近年来，随着钢铁行业数字化转型持续推进，数据资产化进程明显提速，部分钢铁企业已开始探索数据资产入表，并进一步尝试数据产品登记挂牌。不过，由于钢铁行业数据来源广、链条长、系统多，且应用场景复杂，数据资产入表仍面临不少现实难点。

　　在此背景下，2026年2月，中国国际经济咨询有限公司与南钢股份（600282.SH）等单位牵头起草了《钢铁行业企业数据资产入表管理指南》（以下简称《指南》），试图为钢铁行业企业提供一套系统化的数据资产入表管理框架。围绕钢铁企业数据资产入表的关键问题，《中国经营报》记者日前专访了中国国际经济咨询公司数字生态研究院院长傅毅明。

　　傅毅明向记者表示，钢铁行业是典型的流程制造业，既有生产控制数据，也有质量、设备、能源、物流、采购、销售等经营数据，呈现出数据来源广、链条长、系统多、应用场景丰富等特点。也正因如此，钢铁企业在推进数据资产入表过程中，面临的难点往往比一般行业更为集中。

　　《中国经营报》：对于数据应用场景丰富的钢铁行业，数据资产入表有哪些困难？《指南》主要解决的是什么问题？

　　傅毅明：第一，权属和边界识别难。钢铁企业很多高价值数据并不是单一系统天然生成的产品，而是跨工序、跨部门、跨系统汇聚加工形成的，里面往往叠加了工艺知识、管理规则和模型算法，哪些属于可控制的数据资源、哪些属于软件能力、哪些又涉及合作方数据或商业秘密，需要逐项厘清。

　　第二，合规与安全要求高。钢铁企业数据中既有经营敏感信息，也可能涉及供应链协同、客户订单信息。能不能入表，前提是数据来源是否合法合规、授权是否可控、质量是否可验证、安全边界是否清晰。

　　第三，成本归集和会计确认难。数据要进入报表，关键是要满足企业会计准则关于资产确认、研发支出资本化、后续计量和信息披露的要求。钢铁企业很多数据项目是长期建设、持续迭代的，如何把开发成本、模型训练成本、治理成本、运维成本合理区分并可靠计量，是实操中的核心难点。

　　第四，价值实现路径要经得起检验。钢铁行业的数据价值通常不是脱离场景独立存在的，而是体现在降本、提质、增效、协同、风控等经营结果上。只有能嵌入生产经营场景、形成稳定收益预期或提高持续管理效能的数据资源，才更有可能进入资产化和入表阶段。

　　《指南》团体标准能够为钢铁行业企业提供一套系统化的数据资产入表管理框架，指导企业在数据资产的识别、评估、入表及后续管理等各个环节实现规范化操作。

　　《指南》把钢铁企业的数据资产入表明确划分为“入表前管理、入表过程管理、入表后管理”三个阶段，通过系统设计与源头治理以及业财数协同机制提升相关标准的可操作性。并将应用场景设计、数据生产采集、数据盘查、分类分级、安全管理、数据产品加工、资产识别、质量评估、确权合规、价值评估、入表、登记、后续计量和处置串联为一条完整路径。

　　《中国经营报》：我们观察到近年来数据资产化进程明显提速，部分钢铁企业数据资产入表增长率较高。推动钢铁行业企业数据资产入表加速的核心因素是什么？

　　傅毅明：推动钢铁行业数据资产入表加速的核心因素至少有四个。

　　一是政策和会计规则逐步明确，并在企业端加快落地与宣贯。财政部、数据局等多部门陆续出台《企业数据资源相关会计处理暂行规定》等数据要素相关政策，为企业判断数据资源能否入表、如何披露提供了基础规则。

　　二是钢铁企业数字化基础已相对成熟，为数据资产化创造了良好条件。近年来，钢铁行业积极推进智能制造，借助工业互联网实现设备广泛联网，在生产流程、质量追溯、能源管控、供应链协同等环节积累了海量、连续且质量可靠的数据，构建起全面立体的数据网络。

　　三是数据价值实现方式正在发生转变。过去，很多企业把数据治理当作成本投入，价值难以直接量化。如今，钢铁企业更加清晰地看到数据在降本、提质、稳产、风控、供应链协同等方面的实际价值，通过数据资产入表，让原本难以量化的数据价值变得可核算、可计量、可披露；通过数据产品开发，数据也开始进入交易流通环节，推动其从辅助支撑工具向价值载体转变。

　　四是方法论和服务体系逐步成熟。《指南》团体标准的出台，意味着钢铁行业在数据资产入表方面已经不再停留在个案摸索阶段，而是开始形成较为清晰的标准化路径。

　　《中国经营报》：对于钢铁行业，在数据确权、合规、定价、入表方面挑战更大？目前行业的数据资产化现状如何？

　　傅毅明：就钢铁企业而言，最有价值且挑战也最大的，是知识资产和模型类数据资产的确权、定价及入表，例如南钢股份“人工智能百景千模”系统落地的规则模型、数据驱动模型、知识图谱、工艺优化模型等核心资产。原因在于，这类资产往往跨越业务、数据、算法和软件边界，确权上要区分原始数据、加工数据、模型规则和系统功能；合规上要考虑商业秘密、供应链协同边界和内部授权；定价上缺少可比的市场案例；入表上又需要满足成本可归集、预期收益可证明、使用寿命可判断等条件。这类资产通常价值更高，但确认难度也更大。

　　从企业实践来看，目前行业内真正实现公开、连续、可核验披露数据资产入表的企业仍不算多，呈现出“头部先行、类型分化”的特点。

　　总体而言，钢铁行业数据资产入表呈现三大鲜明特征：一是头部企业先行，主要集中在向南钢这种数字化基础较强、治理体系较成熟的企业；二是入表路径差异化，制造型企业侧重生产经营类数据资产，服务型企业侧重产业数据产品入表，逐步向知识、模型、规则等高端资产延伸；三是入表内涵升级，已从单纯的财务核算动作，升级为“资源化、产品化、资产化、市场化、资本化”的综合路径。

　　未来，随着政策持续完善、方法论不断成熟，钢铁行业会有更多企业加入数据资产入表行列，但能否持续、稳健、可审计地推进，核心仍取决于企业的数据治理能力、业财数协同能力和场景落地能力。而专业化、体系化的第三方支撑，也将成为行业规模化发展的重要保障。