1. 引言
在数字经济浪潮中，数据已成为驱动经济社会发展的关键生产要素。2023年8月，财政部正式发布《企业数据资源相关会计处理暂行规定》(财会[2023] 11号，以下简称《暂行规定》)，标志着数据资产的会计确认与计量开始进入制度化、规范化轨道。该规定首次明确了符合条件的数据资源可作为“无形资产”或“存货”正式计入企业资产负债表，为企业数据要素的价值显化与资本化提供了政策依据。然而，《暂行规定》以“合法拥有或控制”作为入表前提，将确权判断交由企业自身，并在计量、披露等方面提出了更高的实践要求。如何将原则性框架转化为具体、合规的会计操作，成为理论界与实务界共同面临的挑战。
现有研究围绕数据资产的确认、估值与治理已展开多维度探讨，但普遍存在理论先行而实践案例不足的问题。尤其在具体行业场景下，如何结合业务特性进行确权判断、成本归集与价值披露，仍是亟待深入研究的领域。跨境电商企业作为典型的数字贸易主体，在全球化运营中沉淀了海量用户、交易与物流数据，其数据资产化需求迫切，但同时也面临跨境合规、权属复杂等特殊难题。因此，选取一个在数据资产入表方面已率先实践的企业进行深度剖析，具有重要的现实参照意义。
本文以北京市指南针科技发展股份有限公司(以下简称“指南针公司”)为纵向单案例研究对象。该公司作为国内领先的证券数据信息服务商，自《暂行规定》发布后即积极探索数据资产入表新模式，并在2024年年报中进行了相关列报，其行业属性与业务模式具有较强的数据密集型特征。本研究旨在通过对指南针公司2015~2024年财务报告及相关披露的文本分析，系统梳理其在《暂行规定》指导下，数据资源在资产负债表、利润表中的确认、计量路径，以及表外披露的现状与特点。最终，本文将基于案例分析的发现，提炼其对跨境电商企业实现数据资产合规入表、有效管理与价值披露的启示与可行路径。
2. 文献综述
数据资产研究动态。围绕数据资产的确认、计量、估值、治理及市场化应用已有多维度研究，但数据资产的权属界定尚未形成国际共识，估值方法仍缺乏普适性标准。
数据资产的会计确认与制度适应性研究。国内关于数据资产的会计确认与制度适应性研究已形成多层次探索框架。理论层面，武恒光等从数据资源的确权、计量与列报流程切入[1]，构建了包含“确权合规–成本归集–利益流入分析–信息披露”的会计确认逻辑。汪小龙并基于数据资产“三权分置”产权框架[2]，明确数据资源持有权、加工使用权与经营权的分离机制，为会计确认奠定法理基础。实践层面，企业案例研究表明，刘立燕等和张俊瑞的研究指出当前数据资产入表多通过“无形资产”“开发支出”等科目进行表内确认[3]-[5]，但存在成本归集模糊、信息披露碎片化等问题，反映出会计准则与数据资产动态价值特性的制度性错配。政策适应性方面，黄悦昕等指出《企业数据资源相关会计处理暂行规定》的推行虽短期内推动披露规模增长[6]，却暴露出行业分散、估值方法单一及监管滞后等制度瓶颈。任牡丹等的研究认为[7]，突破当前困境一方面要通过数据确权立法与分层估值模型解决会计确认的技术合规性；另一方面需完善“第四张表”框架，强化数据资源全生命周期成本追溯与多维价值披露，以弥合会计制度与数据要素市场化需求的鸿沟。Birch等的研究揭示以“Big Tech”为代表的科技企业将用户数量、参与度等行为指标作为核心可计量资产[8]，依托其测量、治理与估值机制构建未来收入预期，而非直接确权个人数据本身，为数据资产化提供了以用户行为驱动、轻所有权重控制的入表路径创新。
研究显示，数据资产与传统资产、可再生能源价格在极端经济危机下的动态关联性被量化验证，会计确认领域拟《企业数据资源相关会计处理暂行规定》，初步解决了部分权属模糊与计量标准缺失问题。数据确权研究在理论与技术上实现双重突破，数据资产资本化体系与博弈论定价机制的提出，推动了数据要素与实体经济的深度融合及市场化竞争效率提升。然而，现有研究仍面临多重挑战。首先，数据资产的权属界定尚未形成国际共识，估值方法缺乏普适性标准，导致跨境数据流动效率低下。其次，会计确认实践中存在制度性错配，企业虽通过“无形资产”等科目实现表内确认，但成本归集模糊、信息披露碎片化等问题凸显会计准则与数据动态价值特性的矛盾。《企业数据资源相关会计处理暂行规定》虽推动披露规模增长，却暴露行业分散、监管滞后等瓶颈，亟待构建会计新规下的数据资产确权体系。
3. 案例选取
北京市指南针科技发展股份有限公司作为中国最早的证券分析软件开发商和证券信息服务商之一，2001年4月，经北京市人民政府批准，北京指南针科技发展股份有限公司(以下简称：“指南针”)正式成立。2007年1月至2019年9月，公司在全国中小企业股份转让系统(原中关村证券公司代办股份转让系统，代码：430011，简称“指南针”)挂牌。2019年11月，指南针在深圳证券交易所创业板成功上市(代码：300803，简称“指南针”)。
文章以指南针为案例分析对象，基于其2015~2024年财务报告，采用纵向单案例研究法和文本挖掘法，探讨数据资产在会计确认、计量及信息披露中的实践路径。选择指南针为分析对象主要是基于以下两点考虑：第一，指南针具有代表性，自财政部2023年8月《企业数据资源会计处理暂行规定》部署后就开始“探索数据资产入表新模式”并且在2024年年报上将相关数据资源计入“数据资产”科目。第二，指南针具有典型性，指南针是全国首家赢富数据的信息服务商，也是第一批获得深沪Level 2数据授权的信息运营商。同时指南针和期交所、港交所、国统局及各大院校拥有长期的合作，属于数据密集型行业，其拥有大量的客户数据、交易数据和市场数据，具备数据资源采集、挖掘和分析等必要技术，为企业从数据中获取与价值潜力相关的信息以及提升数据处理、应用开发与服务能力提供技术支持。
需要说明的是，本文未直接选取跨境电商企业作为案例研究对象，主要是由于该类企业的数据资产具有高度的商业敏感性与跨境复杂性。其核心数据通常涉及多司法管辖区的隐私与数据安全法规，相关资产的权属界定、成本构成及会计处理细节在公开财务报告中极难获取，多属于企业内部保密信息，这为开展深入的、基于公开资料的纵向案例研究带来了实质性障碍。相比之下，指南针公司作为国内上市的数据信息服务商，其财务报告披露相对充分、连续，且在《暂行规定》出台后主动探索数据资产入表，其业务虽不跨境，但其数据资源的密集性、资产化过程的探索性以及会计处理的规范性，恰好为我们提供了一个在可控环境下观察数据资产财务实现全过程的“理想样本”。通过对这一样本的深度解构，我们得以剥离跨境电商场景中特有的地理与法律变量。
综上，选取指南针作为研究对象，有助于深入了解企业数据资产会计处理的现有实践，为后续会计处理规则的制定提供有价值的典型案例。
4. 案例分析
4.1. 数据资源在资产负债表上的处理
(1) 指南针公司将与经营相关的数据资源计入“无形资产”科目。根据《暂行规定》对数据资源科目的要求，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。指南针公司的无形资产包括土地使用权、专利和非专利技术、商标使用权、计算机软件著作权、软件使用权、交易席位费等。由于本文探讨的是数字资产入表问题，所以未展示土地使用权的相关数据，具体数据如表1所示。
Table 1. Book value of intangible assets portion at compass company, 2015~2024
表1. 指南针公司2015~2024无形资产部分账面价值
项目 |
专利权 |
商标使用权 |
计算机软件著作权 |
软件使用权 |
交易席位费 |
合计 |
2015 |
536,537.00 |
1,240,141.00 |
5,243,709.00 |
584,583.00 |
|
7,604,970.00 |
2016 |
536,537.00 |
6,102,864.00 |
5,520,338.00 |
5,405,615.00 |
|
17,565,354.00 |
2017 |
536,537.00 |
2,901,129.00 |
5,429,616.00 |
2,005,703.00 |
|
10,872,985.00 |
2018 |
536,537.00 |
4,390,591.00 |
5,516,854 |
2,913,775.00 |
|
13,357,757.00 |
2019 |
536,537.00 |
5,760,410.00 |
5,520,338.00 |
3,819,510.00 |
|
15,636,795.00 |
2020 |
536,537.00 |
6,102,864.00 |
5,520,338.00 |
4,832,318.00 |
|
16,992,057.00 |
2021 |
536,537.00 |
6,102,864.00 |
5,520,338.00 |
6,153,617.00 |
|
18,313,356.00 |
2022 |
536,537.00 |
6,102,864.00 |
5,520,338.00 |
10,199,111.00 |
225,000.00 |
22,583,850.00 |
2023 |
536,537.00 |
6,102,864.00 |
5,520,338.00 |
21,536,342.00 |
765,000.00 |
34,461,081.00 |
2024 |
536,537.00 |
6,102,864.00 |
5,520,338.00 |
35,344,066.00 |
1,305,000.00 |
48,808,805.00 |
注：数据来源于指南针公司2015~2024公司公开年报。
(2) 根据《暂行规定》对数据资源科目的要求，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》(财会[2006] 3号，以下简称存货准则)规定的定义和确认条件的，应当确认为存货。指南针公司存货分为库存商品、合同履约成本、低值易耗品。根据数据资源的定义，指南针公司将属于数据资源的技术维护、数据信息、服务器托管、宽带租赁、邮电通讯等费用计入存货相关科目。
(3) 指南针公司的数据资源摊销方式。如表2所示，指南针公司规定其无形资产按照成本进行初始计量，并于取得无形资产时分析判断其使用寿命。使用寿命为有限的，自无形资产可供使用时起，采用能反映与该资产有关的经济利益的预期实现方式的摊销方法，在预计使用年限内摊销；无法可靠确定预期实现方式的，采用直线法摊销；使用寿命不确定的无形资产，不作摊销。
Table 2. Compass company data resource useful life and amortisation methodology (2024 annual report data)
表2. 指南针公司数据资源使用寿命及摊销方法(2024年报数据)
类别 |
使用寿命(年) |
使用寿命的确认依据 |
摊销方法 |
专利权和非专利技术 |
5 |
预期经济利益年限 |
直线法 |
商标使用权 |
5 |
预期经济利益年限 |
直线法 |
计算机软件著作权 |
5 |
预期经济利益年限 |
直线法 |
专利和非专利技术 |
5 |
预期经济利益年限 |
直线法 |
软件使用权 |
3~5 |
预期经济利益年限 |
直线法 |
交易席位费 |
10 |
预期经济利益年限 |
直线法 |
注：数据来源于指南针公司2015~2024公司公开年报。
公司于每年年度终了，对使用寿命有限的无形资产的使用寿命及摊销方法进行复核，与以前估计不同的，调整原先估计数，并按会计估计变更处理。资产负债表日预计某项无形资产已经不能给企业带来未来经济利益的，将该项无形资产的账面价值全部转入当期损益。
(4) 指南针公司数据资源减值方法。于资产负债表日判断资产是否存在可能发生减值的迹象，存在减值迹象的，本公司将估计其可收回金额，进行减值测试。对因企业合并所形成的商誉、使用寿命不确定的无形资产和尚未达到可使用状态的无形资产无论是否存在减值迹象，每年都进行减值测试。
4.2. 数字资源在利润表上的处理
(1) 根据指南针公司2024年年报，公司在营业收入和营业成本的确认与计量中，并未单独设置“数据资源”这一科目进行核算和列报。公司的营业收入主要来源于金融信息服务、证券服务和广告服务三大板块，其中金融信息服务收入占比最高，这一收入的实质是向客户提供整合了数据、分析工具与服务的证券软件产品。尽管数据资源是这些产品的核心要素与价值基础，但公司在收入确认时并未将其剥离为独立的“数据授权收入”或“数据销售收入”，而是将数据资源的价值内含于整体产品售价中，作为金融信息服务收入一并确认。
在营业成本方面，如表3所示，与数据资源相关的各类支出被归集到现有的成本项目中。例如，为获取外部数据资源所支付的授权费用，体现在“信息使用费”中；用于数据存储、服务器托管和网络传
Table 3. Composition of operating revenue and operating costs for compass company
表3. 指南针公司营业收入营业成本构成
营业收入构成 |
营业成本构成–互联网金融服务业 |
互联网金融服务 |
职工薪酬 |
证券服务 |
信息使用费 |
广告服务 |
IDC及邮电通讯费 |
金融信息服务 |
租赁物业及杂费 |
其他 |
折旧摊销费 |
输的支出，计入“IDC及邮电通讯费”；与数据系统开发、数据分析功能研发相关的人员薪酬等投入，则列支于“研发费用”。此外，数据资源处理与更新过程中涉及的运营支撑成本，也可能分散在职工薪酬、折旧摊销等项目中。公司并未在成本结构中单独设立如“数据资源采购成本”“数据加工成本”等科目，所有与数据资源相关的耗费均按照其经济实质，分别归类至上述对应的成本费用要素中进行核算。
(2) 在研发投入方面，公司2024年研发费用超过1.6亿元，同比增长显著，其中明确包含了与数据资源直接相关的项目，如数据中心和各类数据分析系统的开发。这些支出在会计上全部予以费用化，计入当期损益，并未确认为资产。这反映出公司在数据资源的前期开发阶段，更倾向于遵循谨慎性原则，将相关投入视为期间费用。
4.3. 数据资源的表外披露
根据指南针公司2024年年报的表外披露内容，本文从风险、客户资源和关联方交易这三个维度，对其数据资源的非财务信息进行分析。
在风险披露维度，年报明确将“互联网系统及数据安全风险”列为公司面临的主要风险之一。公司指出，业务的持续开展依托于网络系统的安全可靠运行，并承认存在因网络基础设施故障、软件漏洞、恶意攻击或自然灾害导致数据安全事件或业务中断的可能性。作为应对措施，公司提及将服务器托管于大型运营商机房、配置安全软硬件、建立数据备份管理制度等。这部分披露显示了公司对数据资源安全性和系统稳定性的管理意识，但未涉及数据合规、数据质量风险或数据授权链条可能存在的瑕疵等潜在问题。
从客户资源角度，数据资源的价值实现与公司的用户基础密切相关。年报披露，公司的产品用户以个人专业投资者为主，并积累了“一定规模和品牌忠诚度的用户群体”。这些用户不仅是数据服务的使用者，其使用行为本身也可能反哺成为用户画像、行为分析类数据资源的来源。公司强调通过“体验式销售”模式将免费用户逐步转化为付费用户，并致力于“增强客户黏性”。这间接反映了公司利用数据资源服务客户、提升转化与留存的能力，但未披露用户数据的沉淀情况、是否形成闭环数据生态或数据资源在客户生命周期管理中的具体应用方式。
最后，在关联方交易方面，年报未披露任何与数据资源直接相关的关联方采购、销售或许可安排。公司明确表示，报告期内未发生与日常经营相关的关联交易。仅在涉及控股股东提供借款展期的事项中提及关联交易，该事项与数据资源无关。这表明，在报告期内，公司数据资源的获取、使用与处置可能主要依赖于自身积累、市场公开渠道或与非关联方的商业合作，未依赖于控股股东、实际控制人或其他关联方的数据输入或输出，在数据资源层面保持了业务独立性。
4.4. 基于业务流程的《暂行规定》适用性分析
为深入理解指南针公司数据资源会计处理的实际操作，本文结合其数据资源全生命周期业务流程，分析《暂行规定》在各环节的具体适用性。
(1) 数据采集环节：公司通过购买外部数据授权、爬虫技术获取公开市场数据等方式采集原始数据，相关支出如外部数据采购费用、数据采集系统开发与维护人员薪酬等，在会计处理中部分归入“存货”或“无形资产”成本，部分直接费用化。例如，为特定产品开发而采购的数据授权费，若该数据后续用于销售，则计入存货成本；若用于内部研发，则可能被费用化处理。这一处理符合《暂行规定》中“与资产直接相关的支出应予以资本化”的原则，但对于数据采集过程中的人工成本是否应资本化，公司未明确区分，可能导致部分符合资本化条件的支出被费用化。
(2) 数据处理与存储环节：公司对原始数据进行清洗、标注、建模等加工处理，并存储于自有或租用服务器。相关支出如数据清洗人员薪酬、服务器折旧与托管费如IDC费用等，在2024年报中部分归入“存货”或“无形资产”，部分列入“研发费用”或“营业成本”。例如，为某数据分析产品而进行的专项数据处理支出，若符合“可直接归属”条件，应资本化；但公司当前将大部分此类支出归入“研发费用”予以费用化，反映出在“开发阶段”与“研究阶段”界定上的模糊性，可能影响数据资产的真实价值反映。
(3) 数据分析与应用环节：公司通过算法模型对数据进行价值挖掘，并应用于金融信息产品中，此阶段涉及算法工程师薪酬、模型训练计算资源消耗等支出。当前公司将这些支出全部归入“研发费用”，未予以资本化。然而，根据《暂行规定》，若该分析模型具备独立商业价值且可单独辨认，其开发支出符合无形资产确认条件，指南针公司当前的处理方式虽体现了会计谨慎性，但也可能低估了已形成技术壁垒的数据分析能力的资产价值。
5. 对跨境电商企业数据资产入表的启示及表外披露参考建议
5.1. 对跨境电商企业数据资产入表的启示
(1) 以确权合规为基础，推动数据资产规范入表。企业应建立内部数据权属管理体系，明确数据来源合法性、授权链条完整性与使用范围合规性，确保数据资源符合“合法拥有或控制”的会计确认前提，为后续资产化处理奠定制度基础。
(2) 实施分类确认与精细成本归集，真实反映数据资源价值。根据数据资源的业务用途，将其区分为自用型无形资产或销售型存货，并建立全生命周期的成本归集机制。通过结构化记录数据采集、处理、存储与分析各环节投入，支撑后续摊销、减值及披露的准确性与透明度。
(3) 在财务报告中嵌入数据价值，强化业务实质披露。在利润表中明确数据驱动的收入贡献，并在成本费用中单独列示数据相关支出。同时，在表外披露中拓展数据资源的多维信息，包括跨境合规风险、数据安全机制、用户数据应用场景等，提升财务与业务信息的协同性。
(4) 探索数据资产估值与资本化路径，提升要素市场化能力。借鉴“数据三权分置”等产权框架，推动数据资源在融资、交易与并购中的估值实践。企业应主动参与行业标准建设，构建适应跨境业务特点的数据资产会计与披露体系，增强数据要素在资本市场的认可度和流动性。
5.2. 对跨境电商企业数据资产表外披露参考建议
在强化数据资产表外披露方面，跨境电商企业应超越原则性呼吁，致力于构建一个层次清晰、内容具体且与其全球业务风险特征相匹配的披露体系，通过结构化呈现来源确权、价值管理、合规风控及价值实现等关键信息，企业可构建起层次清晰、内容扎实的披露体系，从而有效提升信息透明度，回应投资者、监管机构等多方关切，并为数据资产的市场化认可奠定坚实基础。具体披露方案如表4所示。
6. 结论与展望
本研究以《企业数据资源相关会计处理暂行规定》的出台为背景，通过对指南针公司数据资源会计处理实践的深入剖析，揭示了当前数据资产入表在确权前置、分类计量、价值融合披露以及表外信息补充等方面的具体操作模式与潜在挑战。案例分析表明，指南针公司通过将自用数据资源归类为无形资产并细化其成本归集与摊销方法，将用于出售的数据服务相关支出计入存货，初步构建了数据资源的表内确认框架。然而，其利润表中未单独列示数据收入、研发投入全额费用化、表外风险披露尚不全面等做法，也反映出会计制度的谨慎性与数据资产动态价值实现之间存在的张力，以及企业在信息披露深度与广度上的提升空间。
Table 4. Specific disclosure plan for cross-border e-commerce enterprises’ off-balance-sheet data assets
表4. 跨境电商企业数据资产表外披露具体方案
披露维度 |
核心披露要点 |
具体披露内容与示例 |
披露目的与作用 |
来源与确权状态 |
数据资产来源 |
明确核心数据来源： ① 平台用户交易数据 ② 第三方授权采购数据 ③ 公开渠道收集数据 |
说明数据资产的合法性与可控性，回应“合法拥有或控制”的会计确认前提 |
确权与法律框架 |
阐明确权措施： ① 用户隐私政策 ② 数据供应商合同 ③ 关键市场的数据确权登记进展 |
展示企业为确立数据权属所建立的法律与制度基础，增强数据资产化的法理依据 |
价值管理过程 |
全生命周期投入 |
以附表列示各环节主要资源投入： ① 采集：外部采购费用、爬虫开发成本 ② 清洗/标注：专项人工成本 ③ 建模：算法工程师薪酬、算力消耗 ④ 存储：云服务/服务器托管费 ⑤ 销毁：数据安全处置费用 |
透明化成本归集路径，揭示数据从原始资源到可应用资产的价值形成过程 |
会计处理方式 |
明确各环节投入的会计处理： ① 资本化，计入无形资产/存货 ② 费用化，计入研发费用/营业成本 |
展示企业执行《暂行规定》的谨慎性与一致性，帮助使用者理解会计政策对资产价值的影响 |
合规与风险管理 |
跨境合规机制 |
详述为遵守跨境法规所建立的制度： ① 数据本地化策略如GDPR、PIPL ② 跨境传输安全评估流程，采用标准合同条款SCCs等 |
揭示企业在全球化运营中面临的数据合规风险，提升风险管理透明度 |
安全事件与应对 |
报告期内重大事件披露： ① 数据安全事件 ② 监管问询及整改措施 |
增强信息可靠性，展示企业对数据安全的重视程度与应急处理能力 |
价值实现与业务结合 |
业务场景应用 |
通过具体案例量化数据资产的业务价值： ① 营销优化提升跨境营销转化率 ② 供应链管理降低平均滞港成本 ③ 风险控制识别欺诈行为，减少损失 |
将数据资产价值与企业核心竞争力直接关联，增强披露的决策相关性与说服力 |
商业实质关联 |
说明数据如何驱动收入增长、成本节约或风险规避，并阐述其与公司长期战略的协同性 |
使财务报告使用者能够更直观地理解数据资产的商业化潜力与持续贡献 |
基于上述发现，本文为面临相似数据资产化需求的跨境电商企业提出了系统性启示：其一，应建立以合法合规为核心的数据确权与内部控制体系，筑牢入表根基；其二，需根据数据资源的业务用途进行精准会计分类，并实施贯穿生命周期的精细化成本管理；其三，应在财务报告中积极探索数据价值与业务实质的融合反映，强化表内列报与表外多维披露的协同；其四，可借鉴“三权分置”等产权理论，前瞻性布局数据资产的估值与市场化运营，提升数据要素的资本转化能力。
展望未来，数据资产的会计处理仍处在快速演进之中。随着数据要素市场建设的深化与国际数据治理规则的互动，企业数据资产的确权标准、公允价值计量方法以及跨境数据流动的会计影响等议题，将成为后续研究的重要方向。对于跨境电商企业而言，不仅需要跟进国内会计法规的完善，更需构建一套能够兼容多法域监管要求、适应其业务全球性特征的数据资产管理与披露体系。学术界与实务界应加强合作，推动形成更多行业性、场景化的数据资产会计处理最佳实践案例，共同为数据要素价值的充分释放与数字经济的高质量发展提供坚实的制度与实践支撑。
基金项目
本项目受江苏大学第24批大学生科研课题资助，项目编号：24C096。