本文旨在解决企业将数据资源计入无形资产的实践问题，详细探讨了入表难点和应对方法，以帮助企业在2024年顺利开启并推进数据资产入表。

1、数据资源确权

首先，“数据权利冲突”的复杂性是导致数据确权难的根本原因。其次，从国家层面上来讲，由于数据不是一个简单的资产，它具有更重要的意义，是建设数据要素市场的基础。最后，由于数字化转型的推进，企业需要通过金融手段实现数据资产的确权和定价。

数据二十条将数据资源持有权、数据加工使用权、数据产品经营权作为了三权分置的确权路径。

针对数据资源确权难的问题，首先是建议社会各界继续加强关于三权的研究，为三权的实践路径提供制度保障；其次企业应从自身角度出发应该规范化、合规化数据加工相关的流程，尤其是采集方式、购买合同、数据内容、加工流程等可能产生合规风险的环节，必要时可以请律师事务所等机构协助确权。数据资源开发利用的前提是合法合规，保护公共安全和相关市场主体的隐私安全，其次是促进数据高效流通使用，赋能实体经济。

2、数据产品成本归集

数据产品的成本因素复杂多变，包括数据采集、清洗加工、建模开发等环节，这使得对数据产品的成本进行精确计算和跟踪变得困难。企业的数据产品往往是为了满足特定细分场景的需求来研发的，而客户的需求往往是综合的，因此企业与客户之间的销售合约往往是多个数据产品打包销售的模式。这种模式导致数据产品收入与成本匹配存在较大难度，这对企业数据产品管理提出了较大的挑战。此外，由于数据资产的价值易变性，对数据资源入账价值的可靠性和企业价值判断存在重大影响。这也使得数据产品成本归集变得更为复杂和困难。

数据产品成本归集问题应该根据业务流程进行深度优化。一方面，需要从理论方面研究数据产品这一类无形产品的精益管理。另一方面，结合企业实践对数据产业链进行科学规划，合理布局数据加工链条中涉及的部门并落实工时管理系统，为数据产品开发流程中相关成本投入的可靠计量提供可靠依据。数据产品成本归集之难，暴露了目前大多数企业业财融合工作推进程度较低的状况。这预示着企业需要纵向深度提升数字化水平。

3、数据产品收入与成本匹配

由于数据产品的开发周期长、投入大，而且市场需求变化快，企业往往难以准确预测未来的收入和成本。也由于数据产品的成本结构复杂，包括数据采集、清洗加工、建模开发等环节，这使得对数据产品的成本进行精确计算和跟踪变得困难。此外，由于数据产品往往是为了满足特定细分场景的需求来研发的，而客户的需求往往是综合的，因此企业与客户之间的销售合约往往是多个数据产品打包销售的模式。这种模式导致数据产品收入与成本匹配存在较大难度。

为了解决这个问题，企业可以采取以下几种策略：一是加强内部管理，提高成本核算的准确性；二是优化产品设计和定价策略，以更好地满足市场需求；三是加强与客户的沟通和协调，以便更准确地了解客户需求并调整产品组合。

在具体实施上，企业一方面应该建立数据产品管理目录，对于商业模式相似的同类数据产品统一管理，尤其是调用同一基础数据资源库的产品，另一方面形成数据产品投入产出评价体系，科学合理分析不同类别数据产品的实际价值，为内部产品研发、营销策略等决策提供支持。

4、数据资产确认

首先，数据的采集、存储和处理涉及到多个环节，每个环节都可能产生不同的成本和价值，这使得对数据资产进行精确的确认变得困难。其次，由于数据的流动性强，数据的价值可能会随着时间和环境的变化而变化，这也增加了数据资产确认的难度。此外，由于数据的所有权和使用权往往分散在不同的主体之间，如何确定数据的归属权也是一个挑战。

为了解决这个问题，企业可以采取以下几种策略：一是建立完善的数据采集、存储和处理流程，以便更好地管理和控制数据资产；二是加强与相关方的沟通和协调，明确数据的归属权和使用规则；三是利用现代信息技术手段，如区块链等技术，实现数据的安全存储和追踪。

如果企业是以数据作为生产要素，那与数据业务相关的投入有一大部分本质是主营业务成本，而非计入费用，合理记录有助于企业评估数据产品毛利率等关键指标。企业和审计机构应该审慎判断数据产品的生产过程和使用场景，重点考察数据产品时效性特点，不应盲目以数据业务的持续性作为数据资产的确认标准。

5、研究与开发区分时点确认

大多数的数据产品是在需求驱动的场景下进行研发的，但也有一些数据产品是企业在对积累的数据资源进行治理之时实现了部分需求，进而继续加大投入进行数据资源商业化运营。在这种情况下，如何区分研究阶段和开发阶段就显得至关重要，因为这直接影响企业数据资产的初始规模。

具体区分研究阶段与开发阶段的界限点和划分标准很难把握。例如，当企业建立一个数据库时，为数据库研究开发的支出如何按照无形资产的相关规定确认，以及是否应该分研究阶段和开发阶段，都是需要考虑的问题。

开发阶段符合资本化条件的具体条件与依据也很难确定。对于满足长期需求、符合数据资产确认条件的数据产品，在研究阶段结束时应该通过立项的方式确认开发时点，并尽可能量化后续开发阶段的人力和设备投入，为数据资产成本或价值可靠计量提供依据。

综上，对于满足资产确认条件的数据产品，如何区分研究阶段和开发阶段就显得至关重要，直接影响企业数据资产的初始规模。对于需求驱动的研发场景、界限点和划分标准的难以把握，以及资本化条件的具体条件与依据的不确定性这些问题，需要企业在实践中不断探索和解决，以确保数据资产的准确性和可靠性。

6、公共数据运营模式入表

公共数据授权给相关企业进行开发是很常见的模式，企业将数据资源开发形成模型类、核验类产品以接口形式提供给社会。然而，一般情况下，公共数据授权部门和企业以接口调用次数进行收益分成，这种模式下，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。

还存在诸多其他难题，如数据资产成本归集难，数据资产收入成本匹配难，数据资产资本化与费用化的区分标准统一难，取得公共部门数据授权期限的稳定性确认难等。例如，企业组织架构和数据产品开发条线匹配度较低可能导致成本归集难；数据产品销售模式和研发模式不协调可能导致收入与成本匹配难；企业研究和开发数据产品的时间点判断不确定可能导致资本化标准确认难；公共数据授权期限确认难可能针对企业与公共部门联合运营的场景。

针对这些问题，我们建议企业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，可以将期初支付给授权机构的授权费用，以及数据产品开发相关的人力和设备投入，在数据产品符合数据资产确认条件时进行资本化。此外，还需要科学规划业务流程，重新调整数据产品销售模式和定价方式，以及跟有关部门洽谈授权合约时充分考虑自身商业模式和渠道管理能力等措施来解决上述问题。

7、数据资产预计使用寿命确定

数据资产的自身特性使得其使用寿命的确定具有一定的复杂性。例如，由于数据的高重塑性，同样的数据可能会被用于不同的目的，导致成本归集存在困难；数据的多重用途和更新频率也会影响其使用寿命的确定。

物理耐用性等传统方法对于数据资产的使用寿命确定并不适用。其次，数据资产可能具有多个不同的应用场景，每个场景下的使用寿命可能都不相同，因此在确定使用寿命时需要进行选择。例如，舆情类数据产品通常生命周期小于一年，而营销类和风控类数据产品的生命周期则大于一年。

部分数据可能在短期内被闲置，但预期在未来可能会被重新启用，这种情况下如何确定其使用寿命也是一个问题。

对于数据资源的开发和使用，还需要考虑相关的业务模式、权利限制、技术迭代等多种因素。例如，数据资源的更新频率以及数据时效性等因素都会影响其使用寿命的预计。

综上，建议企业一方面应该通过客户分析、客户调研等合理判断数据产品的使用寿命，另一方面审计机构应该通过全市场同类产品的对比来确认企业所提供的判断是否合理，严格把关财务报告关于数据资产摊销年限的选择。未来希望场内市场可以为审计师提供数据资产确认和计量的可靠信息。

8、数据资产摊销方法选择

数据资产与传统的无形资产不同，其价值和使用寿命可能受到多种因素的影响，如数据的更新频率、时效性以及使用场景等。因此，选择合适的摊销方法以反映数据资产的真实价值和使用情况是一大挑战。

对于具有多种使用场景的数据资产，如何确定其具体的使用寿命和摊销年限也是一个问题。例如，对于时效性强的数据产品，可能需要采用加速摊销法，如年数总和法。而对于其他类型的数据产品，则可能需要采用直线摊销法。

由于数据资产的经济价值可能会发生波动，因此在选择摊销方法时还需要考虑这种价值变动的影响。例如，如果数据资产的价值在短时间内大幅下降，那么采用加速摊销法可能会更加合适。

企业在选择摊销方法时还需要考虑到会计一致性的要求。这意味着企业需要在不同的会计期间内使用相同的摊销方法，以确保财务报表的准确性和可比性。

综上，在合理预计数据资产使用寿命时，我们认为应该审慎判断数据产品在需求场景中发挥作用的具体方式，尤其是对于时效性比较强的数据产品，建议应该用年数总和法等加速摊销方法。数据资产摊销方法选择难主要是因为其独特的性质和多种影响因素所导致的。企业在做出选择时需要综合考虑这些因素，并根据实际情况进行灵活调整。

9、内部使用数据资产确认

1. 缺乏明确的标准和规范：目前，对于内部使用的数据资产，缺乏统一的确认标准和规范。不同的企业可能会有不同的理解和操作方式，导致在确认过程中存在较大的主观性和不确定性。

2. 数据资产的价值难以量化：相比于传统的实物资产，数据资产的价值往往更加抽象和难以量化。这使得在确认过程中，如何准确评估数据资产的价值成为一个难题。

3. 数据的获取和使用过程复杂：数据的获取和使用过程通常涉及到多个部门和人员，这使得在确认过程中需要考虑到更多的因素，如数据的所有权、使用权等。

4. 数据的更新和维护成本高：随着技术的发展，数据资产的更新和维护成本也在不断提高。这使得在确认过程中，需要考虑到这些成本对数据资产价值的影响。

5. 法律和监管环境的变化：随着数据保护法等相关法律和监管政策的出台，企业在处理内部使用的数据资产时需要遵守更多的规定，这也增加了确认的难度。

因此，建议企业内部使用的数据资产可以参考内部使用的软件，首先制定内部使用效果评价体系，从量化指标上确认该数据资产的确起到了降本或者增效的效果，其次根据同行业或者公司历史研发的数据产品合理判断使用年限，审慎对内部使用的数据资产资本化。

10、数据资产税会差异应对

首先，会计上对于数据资产的摊销方式和期限与税法规定可能存在一定的冲突。例如，企业会计上对于数据资产按照预计使用寿命加速摊销，如3年或者5年，但税法规定无形资产在不低于10年的摊销期限内，按照直线法计算的摊销费用准予扣除。这种税会政策的差异会导致企业需要支付较高的当期所得税费用。

其次，数据资产的税基确定也是一个难点。目前数据资产交易大多发生在关联企业之间，属于关联交易。由于这些关联交易中的价格可能偏低甚至不收取费用，或者价格偏高以实现避税目的，导致数据资产税基很难确定。

此外，数据资产具有时效性强的特点，可能导致部分资产可能存在即时失效的可能，从而导致数据资产报表规模波动较大。这加大了企业进行税务处理的难度。

因此，针对以上问题，建议企业合理选择摊销年限并对认真分析税会差异，并形成一些可行建议；同时应提高数据资产全生命周期的管理能力，审慎确认数据资产；对于集团公司和子公司特殊的关系，集团应建立和完善数据资源相关的成本核算。

总之，随着数字经济时代的到来，数据资产已经成为企业的核心资产之一。因此，各企业应当高度重视数据资产入表政策的实施，积极应对挑战，优化数据管理流程，提高数据资产的价值。同时，政府部门也应加强政策引导和支持力度，为企业创造良好的发展环境。让我们携手共进，共同推动数据资产入表政策的落地和实施，为我国数字经济的繁荣和发展贡献力量。