论数据资产的确认及计量

2023-06-20王世杰刘喻丹

财会月刊·下半月 2023年4期

王世杰　刘喻丹

【摘要】数据作为新型生产要素，是数字经济和人工智能发展的基础，数据资产确权和核算是数据流转和数字经济发展的关键。本文研究发现数据具有可复制性、依附性、可集成性和价值波动性等特征。数据资产是企业合法持有、拥有权利，并具有开发能力的数据，会计确认的关键是成本或价值能否可靠计量。数据资产应当分场景进行核算：在内部管理和外部经营场景，单设数据资产，以成本计量，不进行折旧或摊销，必要时计提减值准备；在商品服务场景，数据资源作为存货核算，初始确认整体成本，根据数据流转的是所有权还是使用权采用不同方法核算。出让使用权的根据数据存量和系统容量等确定可服务用户数量，以此确定存货数量和存货单位成本，在期末根据已服务用户数和可服务用户数确定营业成本和存货成本；出让所有权的参照一般存货进行处理。

【关键词】数据资产；数据类型；确认条件；核算科目

【中图分类号】F230 【文献标识码】A 【文章编号】1004-0994（2023）08-0085-8

一、引言

伴随着物联网、云计算等新一代信息技术的发展，海量数据被生成、存储和应用，挖掘数据价值、发挥数据在经济社会发展中的作用，成为当前业界和学界关注的重点。2019年，党的十九届四中全会首次将数据作为与劳动力、资本、土地等同等重要的生产要素。2020年，中共中央、国务院发布《关于构建更加完善的要素市场化配置体制机制的意见》（简称《意见》），将数据作为继土地、劳动力、技术之后的第四大生产要素，要求加快培育数据要素市场，促进数据资源的有效流动，提高数据质量和规范性，丰富数据产品。2021年，国务院在《“十四五”数字经济发展规划》中提出数据资源是数字经济发展的关键性因素。2022年12月初，财政部发布《企业数据资源相关会计处理暂行规定（征求意见稿）》（简称《暂行规定》），将数据的使用场景分为内部使用和对外交易两个场景，分别列入无形资产和存货进行核算。本文认为，数据作为数字经济时代的核心生产要素，与劳动力、资本和土地等传统生产要素有着很大的不同，必须结合数字经济发展和数据应用场景，具体研究数据资产的确认和计量方法，以促进数据价值释放和数字经济发展。

二、文献回顾

数据作为数字经济发展的关键生产要素，蕴含着巨大的经济价值与社会价值。但数据与传统要素相比产权界定方法、价值实现方式不同，这使得数据资产化和数据要素市场的运行方式与众不同，会计处理存在一定的难度。数据资产是一种具有数据权属，有价值、可计量、可读取，能够为企业带来经济利益的数据资源（朱扬勇和叶雅珍，2018），有着区别于其他资产的独立属性（DAMA国际，2020）。但数据资产伴随着高科技技术的发展而产生，存在难以识别、权属划分不明确、传统会计期间无法与数据资产价值转化期间相匹配等问题（罗斌元和赵依洁，2022）。在企业中，并非所有的数据都构成数据资产，能构成数据资产的数据必须由企业合法取得且企业能够对其进行主动管理并形成有效控制。数据的效用性是数据转化为资产的根本特征，数据需要给主体带来经济利益（孙永尧和杨家钰，2022）。

数据资产的确认和计量是一个新课题，世界各国均无明确规定。数据资产作为新技术发展的产物，在主要特征上与无形资产、金融工具等存在着一定的相似之处，但并不适合纳入目前的无形资产体系（张俊瑞等，2020），可以考虑在分类确认的基础上进行混合计量（邬瑜骏和曲晓辉，2022）。将数据资产分类后，针对不同情况采用不同的计量模式进行初始计量和后续处理（张雪等，2022）。参考传统的资产评估方法，数据资产的计量基础既可取决于数据资产的获得方式（余应敏，2020），也可考虑持有数据资产的目的（秦荣生，2020）。但结合数据特性，传统计量方法难以适用于数据资产。数据资产计量需要对传统资产定价方法进行改良（李永红和张淑雯，2018），或者重新构建定价模型（李秉祥和任晗晓，2021）。

对于数据资产如何披露的研究同样存在不同观点。黄世忠（2020）认为，表内确认有助于提高资产负债表的完整性，表外披露不能代替表内确认。张俊瑞和危雁鳞（2021）提出将数据资产在传统资产负债表中单独列报、引入“第四张报表”列报、通过资产负债表与“第四张报表”混合列报等三种方案。当前学界对数据资产如何进行确认、计量和报告并无定论，更多是从原则上进行分析和探讨，為后续研究奠定基础。资产反映企业对经济资源的配置和使用，必须结合经济资产具体应用场景和价值发挥形式进行研究，只有深入研究资产的具体使用方式才能得出正确的结论，否则会导致研究结论的冲突，且难以指导实践。鉴于此，本文从数据资产的特征出发，结合数据资产在企业生产经营管理中的作用，分析其价值实现的具体场景，进而提出数据资产核算的确认、计量方法，为实务工作和政策制定提供借鉴。

三、数据的特征、类型及应用场景

（一）数据的特征

数据要素与传统生产要素相比具有如下特征：

1. 可复制性。数据是对现实事物客观属性的刻画，具有客观性。数据可以与被刻画的事物分离，能够被人类感知和应用。人类通过语言和文字对数据进行分享和传播，从而增加每个人掌握的数据量。传统数据存储在人脑或纸质文本中，通过书写、印刷和阅读实现数据转移。伴随着信息技术的发展，以电子形式存在的数据能够以更小的成本复制和转移，电子数据可以以几乎为零的边际成本任意增加数据副本，这有利于数据的传播、转移和使用，也给数据安全带来挑战，更是数据确权的难题所在。

2. 依附性。当数据与被刻画的事物分离时，需要载体承载相应数据，这意味着数据具有依附性，无法以独立的形态存在、转移和使用。数据的依附性包括两方面。一是载体依附性，人类通过感知事物客观属性形成数据，存储在大脑中或记录在纸张、计算机等载体上。因此，数据作为非实物体，需要依附于载体才能保存，它的储存、传递、传输都要依靠相关媒介，例如纸张、磁盘和云端等。二是业务依附性，人类观察事物、获取数据，是为了生存、繁衍和发展，所以数据的获取和应用离不开具体环境。在企业中，数据伴随着企业业务活动而产生，因经营活动而获得，数据记录业务过程为经营决策服务，但离开了具体业务环境，这些数据可能一文不值，因此数据应用依附于具体业务活动和使用场景。

3. 可集成性。数据是对现实事物的刻画，不同类型的数据能够相互融合、叠加使用，使数据具有可集成性，进而可能带来数据价值的非线性变化。具体到企业中，产品开发、市场开拓、运营决策等经营管理活动所产生的数据可以集成叠加，形成一个新的数据集，不同大小、类型的数据集可以挖掘出不同的信息，为企业带来不同的价值。数据叠加集成的数据集因为数量大、完整性高，使得用于生产经营产生的价值增量可能高于单一数据集所产生价值增量之和。

4. 价值波动性。数据的可集成性导致数据价值的非线性变动，这是数据资源不同于其他经济资源的最大特征。数据价值波动性体现在时间和数量两个方面。在时间上，与实物资产不同，数据本身不会随使用而发生实质性损耗。在数据量不发生变化的情况下，数据价值也可能会随时间推移而衰减，因此数据资产与实物资产价值随时间变动的原因是不同的。在数量上，假定供需等其他条件不变，土地、资本等资源价值伴随数量增加而增加，但单位价值保持不变。而数据资源因为具有集成性，数据增加可能实现多源融合，单一数据价值密度降低，但整体数据随着环境变化和数量积累可能会实现价值跃迁，因此伴随数量增加，数据不但整体价值增加，单位价值也可能增加。因此，数据资产价值波动性与时间、数量、需求和环境等因素具有密切关系，但并非简单的线性关系。

（二）数据的类型

随着物联网覆盖物理世界，各种传感器、智能设备源源不断产生数据，云计算和大数据技术为数据存储和处理提供了技术基础。数据作为生产要素已经渗透到各行各业，但数据在不同行业、企业及场景下发挥价值的方式和路径不同，必须对数据资源进行科学的分类、分级，根据实际应用情况确定管理和核算方法。

根据《意见》的规定，数据按其主体划分为政府数据、企业数据和个人数据。理论上讲，政府数据和个人数据也具有资产属性，需要进行资产管理。企业以盈利为目的，企业数据是数据资产的主要组成部分，本文的研究主要针对企业数据展开，相关结论在相同情况下适用于政府数据和个人数据。

数据按处理程度可划分为原始数据和衍生数据。原始数据是指，在企业经营活动中生成、存储的未进行处理的数据。这类数据数量大、价值密度低。衍生数据是指，对原始数据进行加工后所取得的数据。这些数据是根据特定目的，有针对性地对原始数据进行处理所得出的结果数据。一般来说，衍生数据与企业经营管理实际情况相结合，具有信息含量，为企业经营决策服务。同时，衍生数据是诸多数字虚拟商品或服务的主要内容和基础，网络游戏、数字藏品等本身就是基于平台的数据服务，有别于传统游戏和藏品。

数据按流转程度可划分为第一方数据、第二方数据和第三方数据。第一方数据是企业收集、整理、存储的与自身生产经营活动有关的数据。企业作为数据源头的第一接触者，可直接从自身业务、关联方或对外调查中收集数据，有助于企业研究自身经营管理、供应商和用户等关联方行为、市场宏观环境等，从而进行决策，服务于经营管理。第二方数据是指企业本身无法收集，从其他第一方数据持有者手中依法获得的数据，企业通过战略合作或市场交易等方式，获得企业生产经营相关的数据，弥补自身数据的不足，以更好地了解市场和用户。企业可以从上下游或关联方企业获得第二方数据。此外，企业还可以从专业数据服务商处获得第三方数据。第三方数据是数据服务商通过公开渠道或者调查获得的、经整理后形成的数据集合。数据服务商大致可以分为两类。一类是传统的调查咨询、商业情报机构，如益普索、特恩斯、零点咨询等，这些机构根据企业需要提供专业的调查情报数据等，数据产品服务以研究报告等形式进行供给。另一类是新型的数据服务商，如大智慧、同花顺、东方财富、通达信、同方知网、万得、希施玛等，这些服务商针对性地提供某类型的专业数据。第三方数据中的第三方表示数据与数据提供方自身的生产经营没有关系。此时，第三方并不表示两个相互联系的主体之外的某个客体，与通常的第三方不同。通常所说的第三方是指市场经济中产品、服务交易中除供需双方之外的其他方，提供交易场地、平台或相关服务。第三方类型多样，包括提供第三方审计的会计师事务所，提供第三方交易平台的淘宝，提供第三方支付服务的支付宝、微信支付，证券交易所本質上也是证券交易的第三方。而第三方数据的第三方是指数据提供者并非是数据的原始采集者，而是在原始数据基础上进行采集、整理和加工的专业数据提供者，主要是指专业数据服务提供商。

除第三方数据外，第一方数据和第二方数据均有不同的收集方式和来源。第一方数据按收集目的不同可分为自有数据、用户数据、行为数据和调查数据。第二方数据按其付出代价的不同分为共享数据和交易数据（具体见表1）。自有数据是企业经营过程中发生的各项业务活动产生的数据。用户数据包括两类：一类是用户个人数据，代表用户自身的基本信息和状态；另一类是用户集体数据，包含用户规模、用户增长量等内容。集体数据相较于个人数据的规模更大，更能帮助企业建立用户画像。行为数据与用户数据紧密关联，行为数据的产生主体同样为用户，但不同点在于行为数据更强调与产品之间的交互行动，如产品的回购率、点击率等。调查数据是企业为了解产品及服务的用户偏好和满意度而调研收集到的数据，由于主观性较强，具有规模效应。共享数据是企业通过与其他企业相互共享方式获得对方的数据，以扩大客户数据和连接渠道。交易数据是企业从其他企业购买的对方的第一方数据。

在数字经济中，第三方平台或平台型企业的数据可能涵盖第一方、第二方、第三方数据，需要根据数据使用者和数据使用方式予以界定。以淘宝为例，淘宝收集、使用自身平台上的数据，如用户数据、行为数据等均属于第一方数据。淘宝一旦将相关数据通过共享或者交易分享给其他企业，这些数据对于其他企业就是第二方数据。如果数据服务商合法收集淘宝公开数据，处理后对外交易，这些数据就形成第三方数据。所以，同一数据在不同视角下所处地位和属性不同，企业获取数据方式和应用场景不同，当满足资产定义和确认条件时，所需要进行的会计处理也会不同，需要根据应用场景进行分析。

（三）数据的应用场景

在不同的应用场景下数据作用发挥和价值实现的方式不同，数据价值实现依赖数据处理技术和分析模型，同一数据在不同场景下数据资产的价值可能会存在差异。根据数据具体应用场景和作用方式分析数据在企业经营中的作用是必要的。当前数据应用场景可以概括为内部管理场景、外部经营场景和商品服务场景等三类场景，具体见图1。本文将三类场景下的数据要素称为管理要素、经营要素和商品服务要素。

内部管理场景是数据应用的传统场景。根据信息经济学的观点，信息是经过加工的、具有一定含义的、对管理决策和控制有价值的数据。信息的表达是以数据为基础的，数据是特定的信息。企业管理决策以信息为基础，实质上信息均以数据形式存在，以与企业内外部相关的数据为基础。通过数据分析产品和市场变化，及时调控、配置企业资源，提高资源利用效率，及时识别、发现、应对风险，保障企业经营稳定性。数据的主要作用在于反映现实信息、提高决策水平、优化企业管理、提高生产效率、降低企业风险。此时，数据是企业管理的重要因素，既是管理客体，也是管理决策和管理行动的一部分。

外部经营场景是数据应用的新场景。伴随着网络技术和数字技术的发展，平台型企业逐渐兴起，平台型企业提供商品、服务的交易市场及相关服务。平台型企业提供的交易市场与传统交易市场的不同在于交易场所不同：传统交易市场的交易场所主要为实物形态，由土地、房屋、柜台、筹码和工作人员形成；而平台型企业提供的交易平台是线上的虚拟场所，需要计算机、网络、系统和工作人员支撑，其背后的核心是数据。伴随着数字经济的发展，平台型企业以提供交易平台为主要业务，以数据为主要经营要素。平台型企业根据经营模式可以分为交易型和自营型。考察证券交易所的发展，容易区分传统交易市场和数字交易平台的差异，当前多数证券交易所本质上属于平台型企业，提供交易数据服务。

商品服务场景是数据应用的传统场景，但伴随着网络技术的发展出现了新的变化。商务调查和市场情报收集是一种调查或情报服务，服务交付的内容是经过收集、处理的，以情报、信息或研究报告形式存在的数据集合。伴随着网络技术和数据库技术的发展，不再以特定对象为目标客户的数据服务商开始出现。数据服务商收集、加工、整理、存储某一类型的数据，将这些数据出售给非特定主体，此时数据作为一种商品进行出售。此外，数据是构成网络虚拟商品、服务和空间的基本单位，网络虚拟商品和服务不断涌现，企业通过构建网络虚拟商品和空间对外提供服务，因此网络游戏、数字藏品等新型服务业出现，这些新型服务业本质上是利用数据提供虚拟商品、服务和空间，元宇宙也可以归为这一类。

四、数据资产的内涵和确认

（一）数据资产的内涵

现行企业会计准则将资产定义为：由企业过去的交易或事项形成的、由企业拥有或控制的、预期会给企业带来经济利益的资源。国际会计准则理事会发布的《财务报告概念框架》（2018）中将资产定义为：因过去事项形成的，由主体控制的现时经济资源。两者的核心内容一致，即资产概念包括三个要点：过去形成、主体控制和经济资源。一般情况下，企业持有的数据都满足上述三个要点，即在一般情况下，企業持有的数据均可以作为数据资产。数据是对客观事物的反映，一定是过去形成的。数据持有的边际成本较低，但搜集和处理数据需要成本投入，因此企业不会持有无用的数据，其所持有的一般是具有带来的经济利益潜力的数据资源，但数据带来的经济利益大小、经济的利益实现方式和时间难以衡量。此外，企业的数据应用能力和应用场景对数据带来的经济利益的实现方式、利益大小也有重大影响。因为数据的特殊性，企业持有数据即代表控制，可以进行开发和使用。但在现实情况下，企业持有的数据未必是合法的，即企业非法采集、获得而持有的数据不能作为数据资产。综上，数据资产可以定义为企业合法持有、拥有权利和能力开发应用、预期会给企业带来经济利益的数据资源。所以数据资产的内涵有两个关键。

1. 数据资产需要合法持有、拥有权利。数据权利关系的特殊性，使数据资产的概念中必须强调合法持有和拥有权利。拥有或控制是资产的核心特征， “拥有”即一般意义上的所有权，能够享有资源的各项权利， “控制”是在不拥有所有权的情况下，能够支配资源和资源产生的经济利益。在经济法中，动产以占有为基础确定产权，不动产以登记为基础确定产权。但数据要素所具有的特殊性，使这一原则难以适用于数据资产。因为数据的可复制性，使数据与动产相似，占有即可使用，不能以占有确定数据产权。《数据安全法》第三十二条明确规定任何组织、个人收集数据，应当采取合法、正当的方式，不得窃取或者以其他非法方式获取数据。若企业掌握的数据内容涉及个人隐私，在使用用户个人数据前需征得数据主体即用户的许可。由于部分原始数据包含用户的个人隐私，企业不能将含有他人隐私的数据作为自己的资产，因此只有脱敏后的数据才可确认为企业的数据资产。

数据不同于不动产，占有权和使用权无法分离，但为保护合法权益，数据需要以登记确认产权， Elsevier等学术出版商起诉提供论文免费下载的Sci-Hub就是现实案例。虽然数据的特性导致其使用权、占有权与不动产不同，而与动产相同，但产权确认方式需要参照不动产的登记方式而非动产的占有方式，否则因数据自身依附性和可复制性，将无法对非法获得数据的行为进行确定和制裁。因此，数据资产需要特别强调数据的合法持有和拥有权利。

2. 数据资产需要企业具有开发应用能力。数据不同于土地和资本，与技术相似，发挥作用需要相应的条件，数据资产强调企业拥有开发应用能力。无论是内部管理、外部经营或商品服务，数据拥有者必须有能力对数据进行开发应用。数据作为信息和情报用于决策必须经过处理、分析，数据分析离不开工具和模型，利用数据开发虚拟产品和服务也需要相应的技术和能力。数据与算力、算法被认为是人工智能的三要素，即便拥有大数据但缺乏算力和算法，也依然难以发挥数据的作用。因此，数据资产需要特别强调企业的开发应用能力。

（二）数据资产的确认

根据企业会计准则，在符合资产定义且满足资产确认条件时，企业应该对资产予以确认。资产确认的两个条件是： Ⅰ.与该资源有关的经济利益很可能流入企业； Ⅱ.该资源的成本或者价值能够可靠地计量。当企业合法拥有数据资产且有开发应用能力时则满足条件Ⅰ。数据资产确认的难点在于能否满足条件Ⅱ，即企业能否可靠地计量数据资源的成本或者价值。

针对不同类型数据的获取方式和应用场景，需要具体分析是否满足条件Ⅱ。第一方数据中自有数据来源于企业，是随着企业的经营管理活动产生的数据资源，但由于其成本无法脱离业务单独计量，难以满足条件Ⅱ。用户数据和行为数据在经过脱敏处理后可以按照用户规模、用户增长速度、行为次数、行为时间长度等固定指标单独核算，但为保证价值的准确性，需要综合多个标准统一计量，价值的发挥严重依赖数据处理技术，价值存在波动性，价值能否可靠计量依赖于估值技术。用户数据和行为数据对于数字原生企业来说，有专门的系统收集、处理，专用的网络、存储设备、相关技术以及相应人员，当系统、网络、技术、存储设备和人员的成本能够单独识别时，则可以确定相应成本，此时满足条件Ⅱ。调查数据因为结果难以控制，其是否会带来收益存在不确定性，价值难以可靠计量，但若调查数据获得过程中的人财物等成本可以单独识别，则可以确定相应成本，此时满足条件Ⅱ。

交易数据和共享数据的价值发挥同样依赖数据处理技术，因此价值的计量难度较大，但如果具有可识别的交易成本或共享对价，则可以确定成本，满足条件Ⅱ。第三方数据即数据服务商提供的数据一般需要通过交易获得，因此满足条件Ⅱ。数据产权的特殊性需要特别注意，产权是一束权利，所有权处于核心地位，延伸出占有权、使用权、收益权、处分权等权能。前文已经提到数据资产与动产相似，占有权、使用权、收益权无法分离，需要以登记作为确权基础，处分权与其他权能可以分离。即数据资产交易标的既可以是数据所有权也可以是数据使用权。若交易标的为数据所有权，则交易后数据服务商不再具有数据的占有、使用、收益、处分权能，这一部分数据应该做终止确认；但若交易标的为数据使用权，则购买方仅享有占有权、使用权、收益权，但不具有处分权。数据具有可复制性，而数据占有权、使用权、收益权无法分离，因此数据使用权交易必须约定不能再次转让。

（三）数据资产核算的科目设置

会计科目连接原始凭证与会计凭证，也连接会计账户与会计报表。会计科目对同一会计要素按照不同属性进行分类设置，分类的依据并非要素的实物属性，而是要素在企业经营活动中的经济属性。从应用模式出发能够很好地反映数据资产在不同企业不同业务中的经济属性。

在内部管理场景中，企业收集与经营相关的数据，通过分析形成信息，用于经营决策，以提高经营效率、降低经营风险，从而为企业带来经济利益。可见，内部管理场景的数据资源符合资产的定义，但是否满足确认条件，需要具体分析。企业通过交易或交换得到的数据或企业收集的内部数据能夠确定成本，则满足确认条件；企业在经营过程中收集整理的无法独立辨识确认成本的数据则无法满足确认条件。因为一般来说，提高经营效率和降低经营风险能够给企业带来增量经济利益，但是这一经济利益难以从经营活动中分离出来，所以数据资源带来的价值无法可靠地计量。内部管理场景中成本可以独立可靠计量的数据可以作为数据资产。

在外部经营场景中，交易平台型企业为市场交易双方提供数字化交易平台，交易平台由软硬件和网络构成，而交易双方获得平台提供的信息服务，本质上是一种数据带来的服务，数据是服务的主要内容。此时，平台中的数据来自交易双方，但属于平台型企业的第二方数据，在进行交易时交易双方通过免费或付费的方式获得服务，同时让渡一定的数据使用权，平台型企业通过抽取交易佣金或者服务费提供数据服务。此时数据和软硬件、网络整体构成平台企业的生产资料，这一生产资料的价值不在于软硬件、网络，而在于大量的数据，符合数据资产的定义。自营平台型企业类似于传统自建经营场所的商业企业或服务业企业，该类型企业打造交易平台，在交易平台售卖产品或服务，通过产品和服务获得经济利益，数据带来的价值体现在降低交易成本和扩大交易市场。自营平台和交易平台实质并无不同，差异在于软件系统的功能不同、数据的产权归属不同。自营平台型企业获得的数据属于第一方数据，在满足相关法律规定的情况下，自营平台拥有数据所有权，消费者在购买商品或获得服务时需要让渡相关信息的所有权。此时上述两种企业的数据产权不同、经济利益实现方式不同。

在商品服务场景中，传统的商务调查企业，如益普索、特恩斯、零点咨询等直接以咨询报告等形式提供数据资源所有权。数据资源作为这类企业的产品或者商品，被直接出售。新型数据服务商提供虚拟商品、服务和空间，表面上是让渡这些商品、服务和空间的所有权，但实质上转移的是虚拟商品、服务和空间背后数据的使用权，因为这些虚拟物品无法脱离数据存在，而虚拟物品所有者又无法获得数据所有权，只享有数据使用权。但不论是出让数据所有权还是提供数据使用权，都是将数据作为商品或者服务，数据会给数据服务商带来经济利益，满足数据资产的定义。

综上，在内部管理场景和外部经营场景下，数据资源成本或者价值能够单独可靠地计量时，均可作为企业资产核算。根据上述分析，数据要素价值的发挥与现有无形资产具有很大不同，因此与《暂行规定》观点不同，本文同意张俊瑞等（2020）的观点，不宜将数据作为无形资产，应单独设置“数据资产”科目进行核算。商品服务场景中的数据资源无论出售数据所有权，还是提供数据使用权都类似于传统企业存货，宜归入存货，通过“库存商品”科目予以核算。

五、数据资产的计量和披露

本文认为，应根据数据资产的特征进行分类，并在该分类基础上进行计量。在内部管理场景和外部经营场景中，单独设置“数据资产”科目开设账户核算企业的数据资产；在商品服务场景中，数据资源作为产品和服务的核心内容，列入存货，通过“库存商品”科目进行核算。无论是作为数据资产还是存货，数据资源都有其特殊性，需要根据其特征进行计量和披露。

（一）数据类资产的计量和披露

1. 数据资产的初始计量。在内部管理场景和外部经营场景中，数据资产能否入账，关键在于能否可靠地计量其成本或价值。内部管理场景和外部经营场景的数据资产可以根据来源确定成本。第一方数据的收集、处理、存储、应用的成本来自专门的系统、网络、存储设备、技术和人员；第二方数据的成本是数据的交易成本或共享对价；第三方数据的成本即获得的对价。当相应的数据成本能够被单独识别时，应以数据资产获取成本初始计量内部管理场景和外部经营场景的数据资产。

数据作为生产要素，一般情况下价值高于成本，对于内部管理场景和自营平台的数据资产，其数据价值的实现离不开经营管理活动和平台提供的商品服务，难以直接地、合理地分配数据要素的价值贡献，需要通过相应的模型进行分配，一般来说难以可靠地计量。交易平台数据资产通过提供相应服务所获得的交易佣金、服务费等确定价值，相对比较可靠，但相应价值并不符合公允价值属性。总的来说，数据资产价值当前难以可靠地计量，需要依赖成本计量。

根据数据类型和应用场景，企业数据资产取得方式包括购买、自我收集、共享、非货币性资产交换和企业合并等。购买的第二方数据或第三方数据的成本包括购买价款、相关税费等。共享数据的成本是共享支付的对价。自我收集的数据成本由数据达到预定可使用状态所发生的必要支出构成，包括收集、处理和存储过程中系统、网络、存储设备、技术和人工支出。数据成本包含了采集成本、处理成本、储存成本、维护成本等，将数据从采集到加工完成过程中所耗费的费用进行归集计算得出数据成本。综上，将数据资产成本用如下公式表示：数据资产的总成本=数据采集成本+数据存储维护成本+数据处理成本。

2. 数据资产的后续计量和处置。数据资产初始计量与固定资产和无形资产类似，但本文认为后续计量无需进行折旧和摊销。如前所述，数据资产在时间上不会随使用而发生实质性损耗，数据量不会发生变化，但数据价值会随时间推移而衰减，导致数据价值变小。企业正常经营过程中数据资源不断增加，随着时间、数量、需求和环境等因素的改变，数据价值变动并无固定规律可循。因为数据的可复制性、可集成性和价值波动性，在正常经营过程中，数据价值并不会随应用而减少，反而随着数据量的增加而提升。因此，数据资产无需进行折旧或摊销。在数据资产存续期间，维持数据存储的电力耗费、维持性人工成本等均不得计入数据资产成本，因为电力维持数据存储、维持性人工维持数据状态并不增加数据量。在完备的系统中即使停电或缺乏维持性人工维护，数据依然能够完整保存，在电力恢复后依然可以使用，电力成本和维持性人工成本应该计入相应经营成本或管理费用，计入当期损益，而非数据资产成本。在更换数据存储所需要的硬件设备和进行系统软件更新时，应该将旧设备或软件对应成本剔除，增加新设备和软件的成本；提高数据收集、处理能力和效率发生的软件开发或购买成本、人工成本，则应该计入数据资产成本，被替换的软件部分则应该相应剔除。总的来说，根据谨慎性原则和配比原则，在后续计量中，凡是不增加数据量、不提升数据利用效率的投入均不应计入数据资产成本，而应计入当期损益；增加数据量、提升数据利用效率的投入应该严格区分是否必需，若必需才能计入数据资产成本，否则也应该费用化。

在内部管理场景和外部经营场景中，数据会由人工或者自动通过软件系统进行收集、处理、存储和应用，非必需的费用不应计入数据资产成本。数据本身并无时效性，但数据应用具有时效性，因此企业会根据业务需要制定制度对数据保留时限做出规定，对于超过时限的数据及时进行清理，以腾出资源采集、处理、储存和维护新数据。在数据更新过程中，数据量并未增加，但数据始终维持在相应时限内，一般来说数据更新通过系统规则自动进行，无需增量成本，相应管理维护成本宜计入当期损益，因为维护并未增加数据量，而是提高了数据应用价值，所以相应成本应该根据应用场景计入当期损益。

数据资产还可能对外投资和开放共享，此时如果转移的是数据使用权而非所有权，则不应该进行终止确认，应将相应投资金额和共享对价作为其他业务收入，将因对外投资和开放共享增加的数据维护成本计入其他业务成本。

数据资产价值的发挥依托于应用场景，一旦数据应用场景发生变化，数据资产的价值可能就会消失或者急剧下降，所以数据资产在使用过程中无需折旧或摊销，但需要进行减值测试。当数据资产应用环境发生变化、导致数据资产预期产生的价值低于当前成本时，应该计提减值准备。

在内部管理场景和外部经营场景中，数据资产作为非流动资产。在处置时，应该根据处置对价减去成本，确认为非经常性损益。

3. 数据资产的披露。在对外披露时，应对不同數据资产的应用场景、相应场景的数据资产数据量，以及应用场景划分标准进行披露。应该披露数据资产成本确认的原则，特别是不同类型的数据资产人力成本、存储成本等纳入数据资产成本的确定标准，而且确定标准一旦确定不得随意变更。

（二）数据类存货的计量和披露

商品服务场景下的数据资产列入存货，根据转让权属内容不同分为数据商品和数据服务，数据商品直接转让数据所有权，数据服务则以数据为主要服务内容形成数字商品，提供相应服务，用户仅享有数字商品使用权。数据类存货核算的难点在于合理确认单一存货的成本和收入。

1. 数据类存货的初始计量。传统调查咨询、商业情报机构提供的调查情报数据针对特定用户，一般情况下以商品形式直接出售数据所有权，可参考现有存货准则进行初始计量，将形成该数据的收集、处理和存储成本作为该项数据资产成本。

新型数据服务商以数据、软件、硬件和网络为基础，提供数据产品和服务，这些产品和服务并不具有专用性、排他性，并不针对特定用户，由于数据具有可复制性、可集成性，导致增加产品和服务的边际成本较低，而用户消费量的变化导致产品和服务数量难以确定，数据类存货单位成本计量存在一定难度。数字商品在进行初始计量时，将达到可服务或可出售状态所必需的成本进行计量，但不确定产品数量和单位成本。

2. 数据类存货的后续计量。传统数据服务商以商品形式出售数据所有权，在数据所有权出售时，一方面根据数据商品成本确定营业成本，另一方面根据出售价格确定营业收入。

新型数据服务商因数据的可复制性和可集成性，商品或服务并非独立个体，是由数据、网络和软硬件形成的商品或服务集合。在商品达到可服务或可出售状态之后，能够通过系统升级和产品创新，基于现有数据形成新的商品或服务，随着用户增加也需要更多的硬件设备和网络资源提供服务。因此，商品和服务更多以用户账号的形式存在，用户仅获得使用权，并无数据所有权，相应数据商品或服务，离开系统将无法使用。

此类数据类存货在初始计量之后，为增加供给量或提高存货质量而进行的系统升级、产品创新、数据增加等成本均应计入存货成本。企业在确认存货成本时，应该进行技术测算和市场调研，测算现有数据存量、系统容量和网络流量下可服务用户的数量，根据测算的可服务用户数量确定存货数量，据此根据存货总成本确定存货单位成本，即单位用户的成本。在期末根据当期实际用户数量确定营业收入和营业成本，根据可服务用户数量和实际用户数量之差确认期末存货。企业系统升级、产品创新和数据增加等导致可服务用户数量和商品服务质量发生变化时，企业应对可服务用户数量重新进行测算，对存货成本重新计量，进而调整单位存货成本，但不应追溯调整，而是采取未来适用法。

数据类存货应该在期末进行减值测试。针对每一类数据类存货测算其可服务用户数量、单位存货成本和单位存货可变现净值，对于存在减值的数据计提减值准备。

3. 数据类存货的披露。企业应该在财务报告中披露数据类存货的类型、类型划分标准、每类存货的数据量和成本确认原则、可服务用户数量及测算方法、期末实际用户数量和减值测试等信息。

六、总结与展望

本文基于数据要素的特征和应用场景，对数据资产核算的计量、确认等进行了研究，认为数据资源在应用场景和特征上与无形资产有诸多不同，不宜将数据资产计入无形资产，而应单独设置“数据资产”账户进行核算。当前数据技术快速发展，潜藏在数据资产背后的巨大价值逐渐被挖掘，数字化技术的应用促使经济迅速发展，因此数据资源化、数据资产化的相关政策和措施急需跟上数字经济发展的步伐，同时数据资产的会计体系也需要适应经济社会的发展。对此，笔者提出如下建议：一是尽快解决数据的确权问题，加快数据资产化的进程，完善相关政策，加快数据资产交易平台的搭建，发挥数据要素市场的优势；二是建立完善数据资产会计核算体系，规范数据资产的核算方法，解决数据核算标准混乱、数据计量方法无法统一的问题；三是完善数据质量管理，发挥数据资产价值，推进企业开展数据资产管理；四是构建数据安全管理体系，规范数据采集方法，涉及个人信息的数据资源必须保障其来源的合法性与数据使用的安全性。

【主要参考文献】

DAMA国际．DAMA数据管理知识体系指南［M］．北京：机械工业出版社，2020．

黄世忠．信息资源的七大定律及其确认与计量［ J］．财会月刊，2020（4）：3 ～ 9．

李秉祥，任晗晓．大数据资产的估值［ J］．会计之友，2021（21）：127 ～ 133．

李永红，张淑雯．数据资产价值评估模型构建［ J］．财会月刊，2018（9）：30 ～ 35．

罗斌元，赵依洁．基于区块链技术的数据资产确认［ J］．财会月刊，2022（18）：80 ～ 87．

秦荣生．企业数据资产的确认、计量与报告研究［ J］．会计与经济研究，2020（6）：3 ～ 10．

孙永尧，杨家钰．数据资产会计问题研究［ J］．会计之友，2022（16）：153 ～ 160．

邬瑜骏，曲晓辉．数字资产监管框架与会计问题研究 ——兼评美国数字资产行政命令［ J］．财会月刊，2022（20）：8 ～ 17．

余应敏．确认大数据资产助推新经济发展［ J］．财会月刊，2020（23）：52 ～ 55．

张俊瑞，危雁麟，宋晓悦．企业数据资产的會计处理及信息列报研究［ J］．会计与经济研究，2020（3）：3 ～ 15．

张俊瑞，危雁麟．数据资产会计：概念解析与财务报表列报［ J］．财会月刊，2021（23）：13 ～ 20．