一、数据资产入表概况
政策背景：我国政府通过机构改革和出台配套政策，推动数据要素市场建设和数据资产入表。主要政策包括将数据列为生产要素、成立国家数据局、发布《企业数据资源相关会计处理暂行规定》等。
市场概况：银行业数据资产入表处于前期探索阶段，2024年8月某股份制商业银行完成首例入表。截至2024年三季度，A股上市公司中64家首次披露数据资产入表（含12家撤回），合计金额约24.13亿元；三大电信运营商入表金额总计4.51亿元；至少50家城投企业完成入表，数据类型主要集中在交通领域；少量非上市民营企业入表。
二、数据资产入表对企业财务报表的影响
- 财务报表影响：数据资产入表直接影响资产负债表（资产总额增加）、利润表（当期费用减少、未来营业支出增加）和现金流量表（经营活动现金流流出减少、投资活动现金流流出增加）。
- 财务指标影响：数据资产入表可改善资产负债率、平均总资产收益率、平均净资产收益率和资本充足率，但对银行资本充足率影响有限。
- 税务影响：数据资产摊销方法和期限需满足税法规定，影响企业应纳税所得额。
三、数据资产入表流程
数据资产入表流程包括四个阶段：
- 数据资源治理：梳理数据资源、制定分类标准、清洗整理形成数据资源清单。
- 数据资源合规与确权：进行合规审查（主体合法性、数据来源合法性等）和登记确权（如数据交易所登记）。
- 数据资源计量与入表：根据“四可”条件确认资产类型（无形资产或存货），采用成本法初始计量，后续进行摊销、减值和处置。
- 数据资源信息列报与披露：在报表中列示，并在附注中披露强制和自愿披露信息。
四、银行业自身数据资产入表
- 数据资源分类及特点：银行业数据资产分为原始类、过程类和应用类，主要来源于外部采购和内部伴生数据，应用场景包括监管报送、业务类、管理类和数据治理类。
- 入表实践案例：某股份制商业银行将个人信贷风险评估模型作为数据资产入表，涉及数据采购、研发加工和资本化处理。
- 驱动因素：促进数字化转型、产品创新和数据治理水平提升。
- 制约因素：可预见的财务收益有限，存在合规风险、内部管理挑战和数据治理成本高等问题。
五、银行业服务客户视角的数据资产入表
- 金融服务现状：主要包括数据资产增信、数据资产质押融资、数据托管和数据资产证券化。
- 驱动因素：响应政策导向，为未来业务发展和新增创收提前布局。
- 制约因素：数据资产特点、确权交易流转制度不成熟等。
六、趋势展望
- 银行业数据资产入表将有序推进，入表规模逐步放大，倒推数据治理和价值评估体系建设。
- 基于数据资产的银行业金融服务将更加规范发展，信贷产品将融入更多元增信机制，登记制度将逐步统一。
- 数据资产入表有望促进银行业数据产品研发和其他创新，推动相关制度建设和组织调整。
