数据资源入表的三大基本理论问题

【摘要】数据资源入表是大力发展数字经济和加快形成新质生产力的内在需要。数据资源入表本质上指向的是数据要素化， 这其中数据资源化是基础条件， 数据产品化是主要抓手， 数据资产化是目标归向。惟有依次使原始数据资源化、 数据资源产品化、 数据产品资产化， 才能确保数据资源入表的真实性、 可靠性和可信性， 数据资源入表工作才能行稳致远、 可持续开展。

【关键词】数据资源入表；数据资源化；数据产品化；数据资产化

【中图分类号】 F275 【文献标识码】A 【文章编号】1004-0994（2024）17-0026-5

数字经济是实现中国式现代化的新动力， 而数据要素是数字经济高质量发展的新引擎。世界经济已从围绕物品和货币流动转变为围绕信息流动来组织（Drucker，1992）， 数据是当今世界最宝贵、 同时也是最需要加强监管的资源（The Economist，2017）。作为数智时代的重要战略资源和新兴生产要素， 数据成为互联网、 数字技术等类型公司的“资产”已是不争的事实， 利用日平均用户等活跃度指标估测企业所持有的数据规模早已成为其核心方式（Birch等，2021）， 数据的价值将显示在企业的资产负债表上， 成为一个新的资产类别（Mayer和Cukier，2013）。联合国统计委员会第51次会议也已明确将“数据纳入国民账户体系”列入国民经济核算体系（SNA）研究议程。事实也是如此， 只有将数据作为一种资源纳入企业会计核算系统和国民经济核算体系， 才能实现其资产化、 体现其业务价值， 并从中获取信息以支持经营和管理决策。随着财政部《企业数据资源相关会计处理暂行规定》（财会〔2023〕11 号）和《关于加强数据资产管理的指导意见》（财资〔2023〕141号）等文件的印发执行， 数据资源入表已成为时下中国最热门的会计话题。政府主动引导， 企业推陈出新， 学界见仁见智， 亟待作出科学的理论诠释、 逻辑自洽和路向选定。对此， 本文抛砖引玉， 谈点粗浅看法。

一、 数据资源入表语境下的数据含义

从数据资源入表角度来看， 数据是一种可供电子传输和计算机自动处理的信息形态， 即“机器可读的编码信息”（Herbert，2016）。换句话说， 这里讲的数据是信息的一种数字化表达或二进制的形式化体现， 它可以非常便捷地进行访问、 交流、 解释或处理， 多存储于各种电子设备、 软件系统、 数据库和大模型之中。

一般意义上而言， 数据是信息的载体——一种可计算的记录（时建中，2023）。数据经过加工、 处理、 组织或分析后可以形成信息， 而信息是以有意义的形式加以排列和处理的数据（World Bank，1998）， 即有组织的或结构化的数据。数据与信息是记录与被记录、 形式与内容的关系， 即一体两面的关系。但从数据资源入表的角度看， 仅仅这样来理解和解释数据、 信息及其相互关系未免过于肤浅、 表面化。它既没有严格地把数据和信息这两个相对独立的会计客体区分开来， 也没有把作为入表对象的数据的本质界定清楚， 容易造成理论与实务上的混乱。作为一种新型经济资源， 数据本质上指的是以电子方式如实或实时记录个体或组织可观测经济社会现象所产生的信息， 这些信息必须是数字化的， 是以数据形式体现出来的。入表数据既不是数据的全部， 也不是信息的全部， 而是仅指数据集中具有信息价值的部分或者信息集中以数字化形式呈现的部分， 是数据和信息在价值化与数字化两个维度上的重叠。总之， 入表数据一定是数字化的信息与有信息价值的数据的集合。

数据是伴随人类经济社会活动而产生的一种符号记录或信号资料， 主要包括数字、 词语、 声音、 图像、 文本和视频等。作为合格或量化符号存储或传输事实的表示（经济合作与发展组织，2017年译本）， 数据是与人类历史长河一样久远漫长的一种客观存在， 数据的全部意义在于反映和指导人类个体或组织的行为。在大数据、 人工智能等新一代信息技术“爆炸式”增长和广泛应用之前， 数据的意义即数据的价值效应， 并没有现在这么突出和显著。表面上看， 这是由于数据规模太小、 数据质量偏低、 数据价值密度不高等带来的对人类行为预测与决策支持力度不够所造成的， 但追根溯源， 是因数据采集、 处理与组织的技术落后、 科技层级不高所致， 集中表现为经济社会领域存在抑或难以根治的信息失真、 决策失误、 市场失灵和政府失效等。而现在， 客观存在着的数据无论是在内容涵义、 规模质量， 还是在呈现形式、 存储载体等方面， 都发生了颠覆性或根本性变化， 数据具有了大数据或全数据特征， 显现出了生产要素属性， 具备了资源入表条件。可以这样说， 入表数据指向的主要是作为数字技术和数字经济基础的大数据， 而不是过去意义上的零数据或小数据， 这些数据不仅表现出了大数据的“5V”自然特性， 即数量（volume）、 速度（velocity）、 种类（variety） 、 价值（value）和真实性 （veracity）， 而且也具有了大数据的“5I”社会属性， 即数据整合（integration）、 数据融通（interconnection）、 数据洞察（insight）、 数据赋能（improvement） 以及数据复用（iteration）（尹西明等，2022）。

数据资源入表归根结底是一个数据要素化的过程。从会计角度讲， 数据资源入表就是将数据要素纳入现行会计核算体系， 并作为会计报表的具体项目加以揭示和披露。通过入表将数据这种“可能的生产要素”经过人类的特殊劳动演变为“现实的生产要素”， 即转化为新质生产力。原始数据或者简单堆积的数据不能称之为数据要素， 充其量是可能的或潜在的数据要素， 它要成为数据要素， 还必须与技术、 组织、 管理、 劳动等既有生产要素相结合（谢康等，2020）。只有经过挖掘、 清洗、 整合、 转换、 分析， 即经处理的、 可为生产过程提供新的助力的数据， 才能称得上数据要素（徐翔和赵墨非，2020）。数据要素以非实物形式间接而非直接参与社会生产活动， 发挥桥梁纽带作用， 加之相关法律法规又不像知识产权保护制度体系那样健全有效， 数据要素化过程非常复杂， 必须依赖算法体系、 算力系统和数字技术， 并与传统生产要素、 业务场景相伴生， 具有极高的技术、 制度和场景依赖性。

二、 数据资源化是数据资源入表的基础条件

数据很早就被视作一种促进生产与交换的重要经济资源（Cleveland，1982）。所谓数据资源， 指的是具备了一定资源特征的数据， 而数据资源化既是数据资源入表的第一步， 也是使数据成为现实生产要素的第一步。数据资源化指的是对原始数据即数据荒地， 包括单个数据、 多个数据和群聚数据， 采取一定的制度措施和运用一定的技术手段， 使之具备经济资源特征的过程。在现实世界里， 并不是所有的数据都能够资源化。资源化的数据或入表的数据指的是在海量原始数据基础上再加工、 再处理和再组织， 衍生出的具有客观上的稀缺性和经济上的价值性的再生数据， 它附着了新的人类劳动。

数据所有权是数据资源化无法回避的一个现实问题。它属于上层建筑范畴， 需要顶层制度设计与安排。在以“权利束”为基础性概念界定所有权内涵的今天， 所谓的所有权早已不再是传统意义上的财产拥有者对该物品的支配权， 而是更倾向于财产权的形成取决于国家对它的创制、 定义、 识别和验证（Daniel和John，2011）， 即“权利自身不外是一个在法律上受保护的利益”（鲁道夫·冯·耶林，2016年译本）。换句话说， 现代政府早已成为财富的主要源泉， 具有释放出金钱、 救济金、 服务、 专营权和特许权的职能（Charles，1964）。基于这样的理论认知， 所有权在数据上呈现出的权利样态， 不仅包括使用权、 交易权、 抵押权、 租赁权、 赠与权与准入权等固有权利， 而且也包括拒绝使用这些权利的权利（闫立东，2019）； 不仅是指个人、 集体、 国家在数据上的各种权利， 而且也指那些不明主体的数据源。可见， 在数据所有权制度安排上不能过度强调数据在所有权上的唯一性或专属性， 而应强化数据在使用权上的多元性， 甚至要更重视数据在占有权上的实操性。

在数据资源入表实践中， 数据所有权是否清晰明确， 即数据源于何处、 最初由谁来提供并不那么重要， 重要的是： 数据由谁来进一步地持有、 加工和经营， 也就是最终由谁来占有。数据占有权是所有权概念在数据领域最重要、 最有意义、 最具价值的权利样态， 是数据资源化本体性概念中最核心的概念。它既是数据要素化的法理起点， 也是数据资源化的逻辑起点。所谓数据占有权， 指的是一种尚未达到所有权唯一性、 居于所有权和使用权之间的数据权利。数据占有权更加符合数据共享性、 复用性和非排他性的特质， 也更能满足数据共享、 流通、 交易， 尤其是买卖、 租赁、 抵押、 担保、 典当等各种交易形式的不同需求， 更能体现“不为我所有， 但为我所用”的实践逻辑。事实也是这样， 数据的开放和使用不需要数据所有权的转移（但需要个人隐私和商业秘密的保护）， 实践中也不可能厘清数据的所有权， 只能抓数据占有权这个主要矛盾点， 它才是数据资源化的法律前提， 自然也是数据进一步加工、 经营和使用的制度前提。

强调数据占有权并不意味着否定数据提供者或产生者的既有权利。但是， 从数据资源化和要素化将数据作为一种新型资源和要素纳入经济社会系统的角度来看， 又确实不宜过分突出数据源主体的这种权利。在这个层面上， 数据提供者或产生者最主要甚至是唯一的权利诉求应该是基于数据伦理的个人隐私、 商业秘密和国家利益的保护， 而不是在经济利益方面的权益诉求。毋庸置疑， 数据伦理是数据所有权制度创设的前置性问题， 是数据市场法治制度和交易制度构建的基石。数据源于自然人个体、 法人主体和政府及其他组织的共同贡献， 不仅涉及个人隐私、 商业秘密和数据安全问题， 更涉及个人、 主体和组织间的利益划分和权利配置问题， 数据的持有、 加工和经营一定要以数据和科技伦理为指引， 必须伦理先行、 道德为要， 形成普遍的社会共识和厚重的文化氛围。

提到资源化， 就要强调稀缺性和价值性。关于数据是否具有稀缺性， 尤其是否具有客观上的稀缺性， 社会各界一直争论不休。数据尽管因其固有的可复制性和易于篡改性而被认为缺乏稀缺性（主要是客观上的稀缺性）（梅夏英，2017）， 但是， 引入大数据分析、 人工智能和区块链等数字技术处理后的数据， 可以很好地解决可被擅自复制的“双花”问题（David等，2018）， 更何况， 数据易复制、 易篡改、 易共享不等于不可限制。数据归根结蒂是一种信息——一种专门通过收集获取的， 或者由已有信息加工而来的特殊的信息。既然是一种信息， 其客观上的稀缺性在一定程度上取决于信息的保密性， 也就是所谓的信息“封锁”。只要通过一定的技术和法律手段对信息加以有目的性的封锁， 就能克服数据的共享性， 使之具备经济学意义上的（有限）排他性， 为数据的权属转移和利益获取创造必要条件。恰当地处理好信息保密性问题， 无疑是数据在使用和经营方面最为内在的关键问题。可以这样说， 没有保密措施和法律规制的数据在客观上是没有稀缺性的， 也就不具备数据的经济资源属性。

数据是否具有价值？回答应该是肯定的。价值泛指经济物品和经济服务在交易中所具有的意义（中共中央马克思恩格斯列宁斯大林著作编译局，2004）， 这种意义可以具化为经济上的价值、 对人的意义和重要性等不同含义。它通过人的实践， 以一定的形式在现实生活中得以体现， 这个价值的大小， 依存于它们用途的多少、 使用必要性的大小和供应的充足程度（萨伊，2010年译本）。数据的价值不仅取决于数据的稀缺性（稀缺就是价值）、 数据的业务场景（数据是一种高度场景化的客观存在）， 以及人们使用和认知数据的技术能力（同样的数据在不同的使用者手中所产生的价值是不一样的）， 而且更加取决于数据的内在重要性和外在重要性。所谓数据重要性， 主要指的是不同来源和不同种类的数据的重要程度。当然， 数据的重要性是相对的， 是和数据的具体来源、 业务场景和目的用途紧密相关的。数据重要性不同， 其价值性也会不一样， 而且两者往往会发生脱节。比如， 反映商业秘密的数据， 对企业和竞争对手而言都很重要、 有用， 但其价值性（主要是经济价值）几乎为零， 因为企业不可能将这些决定其生死存亡的数据开放或交易。同样， 涉及个人隐私或国家安全的数据也是如此。数据只有通过被加工和被使用才能创造出价值， 即只有那些具备了一定规模、 一定质量和一定使用年限的聚合数据， 才具有客观上的价值性。对于现在或潜在的数据占有者来说， 增进数据价值主要有五个步骤， 即数据的采集、 组织、 筛选、 整合和分发等（Jennifer，2007）， 最终形成包括数据的生成、 采集、 预处理、 存储、 分析、 可视化和展示等七个阶段的数据价值链（Faroukhi等，2020）。

综上所述， 数据是一种新型经济资源， 具有可无限复制性， 具备规模报酬递增属性， 其价值随时间而贬损、 随精准度而增加、 随聚合而提升， 冗余会降低其价值， 自生性使之不随使用而发生减值（Moody和Walsh，1999）， 其价值与应用场景相关， 其价值创造的实现方式具有多样性（许宪春等，2022）等特点。微观上， 数据资源化就是企业等市场主体利用数字技术挖掘原始数据的使用价值， 并发现其深层经济价值的过程， 也就是通过对原始数据的梳理、 识别、 确认、 合规、 登记、 评价， 或者预选、 立项、 注册登记、 经济利益分析、 成本归集分摊使之具有产权性、 稀缺性和价值性的过程。数据资源化既可以发生在数据产品的研发阶段， 也可以发生在数据资产的形成阶段， 具体取决于企业在数据治理之前所确定的业务场景和价值取向。

三、 数据产品化是数据资源入表的主要抓手

数据作为一种促进经济社会发展不可或缺的新型资源并不能独立存在， 需要依赖于数据产品和数据服务（统称“数据产品”）及其开发商的合约， 其价值是所嵌入数据产品的衍生价值。理论上， 数据资源可以直接资产化， 即直接作为某种资产列入会计报表项目， 但是鉴于数据资源的不透明性、 易变性及不可知性， 数据资源的价值尤其是经济价值往往是通过基于数据资源加工而成的数据产品或者加工提供的数据服务的价值间接体现出来的。也就是说， 数据资源的价值很难直接通过测度或透视数据资源这个“黑箱”的具体内容及内在价值而直接表征出来。当然， 不能据此认为， 数据资源的价值一定等于其所形成的数据产品价值的总和。实际上它们并不一致， 可能是相等的关系， 也可能是小于或大于的关系， 因为一致的数据资源并不意味着一定能衍生出一致的数据产品， 数据资源的一致性不等于数据要素价值的一致性。正是从这个意义上看， 数据资源交易市场建设要紧紧围绕数据产品展开， 而不是专门针对数据资源尤其是未经加工的原始数据或数据原料展开。

数据产品化就是将数据资源转化为数据产品的过程， 它是从数据资源化到数据资产化跨越的重要节点， 也是数据资源入表（数据资产化）的主要抓手。广义的数据产品指的是一切以数据形式存在且具有经济价值的事物； 狭义的数据产品指的是利用算法规则对数据资源进行深度加工处理所创造出的具有交换、 预测和决策价值及技术可行性的衍生数据。作为数据资源入表的数据产品往往指的是后者， 具体而言就是数据占有者（不一定是所有者）基于巨量或全部数据资源以特定的算法或人工处理、 分析、 整合后所形成的衍生聚合数据。这些数据凝结着人类特殊劳动， 具有精致化定制和前瞻性数据分析等特定功能， 具备了财产所有权的占有、 使用、 收益、 处分等四项基本权利。

数据产品的核心载体是应用模型， 包括算法程序和服务终端。数据资源在一般意义上可以在物理层（存储介质）、 符号层（程序模型）、 内容层（数据信息）等三个层面上被支配和控制， 但是， 鉴于数据产品在物理层和符号层上的便捷可分性（这种分离不会造成数据文件和存储介质的实质性损害）， 以及在符号层和内容层上的内在统一性， 其具体界定应该直接指向内容层的数据信息和符号层的数据文件（程序模型）， 而不是物理层的存储介质。也就是说， 数据产品或者指向记录数据信息的数据文件， 或者指向数据文件中所记录的数据信息。可见， 数据产品仅涉及符号层和内容层上的数据资源， 并不包括物理层的存储介质， 这些数据物理载体仍然按照现行资产类型和项目加以反映和披露。

数据产品既不是知识产权（因为它不存在人类再思考、 再创作的问题）， 也不是数据库（因为它是对数据库中存储数据的再处理、 再组织的结果）， 更不是以传统物理方式存储的数据（因为它只能是利用机器学习等人工智能技术“结晶”出的便于流通、 交易、 共享和开发的数据）。从用途上讲， 数据产品主要包括提供或准备提供给其他市场主体的数据产品和为最终消费或资本形成而保留的数据产品； 从年限上讲， 数据产品应包括没有确切使用年限的数据产品和存在约定使用年限的数据产品（数据使用许可服务）。不同的使用用途和年限决定着数据产品资产化的取向和归类， 即是列为存货类， 还是列为无形资产类， 抑或是列为特殊固定资产或其他资产类。

四、 数据资产化是数据资源入表的目标归向

数据资产化是数据资源释放数据价值， 形成经济效益或社会效益（数据资源具有社会效益， 但是本文中更多的是强调数据资源的经济效益）的过程， 这是使数据真正成为国民财富并最终成为社会财富关键增进因素的重要一步。数据由数据资源开发并转化为数据产品无疑为数据资产化创造了基础条件、 提供了实操抓手， 但是， 数据产品能否转化为数据资产以及数据资产如何归类反映， 还必须符合资产确认的现行制度要求。

把数据视为一种资产是近几年的事情。尽管Peterson（1974）和Meyer（1996）都曾提到过“数据资产”一词， 但是他们都没有给出符合数智时代要求的数据资产的应有涵义和启示。目前来看， 对数据资产一般意义上的理解主要有以下几种观点： 一是被定义为某种权利， 即以二进制形式存储在计算机或通过互联网存储在云中的任何类型数据的所有权（Toygar等，2013）， 亦或拥有数据权属、 有价值、 可计量、 可读取的网络空间中的数据集， 其中数据权属包括勘探权、 使用权和所有权（朱扬勇和叶雅珍，2018）。二是被定义为某类信息或项目， 即由机构单位或个人为了特定用途专门开发或记录， 且达到一定规模的有经济投入、 有预期经济或社会效益、 能够长期重复使用、 以电子或物理方式作为载体储存的信息资料（李原等，2022）， 亦或由机构单位为了特定用途专门开发或记录、 以电子或物理方式储存、 能够提供数字化信息服务、 达到一定规模、 有经济投入、 有预期经济或社会效益且能长期重复使用的数据资料、 设备或集成项目（李宝瑜等，2023）。三是被定义为某项资产， 即由数据文件组成， 由产业或机构部门生产和拥有、 能够自用或提供给社会使用的特殊固定资产（马克卫等，2023）， 亦或将拥有明确使用场景、 明确经济所有权且能为经济所有者带来经济利益的数据视作数据资产， 并且作为资产的数据一定是生产资产（许宪春等，2022）。四是被定义为符合一定条件的数据资源， 即“合法拥有或控制的， 能进行计量的， 为组织带来经济和社会价值的数据资源”（GB/T40685-2021）， 亦或由企业依法控制、 成本可计量、 能在未来为企业带来经济利益的数据资源（罗玫等，2023）。凡此种种， 不再赘述。

按照资产测度与计量的国内外通行体系， 数据资产要进入经济社会系统、 成为国民财富或企业资产的构成内容， 必须通过国民经济核算和企业会计核算这两大信息生成系统。站在统计学的角度， 数据资产应该是“一种价值储备， 代表经济所有者在一定时期内通过持有或使用某实体（在这里主要指数据产品——它既是数据资源的现实或虚拟载体， 也是数据资产的实体化表现）所产生的一次性或连续性经济利益”（SNA2008）； 站在会计学的角度， 数据资产应该是“过去的交易或者事项形成的、 由企业拥有或者控制的、 预期会给企业带来经济利益的资源”， 即“合法拥有或控制的、 预期会给企业带来经济利益的数据资源”。但是， 国际会计准则中规定的资产定义是“资产是由过去事项形成， 由企业实际控制的现有经济资源， 该经济资源指的是未来可能产生经济收益的权利， 并且未来产生的收益是其他企业所不能同时获得的经济收益”（IASB，2018）， 这个定义似乎更契合数据资源的特质， 尤其是数据资源的价值实现必须借助权属转移和数据产品这一新特性， 据此数据资产指向的应该是能够给数据占有者带来未来经济利益的某种权利， 当然这种权利最初应该来源于国家或政府的创制。

数据资源在会计上的资产化无疑是最基础性的， 数据资产化需满足以下条件： 一要符合资产会计确认的一般条件； 二要体现数据资源的特殊性， 也就是要从数据资源的权属、 来源、 场景、 产品和收益性等方面来考察数据资产的确认要件； 三要能够可靠、 准确地计量价值。其中最重要的三个方面是： 第一， 全面观照数据资源的合规性。自查数据资源， 识别应用场景， 进行合规性测试， 最终根据数据来源和数据生成特征， 界定数据资源在生产、 流通、 使用过程中各参与方享有的合法权利。第二， 着力提升数据管理制度体系的完备性。在相关政策和理论准备并不充分的情况下， 数据资产化更重要的是要建立健全数据资产管理体系， 这套体系至少要包括数据标准管理、 数据模型管理、 数据质量管理、 元数据管理、 主数据管理、 数据安全管理、 数据开发管理、 数据资产共享流通管理等内容。第三， 改良创新数据资产的价值计量方法。计量是会计的核心， 没有可靠的价值计量， 数据资产化就不可能真正实现。现行会计计量方法主要基于成本和市场两个维度， 包括历史成本法、 重置成本法、 可变现净值法、 现金流折现值法和公允价值法等五大方法， 并没有考虑数据资源的异质性、 数据成本的不可分割性和数据资源市场的不成熟性， 数据资产价值计量不能直接套用这些方法。

进一步， 数据资产的价值属性并不是其自身的内在价值属性， 必须借助数据资源的加工、 使用、 转移以及数据产品形成过程中消耗的可见的、 确定的其他经济资源的价值来表征， 最终体现为数据资产权属变化后所导致的资产价值的变化。换句话说， 数据是个“黑箱”， 不仅无实体而且不可知， 很难透过数据资源这个黑匣子本身观测到其内部的“状况”或“存量”， 数据资产的价值只能基于数据流量、 数据记录变动、 数据产品生成以及数据产品测试（试用）等这些“过程”或“增量”信息来间接测度， 遵循的是“先流量后存量”原则。只有这样， 才能从操作而不是结果层面上把控住人的行为， 即把控住在数据生产投入、 数据来源获取、 数据要素运营、 数据权属变动以及数据产品经营等方面的人的行为， 也才能最终确保数据资产价值计量的可靠性。

必须指出， 会计上表征出来的数据资产的价值不仅指数据产品的生成成本和后续加工处理成本， 尽管它们直接影响到数据占有权属的转移成本价值， 而且也包括数据产品租用、 出售或使用所带来的“租金”性质的收益价值， 包括但不限于以时间、 使用次数、 数据流量衡量或以单位租金衡量的数据使用量及其价值等。之所以强调数据资产价值的租金性质， 是因为数据资产的权益共享性——数据资产不会因权属和利益的转移而影响或排斥其再处理、 再使用和再交易。

五、 结束语

数据资源入表是数据要素化的基础性工作， 是培育数据要素市场、 推动企业数字化转型、 促进数字经济发展、 形成新质生产力的有效抓手， 其微观意义在于增加企业账面价值、 扩大企业资产规模、 助力企业融通资金和促进数据流通交易。目前， 尽管数据资产入表在数据辨析、 制度建设、 数据保真、 价值计量、 成本归集分摊、 收益预测、 收入成本配比、 摊销年限确认等方面还面临诸多会计难题， 但是， 沿着“数据资源化——数据产品化——数据资产化”这一技术和实践路线扎实推进数据资源入表工作， 不失为一种稳妥可靠的选择。

【 主 要 参 考 文 献 】

经济合作与发展组织著．张晓译．数据驱动创新： 经济增长和社会福利中的大数据［M］．北京： 电子工业出版社，2017．

李宝瑜，王硕，刘洋等．国家数据资产核算分类体系研究［ J］．统计学报，2023（3）：1 ～ 10．

李原，刘洋，李宝瑜．数据资产核算若干理论问题辨析［ J］．统计研究，2022（9）：19 ～ 28．

鲁道夫·冯·耶林著．郑永流译．为权利而斗争［M］．北京：商务印书馆，2016．

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）：195 ～ 226．

马克卫，王硕，苑杰．数据资产核算应用研究：理论与实践［ J］．中南财经政法大学学报，2023（5）：149 ～ 160．

梅夏英．虚拟财产的范畴界定和民法保护模式［ J］．华东政法大学学报，2017（5）：42 ～ 50．

萨伊著．陈福生，陈振骅译．政治经济学概论［M］．北京：商务印书馆，2010．

时建中．数据概念的解构与数据法律制度的构建 兼论数据法学的学科内涵与体系［ J］．中外法学，2023（1）：23 ～ 45．

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．

徐翔，赵墨非．数据资本与经济增长路径［ J］．经济研究，2020（10）：38 ～ 53．

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．

闫立东．以“权利束”视角探究数据权利［ J］．东方法学，2019（2）：57 ～ 67．

尹西明，林镇阳，陈劲等．数据要素价值化动态过程机制研究［ J］．科学学研究，2022（2）：220 ～ 229．

中共中央马克思恩格斯列宁斯大林著作编译局．马克思恩格斯选集：第三卷［M］．北京： 人民出版社，2004．

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．

Birch K.， Cochrane D. T.， Ward C.. Data as Asset？ The Measurement Gove-rnance and Valuation of Digital Personal Data by Big Tech［ J］． Big Data & Society，2021（1）：1 ～ 15．

Charles A. Reich. The New Property［ J］． The Yale Law Journal，1964（73）：733 ～ 787．

Cleveland H.. Information as a Resource［ J］． Futurist，1982（6）：34 ～ 39．

Daniel B. Klein， John Robinson. Property： A Bundle of Rights？ Prologue to the Property Symposium［ J］． Econ Journal Watch，2011（3）：193 ～ 204．

David Lee Kuo Chuen， Li Guo， et al.. Cryptocurrency： A New Investment Opportunity？［ J］． The Journal of Alternative Investments，2018（3）：16 ～ 40．

Drucker P. F.. The New Society of Organizations［ J］． Harvard Business Review，1992（5）：95 ～ 104．

Faroukhi A. Z.， El Alaoui I.， et al.. Big Data Monetization Throughout Big Data Value Chain： A Comprehensive Review［ J］． Journal of Big Data，2020（1）：1 ～ 22．

Jennifer Rowley. The Wisdom Hierarchy：Representations of the DIKW Hierarchy［ J］． Journal of Information Science，2007（2）：163 ～ 180．

Mayer Schönberger V.， K. Cukier. Big Data： A Revolution That Will Transform How We Live， Work， and Think［M］． Boston：Houghton Mifflin Harcourt，2013．

Meyer H.. Tips for Safeguarding Your Digitai Assersn Computers and Security，1996（7）：588．

Petrson R. E.. A Cross Section Study of the Demand for Money： The Uni-ted States，1960-62［ J］．The Journal of Finance，1974（1）：73 ～ 88．

Toygar A.， Rohm Jr C. E.， Zhu J.. A New Asset Type： Digital Assets［ J］．Journal of International Technology and Information Management，2013（4）：113 ～ 120．

World Bank. World Development Report： Knowledge for Development［M］．New York： Oxford University Press，1998．