企業數據資產價值特征和屬性的系統探究

【摘 要】 數字時代，數據資產是企業未來的核心資產和企業價值創造的關鍵來源。明晰數據資產的價值特征和屬性，是企業有效實施數據資產化工作和把握數據資產價值規律，以及有序開展數據資產管理工作的關鍵基礎。數據資產是企業的一類新型資產和特殊資產，具有諸多不同于現行資產的價值特征和屬性，不能用舊會計思維來看待和認識，更不能簡單套用現行資產管理方法來管理。文章重點探究了以下問題，一是對數據基本特征的闡釋和厘清，這是理解數據資產價值特征的重要前提；二是從經濟、技術和財務“三個維度”來探究數據資產的價值特征；三是著重指出數據資產具有價值、法律和安全“三個屬性”；最后對數據資產面臨的會計計量和資產管理難題進行了探討，并提出了應對建議。

【關鍵詞】 價值特征； 價值屬性； 會計計量； 數據資產管理

【中圖分類號】 F234.3 【文獻標識碼】 A 【文章編號】 1004-5937（2024）20-0128-07

一、引言

近年來，黨中央高度重視發展數字經濟和推動數據要素市場化。2022年《中共中央 國務院關于構建數據基礎制度更好發揮數據要素作用的意見》（以下簡稱“數據二十條”）首次明確提出了“數據作為新型生產要素”的新理論。黨的二十屆三中全會通過的《中共中央關于進一步全面深化改革 推進中國式現代化的決定》提出“加快構建促進數字經濟發展體制機制和加快建立數據產權歸屬認定、市場交易、權益分配、利益保護制度”的改革新要求。自2023年8月財政部發布《企業數據資源相關會計處理暫行規定》（財會〔2023〕11號）以來，數據資產的相關話題熱度非常高，尤其如何推進數據資產化和如何充分釋放數據資產的新價值，這些話題得到了學術界、政府部門和企事業單位的高度關注和討論[1]。然而，數據資產是一類全新的資產，其價值特征和價值運行規律，完全不同于企業已入表的現有任何有形或無形資產，已有研究文獻對數據資產的價值特征缺乏系統的梳理和闡釋，現有文獻也多是從財務角度和傳統資產角度來研究數據資產的價值特征。為此，亟須深入探討和厘清數據自身的基本特征，系統闡釋數據資產的價值新特征，為企業有效開展數據資產的價值管理和尋找數據資產價值化的路徑提供理論遵循[2]。顯然，數據資產的價值新特征，不僅需要從財務維度來闡釋，更需要從經濟學和技術等多個維度來剖析，比如數據資產的價值復雜多元且動態多變，數據資產很難排他使用，數據資產很容易被復制復用，數據資產很容易因數據泄露或被竊取而喪失價值等[3]。因此，本文試圖從數據本身的基本特征出發，基于經濟、技術和財務“三個維度”探究數據資產的價值特征，并系統總結了數據資產的價值、法律和安全三個屬性，進一步豐富對數據資產的系統認識。

二、對數據基本特征的闡釋和厘清

數據作為新型生產要素，是發展新質生產力最為關鍵的基礎要素。闡釋和厘清數據本身的基本特征是理解數據資產價值特征的重要前提。“數據二十條”明確數據作為新型生產要素，屬于重大理論和政策創新，但已有研究文獻對數據特征的闡釋和認識，尚不系統全面。本文認為數據的基本特征，應從原始數據、大數據、高質量數據三個層面來展開。

（一）原始數據的基本特征

數據（Data）通常指的是經過記錄和處理的信息，且數據是以二進制的形式儲存于計算機之中。例如，圖形、圖像、視頻、音頻、文本等數值性和非數值性的符號都可以被計算機轉化為二進制數，進行各種邏輯運算，處理成有意義的數據。需要強調的是，數據是原始的，數據所代表的信息與現實世界的真實情況相一致。數據本身并沒有意義，只有對數據進行處理和分析，才能轉變成對人們有用的信息[4]。原始數據通常具有四個方面的典型特征：（1）非消耗性。數據的第一個關鍵特征是非消耗性。數據要素與其他四個傳統生產要素完全不同，數據不會因使用而耗盡，反而可以被無限次地使用與分享，且因使用而產生、不斷被創造，生成越來越多的數據。特別是生成式人工智能技術（AIGC）的快速發展，數據資源將呈現指數級增長的大趨勢，并日益成為企業的戰略性資源。（2）易復制性。數據可以快速地以近乎零成本的方式進行復制，可供多人同時使用，可多次循環使用。易復制性使得數據具有一定程度的非競爭性和非排他性，即當一個人使用某項數據時不排斥和妨礙別人對其使用，不同人之間在使用上不存在直接的利益沖突。但數據并不完全是公共品，有公共數據、企業數據和個人數據之分。（3）非均質性。數據是非均質的，一比特數據跟另一比特數據所包含的價值完全不同，同一份數據對不同人或者不同應用場景的價值也不一樣。數據價值因使用對象而異，因應用場景而異，因專業化數據質量標準而異，因此在進行數據管理的過程中要充分考慮數據非均質性帶來的價值差異。（4）時間敏感性。數據是一種易腐品，具有時間敏感性，部分數據會隨著時間的流逝而迅速貶值。根據IBM（2015）數據，60%的非結構化數據在幾毫秒內就失去真正價值。這意味著，數據的價值很大程度Crd+fn1i5oKAh7Anb3jFBKX8ZVh5lseDgP67MY2DImE=體現在時效性上，因此，數據價值往往與其采集與使用的時間節點密切相關。

（二）大數據的基本特征

大數據是指數據規模龐大，已經超出傳統數據軟件技術處理能力的數據集。大數據通常具有“5V”特征。（1）數據量大（Volume）。大數據的規模非常龐大，遠遠超過了傳統的數據處理能力。從數據單位來看，大數據不再以GB或TB為單位來衡量，而是以PB、EB或ZB為計量單位，從TB躍升到PB、EB乃至ZB級別。因此，需要使用分布式存儲和計算技術，來有效地管理和處理海量數據。（2）處理速度快（Velocity）。大數據的產生和處理速度非常快，需要實時或近實時地獲取、分析和應用數據。傳統的批處理模式在處理大數據時處理速度通常很慢，無法滿足實時性的需求。根據互聯網數據中心（IDC）的估測，人類社會產生的數據一直都在以每年50%的速度增長，這意味著，人類在最近兩年產生的數據量相當于之前產生的全部數據量之和。（3）多樣性（Variety）。大數據的類型非常多樣，包括結構化、半結構化和非結構化的數據。傳統的數據處理框架通常只支持簡單的數據類型，對于復雜的數據類型如圖像、音頻等的處理和分析支持不足。因此，需要使用多源數據融合和挖掘技術，如NoSQL、MapReduce、機器學習等，來有效地處理和分析多種類型的數據。（4）價值密度低（Value）。大數據包含著龐雜的數據，單個數據蘊含的價值較低。但大數據可以通過從不相關的各種類型的數據中，挖掘出對未來趨勢和模式預測分析有價值的數據。傳統的數據分析方法往往基于假設或者抽樣，無法充分利用所有的數據信息，也無法發現隱藏在數據中的知識和規律。因此，需要使用機器學習和人工智能等新技術，來有效地提取和利用數據中蘊含的知識和信息，為決策、創新、優化等提供支持。（5）真實性（Veracity）。大數據的準確度和可信賴度，代表著數據的質量。傳統的數據清洗、驗證、融合等技術在處理大數據時難以保證數據的完整性、一致性、時效性和可靠性，也難以避免數據的錯誤、缺失、冗余和噪聲等影響數據分析的結果。因此，需要使用更先進的數據管理技術和架構，如內存數據庫、Lambda架構等，來保證數據的真實性。

（三）高質量數據的基本特征

高質量數據是進行數據分析、機器學習、業務決策的基礎，對于提高決策準確度至關重要。數據本身價值低且零碎分散，因此需要對大規模零碎數據進行清洗處理，使其成為有意義的高質量數據，特別是數據要素市場的建立需要具備高質量數據來滿足市場的交易需求，隨著數據分析、價值挖掘等與人工智能深度融合，數據由規模快速增長向全面、高質量增長轉變。高質量數據具有五個方面的基本特征：（1）準確性。高質量數據的第一個特征是準確性。數據的完整和準確是進行復雜數據價值分析和挖掘的基礎，數據的缺失、錯誤或者異常都會影響數據價值，甚至導致數據失去價值。因此數據的完整與準確是實現高質量數據的必要條件。（2）一致性。高質量數據需要與數據核驗規則保持一致和兼容。具體表現在以下三個方面，一是等值一致性，核驗對象的數值必須與另外一個或多個核驗對象在一定規則下相等。例如：“進出口經營權許可證號”長度13位，后9位應該與“組織機構代碼證”一致；二是存在一致性，核驗對象的數值必須在另一個核驗對象滿足某一條件時存在。例如：“登錄狀態”是已登錄，則“登錄日期”不能為空；三是邏輯一致性，核驗對象的數值必須與另一個核驗對象的數據值滿足某種邏輯關系。例如：“支票起號”小于等于“支票止號”。（3）時效性。數據價值與時間相關度高，數據的時效性在一定程度上反映數據價值，過去的數據無法準確反映最新情況的全部事實，因此高質量數據具有的時效性需要滿足及時更新的要求，用于反映最新的、有價值的信息，便于根據最新狀態和發展趨勢做出決策調整，提高決策的準確度和精度，避免在數據使用過程中受到非數據自身和技術問題帶來的干擾。（4）可信性。高質量數據必須具備可信性，即使用者或者用戶信賴該數據所包含的信息是真實、客觀且及時的程度。高質量數據可信性要求數據來源、收集處理方式等公開透明，數據反映信息大部分準確無誤，可獨立驗證，且符合法律法規和相關行業標準的相關規定等，通常可以用用戶信賴的數據量來反映高質量數據的可信性，且反映該事實的數據越多，可信度越高。（5）可解釋性。高質量數據需要具備可解釋性，即數據內容清晰、直觀且易于理解，便于數據使用者簡單、高效地使用數據，避免錯誤使用數據。數據可以使用較為直觀的圖、表等形式表達，且用簡潔通俗的語言補充適當的文檔、注釋和元數據，幫助數據使用者了解數據來源背景和含義，幫助圈定數據適用范圍，減少誤用。

三、“三個維度”探究數據資產的價值特征

（一）經濟維度看數據資產的價值特征

國內經濟學家對數據要素研究較多，從數據新要素角度對數據資產及其特征有所關注。從經濟學角度而言，一般認為，數據資產具有非競爭性、非排他性和復雜外部性等典型價值特征[5]。

1.非競爭性

傳統的勞動、土地、資本等生產要素具有競爭性，與該種生產要素具備的技術特征密切相關，要素價值在使用后會出現一定程度上的消耗。而數據資產與其他生產要素一個顯著的差異是同一數據資產在被多個主體使用時，數據資產價值不會全部耗散，反而通過積累使用數據資產價值多次得到創造、釋放和再創造。數據資產的非競爭性體現在兩個方面，一是數據資產在收集過程中，被一個主體收集并不能阻止其他主體收集相同數據資產；二是同一數據資產使用途徑和主體具有多元性。有學者研究發現數字企業核心收購業務與傳統企業有著顯著區別，數字企業側重于通過多元收購建立數字集團，因為數據資產型企業可以將收集的數據資產運用到不同應用場景，形成橫向擴張優勢（李勇堅，2022）。根據數據資產具有復制成本快和流通速度快等技術特點，在一個主體消費該部分數據資產時并不阻礙其他主體對該部分數據資產進行使用，即同樣的數據資產可以同時被多個主體使用，且多個主體間相互不造成影響也不會產生任何損失，即數據資產額外使用的邊際成本趨近于零。

由于數據資產具有非競爭性，企業為獲取并保護自身數據資產優勢，從而形成市場競爭優勢，在獲取大量數據資產后選擇通過數據資產加密或者條款限制競爭企業對數據資產的訪問，導致數據資產產生的經濟增長效益低于數據資產共享產生經濟效益的最優水平[6]。

2.非排他性

排他性在經濟學中指的是一類資產歸屬某類消費群體后，其他消費者需要付出額外的代價，才能被使用。數據資產具有非競爭性，則會存在一定的非排他性。宋潔（2022）提出數據資產溢出性帶來數據資產非排他性，企業持有的海量數據資產，特別是大量異構數據資產，彼此之間進行協同融合，提升數據資產價值并用于訓練個性化服務算法，促進企業利潤增加。但是也有學者提出，部分數據資產具有非排他性，并不能直接推導出全部數據資產都具有非排他性的結論。數據資產實現共享是數據資產天然屬性，可在數字平臺內自由流動使用，但隨著數據資產規模不斷擴張，企業為保證規模數據資產只為自身算法迭代服務，可通過復雜技術手段和法律影響數據資產的非排他性，強化數據資產排他性。

數據資產的非競爭性和非排他性，使得數據資產的權屬明晰和權利主張難度較大。目前來看，為了更快推動數據要素市場化和數據資產化，“數據二十條”回避了數據資產的所有權問題，提出了探索“建立數據資源持有權、數據加工使用權、數據產品經營權等分置的產權運行機制”。

3.復雜外部性

數據資產具有明顯的正外部性特征，有學者提出數據資產的非競爭性使得數據資產具有規模經濟的特征。同一數據資產被不同主體運用到多樣的場景中，特別是用于機器學習或者算法算力的提升，致使數據資產量不斷累積，數據資產規模不斷擴大，類型不斷豐富。不斷集聚的數據資產之間又相互融合形成新的數據資產集，致使數據資產中蘊含的信息和知識不斷積累，數據資產價值進一步提高，資源配置效率得到提升，新產業新模式新業態的產生，實現了對經濟發展的乘數效應。一般情況來說數據資產規模越大，數據資產規模效應遞增越顯著。

顯然，數據資產還具有一定的負外部性，數據資產非競爭性和非排他性導致容易出現隱私泄露問題。現有學者大多集中研究數據資產流通過程中的個人隱私和國家秘密存在的潛在風險和威脅。從數據資產規模與經濟增長角度看，數據資產規模過大可能會造成數據資產整理、清洗和管理的難度和成本耗費增大，數據資產安全性下降，在此過程中數據資產出現價值損耗或者價值消散，致使規模報酬遞減。同時，2020年美國斯坦福大學的研究報告指出，如果不盡快建立數據資產的權屬和保護規則，企業自由通過數字服務獲取個人數據資產，并不斷被復制利用，數據資產規模正循環導致數據資產不斷向超大規模數據資產型企業聚集，企業利用大規模數據資產訓練算法，通過多元收購，形成數據資產集團，出現數據壟斷，會導致居民收入差距進一步擴大，不利于社會總體福利的增長。另外，在數據資產所有權暫未明晰的前提下，數據資產的快速流通，可能會出現數據資產失去監管而濫用的情況。數據資產存在的這些復雜外部性問題，使得建立數據資產的確權制度尤為迫切。

（二）技術維度看數據資產的價值特征

從技術維度看，數據資產還具有明顯的技術依托性、融合性和多元性。數據資產經歷的數據采集、存儲、加工和挖掘利用等過程，就是依托于信息通信技術和網絡協同技術等的一個技術過程。通常而言，數字技術的快速發展，數據應用場景的變換，都會導致同一批數據資產的價值發生巨大改變。

1.技術依托性

數據依托于數字技術，化靜態為動態，通過數字技術開發后，數據不僅可以充分釋放自身價值，還可以創造經濟和社會價值，逐步實現數據資產化和資本化。第一，數據資產以數字技術為依托，以虛擬形態存在，因此創造價值不能脫離其他生產要素，必須以其他生產要素為載體。但是數字技術構建新型虛擬網絡空間，拓寬原有物理空間范圍，產業“上云”、業務“上云”等新模式、新產業和新業態，決定數據資產可以不斷替代傳統生產要素，使傳統生產要素虛擬化，解決傳統生產要素存量有限的束縛。第二，數字技術是數據資產實現多元主體融合發展的技術條件。“網絡協同”和云網端一體化技術保證多元主體能夠大規模協同參與數據資產生產、流通和交易等環節，數據資產應用邊界不斷拓寬，應用場景不斷豐富。大量異構多源數據不斷融合協同，其中包含可挖掘的信息不斷豐富變化，依托于數字技術，數據資產可以幫助企業實現動態持續適應資源、組織結構和環境變化和重構。第三，數字技術是數據資產融合企業新業務、新模式和新業態的基礎。數字化、網絡化和智能化深度發展，算法、算力、網絡智能分析、云網端一體化和協同網絡等技術水平不斷攀升，數據資產儲存量迅速增加，處理數據資產和開發利用數據資產的能力不斷提升，數字技術是數據資產發展關鍵性基礎。同時算法、算力和網絡智能分析等技術應用，通過智能化手段對海量數據進行數字編碼處理、挖掘、深度分析和聚合開發應用，通過構建模型于問題前端發現并解決問題，且能夠持續收集并優化反饋結果，降低企業選擇性成本，提高生產效率并創造更高價值。

2.融合性

數據資產的融合性，一是指構成數據資產的單個數據與數據間的融合性。零散數據價值分散，在形成數據資產的過程中，數據與數據之間協同融合，實現價值增值，數據資產由單個數據構成，因此數據資產之間也可以進行協同融合，構成更高水平的數據集。一般情況來說數據資產融合性越好，數據資產價值就會越高，但是數據資產集合規模超過企業可處理程度，則會導致數據資產處理效率下降，導致價值不增反降。二是指數據資產與其他生產要素融合協同。數據構成一種全新單獨的資產，從而成為一種新生產要素憑借自身產生速度快和自身流動性賦能傳統生產要素作用途徑，實現生產要素新的組合與融合升級。三是指數據資產與各種場景融合。數據是人類生產生活活動的副產品，任何人類活動都會產生數據，企業形成數據資產作用于不同場景產生不同的價值。數據資產在不同應用場景中可以進一步生產更多的數據，海量規模數據形成更高質量的數據資產，再促進算法、算力等的迭代升級從而加速數字技術發展。企業收集數據規模越大且轉化為數據資產程度越高，企業市場數據優勢越顯著，形成的數據產品越多元，實現數據資產和數據資產應用場景的融合性越好。

3.多元性

數據資產的多元性主要體現在三個方面。一是參與主體具有多元性，包括政府、個體、企業和社會團體等，多元主體意味著數據資產的來源多，數據資產的類型也較為復雜，包含海量規模的結構數據和非結構數據，形成大量多元異構型的數據資產。與此同時，數據資產規模的指數級擴張，對數據資產的處理效率也提出了更高要求，逐漸去中心化的數據處理網絡成為發展趨勢，在數字平臺逐漸扁平化趨勢使得數據主體多元化協同程度進一步提高，數據資產跨時間和空間流動速度也更快，數據資產依托網絡信息分析技術等辨偽能力不斷提升。二是數據資產權屬多元性，數據生產者生產的數據價值密度低，無價值創造性，數據控制者通過技術手段集聚數據，在技術過程“注入”勞動，提高數據價值創造能力，從而要求擁有數據資產的處置權。并且數據資產經歷多個處理環節，經手多個處置主體，都要求對數據資產擁有所有權或者控制權。數據資產權屬的多元性是數據定價和交易的難點所在，數據確權已經發展為數據背后利益平衡的問題。三是數據資產價值具有多元性。不同數據主體追求不同數據價值，多元主體的價值追求具有多元性，意味著數據資產價值需兼具有個人價值、企業價值和公共價值等多重屬性，依托于不同的應用場景表現不同的價值形式。

（三）財務維度看數據資產的價值特征

近年來，國內許多會計學者從財務角度對數據資產的價值特征進行了研究和探討。多數學者認為，數據資產不僅僅具有資產必然存在的價值特征，還具備不同于企業現行資產的其他財務特征，如價值易變性、低成本復制性和時效性[7]。

1.價值易變性

數據資產的價值受到數據容量、數據時效、應用場景等因素影響，隨著技術進步和時間的推移，數據資產的價值往往容易發生變化，要么持續大幅增值，要么大幅貶值甚至可能完全失去原有價值。因此，相較于企業現行的其他資產，數據資產具有明顯的價值易變性，這種易變性主要是由于數據資產的多層性、環境敏感性和技術依賴性這三個方面的相互作用所導致的。就數據資產的多層性而言，數據資產能夠支持多個業務場景，并且根據不同的用戶需求，可以產生多樣的價值。這表明，數據資產的潛力需要從多個角度進行挖掘，例如，用戶行為數據既可用于商品推薦，也可用于信用評級，這種多層性帶來了價值變動的不確定性。此外，數據資產自身的規模、質量和數據融合程度等對數據資產的價值影響也很大。值得一提的是，數據資源的積累使得數據資產在使用過程中，通常不會出現資產物理損耗和價值折舊等現象。

2.低成本復制性

數據資產還有一個完全不同于企業其他資產的價值特征，數據資產可以低成本地無限復制，并在同一時間共享使用。在數據資產的生命周期中，主要成本集中在前期原始數據的收集和數據產品的開發階段，這包括數據存儲、整合、算法設計以及團隊協作等多環節的投入。然而，一旦數據產品完成開發，其復制和使用的邊際成本幾乎降至零。這種成本結構導致了同類數據資產之間可能存在巨大的成本差異。數據資產的低成本復制特性，使得其能夠被眾多企業和組織重復利用，從而激發巨大的網絡效應和規模化的協同效應。這不僅顯著降低了社會總體成本，還創造了更多的經濟利益。

3.時效性

數據資產的時效性是指數據資產的價值會隨著時間而變化，具有一定的時間敏感性。大部分數據資產價值與時效性成正向關系，越新的數據資產價值越高，超過一定時效，數據資產價值將會全部消失，這對數據資產折舊和攤銷提出較大挑戰。但是，也存在一些特定情形，即過去的部分數據資產在被認為已失去價值后，在今后的某個年度內，因為某些因素或原因而重新變得活躍，被特定的行業或者特殊領域所需要，數據資產的價值又得以恢復，甚至急劇上升。需要強調的是，在進行數據資產價值評估時，應特別關注數據資產的時效性，考慮數據資產的產生和更新時間、法律保護期限等因素，因為它直接影響價值評估結果的準確性。

四、數據資產具有“價值、法律和安全”三個屬性

（一）數據資產的價值屬性

數據資產具有非常明顯的經濟價值和社會價值等多元價值屬性[8]。一是數據資產具有很高的經濟價值。從宏觀層面，數據資產協同性和融合性提供跨行業融合發展新思路。“數據＋傳統產業”幫助傳統產業破除行業和產業之間的壁壘，實現各行各業深度協同創新轉型，構建產業生態，發現經濟增長新動能。同時，數據資產催生新產業、新模式和新業態，數據資產推動戰略新興產業和未來產業為代表的顛覆性創新產業加速發展，同時推動產業分工深化向融合普惠發展。從微觀層面，數據資產能給企業帶來經濟利益和價值增值。企業可以利用自身可用的數據資產，充分發掘數據資產多元性和融合性特征，使數據資產與企業業務深度融合，創新企業業務模式，提高企業業務經營效率，同時以海量數據資產為基礎創新企業組織模式和企業經營者的思維模式，幫助企業可持續高質量發展。比如：有些企業將自身收集的數據資產處理、打包成為數據集或者數據庫，向第三方出售數據集或者數據庫的訪問、瀏覽、下載或者使用權獲得收入，并通過條款限制數據的轉售或者二次使用。二是數據資產具有很大的社會價值。數據資產融合性致使其可以與各行各業活動相聯系，間接產生社會價值，特別是在公共領域，比如教育、醫療、通信甚至是搶險救災，可以在充分重視數據資產安全屬性基礎上，深度開發數據資產的社會價值屬性，促進公眾共享數據資產價值。比如在2021年河南鄭州面臨洪水自然災害時，聯通手機信號數據被應用于定位涉險人員位置，發揮了搶險救災社會作用。

（二）數據資產的法律屬性

數據資產的法律屬性是一個復雜的問題。數據權利具有無實體性，不依賴于特定的物質載體，但又具有財產屬性，能夠產生經濟利益和后果，因此數據資產的確權仍面臨著較多的法律障礙。數據資產化和資本化的有序實施，亟須在數據合規、數據確權和數據交易流通等各環節進行法律研究的實質性創新。數據資產易復制、易泄露和技術依托性等特征，給數據資產的法律屬性界定提出較大難度，但若不對數據資產進行法律規范，規避前期合規性風險，容易產生侵權糾紛。現有研究對數據資產的法律屬性探討，大致可分為兩種觀點，一是數據資產本質屬于比特流（一種互聯網傳輸協議），數據資產與數據代碼、解碼數字技術、可讀協議和平臺服務協議等密不可分，與現有法學研究中的法律客體具有一定差異且數據資產脫離平臺系統不構成獨立的經濟價值，具有非客體性和非財產性，因此數據資產法律屬性體現為數字技術平臺系統秩序建立合規性和數據操作規范性，總而言之是規范人的行為。二是大部分學者認為數據資產不僅局限于比特流，而是所有可以被人或者數字技術掌握的有用信息集合，則可以作為民事行為客體，同時為驅動數據資產在經濟活動中發揮積極作用，暢通數據開放共享渠道，明確數據資產財產權屬性[4]。確定數據資產的民事客體和具有財產權地位，從數據產生到開發應用經歷的多個環節為數據類型劃分依據，每個環節的主體對數據資產具有不同的利益需求，因此，數據資產的權屬確定是平衡各方主體利益分享的關鍵前提，“數據二十條”也提出要根據數據來源和數據生成特征，分別界定各參與方應享有的合法權利。

（三）數據資產的安全屬性

數據資產對數據安全的要求極高。數據資產的安全屬性是確保數據資產在收集、存儲、處理、傳輸和銷毀過程中安全性的核心要素和要求，旨在保護數據資產免受各種安全威脅和風險，確保數據的安全性和組織的合規性。通常而言，原始數據的價值密度低，并且需要花費巨額成本進行儲存和保障其安全，不能滿足數據使用者的使用需求，因此原始數據需要經歷質量提升、安全性提高等一系列處理過程，才能轉化為價值密度更高且具有一定規模的數據資源，但是數據資源的價值仍然無法滿足數據使用者對高質量數據的需求，因此數據資源需要通過數據資產化的一套完整過程，才能轉化為數據資產，而這一過程需要始終維系數據資產的安全屬性，即保護數據不被非授權者獲取或使用，以及確保應用過程中數據連續，避免中斷。數據資產中包含信息內容豐富，可能不僅包含著數據持有者的財產利益，還可能涉及個人利益和社會公共利益，即包含著部分個人隱私、商業秘密和國家安全秘密等多種受到法律保護的信息。以政府數據資產為例，政府數據資產開放需要滿足不涉及國家秘密、國家安全、企業商業秘密和個人隱私等法定權益這一先決條件，通過建立政府數據禁止開放名單保證政府數據資產安全性。

五、企業數據資產面臨的會計計量和資產管理難題

數據資產是企業的新型資產，可以說，數據資產的價值特征、價值規律和管理要求，明顯不同于企業財務報表上的現行資產。因此，數據資產的會計計量仍然面臨難題，數據資產的運營和管理更是面臨各種現實挑戰。

（一）對數據資產會計計量問題的探討

從前述數據資產的典型價值特征來看，數據資產作為企業的一類新型資產，其會計計量尤其后續計量必然存在獨有難題，需要深入研究和探討。一方面，若按照無形資產攤銷方式進行后續計量，也并不完全能適用于所有企業的數據資產。通常而言，隨著數據資源規模的不斷集聚，數據資產的價值反而可能出現明顯的增值。另一方面，若按照資產減值的方式進行后續計量，也有學者提出數據資產并不需要定期在會計期末進行減值計提，可以根據數據資產的類型、性質和應用場景，來動態評估和反映數據資產的價值。

1.數據資產公允價值計量并價值重估的討論

關于數據資產的會計計量方法。一種觀點認為，對外交易型數據資產在數據資產交易市場進行交易，具備運用公允價值的市場環境，即存在較公開活躍的交易市場，應該采用公允價值計量（程小可，2023）。而內部自用型數據資產和戰略發展型數據資產中屬于授權數據資產的，具有市場交易渠道也應該采用公允價值計量。也有觀點認為，數據資產應該采用分類分別混合計量方法。

數據資產價值受到多重因素的影響，因此企業要根據不同影響因素的出現對數據資產進行重估，并及時調整數據資產賬面價值，體現會計信息的及時性和真實性。數據資產與應用場景關聯性緊密，因此當數據資產改變應用場景或者數據資產應用場景發生變化時，都應該對數據資產進行價值評估。同時數據資產具有數字技術依托性，重大數字技術突破會帶來數據資產價值突破，所以當企業獲得新的數字技術時需要進行數據資產價值重估。同時企業為保證數據資產價值需要進行數據資產維護投入，在此過程中數據資產價值會發生變化，需要進行重估。

2.數據資產減值測試與損失計提的討論

數據資產具有價值易變性的典型特征，隨著時間的推移，數據資產價值波動性較大[9]。一是隨著數據資產體量不斷積累，數據資產出現增值現象；二是數據資產業務場景變化導致數據資產價值出現劇烈波動，且波動方向與業務場景關系緊密。因此數據資產與其說進行“減值測試”，不如表述為進行數據資產的“價值測試”。同時由于數據資產來源多元化，因此不能以某一項數據資產作為價值測試的基礎，而應該以數據資產集作為價值測試的基礎（張俊瑞等，2020）。

（二）對數據資產運營和管理的挑戰

1.數據資產的價值保護問題

由于數據資產具有低成本易復制的典型價值特征，數據資產的價值保護問題日益凸顯。隨著數字技術的快速發展，儲存、攜帶和使用數據資產的技術可獲得性不斷提高，企業如何構建一套數據安全和數據隱私保護機制，對數據資產的有序運營和安全管理提出了新挑戰。企業的數據資產在運營和管理過程中，容易出現被人為泄露、軟件技術漏洞，或者被黑客攻擊和病毒勒索等數據安全防護和數據泄露問題，從而導致企業數據資產發生嚴重的價值損失，甚至使得報表上的數據資產變得沒有實際價值。因此，企業應建立專門的數據資產安全管理部門，制定完善的數據資產安全管理制度，確保數據資產的安全與高效利用。

2.數據資產的價值挖掘問題

價值挖掘是企業開展數據資產管理的關鍵環節，但同時也面臨一系列難題。數據的采集、清洗和加工，數據資源應用場景的構建，尤其數據資產潛在價值的挖掘，需要企業持續加大數字技術方面的資金投入，并投入大量的技術資源和人才資源，這對于大部分傳統制造業企業而言，在數據資產的運營和管理上就會面臨諸多現實挑戰。同時，隨著數據規模的指數級增長和數據類型的不斷豐富，不同結構的數據，無法同時進行處理分析，且數據量越大，對數據資源的價值挖掘水平要求越高，進一步提高了企業數據資產的價值管理難度。值得重視的是，數據資產的價值不是固定不變，而是動態變化的，企業需要在數據資產價值挖掘方面進行長期規劃，并持續關注和分析數據資產的多種應用場景，充分挖掘和釋放數據資產的潛在價值。●

【參考文獻】

［1］ 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.

［2］ 熊巧琴，湯珂.數據要素的界權、交易和定價研究進展［J］.經濟學動態，2021（2）：143-158.

［3］ 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.

［4］ 程嘯.論大數據時代的個人數據權利［J］.中國社會科學，2018（3）：102-122，207-208.

［5］ 李海艦，趙麗.數據成為生產要素：特征、機制與價值形態演進［J］.上海經濟研究，2021（8）：48-59.

［6］ 季良玉.數據資產的交易困境及其治理［J］.會計之友，2023（13）：27-31.

［7］ 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.

［8］ 徐翔，厲克奧博，田曉軒.數據生產要素研究進展［J］.經濟學動態，2021（4）：142-158.

［9］ 葉雅珍，朱揚勇.數據資產增值減值因素分析［J］.大數據，2024（2）：32-42.