企业数据资源会计处理研究
2023-11-09陈俊李永康龚启辉
陈俊 李永康 龚启辉
【摘要】数据作为一种新型生产要素， 已成为数字经济时代驱动经济发展和企业转型升级的关键性因素。在此背景下， 《企业数据资源相关会计处理暂行规定》的出台， 对于规范数据资源“入表”及其披露具有十分重要的指引性意义和创新探索價值。本文首先阐述该暂行规定出台的背景、 务实思路与规范要点； 在此基础上， 从推动数字经济治理体系建设、 促进数据要素市场发展、 增强国际数字经济竞争力、 加速数据密集型行业发展、 助推企业加强数据资源管理以及提高会计信息决策有用性等六个方面， 全面分析数据资源部分“入表”可能具有的宏微观经济影响； 最后， 面向推动数字经济发展的战略需求以及市场对数据资源全面“入表”的热切期待， 从数据确权、 价值计量、 数据资产审计和数据安全等方面分析数据资源会计发展的未来挑战。
【关键词】数据资源；信息披露；数字经济；数据确权；价值计量；数据资产审计
【中图分类号】F233 【文献标识码】A 【文章编号】1004-0994（2023）21-0013-6
2023年8月1日， 为规范企业数据资源相关会计处理， 强化相关会计信息披露， 财政部发布《企业数据资源相关会计处理暂行规定》（财会〔2023〕11号，简称《暂行规定》）， 并将自2024年1月1日起施行。《暂行规定》的出台引起了广泛关注， 及时回应了市场对于数据资源价值显性化的迫切期待， 初步明确了部分数据资源“入表”的现实路径， 展现了准则制定机构的务实思路和创新探索， 有助于激发数据要素市场各方参与主体的积极性， 是我国数字经济发展过程中的重要事件。
一、 《暂行规定》出台的背景、 务实思路与规范要点
1. 《暂行规定》出台的背景。数字经济作为当前我国经济发展中最为活跃的领域， 是继农业经济、 工业经济之后的主要经济形态之一， 已成为当前国家经济发展战略的重要组成部分（徐翔和赵墨非，2020）。党的十八大以来， 党中央高度重视发展数字经济。习近平总书记指出， 要“发挥数据的基础资源作用和创新引擎作用， 加快形成以创新为主要引领和支撑的数字经济”。党的二十大报告指出， “加快发展数字经济， 促进数字经济和实体经济深度融合， 打造具有国际竞争力的数字产业集群”。数据资源作为推动数字经济发展的核心要素， 其价值和作用正日益凸显。然而， 一段时间以来， 由于缺乏明确的会计规范指导和信息披露要求， 企业尤其是上市公司在数据资源及其价值管理中面临诸多困难和挑战。《暂行规定》的出台， 既是贯彻落实党中央和国务院关于发展数字经济决策部署的具体举措， 也是积极推动产业数字化和数字产业化、 促进企业加强数据资源规范管理的重要指引。
2. 《暂行规定》的务实思路。从全球范围内来看， 数据及其他自创无形资产的会计处理一直备受会计界的关注。现有的主流观点大致分为三类， 即表内确认观、 表外披露观和无需确认观（黄世忠， 2020）， 上述观点和欧洲财务报告咨询组（EFRAG）关于自创无形资产的看法基本一致。EFRAG在2021年发布的Better Information on Intangibles： Which Is the Best Way to Go中认为， 针对自创无形资产长期未能“入表”反映的问题， 目前有四种可供选择的解决方案： ①允许企业确认所有的自创无形资产， 将自创无形资产的支出全部资本化； ②对自创无形资产的确认设置门槛， 达到规定门槛即可确认为无形资产； ③持续评估， 符合条件即可确认为无形资产（具体分为三种情况： 第一， 不符合条件时， 先确认为费用， 待其符合条件后转为无形资产“入表”； 第二， 企业可直接确认为无形资产， 但同时全额计提减值， 待其符合条件后转回减值损失； 第三， 在不符合条件时， 相关支出全部计入其他综合收益， 待其符合条件后再转为无形资产）； ④不确认自创无形资产， 相关支出全部费用化（EFRAG，2021）。《暂行规定》在处理数据资源能否“入表”以及如何“入表”的会计问题上主要采纳了以上第二种方案， 即“设置确认门槛”。通过设定明确的门槛， 使企业部分重要的数据资源能够在财务报告中得到反映， 同时避免对整体会计准则体系造成过大冲击（黄世忠等，2023）， 这展现了一种渐进式的策略， 旨在平衡数据资源的“入表”需求与维护既有财务报告框架的稳定性。这种策略不仅展现了我国准则制定机构在数据资源会计领域的创新思考， 更为全球提供了一个独特的解决方案， 为国际会计实践贡献了中国智慧和经验。
面对数据资源“入表”所带来的诸多复杂因素， 《暂行规定》采取了一种务实稳妥的可持续发展思路， 以在现实约束下最大程度地推进数据资源的会计处理和信息披露。具体表现为： ①遵循现行准则， 细化核算指引。《暂行规定》结合当前企业数据资源的特点和业务流程， 针对实务中反映的成本构成、 估值方法和使用寿命估计等重点问题提供了详细的指引， 有助于规范和推动企业执行相关具体会计准则， 减少核算偏差。②明确适用范围， 规范数据资源。《暂行规定》审慎界定了数据资源相关投入可确认为数据资产的要求， 在当前阶段仅规范适用于三类特定数据资源， 其他数据资源暂不予以确认。③兼顾各方需求， 创新信息披露。鉴于数据资源“入表”存在的争议和挑战， 《暂行规定》创新地采取了“强制披露加自愿披露”的模式。该模式兼顾了各方信息重点、 成本效益和商业秘密保护， 鼓励企业自愿提供更多与数据资源相关的信息， 为暂不“入表”的数据资源提供了一种普遍认同的短期解决方案。
3. 《暂行规定》的规范要点。依据上述务实思路， 《暂行规定》明确了多个规范要点。首先是适用范围。该规定适用于企业按照企业会计准则相关规定确认为无形资产或存货等资产类别的数据资源， 以及企业合法拥有或控制的、 预期会给企业带来经济利益的、 但由于不满足企业会计准则相关资产确认条件而未确认为资产的数据资源的相关会计处理。随着后续数据资源相关理论和实务的发展， 适用范围也会及时调整。其次是数据资源的会计处理准则。《暂行规定》明确， 要根据企业内部使用、 提供客户服务或持有以备出售等不同业务模式将数据资源确认为不同类别的资产， 按照相应的会计准则进行后续处理。同时， 《暂行规定》针对实务中的关键问题， 如成本构成和使用寿命等， 提供了细化指引， 为具备现实确认和计量条件的数据资源“入表”提供了操作指南。再次是列示和披露要求。《暂行规定》要求企业根据重要性原则和实际情况增设报表子项目， 通过具体的表格方式细化披露。重要的是， 《暂行规定》明确企业可根据实际情况自愿披露数据资源（含未作为无形资产或存货确认的数据资源）的应用场景或业务模式、 原始数据类型、 加工维护和保护情况、 涉及的重大交易事项、 相关权利失效或受限等相关信息， 鼓励企业加强数据资源相关信息披露。最后， 《暂行规定》将自2024年1月1日起实施， 要求企业采用未来适用法， 无需追溯至之前年度的财务报表。
二、 数据资源部分“入表”的宏微观经济影响
《暂行规定》要求企业根据数据资源的持有目的、 形成方式、 业务模式， 以及与数据资源有关经济利益的预期消耗方式等， 将其确认为無形资产或存货。另外， 在列示和披露要求中也提到， 企业应当根据重要性原则和实际情况， 分别在“存货”“无形资产”和“开发项目”下增设“其中： 数据资源”项目。这些都表明当前能够“入表”的数据资源仅是那些符合现行具体准则的部分， 而其他数据资源尚不具备“入表”的现实条件。然而， 即使只有部分数据资源得以“入表”， 《暂行规定》的颁布实施仍是我国数字经济发展过程中的重要事件， 具有重要的引导示范性意义， 可能具有重要的潜在宏微观经济影响。
1. 推动数字经济治理体系建设。数字经济治理是对数据资源、 现代信息网络、 信息通信技术融合应用及数字经济相关主体、 活动、 环境的综合治理， 是数字时代宏观经济治理的重要内容， 也是国家治理体系和治理能力现代化建设的新要求和新挑战。
首先， 数据资源部分“入表”增强了政府在数字经济治理方面的能力。通过充分利用企业级数据资源信息， 政府相关部门会更有效地掌握企业数据资源的流动和使用模式， 同时可以借助人工智能等新一代数字化技术来建立统计监测和决策分析体系， 更加明晰地把脉发展趋势与问题， 进而精准地制定与数字经济治理相关的政策（马述忠和郭继文，2020）。通过结构化的数据管理和分析， 保障政府决策的及时性、 连贯性和长期性， 进一步提高数字经济治理的精准性、 协调性和有效性。
其次， 通过将数据资源纳入财务报表， 监管部门能更有效地响应市场变化、 确定监管范围， 统一和标准化监管规则， 显著提高数据资源监管的开放性、 透明性和法治水平， 确保市场的稳定性和持续增长。监管部门可以与企业建立更为紧密的数据资源信息共享机制， 进一步提高监管效率， 提升对重大风险事项及违规行为的追踪和处罚能力。
最后， 通过数据资源的明确列示与披露， 政府、 平台、 行业组织、 企业和社会公众能够共同参与数字经济治理， 形成治理合力。治理合力不仅意味着各方的参与和协作， 还强调了治理效果的优化与提升。当多个利益相关者共同参与治理过程时， 可以分享知识、 经验和资源， 从而做出考虑更为全面的决策。此外， 共同治理的模式还帮助各利益相关者在处理复杂的数字经济问题时建立共识， 确保各方权益均得到考虑。
总体而言， 数据资源部分“入表”为数字经济治理体系的建设提供了有力的支持， 有助于更好地实现数字经济健康发展。
2. 促进数据要素市场发展。2020年中共中央、 国务院发布的《关于构建更加完善的要素市场化配置体制机制的意见》， 将数据与土地、 劳动力、 资本、 技术并称为五大生产要素， 并明确要求加快培育数据要素市场。在可预见的未来， 数据要素市场将在全国统一大市场建设中扮演更为重要的角色， 为社会经济活动发展提供数据要素支持。在此背景下， 《暂行规定》的出台将有效促进数据要素市场的充分发展。
首先， 数据资源部分“入表”有助于加强对数据资源确权问题的重视和研究。如何对数据资源进行确权是一道世界性难题， 也是数据资源全面“入表”所面临的主要挑战之一。《暂行规定》出台后， 满足条件的数据资源可以被纳入财务报表， 这要求企业对其数据资源进行更为详细规范的记录和评估， 将增加企业本身对数据权益问题的认知。同时， 数据资源“入表”必将引起政府、 监管机构和企业对数据权属问题的高度关注， 催生更多关于数据权益的讨论和政策建议， 从而可能为解决数据要素市场中长期存在的权属不明问题提供新的思路和解决路径。
其次， 数据资源部分“入表”和披露将进一步促进数据要素的高效流通， 提升市场对数据资源价值的认知。一旦数据资源被纳入财务报表， 其经济价值便得到了正式认可， 这将鼓励数据交易各方更加重视数据的合规性、 标准化以及数据资源的增值服务， 从而提高数据交易的透明度。交易透明度提高后， 政府和监管机构更有可能出台细化的数据流通和交易规则， 为数据交易创造一个更加便捷和高效的环境， 进一步推动数据要素的流通（田杰棠和刘露瑶，2020；曾铮和王磊，2021）。此外， 在该政策背景下， 企业即使不能将全部数据资源确认为资产， 其在财务报表中的自愿披露也有助于市场更深入地认识数据的潜在价值， 从而助推数据要素市场的整体发展。
最后， 数据资源部分“入表”和披露有助于维护公平有序的数据要素市场竞争环境。企业层面的数据资源信息为反垄断和反不正当竞争执法提供了客观依据， 激励各交易方以更合规、 负责的方式参与数据交易， 进而构建一个更加健康公平的数据要素市场环境。
3. 增强国际数字经济竞争力。2023年5月30日， 中国社会科学院金融研究所等联合发布了《全球数字经济发展指数报告（TIMG 2023）》， 从数字技术、 数字基础设施、 数字市场和数字治理四个维度构建了全球数字经济发展指数。该报告显示， 我国数字经济发展迅速， 已从2013年的第22名上升至2021年的第8名。尽管我国在数字经济领域已取得了长足进步， 但与英美等发达市场经济国家相比仍存在一定差距。《暂行规定》的出台将进一步激发数字经济活力， 加强数据资源的管理和利用， 有望提高我国在国际数字经济竞争中的地位。
《暂行规定》的实施将为数字中国建设注入新的动力， 有助于提高我国在数字经济领域的竞争力。数据资源部分“入表”后， 企业将会更加注重技术研发和创新， 从而提升我国在数字技术领域的自主创新能力（肖静华等，2020；刘意等，2020）。与此同时， 数据价值的显性化提升了数据交易的活跃度， 为新型数字经济模式的崛起创造了有利条件。此外， 政府也可以通过这些数据进行更为精准的管理与配置， 保障数据资源价值的最大化利用。因此， 数据资源“入表”为未来数字经济的发展奠定了坚实的基础。
数据资源“入表”不仅是国内数字经济发展的重要驱动力， 更是推动与其他经济体合作的重要影响因素。数据资源“入表”使得数据资源的价值得到量化体现， 这为国际数据交易与合作提供了清晰的依据， 有利于我国企业更好地进入国际市场， 吸引更多外国企业与我国进行数据交易和合作。值得注意的是， 数据资源“入表”也为“一带一路”合作提供了支撑， 我国可以与共建国家在更加公正、 透明的基础上交流和共享数据， 加速数字技术的全球传播， 进一步提升我国数字经济的国际影响力（姜峰和段云鹏，2021）。
总之， 《暂行规定》的推出不仅展示了我国在数据资源管理上的前瞻性， 更有可能在国际数字贸易中为我国赢得更大的话语权， 有助于增强我国数字经济的竞争力。
4. 加速数据密集型行业发展。《暂行规定》的出台将对计算机、 通信、 网络科技等数据资源密集型行业产生深远的影响。
首先， 数据资源部分“入表”和披露将增强数据密集型行业对资本投入的吸引力。数据密集型行业， 特别是高科技企业， 往往面临盈利能力不足、 资源价值无法有效衡量等挑战， 随着《暂行规定》的实施， 数据资源价值得以顯性化， 企业可以按照相关规定确认部分数据资源的投入， 形成一项可量化、 可评估且将在未来带来经济利益流入的重要资产， 从而为外部投资者提供清晰的价值参考， 提高他们对数据密集型行业的信心和投资意愿。
其次， 数据资源部分“入表”和披露将为数据密集型行业带来数据共享与合作的新机遇。数据资源在财务报表中被确认和披露， 其价值和潜力也更容易被外部发现和接受， 这种信息透明度不仅提高了企业之间的信任程度， 更增加了各方在数据交换与合作中的信心， 能够带动更多企业参与数据共享。合作与共享让企业能够汇集更多的信息和知识， 减少重复投资， 形成数据资源价值的迭代进化。
最后， 数据资源部分“入表”和披露将为数据密集型行业的技术创新增添新活力。数据资源被确认和披露， 使得企业更有意愿加大研发力度， 挖掘数据资源的潜在价值， 探索更丰富的技术路径和应用场景（Cong等，2021）。《暂行规定》的实施将进一步加强企业与研究机构的技术合作， 使企业深刻认识到数据的战略价值， 进而推动行业的技术创新和市场应用的多元化拓展。
5. 助推企业加强数据资源管理。数据资源在数字经济快速崛起的当下已成为企业价值链中重要的一环， 已有研究表明， 数据资源能够提高劳动、 资本与其他要素之间的协同性， 提升企业的运营效率并帮助企业获得竞争优势（Tambe，2014；Farboodi等，2019；谢康等，2020）。然而， 由于对数据资源的忽视和价值低估， 不少企业的资产负债表与其实际市场价值存在严重的不匹配。《暂行规定》的实施不仅是数据资源会计处理方面的一次重要改革， 更是助推企业加强数据资源管理的重要契机与要求。具体而言， 企业应根据《暂行规定》的要求， 对数据资源进行详细的分类和评估， 确定数据资源是否满足“入表”的条件。为实现数据资源的“入表”以及高效使用， 企业需要建立或优化现有的数据治理体系， 对数据资源的收集、 存储、 处理和分析等流程进行全面改造（Ghasemaghaei和Calic，2020；陈剑等，2020）。同时， 企业应当对数据资源的成本效益进行深入分析， 确定企业的核心数据资源， 并根据数据资源的属性制定相应的管理策略和保护措施， 确保数据资源的可用性和安全性， 从而全面提高企业的数据资源管理能力。
企业数据资源管理能力的全面提高将进一步转化为对企业价值和融资方面的有力支撑（Baesens等，2016；罗仲伟等，2017）。一方面， 通过有效的数据管理， 企业能准确地将数据要素作为无形资产或存货纳入财务报表， 有助于在企业估值或融资需求中真实全面反映企业的资产状况； 另一方面， 数据资源成为生产要素后， 其发挥价值的核心在于有效信息的提取及应用（谢康等， 2020）， 因此提高企业自身的数据管理能力和数据分析能力是数据资源提升企业运行效率与创新绩效的必要条件。同时， 高效的数据资源管理使企业能更有针对性地利用数据资源为客户提供服务（Veldkamp和Chung，2019）， 从而将管理优势转化成收入， 提升企业的竞争力与整体业绩， 进而帮助企业获得更多的金融资源和政策支持。
6. 提高会计信息决策有用性。数据资源在财务报表中的缺位导致投资者和债权人在面对数据密集型行业进行投资与贷款决策时降低财务报表的决策支持。《暂行规定》的实施将对此现状予以纠偏， 使企业的会计信息更具决策有用性。
数据逐渐成为众多企业的核心资源之一， 若其长期游离于报表体系之外， 将导致投资者忽略数据资源的价值， 或难以恰当评估企业价值， 也会给债权人评估企业的偿债能力带来困难。《暂行规定》明确， 满足条件的数据资源可作为无形资产或存货计入资产负债表， 使数据资源的价值在现有约束条件下得到展示。此外， 对于那些暂时无法确认为资产的数据资源， 《暂行规定》也鼓励企业披露更多相关信息， 进一步提高数据资源信息的透明度。因此， 数据资源“入表”与披露将增强投资者和债权人等利益相关者的决策信心， 提高会计信息的决策有用性， 提升数字经济时代资本市场的运转效率。
三、 数据资源未来全面“入表”面临的主要挑战
为进一步提高财务报表完整反映企业拥有或控制的经济资源， 推动数据资源全面“入表”或许将成为未来的发展趋势。数据资源的全面“入表”， 既有助于企业价值的呈现， 也将进一步促进数据资源的推广应用与市场交易。然而， 从现实可行的角度来看， 数据资源全面“入表”仍面临一系列重大挑战， 集中表现在数据确权、 价值计量、 数据资产审计和数据安全等方面。在当前的市场环境和法律框架下， 这些问题尚未得到充分解决， 构成了数据资源未来全面“入表”的实质性障碍。
1. 数据确权面临的重大挑战。随着数字经济产业的快速崛起与发展壮大， 数据确权问题已经成为一个不可回避的重大议题。近年来， 我国政府对数据确权问题给予了高度关注。2019年党的十九届四中全会将数据列为新型生产要素， 2020年国家提出“研究根据数据性质完善产权性质”的原则性要求， 2022年《中共中央 国务院关于构建数据基础制度更好发挥数据要素的意见》进一步提出了“数据资源持有权、 数据加工使用权、 数据产品经营权”等分置式产权制度设计思想。尽管政策上大力推进数据确权制度框架的建立， 但数据确权的广泛现实落地仍面临多重严峻挑战， 直接阻碍了数据资源的全面“入表”（申卫星，2020）。
首先， 数据主体的清晰确定是数据确权过程中的首要难题。在复杂的数据系统中， 数据的生成、 收集、 处理、 存储和使用涉及多个参与方， 使得数据主体的清晰确定变得非常复杂（田杰棠和刘露瑶，2020）。具体而言， 数据流通过程的多元化和复杂性， 使得数据的生成、 收集、 处理、 存储和使用等环节涉及不同的参与方， 这些参与方还可能扮演着不同的角色和承担着不同的责任。例如， 一个数据分析项目中， 原始数据来自客户， 而数据的清洗和分析则由企业内部的不同部门或外部合作伙伴完成， 从而导致数据的权属和责任变得模糊不清。我国目前缺乏统一的数据流通规则对主题数据交互行为进行规制， 也使得数据主体的明晰缺少规则依据， 直接阻碍了后续数据资源的全面“入表”。
其次， 数据要素的确权成本较高。在多主体参与的情况下， 数据要素的确权需要企业与多方进行权责明确的合同谈判， 涉及数据生成、 处理和使用过程中的各种权利和责任， 同时也包括知识产权和隐私权等较为敏感的问题（熊巧琴和汤珂，2021）。确权流程牵涉跨部门或跨企业的协调， 过程复杂多变， 需要专业法律的支持， 推高了确权的时间与资金成本。长时间的谈判和法律程序可能导致数据的实时价值降低， 数据的相关性和准确性均有可能会受到影响， 给企业带来进一步的成本。确权的高成本阻碍了数据资源的价值确认和全面“入表”。
最后， 数据要素市场化体系建设和跨领域合作表现不足， 加剧了数据确权的复杂性（曾铮和王磊，2021）。从发展趋势来看， 数据交易和流通政策逐渐明确， 但当下的实际操作仍面临成熟的市场机制和交易平台缺失的限制， 导致企业主动参与数据交易和流通的意愿相对不足。此外， 数据确权不仅是一个技术层面的问题， 更是一个横跨技术、 经济管理、 法学和社会学等多学科与多领域的复杂议题， 但目前各领域间的合作相对匮乏， 增加了操作过程中的难度。上述两方面的局限进一步增加了数据确权的成本， 降低了数据资源全面“入表”的可能性。
2. 数据资源价值计量面临的重大挑战。在数字经济时代， 数据资源的价值日益凸显， 但数据资源的价值计量面临的重大挑战也相应增多， 增加了数据资源全面“入表”的难度。
商业模式决定着计量属性的选择（黄世忠等，2023）。EFRAG将商业模式划分为价值转换型、 价差获利型、 长期投资型和负债驱动型， 分别对应历史成本、 公允价值（计入当期损益）、 公允价值（计入其他综合收益）和公允价值选择权四种计量属性（EFRAG，2013）。然而， 数据资源具有非竞争性， 即企业将数据资源的使用权出售后， 仍可以在日常经营中使用该数据资源， 导致其适用于多种商业模式， 无法明确会计计量属性（Jones和Tonetti，2020；金骋路和陈荣达，2022）。
数据资源公允价值的评估也面临挑战。首先， 与土地、 机器设备等传统资产不同， 数据资源的公允价值具有不对称性， 并非总是生产成本更高的数据资源其使用价值更高。同时， 不同主体的业务类型、 技术水平、 数据和业务的融合程度、 市场拓展能力等因素方面存在差异， 导致不同主体可能对同一数据资源具有显著不同的价值预期（Dosis和Sand-Zantman，2019；龚强等，2022；谢康等，2020）。因此， 传统的资产评估方法（如成本法、 市场法和收益法）在数据资源的价值评估中可能并不完全适用， 从而要求资产评估机构在具备跨行业的知识和经验之余， 还需要深入了解数据科学、 大模型分析和机器学习等先进方法， 以更准确地评估数据资源的价值。其次， 数据资源的公允价值具有高度的不确定性和波动性， 与传统的固定资产或非技术类无形资产有显著差异（蔡跃洲和马文君，2021）。传统资产的价值相对稳定， 外界因素对其价值的影响通常可以预测和量化。然而， 数据资源的价值可能会因为技术进步、 市场需求变化以及法律法规的调整等发生快速剧烈的波动。因此， 资产评估机构在对数据资源进行估值时应采用动态评估模型， 综合考虑多种可能影响数据价值的风险因素， 提高不同市场条件和法规环境下数据资源价值的可信度。最后， 当前数据交易市场不成熟， 缺乏统一的交易规范， 使得在使用成本法进行数据资源价值评估时仅能保守地反映数据资产的价值下限， 倾向于低估数据资产在财务报表中的价值； 而在使用基于公允价值的方法对数据资源进行估值时， 往往很难选取市场上的相似参照物， 使得数据资源价值評估的任务更趋复杂， 也增加了公允价值评估过程中的不确定性和风险（许宪春等，2022；罗玫等，2023）。
3. 数据资产审计面临的重大挑战。数据资源“入表”对审计工作也提出了重大挑战， 从而增加了数据资源全面“入表”的难度。数据资源“入表”后， 审计工作将变得更为复杂。一方面， 被审计单位在资产负债表中体现数据资源， 审计师需要核对更多的会计处理凭证和交易记录， 增加了审计工作量； 另一方面， 传统的审计工具和方法可能不足以应对数据资产的特殊性， 审计师还需要考虑采用更加先进的审计工具和技术以适应这一新的审计业务。例如： 大数据分析能够帮助审计师快速准确地分析数据交易记录， 从而更准确地评估数据资产的合规性； 机器学习算法可以用于识别数据资源交易中的异常模式或潜在风险， 预警可能存在的审计风险。这些先进的工具和技术虽然可能会提高审计的效率和可靠性， 但也增加了审计过程的复杂性。
数据资源“入表”不仅增加了审计工作的复杂性， 而且可能提高审计师面临的重大错报风险。在数字经济时代， 数据资源的“入表”与信息披露为企业提供了操纵财务信息的机会（蔡利和张翼凌，2022；张俊瑞等，2023）， 例如企业可能会通过虚增数据资源的账面价值来掩饰其盈利能力不足或提高其市场价值。这种机会主义行为不仅增加了审计师在审计时需要识别与评估的风险因素， 而且可能导致审计师面临更严重的法律责任和更高的处罚风险， 因此审计师需要更加谨慎地对待数据资产合规性与价值的评估， 依赖更多的外部证据和行业专家意见， 进行更为深入的风险评估和内部控制测试。数据资源全面“入表”无疑会给审计师带来更多的工作挑战与风险责任， 需要审计师具备更高的专业素养、 技术能力和风险应对能力。
4. 数据安全问题制约数据资源全面“入表”。数据安全问题也制约了数据资源的全面“入表”。首先， 数据安全问题直接增加了企业将数据资源纳入财务报表的成本。一方面， 为了确保数据安全， 企业需要投入更多资源来实施一系列复杂的安全措施， 包括数据加密、 访问控制和持续的安全监督等（龚强等，2022）。另一方面， 数据资源的完整性和真实性成为审计工作的重点， 审计师在评估数据资源的价值时也会将数据安全考虑在内， 从而导致企业承担更高的审计费用。这些额外的安全成本增加了企业数据资源管理的复杂性， 降低了数据资源全面“入表”的经济可行性。其次， 数据安全问题增加了数据资源全面“入表”后企业承担的风险。数据资源全面“入表”会增加企业的数据安全风险。鉴于数据资源具有高度的可复制性和流动性， 一旦发生如黑客攻击、 未授权访问等安全事件， 数据的独特性和商业价值可能迅速下降， 严重影响数据资源在财务报表中的价值体现， 降低整体财务报表的可信度， 同时也会导致企业声誉下降、 合作关系破裂等其他负面影响。此外， 数据安全问题还可能导致企业面临法律责任和巨额罚款， 进一步加大了数据资源全面“入表”的风险（Goode等，2017）。
四、 总结与展望
《暂行规定》展示了务实稳妥的思路， 在现行准则框架下， 为数据资源的会计处理和信息披露提供了细化指引， 是当前环境下推动数字经济发展的重要政策工具。《暂行规定》的实施在宏观上有助于推动数字经济治理体系建设、 促进数据要素市场发展、 增强国际数字经济竞争力和加速数据密集型行业发展， 在微观上有利于助推企业加强数据资源管理、 提高会计信息决策有用性。然而， 在现行条件下， 推动数据资源全面“入表”仍面临多重重大挑战， 包括数据确权、 价值计量、 数据资产审计和数据安全等问题。随着数字经济的深入发展， 我国在数据资源会计处理和信息披露方面将迎来更多机遇和挑战。
为积极地应对挑战， 以下三方面的问题应当优先引起相关各方的高度重视： 第一， 深化数据资源会计研究。未来需在跟踪国际会计领域对数据资源研究进展的基础上， 结合我国数据经济发展的实际情况， 深化数据资源会计的价值创造理论、 会计报告及其经济后果的研究， 持续发挥会计在服务数字经济发展方面的基础性作用。第二， 完善数据资源管理制度。随着数据资源价值的持续提高， 政府相关部门应进一步推动与数据资源相关的管理政策和法规的建设及完善， 为各类企业使用与交易数据资源提供规范标准， 促进数据资源的合理利用与权益保障。第三， 加强数字交叉人才培养。在数字经济时代， 政府与企业对数据资源管理、 评估和审计等专业人才的需求日益增加， 相关教育部门需加强与业界的紧密合作， 培育掌握数字经济核心技能的高素质复合型人才。
【 主 要 参 考 文 献 】
蔡利，张翼凌．财务和非财务信息非对称性、舞弊风险与审计师应对行为［ J］．会计研究，2022（6）：178 ～ 192．
蔡跃洲，马文君．数据要素对高质量发展影响与数据流动制约［ J］．数量经济技术经济研究，2021（3）：64 ～ 83．
陈剑，黄朔，刘运辉．从赋能到使能——数字化环境下的企业运营管理［ J］．管理世界，2020（2）：117 ～ 128+222．
龚强，班铭媛，刘冲．数据交易之悖论与突破：不完全契约视角［ J］．经济研究，2022（7）：172 ～ 188．
黄世忠，叶丰滢，陈朝琳．数据资产的确认、计量和报告——基于商业模式视角［ J］．财会月刊，2023（8）：3 ～ 7．
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．
姜峰，段云鹏．数字“一带一路”能否推动中国贸易地位提升——基于进口依存度、技术附加值、全球价值链位置的视角［ J］．国际商务（对外经济贸易大学学报），2021（2）：77 ～ 93．
金骋路，陈荣达．数据要素价值化及其衍生的金融属性：形成逻辑与未来挑战［ J］．数量经济技术经济研究，2022（7）：69 ～ 89．
刘意，谢康，邓弘林．数据驱动的产品研發转型：组织惯例适应性变革视角的案例研究［ J］．管理世界，2020（3）：164 ～ 183．
罗玫，李金璞，汤珂．企业数据资产化：会计确认与价值评估［ J］．清华大学学报（哲学社会科学版），2023（5）：95 ～ 209+226．
罗仲伟，李先军，宋翔等．从“赋权”到“赋能”的企业组织结构演进——基于韩都衣舍案例的研究［ J］．中国工业经济，2017（9）：174 ～ 192．
马述忠，郭继文．数字经济时代的全球经济治理：影响解构、特征刻画与取向选择［ J］．改革，2020（11）：69 ～ 83．
申卫星．论数据用益权［ J］．中国社会科学，2020（11）：110 ～ 131+207．
田杰棠，刘露瑶．交易模式、权利界定与数据要素市场培育［ J］．改革， 2020（7）：17 ～ 26．
肖静华，胡杨颂，吴瑶．成长品：数据驱动的企业与用户互动创新案例研究［ J］．管理世界，2020（3）：183 ～ 205．
谢康，夏正豪，肖静华．大数据成为现实生产要素的企业实现机制：产品创新视角［ J］．中国工业经济，2020（5）：42 ～ 60．
熊巧琴，汤珂．数据要素的界权、交易和定价研究进展［ J］．经济学动态，2021（2）：143 ～ 158．
徐翔，赵墨非．数据资本与经济增长路径［ J］．经济研究，2020（10）：38 ～ 54．
许宪春，张钟文，胡亚茹．数据资产统计与核算问题研究［ J］．管理世界，2022（2）：16 ～ 30+2．
曾铮，王磊．数据要素市场基础性制度：突出问题与构建思路［ J］．宏观经济研究，2021（3）：85 ～ 101．
张俊瑞，危雁麟，尹兴强等．企业数据资源信息披露影响审计收费吗？——基于文本分析的经验证据［ J］．审计研究，2023（3）：60 ～ 71．
Baesens B.， Bapna R.， Marsden J. R.， Vanthienen J.， Zhao J. L.. Transformational Issues of Big Data and Analytics in Networked Business［ J］．MIS Quarterly，2016（4）：807 ～ 818．
Cong L. W.， Xie D.， Zhang L.. Knowledge Accumulation， Privacy， and Growth in a Data Economy［ J］．Management Science，2021（10）：6480 ～ 6492．
Dosis A.， Sand-Zantman W.. The Ownership of Data［Z］．Journal of Law， Economics and Organizations，2019．
EFRAG. Better Information on Intangibles： Which Is the Best Way to Go［EB/OL］．www.efrag.org，2021．
EFRAG. The Role of Business Model in Financial Statement（Research Bul? letin）［EB/OL］．www.efrag.org，2013．
Farboodi M.， Mihet R.， Philippon T.， Veldkamp L.. Big Data and Firm Dynamics［ J］．AEA Papers and Proceedings，2019（109）：38 ～ 42．
Ghasemaghaei M.， Calic G.. Assessing the Impact of Big Data on Firm Innovation Performance： Big Data Is Not Always Better Data［ J］．Journal of Business Research，2020（108）：147 ～ 162．
Goode S.， Hoehle H.， Venkatesh V.， Brown S. A.. User Compensation as a Data Breach Recovery Action［ J］．MIS Quarterly，2017（3）：703 ～ 728+16．
Jones C. I.， Tonetti C.. Nonrivalry and the Economics of Data［ J］．American Economic Review，2020（9）：2819 ～ 2858．
Tambe P.. Big Data Investment， Skills， and Firm Value［ J］．Management Science，2014（6）：1452 ～ 1469．
Veldkamp L.， Chung C.. Data and the Aggregate Economy［Z］． Journal of Economic Literature，2019．
（责任编辑·校对： 陈晶 喻晨）
