数据资产会计计量分析

本文围绕数据资产计量属性深入探究，以某大数据企业作为研究对象，阐述现阶段数据资产会计计量存在的不足之处，并提出具有针对性的解决措施：利用公允价值和历史成本等计量模式，做好数据资产的初始计量与后续处理，以此保证企业实现账面价值的准确调整，使数据资产价值完整呈现，切实满足会计信息的相关性要求，为企业的战略决策提供数据支持。

数据资产作为大数据企业的竞争力，一直以来都缺少管理者的正确认识，很多企业在实务中，始终未将大数据资产作为财务报表项目，仅是在报表附注内提及，这不仅会影响企业业务的开展，难以保证会计信息的可比性，还会严重阻碍企业的可持续发展。为此，实现数据资产会计计量的深入探究，确保其在财务报告中，实现公允体现，有利于企业核心竞争力的提升。故研究此项课题，具有十分重要的意义。

一、数据资产会计计量现状与存在的问题——以某大数据企业为例

数据资产可以理解为由个人或企业拥有的，能够为企业创造经济利益的，以电子或物理等方式进行记录的数据资源。数据资产不会随着使用频率的提升而消耗，因此其计量难度相对较大，并且數据资产具有一定的时效性，会随着时间的流逝而发生价值变化，表现出一定的波动性，且经济水平、社会制度等都会对数据资产的价值产生影响。

虽然数据资产所有权尚未在我国法律上确认，但依照会计准则来看，企业如果控制了该项资源，则代表企业可以获取相应的经济利益。因此当企业控制某项数据时，便可进一步明确相应资产。当满足经济利益产生这一前提条件后，企业便可利用数据清洗、集成、提取、挖掘等手段实现数据的转变，使之形成具有利用价值的数据资源。之后凭借以下方式，使数据资源为企业创造实际价值：第一，业务数据化应用，即利用数据分析结果，优化企业的管理模式；第二，数据业务化应用，是指通过数据产品或数据资源的共享与交易，直接获取经济收益。

（一）X企业数据资产会计计量问题

X企业是一家大数据服务公司，自创设以来，一直致力于数据的统一运营，利用一系列技术手段与平台集成效应，为交通、公安、教育等行业的客户，提供大数据服务。对于大数据企业来说，相关数据可以根据过往内部经营活动进行直接获取，也可利用过去的数据采集活动完成收集。X公司可以实现数据资源的控制，通过数据资源实施数据共享与交易，从而获取经济利益。因此，数据资产是大数据企业的主要经济资源，应当划入到会计核算范围。根据实际调查显示，X企业在2020年的整体收入高达10亿元，其中数据服务所创造的效益达到3亿元。虽然数据资产是企业开展业务的重要资源，但其一直未列入X企业的资产负债表当中。现阶段，X企业每年的数据资产增值成本均实现了费用化处理，并计入当期损益，但这种方法往往会造成以下问题：

一是大数据企业在购入或开发数据资产时都会形成大量成本，比如X公司每年用于打造数据资产的资金超过5000万元，此类大额支出形成的数据资产可长期形成效益，应当实现资本化处理归纳到长期资产当中。若将此类大额支出当作短期收益支出，实现费用化处理，并计入当期损益，很容易造成企业短期成本确认与盈亏计量间的配比失衡，进而影响会计信息的应用价值，不利于后续运营决策的开展。

二是数据资产是否纳入，并划分在企业资产中会对企业资产账面价值产生一定影响。比如：X公司的资产负债表难以有效呈现企业在建设数据平台时的持续投入，这样当平台建设更加完善时，会形成资产账面价值与高估值的矛盾，无疑会提高企业后续投资活动的开展难度。

三是现有会计计量手段难以保证企业绩效考核的有序实施，财务报表无法反映数据资产价值的具体变动状况，管理人员使用数据资源创造经济价值的环节也难以准确记录。此外，企业利润表会在短期内出现亏损，影响部分业绩指标的调整。因此，现阶段企业的会计计量系统难以激励企业的大数据资产建设，也阻碍了企业的长远发展。

根据上述分析可知，目前企业采用的会计计量手段，会使企业损益与资产账面价值的确认不科学，影响会计信息的有用性，降低报表信息质量。且不健全的会计信息也无法表现数据企业的真实财务状况，甚至影响企业的可持续经营。

（二）数据资产计量属性

一般情况下，数据资产的初始计量需要结合无形资产处理方式，分阶段地完成费用化处理以及资本化处理。但以X企业为代表的公司，其数据资产与无形资产存在较大的差异性，无法实现无形资产的类比，若以历史成本作为应用基础，实现会计初始计量，也难以避免地会存在一定的局限性。

第一，相较于企业自主研发的无形资产，企业自有数据大多表现为企业经营活动过程中产生的数据，此类伴生数据能够实现投入成本的计量，往往与实际价值存在较大出入。比如：X企业数据资产价值中，绝大多数表现为用户群机制，企业在生产经营时，为了更好地获取用户群价值数据，需要付出一定成本，但无法完成单独计量。至于后续资产化加工时，应当使此类价值得到充分挖掘，但加工投入的成本，不可完全代表投入成本。同时，数据资产的加工成本与价值也存在一定的比例失衡，若单纯将资本化加工成本当作数据资产计价标准，难以避免地会造成伴生数据机制被低估的问题。而使用历史成本完成数据资产计量时，如果只将数据加工成本实现资本化处理，同样会造成资产账面价值与市场价值的不统一，若初始计量根据历史成本完成计量处理，则后续计量再实现初始计量的评估，完成账面价值调整，便必然会产生以下两个问题。一方面表现在转换计量方式时间的合理性无法被准确评价。另一方面表现在计量方式的转换时间点上，财务报表上能够反映评估价值与账面价值的差异性，这种巨大差异很容易导致利润表的大幅度变动，从而出现利润操纵空间。如果后续的计量无法采用历史成本法，则在企业合并过程中，会出现大量遗留问题，至于在账面净值与收购价值的账面中，理应归属数据资产的价值会充分体现在商誉中，会对企业后续的投资决策产生影响，也不利于会计处理工作的开展。

第二，难以准确辨析数据资产的具体投入成本。虽然外购数据资产成本能够直接获取，但自建的数据资产成本往往难以正确计量。如果根据无形资產的初始计量方法，则又会造成费用化部分无法界定的问题，也难以准确界定需要资本化的部分。数据资产构建需要将数据采集、利用等多个流程涵盖在内，若想实现研究节点与开发阶段的合理划分，便要依赖主观判断，这也导致相关标准的制定不够科学、合理，进一步降低了费用化与资本化的可靠性。

数据资产价值能够直接决定其产生的未来经济利益，从理论层面来看，未来现金流量现值需要充分结合预期价值以及价值时间分布，并全面反映资产经济利益的主要特征，也可以将未来现金流量现值理解为数据资产计量属性。以往企业的数据资产商业模式不够成熟，只能依靠数据资产换取潜在收益，且将产出价值作为基础计量的可行性与实用性也相对较低。但对于大数据企业来说，数据资产的管理体系更加成熟与稳定，能够获得持续的现金流。所以，数据资产产出价值，可以使财务报表内的资本化价值与数据资产实际价值更加契合，能够作为数据资产会计计量的基础。

二、大数据企业实现数据资产会计计量优化的有效路径

（一）初始计量

数据资产的初始计量需要依照是否具备应用公允价值的市场环境，从而判断采用公允价值计量或是现值计量，依照具体用途可细分为：交易型数据资产，如果存在公共活跃的交易市场，则可采用公允价值计量；自用型数据资产，若能持续产生稳定收益，需使用现值法计量，如果无法形成稳定收益，则要采用历史成本法计量。

1.公允价值计量

对于外购的交易型数据资产，应当依照获取时的公允价值完成入账处理，并将交易过程中出现的费用划入到当期损益。对于以数据交易为目标的数据资产，则要在完成构建后，依照公允价值实施入账，并将其与实际成本差额归纳到其他收益当中。同时，在资产负债表中，还要体现数据资产的公允价值变动状况。由于数据资产的收益具有长期性特征，在运用公允价值计量时，数据资产价值会存在较大波动，此时将公允价值波动体现在其他收益中，可以更好地提升财务数据的相关性。

现阶段企业在使用公允价值计量时仍存在一定的条件限制，由于数据内容存在一定的保密性，因此往往无法准确收集数据资产的交易价格。同时，因为不同企业间的交易具有特殊性，且随着数据交易案例的提升，数据交易会愈发频繁，若想适应数据交易所的发展需求，便要进一步提高公允价值计量的适用性。

2.现值计量

上文提到，大数据企业的部分数据资产是跟随经营活动形成，此类数据资产采用历史成本只能体现企业增值，无法反映客户数据价值以及资产价值。为此，对于大数据企业被动获取的数据资产，如果可以形成稳定收益，需要使用现值法来完成计量。在应用过程中，企业在完成折现率的选择过程中，需要提供合理的依据。同时，为了进一步提高会计计量的可行性，需要将合同规定的现金流作为首选对象，如果不存在有效合同，则要结合企业过审的财务预算数据，并将相对稳定的增长率作为现金流变化的评估指标。

3.历史成本计量

企业数据资产如果不符合公允价值以及现值计量等方法的应用条件，则要实施历史成本计量，依照数据收集、加工和利用等成本费用，将人力资本等投入涵盖在内，并在构建数据资产后，实施资本化。

（二）后续计量

数据资产的后续支出大多变现为以下两种：一是针对原始数据的存储与更新，X公司打造了以通信商数据为基础的数据资产，需要对数据实现持续地维护与更新，否则数据价值只能在短期生效。而利用更新等手段，可以保证数据资产在市场环境相对稳定的前提下，实现长时间保值。同时，数据存储与更新是企业实现数据资产利用所形成的支出，因此使数据资产增值，也不会对未来现金流造成不必要的影响，所以应当实现费用化，并计入当期损益。二是针对数据技术的创新，由于数据资产市场始终属于不断探索的过程中，X企业利用改善数据挖掘技术，使数据资产价值得到了进一步提升。而研发部门则借助对数据技术的改进，进一步开发出了全新的市场应用，此类支出能够从根本上决定数据资产盈利状况，并对未来现金流入产生积极影响，因此可以将其看作改良型支出，实现资本化。

（三）摊销与减值

数据价值会随着时间的流逝以及市场变化而发生改变，因此价值存在一定的波动性，甚至可能因市场环境剧烈动荡，导致全部价值的丧失。为此，在应用数据资产时，要做好市场价值变化的时刻关注，评估并调整其账面价值，保证数据资产价值得以在财务报表中准确呈现，从而为使用人员提供决策信息。

通常来说，自用型数据资产可分为两种：一是使用寿命确定型，其数据资产需要在使用时完成摊销，比如利用直线摊销法，将资产成本在使用期限内平均分摊至各会计期间。或是采用加速摊销法，即在使用资产的早期加大对其摊销额，后期随资产价值降低，适当减少摊销额。二是使用寿命不确定型，其数据资产无需实施摊销，而是要开展定期减值测试，即为了确保反映的会计信息更具有应用价值，对出现价值变动的大数据资产，实施准确评估，及时完成账面价值的调整，保证大数据资产的真实价值得到准确呈现。同时在减值过程中还要注意，切实满足决策观点，满足会计信息谨慎性原则，在每期期末实施大数据资产的测试，并对减值情况进行反映。企业可采用评估价值的方法完成减值测试，并交由专业会计人员承担相关工作，如果发现实际价值低于账面价值，则要依照差额计提大数据资产减值准备，完成账面价值的重新确定。

（作者单位：浙江本发科技有限公司）

作者简介：吕波（1986.10——），女，汉，籍贯：浙江省绍兴市新昌县，中级会计师，本科，研究方向：会计。