数据资产研究进展及未来展望

摘 要：[研究目的]数据资产作为新型生产要素，在数字经济时代具有重要价值，深入探究数据资产当前研究现状和研究短板，有利于进一步开发其学术价值，为数据资产研究的深入发展提供借鉴和指导。[研究方法]采用文献综述法从数据资产定义与分类、价值计量、管理与运营、如何“入表”等关键问题对国内现有研究进行了全面梳理和深入分析，在此基础上提出了数据资产研究存在的不足和未来展望。[研究结论]现有数据资产研究虽在多个方面取得了进展，但仍在数据资产的价值计量、产权制度研究、跨学科融合、信息列报等方面存在诸多研究短板，未来研究可进一步从数据资产定价与生成机制、数据资产价值综合计量模型开发、数据资产产权立法等方面展开，还可全面深化对数据资产的持续管理与优化、数据资产安全维护、数据资产合规列报等方面的研究，为促进数据资产的有效管理、利用和进一步推动数字经济的发展提供依据。

关键词：数据资产；价值计量；披露要求；数据产权；生产要素

中图分类号：F270 文献标识码：A DOI：10.19881/j.cnki.1006-3676.2024.09.05

在大数据时代，数据已逐渐超越其特定项目或流程中的被动辅助性角色地位，成了值得收集、治理、增值的资产。信息技术的发展导致生产要素变革，对企业的生产内容、经营方式、价值体系进行了全方位重构。在数字化转型深入推进的大背景下，加强数据管理，大力释放数据要素价值，全面实现企业数据价值的内部循环，尽快将企业数据资源转换为数据资产，是各个企业顺应时代发展趋势、积极探索业绩增长新亮点的必由之路。企业通过实现数据资产化来重新认识数据的价值，并以此为基础发掘数据的交换价值，达到将数据作为企业核心生产要素的目的。新时代背景下企业应深度挖掘数据资产的现时价值，明晰其价值实现途径，不断推动企业业务模式和经营方式的创新。

当前的数据资产研究涵盖数据资产的价值计量、治理与分析、安全与隐私保护等多个方面。学者们纷纷尝试从不同的角度探索、解析、明确数据资产的概念，探讨如何通过有效的数据资产管理方式来大力提升组织的运营效率和市场表现，释放数据资产强大的生产力，形成了一系列深入、持久、卓有成效的研究。然而，尽管研究取得了很大进展，但在数据资产的跨学科研究和交易研究等方面仍面临着巨大挑战和困难，仍需持续、深入地对相关问题进行分析，强化创新研究。

一、数据资产的最新研究进展

国内学者对于数据资产的最新关注点集中于数据资产的定义与分类、数据资产如何“入表”、数据资产的价值计量方法和数据资产的管理与运营几个方面。

（一）加快明确数据资产的定义

学者们针对以前数据资产定义模糊的问题提出了各自的见解。李静萍[1]认为，数据资源若要被视为数据资产，必须具备清晰的产权和经济价值，同时展现出无形资产与有形资产、流动资产与长期资产的特点。李秉祥[2]等人则强调数据资产是通过过去的交易或事件形成的，由企业拥有或控制且具有明确的应用场景，是一种能够在未来为企业创造经济价值的数据资源。侯彦英[3]提供了更为多元化的定义视角，认为数据资产不仅包括广义的数据资源，还应当具备明确的产权归属及参与企业资源分配的能力。贾小爱[4]等人进一步指出，只要信息资产、数据形态资产和数字资产满足权属的性质，就可以被归类为数据资产的范畴。

综合现有研究，可以看出学者们对数据资产的定义具有高度一致性，普遍认为数据资产是由企业所控制或者拥有的，能为企业带来未来经济利益的，能以电子或物理的方式记录的一种数据资源。学者们对数据资产定义的深入、明晰研究，解决了数据资产定义长期模糊的问题，大大改善了学界对数据资产的确认、计量等一系列因定义不明的状况，促进了相关研究。

（二）深入厘清数据资产的性质

学者们经过大量深入研究，总结出数据资产具有生产性和资产性的特性。

1.数据资产具有生产性特性

许宪春[5]等人提出数据作为关键性生产要素，属于生产活动的成果，其核算范围应包含价值链全流程上各阶段所形成的数据形态，而且数据作为企业的一种资源必然拥有适当的应用场景、在生产过程中通常能重复或持续地使用超过一年，因此对企业所拥有的数据资产应赋予生产属性。彭刚[6]等人通过深入研究后认为数据资产的生产性不容忽视，因为任何数据资产的形成都会涉及一系列人为的生产活动，包括数据源的选择和确定，数据的采集、传输、存储、清洗，以及处理为可用状态的活动，这些生产活动都是不可或缺的，对企业的生产经营活动和价值活动都产生了巨大影响，因此应赋予数据资产生产属性。

综合学者们的研究可以看出，数据资产不仅仅是静态的信息集合，更是一种动态的生产要素，在评估数据资产的价值时，需要充分考虑其生产过程中的成本投入和对业务活动的影响。

2.数据资产具有资产性属性

文英姿[7]等人提出了判断数据资产是否具有资产属性的三个标准：一是能够在进入市场交易前具备明确的数据所有权和数据用益权，且数据主体的权益清晰无争议；二是在市场流通交易中满足合法合规的先决条件；三是通过对数据的挖掘与运用能使企业利用其所拥有的数据资产获得未来经济收益，实现企业增值和资产价值。符合这些条件的数据资产，就可以被认定具有资产属性。

综合来看，学者们的研究表明，数据资产具有显著的资产属性，它不仅能在企业经营中发挥重要作用，还能通过不断的开发和应用为企业创造新的价值。这种认识不仅有助于界定数据资产的法律地位，也为数据资产的管理和评估提供了理论依据。

（三）加大数据资产“入表”研究

数据资产被认为是一项资产，应纳入会计核算范围，反映在资产负债表内。学者们针对将数据资产纳入资产负债表的研究已取得了许多成果。

1.针对数据资产的归类列示

对于数据资产的确认，学者们首先关注的是数据资产的归属问题。目前的研究对于数据资产的归属形成了三种截然不同的观点：一是顾志昊[8]等人认为数据资产这一资源没有具体形态，但却与无形资产具有高度相似的形态属性，因此可以将其列入无形资产的范围；二是赵星[9]等人提出数据资产作为可以给企业带来经济利益的资源，可以被视为出售的资产，这种情况下数据资产就相当于企业的存货，应被列入流动资产的范畴；三是汪杰[10]等人提出，数据资产的流动性与复杂性导致将其归入现有项目非常不妥，应专设数据资产项目进行确认。目前，大多数学者倾向于将数据资产归类为无形资产，这符合现有的会计准则对于无形资产的定义。

陶怡[11]认为数据资产的确认并将数据资产计入资产负债表需满足以下四个条件：一是数据资源能由企业拥有或控制；二是数据资源的价值能区别于其他资产价值，实现单独确认；三是企业能准确可靠地对数据资源的成本进行计量和列示；四是与该数据资源有关的经济利益大概率会流入企业。

综合现有研究，学者们倾向于将数据资产作为一个独立的类别来确认，并作为流动资产项目，在资产负债表上列示。不过，数据资产的特殊性质，如难以找到对应的权益、缺乏市场活跃度等，使得对其期末价值变动的会计处理仍存在争议。目前，对于是否将数据资产的期末价值变动纳入利润表核算尚未在学界达成共识。

2.针对数据资产的计量列示

学者们对数据资产的计量列示研究主要集中在数据资产的初始计量列示和后续计量列示。

（1）数据资产的初始计量列示

张俊瑞[12]认为，一般情况下，数据资产的初始计量应严格按照历史成本准则进行，因为数据资产具有较大的不确定性和波动性，很难准确预测其未来现金流量。但在数据交易活跃的情况下，可以采用公允价值进行初始计量，以反映其技术价值、社会价值和经济价值。李花菊[13]建议，应遵循会计计价的一般规定，同时考虑其重置价值和折旧因素。在进行具体的计量时，可以参考永续盘存法等方法，在资产负债表上采用“原值+折旧额+净额”的方式进行列示，并在需要时单独列示重置成本。刘珂嘉[14]等人通过研究认为，应将数据资产区分为直接创造型和赋值型。直接创造型数据资产由于具有更高的经济效益和经济价值、更高的稳定性，在进行初始计量时应采用收益法予以“重点关注”，不仅要列示内生价值，还应列示衍生价值；而对于没有稳定社会价值和经济价值的赋值型数据资产，在采用成本法进行计量时应注意到它的成本控制和管理作用，但不能把它当作一个重要的因素来看待。

（2）数据资产的后续计量列示

对于数据资产的后续计量列示，李振楠[15]等人深入分析后认为，以成本法对数据资产进行后续计量能够更加客观、准确地反映出数据资产的价值，除此以外，只有当有确定的证据证明其“数据资产公允价值能够持续、可靠地获取时”，企业才能采用公允价值模型来对其进行后续计量。基于此，在资产负债表上，数据资产通常会采用两种计量列示方式：一般情况下，后续计量采用成本模式；仅当有确凿证据表明数据资产的公允价值能够持续、可靠获取时，后续计量才采用公允价值计量模式。

综合学者们的研究可以看出，对于数据资产的计量列示，大部分学者均认为应采用公允价值模式在资产负债表上进行列示。

3.针对数据资产的信息披露

刘国英[16]等人认为，与一般的资产相比，数据资产需要更多的信息公开，也涉及更多影响资产价值的因素，所以数据资产的披露内容应分为多个层次、多个角度、多个内容来展现。李诗[17]等提出，对数据资产的披露应当以表内表外并重的方式进行，并要对其确认过程、确认依据和适用范围等内容进行详细的说明和分析。张俊瑞[12]等人认为，如果将数据资产单独列出来，会大大弱化它与公司其他数据间的逻辑关系和价值联系，带来负面的后果，降低披露价值，所以数据资产应在第四章主表中与其他内容一同披露。黄世忠[18]以数据资产作为研究基础，提出数据资产的处理方式应是进行资本化，因而数据资产应单独作为长期资产中的“数据资产”披露。

李振楠[15]等学者认为，如果把数据资产纳入无形资产的范畴，则需要对外购、自研及其他途径获得的数据类无形资产的账面原值、账面余值、累计摊销、减值准备以及账面价值进行披露。黄世忠等[18]提出，若企业将数据资产认定为存货，则需要采用独表的形式，对外购、自加工及其它途径获得的数据资产存货的账面原值、存货跌价准备及账面余值进行详细披露。

综合来看，学者们普遍认为数据资产的披露应注重全面性和透明度，以帮助信息使用者更好地理解数据资产的价值和使用情况。尽管具体披露方式存在差异，但大部分学者倾向于采用强制性披露机制，以确保信息的完整性和一致性，有助于投资者和其他利益相关者做出更加明智的经济决策。

（四）深入进行数据资产价值计量研究

近年来，随着数据资产在企业和组织决策中扮演着越来越重要的角色，如何准确计量数据资产的价值便成为迫切需要研究的话题。目前数据资产价值计量研究取得了很大进展，学者们提出了多种数据资产计量方法，试图从不同角度量化数据资产的价值。

1.数据资产的成本法计量

李艳[19]提出数据资产无论是从公司内部还是外部获取的，都应采用“历史成本法”来核算。特别是在收集和整理期间，有关设备的折旧以及其他费用都应计入数据资产的成本。孙永尧[20]研究认为，成本法能够直接对数据资产的生产费用和维护费用进行会计追溯和验证，包括数据资产的采集费用、处理费用、存储费用和分析费用以及相关人员费用等，因此数据资产价值适合采用成本法计量。章莹[21]等通过实证分析得出，只有当数据资产能够直接产生经济利益时，才能采用历史成本法进行计量。

2.数据资产的市场法计量

韩秀兰[22]等人认为，对来源于外部的数据资产，可以使用市场法对其进行计量。在传统的市场法中，尽管不同国家的数据资产种类与质量各不相同，但是如果市场上有相同或相似的数据资产，那么采用市场法来计量数据资产的价值是更合适的，能更好地反映数据资产在市场上的真实交易价值，提高数据资产计量的公允性和可比性。不过，在实际应用中，企业需要充分考虑数据资产的特殊性，谨慎选择可比交易案例，以确保市场法计量结果的准确性和合理性。

3.数据资产的收益法计量

唐莉[23]等人从数据资产的特性、作用和价值出发，建议采用基于收益现值的会计处理方式来取代传统的以历史成本为基础的计量方式。丘开浪[24]等人从数据资产管理系统的稳定性和所带来的现金流的流动性两个角度出发，认为采用收益现值方法可以使其账面价值更加贴近真实的价值，从而更好地为报表使用者提供决策信息。

上述数据资产计量方法各有优劣，但学者们普遍认为，由于数据资产具有独特性、时效性和依赖性等特点，单一计量方法难以全面反映数据资产的真实价值。未来的研究方向之一就是如何开发综合计量模型，将多种方法融合起来，以更准确地计量数据资产的各种价值。随着数据技术的发展和应用场景的多样化，对数据资产价值计量方法的不断优化、持续丰富和创新也是未来研究的重要内容。

（五）深化数据资产管理与运营研究

苑秀娥[25]等人提出要建立一套完整的数据资产治理框架和治理体系，涵盖数据资产的质量管理，数据资产的安全政策、隐私保护以及数据资产的分类、存储和归档机制来应对数据资产所有者权益保护缺失、隐私信息泄露、数据滥用，以及数据资产价值融合度低、应用困难等问题。

魏碧洲[26]认为，制定一套符合企业业务需求与数据资产状况的数据资产管理策略更有助于企业加强对数据资产的有效管理与使用，提升数据资产的价值与商业利益。路岩[27]认为数据资产与组织目标和战略之间的协调可以带来诸多获益，数据资产的有效管理会持续支持组织目标的实现，而数据资产管理目标的实现依赖于其目标与组织战略、组织目标的一致性，因而数据资产管理的策略就是及时确保数据资产的管理与企业战略、企业目标保持高度一致。任旭[28]提出数据资产的运营需要依赖先进的技术工具和平台，包括数据资产仓库、数据资产湖以及数据资产云存储服务等，这些技术能够支持大规模数据资产的存储、处理和分析，提升数据资产的价值。张晓光[29]认为企业需要定期动态评估数据资产的效益，通过持续的优化和迭代适应市场变化，从而保持数据资产的竞争力和提升数据资产的生产力。

综上所述，学者们均认为数据资产需要进行有效管理和运营，并将其与企业战略和目标深度融合，以真正发挥数据资产的价值。

二、数据资产研究存在的不足

尽管当前有关数据资产的研究在多个方面取得了进展，但仍在数据资产的价值计量、产权制度研究、跨学科融合、信息列报等方面存在诸多研究短板。

（一）对数据资产价值的确认缺乏统一定论

数据资产本身所具有的天然的非竞争性、非实体性以及依存性、可复制性、可加工性、多样性等基本特性，导致其确权难度大，资产价值研究难度更大。数据资产要想为企业提供强大的竞争力和持续不断的经济利益，就必须接受精准、长期的提炼，企业需要更多理论方法来对数据资产进行价值挖掘，提高数据资产对自身的价值加成。目前，理论和实务领域对于数据资产价值的确认以及数据资产包含的价值内容缺乏统一认识，对数据资产价值的研究并未在各个领域深入进行，导致一些企业无法有效运用数据资产来提高其自身价值。

（二）对数据资产产权制度的研究不够深入

虽说数据已被视为一项资产，得到各方的广泛重视、应用和交易，但由于数据及数据资产无实物形态又十分复杂，极容易出现数据轻易被技术复制的情况，导致相关责任和产权归属错位问题，进一步加大了数据资产产权归属的明确划分与界定的研究难度。

（三）对数据资产价值计量的研究缺乏普遍适用性

数据资产的价值不仅包括技术价值，还包括经济价值、社会价值。数据资产的自身价值不仅来源于其自身直接贡献的经济利益，还包括其对企业决策、创新能力和竞争优势提升等所带来的间接贡献利益。因而数据资产的价值应得到全面的反映和计量。现有的计量研究往往过于侧重于对数据资产的量化价值计量进行研究，而忽视了其质性价值计量的研究，尤其是忽视了数据资产的独特性、稀缺性及其在特定业务场景下的应用价值质性，导致现有的数据资产管理和计量研究在不同行业和企业规模中的适用性有限。许多计量研究均是基于特定的行业、企业案例或数据类型而构建，难以广泛适用于快速变化的数字经济环境和行业。

（四）对数据资产的信息列报的研究不够充分

当前，只有极少数公司在财务报表的附注中对数据资产的采购、存储和使用等信息进行列报披露。即便披露，列报的信息也极少，很难让人完全了解并加以利用，而且大多数公司都不在自己的财务报表中列示出自己所持有的数据资产，这使得学者们在研究数据资产的会计计量和列报时很难收集到准确而全面的资料。而隐藏持有的数据资产可能会引发两大风险：一是加大个体逃税漏税、转移资产的风险；二是增加投资者在对数据资产计量时的决策风险。对数据资产信息列报进行充分研究刻不容缓。

（五）跨学科研究缺乏全面性

数据资产研究不仅仅是技术问题的研究，同样涉及经济学、管理学、法律学等多个学科领域。然而，大多数研究往往侧重于单一学科、单一视角，缺乏对不同学科知识和方法的综合运用。技术领域的研究往往忽略了数据资产的经济价值计量，而经济学领域的研究则未能充分考虑到数据资产的处理、迭代和保护的技术难题。数据资产的隐私保护和安全问题也是一种技术挑战，也受到法律法规和社会伦理标准的制约，需要法律、伦理与技术领域的学者共同探讨。跨学科研究的缺乏导致了对数据资产研究的复杂性、困难性认识不足，难以形成解决实际问题的有效策略。

三、数据资产研究未来展望

数据资产的未来研究可进一步从数据资产定价与生成机制、数据资产价值综合计量模型开发、数据资产产权立法等方面展开，还可全面深化对数据资产的持续管理与优化、数据资产安全维护、数据资产合规列报等方面的研究。

（一）大力深化对数据资产定价机制、生成机制的研究

未来对数据资产的定价研究可以着重考虑两方面问题：一是数据资产本身的价值问题。这包括数据资产的现时价值、潜在未来价值，经济价值、社会价值，内生价值和衍生价值等。研究时可以考虑数据资产的数量、种类、质量、范围等因素，也可以从时效性、稀缺性、关联性等其他维度进行价值评估。二是数据资产流通过程中的交易价值问题。在数据资产交易中，交易者为获得资产而付出的各种成本和价值是需要关注的。这涉及用户需求、用户体验、应用逻辑、数据生命周期、竞争格局、发展趋势、产品特性、迭代与替代等多个角度。除此之外还可以尝试结合机器学习、智能合约、区块链和密码技术等方式，联合数据资产交易各方，研究制定出更加科学、准确的数据资产计量定价机制和生成机制，为数据资产的交易、应用提供更有价值的参考。

（二）尽快推进数据资产价值综合计量模型建立研究

数据资产价值综合计量模型的开发研究需要跨学科的知识和技术。除了传统的财务学、经济学理论基础，研究还应充分结合数据科学、信息技术等新兴领域的最新研究成果，以建立更加全面系统的理论框架。在数据资产价值综合计量模型研究中，不仅应关注传统的价值计量因素，而且要全面考虑数据资产的质量、稀缺性、可获取性以及保护成本等新兴特征因素，这样能更好地反映数据资产的社会价值和交易价值，动态把握数据资产随时间、使用方式变化的价值波动质性，以及外部市场和技术环境的影响特性。研究出的模型应具备一定的灵活性和可定制性，使其能够根据不同行业和组织的特定需求进行快速、精确调整。除此之外还可以探索模型计量简化和优化的方法，包括如何利用机器学习等先进技术来处理大数据和提高价值计量的准确性。综合计量模型的开发研究还需随着对计量过程标准化研究的进展而深化，以促进研究模型的广泛应用和行业间接受度的提升，提高数据资产内在价值和衍生价值的研究水平。

（三）进一步加强对数据资产交易的监管研究

一是紧密结合当前大数据与数字经济发展的大环境，研究如何创新和完善现有的监管制度，研究如何通过制定相应的政策法规来严格规范数据资产交易各方的行为，保证数据资产交易的规范性和安全性。二是研究怎样设立一个专门的监管组织或部门，对数据资产交易市场实行专业性、实时性的监管；如何定岗定责，明确各个岗位的职责，把各种管理资源进行高度集成，做到分工明确、互相配合。三是加快对一套数据资产交易智能管理体系的研究与开发，以推动数据资产的良好交易；尝试建立数据资产交易监督机制以实现跨地域、跨行业和跨层次的交易。四是研究如何培养数据资产交易监管人员，完善数据资产交易监管制度；在此基础上，进一步思考如何设计合适的教学内容与教学方案来对监管者进行深度知识与技能培训，提升监管人员的专业能力和综合素养。五是研究数据资产的监管边界、监管内容，明确数据资产监管部门的监管职责，以此提升监管效率和水平。

（四）加快数据资产产权立法研究

一是加快研究如何推进数据产权制度制定和健全的工作，以明确界定数据资产的法律权利，可通过构建制度框架来有效分割和解构数据产权，实现数据资产使用权与所有权的分离，确保数据资产的精准确权。二是深入研究如何以立法明确界定数据资产用益权的边界以及具体内容，以保护数据资产原始提供者的权益和数据处理者的必要的使用权。三是有必要全面考虑如何建立高效、系统化的数据资产登记管理平台和服务平台，通过“数据资产登记”的方式解决现阶段数据流通交易权属不清的问题，通过“资产公证”方式以法律形式明确各方权益，保证进入交易数据的合法合规。

（五）深入数据资产的列报研究和合规研究

数据资产具有多样性和易变性等特点，所以在研究企业数据资产的列报方式时，应重点研究如何按照各数据资产的不同用途进行分类，并考虑数据资产是采用常规方式列报还是特殊方式进行列报。在列报中，可进一步明确该如何体现数据资产的经济价值、社会价值和技术价值，以及如何确定列报的边界，以帮助报表使用者更好地理解和利用数据资产信息。此外，还应探讨数据资产是作为流动资产还是长期资产项目列示，是否需要单独列示或与其他项目合并列示。对于自用数据资产和交易性数据资产，考虑是设置“自用数据资产”和“交易数据资产”分别列示，还是采取综合列示的方式。还需要考虑如何体现数据资产的变现能力，以及如何有效减少数据资产信息披露中存在的不确定性和风险。对于数据资产的列报形式，探讨是采取单表列报还是双表列报，以及是否需要进行数据资产对应权益的列报，并考虑对应的权益列报是否应放到利润表中进行列示。数据资产合规列报对于数据资产信息的披露和理解具有重要意义，因此合规列报研究是数据资产列报研究的重点。在这方面，未来需重点研究数据资产合规列报的内容和标准，探讨如何实现数据资产的合规列报，以及是否有必要制定专门的数据资产合规列报准则。

（六）加强对数据资产的管理与优化研究

在未来的研究中应重点加强数据资产的全生命周期管理研究，包括如何在数据的收集、存储、分析、分享与销毁等各个阶段，确保使用者对数据资产有更全面的了解。研究如何开发高效的数据清洗、分类和标注技术，提升数据资产的可用性和价值。对于数据资产的存储和处理，可重点探究如何利用云计算、边缘计算等新兴技术来优化数据资产的存储结构和访问效率，减少存储和访问成本，提升响应速度。数据资产的优化策略研究则需要紧紧聚焦于数据资产驱动的决策支持系统的构建，研究如何通过先进的数据分析和机器学习算法，将数据资产转化为具体的、有价值的商业洞察，全面支持企业的战略决策和运营优化。随着人工智能技术的迅猛发展，未来的研究应着重探索如何在全面保护数据资产隐私和安全的前提下，有效利用人工智能对大规模数据资产进行深度分析和价值挖掘。

（七）重视数据资产的信息安全研究

加快探索更为高效、灵活的数据资产安全与隐私保护策略和研究新方向，大力聚焦于基于人工智能和机器学习的安全技术研究。重视智能化分析和预测安全威胁研究，同时优化数据资产安全防护研究，努力突破实现动态安全防护研究的进展。深入隐私保护计算技术研究，加强对同态加密、安全多方计算（SMPC）、区块链等计算技术方面的研究，为数据资产的安全分享和利用提供新的解决方案。数据资产信息未来的保护研究要侧重于技术创新与法律合规的结合；深入研究如何通过跨学科合作，创造出更加全面、高效的保护策略，以应对日益复杂的数据资产安全性挑战和隐私保护需求。

四、结语

对数据资产的研究是一场多维度、跨学科的持续研究，尽管目前各界在数据资产的确认、记录和管理方面的研究已取得了很大进展，但在数据资产价值计量标准的统一、隐私保护、跨界数据资产的管理研究等方面仍面临着不小挑战。随着信息技术的飞速发展、数据技术的不断进步和应用场景的日益扩大，对数据资产的研究还需进一步细化和深化，特别是在综合计量模型的开发研究、跨界数据资产管理策略研究以及数据资产隐私和安全保护新技术的应用研究方面，需要更多的创新和突破。未来研究还应更加注重跨学科合作，从而全面理解和应对数据资产持续、深入研究所面临的复杂挑战和困难。

参考文献：

[1] 李静萍.数据资产核算研究[J].统计研究，2020，37（11）：3-14.

[2] 李秉祥，李真，茹雨青.数字经济背景下物流企业大数据资产的估值研究：以圆通速递为例[J].财会通讯，2024（2）：84-89.

[3] 侯彦英.数据资产会计确认与要素市场化配置[J].会计之友，2021（17）：2-8.

[4] 贾小爱，赖清.数据资产价值评估方法研究进展[J].经济统计学（季刊），2024（1）：1-8.

[5] 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，2022，38（2）：16-30，2.

[6] 彭刚，赵忠豪，刘孟含.数字经济对高质量发展的影响[J].金融教育研究，2022，35（1）：47-56.

[7] 文英姿，吴维娜.数据产品的资产性分析[J].大数据，2024，10（2）：43-53.

[8] 顾志昊，隋敏.数据资产如何确认与计量[J].中国外资，2024（3）：86-88.

[9] 赵星，李向前.数据资产“入表”的准则考量与推进思路[J].财会月刊，2024，45（3）：55-60.

[10] 汪杰，周康林.“数据资产入表”的解读与创新研判[J].审计观察，2023（10）：4-9.

[11] 陶怡.数据资产的计量和确认问题研究[J].商业观察，2024，10（13）：97-100.

[12] 张俊瑞，高璐冰，危雁麟.数据资产会计：概念演进、解构与关系辨析[J].会计之友，2023（24）：131-137.

[13] 李花菊.关于数据资产核算[J].中国统计，2021（2）：52-53.

[14] 刘珂嘉，张帅博.数字经济中数据资产的确认与计量研究[J].营销界，2022（22）：32-34.

[15] 李振楠，毛腊梅，舒康.数据资产的会计确认与计量研究[J/OL].兰州财经大学学报，1-15[2024-08-13].http：//kns.cnki.net/kcms/detail/62.1213.F.20240319.1727.034.html.

[16] 刘国英，周冬华.IASB概念框架下数据资产准则研究[J].财会月刊，2021（21）：66-71.

[17] 李诗，陈志威，徐钰，等.数据资产会计处理模式探析：基于龙马环卫案例[J].财会月刊，2021（24）：67-74.

[18] 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，2023，44（8）：3-7.

[19] 李艳.数据资产评估困境及其对策研究[J].山西财政税务专科学校学报，2023，25（6）：40-44.

[20] 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.

[21] 章莹，韩延龄.区块链背景下企业数据资产的会计核算与列报研究[J].中国乡镇企业会计，2022（6）：166-169.

[22] 韩秀兰，王思贤.数据资产的属性、识别和估价方法[J].统计与信息论坛，2023，38（8）：3-13.

[23] 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.

[24] 丘开浪.数据资产的识别确认与价值评估[J].中国资产评估，2024（2）：10-16.

[25] 苑秀娥，尚静静.价值创造视角下互联网企业数据资产估值研究[J].会计之友，2024（6）：59-67.

[26] 魏碧洲.大数据时代下数据资产管理与应用研究[J].北方金融，2023（5）：25-29.

[27] 路岩.企业数据资产管理探索与研究[J].中国标准化，2023（3）：25-29.

[28] 任旭.大数据背景下公司数据资产管理现状与规划探析[J].唐山师范学院学报，2022，44（5）：105-108.

[29] 张晓光.数字化背景下企业数据资产管理[J].新会计，2022（5）：13-17.

Research Progress and Future Prospects of Data Assets

Liu Li1 Yang Yulu2

（1. Southwest Minzu University， Business School， Sichuan， Chengdu， 610041; 2. Yunnan University of Finance and Economics， Business School， Yunnan， Kunming， 650221）

Abstract： [Research purpose] Data assets， as a neNcwWsyJJre8YZffyrIVBotkWQpsbnr0N2Vcaxo72gSo=w type of production factor， have significant value in the digital economy era. By deeply exploring the status quo and shortcomings of research on data assets， it is expected to further develop their academic value and provide reference and guidance for the in-depth development of data assets research. [Research method] Using the literature review method， a comprehensive and in-depth analysis is conducted on the existing domestic research from the key issues such as the definition and classification of data assets， value measurement， management and operation， and how to "enter the table". On this basis， the shortcomings of data assets research and future prospects are proposed. [Research conclusion] Although the current research on data assets has made progress in many aspects， there are still many research shortcomings in areas such as the value measurement of data assets， the research on the property rights system， interdisciplinary integration， and information reporting. Future research can further unfold from aspects such as the pricing and generation mechanism of data assets， the development of a comprehensive measurement model for data asset value， and the legislation of data asset property rights. It can also comprehensively deepen the research on the continuous management and optimization of data assets， the maintenance of data asset security， and the compliant reporting of data assets， providing a basis for promoting the effective management and utilization of data assets and further promoting the development of the digital economy.

Key words： data assets; value measurement; disclosure requirements; data property rights; factors of production

作者简介：刘利，男，1971年生，博士，副教授，硕士生导师。研究方向为会计、财务管理。杨雨露，女，1996年生，硕士，研究方向为会计、审计。