“大智移云”在自然资源资产负债表编制中的作用与运用

安广实 柳珊珊

摘 要：“大智移云”是指大数据、智能化、移动互联网和云计算时代，大数据和云计算的产生和发展，正在逐渐影响财务会计和审计的方方面面。大数据侧重“数据”，在数据采集、挖掘和分析方面给予技术更新和思维启发，云计算侧重“计算”，从数据计算、信息分析角度提供新的解决方案。大数据、云计算技术在自然资源资产负债表编制中的运用可以具体体现在实物计量、价值核算、数量统计、质量评估、存量计算、流量统计等方面。

关键词：大数据;云计算;自然资源资产负债表;编制运用

一、“大智移云”的含义与特征

“大智移云”是将大数据、云计算、物联网综合到一起，物联网和大数据挖掘支撑的用户体验構成“智能化”的一部分，移动互联网、物联网的结合，又为大数据的产生与收集提供可能性，移动互联网和物联网的应用需要云计算支撑，大数据的深入挖掘与分析反过来助推移动互联网和物联网的发展，使软硬件更加智能化。大数据、云计算等信息技术交融渗透，不仅改变着人们的生活，也影响着财务会计的发展。

（一）大数据的含义与特征

大数据（big date），根据百度百科的定义，是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。Gartner公司发展的“4V”定义给出了大数据的定义，即Volume（大量）、Variety（多样）、Velocity（高速）和Value（低价值密度），“大数据是高容量、高生成速率、种类繁多的信息价值，同时需要新的处理形式去确保判断的作出、洞察力的发现和处理的优化”。大数据具有四个特征：第一，数据容量大，从TB级别跃升到PB级别。第二，数据类型多样，包括文字、图表、音频、视频等多种形式。第三，数据获得和处理的速度快，这大大区别于传统获取和分析数据的方式。第四，数据是真实的，即数据的质量是有保证的，这里的质量是指数据不是虚假的。第五，数据是复杂的，信息来源广泛，数据获取的渠道多。第六，价值密度低，商业价值高。第七，数据是实时变化的，不是一成不变的。

大数据时代的意义不仅仅在于掌握庞大的信息，更多的是对这些数据进行专业化处理，即通过对海量数据的再加工处理，实现数据的增值。

大数据带给我们的三个颠覆性观念的转变，其中之一是全部数据而不是随机采样。随着互联网、IT技术的普及，信息化时代我们可以分析更多的数据，某些时候甚至可以处理和某个特别现象相关的所有数据，即不再依赖于随机采样。传统手工记账模式下因为记录、存储、分析工具科学性的限制，财务人员只能选取少量的信息进行分析，从样本推断总体，从而得到结论。如今，科学技术条件有了很大程度的提高，人类可以处理的数据量越来越多，同时数据分析质量也有了显著提升。

第二个观念的转变是不是因果关系而是相关关系，即大数据时代人们不必非得知道现象背后的原因，知道“是什么”足以，不必深究“为什么”。人类的传统认知模式推动我们用因果联系来看待周围的一切，即使这种关系并不存在。在小数据时代，我们经常凭借直觉来进行决策，这种认知捷径是建立在少量数据基础上所进行的推理思考，而在大数据时代，许多因素都会削弱特定的因果关系，人们转而将精力投向于寻找事物之间的相关关系上，相关关系也许不能告诉我们这件事为何发生，但是它会提醒我们这件事正在发生以及将要发生，人们可以通过找到一个事物的良好相关关系，帮助其捕捉到事物的现在和预测未来。

第三个观念的转变即不是精确性而是混杂性。大数据要求我们接受混杂，接受混杂并不是意味着完全放弃了对精准的追求，执迷于精确性是信息缺乏时代的产物，信息技术快速发展的今天，人们只需掌握事物大致的发展趋势即可，而不再需要对一个事物的现象深究，更重要的是利用数据的效率和及时性。纷繁的数据越多，我们对一个事物的全貌越能有清晰的认识。同时，数据与数据之间不是相互独立的，它们相互连接相互作用，共同反映事物的真相。

（二）云计算的含义与特征

2006年，Google首席执行官埃里克·施密特（Eric Schmidt）在搜索引擎大会（SES San Jose 2006）首次提出“云计算”（Cloud Computing）的概念。Google“云端计算”源于Google工程师克里斯托弗·比希利亚所做的“Google 101”项目。

对于云计算的定义尚未达成共识，现阶段广为认同的是美国国家标准和技术研究院定义：云计算是一种按使用量付费的模式，这种模式按照用户需要，提供可用的、便捷的网络访问，进入可自定义配置的计算资源共享池（资源包括网络，服务器，存储，应用软件，服务），这些资源能够被快速获取，只需投入很少的管理劳动，或与服务供应商进行很少的交互。简单的来说，云计算是将传统技术手段下分布在本地计算机或远程服务器中的计算转而分布在大量的分布式计算机上，把计算能力作为一种商品进行流通，使企业数据中心的运行与互联网更相似。

云计算有以下几个特征：第一，规模巨大。企业私有云一般拥有数百上千台服务器，Amazon、IBM、微软、Yahoo等的“云”均拥有几十万台服务器，而Google云计算已经拥有100多万台服务器。第二，虚拟化。在云计算技术的支持下，用户可以在任意位置、使用各种终端获取应用服务。所请求的资源来自“云”，而非固定的有形的实体。应用在“云”中某处运行，但实际上用户不用担心、也无需了解应用运行的具体位置。只需要一台笔记本或者一个手机，就可以通过网络服务来满足我们的一切需求，甚至包括超级计算这样的任务。第三，高可靠性。在数据多副本容错、计算节点同构可互换等措施的保障服务下，使用云计算比使用本地计算机可靠。第四，按需服务。“云”是一个庞大的资源池，用户根据需求的不同租用不同的资源。第五，高扩展性。“云”的规模可以动态伸缩，随着应用和用户规模的不断增长而扩大[1]。

（三）大数据与云计算的关系

从定义上来看，大数据侧重“数据”，提供数据存储、处理与分析能力，看中的是数据存储能力，云计算侧重“计算”，提供IT基础架构，看中的是信息处理能力。

从本质上来看，大数据的本质在于利用计算机集群来大批量的处理数据，其关注点在于如何将数据分发给不同的计算机进行存储和处理;云计算的本质就是将计算能力作为一种可分解的、较小颗粒度的服务提供给用户，按需使用和付费，其关注点在于如何在一套软硬件环境中，为不同的用户提供服务，使得不同的用户彼此不可见，并进行资源隔离，保障每个用户的服务质量。二者的共同点在于对资源调度的关注上。

从技术上来看，大數据与云计算相互交融，密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘，但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。没有云计算的处理能力，大数据的信息积淀再丰富也只是空谈。云计算的核算内容来自于大数据提供的信息资源，没有大数据的数据存储能力，云计算的计算功能再强大也无用武之地。大数据分析常与云计算联系到一起，因为实时的大型数据集分析需要利用像mapreduce一样的框架来向数十、数百或甚至数千的电脑分配工作。把数据统一放到“云”这个平台上，打破了数据相互独立彼此割裂的状态，更便于收集和整理数据，而巨量的数据也只能依靠“云”强大的计算能力，才能够找出隐藏在众多数据背后的经济价值。

二、自然资源资产负债表的概念及编制原则

党的十八大报告提出，要把资源消耗、环境损害、生态效益纳入经济社会发展评价体系，党的十八届三中全会《中共中央关于全面深化改革若干重大问题的决定》进一步提出，探索编制自然资源资产负债表后，国内掀起对自然资源资产负债表研究的高潮。

（一）自然资源资产负债表的概念

自然资源资产负债表是指按照国家资产负债表的编制方法，将全国或者一个地区的自然资源进行分类加总后得到的报表，反映某一具体时点该国或者该地区自然资源的“家底”，也显示某一时期自然资源存量的变化。

从会计学的角度来说，自然资源资产负债表是利用会计基本原则与会计计量工具，反映一国或一个地区在某一特定日期的自然资源状况，对各种资源的资产量、消耗量、损害程度、结余量等进行综合列报。

自然资源资产负债表不仅可以反映某一地区某一时点的自然资源资产、负债、净资产的存量信息，也可以反映某一期间该地区的各报表要素的流量信息;不仅可以反映某一地区自然资源资产、负债、净资产的实物量信息，质量指标信息，也可以反映这些要素的价值量信息。

探索编制自然资源资产负债表，对经济社会的发展具有重要意义。一是将自然资源资产负债表纳入审计制度有利于加强自然资源管理，提高资源利用效率，促进自然资源的可持续利用，同时为合理评价资源类企业的业绩或绩效提供更合理依据;二是将自然资源资产负债表纳入领导干部绩效考核与问责体系，可以改变一些地方和部门官员片面追求GDP忽视生态环境保护的倾向，从根本上改变党政领导的政绩观，推动经济发展方式的根本转变;三是将自然资源资产负债表引入生态补偿制度有助于解决区域间生存权、发展权与环境权的矛盾，是一种有效解决资源保护与经济发展冲突的经济激励措施[2]。

（二）自然资源资产负债表编制原则

自然资源资产负债表的编制要遵循“实物核算与价值核算并重、数量核算与质量核算并重、存量核算与流量核算并重、分类与综合相结合”的原则，由点到面，由浅入深，统筹各类数据资料，落脚于自然资源资产负债表的编制。

1. 实物与价值并重

实物量核算是指按照实物的数量单位统计某一特定时间各种自然资源的资产储量，实物量核算能够直接表示出自然资源的使用价值，它是价值量核算的基础。实物量核算是编制资产负债表的第一步，必须对自然资源及其利用情况进行真实详尽的数据统计，以账户等形式反映自然资源的存量及流量信息，在此基础上，选择适当的估价模型将实物量数据转换为价值量数据，其旨在以货币形式反映一个地区自然资源总量水平及其变化。自然资源价值量核算能将不同类型、不同形式的自然资源放在一个统一的度量平台上进行比较分析，且可以进行不同单元的横向比较分析。只有价值核算才能获得相对应的总量指标，对具体资源的发展过程和结果作出综合性的评价。

2. 数量与质量并重

自然资源是数量与质量的统一体。自然资源数量列报是最直观的，需要在资产负债表中列明自然资源的期初存量、本期增加或减少量和期末存量。自然资源质量列报同样也不可忽视，它反映了人类活动所带来的生态环境效应，而在质量列报中只需列明期初数值和期末数值即可，在这个过程中，明确质量衡量指标是关键。

3. 存量与流量并重

存量核算可以反映某一时刻一个地区的自然资源资产的统计状况，反映其数量和结构特征，可以与不同地区之间的资源存量进行比较，也可以将其与本地区的经济总量相联系，分析本地区的资源问题。流量核算是指将自然资源资产在会计核算期间内发生的变动纳入当期资源利用消耗核算之中，有助于分析资源流与经济流之间的动态关系，也有助于理解该地区自然资源基础变化随经济发展的变化情况。

4. 分类与综合结合

根据自然资源的不同属性，自然资源必须进行分类核算。分类核算可以按类别对自然资源进行实物量核算，也可以以价值量为基础进行分类核算，但综合核算目前仅限于价值量的加总核算。自然资源资产负债表是从一系列“分表”到“总表”构成的一套表。“分表”需列明各种自然资源资产在核算期内存量、流量、数量、质量等详细信息，而“总表”是对各种“分表”进行高度的总结概括得出一组关键总量指标体系[2]。

三、“大智移云”在自然资源资产负债表编制中的作用

（一）“大智移云”可以构建自然资源负债表编制所需要的海量数据库

自然资源资产负债表编制涉及的数据基础主要有两大类：一类是自然资源及其利用情况，另一类是环境保护情况。自然资源方面的数据主要包括土地资源、矿产资源、水资源、森林资源等资源的存量与流量信息，环境保护方面的数据来源主要包括环境保护成本、环境保护效果与环境保护收益三部分。各类自然资源与环境核算体系在具体的实施过程中，都需要与资源现状、环境监测体系相结合，以获取权威、可靠的统计数据。在建立自然资源资产数据库时，要考虑到以下几个方面：一是自然资源资产核算必须采用动态流量核算，掌握自然资源及生态环境的期初与期末信息，因此，自然资源资产数据库须具有一定的时间连续性;二是要考虑到数据库建设的空间一致性，核算主体可能因行政区划的调整导致核算范围有所变化，在建设自然资源资产数据库时要关注空间格局变动导致的数据统计不一致;三是数据库建设应做到分类与综合相交融，数据库的数据来源应包括国土资源部、水利部、农业部门等各单位的统计数据，还应包括人工测量数据、历史资料、遥感获取的数据等多类型资料，在此基础上建设的数据库应具有数据分类、分析、整合的功能。

现行的技术手段下只能对数据进行静态的统计，相关数据变化反映滞后，动态性与及时性没有得到体现;除此之外，现行的数据库容量有限且灵活性不足，不能对空间数据的变化作出及时反应;最重要的是，各部门的数据统计系统是相互独立的，各个部门的信息只能对自然资源资产的某一特定方面进行反馈，不利于对自然资源和环境保护进行综合评价。借助大数据、云计算技术，财务人员可以获取、挖掘与自然资源相关的所有信息，并对其进行实时监控，同时采用多源遥感数据融合等方法动态更新自然资源资产数据库。同时，在对自然资源进行实物量核算时，大数据可以综合多部门的统计数据，例如：土地资源方面，数据来源主要为国土资源部和各级国土部门的土地资源详查数据、国土资源年鉴等，各级农业部门提供的农业生产和管理统计信息可以对土地资源数量、质量和生产管理信息进行补充反映，大数据对这些分布零散、口径不一、交叉重复的数据进行整合和重组，分类统计，对各种不同类型的自然资源的储量和利用情况作出全面的评估，编制自然资源实物量统计表;在此基础上，对自然资源进行价值量核算时，利用IT技术和互联网，建立自然资源价值指标体系，构建价值量核算数据模型，完善国民经济统计体系，以货币的形式衡量具体资源的发展过程和发展结果。

（二）“大智移云”促使自然资源资产负债表编制更多从相关性考虑数据信息

传统思维模式下，人们习惯基于因果关系去探寻事物的发展，因果思维是人们在认识世界改造世界的过程中，经过历史文化沉淀所形成的固定思维模式。而在大数据时代，面对庞大的数据信息，我们没有必要知道每种现象产生的原因，只需通過相关性找到与之相联系的事物，在合理分析的基础上预测其发展即可。大数据、云计算技术并没有改变事物之间的因果关系，只是把重点从事物之间的因果性更多的转向相关性，对因果性的依赖度大大降低。

在编制自然资源资产负债表时，相关的会计人员既面临海量数据筛选的挑战，又面临搜集相关数据的考验，传统的思维模式驱动人们基于因果关系来统计数据，这种单一的思维路径只能对自然资源数量和质量信息进行由点到线的统计，而大数据分析则更多的运用相关关系分析来搜集信息。大数据技术提供了多行业、多领域、多地区、多角度的交叉信息，自然资源数据库不再是一维的由线至面的平面数据库，而是多维的从平面到空间的立体数据库。从可比性的角度来说，纵向来看，“大智移云”下的自然资源数据库建设给同一资源提供了不同时期数量和质量的比较信息，横向来看，同一时期不同资源的实物量和价值量信息有了可比的维度。云计算的计算依据来源于各部门上传至大数据平台的统计数据，数字化填图系统使得勘探的原始资料数字化，物探、遥感探测等不同测量技术都以不同的格式为信息使用者提供科研数据、成果图件等，并将相关数据以二进制的方式存储在计算机云端中，自然资源资产负债表的编制更多的转向利用相关关系来搜集和发现数据信息。

（三）“大智移云”能够从整体视角优化自然资源资产负债表的编制

传统技术手段下的资产负债表编制以精准为价值取向，而自然资源的特殊性决定了其资产负债表的编制难以达到精确的要求，例如：矿产资源的储量难以精确测量，森林资源开发利用所带来的经济价值难以精确度量，水资源污染所带来的经济损失难以准确核算。精准的目标要求只适用于掌握“小数据”的情况，随着大数据、云计算日益深刻的影响财务会计的发展，相关财务人员应该从一个更宏观、整体的角度来看待自然资源存量和流量的变化，既可以把本地区的自然资源存量与其他地区相比较，也可以将其与本地区的经济总量相联系，以整体的视角来分析本地区的资源问题。“大智移云”背景下，自然资源资产负债表的编制以整体优化为主要目标，个别数据的精准已不再具有意义。自然资源资产负债表的系统编制是一个不断验证、完善的过程，大数据可以根据自然资源流量和生态环境的变化，调整实物量和价值量账户，以使自然资源资产负债表与外界环境系统相适应。

四、“大智移云”在自然资源资产负债表编制中的运用

大数据与云计算技术已成功的运用于多地区自然资源资产负债表的编制，综合来看，其运用可主要从数据采集和数据分析两个方面来分析。

（一）数据采集层面

编制自然资源资产负债表的第一步是明确资产负债表核算的内容及范围，即对该地区的自然资源的数量、种类、分布等进行初步调查，以提供该地区的自然资源数据清单、图表和评价报告等信息。大数据的一个典型特征就是数据量大、数据类型繁多，而自然资源包含的领域广、范围大、种类多，还有些资源埋藏于地下，流动性强，难以对其进行实物性或价值量的统计，这无疑对自然资源资产负债表数据采集层面的工作提出更高的要求[6]。

构建自然资源大数据平台对编制自然资源资产负债表具有基础性的意义，它可以为自然资源资产负债表的编制提供真实全面的数据支持。大数据平台的数据来源大致可分为地面监测数据、3D影像数据、专业调查数据和社会经济数据等。以矿产资源为例，除传统数据库记录的结构化数据之外，自然资源基础统计数据需要借助3S技术获得遥感大数据，它可以根据野外样地实地调查数据，在遥感图像上提取相应的物类别的图像光谱信息和纹理结构信息，对数据进行分类统计，它把初始获得的多光谱数据和全色数据分割成一定存储大小的分块数据，存储在云端的数据库中。遥感监测获取数据的速度快、周期短，相应的时效性较强。构建自然资源大数据的第一步就是从数据源采集数据并进行预处理和集成操作，为后续的数据分析提供全面完整的数据集。因此，建立国家自然资源资产数据库，设置关于自然资源的统计台账十分有必要。需要强调的是，自然资源数据库的建立要充分考虑到数据的覆盖面、数据的周期性和时效性、数据的真实性、数据格式的普适性[12][13]。

对自然资源进行全面核算还需要综合各部门不同性质的数据，以矿产资源为例，国土资源部负责提供矿产资源储量数据，化工部等相关部门负责提供矿产资源使用量方面的数据，统计部门、发改委负责调查矿产资源市场经济数据等，在各部门将自己统计的数据上传到数据库后，财务人员通过整理各部门上传的数据，就可以对矿产资源实物型账户和价值量账户进行综合核算[14]。

（二）数据分析层面

我国自然资源类型多样，生态环境复杂多变，面向自然资源资产负债表编制的数据库主要包括自然资源、生态环境、社会经济、人口、地理特征等多种类型的数据，其中既有各统计年鉴数据、调研数据、文档数据等结构数据，又有气象数据、地理环境数据、社会经济等非结构化数据。源数据在完成采集工作后被传送到基础存储设施进行存储和分析，大数据分析中常用的方法有统计分析，人工智能，人工交互技术等。其中，统计分析是数据分析中最常用的方法，通常包括相关性分析，回归分析，描述性分析等。人工智能利用计算机模拟人类的学习行为，通过学习自然资源领域的相关知识，建立分类知识库，实现自然资源大数据平台的智能化应用。人工交互技术可以帮助信息使用者迅速简化提炼数据流，根据自定义条件筛选，快速有效的的定位自己所需的信息，同时还能更好的理解数据分析的过程，给予信息使用者以新的思考與启发。

参考文献：

[1] 秦荣生.大数据、云计算技术对审计的影响研究[J].审计研究，2014，（6）：23-28.

[2] 耿建新，胡天雨，刘祝君：我国国家资产负债表与自然资源资产负债表的编制与运用初探——以SNA 2008和SEEA 2012为线索的分析[J].会计研究2015，（1）：15-24，96.

[3] 封志明，杨艳昭，李鹏.从自然资源核算到自然资源资产负债表编制[J].中国科学院院刊，2014，29（4）：449-456.

[4] 马志娟，邵钰贤：“互联网+”模式下自然资源资产离任审计研究[J].会计之友，2016，（11），108-111.

[5] 季锡，刘洋轩：矿产资源资产负债表编制技术框架初探[J].中国人口资源与环境，2016，26（3）：100-108.

[6] 刘宇晨，张心灵：大数据技术支持下草原资源资产负债表构建研究[J].科学管理研究2018，36（2）：76-79.

[7] 陈玥，杨艳昭，闫慧敏，封志明.自然资源核算进展及其对自然资源资产负债表编制的启示[J].资源科学，2015，37（9）：1716-1724.

[8] 孔含笑，沈镭，钟帅，曹植.关于自然资源核算的研究进展与争议问题[J].自然资源学报，2016，31（3）：363-376.

[9] 闫慧敏，杜文鹏，封志明，杨艳昭，宋晓谕：自然资源资产负债的界定及其核算思路[J].资源科学，2018，40（5）：888-898.

[10] 杜文鹏，闫慧敏，杨艳昭.自然资源资产负债表研究进展综述.资源科学，2018，40（5）：875-887.

[11] 闫慧敏，封志明，杨艳昭，潘韬，江东，宋晓谕，马国霞，刘文新.湖州/安吉：全国首张市/县自然资源资产负债表编制[J].资源科学，2017，39（9）：1634-1645.

[12] 赵栩.自然资源资产负债表的编制与应用赵栩经济管理出版社，2017.

[13] 杨小毛，江育良.自然资源资产负债表编制研究-以深圳市龙岗区为例[J].中国环境出版社，2016.

[14] 江东，卓君，付晶莹，阎晓曦，黄耀欢.面向自然资源资产负债表编制的时空数据库建设[J].资源科学，2015，37（9）：1692-1699.