专访同济大学经济与管理学院副院长王洪伟：数据资产入表核心在于业务融合，警惕KPI驱动下的“形式化操作”

财联社7月1日讯（记者郭松峤）“数据资产入表的核心在于构建治理规范化、业务场景化、财务协同化的系统能力，其价值应当源于与业务的深度融合，而非单纯追求账面数字。”近日，同济大学经济与管理学院副院长王洪伟教授在接受财联社记者专访时表示。

自财政部印发的《企业数据资源相关会计处理暂行规定》正式落地以来，数据资源入表工作已在各行业逐步铺开。据财联社记者观察，过去一年半间，信息技术、先进制造、智慧交通等领域的上市公司和民营企业成为实践主力，同时掌握大量公共数据资源的城投公司也积极参与其中。王洪伟表示，“随着数据资产的普及化、标准化和流动化，将为我国数字经济注入强大动能，推动形成以数据为核心的新型生产关系和价值分配机制。”

与此同时，业界亦有声音认为数据资产入表存在“为入表而入表”的形式化操作。那么，如何避免该问题？真正有价值的数据资产入表应满足哪些条件？

对此，王洪伟表示，若仅将“入表金额”“首单突破”作为考核指标，可能导致企业忽视数据资产的真实效用，甚至引发财务风险。他建议，企业需以战略目标为牵引，通过成本法、收益法等多元估值手段，推动数据资源向数据资本跃升，最终实现"业务闭环+经济价值"的实质性入表。

王洪伟，同济大学经济与管理学院副院长、教授、博士生导师。从事商务智能领域的教学科研工作。上海大数据联合创新实验室校方负责人主任，信息系统学会中国分会常务理事，管理科学与工程学会“全国优秀博士论文”指导老师。进修于哈佛大学商学院、亚利桑那大学、香港理工大学。

“数据资产的价值必须来源于业务场景的深度融合”

财联社：你认为企业实现真正有价值的数据资产入表，关键在于哪些方面的工作？

王洪伟：实现真正有价值的数据资产入表，关键在于构建以数据治理规范化、业务场景实用化、财务制度协同化为核心的系统性能力体系。数据资产的本质不仅在于其可被量化和披露，更在于其能够对企业经营产生实质性价值贡献。因此，企业要实现数据资产的合规、有效入表，首先必须打牢数据治理基础。包括建立统一的数据分类分级制度、完善数据质量管理体系、实施可追溯的数据权属管理，确保所入表的数据在法律、合规和技术层面都具备可控性与可验证性。

其次，数据资产的价值必须来源于业务场景的深度融合。企业应围绕核心业务流程，挖掘数据在降本增效、产品优化、客户洞察等方面的实际作用。例如，一家大型零售企业通过对用户行为数据的分析，构建精准推荐系统，显著提升了用户转化率和复购率，这类数据产品具备明确的经济利益预期，才能满足《企业会计准则》和《暂行规定》提出的资产确认条件。换言之，数据资产的入表应以“业务闭环+经济价值”为依据，而不是简单的技术归集或文档整理。

真正有价值的数据资产入表，应以企业战略目标为牵引

财联社：那么，与为完成KPI而进行的入表操作相比，二者在数据治理、业务赋能等层面有何本质区别？

王洪伟：相比之下，部分企业为完成KPI指标而推进的“形式化入表”则存在明显的本质差异。这类操作往往以“入账金额”“首单突破”为导向，忽视了数据资产价值实现路径的完整性，甚至在数据尚未经过充分加工、尚未形成稳定应用场景时就匆忙上账，其核心动因是“展示”而非“赋能”。这类行为在数据治理层面往往流于表面，缺乏对数据全生命周期的管理能力；在业务赋能方面也难以形成实际收益，导致数据资产在财务报表中“有其名而无其实”。

因此，真正有价值的数据资产入表，应以企业战略目标为牵引，以数据的实质性生产力为核心，推动数据资源向数据资产、再向数据资本的跃升。这不仅是对企业自身数字化能力的检验，更是推动数字经济高质量发展的重要一环。在此过程中，企业需要坚持“价值导向而非指标导向”，通过数据治理与业务融合双轮驱动，实现数据资产的真实、可持续入表。

将“是否入表”转变为“是否形成稳定的数据产品化能力”

财联社：当“数据资产入表金额”“首单突破”等成为考核指标，您认为会对企业的数据资产管理策略和实际业务发展产生哪些影响？

王洪伟：当“数据资产入表金额”“首单突破”等被纳入企业考核指标，确实能够在一定程度上提升企业对数据资产的重视程度，激发数字化管理动力。然而，若考核机制过于强调短期成果或表面数字，反而可能引发一系列管理异化风险，甚至对企业的长远发展造成负面影响。

首先，从积极角度来看，将数据资产入表纳入KPI体系，有助于推动企业加快数据治理体系建设，强化数据标准、分类、质量等基础工作，激活企业内部“数据即资产”的意识。这对于长期忽视数据管理、信息化程度较低的传统企业而言，具有较强的引导和唤醒作用。同时，一些地方政府设立政策激励或“首单”荣誉，也有助于培育行业标杆企业，推动数据资产化试点从点状突破走向系统化推进。

但与此同时，若将“数据资产入表金额”“首单达成”作为硬性考核指标，极易导致企业出现“唯表不唯实”的行为偏差。例如，一些企业在数据尚未完成清洗脱敏、尚未具备稳定商业模式或应用场景的情况下，仓促将其入表，仅为实现考核目标。这种“为入表而入表”的行为，可能造成数据资产质量失真，甚至夸大企业财务信息，误导投资者和管理层判断。更严重的是，在缺乏真实业务闭环支撑的情况下，这些“账面资产”难以产生实际收益，反而会在后续面临减值风险，损害企业财务稳健性。另外，在数据治理体系不完备的情况下，仓促入表还可能引发数据泄露、隐私侵犯等一系列安全性问题。

财联社：如何避免因指标考核导致的数据资产管理行为异化？

王洪伟：要避免上述问题，关键在于从以下三方面着手：一是优化考核指标设计逻辑。将“是否入表”转变为“是否形成稳定的数据产品化能力”“是否实现数据资产带来的营收增长”等更具业务实质性的考核维度，鼓励企业将数据资产从“账面价值”转化为“市场价值”。

二是引入第三方验证机制。通过数据交易所、数据资产评估机构、会计师事务所等第三方专业力量，对企业所申报的数据资产入表项目进行合规性、估值合理性与可持续性评估，提升监管可信度和防范虚假入表风险。

三是强化信息披露与后评估机制。企业应在财报中详细披露数据资产的来源、使用权属、评估依据、应用场景及收益预测等内容，同时建立入表项目的后续绩效追踪制度，确保数据资产的“入表”与“赋能”之间建立实质联系。

总体而言，考核机制的本意在于推动改革，而非制造表面繁荣。数据资产本质上是一种“高价值、强运营”的新型资产，其价值实现依赖于持续的治理、使用和创新。唯有回归业务本源，建立科学、审慎、透明的管理体系，才能真正释放数据资产的潜能，避免短期行为扰乱长期价值发展的节奏。

从可行性出发，成本法在当前阶段仍是最具落地性的基础方法

财联社：数据资产估值是入表的核心难点，目前常用的成本法、收益法、市场法等各有局限，您认为当前哪种估值方法更具可行性和科学性？

王洪伟：的确，数据资产估值是整个数据资产入表流程中最具挑战性的环节。它不仅关系到企业资产负债表的准确性与完整性，更直接影响投资人、监管机构乃至全社会对企业数字能力和价值创造力的判断。目前主流估值方法包括成本法、收益法和市场法，虽然各自具备一定适用场景，但在现实操作中仍面临较多局限性，需要审慎权衡、合理选择。

从可行性出发，成本法在当前阶段仍是最具落地性的基础方法。其优势在于实施路径相对清晰、数据来源相对可靠，尤其适用于企业通过外购或内部研发形成的数据资产。以成本法为基础，企业可以较为准确地归集数据采集、加工、清洗、脱敏、建模等环节的各项投入，为资产初始入账提供估值依据。例如，上海数据交易所等机构就推动企业明确数据资产形成过程中的“投入链条”，为成本法估值提供了可操作的模型。

然而，成本法的局限也非常明显。它无法反映数据资产的真实市场价值与未来收益潜力，尤其是对那些通过长期沉淀积累形成的数据资源（如用户行为数据、交易画像数据），其历史成本可能远低于其业务价值。这时，收益法的引入具有更高的科学性与前瞻性，能够更好地体现数据资产的经济效益预期。

收益法通常适用于企业内部使用数据资产进行产品优化、客户洞察、风险控制等闭环业务场景。在估值时，可以通过“超额收益法”“分成法”“增量收益法”等手段，量化数据对企业营收或利润的边际贡献。例如，某城市交通平台通过分析出行数据优化线路布局，据此带动票务收入增长，其背后的关键数据产品就具备明确的收益路径与可测算性。但收益法的实施门槛较高，对数据闭环、收益归因、风险折现等能力要求极高，目前仅少数数字化成熟企业具备完整实施条件。

至于市场法，其理论上最能反映资产的公允价值，但在当前阶段的适用性较弱。原因在于数据资产交易尚处于初级阶段，缺乏可比性强、交易频次高、定价机制透明的成熟市场环境。即便在上海、贵阳等地数据交易所挂牌产品数量已达数千个，真正形成连续可比交易价格的仍属少数。这就导致市场法缺乏足够的可参照案例，在实践中难以准确执行。

数据资产入表是一场深层次的经济结构重构

财联社：数据资产入表又会对企业的财务管理、战略决策以及整个数字经济发展带来哪些深远影响？

王洪伟：从更宏观的层面来看，数据资产入表的深入推进，将推动我国建立起真正意义上的数据要素市场。当前，“数据二十条”已明确提出要构建数据确权、流通、定价、分配、监管“五位一体”的数据基础制度体系，数据资产入表正是其中的核心一环。未来，随着数据资产的普及化、标准化和流动化，将为我国数字经济注入强大动能，推动形成以数据为核心的新型生产关系和价值分配机制。特别是在人工智能、工业互联网、智慧城市等关键领域，数据资产将成为撬动产业升级和技术创新的重要杠杆。

值得一提的是，数据资产的资本化也将带来监管与治理的新挑战。例如：如何避免数据估值虚高导致财务风险？如何保障个人数据在资产化过程中的合法权益？如何处理数据资产在跨境流通中的主权与合规问题？这些都要求我们在推进数据资产入表的同时，同步构建与之匹配的法律法规、伦理规范和监管机制。

总之，数据资产入表不仅是一次财务语言的革新，更是一场深层次的经济结构重构。它将推动企业实现从“拥有数据”到“运营数据”的跃迁，也将为我国在全球数字经济竞争中赢得主动提供坚实支撑。未来，数据资产将不再是“附注信息”，而是企业价值创造与国家治理能力的战略资源。