数据资产入表、财务数智化与新质生产力发展

摘要：随着数字经济快速发展，数据资产逐渐成为企业竞争力的关键因素。中国已发布多项关于数据资产入表的专门政策文件，世界其他多国也在数据资产利用和数据隐私保护等方面进行多样化探索。“数据资源化—资源产品化—产品资产化—资产入表”是中外数据资产入表的共同逻辑。财务数智化成为所有中国企业的共同选择，并已逐步迈入新的发展阶段。数据资产入表、财务数智化和新质生产力发展之间存在紧密复杂的交织关系和协同效应，并在多个企业案例中得到证实。未来数据资产入表和财务数智化促进企业新质生产力发展还有多重挑战，需要在微观和宏观方面综合规划，推进生产要素改革和企业转型升级。

关键词：数据资源；数据资产；财务数智化；新质生产力；企业转型升级

0 引言

生产力的三要素是劳动者、劳动资料和劳动对象。2023年9月，习近平总书记在黑龙江省考察时首次提出新质生产力。2024年1月31日，中共中央政治局第十一次集体学习指出，新质生产力由技术革命性突破、生产要素创新性配置、产业深度转型升级催生，以劳动者、劳动资料、劳动对象及其优化组合的跃升为基本内涵，以全要素生产率大幅提升为核心标志，特点是创新，关键在质优，本质是先进生产力。在财务管理领域，随着近年来互联网、云计算、大数据技术的发展及各类新技术涌现，数字经济快速发展，数据要素的重要性日益提升，成为生产要素创新性配置的重要方面，并随着数据资产入表成为财务数智化的重要基础。与此同时，财务数智化成为各类企业提升绩效的重要工具，是劳动资料升级并优化的重要组成部分。数据资产入表和财务数智化协同发展，助力企业提升全要素生产率，以新质生产力增强企业竞争力，推动企业发展。梳理数据资产入表政策和财务数智化现状，结合示范案例分析两者与新质生产力发展的关系，对于推进生产要素改革和企业转型升级具有重要的现实意义。

1 数据资产入表的中外政策及比较

1.1 数据资产入表的中国政策

在中国，数据被正式纳入生产要素始于2019年党的十九届四中全会。在此之前，1987年党的十三大提出，在以按劳分配为主体的前提下实行多种分配方式。1993年，党的十四届三中全会允许个人资本作为生产要素参与收益分配。1997年，党的十五大在劳动、资本的基础上增列技术为生产要素。2002年，党的十六大进一步增列管理为生产要素。2013年，党的十八届三中全会增列知识为生产要素。2019年以来，中共中央、国务院和多个部委及地方省市密集发布多项政策文件，推动数据要素确权、定价及进入企业的资产负债表。中国数据资产入表的部分政策见表1。

2019年以来，中国数据资产入表政策旨在建立数据资产管理制度，促进数据资产合规、高效流通和使用，构建共治共享的数据资产管理格局，为经济社会数字化转型提供支撑。各项政策明确了数据资产管理的基本原则，包括确保安全与合规利用相结合、权利分置与赋能增值相结合、分类分级与平等保护相结合。多项政策互为补充，不断深化，在建立数据资产价值评估体系、完善数据资产收益分配机制、完善数据资产开发利用规则等方面均有体现。相关政策鼓励数据资产权利分置，明晰数据资产权责边界，并推动数据资产权利体系的完善，强调数据资产的安全保护和合规管理，以及数据资产价值的再创造和再分配等。

当前，数据资产入表的步骤包括数据资产的识别、评估、分类、计量、入账等。企业应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，进行会计确认、计量和报告。根据《企业数据资源相关会计处理暂行规定》，在编制资产负债表时，应在“存货”或“无形资产”等一个或多个项目下增设“其中：数据资源”项目，根据存货或无形资产的相关会计准则，登记数据资产的期末账面价值。

1.2 数据资产入表的国际政策

世界各国（地区、组织）在数据资产入表方面的政策内容各有侧重，体现了不同的治理理念和实践路径（见表2）。日本通过了《综合数据战略》等，旨在构建一个安心且高效使用数据的结构，并通过确保对日本数据本身及其生成、流通方式的信赖，促进国内外数据的流通和利用，使日本的数据能在世界范围内被放心地使用，世界数据能在日本被放心地存放。韩国为了推动数据资产的发展，通过了《数据产业振兴和利用促进基本法》等，建立了国家数据政策委员会，并强调了数据经纪商的角色和数据资产保护的重要性。印度通过了《国家数据共享和可访问性政策》《国家数据治理框架》等，为个人数据、非个人数据、政府数据分别制定治理框架，并提出了数据授权和保护框架。新加坡的《数字企业蓝图》聚焦推动企业数字化转型，虽然具体内容未详细提及数据资产入表，但体现了该国政府对数据资产重要性的认识。美国通过了《开放政府数据法案》等，推动了政府数据的开放和利用，并在会计处理与审计方面进行了探索。欧盟通过了《通用数据保护条例》等，建立了严格的数据保护框架，并在《数据治理法案》中提出建立数据中介机构和数据利他主义机构等市场主体，规定了数据中介和数据服务的管理方式，为将数据作为经济资产计入财务报告奠定了基础。德国的《德国联邦政府数据战略》着重构建数据基础设施、数字创新机制、数字文化、数字治理四大行动领域，以促进数据的流通和利用。国际会计准则理事会（IASB）、经济合作与发展组织（OECD）等国际组织也在数据资产会计处理和统计方面进行了研究和指导。总体来看，各国（地区、组织）都在积极探索数据资产的管理和利用，以期在保障数据安全和隐私的前提下，最大化地发挥数据的价值，促进数字经济发展。

1.3 中外数据资产入表的比较

在数据资产入表方面，中国和其他国家（地区、组织）有一些异同。相同点在于：第一，都认识到了数据资产化的重要性，都希望有效使用数据，并在政策和会计准则中予以认可，将其转化为具有可衡量经济价值的资产；第二，均已通过政策推动数据资产的管理和利用，一些国际组织也在出台相关工作指引；第三，均重视数据治理，无论是中国还是其他国家（地区、组织），都在建立数据治理体系，以确保数据安全、合规利用，并推动数据的流通。不同点在于：第一，在政策实施方面，中国针对数据资产入表出台了专门的政策和实施步骤，而其他不少国家（地区、组织）当前更侧重于数据治理、隐私保护和数据的开放共享；第二，在数据资产入表进程方面，中国数据资产入表进展较快，已有企业开始披露数据资产，如2024年上半年数十家上市公司披露了数据资产，一些非上市公司也在开展相关业务，而不少其他国家还在探索阶段；第三，在数据资产价值评估方面，中国正在建立数据资产价值评估体系，推动数据资产评估标准和制度建设，相关实践丰富多样。

总体而言，中国在数据资产入表方面走在了世界前列。中国已经出台一系列政策和指导意见，明确了数据资产的会计处理方式，并鼓励企业将数据资产纳入财务报表。中国的企业、会计师事务所、数据交易所等已经行动起来，形成了积极的市场响应。

1.4 中外数据资产入表的核心逻辑

纵观各项政策，数据资产入表是指将数据资产按照一定的会计准则和评估方法，在企业财务报表中进行反映的过程。这一过程不仅涉及数据的收集、处理和管理，而且包括数据产品的设计、开发和优化，并最终在财务报表中体现其价值。数据资产入表顺序与逻辑见图1。

数据资源化是数据资产入表的第一步，它涉及将原始数据通过采集、清洗、整合和标注转化为有价值的数据资源。一般而言，数据资源可以来源于多个方面，包括但不限于企业内部系统、外部数据源、数据合作伙伴、互联网数据源及通过原始数据收集等方式。资源产品化则将这些数据资源进一步加工成满足特定需求的数据产品，比如搜索引擎类网站、购物网站和社交类网站的数据资源可分别开发为不同的数据产品^[1]。这些产品化的数据资源需具有规范性、完整性、准确性、一致性、时效性和可访问性^[2]。产品资产化是经过数据质量评价，将成熟的数据产品确认为企业资产，并在财务报表中反映其价值，这是数据从资源形态向资产形态转化的关键步骤。当然，如果这些数据资源规模大、金额高，则会凸显资本属性，表现为数据资本化。

在以上过程中，财务数智化具有重要的支撑作用。财务人员利用大数据、人工智能、云计算等技术，优化数据资产的核算、报告和管理，可提高财务数据处理的效率和准确性。通过财务数智化，企业能够更好地对数据资产进行分类、计量和入账，确保数据资产的价值得到准确反映，并在财务报告中透明地得以披露，从而增强财务报告的可信度和透明度。

在数据资产估值方面，可以采用成本法、市场法、收益法和综合评估法等多元化的评估手段。这些方法可以帮助企业根据自身的具体需求和所在行业特点，选择最合适的评估模型，确保数据资产的经济价值得到合理量化，变成可交易的数据资产，进而为价值创造奠定基础。孙娜等^[3]建议，销售类数据参照有形资产的成本核算思路，采用历史成本法、公允价值法评定，自用类数据可采用评估入账或实际成本入账。

综上所述，数据资产入表是一个复杂的过程，不仅需要企业对数据资源进行有效的管理和加工，而且需要财务数智化的支持，以确保数据资产的价值得到准确评估和反映。随着数据资产相关政策的不断完善和实施，数据资产入表将成为企业财务管理的重要组成部分。

2 中国企业财务数智化发展历程及现状

中国企业财务数智化发展是一个循序渐进的过程，大致经历了4个阶段。一是会计电算化初级应用阶段，企业利用初级会计电算化软件实现会计核算、报表编制和财务数据的程序化管理。这些软件工具的出现，使财务管理从手工操作向自动化迈进了一大步，提高了财务管理的效率和准确性。二是财务数据集成化发展阶段，企业在内部运用统一的网络财务系统，实现生产、销售、财务等各个信息系统的集成化统一。企业更多地借助信息系统进行应收应付、供产销及资产等财务流程的管理，实现了数据的集中和共享，进一步提升了财务管理水平。三是业务与财务集成统一阶段，企业在内部建立一个核心管理系统，将业务系统和财务流程衔接统一。通过核心系统的执行控制，业务流转过程中能够即时形成用于财务流程的相关信息，并在财务系统的前端完成自身流程的流转，最终进入总账，形成财务信息。这种管理模式促进了业财融合，使财务管理更加贴近业务实际，提高了决策的效率和准确性。四是数智化转型阶段。近年来，随着数字化浪潮的推进和智能化技术的发展，企业开始借助新一代数智化和智能化技术，如人工智能、大数据、云计算等，推动财务管理智能化和自动化。这些技术的应用不仅提高了财务管理的效率和准确性，而且为企业带来了更多商业洞察和决策支持。

近年来，中国大力支持企业进行财务数智化转型，提供多项政策支持。2020年，国务院国资委发布《关于加快推进国有企业数字化转型工作的通知》，明确提出将数字化转型作为改造提升传统动能、培育发展新动能的重要手段，发挥国有企业在新一轮科技革命和产业变革浪潮中的引领作用。由此文件精神可知，数字化转型是企业高质量发展的重要引擎，是构筑国际竞争新优势的有效路径，是构建创新驱动发展格局的有力抓手。2021年，财政部制定《会计改革与发展“十四五”规划纲要》，印发《会计信息化发展规划（2021—2025年）》，为企业财务数智化转型提供了明确的方向和路径。2024年，财政部印发《会计信息化工作规范》，废止1996年的《会计电算化工作规范》和2013年的《企业会计信息化工作规范》。在地方政府层面，2021年，深圳市国资委印发了《深圳市国资国企数字化转型实施方案》，提出以数字化转型提升市属国资国企的传统动能。

与此同时，各类企业也在多年实践的基础上，大力推进财务数智化转型。许多企业建立了财务共享中心，通过标准化流程和工具降低运营成本并提高效率，为企业的整体高效运作提供坚实的支持。企业规模越大，财务共享中心的重要性越突出。越来越多的企业开始采用智能化财务管理系统，如智能报销、智能预测、智能风控等，以提高财务管理的效率和准确性。

未来几年，在大企业的示范引领下，广大中小企业料将全面引入财务数智化，升级管理会计和经营会计，实现业财融合，重构精细管理和敏捷经营的基础，实现从事后的“核算型财务”向事前、事中、事后的“价值创造型财务”转型。可以预计，数智化将驱动商业创新。从数智化角度看，未来只会有两种企业：一种是新生代企业，按照数智化或云化模式建立和运行；另一种是以数智化转型实现重生的企业^[4]。

3 数据资产入表、财务数智化与新质生产力发展的相互关系

数据资产入表、财务数智化与新质生产力发展之间存在紧密而复杂的关系（见图2）。这三者相互交织，共同推动企业在数字经济时代转型升级和高质量发展。

3.1 数据资产入表与财务数智化的关系

首先，数据资产入表是财务数智化的重要基础。在数据资产入表过程中，需要将数据资源作为一种资产进行会计核算和信息披露的综合制度安排。这一过程要求企业对数据资源进行确认、计量、记录和报告，从而将数据资产纳入企业财务报表。这为财务数智化提供了高质量的数据基础，使得企业能够利用这些数据进行更深入的分析和决策。

其次，财务数智化促进数据资产入表的深化。财务数智化利用大数据、云计算、人工智能等先进技术，对财务数据进行自动化、智能化处理。在这一过程中，企业需要对数据资产进行更加精细化的管理和利用，从而推动数据资产入表的深化。例如，通过财务数智化平台，企业可以实时监控数据资产的价值变化，为数据资产的公允价值评估提供有力支持。

最后，数据资产入表与财务数智化具有协同效应。一方面，数据基础支撑决策优化。数据资产入表将数据资源纳入企业资产管理体系，为财务数智化提供了高质量的数据基础。财务数智化则通过先进的信息技术对这些数据进行自动化、智能化处理，提高数据处理的效率和准确性。两者结合有助于企业更精准地掌握财务状况，优化决策过程。另一方面，实现资产管理与价值创造。数据资产入表使得数据成为企业重要的资产之一，需要对其进行有效的管理和利用。财务数智化通过引入先进的管理理念和技术手段，帮助企业实现数据资产的精细化管理，提升数据资产的价值创造能力。这种协同效应有助于企业更好地挖掘和利用数据资源的潜力，实现资产的保值增值。

3.2 数据资产入表与新质生产力发展的关系

首先，数据要素价值化是新质生产力发展的重要驱动力。在数据要素价值化过程中，数据资产入表将数据资源正式纳入企业资产管理体系，使数据成为企业重要的生产要素之一。这有助于企业更好地挖掘和利用数据资源的潜力，推动产品和服务的创新，进而提升企业的生产效率和竞争力。这种由数据驱动的生产力变革，正是新质生产力发展的重要体现。

其次，新质生产力发展对数据资产入表提出更高要求。随着新质生产力的不断发展，企业对数据资产的管理和利用需求也在不断提高。这要求企业在数据资产入表过程中不仅要关注数据的数量和质量，而且要关注数据的价值创造和变现能力。因此，新质生产力发展对数据资产入表提出了更高的要求，推动了数据资产入表制度的不断完善和创新。

最后，数据资产入表与新质生产力发展具有协同效应。一方面，驱动创新与生产力变革。数据资产入表将数据资源转化为生产力要素，推动了生产力的变革和创新。新质生产力的发展要求企业在技术、产业和管理等方面进行全方位的创新，而数据资产入表正是这一创新过程中的重要环节。通过数据资产入表，企业可以更好地利用数据资源，推动产品和服务的创新，提升生产效率和竞争力。另一方面，资源配置与产业升级。数据资产入表有助于企业更清晰地了解自身的资产状况和资源配置情况，为产业升级提供有力支持。新质生产力的发展要求企业不断优化资源配置，推动产业升级和转型。通过数据资产入表，企业可以更加精准地把握市场需求和行业动态，制定科学的产业升级策略，实现高质量发展。

3.3 财务数智化与新质生产力发展的关系

第一，财务数智化是新质生产力发展的技术支撑。财务数智化通过引入先进的信息技术和管理理念，对传统财务管理模式进行颠覆性创新。这使得企业能够更加高效地处理财务数据、优化资源配置、提升决策效率，从而为企业高质量发展提供有力支撑^[5]。这种技术支撑作用正是新质生产力发展的重要体现之一。

第二，新质生产力发展推动财务数智化深入应用。随着新质生产力的不断发展，企业的业务模式和管理模式也发生深刻变革。这种变革要求企业必须具备更加灵活、高效、智能的财务管理能力。因此，新质生产力的发展推动了财务数智化的深入应用，使得企业能够更好地适应市场变化、提升竞争力。

第三，财务数智化与新质生产力发展具有协同效应。一方面，强化技术支撑与管理创新。财务数智化利用大数据、云计算、人工智能等先进技术，为企业管理提供了强大的技术支撑。新质生产力发展要求企业在管理上进行创新，以适应快速变化的市场环境。财务数智化通过引入先进的管理理念和技术手段，帮助企业实现管理创新，提升管理效率和水平，为新质生产力发展提供有力保障。另一方面，促进决策优化与战略协同。财务数智化通过智能化处理财务数据，提高了企业决策的精准性和及时性。新质生产力发展要求企业在战略上进行协同，实现各业务板块的有机衔接和协同发展。财务数智化通过优化决策过程，帮助企业更好地制订和执行战略计划，实现战略协同和整体发展。

综上所述，数据资产入表、财务数智化与新质生产力发展之间存在相互促进、相互依存的关系，三者共同构成了企业在数字经济时代转型升级和高质量发展的重要支撑体系。

4 数据资产入表、财务数智化与新质生产力协同发展的企业案例

2024年是中国“数据资产入表”的元年，全国各地多家企业开始数据资产入表实践，涉及多个行业^[6]。2024年第一季度，南京扬子国资投资集团有限责任公司将3 000家企业用水脱敏数据入表，成为全国首单数据资产入表案例^[7]；先导（苏州）数字产业投资有限公司将30多亿条智慧交通路侧感知数据入表，成为全国首单车联网数据资产入表案例；济南能源集团有限公司将热网监测数据入表，成为全国首单能源数据资产入表案例。在省级层面，广东南方财经全媒体集团股份有限公司将“资讯通”数据产品入表，成为广东首单数据资产入表融资案例；河南数据集团有限公司将“企业土地使用权”数据入表，成为河南省首单数据资产无抵押融资案例；合肥市大数据资产运营公司将公共交通出行数据入表，成为安徽省首单数据资产入表案例；贵州勘设生态环境科技有限公司（以下简称“贵州勘设生态环境”）将“污水厂仿真AI模型运行数据集／供水厂仿真AI模型运行数据集”入表，成为贵州省首单实现企业数据资产入表的案例。在市级层面，青岛华通国有资本投资运营集团有限公司将企业信息核验数据集入表，成为青岛市首个实现企业数据资源入表的案例；临沂铁路建设投资集团有限公司将临沂市高铁北站停车场数据资源集入表，成为临沂市首个实现企业数据资源入表的案例。2024年第一季度至第三季度，其他行业的全国首例及其他省市的首个案例还有很多。企业预警通数据显示，截至2024年8月31日，全国共有64家公司在半年报中披露了企业数据资源信息，涉及43家上市公司、9家新三板公司、12家非上市公司。其中，16家公司来自北京市，来自浙江省和广东省的公司分别有9家，来自山东省和江苏省的公司分别为7家和6家，其余公司零散分布于其他省份。64家企业除了来自电信、互联网等数字经济产业，有些也来自汽车、零售、卫生、房地产和化学制品等传统行业。上海高级金融学院高金智库数据资产研究课题组发布的《中国企业数据资产入表情况跟踪报告（2024年第一季度）》显示，数十家城投公司和类城投公司也将数据资产入表，以此盘活资产，拓宽融资渠道，促进业务升级和转型。以上表明，各地各行业企业的数据资源均可能转化为重要的生产要素，大企业和小企业均有探索价值，上市公司和非上市公司均有重大机遇。总体上，企业将数据资产入表并同时实行财务数智化，是提升其新质生产力和全要素生产率的重要途径。

在通信行业，中国移动通信集团有限公司、中国联合网络通信集团有限公司和中国电信集团有限公司（以下简称“中国电信”）均积极响应国家政策，已实现数据资产入表。以中国电信为例，其将数据资产纳入财务报表，更准确地评估数据资源的经济价值，并据此优化投资决策。在财务数智化方面，中国电信利用大数据和人工智能技术，构建了智能财务管理系统，实现了财务报告自动化、风险管理智能化和决策支持精准化。这些措施不仅提高了财务管理效率，而且增强了企业对市场变化的响应速度，从而提升了企业竞争力。总之，数据资产入表和财务数智化实践使中国电信能够更快地响应市场变化，优化了资源配置，增强了客户服务能力，实现了以新质生产力提升企业竞争力。

在卫星互联网行业，航天宏图信息技术股份有限公司（以下简称“航天宏图”）作为一家高科技企业，拥有大量研发数据和行业数据。该公司通过建立数据资产评估体系，将数据资产纳入财务报表，提升数据资产的管理和运用效率，并利用数据分析和人工智能技术，提高研发效率和产品质量。在财务数智化方面，航天宏图引入了智能财务软件，实现了财务流程的自动化和智能化。通过数据分析和预测模型，航天宏图能够更准确地进行财务预测和风险评估，提高了财务管理的科学性和前瞻性。总之，航天宏图的财务数智化实践提高了决策质量和运营效率，通过数据资产的有效管理和运用，增强了创新能力和市场竞争力。

在信息技术行业，神州数码控股有限公司（以下简称“神州数码”）是一家领先的云服务商及数字化服务商，致力于通过数字化技术推动企业转型升级。在数据资产入表和财务数智化方面，神州数码首先对公司的数据资产进行盘点和分类，确保数据的合法性和合规性，然后通过法律程序明确数据资产的所有权。在确认数据资产的权属后，神州数码与深圳数据交易所合作，完成了数据资产的上市流程，包括数据产品的认证和合规审查。之后，神州数码将“神州数码金服云”数据产品列入财务报表的“无形资产——数据资源”科目，实现了数据资产的正式入表。与此同时，神州数码部署了智能财务管理系统，实现了财务报告的自动化和风险管理的智能化。该系统通过大数据分析，为管理层提供了实时的财务分析和业务洞察，支持了战略决策。在此基础上，2024年6月，神州数码利用入表的数据资产从中国建设银行深圳市分行获得3 000万元的授信融资，成为深圳市数据资产质押融资的首个案例，也是全国首笔大中型数据资产质押融资^[8]。神州数码的数据资产入表和财务数智化实践，提高了数据资源价值，降低了资产负债率，改善了财务报表，从而提升了企业市场竞争力。通过数据资产的有效管理和运用，神州数码实现资源优化配置，运营效率和全要素生产率得到提高。神州数码的实践不仅提升了自身的生产力，而且为整个行业提供了数据资产化的新路径，推动了行业新质生产力的发展。

在研发与技术服务行业，贵州勘设生态环境自主研发“污水厂仿真AI模型运行数据集/供水厂仿真AI模型运行数据集”，与贵阳大数据交易所和北京智慧财富资本管理集团有限公司合作，完成了数据的治理、合规、确权、定价等流程，确保了数据资产的合法性和可交易性。2024年2月中旬，该数据集的资产入表登记工作顺利完成，成为贵州省贵安新区首单数据资产入表案例，数据集也在贵阳大数据交易所挂牌上市。挂牌上市提高了数据的流通性和交易效率，促进了数据资源的转化和利用，产生3个方面的效果。一是提升决策效率。数据资产的应用使得贵州勘设生态环境能够更快速、准确地处理环境数据和设备数据，监测环保设备和工艺生产，缩短决策周期，降低环境污染事故发生的可能性。二是推动技术创新。贵州勘设生态环境基于数据资产进一步开发和完善环保类AI模型，提升了技术创新能力和市场竞争力。三是促进产业升级。贵州勘设生态环境的数据资产入表推动了环境治理行业数字化转型和升级，为行业提供了智慧环保决策和高效数字节能的解决方案。

以上案例表明，通过将数据资产纳入财务报表，企业能够更准确地评估和管理其数据资产的价值，同时也为投资者和利益相关者提供更透明的信息。数据资产入表和财务数智化正在成为企业提升生产力和竞争力的重要手段。

5 结语

5.1 挑战

数据资产入表是企业财务管理领域的一项重大变革，有助于提升企业的透明度和公信力。财务数智化是企业数字化的重要组成部分，是企业转型升级和提升竞争力的共同趋势。数据资产入表和财务数智化在促进企业新质生产力发展方面扮演着重要角色，但当前也面临一系列挑战。一方面，数据资产存在确认、确权、定价及安全与隐私保护问题。在确认方面，数据资产作为非实物资产，其确认需考虑数据的可计量性、可靠性和相关性，这在实际操作中难度较大。在确权方面，企业通过不同渠道获取的数据，如何确权并明确说明是“企业拥有或控制”的，是一个复杂且敏感的问题。涉及顾客个人信息的数据，其使用和确权更需谨慎，以避免法律风险。在定价方面，数据资源的价值难以准确评估，因为数据的价值取决于其质量、应用场景及市场接受度等多个因素。在安全与隐私保护方面，如何确保数据资产入表后的安全性和隐私性，防止数据泄露或被非法使用，是企业面临的重要挑战。另一方面，财务数智化亟须技术融合与系统集成。财务数智化需要实现财务系统与业务系统的深度融合和集成，但不同系统之间的数据格式、接口标准等存在差异，导致集成难度较大。财务数智化依赖大量财务数据和信息，但数据质量参差不齐，准确性难以保证。财务数智化需要具备跨学科知识和技能的复合型人才，但当前市场上这类人才短缺。

5.2 应对

为应对以上挑战，各界需要共同努力。一是建立统一的数据资产评估标准和方法，提高数据资产评估的准确性和可靠性。引入第三方评估机构，对数据进行客观、公正的评估。二是明确数据来源和权属，确保数据的合法性和合规性。加强数据安全防护措施，如数据加密、访问控制等。建立完善的数据隐私保护机制，确保用户隐私不被泄露。三是制定统一的数据格式和接口标准，促进不同系统之间的数据交换和集成。引入先进的集成技术和工具，提高系统集成效率和准确性。四是建立完善的数据质量控制和评价机制，确保数据的准确性和完整性。引入数据清洗和校验工具，对数据进行预处理和校验。五是加大对财务数智化人才的培养力度，开展定期的培训和学习活动，提高员工技能和知识水平。

在此基础上，为发挥资据资产入表和财务数智化对新质生产力的支撑作业，还需更宏观的规划。第一，推动数据资产与财务数智化的深度融合，实现数据共享和协同利用。通过数据分析和挖掘，发现潜在的商业机会和优化点，推动企业的业务创新和转型升级。第二，加强跨部门协同与信息共享，促进不同部门之间的信息共享和合作。通过数据共享平台或数据中心等方式，实现数据的集中管理和高效利用。第三，加快制定和完善关于数据资产和财务数智化的政策法规和标准体系。明确数据资产的所有权、使用权和收益权等权利归属，为企业提供法律保障。第四，各界加强国际合作与交流，借鉴国际先进经验和技术成果，推动我国企业数据资产入表和财务数智化高质量发展。

总而言之，数据资产入表和财务数智化在促进企业新质生产力发展方面面临多方面的挑战，但通过完善数据资产评估体系、加强数据确权与合规管理、强化数据安全与隐私保护、加强技术集成与标准化、提升数据质量与准确性、加强人才培养与培训、推动数据资产与财务数智化的深度融合等综合对策，企业可以有效应对这些挑战，实现可持续发展。未来，除了政策层面加强保障，亦需开发更加强大的财务软件，建立更加安全的数据平台，打造透明、高效的市场体系，助力数据要素聚集，促进数据要素流通交易，让数据要素为新质生产力发展添砖加瓦。

参考文献

[1]XIONG F，XIE M Y，ZHAO L J，et al.Recognition and evaluation of data as intangible assets[J/OL].Sage Open，2022，12（2）：1-13[2024-09-20]."https：//kns.cnki.net/kcms2/article/abstract？v=_W1AupcyYgbnDbkxbUkkMHZL6x7IbcnfgtiuGCkj_H5kGCfK8yevtSPBSxzbzubRkuesDke1PPCae3aC_24VQ40fG9crli_bDtgCRjnCc_ll41XvIOXlvebAke-zAkFcgPMFDpW1ajTRBGXLuWsiCi1RJiqsPOT8REJACXZ-FSrVf96ula3-Ki-djA_RN8KF2x0pS2FQcTNhNi6CfTpn7n8KO-Qj9Kgdk5iMIohQS_Fyf014VLEAXw==amp;uniplatform=NZKPT.

[2]国家市场监督管理总局，中国国家标准化管理委员会.信息技术""数据质量评价指标：GB/T 36344—2018[S/OL]. （2018-

06-07）[2024-09-20].https：//ictbda.com/upload/default/20231214/d418806a417426f0bd3f2e3471f66665.pdf.

[3]孙娜，倪健，邓欣茹，等.数据资产的十大学理解读[J].财务管理研究，2024（7）：71-80.

[4]王文京.数智化驱动商业创新[J].经理人，2021（5）：10-12.

[5]党印.以数智化财务管理助力提升财务绩效[J].财务管理研究，2024（10）：1.

[6]冯心怡，温婷.上市公司数据资产“入表”案例倍增[N]. 上海证券报，2024-09-05 （005）.

[7]杨志锦.公共数据资产入表：已有城投公司通过数据资产融资[N].21世纪经济报道，2024-03-15 （010）.

[8]陈涵旸.加速释放数据要素价值"神州数码打造数据资产入表范例[N].经济参考报，2024-07-10 （004）.

收稿日期：2024-10-08

作者简介：

党印，男，1984年生，博士研究生，副教授，主要研究方向：公司财务、公司治理。

孙晨童，男，1989年生，博士研究生，主要研究方向：宏观经济与金融计量、数字金融。