在“数据要素”越发得到重视的背景下，包括银行在内的企业机构正推进数据资源入表。此次，《银行科技研究社》在24家银行（6家国有银行、12家股份制银行以及北京银行、上海银行、江苏银行、宁波银行、南京银行、杭州银行等城商行）近期发布的2025年报中进行搜寻发现，有多家银行透露了数据资源入表情况。

数据资源入表：中信银行1902万、杭州银行682.6万、宁波银行600万、恒丰银行345万

此前，银行的无形资产主要包括土地使用权、计算机软件及其他。而根据财政部发布的《企业数据资源相关会计处理暂行规定》（以下简称“《暂行规定》”），符合无形资产或存货的定义和确认条件的数据资源，相应确认为无形资产、开发支出或存货，并规定单独进行列示和披露。

因此，部分银行的无形资产中目前已包含“数据资源”，其中有些银行在年报中进行了明确量化披露。

中信银行方面，无形资产主要包括土地使用权、计算机软件及数据资源等，按成本进行初始计量。其中，数据资源的预期使用寿命为3年。

截至2025年12月31日，中信银行依据《暂行规定》，确认为无形资产的数据资源的原值1902万元（2024年末为579万元)，累计摊销为362万元（2024年末为85万元)，净值为1540万元（2024年末为494万元)。

恒丰银行方面，除土地使用权外的无形资产主要为软件和数据资源，使用寿命通常为3至10年。

截至2025年12月31日，恒丰银行依据《暂行规定》，确认为无形资产的数据资源的原值为345万元，累计摊销为76万元，净值为269万元。而对比2024年末的数据，彼时确认为无形资产的数据资源的原值为112万元，累计摊销为11万元，净值为101万元。

宁波银行对于符合无形资产定义和确认条件的数据资源，相应确认为无形资产，使用寿命为3年。

从数据来看，宁波银行数据资源的原值在2025年初为600万元，全年未增未减，年末仍为600万元；累计摊销上，全年增加200万元。因此，截至2025年末，账面价值为400万元。

杭州银行也提到，无形资产包括土地使用权、软件和数据资源，以成本计量。其中，数据资源的使用寿命为3-5年。

从数据来看，杭州银行数据资源的原值在2024年增加348.3万元，2025年增加334.3万元，截至2025年末数据为682.6万元。累计摊销上，2024年为20.9万元，2025年为129.9万元。关于净值，2024年末为327.4万元，2025年末为531.8万元。

此外，还有银行也提及数据资源入表，不过未透露具体的数值。

中国银行表示，无形资产为该行拥有和控制的没有实物形态的可辨认非货币性资产，包括土地使用权、电脑软件、数据资源等。其中，电脑软件、数据资源等无形资产按实际取得时的实际成本扣除累计摊销以及减值准备后的净值列示，并按照预计使用年限平均摊销，计入当期利润表中的“业务及管理费”项目。

浦发银行提到，数据资源在满足无形资产确认的条件下，从购入月份或达到预定用途月份起按照有关的经济利益的预期实现方式实施摊销，使用寿命的确定重点关注数据资源相关业务模式、权利限制、更新频率和时效性、有关产品或技术迭代、同类竞品等因素。

而早在2024年报中，浦发银行曾表示，其按照《暂行规定》，制定“数据资源入表五步法”，开展外部数据采购类、算法模型开发类数据资源梳理和盘点，积累数据资源入表场景，实现数据资源入账零突破。

部分银行未披露相关后续进展，数据资源入表仍存在难点

《银行科技研究社》发现，光大银行曾在2024年报中提到数据资源入表情况，彼时透露，截至2024年12月31日，集团及该行其他无形资产中包含数据资源约1809万元。

不过，光大银行未选择继续在最新的年报中进行相关披露。该行2025年报显示，无形资产为该行拥有和控制的没有实物形态的可辨认非货币性资产，包括土地使用权、计算机软件及其他无形资产。

事实上，华夏银行也曾在2024年报中表示，统筹推进全行数据要素化建设，积极推进数据资产估值入表，形成以数据资产驱动的银行价值增长模式。该行梳理数据资产管理现状，形成数据资源入表实施方案与核算方法；以推动数据资产入表为契机，探索数据资产价值评估。但在2025年报中也没有后续进展。

据《银行科技研究社》了解，近年来，部分银行开始推进数据资源入表，或是因为财政部发布的《企业数据资源相关会计处理暂行规定》于2024年1月1日起施行，该规定对数据资产入表（计入财务报表）提供了原则性的指导。

《暂行规定》适用于企业按照企业会计准则相关规定确认为无形资产或存货等资产类别的数据资源，以及企业合法拥有或控制的、预期会给企业带来经济利益的、但由于不满足企业会计准则相关资产确认条件而未确认为资产的数据资源的相关会计处理。

当然，从最新的年报来看，还有更多银行未披露数据资源入表情况。实际上来说，银行在数据资源入表方面也确实存在难点。

有会计师事务所指出，其中的难点包括：数据权属界定模糊，确权成本高；价值难以衡量，经济利益流入存在不确定性；投入产出比低，内部推动力不足；数据治理要求高，跨部门协同机制缺位等。