大数据资产化面临的挑战

（杭州电子科技大学 会计学院，浙江 杭州 310018）

大数据资产化面临的挑战

郜鼎，谢婧，石艾鑫

（杭州电子科技大学 会计学院，浙江 杭州 310018）

文章基于我国大数据产业发展现状，围绕大数据资产的确认、计量、报告、交易四个方面，探讨大数据在资产化过程中的难题，认为缺乏大数据资产划分依据、缺少大数据资产价值评估的完善体系、受限于传统会计信息质量要求、以及亟待健全的交易机制和法律法规，成为大数据资产化过程中所面临主要挑战。

大数据；资产化；挑战

一、引言

随着“互联网+”时代的到来，大数据的重要性日渐凸显，因此我国国务院在2015年9月5日颁布《国务院关于印发促进大数据发展行动纲要的通知》，文件中强调了目前我国在大数据管理和应用方面的优势与不足，并指明了大数据产业未来改革和发展的方向。这标志着积极培育大数据产业、完善产业体系、发挥产业优势已经成为我国战略布局的重点。由此可见，大数据必然日益成为各方追捧的又一重要资源。

大数据是企业的一项重要的资产，这已毫无争议。大数据之父维克托-迈尔·舍恩伯格曾经提出，“虽然数据还没有被列入企业的资产负债表，但这只是一个时间问题”[1]，这一时间确实已经离我们越来越近了。对于企业来说，在对大数据进行有效管理的基础上，充分发挥其优势，必然会为企业带来丰富的经济价值和社会价值。但为了全面实现这一目标，首先要考虑如何合理、有效地实现大数据资产化这一目标。然而，在实现这一目标的过程中，目前仍面临着诸多挑战。

二、大数据资产的确认

我国《企业会计准则》将资产定义为：“企业过去的交易或者事项形成的、为企业拥有或者控制的、预期会给企业带来经济利益的资源。”由定义中可以看出，资产的确认必须满足三大要素，即：（1）企业过去的交易和事项形成；（2）为企业拥有和控制；（3）可以为企业带来直接的或潜在的经济利益。那么相应的，大数据只有满足了以上条件，才能被确认为企业的资产。

针对大数据资产，依据数据的来源，可以将企业所拥有的数据划分为三类[2]：

1.第一方数据。即企业通过自身的交易和事项形成的，为企业所拥有的一系列数据。这一类数据主要来源于企业本身，如淘宝、京东等电商平台通过日常销售所掌握的消费者基础数据，或通过进一步的处理、挖掘和集成，所掌握的消费者行为数据、市场需求数据等。有效利用经过处理的第一方数据会为企业带来利益，因此，第一方数据就需要企业合理地进行确认。

2.第二方数据。第二方数据的产生是产业进一步细化分工的结果，在大企业更多地将重点聚焦于企业自身的优势竞争力时，会将部分运营管理的数据流量端口交由其他公司进行专业化的处理，由此产生了例如百分点这样提供大数据应用与技术支持的专业服务商。通过为各行业企业提供技术服务，这些大数据服务商积累了大量的行业数据、广告营销数据、以及用户行为数据。这类数据也是企业可以控制的，但是在来源、搜集、交易上，却一定程度依赖于其他企业，所以相对具有局限性。

3.第三方数据。此类数据主要是通过网络爬虫、文本挖掘工具甚至黑客手段从互联网、各类公开或非公开的文件中所获取，这类数据并不是由搜集企业自身的交易和事项形成，但确实会为相关数据的搜集者带来一定的经济利益。但是，限于我国目前相关的立法现状，这类数据的所有权并不明晰，并且经常会造成企业之间的纠纷。

基于以上分析，我们可以看出：第一方数据应当确认为企业的大数据资产；但是第二方数据在资产确认上存在一定的局限性；而第三方数据是否确认为企业的资产，应区分不同情形作出判断。因此，不同类别的资产应当如何进行划分，以及划分的依据是什么，这一对大数据资产确认至关重要的问题，却在当前并未形成共识，这成为大数据在资产化过程中面临的首要挑战。

三、大数据资产的计量

在对企业大数据资产进行合理确认的基础上，大数据资产价值的计量就成为核心问题。依据我国企业大数据行业发展现状，大多数学者还是赞成将大数据资产作为企业的无形资产进行价值计量[3]。

当前我国针对无形资产的估值方法主要有成本法、市场法、收益法，那么这三种方法对于大数据资产的计量是否适用呢？

1.成本法。大数据由于其本身的“4V”属性，即大量（volume）、高速（velocity）、多样（variety）和价值（value），使得“类型众多且价值密度低”成为大数据资产的重要特征，而只有将大数据进行有机整合、提升其价值密度、挖掘大数据背后所蕴含的潜在信息，才能够为企业创造面向未来的最大价值。事实上，大数据在不断的搜集、加工、挖掘、使用的基础上，其价值在不断增值。并且，在不同的项目、不同的使用目的、不同的环境下，大数据资产的价值增值并无规律可循。相对于其他资产而言，这成为大数据资产在计量方面的一大特点，同样也是一大难点。因此，一旦采用成本法的话，则会产生许多问题。首先，目前大多数企业的信息系统建设已经进行了资本化处理，这就意味着部分大数据资产已经在企业的资产负债表上有所体现，并且依据无形资产的会计处理规则进行后续计量，削弱了对大数据资产的探讨的意义；其次，将大数据资本以成本法计量，核算过于简单，这并不能完全体现大数据资产本身真正的价值；最后，也是最重要的一点，成本法下，在资产的后续处理过程中，只会由于摊销或减值使得资产价值不断下降，并不能体现大数据资产在未来应用中的不断增值。由此看来，对于大数据资产的计量，成本法可能并不适用。

2.市场法。虽然相较于成本法而言，市场法下所体现的大数据资产的价值更加完整，但这一方法同样也存在很多问题。首先，鉴于我国目前数据交易市场并不完善，市场法的应用条件不完全具备，众多大数据资产很难找到与其价值合理匹配的市场价格；其次，当前市场交易的数据类型较为单一，种类较少，这使得大量经过复杂处理的数据或各类特殊数据，很难寻求公平交易价格；最后，与成本法一样，运用市场法的计量，也无法体现大数据资产在后续应用中的增值。

3.收益法。相对于前述两种方法，应用收益法的优势就在于能够体现大数据资产后续的价值增值，因为全面的现金流量本身就考虑了资产在将来所产生的价值，但是同时也带来了现金流量预计的问题。在考虑具体应用场景时，进行应用核算相对困难，尤其是在企业缺乏相关经验时，对于现金流量的估计可能并不全面。此外，在某一大数据资产项目的价值评估过程中，可能需要企业众多的业务线、职能部门相互联动，根据实际的应用场景估计该资产对企业各方面产生的价值，这无疑对企业的管理协调能力提出了更高的要求。

以上分析表明，目前应用最为普遍的大数据资产计量的三种方法，在理论和实践中都存在很多难以解决的问题。并且，大多数研究都是限于定性分析，而少量的定量研究也缺乏严密的逻辑推理和谨慎的数据分析。对大数据资产的计量缺乏一套系统、合理、完善的方法，这不仅直接影响着企业的信息化建设、科学化决策，而且严重制约了大数据资产为企业创造价值的巨大优势[4]。同时，这也成为大数据资产化过程中所面临的最为核心的挑战。

四、大数据资产的报告

一旦决定将大数据作为企业的一项资产计入资产负债表，那么就需要考虑其作为会计信息必须符合的报告原则及会计信息的质量要求。由于大数据本身的特性，传统的会计信息质量要求可能会成为大数据资产化过程中的又一挑战[5-6]。

1.客观性方面。会计信息必须以企业真实的交易和事项为依据来反映企业的实际情况，否则会计信息就失去了意义，这是对会计信息和会计工作的基本要求。在这样的情况下，某些大数据资产可能并不符合传统会计信息质量要求下的“客观性”原则，比如，社交媒体的活跃用户数、电商平台的消费者偏好等相关信息数据，这类数据很难直接归属于某项交易和事项的，但却是企业拥有、且可为企业带来经济利益的重要可辨认资产。

2.相关性方面。根据会计目标的决策有用观，会计的相关性主要强调会计信息要与企业决策相关，为企业决策提供有力支持。基于企业的日常管理及战略规划的需要，会计信息必须尽可能为企业职能的履行提供坚实的基础，这就要求会计信息的报告必须尽量满足企业各方面的需求。但是在大数据环境下，相关性要求却很可能是不明确的。这是因为，在时间和空间上，大数据资产的“相关性”有着其自身的特点。在时间上，大数据资产更多体现“延伸性”，大数据带来的信息价值可以由企业过去产生，不仅为企业目前的业务提供支持，而且更多地影响企业的未来，这种影响已经不再局限于企业发展的某一特定阶段。从一定意义上讲，大数据资产蕴含的潜在信息与价值更加倾向于未来。在空间上，大数据构成的“网络”具有“延展性”，某一数据网络或许并不能直接与企业的某一管理决策或职能单元相联系，但不同的数据网络经过再重组、再整合，就会显现出其“决策相关”的特性；并且不同数据网络的多样结合，可能会满足不同主体和不同职能的信息需求，这使得大数据资产在面临会计信息相关性的要求时，具有不明确性。这种特性使得企业在进行大数据资产报告时，判断哪些信息符合相关性要求，成为一大难题，这无疑对企业的管理提出了更高的要求。

3.可比性方面。会计信息必须符合横向可比和纵向可比的要求。但是由于目前缺乏一套客观、全面、可行的数据资产价值评估体系，标准化的规范尚未建立，使得大数据资产在列报方面缺乏一致口径，这造成大数据资产的报告很难满足可比性的要求。

4.一贯性方面。一贯性原则要求企业的会计政策前后期保持一致，只有当相关法律法规发生变化，或是采用其他会计政策能够提供更加可靠、真实的会计信息时，才允许改变会计政策。企业拥有的数据有很大一部分可能与会计并不直接相关，如企业所掌握的行业数据、消费者行为数据、文本分析数据等，因此这些数据的范围更加广泛、内容更加丰富、核算更加复杂，这使得企业在报告大数据资产时，对一贯性原则的遵守更加困难。

5.及时性方面。这一原则要求会计信息的搜集、处理、报告必须是及时的，以支持企业本身及其利益相关者的决策。对于大数据资产而言，面对及时性要求的挑战更是严峻。因为与数据相关的情况在每时每刻迅速地变化着，从而要求数据本身必须及时作出反应，这就对企业数据管理提出了更高的要求。企业必须不断提高其搜集和处理数据、挖掘数据信息的能力，以达到扩大数据规模，丰富企业数据种类的目的；同时围绕业务需求，形成信息集中的“数据网络”，激发数据活性，并在这个过程中将结构化与非结构化数据相互链接，及时、高效地提供大数据资产所反应的会计信息。

五、大数据资产的交易

针对一项资产而言，交易是必不可少的一个环节。通过交易，可以实现资源的优化配置。大数据作为企业的一项重要资源，只有实现其“开放性”和“流动性”才能实现“价值掘金”。因此，近年来国内不止出现了类似数据堂这样的小规模第三方数据交易平台，也出现了贵阳大数据交易所这样的大型综合性数据交易平台[7]。推动数据交易平台的建设，可以汇聚海量高价值数据，打破大数据资产之间的交易障碍，在充分挖掘、利用大数据资产的基础上，深入推进大数据产业创新。

尽管如此，我国的企业大数据资产交易仍然面临一系列挑战。首先，由于我国大数据产业刚刚起步，各类交易规则和定价机制并不完善，很多类型的数据资产还无法实现交易，损失了资产价值[8]；其次，在数据交易过程中，数据安全是一大关键，这需要足够的技术支持，否则企业的核心商业秘密很可能在交易过程中泄露，给企业利益带来重大损害[9]；最后，针对大数据资产的交易，相关的法律法规仍属空白，当企业的权益受到侵害时，如何有效维权，也成为企业面临的一大难题。

六、结语

对于国家和企业来讲，大数据的重要性不言而喻。我国更是在不断推进大数据产业的基础建设、技术创新以及创新应用，在此基础上，大数据无疑已经成为国家和企业最具经济价值的资源之一。这样看来，大数据如何实现资产化，就成为重要研究方向。将大数据与财务会计相结合，使其发挥更大优势、创造更大价值，不仅关乎大数据产业的长远发展，对传统会计的转型发展也同样具有积极意义。尽管如此，本文分析认为，大数据资产化过程中主要面临四方面的挑战：第一，缺乏大数据资产的划分依据；第二，缺少对大数据资产价值评估的完善体系；第三，传统会计信息质量要求的限制；第四，交易机制及法律法规尚未健全。因此，如何从理论和制度入手，研究如何合理实现大数据资产化，使其发挥更大优势，对于相关的理论发展和实践应用都有着重大意义。

[1]徐鑫，2016.企业如何下好数据资产这盘棋?[J].上海信息化（7）：23-26.

[2]崔吉峰，杨栋枢，王维佳，等.数据资产化管理研究及体系架构设计[J].微型电脑应用，2016，32（1）：40-43.

[3]陈宗智，常欣，2016.大数据资产走进大数据企业会计报表的研究[J].经济师（9）.

[4]周芹，魏永长，宋刚，等，2016.数据资产对电商企业价值贡献案例研究[J].中国资产评估（1）：34-39.

[5]游静，2015.大数据对会计信息质量的挑战[J].财会研究（4）：15-17.

[6]刘玉，2014.浅论大数据资产的确认与计量[J].商业会计（18）：3-4.

[7]翟丽丽，王佳妮.移动云计算联盟数据资产评估方法研究[J].情报杂志，2016，35（6）.

[8]杨琪，龚南宁，2015.我国大数据交易的主要问题及建议[J].大数据（2）.

[9]郑英豪，2015.大数据资产管理体系初探[J].新会计（11）：34-37.

（责任编辑：D 校对：L）

F275

A

1004-2768（2017）01-0131-03

2016-11-08

浙江省大学生科技创新活动计划（新苗计划）（2016R407072）

郜鼎（1992-），男，山西大同人，杭州电子科技大学会计学院硕士研究生，研究方向：会计理论与实务、数据挖掘与财务共享；谢婧（1992-），浙江奉化人，杭州电子科技大学会计学院硕士研究生，研究方向：会计理论与实务；石艾鑫（1991-），山西晋中人，杭州电子科技大学会计学院硕士研究生，研究方向：财务管理。