商业银行数据资产入表和确责机制探讨

王劭恒

在数字化浪潮的推动下，数据资产已经成为银行业务发展的核心驱动力。《企业数据资源相关会计处理暂行规定》将数据资产会计处理正式纳入会计准则的范畴，这为银行业的数字化转型提供了新路径。然而， 数据资产的特殊性使其入表和确责过程充满挑战。数据资产的价值往往与其质量、应用场景和处理能力紧密相关，这与传统的有形资产有着本质的区别。商业银行作为数据密集型行业，其数据资产的管理和会计处理直接影响到财务透明度、风险评估和决策效率。如何准确计量和报告数据资产，确保数据资产的确责机制有效运 作，成为商业银行亟待解决的问题。对此，本文指出数据资产确责的重要性，分析当前存在的问题，并提出相应的解决策略。

商业银行数据资产入表的特殊难点

数据资产入表是将数据资产的价值以会计准则的形式体现在企业的财务报表中。这一过程不仅涉及对数据资产价值的识别、计量和报告，还包括对其质量的持续管理和确责机制的建立。商业银行数据资产的入表工作与其他企业相比具有独特性，主要体现在以下几个方面。

价值识别与计量的特殊性。商业银行的数据资产往往与客户信息、交易记录等敏感信息紧密相关，具有直接经济价值，如通过数据分析提高贷款审批效率、降低违约风险、优化投资组合等，还具有间接价值，如通过数据驱动的决策支持精准的市场定位，提高整体运营效率和客户满意度。这些价值与商业银行的应用场景和处理能力密切相关，数据类型多样，包括交易数据、客户数据、市场数据等，每种数据的价值识别和计量方法可能不同，需要独特的方法论和评估模型，这通常涉及复杂的金融预测模型和假设，增加了计量的难度。

相对更高的数据质量要求。数据资产的价值高度依赖于数据的质量。随着金融科技的快速发展，商业银行日益成为数据公司，利用大数据、人工智能（AI） 和机器学习等技术进行创新，这些技术的应用依赖高质量的数据。从市场竞争来看，数据质量直接影响银行服务的效率和质量，成为竞争能力的核心要件。从风险来看，高质量的数据能够确保银行准确评估贷款风险、投资回报和市场趋势，从而维护金融稳定，防止发生系统性风险。而低质量的数据导致错误的判断，产生的负效应可能会大到影响金融系统安全。

相对更高的社会责任与监管要求。商业银行作为强管制行业，其数据资产的管理和披露受到严格的监管。银行处理大量敏感的个人和企业数据，包括财务信息、交易记录和身份信息，在数据保护法规（如欧盟的GDPR）日益严格的背景下，数据安全、隐私保护和数据资产的披露成为银行必须严格遵守的法律要求。

商业银行数据资产确责机制的重要性

商业银行数据资产的入表是一项复杂的任务，确责机制尤为重要。确责在会计确认之前对数据资产的所有权、控制权以及与之相关的责任进行明确。这包括确定数据资产的来源、使用目的、维护责任以及在数据发生问题时的责任归属。确责为会计确认提供了基础，也有助于提高数据资产会计处理的透明度和效率，实现数据驱动的业务增长和风险控制。

准确反映数据资产价值。确责机制保证了数据资产的质量和完整性，高质量的数据资产更容易被准确计量。明确数据资产的所有权和责任归属可以更好地评估数据资产的经济价值，这影响到了数据资产的入表和后续的会计处理。如果责任不明确，可能导致数据资产的价值被高估或低估，影响银行的财务报表的真实性和公允性。确责还有助于银行在数据资产发生变动，如数据资产增加、减少或价值变动时，能够及时准确地进行会计处理，确保财务报表的连续性和一致性。

提高风险管理水平。确责机制有助于识别和解决数据资产的潜在风险，这些风险可能会影响其计量的准确性。数据资产的安全性和隐私保护是商业银行面临的重大风险，确责机制可以界定相关方在数据泄露、滥用或其他安全事件中的责任，从而加强风险管理， 确保数据资产的安全。这对于维护客户信任和银行声誉至关重要。

减少合规成本。随着数据保护法规的日益严格和监管要求的提高，商业银行需要保证其数据处理活动符合相关法律法规。确责机制要求建立合规的数据管理流程，在数据收集、处理、存储和传输过程中遵循法律和监管要求。一个健全的确责机制可以帮助商业银行应对监管挑战，降低因数据管理不善而受处罚的可能性。

改进内部控制和治理能力。确责机制建立在有效内部控制体系的基础上，既能规范数据资产的管理和使用，使之符合银行的内部政策和治理结构，提高数据资产的管理效率，又能防止数据资产的滥用或误用，提高财务报告的真实性和可靠性，还能够在出现问题时快速定位责任，及时解决问题。

促进数据资产的优化利用。有效的数据确责机制可以使银行更好地利用数据资产，通过数据驱动的决策支持业务发展。当数据资产的责任明确时，相关部门和个人更有动力去维护和提高数据质量，从而提高数据资产的利用效率。

总之，确责机制为会计确认和计量提供了必要的前提条件，在数据资产入表的过程中，银行需要建立一套既符合会计准则又适应自身特点的入表逻辑，建立和完善相应的确责机制，以保证数据资产的有效管理和利用。

存在的问题与原因分析

由于数据资产的复杂性和组织、业务模式的特点，商业银行在数据资产入表和确责的过程中面临一系列挑战，这些问题直接关系到数据资产的会计处理的准确性和合规性。

内部问题与原因。在处理涉及多个部门的数据时，商业银行的数据资产质量和确责问题尤为明显。例如，结算账户的管理通常由运营管理部门负责，而网银等渠道的交易管理职责则属于渠道管理部门。在数据质量问题出现时，这种分工可能导致责任归属不明确，如客户IP地址和MAC地址等敏感信息的管理，可能在运营管理部门和渠道管理部门之间产生责任推诿。这种责任不清的情况在监管处罚中有所体现：2022年，21家银行因数据质量问题被罚款8670万元，这凸显了确责机制的重要性。

一是业务分工与数据分工的不匹配。产生特定数据的业务部门分工与管理数据的部门分工并不完全重合。业务分工基于业务流程和渠道，数据分工则基于数据产生的源头和数据管理的需要。这导致当数据质量问题产生时，谁该为此负责就成为了一个有争议的问题。

二是数据运维的相关规则不完善。在数据产生流程中可能会遇到两个不同部门同时储存了同一批数据的情况，这些数据的责任归属就有问题，谁该为这些数据进行定义、谁负责维护与报送等往往缺乏具体规则，当数据质量问题出现时，容易遇到难以确认责任归属的情况，延迟了解决问题的时效。

三是数据责任人认知的不一致。不同的数据责任人对同一组数据的要求可能会产生偏差。比如，对贷款信息的完整性要求，系统管理者通常更重视空值的管控，而数据采集者则更侧重于关键信息项的录入，而对数据中是否有空值没那么关注。这种数据责任人间的认知差异会产生数据问题。

四是数据资产生命周期管理的不到位。数据资产的生命周期管理是数据持续创造价值的基础。然而， 商业银行在数据的存储、维护、更新和淘汰等方面还缺乏有效的管理策略和技术适应性。这可能导致数据资产的过时和浪费，影响其长期价值，进而影响入表的准确性。

外部原因。《企业数据资源相关会计处理暂行规定》为数据资产入表提供了指导，但商业银行在实际操作中，如何将这些规定具体化、操作化还面临挑战。数据资产的获取成本与业务运营成本的分离问题，以及数据资产价值的计量，尤其是其未来现金流的预测，都存在不确定性。这些不确定性使数据资产的初始计量和后续的摊销变得复杂，影响了财务报表的准确性。数据资产的摊销方法和期限选择是入表过程中的关键问题。由于数据资产的使用寿命和损耗方式难以预测，银行难以确定合适的摊销方式来反映其预期损耗。这种不确定性可能导致资产负债表上的资产价值被高估或低估，影响银行的财务健康状况评估。

优化入表和确责机制的建议

商业银行要遵循会计准则与监管要求，优化数据管理框架，强化数据质量控制，明确数据责任归属，建立全流程的数据管理体系，通过有效的数据价值管理， 提升服务效率，增强竞争力，并维护金融稳定。

优化数据确责机制，提高数据治理水平。商业银行应建立全面的数据治理框架，厘清各部门在数据资产生命周期管理中的责任，使数据责任与业务流程紧密对接。在数据产生、处理和使用过程中，应当秉持三个维度进行责任划分。一是分工维度。依据业务属性与管理角度设置数据的责任归属，根据职能分工、客户管理、产品归属等维度进行逐级的拆分，力求做到字段级的认责。二是专业维度。更加准确地对不同专业领域进行权利和责任判定。在业务领域，以业务的归属和用途为责任确认的导向；在数据领域，数据管理部门的责任由数据质量、数据流转保障管控等来确认。三是质量维度。通过业务流程、数据架构和数据管控政策来识别数据源的可信度，通过对数据的溯源解决同一数据存于不同系统的问题，提升数据质量。

同时，要建立全流程的数据管理体系，对数据的来源、流转、存储和使用进行全程追踪，在数据出现问题时能够快速定位责任人。要建立数据质量标准，实施数据清洗和验证流程，并定期进行数据质量评估和内部审计，保证数据资产的管理和使用符合既定的治理标准。要通过培训和沟通，提高数据责任人对数据质量重要性的认识，在数据管理过程中保持行动一致，减少因认知差异导致的数据质量问题。

优化基础制度和行业操作标准。出台更为具体的数据资产入表操作指引，解决现有的具体细节问题。银行同业应该积极行动，探索实践数据资产入表可行的流程与措施，形成共识和惯例，为有关准则和政策提供参考。

一是优化价值计量与成本核算。开发和采用先进的成本核算工具，追踪数据资产从生成到使用全过程的成本，为入表提供精确的初始计量。利用大数据分析和人工智能技术，构建更为科学的估值模型，预测数据资产的未来经济利益，合理反映在财务报表之中。

二是探索成本分摊机制。梳理数据资产的产生所消耗的资源，将数据资产的获取成本与业务运营成本分离。通过梳理数据资产的生命周期，识别数据产生、处理、存储和分析过程中的具体成本，为数据资产的入表提供准确的成本基础。

三是确定数据资产的摊销方式。引导商业银行根据数据对应的不同业务特点与市场情况选取合适的摊销方法和合理的摊销期限。同时，应考虑数据资产的时效性和可持续性，以保证其实际价值与财务报表相符。

责任编辑：孙 爽