能属于主表信息填列简单错误，例如某制造型公司将所有存货计入数据资源或将包括土地使用权等所有无形资产均填列为数据资源，明显并不合理。此外，也已经有部分上市公司也已公告取消数据资源入表。
剔除8家明显存在简单列报错误的上市公司信息，剩余36家上市公司合计入表金额为5.4亿元，其中，存货0.1亿元、无形资产2.3亿元、开发支出3.0亿元。披露数据资源入表的主要上市公司清单请参见图1，以下数据分析均以36家上市公司为基础展开。
图1：2024年上半年主表披露数据资产入表上市公司
观察二
入表金额体量仍比较小，少数公司扭亏为盈
入表数据资源占总资产和净资产比例较低
大部分上市公司入表的数据资源占总资产和净资产比重极低，基本均低于1%，仅有4家公司比重在1%-5%之间，包括卓创资讯（301299）、航天宏图、观典防务及每日互动（300766）。可见由于目前数据资源入表尚处于初期阶段，入表的数据资产整体规模不大，对市场及公司整体影响有限。
少数公司入表数据资源可能导致扭亏为盈
两家公司由于将数据资源确认为资产而非费用，可能使得净利润或归母净利润扭亏为盈。由此可见，数据资源入表对部分处于盈亏平衡的企业影响尤其明显，更需充分评估入表条件是否满足。
俄央行称目前通胀压力仍然很大，7月份曾预测今年的通胀率为6.5%至7.0%，但目前看来实际情况可能会超过这一预测。俄罗斯国内需求的增长仍然远远超过商品和服务供应的能力。为了降低通胀预期并确保通胀率在2025年恢复到目标水平，俄央行需要采取额外的货币紧缩措施。俄央行不排除继续上调关键利率的可能性。
观察三
入表上市板块集中以主板为主
从入表数据资源的上市公司所在的上市板块来看，上交所主板上市公司数量最多，达到13家，其次是科创板和创业板，分别为8家。
图2：入表数据资源的上市公司上市板块分布
观察四
入表公司行业分布广
从行业分布来看，实现数据资源入表的36家企业中，超过一半的企业都属于拥有“数据富矿”的电信服务行业（3家）、以及提供数据类产品和服务的信息技术行业（11家软件与服务、5家技术硬件与设备）和其他行业（1家资本货物 —— 航空航天与国防）。除了上述数字化程度较高的行业，还有传统制造业（2家）和交通运输业（4家）。而剩余10家的行业分布较分散，其中，医疗保健、零售、媒体、资本货物-建筑工程各2家，金融和商业专业服务 —— 电子商务平台各1家。
图3：入表数据资源的上市公司行业分布
入表体量最大的是电信服务行业，在三大电信运营商首次实现2.60亿元数据资源入表后，市场普遍认为，作为提供全方位通信及信息服务的运营商，拥有庞大的、高活跃度的数据资源，电信运营商数据入表也是市场普遍预料之中的结果。
入表企业数量最多的是专注于软件研发、人工智能、大数据服务等领域，以提供数据类产品和服务为主业的信息技术行业。由于数据、算法和模型往往是该行业的核心竞争力，市场普遍也认为该行业作为入表的先行者顺理成章。
入表行业最令人眼前一亮的是传统制造业和交通运输业。有着先进智能生产体系的制造企业，通过数字化应用，将生产制造全过程和运营管理决策智能化。其持有的生产运行数据、质量检测数据和供应链数据等，不仅利于优化生产流程和预测设备故障，还成为数据资源入表的有力基石。例如，电力设备供应商金盘科技披露其“虚拟电厂聚合平台”和钢铁制造企业南钢股份（600282）披露其“人工智能百景千模”。同样，物流企业的物流轨迹数据、仓储数据，港口企业的库场堆存管理数据，以及高速公路企业的高速路网车流量等，也可提升业务效率和降低成本，成为值得挖掘的数据资产化应用场景，如圆通速递（600233）披露的全链路管控“金刚系统”。
由此可见，传统行业也存在许多值得挖掘、开发和应用的数据资源场景。此外，普华永道观察到，具有“数据富矿”的金融行业，目前只有海通证券成为了该行业的首家入表企业，市场将拭目以待金融行业其他上市公司后续三季报和年报的入表情况。
观察五
入表公司市值体量集中在百亿左右
在数据资源入表的上市公司中，市值达千亿以上的共有3家，为三大电信运营商，市值介于百亿和千亿间的公司为14家，而数量最多的则是市值低于百亿的公司，达到19家，其中市值最低的公司为7亿市值。
图4：数据资源入表上市公司市值分布
观察六
列报无形资产和开发支出占绝对多数，少数进行期初重分类
列报无形资产或开发支出占绝对多数
从图1可见，36家上市公司合计入表金额为5.4亿元，其中作为开发支出和无形资产入表的数据资源占据绝对多数，共有35家，合计金额达5.3亿元，仅有2家公司将数据资源列报为存货（含1家上市公司同时列报无形资产及存货）。
计入开发支出金额最多
列报为开发支出的数据资源金额最多，占到总金额的55%，其中前五大上市公司分别为中国电信（601728）、中国联通、中国移动（600941）、拓尔思（300229）及小商品城（600415）。
其次是列报为无形资产的数据资源，金额占总额的42%，主要包括同方股份（600100）、航天宏图、观典防务、中国移动、每日互动等公司。
金额最少的为存货，仅占总金额的3%。值得注意的是，多家原本主表列报了较大金额的存货 —— 数据资源的公司，实际多为填列错误，说明市场上对于列报于存货的数据资源理解尚不充分。
少数公司对期初数进行了重分类
少数上市公司在入表数据资源的同时，对2024年1月1日的期初数进行了重分类，将上年末作为无形资产 —— 软件或开发支出其他项目的余额重分类为数据资产，包括海天瑞声、观典防务、小商品城、中远海科（002401）及中文在线（300364）等。
观察七
入表数据资源主要为自行研发产生
总体来说，几乎所有公司均能披露数据资源的形成方式，仅2家上市公司未披露相关信息。从数据资源的形成方式来看，在2024年半年报将数据资源作为无形资产或开发支出列报的35家公司中，27家公司披露其数据资源主要为内部自行研发产生，另有3家公司披露既有自行研发还有外部购买的数据资源，极小部分公司披露入表数据资源为外购产生。
图5：上市公司入表数据资源的形成方式
注：上表仅包含列报为无形资产/开发支出的35家上市公司。
观察八
入表数据资源的类型以数据库、数据集和模型类为主
在披露数据资源类型的24家公司中，绝大多数披露的是数据库、数据集和模型类的数据资源，合计为23家，具有代表性的包括行业数据库和模型、地图数据库和平台以及低空影像数据库等，另有1家披露类型为外购内容数据。
观察九
摊销方法以直线法为主
超过半数的公司未披露数据资源的摊销方法，其中有9家存在无形资产，可能由于金额不重大而未披露摊销方法，剩余11家公司的数据资源主要列报在开发支出，故尚未达到可使用状态，因而也未披露摊销方法。
在披露摊销方法的15家公司中，13家属于较为传统的直线法摊销，剩余2家为加速摊销的方式，包括卓创资讯和每日互动。
图6：上市公司入表数据资源的摊销方法
注：上表仅包含列报为无形资产/开发支出的35家上市公司
观察十
摊销年限集中在3-5年
在披露摊销年限的公司中，摊销年限最低为2年，有两家公司（圆通速递和凌云光）披露摊销年限最高达10年。综合来看，多数企业披露摊销年限在3-5年左右。
图7：上市公司入表数据资源的摊销年限
注：上表仅包含列报为无形资产/开发支出的35家上市公司
2024年半年报数据资源入表的披露情况和质量分析
《暂行规定》创新性地提出“强制披露+自愿披露”相结合的方式，以规范和引导企业加强对数据资源相关信息的披露。鼓励企业采用定量、定性信息相结合，文字和数字共同描述数据资源状况，帮助报表使用者更好地从整体上去理解企业数据资源的价值。对于暂时未将数据资源确认为资产的企业，《暂行规定》提出也可在自愿披露部分合理展示其数据资源。
此外，根据《公开发行证券的公司信息披露编报规则第15号—财务报告的一般规定(2023年修订)》，企业还需要对重要的资本化研发项目，结合研发进度、预计完成时间、预计经济利益产生方式等，说明开始资本化的时点和依据以及减值测试情况，以及披露研发支出的归集范围，划分研究阶段和开发阶段的具体标准等。
普华永道观察到，在2024年半年报披露中，企业披露的信息详尽程度不一。大部分入表企业对于强制披露要求中的摊销期限、摊销方法、费用化的数据资源研究开发支出金额以及划分研究阶段和开发阶段的具体标准均未披露；而对于自愿披露，可能基于商业保密等考虑，仅有1家入表企业（每日互动）按照《暂行规定》的自愿披露要求进行了详细披露；少数入表企业（如金盘科技、佳华科技和国源科技等）在半年报中对于拥有的数据资源内容、投入规模、研发进展及应用场景等进行了披露；少数企业披露了其持有的数据资源产品已成功在数据交易所上架交易，或已将其入表数据资源用于融资质押，成功打开数据资源融资渠道。普华永道会持续关注后续三季报和年报的披露情况。
亟待探讨形成共识的实务热点和难点问题
《暂行规定》自发布以来，一直深受市场关注。《暂行规定》虽然并没有对现行企业会计准则的原则性要求做出修改，但是相对于常见的无形资产而言，数据资源有其特殊性，因此，企业在执行《暂行规定》的过程中，对于一些共性问题存在争议，尤其是以下五大问题：
问题1
数据资源的合规与确权难度大
尽管《数据二十条》提出了“三权分置”的概念，将持有权、加工使用权与经营权分开，但仅属于基础制度的建设，相关法律法规并未出台细则，且各地交易所林立，缺乏认证的权威性和统一性。例如，对于数据权属溯源需要到哪个层级，何时需要以及如何证明数据资源的权属（如什么情况可以“企业自主认定权属”，什么情况需要数据存证或公证，如何进行存证或公证，什么情况需要第三方法律意见书），均存在实务困惑，因此会计入表的法律依据仍然面临较大挑战。
此外，考虑到数据资源的特点，除所有权之外，还存在很多其他衍生的权利，例如收集权、加工权、使用权、交易权、收益权等，在数据资源取得、加工、应用、流通的全链路过程中，各参与方取得的权利是否也符合会计准则有关对资产实施控制的规定，尚缺乏明确的指引。
问题2
对软件、系统和数据资源的异同理解尚未达成一致认识
目前企业使用的部分软件、系统中往往也会嵌入模型、算法等数据要素，二者并没有一个非常清晰的边界。为满足上述暂行规定要求，企业遇到的实务困惑是如何界定和判断什么是数据资源？如何区分软件、系统类无形资产与数据资源无形资产？另外，对于2024年1月1日之前已经资本化为“无形资产 —— 软件”的支出，即使假设其性质上属于数据资源，企业是否应当在2024年1月1日将其进行重分类为“无形资产 —— 数据资源”，实务中也存在不同的理解和观点。
问题3
数据资源的预期经济利益分析论证挑战大
数据资源入表需要满足资产确认条件，其中条件之一是与该资产有关的经济利益很可能流入企业，从会计准则角度，经济利益流入既包括增加现金流入，也包括减少现金流出。实务中，对于如何证明“经济利益很可能流入企业”存在不同的理解和观点，例如，经济利益流入分析是否必须采用货币化计量的方式测算，还是仅通过定性分析即可?
问题4
数据资源的后续支出处理也尚未达成一致认识
实务中企业通常会通过更新迭代来不断地改进、优化和完善其数据资产，以适应市场的不断变化，提升数据资产质量。例如，数据服务企业会为已开发完成并形成无形资产的数据库持续发生相关数据维护和安全管理等支出。企业为持续提升其数据资源质量和性能而发生的后续更新迭代支出应如何进行会计处理，也存在诸多争议。
问题5
数据资源审计面临的挑战
由于数据资源的权属、资本化条件判断等在实务存在诸多争议，尚未达成共识，且缺乏统一的审计标准和指南，增加了财务报表审计的难度。此外，从审计师的角度，数据资源通常涉及复杂的信息技术。随着新型商业模式和各种数据资源的不断涌现，数据的真实性、完整性和安全性等质量的验证对审计师的专业胜任能力提出挑战。
在数字经济时代牛策略证券，数据资源赋予企业新的生机和活力。暂行规定的发布以及生效无疑给市场和企业释放了积极的信号，引导企业对数据资源进行更有效的治理与管理。普华永道作为数据领域的长期践行者，致力于协助数据要素市场发展，在暂行规定“稳妥确定、可靠计量、合理披露”方针指导下，帮助企业构建提升数据资源治理能力，进一步探索数据资源价值实现方式，打造一条完整的数据资产价值实现通路。