數字經濟發展趨勢下企業大數據資產的會計處理問題分析

周華杰 娜比拉·海薩爾 （通訊作者）

（新疆農業大學經濟管理學院，新疆 烏魯木齊 830052）

我國從傳統農業經濟發展為工業經濟，再到互聯網背景下的數字經濟，數據處理分析技術快速發展，商業模式不斷推陳出新，數字技術轉變了傳統實體產業，使數字經濟規模不斷創新發展。數字經濟是將日常生產生活中的數據進行清洗、篩選、存儲、整理，提高企業資源配置，實現數據價值化發展。企業日常生產運行中獲取數據并制造數據信息，隨著時間推移，數據的價值轉變為對未來發展的預測，發揮一定經濟價值，也是數字經濟發展的核心驅動力。數字經濟時代，數據成為重要的生產要求，有助于幫助企業控制風險等級，保持企業產銷平衡，促進企業戰略布局發展規劃更加科學、全面。

一、大數據資產的定義與特點

1.對現有大數據資產定義的擴充

信息化時代，數字經濟成為社會發展主流方式，大數據作為資產已經列入財務報表，但根據企業會計準則要求，并非所有數據都能作為資產列入財務報表，根據相關制度要求，數據資產應是企業過去交易事項形成，作為企業單獨擁有并控制，為企業預期帶來利益增長的資源。大數據具有一定時效性，過于久遠的用戶行為信息在預測企業未來發展價值已經不具備可參考性，雖然可以證實作為企業過去且真實的交易事項，但過了時效，不能作為企業戰略發展決策依據。大數據背景下，數據信息挖掘應切實聯系自身運營實際，并為企業未來戰略發展方向進行預測，結合過去時間內的銷售業務，整理分析后對未來一年內可能發生的事項或交易形成，具有企業控制或擁有的屬性，這些數據資源通過整理和分析，能夠為企業帶來經濟流入的數據庫。

2.大數據資產化需要滿足的條件

企業積累的原始大數據并不能認定為大數據資產，應具備以下條件。第一，數據集合是未來一年內交易形成或者很可能發生的事件。第二，通過交易事項而產生的大數據資產。第三，數據集合應由企業擁有或者控制，企業為了發揮大數據資源作用，應將數據集合作為控制權，在經營活動中挖掘大數據資源，確認不同權屬問題。大數據價值密度低，企業獲得原始數據需要篩選、情緒，結合經營實際才能發揮數據價值，進入資產負債表中。

3.大數據資產的特點

第一，大數據與日常業務密切結合。數據信息可以客觀反映數據本質，記錄企業真實記錄，幫助企業及時發現違規行為。數據服務機構會對原始數據篩選、清晰，根據具體應用實際打包。第二，大數據資產具有一定價值波動性，會因為時間推移導致資產減值，還會因為企業積累和挖掘，發生資產增值，時效性影響也會帶來貶值，大數據處理技術不斷成熟，數據資產價值波動性也較大。第三，大數據資產具有時效性。大數據技術可以實時更新企業運營信息，如果信息采集滯后，不能及時為企業發展帶來科學、全面決策。第四，大數據資產具有風險性。數據挖掘技術可以對原始數據進行挖掘，一旦挖掘失敗，沒有獲得潛在價值數據資源，應將數據加工支出列為當期費用，影響企業利潤，因此大數據資產存在一定風險性。

二、企業大數據資產的會計處理現狀及存在的問題

1.企業大數據資產的會計處理現狀

第一，企業大數據資產的確認現狀。大數據資產會計處理首先應進行會計確認，企業在對原始數據外購環節的價值進行判斷，即便花費大量人力成本、技術成本進行數據處理，也可能難以為企業帶來價值增值，就不能認定大數據資產。企業大數據資產確定包括初始確認、更新后的再確認。如果原始數據通過更新后可以為企業帶來經濟利益，可認定為大數據資產。數據集如果不符合大數據資產，將不能計入資產負債表。企業當前對數據資產確認方式及流程缺乏參照，缺乏對更新加工的數據資產的客觀判斷，未能制定完善制度。第二，企業大數據資產的計量現狀。會計計量是會計確認的第二部分，將符合資產化條件的原始數據展開核算，包括初始計量和后續計量。將滿足資產化條件的大數據資產進行計量，公允地計入大數據挖掘過程中產生的成本。會計計量有助于企業頂層人員掌握大數據資產現狀，并開展科學的經營決策部署，發揮大數據資產價值。會計計量是大數據資產流通交易的基礎，也是記錄大數據資產的入賬價值、后續價值波動、維護支出及處置等。企業只有將大數據與日常經營相結合，為企業未來發展規劃提出科學決策，才能體現數據價值。多數企業未能意識到大數據資產對企業經營業績的超額盈利性和潛在的獲利價值，不能及時更新當前的數據資產，導致大數據資產流程管控不科學，企業價值未能發揮應有水平。第三，企業大數據資產的列報與披露現狀。數字經濟快速發展前提下，大數據資產成為企業競爭核心，大數據資產蘊含的潛在價值及超預期的盈利性可以作為企業無形資產，應采取相應的會計政策進行記錄，確保大數據資產交易的真實性、價格的公允性、信息的可靠性，幫助企業管理者或者投資者了解數據資產帶來的潛在價值及潛在風險，并提高大數據資產管理水平。當前部分企業缺乏對大數據資產列報的重視，并沒有將大數據資產列入財務報表，制約了企業資產價值的客觀體現。

2.企業大數據資產會計處理存在的問題分析

第一，大數據資產的認定不完全。通過對企業財務管理人員調查分析，企業當前對大數據資產認定流程不清晰，缺乏明確的認定標準。對企業更新處理的數據集合，也應按照大數據資產化條件進行判定。更新后的數據集合能否為企業帶來經濟效益，還需要企業開展專項會議進行判斷，是否帶來的經濟利益抵消數據資產加工過程產生的成本。企業未構建單獨的數據管理部門，大數據資產認定流程不全面，對后續大數據資產的計量及管理帶來影響，不能發揮數據資產價值最大化，影響企業潛在價值的挖掘。

第二，大數據資產的計量不合理。當前企業缺乏明確的大數據資產的計量方式，企業所持有的大數據相關科目未能直觀地體現在財務報表中，大數據資產計量缺乏可參照的準則，往往借助財務人員個人工作經驗，計入存貨科目或者無形資產科目，對無潛在價值的大數據資產直接做費用化處理，個別企業對有關大數據資產不做任何會計處理。當前針對大數據資產的計量缺乏統一標準，企業為了抵減當期稅費，將數據加工環節發生的費用計入了當期管理費用，雖然企業得到了抵減稅費便宜，但也忽視了大數據資產帶來的潛在價值，低估了企業潛在價值，很難給外部投資者帶來追加投資信息。部分企業將大數據資產計入“無形資產”科目，可以享受研發費用加計扣除，這種方式企業不僅得到了抵減稅費的實惠，為投資者及潛在投資者增強了信心。大數據資產可以歸類為無形資產，運用歷史成本實施計量，但業內學者認為大數據資產與無形資產具有一定差異，大數據資產受到時效性影響較大，價值具有一定波動性，在不確定因素下，導致數據更新積累增值，應通過攤銷、減值的方式，使大數據資產進行價值增值。大數據對業務具有依附性，應根據企業實際應用場景才能突顯其價值，企業無形資產業務關聯性不大，無形資產帶來的潛在價值低于大數據資產。歷史成本計量注重過去歷史時期的交易事項，對資產的投入及經營管理流程準確呈現。企業投資者注重數字資產為企業帶來的價值，大數據資產計量方式采用歷史成本，將弱化了大數據資產的潛在價值，阻礙了大數據交易市場的完善。大數據資產的后續運營管理應注重大數據的使用，部分企業不能深挖大數據資產潛在價值，未能通過標簽識別、智能化、自動化識別，僅僅注重相關配套業務，局限在企業內部，未能投放到市場中流通與交易。大數據資產帶來價值與后續維護成本相抵消，不符合資產定義，只能變賣或者作廢處理。

第三，大數據資產的信息披露不充分。企業當前持有的大數據資產未能在企業財務報表中體現，附注中也未對大數據資產進行披露。數字經濟發展模式下，企業競爭借助大數據資產，有助于企業提高營銷活動的精準性，規避企業各類運營風險，促進企業經營決策有效性。大數據資產如果表外體現，會影響企業的市場價值，影響各投資主體作出正確選擇。部分企業披露了大數據資產的購入、存儲與使用，但缺乏對潛在價值的挖掘及不確定風險的判定。當前個別企業雖然對大數據資產做了披露，但在大數據積累清洗階段，挖掘有價值的信息較少，如果不能及時披露，投資者將對潛在風險缺乏判斷，會帶來一定經濟損失。大數據資產受到時效性影響，存在貶值風險，因此，應對存在的風險及時披露，提高企業財務報表相關信息的可靠性。

我國會計制度缺乏對大數據資產列報與披露方法的明示，企業在會計計量及列報過程中，存在一定信息不對稱性，資產未能列入財務報表，投資者易低估企業潛在發展價值及風險，未來將進一步規范會計確認、計量、列報與披露方法。

三、對大數據資產會計處理方法的有效策略

1.大數據資產的確認

首先，應明確大數據資產的確認條件。大數據資產應明確是否能夠為企業帶來經濟利益流入，大數據資產形成的成本及帶來的價值能否準確計量。大數據具有低價值密度特征，因此，企業對原始數據獲取、加工、利用過程中，應投入一定的人力資源及技術資源，對數據進行整合、篩選、整理和分析，預估是否能夠為企業帶來經濟利益流入，數據挖掘具有一定風險性，最終形成數據集合，如果該數據集合為企業帶來的利益流入難以抵銷前期投入，就不能列入企業財務報表中。因此，大數據資產確認條件應明確是否能夠為企業帶來經濟利益流入。其次，大數據資產能否作為可靠計量，數據信息是否公允，也是大數據資產是否能夠計入資產負債表的關鍵。當前大數據資產可用于企業自身業務開展以及對外銷售。隨著我國針對大數據相關法律法規的完善，大數據資產可以用市場價格計量。另外，大數據資產運用到企業運營發展中，可以精準推出營銷活動，控制成本支出，為企業管理者提供戰略發展規劃。其次，大數據資產計量屬性選擇。大數據資產應以公允的會計計量為基礎，符合會計信息質量特征。歷史成本法僅僅體現了企業的生產所得，不能客觀反映企業全部經營活動，不能向市場參與者提供未來業績走勢，不能為企業未來發展的不確定性作出科學預測。重置成本法缺乏客觀性，隨著市場快速發展，過于相同的資產難以找到，缺乏可靠依據，影響會計信息的精準性。可變現凈值能夠反映企業未來資產價值，但影響企業資產總和，缺乏可參考性，當前企業使用可變現價值法較少。現值法計量主觀因素較強，具有一定不確定性，受到收益期數影響，管理層估計缺乏可靠性、可稽核性。公允價值可適用于金融創新，合約交易中一般采用該方法，可以彌補歷史成本法的不足，每個報告期末都會確認一項資產的公允價值變動，可以更加全面反映資產狀況，但公允價值計量操作難度較大，在折現年限及未來現金流量的確定性存在一定的主觀性。最后，大數據資產的科目。資產負債表中反映大數據資產的一級科目應設置“大數據資產”或者“大數據資產加工支出”；二級科目應根據企業實際用途，其中銷售用應歸類為“大數據資產——銷售用大數據資產”，為了自身業務發展或決策應用的歸類為“大數據資產——自用大數據資產”；三級科目主要是會計計量，包括“大數據資產——成本”“大數據資產——公允價值變動”。

2.大數據資產的計量

首先，大數據資產的初始計量。其中外部購買的大數據資產成本包括購買成本、交易過程中產生的手續費等，計入“大數據資產——銷售（自用）大數據資產——成本”。外購的原始數據，企業清洗、篩選、整理后的大數據資產，應計入大數據資產加工支出科目；自行開發或者經營活動中企業自主獲取的大數據應計入“大數據資產加工支出——費用化支出”科目，后續加工且符合資本化的應計入“大數據資產——成本”科目；被動獲得的大數據應與初始入賬價值或者大數據資產自行開發財務處理方式相同。其次，大數據資產的后續計量。原始大數據加工支出時，數據累積清洗階段應計入“大數據資產加工支出——費用化支出”科目，期末應計入“管理費用”科目；數據整理階段，如果符合資本化條件，應計入大數據資產成本，計入“大數據資產——銷售用（自用）大數據資產——成本”科目，如果不能為企業帶來收益，應計入當期損益。大數據資產期末變動的會計處理，應按照市場公允價值確認，計入“大數據資產——公允價值變動”科目，大數據資產處置時應根據處置方式分別計入不同科目。如果發生損毀報廢，沒有后續利用價值，將一次性結轉全部剩余成本。大數據資產持有目的是自用，應全部結轉“其他業務成本”科目。大數據資產出租，應計入“營業外收入”科目。

3.大數據資產的列報與披露

首先，大數據資產在資產負債表中應明示具體項目及金額，將其歸類為無形資產，并列示大數據資產的成本，對產生的費用，增設“大數據資產加工支出”大數據資產在資產負債表中列示應采取流動性越強，越靠前位置，便于報表使用者了解當前風險點，便于科學決策。其中銷售用和自用的大數據資產流動性有較大差異，一般自用的大數據資產應列為“無形資產”項目后，銷售用大數據資產應列在“存貨”項目后。其次，大數據資產披露的內容包括大數據資產的認定、核算信息、使用情況、預期可能存在的風險。大數據資產具有一定的時效性，價值波動存在不確定性，因此，在財務報表披露的過程中既要體現未來帶來的潛在價值，也要披露預期帶來的風險，便于報表使用者客觀了解企業發展運營實際情況。

四、結語

數字經濟快速發展，大數據資產列入財務報表成為業內炙手可熱的話題，當前國家相關政策缺乏對大數據資產的認定、核算、后續運營的明確規定，相關會計處理問題還缺乏一定的文本參照，因此，應結合大數據資產的特征，結合當前社會經濟發展現狀及企業運營實際，提出大數據資產的確認、計量及信息披露方法，避免不列入財務報表，誤導企業投資者，不利于企業資產保值增值，影響企業發展的客觀性與全面性。