王觉爽 | 中国铁路西安局集团有限公司，西安交通大学管理学院，共同第一作者

周博辉 | 宁夏交通建设投资集团有限公司，西安交通大学管理学院，共同第一作者

冯泽琳 | 陕西水务发展供水集团，西安交通大学管理学院，共同第二作者

徐童 | 西安市新城区人力资源和社会保障局，西安交通大学管理学院，共同第二作者

黄帅 | 中车西安车辆有限公司，西安交通大学管理学院，共同第二作者

张俊瑞 | 西安交通大学城市学院经济与管理学院/西安交通大学管理学院教授，博士生导师，通讯作者

2020年4月，中共中央、国务院发布《关于构建更加完善的要素市场化配置体制机制的意见》，将“数据”列为继土地、劳动力、资本、技术之后的第五种生产要素；2022年12月，中共中央、国务院又印发《关于构建数据基础制度更好发挥数据要素作用的意见》，系统搭建了数据基础制度的完整框架。2023年8月，财政部出台《企业数据资源相关会计处理暂行规定》（以下简称《暂行规定》），在会计准则层面明确了数据资源确认、计量与列报的具体规则，为国内企业盘活数据价值、推进数据资产入表提供了制度依据。接连出台的政策表明数据要素已经上升为国家战略层面，正在成为驱动我国经济高质量发展的全新动力。

伴随政策推进，学界围绕数据资产入表的研究日益丰富，涵盖概念界定（谭明军，2021；程小可，2023；刘峰等，2023）、会计处理与披露规则（张俊瑞等，2020；秦荣生，2020；黄世忠等，2023；曾雪云等，2025）、入表的准备工作（程小可，2023）、实施路径（黄蓉等，2025）、入表的经济后果（危雁麟等，2022；苑泽明等，2022；陈志斌等，2025）、入表面临的挑战与困境（张雪等，2022；陈虎等，2024）。这些研究多侧重理论推演与宏观制度探讨，缺少以上市公司为样本的实践案例，在数据资产确认、计量、列报与披露等操作层面仍面临诸多未解难题（李彩霞等，2025）。从现实来看，尽管理论层面具备入表的基础条件，但大多数企业对数据资产入表的总体态度是谨慎的（薛南枝等，2026），普遍处于观望阶段。

钢铁产业是支撑国民经济的基础性产业，行业发展水平直接影响制造业高质量发展的全局。从当前产业现状来看，钢铁行业面临产能过剩、产品同质化竞争日趋激烈的现实难题，随着国家数字经济战略的推进，钢铁行业数字化转型已经成为突破行业发展瓶颈的必然选择。与此同时，钢铁行业业务流程链条长、生产工艺复杂，日常运营会产生海量数据，加上行业数字化改造投入体量较大，这也导致数据资产入表落地过程中的问题更加突出。一方面，企业生产运营与客户交互环节会持续产生流程、工艺、市场、供应链等各类业务数据，数据具有连续性和碎片化的特征。另一方面，传统无形资产沿用项目制管理模式开展会计核算，这套模式难以适应工业数据常态化、持续化产出的业务属性，数据项目的阶段划分存在较强的主观性。根据《钢铁行业数字化转型实施指南》相关统计数据，2022年，钢铁行业关键工序数控化率已达到72.5%，生产设备数字化率达到53.8%，行业数字化水平显著提升。多数钢铁企业虽已经完成产线数字化改造，积累了大量数据资源，但因缺乏成熟的可借鉴范本，尚难以稳定满足资产确认条件，导致海量沉淀数据长期停留在资源形态、账面价值为零，数据要素的价值释放仍处于初级阶段，难以通过财务报表直观体现。

南京钢铁股份有限公司（以下简称南钢股份或南钢，股票代码600282）是我国钢铁行业的典型代表。据其财报披露，公司在2021年就开始了数字化转型战略，启动核心数据资产化目标，积极探索钢铁行业数据资产入表路径，其数据资产涵盖生产全流程，数据资源管理现状与转型需求在行业中具有标杆意义（刘海云等，2025）。作为2024年国内首批、钢铁行业首家实现全流程数据资产合规入表的上市制造企业，南钢率先完成了海量工业数据的确权盘点、成本归集、资本化核算与报表列报，其探索过程完整展现了传统重工企业从数据资源化到数据资产化的全链条逻辑，案例代表性强，对行业具有突出的参考价值。

基于团队对南钢股份的线上访谈、现场调研和公司公开信息的梳理和深入思考，本文围绕三个问题展开研究：第一，制造企业如何证明其对数据资源具有可控制、可追溯和可审计的权属基础；第二，企业如何在连续生产和跨部门开发背景下划分研究阶段与开发阶段并可靠归集成本；第三，数据资产入表是否能够通过改善信息环境影响资本市场反应、融资结构和估值输入变量。本文的边际贡献在于：将数据资源会计确认问题放入制造企业组织过程之中，提炼“权属治理—会计确认—内部控制—经济后果”的分析框架，并以南钢股份为例展示数据资产入表从资源治理到财务报告的证据链。

（一）文献综述

1.数据资产确认研究。随着数字经济的蓬勃发展，数据已经逐渐从企业经营中的辅助性信息变成含有生产要素属性和价值创造能力的关键战略资源。Mayer-Schönberger和Cukier（2013）认为，数据具有可重复利用、非竞争性和规模收益递增等特征，其进入企业资产负债表只是时间问题。《暂行规定》的实施推动了国内数据资源由“管理对象”向“会计资产”转化，明确企业合法拥有或控制、预期能够带来经济利益流入且成本能够可靠计量的数据资源，在符合相关准则条件时可按照无形资产或存货进行确认和列报。

现有研究普遍指出，数据资产确认最核心的难点并不是数据的价值高低，而在于是否满足会计确认条件。国际财务会计准则理事会（IASB）《财务报告概念框架》（2018）强调，资产应当是由过去事项形成、由主体控制并预期能够产生经济利益的现时经济资源。与传统无形资产不同的是，数据资源的权属边界、控制方式和经济利益实现路径都更复杂。Lev（2001）指出，无形资产的价值创造往往依赖组织能力、商业模式和外部环境，单纯依靠传统会计确认标准容易低估其价值。国内学者武恒光等（2025）指出，数据资源入表需要同时解决权属清晰、可控制、可辨认、可计量、可带来经济利益等问题，其中数据确权与预期经济利益流入是最具争议的两个环节。

从企业实践看，数据资产确认不能只有单一财务视角，需形成业务、技术、法务与财务共同参与的判断机制。罗玫等（2023）认为，企业数据资产化的关键在于通过数据治理、合规管理和价值评估，使数据从一般资源转化为能够被会计系统识别和计量的资产。王艳、杨达（2024）进一步指出，数据资产入表不仅是会计确认问题，更是企业管理会计体系、组织治理体系和资源配置体系的系统性重塑过程。因此，数据资产确认研究逐渐从“能否入表”的规则讨论转向“如何通过组织机制实现规范入表”的过程研究。

2.数据资产计量研究。数据资产计量的议题也受到了较多学者的关注。按照《暂行规定》，企业应根据数据资源的持有目的、形成方式和未来经济利益实现方式，将符合条件的数据资源确认为无形资产或存货，并按照相关会计准则进行初始计量和后续计量。数据资产的非实体性、可复制性、多场景复用性和价值动态变化等特征，导致以历史成本为基础的传统计量方式在具体实践中遇到了困难。

国外研究学者较早关注到了无形资产计量困境。Lev（2001）认为，无形资产价值与未来收益高度相关，但其成本投入与价值产出之间往往存在非线性关系，导致传统会计系统难以准确反映企业真实价值。《国际会计准则第38号——无形资产》（IAS 38）则要求企业区分研究阶段与开发阶段，研究阶段支出应当费用化，开发阶段支出只有在满足技术可行性、完成意图、使用或出售能力、未来经济利益、资源保障和成本可靠计量等条件时，方可资本化。该规定为数据资产研发支出资本化提供了较为具体的制度参照，然而对于数据连续生成、模型持续迭代和应用场景不断变化的复杂情况来说，研究阶段与开发阶段的边界依旧十分模糊。

国内研究主要围绕历史成本法、公允价值法和收益法展开讨论。张俊瑞等（2020）认为，数据资产会计处理应在可靠性与相关性之间取得平衡，既要避免过度主观估值导致资产虚增，也要防止因计量保守而低估企业数字化价值。罗玫等（2023）认为，数据资产价值评估可以综合运用成本法、收益法和市场法，但在入账确认层面仍应坚持审慎原则，以可验证的历史成本作为主要计量基础。梅家秀（2025）结合南钢股份实践指出，钢铁企业数据产品开发涉及采集、清洗、建模、测试和应用等多个环节，成本结构复杂，若缺乏项目化管理和专属编码，容易造成费用化与资本化边界混淆。综上，如何把连续发生的数据治理活动变成可归集、可验证、可审计的对象，是制造业数据资产入表的难点。

3.数据资产入表机制与价值释放研究。近年来，关于数据资产入表的研究逐渐从会计处理规则扩展到组织机制与价值释放路径。李素娟、张琪（2026）基于科大讯飞案例提出，数据资产入表并非一次性会计处理行为，而是“制度逻辑驱动—资源编排过程—价值释放结果”的动态演进过程，企业需要经历政策响应与基础建设、运营优化与能力构建、战略升级与外部协同等阶段，才能推动数据资源向数据资产和数据资本转化。该研究说明，数据资产入表的本质是制度压力、资源能力和价值目标共同作用下的组织过程。王艳、杨达（2024）则从中国式管理会计体系变革角度指出，数据要素资产化会倒逼企业将管理会计嵌入数据资源的组织规划、决策、控制和评价全过程，推动传统管理会计控制系统向共享价值式管理会计系统转变。可以看出，数据资产入表不仅改变了资产负债表项目，也改变了企业内部控制底层逻辑，企业财务会计职能从结果记录者变成了价值创造过程的参与者。

已有南钢相关研究为理解钢铁行业数据资产入表提供了重要基础，但仍主要偏重实践路径描述和管理经验总结。本文进一步把南钢案例放入会计研究的问题域：一方面，许多研究已经回答“数据资源是否具有资产属性”以及“制度如何规定入表”，但较少解释企业之间入表能力差异的来源。另一方面，李素娟、张琪（2026）指出实践研究往往把数据治理动作等同于入表路径，却没有系统说明这些动作为什么能够满足资产确认条件。由此，本文不是重复描述南钢如何入表，而是解释为什么这种入表机制在会计意义上更可验证、在经济后果上更可观察。

（二）理论基础

1.资源基础理论。资源基础理论认为，企业竞争优势来源于其拥有、控制并能够有效配置的异质性资源，尤其是具有价值性、稀缺性、难以模仿性和不可替代性的战略资源。Barney（1991）提出的VRIN框架强调，只有当企业能够将关键资源转化为组织能力并嵌入业务流程时，资源优势才能进一步形成持续竞争优势。

与传统资源相比，数据资源可复制、可共享、可组合和可持续开发等特点的价值并不是客观存在，而是需要在特定业务场景、算法模型和管理机制下才会激活。对于南钢股份来说，生产运营、设备运行、供应链、客户服务和能源管理等数据本来是分散的数据资源，只有经过一系列的数据治理、模型开发、场景嵌入和价值验证后，才能变成可识别、可计量、可控制的数据资产。所以，资源基础理论可以用来解释南钢为什么把数据资产入表当作企业数字化转型和竞争能力提升的重要抓手。

2.信号传递理论。信号传递理论由Spence（1973）提出，主要用于解释信息不对称条件下，信息优势方如何通过特定信号向外部主体传递自身质量和能力。在数据资产入表情境下，真正具有信号价值的并不是“入表”这一动作本身，而是企业能否持续披露权属合规、成本归集、应用场景、收益验证和后续评价等信息。只有当这些信息能够被投资者、债权人、供应商和审计机构共同验证时，数据资产入表才可能降低外部主体识别企业数字化能力的成本。

南钢股份的信号意义也应作审慎理解。一方面，规范入表能够向资本市场传递企业数据治理和数字化运营能力；另一方面，如果缺乏权属证明、成本台账和收益验证，数据资产入表反而可能被市场理解为管理层主观估值或报表扩张。

3.利益相关者理论。利益相关者理论认为，企业不仅应对股东负责，也应回应债权人、客户、员工、政府、供应商、社区和监管机构等多元主体的利益诉求（Freeman，1984）。数据资产入表所涉及的数据权属、数据安全、数据合规、价值评估和财务披露等环节，都具多主体参与的特征。企业如果只是从财务报表角度推进数据资产入表，很容易忽视数据来源合法性、业务真实性和技术可行性等问题，引发合规和治理风险。

在南钢股份案例中，数据资产入表并非财务部门单独完成的核算事项，而是业务、技术、财务、法务、内控和审计共同参与的治理过程。利益相关者理论由此提供了重要解释：数据资产入表的质量取决于多主体之间是否形成制衡，而非单一部门是否具有入表意愿。

（一）研究方法

本文采用单案例研究方法。数据资产入表在我国仍处于制度实施初期，大样本数据尚难完整反映企业内部治理、会计判断和审计证据形成过程。相较于横截面统计检验，案例研究更适合追踪“制度要求—组织响应—证据生成—会计确认”的过程机制。南钢股份作为较早披露数据资产入表实践的制造企业，能够为理论建构提供较为完整的过程证据。

同时，本文使用多源资料进行三角验证。资料包括政策制度文本、南钢股份年度报告和财务报表附注、投资者关系活动记录、社会责任报告、行业研究资料、已有学术文献、公开媒体报道以及访谈资料。公开披露资料主要用于核验入表金额、开发支出、融资结构和文本披露变化；访谈和企业资料主要用于理解项目流程、组织分工、成本归集和内控节点；政策和文献资料用于分析确认条件与制度逻辑。

（二）案例选择

南钢股份具有较强的案例适配性。第一，钢铁制造属于长流程连续生产行业，业务数据在生产、设备、能源、质量、供应链和销售服务环节持续产生，数据资源难以像单一软件或专利那样天然形成明确边界。这一特征使其更能反映制造业数据资产入表的难点。第二，南钢股份较早开展数字化转型，并披露以数据资产入表、可信数据空间和“炼数成金”数据资产管理平台为代表的实践，能够观察数据治理与会计确认之间的连接。第三，作为上市公司，南钢股份披露资料较为丰富，有利于从会计信息质量和外部识别角度进行分析。

更重要的是，南钢案例并不只是一个“成功经验”。它所面对的困难具有一般性：数据权属边界不清、研究阶段和开发阶段难以切割、直接成本和间接成本容易混同、数据产品收益难以单独核算、后续价值容易受到模型持续迭代影响。

（三）数据收集

围绕南钢股份数据资产入表实践，本文采用多源数据三角验证方法，从多维度系统归集研究资料，通过文献资料与企业档案记录双向交叉核验，保障研究内容的真实性与结论的稳健性。一是文献资料。围绕数据资产会计确认、计量机制与制造业落地路径，系统检索CNKI核心期刊、行业数据库及财政部政策发布平台资料，主要包括：①《暂行规定》及配套官方解答、数据资产入表相关政策与准则解读类文献；②制造业数据确权、研发阶段划分、成本归集与价值评估相关学术成果；③以“南钢股份+数据资产入表”为核心关键词，梳理行业专项报告、产业数字化案例分析与权威媒体研究报道。二是档案记录。聚焦本文理论框架与实践逻辑，系统整理南钢股份相关存档资料（如表1所示），主要包括：①年度报告、社会责任报告中数据资产治理、资本化核算、报表列报的合规披露内容；②投资者关系活动记录、数字化转型专项公告中关于可信数据空间建设、数据交易备案、模型场景应用的相关表述；③财务报表附注中数据资产初始计量、后续摊销、减值测试的明细数据与审计鉴证资料；④作者团队先后两次对南钢股份线上访谈和实地访谈获取的数据资料。

（一）数据资产入表的实现路径与计量方法

南钢股份基于钢铁制造行业重资产运营与数据密集型的双重产业属性，以“数据+模型+应用价值”为核心载体，构建了“确权盘点→合规治理→项目化开发→成本归集→资产化确认→列报披露”的全链条闭环管理机制，为制造业推进数据资产入表提供了实践落地路径。

1.战略规划与组织搭建。南钢股份把数字化转型纳入公司顶层战略框架，首先提出“一切业务数字化、一切数字业务化”的总体方针，继而系统制定人工智能“三步走”战略（如表2所示），将数据资产化理念嵌入AI赋能钢铁新生产的全链条，且以“语言链接一切、调度一切、操作一切”作为南钢数字化转型的核心价值导向。

为切实保障战略规划有效执行，南钢搭建了纵向多层、横向协同的专业化管理架构（如图1所示）。公司设立了由董事长、总裁牵头的数据资产决策领导小组，下设数据资产管理办公室常驻战略运营部，统筹协调财务、总工程师、人力资源等职能部门。同时，各生产事业部组建业务推进工作组，并聘请专家智库提供技术支撑与技术咨询，通过明确“业务产数据、财务定计量、IT保安全、法务控合规”的分工协作机制，打通了部门间的传统组织壁垒，构建起业务、财务、法务与数据技术深度联动的闭环管理网络。

2.权属管理与数据归集。依据《暂行规定》，数据资源能否确认为资产，关键在于企业是否能够证明其具有可控制的经济资源、相关成本能够可靠计量且预期经济利益很可能流入。南钢依托可信数据空间、数据资产地图和数据交易平台，分别从技术控制、制度授权和外部备案三个层面构建权属证据链。所谓“确权”并不等同于取得排他性所有权，而是证明企业能够在合法合规边界内对数据进行采集、加工、使用、管理和收益安排，从而满足会计上的实质控制要求。

内部技术管控层面，南钢搭建的钢铁产业链可信数据空间采用“1+3+5+5”整体架构（如图2所示），将生产、研发、供应链、财务、人资等内部业务数据，以及数据交易所、产业链合作商、行业政策等外部异构数据进行统一归集，搭建“南钢数据湖”作为数据底座，依托百万级OT点位（工业运营过程中产生的实时数据）实现数据标准化治理，核心数据入湖率超 95%，累计沉淀工业数据 700TB。同时，可信数据空间施行“原始数据不出域、数据可用不可见、数据可控可计量”的运行规则，通过身份鉴权、权限分级、操作日志留痕等技术手段，划分不同主体的数据使用权限，严格限制非授权访问、篡改与外泄行为。对于炼铁配料、工艺参数等核心生产数据，南钢掌握完整的管理权、加工权与处置权，同时全程留存数据流转记录，厘清风险承担主体，满足实质控制要求。

在跨主体流通与外部确权层面，南钢依托江苏省数据交易所完成数据产品登记、备案与挂牌工作，按照数据产权“三权分置”原则，明确数据持有权、加工使用权与产品经营权的边界。南钢联合上下游合作方共同制定数据流通规则，约定数据使用范围、有效期限以及二次流转权限，同时聘请专业律师事务所开展常态化合规审查，梳理数据采集、授权、使用的全链条档案，保障数据来源与授权链路完整。

3.数据资产收益评估。制造业数据资产的价值多体现为降本、增效和风险控制等间接收益，不能简单采用面向外部交易的数据产品定价逻辑。苑泽明等（2026）指出，数据资产应当能够为企业带来经济利益流入，且经济利益必须属于数据控制者和具备排他性。南钢采用改进多期超额收益法评估预期经济利益，其作用更适合定位为内部管理决策和减值测试的重要支持。对会计确认而言，更关键的是识别哪些开发支出能够与特定数据资源、模型应用和收益场景相匹配，并形成可复核的成本台账。对内部应用场景，可通过能耗下降、良品率提升、生产调度优化等指标验证收益；对外部交易场景，则可参考数据交易所登记备案和同类产品价格，但仍需满足权属、授权和可持续收益条件。

同时，南钢依托自行研发的“炼数成金”数据资产管理平台建立收益台账，融入“三线五步”方法论，记录数据要素创造的收益与成本，区分数据与传统生产要素的贡献占比。结合人工智能技术迭代、市场环境变化等因素，定期复核收益预测结果，并同步开展减值研判，将模糊的间接收益转化为可计量、可核验的会计指标。同时，南钢将数据开发全面嵌入“智改数转网联”建设流程，以独立的“数据开发项目”为最小核算单元，遵循“蓝图规划、可研论证、立项开发、上线验收、后期评估”的标准化项目闭环，配套相应的会计处理映射，实现了业财数据的自动化串联与规范入账。

4.四阶落地实施路径。结合制造业运营特征，本文总结形成四阶递进式数据资产化落地路径，分阶段完成数据从原始资源到资本化资产的转化（如图3所示）。第一阶段为业务数据化，参照“一切业务数字化”思路，夯实底层数据归集与清洗，形成可追溯的原始数据底座；第二阶段为数据资源化，全面开展权属明晰、分级管控的资产盘点；第三阶段为数据产品化，对内需完成合规审查与质量溯源，严格划分研发阶段并归集可资本化成本，对外则依托交易所登记并引入会计师事务所审计；第四阶段为数据资本化，在完成账务处理后，在合规前提下进一步探索融资增信、交易流通等价值实现方式。

5.数据资产入表会计计量。南钢依据《暂行规定》，明确技术可行、效用可评价、价值可量化、成本可计量四要点，厘清数据资产与软件类无形资产的边界，剔除界定模糊项目；否决价值逻辑不明的申报项目；要求自主研发项目严格划分研发区间，资本化实施前必须完成技术可行性核验。同时南钢搭建了 “百景千模申报—初评筛选—再评审”三级审核体系，构建全流程项目筛查机制。

研发阶段划分是制造业数据资产计量的共性难题。钢铁长流程连续生产模式下，生产数据随产线运转持续生成，数据研判、参数试错与模型开发等业务深度交织，无法形成清晰的业务分界。若单纯依靠财务人员职业判断划分研发阶段，容易造成会计处理口径偏差，加之工业原生数据普遍缺少标准化立项档案，进一步加大审计风险。针对该行业痛点，南钢推行立项节点硬切割机制，将可行性研究报告、立项批文、阶段评审记录作为会计核算的依据。企业以立项时点为分界，将前期调研、技术探索等工作划定为研究阶段，相关支出全部费用化且不予追溯调整；立项后的定向开发工作归入开发阶段，以业务台账为主，从制度层面提升会计处理与外部审计的合规性。

开发阶段内，资本化认定与成本分摊是南钢面临的核心实务障碍。南钢数据资产价值多体现为生产降本、效率提升等间接收益，收益边界难以单独剥离；人力、算力等资源跨部门、跨项目共用，间接成本缺少统一分摊依据。对此，南钢执行直接归属、清晰受益的成本归集原则，依托专属项目编码精准核算直接成本，将无法拆分的间接支出统一费用化，并将数据合规性设为资本化前置红线。南钢统一采用历史成本法完成初始计量，不开展评估调账与公允价值重估。

在后续计量环节，南钢采用综合收益法、市场法、重置成本法开展资产估值与减值测试。依据资产使用特征差异化设置摊销方式，按受益规则分摊多场景复用资产的摊销额。每年年末系统性开展减值测算，以公允价值扣除处置费用、未来现金流量现值二者孰高确定可收回金额，足额计提减值准备。报表列报方面，在建资本化投入列示于“开发支出”，已投用数据资产计入无形资产。

（二）内部控制重塑机制

从南钢股份的案例可以看出，数据资产入表其实加快了企业由“财务核算型控制”转向“业财法数协同型控制”的进程。王艳、杨达（2024）指出，数据要素资产化不仅是会计处理问题，更会推动企业管理会计体系发生变革，使管理会计嵌入数据资源识别、配置、控制和价值创造全过程。南钢股份正是在这一逻辑下，将数据资产入表纳入公司数字化战略和内部控制体系中，财务部门不再只是入表结果的记录者，而是成为了与业务、技术、法务和审计部门共同参与数据资产形成过程的控制者。

1.组织控制重塑。南钢股份打破了部门壁垒，形成跨部门协同的内控基础。数据资产入表涉及面较广，需要兼顾业务价值判断、技术可行性判断、会计确认判断和法律合规判断，仅靠单一部门很难完成。从上文可知，南钢就数据资产入表设立了数据资产决策领导小组，由数据资产管理办公室统筹推进，联合财务、总工、人力、法务、信息化等部门共同参与。与此同时，各生产事业部也组建了业务推进专班，并寻找外部专家智库提供专业支持，形成了“业务产数据、财务定计量、IT保安全、法务控合规”的分工协作机制。

2.流程控制重塑。在组织协同基础上，南钢进一步以“三线五步法”构建数据资产入表的全过程管理体系（如表3所示）。所谓“三线”，是指数据产品创新线、全流程项目管理线、成本计量与价值评估线三条控制线并行运行；“五步”则对应蓝图规划、可行性研究、立项开发、上线验收和后评估等关键节点。梅家秀（2025）指出，南钢创立“三线五步法”，以项目制为主要载体，通过跟踪数据产品创新阶段，对成本费用及资本化进行合理归集，并通过专属数据资产项目编码搭建业务活动和会计计量之间的映射关系。

数据产品创新线主要回答“数据是否具有业务价值”的问题。在蓝图规划和可行性研究阶段，业务部门与技术部门共同识别生产、销售、供应链、质量控制、能源管理等场景中的数据应用需求，判断相关数据能否通过模型化、产品化形成可持续的经济利益。该环节使数据资产入表从一开始就建立在真实业务场景和价值创造逻辑之上，而不是单纯为了扩大资产规模进行会计处理。

全流程项目管理线主要回答“数据产品是否形成可管理对象”的问题。南钢通过可行性研究报告、立项批文、开发计划、上线验收材料和后评估报告等文件，将数据产品开发过程转化为项目管理过程。项目制管理使数据资产形成过程具有明确的起点、阶段、责任主体和验收标准，为后续会计确认提供证据链。

成本计量与价值评估线主要回答“相关支出是否能够可靠计量”的问题。财务部门依据项目编码归集数据清洗、加工、建模、测试、人员薪酬和相关费用支出，并结合项目进度判断费用化或资本化处理。由此，数据资产入表不再是期末由财务部门进行一次性判断，而是从项目产生之初即进入可追踪、可验证、可审计的管理流程。

3.计量控制重塑。数据资产入表中产生最多争议的是研究与开发阶段的划分。作为钢铁企业，南钢股份面对的是数据连续产生、系统交叉复杂，数据治理、模型开发和场景应用相互掣肘的局面，如果没有设置明确节点，企业很容易把探索性支出资本化，或者把已具备资本化条件的开发支出长期费用化。为此，南钢以项目立项作为重要控制节点，将立项前的需求探索、方案论证和技术可行性分析主要作为研究阶段管理，将立项后具备明确应用场景、技术路线、资源保障和预期经济利益的开发活动纳入资本化判断范围。这个做法不是思维定式的以立项时间决定会计处理，而是经过可行性研究、预算审批、项目任务书和验收报告等步骤，将资本化判断建立在可复核的证据基础之上，将原本依赖管理层经验的主观判断，转化为以流程节点和项目资料为依据的客观约束。

同时，南钢通过专属项目编码实现业务活动与会计计量的对应。数据资产开发成本通常分散在不同部门和系统中，既包括数据清洗、加工、标注、建模等直接支出，也包括参与项目人员薪酬、外部服务费和平台相关费用。若缺乏统一归集口径，相关成本容易与日常数字化运维费用混淆，影响入表金额的可靠性。南钢通过数据资产项目编码，将每一项数据资产开发活动纳入独立成本对象，动态归集从立项到竣工验收期间与数据资产直接相关的支出。该机制有效解决了钢铁企业数据资产入表中“成本发生分散、归集对象模糊、资本化依据不足”的问题，提高了初始计量的可靠性和可审计性。

4.风险控制重塑。数据资产入表还要求企业将风险控制从财务端前移至数据治理和项目开发全过程。《暂行规定》明确规定，企业应根据数据资源是否符合资产确认条件及相关准则要求进行会计处理。这意味着，数据资产能否入表，前提条件是企业对数据资源的合法权利或者实质控制能力，同时还要能证明其未来经济利益流入的合理性。

南钢将数据资产的权属、安全和合规审查设置成入表流程的前置条件。钢铁企业的数据主要涉及生产工艺、设备运行、客户信息、供应链交易和能源消耗等内容，如果数据来源不清、授权边界不明或安全保护不足，就算拥有再高的商业价值，也很难满足资产确认要求。南钢依托数据湖和数据资产地图，对生产、销售、研发、供应链和财务等全业务域数据进行清单式盘点，并使用数据分级分类、权限管理、脱敏处理和安全审查等方式降低数据使用风险。在把合规审查纳入数据资产识别和开发流程的过程中，把“是否有价值”与“是否可入表”二者做了区分，避免为了追求资产化规模而试探会计与法律边界。

与此同时，南钢将后评估与减值测试纳入数据资产全生命周期管理。数据资产价值评估受到技术迭代、模型更新、数据时效衰减和应用场景变化的影响，入表并不意味着价值确认过程结束。如果企业只关注初始确认，而忽视后续摊销和减值测试，可能导致账面价值与实际价值偏离。南钢在“三线五步法”中设置后评估环节，持续跟踪数据产品上线后的降本增效、效率提升、收益贡献和风险变化，并由此展开价值评估和减值测试。这一机制使数据资产管理从“入表时点控制”延伸为“持续价值控制”。

总体来看，南钢股份数据资产入表的内部控制重塑机制可以概括为“组织协同—流程嵌入—节点约束—成本追踪—合规审查—持续评价”的闭环体系。组织协同解决了单一部门能力不足的问题，流程嵌入解决了业务活动与会计处理脱节的问题，节点约束降低了资本化判断的主观性，成本追踪提高了初始计量的可靠性，合规审查守住了权属和安全边界，持续评价则保障了数据资产后续价值的真实性。

数据资产入表的经济后果不宜简单理解为报表项目增加或股价短期上涨。更值得关注的是，相关确认与披露是否改善外部投资者、债权人和供应商对企业数字化能力的可观察性，并通过市场反应、融资结构和估值参数形成可解释的案例证据。

（一）资本市场反应与价值相关性检验

本文以南钢股份数据资源入表的公开披露为事件，考察资本市场对新增会计信息的反应。事件日包括两个时点：其一，2024年4月23日公司发布2024年第一季度报告，首次列示数据资源相关项目；其二，2025年3月19日公司披露2024年年度报告，明确提出以“数据+模型”为载体的数据资产入表路径，并披露全年实现数据资产入表超1 000万元。考虑到钢铁行业周期波动较大，本文以沪深300指数作为市场组合，采用市场模型估计正常收益：Rit=αi+βiRmt+εit，并据此计算异常收益AR和累计异常收益CAR。估计窗口为事件日前第180至第30个交易日，事件窗口设定为[-1,1]、[-5,5]、[-3,3]和[0,3]。检验结果如表4所示。

首次披露日[-1,1]窗口CAR为-4.47%，表明投资者对数据资源这一新型资产列示保持谨慎；窗口扩展后CAR转正，2024年年度报告披露后的[0,3]窗口CAR达到5.53%。由于各窗口T值总体未达到常用显著性标准，这些结果不能被解释为稳定的超额收益证据，但呈现出由短期审慎向渐进识别转变的方向。为进一步观察信息环境变化，本文对南钢股份2019～2025年年度报告进行文本抽取，统计“数据资产”“数据资源”“入表”“数据要素”“可信数据空间”“炼数成金”等核心词项。核心入表词频由2023年的9次升至2024年的21次，2025年进一步升至29次；同期“数字化”“人工智能”“大模型”等泛数字化词频由23次增至37次。更重要的是，披露语汇由一般数字化转型叙事逐步转向“数据资源—入表—可信数据空间—炼数成金平台”等制度化语言。事件反应与文本证据共同表明，南钢股份数据资产入表实践提高了外部信息使用者观察其数据治理能力的入口，但资本市场对该类资产的定价仍处于学习阶段。

（二）会计信息质量、融资约束与商业信用改善

从报表视角看，南钢股份的数据资产入表并未采取激进的评估增值路径，而是在现行会计准则框架下以历史成本进行确认。2024年年报披露，公司将数据资产管理融入“智改数转网联”项目管理全过程，全年实现数据资产入表超1 000万元；2025年年报进一步披露，自主研发“炼数成金”数据资产管理平台，实现数据资产入表2 324万元，核心数据资产入湖率超过95%。从金额看，该规模相对于南钢数百亿元资产总额并不大，难以单独改变财务结构；但从会计信息质量看，连续披露使原本散落于系统建设、数据治理和模型训练中的投入具备了更清晰的确认边界。

这一变化首先体现在资产负债表和利润表的匹配关系（如表5所示）上。从表5可以看出，南钢2025年年末开发支出为2 834.63万元，较2024年年末957.55万元增长196.03%，说明仍有相当部分数据项目处于开发或待验收阶段；已达到预定用途的部分则转入无形资产项下的数据资源。与将相关投入全部费用化相比，这种处理更能反映数据项目跨期受益的特征，但前提是资本化边界足够审慎。南钢所采用的“权属合规+‘五可’”标准和“立项节点硬切割”，实质上是在降低研发资本化中的管理层裁量空间，这一点比入表金额本身更具会计研究价值。

2023～2025年公司资产负债率由61.28%降至58.07%，销售净利率由3.09%升至4.76%，净利润增长率在2025年转正并达到25.78%。这组数据不能直接证明数据资产入表独立导致业绩改善，因为钢材价格、海外项目投产、资产结构调整都会影响利润和负债率。但至少说明，南钢在推进数据资产化的同时，报表并未出现因资本化而掩盖经营压力的异常扩张；相反，入表金额保持在审慎范围，报表改善更多来自经营效率和融资结构的共同变化。

融资约束方面，将合同负债、应付账款、应付账款周转率和借款结构作为观察变量的思路可以保留，但结论需要更克制。供应商是否延长账期、银行是否愿意提供更长期限资金，本质上取决于企业履约能力、经营现金流和信息透明度。数据资产入表通过规范披露数据治理流程和项目成本，降低了外部主体识别企业数字化能力的成本，因此可被视为缓解信息不对称的一项补充信号。2021至2025年南钢内源融资规模由165.17亿元增至191.40亿元，2025年长期借款占有息融资比重升至73.70%，表明公司融资期限结构更趋稳健。商业信用指标方面，2024年以后应付账款占收入比重上升、应付账款周转率下降的趋势，与供应商信用支持增强方向一致，但由于单案例无法排除采购节奏、价格周期和集团信用背书等影响，本文仅将其作为与信号传递机制相互印证的案例证据。

因此，南钢股份数据资产入表的贡献不是通过小规模资产确认直接“做大”报表，而是将数据项目的权属、成本、进度和应用边界纳入可审计轨道。对重资产制造业而言，这种披露的意义在于给债权人和供应商一个更稳定的观察入口，使他们能够把数字化能力从管理层叙事中剥离出来，转化为可核验的项目、金额和制度安排。

（一）为什么多数企业暂时不入表

本文框架能够解释为何面对《暂行规定》多数企业仍对数据资产入表保持谨慎。第一，许多企业虽已建设数据平台，却尚未形成清晰的控制证据。数据分散于不同系统和部门，来源、授权、权限和安全边界不清，难以支持实质控制判断。第二，许多企业虽有数字化项目，却未形成可追踪的成本对象。项目边界模糊、人员和算力跨项目共用、间接支出难以分摊，使成本可靠计量不足。第三，许多企业能够描述数据价值，却难以提供可验证的收益路径和后续评价。数据应用对降本增效的贡献往往与其他管理改进共同发生，难以独立识别。

由此可见，数据资产入表能力并非由数据规模单独决定，而是由数据治理、内部控制与会计核算基础共同塑造。拥有更多数据的企业未必更容易入表，只有能够将数据转化为控制证据、成本证据和收益证据的企业，才更可能实现可靠确认。该结论也构成本文对企业间入表差异的机制解释。

（二）为什么制造业数据资产入表的实现路径不同于平台型企业

制造业与平台型企业的数据资产入表路径存在差异。平台型企业的数据资源往往与用户、交易、算法推荐和外部数据服务直接相关，价值实现可能更多体现为数据产品销售、精准营销或平台交易效率。制造业数据则深度嵌入生产过程，更多通过质量控制、能耗优化、设备维护和供应链协同间接产生经济利益。

因此，制造业数据资产入表更依赖内部控制和成本归集，而平台型企业可能更关注数据产品边界、用户授权和商业化交易。南钢案例的价值在于，它提供了长流程制造企业如何把生产数据、模型开发和会计计量连接起来的证据。其一般性并不是所有企业都可以照搬“三线五步法”，而是所有企业都需要回答同一组会计问题：控制证据在哪里、成本对象如何界定、收益路径如何说明、后续价值如何复核。

（三）为什么历史成本路径具有制度合理性

部分观点可能认为，数据资产真正价值远高于历史成本，因此应采用公允价值或收益法体现其经济价值。但在当前制度和市场环境下，这一做法存在较大风险。数据资产缺乏活跃市场，收益高度依赖场景和组织能力，估值模型参数难以客观确定。如果以主观估值作为入账基础，反而可能降低会计信息可靠性。

南钢没有采用评估增值路径，恰恰体现了制度理性。历史成本路径降低了估值假设对入表金额的影响，也使审计人员能够围绕真实发生的成本、项目边界和后续摊销进行复核。数据资产的经济价值可以通过披露、管理层讨论和后续经营绩效逐步体现，但资产负债表确认应优先保证可验证性和谨慎性。

（一）研究结论

本文以南钢股份为案例，研究数据治理能力如何转化为会计可验证性，并据此解释企业数据资产入表差异。研究发现，南钢股份能够实现数据资产入表并非因为其简单拥有更多数据或采用更激进估值，而是因为其通过权属治理、“五可”筛选、项目编码和“三线五步法”形成了控制证据、成本证据和收益证据。这些证据共同提高了会计可验证性，使数据资源能够在审慎历史成本路径下进入资产负债表。

进一步的机制证据显示，数据资产入表的经济含义主要体现为信息质量改善和外部可观察性增强。资本市场反应呈现渐进识别特征，年报文本从泛数字化叙事转向会计确认语言，融资结构变化与信息环境改善方向一致。上述证据不支持“入表即强利好”或“一次性价值重估”的叙事，而支持“会计可验证性提高—外部识别改善”的渐进机制。

（二）研究启示

对企业而言，推进数据资产入表应先建设证据链，而不是先追求入表金额。企业需要从数据来源、权限控制、项目立项、成本归集、上线验收和后续评价等环节形成可复核资料。没有证据链的数据治理，难以进入会计确认；只有可验证的数据治理，才可能形成可靠资产。

对监管和准则制定机构而言，可进一步细化制造业数据资产入表的成本归集、研发阶段划分、数据控制证据和后续计量披露要求。相比强调数据价值释放，更需要明确何种证据能够支持资产确认，以降低企业执行差异和审计分歧。

对投资者和债权人而言，评价企业数据资产入表质量时，不宜只看入表金额大小，而应关注入表金额背后的权属证据、项目边界、成本归集口径、摊销减值政策和持续披露质量。数据资产的决策有用性来自可验证信息，而不是数字化叙事本身。

（三）研究局限

本文基于单案例展开，主要目标是理论建构和机制解释，尚不能替代大样本因果识别。经济后果部分使用事件反应、文本披露和融资结构作为机制证据，仍难以完全排除行业周期、公司其他信息和宏观融资环境影响。后续研究可以构建多案例比较或大样本数据库，进一步检验会计可验证性、数据资产入表和资本市场识别之间的关系。