为深圳数据交易所入表辅导企业更好理解和运用数据资产入表相关会计处理,规范数据资产入表、加强数据资产管理制定本指引。本指引根据《企业会计准则-存货》、《企业会计准则-无形资产》、财政部《企业数据资源相关会计处理暂行规定》以及深圳市注册会计师协会《企业数据资源入表会计核算流程指南》《企业数据资源入表审计程序指导意见》等规定制定。
一、 数据资产入表的基本流程
企业数据资产入表按会计核算流程主要包括以下步骤:对资产进行确认及分类;对成本进行归集和计量;对资产进行后续计量和终止确认等;列示和披露。
(一)资产确认及分类
1.资产列示型入表
对于符合资产定义[1]且达到资产确认条件[2]的数据资产,企业可按照对该数据资产的持有目的进行列示和强制披露。
(1)确认为无形资产
数据资产用于企业内部使用和对外提供服务的,符合无形资产规定的定义和确认条件的,应当确认无形资产。
(2)确认为存货
对于企业持有的数据资产用于对外出售的,符合存货规定的定义和确认条件的,应当确认存货。
2.信息披露型入表
对于符合资产定义但未达到资产确认条件的数据资产,企业可以根据实际情况自主认定对有必要披露的数据资产信息进行自愿披露。
3.无法入表的情形
对于不符合资产定义的数据资源,企业现阶段无法列示或披露,亟待开展数据治理与产品孵化等工作。
4.其他特殊情形
企业对于涉及商业秘密的核心数据可兼顾信息需求、成本效益和商业秘密保护,更加灵活地进行列示或披露。
(二)成本归集和计量
企业应根据已分类的资产和其本身的生命周期阶段(采集、传输、存储、处理、共享、销毁)确定资产确认时点,同时满足相关成本能够可靠计量的条件,对相关历史成本进行合理的归集和分摊,以保证成本的完整性和准确性。
1.无形资产的成本归集
对于不同来源取得的无形资产,其成本构成如下:
(1)外购的无形资产成本
企业通过外购方式取得,其成本包括购买价款、相关税费,直接归属于使该项资产达到预定用途所发生的数据脱敏、清洗、标注、整合、分析、可视化等加工过程所发生的有关支出,以及数据权属鉴证、质量评估、登记结算、安全管理等费用;企业通过外购方式取得数据采集、脱敏、清洗、标注、整合、分析、可视化等服务所发生的有关支出,若不符合无形资产定义和确认条件的,则应当根据用途计入当期损益。
采用分期付款方式购买的,购买的价款超过正常信用条件延期支付,实际上具有融资性质的,其成本为购买价款的现值。各期实际支付的价款与购买价款的现值之间的差额,符合借款费用中规定的资本化条件的,应当计入成本,其余部分应当在信用期间内确认为财务费用,计入当期损益。
(2)自行开发的无形资产成本
对于企业自行进行的数据资源研究开发项目,应当根据研究与开发的实际情况加以判断。
研究阶段。企业无法证明其研究活动一定能够形成带来未来经济利益的,有关支出在发生时应当费用化,直接计入当期损益。
开发阶段。很大程度上已经具备形成一项新产品或新技术的基本条件,此时如果企业能够证明满足无形资产的定义及相关确认条件,那么这个阶段所发生的开发支出符合资本化条件,可计入成本,具体可包括:开发该无形资产时耗费的材料、劳务成本、注册费、在开发该无形资产过程中使用的其他专利权和特许权的摊销、计提专用设备折旧,以及按照借款费用的处理原则可以资本化的利息支出等。
(3)其他方式取得的无形资产成本
投资者投入数据资产的成本,应当按照投资合同或协议约定的价值确定,但合同或协议约定价值不公允的除外。
非货币性资产交换、债务重组和企业合并取得的数据资产的成本,应当分别按照《企业会计准则第7号——非货币性资产交换》、《企业会计准则第12号——债务重组》和《企业会计准则第20号——企业合并》确定。
2.存货的成本归集
(1)外购的存货
企业通过外购方式取得的,其采购成本包括购买价款、相关税费、保险费,以及数据权属鉴证、质量评估、登记结算、安全管理等所发生的其他可归属于存货采购成本的费用。
(2)加工的存货
企业通过数据加工取得的,其成本包括采购成本、数据采集脱敏、清洗、标注、整合、分析、可视化等加工成本和使存货达到目前场所和状态所发生的其他支出。
(3)其他方式取得的存货
企业取得的其他方式主要包括接受投资者投资、非货币性资产交换、债务重组、企业合并以及存货盘盈等。
3.数据资产的成本归集应提供必要的成本明细和成本归集表
(1)内部研发的数据资产应提供研发立项材料作为项目成本归集的依据,涉及多个数据资产项目,应分别提供单独立项材料。
(2)系统开发支出,可根据合同分项报价、开发量等分配方式计算并分配成本。
(3)专职或兼职时间大于50%以上的从事数据采集、存储维护和处理人员的各项开支,包括其工资薪金和各种福利待遇。
(4)数据资产开发过程中涉及到其他无形资产的摊销和专用设备的计提折旧,可基于无形资产开发项目占用的固定资产以及使用的无形资产工时或其他方式进行分摊。
(三)后续计量与终止确认
1.无形资产的后续计量和终止确认
后续计量的原则:无形资产初始确认和计量后,使用该项无形资产期间成本减去累计摊销额和累计减值损失后的余额计量。
确定无形资产在使用过程中的累计摊销额:使用寿命有限的无形资产需要在估计的使用寿命内采用系统合理的方法进行摊销,对于使用寿命不确定的无形资产,至少每年进行减值测试。
数据资产的后续改良支出:如有可靠证据表明预期能购增加数据资产的预期使用寿命,或预期能够带来未来经济收益的增加的,允许资本化,增加该数据资产的账面价值。
数据资产出现以下情况之一,应当对其进行处置和终止确认:
(1)数据资产使用期限结束;
(2)数据资产由于权利限制、毁损、报废等情况导致无法继续使用;
(3)数据资产出售。
(四) 列示与披露
1.列示
符合无形资产和存货定义和确认条件的数据资产,在编制资产负债表时,应当根据重要性原则并结合实际情况,在“存货”项目下增设“其中:数据资源”项目,反映资产负债表日确认为存货的数据资源的期末账面价值;在“无形资产”项目下增设“其中:数据资源”项目,反映资产负债表日确认为无形资产的数据资源的期末账面价值;在“开发支出”项目下增设“其中:数据资源”项目,反映资产负债表日正在进行数据资源研究开发项目满足资本化条件的支出金额。
2.强制披露
企业对于确认为无形资产的,应当披露其明细情况、相关的会计政策和会计估计,以及可能对企业财务报表及经营产生重要影响的数据资源情况。
企业对于确认为存货的,应披露其明细情况、相关的会计政策和会计估计,以及可能对企业财务报表及经营产生重要影响的数据资源情况。
3.自愿披露
对于符合资产定义但未达到资产确认条件的数据资产,企业可以根据实际情况自主认定对有必要披露的数据资产信息进行自愿披露,包括:应用场景或业务模式、对企业创造价值的影响方式,与应用场景相关的宏观经济和行业领域前景等;用于形成相关数据资源的原始数据的类型、规模、来源、权属、质量等信息;企业对数据资源的加工维护和安全保护情况,以及相关人才、关键技术等的持有和投入情况;具体应用情况,包括相关产品或服务等的运营应用、作价出资、流通交易、服务计费方式等情况;重大交易事项中涉及的数据资源对该交易事项的影响及风险分析,重大交易事项包括但不限于企业的经营活动、投融资活动、质押融资、关联方及关联交易、承诺事项、或有事项、债务重组、资产置换等;相关权利的失效情况及失效事由、对企业的影响及风险分析等,如已确认为无形资产的,还包括相关无形资产的账面原值及累计摊销、减值准备、失效部分的会计处理;相关转让、许可或应用所涉及的地域限制、领域限制及法律法规限制等权利限制;企业认为有必要披露的其他数据资源相关信息。
二、数据资产入表的难点与应对[3]
(一)与数据资产治理和管理相关的内控制度缺失带来数据资产的识别风险
难点:多数公司尚未构建起一套完整的从高层规划到具体岗位责任的制度和管理体系,更未建立与数据资产相关的内控机制与内控制度。企业难以识别满足确认条件的数据资产,开发支出难以独立核算,难以量化经济利益。
应对:评估企业内部控制制度,判断数据资产入表的基础条件是否具备。具体而言,企业一旦初步设立了与数据治理和资产管理相关的规章和组织架构,并且清晰界定了各自的职责,审计人员便能判定该企业已经满足了将数据资源作为资产记录在账簿上的基本条件,从而也具备了进行审计的基础。反之,如果企业还未形成相应的制度和管理体系,那么在将数据资产纳入财务报表和对外披露时需要格外慎重。同时,要结合市场实际情况,不能强求被审计的数据资产能尽善尽美地满足传统审计程序和要求,可以设置一定的容错率,前提是监管机构对于数据资产入表有一定的包容度。
(二)与数据资产相关的法律规范缺失带来的数据合规风险
难点:数据资产确权和法律风险的认定缺少法律框架,数据资产底层可能涉及隐私权和信息安全问题。
应对:征询法律专家意见,向上级行政部门征询合规性意见,积极参与制度框架建设。
(三)数据资产入表风险难以评估带来的财务舞弊风险
难点:数据资产风险评估高度依赖专业判断和业务场景分析,数据资产的风险等级识别难度较大,存在利用数据资产开展财务舞弊的风险。
应对:一是判断数据研发、数据交易等流程的真实性、可靠性;二是充分利用IT审计等手段,配备跨学科知识背景的审计团队,充分评估数据资产潜在风险和管理层舞弊动机。
(四)对数据资产分类及初始计量的审计
难点:数据资产分类可能受管理层意图影响,计量方法选择存在困难。
应对:获取并验证企业数据资产目录,与管理层沟通确保会计处理准确性,评估数据资产分类和计量的合理性。
(五)数据资产摊销方法及年限的确定
难点:数据资产摊销方法的选择依赖会计职业判断,且受到数据时效性的影响。年限选择方面,针对使用年限确定的数据资产,可以借鉴目前税法上无形资产摊销年限不得低于10年的规定,但由于数据资产的价值时变性,数据价值虽然会随时间推移而衰减,但无法确定具体时点彻底丧失价值。针对使用寿命不确定的数据资产,企业应当每年于会计期末进行减值测试。但由于目前不存在活跃的数据资产市场,对数据资产进行减值测试存在诸多困难。
应对:建议企业根据不同业务特点选择摊销方法,评估摊销年限的合理性。摊销方法方面,如果数据资产产生的经济利益高度依赖市场供求,其实现方式存在一定的不确定性,类似于其他无形资产,建议采用直线法进行摊销;如果数据资产更新速度快,具时效性明显,建议采用加速折旧法来摊销其价值。摊销年限方面,外购的数据资产应当在购买协议中约定数据资产的使用寿命及残值率;内部研发的数据资产,可以考虑在数据交易平台等公开市场对比类似数据的相关摊销年限,若没有相关数据,在评估数据资产的摊销年限时,应考虑其提供服务时所包含的历史使用年限或客户期望使用年限等因素,进行合理的估算。实际上,如果不存在第三方在数据资产使用期限结束后承诺购买,或者在公开市场上缺乏类似数据资产的残值信息,那么这些数据资产的残值应该被假定为零。此外,企业应在每个会计年度结束时重新检查数据资产的预期使用年限,并且一旦有确凿证据显示使用年限有显著变化,就需要重新评估并相应调整其使用年限。
(六)公共数据形成的数据资产入表审计
难点:基于公共部门授权,企业开发形成的包含公共数据的数据资产存在如下审计难点。一是公共数据授权部门和企业如果以接口调用次数进行收益分成模式下,被授权主体的收入与成本同时发生,导致公共数据授权费不满足资产确认条件,难以形成企业报表数据资产(上海数据交易所,2023)。[4]二是企业若提前做好授权合约的设计和规划,通过收益管理和合约管理,期初一次性支付给授权机构在授权期间固定的授权费用,形成持续性授权的模式,可以避免无法确认数据资产的情形,但仍然存在政府机构可能中断授权的风险[5](上海数据交易所,2024)。一旦授权协议结束,企业将无法继续使用政府的数据资源,这将对企业选择摊销方法和确定摊销年限产生重大影响,甚至可能影响数据资产是否能够被纳入财务报表。
应对:公司需要根据自己的商业特性和经营模式,合理地与政府机构商定数据授权的期限,并确保在授权到期之前留出充足的时间与政府机构讨论续签事宜。在审计过程中,审计人员应特别关注企业所选择的摊销期限是否合理,以及企业是否充分评估了政府机构可能终止授权的风险。
(七)减值测试
难点:数据资产价值易变,减值测试面临确权方式和合规流程不明确,市场价格不可观察等困难。
应对:获取管理层价值评估过程,检查评估结果与实际运行的一致性,借助外部专家复核估值合理性。
(八)失效及终止的审计处理
难点:数据资产可能因政策或市场因素失效,影响财务报表。
应对:评估应用场景变化风险,重视信息披露,反映相关风险。
三、深圳数据交易所数据资产快捷入表服务方案
(一)数据资产入表收益
1.显化企业数据价值
数据资源计入资产负债表,准确计量数据资源价值,凸显企业的价值和核心竞争力;为财报使用者提供更直观的数据资产相关信息,有助于投资者对企业进行更好的估值。
2.改善企业财务报表
数据资产入表,将符合条件的数据资产投入资本化,改变以前数据资源投入的直接费用化从而增加企业资产,降低费用;进而降低资产负债率,提升利润率,缓解业绩压力。
3.促进企业数据增值及投入
入表前的投入大部分费用化,当期利润被侵蚀;允许入表后相关的投入可以让投资者更快见到成效,同时还可以通过数据交易进行增值,促进企业在数据资产开发方面的投入。
(二)快捷入表解决方案
1.数据资产盘点三分类:可列示、可披露、待治理,划定入表范围;
2.以可交易数据产品为载体开展入表工作,明确入表标的;
3.确定入表合理必要环节,降低项目实施成本;
4.数据资产化服务中心支撑,缩短项目交付周期;
5.深数所专家团队和生态支持,保障项目实施质量;
6.“数据交易+资产入表+数据资产金融创新”一体化解决方案,彰显数据资产价值。
(三)服务亮点
1.标准化流程
(1)资产盘点
(2)产品孵化
(3)合规确权
(4)产品上市
(5)成本归集与分摊
(6)列报与披露
(7)数据资产评估
2.平台化服务:数据资产化服务中心(http://dataasset.)
以一体化全栈式数据资产化服务体系,助力实现:
数据资产化服务商一站式聚集
数据资产化服务包一站式选购
数据资产化项目在线协同管理
数据资产化服务站点互联赋能
3.体系化交付,包括不限于:
(1)《数据资产入表实施报告》
包括:项目实施解决方案、项目可行性研究、数据产品方案及场景应用分析等模块
(2)《合规法律意见书》(第三方提供)
(3)《数据资产评估报告》(第三方提供)
(4)《深圳数据交易所数据商品上市证书》
(5)培训服务
来源: 深圳数据交易所
会议 | 中国数据资产运营与流通年会—运营提升价值·交易实现价值
会议 | 数字经济产业链主合作大会:融合创新—建设高质量数字经济产业链
杨冰之 | 地方如何做好“数据要素X”行动计划?
专家观点 | 国脉“数据要素×”政策解读与趋势分析
业务推荐
国脉集团是数据资产化专业服务机构,为数据资源拥有者提供专业、规范、合规的全流程数据资产化服务,包括培训、咨询和产品设计等,实现数据资源价值最大化。主要服务于政府数据管理机构、央国企数据运营企业、城市数据运营平台和数据富集型平台企业,打造数据资产网、数据资产研究院和产业专家网络等支撑体系,同时在营商环境与政务领域继续保持领先优势。
立足北京,辐射全国,拥有国脉海洋、国脉智联、佛山国脉、湖南原道、国脉数联、中船通等多个子公司、办事处等。服务客户2000余家,涵盖国家部委、省/市/区县级政府、上百家央企及部分世界500强企业等。
公司秉承“国脉智慧,成就客户”服务理念,确立先进的文化价值观和崭新的企业管理理念,致力以“新两化融合实践者”身份服务好国家、地方、企业和员工。
报告共计三章,将近4万字,内容详实而深入。第一章开篇即对数据、数据资源、数据资产、数据资产化、数据资本化等概念进行了清晰界定。第二章聚焦于企业数据资产化及其融资现状的深入剖析。第三章作为总结与展望,从区域发展差异、省份发展态势、行业分布特点、融资主体构成、融资方式偏好及贷款额度水平等多个维度,精炼概括出报告的九大核心结论。
睿治,一款面向实施人员的、智能的、敏捷的覆盖数据全生命周期,并由多个产品组成整套解决方案的数据治理平台,它通过对数据从创建到消亡全过程的监控和治理,实现数据的统一管理,为企业保证了业务数据在采集、集中、转换、存储、应用整个过程中的完整性、准确性、一致性和时效性,从而帮助客户建立起符合自身特征的数据架构和数据治理体系。平台以元数据为基础,每个模块都可以单独或与其他模块组合,并支持在本地以及云上使用。
数据中台解决方案涵盖数据采集和存储、数据资产管理、数据标准、标签管理、数据服务等内容,帮助企业用户实现全域数据统一管理,聚焦业务诉求和价值,满足企业经营管理各种复杂场景下的数据分析和应用需求。帮助用户盘活全量数据,实现数据跨源分析,支持海量数据高效处理;促进企业数据组织建设,赋能企业经营管理,以数据驱动为前提,支撑企业智能经营,智能决策;全面支持企业数字化转型。
Apaas慧指引擎是一款国产信创的智能化安全管理平台,拥有快速系统整合、智能化风险监测、高效指挥调度以及灵活场景服务的四大核心能力,可构建多行业多场景的应用解决方案,政府端可应用于应急管理、城市管理和社区治理,企事业单位领域可为矿山、景区、院校、医院等提供数智安全管理。通过动态化运行管理、场景化风险防控、沉浸式演练实训和专业化响应处置等多个层次的安全管理措施,为政企用户提供全面、精细、智能的安全保障,帮助政企用户提升安全管理水平,降低安全风险,有效应对各种安全挑战,显著增强业务连续性。
基于海量复杂文本数据处理的原创算法和云架构,公司开发了国内理念、架构、算法最先进的产业政策大数据平台,这是一个可以定制平台的平台, 是一个可以定制引擎的引擎。目前,平台部署的监控源总数为20000多个,政策数据量为1600多万条,政策数据总量国内第一;“政策数据、产业政策、政策大数据、政策大数据平台”等通用关键词,曾长期在谷歌、百度排名第一。
业务联系人:
#artContent h1{font-size:16px;font-weight: 400;}#artContent p img{float:none !important;}#artContent table{width:100% !important;}