數據資產的會計計量問題研究

張雪 張楠 吳武清

【摘要】在數據市場蓬勃發展的背景下，對于數據資產的會計計量相關問題卻一直未有明確的規定。文章首先對大數據資產概念進行界定，并對大數據資產的特征和分類進行研究；基于此將數據資產的特點與會計理論中的資產的計量理論進行比較分析，從而來對數據資產的計量問題進行深入研究，以期對數據資產的會計計量問題提出一些有針對性、有價值的意見和建議，積極推動數據資產會計理論研究的完善。

【關鍵詞】大數據；數據資產；會計計量；計量屬性

【中圖分類號】F234

★ 本文獲國家自然科學基金面上項目（71871216）和中國人民大學科學研究基金（中央高校基本科研業務費專項資金資助）項目（21XNA023）資助。

一、引言

當前已經全面進入互聯網時代，大數據概念的產生以及大數據技術的應用為許多行業都帶來前所未有的變革。根據《2021中國大數據產業發展白皮書》，2021年我國大數據產業規模超過7000億元，預計到2023年我國大數據產業規模將突破12 000億元，數據已經成為市場化配置的關鍵生產要素。伴隨著大數據的應用普及以及數據處理技術的不斷提高，大數據的應用已經在企業的發展中占有重要的戰略地位，對數據進行資產化有助于強化企業的數據意識，幫助其科學地作出經營決策，對數據資產價值的正確認識可以提高企業經營管理的效率，推動企業進行科學的資源化管理。數據資產的重要性在日益增加，需要一套科學的理論和有效的方法來對企業的數據資產的價值進行合理的評估和計量。

隨著競爭的日益激烈，企業為了獲取優勢，開始建立一種獨特的管理模式，即“數據驅動創新，數據驅動管理、數據驅動決策、用數據說話”，不斷開展大數據的交換活動。然而，對于數據資產的計量相關事項，我國的《企業會計準則》尚未做出統一規定。對于大數據的廣泛應用給企業管理帶來的變化，會計工作應當據此進行改革和創新，規范數據資產的會計計量方法。然而在已有的研究中，大多數都在討論數據資產的定義及特性方面，而對于數據資產會計處理的相關問題，在國內外都沒有明確及有指導性的研究，研究內容都停留在較淺的層面，缺乏系統性和深度。本文在梳理了已有關于數據資產的研究后，建立了關于數據資產的定義、分類、價值等特性的理論基礎，并參考了會計領域的相關準則和法規政策等，以期對數據資產的會計計量問題提出一些有針對性、有價值的意見和建議，積極推動數據資產會計理論研究的完善。

二、文獻綜述

在國外的研究中，相較于國內更早地關注到了數據成為資產的價值，而在大數據的相關研究中大多數是集中在概念判定、技術難點等方面的研究，麥肯錫全球研究所在2011年就曾提出大數據在商業領域和經濟發展等領域內具有強大的發展潛力。同年，Brynjolfsson等[1]發現，利用恰當的數據分析來輔助決策相較于不會利用數據的企業，其生產率大概能高5～6個百分點。

國內學者對于大數據的相關研究主要集中在數據挖掘技術、分析技術、分布式處理等方面。而對于數據資產的經濟價值研究，主要包括數據資產計價、會計處理、價值分析模型等方面。首先，大數據的資產化是一個不可阻擋的趨勢，秦榮生[2]認為數據資產化是未來的必然趨勢，數據資產將成為未來最重要的資產，數據資產確認為資產要可靠計量數據的成本或價值。康旗等[3]對數據、數據資產和大數據的概念進行區分研究，并提出了對數據資產進行會計確認的必要條件，認為應將數據資產納入無形資產的內容共同進行核算。鄭英豪[4]介紹了數據資產的特征，并對大數據資產的獲取途徑及其盈利方式進行了詳細的分析，指出對大數據應該進行資產化管理。其次，對于數據資產的會計計量問題，劉玉[5]認為為了對數據資產進行會計計量，應該在無形資產的科目下新設一個二級科目，即“數據資產”。唐薇[6]則認為企業自行產生建造的數據資產應參考無形資產研發的相關規定。張俊瑞等[7]引入軟資產指代廣義無形資產，認為數據資產應區別于現有的無形資產，企業可確認計量的數據資產屬于軟資產范疇。侯艷英[8]認為數據資產計量的常用方法包括成本法、收益法、市場法，三種方法各有利弊。

學者們和專家們都已經深刻地意識到數據資產的時代經濟價值，呼吁眾多企業重視數據資產的建設，但是對于一些細節問題的把控尚不成熟，沒有形成一個系統的處理模式。

三、數據資產的概念界定

（一）數據資產的定義

為了便于更好地理解數據資產的會計計量問題，本文參照《企業財務會計報告條例》對資產的定義給出以下對數據資產的定義：數據資產，是指由過去的交易及事項形成的、企業或組織擁有或控制的、預期能夠給企業或組織帶來經濟利益的不具有實物形態的數據資源。首先，數據資產是由過去的交易及事項形成的，而不能是預期將要發生的，比如公司擬購買某數據庫，但還未形成交易，那么就不能確認為數據資產；其次，該數據資源要由企業或組織擁有或控制，包括企業或組織通過合作、購買或租賃的方式向其他數據生產者獲取的數據資源以及企業在生產經營過程中自行產生獲取的數據資源；另外，該數據資源要能直接或間接給企業或組織在未來帶來經濟利益，可以通過利用數據改善經營，也可直接出售數據；最后，該項資產需求是數據資源的形態，例如操作和統計數據、系統信息表等。

（二）數據資產的分類

對數據資產進行合理地分類，有助于我們更好地理解其價值，針對本文的研究，現從數據取得方式的角度將數據資產劃分為三類：第一類是指第一方數據資產，即甲方數據資產，是由數據的產生及存儲方所直接擁有并使用的，例如公司為客戶提供服務的過程中產生的大量交易信息數據，包括瀏覽歷史、停留時間、個人信息等。第二類是第二方數據資產，即乙方數據資產，是指從其他數據產生方以外購的方式獲得數據源，或者直接和加工使用，例如很多專業的大數據公司為用戶提供的消費偏好、征信情況等需要通過一定程度的數據挖掘來使其產生價值的數據。第三類是第三方數據資產，指其他的隱私數據資產，一般是通過甲方和乙方都無法獲取的，而是利用爬蟲、黑客等非官方渠道來獲取的數據，考慮數據確權問題的復雜性，對這一類數據本文暫不做討論。

（三）數據資產化的過程

數據在經歷了資產化的過程后才會產生價值，這一過程包括三個板塊：建立數據控制體系、數據量化加工以及數據包裝變現。第一，在建立數據控制體系時，需要將行業數據進行標準化處理，建立數據的標準體系，對分散于各行業不同業務間的數據提出統一的基準，以確保該行業的資產標準保持一致，另外還需處理數據的隱私問題和數據歸屬權問題等，例如將數據資產按重要程度來區分隱私的等級，合理控制數據的安全性。第二，數據量化加工處理的階段，是數據所有者對數據進行一些標簽設置、數據抽取、填充等操作以使龐雜冗亂的數據產生可用性的過程。第三，將數據進行包裝變現的過程，這一過程往往是針對數據的應用領域或其實際用途來對數據的質量和價值進行評估并設置好訪問接口的過程，以使包裝后的數據可以直接變現使用。

四、數據資產的會計計量屬性

（一）影響數據資產計量屬性選擇的因素

會計計量的核心在于選擇恰當的計量屬性以及計量單位，FASB第5號財務會計概念公告《企業財務報告的確認和計量》提出了歷史成本、重置成本、可變現凈值、未來現金流量現值、公允價值5種計量屬性（見表1）。

從時間維度上來看，歷史成本所反映的是過去的信息，是資產在過去的價值，其他計量屬性所反映的一般都是現時的價值。雖然現在我們已經在跨入數字化時代的路上，但在會計計量模式和觀念上還處于比較傳統的歷史成本計量屬性上，體現的是過去投入的價值，不能滿足信息加速下的數字化時代需要。雖然歷史成本是相對容易獲得的、可以驗證的，成為了過去長期以來通行的主流計量屬性，但由于會計計量對象的豐富性增多，特殊性加強，經濟環境也產生了一定的變化，尤其是像本文所討論的數據資產，歷史成本通常難以直接獲得，此時歷史成本計量屬性就呈現出明顯的局限性。

伴隨著會計環境的變化、對信息質量要求的提升，歷史成本這一屬性越來越受到考驗，其他幾種計量屬性越來越得到重視，尤其是隨著我國逐步向國際會計準則趨同，公允價值計量屬性沖破了以往的限制，漸漸深入到會計實務中得以廣泛應用。在實務應用中，對會計計量屬性的選擇并不具有排他性，尤其是在近些年經濟市場趨向成熟的背景下，可以以歷史成本屬性為基礎，針對特殊的市場環境兼容采用其他幾種不同的計量屬性，以更好地適應經濟發展的需求。本文參考在傳統的資產計量屬性選擇上可能造成影響的原因，并將數據資產不同于傳統資產的獨特性納入考慮，在選擇數據資產的計量屬性時，應關注以下幾點因素：

1.構建恰當的理論基礎

在會計計量屬性的選擇過程中，由于理論基礎的差異，會呈現不同的選擇傾向。在事實性理論基礎上，會計主體在某一會計期間的真實經營成果更為重要，選擇歷史成本法更有助于客觀反映這一結果。而在目的性理論基礎上，會更加注重會計信息使用者的需求，主觀性較強，導致在計量屬性選擇上的差別。因此在選擇數據資產的計量屬性時，應首先構建一個恰當的理論基礎。根據決策有用性目標，應參考目的性理論基礎，考慮數據資產信息使用者的需求，以滿足會計目標，提升決策的有用性。

2.適應經濟市場發展水平

經濟市場發展水平也會對數據資產的計量屬性選擇產生一定影響，如果數據資產的市場化程度不高，那么對公允價值計量屬性就會有一定的限制作用，因為公允價值是依賴市場參與者所達成的共識，是在有序交易的市場狀態下產生的，需要在計量日前一段期間里數據資產的交易呈現出有規律可循的狀態。就目前來看，甲方數據資產的交易市場顯然不夠活躍，還無法達到這一水準，限制了公允價值計量模式的選擇。

3.考慮數據資產的特點

相較于傳統意義上的資產，數據資產具有獨特的特點，這些特點對其計量屬性的選擇亦會產生一定影響。第一，增值性，數據資產在初期投入較大，但伴隨著技術的進步、市場的發展，后期的經濟利益流入可能會遠遠超出投入價值，不適于再采用投入價值去計量，將該特性納入考慮后所獲取的計量信息才會是可靠的、真實的；第二，價值波動性，數據有著強烈的時效性，在不同時點的價值會產生較大幅度的波動，且有的數據資產是可以多次重復使用的，需要實時去關注數據資產的價值變化，對其賬面金額進行適當的調整，以保證會計信息的真實性、可靠性。

（二）數據資產計量屬性選擇分析

對于數據資產的會計計量，可以從兩種角度來進行分析，一種是投入價值角度，一種是產出價值角度。歷史成本和重置成本計量屬性是從投入價值的角度來衡量，兩者都是以成本作為計價的基礎，往往用來對有形的資產進行計量。投入價值的角度通常比較客觀、比較容易驗證、可靠性較強，卻無法依此進行動態計量，無法反映資產價值的變化，只能去度量交易的某一部分。其他三種計量屬性則是從產出價值的角度來進行衡量，充分體現出資產在未來期間會產生經濟利益流入的特點，相較而言，產出價值的角度更看重資產在未來期間的產出，可以說對投入價值角度的不足之處有一定的彌補作用，但也存在一些缺點，例如可靠性不足、高估資產價值等。

第一，從投入價值角度來看，數據資產不同于傳統資產，它在一定程度上具有無形資產的某些特點，同時它又具備了實物資產的某些特點，例如數據資產在形成、使用、存儲時會需要大量人力、財力的投入，數據資產的計量無法忽略其歷史成本。因此，根據數據資產的不同特性，甲方數據資產一般是由公司自身產生和儲存，有獲利能力但不容易對其以貨幣進行量化，基于穩健性及可靠性原則，可采用歷史成本屬性對甲方數據資產進行計量。考慮到會計信息質量要求的相關性、及時性，可在期末對數據資產的價值進行評估并進行披露。

第二，從產出價值角度進行分析，將數據確認為一項資產必備的一個重要條件就是預期能給企業帶來經濟流入。如果采用未來現金流量現值來對其進行計量，便可以恰當的反映出這項資產在未來期間所能產生的經濟流入，從而來衡量數據資產的價值，充分體現數據資產的盈利能力以及實際價值預期，并體現出前文所述的數據資產的“增值性”特點。從理論層面考慮，未來現金流量現值屬性是比較適合數據資產的計量屬性，但若將經濟市場環境因素同時納入考慮，數據資產仍屬于一種特殊的新資產，其預期的收益難以確定，經濟價值難以在短期內準確地用貨幣價值進行反映，因此未來現金流量現值屬性還無法恰當地在實際中得以應用。未來數據資產的交易普及后，采用未來現金流量現值進行計量的條件也會更加成熟。

同樣地，公允價值計量屬性亦可體現數據資產的“增值性”特點，以公允價值來計量需要市場上有類似交易存在，可獲取較為詳細的交易信息，現在已經出現了一些比較權威的大數據交易平臺，如“貴陽大數據交易所”，如果在各數據交易所市場中有同類或相似的數據資產在交易，即可視為該項數據資產有公開報價，并作為其公允價值進行計量。大數據時代發展勢頭迅猛，數據資產的種類在交易市場上會越來越豐富，公允價值計量模式將在短期內實現普遍適用。尤其是對于乙方數據資產購買后直接使用的類型來說，一般通過外購方式取得，在市場上的交易活躍程度較高，容易獲取公開報價，可按照公允價值屬性對其進行計量，即便暫時無法獲取公開報價，也可采用數據資產評估的方法獲取公允價值，或者按照獲取該項數據資產時的對價來確認金額。

五、數據資產的會計計量

基于以上對數據資產計量屬性選擇的分析，不同種類的數據資產對計量屬性的要求不同，以下將分別對甲方數據資產和乙方數據資產的初始計量進行分析。

（一）數據資產的初始計量

1.甲方數據資產的初始計量

在甲方數據資產的獲取過程中，企業通過投入大量人力、物力等資源來搜集數據、整理分析、研究開發，最終使數據產生價值，這一過程需要較高的技術要求，且耗費較大，和無形資產的形成過程有著相似之處，因此可以部分參考無形資產的初始計量模式。

在關于無形資產研發的初始計量規定中，因為研發活動存在風險及收益的不確定性，所以將這一過程進行再次的區分，包括研究階段和開發階段。研究階段的支出應當一律計入當期損益，開發階段符合一定條件的支出可進行資本化處理，作為無形資產的成本入賬。當前大數據的獲取、處理等相關技術豐富多變，但從整體上來看，大多數甲方數據資產的形成過程可分為四個環節：數據采集、導入及預處理、統計分析、數據挖掘。雖然大數據產生的總價值很高，但現階段其價值密度普遍較低，數據資產的挖掘過程也存在著風險和收益的不確定性，有可能出現數據資產所形成的收益增長還不足以彌補建造大數據研究開發團隊或平臺所投入的價值。出于穩健性的原則，可以將甲方數據資產的研發費用區分為研究費用及開發費用，將過程中發生的研發人員工資、設備折舊等相關費用分別確認為費用化支出和資本化支出，對于其中不能進行區分的部分進行費用化處理，并計入當期損益。

介于數據資產在研發過程存在較高的復雜性，要將其研發過程嚴格區分為研究階段及開發階段并不容易。但基于上文中所提到的甲方數據資產的一般形成過程，數據采集、導入及預處理尚處于初期的收集整理階段，不確定性較大，導致風險也比較高，所以可以將這兩個過程中所產生的支出進行費用化處理，計入當期損益。而統計分析、數據挖掘的過程是在已經完成了整理并進行預處理之后進行的，已經可以較為確定能夠挖掘產生有價值的信息，可以為企業帶來經濟利益流入的確定性比較強，所以對于這兩個過程中產生的支出，可以將滿足資本化條件的部分計入數據資產的成本，作資本化處理。因此，甲方數據資產可按歷史成本計量屬性進行初始計量。

2.乙方數據資產的初始計量

由于乙方數據資產可能存在不同的使用方式，以下將分別對兩種不同類型的乙方數據資產的初始計量進行討論。

（1）大數據交易所購入后直接使用

目前已經出現一批大數據交易平臺，例如貴陽大數據交易所、上海數據交易中心、聚合數據、數據堂等，其主要業務就是提供大數據的交易服務，為數據的擁有者和需求者搭建一個交易的平臺，并對數據進行定價以及交易結算。貴陽大數據交易所在運營的模式和制度規范上具有一定的先進性，其出售的是在源數據的基礎上，通過清洗、分析、建模而得出可視化的結果，購買數據資產后可以直接投入使用。通過購買取得后直接使用的乙方數據資產在交易市場中容易獲取公開報價，可以找到同類或相似的數據資產的交易，可按照公允價值計量屬性來對其進行初始計量，相關的交易費用計入當期損益。

（2）購買后需加工使用

除了從大數據交易平臺購買后直接使用的乙方數據資產，還有一種情況是購買加工后再進行應用，比如數據服務商先從其他方購入源數據，然后經過數據清洗、挖掘加工后使用。在取得數據時，應先按實際支付的價款，在使該項數據資產達到預定用途前產生的相關支出以及相關稅費計入數據資產的成本。之后的加工及研發過程，可參考甲方數據資產的初始計量區分階段入賬。

（二）數據資產的后續計量問題研究

數據資產的后續計量是在該項數據資產使用期間發生的會計事項，內容包括數據資產的后續支出、攤銷、減值和處置。

1.數據資產的后續支出

隨著信息技術的更新和時間的推移，會產生源源不斷的新數據，如果不及時進行更新，后續投入會對數據資產的價值和使用壽命產生較大的影響。對數據資產的后續支出可分為技術性支出和非技術性支出。其中技術性支出是指在數據處理、技術更新、數據采集以及處理挖掘等形成數據資產的新價值方面的支出，應對其進行資本化處理，增加數據資產的價值；非技術性支出是指一種物理上的更新投入，無法給數據資產造成功能性的改變，比如數據資產的維護、存儲等費用，應當進行費用化處理，將這一類支出計入當期損益。

2.數據資產的攤銷

（1）預估使用的壽命

作為一種新興的資產，目前對于數據資產的具體攤銷年限，并沒有明確，對于不同的數據資產有效的使用年限，需要綜合考慮多種因素，才能有一個比較準確且符合實際的估計。由于大數據的更新性，數據市場的活動和企業內外部的數據環境、經濟環境的變化都會對數據的使用期限產生影響，有的歷史數據甚至可能失去價值，無法提供決策參考，因此數據資產的使用壽命通常是有期限的。數據資產使用期限的估計存在一定難度，主觀性較強，需要綜合參考其影響因素來進行預估。

（2）攤銷的方式

數據資產的價值可能會短期內或在多個會計期間重復使用，其價值也可能隨著一次次的應用而轉移到經營成果中去。在對數據資產的使用期限預估計基礎上，需要在預計期限中對數據資產的價值進行攤銷。加速攤銷法比直線法更符合數據資產的特征。首先，數據資產的更迭非常快，但隨著新數據的更迭以及外部環境的改變，某一個時點的數據所能帶來的經濟價值是隨著時間的推移逐步在減少的；其次，數據的更新、技術的革新是一種不可阻擋的趨勢，采用加速法在前期將較大額度的金額攤銷后，其剩余成本較小，風險也更小。

3.數據資產的減值

相比于傳統的資產，數據資產由于其更新性、時效性，更容易產生價值的變動，隨著時間的流逝可能會產生較大程度的貶值。對數據資產的減值計提、減值準備不僅符合會計的決策有用觀，可以向信息使用者提供決策相關的真實財務信息，滿足會計信息質量要求。企業應在每個會計期末通過對數據資產進行減值測試，若其實際價值低于賬面價值，應對數據資產計提相應的減值準備。

4.數據資產的處置

當一項數據資產已經確定無法為企業帶來經濟利益流入時，即已經不符合數據資產的定義，應對其進行處置，轉銷其賬面價值并計入當期損益。在數據資產出售時，對于以數據資產交易作為經營業務的類似數據服務商這一類主體，應將收入計入主營業務收入；而對于其他不以數據資產交易作為經營業務的主體，應計入營業外收入或營業外支出。

六、研究結論

無論是從經濟發展的需求來看，還是會計實務的要求來看，都需要將可帶來經濟利益流入的數據確認為一項資產，以對其背后隱藏的巨大經濟價值進行反映。本文對數據資產的相關理論進行了闡釋，并對數據資產的特征和分類進行討論，將數據資產的特點與會計理論中的一般資產計量理論進行比較分析，從而來對數據資產的計量問題進行深入研究，創新性地構建一個較為完善的數據資產會計計量處理方式。本文認為對于不同種類的數據資產，應使用不同的計量屬性來對其進行計量，對于甲方數據資產以及乙方數據資產中購入加工后使用的，采用歷史成本計量屬性；而對于乙方數據資產中在交易所購入的數據資產，采用公允價值進行計量。

在實際的應用中，由于每一項數據資產的研發和使用過程的獨特性，很多細節問題還存在爭議或困難，比如研發階段資本化支出和費用化支出的劃分、攤銷年限的確定等，由于主觀和客觀上的認知差異，可能造成實際應用中的困難。隨著數據技術以及人工智能的發展，或許可以構建一個完備的模型來對數據資產的價值進行計量，這仍需要較長時間的研究探索，就目前來看，歷史成本及公允價值計量還是具有一定的實用性。

主要參考文獻：

[1]Brynjolfsson E，McAfee A. Race against the machine： How the digital revolution is accelerating innovation， driving productivity， and irreversibly transforming employment and the economy[M]. Brynjolfsson and McAfee，2011.

[2]秦榮生.企業數據資產的確認、計量與報告研究[J].會計與經濟研究，2020，34（06）：3-10.

[3]康旗，韓勇，陳文靜，劉亞琪.大數據資產化[J].信息通信技術，2015，9（06）：29-35.

[4]鄭英豪.大數據與企業大數據的來源[J].上海經濟，2015（Z1）：98-100.

[5]劉玉.淺論大數據資產的確認與計量[J].商業會計，2014（18）：3-4.

[6]唐薇.大數據交易會計處理問題研究[J].財會研究，2016（07）：37-38.

[7]張俊瑞，危雁麟.數據資產會計：概念解析與財務報表列報[J].財會月刊，2021（23）：13-20.

[8]侯彥英.數據資產會計確認與要素市場化配置[J].會計之友，2021（17）：2-8.