从0到1，银行数据资源入表开启！难点之外，还有这些机会|界面新闻

界面新闻记者 | 何柳颖

界面新闻编辑 | 王姝

银行数据资源入表实现从0到1。

在政策指引下
，光大银行、中信银行 、宁波银行
、恒丰银行等多家银行在2024年报披露了数据资产入表情况 。目前来看，具体入表金额仍较小 ，且入表的痛点、难点依然显著
。

银行数据资源入表陆续开启

光大银行2024年报披露
，截至2024年12月31日，集团及该行其他无形资产中包含数据资源约1809万元。

中信银行2024年报显示 ，无形资产主要包括土地使用权 、计算机软件及数据资源等
，按成本进行初始计量，其中数据资源的预计使用寿命为3年 。截至2024年12月31日 ，依据财政部颁布的《企业数据资源相关会计处理暂行规定》（下文简称《暂行规定》）的规定
，确认为无形资产的数据资源原值为579万元，累计摊销为85万元 ，净值为494万元
。

宁波银行2024年报显示
，对于符合无形资产定义和确认条件的数据资源，相应确认为无形资产 ，其中包含数据资源600万元
，使用寿命同为3年。

非上市银行中，恒丰银行亦在2024年年报中提及 ，截至2024年12月31日
，该行依据财政部颁布的《暂行规定》的规定，确认为无形资产的数据资源原值为112万元 ，累计摊销为人民币11万元
，净值为人民币101万元 。

另有银行在年报中提及了数据资源入表推进情况，提到按照财政部《暂行规定》要求 ，制定“数据资源入表五步法”
，开展外部数据采购类
、算法模型开发类数据资源梳理和盘点，积累数据资源入表场景 ，实现数据资源入账零突破
。

从数据上看，目前入表的数据资源仍显微不足道。以光大银行为例
，在2024年底，光大银行含数据资源的其他无形资产1809万元 ，约占无形资产余额（账面价值）的0.36%；而无形资产余额(账面价值)50.30亿元
，约占集团资产总额的0.07% 。

横向对比来看，“数据大户 ”中国移动的2024年数据资源入表金额达到6.16亿元 ，包括无形资产5.60亿元以及开发支出0.56亿元
。作为首家实现数据资源入表的央企控股上市企业
，中国移动在2024半年报中首次披露，数据资源入表7000万元 ，包括无形资产2900万元以及开发支出4100万元。从中可以看出
，中国移动的数据资源入表规模在半年时间里实现了迅速扩大 。

有银行业内人士告诉界面新闻记者，目前各家银行仍在探索阶段 ，相比其他行业
，银行对于数据资源入表要更加谨慎，监管方面的指导也仍待进一步明确。

财政部颁布的《暂行规定》自2024年1月1日起施行 ，为数据资产化提供了重要的政策指引，其后数据资源入表大幕徐徐拉开
。《暂行规定》明确
，企业应当按照企业会计准则相关规定，根据数据资源的持有目的、形成方式 、业务模式 ，以及与数据资源有关的经济利益的预期消耗方式等
，对数据资源相关交易和事项进行会计确认
、计量和报告。

正是在此背景下，银行的数据资源入表陆续开启 ，并历经了数据资产盘点、评估 、计量等工作流程 。

以中信银行为例
，该行向界面新闻记者表示，为进一步提升全行数据管理体系的建设水平 ，强化数据资源在全行经营管理中的价值转换
，中信银行按照规划部署，全面推进各数据管理领域工作措施
。

据中信银行介绍 ，在数据资产管理方面
，于2024年完成全量数据资产盘点，成功构建覆盖全行主要经营管理领域及全部信息系统的数据资产目录。

在此基础上 ，中信银行基于企业会计准则及《暂行规定》的规范要求，创新性地采用“数据资源长期性评估
”
、“业务场景经济利益流入量化论证”、“入表成本金额精确计量 ”的三步走策略
，对全行数据资源进行筛选和估值，高效 、准确地完成了2024年年报数据资源入表 。

“后续 ，中信银行将以数据资源入表工作为起点
，持续强化数据管理及应用，加强数据类项目资源的投入产出评价 ，进一步提升全行数据资源应用质效
。
”中信银行方面表示。

从项目类别看
，根据《暂行规定》，企业使用的数据资源 ，符合《企业会计准则第6号——无形资产》（财会〔2006〕3号
，下称《准则》）规定的定义和确认条件的，应当确认为无形资产；企业日常活动中持有、最终目的用于出售的数据资源 ，符合《企业会计准则第1号——存货》（财会〔2006〕3号）规定的定义和确认条件的
，应当确认为存货 。

Wind数据显示，截至5月16日 ，A股市场上，2024年的数据资产入表总金额约为20.81亿元
。其中作为无形资产计入的有78家
，总金额12.06亿元；作为开发支出计入的有28家，总金额7.68亿元；作为存货计入的仅3家 ，总金额1.07亿元。

从目前披露情况看
，银行的数据资源基本集中在“无形资产”项 。根据《准则》，无形资产 ，是指企业拥有或者控制的没有实物形态的可辨认非货币性资产
。同时
，无形资产同时满足下列条件的，才能予以确认：与该无形资产有关的经济利益很可能流入企业；该无形资产的成本能够可靠地计量。

难点
、堵点不少

银行数据资源入表会带来哪些影响？

“商业银行作为数据密集型企业 ，数据资源入表后
，与数据资源相关的支出从费用转为无形资产 。短期内，利润表费用减少 ，利润增加。长期看
，持续购买和开发数据资源将带来小幅利润增长，但对报表总额影响有限
。 ”深圳数据交易所战略与运营管理部负责人李颖向界面新闻记者表示。

迈入数字经济时代 ，数据资源入表预计是趋势所在，但作为一个新兴事物
，相关的确权、估值等工作操作难度显然不小 。

李颖认为，目前银行业的数据资源入表面临三大难题：

一是数据盘点和治理困难
。银行数据量大且类型繁多 ，涉及多个部门和主体
，使得数据盘点和治理复杂。数据无形性也增加了核查难度，治理难在于数据全生命周期涉及多个部门 ，存在协调和质量控制问题 。

二是数据产权不清晰导致确权难题
。数据可同时被多方使用
，共享性特征明显，确权需证明数据属于企业 ，但多方共享使得权属划分复杂。同时外部数据流转路径复杂
，涉及数据伦理和个人隐私 。

三是数据无形和价值易变导致计量和实操难题
。数据难以分割，且其价值受多种因素影响 ，包括样本大小 、时效性和应用方法等。数据通常与其他要素共同发挥作用
，其价值易受外部变化影响，制定估值计量标准和方法存在难度 。  

针对银行业的数据资产估值难点 ，中国银行业协会于2024年2月发布《银行业数据资产估值指南》（下称《指南》）团体标准，给出了相关实践依据
。该标准由中国光大银行牵头
，中国工商银行
、中国农业银行、招商银行 、浦发银行等单位共同参与研究制定。

“《指南》针对数据资产计量难
、估值难，将估值过程明确为：识别估值目的、划分估值对象 、选取估值方法
、匹配估值指标、确认估值信息 、编制估值报告及归档估值信息 ，为银行数据资产估值处理的标准化提供了流程参照 。
”李颖介绍。

不过
，相关难点
、堵点依然明显
。有业内人士认为，数据资产入表后如何确定其生命周期 ，如何计量
，出售等问题还有待厘清。

围绕生命周期的问题，普华永道中国金融业管理咨询主管合伙人王建平向界面新闻记者表示 ，数据资源的预期使用寿命需要充分考虑其经济利益实现的业务场景
，需要与该数据资源价值实现的周期相匹配，将数据的时效性、数据活性和数据价值的变化作为重要考虑因素 。

“同时 ，数据资源使用寿命的判定还需要考虑主体对该数据资源的控制期限
，如外采数据资源的预期使用寿命受合同授权期限条款的约束
。由于数据资源无形资产的特殊性，在实践中 ，其预期使用寿命的估算一般不超过5年，并需选择匹配的摊销方式。”王建平表示 。作为参考
，前文提及的生命周期多在3年左右
。

计量方面，王建平表示 ，根据《暂行规定》
，数据资源入表的初始计量以历史成本为基础，不能将数据资源估值作为调整账面价值的依据 ，即使数据资源符合入表条件
，其计量仍需基于历史成本而非公允价值。

王建平称，财政部的这一考虑首先出于会计谨慎性原则 ，历史成本法以实际发生的可资本化成本为基础
，能够更可靠 、更客观地反映企业为获取或开发数据资源所付出的真实代价，避免因公允价值的主观估计导致资产价值虚增 。另一方面 ，由于数据资产的交易市场尚不成熟
，缺乏公开、透明的价格形成机制，导致公允价值难以可靠取得 ，因此现阶段采用公允价值计量的基础尚不成熟
。

另外，如果买入数据资产后再次卖出
，会计问题应如何处理？

王建平介绍，根据《暂行规定》要求 ，若数据资产以出售为目的
，应确认为存货，出售时按收入准则确认收入并结转成本；若用于自用则确认为无形资产 ，需按使用寿命摊销。

“对数据资源的受让方
，若涉及数据资源的多次出售，我方的解决思路是建立成本分摊机制 ，例如按销售次数或收入比例分摊初始成本
，而非一次性结转；对于数据资源的购买方，在实践中 ，往往取得数据资源的加工使用权
，一般不拥有直接二次销售的权利，而需要结合自身的数据通过二次加工形成新的数据资源后再进行销售 ，若形成的新的数据资源若符合入表条件，其购买数据资源的支出和二次加工的投入成本可进行资本化 。 ”王建平表示
。

数据资产质押融资正加快发展

数据资源入表仍在起步
，数据资产增信
、质押融资等数据金融业务发展则已有一段时间。

比如，光大银行先后有11家分行启动数据资产融资服务 ，为数据服务商批复金额达2.26亿元 。以光大银行深圳分行为例
，在2023年3月，深圳分行落地全国首笔小微企业无质押数据资产融资业务 ，为深圳微言科技有限责任公司提供了1000万元普惠贷款支持；同年11月
，分行审批通过全国首笔跨境企业数据资产融资业务，为香港企业HARBOUR HILL（HONG KONG）LIMITED提供300万元跨境贷款支持。

2024年6月 ，神州数码将金服云数据产品作为数据资产
，纳入企业财务报表并获得建设银行深圳分行授信融资3000万元，成为了全国首笔大中型数据资产质押融资案例
。

值得注意的是 ，围绕数据资产融资业务
，银行与数据交易所合作紧密。

“深圳数据交易所与多家银行签署战略合作协议并建立了常态化产用对接合作机制，比如联合光大银行深圳分行先后落地全国首单数据资产无质押的增信融资业务 ，打通全国首例跨境企业数据资产增信融资业务；联合建设银行深圳分行协助深圳数据交易所数据商完成数据资产‘入表+质押融资’先行案例落地；协助交通银行深圳分行建立科创‘数据资产分层分类模型’，助力数据资产融资增信新模式等 。
”李颖介绍
。

在合作过程中
，具体分工如何进行？李颖告诉界面新闻记者，数据交易所主要负责数据的产权登记和合规认证 ，数所的产权登记证书、产品上市证书等是银行开展授信的重要依据；银行则基于真实存在 、产权清晰
、合法合规的数据资产为客户提供数据增信或者数据质押服务。

不过
，数据质押融资业务同样面临行业堵点 。“数据持有方在数据确权、估值 、入表
、资产化之后，普遍的愿望是以数据资产进行金融创新 ，例如以数据资产进行抵押贷款
。然而由于数据存在贬值太快的特点
，通过数字资产做抵押信贷申请时，金融机构感觉风控有难点。”中国社会科学院大学教授、国务院原副秘书长江小涓近日提及 。

可以看出 ，无论是入表还是增信 、质押融资
，数据本身的确权与估值都是关键所在，而这需要企业
、金融机构、数据交易所 、监管层面的多方努力 ，才能探索出相对明晰的发展路径
。

值得一提的是
，在受访人士看来，数据资源入表也将有利于银行的信贷业务发展。

“数据资源入表有助于银行管理层重视数据积累 ，强化数据在业务中的作用，促进业务和服务的转型与创新
，以适应数字经济 。比如，通过入表提升数据分析能力 ，银行将更依赖大数据分析来识别客户需求并提供信贷等
。 ”李颖表示。