產權保護導向的數據資產會計處理

伍中信 毛政珍 吳寓聰 張榮武

【摘 要】 數據是數字經濟的關鍵要素，是生產要素、基礎性資源和戰略性資源，數據能否科學核算和正確入表，事關數據要素價值創造和新質生產力發展。2023年《企業數據資源相關會計處理暫行規定》的發布具有里程碑意義，但不足以全面指引數據資產會計實務。文章以產權保護為導向，通過對數據資產會計科目、分類、計量與核算的理論推演及實踐分析發現：一是應設置數據資產一級會計科目；二是數據資產可分為戰略性數據資產、創新性數據資產和生產性數據資產，并依使用時間和使用場景影響度對數據資產進行分類確認與計量；三是數據資產入表能改善企業財務報表、提升創新能力和增強核心競爭力。本研究豐富了數據資產會計理論研究文獻，對數據資產入表實踐也具有借鑒意義。

【關鍵詞】 產權保護； 數據資產分類； 數據資產入表； 會計科目； 新質生產力

【中圖分類號】 F49；F275.2? 【文獻標識碼】 A? 【文章編號】 1004-5937（2024）13-0008-07

一、引言

世界各國正在搶占數字經濟高速發展的機遇，全球數字經濟時代業已形成。根據中國信通院《全球數字經濟白皮書（2023年）》數據，2022年全球51個主要經濟體的數字經濟增加值規模為41.4萬億美元，同比增長2.9萬億美元，同比名義增長率為7.4%，高于同期GDP名義增速4.2個百分點。2016—2022年，美國、中國數字經濟持續快速增長，數字經濟規模分別增加6.5萬億美元和4.1萬億美元，中國數字經濟年均復合增長率為14.2％，是同期美中德日韓五國數字經濟總體年均復合增速的1.6倍[1]。為此，全球緊鑼密鼓開展數字經濟頂層設計，中國發布《“十四五”數字經濟發展規劃》、英國發布新的《英國數字戰略》、澳大利亞發布《數字經濟戰略2030》、德國更新“數字戰略（2025）”等，為推動數字經濟發展注入最強動能。數字技術通過提高服務業分工與協作效率、提高各類產業特別是平臺的協同效率、創造新的數實孿生疊加效率來促進經濟增長，進而提高全社會經濟活動效率，提供新的增長源泉[2]。數據日益成為重要生產要素并具有財產屬性，因此，建立數據產權制度[3]并確權為數據資產，有其合理性和必然性[4]。引入新興技術構建新的數字經濟核算體系，會使數據要素成為經濟高質量發展的關鍵推動力[5]。數據能否科學核算和正確入表，事關數據要素價值創造和賦能新質生產力作用的發揮。

二、數據資產會計現狀

建設數字中國是推進中國式現代化的重要引擎。中國作為全球最大的數字經濟體之一，數據資源的開發和利用意義重大。自“數字中國”戰略提出后，制定了一系列政策措施來推動數字經濟發展，將數據資源確權為數據資產是其中的重要一環。財政部制定的《企業數據資源相關會計處理暫行規定》（簡稱《暫行規定》）于2024年1月1日起正式實施，這一制度在數據資產核算實踐中具有里程碑意義，有助于規范企業數據資源的會計處理，提高數據資源的價值認知，促進相關產業發展，同時為數字經濟健康發展提供最直接的制度支持。《暫行規定》中明確“適用于企業按照企業會計準則相關規定確認為無形資產或存貨等資產類別的數據資源，以及企業合法擁有或控制的、預期會給企業帶來經濟利益的，但由于不滿足企業會計準則相關資產確認條件而未確認為資產的數據資源的相關會計處理”。《暫行規定》為計入無形資產和存貨的數據資源提供了具體實踐指引，對于“企業合法擁有或控制的、預期會給企業帶來經濟利益的、但由于不滿足企業會計準則相關資產確認條件而未確認為資產的數據資源”尚未明確其會計處理，這為本文提供了擴展研究空間。由于該規定只是“暫行”規定，在確認、計量、披露等方面尚有值得商榷之處[6]。不管怎樣，《暫行規定》是數據資產會計從0到1的進步，這將為加強數據資源的保護和管理、推動數據資源開放共享和流通交易、更好發揮數據資源價值、促進數字經濟快速發展帶來更多期待。

數據作為生產力最終促進我國數字經濟高質量發展[7]，將數據資源確權為數據資產是符合時代發展需要的必然趨勢，數據資源將成為企業和國家重要戰略資產[8-9]。根據2022年中央全面深化改革委員會第二十六次會議提出的“推動數據分類分級確權授權使用，建立數據資產持有權、數據加工使用權和數據產品經營權等分置的數據產權運行機制”精神，以《暫行規定》為起點，深化數據資產會計的理論研究與實踐探索成為當前熱點。

關于數據資產的核算，存在兩種主流觀點。一是“數據資產觀”，將數據資產視為一種單獨的資產。康旗等[10]認為大數據資產擁有控制權和收益權的產權性質，可以作為資產在報表中單獨披露。目前在國內，數據已被當作一項可單獨核算的資產來研究[11]。除了單獨列報，李靜萍[12]創建了一套以數據開發資產和數據資產會計核算科目為主的數據資產附屬核算框架。二是“其他資產觀”，是指除單獨列報“數據資產”以外的其他處理方式，主要分為資產化和費用化。數據資產化的實例有將數據資產作為無形資產[13-14]、原材料或者產品[15]、實物資產[16]的描述信息。朱揚勇等[17]將數據資產中的數據集勘探權和使用權歸為無形資產，而將其所有權歸為有形資產。

三、數據資產的產權基礎

數據資產的產權基礎包括產權特征和產權權屬。產權特征包括稀缺性、絕對的非排他性和相對的排他性共存、可交易性；產權權屬可劃分為所有權、使用權和收益權。

（一）產權特征

馬克思主義經濟學和新制度經濟學的產權學說強調產權的發展離不開資源的稀缺性。數據資產的資源稀缺性在于數據資源聚合能力的稀缺，一般來說，單條數據不具備核算價值，只有聚合數據具有核算的價值。由于技術、成本和政策的限制，擁有聚合能力的產權主體較少，只有部分平臺企業和政府部門具有聚合能力。數據資源聚合能力的稀缺以及因產權主體規定不明導致的數據源管理混亂促成了數據資產確定權屬，也就是數據資產的產權界定的需求[18]。排他性是產權的重要特征之一，也是產權形成的基礎。排他性是指一個主體要阻止別的主體進入特定財產權利的領域，保護特定的財產權利[19]。數據資源具有絕對的非排他性和相對的排他性共存等特點[20]。絕對的非排他性是指數據資源本身能夠被無限復制和使用；相對排他性是指多人使用時的數據價值遠不及單獨使用，以及企業會短時間內獨占公開數據并獲益。資源是經濟學的概念，不一定涉及量化的問題，也不一定涉及任何單位控制與使用的問題[21]，這種情形就是數據資源中的“絕對的非排他性”，而數據資產便是數據資源中的“相對排他性”。在數據資源中，并非所有數據資源都要納入“量化”范疇，而是那些數據資源中具有“相對排他性”的數據資產才具有“量化”的標準，需納入“量化”的范疇。可交易性是指產權在不同主體之間的轉手與讓渡[19]。在流通市場中，資產的所有權、使用權、處置權和收益權等均可以作為交易對象。產權既可作為一個整體，也可通過產權的界定與分離實現單個權利的單獨交易與組合交易。數據資產的產權具有稀缺性和排他性，可以作為交易的對象。

（二）產權權屬

產權作為財產權，從實物形態和價值形態兩方面實施管理，實物形態包括占有權、使用權，價值形態包括收益權[22]。數據資源的實物形態是以二進制形式儲存在介質中的可以被度量的數據集合[23]。企業通過將數據打包歸集進行交易，實現對資金流的支配，因此數據資產同時具有實物和價值維度的管理權能。實物維度是指可被度量的數據集合，因此將其確定為“數據產權”，即依法享有占有、使用、處置以及收益的權利，具體包括所有權、使用權和收益權[24]。

數據所有權是數據產權問題的核心[25]。數據儲存技術發展以及重復利用的特性是導致數據所有權和使用權分離的核心原因[26]。國內對于所有權的歸屬有兩種主流觀點：一是歸屬組織，二是歸屬組織中的相關個人。但無論所有權歸屬于組織還是個人，都具有一定的弊端[27]。因此有人就提出發揮政府的作用[28]，擁有數據聚合能力的主要是政府。數據資源源于“社會組織”和“國民”，而數據收集者并不對他們實際“付費”，如果所收集的數據資產屬于相關組織和個人，顯然有失公允，具有嚴重的外部性。考慮到“社會組織”和“國民”極為分散和難以界定數據邊界等特征，帶有明顯“公共性”，建議以政府為主導享有數據產權。在政府部門之間流動的數據資產無需付費，其他組織向政府購買“原始數據”則需付費。這樣體現了社會資源的公益性和資源分配的公平性。數據使用權是數據產權問題的焦點。所有權與使用權的分離是產權主體進行交易的結果。在數據資產交易過程中，對聚合數據的交易在不侵犯數據終極所有權的情況下，通過對使用權的轉讓實現各產權主體利益最大化。數據收益權又被稱為數據財權。財權構成法人財產權的核心[26]，而數據的資產化是其產生的根源[29]。與所有權和使用權的產權主體一致，收益權的主體也分為政府、組織及組織中的相關個人。通過公示方式界定三方財產權屬及其內容，使得因權屬爭端產生的外部成本成為經濟活動應支付的代價，使得數據的內部化成本下降和收益上升，充分實現產權的外部性內部化功能[30]。

四、數據資產會計分類與計量

（一）數據資產的會計分類

現有數據資產主要基于數據權屬和市場屬性進行分類[27]。資源基礎觀點強調資源的四個關鍵屬性——價值性、稀缺性、不可模仿性以及組織內的不可替代性，強調企業內部資源的戰略重要性，認為這些資源是企業實現長期競爭優勢的核心所在[31]。效益理論關注社會交換過程中的投入與產出比例。數據資產的價值不僅取決于自身特性，還取決于使用它們的企業能夠從中獲得的實際效益，這要求數據資產必須考慮其在提升企業戰略決策、創新產品或服務、優化運營效率等方面的效益問題。因此，對數據資產分類時，應根據數據資源的固有屬性，重點考慮數據資產的使用效益，為企業創造持久競爭優勢。

數據具有無限性、易復制性、非均質性、易腐性和原始性等特征。無限性是指數據不會因使用而耗盡，反而因使用而產生，會不斷被創造，會越來越多；易復制性是指數據可以快速地以近乎零成本的方式進行復制，供多人同時使用，可多次循環使用，一個人的使用不排斥和妨礙其他人使用，不同人之間在使用上不存在直接的利益沖突；非均質性是指數據價值因使用對象和應用場景而異，因專業化數據質量標準而異；易腐性是指數據是一種易腐品，會隨著時間流逝而貶值或迅速貶值；原始性是指數據是原始的，本身并沒有意義，只有對它進行處理分析，才能轉變成有用的信息[32]。數據確權為數據資產后，它的原生特性依然存在。從五個特征可以看出：（1）數據的原始性說明數據具備確權為數據資產的先天條件。（2）數據是“無限”和以邊際生產成本為零或接近零的方式進行復制，復制的數據價值因沒有創造“新”的信息或知識而不會帶來額外價值[33]，因此，數據資產不具備以量定價的條件。（3）數據的易腐性決定了使用時間對數據資產的價值具有重要影響，數據的非均質性表明數據價值與應用場景相關[18]，使用時間和場景異質決定了數據資產價值的不同，決定著數據資產使用時產生的效益不同。因此，數據資產定價的決定性因素是數據資產的使用效益，對于數據資產以使用效益為標準進行分類，具備實踐可行性。根據使用效益從高到低，依次可分為戰略性數據資產、創新性數據資產、生產性數據資產三類。戰略性數據資產服務于企業戰略需求，能帶給企業核心利益或決定企業走向；創新性數據資產服務于企業創新需求，能帶給企業關鍵領域的重大利益；生產性數據資產滿足企業日常生產需求，能帶給企業正常經營收益。數據資產分類的邏輯推演見圖1。

數據資產分類解決了定性的問題，然而，具體到會計實務中，必須對不同類別的數據資產有一個量的鑒定，才能指導實務操作。比如，對林木類生物資產核算時有“郁閉度”、固定資產進行核算時有“單位價值”等定量指標。由于數據資產的分類依據是使用時間和使用場景兩個維度，故對數據資產分類量化時，也須從兩個維度出發，以確定其屬于哪個類別。從時間維度進行量化時，參照流動資產的概念，可以從時間上把數據資產分為使用1年以內及1年以上的，同時參照我國每五年編制一個規劃的習慣，可以把使用超過1年的固定資產再分為1—5年及5年以上的。對場景維度進行量化時，參照會計中常用的“基本確定（100%～95%）”“很可能（95%～50%）”“可能（50%～5%）”“極小可能（5%～0%）”的概念，可以把數據資產的使用場景程度分成全面影響（影響面為100%～95%）、重大影響（影響面為95%～50%）、一般影響（影響面為50%～5%），根據重要性原則，對影響面小于5%的可以忽略。確定了時間與場景影響度兩個量化標準后，就能對不同類別數據資產進行分類量化，具體標準與量化結果如圖2所示。如同“重要性判斷還與企業整體風險評估有關[34]”一樣，數據資產在實務中的分類還需要專業人員根據整體情況加以明確，一旦確定分類后，在企業未發生重大變化或相關數據資產未發生重大變動的情況下原則上不允許調整。

（二）數據資產的會計計量

葛家澍[21]指出會計計量的主要問題是選擇計量屬性，計量屬性包括歷史成本、重置成本、現值、可變現凈值、公允價值計量等。根據會計中的重要性、謹慎性原則，不同類別的數據資產在初始計量、后續計量和處置時應該采用不同的計量方法。依重要性角度排序，依次為戰略性數據資產、創新性數據資產、生產性數據資產，越是重要的資產對生產經營的影響越大，在核算時越需要遵循謹慎性原則。

戰略性數據資產是指涉及企業長期戰略規劃或獨有機密等并對企業長遠發展起決定性作用的數據資產，如市場長遠趨勢分析、主要競爭對手信息、獨有產品配方或生產工藝等，與主體存在依附性和不可分割性，這類資產的價值可通過對企業未來收入增長的預期影響進行評估。該類數據資產的價值一般沒有歷史成本或者歷史成本與其價值相比微不足道，也幾乎無法取得市場價格，根據謹慎性原則一般不進行初始計量，只有在會計主體發生非同一控制下的變更時，才通過收益評估來確定價值。不發生非同一控制下的會計主體變更，一般情況下不需要進行后續計量和減值計量。

創新性數據資產對創新和產品開發至關重要，代表企業的技術實力和創新能力，對維持競爭優勢至關重要，直接關系到新產品和服務的開發。這類資產包括研發數據、專有技術等，其初始計量可通過市場評估法來確定價值，也可根據創建或獲取這些資產所花費的歷史成本來確定價值。在后續計量時，根據技術支撐周期或服務周期分期攤銷。當市場有較大變化時，可根據初始計量所采用的計量方法對價值重新核定，如果賬面價值低于核定價值，則進行減值計量。

生產性數據資產（若是商品流通企業，也可表述為“交易性數據資產”），如客戶關系管理和供應鏈數據，可提高操作效率，降低成本，直接影響企業運營效率和利潤。這類數據資產為企業提質增效，如果是自行取得的生產性數據資產，在初始計量時通過計算使用這些數據資產相比不使用時節約的成本或提升的價值來評估其價值；如果是外購的生產性數據資產，則按外購成本進行初始計量。在后續計量時，可以進行一次性攤銷，或者根據其技術支撐周期或者服務周期進行五五攤銷。依據重要性原則，該類數據資產一般不進行減值計量。

三類數據資產的特征與計量比較如表1。

五、數據資產會計科目設置

（一）基本內涵

《企業會計準則——基本準則》中規定“資產是指企業過去的交易或者事項形成的、由企業擁有或者控制的、預期會給企業帶來經濟利益的資源”。對于能確權為企業所有并能給企業帶來利益的數據資源即可以成為數據資產，對確權為資產的數據則需要納入會計核算范疇，而會計核算首先需要有相應的會計科目——“數據資產”。資產是企業在經營活動中使用或擁有的資源，這些資源對于企業實現盈利、履行債務以及支持業務運營都具有價值，可分為有形資產和無形資產。有形資產包括實物形式的資產，如建筑、設備、材料等，有明確的物理形態，可以觀察和量化，能夠為企業帶來未來經濟利益。無形資產是指非物質的、無形的資源，通常是專利權、非專利技術、商標權、著作權、土地使用權、特許權等，雖然無法觀察到實體形式，但同樣具有價值，能夠為企業帶來未來經濟利益。同理，數據資產則是以“數據”為載體，能夠為企業帶來未來經濟利益。所以，數據資產必須符合資產的定義，且是“數據”形態。那么，什么是數據呢？廣義的數據是指以離散形式表示的事實、觀察結果、描述等，是通過觀察、測量或收集而取得，用于描述對象、事件或過程的特征，可以是任何形式的信息，表現為數字、文本、圖像、音頻等形式。而數據資產中的“數據”是一個會計概念，需要從形態上對其進行鑒定，從而與固定資產、無形資產、生物資產等相區別。因此，數據資產中的“數據”應該更為收斂和精準，可以參照《數據安全法》，將“數據”界定為“任何以電子方式或者其他方式對信息的記錄”。在數字化時代，對信息的記錄越來越趨向以電子方式記錄。因此，可進一步將“數據”的定義收斂為：以電子方式對信息的記錄。再參考“無形資產”的定義，數據資產是指企業過去的交易或者事項形成的、由企業擁有或者控制的、預期會給企業帶來經濟利益的電子信息記錄的非貨幣性資源。其本質是一種“記錄”，而該記錄在數字化時代通常以電子數據形式存在，常駐于電磁介質內，包括軟件、網站、網絡游戲、電子書、電子郵箱、視頻、數據庫等。

（二）設置“數據資產”一級科目的必要性

關鍵生產要素撬動了社會生產和企業行為的變遷，進而推動資產負債表的演進[35]，資產負債表數據來源于會計科目的具體記載，因此，會計科目與資產負債表必然會同步演進。會計科目分類發展歷史久遠。在宋代興起的“分戶法”，將資金、物資、成本和收益等不同類型的經濟活動分別記賬，每種類型的活動都有相應的賬戶或賬簿進行記錄。意大利數學家帕喬利（1494）在《算術、幾何和比例》中詳細描述了雙簿記會計系統，將資產、負債和所有者權益概念結合在一起，強調資產和負債的平衡，提出了著名的“資產等于負債加所有者權益”等式，被認為是現代會計的基石，會計科目也得以形成體系。在工業革命時期，隨著機器和設備的廣泛使用，為更好地管理和核算資產，固定資產一級科目應運而生。在20世紀初期，西方國家的商業活動日益復雜，企業開始意識到商標權、專利權、版權等經濟業務對企業經營發展越來越重要，無形資產科目逐漸被引入會計核算體系并成為一級科目。中國1985年頒布的《企業會計制度》和1993年修訂的《企業會計制度》對無形資產進行了初步規定。隨著農林牧漁業從小農時代向集約化經營的推進，規模化的農林牧漁業企業日益增多，《企業會計準則第5號——生物資產》于2006年發布，標志著生物資產正式成為一級科目，進入會計核算體系。固定資產、無形資產、生物資產等一級科目的產生使企業能更準確地反映資產狀況、評估財務狀況和經營績效，并為投資者和其他利益相關者提供更相關的決策有用信息。

隨著大數據取代物質材料成為關鍵投入品[36]，數據作為新的交易客體，已逐漸參與社會的多元化交易，并顯示出作為資產的基本價值[37]。數據使產品和服務能夠實現高度定制化和個性化，幫助企業發現新機會、優化產品設計，還通過預測市場趨勢支持戰略決策。同時，數據與人工智能的結合更是開辟了智能決策新時代，提高了決策效率與準確性。數據也推動了經濟的全球化和數字化，使資源在全球范圍內更高效地流動與使用，已成為智能化時代的關鍵驅動力，不斷推動社會進步和經濟增長。在數據已成為經濟發展關鍵支點的新時代，若把數據資產列為一級科目、形成獨立的會計準則、在財務報表中以一級欄目列示，將使監管機構、股東、債權人、管理者更重視數據資產，使數據資產在“推動數字經濟治理體系建設、促進數據要素市場發展、增強國際數字經濟競爭力、加速數據密集型行業發展、助推企業加強數據資源管理以及提高會計信息決策”等方面發揮更積極的影響[38]，進而更好地成為推動經濟轉型升級和發展新質生產力的驅動力。因此，為了順應時代發展要求，更好地管理和核算數據資產，數據資產理應成為會計核算一級科目，也必將成為與固定資產、無形資產等并列的資產類別[39]。

六、數據資產會計核算與入表

（一）數據資產的會計核算

1.戰略性數據資產

業務描述：企業X收購了一個競爭對手，獲得其市場研究報告和客戶數據庫，該信息對企業長期戰略規劃至關重要。在收購中，該戰略性數據資產的收益評估價值為1 000萬元。

計量方法：收益評估價值法。

初始計量會計分錄：

借：數據資產——戰略性數據資產——XXX

10 000 000

貸：銀行存款/應付賬款? ?10 000 000

2.創新性數據資產

業務描述：企業Y完成了一項新技術研發，該技術預計將大幅提升產品性能。該技術的研發成本合計為20萬元。

計量方法：歷史成本法。

初始計量會計分錄：

借：數據資產——創新性數據資產——XXX

200 000

貸：研發支出? ? ? ? ?200 000

后續計量會計分錄（假設5年攤銷）：

借：攤銷費用? ?40 000

貸：累計攤銷——創新性數據資產? 40 000

3.生產性數據資產

業務描述：企業Z購置了一套高級客戶關系管理系統，以提升銷售效率和客戶服務質量。客戶關系管理系統購置成本為5萬元。

計量方法：購置成本法。

初始計量會計分錄：

借：數據資產——生產性數據資產——XXX 50 000

貸：銀行存款/應付賬款? ? 50 000

后續計量會計分錄（假設采用一次攤銷法）：

借：攤銷費用? 50 000

貸：累計攤銷——生產性數據資產? 50 000

這些實例展示了不同類型的數據資產在實際業務場景中的核算方式，但實際工作中的業務會更復雜，需要財務人員進行職業判斷，確保會計核算合理。

（二）數據資產入表

“大數據之父”舍恩伯格[40]提出，數字化時代，數據作為被交易的對象，列入企業資產負債表只是時間問題。數據資產入表可以顯著提升企業對數據資源的價值認知，促進數據交易和數據開發利用，推動釋放經濟發展新動能，拓展高質量發展新空間[41]。《暫行規定》已為數據資源入表做出明確指引，盡管在列示項目、金額及位置都存在諸多爭議[42]，但是，未來從“數據資源”入表走向“數據資產”入表是數字經濟發展的必然趨勢[43]。首先，數據資產入表能改善企業財務報表。2024年5月發布的《全國數據資源調查報告（2023年）》顯示，2023年全國數據生產總量達32.85ZB（澤字節），同步增長22.44%[44]。如此龐大的數據資產未入表，將導致企業財務報表中的資產數值遠小于企業真實市值。數據資產入表后，可以顯著增加企業的資產規模，從而更接近于真實市值，吸引更多潛在投資者，高新技術企業表現尤其明顯。其次，數據資產入表能顯著提升企業創新能力。根據使用效益對數據資產進行分類管理，效益驅使下的企業將更積極地收集、整理和分析數據，以發掘數據的潛在價值和商機，進而利用數據去進行產品、服務、模式等創新。當數據的創新效益顯現后，企業會進一步優化資源配置，增加數據分析、人工智能、機器學習等數據技術方面的投入，從而提升企業創新能力。最后，數據資產入表能提升企業核心競爭力。把數據資產列為一級科目，意味著數據資產已成為企業核心資產，應更關注數據資產使用情況，提高數據資產使用率，形成更有效的數據決策支持。數據決策支持系統讓企業在戰略制定、市場分析、產品研發、風險評估、運營管理等方面更加精準高效，從而在激烈的市場競爭中占據先機，保持持續競爭優勢。

在數據資產入表實務中，需要在資產負債表的“無形資產及其他資產”下增設“數據資產”一級欄目，反映資產負債表日確認為數據資產的期末賬面價值。在會計報表附注中，需要對“戰略性數據資產”的賬面原值、賬面價值的期初、本期變動、期末的金額予以具體披露，對“創新性數據資產”的賬面原值、累計攤銷、減值準備、賬面價值等期初、本期變動、期末的金額予以具體披露，對“生產性數據資產”的賬面原值、累計攤銷、賬面價值等期初、本期變動、期末的金額予以具體披露。同時，財務人員根據企業數據資產的不同情況做出職業判斷，需要披露數據資產的使用壽命、應用場景或業務模式、關鍵技術、風險情況、安全保護、管理措施、相關權利失效或受限、攤銷方法等企業認為有必要披露的其他相關信息。

七、結語

《暫行規定》雖然為數據資源會計核算提供了指引，但從“數據資源”到“數據資產”的會計核算仍有一個漫長的過程，在突破傳統會計理論、會計準則體系框架等方面需要進行更多開創性的探索。本文以產權保護為導向，通過對數據資產會計科目、分類與計量、核算與入表的理論推演與實踐分析，得出以下結論：（1）隨著數據成為智能化時代關鍵驅動力和社會進步及經濟增長的強勁動力，數據資產已經成為企業的核心資產并應增設一級會計科目；（2）宜將數據資產分為戰略性數據資產、創新性數據資產和生產性數據資產，并依使用時間與使用場景影響度進行分類確認；（3）根據重要性、謹慎性原則，不同類別的數據資產特征各異，在計量與核算時應區別對待；（4）數據資產入表是必然趨勢，并將改善企業財務報表，提升創新能力與核心競爭力。

【參考文獻】

［1］ 中國信息通信研究院.全球數字經濟發展白皮書（2023年）［R］.2024.

［2］ 江小涓，靳景.數字技術提升經濟效率：服務分工、產業協同和數實孿生［J］.管理世界，2022，38（12）：9-26.

［3］ 馮曉青.數字經濟時代數據產權結構及其制度構建［J］.比較法研究，2023（6）：16-32.

［4］ 胡偉.企業數據資源資產化：理論機制、實踐基礎與政策選擇［J］.財會通訊，2024（3）：13-19.

［5］ 馮科.數字經濟時代數據生產要素化的經濟分析［J］.北京工商大學學報（社會科學版），2022，37（1）：1-12.

［6］ 陳金勇，張高領，陳夢純.數據資源會計之惑：信息生成機制研究［J］.會計之友，2024（3）：7-15.

［7］ 張俊瑞，高璐冰，危雁麟.數據資產會計：概念演進、解構與關系辨析［J］.會計之友，2023（24）：131-137.

［8］ 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（6）：3-10.

［9］ 李健，董小凡，張金林，等.數據資產對企業創新投入的影響研究［J］.外國經濟與管理，2023，45（12）：18-33.

［10］ 康旗，韓勇，陳文靜，等.大數據資產化［J］.信息通信技術，2015，9（6）：29-35.

［11］ 秦榮生.數字經濟時代數據資產的確認與計量［N］.經濟觀察報，2020-12-21（05）.

［12］李靜萍.數據資產核算研究［J］.統計研究，2020，37（11）：3-14.

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

［14］ 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.

［15］ 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，2018，33（8）：791-795.

［16］ PERRONS R K，et al. Data as an asset：What the oil and gas sector can learn from other industries about“Big Data”［J］. Energy Policy，2015（81）：117-121.

［17］ 朱揚勇，葉雅珍.從數據的屬性看數據資產［J］.大數據，2018，4（6）：65-76.

［18］ 顧立平，樊舒.數據權屬和使用邊界研究［J］.科研信息化技術與應用，2018，9（3）：34-39.

［19］ 黃少安.產權經濟學導論［M］.北京：經濟科學出版社，2004：108-207.

［20］吳江.數據交易機制初探——新制度經濟學的視角［J］.天津商業大學學報，2015，35（3）：3-20.

［21］ 葛家澍.關于市場經濟條件下會計理論與方法的若干基本觀點（Ⅵ）［J］.財會月刊，1995（7）：3-6.

［22］ 伍中信.現代財務理論的產權基礎［J］.財政研究，2000（7）：52-61.

［23］ 朱揚勇，葉雅珍.從數據的屬性看數據資產［J］.大數據，2018，4（6）：65-76.

［24］ 張莉.所有權、使用權、收益權：數據產權的構建［N］.中國計算機報，2019-11-04（12）.

［25］ PETRIE C.The proper use of the internet：digital private property［J］. IEEE Internet Computing，2016，20（2）：92-94.

［26］ 陳濤.數據產權的歸屬問題探究［J］.市場周刊，2020（4）：163-165.

［27］ 馬克衛，王碩，苑杰.數據資產核算應用研究：理論與實踐［J］.中南財經政法大學學報，2023（5）：149-160.

［28］ 杜振華.大數據應用中數據確權問題探究［J］.移動通信，2015，39（13）：12-16.

［29］ 龍衛球.數據新型財產權構建及其體系研究［J］.政法論壇，2017，35（4）：63-77.

［30］ 許可.數據權屬：經濟學與法學的雙重視角［J］.電子知識產權，2018（11）：23-30.

［31］ BARNEY J，et al.The resource-based view of the firm：ten years after 1991［J］.Journal of Management，2001，27（6）：625-641.

［32］ 騰訊研究院.一文讀懂：數據的五個特征、三道難題［Z］.2023.

［33］ 許憲春，張鐘文，胡亞茹.數據資產統計與核算問題研究［J］.管理世界，2022，38（2）：16-30.

［34］ 孫蕊.會計重要性概念、特征及判定：一個分析性框架［J］.財會通訊，2019（34）：11-15.

［35］ 張新民，金瑛.資產負債表重構：基于數字經濟時代企業行為的研究［J］.管理世界，2022，38（9）：157-176.

［36］ 張文魁.數字經濟的內生特性與產業組織［J］.管理世界，2022，38（7）：79-90.

［37］ 葉明，馬羽男.數據權利資產化收益的歸屬判定［J］.大連理工大學學報（社會科學版），2023，44（6）：77-84.

［38］ 陳俊，李永康，龔啟輝.企業數據資源會計處理研究［J］.財會月刊，2023（21）：13-18.

［39］ 趙麗芳，曹新宇，邊琰 企業數據資產創造價值的底層邏輯問題研究［J］.會計之友，2024（6）：51-58.

［40］ VIKTOR M S，et al.Big Data：a revolution that will transform how we live，work，and think［J］.American Journal of Epidemiology，2014，179（9）：1143-1144.

［41］ 趙治綱.數據資產入表的戰略意義、問題與建議［J］.會計之友，2024（3）：2-6.

［42］ 吳果蓮，苑秀娥.基于應用場景的數據資產會計核算研究［J］.中國注冊會計師，2023（6）：91-95.

［43］ 孫靜，王建冬.多級市場體系下形成數據要素資源化、資產化、資本化政策閉環的總體設想［J］.電子政務，2024（2）：12-20.

［44］全國數據資源調查工作組.全國數據資源調查報告（2023年）［R］.2024.