數字經濟背景下企業數據資產計量體系構建研究

何越

摘要：在數字經濟快速發展之大背景下，數據資產計量問題成為廣泛討論的熱點和亟待解決的難題。作為一項新型、復雜且無物理界限的資產類型，數據資產價值變現必須結合應用場景、區分決策場景和交易場景構建定價機制。數據資產計量方法選擇上，應區分銷售用和生產用數據資產，按照取得時發生的實際成本進行初始計量，后續計量則可采用“歷史成本+公允價值+現值”的復合型計量模式。銷售用數據資產采用公允價值進行計量；生產用數據資產采用現值的計量方法；而對于無法采用公允價值和現值計量的其他數據資產，則采用歷史成本進行計量。基于數據資產的價值難以構建量化標準、公允價值計量受到數據交易市場發展之限制、以歷史成本計量無法準確反映數據資產實際價值等現實困難，應進一步推進數據資源市場發育和數字化定價，提高數據資產評估與價值量化的可行性，重視數字化基礎設施建設，優化計量方式。

關鍵詞：數字經濟；數據資產；數據資源；定價；計量

中圖分類號：F2? ? ?文獻標識碼：A? ? ? 文章編號：1004-3160（2023）05-0116-09

數字經濟的快速發展離不開數字化治理體系的構建，其中數據資源的界定、價值計量及核算管理更是重中之重。目前貴陽大數據交易所完成個人數據合規流程場內交易、深圳數據交易所開發出面向數據要素市場主體的無抵押數據資產增信產品、上海數據交易所構建“數商”新業態，這為數據資產化提供了平臺基礎。2022年12月，為加強企業數據資源管理、規范相關會計披露，財政部發布了《企業數據資源相關會計處理暫行規定（征求意見稿）》，針對數據資產適用范圍、分類、會計確認、計量、收入確認及披露等會計處理方法對外征求意見，為數據資產相關研究提供了指引和方向。數據資產沒有實物形態，要對其進行有效核算和管理，必須先解決其計量問題。

現有相關研究成果為數據資產計量方面提供了諸多理論指導。數據資產邊界方面，朱揚勇等認為數據資產包括能給企業帶來經濟利益流入的所有數據集合[1]；李雅雄等基于企業會計準則對資產的定義，分析了數據資產區別于其他傳統資產的特點，認為數據資產是經企業加工后的能獲利、可計量的數字化資源[2]。數據資產定價方面，蔡莉等基于具體的業務場景，參考傳統信息商品中的定價策略，綜合設計平衡買方效用和賣方收益的數據估值模型，為“收益法”定價提供了具體的理論基礎[3]；吳超構建了移動隱私保護模型（PBD模型），將數據顯示為一種支付手段，實現合理定價[4]；黃倩倩等借鑒證券市場的價格生成機制，探索構建“報價—估計—議價”相結合的數據交易價格動態生成路徑[5]；歐陽日輝和龔偉沿著“價值形成—價格發現—競價成交”的演進路徑，構建了“形成—發現—競價”三位一體的數據要素定價機制[6]。數據資產計量模式選擇方面，陸旭冉[7]、符文娟等[8]均認為數據資產應選擇歷史成本的計量方式；唐莉[9]、鄒照菊[10]建議采用未來現金流量的現值來評估數據資產；張俊瑞等[11]提出交易類數據資產可采用公允價值的計量方式；李雅雄和倪杉[2]認為對直接加工的數據資產采用歷史成本法，外購數據資產采用公允價值計量；李秉祥等[12]認為銷售用數據資產適用歷史成本進行計量，自用數據資產適用公允價值的計量方法；羅斌元等[13]基于區塊鏈技術，針對公有鏈私有鏈分別采用可變現凈值和歷史成本進行計量。

綜上所述，現有研究成果為數據資產計量后續研究提供了理論基礎，在數據資產會計核算領域已形成初步理論框架，但在計量方法和屬性選擇上尚未形成統一論斷，多聚焦于收益法、市場法和成本法等計量模型和應用場景設計，并區別外購和自創采取不同的核算方式，依賴于“有序市場”與現有計量技術。而目前數據交易市場規模和活躍度以及交易標準、規范都遠未達到“有序市場”的要求，計量技術也存在主觀性大、可靠度不高的問題，需要進一步探討。筆者基于現實環境，構建數據資產計量體系，著力剖析其現實困境并提出改進策略，以期服務于我國數據治理體系建設。

一、企業數據資產價值的形成機制

價值是決定價格的基礎，價格是價值的表現形式，兩者并不能直接等同。在完全競爭條件下，商品價格主要取決于使用價值和供求關系；而在不完全競爭的條件下（如壟斷情況存在），價值與價格的關系就會出現背離。數據資產沒有物理界限，具有零邊際成本的特征。尹傳儒等指出，數據資產的交易并不一定要以讓渡數據所有權或使用權為前提，數據資產可以多次交易并且交易行為不會造成價值減損[14]。通常，數據資產交易價格以數據資產價值為基礎，但其價值遠超于交易價格。因而在一定程度上，我們可以將數據資產之價格看作數據資產在單次交易中的價值體現。

根據國際TOGAF企業架構理論（由國際標準權威組織The Open Group于1995年應客戶要求定制的企業架構理論，幫助組織進行有效的企業架構規劃和管理。中文名為“開放組體系結構框架”），數據是業務活動發生過程中各類信息的數字化沉淀，因此數據源自業務。一是數據資產的深層次管理需溯源業務本身。數據本質是各類業務活動的衍生品，其管理離不開業務。二是數據資產盤點需以業務活動為準繩，還原到具體業務活動中，而非簡單地從報表中總結。三是數據資產衍變也離不開業務活動，需要清晰的業務規則，梳理基于業務的數據資源。故數據價值的形成與其反映的業務結構及利益關系息息相關，需要通過數據加工，將數據背后隱藏的資源價值轉移至數據產品，才能實現數據資源的資產化。數據資產的價值主要來源于數據量、數據結構和數據質量，從原始數據到加工分析后形成的結構化數據，形成一條完整的數據價值鏈，實現數據資源要素化到商品化、資產化的價值增值過程。

（一）數據商品化實現數據資源交換價值

數據商品化是數據處理技術和勞動相結合的過程，數字經濟時代不同層次的決策主體皆尋求高效、簡捷的信息，以獲得決策、管理方面的競爭優勢，這為數據商品化奠定了市場基礎。作為土地、勞動力、資本與技術之外的“第五大生產要素”，數據產品自帶商品屬性，能作為獨立產品在數據交易平臺上通過市場交換形成價值；或者數據要素本身并不獨立產生價值，而是作為良性催化劑，與資本、土地、技術、勞動等傳統生產要素深度融合，借助算法、模型等新技術手段，將數據與現實問題相連接，通過助力決策實現其價值。

（二）數據產品資產化形成數據資源的產權屬性

資產產權屬性是反映其產權關系和財產權利的基礎，是數據產品定價、計量和有序交易的前提，更是實現數據有效治理的產權基礎。缺乏產權屬性的數據，具有公共產品性質，非排他和非獨立，人人均可獲取并使用，則不具備交易性，定價和計量就無從談起。因此，“數據屬于誰”對于數據價值的形成至關重要。作為一項虛擬資源，數據主體與數據控制者相分離的特性導致數據權利極具復雜性。數據的產權屬性被極度分化，數據的生產、收集、利用、儲存、管理等權利均可屬于不同的產權主體，且其極易被二次生產，源數據與衍生數據之間的權利邊界也難以分辨。故需要通過建立健全相關制度，將數據資源歸屬于誰、如何確認等問題形成統一的操作指南、行為規范和法律規則。只有在明確數據權屬的前提下，才能對其在生產、分配、交易和消費等環節進行價值確認。

（三）數據資產價值變現必須結合應用場景

數據資產在應用和交易中實現價值，價值大小取決于數據需求方的業務需要，而業務需要與應用場景密切相關，不同應用場景中影響價值的因素不同，數據資產價值也存在差異。目前數據價值實現領域主要涉及資本市場、房地產、地理測繪、政府數據開發、社交網絡、物聯網等行業和領域[3]。其中資本市場中的上市公司財務數據、債券數據、基金數據等是企業投融資管理的決策基礎，其定價主要基于數據背后經濟業務的預測價格；房地產數據主要包括房地產市場評估報告、歷史交易價格、房屋戶型等基礎數據，這也是房地產市場交易決策的基礎，其數據資產定價主要取決于其對業務決策的價值貢獻度；地理測繪數據包括采用各種地理測量設備完成的大地、海洋、地下、水下測量數據集、攝影及地圖等，這些數據具有可共享性，一人購買可多人消費，其定價需要考慮數據獲取難度、保密程度等；政府數據開發包括政府官方網站公開公示的各類信息，其定價主要考慮數據采集開發的成本；社交網絡數據涉及各類交易性平臺獲取的精確用戶畫像，這類數據的交易與公開是否合法目前尚存在爭議；物聯網數據是基于新型信息技術在供應鏈領域的應用，所能收集的關于市場交易與服務的海量數據源，屬于第一手市場交易數據，其數據資產價值確認與管理會受到使用價值與供求關系的影響。基于數據資產的價值實現方式，可以將其應用場景分為決策場景和交易場景。

1．決策場景下數據資產的估值

作為戰略資產存在的數據資源，其價值主要通過對未來經營管理決策的正向影響實現，或者在并購、申請破產過程中通過專業評估機構進行價值評估。現有計量條件下可以參考無形資產成本法、收益法、市場法等估值定價方法。李永紅等分析了市場法、成本法、收益法等的適用條件，指出市場法能夠兼顧成本與收益，在有一個可適用的同類市場的前提下，可以通過數據數量與質量、數據分析能力等因素進行修正，評估企業數據資產價值[15]。在計量單位不統一，生產成本、生產方式等復雜性因素綜合影響下，成本法、市場價格法、收益法可以進一步落實為數據產品價格、數據資產價格和數據服務價格。不同估值方法難以形成可比的資產信息，隨著共享理念的深入，數據共享成為產業鏈、供應鏈生態圈內部競合的基礎，主要針對數據的限制性使用權進行共享，每個共享主體基于自身的應用場景評估共享數據所能帶來的價值增值進行定價。故決策場景下最重要的是構建標準化、統一化的數據資產價值評估體系，推動數據使用者和交易方之間達成“價值”共識。在估值體系構建過程中，一方面，需要考察影響數據資產價值的“共性”因素，建立全領域通用的估值模型，比如成本、風險、質量等；另一方面，在通用估值模型的基礎上，需要體現數據資產在不同行業和特定領域的“個性”場景價值，金融、電商、制造、服務等行業數據應用體量、方式和場景完全不同，需要建立特定的數據資產價值評估體系。

2．交易場景下的數據資產定價

交易場景下，數據資產的價值多由市場供求關系決定，完全遵循市場規律，受到市場供需結構、成本和信息技術發展水平的影響。其中，成本是交易價格的下限，市場供需與交易模式、應用場景密切相關，而信息技術則較大程度影響數據資產質量和流通性。在數據交易價格形成過程中，數據交易中介是供需場景匹配的核心橋梁，基于數據場景，在數據買家和供應商之間搭建博弈平臺，通過集中間接交易或定向交易，采用競價、拍賣、自由定價、“點對點”交易等方式，調節數據產品價格。第一，數據資產的類型決定其應用場景和市場定價方法。數據結構反映的業務類型、應用場景和決策支撐能力不同，定價方式也存在差異，如行業研究報告等多采用訂閱或固定定價、定制化數據服務多采用查詢定價。第二，數據賣方會基于買方需求、購買能力和風險偏好，制定價格策略，而買方則會考慮數據產品類型、市場供給度、信息對稱性等，與賣方進行博弈。此過程中數據交易中介起著重要平臺作用，是數據資產定價與交易實現的基礎。目前大部分數據交易所都競相使用新一代智能數據交易系統，對數據資產交易進行全時掛牌、全域交易、全程可溯，全面促進數據資產市場的價格形成和交易達成。

二、企業數據資產的會計計量體系構建

（一）數據資產會計計量方法

關于數據資產的會計計量方法，目前主要有如下觀點。第一，按歷史成本計量。持此類觀點的學者普遍認為，基于數據資產的獨特性，難以找到相同或類似資產的公允價值，故歷史成本計量成為一種可靠的方式。第二，按現值計量。這一觀點認為采用未來現金流量的現值來評估數據資產，可更好地反映大數據“未來經濟利益”的資產特征。第三，按公允價值計量。主要出于對數據資產價值起伏較大的考慮，認為難以準確估計未來的現金流，在數據交易平臺日趨完善的前提下，交易類數據資產可采用公允價值的計量方式。第四，按“歷史成本+公允價值”復合計量模式。認為初始計量階段由外購和自產的具有規范公開市場報價的數據資產應采用公允價值計量，不滿足條件的則應采用歷史成本計量；后續計量可參考無形資產的核算方法，根據使用壽命的不同對數據資產具體問題具體處理。

在數據資產計量方式的選擇上，需要考慮如下影響因素：（1）市場化程度。數據資產的市場化程度不高，則選擇公允價值的計量屬性會受到一定制約；數據資產的市場化程度高，實時可獲取同類或類似資產的市場報價，則可采用公允價值的計量方法。（2）合理的價值評估體系。在不能及時獲取公開市場價格的情形下，應考察數據資產是否擁有穩定、可計量的現金流，能否構建現值模型進行計量。基于此，現有研究成果主要有如下幾種觀點：一是認為數據資產的價值波動性大，且隨著我國各大數據交易平臺的構建，數據資產公允價值的技術問題將得到有效解決，故應采用公允價值的計量方式。二是認為目前企業的數據資產多屬自產加工且自用的類型，其價值主要體現在其未來經濟收益，故應采用收益現值法對其進行計量。三是認為數據資產的交易市場發育不全，且價值與商業模式、應用場景相關性大，相同的數據資產在不同的商業模式、應用場景下創造的價值不同，其現值會有很大差異，故公允價值和現值等計量屬性不適合數據資產，數據資產應按歷史成本計量。四是認為應根據不同情況采用“歷史成本+公允價值”或“歷史成本+現值”的復合型計量模式。

筆者贊同“歷史成本+公允價值+現值”的復合型計量模式。具體而言，第一，數據資產初始計量中，對于“自產數據資產”應基于資產達到預定可使用狀態前發生的所有成本作為入賬價值，具體參照數據生產流程，包括數據感知、采集和獲取成本、數據標識與質量控制成本、數據挖掘與知識發現成本、數據展現與利用成本等；對于“外購數據資產”，應按照購買價稅、加工成本以及達到預定可使用狀態的其他支出等作為外購數據資產的初始入賬價值。第二，數據資產后續計量中，“銷售用數據資產”應基于數據交易平臺的公開市場報價，采用公允價值進行計量；“生產用數據資產”（包括通過挖掘、分析整理已有信息而獲得的數據）應采用現值的計量方法。基于可靠的證據材料，對用于生產經營管理決策的數據資產所帶來的未來現金流進行合理測算，設計現值計量模式。而對于無法采用公允價值和現值計量的其他數據資產，則需基于獲取成本，采用歷史成本進行計量。

基于以上對數據資產會計確認與計量方法的選擇，區分初始計量和后續計量，對數據資產進行全生命周期的賬務處理。科目設置上，“數據資產”應設置“銷售用數據資產”與“生產用數據資產”兩個二級明細科目，并基于取得方式設置“外購數據資產”與“自產數據資產”兩個三級明細科目。

（二）初始計量屬性的選擇

對于購買方式取得的數據資產，可區分購買后直接使用和購買后需加工兩種情況進行反映：一是購入數據資產后直接使用。目前，我國已建成一批大數據交易中心，政府類的如貴陽大數據交易所、上海數據交易所、深圳數據交易所、哈爾濱交易中心、華東江蘇大數據交易平臺等；平臺類的有京東萬象、天眼查、企查查、百度智能云市場等；均為數據交易提供服務。在公開交易市場中購買所獲得的數據資產更容易獲得公開報價，故該類數據資產可采取公允價值計量方法來進行初始計量。具體的會計處理方法為：按照購買價格、相關稅費和其他費用，借記“數據資產—銷售（生產）用數據資產（外購數據資產）”和“應交稅費”，貸記“銀行存款”等科目。二是購入數據資產后需進行再加工。部分數據資產在企業通過大數據交易平臺進行購買后可直接使用，但也有部分數據資產就如半成品一樣，需再加工或處理后才能投入使用。這類需要加工的數據資產的初始計量大體可分為兩步，一是按購入數據資產所支付的價款及稅費計入成本，二是購入數據資產后企業進行再加工所產生的支出可參考賣方（生產方）對數據資產的會計計量進行入賬。具體的會計處理方法為：增設“數據處理成本”科目，反映數據資產未達到預定可使用狀態前發生的購買、加工成本。購入時按照購買價格和相關稅費，借記“數據處理成本”和“應交稅費”，貸記“銀行存款”等科目；加工過程中發生的人力、物力、財力投入，借記“數據處理成本”，貸記“應付職工薪酬”“固定資產”“銀行存款”等科目；等數據資產加工完成達到預定可使用狀態后，則借記“數據資產—銷售（生產）用數據資產（外購數據資產）”，貸記“數據處理成本”。

對于自產加工取得的數據資產，應按照取得時發生的實際成本進行初始確認和計量。鑒于大數據的挖掘、清洗、提純、篩選過程復雜且繁瑣，需要對數據資產形成的全過程進行成本核算，具體包括原始數據的開發和生成過程中的中間投入、固定資產消耗（包括傳統固定資產和知識產權類固定資產如計算機軟件費用）、人力成本等。具體的會計處理方法為：通過“數據處理成本”科目反映數據資產加工過程的人力、物力和財力投入。發生數據采集、加工、處理成本時，借記“數據處理成本”，貸記“應付職工薪酬”“固定資產”“銀行存款”等科目；等數據資產加工完成達到預定可使用狀態后，則借記“數據資產—銷售（生產）用數據資產（自產數據資產）”，貸記“數據處理成本”。

（三）后續計量屬性的選擇

數據資產的后續計量相對復雜，需要注意減值準備的提取、數據資產的更新以及期末的價值變動。亦可采用“歷史成本+公允價值+現值”的復合型計量模式，對于大數據企業通過數據資產交易所購入的數據資產，或大數據企業自行開發的以數據交易為目的，且存在公開、活躍的交易市場的數據資產，應采用公允價值計量。對于大數據企業自行開發或被動獲取的自用型數據資產，若能產生較為持續穩定收益的，應采用現值法來計量。不符合以上兩種情況的數據資產采用可變現凈值計量。除此之外，數據資產的后續計量應視同為使用壽命有限的無形資產定期進行攤銷。

具體到數據資產的后續計量應用中，“銷售用數據資產”應基于數據交易平臺的公開市場報價，采用公允價值進行計量；“生產用數據資產”（包括通過挖掘、分析整理已有信息而獲得的數據）應采用現值的計量方法。基于可靠的證據材料，對用于生產經營管理決策的數據資產所帶來的未來現金流進行合理測算，設計現值計量模型。而對于無法采用公允價值和現值計量屬性的其他數據資產，則需基于獲取成本，采用歷史成本進行計量。

當數據資產發生后續加工支出時，包括基于原始數據的儲存和更新支出，以及改變數據結構和用途的創新支出，應分別基于初始計量時計入的二級明細科目，分別借記“數據資產—銷售（生產）用數據資產（自產或外購數據資產）”，貸記“應付職工薪酬”“固定資產”“銀行存款”等科目。第一，資產負債表日，對于“數據資產—銷售用數據資產”的公允價值與數據資產賬面價值之間的差額，應計入“公允價值變動損益”。當公允價值大于數據資產賬面價值時，將其差額借記“數據資產—銷售用數據資產”，貸記“公允價值變動損益”，反之則做相反的賬務處理。第二，資產負債表日，對于“數據資產—生產用數據資產”的現值與數據資產賬面價值之間的差額，亦計入“公允價值變動損益”。當現值大于數據資產賬面價值時，將其差額借記“數據資產—生產用數據資產”，貸記“公允價值變動損益”，反之則做相反的賬務處理。

三、數據資產計量存在的困難

（一）數據資產的價值難以構建統一量化評價標準

第一，數據資產的價值與業務場景具有強連接性，在不同場景下難以形成統一、可比的量化評估指標體系。數據分為結構化數據、非結構化數據和半結構化數據等。數字、符號等結構化數據，如企業ERP、醫療HIS數據庫等，可以構建相對固化的數據分析和價值評價模型，而大部分非結構、半結構化數據，如文本、圖像、音頻、影視等，則需要構建情景模擬進行數據挖掘和清洗，過濾重復、不完善和錯誤數據，實現數據結構化配置。此過程涉及業務場景和諸多人為分析因素，難以建立統一的價值評價標準。第二，數據價值極具時效性和個體特質，不同使用者在不同業務場景下運用同一數據資產，會帶來不同的價值體現，這也是數據資產難以制定統一評價指標的原因。

（二）公允價值計量受到數據交易市場發展之限制

如前文所述，“銷售用數據資產”應基于數據交易平臺的公開市場報價，采用公允價值進行計量。目前數據資產交易價格的形成主要有數據交易所和數據買賣雙方“點對點”交易兩種模式。一方面，相繼出現的數據交易所為數據資產公允價值計量模式提供了平臺基礎，目前我國陸續建立的數據交易所（中心）有46家，并開始在全國范圍內啟動數據交易市場建設。但不同于傳統要素市場，數據要素市場存在交易標的權屬界定難、標準化程度低、場景依附性強等特點，數據資產不具備證券產品的高流動性和透明性，難以形成活躍的公開市場報價。另一方面，“點對點”交易的議價需建立在雙方信息對稱和互信基礎之上，買方個性化需求、非標準化程度以及交易雙方之間的信息不對稱致使交易難以形成一個公平自愿的價格。可見，目前我國數據資產交易尚未形成一個有效市場，這為其公允價值計量模式的應用帶來了困難。

（三）歷史成本、現值計量無法準確反映數據資產實際價值

不同于企業自主研發的無形資產，“生產用數據資產”往往伴生于其日常生產經營項目。該種“伴生數據”投入成本和其實際價值并不一致，不能以“數據資產化加工的投入成本”簡單等同于全部的投入成本。數據資產的價值與其加工處理成本不成比例，采用歷史成本計量將導致賬面價值與市場價值產生巨大差異，給“利潤操縱”留下了空間，可能在利潤表等方面引起較大波動。可見應用歷史成本計量存在較大弊端，故應采用現值的計量方法。采用現值進行后續計量，需要考慮如下幾個因素。一是數據資產應用周期測算。目前信息環境瞬息萬變，難以準確估計數據資產的使用周期，使得數據資產使用壽命存在較大不確定性。二是數據資產運用產生的現金凈流量。數據資產不具獨立性，需依附于其他資產或權利產生價值，故難以將其從產生價值流的資產組中剝離出來單獨計算其現金流量。三是貼現率的確定。目前現值法主要基于目標收益率或基準收益率進行現金流貼現，但其存在較大的主觀性，難以準確反映數據資產未來價值流入的現值大小。

四、改進企業數據資產計量的對策建議

（一）提高數據資產評估與價值量化之準確性

數據資產化過程中，需要充分考慮數據資產價格的影響因素，建立一個統一、合理的價值評估指標體系，從不同維度、指標評估數據資產價值，建設數據資產的評估準則，并根據定價、計量實踐，不斷跟進、豐富有關準則的細節，對具體操作中的問題做出指導與建議。具體設計上，可以用成本、數據質量、應用價值和品牌價值等指標建立數據資產價格評估指標體系。其中，成本維度主要包括數據資產獲得成本、開發、運營和維護成本、個性化服務成本等；數據質量維度主要包括數據資產的相關性、時效性、稀缺性、規范性等；應用價值維度主要包括數據資產與應用目標的關聯度、復用度、場景經濟性、應用廣度等；品牌價值維度主要包括數據賣方信用水平、服務水平、數據治理能力等。

（二）重視數字化基礎設施建設

首先是面向工業物聯網建立現代數據基礎設施。站在會計的角度，需要基于云邊端物聯網數據，實現財務和業務數據鏈接，助推業財（業務發展與財務管理）融合系統建設，并加快財務信息自動化、智能化創新和發展，使財務共享信息化系統建設提速增效。其次是加快發展應用電子發票、“云”平臺、OCR識別、人工智能與數字化技術，助推數據驅動下業財智能化之實現，為更高效地確認與計量企業數據資產提供更可靠的支持，高效實現企業數字化轉型。

（三）優化計量方式

由于單一計量方式存在諸多問題，可尋求多種計量方式復合計量等路徑，或根據數據資產的不同用途對數據資產會計處理采取不同的初始與后續計量模式。對于自用的數據資產，可采用歷史成本來對其進行計量；而作為交易用途的數據資產，則更適合使用公允價值來進行后續的計量。自用的數據資產，企業可以依照預計使用年限進行攤銷，如果無法預計數據資產的使用年限，則無須進行攤銷處理，但需在每年對其進行減值測試；若測試結果顯示低于賬面價值，則應對該數據資產進行減值處理。以交易為目的的數據資產，則應對其公允價值變動進行恰當處理。當數據資產被企業出售時，應當對一次出售或多次出售進行識別，而對于多次出售的數據資產，企業應合理估計其預計銷售總收入，以此來計算單次出售所需要結轉的成本。

參考文獻：

[1] 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.

[2] 李雅雄，倪杉.數據資產的會計確認與計量研究[J].湖南財政經濟學院學報，2017（4）：82-90.

[3] 蔡莉，黃振，弘梁宇，等.數據定價研究綜述[J].計算機科學與探索，2021（9）：1595-1606.

[4] 吳超.從原材料到資產：數據資產化的挑戰和思考[J].中國科學院院刊，2018（8）：791-795.

[5] 黃倩倩，王建冬，陳東，等.超大規模數據要素市場體系下數據價格生成機制研究[J].電子政務，2022（2）：21-30.

[6] 歐陽日輝，龔偉.基于價值和市場評價貢獻的數據要素定價機制[J].改革，2022（3）：39-54.

[7] 陸旭冉.大數據資產計量問題探討[J].財會通訊，2019（10）：59-63.

[8] 符文娟，梅瑾瑾.關于數據資產財務核算的研究[J].財務與會計，2022（8）：46-50.

[9] 唐莉，李省思.關于數據資產會計核算的研究[J].中國注冊會計師，2017（2）：87-89.

[10] 鄒照菊.關于大數據資產計價的若干思考[J].財會通訊，2018（28）：35-39.

[11] 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.

[12] 李秉祥，任晗曉，會茹，等.數字經濟背景下大數據資產的確認、計量與列報披露[J].財會通訊，2022（11）：79-88.

[13] 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，2022：1-8.

[14]尹傳儒，金濤，張鵬，等.數據資產價值評估與定價：研究綜述和展望[J].大數據，2021（8）：14-27.

[15]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.