数字经济背景下企业数据资产计量体系构建研究

2023-10-08何越

湖湘论坛 2023年5期

何越

摘要：在数字经济快速发展之大背景下，数据资产计量问题成为广泛讨论的热点和亟待解决的难题。作为一项新型、复杂且无物理界限的资产类型，数据资产价值变现必须结合应用场景、区分决策场景和交易场景构建定价机制。数据资产计量方法选择上，应区分销售用和生产用数据资产，按照取得时发生的实际成本进行初始计量，后续计量则可采用“历史成本+公允价值+现值”的复合型计量模式。销售用数据资产采用公允价值进行计量；生产用数据资产采用现值的计量方法；而对于无法采用公允价值和现值计量的其他数据资产，则采用历史成本进行计量。基于数据资产的价值难以构建量化标准、公允价值计量受到数据交易市场发展之限制、以历史成本计量无法准确反映数据资产实际价值等现实困难，应进一步推进数据资源市场发育和数字化定价，提高数据资产评估与价值量化的可行性，重视数字化基础设施建设，优化计量方式。

关键词：数字经济；数据资产；数据资源；定价；计量

中图分类号：F2 文献标识码：A 文章编号：1004-3160（2023）05-0116-09

数字经济的快速发展离不开数字化治理体系的构建，其中数据资源的界定、价值计量及核算管理更是重中之重。目前贵陽大数据交易所完成个人数据合规流程场内交易、深圳数据交易所开发出面向数据要素市场主体的无抵押数据资产增信产品、上海数据交易所构建“数商”新业态，这为数据资产化提供了平台基础。2022年12月，为加强企业数据资源管理、规范相关会计披露，财政部发布了《企业数据资源相关会计处理暂行规定（征求意见稿）》，针对数据资产适用范围、分类、会计确认、计量、收入确认及披露等会计处理方法对外征求意见，为数据资产相关研究提供了指引和方向。数据资产没有实物形态，要对其进行有效核算和管理，必须先解决其计量问题。

现有相关研究成果为数据资产计量方面提供了诸多理论指导。数据资产边界方面，朱扬勇等认为数据资产包括能给企业带来经济利益流入的所有数据集合[1]；李雅雄等基于企业会计准则对资产的定义，分析了数据资产区别于其他传统资产的特点，认为数据资产是经企业加工后的能获利、可计量的数字化资源[2]。数据资产定价方面，蔡莉等基于具体的业务场景，参考传统信息商品中的定价策略，综合设计平衡买方效用和卖方收益的数据估值模型，为“收益法”定价提供了具体的理论基础[3]；吴超构建了移动隐私保护模型（PBD模型），将数据显示为一种支付手段，实现合理定价[4]；黄倩倩等借鉴证券市场的价格生成机制，探索构建“报价—估计—议价”相结合的数据交易价格动态生成路径[5]；欧阳日辉和龚伟沿着“价值形成—价格发现—竞价成交”的演进路径，构建了“形成—发现—竞价”三位一体的数据要素定价机制[6]。数据资产计量模式选择方面，陆旭冉[7]、符文娟等[8]均认为数据资产应选择历史成本的计量方式；唐莉[9]、邹照菊[10]建议采用未来现金流量的现值来评估数据资产；张俊瑞等[11]提出交易类数据资产可采用公允价值的计量方式；李雅雄和倪杉[2]认为对直接加工的数据资产采用历史成本法，外购数据资产采用公允价值计量；李秉祥等[12]认为销售用数据资产适用历史成本进行计量，自用数据资产适用公允价值的计量方法；罗斌元等[13]基于区块链技术，针对公有链私有链分别采用可变现净值和历史成本进行计量。

综上所述，现有研究成果为数据资产计量后续研究提供了理论基础，在数据资产会计核算领域已形成初步理论框架，但在计量方法和属性选择上尚未形成统一论断，多聚焦于收益法、市场法和成本法等计量模型和应用场景设计，并区别外购和自创采取不同的核算方式，依赖于“有序市场”与现有计量技术。而目前数据交易市场规模和活跃度以及交易标准、规范都远未达到“有序市场”的要求，计量技术也存在主观性大、可靠度不高的问题，需要进一步探讨。笔者基于现实环境，构建数据资产计量体系，着力剖析其现实困境并提出改进策略，以期服务于我国数据治理体系建设。

一、企业数据资产价值的形成机制

价值是决定价格的基础，价格是价值的表现形式，两者并不能直接等同。在完全竞争条件下，商品价格主要取决于使用价值和供求关系；而在不完全竞争的条件下（如垄断情况存在），价值与价格的关系就会出现背离。数据资产没有物理界限，具有零边际成本的特征。尹传儒等指出，数据资产的交易并不一定要以让渡数据所有权或使用权为前提，数据资产可以多次交易并且交易行为不会造成价值减损[14]。通常，数据资产交易价格以数据资产价值为基础，但其价值远超于交易价格。因而在一定程度上，我们可以将数据资产之价格看作数据资产在单次交易中的价值体现。

根据国际TOGAF企业架构理论（由国际标准权威组织The Open Group于1995年应客户要求定制的企业架构理论，帮助组织进行有效的企业架构规划和管理。中文名为“开放组体系结构框架”），数据是业务活动发生过程中各类信息的数字化沉淀，因此数据源自业务。一是数据资产的深层次管理需溯源业务本身。数据本质是各类业务活动的衍生品，其管理离不开业务。二是数据资产盘点需以业务活动为准绳，还原到具体业务活动中，而非简单地从报表中总结。三是数据资产衍变也离不开业务活动，需要清晰的业务规则，梳理基于业务的数据资源。故数据价值的形成与其反映的业务结构及利益关系息息相关，需要通过数据加工，将数据背后隐藏的资源价值转移至数据产品，才能实现数据资源的资产化。数据资产的价值主要来源于数据量、数据结构和数据质量，从原始数据到加工分析后形成的结构化数据，形成一条完整的数据价值链，实现数据资源要素化到商品化、资产化的价值增值过程。

（一）数据商品化实现数据资源交换价值

数据商品化是数据处理技术和劳动相结合的过程，数字经济时代不同层次的决策主体皆寻求高效、简捷的信息，以获得决策、管理方面的竞争优势，这为数据商品化奠定了市场基础。作为土地、劳动力、资本与技术之外的“第五大生产要素”，数据产品自带商品属性，能作为独立产品在数据交易平台上通过市场交换形成价值；或者数据要素本身并不独立产生价值，而是作为良性催化剂，与资本、土地、技术、劳动等传统生产要素深度融合，借助算法、模型等新技术手段，将数据与现实问题相连接，通过助力决策实现其价值。

（二）数据产品资产化形成数据资源的产权属性

资产产权属性是反映其产权关系和财产权利的基础，是数据产品定价、计量和有序交易的前提，更是实现数据有效治理的产权基础。缺乏产权属性的数据，具有公共产品性质，非排他和非独立，人人均可获取并使用，则不具备交易性，定价和计量就无从谈起。因此，“数据属于谁”对于数据价值的形成至关重要。作为一项虚拟资源，数据主体与数据控制者相分离的特性导致数据权利极具复杂性。数据的产权属性被极度分化，数据的生产、收集、利用、储存、管理等权利均可属于不同的产权主体，且其极易被二次生产，源数据与衍生数据之间的权利边界也难以分辨。故需要通过建立健全相关制度，将数据资源归属于谁、如何确认等问题形成统一的操作指南、行为规范和法律规则。只有在明确数据权属的前提下，才能对其在生产、分配、交易和消费等环节进行价值确认。

（三）数据资产价值变现必须结合应用场景

数据资产在应用和交易中实现价值，价值大小取决于数据需求方的业务需要，而业务需要与应用场景密切相关，不同应用场景中影响价值的因素不同，数据资产价值也存在差异。目前数据价值实现领域主要涉及资本市场、房地产、地理测绘、政府数据开发、社交网絡、物联网等行业和领域[3]。其中资本市场中的上市公司财务数据、债券数据、基金数据等是企业投融资管理的决策基础，其定价主要基于数据背后经济业务的预测价格；房地产数据主要包括房地产市场评估报告、历史交易价格、房屋户型等基础数据，这也是房地产市场交易决策的基础，其数据资产定价主要取决于其对业务决策的价值贡献度；地理测绘数据包括采用各种地理测量设备完成的大地、海洋、地下、水下测量数据集、摄影及地图等，这些数据具有可共享性，一人购买可多人消费，其定价需要考虑数据获取难度、保密程度等；政府数据开发包括政府官方网站公开公示的各类信息，其定价主要考虑数据采集开发的成本；社交网络数据涉及各类交易性平台获取的精确用户画像，这类数据的交易与公开是否合法目前尚存在争议；物联网数据是基于新型信息技术在供应链领域的应用，所能收集的关于市场交易与服务的海量数据源，属于第一手市场交易数据，其数据资产价值确认与管理会受到使用价值与供求关系的影响。基于数据资产的价值实现方式，可以将其应用场景分为决策场景和交易场景。

1．决策场景下数据资产的估值

作为战略资产存在的数据资源，其价值主要通过对未来经营管理决策的正向影响实现，或者在并购、申请破产过程中通过专业评估机构进行价值评估。现有计量条件下可以参考无形资产成本法、收益法、市场法等估值定价方法。李永红等分析了市场法、成本法、收益法等的适用条件，指出市场法能够兼顾成本与收益，在有一个可适用的同类市场的前提下，可以通过数据数量与质量、数据分析能力等因素进行修正，评估企业数据资产价值[15]。在计量单位不统一，生产成本、生产方式等复杂性因素综合影响下，成本法、市场价格法、收益法可以进一步落实为数据产品价格、数据资产价格和数据服务价格。不同估值方法难以形成可比的资产信息，随着共享理念的深入，数据共享成为产业链、供应链生态圈内部竞合的基础，主要针对数据的限制性使用权进行共享，每个共享主体基于自身的应用场景评估共享数据所能带来的价值增值进行定价。故决策场景下最重要的是构建标准化、统一化的数据资产价值评估体系，推动数据使用者和交易方之间达成“价值”共识。在估值体系构建过程中，一方面，需要考察影响数据资产价值的“共性”因素，建立全领域通用的估值模型，比如成本、风险、质量等；另一方面，在通用估值模型的基础上，需要体现数据资产在不同行业和特定领域的“个性”场景价值，金融、电商、制造、服务等行业数据应用体量、方式和场景完全不同，需要建立特定的数据资产价值评估体系。

2．交易场景下的数据资产定价

交易场景下，数据资产的价值多由市场供求关系决定，完全遵循市场规律，受到市场供需结构、成本和信息技术发展水平的影响。其中，成本是交易价格的下限，市场供需与交易模式、应用场景密切相关，而信息技术则较大程度影响数据资产质量和流通性。在数据交易价格形成过程中，数据交易中介是供需场景匹配的核心桥梁，基于数据场景，在数据买家和供应商之间搭建博弈平台，通过集中间接交易或定向交易，采用竞价、拍卖、自由定价、“点对点”交易等方式，调节数据产品价格。第一，数据资产的类型决定其应用场景和市场定价方法。数据结构反映的业务类型、应用场景和决策支撑能力不同，定价方式也存在差异，如行业研究报告等多采用订阅或固定定价、定制化数据服务多采用查询定价。第二，数据卖方会基于买方需求、购买能力和风险偏好，制定价格策略，而买方则会考虑数据产品类型、市场供给度、信息对称性等，与卖方进行博弈。此过程中数据交易中介起着重要平台作用，是数据资产定价与交易实现的基础。目前大部分数据交易所都竞相使用新一代智能数据交易系统，对数据资产交易进行全时挂牌、全域交易、全程可溯，全面促进数据资产市场的价格形成和交易达成。

二、企业数据资产的会计计量体系构建

（一）数据资产会计计量方法

关于数据资产的会计计量方法，目前主要有如下观点。第一，按历史成本计量。持此类观点的学者普遍认为，基于数据资产的独特性，难以找到相同或类似资产的公允价值，故历史成本计量成为一种可靠的方式。第二，按现值计量。这一观点认为采用未来现金流量的现值来评估数据资产，可更好地反映大数据“未来经济利益”的资产特征。第三，按公允价值计量。主要出于对数据资产价值起伏较大的考虑，认为难以准确估计未来的现金流，在数据交易平台日趋完善的前提下，交易类数据资产可采用公允价值的计量方式。第四，按“历史成本+公允价值”复合计量模式。认为初始计量阶段由外购和自产的具有规范公开市场报价的数据资产应采用公允价值计量，不满足条件的则应采用历史成本计量；后续计量可参考无形资产的核算方法，根据使用寿命的不同对数据资产具体问题具体处理。

在数据资产计量方式的选择上，需要考虑如下影响因素：（1）市场化程度。数据资产的市场化程度不高，则选择公允价值的计量属性会受到一定制约；数据资产的市场化程度高，实时可获取同类或类似资产的市场报价，则可采用公允价值的计量方法。（2）合理的價值评估体系。在不能及时获取公开市场价格的情形下，应考察数据资产是否拥有稳定、可计量的现金流，能否构建现值模型进行计量。基于此，现有研究成果主要有如下几种观点：一是认为数据资产的价值波动性大，且随着我国各大数据交易平台的构建，数据资产公允价值的技术问题将得到有效解决，故应采用公允价值的计量方式。二是认为目前企业的数据资产多属自产加工且自用的类型，其价值主要体现在其未来经济收益，故应采用收益现值法对其进行计量。三是认为数据资产的交易市场发育不全，且价值与商业模式、应用场景相关性大，相同的数据资产在不同的商业模式、应用场景下创造的价值不同，其现值会有很大差异，故公允价值和现值等计量属性不适合数据资产，数据资产应按历史成本计量。四是认为应根据不同情况采用“历史成本+公允价值”或“历史成本+现值”的复合型计量模式。

笔者赞同“历史成本+公允价值+现值”的复合型计量模式。具体而言，第一，数据资产初始计量中，对于“自产数据资产”应基于资产达到预定可使用状态前发生的所有成本作为入账价值，具体参照数据生产流程，包括数据感知、采集和获取成本、数据标识与质量控制成本、数据挖掘与知识发现成本、数据展现与利用成本等；对于“外购数据资产”，应按照购买价税、加工成本以及达到预定可使用状态的其他支出等作为外购数据资产的初始入账价值。第二，数据资产后续计量中，“销售用数据资产”应基于数据交易平台的公开市场报价，采用公允价值进行计量；“生产用数据资产”（包括通过挖掘、分析整理已有信息而获得的数据）应采用现值的计量方法。基于可靠的证据材料，对用于生产经营管理决策的数据资产所带来的未来现金流进行合理测算，设计现值计量模式。而对于无法采用公允价值和现值计量的其他数据资产，则需基于获取成本，采用历史成本进行计量。

基于以上对数据资产会计确认与计量方法的选择，区分初始计量和后续计量，对数据资产进行全生命周期的账务处理。科目设置上，“数据资产”应设置“销售用数据资产”与“生产用数据资产”两个二级明细科目，并基于取得方式设置“外购数据资产”与“自产数据资产”两个三级明细科目。

（二）初始计量属性的选择

对于购买方式取得的数据资产，可区分购买后直接使用和购买后需加工两种情况进行反映：一是购入数据资产后直接使用。目前，我国已建成一批大数据交易中心，政府类的如贵阳大数据交易所、上海数据交易所、深圳数据交易所、哈尔滨交易中心、华东江苏大数据交易平台等；平台类的有京东万象、天眼查、企查查、百度智能云市场等；均为数据交易提供服务。在公开交易市场中购买所获得的数据资产更容易获得公开报价，故该类数据资产可采取公允价值计量方法来进行初始计量。具体的会计处理方法为：按照购买价格、相关税费和其他费用，借记“数据资产—销售（生产）用数据资产（外购数据资产）”和“应交税费”，贷记“银行存款”等科目。二是购入数据资产后需进行再加工。部分数据资产在企业通过大数据交易平台进行购买后可直接使用，但也有部分数据资产就如半成品一样，需再加工或处理后才能投入使用。这类需要加工的数据资产的初始计量大体可分为两步，一是按购入数据资产所支付的价款及税费计入成本，二是购入数据资产后企业进行再加工所产生的支出可参考卖方（生产方）对数据资产的会计计量进行入账。具体的会计处理方法为：增设“数据处理成本”科目，反映数据资产未达到预定可使用状态前发生的购买、加工成本。购入时按照购买价格和相关税费，借记“数据处理成本”和“应交税费”，贷记“银行存款”等科目；加工过程中发生的人力、物力、财力投入，借记“数据处理成本”，贷记“应付职工薪酬”“固定资产”“银行存款”等科目；等数据资产加工完成达到预定可使用状态后，则借记“数据资产—销售（生产）用数据资产（外购数据资产）”，贷记“数据处理成本”。

对于自产加工取得的数据资产，应按照取得时发生的实际成本进行初始确认和计量。鉴于大数据的挖掘、清洗、提纯、筛选过程复杂且繁琐，需要对数据资产形成的全过程进行成本核算，具体包括原始数据的开发和生成过程中的中间投入、固定资产消耗（包括传统固定资产和知识产权类固定资产如计算机软件费用）、人力成本等。具体的会计处理方法为：通过“数据处理成本”科目反映数据资产加工过程的人力、物力和财力投入。发生数据采集、加工、处理成本时，借记“数据处理成本”，贷记“应付职工薪酬”“固定资产”“银行存款”等科目；等数据资产加工完成达到预定可使用状态后，则借记“数据资产—销售（生产）用数据资产（自产数据资产）”，贷记“数据处理成本”。

（三）后续计量属性的选择

数据资产的后续计量相对复杂，需要注意减值准备的提取、数据资产的更新以及期末的价值变动。亦可采用“历史成本+公允价值+现值”的复合型计量模式，对于大数据企业通过数据资产交易所购入的数据资产，或大数据企业自行开发的以数据交易为目的，且存在公开、活跃的交易市场的数据资产，应采用公允价值计量。对于大数据企业自行开发或被动获取的自用型数据资产，若能产生较为持续稳定收益的，应采用现值法来计量。不符合以上两种情况的数据资产采用可变现净值计量。除此之外，数据资产的后续计量应视同为使用寿命有限的无形资产定期进行摊销。

具体到数据资产的后续计量应用中，“销售用数据资产”应基于数据交易平台的公开市场报价，采用公允价值进行计量；“生产用数据资产”（包括通过挖掘、分析整理已有信息而获得的数据）应采用现值的计量方法。基于可靠的证据材料，对用于生产经营管理决策的数据资产所带来的未来现金流进行合理测算，设计现值计量模型。而对于无法采用公允价值和现值计量属性的其他数据资产，则需基于获取成本，采用历史成本进行计量。

当数据资产发生后续加工支出时，包括基于原始数据的储存和更新支出，以及改变数据结构和用途的创新支出，应分别基于初始计量时计入的二级明细科目，分别借记“数据资产—销售（生产）用数据资产（自产或外购数据资产）”，贷记“应付职工薪酬”“固定资产”“银行存款”等科目。第一，资产负债表日，对于“数据资产—销售用数据资产”的公允价值與数据资产账面价值之间的差额，应计入“公允价值变动损益”。当公允价值大于数据资产账面价值时，将其差额借记“数据资产—销售用数据资产”，贷记“公允价值变动损益”，反之则做相反的账务处理。第二，资产负债表日，对于“数据资产—生产用数据资产”的现值与数据资产账面价值之间的差额，亦计入“公允价值变动损益”。当现值大于数据资产账面价值时，将其差额借记“数据资产—生产用数据资产”，贷记“公允价值变动损益”，反之则做相反的账务处理。

三、数据资产计量存在的困难

（一）数据资产的价值难以构建统一量化评价标准

第一，数据资产的价值与业务场景具有强连接性，在不同场景下难以形成统一、可比的量化评估指标体系。数据分为结构化数据、非结构化数据和半结构化数据等。数字、符号等结构化数据，如企业ERP、医疗HIS数据库等，可以构建相对固化的数据分析和价值评价模型，而大部分非结构、半结构化数据，如文本、图像、音频、影视等，则需要构建情景模拟进行数据挖掘和清洗，过滤重复、不完善和错误数据，实现数据结构化配置。此过程涉及业务场景和诸多人为分析因素，难以建立统一的价值评价标准。第二，数据价值极具时效性和个体特质，不同使用者在不同业务场景下运用同一数据资产，会带来不同的价值体现，这也是数据资产难以制定统一评价指标的原因。

（二）公允价值计量受到数据交易市场发展之限制

如前文所述，“销售用数据资产”应基于数据交易平台的公开市场报价，采用公允价值进行计量。目前数据资产交易价格的形成主要有数据交易所和数据买卖双方“点对点”交易两种模式。一方面，相继出现的数据交易所为数据资产公允价值计量模式提供了平台基础，目前我国陆续建立的数据交易所（中心）有46家，并开始在全国范围内启动数据交易市场建设。但不同于传统要素市场，数据要素市场存在交易标的权属界定难、标准化程度低、场景依附性强等特点，数据资产不具备证券产品的高流动性和透明性，难以形成活跃的公开市场报价。另一方面，“点对点”交易的议价需建立在双方信息对称和互信基础之上，买方个性化需求、非标准化程度以及交易双方之间的信息不对称致使交易难以形成一个公平自愿的价格。可见，目前我国数据资产交易尚未形成一个有效市场，这为其公允价值计量模式的应用带来了困难。

（三）历史成本、现值计量无法准确反映数据资产实际价值

不同于企业自主研发的无形资产，“生产用数据资产”往往伴生于其日常生产经营项目。该种“伴生数据”投入成本和其实际价值并不一致，不能以“数据资产化加工的投入成本”简单等同于全部的投入成本。数据资产的价值与其加工处理成本不成比例，采用历史成本计量将导致账面价值与市场价值产生巨大差异，给“利润操纵”留下了空间，可能在利润表等方面引起较大波动。可见应用历史成本计量存在较大弊端，故应采用现值的计量方法。采用现值进行后续计量，需要考虑如下几个因素。一是数据资产应用周期测算。目前信息环境瞬息万变，难以准确估计数据资产的使用周期，使得数据资产使用寿命存在较大不确定性。二是数据资产运用产生的现金净流量。数据资产不具独立性，需依附于其他资产或权利产生价值，故难以将其从产生价值流的资产组中剥离出来单独计算其现金流量。三是贴现率的确定。目前现值法主要基于目标收益率或基准收益率进行现金流贴现，但其存在较大的主观性，难以准确反映数据资产未来价值流入的现值大小。

四、改进企业数据资产计量的对策建议

（一）提高数据资产评估与价值量化之准确性

数据资产化过程中，需要充分考虑数据资产价格的影响因素，建立一个统一、合理的价值评估指标体系，从不同维度、指标评估数据资产价值，建设数据资产的评估准则，并根据定价、计量实践，不断跟进、丰富有关准则的细节，对具体操作中的问题做出指导与建议。具体设计上，可以用成本、数据质量、应用价值和品牌价值等指标建立数据资产价格评估指标体系。其中，成本维度主要包括数据资产获得成本、开发、运营和维护成本、个性化服务成本等；数据质量维度主要包括数据资产的相关性、时效性、稀缺性、规范性等；应用价值维度主要包括数据资产与应用目标的关联度、复用度、场景经济性、应用广度等；品牌价值维度主要包括数据卖方信用水平、服务水平、数据治理能力等。

（二）重视数字化基础设施建设

首先是面向工业物联网建立现代数据基础设施。站在会计的角度，需要基于云边端物联网数据，实现财务和业务数据链接，助推业财（业务发展与财务管理）融合系统建设，并加快财务信息自动化、智能化创新和发展，使财务共享信息化系统建设提速增效。其次是加快发展应用电子发票、“云”平台、OCR识别、人工智能与数字化技术，助推数据驱动下业财智能化之实现，为更高效地确认与计量企业数据资产提供更可靠的支持，高效实现企业数字化转型。

（三）优化计量方式

由于单一计量方式存在诸多问题，可寻求多种计量方式复合计量等路径，或根据数据资产的不同用途对数据资产会计处理采取不同的初始与后续计量模式。对于自用的数据资产，可采用历史成本来对其进行计量；而作为交易用途的数据资产，则更适合使用公允价值来进行后续的计量。自用的数据资产，企业可以依照预计使用年限进行摊销，如果无法预计数据资产的使用年限，则无须进行摊销处理，但需在每年对其进行减值测试；若测试结果显示低于账面价值，则应对该数据资产进行减值处理。以交易为目的的数据资产，则应对其公允价值变动进行恰当处理。当数据资产被企业出售时，应当对一次出售或多次出售进行识别，而对于多次出售的数据资产，企业应合理估计其预计销售总收入，以此来计算单次出售所需要结转的成本。

参考文献：

[1] 朱扬勇，叶雅珍.从数据的属性看数据资产[J].大数据，2018（6）：65-76.

[2] 李雅雄，倪杉.数据资产的会计确认与计量研究[J].湖南财政经济学院学报，2017（4）：82-90.

[3] 蔡莉，黄振，弘梁宇，等.数据定价研究综述[J].计算机科学与探索，2021（9）：1595-1606.

[4] 吴超.从原材料到资产：数据资产化的挑战和思考[J].中国科学院院刊，2018（8）：791-795.

[5] 黄倩倩，王建冬，陈东，等.超大规模数据要素市场体系下数据价格生成机制研究[J].电子政务，2022（2）：21-30.

[6] 欧阳日辉，龚伟.基于价值和市场评价贡献的数据要素定价机制[J].改革，2022（3）：39-54.

[7] 陆旭冉.大数据资产计量问题探讨[J].财会通讯，2019（10）：59-63.

[8] 符文娟，梅瑾瑾.关于数据资产财务核算的研究[J].财务与会计，2022（8）：46-50.

[9] 唐莉，李省思.关于数据资产会计核算的研究[J].中国注册会计师，2017（2）：87-89.

[10] 邹照菊.关于大数据资产计价的若干思考[J].财会通讯，2018（28）：35-39.

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