1. 引言
在数字经济蓬勃发展的背景下，数据已成为企业关键生产要素，数据对于企业的重要性与日俱增。根据中国信通院统计数据显示，2023年我国数字经济规模达42.16万亿元，占GDP的41.5%，数据在推动经济增长、促进产业升级等方面发挥着核心作用。数据资产化为企业价值创造与价值实现提供了新的机会，如何将数据转化为资产并有效利用，成为企业在数字化经济时代取得竞争优势的关键。
数据资产入表的相关政策法规逐步完善。2024年1月1日，《企业数据资源相关会计处理暂行规定》(以下简称《暂行规定》)正式施行，国家已经认可数据要素在数字化时代的核心地位，《暂行规定》明确了数据资源入表的会计准则和列示要求，这一规定为企业数据资产入表提供了重要指引。2024年，国家数据局等17部门联合发布的《“数据要素X”三年行动计划(2024~2026年)》通知，旨在鼓励企业拓展数据要素应用场景，激活数据要素潜能，以数据要素赋能经济社会发展。
重资产型公司通常拥有大量的固定资产和基础设施，其固定资产往往与核心业务紧密结合，数据资产入表对企业的资产结构和市场估值产生的影响较小。但数据经过分析和价值挖掘，能够为企业融资、客户服务优化等提供有力支持。数据资产入表有助于展现企业竞争优势，助力企业的数字化转型。而轻资产型公司侧重于技术研发、品牌建设和市场拓展，数据资产在公司的资产结构中占据重要地位。所以这类公司的数据资产具有高附加值的特点，数据资产入表对其财务表现的影响较大，资产的增加可以增强投资者对其企业价值的认可与投资信心。
基于上述背景，信息不对称理论、资源基础观为本研究提供了理论基础，前者关注数据资产入表初期信息差引发的逆向选择、道德风险，投资者对财务信息披露越来越关注。后者关注企业如何构建长期、不可复制的竞争优势。两者结合有助于分析不同类型的企业在数据资产入表的行动上以恰当的评估方式完成风险控制。基于此，本文以中国移动、中国电信两家重资产型公司和开普云、神州数码两家轻资产型公司为研究对象，探究数据资产入表对于轻资产型与重资产型公司的不同影响，尝试分析数据资产入表行为对企业内部资产优化、财务决策的现实意义。
2. 数据资产入表现状分析
2024年作为数据资产入表元年，企业数据资产披露呈现诸多特点。从披露数量与金额看(见图1)，一季度有17家上市公司披露数据资产入表，涉及金额78633477.59元；半年报时披露企业增至39家，入表金额达1357064637.94元；三季报披露公司为54家，披露金额为1508717317.31元；年报披露企业进一步增加，Wind数据显示达92家，入表总额飙升至24.95亿元。其中，三大通讯运营商是数据资产入表的领军者，位列数据资产入表金额的前三，披露总额达13.66亿元，占全部92家公司入表金额的54.75%。从入表上市公司属性看，主要为央国企。在92家上市公司中，央国企控股的为55家，民营企业45家。
数据来源：wind数据库
Figure 1. Data asset recognition status of listed companies by quarter in 2024
图1. 2024年各季度上市公司数据资产入表情况
从行业分布来看，数据资产入表企业覆盖范围不断扩大。一季度披露企业涉及行业较少，之后逐渐增多。根据2024年年报披露情况(见图2)，IT服务、软件开发、通信服务行业上市公司是“入表”主力军，其中IT服务有9家，软件开发有8家、通讯服务5家。同时，铁路公路、航运港口等企业也开始尝试数据资产入表。
数据来源：wind数据库
Figure 2. Top 10 industries for data asset recognition and the number of enterprises involved
图2. 数据资产入表前十行业及企业数量
从披露质量看，上市公司对数据资产的会计处理从一季度的简略描述，逐步在年报阶段向规范化、详细化转变，不少上市公司在年报中对数据资产的摊销方法、摊销年限等关键环节进行细化披露。但是，数据资产入表仍处于早期阶段，由于企业之间的行业差异，以及对数据资产核算经验不足等撤回已披露数据资产的情况，2024年报数据资源入表后更正年报的情况较多。根据wind统计数据，有16家上市公司前三季度报表中披露数据资产，但年报披露中数据资产金额为零。此外，非上市公司中也有企业在2024年完成数据资产入表，多数为地方城投平台和地方国有企业。
从披露类别来看，2024年数据资产入表企业中，数据资源列报为无形资产或开发支出成为企业的首选。在2024年年报中，92家入表上市公司中有89家作列报入无形资产或开发支出科目，合计金额19.73亿元，有1家单位将数据资产列入无形资产或存货，合计金额4.15亿。仅有3家公司将数据资源列报为存货，共1.07亿元。
数据资源在存货、无形资产、开发支出三个科目上的金额均逐季增长(见图3)，反映出企业对数据资产重视程度不断提升。随着数据资产的绝对值在不断增加，越来越多的企业选择在报表中披露该项资产，企业资产结构中数据资产的权重开始缓慢上升。2024年企业数据资产年报披露在数量、金额、行业覆盖和披露质量上有很大进展，但处于数据资产入表初期，多数企业在披露时面临诸多问题。
数据来源：wind数据库
Figure 3. Overall changes in data asset recognition of listed companies in 2024 (Unit: Million)
图3. 2024年上市公司数据资产入表总体变化(单位：百万)
3. 理论基础及文献综述
资源基础观认为企业是各项资源的集合体，且企业拥有转化资源的能力，这构成了企业的核心竞争力[1]。数据资产作为企业未来竞争的核心资源，数据资产的形成也会因企业原始资源积累的异质性而形成新质生产力。外部投资者与公司管理者之间存在信息不对称的问题，企业的信息呈现方式会通过影响投资者的信息获取成本与信息处理成本，最终作用于其价值判断[2]。企业对数据资产信息的有效列报，可丰富企业资产信息含量，这有助于缓解资本市场的信息不对称程度。
《暂行规定》采取表内和表外披露相结合的披露方式，一方面，对于可确认、计量的数据资产，在存货、无形资产和开发支出科目下增设“数据资源”科目。另一方面，对于不可确认、计量的数据资产，《暂行规定》允许企业根据实际情况及重要性原则对其持有的数据资源进行自愿披露；在披露模式上，采取强制和自愿结合的方式，强制披露对财务报表具有重要影响的信息，自愿披露增加了财务报表的可理解性和完整性。
本文从价值计量、会计核算、法律法规保障上梳理国内学者的数据资产“入表”的研究成果。
3.1. 数据资产的价值计量
价值计量是数据资产“入表”的核心环节之一，李秉祥、李真和茹雨青以圆通速递为例，深入探讨了数字经济背景下物流企业大数据资产的估值问题并指出：物流企业的大数据资产具有独特的价值特征，物流企业的大数据资产估值需要综合考虑数据的获取成本、存储成本等[3]。平台数据资产的价值来源于其对用户行为的精准分析和商业应用潜力[4]。通过分析用户数据，平台可以实现精准营销、个性化推荐等功能，从而为企业带来额外的收入。基于业务计划和收益的数据资产价值评估方法得出，数据资产的价值不仅取决于其自身的质量和规模，还与企业的业务模式和未来收益密切相关[5]。数据资产的价值计量需要考虑数据的获取成本、存储成本以及潜在收益[6]。以东方财富为例，运用情景法对其数据资产价值进行评估，为互联网企业数据资产价值评估提供了实践参考[7]。通过不同的资产方法评估商业银行不同类型的数据资产，进一步丰富了数据资产价值计量的方法[8]。
此外，闭珊珊等还提出了新的价值计量模型。设计并实现了一种数据资产评估的CIME模型，该模型综合考虑了数据的完整性、准确性、相关性和及时性等多个维度，为数据资产价值的量化提供了新的思路[9]。总体来看，国内学者在数据资产价值计量方面已取得了一定成果，但仍存在多种方法并存且适用范围有限等问题，需要进一步研究以形成更为科学、统一的数据资产价值计量体系。
3.2. 数据资产的会计核算
会计核算是实现数据资产“入表”的关键步骤。资产负债表可能难以充分展示企业数据资产的关键信息，通过编制“第四张报表”列报数据资产保证财务报表的价值相关性[10]。数据资产的会计核算应从数据资产的确认、计量、记录和报告等方面进行规范，同时强调了数据资产的特殊性对传统会计核算理论和方法带来的挑战[11]。数据资产的会计核算需要明确数据资产的边界和范围，合理确定数据资产的入账时点和计量属性，并建立相应的会计科目和账务处理流程[12]。
在会计实践方面，Jackson等通过研究加密数字资产的会计处理现状，分析了数字资产的会计处理方法，并提出了制定新的会计准则和在现有金融资产会计准则基础上进行修改两种政策建议[13]。许宪春通过具体案例分析了数据资产统计与核算的实践应用，以某大型互联网企业为例详细介绍了该企业在数据资产统计与核算方面的具体做法，并明确了统一的统计框架和核算方法，为企业的数据资产管理提供了重要的参考[14]。
3.3. 数据资产入表的法律法规保障
法律法规保障是数据资产“入表”的重要基础，数据市场平台在实际运营中面临诸多挑战[15]。由于企业商业数据的保密性、数据交易和应用过程中的“可用不可见”，张俊瑞提出数据确权问题是数据资产化过程中面临的主要挑战之一[16]。数据资产“入表”是一个法学与会计学交叉的问题，目前我国在数据确权、数据质量评估计量、数据安全保护等法律规范方面存在缺失或不完善之处，这给数据资产“入表”带来了诸多法律困境[17]。韩旭至进一步探讨了数据确权的困境及破解之道，认为数据确权需要明确企业对数据的持有权和利用权[18]。李祎恒和申松则提出了“三维权利链”的确权模式，试图从多个维度解决数据确权问题[19]；姚万勤深入探讨了数据资产在刑法保护中的相关问题，为数据资产的法律保障提供了重要的理论支持和实践指导[20]。
4. 研究设计
本研究充分考虑2024年较早入表的一批企业以及他们资产结构的差异，最终选取了中国移动和中国电信两家重资产型公司，以及神州数码和开普云两家轻资产型公司。中国移动作为全球网络和客户规模最大、盈利能力领先的电信运营商，拥有庞大的通信网络基础设施和海量的用户数据，其数据资产与通信业务紧密融合；中国电信在数据传输、存储和处理方面具备强大实力，数据资产在其业务发展中起着关键作用。神州数码专注于云计算和大数据服务，通过对政务、企业等领域的数据挖掘和分析，提供数字化解决方案，数据资产是其核心竞争力的重要组成部分；开普云致力于数字化转型，在信息技术服务、云服务等领域积累了丰富的数据资源，数据资产对其业务拓展和创新具有重要意义。这些企业在各自领域具有代表性，且数据资产特点鲜明，为对比研究提供了良好的样本。
通过对四家企业的资产结构分析(见表1)，中国移动和中国电信的固定资产在资产总额中占比大，偏向于重资产公司。相比之下，开普云和神州数码则属于轻资产公司，它们的固定资产占比极低，但流动资产占比非常高。神州数码的流动资产占比高达80%。开普云的流动资产占比保持在60%以上。这种资产结构的极大反差反映了不同企业的运营模式和资本投入重点，重资产公司通常在固定资产上投入较多，而轻资产公司则更注重流动资产的管理和运营。
Table 1. Analysis of enterprise asset structure (Unit: Million)
表1. 企业资产结构分析(单位：百万)
企业 |
报表指标 |
2021年年报 |
2022年年报 |
2023年年报 |
2024年年报 |
中国移动 |
固定资产 |
701,301 |
716,511 |
714,663 |
714,494 |
流动资产 |
595,371 |
456,371 |
498,104 |
568,559 |
总资产 |
1,806,027 |
1,900,238 |
1,957,357 |
2,072,827 |
固定资产占比 |
38.83% |
37.71% |
36.51% |
34.47% |
流动资产占比 |
32.97% |
24.02% |
25.45% |
27.43% |
中国电信 |
固定资产 |
415,380 |
413,406 |
409,455 |
426,647 |
流动资产 |
127,364 |
141,072 |
167,863 |
188,125 |
总资产 |
762,246 |
807,698 |
835,814 |
866,625 |
固定资产占比 |
54.49% |
51.18% |
48.99% |
49.23% |
流动资产占比 |
16.71% |
17.47% |
20.08% |
21.71% |
神州数码 |
固定资产 |
194 |
194 |
513 |
722 |
流动资产 |
32,333 |
32,471 |
35,981 |
36,491 |
总资产 |
39,006 |
40,216 |
44,884 |
45,374 |
固定资产占比 |
0.50% |
0.48% |
1.14% |
1.59% |
流动资产占比 |
82.89% |
80.74% |
80.17% |
80.42% |
开普云 |
固定资产 |
111.98 |
108.41 |
119.51 |
122.97 |
流动资产 |
1115.49 |
1432.04 |
1509.41 |
1369.06 |
总资产 |
1560.47 |
1845.30 |
2091.50 |
1974.50 |
固定资产占比 |
7.18% |
5.87% |
5.71% |
6.23% |
流动资产占比 |
71.48% |
77.60% |
72.17% |
69.34% |
数据来源：企业年报数据。
5. 数据资产入表的微观经济后果分析
5.1. 资产结构变化
数据资产入表对于重资产公司的报表影响小。中国移动和中国电信的资产结构主要由传统的固定资产、流动资产等构成，资产结构相对稳定。两家企业在2024年年报中披露数据资产总额达9.87亿，占2024年年报数据资产披露总额的39.56%，从2024年年报数据来看，中国移动数据资产入表金额为6.16亿元，居数据资产入表金额排名之首，却只占中国移动总资产的0.03%；中国电信2024年年报数据资产为3.71亿，入表金额排名第四，占中国电信总资产的0.04%。
轻资产公司的资本投入重点在于流动资产，特别是人力资源和技术研发。神州数码数据资产从二季度0.06亿元增长到年报的0.14亿，资产占比从0.01%增至0.03%，虽占比不高，但增长趋势明显。开普云数据资产年报入表金额0.22亿，占总资产的1.1%。
总体而言，随着《暂行规定》的发布，上市公司开始重视数据资产管理，由于企业类型、企业资产结构的不同，数据资产在总资产结构中的表现有差异。开普云和神州数码作为轻资产公司，公司更多地将资源集中在技术创新和人才培养上。所以在数据资产入表之后，轻资产公司的确认金额虽小，但对报表的影响要大于重资产公司。
从数据资产入表推进的首年年报来看(见表2)，数据资产的加入在一定程度上丰富了企业的资产结构，多数企业资产构成从以实物资产为主，逐渐走向包含数据资产的企业。不过，目前数据资产入表仍处于初期发展，大部分企业处于观望阶段，首批入表的企业也只拿出了一小部分资产金额进行尝试，所以数据资产占比普遍较小，对整体的资产结构影响有限，传统重资产在总资产中仍占据主导地位。但随着数据资产价值的不断挖掘，未来有望进一步提升数据资产在总资产中的比重，对轻资产公司的资产结构优化和战略转型产生更显著的影响。
Table 2. Analysis of data asset proportion (Unit: Million)
表2. 数据资产占比分析(单位：百万)
企业 |
报表指标 |
2024年1季度 |
2024年2季度 |
2024年3季度 |
2024年年报 |
中国移动 |
数据资产 |
- |
70 |
96 |
616 |
总资产 |
1,995,601 |
1,986,307 |
1,983,343 |
2,072,827 |
占比情况 |
- |
0.00% |
0.00% |
0.03% |
中国电信 |
数据资产 |
- |
105 |
151 |
371 |
总资产 |
848,806 |
870,991 |
865,468 |
866,625 |
占比情况 |
- |
0.01% |
0.02% |
0.04% |
神州数码 |
数据资产 |
- |
5.54 |
9.48 |
14.26 |
总资产 |
45,106 |
47,002 |
44,969 |
45,374 |
占比情况 |
- |
0.01% |
0.02% |
0.03% |
开普云 |
数据资产 |
4 |
12 |
17 |
22 |
总资产 |
1917 |
1897 |
1875 |
1975 |
占比情况 |
0.23% |
0.62% |
0.93% |
1.10% |
数据来源：企业年报数据。
5.2. 利润表影响
以无形资产计量的数据资产，其摊销金额对企业利润表有着重要影响，根据各个单位的年报数据分析(见表3)，中国电信将数据资产列入开发支出，中国移动、开普云和神州数码将部分数据资产列入无形资产。据此，数据资产的摊销会使企业的成本费用增加，进而导致利润减少。
Table 3. Impact of amortization amount from data asset recognition (Unit: Million)
表3. 数据资产入表摊销金额影响表现(单位：元)
企业 |
报表指标 |
2024年年报数据 |
说明 |
中国移动 |
无形资产–数据资产 |
560,000,000 |
按2~5年使用寿命以直线法计算 |
本期摊销金额 |
23,000,000 |
数据资产摊销占总摊销 |
0.14% |
数据资产摊销占营业成本 |
0.00% |
开普云 |
无形资产–数据资源 |
6841456.27 |
按5年使用寿命以年数总和法计算 |
本期摊销金额 |
1,388,740 |
数据资产摊销占总摊销 |
24.44% |
数据资产摊销占营业成本 |
0.36% |
神州数码 |
无形资产–数据资源 |
7,300,573 |
数据资源按预计受益年限平均摊销 |
本期摊销金额 |
359,365 |
数据资产摊销占总摊销 |
0.68% |
数据资产摊销占营业成本 |
0.00% |
中国电信 |
无形资产–数据资源 |
- |
数据资源(开发支出)仍处于研发未完成状态，
未进行摊销。 |
本期摊销金额 |
- |
数据资产摊销占总摊销 |
- |
数据资产摊销占营业成本 |
- |
数据来源：企业年报数据。
对于中国移动，无形资产–数据资源科目列报达5.6亿元，本期摊销金额2300万元，数据资产摊销占总摊销金额仅0.14%，占营业成本不到0.01%。说明中国移动虽数据资产规模大，但在整体摊销和营业成本中占比极小，对利润表影响微弱，因其业务多元且传统业务成本占比高，造成数据资产摊销影响被稀释。
对于神州数码，无形资产–数据资源科目730万元，本期仅摊销35.93万元，金额较小对营业成本影响微弱，数据资产摊销占总摊销金额0.68%，占营业成本不到0.01%。相对于重资产企业，数据资产规模小，其摊销在自身摊销结构中占比反而凸显，对营业成本几乎无影响；开普云无形资产–数据资源本期摊销金额为138万元，数据资源摊销占总摊销金额高达24.44%，在开普云的无形资产摊销中，数据资产摊销是影响总摊销金额的重要因素。
数据资产规模相对较小，但摊销占总摊销的比例更高，数据资产对营业成本的影响也更为明显。这表明轻资产公司更依赖数据资产，其财务影响更为突出。神州数码与开普云数据资产规模小，摊销在自身摊销结构中占比相对突出，但对营业成本影响极小。总体而言，数据资产入表对三家公司当前成本和利润表影响都较小。
5.3. 现金流影响
数据资产入表对企业的经营、投资和筹资现金流均产生了影响，且在重资产型和轻资产型公司中表现出不同的变化趋势。重资产型公司更多地通过数据资产提升运营效率和优化投资决策，而轻资产型公司则更依赖数据资产的直接价值创造和融资能力提升。
筹资现金流方面，数据资产入表可以提升企业的资产价值和信用水平，为企业的融资活动提供新的依据。企业可以凭借数据资产的价值展示，拓宽融资渠道，获取更有利的融资条件，降低融资成本。2024年6月，神州数码集团股份有限公司旗下子公司神州数码(深圳)有限公司成功将“神州数码金服云”数据产品作为数据资产纳入企业财务报表，并获得建设银行深圳分行授信融资3000万元。这一案例不仅是深圳市数据资产质押融资的首个案例，也是全国首笔大中型数据资产质押融资案例。
6. 数据资产入表潜在的风险与挑战
6.1. 资产估值的主观性与操纵性风险
从企业层面看，数据资产的边界较模糊，数据型企业若缺乏清晰的资产确认标准，主观判断的空间较大，可能虚增资产规模，同一行业内不同企业的资产评估方式不同会导致资产定价复杂，误导投资者对企业实际资产质量的判断，破坏财务报表的真实性。从资产特征来看，数据资产的价值评估高度依赖应用场景、数据质量、用户规模、变现能力等动态因素，数据资产的表内价值认定易演变为报表操纵风险。最终误导投资者判断企业价值，还可能影响数据资产入表进程。
6.2. 信息不对称问题
数据资产入表的信息不对称问题主要体现在价值信息不对称、权属信息不对称、风险信息不对称。第一，企业了解数据资产质量及变现潜力，而外部投资者只能通过财务报表披露的数据判断资产价值，难以核实数据的真实价值。第二，数据资源转变为数据资产涉及多方主体，所有权、使用权、收益权的三权界定复杂，数据资产安全性考察存在争议，企业的隐瞒行为最终会伤害投资方的利益。第三，企业对数据资产的披露面临合规隐患，信息保护法律和数据资产披露要求存在冲突，此外，会计处理的滞后性和数据资产的技术迭代风险，会加剧投资方和管理方的信息偏差。
6.3. 数据安全与合规成本
企业在数据收集、存储管理、交易共享方面需重视数据资产的安全，收集渠道需尊重用户意愿、符合法律要求；储存管理需谨防数据资产泄露风险，一旦出现泄露问题，数据资产的价值将受损，企业的声誉也会受波及；在交易共享时，需重视授权问题、信息脱敏处理，数据资产的易复制性放大了资产的安全风险。
数据具有可复制性、非竞争性和易变性等特征加剧了数据的合规成本。同一数据可同时被多个主体使用和加工，数据资产化使得传统法律体系中基于有形物的权属界定规则难以适用。跨境数据流动带来的企业间数据资产的确权难题，影响数据资产在会计处理中的价值认定和财报披露。虽然数据脱敏会降低信息的泄露风险，但数据资源入表后，数据资产的全周期估值需受到会计师事务所的审计，增加了合规隐患。
6.4. 数据资产审计的新挑战
现有审计仍处于实物资产与财务数据的真实性核实，而数据资产审计的提出，要求审计工作需覆盖数据资产的全生命周期；既要审计数据资产确认的合规性，也要审计数据资产计量的准确性，还要审计数据安全与数据质量同财报披露的一致性，这使得审计边界向外延展。
对审计人员的专业能力提出新要求。数据资产审计需要审计人员同时具备会计、法律、信息技术、数据合规等多领域知识，通过核实数据资产在应用场景中的有效性、判断数据资产的合法性与合规性、熟悉数据资产的计量准则、掌握数据资产披露的全面信息，充分应对数据资产审计的新挑战，为审计报告的权威性、真实性负责。
7. 结论与讨论
7.1. 研究结论
1) 数据资产入表对企业财务状况的影响存在显著差异。
在企业财务状况方面，数据资产入表丰富了企业资产类型，改变了企业资产结构。重资产型公司中国移动和中国电信因传统固定资产占比高，短期内数据资产入表对资产总额、利润表的影响微弱，数据资产入表的价值更多体现在企业长期运营中；
轻资产型公司开普云和神州数码的数据资产入表进一步强化了无形资产优势，对资产结构的优化更明显，短期内折旧摊销影响利润，长期来看，数据资产驱动的技术创新与数字化服务能力在数据资产入表后，更易受到投资者的青睐，进而转化为利润增长潜力。
2) 数据资产入表为企业融资提供新路径，但短期财务影响有限。
在现金流维度，数据资产入表通过显化无形资产价值，帮助企业拓宽融资渠道，验证了数据资产在提升企业信用水平、降低融资约束中的作用。从短期数据看，现阶段数据资产入表企业多处于“试探性披露”阶段，数据资产对整体利润、现金流的拉动效应暂未显现，数据资产短期内难以成为企业财务表现的核心驱动因素。
3) 企业数据资产管理能力与合规水平是数据资产入表成效的关键变量。
数据资产入表的效果依托于企业对数据资产的管理体系。数据资产已入表或待入表的企业应高度重视数据资产的管理，建立完善的数据资产管理体系。做到数据资产入表依据真实可信，数据资产的应用场景合法合规，这一管理体系涵盖数据资产的全生命周期管理，加强数据质量管理，定期对数据进行验证、更新，确保数据资产质量符合入表要求。建立数据质量监控机制，及时发现和解决数据质量问题，提高数据存量的可用性和可信度。
4) 数据资产入表进程需有完善的制度与能力支撑。
数据资产入表面临较多实践困难：估值层面，缺乏统一的计量标准导致不同行业、企业间数据资产价值可比性低；审计层面，传统审计方法难以覆盖数据资产全生命周期，对审计人员的跨学科能力提出更高要求；市场层面，关于数据资产的披露信息不对称问题仍未有效解决，外部投资者难以通过披露内容准确判断资产真实价值，可能影响市场对数据资产的信任度。企业需通过细化估值指引、建立审计标准、完善披露规则，推动数据资产入表常态化。
7.2. 局限与展望
尽管本文从轻资产与重资产企业角度对数据资产入表行为进行探讨，但数据资产入表仍处于起步阶段，数据资产入表的微观经济后果分析局限于短期报表数据。一方面，数据资产的计量方法尚未在准则中达到统一的衡量标准，不同类型企业在数据资产入表后的市场反应不同，数据资产入表金额在资产总额中占比较小，入表行为对企业财务报表影响较小，后续研究可通过其他研究方法进一步分析入表公告对公司股价的影响。另一方面，现阶段数据资产的入表企业较少，且大多为国企，数据资产入表处于探索阶段，其对企业长期的经济后果、企业价值影响需要对企业后续报告开展纵向跟踪研究以观察数据资产入表的长期效果。
基金项目
西南民族大学2025年度中央高校基本科研业务费研究生创新基金项目《数据资产入表的微观经济后果研究》(项目编号：2025SYJSCX90)。