数据资产会计核算研究综述与展望

梁 芳 李永恒

(西安石油大学 经济管理学院，陕西 西安 710065)

0 引 言

在“大智移云物链”技术的支撑下，各类企业的数据挖掘与清洗能力大幅度提升，市场与企业的数字化进程快速推进，经济发展迈入了“数据(Data)时代”。2022年3月，国资委发布《关于中央企业加快建设世界一流财务管理体系的指导意见》，提出“加强数据源端治理，提升数据质量，维护数据资产，激活数据价值”，强调了数据治理的必要性。

作为数据治理过程中的前沿性话题与重要内容，数据资产会计核算在理论界进行了积极的探索。尽管观点各有不同，但将数据资产列入会计核算体系已成为学者们的共识。当下数据要素市场并不完善，数据资产确权机制受到了较大阻碍，较大的不确定性与复杂性使其核算体系也待进一步讨论。因此，鲜有企业将数据资产会计核算应用于实务。梳理学者们的现有研究成果，为理论研究进一步深入抑或理论研究尽快应用于实务提供借鉴。2013年，当代的“大数据之父”维克托·舍恩伯格在其著作《大数据时代》中曾言：“将数据资产列入资产负债表不是能与否的问题，只是早与晚的问题。”[1]1-261从理论上来看，数据资产会计核算主要包括资产的确认、计量、列报等方面。为更好地梳理文献，本文综述内容主要从数据资产的定义、特征、确认、计量、列报方面展开。

1 文献综述

1.1 有关数据资产的定义

数据资产(Date Assets)最早由美国学者Richard Peterson[2]73-88于1974年在关于政府债券、公司债券和实物债券的讨论中提出，他指出数据资产包括公司持有可以证券化的金融产品。这与现今的数据资产含义虽然大相径庭，但却为我们首次引入了数据资产的概念。随着社会经济的发展和互联网信息技术的发展，数据资产的含义早已不是最初的概念，而是指通过某些物理或电子方式记录的数据资源。2009年，Tony Fisher[3]12-30研究认为，在某种意义上，企业应该把数据作为资产来看待，这一观点的提出将数据资产上升到企业层面。

近年来，随着国内经济与信息技术的不断进步和发展，企业和个人在社会活动中产生了愈来愈多的数据资源，关于数据资产概念的讨论也成为部分学者关注的焦点。在数据资产研究初期，一些学者认为，数据资产可以被定义为企业拥有或控制，并能够为企业带来经济利益的数据资源[4]87-89。朱扬勇、叶雅珍[5]65-76对信息资产、数字资产、数据资产三个关联概念的演化与发展进行了对比分析，认为中国信息通信研究院发布的《数据资产管理实践白皮书(4.0)》(2019)对数据资产定义较为合适，即企业拥有和控制的，能够为企业带来未来经济利益的、以物理或电子方式记录的数据资源。随后，国内大部分学者在对数据资产的各类研究中关于数据资产定义的讨论皆借鉴于此，但因数据资源的特征不同，而对其概念的研究还应考虑更多的影响因素。然而，又因数据获取设备的迭代更新让更多企业获取海量数据的能力不断提升，从而使大数据资产概念被提出。作为广义数据资产的内容之一，大数据资产可被认为是能为公司增加收益，收益表现形式为交易变现获得收入、直接或间接的现金及现金等价物以及提供正确的决策依据的数据资源。[6]59-63李秉祥、任晗晓[7]127-133结合资产的一般定义认为大数据资产是由企业过去的交易或事项形成的，并由企业拥有其使用权或所有权的，有具体的应用场景的，能为企业带来经济利益的数据。侯彦英[8]2-8则认为数据资产应该包括3层含义：一是广义数据资产，即通常意义上的数据资源；二是管理学或统计学意义上的数据资产，数据具有明晰的所有权和控制权；三是会计学意义上的数据资产，可以被企业拥有和控制，同时，也可以合理评估其价值，具备参与资源配置活动的能力。

1.2 有关资产特征的研究

数据资产兼有无形资产和有形资产、流动资产和长期资产的特征。[5]65-76针对数据资产特征的研究，学者们有着不同的切入点，从目前国内文献来看，主要集中于以下4个方面。

1.2.1 不确定性

不确定性是数据资产会计确认的难题[9]58-61。其不确定性是指数据资源在产权归属上具有不确定性、数据资源的价值在时间上具有不确定性、数据资源的价值在使用场景上具有不确定性和数据资源的价值密度导致价值变现具有不确定性。李秉祥、任晗晓[7]127-133在研究大数据资产的估值问题时提出，大数据在为企业创造的经济利益流入的过程中，其价值不确定性是大数据资产最典型的特性。在交易过程中大数据是实时更新的，虽然可以确定是历史数据还是实时数据，但缺乏实时性的大数据是不完整的。[10]124-127黄海[11]113-119认为数据资产权属无法明确将会导致数据资产收益归属的不确定性，同时也会降低数据资产的利用效果。另外，刘欣悦、夏杰长[12]76-86认为数据资产对企业的价值本质上是组合的，即一个特定数据集对企业的价值取决于潜在相关的数据集的可用性，而如何为具有相关信号的数据集合定价并不直观。

1.2.2 可复制性

数据资产具有与传统资产、金融资产不同的特点就是其可复制性。阿里巴巴、腾讯、百度等这类掌握用户数据的公司将用户数据出于商业目的，从中获取利益，更有甚者，一些互联网公司通过向第三方平台贩卖用户数据以牟取暴利。[13]3-10因为复制的过程很容易实现，因此数据资产具有非竞争性且边际成本接近于零。[14]143-158数据的稀缺性会受到恶意流转复制的损害，这种恶意的流转复制主要通过一些非正规的交易渠道而实现，其后果是数据资产将面临内容被篡改的风险，导致其数据的价值降低，所以交易的过程要首先保证数据的安全。[7]127-133

1.2.3 收益性

数据的价值在于应用。[15]3-14一般来说，个别的或零散的数据其边际价值接近于零。为了发挥数据的价值，需要将大量数据整合起来进行分析和开发。从企业方面看，数据分析有助于洞悉客户行为，提供个性化服务，开发新商业模式，提高生产效率，增加收入，节约成本，控制风险，带来经济收益;从这个意义上说，记录在数据库中的数据具有收益性。夏红军、安燕娜[16]70-75认为，数据资产可以为企业的管理控制和科学决策提供依据，从而减少企业经济活动的风险，为企业带来预期的经济利益，也可以通过资产交易直接为企业带来经济收入。戴理达[17]82-87提出，数据资产具备超强的价值赋能功效，其原因不单纯在于“数据”本身，而在于数据资产推进了传统产品及其生产制造技术革命性的升级。

1.2.4 复杂性

数据资产具有核算复杂性的特征[6]63，核算复杂性主要源于其种类多样化，以及其生产速度快。就数据资产形式而言，数据资产可以是物理形式的，如书本、备忘录、档案、表格、照片及记录等；可以是电子形式的文件，如数据库、日志、各种电子表格、录音录像及程序等；也可以是依附于其他资产的数据资源。[4]87-89吴江、马小宁等[18]80-86认为，对企业的生产系统来说，因监测数据每时每刻都在发生变化，所以其产生的数据动态性强、随机性强、颗粒度多样，且都以ms或μs的时间间隔而变化。

1.3 关于数据资产确认的研究

1.3.1 数据资产归属的范畴

数据资产作为大数据时代下的产物，目前学术界对其会计上如何确认并无权威的规范。基于数据资产与无形资产的对比分析，唐莉、李思省[4]87-89认为，大数据与无形资产在属性上存在相似点，因此对大数据进行资产确认时可以参照无形资产的确认方式进行。随后，李泽红、檀晓云[19]129结合新企业会计准则提出，只有符合新企业会计准则中资产定义的才可以确认为企业的一项资产。此外，根据大数据资产的无实物性，认为大数据资产应作为一项无形资产在企业资产负债表中列示。张俊瑞、危雁麟[20]3-15分别从国际会计准则理事会(IASB)发布的国际财务报告准则(IFRS)和中国《企业会计准则》规定的资产定义两个角度逐项对数据资源是否符合定义中的相关条件进行了分析，研究数据资源为资产的合理性，并从数据的特征出发分析认为可将数据资产归属于无形资产的范畴。余应敏[21]52-55认为，在数据资产进行会计确认时应存在3种做法：一是不将其作为资产确认，而是将数据资产费用化；其二将其是确认为无形资产的范畴，列为无形资产披露。三是专设“数据资产”科目对其进行核算。而由于大数据平台公司开发的数据库具有自主知识产权，对其开发可视同专有技术的研究与开发，应尽快明确资本化确认为大数据企业的“数据资产”。

1.3.2 数据资产确认的条件

由于数据资产价值的多变性和不确定性，所以确认数据资产过程中会受到各种的因素影响。上官鸣、白莎[22]46-48从新企业会计准则的角度分析，认为企业的大数据源于过去的事项而形成，而且也源于未来的预算性数据。企业在对数据资产确认时，需要考虑未来的事项形成的大数据。随后，他们提出大数据资产进行确认的条件，凡符合如下条件的数据则被认定为大数据资产：一是由企业过去或未来较短时期内很有可能发生的交易或事项而形成的；二是由企业拥有或控制的；三是已经能够或经过进一步处理后能够为企业带来经济利益的。刘国英、周冬华等[23]66-71基于IASB《财务报告概念框架》开展数据资产准则研究中认为，企业确认一项数据资源为企业的资产应当符合4个条件。第一，拥有或控制已完成数据预处理且符合数据处理与分析所需格式要求的数据资源。第二，已经获得服务计算活动的关键技术专利、专有技术，如数据处理、数据挖掘、数据分析和数据展示活动相关的知识产权权利。第三，拥有或控制经封装形成的数据产品，该产品能够供企业自身经营决策使用，或对外提供数据服务、出售。第四，拥有或控制某项数据资产相关权利证明，或表明有潜力产生经济利益的其他情形。当全部或部分数据资源不再满足数据资产的定义时，应当终止确认数据资产。李诗、李可亦[24]67-70结合2019年中国信息通信研究院云计算与大数据研究所发布的《数据资产管理实践白皮书》(4.0版)中的数据资产定义与财政部发布的《企业会计准则——基本准则》中资产的确认条件，将数据资产的会计确认应用于实践中，对企业的数据资产进行会计确认。

1.3.3 数据资产确认的难题

资产是一种价值储备，代表经济所有者在一定时期内通过持有或使用某实体所产生的一次性或连续性经济利益[15]3-14，企业在确认数据资产时，需要深入分析数据的经济所有权和收益性。从数据的所有权和控制权的角度分析，侯彦英[8]2-8认为数据的控制权和所有权并不归于一个主体，对数据资产的确认主要包括数据标识和数据确权的问题。此外，数据资产确认与企业所有权的归属确定密不可分。然而，由于数据资产的产生可能涉及多个主体，其所有权归属也可能存在不确定性，这便使得数据资产难以进行会计确认。秦荣生[13]3-10提出，数据资产的可复制性让数据的使用者以接近无成本的方式复制数据，因此，数据资产的确认首先要明确所有权归属问题。基于数据资产属性特征研究，陈思静、王磊[9]58-61认为数据资产的不确定性是在进行会计确认时面临的首要难题。数据资产的不确定性主要体现于数据资产的产权归属不确定性、数据资产价值在时间上的不确定性、数据资产的价值在使用场景上具有不确定性、数据资产的价值密度导致价值变现具有不确定性等。

1.4 关于数据资产计量的研究

数据资产计量是整个数据资产研究中不可缺少的一部分。如果数据资产不能使用货币进行计量，那么将其确认为企业的资产也没有任何意义。作为企业的一项无实物状态资产，数据资产的价值影响因素众多，其计量也存在着各种困难。数据资产消耗的无限性及开发使用的无排他性，共同决定了传统的“商品性”定价模式难以适用于数据资产。[25]72-78

1.4.1 采用“现值法”计量

现值法是指通过估算被计量资产未来预期收益并折现为现值的方法。这种方法主要关注数据资产在企业中的产出收益。虽然当前数据资产的雏形市场和交易流量已经初具规模，小范围单线条的数据资产估值定价操作也已经在不同行业得以运用，然而系统的数据资产估值定价体系尚未形成，数据资产市场完整的循环链条难以打通。[26]43-53因此，部分学者认为可以采用现值法的方式对数据资产进行会计计量。随着时间的推移，由于数据资产使用环境的变化，其附属价值可能不断增加，也应定期对其进行重新估值从而调整其账面价值，即在其后续计量时可以参照无形资产的计量方式进行摊销和减值。唐莉、李省思[4]87-89基于数据资产的特点提出，数据资产在初始计量时，不宜采用原始投入价值，应采用收益现值法。

1.4.2 采用“成本法”计量

作为一项无实物形态资产，数据资产的未来收益难以通过评估来进行预测。李泽红、檀晓云[19]129认为数据资产分为企业自己搜集整合的数据资产与向外购买的数据资产两类。在对这两类数据资产进行会计处理时都采用了历史成本法的方式进行初始计量，即将在搜集整合分析数据过程中发生的劳务费，运用的设备折旧费及日常有关的费用支出作为其成本。在大数据资产的后续计量中，学者们认为应考虑到随着对数据的进一步使用，其产生的收益或许会超过其初始成本。基于对环卫公司进行分析，李诗、李可亦等[24]67-70提出垃圾分类数据作为适用范围较为狭窄的数据类型，该数据既无可供交换的参照市场，又无可供相关市场参与者借鉴的交易价格，故不符合公允价值计量的条件。采用历史成本法可以最大程度保证会计信息可靠性，同时符合谨慎性原则，降低了企业操纵利润的风险。

1.4.3 采用“公允价值”计量

对于数据资产这一特殊的资产，企业采用公允价值计量是一种可靠的计量方式吗？基于传统会计计量理论与实践以及大数据资产的特征分析，陆旭冉[6]59-63提出，在实务操作过程中，企业难以准确计算数据这一新型资产未来经济的获利能力，而公允价值计量属性受人为干扰几率较大，企业在后续计量中应借鉴无形资产的会计处理方式确认数据资产的预计使用年限，以此来对数据资产进行摊销。

1.4.4 采用“多种方式”计量

随着企业对数据挖掘的应用，不同的数据资产对于企业而言其使用价值也是不同的。基于数据资产的使用方式不同，张俊瑞[20]3-15将数据资产分为自用性数据资产与用于交易的数据资产。对于自用性数据资产，企业应使用历史成本法进行计量；而对于交易性数据资产，企业应使用公允价值计量。刘国英、周冬华[23]66-71同样认为，不同类型的数据资产应采用不同的计量方式。一般情况下，企业的数据产品按成本进行初始计量，其后续计量采用现时价值法。即对于源自使用价值的数据产品，采用特定主体假设的使用价值进行计量，数据产品的现时价值变动计入其他综合收益；对于源自交换价值的数据产品，采用公允价值进行计量，数据产品的现时价值变动计入公允价值变动损益。

1.5 数据资产的列报

在数字经济迅速崛起过程中，数据资产已逐步成为企业有价值的特质信息,其信息披露有利于保障市场的有效性。[27]1-12为保证数据资产的信息披露完整有效，数据资产信息列报的规范化是数据资产核算的重要内容之一。

1.5.1 并入“无形资产”列报

部分学者认为，企业应在会计报表“无形资产”一栏下单独反映数据资产的余额，如果数据资产影响重大，应在附注中重点披露。[4]87-89企业资产负债表一般列有“无形资产”这一项目，反映无形资产的摊余价值，在现金流量表中仅设置了一项“处置固定资产、无形资产和其他长期资产而收到的现金”和“购建固定资产、无形资产和其他长期资产所支付的现金”。

1.5.2 以“数据资产”单独列报

还有学者认为，“数据资产”应作为一个单独的项目在企业资产负债表中进行列示，列示金额即为数据资产的账面价值(原价-减值准备)，并且企业可根据自身需求选择对“数据资产原价”“数据资产减值准备”等具体项目进行反映。[22]46-48另外，在企业财务报告的附注中，企业应明确对数据资产的初始计量价值中小微成本的处理方法、数据资产未来现金流的预估折现率选择以及数据资产减值原因等内容予以解释，确保大数据资产处理的科学性与可理解性。

1.5.3 引入“第四张报表”

除此之外，传统财务报告只呈现会计确认、计量、分类汇总核算的结果而不展示价值生成全貌，极不利于信息使用者全面系统地捕捉价值链上各个环节的增值运动。因此，会计实务中就出现了一个难题，即三大传统报表的框架结构是否需要重新设计。[17]70-75鉴于继续沿用无形资产概念，企业未来的资产管理和对外信息披露都可能产生概念混淆、信息效率降低，张俊瑞[28]13-20引入软资产概念来指代广义无形资产的概念，并提出“第四张报表”设想，将数据资产规模、数据资产相关技术投入等可量化信息纳入报表中，最后在年度报告的适当章节披露企业在数据资产管理和运用方面技术投入的更多细节。

2 文献评析

2.1 研究进展

基于相关文献的梳理发现，国内学者对数据资产核算主要是对数据资产的相关定义、数据资产的有关特征、会计确认、会计计量与报告等方面进行了广泛的研究，具体情况如下：

第一，在数据资产的定义研究初期，大部分学者以传统资产定义为基础进行数据资产的相关研究。然而，随着研究深入，中国信息通信研究院发布的《数据资产管理实践白皮书(4.0)》(2019)中关于数据资产定义，即企业拥有和控制的，能够为企业带来未来经济利益的，以物理或电子方式记录的数据资源，较为合适地诠释了数据资产的内涵，被当下大多数学者所借鉴。

第二，当下学术界关于数据资产特征的研究内容主要围绕其不确定性、可复制性、收益性、复杂性展开。学者们以此为基础深入讨论了数据资产的内在本质，为数据资产的后续研究奠定了基础。

第三，数据资产的会计确认研究主要分为两部分：一部分是对数据资产确认为无形资产进行核算研究，另一部分是对数据资产单独确认进行核算研究。目前为止，二者皆套用传统资产的确认方法来进行数据资产的研究。

第四，当前学术界对数据资产计量的争论主要在于确定数据资产的入账价值时如何选择合适的计量方法。部分学者基于企业投入的角度考虑，认为在数据资产计量方面应用成本法；也有学者基于企业产出的角度应用现值法进行数据资产计量；还有学者基于市场价值的角度应用公允价值进行数据资产计量。不同计量的方式选择将对数据资产计量的结果产生不同的影响，这为后续研究提供了宝贵的理论经验。另外在数据资产后续计量研究中，数据资产的账面价值是否还需要进行动态调整，亦有学者对此进行了相关的实践研究。

第五，在数据资产列报方面，当前学术界主要存在三类不同处理方式。一是将数据资产列入“无形资产”之中进行列报；二是将数据资产单独进行列报；三是提出“第四张报表”，在“第四张报表”中列报数据资产、通过资产负债表和“第四张报表”混合列报数据资产。然而长期来看，将数据资产列入“无形资产”并不能充分披露数据资产这一重要资产项目，将数据资产单独列报和构建“第四张报表”受到了更广泛的关注。因此，企业在选择列报方式时更可能选择后两者，以此提高企业报表的信息输出效率。

2.2 研究不足

首先，现有的数据资产核算研究中，学者们对数据资产如何确认、计量与报告的处理方式虽然有着显著的不同，但大都以传统的会计核算框架为基础进行研究。然而，新技术环境下的数据资产存在着独有的特性，传统会计核算框架能否与数据资产所具有的特点相匹配，其核算框架是否需要突破传统的范式值得思考。在目前国内的相关研究中，传统会计核算框架的局限性是否有必要突破。也就是说，在数字技术的支撑下，数据采集、数据清洗、数据算法、数据探索等是否可以解决数据资产确认中的难题，将企业收集到的交易数据、行为数据、过程数据、结果数据等采用数字化的方法解决。[29]93-99

其次，现有研究部分数据资产的估值方式过于繁琐，专业化程度较高，估值成本较大。在关于数据资产估值研究时，学者们为追求数据资产计价的精确性与计量的完整性，部分采用了专业化程度比较高的理论与方法，导致数据资产估值方式过于繁琐。但在企业的日常运营中，为降低运营成本和提高财务运营效率，企业通常并不愿意采用过于繁琐复杂的估价方式，这对企业数据资产日常计量与财务活动的提升也造成了一定的困扰。因此，如何将数据资产估价方式普适化并应用于现代企业财务会计实务中是学者们在研究时需要面对的重要研究课题。

最后，并不是所有的数据都具有价值，只有符合资产定义范畴的数据才能进入会计核算系统。与整体分布存在显著差异的问题数据、与标准期望值存在差异的异常数据、大量的重复性冗余数据等，而对于需要利于大数据技术尽快剥离，提高数据利用效率。因此如何通过数据技术快速、评估出以往难以精确衡量的数据资产价值，降低评估数据资产价值的难度，使得有价值数据便捷顺利进入会计核算系统，需要大数据技术研究者和会计理论研究者们通力合作，进一步探索，这对于数据资产核算研究具有重要的意义。

3 研究展望

一方面，数据技术的飞跃性发展能否助力数据资产会计核算突破传统核算框架是我们如今需要探索的重要问题之一。在“大智移云物链”新技术构建的数据中台支持下，数据服务平台会根据企业的特性与需求，自动分类普通数据与有价值的数据资产，进而通过云计算、人工智能等技术直接实现对数据资产储存、筛选、加工、分析等精细化分类与计量，传统框架下的数据资产的会计确认与计量难题可能被解决，以往传统的数据资产会计核算模式也可能会随之改变。这将极大地推动企业数据资产治理体系的优化发展。

另一方面，在数字经济飞速发展的背景下，数据技术能否助力企业突破传统的财务报告体系，企业通过数据中台将会计科目、会计政策、数据标准和业务流程标准等结构化和非结构数据形成“颗粒度(Granularity)”化财务数据，在数据技术加密过滤后生成更为灵活的财务数据，能够被供应商、客户、债权人、政府、投资者等各利益相关者根据自身决策需求提取并自动生成高相关性报表，财务报告体系也将因此而改变：企业不但为利益相关者提供传统的四大报表，同时可以提供更多的个性化报表，即“4+N”报表体系。会计信息质量在现代信息技术的加持下，其及时性、相关性才能充分体现，未来的会计核算系统借助现代信息技术必定会更加标准化与高效化，会计信息更为可靠与多样化，这为企业数据资产的会计核算展现了更为光明的前景。