数据资产的十大学理解读

2024-12-31孙娜倪健邓欣茹王保平

财务管理研究 2024年7期

摘要：在数字技术强力推动的数据经济时代，各种数据的创新应用日新月异、层出不穷。数据资产已经成为政府管理、企业运营和社会关注的重大热点问题，法律确权、质量合规、财务确认等一系列问题经常引起关注和争议。相应的多视角理论辨析无疑值得学术界系统地进行分析和研究。只有得到理论探索的匹配与支撑，构建系统性体系，数据资产这一新生事物才能得到持续而健康的发展壮大。尝试多维度探索数据资产的相关理论认知，起步于数据技术分析，关注其经济理论，并着眼于政治学、社会学、法规学、会计学，同时从监管学、统计学、价值评估角度进行分析，最后框架性地提出税政设计的理念。实践探索与理论研究融合共进，是实现数据资产管理事业健康发展的必由之路。因此，需要主管部门、学界及相关产业着眼于多个维度，更加深入地研究数据资产的实现路径。

关键词：数据资产；学理探讨；资产管理

0" 引言

随着大数据、云计算、物联网、移动互联网、人工智能等新兴技术的应用与推广，以数字技术为基础的数字经济正在蓬勃发展，大有全面武装人们生活与生产、重塑经济社会之势，相关的顶层设计与底层技术基本就位，整体应用推广与管理实施正开始深度拓展。从中共中央、国务院的纲领性文件到国家发展改革委、工业和信息化部、财政部的制度性规范相继问世，意味着这一新事物的纵横体量将会持续增厚加重。数字技术、数字经济、数据资源、数据要素、数据资产等一系列“以数为据”的新事物、新概念如雨后春笋般破土而出，也令人眼花缭乱。数据之所以“热”，就是因为可以从高维复杂数据中，通过降维技术挖掘出“金山银山”。为多维度拓展对数据资产这一新生事物的认知，本文以财务管理为轴心而左右拓展，尝试从技术、经济、政治、社会、法规、会计、监管、评估、统计、税务10个视角进行学科原理与规则的初步辨析，供各界全方位感悟与认知。

1" 数据资产的技术学解读

“数据资产”是突然间横空出世的全新怪物吗？非也！追溯其技术进化轨迹，初始于“结绳计事”，计数、数据一直嬗变着，跨越珠算、计算尺、计算器、计算机等技术工具。长期的技术进化携手丰富的数据积累，才渐渐演绎出新的生产要素。其商业应用的技术原理也已明确，即“数据收集—数据挖掘—商业应用—市场价值”的逻辑路线［1］。

1.1" 或远或近的应用场景

技术的产生与应用，在现代社会生活、经济运行中总会生成一些新事物。先讲两个现实中的小故事：一个是美国大片《纸牌屋》；一个是你我身边的电话营销。2013年情人节这一天，《纸牌屋》在美国Netflix网站上首播。Netflix其实是一个付费网站，其先期分析发现，人们仍对英国BBC老片《纸牌屋》青睐有加，且又大都喜欢看大卫·芬奇（David Fincher）执导、凯文·史派西（Kevin Spacey）主演的影片。于是，该网站组合这些火爆元素（故事、素材、导演、演员）新创作的《纸牌屋》自然不同凡响。可以说，《纸牌屋》的打造过程就是从数据收集、集成到价值释放的过程。再细品一下身边保险营销员手中最重要的“资产”——客户名单是怎么回事。零散的个人名单无足挂齿，但是聚沙成塔后，海量客户名单对保险公司来讲是可通过高频率电话营销获得实实在在的成交现金流入的。连百度董事长兼首席执行官李宏彦也认为，中国公众愿意用隐私换取便利，从而滋养着并非少量的“流量”公司，包括消费平台、产业平台、原数据与衍生数据平台等。不论是美国时尚电影，还是中国百姓生活，都已经与信息、数据不可能完全脱离了。我们身边的海量数据是可以被挖掘、精算与利用的。

1.2" 数据能够衍生出财富

数据，包括但不限于字符、文本、数字、图片、音频和视频等。数据之所以能够具备“资产”属性，最简单也最直接的原因是，它们对生产经营活动有用，能满足某种需要，或称“有用性”。当数字所代表的信息全面嵌入商业合同、产销数据、市场客户、决策方案等场景时，进一步增强了数据的“有用性”。同时，由于数据具有可复制性，一旦泄露给竞争对手或不法分子，其损失将是巨大且沉重的。可见，数据资产的“出世”，其内核是数据，环境则是技术进化，且边界管控相当重要。在此过程中，核心在于不断创新的数据挖掘技术，将数据变得有市场、有价值。不论是长久的技术转化，还是现实的技术控制，围绕数据而进行的技术进化与转化始终是不可或缺的。凭借技术进化，数据开始扮演社会生产经营的基本资源角色，并驱动智能化生产、网络化协同甚至个性化定制，创新商业新模式，实现商业价值。一些先发行业（如金融保险、电力、元宇宙等）已经在数据的商业化场景中如鱼得水。

2" 数据资产的经济学解读

当那些对客观事实或观察结果进行记录并可以鉴别的数据、数据集、数据库，在经过数据挖掘后形成可导入未来现金流入时，就具备了经济学框架下的资产属性。那么，着眼于市场交易框架的经济学又是如何解读数据资产的经济特质并形成市场特质下的传导机制的？

2.1" 数据资产的经济特质

从数据资产的技术进化与底层逻辑看，海量数据能够衍生出数据资产，并渗透与普及于生产经营。数据是一种新的生产要素，与传统生产要素相比，具有其独有的全新特点和优势。传统生产要素，如矿石、农作物、石油等，都具有稀缺性、壁垒性、地域性、封闭性、固定性五大特点。而进入以数据产品为核心的经济模式后，数据资产则具有泛生性、开放性、流动性、普惠性和虚拟性等全新特点。进一步分析，与实体生产要素相比，数据生产要素拥有独特的先天优势［2］：易获得、易加工、易传播、易交易、易度量。进而，以数据资产构造的生产力具有五大优势：弹性、柔性、互动性、协同性和规模性。从经济特质透视，人类社会已经进入数字化时代，人们在消费端的生活已经逐步数字化，产业端也摩拳擦掌，试水数字化。企业数字化转型是生产力和生产关系在数字化时代的升级和重构，是企业的整体转型。每一种经济特质都决定着数据资产拥有差异化的内在属性，能够产出新动能。

2.2" 数据资产的市场特质

经济学总是信奉市场交易，也最看重产权问题。数据资产的权属认定与权益规范是现实问题。资产权属界定无疑涉及法律规制，但数据资产的确权却存在可能的隐私伦理问题。根据制度经济学的科思定理，“清晰界定财产权，资源才能通过市场交易获得有效率的配置”。数据资产“确权机制”自然是其进一步商业使用的基本前提。数据资产的产权包含占有权、使用权、转让权、处分权、收益权、损害赔偿权等多项细分权利。不同于其他类型资产，数据资产带有经济外部性和共益性，资产的存在和使用不限于使用主体间，而是可以同时对其他主体、整个行业乃至对国家、社会构成不同程度的利弊影响，还牵涉个人隐私保护、商业信誉、行业秩序乃至国家公共安全等高度敏感领域。为此，政府部门在构建数据资产“确权制度”与“登记制度”［3］时，要充分考虑不同性质资产、不同类型主体之间权利的协调维护机制，尽可能消除权利缺失或利益冲突［4］。

数字资产是技术原生的。数字技术凭借内部创新应用、消费全域和生产全链赋能、数据全纳创造新的数实孪生叠加效率3种渠道的继起和并存，助推全社会经济活动效率的提升［5］。可以预期，工业化与信息化融合时代，数据信息浩如烟海，互联网及其应用场景层出不穷，全社会在生产、生活迭代中累积的数据和数据资产也将呈现指数级增长态势。

3" 数据资产的政治学解读

技术基因、经济基础始终与政治的执政纲领不可分离。政治学古老而新兴，涉及重大利益的权威性分配，事关人类的基本政治价值、社会生活本质和政治发展规律。基于数据资产的极端重要性与深层渗透性，不管是从事专业研究，还是致力于组织领导或公共管理，即便是作为一个普通公民，都需要着眼于政治学来解读数据资产，以更大格局、更高站位和更长远目光认知数字经济及其深度融合经济社会的必然趋势。

3.1 "政治是经济与社会的最高统领

新熊彼特学派的代表人物、技术—经济范式（Technology-economy Paradigm）创始人佩蕾丝认为，在技术革命浪潮的长时期波浪涌动中，每一次技术革命的结构尤其是它在经济和社会中扩散与同化过程中的规律是显性的，它意味着将带动社会发生深刻的质的变化，新技术日渐成为日常生活的“常识”［6］。而任何一个技术革命浪潮中经济潜能的释放，并不是技术体系本身的自然表达，而是与整个社会的政治环境、观念、政策密切相关。也就是说，数字技术的范式变迁不只在企业层面影响了管理和组织，同时也作用于整个社会和政治系统。基于技术的应用性渗透、适应性变革，可以实现社会—政治范式与技术—经济范式的耦合，即跨场景、跨领域的无缝对接。目前，数字经济已经引起各国政府的政治关注。我国的数据资产也已经既有底层逻辑，又有顶层设计，必将大有作为。

3.2" 中国政府高瞻远瞩的政策文件

2020年4月，《中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见》正式确定数据是与土地、劳动力、资本、技术并行不悖的生产要素；2021年3月，《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》提出战略部署；2022年12月，《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作用的意见》对数据产权、流通交易、收益分配、安全治理等提出20条宏大举措。

当然，国家发展改革委、工业和信息化部、财政部等国务院部门的规章制度也形成了围绕数据资产立体管理的基本制度体系雏形。从最高纲领原则到最实基层落地，数据资产已经成为一项实实在在的生产要素，相应的管理体系将释放巨大效应［7］，必将映射出科技创新这一关键变量所引领的新一代大数据应用与经济商业模创新。毫无疑问，包括但不限于汽车智能化、工业软件、政务IT、金融IT、医疗IT等产业将先行一步，数据要素将在各领域深度落地与融合应用，成为经济社会发展各领域全过程的内在性要素和关键性力量。

4" 数据资产的社会学解读

当前，数据技术已经逐步渗透和应用到社会生活的各个领域，扎根于人类活动的痕迹。起居、运动、购物、旅行、休闲、交往甚至写作，无不能转化为可储存的数据，并在政府事务、公共管理、舆情监测、治安管理、医疗健康等社会治理各维度广泛应用。量化决策、精准应对成为现实可能，政府决策的科学性和前瞻性也将显著提升。

4.1" 数据技术对社会的穿透力

数据本来是沉睡的资源，经过专业挖掘，就能够产生溢出效应，纵横交错地体现为经济、政治、文化、社会、生态等多维度的影响因素。先看看年轻人数字生活的一天，早上8：00用滴滴打车叫顺风车，甚至用微信小程序订好公司楼下的一杯咖啡和牛角面包；中午和同事用美团App点外卖，吃饭时刷一刷淘宝，将商品加进购物车；下班前用盒马鲜生订菜，要求7：00送到父母家；下班在地铁上浏览新闻App；回家给父母做饭，吃完饭再上58同城预约清洁工；之后躺在床上与朋友来一局王者荣耀游戏的战斗；晚上23：00在爱奇艺看一集电视剧，24：00昏昏欲睡，关掉抖音后，定好闹钟，迎接第二天的到来。在社会生活领域，围绕“人、事、地、物、情”要素，公安、城管、卫健、市场等数十家条线、部门的海量数据，与人口、消防、水电气等数据关联比配，形成人、房、企、事等动态化治理信息图层。更多的消费需求也转移到网上，在线教育、视频娱乐、远程会议、在线医疗、网上购物、电商平台等迎来快速发展。这样，旺盛的消费需求、独特的数字环境、快速扩充的服务内容、基础设施的不断完善及政策扶持，都使生活服务市场的数字化得到迅速推进。

4.2" 社会治理纷纷依赖数字技术

全时空的线上生活必然引起社会治理体系的治理对象、治理方法和模式等发生变化。大数据技术的日益场景化应用，使得各地区、各领域、各部门的数据信息实现整合与共享，基层政府基于科学、有效管理的需求，可以联合和动员企业、行业组织、社会公众等众多主体，通过数字技术的便捷渠道，参与社会治理的相关决策过程，从而构建多元共治、全面覆盖的治理体系。大数据技术嵌入社会治理，其正向效应集中体现于共建、共治、共享。从治理的有形技术看，呈现纵横交错、天罗地网的态势，具备数据赋能社会治理的相关条件和基础。环境数据赋能社会治理的条件有二。其一，良好的数据基础设施。公众感觉强烈的数据网络系统，包括但不限于疫情管控的健康码、行程码；公众不知不觉的数据网络体系，数据赋能的基本前提是具备良好的数据基础设施。其二，日益充实的制度供给。渐趋完善、理性、规范的管理制度肯定会成为刚性需求，充足的制度供给是数据聚势赋能的强劲引擎。

5" 数据资产的法规学解读

数据资产也同样是一把“双刃剑”，数据技术开发与商业应用始终应该在合法合规框架下进行，明辨布道者与侵权者的“灰色地带”，才能行稳致远。“法”是约束社会成员的硬碰硬的东西，“规”是约束个体或集体组织内部的硬碰硬的东西。在数据立法方面，中国在世界上走得比较靠前，但也应该由步伐更加快速、更加全面的法律法规来保驾护航。

5.1" 数据资产的立法问题

数据赋能、数据生财及数据向善都是在法制轨道上推进的。不过，当前数据乱象普遍，如数据采集环节不规范、数据治理不完善、数据监管不系统，导致数字经济多处于“野蛮生长”状态，数据违规事件频发，显然不利于数字产业的持续健康发展。因此，开展数据立法和数据资产法制工作，明确对个人数据、公共数据和社会数据保护的法定原则与操作体系，已经成为燃眉之急。整个数据产业需要全国人民代表大会通过专项立法来实施法律的保驾护航。这其中，隐私权是一个核心问题。因为隐私权最重要的法律属性是产权，隐私权里还有一些重要的权利。不过，在经济发展、安全运行、隐私保护的相互兼容、彼此均衡中，要实施动态调节机制，即这是一个滚动的、可以微调且不影响创新的机制，同时又是加强最基本保护的机制。

5.2" 组织内部的管控问题

在社会层面建设数据立法体系的同时，在企业或组织内部，为适应新的情况，建立与数据资产生成和应用相适应的内部控制、合规管事和风险管理制度也是一大使命。从数据资产的衍生、获取、使用、流转等组织过程看，内部控制环境极其重要，也有必要设置专门的组织机构，履行数据管理职责，需要配置熟悉数据资产管理能力的员工全方位做好工作。从数据资产的合规流程看，在生成或外购数据资产后，进一步的市场应用或价值挖掘要密切注意3点：一是安全意识应贯穿其使用和共享所涉及的所有人员和全过程；二是集中统一管理，防止职能分散造成数据资产多头管理；三是数据的过滤、脱敏和数据容量扩大，是做专做大的基础，专业化、纵深化才能提升数据资产的价值。从数据资产的风险管理体系看，梳理企业数据资产的取得、验收、应用、评估、处置等流程，识别数据资产的泄露、所有权冲突等关键风险点，采取管控措施。一方面，防范风险；另一方面，提高数据资产的利用效能，拓展数据资产的规模与深度，进一步提升数据资产的价值，最终达成数据资产的内部控制目标。

6" 数据资产的会计学解读

会计从来都是与真金白银打交道的领域，也是国民经济整个核算体系中最基础、最坚实的一个完整系统。2023年8月，财政部发布的《企业数据资源相关会计处理暂行规定》要求数据资产规范“入表”。这是一个强劲的信号，把账外活动的东西纳入会计严谨、审慎的“账面”进行核算，将是一个革命性挑战。会计的基本问题是“确认”与“计量”，这也是一件纷繁复杂的事情，需要渐进梳理。

6.1" 数据资产形成与交易的确认

确认数据资产，就是通过会计系统将数据资产记入整体会计主体的账务系统。通常，会计核算的标杆就是符合资产之定义，同时具备交易或事项形成、被企业控制或拥有、能带来经济利益流入条件。但仅符合此定义也无法确认为数据资产，尚需要可靠的金额。定性确认与定量计量相结合，才是完整的会计确认与计量条件。当然，需要进一步结合行业既有基础，优先制定行业性的实施办法，将规范会计确认与行业数据活动态势融合起来，尝试更加合理、严谨的会计确认方式。

企业持有数据资产的用途大致分为销售和自用两种：销售即通过数据交易所的场内交易（截至2022年8月，全国已经成立或拟成立的数据交易机构共计46家）向需求方有偿提供的商品类数据资产；自用则是用于提高自身销售经营效率和拓展新业务服务的自用类数据资产。销售类数据资产参照常见有形资产的成本核算思路，在其取得时可较为客观、准确地确定相应的成本，其交易时间通常较短，价格公允且透明，因此，采取历史成本法、公允价值法进行评定比较合适；而自用类数据资产融合特定应用场景发挥作用，通过精准营销、优化生产或决策等实现价值，因此，采用评估入账方式或实际成本入账方式比较合适。

6.2" 数据资产的初始与后续计量

会计的初始计量和后续计量，就是对一项资产全生命周期的核算。其中，初始计量是对一项资产初始入账时关于入账金额、入账方式等的专业计量；而后续计量是对该项资产在后续持续使用期间的价值变动情况的节点性确认，不仅要对资产价值变动进行反映，而且要对因价值变动产生的损益进行反映。

在数据资产初始计量领域，目前包括从外部购买数据和内部采集开发数据两种来源。外部购买数据既有通过法定数据交易所购买的可直接使用的数据资产，又有外购并需要进行进一步模型处理后才可以使用的数据。外部购买数据的成本应包括买价、手续费等。内部采集开发数据通常源于经营活动中的收集与积累，其成本应包括专业团队的专项采集费用及必要的后期专项费用，并在进行梳理、清洗、脱敏和整理分析后，才能确认为数据资产。数据外购半成品再开发过程的成本汇集、分摊与核算，参照常规有形产品的成本核算规律进行，原始而碎片化数据的加工、梳理与无形资产研发类似。而日常经营中零散数据的收集、积累、清洗与脱敏等，充满幼稚性，类似于无形资产早期的基础研究，距离成熟目标远、技术难度大、风险程度高、稳定性低，此类费用拟当期消化，记入“管理费用”科目，等待经过模型算法而形成成熟数据资产后，符合数据资产条件的，转入“无形资产——数据资产——自用成本”科目。

数据资产后续计量涉及4个方面：一是商业类数据资产进入市场交易的处理；二是自用数据资产的期末处理；三是数据资产价值减值的计量；四是数据资产的毁损报废。这些都可以参照既有无形资产或存货的处理思路进行后续计量。

7" 数据资产的监管学解读

创新和监管永远不是“二选一”，创新犹如驱动发展的马车，监管则是马车上的缰绳，配上缰绳的马车才能沿着正确的方向行稳致远。数据资产也一样，不同于传统资产，其无形且有价。把守正创新贯穿数据资产生命周期全过程，构建全过程监管势在必行。否则，“虚假”“蒙蔽”“欺诈”就会满天飞。监管就是要求公开、规范、透明，在资本市场，上市公司信息披露成为一个极为重要的法定监管渠道。监管涉及面极广，除金融监管、证券监管结合行业监管要求外，财政部就加强数据资产管理提出的指导意见，则更加全面、规范，形成了面向公共数据、企业数据的管理总指南。

7.1" 数据资产的列报

尽管数据资产的具体内容在各行业之间差异巨大，但是基本也有统一的观察视角。只有统一视角下的列报，才能从纷繁中抽丝剥茧，走向统一与规范。数据资产入表后，自然形成了企业资产负债表的一个内在项目。那么，如何在资产负债表上对数据资产进行专项列报？可以从“列示项目及金额”“列示位置”两个角度进行规范。一是列示项目及金额。项目就是数据资产的特征性分类，设置“销售类”和“自用类”两个数据资产报表项目。二是列示位置。位置取决于流动性特征强弱。在资产负债表中，资产的列示顺序按照“流动性从高到低”原则进行。数据资产应该在无形资产之下单独二级项目进行列报。

7.2" 数据资产的披露

参照《企业会计准则第30号——财务报表列报》，需要披露采用的重要会计政策与会计估计及其确定依据和不确定因素。因此，一是要强制披露符合条件的数据资产。基于会计信息质量特征的重要性、谨慎性原则要求，拟对一定比例（如资产5%以上或营业收入10%等）的数据资产进行单独披露。二是要披露数据资产价值变动的特殊信息。包括但不限于：涉及权属分歧或法律纠纷、绝对所有权或使用权的；通过利润表列入费用类的，应分别披露“资本化支出”“费用化支出”的金额与比例；对销售类数据资产计量上，应披露其相关情况主观判断的标准。三是要披露数据资产管理的相关信息。应披露企业拥有的技术支持和数据资产的体量。四是要披露数据资产领域的潜在风险与不确定因素。

8" 数据资产的评估学解读

数据资产所涉及的种种原始信息可能源远流长。而如何在某一应用时点确定当时当地条件下的价值高低？只有专业的资产评估学来破解这种挑战了。数据资产的价值评估技术总体上处于起步阶段，数据资产的特殊价值形成、价值表现，无一例外地需要探索有效且准确的评估方法。从目前数据资产所嵌入的经济技术态势看，其价值评估具体方法如下：

8.1" 传统评估方法

传统的资产评估方法主要包括历史成本法、未来收益法和公允价值法等。其中，历史成本法的优势是计算简单，但是会偏离市场的真实价值，也存在相关成本费用较难区分、数据资产贬值与价值下跌难以判断、无法反映数据资产可能形成的合理利润等问题。未来收益法常常会受到收益假设偏差的巨大影响，失之毫厘、谬以千里，也可能存在可参照的内含报酬率参数难以确定的问题。公允价值法是参照市场上既有交易案例而进行价值确定的方法，能衔接好拟评估的标的资产与目前数据资产市场表现的动态状况，但是，也面临有时候难以找到一个合适的可比市场的缺陷。

8.2" 衍生评估方法

一些学者对数据资产价值评估方法进行了改进，提出博弈法、实物期权法、人工智能法等［1］。博弈法是指数据交易双方根据各自不同的信息进行博弈交易的过程，最终使数据买方获得最大利润或最小风险。实物期权法涉及金融学中的实物期权，是企业管理者在对其持有实物资产做出决策时所需要的柔性投资管理战略。对于数据资产而言，实物期权法就是将数据资产看作实物期权。人工智能法是利用人工神经网络等模型实现对数据资产价值的评估。人工神经网络是一个以神经元数学模拟为背景、模拟人类大脑系统结构与机能的抽象数学模型，是一个高度复杂的非线性动力学习系统，具有“学习”和“充分逼近复杂的非线性关系”等特点［8］。

9" 数据资产的统计学解读

数字经济的前进脚步声阵阵响起，近年来也时常听到对数字经济创造多少经济价值的新闻报道，但其统计指标的严谨性值得商榷。数据要素作为一种新型生产要素，其统计核算引起广泛关注。从统计学角度看，公众也同样需要一个相对统一、明确的数据资产量化行动命令，而不是模糊的“统计泡沫陷阱”。

9.1" 数字经济概念需要正本清源

经济的创造性与破坏性并存。既然现在上下左右都在数字化不离口，那还是要保持适当的头脑清醒。其实，纵观身边的数字经济动态演化过程，创造性与破坏性兼备。数字经济创造性当然是根本、是大局，但是“一窝蜂”式的数字经济也衍生了数字泡沫、数字迷恋、数字侵蚀、数字幻觉、数字垄断、数字陷阱、数字鸿沟、数字依赖、数字歧视等混乱现象［9］。这也是数字经济不规范、不健康、不可持续发展的突出表现。公众也开始对数字支撑的消费领域“杀熟”、平台领域“扣点”、电商领域“购流”、版权领域 “霸款”等一系列恶果深恶痛绝［10］。正本清源，梳理边界，需要平衡数字经济发展过程中的多种关系。其中，进一步发展数字经济、拓展数字技术应用，本身需要客观而理性地认知这些新事物，在尊重隐私、做好脱敏和数据安全的前提下实施数据经济大发展战略。

经济的统计数据也要清晰、明确。数字经济就像GDP（国内生产总值）一样，是一个象征经济发展水平的指标。GDP的辩证性也启发我们，数字经济固然重要，但也要防范关于数字经济的统计指标被人为拔高。说白了，这是祸国殃民的做法，“官出数据”“数据出官”是值得警惕的。数字经济本身需要统计体现动态变化与结果。当然，统计数据要绝对客观、真实。请注意，在统计“跃进”的风气下，可能统计本身也无法做到绝对客观、真实，但利用统计资料传递错误信息、报告业绩，基实质就是编造新概念、欺骗一大片，这种“统计操纵”要不得。这些年，一些地方一些人习惯于制造新概念，也满足于高指标。痛定思痛，表面上的数据繁荣是不可信的，这本身就是一种不良环境的折射。数据经济领域一定要根除“官出数据” “数据出官”的土壤。

9.2" 数字经济的统计需要

1.数字经济的分类口径与概念界定

经历了从信息经济、互联网经济到如今数字经济的演变历程，数字经济的概念和内涵不断丰富。由于各个国家数字经济发展的实际情况不同，对数字经济的概念和范围界定的侧重点也有所不同。数字经济的分类口径十分重要，可分为窄口径和宽口径两大类。窄口径的数字经济概念和范围较窄：一种观点认为数字经济主要包括信息与通信技术（ICT）产业；另一种观点认为数字经济不只包括ICT产业，还包括数字化赋能基础设施、电子商务和数字媒体。而宽口径数字经济的概念和范围较广，包括窄口径数字经济及通过数字技术、数字基础设施、数字服务和数据等数字投入得到显著增强的经济活动，其范围涉及国民经济各行各业［11］。2021年5月，国家统计局发布的《数字经济及其核心产业统计分类（2021）》明确了数字经济的概念界定，即数字经济是指以数据资源作为关键生产要素、以现代信息网络作为重要载体、以信息通信技术的有效使用作为效率提升和经济结构优化的重要推动力的一系列经济活动［12］。对于数据资产的概念，多数研究从会计核算角度进行定义。在国民经济核算中如何界定数据资产，目前没有达成共识，但根据国民经济核算国际标准《国民账户体系（2008）》（SNA 2008）对“资产”的定义，数据的“经济所有权明确”和“具有收益性”是其可界定为资产的两个内在条件。结合上述论述，本文将“兼备”应用场景明确、所有权明确且能够带来经济利益的数据视作数据资产。

2.作为中间品投入的数据要素统计

数字资产与数字要素当然是相互联系又存在区别的两个事物。数据作为生产要素，其统计核算是一种中间品投入，肯定还需要一个阶段才能形成共识与结论。相应的问题也会纷繁一些，如统计核算主体多元、核算范围不准确、可供参考的经验较少等，要在一系列配套技术成熟后才能解决，表现为密码学技术及制度下的数据确权、统计核算技术与范围的准确度提升、场景化制度设计更贴合些。基于此，数据资产统计才会首先随着会计核算的形成而推进。

10" 数据资产的税务学解读

税是政府运行和社会活力的“底料”。当数据资产演变为一种交易标的或特殊行为时，涉税事项便成为一个现实的选择课题了。比如，数据资产在股权投资、抵押融资、资产重组、产权交易等经济活动中常见和频繁起来，交易双方、相关利益方与社会公众已经共同认识到数据也是一种能刺激经济活动并带来巨大商业价值的要素。因而可以说，数据资产的可税性现实而透亮。着眼于经济、法律和征管3个方面，对数据资产征税分别基于增值税制、所得税制和财产税制进行分析，即主要强调“应否征税”“应该在哪里征税”“税基和税率如何设计”等问题。

10.1" 数据资产税收的基本规定

作为企业生产经营活动中被用于生产、加工、流通和其他经济用途的数据资产，具有通用性、虚拟性、外部性、交易性和价值性特征，在数据要素得到官方认可、数据质量标准与财务入表得到规范认可后，其市场无疑将会出现“井喷效应”。而数据资产课税嵌入现行税制体系，通过合理确定数据资产的税基、合理设计数据资产的税收优惠政策、加强数据资产的信息化税收征管，已经取得了相应的成果。一是对数据资产的交易增值征税。从新的《营业税改征增值税试点实施办法》可以看出，目前我国已将数据资产的价值增值行为按照一定的标准和要求纳入增值税征收范围。二是对数据资产的所得征税。所得税是对企业和其他取得收入的组织或个人的所得征收的税种［13］。从现有规定看，其他收入方面，拟将数据资产转让收入归入《中华人民共和国企业所得税法》规定的其他收入条款来征收企业所得税；个人所有的数据资产转让收益则相应征收个人所得税。

10.2" 数据资产征税的精准治理

征税能力是国家能力的基础和核心组成部分，提升征税能力是增强国家能力的应有之义。公平和效率兼备始终是税收制度设计的最高原则，以税率、税基等要素为代表的实体性税收制度也同样适用于数据资产的实践价值［14］。数字资产征税领域的挑战主要包括3个方面，即税基、税率和征管。一是数据资产的计税基础。目前，数据资产交易大多发生在关联企业之间，这种关联交易导致交易重税的税基很难确定；对数据资产征收所得税时，相应扣除的费用往往难定，少扣或多扣都会造成应纳税所得额确定困难。二是数据资产的税率确定，需要尝试一种科学、合理的税率。三是数据资产税收征管。或单独征收，或与其他资产交易混合交织进行等，需要视数据资产交易情形区别对待。

总之，数据交易面临数据要素不好判定税基、税率与抵扣等，以及涉税不确定性问题。对此，要区别对待，根据具体交易场景，考虑细致分类，用好交易平台在交易签约、交付、验收、结算等各环节的证据存留，探索构建数据交易市场税收共治新模式，为相关企业提供更多确定性，助力交易过程更加顺畅，促进数据要素市场实现更加健康、繁荣的发展。

11" 结语

对于数据资产这一新事物，前线的实战工作相当有活力、有目标，但理论方面需要尽快提出更好的指导。在数据资产管理理论研究方面，其多维度、多层次、多观点、多学科等特点十分显著。虽然数据资产管理方面的理论研究已经比较充分，但是目前学者关注较多的是互联网企业的数据资产管理，对实体企业的数据资产管理及有效利用方面的研究较少。本文着眼于相关学科的基础认知而对数据资产理论的探讨还不够完善，应用也不够广泛，这些都需要进一步探索更优的解决思路。但期待本文能够抛砖引玉，有更多专家从多角度进行学理分析，以便更加深刻、精准地解释数据资产的理论体系，便于数据资产内存驱动力更好地发挥效能，服务于经济社会发展。

参考文献

［1］董高静，孙娜，王保平.数字资产的概念、估值技术与应用策略［J］.财务管理研究，2023（10）：68-83.

［2］梅宏.释放数据要素潜能深化数据治理体系建设［J］.软件和集成电路，2020（9）：14.

［3］黄丽华，郭梦珂，邵志清，等.关于构建全国统一的数据资产登记体系的思考［J］.中国科学院院刊，2022，37（10）：1426-1434.

［4］本刊.数据之光·解锁未来：商业银行数据要素研究成果研讨会暨发布会［J］.银行家，2022（12）：36-51.

［5］陈华，李庆川，翟晨喆.数据要素的定价流通交易及其安全治理［J］.学术交流，2022（4）：107-124.

［6］曲维实.大数据在国有企业品牌传播中的应用探析［J］.传媒，2022（19）：72-74.

［7］李雨霏，刘海燕，闫树.面向价值实现的数据资产管理体系构建［J］.大数据，2020，6（3）：45-56.

［8］王蕾，李春波.数据资产及其价值评估方法：研究综述与展望［J］.中国资产评估，2022（7）：4-10.

［9］崔理想.区域现代化进程中的数字经济赋能区域协调发展研究［J］.区域经济评论，2023（7）：57-65.

［10］王海兵.数字经济的“破坏性”：典型现象及政策建议［J］. 当代经济管理，2022（5）：17-22.

［11］郭明英.数字经济统计的方法、挑战与发展建议［J］.调研世界，2023（6）：83-88.