数据资产会计确认与要素市场化配置

侯彦英

【关键词】 数据资产; 会计确认; 会计计量; 要素市场; 数据治理

【中图分类号】 F275;F49  【文献标识码】 A  【文章编号】 1004-5937（2021）17-0002-07

一、引言

在党的十九届四中全会上，数据作为重要的生产要素，已经与劳动、资本、土地、知识、技术、管理列为参与分配的七大要素。随着数字经济的发展，数据要素的市场化配置和相关分配制度建设成为加速数据要素流转，提升数据要素生产效率的关键。数据要素参与交易与分配的前提条件之一是数据要素的确权和价值估计，反映到微观财务层面则是数据资产的会计确认与计量问题。如何科学地实现对数据的会计确认和计量，是数据要素形成数据的前提，也是数据参与市场化配置的基础工作。本文基于宏微观融合视角，研究数据资产会计确认问题以及参与要素市场配置的运行机制。

数据要素市场化配置是数字经济发展水平达到一定程度后的必然结果[1]。美国、英国、法国、日本等国家先后出台相关政策，激励数据要素市场化发展[2]。2020年，《关于新时代加快完善社会主义市场经济体制的意见》提出加快培育发展数据要素市场，建立数据资源清单管理机制，完善数据权属界定、开放共享、交易流通等标准和措施，发挥社会数据资源价值[3]。数据要素市场化的客观需求，推动了关于数据资产确认和价值估计的研究与实践。曹硕等[4]基于证券交易视角，研究数据要素的证券属性设计;高昂等[5]基于标准化视角，分析了数据资产成本价值及数据资产标的价值等要素组成的数据资产价值评价的指标体系，着力解决数据的估值问题;陈思静等[6]采用人工智能算法尝试开展数据会计确认的研究。秦荣生[7]较为系统地提出了企业数据资产确认、计量和披露的整体解决思路。在实务领域，贵阳大数据交易所已上线运行，相关撮合交易日益活跃。目前，数据资产会计确认的研究較少，但相关实践活动已经展开，以山西云时代公司为例，针对在实践中面临的数据资产估值和收益衡量问题，着手开展了会计确认和计量的相关研究。

综上所述，数据资产化已经成为共识，但数据资产确权、交易的基础问题——会计确认和计量问题并没有解决。鉴于数据资产的特殊性，需要系统性地研究数据资产的形成机制和特征，研究数据资产会计确认与要素市场化配置机制的建立问题。

二、数据资产概念辨析

关于数据资产概念的讨论，“数据资产”一词于1974年首次由美国学者理查德·彼得斯（Richard Peterson）提出，他认为数据资产包括持有的政府债券、公司债券和实物债券等资产。可以看出，在信息化环境并不是很成熟的时期，数据资产主要是指可以证券化的金融产品[8]。2009年，Tony Fisher[9]指出，数据是一种资产，企业要把数据作为企业资产来对待。2013年，Trax Technology Solutions公司首席财务官Nina Tan表示，要想在会计及其相关领域使数据资产的处理更加成熟，仅仅依赖于实践推动是远远不够的，还需要理论创新，以推动数据资产在会计及审计方面的发展。同年，英国维克托·迈尔-舍恩伯格教授等[10]在对大数据展开系统研究后，在其著作《大数据时代》中开宗明义：将数据资产列入资产负债表不是能否的问题，只是早晚的问题。

在国内，关于数据资产的讨论也成为理论研究和实务讨论的热点，秦荣生（2020）基于IASB关于资产的定义，认为数据资产是企业由于过去事项而控制的现时数据资源，并且有潜力为企业产生经济利益。中国信息通信研究院发布的《数据资产管理实践白皮书（4.0）》（2019）对数据资产定义如下：企业拥有和控制的，能够为企业带来未来经济利益的，以物理或电子方式记录的数据资源。可以说，当前关于数据资产的定义都是会计关于资产概念的延伸，但基于数据的特殊性，对数据资产概念的讨论还需要从更为广阔的视角研究和考虑。

（一）数据资产

数据资产属于数据资源，但数据资源不一定是数据资产，那么，具备怎样特征的数据资源才能够成为数据资产呢？这成为解释数据资产定义的关键。

1.数据资产具有清晰的所有权或控制权。交易产生的基础是有清晰的产权，数据资产应该具有同样的属性。所有权或控制权清晰包括两层含义，一是基于IT技术，数据资产的所有权和控制权应该得到认可和保护，即数据资产可以被标识、被确认，并且在网络环境下形成数据资产所有权的共识机制，此外，数据资产应该可以被有效保护，如果数据资产缺乏安全保护措施，数据将无法形成数据资产。二是基于法律层面，具有清晰边界的、不易篡改的数据资产被认可，并取得法律意义上的所有权或控制权。

2.数据资产具有非依赖性。非依赖性是指数据应独立于产生的数据主体而存在。非依赖性是数据产生价值的前提，如果数据始终依赖于数据源存在，那么对其他交易方而言，数据价值将不复存在，也就不能成为构成资产的必要条件。非依赖性要求数据资产应该可以被独立辨识并形成对外的应用能力或潜在价值。对应到实务中，则体现为数据资产是经过加工处理形成的，具有交易价值的数据集，而不是依赖于某一主体存储的数据。

3.数据资产可交易。企业持有数据资产的目的是获得潜在的收益，数据资产可交易是确认数据资产的必要条件。数据资产可交易是指数据资产的价值可以在相应的市场上获得认可，并具备交易的条件。如果数据资产仅具备价值，但不具有交易的能力，也无法形成数据资产。

4.数据资产应具有动态性。一般认为，企业在数据获取、加工时付出的成本是高昂的，形成资产后，由于其低成本的复制和传播，其共享性、复制性强，数据资产的获得成本显著降低。但实践证明，数据资产与其他资产的差异性集中体现在时效性和个性化差异上。时效性是指数据在一段时间内，具有一定的价值，但经历一定时间后，价值迅速耗散;个性化差异则表现在数据对使用者的价值而言具有较大的差异和个性化特征，缺乏稳定的价值形态和特征。因此，数据资产需要动态维护，维护其时效性，不断丰富和积累数据以满足多样化的使用需求。存储、发布、维护、管理、安全防护等仍然需要付出高昂的成本，以持续维护数据资产价值。数据资产不具备其他资产相对固定的形态和清晰的边界，数据资产具有动态性。

因此，数据资产应该包括三层含义，一是广义数据资产，即通常意义上的数据资源，是企业对各类活动和行为的物理或电子记载，其产权并不明晰，且价值模糊不可估计。数据资源是形成数据资产的基础和来源。二是管理学或统计学意义上的数据资产，数据具有明晰的所有权和控制权，但如果其价值无法科学合理估计，就无法参与到资源配置活动中来[11]。三是会计学意义上的数据资产，可以被企业拥有和控制，同时，也可以合理评估其价值，具备参与资源配置活动的能力。对于数据要素市场而言，只有具备了会计学意义上的数据资产，才可能参与到要素市场活动中来，成为参与分配的要素。

本文的研究关注于会计学意义上的数据资产，并可以给出数据资产的会计定义：数据资产是指企业拥有和控制的，不易被篡改的，能够为企业带来未来经济利益的可持续数据集及其服务能力。

（二）数据资产的形成路径

数据资产的形成不是被动的数据记录和存储过程，而是要经历从数据资源到管理学意义上的数据资产，再到会计学意义上的数据资产的转换过程，其本质是一个数据治理的过程。

根据国际数据管理协会（DAMA）给出的定义，数据治理是对数据资产管理行使权力和控制的活动集合。数据治理是技术与制度融合的过程，目标是提升数据价值，降低数据管理和应用成本。

基于数据治理的数据资产的形成路径如图2所示[12]。

由圖2可知，数据资产的形成路径包括三个主要过程：

1.形成数据资源

企业对各类数据的获取、记录和存储形成了数据资源。数据资源数量大、价值密度低，信息的使用者无法便捷地从记载的数据中获取有价值的信息。数据记载主要面向交易活动，与交易过程不可分离，或者说，脱离开具体的交易行为，数据价值将不复存在。

对数据源的获取应遵循合法的方式，数据源包括内部交易和管理活动产生的各类数据，如生产、财务、人员资源、供应链等数据;也包括来通过购买、授权、转让等方式获得的数据源。

2.形成管理学意义上的数据资产

借助于数据治理的相关方法和技术，对数据资源进行综合整理和控制，具体分为两个过程，一是数据整理，对数据进行唯一标识，并按照标准化的要求对数据进行清洗，建立与元数据的对应关系，达到数据质量控制要求;二是数据封装，主要包括对数据确权、确定数据所有者身份，同时进行安全封装，以保证数据所有权不被篡改的盗用。

在此基础上，构建数据中台，建立相应的报告管理、流程管理、数据监督机制，并提供算法、检索和应用模型支持。管理意义上的数据资产明确了数据的所有权，并对所有权建立了保护机制，从而为数据资产的会计确认奠定基础。

3.形成会计学意义上的数据资产

管理学意义上的数据资产和会计学意义上的数据资产的最大差异在于是否形成了数据价值的创造能力，这种创造能力是通过应用场景和管理意义上的数据资产相融合产生的。数据价值创造是一种能力，能力是基于一定的交易场景表现，并在此交易场景下形成价值表现的机制。通常意义上，表现为知识转移、知识消费、数据应用支持等诸多场景。交易场景的出现，提供了数据资产计量的参照，从而为数据资产的会计计量奠定基础。可确认、可计量的数据资产形成了会计学意义上的数据资产。

三、数据资产的确认和计量

尽管从目前的实践中看，国际会计准则和中国的会计准则都未明确数据资产的确认和计量方法，但实际上，数据资产的价值已经在资本市场上得到较为充分的反映。国内外诸多互联网公司的高市值已经体现了数据作为资产的价值。数据资产列入资产负债表，已经成为共识，但从目前的研究和应用状况看，还存在理论和实务上的诸多障碍。

（一）数据资产的确认

确认是把经济事项正式列入会计要素并加以记录和报告的过程。数据不仅可以形成资产，还应具备会计确认的基础和条件，确定数据资产确认的内容和时点。

根据资产的相关定义（是一项企业拥有或控制的资源），数据资产的确认首先应该明确数据的所有权和控制权问题。目前，对所有权的认识还存在较大争议，一般认为数据所有权应该归产生数据的数据源所有，但从会计学关于资产定义的视角分析，数据的所有权不一定归属于数据源本身。这是因为，资产的本质是企业拥有的一种获得未来收益的能力，如果企业拥有的一项资源不能带来未来收益，则不应该列入资产的范畴。当某一数据脱离数据源后，其价值将不复存在，那么该项资源不应列入会计资产的范畴。例如：个人的身高信息，如果脱离开个人本身，将失去数据的意义，此类数据不应放在数据讨论的范畴。再如，个人拥有的知识，知识可以被交易和转让，那么知识应该列入数据资产的范畴。基于经济学的视角，所有权和控制权是凝结在价值形成过程中的无差别的人类劳动，而不是简单地将数据源与所有权和控制权等同。从数据源中创造数据价值的能力才是界定所有权和控制权的标准[13]。

从技术角度分析，对数据资产的确认包括两个环节，一是数据标识，二是数据确权。数据标识是通过不可逆、防篡改的机制，为数据产生唯一的标识，数据标识是确定数据来源的手段和方法;数据确权是明确数据资产的所有权和控制权。数据资产所有权是指所有人依法具有的对数据享有的占有、使用、收益和处置的权利。区块链技术的成熟为数据资产确认提供了途径和方法。基于区块链的加密算法、共识机制可以实现对数据资产的标识，而工作量证明则提供了数据资产所有权或控制权证明的算法模型。

在IT环境下，数据所有权和控制权往往是相互分离的。所有权的形成取决于对数据的采集、加工和存储的过程，以及形成数据资产的能力;数据资产的控制权则更多地会交给社会化的共享平台来实现。特别是随着云服务模式的普及，更多的数据资产需要通过云平台发挥效用，数据资产的所有权和控制权形成相互依赖、相互制约的关系。在实践中，平台经济的出现体现了这一趋势。平台方控制了庞大的数据资源，形成了对数据资产的控制，而数据知识产权则可能归属于平台上的运营机构，双方相互依赖、相互制约。因此，对于数据资产的确认而言，既要承认数据所有权的唯一性，又要考虑到控制权的多样性，打破传统资产确认单一所有者的束缚，而变成所有者、控制者共有或共享的模式。较为典型的案例是美国Facebook公司提出的数据私有化行动，既承认用户对数据的所有权，又通过激励机制，鼓励用户让渡数据的控制权，在可预见的未来，对数据资产产权的共享和共有会成为常态。

（二）数据资产的计量

关于数据资产的计量，常用的方法有：成本法、收益法和市场法[14]。三种方法适用于不同的场景且各有利弊。

1.成本法基于数据资产形成的各个生命周期发生的各项成本归集，参照数据治理流程，数据资产包括数据感知、采集和获取成本、数据标识与质量控制成本、数据挖掘与知识发现成本、数据展现与利用成本。成本法的优势在于成本易于归集，数据资产的价值可以得到可靠计量;不足在于按照实际成本计量的数据资产往往低估数据资产价值，在数据资产交易时也难以基于数据资产的账面价值做出合理判断。

2.收益法通过评估数据资产未来预期收益的现值来计量数据资产价值。一般需要考虑三个方面的因素，一是资产的未来预期收益;二是预期收益的期限;三是折现率或资本化率。收益法的优势在于能够较好地评估数据资产的价值，真实反映企业数据资产的状态，但由于数据资产收益具有较强的不确定性，且容易被人为操纵。同时，数据资产面临的各类风险，如安全风险、法律风险、人为风险等，也使得数据资产收益的评估具有较大的不确定性。

3.市场法是指参照同类数据资产交易价格确定价值的一类方法。一般而言，采用市场法进行资产价值计量需要有较为活跃的交易市场，能够得到较为公允的市场交易信息，能够根据各类交易条件信息确定数据资产价值。市场法能够较为公允地反映数据资产的现时价值，促进相关资产交易的公平进行，但目前数据资产交易市场还处于培育期，相关数据资产公允价格难以找到参照，给市场法的应用带来障碍。

（三）数据资产会计确认与计量的相关建议

尽管数据资产的重要性已经得到广泛的认可，但在具体的会计准则操作层面，还未获得较为正式的认可。从现行的准则框架出发，对数据资产会计确认与计量建议如下：

1.广义数据资产的会计处理

广义的数据资产本质上是沉淀在企业的数据资源，由于该类资源并未得到有效管理，质量较低，虽然在某些应用场景下，可能会创造价值，但从会计视角看，其并不具备形成资产的条件，因此，在会计上可以不做处理。相应的，为存储、保管这些资源而耗费的支出，可以列入当期费用进行处理。

2.管理学意义上的数据资产会计处理

管理学意义上的数据资产具备了资产的特性，但从实际操作层面看，由于无法确认或估计其价值，或者无法单独辨认其价值，而无法进行会计处理。一般而言，这类数据资产价值并不体现在对外形成收益的能力上，而更多体现为对數据资产拥有或控制的主体效益提升、成本降低等价值创造环节上。对此问题的会计处理，形成了两类意见，一是采取收益法，合理估计其价值并在报告中单独列示;二是认为由于数据资产带来的价值已经通过效率提升、成本降低带来的溢价在其他的会计科目中充分体现，因此，不需要单独对其进行列示。本文赞同第二种观点，对于不具备交易能力的数据资产不需要单独进行确认和计量，既简化了会计处理，又不会出现数据资产价值被忽略的情况。

3.会计学意义上的数据资产会计处理

根据前文给出的数据资产定义，本文认为只有具备了交易条件的数据资产才需要进行单独的会计确认和计量，从而形成真正意义上的数据资产。具备交易条件包含三层含义，首先是该数据资产能够独立辨认，能够提供稳定使用价值的数据集或能力服务，如导航服务、数据包、精准客户画像、算法模型等;其次，该数据资产具备对外交易或服务的可能，意味着该资产可以被交换，对接受方可以形成价值，数据资产可以单独作为交易的标的物进行交易;最后，该数据资产具有活跃的交易市场，可以通过对相同或相似条件下的交易行为确定其价值。

对于此类数据资产的价值毫无疑问，可以参考类似于金融资产的会计处理方式，按照市场法进行会计确认和计量。

四、数据资产要素的市场化配置

对数据资产的会计确认和计量一方面满足数据估值需求，另一方面是更好地服务于数据资产要素市场的优化配置，因此，需要基于宏微观一体化视角，研究数据资产确认计量和市场化配置之间的关系。

（一）数据资产要素市场现状分析

农业经济时代的核心要素是土地，工业经济时代的核心要素是资本，数字经济时代的核心要素是数据资产。目前，随着数据资产交易的日益活跃，数据资产要素市场逐步成熟。2014年，贵阳大数据交易所挂牌以来，我国大力发展大数据产业，积极布局行业或地方性数据交易所，数据资产交易活跃程度日趋提高，数据资产交易的价值和重要作用正在得到广泛认同。

但也同时看到，数据资产要素市场的发展也存在一定的困难，主要表现在：第一，数据交易市场化配置的微观基础并不牢固。交易的微观基础在于建立标准化的标的物价值尺度，由于数据资产目前的形式多样，分类标准不一致，价值估计方式不统一，严重阻碍了数据交易活动的开展，而数据资产的会计确认和计量恰恰是解决这一问题的关键所在。通过数据资产的会计确认和计量建立相对标准、合规的数据确权、价值估计尺度，是扩展数据要素市场的基础工作之一。第二，数据交易市场化的产业链条还不完整。数据交易市场化配置需要建立数据确权、数据估值、交易机制、风险控制和收益分配等环节，但由于会计确认和计量基础的缺乏，使得数据交易市场化过程难以形成从确权到收益分配的完整价值链条，造成价值分配在交易生态中的错配，抑制了交易主体参与数据交易市场的积极性。第三，数据交易市场化的技术保障机制还不够完善。数据资产交易同时涉及到技术和制度保障两方面的因素，从技术保障机制来讲，还缺乏稳定、成本低廉、可持续的安全控制、交易追溯、数据确权、交易监管技术保障体系，虽然目前区块链、大数据、5G、人工智能等技术得到长足发展，但与数据交易场景深度融合的适用技术还不够完善，交易本身的不确定性风险依旧存在，局限了数据交易市场的快速发展。

（二）数据资产要素市场化配置路径分析

基于会计视角，数据资产要素市场化配置路径本质是一个数据资产价值从形成到交易再到分配的运动过程，按照价值运动规律，其市场化配置路径如图3所示。

由图3可知，在数据资产要素市场化配置的各个阶段，都需要从技术、制度和会计角度进行综合考虑和设计。

1.数据资产价值形成阶段

在数据资产价值形成阶段，从技术角度分析，主要是完成数据的感知与获取，并通过数据治理过程保证数据质量，通过数据挖掘获取数据资源潜在知识和价值，通过数据追溯能力的建设，确定数据的来源，识别数据的所有者和控制者，完成数据价值发现和数据确权的任务;从会计角度分析，本阶段需要完成数据资产的会计确认，将具备数据资产特征的数据资源确认为会计意义上的数据资产;从制度角度分析，需要建立数据资产分类标准，根据数据资产持有目标和特征，划分明晰的数据资产分类标准体系，以识别和确认不同数据资产的类别归属，同时明确该数据资产是否需要进行会计确认。

在数据资产价值形成阶段，需要完成“数据资产形成→数据资产确权→数据资产确认”过程。

2.数据资产价值评估阶段[15]

数据资产价值评估阶段，从技术角度分析，主要完成数据资产特征的识别，并确认影响数据资产价值的相关因素和环境。数据资产不能脱离一定的技术环境独立存在，技术环境的安全性、稳定性、可检测性等特征将会直接影响数据资产价值的评估;从会计角度分析，需要采用恰当的评估方法，在充分考虑资产特征的基础上，合理估计数据资产价值;从制度角度分析，应该根据数据资产类别建立具有可比性的数据资产评估模型，对同类资产采用相近或相同的评估规则。数据资产价值封装需要借助于技术手段和制度策略，对数据资产进行保护，一是从技术手段尽可能控制数据资产被损毁、被盗用的风险;二是从制度手段，基于同类资产分类和同类评估方法，明确数据价值，并通过会计手段予以认定和记载。价值封装的本质是建立各类数据资产统一的价值尺度和防护策略，以保证各类数据资产价值的稳定性和可比性。

在数据资产价值评估阶段，需要完成“数据特征识别→价值估计→价值封装”过程。

3.数据资产价值交易[16]

数据资产价值交易是数据资产市场化配置的核心环节，可以参照证券交易模式进行数据资产价值交易。数据资产交易需要活跃的数据资产交易场所，数据资产交易所应承担以下职责：提供数据资产交易的基础设施和技术支持，提供数据资产交易模式的创新和产品设计，提供数据资产交易规则的管理与维护等。数据资产交易的另一个前提是数据资产的证券化，所谓证券化是指将数据资产转换成可以交易的证券类产品，从而完成数据资产的商品化过程。数据资产证券化有利于完成数据资产的标准化，通过对不同数据资产证券产品的设计，实现证券商品向数据资产实体的映射，通过数据资产的拆分、组合和封装，将个性化、特殊性的数据资产转化为可交易的标准化数据商品，建立了统一的数据资产价值衡量尺度，奠定了数据资产活跃交易的基础。数据资产证券化形成了标准化的产品，交易方可以不过多关注于数据资产本身的技术特征和特殊价值，增加了交易双方的信息透明度，降低了交易成本。数据资产证券化建立了同类数据资产价值交易的开放公允平台，参与交易的双方可以更快捷、安全地完成各类交易，增加了交易的活跃度，更能够及时反馈数据价值波动情况，吸引更多的数据资产加入证券化交易的平台中来，从而快速做强做大数据资产要素市场。与此同时，应该进一步完善和规范数据资产交易规则，建立交易过程监管和风险预警，避免交易活动的风险。

在数据资产价值交易阶段，需要完成“数据证券化→数据交易风险管控→数据资产交易”过程。

4.数据资产价值分配

数据资产价值创造和交易过程涉及众多的参与者，包括数据资产所有者、控制者、技术支持方、交易中介、律所、会计师事务所、数据流通、安全防护、数据消费者等，共同形成了完整的数据资产价值生态体系，因此，也应该参与到数据资产收益的分配中来。数据资产与其他资产相比，其社会化协同管理的程度更高，一味地强调数据资产的权属而忽略了数据资产管理的社会化程度，往往难以实现数据资产的价值。因此，应该进一步完善数据资产价值分配机制，建立基于激励机制的数据资产挖掘与管理体系，才能够激发数据资产市场活力。

数据资产价值分配需要建立多维度、多主体的绩效评价机制，并通过公开透明的共识机制共享交易各方信息，建立有效的价值分配机制。区块链的工作机制其实较好地体现了价值分配过程，通过工作量证明和共识机制，让所有的算力公开，并建立相应的激励机制。

数据资产价值分配阶段，需要完成“数据资产绩效评价→数据资产收益共识→数据资产收益分配”过程。

（三）数据资产要素市场的价值发现与传导

数据资产要素市场化配置是围绕数据资产价值的形成、评估、交易和分配过程进行的，这一过程本质上也是数据资产要素价值运动过程，而这一过程，都需要基于会计视角实现对价值的确认、计量，从而建立起微观会计价值核算与宏观市场价值运动的关联。相较于传统的资本市场，宏观市场运行与微观会计的联系是通过会计信息“披露-反馈”这一循环间接实现的[17]，而由于数据资产的特殊性，其价值运动过程全部基于数字化、在线化方式进行，因此，会计微观的价值确认和计量与要素市场的价值运动已经合为一体，会计确认和计量行为本身就是价值运动的组成部分，会计真正地从信息系统转为管理控制系统。反之，对数据资产会计确认和计量，也需要从数据资产要素市场配置的实践场景出发，有针对性地构建服从于数据资产要素市场的会计确认和计量标准，而不是漫无目的地去扩展数据资产确认和计量的范围[18]。

五、建议与对策

数据资产会计确认与要素市场化配置是一个方兴未艾的研究领域。但是在实践过程中，数据资产交易市场日趋成熟，对数据资产的会计确认和计量提出迫切的要求，根据本文的研究，提出相关的政策建议如下：

第一，鉴于数据资产的特殊性，应树立宏微观一体化的理念，从数据资产要素市场化配置的宏观需求出发，研究數据资产的会计确认和计量问题，避免数据资产概念和范围的扩大化，将能够满足资产证券化要求的数据资产列入会计确认的范畴，以支持数据资产的交易活动。

第二，应进一步建立和完善数据资产交易市场运行体制。包括数据资产交易准入机制、交易规则、交易风险监督、交易收益分配机制等。把数据资产视同为特殊类型的金融资产设计交易模式和规则。这也符合数据资产交易市场发展的一般规律。最初的数据资产交易就是从股票、证券这些具有明显数据化特征的资产开始的。随着相关技术的不断完善，数据资产的范围不断扩展，并有可能随着实物资产数据化应用场景的成熟，实现数据资产范围的进一步扩大。

第三，应尽快建立数据资产会计确认的相关准则和应用指南。明确数据资产的概念范畴，建立数据资产标准划分体系，针对不同类型的数据资产建立分类指导的确认标准。

第四，应尽快建立数据资产会计计量的相关标准和模型。建立相对一致或统一的数据资产计量模型，形成具有可比性的数据资产价值信息。

第五，应尽快建立和完善数据资产要素市场分配机制，建立基于市场调节的绩效评价和收益分配机制，并从相关税收政策上予以鼓励，以激活数据要素市场，将更优质的资源配置到数字化企业中去，激发数字化企业创新动力[19]。

数据资产确认与数据资产要素市场化配置是数据资产价值管理的两个侧面，必须基于一体化的融合思维，才能够为数据资产要素市场奠定坚实的发展基础，才能够进一步激活数据资产要素市场活力。

【参考文献】

[1] 国家工业信息安全发展研究中心.中国数据要素市场发展报告（2020—2021）[R]. 2021.

[2] 张勇进，王璇.主要发达国家大数据政策比较研究[J].中国行政管理，2014（12）：113-117.

[3] 中共中央，国务院.关于新时代加快完善社会主义市场经济体制的意见[A]. 2020.

[4] 曹硕，廖倡，朱扬勇.数据要素的证券属性设计研究[J].上海金融，2021（4）：71-79.

[5] 高昂，彭云峰，王思睿.数据资产价值评价标准化研究[J].中国标准化，2021（9）：90-93.

[6] 陈思静，王磊，尹波，等.朴素贝叶斯分类法与数据资产会计确认——难题与突破[J].会计之友，2019（19）：58-61.

[7] 秦荣生.企业数据资产的确认、计量与报告研究[J].会计与经济研究，2020，34（6）：3-10.

[8] PETERS R E.A cross section study of the demand for money：the united states，1960-1962[J].The Journal of Finance，1974（1）：73-88.

[9] TONY FISHER.The data asset：how smart companies govern their data for business success[M].Hoboken：John Wiley & Sons，Inc.2009：12-30.

[10] 維克托·迈尔-舍恩伯格，肯尼斯·库克耶.大数据时代[M]. 周涛，译.杭州：浙江人民出版社，2013：20-37.

[11] 马丹，郁霞.数据资产：概念演化与测度方法[J].统计学报，2020，1（2）：15-24.

[12] 续慧泓，杨周南，周卫华，等.基于管理活动论的智能会计系统研究——从会计信息化到会计智能化[J].会计研究，2021（3）：11-27.

[13] LEE J T，FREITAS J，FERRALL I L，et al.Review and perspectives on data sharing and privacy in expanding electricity access[J].Proceedings of the IEEE，2019，107（9）：1803-1819.

[14] 中国资产评估协会.资产评估专家指引第9 号——数据资产评估[A].2019.

[15] 张志刚，杨栋枢，吴红侠.数据资产价值评估模型研究与应用[J].现代电子技术，2015（20）：44-47，51.

[16] 张驰.数据资产价值分析模型与交易体系研究[D].北京：北京交通大学博士学位论文，2018.

[17] 左文进，刘丽君.基于用户感知价值的大数据资产估价方法研究[J].情报理论与实践，2021，44（1）：71-77，88.

[18] XIAO DING，et al.ELG：an event logic graph [Z]. 2019.

[19] 陈兵，赵秉元.数据要素市场高质量发展的竞争法治推进[J].上海财经大学学报，2021（2）：3-16，33.