摘要：在数字经济加速演进的时代背景下，数据作为新型关键生产要素的战略价值日益凸显，随之而来的数据资产化得到了广泛关注。笔者聚焦会计视角下的数据资产化体系构建，其中的数据资产是指企业合法拥有或控制、能够产生预期经济利益且成本能够可靠计量、符合财政部《企业数据资源相关会
导读：在金融服务体系加速数字化转型的背景下，数据作为新型核心资产，正成为驱动金融高质量发展的关键引擎
作者｜沈志勇「中国民生银行数据管理部总经理」
文章｜《中国金融》2025年第18期
在数字经济加速演进的时代背景下，数据作为新型关键生产要素的战略价值日益凸显，随之而来的数据资产化得到了广泛关注。笔者聚焦会计视角下的数据资产化体系构建，其中的数据资产是指企业合法拥有或控制、能够产生预期经济利益且成本能够可靠计量、符合财政部《企业数据资源相关会计处理暂行规定》（以下简称《暂行规定》）确认条件的数据资源。
数据资产化背景与价值
在金融服务体系加速数字化转型的背景下，数据作为新型核心资产，正成为驱动金融高质量发展的关键引擎。中国人民银行印发的《金融科技发展规划（2022—2025年）》提出，要推动数据资产化进程，大力支持金融机构积极探索数据资源入表以及数据交易的创新模式，推动金融机构挖掘数据资源的潜在价值，为金融市场的稳定与繁荣注入新活力。
数据资产化的核心驱动力源于国家战略与会计制度的双重变革。2023年财政部印发的《暂行规定》，首次明确符合资产定义的数据资源可确认为无形资产或存货，标志着数据要素从业务资源向会计资产的正式转化。同年12月，财政部印发《关于加强数据资产管理的指导意见》，明确将国有企业数据资产全面纳入政府国有资产报告工作，数据资产的制度化管理迈出关键一步。2024年2月，财政部进一步出台《关于加强行政事业单位数据资产管理的通知》，推动行政事业单位强化资产管理，构建更为完善的数据资产管理体系。
为积极响应国家政策号召，民生银行在2024年启动了会计视角下的数据资产化工作，旨在通过将数据资源系统性地纳入财务报表，驱动数据合规评估、投入产出分析、研发精细化管理、持续迭代运营等能力提升，从而推动银行成为“数据驱动”的银行，用数据洞察、用数据决策、用数据管理。
对金融机构而言，做好数据资产化具有三重战略价值。在财务层面，通过将内部研发或外购的数据产品确认为无形资产，优化资产负债结构，并借助财务工具，将自身的数据治理能力、数据应用成效以及数据赋能业务的成果显性化、量化呈现。在管理层面，通过数据资产化促进数据精细化管理能力提升，从而更好地赋能业务发展。在业务层面，能有效地赋能精准营销、风险控制、运营管理等核心场景；同时，数据资产化能够更有力地驱动新的商业模式、新的投融资模式和新的治理模式，进一步开辟新的业务增长点。
金融机构数据资产化面临的挑战
第一，思想认知有待统一。由于数据资产化是跨财务、数据、合规、业务和科技等领域的复合型课题，也是新生事物，因此，金融机构内部对数据资产化的价值和定位有着不同的认识，亟待通过宣导和实践探索来统一认知。
第二，组织与推动需持续强化。当前，金融机构采用如科技主导、财务主导或联合推动等差异化的数据资产化推动模式，虽然不同的推动模式各有特色和优缺点，但金融机构的纵向贯通与横向协同仍需强化。在组织体系方面，从管理层到执行层的全行级组织保障待加强；在职责边界方面，合规确权、价值论证及成本归集等关键环节职责分工需进一步细化；在协同流程方面，数据资源价值论证需贯穿“业务场景识别—数据应用追踪—经济价值量化”全链条，并与现有管理流程紧密衔接。
第三，实施规范待行业共创。目前，金融行业数据资产化实操工作尚处于“边试点、边完善”阶段。一是合规确权规则待细化。数据资源的特殊属性导致确权成为难点，尽管《关于构建数据基础制度更好发挥数据要素作用的意见》中创新提出了数据资源持有权、加工使用权和产品经营权的三权分置模式，但在具体操作规范层面还需在实践过程中细化和完善。二是货币化经济利益论证存在难点。《暂行规定》适用于预期会给企业带来经济利益的数据资源的相关会计处理。目前，中国资产评估协会已出台相关指导意见，但由于企业经济利益流入通常由多种因素共同作用，数据资源价值贡献的量化分析仍面临困难和挑战。三是成本归集需要精细化。数据资源成本计量面临瓶颈，技术相关的人力成本涵盖系统开发与数据加工，成本细化比较困难；此外，间接成本分摊过程比较复杂，可能存在偏差。
第四，基础支撑能力需配套提升。部分金融机构的数据资源精细化管理基础能力仍有一定提升空间。具体而言，数据血缘分析存在断点及业务语义缺失，难以追溯数据从产生、加工到应用的完整路径；数据资源价值评估、成本计量等缺乏系统化支撑，难以支持常态化管理工作流程。
民生银行数据资产化探索
民生银行采用“双牵头+三层级”组织模式，以“三横四纵”融合方法论为指导，按照“方法论指导试算—试算优化机制—机制驱动能力提升”的实践路径，开展场景化试算、验证数据资源价值等一系列落地实施工作，形成常态化机制，驱动数据管理能力进一步提升。
采用“双牵头+三层级”驱动的数据资产化推动机制。民生银行以推进数据资源入表为数据资产化工作的核心抓手，采用“数据管理部+资产负债与财务管理部”双牵头模式，前者负责资产化的实施与数据治理，后者主导会计准则适配与信息披露。在执行层面，多部门共同参与数据权属审查、场景价值论证、成本归集以及系统流程优化等工作。
设计“三横四纵”数据资产化方法论。按照“三横四纵”框架，即围绕“规划实施—体系夯实—能力提升”三条主线，聚焦“合规确权—经济利益论证—成本计量—后续计量”四个方面，系统化推进会计视角下的数据资产化工作。在合规确权方面，构建覆盖自研数据与外采数据的内外双重评估体系。设计贯穿数据采集、加工、应用全链路的合规矩阵，重点验证数据来源合法性、处理规范性及数据使用合规性。在经济利益论证方面，依据中国资产评估协会《数据资产评估指导意见》中的收益法，采用货币化方式进行预期经济利益流入论证，考虑到银行数据资源应用场景均为内部赋能，通过过程性价值指标、业务价值指标和价值乘数假设计算增加收入或降低成本的货币量，开展合理的货币化预期经济利益流入论证。在成本计量方面，基于“数据资源成本识别矩阵”，将内外部人力投入、软件开发合同性支出、外部采购等主要成本纳入计量；同时，优化相关系统实现工时系统化采集，实现主要成本要素的归集和可靠计量。在后续计量方面，采用摊销与减值相结合的模式，依据数据资源的使用场景、时效性、技术迭代速度等因素合理预估其使用寿命，并基于经济利益实现方式选择适当的摊销方法；同时，通过数据资产持续运营评估为减值计提提供合理的依据。
开展场景化的入表试算。根据数据资源在不同场景下经济利益流入的特点，区分提升收入、降低成本、减少损失等场景大类，选取多个典型场景开展数据资产化试点。通过合规确权、价值评估、成本归集等步骤，开展数据资源无形资产试算工作，并在试点推进过程中，对数据资源入表全流程进行迭代优化，设计客户转化率、AUM（资产管理规模）、不良贷款率等经济利益流入分析指标，形成了一套可复用的工具及模板，配套制定各环节的操作规则，验证了数据资源入表方法路径的可行性，为后续工作奠定了基础。
建立常态化配套机制与支撑平台。建立覆盖“流程—系统”以及“业、财、技”协同的数据资源入表常态化管理体系，通过标准化流程设计、线上化系统支持，支撑数据资源入表的常态化管理。在流程层面，构建“业、财、技”协同工作机制。对数据资源从识别、评估、计量到最终资产化的全流程进行梳理与优化，明确每个环节的操作规范、责任主体和交付标准。依托项目管理流程，建立数据资源入表实施细则，确保各方在开展相关工作时有据可依。在系统层面，优化改造系统工具平台，依托系统功能，实施数据资源入表并推进线上化管理。在相关系统中增设“数据资源”属性标签，自动归集开发工时等资源成本；优化数据资源合规预检以及内部人力成本核算等系统功能，以实现更为精细化的成本计量。
数据资产化驱动下的数据管理能力提升
民生银行通过推进上述工作，实践验证了可落地的数据资源入表工作流程和方法，在数据资源合规确权、价值评估、成本计量等方面形成了可行的分析模型和工具模板，这些核心能力可以输出和复用到可研分析、项目管理、资产运营等相关管理领域，进而从整体上促进数据管理能力的进一步提升。
数据资源合规确权评估能力。民生银行通过开展数据资源入表合规确权，构建了区分内研数据与外采数据的合规确权评估方法，围绕数据来源合法性、内容合规与安全性、应用场景风险等维度，评估数据从产生、存储、处理、应用到销毁各个阶段的合规性，确保每个环节权属清晰，有效管理合规风险。
数据资源研发精细化管理能力。民生银行通过建立穿透“需求项—工时—成本”的分析方法，在需求分析阶段区分投入类型，在工时计量环节细化各类人力成本，不仅可以提升数据资源成本计量的精细化程度，而且可以进一步促进研发类项目的精细化管理，如清晰了解人力投入情况、优化资源配置、为降本增效提供依据等。
数据资产价值评估与投入产出分析能力。民生银行构建了一套可落地的数据资产价值评估与投入产出分析方法。在成本端，结构化分解各项成本在数据产生各环节的构成，并通过数据血缘追溯实现成本的直接归集与多维度分摊。在价值端，聚焦经济效益提升，通过增加收入、节约成本、降低损失三大场景，在多个细分业务场景下开展定性与定量评估，参考多种分析模型确定贡献权重并量化数据价值。上述方法同样可为项目可研分析提供参考。
数据资产持续迭代运营能力。将数据资源作为无形资产或存货纳入财务报表，仅是数据资产化的会计起点，并非最终目标，还需持续不断进行数据资产价值评估与监测，为数据资产的后续计量提供依据。因此，通过推进数据资源入表，可在项目立项阶段量化其数据价值目标，在生产阶段严格把控质量，上线投产后持续监测业务表现，从而在整体上促进数据资产迭代优化和持续运营能力的提升。
总结与展望
民生银行数据资产化探索和实践涵盖合规确权、成本计量、价值评估和数据资源入表常态化管理机制，通过推进数据资源入表，一方面响应国家政策和战略要求，另一方面全面提升数据精细化管理与运营水平，促进数据应用和价值深度释放，从而进一步赋能业务的发展。在行业发展方面，民生银行积极参与《金融机构数据资产入表规范》团体标准起草工作，联合银行同业及行业相关机构，开展制度解读、实践验证与经验分享，共同促进行业规范持续完善。
展望未来，民生银行将重点从三个方面进行探索。一是建立“治理—资产化—运营”的动态闭环。将数据资产化工作与业务价值提升深度融合，推动数据资产从财务视角向经济视角转化，通过探索涵盖货币化及非货币化估值的数据价值评估模型，实现数据资产经济价值的精准透视，使数据真正成为驱动业务发展的核心引擎。二是推动资产化工作与先进技术深度融合。依托大语言模型、大数据、区块链等技术，提升数据资产化工作的效率与质量，其中，重点打造AI4Data和Data4AI两大方向。AI4Data致力于借助AI技术赋能数据治理与资产化，实现“管数、用数、运营”智能化三大目标；Data4AI则聚焦未来AI能力的核心竞争力——数据护城河，积极探索并实践AI时代下非结构化数据、显性知识及隐性知识的新型管理模式。三是探索金融创新应用。探索基于数据资产的融资业务等创新金融工具，为业务发展开辟新的增长空间，推动数据资源在金融领域的广泛应用，助力金融行业的数字化转型与高质量发展。■
来源：中国金融杂志
