A股公司数据资产“入表”大扫描：至少22家公司抢尝头啖汤 金龙汽车披露金额居首

    本报记者 田鹏 见习记者 寇佳丽

    2024年1月1日，由财政部印发的《企业数据资源相关会计处理暂行规定》正式施行。随着A股上市公司2024年一季报披露完毕，首批数据资产“入表”上市公司成绩单也顺利揭晓。

    据《证券日报》记者不完全统计，至少有22家A股上市公司在一季报的资产负债表中披露了“数据资源”的数据，涉及总金额达7.61亿元。

    “随着数字化转型的推进，各行各业都在不同程度上依赖或产生数据，同时越来越多的企业意识到数据的价值，并开始重视对数据资源、数据资产的管理与利用。”电子政务建模仿真国家工程实验室首席数字经济专家陈晓华向《证券日报》记者表示，今后，会有更多公司加入数据资产“入表”队伍，为我国深度挖掘数据价值打好基础。

    打开万亿元市场空间

    据《证券日报》记者梳理，首批数据资产“入表”上市公司中，有13家将数据资产计入“无形资产”，有5家计入“存货”，有6家计入“开发支出”。其中，开普云和南钢股份等2家公司同时计入“无形资产”和“开发支出”。同时，从上述22家公司主营业务来看，涉及信息技术、汽车、港口、电力、塑料等众多领域。

    对于首批数据资产“入表”企业并未出现信息技术领域企业“一枝独秀”的现象，中央财经大学中国互联网经济研究院副院长欧阳日辉在接受《证券日报》记者采访时表示，无论企业属于哪个具体行业，只要其业务运营涉及数据收集、处理、分析与应用，就可以将数据视为一种有价值的资产。随着数据要素市场的快速发展，越来越多的企业开始重视数据资产的积累、挖掘和应用，并将其纳入企业的资产负债表中，以更好地反映企业的真实价值和资产状况。

    从数据资源披露的金额看，仅有金龙汽车过亿元，为5.84亿元，中闽能源、恒信东方、山东钢铁、航天宏图、喜临门和每日互娱紧随其后，披露金额均在1000万元至5000万元之间，剩余15家则均低于1000万元。

    2024年一季报作为观察数据资产“入表”成果的第一个窗口期，也预示着数据资产“入表”大幕的开启，万亿元的资产规模也将激发新的市场空间。受访专家表示，主要体现在数据资产规模的增量市场和以数据要素资产化全流程服务为主线的业务市场。

    此前，上海数据交易所预测，数据资产在表内表达将为国家新增万亿元级的资产规模。“为更好拓展这部分新增市场，今后，各方面还需要进一步做好数据安全与合规管理工作，强化企业等对数据的挖掘和分析能力，加强数据流通与交易体系建设，更好推动数据要素市场高质量发展。”艾文智略首席投资官曹辙对《证券日报》记者表示。

    此外，在欧阳日辉看来，数据资产“入表”是一项跨领域、跨行业，且需要多方协同完成的专业工作，目前相关业务仍处于探索阶段。“探索过程带来的挑战和机遇，不仅会对法律、会计、资产评估等传统第三方服务机构提出新要求，例如要了解数据结构、数据流等，还会激发新的发展空间，比如数据资产评估，从而带来整个服务市场的增长。”

    各方持续探索优化路径

    随着《企业数据资源相关会计处理暂行规定》《关于加强数据资产管理的指导意见》等有关文件的进一步落实和完善，在后续的财务报告中，越来越多的上市公司披露数据资产，将成一景。

    “目前，整个产业尚处于初期探索阶段，传统的会计入账、法律合规、资产评估专业知识或难以满足新的制度要求，因而对上市公司、会计师事务所、监管层等都提出了更高要求。”欧阳日辉表示。

    致同会计师事务所是首批数据资产“入表”的参与方之一。致同咨询信息科技咨询服务全国主管合伙人钱芳利在接受《证券日报》记者采访时表示，在数据资产“入表”过程中，企业和会计师均面临诸多待解决的难题，主要包括数据质量、会计处理标准化、数据安全和隐私保护、技术支持和人才短缺等问题。

    例如，《证券日报》记者在调查中发现，某上市公司在制表过程中出现数据提取错误，导致资产负债表中其他项目下的数据误入数据资产项下。目前，该公司已与监管部门取得联系，后续或会发布更正信息。

    正因如此，为了后续更好地推进数据资产“入表”工作，相关各方都应在实践中进一步探索优化实施路径。在钱芳利看来，作为会计师事务所，在协助企业完成数据资产“入表”过程中，不仅需要扮演技术性角色，如需要根据企业会计准则相关规定，对数据资源相关交易和事项进行会计确认、计量，确保数据资源的价值得到合理反映，还包括战略性角色和咨询性角色，如帮助企业更好地利用数据资源以实现商业目标，以及最大化地释放数据要素价值。

    对于企业而言，中央财经大学税收筹划与法律研究中心主任蔡昌对《证券日报》记者表示，可利用数据科学和人工智能技术来提升数据资产的评估效率和准确性，如使用机器学习模型来预测数据资产带来的潜在经济利益。同时，建立强有力的数据治理框架，确保数据的质量和完整性，包括数据的采集、验证、存储和访问控制等。此外，还要对关键员工进行数据资产管理和会计处理的培训，增强其对数据资产战略价值和操作要求的理解。