银行业视角下的数据资产入表：新松恨不高于尺 浅草才能没马蹄

—— 银行业视角下的数据资产入表 2024年12月 前言 随着数字经济的快速发展，数据已经成为国家基础性战略资源和关键性生产要素。中央网信办发布的《国家信息化发展报告(2023年)》显示，2023年我国数据生产总量为32.85ZB，同比增长22.44%。随着数据产量的快速增长，如何有效激活并充分释放数据要素价值，以及如何衡量数据要素在推动经济发展中的乘数效应，成为政策制定者面临的关键考量之一。 政策制定者期望通过数据资产入表使数据要素的经济潜力量化和货币化，从而为衡量数据要素价值提供可行路径。数据资产入表可直观理解为“将数据纳入企业报表的资产项，以体现其业务贡献与真实价值，并实现科学管理的过程1”。有观点认为：数据资产入表将发挥会计启动器作用，进一步激活数据资产的交易和利用，加快释放数字经济新动能2。随着财政部印发的《企业数据资源相关会计处理暂行规定》于2024年1月1日起施行，数据资产入表元年的大幕正式拉开。一时间，市场各方对企业数据资产入表的关注持续攀升。 然而，企业在数据资产入表实践中面临着权属确定、价值评估、数据存储更新及交易流转等多个环节的问题。从2024年前三季度发布的财务报告情况来看，在率先披露数据资产入表进展的A股上市公司中，有多家公司又进行了撤回，这反映了各方对数据资产入表的认知尚未达成统一。 银行业作为拥有大量数据同时受到严格监管的行业，目前看待数据资产入表更为审慎。理论上，银行不仅可以凭借海量数据资源作为数据资产入表的参与主体，也可能通过提供数据资产质押贷款等金融服务加速数据在其他行业的流转、推动其他行业数据资产入表进程，成为数据资产入表的“市场加速器”。而现状是，在当前市场热度下，银行业对自身数据资产入表仍较为审慎，围绕客户企业数据资产的金融服务探索略显积极。银行业在市场发展初期的小步探索和审慎态度，有利于数据资产入表这一新生事物的持续、健康发展。 本研究报告通过梳理数据资产入表的现状、分析入表对财务和税务的影响等，探究银行业视角下的“数据资产入表”，旨在为银行同业开展数据资产入表及相关业务提供有益的参考。报告的研究重点主要体现在两个层面：一是银行业自身数据资产入表的价值及进展，二是从银行业授信业务等视角研究金融产品和服务的变化，探究企业数据资产入表对银行业务的影响。 目录 一、数据资产入表概况01-02 政策背景01市场概况02 二、数据资产入表对企业财务报表的影响03-05 数据资产入表对财务报表的直接影响数据资产入表对财务指标的影响数据资产入表的税务影响030405 三、数据资产入表流程06-11 数据资源治理数据资源合规与确权数据资源计量与入表数据资源信息列报与披露06060710 四、银行业自身数据资产入表12-16 银行业数据资源的分类及特点银行业数据资产入表实践案例银行业数据资产入表的驱动因素银行业数据资产入表的制约因素12121415 五、银行业服务客户视角的数据资产入表17-20 银行业基于客户数据资产的金融服务现状银行业开展客户数据资产相关金融服务的驱动因素银行业开展客户数据资产相关金融服务的制约因素171919 六、趋势展望21-22 银行业数据资产入表将有序推进、入表规模逐步放大基于数据资产的银行业金融服务将更加规范发展数据资产入表有望促进银行业数据产品研发和其他创新212122 一、数据资产入表概况 （一）政策背景 为加快推进并规范全国一体化数据要素市场建设，我国政府进行了相应的机构改革并出台了一系列配套政策。2019年10月，党的十九届四中全会首次增列“数据”为生产要素；2023年10月25日，国家数据局正式挂牌，截止至2024年三季度已有31个省区完成数据管理机构的组建，全国数据要素管理体系初步形成。在配套制度上，我国政府陆续出台了一系列文件，为有序推动数据资产入表,进而推动构建完善的数据要素市场提供了有益的指导。主要政策如表1-1所示。 （二）市场概况 银 行 业 的 数 据 资 产 入 表 实 践 仍 处 于 前 期 探 索 阶 段 。2024年8月，某股份商业银行披露完成银行业首例数据资产入表。多家国有银行、股份制商业银行、区域性银行先后公布围绕数据资产入表的工作进展，预计在政策引导和示范案例带动下，将在年报中看到更多入表落地案例。 截止至2024年三季度，数据资产入表的主体主要为上市公司和城投企业。其中，A股上市公司共有64家首次披露数据资产（含12家披露后紧急撤回），成功入表的公司数量约占上市公司数量的1%，合计金额约24.13亿元（含多次披露的累计数据）。特别需要注意的是，数据资源较为丰富的三大电信运营商均在半年报首次披露数据资产入表情况，其中，中国电信的入表金额最高，确认了1.05亿元的数据资产，中国移动、中国联通分别为0.7亿元和0.85亿元。在2024年三季度财报中，三大电信运营商跃升为A股上市公司中数据资产入表金额最高的三家公司，入表金额总计4.51亿元，展现了在数据资产入表上的巨大潜力。城投企业对待数据资产入表也展现出了一定的积极态度，城投企业不仅具备持有大量公共数据的优势，同时可能希望通过数据资产入表改善财务指标，进而拓宽融资渠道、促进业务升级或转型。截止至2024年三季度，至少有50家城投企业或其关联公司完成了数据资产入表工作，入表数据类型主要集中在交通领域，包括公共交通数据、停车数据、公路数据等。除上市公司和城投企业，我们注意到，非上市民营企业也有少量入表实践落地，目前主要集中在人工智能、数字孪生、低空经济等新兴的数据密集型企业。 二、数据资产入表对企业财务报表的影响 数据资产入表最直观的变化便是企业根据会计准则将满足条件的数据资源纳入财报进行列示和披露，进而体现数据资产的财务价值和业务贡献。入表对企业财务指标的改变，往往决定了企业开展数据资产入表的动力。 （一）数据资产入表对财务报表的影响 1. 资产负债表 3. 现金流量表 数据资产入表将直接影响企业的资产负债表，如无形资产、存货的增加，能够使得企业的资产总额增加。资产负债表的无形资产和存货都将增加“数据资源”的细分项目。此外，也存在原本计入无形资产其他类别的数据资源将会被重分类至“无形资产-数据资源”。 数据资产入表对企业的现金流不产生直接影响，但一定程度影响了现金流量表的列报。一方面，数据资源作为无形资产入表时，会导致经营活动现金流流出减少、投资活动现金流流出增加；另一方面，数据资源作为存货入表时，仅影响经营活动现金流项目内部的列报。 假定Z企业原计入业务及管理费的100万元外购数据，按照会计准则的规定，判断相关数据符合无形资产定义和确认条件，入表金额100万元，在5年内进行摊销并符合税前扣除的条件，则将导致企业总资产增加100万元，当期业务及管理费减少100万元，对应所得税费用增加25万元，经营活动现金流流出减少100万元，购置无形资产的投资活动现金流出相应增加100万元。（简化以当年12月入表，次年1月开始摊销为例） 2. 利润表 数据资产入表也会对利润表产生一定影响。首先，原计入当期费用的数据资源的资本化可能会降低企业当期的费用，从而提高企业的营业利润。其次，作为无形资产的数据资源的摊销或作为存货的数据资源未来结转成本，在一定程度上增加企业未来的营业支出，从而降低了企业的税前利润和净利润。此外，作为无形资产的数据资源在发生减值迹象时，需计提资产减值，这将进一步影响利润表。 单位：万元，增加/（减少） （二）数据资产入表对财务指标的影响 原计入当期费用的数据资产入表时，一方面会导致资产总额增加，另一方面导致当期营业利润的增加，从而影响资产负债率、总资产收益率、净资产收益率等财务指标。同时，数据资产入表时形成无形资产还将导致风险加权资产的增加和资本的增加，进而影响各级资本充足率。对上述财务指标的具体影响取决于企业数据资产入表的相对规模大小。 假定某企业期末总资产为A，期末负债为L，当期净利润为R，期初总资产为A0，期初负债为L0，期末总资本为C，其中，原计入费用的金额D作为数据资产入表，主要财务指标变化如下： 资产负债率=L/A，假定负债保持不变，原有的资产负债率=L/(A-D)，资产负债率可得到改善（变小）； 平均总资产收益率=R/[(A+A0)*0.5]，原有的平均总资产收益率= (R-0.75D)/[(A-D+A0)*0.5]，平均总资产收益率的变动方向取决于D相对于利润和资产的金额大小，一般情况下，D对分子的影响更明显，即平均总资产收益率得到改善（变大）； 平均净资产收益率=R/[(A-L+A0-L0)*0.5]，原有的平均净资产收益率=(R-0.75D)/[(A-D-L+A0-L0)*0.5]，平 均净资产收益率的变动方向取决于D相对于利润和资产的金额大小，一般情况下，平均净资产收益率可得到改善（变大）。 相对于其他行业，银行业更关注资本充足率，假定期末风险加权资产为RWA，则： 资本充足率=C/RWA，原有的资本充足率=(C-0.75D)/(RWA-D)，资本充足率的变动方向取决于D相对于C和RWA的金额大小，商业银行的资本充足率一般介于10.5%-20%之间3，D对分子的影响更明显，入表后资本充足率理论上将得到改善（变大）。 但对于动辄千亿资产规模的银行，一般的入表规模很难对银行资本充足率产生实质影响。 （三）数据资产入表的税务影响 企业需要合理确定数据资产的摊销方法和期限，以满足税法规定，避免潜在的税务风险。例如，计入当期费用的数据资产入表时，企业的当期应纳税所得额增加；数据资产入表形成无形资产后，数据资产的摊销费用可以作为税前扣除项目，影响数据资产摊销期间的企业的应纳税所得额。 三、数据资产入表流程 如图3-1所示，数据资产入表全流程主要包括数据资源治理、合规与确权、计量与入表、列报与披露等四个阶段。 （一）数据资源治理 1.数据资源梳理 首先要对企业现有的数据资源进行全面梳理，搞清楚企业到底有哪些数据资源，形成数据字典，再通过制定数据分类分级的标准，对数据资源进行清洗、整理和分类，形成数据资源清单，确保数据资源的全面性和准确性。 这一过程的难点在于企业数据种类繁多且分散，很难准确制定出科学合理的分类标准，同时数据的分类、整合还需投入较大的人力和技术资源。因此，企业在开展数据梳理过程中，需结合业务场景逐步梳理，从而不断优化和更新数据资源清单。 2.数据资源管理 数据资源梳理后再根据数据质量等实际情况开展数据管理，用以提高数据资源的有效性、完整性和一致性。为此企业应当建立完善的数据资源管理体系，这不仅有助于规范数据治理流程，也为企业在数据资源化、数据资产化方面提供了制度保障。此外，数据治理还应当建立起数据资源管理的长效机制，由于企业数据是不断更新的，因此数据治理不是一次性的，而是长期持续性的管理过程。 （二）数据资源合规与确权 1.数据资源合规审查 数据资源的合规审查旨在证明企业数据来源的合法性，并为数据确权提供依据，主要从主体合法性、数据来源合法性、数据处理合规性、数据应用场景合规以及数据安全保障等方面开展合规性评估审查。 其中，数据来源合法性审查尤为复杂。由于企业的数据来源多样，需要对数据的每种来源途径进行溯源，确保数 据从产生到后续每个流转环节都满足合法性要求，而不同途径下用以开展合规评估的标准不一，这就导致审查过程复杂且具挑战性。 2.数据资源登记确权 数据的产权制度尚在探索阶段。数据二十条提出了“三权分置”的概念，但目前尚缺乏明确的法律规范，实践中均以数据二十条作为重要参考。 对数据资源进行登记确权虽不是数据资产入表流程中的必要步骤，但在实践中，企业往往会通过在经依法批准设立的数据登记或交易机构，比如各地数据交易所、数据资源登记平台等，进行诸如数据资产登记、数据产品登记、数据知识产权登记等，在一定层面证明数据资源的合法权属。 然而在登记确权过程中，企业无法避免当前数据产权制度不健全的问题，登记的法律效力面临不确定性