數據資源入表的三大基本理論問題

【摘要】數據資源入表是大力發展數字經濟和加快形成新質生產力的內在需要。數據資源入表本質上指向的是數據要素化， 這其中數據資源化是基礎條件， 數據產品化是主要抓手， 數據資產化是目標歸向。惟有依次使原始數據資源化、 數據資源產品化、 數據產品資產化， 才能確保數據資源入表的真實性、 可靠性和可信性， 數據資源入表工作才能行穩致遠、 可持續開展。

【關鍵詞】數據資源入表；數據資源化；數據產品化；數據資產化

【中圖分類號】 F275 【文獻標識碼】A 【文章編號】1004-0994（2024）17-0026-5

數字經濟是實現中國式現代化的新動力， 而數據要素是數字經濟高質量發展的新引擎。世界經濟已從圍繞物品和貨幣流動轉變為圍繞信息流動來組織（Drucker，1992）， 數據是當今世界最寶貴、 同時也是最需要加強監管的資源（The Economist，2017）。作為數智時代的重要戰略資源和新興生產要素， 數據成為互聯網、 數字技術等類型公司的“資產”已是不爭的事實， 利用日平均用戶等活躍度指標估測企業所持有的數據規模早已成為其核心方式（Birch等，2021）， 數據的價值將顯示在企業的資產負債表上， 成為一個新的資產類別（Mayer和Cukier，2013）。聯合國統計委員會第51次會議也已明確將“數據納入國民賬戶體系”列入國民經濟核算體系（SNA）研究議程。事實也是如此， 只有將數據作為一種資源納入企業會計核算系統和國民經濟核算體系， 才能實現其資產化、 體現其業務價值， 并從中獲取信息以支持經營和管理決策。隨著財政部《企業數據資源相關會計處理暫行規定》（財會〔2023〕11 號）和《關于加強數據資產管理的指導意見》（財資〔2023〕141號）等文件的印發執行， 數據資源入表已成為時下中國最熱門的會計話題。政府主動引導， 企業推陳出新， 學界見仁見智， 亟待作出科學的理論詮釋、 邏輯自洽和路向選定。對此， 本文拋磚引玉， 談點粗淺看法。

一、 數據資源入表語境下的數據含義

從數據資源入表角度來看， 數據是一種可供電子傳輸和計算機自動處理的信息形態， 即“機器可讀的編碼信息”（Herbert，2016）。換句話說， 這里講的數據是信息的一種數字化表達或二進制的形式化體現， 它可以非常便捷地進行訪問、 交流、 解釋或處理， 多存儲于各種電子設備、 軟件系統、 數據庫和大模型之中。

一般意義上而言， 數據是信息的載體——一種可計算的記錄（時建中，2023）。數據經過加工、 處理、 組織或分析后可以形成信息， 而信息是以有意義的形式加以排列和處理的數據（World Bank，1998）， 即有組織的或結構化的數據。數據與信息是記錄與被記錄、 形式與內容的關系， 即一體兩面的關系。但從數據資源入表的角度看， 僅僅這樣來理解和解釋數據、 信息及其相互關系未免過于膚淺、 表面化。它既沒有嚴格地把數據和信息這兩個相對獨立的會計客體區分開來， 也沒有把作為入表對象的數據的本質界定清楚， 容易造成理論與實務上的混亂。作為一種新型經濟資源， 數據本質上指的是以電子方式如實或實時記錄個體或組織可觀測經濟社會現象所產生的信息， 這些信息必須是數字化的， 是以數據形式體現出來的。入表數據既不是數據的全部， 也不是信息的全部， 而是僅指數據集中具有信息價值的部分或者信息集中以數字化形式呈現的部分， 是數據和信息在價值化與數字化兩個維度上的重疊。總之， 入表數據一定是數字化的信息與有信息價值的數據的集合。

數據是伴隨人類經濟社會活動而產生的一種符號記錄或信號資料， 主要包括數字、 詞語、 聲音、 圖像、 文本和視頻等。作為合格或量化符號存儲或傳輸事實的表示（經濟合作與發展組織，2017年譯本）， 數據是與人類歷史長河一樣久遠漫長的一種客觀存在， 數據的全部意義在于反映和指導人類個體或組織的行為。在大數據、 人工智能等新一代信息技術“爆炸式”增長和廣泛應用之前， 數據的意義即數據的價值效應， 并沒有現在這么突出和顯著。表面上看， 這是由于數據規模太小、 數據質量偏低、 數據價值密度不高等帶來的對人類行為預測與決策支持力度不夠所造成的， 但追根溯源， 是因數據采集、 處理與組織的技術落后、 科技層級不高所致， 集中表現為經濟社會領域存在抑或難以根治的信息失真、 決策失誤、 市場失靈和政府失效等。而現在， 客觀存在著的數據無論是在內容涵義、 規模質量， 還是在呈現形式、 存儲載體等方面， 都發生了顛覆性或根本性變化， 數據具有了大數據或全數據特征， 顯現出了生產要素屬性， 具備了資源入表條件。可以這樣說， 入表數據指向的主要是作為數字技術和數字經濟基礎的大數據， 而不是過去意義上的零數據或小數據， 這些數據不僅表現出了大數據的“5V”自然特性， 即數量（volume）、 速度（velocity）、 種類（variety） 、 價值（value）和真實性 （veracity）， 而且也具有了大數據的“5I”社會屬性， 即數據整合（integration）、 數據融通（interconnection）、 數據洞察（insight）、 數據賦能（improvement） 以及數據復用（iteration）（尹西明等，2022）。

數據資源入表歸根結底是一個數據要素化的過程。從會計角度講， 數據資源入表就是將數據要素納入現行會計核算體系， 并作為會計報表的具體項目加以揭示和披露。通過入表將數據這種“可能的生產要素”經過人類的特殊勞動演變為“現實的生產要素”， 即轉化為新質生產力。原始數據或者簡單堆積的數據不能稱之為數據要素， 充其量是可能的或潛在的數據要素， 它要成為數據要素， 還必須與技術、 組織、 管理、 勞動等既有生產要素相結合（謝康等，2020）。只有經過挖掘、 清洗、 整合、 轉換、 分析， 即經處理的、 可為生產過程提供新的助力的數據， 才能稱得上數據要素（徐翔和趙墨非，2020）。數據要素以非實物形式間接而非直接參與社會生產活動， 發揮橋梁紐帶作用， 加之相關法律法規又不像知識產權保護制度體系那樣健全有效， 數據要素化過程非常復雜， 必須依賴算法體系、 算力系統和數字技術， 并與傳統生產要素、 業務場景相伴生， 具有極高的技術、 制度和場景依賴性。

二、 數據資源化是數據資源入表的基礎條件

數據很早就被視作一種促進生產與交換的重要經濟資源（Cleveland，1982）。所謂數據資源， 指的是具備了一定資源特征的數據， 而數據資源化既是數據資源入表的第一步， 也是使數據成為現實生產要素的第一步。數據資源化指的是對原始數據即數據荒地， 包括單個數據、 多個數據和群聚數據， 采取一定的制度措施和運用一定的技術手段， 使之具備經濟資源特征的過程。在現實世界里， 并不是所有的數據都能夠資源化。資源化的數據或入表的數據指的是在海量原始數據基礎上再加工、 再處理和再組織， 衍生出的具有客觀上的稀缺性和經濟上的價值性的再生數據， 它附著了新的人類勞動。

數據所有權是數據資源化無法回避的一個現實問題。它屬于上層建筑范疇， 需要頂層制度設計與安排。在以“權利束”為基礎性概念界定所有權內涵的今天， 所謂的所有權早已不再是傳統意義上的財產擁有者對該物品的支配權， 而是更傾向于財產權的形成取決于國家對它的創制、 定義、 識別和驗證（Daniel和John，2011）， 即“權利自身不外是一個在法律上受保護的利益”（魯道夫·馮·耶林，2016年譯本）。換句話說， 現代政府早已成為財富的主要源泉， 具有釋放出金錢、 救濟金、 服務、 專營權和特許權的職能（Charles，1964）。基于這樣的理論認知， 所有權在數據上呈現出的權利樣態， 不僅包括使用權、 交易權、 抵押權、 租賃權、 贈與權與準入權等固有權利， 而且也包括拒絕使用這些權利的權利（閆立東，2019）； 不僅是指個人、 集體、 國家在數據上的各種權利， 而且也指那些不明主體的數據源。可見， 在數據所有權制度安排上不能過度強調數據在所有權上的唯一性或專屬性， 而應強化數據在使用權上的多元性， 甚至要更重視數據在占有權上的實操性。

在數據資源入表實踐中， 數據所有權是否清晰明確， 即數據源于何處、 最初由誰來提供并不那么重要， 重要的是： 數據由誰來進一步地持有、 加工和經營， 也就是最終由誰來占有。數據占有權是所有權概念在數據領域最重要、 最有意義、 最具價值的權利樣態， 是數據資源化本體性概念中最核心的概念。它既是數據要素化的法理起點， 也是數據資源化的邏輯起點。所謂數據占有權， 指的是一種尚未達到所有權唯一性、 居于所有權和使用權之間的數據權利。數據占有權更加符合數據共享性、 復用性和非排他性的特質， 也更能滿足數據共享、 流通、 交易， 尤其是買賣、 租賃、 抵押、 擔保、 典當等各種交易形式的不同需求， 更能體現“不為我所有， 但為我所用”的實踐邏輯。事實也是這樣， 數據的開放和使用不需要數據所有權的轉移（但需要個人隱私和商業秘密的保護）， 實踐中也不可能厘清數據的所有權， 只能抓數據占有權這個主要矛盾點， 它才是數據資源化的法律前提， 自然也是數據進一步加工、 經營和使用的制度前提。

強調數據占有權并不意味著否定數據提供者或產生者的既有權利。但是， 從數據資源化和要素化將數據作為一種新型資源和要素納入經濟社會系統的角度來看， 又確實不宜過分突出數據源主體的這種權利。在這個層面上， 數據提供者或產生者最主要甚至是唯一的權利訴求應該是基于數據倫理的個人隱私、 商業秘密和國家利益的保護， 而不是在經濟利益方面的權益訴求。毋庸置疑， 數據倫理是數據所有權制度創設的前置性問題， 是數據市場法治制度和交易制度構建的基石。數據源于自然人個體、 法人主體和政府及其他組織的共同貢獻， 不僅涉及個人隱私、 商業秘密和數據安全問題， 更涉及個人、 主體和組織間的利益劃分和權利配置問題， 數據的持有、 加工和經營一定要以數據和科技倫理為指引， 必須倫理先行、 道德為要， 形成普遍的社會共識和厚重的文化氛圍。

提到資源化， 就要強調稀缺性和價值性。關于數據是否具有稀缺性， 尤其是否具有客觀上的稀缺性， 社會各界一直爭論不休。數據盡管因其固有的可復制性和易于篡改性而被認為缺乏稀缺性（主要是客觀上的稀缺性）（梅夏英，2017）， 但是， 引入大數據分析、 人工智能和區塊鏈等數字技術處理后的數據， 可以很好地解決可被擅自復制的“雙花”問題（David等，2018）， 更何況， 數據易復制、 易篡改、 易共享不等于不可限制。數據歸根結蒂是一種信息——一種專門通過收集獲取的， 或者由已有信息加工而來的特殊的信息。既然是一種信息， 其客觀上的稀缺性在一定程度上取決于信息的保密性， 也就是所謂的信息“封鎖”。只要通過一定的技術和法律手段對信息加以有目的性的封鎖， 就能克服數據的共享性， 使之具備經濟學意義上的（有限）排他性， 為數據的權屬轉移和利益獲取創造必要條件。恰當地處理好信息保密性問題， 無疑是數據在使用和經營方面最為內在的關鍵問題。可以這樣說， 沒有保密措施和法律規制的數據在客觀上是沒有稀缺性的， 也就不具備數據的經濟資源屬性。

數據是否具有價值？回答應該是肯定的。價值泛指經濟物品和經濟服務在交易中所具有的意義（中共中央馬克思恩格斯列寧斯大林著作編譯局，2004）， 這種意義可以具化為經濟上的價值、 對人的意義和重要性等不同含義。它通過人的實踐， 以一定的形式在現實生活中得以體現， 這個價值的大小， 依存于它們用途的多少、 使用必要性的大小和供應的充足程度（薩伊，2010年譯本）。數據的價值不僅取決于數據的稀缺性（稀缺就是價值）、 數據的業務場景（數據是一種高度場景化的客觀存在）， 以及人們使用和認知數據的技術能力（同樣的數據在不同的使用者手中所產生的價值是不一樣的）， 而且更加取決于數據的內在重要性和外在重要性。所謂數據重要性， 主要指的是不同來源和不同種類的數據的重要程度。當然， 數據的重要性是相對的， 是和數據的具體來源、 業務場景和目的用途緊密相關的。數據重要性不同， 其價值性也會不一樣， 而且兩者往往會發生脫節。比如， 反映商業秘密的數據， 對企業和競爭對手而言都很重要、 有用， 但其價值性（主要是經濟價值）幾乎為零， 因為企業不可能將這些決定其生死存亡的數據開放或交易。同樣， 涉及個人隱私或國家安全的數據也是如此。數據只有通過被加工和被使用才能創造出價值， 即只有那些具備了一定規模、 一定質量和一定使用年限的聚合數據， 才具有客觀上的價值性。對于現在或潛在的數據占有者來說， 增進數據價值主要有五個步驟， 即數據的采集、 組織、 篩選、 整合和分發等（Jennifer，2007）， 最終形成包括數據的生成、 采集、 預處理、 存儲、 分析、 可視化和展示等七個階段的數據價值鏈（Faroukhi等，2020）。

綜上所述， 數據是一種新型經濟資源， 具有可無限復制性， 具備規模報酬遞增屬性， 其價值隨時間而貶損、 隨精準度而增加、 隨聚合而提升， 冗余會降低其價值， 自生性使之不隨使用而發生減值（Moody和Walsh，1999）， 其價值與應用場景相關， 其價值創造的實現方式具有多樣性（許憲春等，2022）等特點。微觀上， 數據資源化就是企業等市場主體利用數字技術挖掘原始數據的使用價值， 并發現其深層經濟價值的過程， 也就是通過對原始數據的梳理、 識別、 確認、 合規、 登記、 評價， 或者預選、 立項、 注冊登記、 經濟利益分析、 成本歸集分攤使之具有產權性、 稀缺性和價值性的過程。數據資源化既可以發生在數據產品的研發階段， 也可以發生在數據資產的形成階段， 具體取決于企業在數據治理之前所確定的業務場景和價值取向。

三、 數據產品化是數據資源入表的主要抓手

數據作為一種促進經濟社會發展不可或缺的新型資源并不能獨立存在， 需要依賴于數據產品和數據服務（統稱“數據產品”）及其開發商的合約， 其價值是所嵌入數據產品的衍生價值。理論上， 數據資源可以直接資產化， 即直接作為某種資產列入會計報表項目， 但是鑒于數據資源的不透明性、 易變性及不可知性， 數據資源的價值尤其是經濟價值往往是通過基于數據資源加工而成的數據產品或者加工提供的數據服務的價值間接體現出來的。也就是說， 數據資源的價值很難直接通過測度或透視數據資源這個“黑箱”的具體內容及內在價值而直接表征出來。當然， 不能據此認為， 數據資源的價值一定等于其所形成的數據產品價值的總和。實際上它們并不一致， 可能是相等的關系， 也可能是小于或大于的關系， 因為一致的數據資源并不意味著一定能衍生出一致的數據產品， 數據資源的一致性不等于數據要素價值的一致性。正是從這個意義上看， 數據資源交易市場建設要緊緊圍繞數據產品展開， 而不是專門針對數據資源尤其是未經加工的原始數據或數據原料展開。

數據產品化就是將數據資源轉化為數據產品的過程， 它是從數據資源化到數據資產化跨越的重要節點， 也是數據資源入表（數據資產化）的主要抓手。廣義的數據產品指的是一切以數據形式存在且具有經濟價值的事物； 狹義的數據產品指的是利用算法規則對數據資源進行深度加工處理所創造出的具有交換、 預測和決策價值及技術可行性的衍生數據。作為數據資源入表的數據產品往往指的是后者， 具體而言就是數據占有者（不一定是所有者）基于巨量或全部數據資源以特定的算法或人工處理、 分析、 整合后所形成的衍生聚合數據。這些數據凝結著人類特殊勞動， 具有精致化定制和前瞻性數據分析等特定功能， 具備了財產所有權的占有、 使用、 收益、 處分等四項基本權利。

數據產品的核心載體是應用模型， 包括算法程序和服務終端。數據資源在一般意義上可以在物理層（存儲介質）、 符號層（程序模型）、 內容層（數據信息）等三個層面上被支配和控制， 但是， 鑒于數據產品在物理層和符號層上的便捷可分性（這種分離不會造成數據文件和存儲介質的實質性損害）， 以及在符號層和內容層上的內在統一性， 其具體界定應該直接指向內容層的數據信息和符號層的數據文件（程序模型）， 而不是物理層的存儲介質。也就是說， 數據產品或者指向記錄數據信息的數據文件， 或者指向數據文件中所記錄的數據信息。可見， 數據產品僅涉及符號層和內容層上的數據資源， 并不包括物理層的存儲介質， 這些數據物理載體仍然按照現行資產類型和項目加以反映和披露。

數據產品既不是知識產權（因為它不存在人類再思考、 再創作的問題）， 也不是數據庫（因為它是對數據庫中存儲數據的再處理、 再組織的結果）， 更不是以傳統物理方式存儲的數據（因為它只能是利用機器學習等人工智能技術“結晶”出的便于流通、 交易、 共享和開發的數據）。從用途上講， 數據產品主要包括提供或準備提供給其他市場主體的數據產品和為最終消費或資本形成而保留的數據產品； 從年限上講， 數據產品應包括沒有確切使用年限的數據產品和存在約定使用年限的數據產品（數據使用許可服務）。不同的使用用途和年限決定著數據產品資產化的取向和歸類， 即是列為存貨類， 還是列為無形資產類， 抑或是列為特殊固定資產或其他資產類。

四、 數據資產化是數據資源入表的目標歸向

數據資產化是數據資源釋放數據價值， 形成經濟效益或社會效益（數據資源具有社會效益， 但是本文中更多的是強調數據資源的經濟效益）的過程， 這是使數據真正成為國民財富并最終成為社會財富關鍵增進因素的重要一步。數據由數據資源開發并轉化為數據產品無疑為數據資產化創造了基礎條件、 提供了實操抓手， 但是， 數據產品能否轉化為數據資產以及數據資產如何歸類反映， 還必須符合資產確認的現行制度要求。

把數據視為一種資產是近幾年的事情。盡管Peterson（1974）和Meyer（1996）都曾提到過“數據資產”一詞， 但是他們都沒有給出符合數智時代要求的數據資產的應有涵義和啟示。目前來看， 對數據資產一般意義上的理解主要有以下幾種觀點： 一是被定義為某種權利， 即以二進制形式存儲在計算機或通過互聯網存儲在云中的任何類型數據的所有權（Toygar等，2013）， 亦或擁有數據權屬、 有價值、 可計量、 可讀取的網絡空間中的數據集， 其中數據權屬包括勘探權、 使用權和所有權（朱揚勇和葉雅珍，2018）。二是被定義為某類信息或項目， 即由機構單位或個人為了特定用途專門開發或記錄， 且達到一定規模的有經濟投入、 有預期經濟或社會效益、 能夠長期重復使用、 以電子或物理方式作為載體儲存的信息資料（李原等，2022）， 亦或由機構單位為了特定用途專門開發或記錄、 以電子或物理方式儲存、 能夠提供數字化信息服務、 達到一定規模、 有經濟投入、 有預期經濟或社會效益且能長期重復使用的數據資料、 設備或集成項目（李寶瑜等，2023）。三是被定義為某項資產， 即由數據文件組成， 由產業或機構部門生產和擁有、 能夠自用或提供給社會使用的特殊固定資產（馬克衛等，2023）， 亦或將擁有明確使用場景、 明確經濟所有權且能為經濟所有者帶來經濟利益的數據視作數據資產， 并且作為資產的數據一定是生產資產（許憲春等，2022）。四是被定義為符合一定條件的數據資源， 即“合法擁有或控制的， 能進行計量的， 為組織帶來經濟和社會價值的數據資源”（GB/T40685-2021）， 亦或由企業依法控制、 成本可計量、 能在未來為企業帶來經濟利益的數據資源（羅玫等，2023）。凡此種種， 不再贅述。

按照資產測度與計量的國內外通行體系， 數據資產要進入經濟社會系統、 成為國民財富或企業資產的構成內容， 必須通過國民經濟核算和企業會計核算這兩大信息生成系統。站在統計學的角度， 數據資產應該是“一種價值儲備， 代表經濟所有者在一定時期內通過持有或使用某實體（在這里主要指數據產品——它既是數據資源的現實或虛擬載體， 也是數據資產的實體化表現）所產生的一次性或連續性經濟利益”（SNA2008）； 站在會計學的角度， 數據資產應該是“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”， 即“合法擁有或控制的、 預期會給企業帶來經濟利益的數據資源”。但是， 國際會計準則中規定的資產定義是“資產是由過去事項形成， 由企業實際控制的現有經濟資源， 該經濟資源指的是未來可能產生經濟收益的權利， 并且未來產生的收益是其他企業所不能同時獲得的經濟收益”（IASB，2018）， 這個定義似乎更契合數據資源的特質， 尤其是數據資源的價值實現必須借助權屬轉移和數據產品這一新特性， 據此數據資產指向的應該是能夠給數據占有者帶來未來經濟利益的某種權利， 當然這種權利最初應該來源于國家或政府的創制。

數據資源在會計上的資產化無疑是最基礎性的， 數據資產化需滿足以下條件： 一要符合資產會計確認的一般條件； 二要體現數據資源的特殊性， 也就是要從數據資源的權屬、 來源、 場景、 產品和收益性等方面來考察數據資產的確認要件； 三要能夠可靠、 準確地計量價值。其中最重要的三個方面是： 第一， 全面觀照數據資源的合規性。自查數據資源， 識別應用場景， 進行合規性測試， 最終根據數據來源和數據生成特征， 界定數據資源在生產、 流通、 使用過程中各參與方享有的合法權利。第二， 著力提升數據管理制度體系的完備性。在相關政策和理論準備并不充分的情況下， 數據資產化更重要的是要建立健全數據資產管理體系， 這套體系至少要包括數據標準管理、 數據模型管理、 數據質量管理、 元數據管理、 主數據管理、 數據安全管理、 數據開發管理、 數據資產共享流通管理等內容。第三， 改良創新數據資產的價值計量方法。計量是會計的核心， 沒有可靠的價值計量， 數據資產化就不可能真正實現。現行會計計量方法主要基于成本和市場兩個維度， 包括歷史成本法、 重置成本法、 可變現凈值法、 現金流折現值法和公允價值法等五大方法， 并沒有考慮數據資源的異質性、 數據成本的不可分割性和數據資源市場的不成熟性， 數據資產價值計量不能直接套用這些方法。

進一步， 數據資產的價值屬性并不是其自身的內在價值屬性， 必須借助數據資源的加工、 使用、 轉移以及數據產品形成過程中消耗的可見的、 確定的其他經濟資源的價值來表征， 最終體現為數據資產權屬變化后所導致的資產價值的變化。換句話說， 數據是個“黑箱”， 不僅無實體而且不可知， 很難透過數據資源這個黑匣子本身觀測到其內部的“狀況”或“存量”， 數據資產的價值只能基于數據流量、 數據記錄變動、 數據產品生成以及數據產品測試（試用）等這些“過程”或“增量”信息來間接測度， 遵循的是“先流量后存量”原則。只有這樣， 才能從操作而不是結果層面上把控住人的行為， 即把控住在數據生產投入、 數據來源獲取、 數據要素運營、 數據權屬變動以及數據產品經營等方面的人的行為， 也才能最終確保數據資產價值計量的可靠性。

必須指出， 會計上表征出來的數據資產的價值不僅指數據產品的生成成本和后續加工處理成本， 盡管它們直接影響到數據占有權屬的轉移成本價值， 而且也包括數據產品租用、 出售或使用所帶來的“租金”性質的收益價值， 包括但不限于以時間、 使用次數、 數據流量衡量或以單位租金衡量的數據使用量及其價值等。之所以強調數據資產價值的租金性質， 是因為數據資產的權益共享性——數據資產不會因權屬和利益的轉移而影響或排斥其再處理、 再使用和再交易。

五、 結束語

數據資源入表是數據要素化的基礎性工作， 是培育數據要素市場、 推動企業數字化轉型、 促進數字經濟發展、 形成新質生產力的有效抓手， 其微觀意義在于增加企業賬面價值、 擴大企業資產規模、 助力企業融通資金和促進數據流通交易。目前， 盡管數據資產入表在數據辨析、 制度建設、 數據保真、 價值計量、 成本歸集分攤、 收益預測、 收入成本配比、 攤銷年限確認等方面還面臨諸多會計難題， 但是， 沿著“數據資源化——數據產品化——數據資產化”這一技術和實踐路線扎實推進數據資源入表工作， 不失為一種穩妥可靠的選擇。

【 主 要 參 考 文 獻 】

經濟合作與發展組織著．張曉譯．數據驅動創新： 經濟增長和社會福利中的大數據［M］．北京： 電子工業出版社，2017．

李寶瑜，王碩，劉洋等．國家數據資產核算分類體系研究［ J］．統計學報，2023（3）：1 ～ 10．

李原，劉洋，李寶瑜．數據資產核算若干理論問題辨析［ J］．統計研究，2022（9）：19 ～ 28．

魯道夫·馮·耶林著．鄭永流譯．為權利而斗爭［M］．北京：商務印書館，2016．

羅玫，李金璞，湯珂．企業數據資產化：會計確認與價值評估［ J］．清華大學學報（哲學社會科學版），2023（5）：195 ～ 226．

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．

梅夏英．虛擬財產的范疇界定和民法保護模式［ J］．華東政法大學學報，2017（5）：42 ～ 50．

薩伊著．陳福生，陳振驊譯．政治經濟學概論［M］．北京：商務印書館，2010．

時建中．數據概念的解構與數據法律制度的構建 兼論數據法學的學科內涵與體系［ J］．中外法學，2023（1）：23 ～ 45．

謝康，夏正豪，肖靜華．大數據成為現實生產要素的企業實現機制：產品創新視角［ J］．中國工業經濟，2020（5）：42 ～ 60．

徐翔，趙墨非．數據資本與經濟增長路徑［ J］．經濟研究，2020（10）：38 ～ 53．

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（2）：16 ～ 30+2．

閆立東．以“權利束”視角探究數據權利［ J］．東方法學，2019（2）：57 ～ 67．

尹西明，林鎮陽，陳勁等．數據要素價值化動態過程機制研究［ J］．科學學研究，2022（2）：220 ～ 229．

中共中央馬克思恩格斯列寧斯大林著作編譯局．馬克思恩格斯選集：第三卷［M］．北京： 人民出版社，2004．

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．

Birch K.， Cochrane D. T.， Ward C.. Data as Asset？ The Measurement Gove-rnance and Valuation of Digital Personal Data by Big Tech［ J］． Big Data & Society，2021（1）：1 ～ 15．

Charles A. Reich. The New Property［ J］． The Yale Law Journal，1964（73）：733 ～ 787．

Cleveland H.. Information as a Resource［ J］． Futurist，1982（6）：34 ～ 39．

Daniel B. Klein， John Robinson. Property： A Bundle of Rights？ Prologue to the Property Symposium［ J］． Econ Journal Watch，2011（3）：193 ～ 204．

David Lee Kuo Chuen， Li Guo， et al.. Cryptocurrency： A New Investment Opportunity？［ J］． The Journal of Alternative Investments，2018（3）：16 ～ 40．

Drucker P. F.. The New Society of Organizations［ J］． Harvard Business Review，1992（5）：95 ～ 104．

Faroukhi A. Z.， El Alaoui I.， et al.. Big Data Monetization Throughout Big Data Value Chain： A Comprehensive Review［ J］． Journal of Big Data，2020（1）：1 ～ 22．

Jennifer Rowley. The Wisdom Hierarchy：Representations of the DIKW Hierarchy［ J］． Journal of Information Science，2007（2）：163 ～ 180．

Mayer Sch?nberger V.， K. Cukier. Big Data： A Revolution That Will Transform How We Live， Work， and Think［M］． Boston：Houghton Mifflin Harcourt，2013．

Meyer H.. Tips for Safeguarding Your Digitai Assersn Computers and Security，1996（7）：588．

Petrson R. E.. A Cross Section Study of the Demand for Money： The Uni-ted States，1960-62［ J］．The Journal of Finance，1974（1）：73 ～ 88．

Toygar A.， Rohm Jr C. E.， Zhu J.. A New Asset Type： Digital Assets［ J］．Journal of International Technology and Information Management，2013（4）：113 ～ 120．

World Bank. World Development Report： Knowledge for Development［M］．New York： Oxford University Press，1998．