論數據資產的確認及計量

王世杰　劉喻丹

【摘要】數據作為新型生產要素， 是數字經濟和人工智能發展的基礎， 數據資產確權和核算是數據流轉和數字經濟發展的關鍵。本文研究發現數據具有可復制性、 依附性、 可集成性和價值波動性等特征。數據資產是企業合法持有、 擁有權利， 并具有開發能力的數據， 會計確認的關鍵是成本或價值能否可靠計量。數據資產應當分場景進行核算： 在內部管理和外部經營場景， 單設數據資產， 以成本計量， 不進行折舊或攤銷， 必要時計提減值準備； 在商品服務場景， 數據資源作為存貨核算， 初始確認整體成本， 根據數據流轉的是所有權還是使用權采用不同方法核算。出讓使用權的根據數據存量和系統容量等確定可服務用戶數量， 以此確定存貨數量和存貨單位成本， 在期末根據已服務用戶數和可服務用戶數確定營業成本和存貨成本； 出讓所有權的參照一般存貨進行處理。

【關鍵詞】數據資產；數據類型；確認條件；核算科目

【中圖分類號】F230? ? ? 【文獻標識碼】A? ? ? 【文章編號】1004-0994（2023）08-0085-8

一、 引言

伴隨著物聯網、 云計算等新一代信息技術的發展， 海量數據被生成、 存儲和應用， 挖掘數據價值、 發揮數據在經濟社會發展中的作用， 成為當前業界和學界關注的重點。2019年， 黨的十九屆四中全會首次將數據作為與勞動力、 資本、 土地等同等重要的生產要素。2020年， 中共中央、 國務院發布《關于構建更加完善的要素市場化配置體制機制的意見》（簡稱《意見》）， 將數據作為繼土地、 勞動力、 技術之后的第四大生產要素， 要求加快培育數據要素市場， 促進數據資源的有效流動， 提高數據質量和規范性， 豐富數據產品。2021年， 國務院在《“十四五”數字經濟發展規劃》中提出數據資源是數字經濟發展的關鍵性因素。2022年12月初， 財政部發布《企業數據資源相關會計處理暫行規定（征求意見稿）》（簡稱《暫行規定》）， 將數據的使用場景分為內部使用和對外交易兩個場景， 分別列入無形資產和存貨進行核算。本文認為， 數據作為數字經濟時代的核心生產要素， 與勞動力、 資本和土地等傳統生產要素有著很大的不同， 必須結合數字經濟發展和數據應用場景， 具體研究數據資產的確認和計量方法， 以促進數據價值釋放和數字經濟發展。

二、 文獻回顧

數據作為數字經濟發展的關鍵生產要素， 蘊含著巨大的經濟價值與社會價值。但數據與傳統要素相比產權界定方法、 價值實現方式不同， 這使得數據資產化和數據要素市場的運行方式與眾不同， 會計處理存在一定的難度。數據資產是一種具有數據權屬， 有價值、 可計量、 可讀取， 能夠為企業帶來經濟利益的數據資源（朱揚勇和葉雅珍，2018）， 有著區別于其他資產的獨立屬性（DAMA國際，2020）。但數據資產伴隨著高科技技術的發展而產生， 存在難以識別、 權屬劃分不明確、 傳統會計期間無法與數據資產價值轉化期間相匹配等問題（羅斌元和趙依潔，2022）。在企業中， 并非所有的數據都構成數據資產， 能構成數據資產的數據必須由企業合法取得且企業能夠對其進行主動管理并形成有效控制。數據的效用性是數據轉化為資產的根本特征， 數據需要給主體帶來經濟利益（孫永堯和楊家鈺，2022）。

數據資產的確認和計量是一個新課題， 世界各國均無明確規定。數據資產作為新技術發展的產物， 在主要特征上與無形資產、 金融工具等存在著一定的相似之處， 但并不適合納入目前的無形資產體系（張俊瑞等，2020）， 可以考慮在分類確認的基礎上進行混合計量（鄔瑜駿和曲曉輝，2022）。將數據資產分類后， 針對不同情況采用不同的計量模式進行初始計量和后續處理（張雪等，2022）。參考傳統的資產評估方法， 數據資產的計量基礎既可取決于數據資產的獲得方式（余應敏，2020）， 也可考慮持有數據資產的目的（秦榮生，2020）。但結合數據特性， 傳統計量方法難以適用于數據資產。數據資產計量需要對傳統資產定價方法進行改良（李永紅和張淑雯，2018）， 或者重新構建定價模型（李秉祥和任晗曉，2021）。

對于數據資產如何披露的研究同樣存在不同觀點。黃世忠（2020）認為， 表內確認有助于提高資產負債表的完整性， 表外披露不能代替表內確認。張俊瑞和危雁鱗（2021）提出將數據資產在傳統資產負債表中單獨列報、 引入“第四張報表”列報、 通過資產負債表與“第四張報表”混合列報等三種方案。當前學界對數據資產如何進行確認、 計量和報告并無定論， 更多是從原則上進行分析和探討， 為后續研究奠定基礎。資產反映企業對經濟資源的配置和使用， 必須結合經濟資產具體應用場景和價值發揮形式進行研究， 只有深入研究資產的具體使用方式才能得出正確的結論， 否則會導致研究結論的沖突， 且難以指導實踐。鑒于此， 本文從數據資產的特征出發， 結合數據資產在企業生產經營管理中的作用， 分析其價值實現的具體場景， 進而提出數據資產核算的確認、 計量方法， 為實務工作和政策制定提供借鑒。

三、 數據的特征、 類型及應用場景

（一）數據的特征

數據要素與傳統生產要素相比具有如下特征：

1. 可復制性。數據是對現實事物客觀屬性的刻畫， 具有客觀性。數據可以與被刻畫的事物分離， 能夠被人類感知和應用。人類通過語言和文字對數據進行分享和傳播， 從而增加每個人掌握的數據量。傳統數據存儲在人腦或紙質文本中， 通過書寫、 印刷和閱讀實現數據轉移。伴隨著信息技術的發展， 以電子形式存在的數據能夠以更小的成本復制和轉移， 電子數據可以以幾乎為零的邊際成本任意增加數據副本， 這有利于數據的傳播、 轉移和使用， 也給數據安全帶來挑戰， 更是數據確權的難題所在。

2. 依附性。當數據與被刻畫的事物分離時， 需要載體承載相應數據， 這意味著數據具有依附性， 無法以獨立的形態存在、 轉移和使用。數據的依附性包括兩方面。一是載體依附性， 人類通過感知事物客觀屬性形成數據， 存儲在大腦中或記錄在紙張、 計算機等載體上。因此， 數據作為非實物體， 需要依附于載體才能保存， 它的儲存、 傳遞、 傳輸都要依靠相關媒介， 例如紙張、 磁盤和云端等。二是業務依附性， 人類觀察事物、 獲取數據， 是為了生存、 繁衍和發展， 所以數據的獲取和應用離不開具體環境。在企業中， 數據伴隨著企業業務活動而產生， 因經營活動而獲得， 數據記錄業務過程為經營決策服務， 但離開了具體業務環境， 這些數據可能一文不值， 因此數據應用依附于具體業務活動和使用場景。

3. 可集成性。數據是對現實事物的刻畫， 不同類型的數據能夠相互融合、 疊加使用， 使數據具有可集成性， 進而可能帶來數據價值的非線性變化。具體到企業中， 產品開發、 市場開拓、 運營決策等經營管理活動所產生的數據可以集成疊加， 形成一個新的數據集， 不同大小、 類型的數據集可以挖掘出不同的信息， 為企業帶來不同的價值。數據疊加集成的數據集因為數量大、 完整性高， 使得用于生產經營產生的價值增量可能高于單一數據集所產生價值增量之和。

4. 價值波動性。數據的可集成性導致數據價值的非線性變動， 這是數據資源不同于其他經濟資源的最大特征。數據價值波動性體現在時間和數量兩個方面。在時間上， 與實物資產不同， 數據本身不會隨使用而發生實質性損耗。在數據量不發生變化的情況下， 數據價值也可能會隨時間推移而衰減， 因此數據資產與實物資產價值隨時間變動的原因是不同的。在數量上， 假定供需等其他條件不變， 土地、 資本等資源價值伴隨數量增加而增加， 但單位價值保持不變。而數據資源因為具有集成性， 數據增加可能實現多源融合， 單一數據價值密度降低， 但整體數據隨著環境變化和數量積累可能會實現價值躍遷， 因此伴隨數量增加， 數據不但整體價值增加， 單位價值也可能增加。因此， 數據資產價值波動性與時間、 數量、 需求和環境等因素具有密切關系， 但并非簡單的線性關系。

（二）數據的類型

隨著物聯網覆蓋物理世界， 各種傳感器、 智能設備源源不斷產生數據， 云計算和大數據技術為數據存儲和處理提供了技術基礎。數據作為生產要素已經滲透到各行各業， 但數據在不同行業、 企業及場景下發揮價值的方式和路徑不同， 必須對數據資源進行科學的分類、 分級， 根據實際應用情況確定管理和核算方法。

根據《意見》的規定， 數據按其主體劃分為政府數據、 企業數據和個人數據。理論上講， 政府數據和個人數據也具有資產屬性， 需要進行資產管理。企業以盈利為目的， 企業數據是數據資產的主要組成部分， 本文的研究主要針對企業數據展開， 相關結論在相同情況下適用于政府數據和個人數據。

數據按處理程度可劃分為原始數據和衍生數據。原始數據是指， 在企業經營活動中生成、 存儲的未進行處理的數據。這類數據數量大、 價值密度低。衍生數據是指， 對原始數據進行加工后所取得的數據。這些數據是根據特定目的， 有針對性地對原始數據進行處理所得出的結果數據。一般來說， 衍生數據與企業經營管理實際情況相結合， 具有信息含量， 為企業經營決策服務。同時， 衍生數據是諸多數字虛擬商品或服務的主要內容和基礎， 網絡游戲、 數字藏品等本身就是基于平臺的數據服務， 有別于傳統游戲和藏品。

數據按流轉程度可劃分為第一方數據、 第二方數據和第三方數據。第一方數據是企業收集、 整理、 存儲的與自身生產經營活動有關的數據。企業作為數據源頭的第一接觸者， 可直接從自身業務、 關聯方或對外調查中收集數據， 有助于企業研究自身經營管理、 供應商和用戶等關聯方行為、 市場宏觀環境等， 從而進行決策， 服務于經營管理。第二方數據是指企業本身無法收集， 從其他第一方數據持有者手中依法獲得的數據， 企業通過戰略合作或市場交易等方式， 獲得企業生產經營相關的數據， 彌補自身數據的不足， 以更好地了解市場和用戶。企業可以從上下游或關聯方企業獲得第二方數據。此外， 企業還可以從專業數據服務商處獲得第三方數據。第三方數據是數據服務商通過公開渠道或者調查獲得的、 經整理后形成的數據集合。數據服務商大致可以分為兩類。一類是傳統的調查咨詢、 商業情報機構， 如益普索、 特恩斯、 零點咨詢等， 這些機構根據企業需要提供專業的調查情報數據等， 數據產品服務以研究報告等形式進行供給。另一類是新型的數據服務商， 如大智慧、 同花順、 東方財富、 通達信、 同方知網、 萬得、 希施瑪等， 這些服務商針對性地提供某類型的專業數據。第三方數據中的第三方表示數據與數據提供方自身的生產經營沒有關系。此時， 第三方并不表示兩個相互聯系的主體之外的某個客體， 與通常的第三方不同。通常所說的第三方是指市場經濟中產品、 服務交易中除供需雙方之外的其他方， 提供交易場地、 平臺或相關服務。第三方類型多樣， 包括提供第三方審計的會計師事務所， 提供第三方交易平臺的淘寶， 提供第三方支付服務的支付寶、 微信支付， 證券交易所本質上也是證券交易的第三方。而第三方數據的第三方是指數據提供者并非是數據的原始采集者， 而是在原始數據基礎上進行采集、 整理和加工的專業數據提供者， 主要是指專業數據服務提供商。

除第三方數據外， 第一方數據和第二方數據均有不同的收集方式和來源。第一方數據按收集目的不同可分為自有數據、 用戶數據、 行為數據和調查數據。第二方數據按其付出代價的不同分為共享數據和交易數據（具體見表1）。自有數據是企業經營過程中發生的各項業務活動產生的數據。用戶數據包括兩類： 一類是用戶個人數據， 代表用戶自身的基本信息和狀態； 另一類是用戶集體數據， 包含用戶規模、 用戶增長量等內容。集體數據相較于個人數據的規模更大， 更能幫助企業建立用戶畫像。行為數據與用戶數據緊密關聯， 行為數據的產生主體同樣為用戶， 但不同點在于行為數據更強調與產品之間的交互行動， 如產品的回購率、 點擊率等。調查數據是企業為了解產品及服務的用戶偏好和滿意度而調研收集到的數據， 由于主觀性較強， 具有規模效應。共享數據是企業通過與其他企業相互共享方式獲得對方的數據， 以擴大客戶數據和連接渠道。交易數據是企業從其他企業購買的對方的第一方數據。

在數字經濟中， 第三方平臺或平臺型企業的數據可能涵蓋第一方、 第二方、 第三方數據， 需要根據數據使用者和數據使用方式予以界定。以淘寶為例， 淘寶收集、 使用自身平臺上的數據， 如用戶數據、 行為數據等均屬于第一方數據。淘寶一旦將相關數據通過共享或者交易分享給其他企業， 這些數據對于其他企業就是第二方數據。如果數據服務商合法收集淘寶公開數據， 處理后對外交易， 這些數據就形成第三方數據。所以， 同一數據在不同視角下所處地位和屬性不同， 企業獲取數據方式和應用場景不同， 當滿足資產定義和確認條件時， 所需要進行的會計處理也會不同， 需要根據應用場景進行分析。

（三）數據的應用場景

在不同的應用場景下數據作用發揮和價值實現的方式不同， 數據價值實現依賴數據處理技術和分析模型， 同一數據在不同場景下數據資產的價值可能會存在差異。根據數據具體應用場景和作用方式分析數據在企業經營中的作用是必要的。當前數據應用場景可以概括為內部管理場景、 外部經營場景和商品服務場景等三類場景， 具體見圖1。本文將三類場景下的數據要素稱為管理要素、 經營要素和商品服務要素。

內部管理場景是數據應用的傳統場景。根據信息經濟學的觀點， 信息是經過加工的、 具有一定含義的、 對管理決策和控制有價值的數據。信息的表達是以數據為基礎的， 數據是特定的信息。企業管理決策以信息為基礎， 實質上信息均以數據形式存在， 以與企業內外部相關的數據為基礎。通過數據分析產品和市場變化， 及時調控、 配置企業資源， 提高資源利用效率， 及時識別、 發現、 應對風險， 保障企業經營穩定性。數據的主要作用在于反映現實信息、 提高決策水平、 優化企業管理、 提高生產效率、 降低企業風險。此時， 數據是企業管理的重要因素， 既是管理客體， 也是管理決策和管理行動的一部分。

外部經營場景是數據應用的新場景。伴隨著網絡技術和數字技術的發展， 平臺型企業逐漸興起， 平臺型企業提供商品、 服務的交易市場及相關服務。平臺型企業提供的交易市場與傳統交易市場的不同在于交易場所不同： 傳統交易市場的交易場所主要為實物形態， 由土地、 房屋、 柜臺、 籌碼和工作人員形成； 而平臺型企業提供的交易平臺是線上的虛擬場所， 需要計算機、 網絡、 系統和工作人員支撐， 其背后的核心是數據。伴隨著數字經濟的發展， 平臺型企業以提供交易平臺為主要業務， 以數據為主要經營要素。平臺型企業根據經營模式可以分為交易型和自營型。考察證券交易所的發展， 容易區分傳統交易市場和數字交易平臺的差異， 當前多數證券交易所本質上屬于平臺型企業， 提供交易數據服務。

商品服務場景是數據應用的傳統場景， 但伴隨著網絡技術的發展出現了新的變化。商務調查和市場情報收集是一種調查或情報服務， 服務交付的內容是經過收集、 處理的， 以情報、 信息或研究報告形式存在的數據集合。伴隨著網絡技術和數據庫技術的發展， 不再以特定對象為目標客戶的數據服務商開始出現。數據服務商收集、 加工、 整理、 存儲某一類型的數據， 將這些數據出售給非特定主體， 此時數據作為一種商品進行出售。此外， 數據是構成網絡虛擬商品、 服務和空間的基本單位， 網絡虛擬商品和服務不斷涌現， 企業通過構建網絡虛擬商品和空間對外提供服務， 因此網絡游戲、 數字藏品等新型服務業出現， 這些新型服務業本質上是利用數據提供虛擬商品、 服務和空間， 元宇宙也可以歸為這一類。

四、 數據資產的內涵和確認

（一）數據資產的內涵

現行企業會計準則將資產定義為： 由企業過去的交易或事項形成的、 由企業擁有或控制的、 預期會給企業帶來經濟利益的資源。國際會計準則理事會發布的《財務報告概念框架》（2018）中將資產定義為： 因過去事項形成的， 由主體控制的現時經濟資源。兩者的核心內容一致， 即資產概念包括三個要點： 過去形成、 主體控制和經濟資源。一般情況下， 企業持有的數據都滿足上述三個要點， 即在一般情況下， 企業持有的數據均可以作為數據資產。數據是對客觀事物的反映， 一定是過去形成的。數據持有的邊際成本較低， 但搜集和處理數據需要成本投入， 因此企業不會持有無用的數據， 其所持有的一般是具有帶來的經濟利益潛力的數據資源， 但數據帶來的經濟利益大小、 經濟的利益實現方式和時間難以衡量。此外， 企業的數據應用能力和應用場景對數據帶來的經濟利益的實現方式、 利益大小也有重大影響。因為數據的特殊性， 企業持有數據即代表控制， 可以進行開發和使用。但在現實情況下， 企業持有的數據未必是合法的， 即企業非法采集、 獲得而持有的數據不能作為數據資產。綜上， 數據資產可以定義為企業合法持有、 擁有權利和能力開發應用、 預期會給企業帶來經濟利益的數據資源。所以數據資產的內涵有兩個關鍵。

1. 數據資產需要合法持有、 擁有權利。數據權利關系的特殊性， 使數據資產的概念中必須強調合法持有和擁有權利。擁有或控制是資產的核心特征， “擁有”即一般意義上的所有權， 能夠享有資源的各項權利， “控制”是在不擁有所有權的情況下， 能夠支配資源和資源產生的經濟利益。在經濟法中， 動產以占有為基礎確定產權， 不動產以登記為基礎確定產權。但數據要素所具有的特殊性， 使這一原則難以適用于數據資產。因為數據的可復制性， 使數據與動產相似， 占有即可使用， 不能以占有確定數據產權。《數據安全法》第三十二條明確規定任何組織、 個人收集數據， 應當采取合法、 正當的方式， 不得竊取或者以其他非法方式獲取數據。若企業掌握的數據內容涉及個人隱私， 在使用用戶個人數據前需征得數據主體即用戶的許可。由于部分原始數據包含用戶的個人隱私， 企業不能將含有他人隱私的數據作為自己的資產， 因此只有脫敏后的數據才可確認為企業的數據資產。

數據不同于不動產， 占有權和使用權無法分離， 但為保護合法權益， 數據需要以登記確認產權， Elsevier等學術出版商起訴提供論文免費下載的Sci-Hub就是現實案例。雖然數據的特性導致其使用權、 占有權與不動產不同， 而與動產相同， 但產權確認方式需要參照不動產的登記方式而非動產的占有方式， 否則因數據自身依附性和可復制性， 將無法對非法獲得數據的行為進行確定和制裁。因此， 數據資產需要特別強調數據的合法持有和擁有權利。

2. 數據資產需要企業具有開發應用能力。數據不同于土地和資本， 與技術相似， 發揮作用需要相應的條件， 數據資產強調企業擁有開發應用能力。無論是內部管理、 外部經營或商品服務， 數據擁有者必須有能力對數據進行開發應用。數據作為信息和情報用于決策必須經過處理、 分析， 數據分析離不開工具和模型， 利用數據開發虛擬產品和服務也需要相應的技術和能力。數據與算力、 算法被認為是人工智能的三要素， 即便擁有大數據但缺乏算力和算法， 也依然難以發揮數據的作用。因此， 數據資產需要特別強調企業的開發應用能力。

（二）數據資產的確認

根據企業會計準則， 在符合資產定義且滿足資產確認條件時， 企業應該對資產予以確認。資產確認的兩個條件是： Ⅰ.與該資源有關的經濟利益很可能流入企業； Ⅱ.該資源的成本或者價值能夠可靠地計量。當企業合法擁有數據資產且有開發應用能力時則滿足條件Ⅰ。數據資產確認的難點在于能否滿足條件Ⅱ， 即企業能否可靠地計量數據資源的成本或者價值。

針對不同類型數據的獲取方式和應用場景， 需要具體分析是否滿足條件Ⅱ。第一方數據中自有數據來源于企業， 是隨著企業的經營管理活動產生的數據資源， 但由于其成本無法脫離業務單獨計量， 難以滿足條件Ⅱ。用戶數據和行為數據在經過脫敏處理后可以按照用戶規模、 用戶增長速度、 行為次數、 行為時間長度等固定指標單獨核算， 但為保證價值的準確性， 需要綜合多個標準統一計量， 價值的發揮嚴重依賴數據處理技術， 價值存在波動性， 價值能否可靠計量依賴于估值技術。用戶數據和行為數據對于數字原生企業來說， 有專門的系統收集、 處理， 專用的網絡、 存儲設備、 相關技術以及相應人員， 當系統、 網絡、 技術、 存儲設備和人員的成本能夠單獨識別時， 則可以確定相應成本， 此時滿足條件Ⅱ。調查數據因為結果難以控制， 其是否會帶來收益存在不確定性， 價值難以可靠計量， 但若調查數據獲得過程中的人財物等成本可以單獨識別， 則可以確定相應成本， 此時滿足條件Ⅱ。

交易數據和共享數據的價值發揮同樣依賴數據處理技術， 因此價值的計量難度較大， 但如果具有可識別的交易成本或共享對價， 則可以確定成本， 滿足條件Ⅱ。第三方數據即數據服務商提供的數據一般需要通過交易獲得， 因此滿足條件Ⅱ。數據產權的特殊性需要特別注意， 產權是一束權利， 所有權處于核心地位， 延伸出占有權、 使用權、 收益權、 處分權等權能。前文已經提到數據資產與動產相似， 占有權、 使用權、 收益權無法分離， 需要以登記作為確權基礎， 處分權與其他權能可以分離。即數據資產交易標的既可以是數據所有權也可以是數據使用權。若交易標的為數據所有權， 則交易后數據服務商不再具有數據的占有、 使用、 收益、 處分權能， 這一部分數據應該做終止確認； 但若交易標的為數據使用權， 則購買方僅享有占有權、 使用權、 收益權， 但不具有處分權。數據具有可復制性， 而數據占有權、 使用權、 收益權無法分離， 因此數據使用權交易必須約定不能再次轉讓。

（三）數據資產核算的科目設置

會計科目連接原始憑證與會計憑證， 也連接會計賬戶與會計報表。會計科目對同一會計要素按照不同屬性進行分類設置， 分類的依據并非要素的實物屬性， 而是要素在企業經營活動中的經濟屬性。從應用模式出發能夠很好地反映數據資產在不同企業不同業務中的經濟屬性。

在內部管理場景中， 企業收集與經營相關的數據， 通過分析形成信息， 用于經營決策， 以提高經營效率、 降低經營風險， 從而為企業帶來經濟利益。可見， 內部管理場景的數據資源符合資產的定義， 但是否滿足確認條件， 需要具體分析。企業通過交易或交換得到的數據或企業收集的內部數據能夠確定成本， 則滿足確認條件； 企業在經營過程中收集整理的無法獨立辨識確認成本的數據則無法滿足確認條件。因為一般來說， 提高經營效率和降低經營風險能夠給企業帶來增量經濟利益， 但是這一經濟利益難以從經營活動中分離出來， 所以數據資源帶來的價值無法可靠地計量。內部管理場景中成本可以獨立可靠計量的數據可以作為數據資產。

在外部經營場景中， 交易平臺型企業為市場交易雙方提供數字化交易平臺， 交易平臺由軟硬件和網絡構成， 而交易雙方獲得平臺提供的信息服務， 本質上是一種數據帶來的服務， 數據是服務的主要內容。此時， 平臺中的數據來自交易雙方， 但屬于平臺型企業的第二方數據， 在進行交易時交易雙方通過免費或付費的方式獲得服務， 同時讓渡一定的數據使用權， 平臺型企業通過抽取交易傭金或者服務費提供數據服務。此時數據和軟硬件、 網絡整體構成平臺企業的生產資料， 這一生產資料的價值不在于軟硬件、 網絡， 而在于大量的數據， 符合數據資產的定義。自營平臺型企業類似于傳統自建經營場所的商業企業或服務業企業， 該類型企業打造交易平臺， 在交易平臺售賣產品或服務， 通過產品和服務獲得經濟利益， 數據帶來的價值體現在降低交易成本和擴大交易市場。自營平臺和交易平臺實質并無不同， 差異在于軟件系統的功能不同、 數據的產權歸屬不同。自營平臺型企業獲得的數據屬于第一方數據， 在滿足相關法律規定的情況下， 自營平臺擁有數據所有權， 消費者在購買商品或獲得服務時需要讓渡相關信息的所有權。此時上述兩種企業的數據產權不同、 經濟利益實現方式不同。

在商品服務場景中， 傳統的商務調查企業， 如益普索、 特恩斯、 零點咨詢等直接以咨詢報告等形式提供數據資源所有權。數據資源作為這類企業的產品或者商品， 被直接出售。新型數據服務商提供虛擬商品、 服務和空間， 表面上是讓渡這些商品、 服務和空間的所有權， 但實質上轉移的是虛擬商品、 服務和空間背后數據的使用權， 因為這些虛擬物品無法脫離數據存在， 而虛擬物品所有者又無法獲得數據所有權， 只享有數據使用權。但不論是出讓數據所有權還是提供數據使用權， 都是將數據作為商品或者服務， 數據會給數據服務商帶來經濟利益， 滿足數據資產的定義。

綜上， 在內部管理場景和外部經營場景下， 數據資源成本或者價值能夠單獨可靠地計量時， 均可作為企業資產核算。根據上述分析， 數據要素價值的發揮與現有無形資產具有很大不同， 因此與《暫行規定》觀點不同， 本文同意張俊瑞等（2020）的觀點， 不宜將數據作為無形資產， 應單獨設置“數據資產”科目進行核算。商品服務場景中的數據資源無論出售數據所有權， 還是提供數據使用權都類似于傳統企業存貨， 宜歸入存貨， 通過“庫存商品”科目予以核算。

五、 數據資產的計量和披露

本文認為， 應根據數據資產的特征進行分類， 并在該分類基礎上進行計量。在內部管理場景和外部經營場景中， 單獨設置“數據資產”科目開設賬戶核算企業的數據資產； 在商品服務場景中， 數據資源作為產品和服務的核心內容， 列入存貨， 通過“庫存商品”科目進行核算。無論是作為數據資產還是存貨， 數據資源都有其特殊性， 需要根據其特征進行計量和披露。

（一）數據類資產的計量和披露

1. 數據資產的初始計量。在內部管理場景和外部經營場景中， 數據資產能否入賬， 關鍵在于能否可靠地計量其成本或價值。內部管理場景和外部經營場景的數據資產可以根據來源確定成本。第一方數據的收集、 處理、 存儲、 應用的成本來自專門的系統、 網絡、 存儲設備、 技術和人員； 第二方數據的成本是數據的交易成本或共享對價； 第三方數據的成本即獲得的對價。當相應的數據成本能夠被單獨識別時， 應以數據資產獲取成本初始計量內部管理場景和外部經營場景的數據資產。

數據作為生產要素， 一般情況下價值高于成本， 對于內部管理場景和自營平臺的數據資產， 其數據價值的實現離不開經營管理活動和平臺提供的商品服務， 難以直接地、 合理地分配數據要素的價值貢獻， 需要通過相應的模型進行分配， 一般來說難以可靠地計量。交易平臺數據資產通過提供相應服務所獲得的交易傭金、 服務費等確定價值， 相對比較可靠， 但相應價值并不符合公允價值屬性。總的來說， 數據資產價值當前難以可靠地計量， 需要依賴成本計量。

根據數據類型和應用場景， 企業數據資產取得方式包括購買、 自我收集、 共享、 非貨幣性資產交換和企業合并等。購買的第二方數據或第三方數據的成本包括購買價款、 相關稅費等。共享數據的成本是共享支付的對價。自我收集的數據成本由數據達到預定可使用狀態所發生的必要支出構成， 包括收集、 處理和存儲過程中系統、 網絡、 存儲設備、 技術和人工支出。數據成本包含了采集成本、 處理成本、 儲存成本、 維護成本等， 將數據從采集到加工完成過程中所耗費的費用進行歸集計算得出數據成本。綜上， 將數據資產成本用如下公式表示： 數據資產的總成本=數據采集成本+數據存儲維護成本+數據處理成本。

2. 數據資產的后續計量和處置。數據資產初始計量與固定資產和無形資產類似， 但本文認為后續計量無需進行折舊和攤銷。如前所述， 數據資產在時間上不會隨使用而發生實質性損耗， 數據量不會發生變化， 但數據價值會隨時間推移而衰減， 導致數據價值變小。企業正常經營過程中數據資源不斷增加， 隨著時間、 數量、 需求和環境等因素的改變， 數據價值變動并無固定規律可循。因為數據的可復制性、 可集成性和價值波動性， 在正常經營過程中， 數據價值并不會隨應用而減少， 反而隨著數據量的增加而提升。因此， 數據資產無需進行折舊或攤銷。在數據資產存續期間， 維持數據存儲的電力耗費、 維持性人工成本等均不得計入數據資產成本， 因為電力維持數據存儲、 維持性人工維持數據狀態并不增加數據量。在完備的系統中即使停電或缺乏維持性人工維護， 數據依然能夠完整保存， 在電力恢復后依然可以使用， 電力成本和維持性人工成本應該計入相應經營成本或管理費用， 計入當期損益， 而非數據資產成本。在更換數據存儲所需要的硬件設備和進行系統軟件更新時， 應該將舊設備或軟件對應成本剔除， 增加新設備和軟件的成本； 提高數據收集、 處理能力和效率發生的軟件開發或購買成本、 人工成本， 則應該計入數據資產成本， 被替換的軟件部分則應該相應剔除。總的來說， 根據謹慎性原則和配比原則， 在后續計量中， 凡是不增加數據量、 不提升數據利用效率的投入均不應計入數據資產成本， 而應計入當期損益； 增加數據量、 提升數據利用效率的投入應該嚴格區分是否必需， 若必需才能計入數據資產成本， 否則也應該費用化。

在內部管理場景和外部經營場景中， 數據會由人工或者自動通過軟件系統進行收集、 處理、 存儲和應用， 非必需的費用不應計入數據資產成本。數據本身并無時效性， 但數據應用具有時效性， 因此企業會根據業務需要制定制度對數據保留時限做出規定， 對于超過時限的數據及時進行清理， 以騰出資源采集、 處理、 儲存和維護新數據。在數據更新過程中， 數據量并未增加， 但數據始終維持在相應時限內， 一般來說數據更新通過系統規則自動進行， 無需增量成本， 相應管理維護成本宜計入當期損益， 因為維護并未增加數據量， 而是提高了數據應用價值， 所以相應成本應該根據應用場景計入當期損益。

數據資產還可能對外投資和開放共享， 此時如果轉移的是數據使用權而非所有權， 則不應該進行終止確認， 應將相應投資金額和共享對價作為其他業務收入， 將因對外投資和開放共享增加的數據維護成本計入其他業務成本。

數據資產價值的發揮依托于應用場景， 一旦數據應用場景發生變化， 數據資產的價值可能就會消失或者急劇下降， 所以數據資產在使用過程中無需折舊或攤銷， 但需要進行減值測試。當數據資產應用環境發生變化、 導致數據資產預期產生的價值低于當前成本時， 應該計提減值準備。

在內部管理場景和外部經營場景中， 數據資產作為非流動資產。在處置時， 應該根據處置對價減去成本， 確認為非經常性損益。

3. 數據資產的披露。在對外披露時， 應對不同數據資產的應用場景、 相應場景的數據資產數據量， 以及應用場景劃分標準進行披露。應該披露數據資產成本確認的原則， 特別是不同類型的數據資產人力成本、 存儲成本等納入數據資產成本的確定標準， 而且確定標準一旦確定不得隨意變更。

（二）數據類存貨的計量和披露

商品服務場景下的數據資產列入存貨， 根據轉讓權屬內容不同分為數據商品和數據服務， 數據商品直接轉讓數據所有權， 數據服務則以數據為主要服務內容形成數字商品， 提供相應服務， 用戶僅享有數字商品使用權。數據類存貨核算的難點在于合理確認單一存貨的成本和收入。

1. 數據類存貨的初始計量。傳統調查咨詢、 商業情報機構提供的調查情報數據針對特定用戶， 一般情況下以商品形式直接出售數據所有權， 可參考現有存貨準則進行初始計量， 將形成該數據的收集、 處理和存儲成本作為該項數據資產成本。

新型數據服務商以數據、 軟件、 硬件和網絡為基礎， 提供數據產品和服務， 這些產品和服務并不具有專用性、 排他性， 并不針對特定用戶， 由于數據具有可復制性、 可集成性， 導致增加產品和服務的邊際成本較低， 而用戶消費量的變化導致產品和服務數量難以確定， 數據類存貨單位成本計量存在一定難度。數字商品在進行初始計量時， 將達到可服務或可出售狀態所必需的成本進行計量， 但不確定產品數量和單位成本。

2. 數據類存貨的后續計量。傳統數據服務商以商品形式出售數據所有權， 在數據所有權出售時， 一方面根據數據商品成本確定營業成本， 另一方面根據出售價格確定營業收入。

新型數據服務商因數據的可復制性和可集成性， 商品或服務并非獨立個體， 是由數據、 網絡和軟硬件形成的商品或服務集合。在商品達到可服務或可出售狀態之后， 能夠通過系統升級和產品創新， 基于現有數據形成新的商品或服務， 隨著用戶增加也需要更多的硬件設備和網絡資源提供服務。因此， 商品和服務更多以用戶賬號的形式存在， 用戶僅獲得使用權， 并無數據所有權， 相應數據商品或服務， 離開系統將無法使用。

此類數據類存貨在初始計量之后， 為增加供給量或提高存貨質量而進行的系統升級、 產品創新、 數據增加等成本均應計入存貨成本。企業在確認存貨成本時， 應該進行技術測算和市場調研， 測算現有數據存量、 系統容量和網絡流量下可服務用戶的數量， 根據測算的可服務用戶數量確定存貨數量， 據此根據存貨總成本確定存貨單位成本， 即單位用戶的成本。在期末根據當期實際用戶數量確定營業收入和營業成本， 根據可服務用戶數量和實際用戶數量之差確認期末存貨。企業系統升級、 產品創新和數據增加等導致可服務用戶數量和商品服務質量發生變化時， 企業應對可服務用戶數量重新進行測算， 對存貨成本重新計量， 進而調整單位存貨成本， 但不應追溯調整， 而是采取未來適用法。

數據類存貨應該在期末進行減值測試。針對每一類數據類存貨測算其可服務用戶數量、 單位存貨成本和單位存貨可變現凈值， 對于存在減值的數據計提減值準備。

3. 數據類存貨的披露。企業應該在財務報告中披露數據類存貨的類型、 類型劃分標準、 每類存貨的數據量和成本確認原則、 可服務用戶數量及測算方法、 期末實際用戶數量和減值測試等信息。

六、 總結與展望

本文基于數據要素的特征和應用場景， 對數據資產核算的計量、 確認等進行了研究， 認為數據資源在應用場景和特征上與無形資產有諸多不同， 不宜將數據資產計入無形資產， 而應單獨設置“數據資產”賬戶進行核算。當前數據技術快速發展， 潛藏在數據資產背后的巨大價值逐漸被挖掘， 數字化技術的應用促使經濟迅速發展， 因此數據資源化、 數據資產化的相關政策和措施急需跟上數字經濟發展的步伐， 同時數據資產的會計體系也需要適應經濟社會的發展。對此， 筆者提出如下建議： 一是盡快解決數據的確權問題， 加快數據資產化的進程， 完善相關政策， 加快數據資產交易平臺的搭建， 發揮數據要素市場的優勢； 二是建立完善數據資產會計核算體系， 規范數據資產的核算方法， 解決數據核算標準混亂、 數據計量方法無法統一的問題； 三是完善數據質量管理， 發揮數據資產價值， 推進企業開展數據資產管理； 四是構建數據安全管理體系， 規范數據采集方法， 涉及個人信息的數據資源必須保障其來源的合法性與數據使用的安全性。

【 主 要 參 考 文 獻 】

DAMA國際．DAMA數據管理知識體系指南［M］．北京：機械工業出版社，2020．

黃世忠．信息資源的七大定律及其確認與計量［ J］．財會月刊，2020（4）：3 ～ 9．

李秉祥，任晗曉．大數據資產的估值［ J］．會計之友，2021（21）：127 ～ 133．

李永紅，張淑雯．數據資產價值評估模型構建［ J］．財會月刊，2018（9）：30 ～ 35．

羅斌元，趙依潔．基于區塊鏈技術的數據資產確認［ J］．財會月刊，2022（18）：80 ～ 87．

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（6）：3 ～ 10．

孫永堯，楊家鈺．數據資產會計問題研究［ J］．會計之友，2022（16）：153 ～ 160．

鄔瑜駿，曲曉輝．數字資產監管框架與會計問題研究 ——兼評美國數字資產行政命令［ J］．財會月刊，2022（20）：8 ～ 17．

余應敏．確認大數據資產 助推新經濟發展［ J］．財會月刊，2020（23）：52 ～ 55．

張俊瑞，危雁麟，宋曉悅．企業數據資產的會計處理及信息列報研究［ J］．會計與經濟研究，2020（3）：3 ～ 15．

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．

朱揚勇，葉雅珍．從數據的屬性看數據資產［ J］．大數據，2018（6）：65 ～ 76．

（責任編輯·校對： 黃艷晶? 許春玲）

【基金項目】國家社會科學基金項目“多元權益視角下自然資源數據治理體系構建和實現路徑研究”（項目編號：21BGL185）