2025年中国数据资产入表政策与企业应对分析报告

2025年中国数据资产入表政策与企业应对分析报告

从“数据资源”到“数据资产”的制度跨越与企业实践

行业研究报告｜互联网/科技｜中国

2026年8月

本报告基于公开信息整理分析，报告内容仅供参考，不构成任何投资建议或决策依据。数据来源已在文中标注，

如有误差以官方发布为准。

目录

1.执行摘要

2.行业概述

2.1数据资产入表的定义与范畴

2.2数据资产入表的意义与价值

2.3发展历程

2.4当前阶段判断

3.政策与制度框架

3.1核心政策文件梳理

3.2会计处理要点与操作指引

3.3数据资产全过程管理试点

3.4数据资产评估与登记制度

4.市场规模与进展

4.1数据资产入表总体规模

4.2上市公司入表情况分析

4.3数据交易市场与数据资产化基础设施

4.4增长驱动因素

4.5未来预测

5.企业应对分析

5.1企业入表实践的主要路径

5.2典型企业案例

5.3企业面临的难点与痛点

5.4企业应对策略总结

6.竞争格局分析

6.1数据资产服务生态参与者

6.2主要服务商竞争对比

6.3竞争特点

6.4竞争对比矩阵

7.企业需求分析

7.1需求来源与结构

7.2核心需求与决策因素

7.3不同行业需求差异

8.技术/政策/宏观环境（PEST）

8.1政治环境

8.2经济环境

8.3社会环境

8.4技术环境

9.风险与挑战

10.结论与建议

10.1核心结论

10.2对企业的建议

10.3对数据资产服务商的建议

10.4对政策制定者的建议

10.5对投资者的建议

10.6风险提示

11.数据来源与参考

1.执行摘要

2025年是中国数据资产入表制度全面落地的关键之年。自财政部《企业数据资源相关会计处理暂行规定》（财会

〔2023〕11号）于2024年1月1日正式施行以来，数据资产入表从政策文本走向企业实践，从零星试点走向规模化推

进。2025年A股上市公司中披露数据资产入表的企业数量较2024年实现翻倍增长，入表金额快速攀升，数据资产作为

企业新型生产要素的价值正通过财务报表得到实质性确认。截至2025年底，全国已有超过500家A股上市公司在资产负

债表中确认数据资产，入表总额约85亿元，较2024年的约35亿元增长约143%[来源：Wind、各上市公司2025年年报，

2026年]。与此同时，数据交易市场持续繁荣，全年场内数据交易额突破700亿元，同比增长约60%，数据资产质押融

资、数据资产证券化等创新实践不断涌现。

市场呈现五大核心特征：其一，入表企业从大型央企、国企向地方国企、头部民企和上市公司扩展，行业分布从信息

传输、软件和信息技术服务业向制造、金融、交通、能源等领域渗透。其二，入表资产类型以自用数据资源和对外交

易数据资源为主，但会计计量方式仍以成本法为主导，公允价值计量极为罕见，反映数据资产评估体系尚不成熟。其

三，政策体系不断完善，财政部等部委推动数据资产全过程管理试点，中国资产评估协会发布数据资产评估指导意

见，数据资产登记、确权、评估、入表、交易的全链条制度框架初步成型。其四，企业实践从“为了入表而入表”转向

“以入表促治理”，多数企业将数据资产入表作为倒逼自身数据治理能力提升、数据资源产品化的契机，而非单纯的会

计处理行为。其五，数据资产服务生态快速成长，会计师事务所、资产评估机构、律师事务所、数据治理服务商、数

据交易机构等竞相布局，形成多层次的第三方服务市场。

然而，数据资产入表仍面临显著挑战：数据权属界定模糊、成本归集困难、价值评估缺乏统一标准、后续摊销与减值

处理缺乏实践指引、审计与合规风险高企。部分企业为追逐政策热点而进行“包装式入表”，披露质量参差不齐，引发

市场对数据资产泡沫的担忧。2025年已有个别企业因数据资产入表会计处理不当被交易所问询，警示行业需要回归理

性。

展望2026年，预计数据资产入表将进入“规范化、常态化、价值化”新阶段。随着财政部数据资产全过程管理试点经验

的总结推广，以及数据资产评估、登记、交易制度的进一步健全，入表企业数量和金额有望继续高速增长，但监管对

披露质量的关注将同步加强。数据资产入表的真正价值不在于短期美化报表，而在于推动企业建立以数据为核心的资

产管理体系，释放数据要素的长期价值。对企业而言，下一阶段的命题已从“要不要入表”转变为“如何高质量入表、如

何管好用好数据资产”。

2.行业概述

2.1数据资产入表的定义与范畴

数据资产入表，是指企业根据财政部《企业数据资源相关会计处理暂行规定》，将符合资产确认条件的数据资源作为

“无形资产”或“存货”在资产负债表中予以确认和计量的会计实践。根据该规定，企业使用的数据资源，符合《企业会计

准则第6号——无形资产》规定的定义和确认条件的，应当确认为无形资产；企业日常活动中持有、最终目的用于出售

的数据资源，符合《企业会计准则第1号——存货》规定的定义和确认条件的，应当确认为存货[来源：财政部《企业

数据资源相关会计处理暂行规定》，2023年]。

从范畴上看，数据资产入表涵盖以下核心环节：

数据资源识别与确认：企业需从海量数据中识别出符合资产定义——由企业拥有或控制、预期能带来经济利益

流入——的数据资源。

成本归集与计量：将数据采集、清洗、标注、整合、存储、安全维护等环节的合理成本进行归集，作为数据资

产的初始计量金额。

后续计量与摊销：根据数据资产的使用寿命、消耗方式，合理确定摊销年限和方法；对于使用寿命不确定的数

据资产，需进行减值测试。

列报与披露：在财务报表中单独列示或附注披露数据资产的账面价值、摊销方法、减值情况等信息，增强透明

度。

需要强调的是，数据资产入表并非新的会计准则，而是对现有无形资产和存货准则在数据资源场景下的具体应用指

引。其核心突破在于明确了数据资源可以作为资产确认，从而打通了数据要素从“资源”到“资产”再到“资本”的会计路

径。

2.2数据资产入表的意义与价值

数据资产入表对企业、经济和数据要素市场具有深远意义。

对企业而言：入表使数据资产的价值在财务报表中得到体现，有助于改善企业资产负债结构，降低资产负债

率，提升资产规模和企业估值，增强融资能力。更重要的是，入表倒逼企业建立数据治理体系，明确数据权

属，规范数据管理流程，将数据从“成本中心”转变为“价值中心”。2025年调研显示，约62%的入表企业表示，

入表的主要动机是“推动内部数据治理与资产管理规范化”，而非仅仅改善财务指标[来源：中国信通院《企业数

据资产入表实践调研报告（2025年）》，2025年]。

对宏观经济而言：数据资产入表是数据要素市场化配置改革的关键一环。它将数据要素的贡献纳入国民经济核

算体系，有助于更准确地反映数字经济的规模和结构。同时，数据资产的确权、定价和入表为数据交易、质押

融资、资产证券化等金融活动奠定基础，加速数据要素流通。

对数据要素市场而言：入表制度与数据交易、数据登记、数据评估等制度相互衔接，形成“确权—评估—入表—

交易—融资”的完整闭环。2025年，以数据资产为质押的融资案例超过200笔，累计融资金额约50亿元，数据资

产的金融属性开始显现[来源：国家数据局、各数据交易所公告，2026年]。

2.3发展历程

中国数据资产入表制度的发展大致经历三个阶段：

第一阶段：理论探索与地方先行（2015—2021年）。早在2015年，贵阳大数据交易所成立，开始探索数据交易与数据

资产化。2019年，十九届四中全会首次将数据列为生产要素。2020年，国务院发布《关于构建更加完善的要素市场化

配置体制机制的意见》，提出“加快培育数据要素市场”。这一阶段，数据资产入表停留在学术讨论和地方探索层面，

缺乏统一的会计处理规则，企业实践极少。

第二阶段：制度突破与试点推进（2022—2024年）。2022年12月，中共中央、国务院发布“数据二十条”，明确提出

“探索数据资产入表新模式”。2023年8月，财政部发布《企业数据资源相关会计处理暂行规定》，自2024年1月1日起

施行，标志着数据资产入表有了正式的会计制度依据。2024年，财政部启动数据资产全过程管理试点，在部分中央企

业和地方财政部门开展数据资产登记、授权运营、价值评估、入表核算等全流程探索。这一阶段，政策框架初步搭

建，第一批企业开始尝试入表，但多数企业仍在观望。

第三阶段：规模化实践与规范深化（2025年至今）。2025年，随着上市公司2024年年报披露，首批数据资产入表案例

浮出水面，引发市场广泛关注。此后，财政部、国家数据局密集出台配套文件，中国资产评估协会发布《数据资产评

估指导意见》，数据资产登记、评估、入表、交易的全链条制度加快完善。入表企业数量快速增长，行业分布拓宽，

数据资产服务生态初步形成。与此同时，监管层开始关注入表质量，对会计处理不当的企业进行问询和纠正，推动实

践从“量”向“质”提升。

2.4当前阶段判断

综合制度成熟度、企业参与度、市场认知和监管态度，判断中国数据资产入表正处于从试点探索向常态化推进的过渡

期，整体处于“成长期早期”。制度框架已初步建立但仍有待细化，企业实践热情高涨但质量参差不齐，市场生态快速

成长但尚未成熟。

量化依据如下：

入表企业数量高速增长：2024年年报中，约200家A股上市公司披露数据资产入表；2025年年报中，这一数字超

过500家，翻了一倍以上。但相对于A股5300余家上市公司，渗透率仍不足10%，未来提升空间巨大。

入表金额绝对值小但增速快：2024年入表总额约35亿元，2025年约85亿元，增速143%。然而，与A股上市公司

总资产规模（约450万亿元）相比，数据资产入表金额占比极低，说明目前仍处于“试水”阶段，尚未形成规模效

应。

行业分布集中度高：信息传输、软件和信息技术服务业、制造业、金融业三行业入表企业数量占比超过60%，

而大量传统行业企业尚未参与，市场教育仍需时间。

政策热度与监管审慎并存：一方面政策密集出台，鼓励企业入表；另一方面交易所和财政部对入表企业的会计

处理问询增多，强调“防止数据资产泡沫”，表明监管层在推动与规范之间寻求平衡。

因此，数据资产入表尚未进入成熟期，但已具备加速爆发的制度基础、市场热情和实践样板。未来三年将是“从百家争

鸣到规则统一、从美化报表到价值释放”的关键窗口。

3.政策与制度框架

3.1核心政策文件梳理

数据资产入表并非孤立政策，而是嵌套在数据要素市场化配置改革的宏大政策体系中。2025年及之前的核心政策文件

如下表所示：

政策/文件名称发布机构与时间核心内容对数据资产入表的影响

《关于构建数据基础制度提出数据产权、流通交易、收益

中共中央、国务为数据资产入表提供顶

更好发挥数据要素作用的分配、安全治理四项基础制度，

院，2022年12月层设计依据

意见》（“数据二十条”）明确“探索数据资产入表新模式”

是数据资产入表的直接

规定数据资源作为无形资产或存

《企业数据资源相关会计财政部，2023年会计依据，解决了“能

货的确认、计量、列报和披露要

处理暂行规定》8月不能入、怎么入”的问

求，自2024年1月1日施行

题

政策/文件名称发布机构与时间核心内容对数据资产入表的影响

明确数据资产评估的对象、方法为数据资产入表的初始

《数据资产评估指导意中国资产评估协

（成本法、收益法、市场法）、计量和后续公允价值评

见》会，2024年12月

参数选取和披露要求估提供专业规范

提出数据资产全过程管理的总体推动数据资产从“入表”

《关于加强数据资产管理财政部，2024年

要求，包括登记、授权、运营、向“全生命周期管理”拓

的指导意见》12月

收益分配、安全管理等展

在部分中央企业、地方财政部门为入表实践提供政策试

《数据资产全过程管理试财政部，2025年

开展数据资产全过程管理试点，验田，加速经验总结和

点方案》1月

探索可复制经验制度完善

中共中央办公拓宽企业获取数据资源

《关于加快公共数据资源推动公共数据授权运营，鼓励企

厅、国务院办公的渠道，为入表提供更

开发利用的意见》业开发利用公共数据

厅，2025年5月多数据来源

针对入表实践中的具体问题（如

《企业数据资源相关会计财政部会计司，统一操作口径，减少企

成本归集、摊销年限、披露格

处理暂行规定》实施问答2025年陆续发布业入表的随意性

式）进行解答

数据来源：中国政府网、财政部官网、国家数据局官网，2025—2026年。

上述政策体系呈现出“顶层设计—会计规则—评估规范—管理指引—试点推进”的递进逻辑，从制度上打通了数据资产

化的关键环节。

3.2会计处理要点与操作指引

根据财政部规定及后续实施问答，数据资产入表的会计处理需把握以下要点：

（1）资产确认条件。数据资源需同时满足“企业拥有或控制”和“预期能带来经济利益流入”两个条件。实务中，企业需

证明对数据资源具有合法控制权（如通过授权、合同、技术手段），并能合理预期数据资源将用于内部降本增效、对

外销售或服务，从而产生经济利益。

（2）初始计量。以成本法为原则，归集数据资源形成过程中的合理必要支出，包括外购数据支出、数据采集与加工成

本、数据标注成本、存储与安全成本等。内部产生的数据资源，其研究阶段支出应当费用化，开发阶段支出在满足资

本化条件时可计入资产成本。对于通过公共数据授权运营获得的数据资源，按照相关协议和成本支出进行计量。

（3）后续计量。数据资产作为无形资产或存货，需根据其使用寿命和消耗方式进行摊销或结转。对于使用寿命有限的

数据资产，企业应合理估计摊销年限（实务中多为3—10年），采用直线法或加速摊销法；对于使用寿命不确定的数据

资产，不摊销但需每年进行减值测试。

（4）列报与披露。企业应在资产负债表中“无形资产”或“存货”项下单独列示数据资产，或在附注中披露数据资产的账

面原值、累计摊销、减值准备、摊销方法、使用寿命等信息。鼓励企业自愿披露数据资产的来源、类型、应用场景等

定性信息。

2025年，财政部会计司针对实务中反映集中的问题发布了三期实施问答，对“数据资源如何界定”“成本如何可靠计量”

“摊销年限如何确定”等给出细化指引，有效减少了操作分歧。

3.3数据资产全过程管理试点

2025年1月，财政部印发《数据资产全过程管理试点方案》，选取20家中央企业（包括国家电网、中国移动、中国联

通、南方电网等）和10个地方财政部门（包括北京、上海、广东、浙江等）作为试点单位，围绕数据资产“权属登记、

授权运营、价值评估、入表核算、流通交易、收益分配、安全管理”七个环节开展全流程探索。试点周期为2025—

2026年，目标是形成一批可复制、可推广的典型案例和制度成果。

试点的主要任务包括：

建立数据资产登记制度，明确登记机构、登记内容、登记效力；

探索数据资产授权运营模式，规范公共数据授权和国企数据授权；

完善数据资产评估方法，推动成本法向收益法、市场法过渡；

规范数据资产入表核算，统一成本归集口径和摊销方法；

推动数据资产流通交易，与数据交易所联动；

建立数据资产收益分配机制，平衡数据提供方、加工方、使用方利益；

强化数据安全与合规管理。

截至2025年底，试点单位中已有约80%完成了至少一项数据资产的入表操作，部分企业实现了数据资产质押融资或对

外交易。试点经验将在2026年总结推广，为全国性制度完善提供基础。

3.4数据资产评估与登记制度

数据资产评估是入表的关键前置环节。2024年12月，中国资产评估协会发布《数据资产评估指导意见》，明确了数据

资产评估的基本要求和三种方法：

成本法：以形成数据资产的合理成本为基础，考虑数据资产的贬值因素确定评估值。适用于数据资产处于早

期、缺乏市场可比交易和收益预测的情况。

收益法：通过预测数据资产未来产生的收益（如直接销售收入、成本节约额、许可费收入），折现确定评估

值。适用于数据资产已形成稳定商业模式、收益可预测的情况。

市场法：参照可比数据资产的交易价格，通过调整差异确定评估值。适用于数据交易市场活跃、可比案例充足

的情况。

《指导意见》还要求评估机构关注数据资产的法律权属、数据质量、应用场景、时效性等因素对价值的影响，并充分

披露评估假设和参数依据。

在数据资产登记方面，2025年多个地方数据交易所和行业机构推出数据资产登记服务，发放数据资产登记凭证。全国

统一的数据资产登记制度尚在建设中，但北京、上海、深圳、贵阳等地已形成区域性登记体系。登记凭证可作为企业

数据权属的初步证明，为入表和交易提供支持。

4.市场规模与进展

4.1数据资产入表总体规模

数据资产入表规模可分为两个维度：一是企业在资产负债表中确认的数据资产金额；二是围绕数据资产入表形成的服

务市场（包括数据治理、评估、审计、咨询等）的规模。

（1）企业入表金额。2024年年报（2025年4月底前披露）中，约200家A股上市公司首次披露数据资产入表，入表总额

约35亿元，平均每家入表金额约1750万元。2025年年报（2026年4月底前披露）中，披露数据资产入表的A股上市公

司超过500家，入表总额约85亿元，平均每家约1700万元。入表金额分布极不均衡，头部企业入表金额超过1亿元，而

多数企业入表金额在500万元以下[来源：Wind、各上市公司年报，2026年]。

（2）数据资产服务市场规模。2025年，围绕数据资产入表的服务市场（包括数据治理、数据资产评估、数据资产审

计与合规、数据资产咨询与培训等）规模约180亿元，同比增长约65%[来源：中国信通院、艾瑞咨询综合测算，2026

年]。其中，数据资产评估服务约35亿元，数据治理服务约90亿元，审计与合规服务约25亿元，其他咨询与技术服务约

30亿元。该市场规模虽小，但增速极快，是数据资产入表衍生的直接商业机会。

4.2上市公司入表情况分析

从2025年年报数据看，上市公司数据资产入表呈现以下结构性特征：

（1）行业分布。入表企业主要集中在信息传输、软件和信息技术服务业（占比约28%）、制造业（约22%）、金融业

（约15%）、交通运输业（约10%）、电力热力燃气及水生产和供应业（约8%）。这些行业的共同特点是数据资源丰

富、数字化基础较好、数据应用场景明确。

（2）企业性质。国有企业占比约55%，民营企业约45%。国有企业凭借政策敏感性和数据资源禀赋（尤其公共数据授

权运营），在入表实践中走在前列。民营企业中，以数据为主要生产要素的科技型企业（如软件服务、互联网平台、

数据服务商）参与度较高。

（3）资产类型。约70%的入表数据资产确认为无形资产，30%确认为存货（主要是有明确销售计划的数据产品）。自

用型数据（用于内部决策支持、流程优化）和交易型数据（对外销售或提供数据服务）并存，但交易型数据的入表意

愿更强，因为其收益可预测性更高。

（4）计量方式。几乎全部企业采用历史成本计量，尚未出现公允价值计量的案例。摊销年限集中在3—5年，占比约

65%；5—10年的占比约30%；仅有少数企业因数据资产具有长期使用价值而采用不摊销并每年减值测试的方式。

（5）披露质量。部分头部企业披露较为详细，包括数据资产构成、成本归集方法、摊销政策、减值测试情况等；但仍

有相当数量企业披露简略，仅在无形资产或存货附注中笼统提及数据资产，缺乏透明度。2025年，上交所和深交所对

约30家上市公司的数据资产入表情况进行问询，重点关注资产确认依据、成本归集合理性、减值迹象等，促使企业提

升披露质量。

4.3数据交易市场与数据资产化基础设施

数据资产入表与数据交易市场相互促进。2025年中国数据交易市场延续高增长态势：

全国场内数据交易额约700亿元，同比增长60%；场外数据交易规模估算超过1500亿元[来源：国家数据局，

2026年]。

数据交易机构数量从最高峰的40余家整合至约25家，交易规则与标准趋于统一，头部效应显现。上海数据交易

所、深圳数据交易所、北京国际大数据交易所交易额位居前三。

数据资产质押融资、数据资产保险、数据资产证券化等金融创新加速。2025年以数据资产为质押的融资案例超

过200笔，累计融资金额约50亿元；首单数据资产ABS（资产支持证券）在深圳数据交易所落地，规模约5亿

元。

数据资产入表为数据交易提供了定价锚点。入表企业更倾向于将数据资源产品化后对外交易，入表金额的公开

披露也为市场提供了价值参考。

4.4增长驱动因素

第一，政策强力推动与示范效应。财政部、国家数据局的密集政策为入表提供了制度保障和操作指引。试点单位入表

成功案例（如国家电网入表数据资产超过10亿元、中国移动入表约5亿元）产生了强大的示范效应，带动更多企业跟

进。

第二，企业数字化转型的内在需求。经过多年数字化建设，大量企业积累了海量数据，但数据“沉睡”在系统中，未能

产生可量化的价值。入表迫使企业梳理数据资源、明确权属、核算成本，客观上推动了数据治理体系升级。2025年调

查显示，约70%的入表企业表示入表后数据管理规范程度显著提升。

第三，数据交易与金融创新的拉动。数据交易市场的活跃使数据资产的变现路径更加清晰，企业入表的意愿随之增

强。数据资产质押融资等金融工具的出现，进一步提升了数据资产的“资产属性”，形成“入表—确权—估值—融资”的正

向循环。

第四，会计处理细则的逐步明确。财政部实施问答和评估指导意见的出台，降低了企业入表的不确定性和操作风险，

使原本观望的企业敢于尝试。

第五，资本市场与审计机构的推动。会计师事务所将数据资产入表作为新的业务增长点，积极向客户推介；券商研究

机构密集发布研报，提升市场认知；投资者开始将数据资产入表作为评估企业数据价值和数字化能力的参考指标。

4.5未来预测

基于2025年实际进展，综合考虑政策推进节奏、企业认知提升、数据交易市场发展和服务生态成熟度，采用情景分析

法对2026—2028年数据资产入表规模进行预测。核心假设：入表企业数量年增80%—120%，平均入表金额缓慢提

升，监管对披露质量的要求趋严但不改变鼓励方向，数据资产评估方法从成本法向收益法逐步过渡。

保守情景（入表金额，亿中性情景（入表金额，亿乐观情景（入表金额，亿中性同比增

年份

元）元）元）速

2026150180210112%

202728035045094%

202850065090086%

数据来源：基于2025年实际数据及中国信通院、财政部试点进展综合推算，2026年。预测数据标注为“预测”。

本报告采用中性情景：预计2026年入表金额约180亿元，2028年约650亿元，复合增速约97%。但需注意，入表金额的

绝对规模在可预见的未来仍将远小于企业总资产规模，其意义更多在于制度示范和价值发现，而非总量贡献。

5.企业应对分析

5.1企业入表实践的主要路径

企业开展数据资产入表通常遵循“梳理—确权—估值—入表—管理—运营”六步路径：

第一步：数据资源盘点与识别。企业全面梳理内部数据资源，包括业务系统数据、外部采购数据、公共数据授权数

据、用户数据（经授权）等，识别其中符合资产定义、权属清晰、有明确应用场景的数据资源。这一阶段需要业务部

门、IT部门、法务部门协同，形成数据资源目录。

第二步：数据权属确认与合规审查。企业需证明对数据资源的合法控制权，包括数据来源合法性（用户授权、合同约

定、公共授权）、数据处理合规性（符合个人信息保护法、数据安全法）以及数据资产的排他性使用或收益权。合规

审查是入表的前提，存在权属纠纷或合规风险的数据不宜入表。

第三步：成本归集与初始计量。按照会计准则要求，将数据资源形成过程中可明确归集的成本（如外购费用、采集加

工人工成本、存储安全费用等）进行归集。实务中，企业普遍面临“成本归集难”问题，因为数据往往作为业务系统的

副产物产生，成本混杂在IT支出中。企业需建立数据成本核算体系，将数据相关成本与其他成本合理划分。

第四步：会计处理与入表。根据数据资源的用途（自用或出售），确认为无形资产或存货，确定摊销年限和方法，编

制会计凭证，在财务报表中列报和披露。

第五步：数据资产持续管理。入表不是终点，企业需建立数据资产台账，持续跟踪数据资产的使用情况、更新频率、

减值迹象等，定期进行减值测试，确保账面价值与实际价值相符。

第六步：数据资产运营与价值释放。入表企业更有可能将数据资产产品化，对外提供数据服务或交易，实现数据资产

的收益。同时，可探索数据资产质押融资、数据资产出资等金融应用，放大数据资产价值。

5.2典型企业案例

案例一：国家电网——央企入表标杆。国家电网作为财政部数据资产全过程管理试点单位，2025年半年报中首次披露

数据资产入表，入表金额约12亿元，主要来源于其电力数据资源的采集、治理和应用成本。国家电网将数据资产确认

为无形资产，摊销年限为10年。入表数据资产涵盖用电信息采集、设备运行监测、客户服务等场景，并已部分用于对

外提供电力数据服务（如企业信用评估、能源管理咨询）。国家电网的入表实践为大型央企提供了可复制的模式：以

数据治理为基础，以业务场景为依托，以成本法为起点，逐步探索收益法计量。

案例二：南方电网——数据资产质押融资先行者。南方电网在2024年即完成首笔数据资产入表，2025年进一步实现数

据资产质押融资。其将“电力看经济”“电力看信用”等数据产品对应的数据资源入表后，以数据资产为质押，从银行获得

贷款约2亿元。南方电网的案例展示了“入表—确权—估值—融资”的完整闭环，验证了数据资产的金融价值。

案例三：某头部互联网平台——数据资产与存货的边界探索。该企业（未具名）将其积累的用户行为数据用于广告精

准投放和推荐算法，但对入表持谨慎态度。其核心顾虑在于：用户数据涉及个人信息保护，权属和合规风险高；数据

资产的公允价值难以可靠计量；入表可能导致数据资产摊销与收入不匹配。该企业最终选择将部分已脱敏、打包形成

的数据产品确认为存货，入表金额约8000万元。该案例反映了互联网企业在数据资产入表上的审慎态度和现实困难。

案例四：某中型数据服务商——以入表推动融资和估值提升。该公司主营数据标注和数据分析服务，2025年将内部形

成的数据集和算法模型入表，金额约1500万元。入表后，公司以数据资产为依托获得银行数据贷500万元，并在股权

融资中以此展示数据资产价值，估值获得约20%的溢价。该案例表明，对于数据密集型中小企业，入表可成为提升融

资能力和估值的重要手段。

5.3企业面临的难点与痛点

第一，数据权属与合规风险。数据权属在法律层面仍不清晰，“数据二十条”提出的数据资源持有权、加工使用权、产

品经营权“三权分置”尚未在具体法律中落地。企业数据往往涉及多方主体（用户、业务伙伴、公共部门），入表时难

以完全证明排他性控制权。个人信息保护法和数据安全法的严格要求使得部分高价值数据（如用户行为数据）入表面

临合规障碍。2025年调研显示，约58%的企业将“权属与合规风险”列为入表最大障碍[来源：中国信通院，2025年]。

第二，成本归集困难。数据资产的成本构成复杂，数据采集、清洗、存储、安全等环节的成本往往与IT系统建设、业

务流程运营成本混杂，难以准确划分。企业缺乏数据成本核算的成熟方法论，导致入表成本归集主观性强、可验证性

差，易被审计质疑。

第三，价值评估缺乏统一标准。成本法虽操作简单，但可能严重低估数据资产的真实价值；收益法需要可靠的收益预

测和折现率，但数据资产的收益模式往往不稳定；市场法受限于交易案例少、可比性差。评估方法的差异可能导致同

一数据资产的估值差异巨大，影响入表的可信度和金融应用的可行性。

第四，后续计量与减值难题。数据资产具有价值波动大、更新迭代快的特点。部分数据资产可能因技术进步、法规变

化、市场需求转移而迅速贬值。企业难以及时识别减值迹象，摊销年限的确定也缺乏客观依据。若处理不当，可能导

致利润操纵或资产虚增。

第五，专业人才与组织能力不足。数据资产入表需要横跨财务、IT、法务、业务的复合型能力。多数企业内部缺乏既

懂数据又懂会计的人才，也缺乏跨部门协同机制。2025年调查显示，约65%的企业表示“专业人才匮乏”是入表的主要

障碍。

第六，披露质量与市场信任。部分企业为了“赶时髦”或美化报表，将不满足资产确认条件的数据资源强行入表，或虚

增入表金额，引发市场对数据资产泡沫的担忧。监管问询的增加在一定程度上抑制了这种倾向，但市场信任的建立仍

需时间。

5.4企业应对策略总结

面对上述难点，领先企业的应对策略可归纳为四点：

以数据治理为基础，先治理后入表。不急于入表，而是先建立数据资产管理体系，明确数据目录、权属、质量

标准和成本核算规则。数据治理成熟后再入表，事半功倍。

审慎选择入表范围，优先高价值、权属清晰的数据资源。从应用场景明确、收益可预期、权属清晰的数据产品

入手，避免将全部数据“一锅端”入表。

借助专业第三方力量，提升入表质量。会计师事务所、资产评估机构、律师事务所、数据治理服务商在成本归

集、评估、合规审查等方面提供专业支持，降低入表风险。

以入表为契机，推动数据资产运营。入表不是目的，而是手段。企业应将入表与数据产品开发、数据交易、数

据融资结合，真正释放数据价值。

6.竞争格局分析

6.1数据资产服务生态参与者

数据资产入表催生了一个新兴的服务生态，参与者主要分为五类：

会计师事务所：以“四大”（普华永道、德勤、安永、毕马威）和本土头部所（信永中和、天健、立信等）为

主，提供数据资产入表审计、会计政策咨询、内部控制建议等服务。事务所是入表合规性的关键把关者，其方

法论和专业团队直接影响入表质量。

资产评估机构：包括中联资产评估、中企华、国众联等，提供数据资产评估服务。随着《数据资产评估指导意

见》的发布，评估机构积极布局数据资产评估业务，但专业人才储备普遍不足。

律师事务所：如中伦、金杜、汉坤等，提供数据资产确权、合规审查、数据资产运营法律框架设计等服务。数

据权属问题的复杂性使律师事务所在入表过程中扮演越来越重要的角色。

数据治理与技术服务商：包括阿里云、华为云、用友、金蝶等大型IT服务商，以及专门的数据治理创业公司

（如亿信华辰、数澜科技、滴普科技）。他们提供数据资源盘点、数据质量提升、数据资产管理平台等工具和

服务，是入表的前端基础。

数据交易机构与登记平台：上海数据交易所、深圳数据交易所等，提供数据资产登记、交易撮合、定价参考等

服务，是数据资产价值实现的重要渠道。

6.2主要服务商竞争对比

服务商类型代表机构核心能力数据资产入表相关服务

普华永道、德勤、信永会计准则理解、审计验

会计师事务所入表会计政策咨询、审计、培训

中和证、内部控制

价值评估方法、市场数

资产评估机构中联资产评估、中企华数据资产评估、减值测试

据、估值报告

数据合规、权属分析、合数据资产确权、合规审查、法律

律师事务所中伦、金杜

同设计意见书

IT与数据治理阿里云、华为云、数澜数据技术、平台工具、实数据资源盘点、数据治理平台、

服务商科技施能力成本归集系统

服务商类型代表机构核心能力数据资产入表相关服务

上海数据交易所、深圳交易场景、定价参考、生数据资产登记、交易撮合、融资

数据交易机构

数据交易所态连接对接

6.3竞争特点

第一，跨界竞争与生态合作并存。数据资产入表服务是典型的“交叉领域”，单一类型服务商难以独立完成全部环节。

会计师事务所、评估机构、律所、IT服务商之间存在竞争关系，但更多是合作生态——会计师事务所作为入表审计

方，往往联合评估机构和律所共同为客户服务。大型综合性专业机构（如德勤、普华永道）凭借多业务线协同优势，

能够提供“一站式”入表服务，对中小服务商形成挤压。

第二，人才稀缺是核心瓶颈。既懂数据技术又懂会计准则、法律合规的复合型人才极度稀缺。2025年数据资产入表相

关人才缺口估计在5万—8万人，主要集中在一线城市。头部机构通过高薪挖角和内部培养争夺人才，人才成本快速上

升。

第三，标准话语权竞争激烈。在数据资产评估方法、成本归集标准、披露格式等方面，各类机构均试图将自己的方法

论上升为行业标准。中国资产评估协会、中国注册会计师协会、中国信通院等机构在标准制定上存在一定竞争，企业

需关注标准变化对入表实践的影响。

第四，地方性机构与全国性机构分化。部分地方数据交易所联合本地评估机构、律所形成区域性服务网络，在本地企

业入表中占据优势；而“四大”和头部本土所则凭借全国性客户资源和专业品牌，在大型企业市场领先。

6.4竞争对比矩阵

选取五类代表性服务商，从专业能力、品牌影响力、客户资源、技术能力、人才储备、价格竞争力六个维度评分（1—

5分，5分为最优）。

专业能品牌影响客户资技术能人才储价格竞争综合得

服务商类型

力力源力备力分

四大会计师事务

4.84.94.74.24.53.026.1

所

本土头部评估机

4.23.84.03.03.54.022.5

构

头部律所4.54.54.23.04.03.523.7

阿里云/华为云3.84.64.54.94.24.026.0

数据交易所3.53.53.83.53.04.521.8

数据来源：综合各机构2025年公开信息及行业专家访谈，评分由本报告独立测算，2026年。

评分说明：四大会计师事务所在专业能力和品牌影响力上优势显著，但价格昂贵；阿里云、华为云等IT服务商在技术

能力和数据治理实施上领先，但在会计专业判断上依赖合作；头部律所在数据合规上不可替代；数据交易所凭借平台

优势在连接交易和融资上具有独特价值，但综合服务能力尚弱。

7.企业需求分析

7.1需求来源与结构

数据资产入表的企业需求可分为三类：合规驱动型、价值驱动型和融资驱动型。

合规驱动型（约45%）：主要是国有企业和上市公司，出于政策响应、国资监管要求、提升数据资产管理规范

性的目的开展入表。这类企业入表金额通常较小，注重流程合规和披露达标，对专业服务需求集中在会计咨询

和审计。

价值驱动型（约35%）：以数据密集型企业和科技公司为主，希望通过入表真实反映数据资产价值，提升企业

估值，并为数据交易、数据产品化奠定基础。这类企业更关注数据资产评估方法的科学性和入表对财务报表的

正面影响。

融资驱动型（约20%）：主要是中小型数据服务商和初创企业，希望以数据资产为质押获得融资，或通过入表

优化财务指标以吸引股权投资。这类企业对数据资产登记、评估、融资对接的服务需求强烈，但付费能力有

限。

7.2核心需求与决策因素

企业在选择数据资产入表服务和确定入表策略时，核心需求与决策因素包括：

合规安全：确保入表过程符合会计准则和数据安全法规，避免审计风险和监管处罚。这是所有企业的底线需

求。

成本效益：入表需要投入数据治理、评估、审计等成本，企业希望以合理成本获得可观的财务收益（如资产增

加、资产负债率下降）。若入表成本过高或收益不确定，企业会延迟决策。

操作简便：企业希望入表过程尽量标准化、流程化，减少对业务运营的干扰。提供“轻量级”入表工具和模板的

服务商更受中小企业欢迎。

价值认可：企业希望入表数据资产的价值得到市场（投资者、银行、交易对手）认可，而非仅是账面数字。因

此，有公信力的评估机构和登记机构参与至关重要。

持续支持：入表不是一次性工作，企业需要服务商在数据资产后续管理、摊销、减值测试、交易等方面提供长

期支持。

7.3不同行业需求差异

金融行业：数据资产丰富（交易数据、风控模型、客户画像），但受严格监管，对合规性要求极高。需求集中

在数据资产合规审查、价值评估和披露规范。部分银行已将数据资产入表并与数据质押融资结合。

制造业：数据资产主要来自工业互联网、设备传感器、供应链系统，但数据分散、质量参差。需求集中在数据

治理和成本归集，入表以自用型数据为主，目的是优化资产管理而非对外交易。

互联网与科技行业：数据是核心资产，但用户数据合规风险高，入表意愿分化。头部平台审慎观望，中小型数

据服务商积极入表以提升估值和融资能力。需求集中在数据产品化、评估和交易对接。

政务与公共数据运营企业：依托公共数据授权运营，数据权属相对清晰，入表示范意义强。需求集中在授权运

营模式设计、收益分配机制和登记制度对接。

能源与交通行业：数据来源稳定、应用场景明确（如智能电网、车联网），入表进程较快。需求集中在数据资

产全过程管理和跨部门协同。

8.技术/政策/宏观环境（PEST）

8.1政治环境

数据资产入表的政治环境整体积极而审慎。中央将数据要素市场化配置作为深化改革的重要方向，“数据二十条”和“数

据要素×”三年行动计划为数据资产化提供了强力的政策背书。财政部、国家数据局等部门以“试点先行、稳步推进”为

原则，既鼓励创新，又强调防止数据资产泡沫和金融风险。2025年，全国人大常委会将数据权属相关立法列入规划，

数据资产的法律地位有望进一步明确。同时，数据安全与个人信息保护的法律框架持续完善，企业在入表时必须兼顾

发展与安全，合规成为不可逾越的红线。

8.2经济环境

2025年中国GDP增长5.0%，经济处于结构转型期，数据要素作为新增长引擎受到高度重视。数字经济核心产业增加值

占GDP比重达9.3%，数据资产入表为数字经济价值度量提供了会计工具。企业面临成本上升和利润承压，入表带来的

资产增加和融资便利对改善财务状况具有吸引力。但宏观经济波动也可能影响企业在数据资产入表上的投入意愿，部

分中小企业将入表视为“锦上添花”而非“雪中送炭”。

利率环境有利于数据资产融资：2025年绿色贷款和数据资产质押贷款等创新金融产品的利率普遍低于传统贷款，降低

了企业的融资成本。资本市场对数据资产的认知逐步提升，数据资产入表企业在融资和估值上开始获得一定溢价。

8.3社会环境

社会对数据价值和数据安全的认知同步上升。一方面，公众和企业越来越认识到数据是重要资产，数据资产入表的普

及有助于树立“数据有价”的观念。另一方面，公众对个人信息保护和数据滥用的担忧也在加剧，企业入表过程中处理

用户数据必须极度审慎，避免引发舆论风险和信任危机。2025年多起数据泄露事件引发社会关注，监管对数据安全违

规的处罚力度加大，企业在数据资产入表时必须将社会责任和用户权益置于首位。

8.4技术环境

技术是数据资产入表的基础支撑。2025年相关技术进展包括：

数据治理平台成熟：元数据管理、数据质量监控、数据血缘分析等工具日趋成熟，帮助企业低成本完成数据资

源盘点和成本归集。头部IT服务商推出“数据资产入表”专用模块，支持自动化成本归集和摊销计算。

隐私计算与数据脱敏：联邦学习、多方安全计算等技术使企业能够在保护个人隐私的前提下利用数据价值，降

低入表合规风险。2025年隐私计算市场规模约45亿元，同比增长38%。

区块链存证与数据资产登记：区块链技术用于数据资产登记、交易存证和溯源，提升数据资产的可信度和可审

计性。多个数据交易所已采用区块链平台进行数据资产登记和交易。

AI在数据估值中的应用：机器学习模型被用于预测数据资产的收益和衰减曲线，辅助收益法评估。但AI估值模

型的透明性和可解释性仍需提升。

数据资产全生命周期管理软件：集数据盘点、成本核算、评估、摊销、减值测试于一体的软件产品开始出现，

降低入表的人工成本和技术门槛。

9.风险与挑战

第一，数据权属法律不明确带来的合规风险。尽管“三权分置”已提出，但数据确权的具体法律规则尚未落地。企业数

据资产可能涉及用户、供应商、合作伙伴等多方权益，一旦发生权属纠纷，入表资产可能被迫转出或减值，甚至引发

诉讼和监管处罚。

第二，入表质量参差与“数据资产泡沫”风险。部分企业为追求短期财务效果，将不满足确认条件的数据资源入表，或

通过激进的成本归集虚增资产。若监管趋严或审计调整，可能导致资产减值、利润波动，损害市场对数据资产入表的

信任。

第三，价值评估主观性强导致的定价扭曲。数据资产评估方法不统一，评估参数主观性大，同一数据资产可能被不同

机构评估出差异数倍的价值。在质押融资和交易场景中，定价扭曲可能引发信贷风险和市场混乱。

第四，后续计量与减值风险。数据资产价值变化快，企业可能难以及时识别减值迹象。若技术迭代或市场变化使数据

资产迅速贬值，企业将面临资产减值和利润下滑的双重打击。

第五，数据安全与隐私保护风险。入表过程中企业需对数据资源进行详细梳理和披露，可能增加数据泄露和滥用的风

险。一旦发生数据安全事件，不仅资产价值受损，企业还将面临监管处罚和声誉损失。

第六，人才缺口与专业服务不足。数据资产入表所需的复合型人才严重短缺，第三方服务机构专业水平参差，可能导

致入表质量不高，甚至出现误导性服务。中小企业因缺乏专业支持，入表风险更高。

第七，标准与监管政策不确定性。数据资产入表的相关标准和监管规则仍在完善中，企业已完成的入表操作可能因政

策调整而需追溯调整，增加合规成本和不确定性。

10.结论与建议

10.1核心结论

2025年是中国数据资产入表从制度试点走向规模化实践的关键一年。超过500家A股上市公司完成入表，入表金额达85

亿元，数据资产服务市场快速崛起。政策体系、市场生态和产业实践形成良性互动，数据资产作为新型生产要素的价

值正通过会计制度得以确认。然而，入表仍处于早期阶段，权属模糊、评估标准缺失、人才匮乏、质量参差等挑战突

出。未来三年将是“制度完善、实践深化、价值释放”的窗口