我国证券公司数据资源入表路径探讨

　　江海证券有限公司王萍

　　2024年是数据资源入表元年，《企业数据资源相关会计处理暂行规定》指出，满足特定条件的数据资源可以作为资产在报表中列示，为企业数据资源入表带来了启示。与此同时，证券行业对于数据资源入表工作愈加重视，推行数据资源入表既是大势所趋，又富有挑战。本文探索证券公司数据资源入表的可行路径，旨在发挥会计核算职能，显化数据资源的经济价值。

　　一、引言

　　在新一轮数字技术革命的推动下，数据凭借其独特属性从传统生产要素中脱颖而出，成为继土地、劳动力、资本、技术之后的第五大生产要素。证券业是数据密集型行业，证券公司的数据资源主要来源于各业务系统，在日常经营中积累了大量客户相关的基础信息、跨周期的市场行情数据、金融交易数据、产品数据、投资研究等数据，这些数据对于优化公司业务决策、提升产品创新力和市场竞争力起到重要支撑作用。

　　所谓数据资源入表，是将数据这一生产要素纳入会计核算，反映在财务报告中。《企业数据资源相关会计处理暂行规定》的出台，为公司数据资源入表提供了路径，引发了各界广泛关注和探讨，极大地激活了数据要素的活力。

　　值得注意的是，《暂行规定》还不是全面的“数据资源准则”，相关实践尚处于探索阶段，有关证券公司数据资源入表的理论研究也相对较少。如何有效管理和利用数据资源，将其纳入会计核算体系，更加准确地反映公司财务状况和经营成果，成为证券行业亟待解决的问题。本文从证券公司数据资源的特殊性和经济价值出发，结合《暂行规定》中的相关会计处理，为证券公司数据资源入表提供参考路径，并提出财务视角有关建议。

　　二、证券公司数据资源的特殊性

　　(一)动态性

　　证券市场是价值直接交换的场所，能够实时反映市场供求的变化和流动性，是高效运行的市场，相应地，证券公司的经济活动是非常活跃的，机构内部及机构间数据交换频繁。在全行业不断数字化转型升级的今天，证券公司需要掌握市场行情的快速变化，不断获取、更新数据，频率更高、维度更广、更及时准确的动态数据对于证券公司而言具有更大的价值。因此，证券公司的数据资源具有动态性，生命周期相对较短，其价值更具有时效性，新数据的出现、数据应用场景的变化可能导致数据资源的边际价值递减，甚至失去价值。

　　(二)共益性

　　证券公司的数据资源具有共益性。同一数据，在保证数据安全的前提下，可以同时支持多个组织和个体使用，通过共享和互通，数据可以被反复使用，数据价值得以进一步挖掘。在数字化浪潮的推动下，证券行业整体数智化程度较高，在数据挖掘和使用上具有独特优势，数据的共益性或将成为证券公司数据价值挖掘的内核优势，探索数据共享的发展模式，创造更多的交易机会，实现数据资源价值的最大化。

　　(三)合规性

　　证券市场是风险直接交换的场所，作为市场的“看门人”，证券公司发挥着推动市场高质量发展的专业作用，承担着保障投资者合法权益、维护国家金融安全的社会责任。2024年新“国九条”的提出将证券公司置于更加严格的监管环境，数据资源的管理、会计核算与披露也将成为审计和监管部门关注的重点，例如证券公司获取和存储的客户数据，包括身份信息、交易记录和信用状况等，这类数据具有一定的敏感性，对安全处理、存储、传输等活动有更高的合规要求。

　　三、证券公司数据资源入表的经济价值

　　数据作为第五大生产要素，其经济价值已经被各行业认可。数据资源入表，就是从财务角度认可数据资源产生的经济利益，通过会计核算对数据资源进行可靠确认和计量，使其价值具象化。一方面，数据资源入表能够展示证券公司的数字竞争优势，帮助会计信息的使用者判断数据资源对公司的重要性，做出科学合理的决策；另一方面，证券公司以充分释放数据资源价值为目标，数据资源入表，可减少投入期费用计损益对利润的一次性影响，提升公司盈利水平，同时增厚表内资产，更准确地反映资产负债结构，提升财务报表质量；此外，数据资源入表实现公司对数据持有权力的确认，可在一定程度上防范数据商业秘密被侵犯。

　　四、证券公司数据资源入表路径

　　(一)数据资产的确认

　　并非所有的数据都能入表，要辨析数据资源与数据资产的区别。参考中国信通院《数据资产化：数据资产确认与会计计量研究报告(2020年)》，数据是客观存在的资源，具有天然属性，表现为对实物或数量方面的管理；数据资产代表所有者在一段时期内通过持有或使用该实体所生产的一项或系列经济收益，具有经济属性。本文认为数据资产属于财务领域的概念，数据资产确认就是确认哪些数据资源可以入表，以及作为何种资产入表。结合《暂行规定》的适用范围来看，能够入表的数据资源应符合资产的一般定义，判断是否具备一定的权力(拥有或控制)、经济利益流入的可能性、以及成本是否可靠计量三大原则。

　　首先，证券公司应基于业务流程识别数据资源，对全量数据进行盘点，分级分类建立数据资源目录，初筛可存储且能够带来经济利益的数据资源，以保证后续数据入表的可操作性，这一过程可以借助分析模型和挖掘工具来提高数据识别的准确性和效率；然后，结合数据资源的持有目的、区分应用场景，评估数据资源的价值，货币化度量数据应用场景价值，进一步筛选出经济利益流入的可能性>50%且成本能够可靠计量的数据资源，将自用的数据资源及利用数据资源对外提供产品或服务的计入无形资产，将持有已备出售的数据资源计入存货。本文认为，证券公司的数据资源通常符合自用或利用数据资源对外提供产品或服务的应用场景，并非完全转让数据资源的所有权，建议以无形资产形式入表，鉴于数据资源的独特性质，应单独设置数据资源二级科目，以区分传统的无形资产如专利、着作权等。

　　(二)初始计量

　　《暂行规定》关于数据资产的计量没有突破现行的无形资产、存货相关准则，公司取得资产的初始计量，除合并外，均以历史成本计量。

　　对于作为无形资产核算的数据资源，如果来自外部采购，依据合同，其采购成本相对明确，初始确认成本包括采购成本(购买价款、相关税费)及使资产达到预定用途所发生的数据处理等再加工成本；如果是伴生于内部运营系统，经过研发形成的数据资产，应按使资产达到预定用途所发生的实际支出计量，对数据处理过程中的各项支出予以归集和分摊，将数据采集、整理阶段发生的支出予以费用化，将后续加工、清洗、分析、挖掘、应用阶段视为开发阶段，开发阶段开始资本化的时点为基于具体业务需求开始数据加工的时点。

　　(三)后续计量

　　1.后续支出

　　为保持数据资源价值的持续性，公司需要对数据资源展开持续分析、挖掘，相关支出需要持续更新，对于数据运维存储及安全成本投入等日常性支出确认为当期损益，满足资本化条件的支出增加原有数据资源成本。

　　2.期末计量

　　作为无形资产确认的数据资源期末计量，涉及摊销和减值两个问题。数据资源的使用寿命具有不确定性，一般可设定为三至五年，依据合同约定或数据实际使用情况具体确定，考虑到数据资源的时效性，建议采取加速摊销法。同时，充分考虑数据资源的期末市场价值，有合同约定的按合同价，减去交易过程中的相关税费，与数据资源成本相比较确认减值金额，计入无形资产减值准备-数据资源减值准备科目。

　　3.资产处置

　　当数据资源预期不能为公司带来经济利益(如合同终止、缺乏应用场景或时效性较低)，则需要进行报废或转让，终止资产的账面价值，与所得价款的差计入当期损益(营业外支出或资产处置损益)。

　　(四)信息披露

　　证券公司应对确认为无形资产的数据资源采取表内列示、报表附注披露和文本披露模式。针对《暂行规定》提出的自愿披露形式，证券公司可考虑定性+定量灵活披露，定性披露内容包括数据资源的应用场景、入表核算的合理性、数据质量安全信息等；定量披露内容包括形成数据资产的原始数据的规模、数据潜力测算、安全成本、关键技术和人才投入等。此外，对于尚不满足入表条件的数据资源，可以自愿披露无法入表的原因等信息。

　　五、提高证券公司数据资源入表率的建议

　　对于证券公司而言，数据资源入表是顺应数字化时代潮流的必然趋势，《暂行规定》自2024年1月1日起施行，初步统一了核算规范，为证券公司数据资源入表提供了契机，但在业内全面实施落地仍需探索。提高证券公司数据资源入表率，建议采用“由点及面”的方式，即选取相对简单的业务模式开展数据资源入表试点，再进行全面推广。数据资源入表是一项系统性工程，涉及各业务条线，需要多方共同参与，建议重点从以下几方面发力：

　　(一)立足顶层设计，构建公司级数据管理体系

　　以充分发挥数据价值为核心理念，建立适应公司战略发展和业务需求的数据管理体系。一方面，需要从公司层面对全域数据进行统筹管理，由技术部门牵头，对接数据厂商，运用先进的算法和工具搭建数据标准化管理系统，打破数据分散在不同条线或部门的壁垒，并建立完善的数据管理制度，推动各部门按标准流程开展数据管理工作；另一方面，要求公司具备相应的数据管理人才，财务人员也应主动参与其中，提出数据管理的财务要求，从而将会计核算职能与系统、流程有机结合。

　　(二)保证数据质量，强化数据入表规范性

　　保证数据质量是入表的前提，直接影响数据资源的应用效果，进而影响入表价值。首先，明确数据权属问题，加强对数据资源的内部控制，培养员工的数据安全意识，确保在授权范围内处理、使用数据，并通过数据加密、备份和恢复技术，防范数据泄露或丢失的系统性风险；其次，加强财务信息披露和监管，提高数据资源信息披露的透明度和可信度，增强投资者信心，促进公司稳健发展；然后，始终关注数据模型的准确度、确保数据价值评估和成本归集可靠，避免入表资产价值虚高或重复确认，加强与专业机构合作，保证财务报表质量。

　　(三)广泛交流，探索数据共享模式

　　《金融科技发展规划(2022-2025年)》提出金融数据要跨机构、跨地域、跨行业数据规范共享,证券公司在业内跨机构交流合作的基础上，还应尝试跨行业共享经验和资源，推动数据共享和流通，不仅可以提高数据资源的利用效率，还可以促进金融创新和业务发展，拓展新的数据资源和应用场景。