互联网行业数据资产的确认、计量与处置*

2022-06-23林丽环黄卫东朱玉昊

项目管理技术 2022年5期

林丽环黄卫东朱玉昊

(1.南京邮电大学管理学院，江苏南京 210003；2.东北财经大学国际商学院，辽宁大连 116025)

0 引言

互联网行业以其特有的行业属性，使得数据资产在企业总资产中的地位大幅提升。2020年4月，我国发布了关于要素改革的文件《中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见》，要素配置的背后是数据资产伴随全产业链的进一步细化和地位的明确，从生产、供应、销售甚至是售后都充斥着数据资产的影子，而数据资产的激活和流动则成为企业生产和发展的命脉。一些知名的国际互联网企业已走在从数据中挖掘商机获取更大竞争优势的前沿，金融、电信等传统行业也已经意识到数据的重要性，开始挖掘已有的数据价值以提升竞争力[1]。本文从互联网行业入手，对数据资产的部分属性做进一步探讨和测量，以期让数据资产更为规范化。

1 国内外互联网行业数据资产概况

1.1 行业均值概况

目前，对于数据资产的确认与计量暂无统一的既定标准，可借助各大行业对外公布的真实数据中的账面净值和市场评估价值的差价作为行业数据资产的粗略评估价值，而二者比值则是财务分析中使用频率较高的市净率。市净率反映市场所承认的价格相对于行业每股净资产而言所承担的溢价，当溢价过高时，一般判定该行业股票的投资价值较低。然而，在数字时代，溢价则表明投资价值低的判断链条的稳定性便有待商榷。尤其是在互联网行业，市净率往往反映市场对该企业未来发展的心理预期以及对其前景的看好程度。

鉴于互联网行业固定资产占比小、无形资产占比大的共通特征，市场评估价值的高低在很大程度上取决于企业无形资产的未来增值状况，甚至取决于无形资产中数据资产的未来增值状况。因此，本文以互联网行业为例，采取以账面净值与市值之间的差值暂代数据资产价值的估计方法在某种程度上是可行的，虽然数据资产的计算结果在准确性上有所偏差，但能够保证数据的真实性。

截至2020年12月31日，共有62个行业的4271家企业处于上市状态，表1仅列示62个行业中平均市值排名前20的行业概况、平均市值、平均净资产、平均市净率以及平均总市值与净资产之间的差额情况。

表1 行业均值概况

由表1汇总数据可知，互联网行业平均市值与平均净资产之间的差额绝对值在62个行业中高居第三名，可见其数据资产在市值评估过程中的贡献程度。经计算，全行业平均市值为350.11亿元，比互联网行业低了510.89亿元；全行业平均净资产为161.58亿元，比互联网行业高出7.83亿元；全行业平均市值与平均净资产的差额为188.83亿元，较互联网行业低了518.72亿元。造成该差额的原因众多，但不可否认的是，数据资产在行业或者企业的增值过程中发挥了极其重要的作用。换言之，较全行业一般水平而言，互联网行业因数据资产带来的增值部分的上限金额518.72亿元，增值幅度不高于274.7%。

1.2 行业巨头概况

为充分证实数据资产在互联网行业中的重要程度，通过列示互联网行业的几大巨头企业的财务概况发现，截至2021年6月30日，国内互联网企业市值排行前三名为腾讯、阿里巴巴、美团，国外互联网企业市值排行前三名为谷歌、脸书、亚马逊，这6家互联网企业在2018—2020年对外公布的数据梳理结果见表2。

表2 国内外6家互联网企业2018—2020年总市值与净资产的差额 (单位：亿元)

由以上对比结果可知，数据资产在以上所示企业的总体资产价值衡量中占据着举足轻重的地位，总市值与净资产差额普遍较大且总体呈上升趋势。造成该差额的原因众多，其中包括但不限于数据资产在使用过程给企业其他资产带来的价值增值、股民对企业前景的良好预期、管理者有效的经营行为等。以上林林总总的原因都可归纳总结为两大方面的原因，即主观原因和客观原因。其中，主观原因涉及社会心理学范畴，暂不做探讨；而客观原因中占主导地位的则是数据资产的存在。数据资产作为一种知识资本，毫无疑问是知识经济时代下企业赖以持续发展的核心动力。此外，就绝对值上来看，亚马逊在数据资产上的量级是其他互联网企业所难以企及的，这与亚马逊云计算服务的开展有着千丝万缕的关系，作为企业利润贡献度最高的服务，云服务可以说是证明数据资产重要性的有力证据之一。

2 互联网行业数据资产的产生

2.1 数据资产的来源与内容

数据资产的来源分为内部渠道和外部渠道。

根据数据是否经过筛选、清洗、加工等步骤，内部数据来源分为原始数据和次级数据。其中，原始数据的数据量极大，但杂质较多且仅反映个体特征，因此数据价值含量较低，其具体内容包括自有用户数据、软件系统数据以及生产经营数据；经过技术处理和二次加工的次级数据往往能够在管理层的有效应用中为企业价值的增长提供有力帮助，企业价值的增长速度、增长幅度以及增长的持续时间都取决于具体管理层的数据运用能力以及整个行业所处的兴衰周期。

根据是否需要支付等价的费用，外部数据来源分为免费数据和付费数据。其中，免费数据反映的多为历史公开信息，所形成的市场属于弱势有效市场，信息价值普遍较低，原因在于信息所带来的价值波动已经充分反映于当前的价格之中，员工所能够搜索到的信息不能再为企业带来额外的价值增值；付费数据多为运营平台所搜集的客户相关信息，如性别、年龄、爱好、财产情况等，此类信息并不公开于市场，但其用途较为广泛。比较典型的付费数据，如用于构建客户消费画像，通过客户产生的交易数据形成相应的电子形象，进而针对不同客户开展点对点的精准营销，以促进本企业产品和服务的销售。这部分数据的交易和使用涉及侵犯用户隐私的问题，尽管我国暂未颁布相关法律法规来明确用户的权利和运营平台的义务，但一些发达国家和地区已先后推出相关试行法律规范此类数据的交易行为。

数据资产的来源、类型以及具体示例见表3。

表3 数据资产的来源、类型以及具体示例

2.2 数据资产投入与产出的环节

数据资产在某些属性上与会计账簿上的其他资产具有相似之处，具体体现在同样要经历成本投入和收益产出的过程，其中投入环节的来源有两个：一个产生于企业内部，即企业在日常经营过程中产生的客户信息、产品信息以及交易信息等，这部分数据属于自产范畴；另一个产生于企业外部的购买，尽管有关于客户数据隐私的法律正在逐步完善，但就目前状况来看大多数企业依旧秉承着“取得即所有”的行事原则，依靠买卖客户数据从而获利的商业模式已成为一种常态，这部分数据属于外购范畴。与投入环节相对应的产出环节同样具有两个方向的去处：一个是利用自身已有的客户、产品、交易等数据，经过加工梳理后用于自身的生产经营活动并由此获利，该部分数据属于自用范畴；另一个是成为数据资源的供应商，将所得数据作为一种自有商品加以销售并从中获取利益，该部分数据属于外销范畴。客户流量较大的运营平台如FaceBook多采用以“自产自用”+“自产外销”为主的商业运作模式，而一些名不见经传的小平台受到自有客户数量少的限制，多采用以“外购自用”为主的商业运营模式。数据资产的投入与产出环节的价值来源如图1所示。

3 互联网行业数据资产的确认

3.1 数据资产的四大特征

数据资产具有会计准则中无形资产的四大特征，分别是：

(1)由企业拥有或者控制并能为其带来未来经济利益的资源。数据资产的所有权问题已被众多学者作为研究对象之一，保护用户数据隐私并维护用户对数据的财产所有权是大势所趋，但法律的颁布和交易的规范仍有很长一段路要走。就目前而言，数据所有权归属于运营平台即企业本身，而这部分数据资产必然为企业带来未来经济利益的流入，因此数据资产符合无形资产的第一个特征。

(2)不具备实物形态。在不考虑承载数据资产的软件及硬件设备的情况下，数据资产是以看不见摸不着的形式存在于企业，其实体以及实体背后所代表的价值只不过是计算机上的一串串数字。此外，即使考虑到载体，无形资产所依附的硬盘、计算机、智能终端等设备在会计账务上是作为固定资产处理，因此数据资产的载体也应当视为单独的固定资产来处理。总而言之，数据资产符合无形资产的第二个特征。

(3)具有可辨认性。数据资产的交易已是常态，完全可以脱离整个企业而单独定价并参与买卖过程，其价值与企业整体价值之间的联系并不密切，也不需要在企业合并当日才能体现数据资产真正的价值。因此，数据资产符合无形资产的第三个特征。

(4)不属于非货币性资产。数据资产与库存现金、银行存款等会计科目不同，它不属于可以以固定或可确定的金额收取的资产。因此，数据资产符合无形资产的第四个特征。

3.2 数据资产的两大确认条件

无形资产的确认条件包括与该资产有关的经济利益很可能流入企业以及该无形资产的成本能够可靠计量。第一个确认条件与无形资产第一个特征的表现形式有异曲同工之妙，具体解释可见上一节内容，此处不再赘述。对于第二个确认条件，数据资产的成本计量依据投入环节的类型不同可采取不同的计量方式：若数据资产来源于自行生产过程，则将其生产过程的人力成本、设备运行成本以及其他相关成本作为其成本依据；若数据资产来源于外部购买，则可按照交易过程中实际发生的购买价格作为成本依据。总而言之，数据资产符合无形资产的两大确认条件。因此，数据资产可以参照无形资产的确认和计量的基本准则，但考虑到数据资产自有的而其他无形资产不具备的特殊属性，如价值不随时间递减，反而随时间上升、价值的贡献程度不单单取决于购入成本，更取决于管理层是否能最大化地对所得数据加以运用等，应当在借鉴无形资产的基础上有所调整，以使资产计量更符合实际情况。

3.3 数据资产确权的两大内涵

目前的学术界普遍认为，数据确权可解释为明确数据资产的所有权和控制权[3]。所有权归属于产生数据的各大主体，其中包括以个人为单位的消费者、供应商以及中介者，以团体为单位的社会组织、政府部门以及企事业单位，甚至包括以国家为单位的各个主权国家，三方为数据摩尔定律的真实性提供了数据基础。以产生量来看，三者呈现“个人数据产生量>团体数据产生量>国家数据产生量”的基本状态。而控制权的主体则集中于有能力对价值密度较低的数据资产进行加工并产生社会价值的团体和国家，个人在整个经济环境中主要充当生产者的角色，此时以产出量作为衡量依据，可以得出“国家数据产出量>团体数据产出量>个人数据产出量”的结果。产生量与产出量在比较关系间的不对等，导致数据资产所有权和控制权相偏离。为解决此类问题，各国通过颁布相关政策法规来保护个人所有权，提升个人对自身所产生数据的把控程度，从而促使两大比较关系趋于一致。

4 互联网行业数据资产的计量

4.1 数据资产的使用寿命

无形资产的使用寿命多以法律保护期间以及预期未来持有时期为依据。就第一个依据而言，待数据资产相关法律体系得以完善后，数据资产可参照该项准则，即以法律规定的保护期限作为数据资产的使用寿命。就第二个依据而言，数据资产与一般的无形资产仍有一定区别，数据资产的买卖一般不涉及所有权而只涉及使用权。换言之，即使销售方将部分数据销售给其他企业，销售方本身依旧能够继续对该部分数据进行加工以及再利用，数据本身并不因销售而消失或减少，仅涉及拷贝复制的销售使得持有人可以长期持有该资产，并没有未来持有期限一说。因此，无形资产用以判断使用寿命的第二个依据对于数据资产而言并无借鉴价值。

4.2 数据资产的增值测试

摩尔定律在大数据时代衍生出新的定义，即数据生成量每两年增长一倍。在这一大背景下，为保证数据资产价值的真实性，企业应当于每年年度终了时进行增值测试。数据资产增值的迹象可在一定程度上反方向参考会计准则中对资产减值迹象的判断，即通过外部信息来源和内部信息来源两方面的增值现象作为判断依据。其中，外部信息来源是指以“资产的市价在当期大幅度提升，其上升幅度明显高于因时间的推移或者正常使用而预计的下跌”为主的一系列现象；内部信息来源是指以“企业内部报告的证据表明资产的经济绩效已经高于或者将高于预期”为主的一系列现象。需要说明的是，增值迹象并不能穷尽所有情况，企业仍需要根据增值的实际情况来认定真实情况。此外，考虑到会计谨慎性原则的存在，企业收益的断定标准应当比资产减值迹象的判断标准更为严格。因此，企业应当在参照资产增值迹象判断的基础上收紧部分判断指标的要求，如对资产的市价在当期大幅度上升这一迹象的表述中，应对“大幅度”做出明确的比值规定，如只有当上升幅度超过90%时才符合准则中对“大幅度”这一副词的描述，从而保证未来收益增值的稳定性。

4.3 数据资产的增值处理

为保证“资产=负债+所有者权益”的会计基本恒等式的平衡，数据资产价值的增值应当于一方面作为资产的增值计入等式左边，于另一方面计入损益类科目并于期末结转至所有者权益以增加等式右边的数值从而保持等式的平衡。换言之，增值部分的整体收益由全体股东共享。对于此类知识资产，其价值的发挥程度不仅取决于股东的决策，更取决于管理层的有效管理，以及参与数据资产搜集、筛选、清理、汇总、分析等工作并最终为企业带来价值增值的员工。因此，这部分增值权益“大蛋糕”的享有者也应当包括这些员工，企业可将这部分增值权益以员工贡献程度为依据加以划分，并按贡献比例进行发放，所发放权益的具体表现形式可参照股票期权。股票期权的优势在于能够在奖励员工的工作成果的同时激励员工再接再厉，促使员工的工作目标与企业的发展目标相接轨。具体的会计账务处理由两部分构成：首先是增值业务发生时，将公允价值与账面价值的差额借记“无形资产—数据资产—公允价值变动”科目，贷方记“公允价值变动损益”科目[2]；其次是期末损益结转时，将增值部分的差额借记借记“公允价值变动损益”，贷记“本年利润”。

4.4 数据资产的计量方法

传统的后续计量方法分别为收益法、成本法和市场法，可将成本法作为数据资产初始的计量方法，并以评估法作为衡量数据资产后续计量的首选方法。数据资产取得初期所发生的成本较为清晰透明，无论是自行生产过程中发生的成本还是从其他渠道外购所发生的成本，其成本金额都具有唯一性，此时采用数据计量结果最为精准的成本法有助于保证数据资产初始计量结果的真实准确。数据资产取得后期的价值增值情况具有很大的不确定性，此时成本法和收益法对数据的要求对于数据资产而言便显得捉襟见肘，数据规模小、数据结果没有保证等原因致使数据资产的后续计量只能采用市场法加以估计，市场法以公允价值作为计量属性，即以市场上普遍认可的价格作为资产计量的价值依据以保证价值衡量过程中的相关性，有利于保证资产的成本与收益之间的匹配程度，从而维护会计资产负债表观的实现。