在数字经济时代，数据跃升为第五大生产要素，重构社会经济运行范式。作为核心战略资产，数据资源既是科技创新驱动力，也是数字治理基石。为适应数据驱动型经济，我国会计体系加速革新，数据资产入表成为构建新型价值评估体系的必然选择。

 

2024年1月正式实施的《企业数据资源相关会计处理暂行规定》，推动数据资产化实践落地；《关于加强行政事业单位数据资产管理的通知》（财资〔2024〕1号）（以下简称《通知》）出台，形成了覆盖政企的全域制度框架，完善了数据资产管理体系。

 

在高校信息化进程中，优质数据资源深度应用已成为教育改革的核心引擎。对内通过数据驱动可显著提高教学评估精度、科研创新效率和管理服务效能，助推双一流建设提质增效；对外通过合规化的教学科研成果产品化运营，能够形成可持续的市场价值增长点。数据资产入表对高校具有多维战略价值：其一，重构价值评估体系，客观反映核心竞争力；其二，通过资产化运作拓宽融资渠道，增强财务弹性；其三，促进数据治理体系升级，破除跨部门数据壁垒，构建智能化治理范式。这一过程不仅优化了资源配置效率，还为高校高质量发展提供了有力支持。

 

二、高校数据资产概述

 

《通知》中界定行政事业单位数据资产为：履职过程中合法持有或控制的，具有明确经济利益流入预期或服务潜力释放功能的数据资源。可见数据资产确认需同时满足三项核心要件：控制权明晰、价值可变现、成本收益可计量，这意味着实际中仅有一小部分数据资源能够被确认为数据资产。

 

1.高校数据资源种类及资产化路径。

 

高校事业活动涵盖教学、科研、文化传承、社会服务及国际交流五大领域，对应形成六类核心数据资源：实体空间数据，涵盖土地、建筑、设备等固定资产信息；主体身份数据，集成教职工、学生、校友及组织机构的结构化档案；数字基建数据，包括校园网络、数据中心、智能教室等基础设施运行日志；学科知识数据，涉及课程体系、交叉研究成果等学术性数据资产；业务过程数据，覆盖教学管理、科研协作、行政服务等全流程事务数据；数字资源库，由在线课程、电子文献、科研仪器数据、文化资源素材等数字化教学资源、科研资源、文化资源和管理服务资源组成。

 

数据资产化需经历三阶段转型：首先通过清洗、标准化等处理形成具备潜在价值的数据资源；其次结合应用场景进行深度分析，生成师生画像、智能决策模型等衍生产品；最终通过确权登记、价值评估等会计确认程序，转化为可量化管理的资产。该转化过程价值实现路径呈现多维延伸，既包括支撑教学科研管理的内部服务价值，也涵盖数据产品开发的外部市场价值。

 

2.高校数据资产特征。

 

（1）高敏感性。高校数据资产面临比企业数据更严格的合规约束，其数据涉及个人隐私、国家安全、教育政策等敏感领域，兼具高敏感性与社会公益性特征，其泄露或滥用可能引发系统性风险。

 

（2）非货币性价值创造。区别于企业数据资产的显性经济属性，高校数据资产的价值多通过教育质量提升、管理效能改进、社会效益输出等非货币形式实现。

 

（3）多源异构性。高校数据资产呈现四多一高”特征：多场景（教学、科研、管理等）、多主体（师生、院系、第三方服务商）、多类型（结构化、半结构化、非结构化）、多更新和数据复杂度较高，既有智慧教室的物联网时序数据，也存在古籍数字化的非结构化文本。

 

（4）原生性生成属性。区别于企业数据资产的外购或定制开发特征，高校数据资产多为教学科研活动、行政事务、校园服务的伴生数据，这种数据生成模式决定了其应用场景与业务过程的强耦合性。

 

（5）价值共创性。高校数据价值共创性体现在多个方面：一是跨部门数据共享与复用，教学、科研、行政等多源数据互通形成智慧校园底座，如学生画像系统整合教务、财务、后勤数据优化资源配置；二是跨学科数据融合创新，如理工科实验数据与人文社科数据结合催生计算社会科学，医学影像数据叠加AI算法提高疾病预测准确率等；三是产学研协同增值，基础研究数据通过向产业界开放共享，实现边际效益指数级增长，如生物医药数据促成新药研发、合作等。

 

三、高校数据资产入账挑战及应对

 

1.初始计量。

 

（1）关于控制权判定。始于工业时代的传统产权理论具有排他性及交易成本不为零的特征，而数据资源具有非排他性、分发边际成本趋近于零甚至在传播中价值递增等特性，导致传统产权理论适用性受限。对此，《关于构建数据基础制度更好发挥数据要素作用的意见》（以下简称《数据二十条》）创新提出数据资源持有权、加工使用权、产品经营权三权分立机制，为数据资产治理提供制度依据。

 

在会计确认视角下，数据资产的核心在于控制权而非所有权。只要主体合法拥有对数据的收集权、加工权、使用权、管理权等某项细分衍生权利并产生经济利益，即使缺乏完整所有权，也可确认为资产。

 

为明晰控制权，高校需要在全面盘点摸清数据资源家底的基础上厘清数据资产权属，建立包含学校、二级单位、师生等多方参与的权责清单，基于数据血缘图谱实现全生命周期权属追溯。除身份证、银行卡、手机号等涉及个人隐私的敏感数据外，学校对教学、科研数据的控制权具有天然优势；跨部门数据共享中，各参与方可通过协议划分持有权、使用权等具体权益；多场景应用下同一数据资源的具体责任和受益主体需要根据不同的应用场景和资源血缘图谱进行明确。

 

（2）关于收益预期。现行会计准则要求数据资产确认需满足经济利益很可能流入或服务潜力可合理预期，对于外购数据，其交易价格已隐含价值预期；高校自产数据（如教学档案、科研数据等）缺乏类似外购合同的价值锚定，在生成时点面临难以举证未来收益或服务潜力的困境。一是价值评估复杂，数据价值常嵌入业务流程难以剥离计量，如教师评价系统效益涉及多部门协同；二是计量方法争议，高校数据非货币价值创造特征明显，从会计准则角度，经济利益流入未明确是否必须货币化计量，决策支持效率、流程优化度等非货币价值创造指标体系亟待建立，此方面需要持续关注国家相关部门或行业具体实践指导。

 

值得注意的是，国际会计准则理事会（IASB）2018年修订《财务报告概念框架》，将资产定义核心转向控制现时经济资源权力，弱化未来经济利益流入很可能"概率门槛，允许低概率经济利益纳入考量，这一修订实质上降低了资产确认门槛。虽然存货、无形资产等具体准则尚未同步修订，且国际准则体系仍以具体准则优先，但这一理念变革已显现出强化控制权认定、弱化收益预判的趋势。我国企业会计准则与国际财务报告准则已经实现实质性持续趋同，未来需持续关注国际准则动态及国内准则的衔接进展。

 

（3）关于成本可计量性。对于高校而言，外购数据资源用途相对稳定单一，取得成本相对清晰易获得，包括直接购置成本、全流程加工费用及辅助性支出。而内部产生的数据资源，取得成本难以可靠计量。一是根据内部研发数据应当区分研究支出与开发支出，研究支出计入当期损益，开发支出满足无形资产准则有关条件的才能确认为无形资产。然而现实中研发阶段难以界定，尤其高校大部分数据资源并非专门研发产生而是具有原生性的管理服务伴生数据，如学生成绩记录常与教学业务交织，导致采集成本难以剥离。二是现实中内部研发无形资产达到论证确认标准时一般可资本化金额已经很有限了，如果按照成本法会严重低估内部数据资产价值。

 

对此，中国信通院建议采用两阶段处理模型：数据获取、确权及预处理阶段因价值不确定性高，全额费用化；分析挖掘、商业应用等环节若能产生稳定收益，则资本化处理。同时，高校成本核算需要更加精细化。未来可引入区块链技术实现研发支出全流程溯源，建立不可篡改的成本链以自动归集与动态分配，提高成本计量准确性。

 

2.后续计量。

 

数据资产后续计量需关注成本摊销与价值评估。按照准则规定，可合理估计寿命的资产采用匹配消耗方式的摊销法，若无法可靠确定消耗方式则统一采用直线法摊销；使用寿命不确定的无须摊销但须每年减值测试。后续以初始成本减累计摊销及减值损失计量，但其使用寿命判定、摊销方法选择、减值测试、价值评估均面临显著挑战。

 

（1）关于数据资产寿命和摊销方法。由于数据资产特性与传统无形资产存在本质差异导致传统摊销方法难以适用。其一，数据具有非损耗性与边际递增性，数据可永久存储并通过持续使用实现价值扩容；其二，数据价值实现呈现显著的场景依赖性，同一数据资产在不同应用场景下会产生差异化价值波动，如教学数据对学生的即时价值可能随时间递减，但对教学决策部门的长期价值反呈增长趋势；其三，数据价值具有强时效性与双向波动性，这种动态复杂性使得传统直线法或加速摊销法均难以适配，数据资产的寿命边界模糊，经济利益消耗方式无法可靠预测，且多场景复用产生的价值增量难以纳入摊销模型。现行准则规定如果没有可靠的预期消耗确定方式，则统一采用直线法摊销，这一操作虽然简单可行，但是仍然面临价值评估参数动态失效的根本挑战。

 

（2）关于减值测试和价值评估。依据现行准则，使用寿命不确定的无形资产需每年开展减值测试，以资产出售价值与未来现金流量现值较高者为可收回金额。然而数据资产的特殊性使其减值测试面临挑战：一是缺乏活跃交易市场，难以获取出售价值；二是数据价值的多维波动、收益剥离复杂及折现参数模糊，导致未来现金流量现值估算存在重大不确定性；三是减值测试旨在防范管理层乐观预期导致的价值高估，但数据资产价值高度依赖具体应用场景和管理层意图，进一步加剧测试过程的主观性与结果不可靠性。

 

当前制度未强制要求数据资产定期重估公允价值，但交易流动与处置又需要价值基准。在考虑技术因素、价值密度、商业模式等影响因素的基础上，中国资产评估协会提出修正后的成本法、收益法及市场法评估模型，但其实践落地依然困难。这些模型均需依赖大量主观判断（如数据效用系数等），即便采用同一模型，技术参数选择差异也会导致评估结果显著分化。这种理论与实践的脱节使得数据资产价值评估实质上仍依赖于专家经验判断，客观性与可操作性亟待突破。

 

（3）关于数据资产后续支出处理。数据资产的后续支出可划分为维持性支出与增值性支出两类。维持性支出包含存储能耗、服务器托管、网络带宽等基础设施运维，数据治理团队薪酬、安全专家培训等人力资源投入，以及持续性许可费用等合规性支出；增值性支出则聚焦数据更新（如实时接口维护、历史数据清洗重构、动态数据补录等）、质量优化（如数据标注验证、算法模型迭代等）和安全增强等（如新型加密技术应用）。由于很难界定后续支出有无增加主体经济利益流入、提升管理服务潜力或扩展应用场景，对数据资源后续支出如何资本化尚不明确。综合考虑，建议将维持性支出费用化，增值性支出资本化。当前理论研究与实践操作亟须建立动态跟踪机制应对数据快速迭代特性，该问题对财务信息真实性有着深远影响。

 

四、结论和建议

 

具体到高校治理现状而言，数据资产核算需要在数据资源治理健全的基础上，就初始计量、后续摊销、价值评估等难点问题进一步落地解决。基于数据资产战略价值，即使初期只能确认部分数据资产，也优于完全不确认。

 

本文在梳理高校数据资产概念框架及会计确认挑战的基础上提出以下建议：一是建立涵盖数据资产会计核算制度、管理目录及成本分摊机制的完整框架，明确数据采集、加工、维护等全周期成本归集标准；二是完善信息披露规范，通过表外披露解决数据资产账面价值与市场价值差异问题；三是对于计量方式，应采用货币与非货币双轨制，综合反映数据资源的功能性价值与战略属性；四是考虑到成本法在反映资产价值动态性方面的固有缺陷，随着数据要素市场成熟，应进一步探索成本法与公允价值法的会计政策选择。后续可结合数据资产高价值应用场景进一步具体落实会计处理方案，建立高校数据资产案例库，充分发挥高校在数据生产与应用中的重要作用。

 

 

（来源：行政事业资产与财务）