數據要素的價值創造貢獻：資本—勞動二元渠道估計

【摘 要】 數字經濟時代，數據要素是關鍵生產要素，其價值創造貢獻測度直接影響數據要素市場發展，阻礙數據資產、數據資本的會計核算。目前，數據要素相關理論基礎不足以推動數據要素市場活躍發展，數據資產會計核算和價值評估指南難以可信方式將數據資產入表。文章以要素的同質性與等價性為假設，基于資本和勞動報酬分離數據要素報酬，估算數據要素貢獻，利用戈登模型估算數據資產，依據資本和勞動二元渠道確定數據資本權益。數據要素價值創造貢獻的實驗估計結果表明，數據要素是互聯網公司的關鍵生產要素，需要高度重視數據資產價值，數據資本權益在員工與股東之間分配比例因數據要素貢獻差異而不同。對數據要素報酬提供稅收政策激勵，有利于促進數據要素市場的發展。

【關鍵詞】 數字經濟； 數據要素； 數據貢獻； 數據資產； 數據資本

【中圖分類號】 F233 【文獻標識碼】 A 【文章編號】 1004-5937（2024）20-0135-09

一、引言

許多具有較高權威性的報告已經對中國數字經濟的發展進行了統計，從總體上能夠獲得較為直觀的數據要素價值的體驗和具體解讀。2024年5月，國家數據局會同有關方面發布的《數字中國發展報告（2023年）》提出，我國數據要素市場日趨活躍，數字中國賦能效應更加突顯，數字經濟保持穩健增長。數字經濟已經成為經濟發展的重要表現形式，數據要素已經成為推動經濟發展的關鍵要素，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[1]。數字經濟是繼農業經濟、工業經濟后最為核心的經濟形態變革，數字經濟時代，數據作為核心要素起到關鍵作用。

規范、高效的數據要素市場需要基礎制度提供保障。2022年12月中共中央、國務院發布了《關于構建數據基礎制度更好發揮數據要素作用的意見》，重在通過優化數據基礎制度，從數據要素的權屬、市場交易和收益分配進行了數據要素潛能激活，做強做優做大數字經濟，增強經濟發展新動能，構筑國家競爭新優勢，充分實現數據要素的價值。盡管數據要素的權利歸屬被認為是重點，不同權利歸屬的要素價值，決定著數據要素的分配能力[2]，但數據要素的價值創造貢獻才是要素價值的核心問題。基于大數據合作資產理論分析數據要素價值創造方式潛在價值與即時價值的關系及其實現條件，為本文提供了重要的理論基礎[3]。

本文關心的問題是，數據要素作為數字經濟時代的關鍵生產要素，必然由市場評價貢獻、按貢獻決定報酬，但相對獨立的數據要素貢獻及其決定的數據資產價值，尚未見到具有接近入表的估計方法。《企業數據資源相關會計處理暫行規定》強調可驗證性，而《資產評估專家指引第9號——數據資產評估》強調預期收益，當數據要素和數據資產的價值評估無法兼具可驗證性與預期收益（預期產出）時，數據資產會計核算將面臨較大的理論和技術難題。

本文可能的創新點在于立足生產函數，從要素分配角度分離并估計資本—勞動二元渠道的數據要素價值創造貢獻，為數據要素定價和數據資產核算提供理論和技術支持，是對現有數據要素和數據資產理論的一個補充，在價值估計方法上有一定創新。本文利用互聯網行業上市公司數據實驗性測算了數據要素價值創造貢獻和數據資產價值，證實了數據要素和數據資產在互聯網企業的關鍵地位。

二、文獻評述

數據要素的預期價值創造貢獻獲得了學術界認可。數據資源不等于數據要素，需要整理、聚合、分析，才能成為服務于具體經濟產出的數據要素，拓寬經濟增長理論邊界，優化規模報酬遞增的前提條件，改變投入產出質量和效率。“數據+算力+算法”協同勞動和資本，發揮數據的精準經濟效應、即時經濟效應、網絡經濟效應、預期經濟效應[4]，將數據優勢轉化為企業競爭優勢，實現精準預期、精準決策，優化內部流程，優化核心產品和服務，挖掘消費者潛在需求、開拓新商業模式、創新產品服務[5]，快速迭代創新產品和服務，以開放的生態系統將生產、流通、服務和消費等進行整合，形成平臺經濟[6]，平臺企業利用數據要素不斷優化產品或服務，滿足用戶多樣化、個性化需求，產生巨大的消費者剩余。

數據要素具有非競爭性、非排他性。在同一時間數據要素可以為多個主體使用[1]，其價值不會因為使用頻率和強度而減少，反而隨著使用次數（或應用場景的多樣化）的增加而增值，是高位資源、高位要素，可以無限生產、復用、組合、迭代，使得數據要素實現無限供給、非稀缺性供給[7]。數據要素在數字經濟時代的創新使用實現數字產業化；賦能經營環節，增強數據要素與實體經濟深度融合，促進企業數字化轉型，實現產業數字化。

數據要素的轉換能力決定了數據價值。數據要素的轉換能力在事實上已經因各種專業能力的滲透具有很強的競爭性和排他性以及異質性，滿足特定消費需求、生產需求、場景需求，實現非結構化的低價值數據向結構化的高價值數據轉變[8]，數據的連接程度越高，用戶、產品、服務、內容之間交互程度越深、聚集程度越廣，數據的經濟價值越高。企業收集、分析、利用頭部數據，可以優化頭部場景的決策，在差異化的尾部場景中，收集的長尾數據越多，數據的邊際報酬越高，數據價值隨尾部場景縮放[9]。數據基礎設施支撐的數據技術應用存在“邊際遞增”效應[10]，以需求為導向建設第三方大數據交易平臺，有助于提升協調、服務數據要素交易方的技術和能力[11]。

數據資產不易辨認性決定了會計核算的復雜性。數據資產從產出看體現出一種綜合數據能力，與商譽具有一定相似性，不易單獨確認。數據資產盡管可以采用收益法、成本法和市場法進行評估，其無限復用、組合、迭代導致其潛在價值的影響維度眾多，數據需求方的綜合應用能力存在較大極差，導致數據資產的價值不易估計。

綜上所述，數據作為數字經濟時代的一種關鍵投入，積極推動數據要素市場發展也成為較為重要的共識，認為數據要素應當按照要素貢獻參與分配，應當按照市場機制進行配置。數據要素的特性使其在價值創造貢獻方面的研究相對匱乏。本文對數據要素的價值創造機制研究和貢獻測定是對現有研究的一個拓展。

三、數據要素創造價值的市場機制分析

（一）貨幣價值創造導向的數據要素需求分析

數據要素直接影響企業的商業模式、規模經濟和市場定位，通過改善競爭優勢提升企業價值。優步（Uber）、愛彼迎（Airbnb）、跑腿（TaskRabbit）等點對點平臺在線交易改善了傳統生產要素的配置空間和擴展能力，數據要素的深度參與改變了企業對傳統生產要素的需求，價值創造、價值傳遞的方式及路徑，拓展了企業的資源邊界、市場邊界[12]。

數據要素促進共享平臺以及生態系統，利用非結構化數據分析客戶的真實需求，對客戶進行市場細分，形成微市場[13]，用戶的喜歡、評論、分享和點擊次數成為判斷用戶對品牌廣告的參與依據[14]，可以更精準地為用戶畫像，更準確地預測用戶需求，用戶互動成為平臺企業價值創造的推動因素[15]。

數據要素促進了企業輕資產結構演化。移動互聯網平臺建設能夠快速為客戶提供零邊際成本的增值服務，平臺價值隨著參與者的增加而增加[16]。輕資產結構推動企業充分利用數據要素投入進行研發、產品設計與營銷等軟實力投資，以適應互聯網平臺經濟的商業模式創新、經營業態創新，數據資源指標成為揭示企業價值的核心指標，例如月活躍用戶。

數據經濟時代數據要素對企業戰略、商業模式、資產結構產生了重要影響，強化了數據要素在企業價值創造中的核心地位，產生了對數據要素的需求，能夠根據數據要素貨幣價值創造貢獻為數據要素確定交易價格，為數據要素供給提供需求信號。

（二）需求導向的數據要素供給成本結構分析

從具有潛在價值的數據資源變成符合市場需求的有價值數據要素，數據價值鏈包括數據獲取、數據存儲、數據分析和數據使用4個階段，各階段數據成本結構均包括勞動者報酬、中間投入、資本服務成本和其他生產稅凈額[7]，不同數據價值鏈階段的數據成本構成比例可能存在較大差異。

不同來源的數據要素供給成本存在較大差異。政府部門掌握的公共數據以免費方式向所有合法利用數據的公眾和單位開放共享；企業信用信息數據開發利用需要數據要素市場交易，存在供給成本和數據提供商的合理利潤；消費者交易行為數據主要由平臺作為數據要素的供給方，存在數據供給成本。

基于上述分析，數據要素只有按照市場需求進行稀缺性供給，即只有數據要素的交易價格能夠覆蓋數據要素的供給成本時，數據要素才能以競爭性方式有償供給，從而推動數據要素市場的發展。

（三）數據要素的市場均衡

數據要素市場需要遵守給定市場規則，通過競爭性交易實現均衡，使得數據要素價格對數據要素需求方有利，對數據要素供給方也有利，推動數據要素市場發展。數據要素的均衡價格和均衡數量與數據要素特定技術條件下的邊際貢獻有關。特定技術條件下，數據要素的邊際貢獻越小，均衡價格越低；數據要素的供給成本越高，均衡價格越高。有供給但缺乏需求的數據不是數據要素，不符合數據要素的稀缺屬性。

（四）數據要素價格實現的保障

1.數據技術是數據要素價格實現的前提條件。云計算、人工智能等新技術提升了數據處理、分析、挖掘等方面的技術能力，發揮數據要素的產出能力和效率。例如，根據大模型開源開放評測體系——司南OpenCompass對大語言模型在知識、語言、理解、推理和考試五項能力維度的評測結果，GPT-4-Turbo在各項評測中均獲最佳表現，國內廠商近期發布的模型緊隨其后，包括智譜清言GLM-4、阿里巴巴Qwen-Max、百度文心一言。不同大語言模型對于數據的應用能力影響企業產出，進而影響數據要素的邊際貢獻和數據要素價格，一定程度上數據技術成為決定數據要素價值創造貢獻的關鍵因素。提升數據技術的先進性、數據技術的可獲得性、數據技術的系統性，成為充分發揮數據要素價值的前提條件。

2.法律制度對數據要素價格實現具有激勵效應。在國家數據分類分級保護制度下，推進數據分類分級確權授權使用和市場化流通交易，健全數據要素權益保護制度，使數據要素權益人有動力發現數據、收集數據、處理數據和交易數據，使數據要素的價值能夠在交易中實現。高規格促進法案肯定了數據要素市場的作用，對數據要素價格形成和價值實現具有重要意義。發揮數據要素市場決定性作用，通過供給和需求發現和決定價格，有利于激勵企業對數據要素的產出價值評估其價值實現。

3.公司治理創新是實現數據要素價值的一個內在驅動力。基于數據要素應用的創新活動是一個具有高預期回報、高不確定性的投資機會，極容易受到利益相關者干擾。雙股制可以通過提升經理人控制權與職位安全促進企業創新，并提升企業的長期業績，對于積極創新數據要素使用、收益和數據資產積累具有重要的保障性作用。公司治理創新是實現數據要素價值的一個內在驅動力。

（五）數據要素價值創造貢獻估計

由于數據要素與資本和勞動要素具有較深的嵌合性，而會計核算主要圍繞資本和勞動要素展開，企業全要素生產率也是圍繞資本和勞動兩要素進行估計，基于現有研究框架的數據要素的價值創造貢獻很難脫離資本和勞動要素進行獨立估計。數據要素的需求方關注的要素貢獻離不開資本和勞動要素，使數據要素的最終貢獻被資本和勞動要素的貢獻掩蓋，將數據要素的貢獻并入資本和勞動要素，高估了資本和勞動的要素貢獻。將數據要素貢獻從資本和勞動要素貢獻中進行分離，是單獨估計數據要素價值創造貢獻的關鍵。

生產要素強調投入經濟資源的不可或缺性，強調基礎性、同質性、等價性，強調不同場景的普遍適用性。只要存在充分競爭的生產要素市場，在均衡條件下生產要素的交易價格與生產要素的貢獻就相等。如果勞動、資本、土地、知識、技術、管理等要素均具有明確的均衡價格，則要素實際分配與要素均衡價格的差額需要厘清來源的偶然性與系統性，系統性差額可以歸因于數據要素的貢獻。由于土地、知識、技術、管理等要素的支出均作為相對確定公開的費用在計算利潤前扣除，數據經濟中勞動和資本的貢獻具有很大的彈性，在沒有其他明確可指認的生產要素條件下，從勞動和資本要素二元渠道分離數據經濟時代數據要素貢獻，具有較高的合理性。

由于資本要素和勞動力要素的理論相對完備，資本要素市場和勞動要素市場發展較為充分，可以根據公開數據獲得較為確切的資本要素貢獻和勞動要素貢獻。為了簡化數據要素價值創造估計難度，假設土地、知識、技術、管理等要素貢獻在計算企業價值創造前作為費用處理，本文的企業價值創造（V）僅包含勞動、資本和數據要素的貢獻，因此，扣除資本貢獻（VK）和勞動貢獻（VL）即可估算出數據要素價值創造貢獻（VD），可以用式1表示。

VD=V-VK-VL （1）

數據要素價值創造的貢獻需要采用軋算方法從資本勞動要素的貢獻進行分離，可以用式2表示。

VD=VDK+VDL=V- K- L （2）

其中，VDK= K-VK， K表示現有會計方法計量的資本貢獻，可以用凈資產收益等指標衡量，VK可以用資本必要報酬率計算，兩項指標均有較為客觀、公認的數據予以支持；VDL= L-VL， L表示現有會計或統計方法計算的勞動貢獻，可以用企業員工平均薪酬衡量，VL可以用行業最低或中位數的企業員工平均薪酬計算，兩種指標均有較為客觀、公認的數據予以支持。

數據要素不僅通過勞動途徑創造價值[17]，而且通過資本途徑創造價值，因此，本文將歸屬于數據要素部分的貢獻進行分離的方法稱之為資本勞動二元渠道估計，可以有效分離資本和勞動報酬中數據要素的貢獻部分。

需要說明的是，全要素生產率增長率強調現有可識別全部生產要素投入量不變而生產量仍能增加的部分，主要用來衡量純技術進步的生產率增長，強調投入的產出效率估計。而數據要素貢獻的估計結果重在強調從最終分配角度分離資本和勞動要素中應當歸屬于數據要素的部分，可以理解為生產要素貢獻的再分配，與全要素生產率增長率在內涵上存在較大差異。

為了清晰表達資本勞動二元渠道估計企業數據要素價值創造貢獻，計算步驟如下：

（1）以員工薪酬（ L）、凈利潤（ K）計算一定時期總價值創造V= K+ L；

（2）將員工薪酬（ L）與企業員工人數（N）相除得到企業員工平均薪酬W= L/N，通過與行業中位數企業員工人均薪酬（WI）比較，獲得勞動渠道人均數據要素貢獻？淄L=max{（W-WI），0}，與企業員工人數相乘獲得勞動渠道的數據要素貢獻VDL=？淄L×N；

（3）利用行業貝塔系數代入資本資產定價模型計算股權資本必要報酬率（r），與期末凈資產回報率（roe）比較獲得資本渠道數據要素報酬率R=max{（roe-r），0}，與凈資產（E）相乘獲得資本渠道的數據要素貢獻VDK=R×E；

（4）將資本渠道數據要素貢獻（VDK）與勞動渠道的數據要素貢獻（VDL）相加得到數據要素的總貢獻VD=VDK+VDL。

四、數據要素的貢獻測定：以互聯網公司為例

（一）研究對象

本文采用證監會2012版行業分類（互聯網和相關服務子行業）上市公司作為研究對象，測定數據要素的貢獻。本文選擇該行業上市公司的主要理由：（1）互聯網行業屬于數據資源較為集中的行業，包括原創內容資源、匹配數據資源、關系網絡資源和1種核心能力——匯聚資源能力，其發展對企業核心價值和競爭優勢的提升具有重要意義[18]，數據資源對于企業產出的影響較為突出，可以認為典型的數據要素是關鍵生產要素；（2）互聯網行業具有高度競爭性，人員的數據處理技術水平總體較高，資產結構以數據資源管理為依托，數據要素的權屬較為清晰；（3）人員流動的摩擦相對較小，資本流動產生的沉沒成本相對較低，且人力資源與資本投入具有較強的競爭性，人力與資本組合的靈活度較高；（4）互聯網企業具有明顯高于其他行業企業的員工報酬或資本報酬，可以認為是合適的估算數據要素貢獻和數據資產價值的實驗對象。因此，對高數據要素密度的互聯網公司展開研究，可能形成較有說服力的測算結果。

為了提高計算結果的合理性，本文按照以下標準對相關樣本公司進行了篩選：（1）由于大部分互聯網公司具有較高的創新風險特性，因此，采用財務杠桿提高股權資本回報率的公司不作為研究對象；（2）連續虧損的公司具有明顯的不可持續經營趨勢，因此本文將非ST公司作為研究對象。基于以上標準，本文分析采用的樣本公司共計35家。

（二）數據要素貢獻測算的適當性

互聯網公司的主要投入要素為三類：勞動、資本和數據，共同協作向市場提供產品或服務。由于細分市場定位不同以及企業投入產出轉換的差異性導致要素回報結構呈現出一定的差異性，當互聯網公司勞動力、資本要素投入具有極高相似性的條件下，產出差異很可能是因數據要素公司引致。數據與其他生產要素不斷融合，形成新的要素組合和要素結構，釋放數據生產力。

互聯網公司勞動力的主要提供者是具有高技術的專門人才，擅長數據分析和管理，不僅能夠提供行業所需、具備必要數據管理技能的行業一般勞動力，也具有提供深度改善數據資源品質、輸出特定數據要素的高級數據處理和管理能力，因此，互聯網企業員工既提供行業必需的勞動力，獲得相應的行業基本勞動報酬，又提供實現數據要素高端化必需的技術投入，獲得非勞動報酬的數據要素報酬。因此，互聯網企業員工既能獲得必要的行業勞動報酬，又能獲得數據要素報酬，以至于相同職位不同企業的同年度薪酬差異超過10倍①。

同理，公司股東不僅提供滿足符合行業產出的通用資產（例如通用設備），以獲得行業平均的資本回報率，需要投資與數據儲存、計算、管理高度相關的專用資產（例如專用設備、專有技術、云計算、云儲存），還需要投入與數據儲存、計算、管理高度相關的專業服務（如具備特殊數據能力的員工），最終使互聯網企業股東獲得了成分復雜的資本回報。因此，從股東回報分離數據要素價值創造貢獻角度具有合理性。

基于上述分析，本文認為互聯網企業員工獲得超過行業勞動報酬的部分可以歸屬于一般要素報酬部分；股權資本獲得超過行業資本要素報酬的部分可以歸屬于數據要素報酬部分。因此，互聯網企業數據要素貢獻從兩個渠道相互融合形成（見圖1），前述估計方法具有較好適用性。

（三）數據要素貢獻測算

1.勞動力渠道的數據要素貢獻估計

根據各公司的年報，可以通過查閱相關數據，獲得一定時期平均員工總數和平均支付薪酬總額，盡管各家公司的技術類和非技術類員工結構存在一定差異，但總體來看，技術類員工比例較高，具有一定的一致性，即人均薪酬總額可以更為明顯傾向于技術類員工，為數據資源能夠成為數據要素提供了重要的智力支持。為了避免極端值對行業人均薪酬水平的影響，本文選擇了樣本范圍內的中位數平均薪酬水平作為無數據要素參與互聯網企業的基準。根據同花順數據庫，2022年中國互聯網行業上市公司中位數員工人均薪酬WI=268 542.08元。見表1。

2.資本渠道數據要素貢獻估計

根據同花順數據庫，本文以2022年12月31日為截止日期向前推算100周、最近24個月、最近60個月各家互聯網上市公司的市場收益率與上證指數收益率計算得到的貝塔系數。盡管屬于同一行業，但由于股票市場定價效率問題，導致各公司的貝塔系數存在較大差異。本文選擇樣本范圍內中位數作為行業風險水平的替代，結合同期上證指數收益率和10年期國債到期收益率，利用資產定價模型測算了行業資本風險報酬率。根據同花順數據庫數據，2022年互聯網上市公司的必要報酬率r=-0.99%。見表2。

3.數據要素的貢獻結構分析

在具體測算過程中，本文將人均薪酬低于行業中位數的樣本歸屬于數據要素的智力貢獻=0，將凈資產回報率低于行業資本風險報酬率的樣本歸屬于數據要素的資本投入貢獻=0。經過測算，2022年中國互聯網上市公司數據要素貢獻的中位數=131 324 194.99元，以公司凈資產為衡量基礎，46家互聯網上市公司數據要素貢獻的分布如表3所示。

（四）數據資產的核算

數據資產會計處理應當按照《企業數據資源相關會計處理暫行規定》執行，并按照會計上經濟利益實現方式，進一步細分為“企業內部使用的數據資源”和“企業對外交易的數據資源”兩類，企業內部使用的數據資源，符合《企業會計準則第62號——無形資產》的定義和確認條件的，應當確認為無形資產，此時更符合數據要素需求特征；企業日常活動中持有、最終目的用于出售的數據資源，符合《企業會計準則第1號——存貨》的定義和確認條件的，應當確認為存貨，此時更符合數據要素供給特征。只有能夠采用可信方式對數據資產進行貨幣計量，才具有入表的合理性。

值得關注的是，現有資產負債表主要圍繞股權資本建立平衡關系，從股東角度辨識資產，因此，數據要素能夠轉化為數據資產的一個重要前提也必須從股東角度展開確認和計量。基于前述數據要素的實驗性核算，數據要素歸屬于股權資本的貢獻部分受制于會計核算，凈資產回報率服從權責發生制，具有數據要素投入與產出在會計期間不完全匹配的可能性，只要數據要素投入的預期收入（數據要素歸屬于資本的貢獻部分）沒有在相應會計期間實現，按照配比原則，相應的數據要素投入應當作為數據資產處理，可以按照無形資產核算方法進行處理。例如，員工渠道能夠獲得較高數據要素貢獻而資本渠道獲得較低數據要素貢獻的企業（華揚聯眾、順網科技、智度股份、迅游科技、三六零、掌閱科技等）很可能應當確認數據資產，并增加相對應的權益；對于同一會計期間能夠產生歸屬于資本的數據要素貢獻部分，數據要素投入作為獲得收益的代價，應當直接作為獲得收入的費用處理。

當員工因參與數據要素價值創造貢獻而沒有獲得即時補償時，同樣也應當確認數據資產，按照無形資產進行核算，同時增加相對應的長期應付款（無法享有分紅權）或權益（享有分紅權）。例如，員工渠道能夠獲得較低數據要素貢獻而資本渠道獲得較高數據要素貢獻的企業（天地在線、三六五網、生意寶、若羽臣、川網傳媒、瀚葉股份、青木股份、壹網壹創等）很可能應當確認數據資產，公司僅支付了現金薪酬補償，對于數據要素貢獻沒有補償的部分需要根據預期進行價值評估，并結合長期應付款或適當權益確定未來貢獻的回報方式。

互聯網企業所處的發展階段決定了資本與勞動的相對重要性，直接影響特定企業數據要素貢獻在勞動渠道與資本渠道的分配以及資產與當期收益的分配。例如在企業發展早期，資本渠道的數據要素貢獻可能更重要，直接影響數據要素的貢獻。

在企業的外部環境較為穩定的條件下，以穩健方式進行估計，采用無風險收益率為折現率（r）（行業必要報酬率更低），數據要素預期貢獻的增長率（g）為0，采用戈登模型V=VD/r對2022年互聯網上市公司的數據資產價值估算，結果見表4。估計結果表明，數據資產估計價值與賬面資產余額的比值分布范圍較大，最高值可達12.33倍，最小值也有0.28倍，說明數據資產是賬面無法反映的隱形資產，對于互聯網企業的發展至關重要，將數據要素作為企業關鍵生產要素具有核算基礎。

上述估計結果的可信度依賴于嚴格的假設條件，使評估結果存在較強的條件依賴性，但足以說明數據資產對企業的重要影響。當然，數據資產價值評估結果是否可以入表，很可能需要明確數據資產的用途，確保數據資產的有效利用和價值最大化。

五、結論與啟示

作為數字經濟時代的關鍵要素，數據要素與資本和勞動兩大傳統生產要素相比，具有更高的價值創造貢獻，已經上升為增強經濟發展新動能、構筑國家競爭新優勢的戰略地位，因此，也應當賦予更高的經濟價值，使要素提供者獲得更多經濟報酬。在要素市場均衡條件下，數據、資本和勞動要素按照要素價值創造貢獻分享要素回報。由于數據要素價值創造貢獻與資本和勞動要素價值創造貢獻相互糾纏，本文采用分離方法從資本和勞動渠道獲得數據要素價值創造貢獻，并利用互聯網企業數據進行估計，證實了數據要素從價值創造貢獻來看是互聯網企業的關鍵生產要素，并利用收益法估值模型對數據資產進行了估計，證實數據資產是互聯網企業的核心資產。數據資產應當對應數據資本權益，數據資本需要由股東與員工共享，是數據要素創造更高價值的制度性條件，并對現有以股東為核心的資產負債表產生沖擊。

盡管數據要素理論仍然處于完善階段，但數據要素、數據資產和數據資本的管理實踐似乎更加超前。為了能夠深刻理解數據要素的財務與會計價值，本文建議采用激勵性稅收政策推動數據資產和數據資本的貨幣化，為數據要素理論提供實踐基礎。在數據要素貢獻（分配）估計的基礎上，對于數據要素權利人所獲取的分配收益單獨優惠納稅，激勵股東和員工積極參與數據要素價值的貢獻，積極投資數據技術設施，激發員工數據能力的智力投入，通過數據要素貢獻形成數據資產，通過持有數據資本權益參與數據要素分配。

【參考文獻】

［1］ 伍中信，毛政珍，吳寓聰，等.產權保護導向的數據資產會計處理［J］.會計之友，2024（13）：8-14.

［2］ JONES C I，TONETTI C.Nonrivalry and the economics of data［J］.American Economic Review，2020，

110 （9）：2819-2858.

［3］ 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.

［4］ 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.

［5］ WU L，LOU B，HITT L.Data analytics supports decentralized innovation［J］.Management Science，2019，

65（10）：4863-4877.

［6］ HUKAL P，HENFRIDSSON O，SHA-

IKH M，PARKER G.Platform signaling for generating platform content［J］.MIS Quarterly，2020，44（3）：1177-1206.

［7］ 李海艦，趙麗.數據價值理論研究［J］.財貿經濟，2023（6）：5-20.

［8］ 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.

［9］ 王超賢，張偉東，顏蒙.數據越多越好嗎——對數據要素報酬性質的跨學科分析［J］.中國工業經濟，2022（7）：44-64.

［10］ 王欣亮，張家豪，劉飛.大數據是經濟高質量發展的新引擎嗎？——基于數據基礎設施與技術應用的雙重效應解釋［J］.統計研究，2023，40（5）：103-119.

［11］ 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.

［12］ 王琴.基于價值網絡重構的企業商業模式創新［J］.中國工業經濟，2011（1）：79-88.

［13］ GOYAL M，HANCOCK M Q，HATAMI H.Selling into micromarkets［J］.Harvard Business Review，2012（7/8）：78-86.

［14］ LEE D，HOSANAGAR K，NAIR H S.Advertising content and consumer engagement on social media：evidence from Facebook［J］.Management Science，2018，64（11）：5105-5131.

［15］ 敬志勇，蔡雅祺.基于價值共創的用戶互動與抖音IP價值——以美食類博主IP為例［J］.會計之友，2022（21）：8-13.

［16］ MCINTYRE D P，SRINIVASAN A.Networks，platforms，and strategy：emerging views and next steps［J］.Strategic Management Journal，2017，

38（1）：141-160.

［17］ 蔡繼明，曹越洋，劉樂易.論數據要素按貢獻參與分配的價值基礎——基于廣義價值論的視角［J］.數量經濟技術經濟研究，2023（8）：5-24.

［18］ 龍海泉，呂本富，彭賡，等.基于價值創造視角的互聯網企業核心資源及能力研究［J］.中國管理科學，2010（1）：161-167.