基于应用场景的数据资产会计核算研究

吴果莲 苑秀娥

数据是企业的核心要素和资产，具有巨大的价值潜能和经济效益。同时数据标注产业群、大数据交易所等数据资产市场基础设施的成立与运营推动着数据产品交易，数据要素市场格局逐渐完善。数据资产计入企业财务报告是大势所趋，从会计学角度对数据资产进行核算是其中必不可缺的一环。当前数据资产缺乏一致认可的衡量标准和一套完整有效的核算体系，国内会计学术界对数据资产价值评估方面的研究相对较少，理论部分和实证研究都有待进一步完善。本文基于生命周期理论结合数据资产化流程明确数据资产价值实现路径，将数据资产价值评估模型引入数据资产会计核算中，针对不同应用场景与具体业务相结合对数据资产会计核算进行探讨，以期能推动数据资产价值独立计量、会计核算及入账入表问题的解决提供思路创新。

一、数据资产的确认

1.数据资产化与数据资产价值实现路径。对数据资产进行研究首先都要明确其概念和定义。最早是由Richard Peterson于1974提出“数据资产”，多指可证券化的金融产品。随着IT技术和互联网发展，大数据领域学者把具有价值的大数据本身看作其拥有的一项资产。有关数据资产的会计研究，西方学者目前研究重心是加密资产会计，与我国当下的数据资产概念和研究重点具有一定差别。国内数据资产有关研究开始相对较晚，目前学界仍未对数据资产形成标准精确定义，侧重点各有不同，主要是基于特征分为资产和数据两个角度。由会计准则对资产定义出发结合数据特点进行概括的“数据资源论”和从会计确认条件出发、强调数据特征的“数据集论”是当前有关数据资产定义的两种代表性观点 。如从数据属性出发将数据资产定义为“有权属和价值”、“可计量”、“可读取的数据集”。中国信通院2021年12月发布的《数据资产管理实践白皮书（5.0版本）》由资产概念出发，认为是“合法权属（所有或控制）、可进行计量与交易、能直接或间接带来经济利益和社会效益的数据资源，如电子数据、文件和相关资料等结构化或非结构化数据”基本成为行业共识”。

通过调查分析与文献总结基于数据资产全生命周期可以将会计意义上的数据资产化分为三个阶段。根据中国信通院在《数据资产管理实践白皮书（5.0版）》中提出的实现从原始数据到数据资产的两个步骤，即数据资源化和数据资产化，数据变成一般意义上的资产。与有形资产和无形资产相同，具有经济属性的数据资产有别于具有天然属性的数据资源，二者虽具有一致的物质内在但其基本概念与属性大相径庭也导致价值有所差异，分属于不同管理领域。在经过获取、质量提升、分析等流程，通过标准模式和分析工具进行反复的提纯和处理，从数量庞大且繁杂仅作为资料存在的数据到发现具有一定价值的数据资源，这是第一阶段“数据资源化”；经过处理后的数据进入流通环节，在公司内部不同业务部门或企业间共享，符合一般意义上数据资产并且需要满足数据资产的确认条件，可控制、有价值、可量化，这是第二阶段即数据资产化；第三个阶段是数据资产的价值实现，数据资产进入应用环节，通过为企业创造价值数据资产价值才得以实现或增加，只有小部分数据资源能符合条件被确认为数据资产。要想成为最终意义上的数据资产，必须进入应用环节，借助于具体的业务场景，不同业务场景下数据资产的价值也相应有所区别，种类繁多，其升级路径主要可以分为两种：通过合理应用创造出新的价值能有助于提高现有产品实现价值或增加企业利润，对内是有助于企业效益的提升，对外是进入资本市场交易进而价值变现。因此本文根据自用和交易两种场景结合数据资产生命周期、引入数据资产价值评估方法，对数据资产进行会计核算研究。

2.数据资产的确认。基于上述研究与分析，本文较为认可信通院最新发布的概念，将数据资产界定为经过资源化和资产化后具有价值的高质量数据，且需满足可控性、可计量、可收益条件，拥有应用场景或能与企业业务结合在一定时期内被企业连续使用或反复使用。

目前学界已认可数据资源的资产属性，但对于数据资产的确认问题尚未达成一致意见，即如何确认、确认结果问题。由于现阶段将其划分为金融资产的可能性较低，主要是三类观点。第一类是对于主营业务可能是出售数据产品的数据产品提供商而言，是属于存货范畴。但对交易频率较低不足以被认定为日常经营活动，企业不能将之看作存货进行核算。第二类是认为数据资产和无形资产类似，兼具资产属性和无形资产特性，无实物形态、非货币性、可辨认特点等，其价值与具体形态无关，建议直接并入无形资产或下设二级科目“无形资产——数据资产“进行会计处理与核算。第三类观点也是文章所认同的，由于会计核算系统中有关无形资产的确认范围较窄，且评估方法不能合理有效衡量数据资产的价值，数据资产价值衡量问题和数据更迭等诸多因素都导致难度进一步加大，同时鉴于数据资产兼具多种资产特征，如有形、无形、长期和流动资产等，可在借鉴现有的无形资产会计核算体系的基础上将其作为一种新的资产类别，应另外单设一级会计科目“数据资产”进行确认、处理和列报，根据应用场景、持有目的不同以及具体业务下设二级科目进行会计核算，同时根据上文数据资产价值实现和数据资产定义的相关探讨应将确认时点设置为符合“数据资产”定义及确认条件并且进入流通或应用环节，在业务场景中能为企业创造价值。

二、数据资产的计量

数据资产会计核算三大难点即识别、确权和计量问题，以及数据资产可控制、可收益和可计量三大确认原则，是当前学术界关注的热点问题。其中识别和确权问题，随着区块链、识别工具等发展与应用为其提供技术支撑，相关法律制度和法规条款的不断健全与完善为数据资产会计确认提供法律保障。

数据资产计量有关问题研究主要可分为两种。一是从会计核算角度出发在现有模式基础上进行拓展，如李秉祥（2022）提出探索性的大数据资产会计核算方法 ，熊艳（2022）以阿里巴巴为例针对互联网企业内部经营活动、并购过程中产生的数据资产分类进行初始、后续以及终止计量。但此类研究多侧重会计核算研究不能反映数据资产的真实价值。二是从数据资产价值评估技术着手展开研究，学者们对数据资产估值定价模型不断优化与修正，结合层次分析、信息熵、灰色关联、博弈论、模糊神经网络、模糊综合评价、深度学习等方法对数据资产价值的影响因素和权重进行修正或侧重收益的预估和利益的分配引入破产分配、博弈论、实物期权法和DEVA模型等进行创新，但现有方法均存在不足，如主观性过高不能反映数据资产的真实价值或评估方法在理论层面进行创新但缺乏实践意义，收益期限、风险因素、折现率以及成本和折现率之间的差异等问题没有得到合理解决。在计量方面，会计上的计量方法具有一定滞后性，同时价值评估仍未形成统一规范一致认可的标准，由于数据资产价值依据应用场景的不同发生改变，本文没有简单套用传统的会计计量方式和数据资产估值方法，基于上文应用场景依据持有目的的不同，数据资产分为自用数据资产和以交易为目的持有的数据资产，借鉴现有会计准则，采用不同估值方法和计量模式确定数据资产价值并分类进行会计处理，以期提供新思路。

（一）自用数据资产的计量

1.初始计量。自用数据资产按照来源主要可以分为三类：（1）外购数据资产，分为可直接使用数据资产和需要进一步加工处理以达到可使用状态的数据资产，前者可直接采用采购价格入账，后者需要在前者基础上对后续符合资本化条件的加工支出在数据资产达到可获益用途时转入成本;（2）在企业合并过程中所形成的数据资产，此时可将并购成本减去商誉估价的差额作为数据资产的初始入账价值。（3）在企业内部生产与经营中产生的数据资产，由于缺乏活跃交易市场难以取得市场可比价格，基于谨慎性原则，此时大部分学者采用成本法，根据数据资产定义和确认条件，可借鉴无形资产研发阶段会计处理，对各项支出进行归集，在数据积累、清洗、标准化、整理等数据资源化初期的各项支出应当进行费用化处理，对后续数据分析应用环节的各项支出满足资本化条件的应当计入数据资产成本。

2.后续计量。对于数据资产后续是否计提摊销与折旧的问题。学术界目前大多认为无需计提折旧，只是在摊销的处理上略有不同。本文认为应先确定数据资产使用寿命是否有限及确定，具体标准可参照唐莉（2017）对数据资产使用寿命的讨论。使用寿命有限且确定的，按合同或法律规定期限进行摊销。无法确定使用寿命的数据资产，可将使用寿命设定为三至五年。由于数据资产时效性和资产特性，建议采用加速折旧法。由于数据资产具有更新性，数据资产后续的更新和增值，参考固定资产与在建工程的业务处理，对该项数据资产后续资本投入，可借鉴在建工程后续支出的两种会计处理，同时应当对使用寿命进行重新确定。

对于自用数据资产，应当在每个会计期期末对其进行减值测试。由于难以找到相同或类似数据资产进行公允价值确定，可以根据数据资产对企业超额收益的贡献或其潜在获利可能性，采用多期超额收益法或B-S实物期权定价模型评估该项数据资产价值，并与账面价值对比，判断该项数据资产能否继续为企业提升效益或是否发生减值。这两种方法相对较为成熟认可度较高且相对易操作。收益法是数据资产评估的核心方法，多期超额收益又是其中常用模型，可计算预估使用该数据资产后给企业带来的收益，难点是折现率的确定，但学术界不断进行深入，陈芳（2021）、张悦（2021）、刘惠萍（2022）对其进行改进，苑泽明（2021）在此方法基础上引入AHP、GM(1,1)模型，胥子灵（2022）对折现率和收益期进行修正并增加客户留存率参数，董惠敏（2022）提出动态折现率并进行对比等，以上学者都以实例对模型进行运用并验证以确保其可行性。计算公式见公式（1）；B-S实物期权理论将数据资产的不确定看做未来创造价值的潜在性，王静（2019）、李茂浩（2019）、李秉祥（2021）等基于此法对数据资产进行价值评估，郭燕青（2022）引入模糊数学理论对互联网企业数据资产进行评估，祖广正（2022）进一步改进提出模糊区间求出数据资产价值范围。基本计算公式见公式（2）。这两种评估方法得到的结果较为积极，而若账面价值小于二者之一，应当进行减值处理，以差额借记“公允价值变动损益”，反之由于谨慎性不做会计处理。

其中，V是数据资产价值，Rt是第t期数据资产的带来的超额收益，表现为利润或销售额的增加、成本的降低等，t是收益期，n是数据资产剩余使用寿命，i是折现率。

其中，X是执行价格，S0是资产初始价值，是复利无风险利率，t是数据资产使用寿命，是价格变化平均波动率。N(d1)表示愿意支付数据资产成本的概率，N(d2)表示愿意支付数据资产后续分析维护费用的概率。

自用数据资产出现毁损、报废等情况无法继续经济利益流入，可参照无形资产和固定资产的处置，将有关账户余额转销，差额可计入营业外收支。

（二）以交易为目的持有的数据资产的计量

交易场景下的数据资产以出售为目的持有，由于数据资产价值未来波动可能性和幅度较大、获利能力的不确定性、价值转换的风险性等特点，影响因素更为复杂，具有较强时效性的同时其价值也可能随时间积累规模变化从而增值。数据资产会计应反映其公允价值，但我国目前数据市场无法支撑公允价值计量标准，其他传统估值方法不能充分考虑数据资产特性并反映其价值，也不利于后期数据资产交易推动数据要素市场化，需要探索一种新型综合式估值方法。本文在参考数据资产估值模型和定价策略的基础上引入成本修正理念，结合传统三类资产计量方式，提出基于影响因素的AHP多重估值模型对以交易为目的持有数据资产价值进行估值作为初始入账价值，数据资产的价值构成及影响因素见表1。

表1 准则层判断矩阵

采用模拟数值对数据资产价值进行估算。假设目标企业J以交易为目的持有数据资产。首先运用层次分析法得出影响数据资产价值各因素权重。邀请一定数量相关领域专家对影响因素重要性打分，构建判断矩阵如表1所示，经过一致性检验最终得到指标权值W1、W2、W3、。

成本价值（A）是基于生命周期对数据资产全成本进行归集，建设、运维、管理、营销成本中的包括资金、人力、技术、设备成本，人力成本按参与流程人员的工作量乘以薪资单价确定，可参考2021年南方电网提出的数据资产组合式评估方法。风险价值（B）是影响数据价值实现的风险，包括道德风险、法律风险、增值开发、流通、管理、安全等风险，如由该数据资产产生的法律诉讼费等。数据资产的应用价值（C）包括两部分，商业价值是指数据资产与具体业务相结合给企业带来的收益，通过对现有数据资产价值评估模型进行分析，结合数据资产特点，本文建议使用改进多期超额收益法进行计算，以得到使用该数据资产后给企业带来的预期收益。具体计算公式见公式（3）：

其中，Vb是数据资产对商业价值，Rt是企业第t期整体收益，可采用企业自由现金流，即流入资金减去流出资金，剩余部分为企业的收益，相对利润更为稳定不易受其他数据影响能更好代表企业收益。Rct、Rft、Rmt指数据资产以外的其他资产带来的贡献值，t是收益期，n是被评估资产剩余使用寿命，i为折现率，c是数据资产超额收益占比。

数据资产应用价值中的内在价值是指除了成本和风险外影响数据价值实现和效用的因素，考虑市场供求情况，目的是为了对合理利润率进行修正。市场价值（D）是由于数据资产的交易目的考虑市场和交易对象对数据资产价值的影响。最后对上述四个价值进行加权平均得到数据资产价值V。

由于数据更新迭代快，数据资产的价值波动可能性和幅度较大，以交易为目的持有的数据资产，基于决策有用观和会计谨慎性原则，应当每期期末采用此模型对数据资产进行价值评估以判断是否因“过时”而贬值，及时借记销售用数据资产跌价准备，以准确反映企业数据资产状况和可能的风险与损失。

对于出售以交易为目的持有的数据资产，需要区别 “使用权”“所有权”进行探讨。第一种是企业将数据资产所有权一次性全部转移，李禀祥(2022)提出借鉴存货的出售，在符合收入确认条件情况下确认主营业收入结转成本。本文认为这种做法的是基于企业出售数据资产频率高，是企业的主要生产经营活动，如不满足此前提，应当借鉴出售无形资产的会计处理计入营业外收支并转销相应账户。第二种情况是企业仍保留所有权，只是将使用权出售给交易方，可以参考无形资产使用权的转让，取得的收入和发生的支出分别计入其他业务收支。对于多次转让使用权获益的情况可采用计划收入比例法合理分摊成本，具体做法可参详影视作品保留使用权并多次转售的成本结转处理。对于销售用数据资产的毁损报废与自用数据资产会计处理相同。

三、数据资产的披露

当前国内会计准则体系对数据要素这项“隐形资源”如何在财务会计系统和财务报表中显性化合理反映尚未作出明确规定。学术界主要有以下三种观点：一是表内披露，应在资产负债表中对满足确认条件的数据资产进行确认和列报（熊艳，2022），可参考会计准则中对无形资产的相关披露要求，鉴于其特殊属性，在“非流动资产”项目单独以账面余额列示，并相应增设备抵项目，同时在财务报表附注中提供说明。二是仅在表外说明或在管理报告中额外披露和数据资产取得、应用、定价、转让、交易和失效等相关信息（符文娟，2022）；三是编制第四张报表对于企业各项数据从进行详细说明，如德勤中国提出的“第四张报表”、田五星（2018）提出的 “关键价值指标变动表”、熊艳（2022）编制的“数据资产表外披露框架”等。

本文更为偏向第三种做法。由于目前数据资产会计核算体系尚未健全，对于表内披露数据资产列示项目、金额及位置都存在诸多争议，数据资产相关研究仍在继续，盲目将数据资产直接列报在数据资产负债表中，不仅不能反映其真实价值也容易干扰财务报表使用者进行决策。要想推动数据资产会计研究进一步深入，解决数据资产“入账如表“问题，必须结合具体业务和应用场景从实践出发，例如针对在大数据领域布局较早且融合较深的互联网企业，数据在企业内部发挥的作用及战略地位愈发凸显，但数据资产价值评估和核算滞后导致企业价值被低估，企业内部财务人员可基于现有会计学术界和数据资产评估相关研究，通过充分了解企业业务流程，利用所掌握的内部数据资产相关资料，结合企业自身特点，进行实操，将目前不能入表核算数据资产，以合理形式详细披露，满足财务报告目标，满足企业经营管理需要，推动企业数据资产化、数据资产财务化从而充分挖掘企业自身数据潜能，进一步实现企业数据资产管理和价值提升，加快数字化转型进程。

本文认为应先确定数据资产使用寿命是否有限及确定，具体标准可参照唐莉（2017）对数据资产使用寿命的讨论。使用寿命有限且确定的，按合同或法律规定期限进行摊销。无法确定使用寿命的数据资产，可将使用寿命设定为三至五年。由于数据资产时效性和资产特性，建议采用加速折旧法。由于数据资产具有更新性，数据资产后续的更新和增值，参考固定资产与在建工程的业务处理，对该项数据资产后续资本投入，可借鉴在建工程后续支出的两种会计处理，同时应当对使用寿命进行重新确定。

四、结论与展望

本文基于生命周期理论结合数据资产化明确数据资产价值实现路径和数据资产定义，同时将数据资产价值评估模型引入数据资产会计核算中，针对不同应用场景与具体业务相结合，对数据资产进行确认、计量和披露，拓宽数据资产估值和会计核算研究思路。同时在对以交易为持有目的的数据资产进行计量时，在数据资产影响因素中引入风险、市场因素和成本修正理念，将成本法、市场法和收益法结合提出AHP多重估值模型，以期能克服数据资产价值因应用场景不同产生差异的评估困境，推动数据资产计量和核算方式的创新与健全。

未来有如下展望：（1）多方面深层次进行会计核算研究。主动化、价值化、全程化沟通，达成数据资产化共识。数据资产的引入对会计核算体系的现代化、数据化，以及企业经营与管理的高效化均具有战略意义。互联网时代、企业数字化转型也对会计从业人员提出更高要求，要在提高专业财务能力与素养的同时，跳出传统数据资产的核算和研究舒适圈，主动对数据资产会计核算中核心问题进行前瞻性分析与思考，结合当下时代背景和诉求对会计核算方式进行创新，成为多学科跨领域创新复合型人才。将数据资产价值显性化和外部化，数据资产会计核算研究不是孤立的，将有效沟通融入网络与数据安全、区块链、法律权属、估值与定价、数据资产管理与交易等多方面各领域的数据资产研究，从而促进多方合力、资源共享和互助协作。（2）在实践中检验和创新理论，本文将数据资产价值评估理论模型引入会计计量并对分类讨论下的数据资产进行会计核算，但并未进行实操。数据资产价值只有在具体业务和应用场景下才能得以实现，故数据资产研究不能只停留在理论，应加强实践探索，与企业、政务、大数据等结合，真正做到业财融合。数据资产价值最大化是社会关注热点和研究重点，跨部门、企业、行业沟通，推动各参与方主动探索数据资产化和企业数字化，在数据要素上享有明显的经济资源优势的企业，如互联网企业、电网企业、高校等可以结合时代趋势开展数字化建设，加强合作与交流发挥规模效益，构建数据资产管理平台和价值管理体系，进一步推动数据资产在财务领域未来的发展。