数智时代下企业数据资产会计处理初探

汪文华 章颖薇 胡明英

摘 要：在大数据与人工智能技术不断发展的今天，数据作为一种新的生产要素已成为很多企业的核心资产。随着数据交易市场的日益活跃以及企业数据赋能的深化，企业如何对数据资产进行规范的会计处理成为亟待解决的问题。为此，本文梳理了国内文献有关数据资产的概念界定，在对比数据资产与传统资产差异的基础上，主张增设“数据资产”科目对满足一定条件的数据资源予以确认，并对数据资产的会计计量和信息披露问题进行了探索，旨在推动数据资产会计理论研究的进一步完善。

关键词：数据;数据资产化;数据资产;会计确认;会计计量

一、引言

随着信息化的不断深入，国家、机构、企业等各行各业积累了大量的互联网数据。据国际数据公司（IDC）测算，预计到2025年，中国产生的数据总量将达48.6 ZB，占全球的27.8%，数据量将居世界第一。面对如此庞大的数据总量，保护、开发、利用好数据资源是我国提高国家综合实力和国际竞争力的必然选择。2015年我国政府提出“国家大数据战略”，并于2017年开始每年都将数字经济写入政府工作报告，2020年4月中央首次将数据正式纳入生产要素范围，2021年“十四五”规划里中央围绕数据要素的政策、法律、技术等各个方面都做了重要部署，数字中国建设有序推进。同时，随着数据分析技术的发展，企业的经济决策越来越依赖数据的支持，数据资产日益成为企业降本增利的重要战略资源。如果企业未对数据资产进行规范的会计处理，会加大利益相关者的信息不对称，容易误导决策者对企业经营发展情况做出错误判断，同时也将不利于数据的交易和流通，阻碍数据资产在全社会发挥价值创造的潜力。

当前，在会计领域中数据是否进入报表还在商榷，或是认为不应当确认为资产，直接费用化;或是认为确认为无形资产;或是认为专设“数据资产”科目，数据资产概念含糊不清。数据资产价值评估也挑战传统会计计量基础和方式。鉴于上述原因，本文提出了数据资产的会计学视角的基本概念，明确了数据资产的特性，初步探寻了数智时代背景下企业数据资产会计确认、计量及报告的方法，以期进一步扩大资产核算的范围体系，提高会计信息列报的质量水平以更好地服务于报表使用者，并促进数据要素市场更加高效运转。

二、数据资产的概念界定

數据资产一词在20世纪70年代由美国学者理查德·彼得松首次提出，他将数据资产视为一些债券类金融产品的统称。这一新名词的出现，在传统经济的时代背景下并没有受到关注。直到21世纪初，互联网的普及以及计算机技术的发展使得数据的体量呈几何型增长，大数据作为新兴领域成了学者们研究的热点，数据资产这一名词也被赋予了丰富的内涵。在我国已有一些学者基于不同的视角在概念界定上提出了自己的观点，比如：叶雅珍（2021）从数据的属性出发，将数据资产定义为拥有数据权属（勘探权、使用权、所有权）、有价值、可计量、可读取的网络空间中的数据集[1];许宪春等（2022）从国民经济核算视角对数据资产进行探讨，强调数据资产应具备经济所有权明确、收益性且时效性大于一年的条件，将其定义为：拥有应用场景且在生产过程中被反复或连续使用一年以上的数据[2];张俊瑞等（2020）认为数据资产属于无形资产范畴，从无形资产的定义出发并结合数据资产的特性（数据化形态、可辨认性和非货币性），将其定义为由企业拥有或控制的具有数据化形态的可辨认非货币性资产[3]。

虽然数据资产的概念界定方面尚未形成统一的意见，但他们都基本认同以下观点：并非所有的数据资源都是数据资产;数据资产能给企业带来经济利益;数据资产必须权属明晰;数据资产应当具有可辨认性。

三、数据资产的特性

数据资产作为一种新型资产，具有与传统资产不同的特性。本文将从以下三个角度来详细阐述。

（一）基本特性

1. 非实体性。即数据资产不具有实物形态，但通常又依附于实体。数据资产通常表现为某种数据集，并以二进制的形式存储于实物载体，比如移动硬盘、磁盘等存储介质中。同时这种特性也决定了其使用时并不会发生损耗，在正常情况下可以无限期使用。

2. 获利性和无限增值性。数据资产不仅能给企业带来直接或间接的经济利益，而且它为企业带来收益的方式与传统资产也有很大的差别，数据通常具有无限增值的能力，会随着时间的推移和数据的多次挖掘、出售、分析等方式发生持续获利。

3. 价值不确定性和计量复杂性。一方面，经济学家将数据及其信息产品称为“经验产品”：消费者每一次都必须尝试该产品才能对它进行评价，也即数据价值会受到主观因素的影响;另一方面，数据价值又会受到数据数量、获取难易程度、开发利用成本、呈现形式等的影响。主观和客观上的因素给数据的统一计量带来了一定困难。

（二）成本特性

数据资产的变动成本以及成本与价值的关系方面明显区别于传统资产。

1. 高固定成本，低变动成本。数据成本包括数据获取和储存成本、处理系统的建设费用和运维费用等。用于数据资产生产和管理的固定投入往往花费巨大，比如购置数据库服务器和存储服务器，引入先进的机器学习算法技术，引进高素质的技术人才等，而数据复制的变动成本却相对较低。

2. 弱对应性。数据资产的成本与价值具有弱对应性，也就是说虽然其成本是价值的一部分，但数据资产价值不仅取决于它的成本，还会受到其应用领域、质量和风险等多个因素影响，并且这些因素对其价值的影响远高于成本因素。

（三）功能特性

数据资产发挥作用的方式明显区别于传统资产，因而具有特殊的功能特性。

1. 较强的业务依附性。数据资产来源于企业日常经营业务的记录，其价值通过服务于企业而得到体现。企业数据与特定的应用场景密不可分，同样的数据对不同经营业务的企业产生的效益通常存在差异。

2. 共享性。共享性指数据在一定的时空范围内可以被多个主体拥有和使用。由于数据可以无限复制，而且复制的边际成本通常很低，数据的传递和使用可以无限地进行下去。

3. 可加工性和更新性。在互联网、物联网的助推下，数据会随着经济业务的发生而实时更新。为了维持数据的价值，就需要企业定期维护、更新、补充数据集;同时，数据资产还可以被更深层次分析和挖掘得到新的数据资产。

4. 时效性。数据资产虽然不会因长期使用而折损自身的价值，但是其在不同的时点价值可能有很大的差异。比如证券行情数据和气象预测数据会在短期内快速过时而大幅贬值，某些医疗数据也可能会因为突发类似疾病事件而价值陡升。

四、数据资产会计确认问题

（一）数据资产的确认条件

在数字经济的迅猛发展，数据资产在企业中发挥着越来越重要的作用。为了提高会计信息的可靠性和重要性，企业有必要对符合资产特征的数据资源进行确认。那么，哪些数据资源可以确认为资产？笔者认为，一方面，需要满足资产的定义和确认条件;另一方面需要具备一些特定条件。具体分析如下：

首先，数据资源必须由过去的交易及事项形成且被企业拥有或控制。企业主要通过内部挖掘和外部购买两种途径获取数据资源。内部挖掘取得的数据主要指企业通过自身的信息系统累积的业务数据挖掘分析而产生的，企业对它们拥有绝对的所有权和控制权;外部购买取得的数据通常是从数据交易平台或其他主体交易取得，这种方式获得的数据不具有排他性，企业需拥有对数据的加工及使用的权利。这两种获取方式中，前者属于事项，后者属于交易，只有在这些交易或事项已经发生时才能予以确认。

其次，该数据资源能给企业带来未来经济利益。数据资源可以为企业带来直接或间接的经济利益。直接经济价值方面，企业可以通过对数据进行采集、预处理、分析和挖掘等步骤后生产出可视化的数据服务或产品对外交易，从而带来直接的货币收入。间接经济价值方面，企业可以结合具体的应用场景深度挖掘数据资源所蕴含的知识和信息，使企业更好地掌握消费者的个人偏好和市场发展趋势，发挥数据辅助经济决策的功能，帮助企业改善现有产品和服务，优化企业资源配置以及规避非系统性风险等。只有当与数据资源有关的经济利益高于前期投入，可能为企业带来正向经济流入时才能确认为数据资产。

最后，該数据资源应具有可辨认性且其成本或者价值能够可靠地计量。数据资源应该独立于企业主体而存在并具有对外的应用能力或潜在价值。如果数据资源无法脱离企业主体，或是仅对本企业带来经济利益，而对其他经济主体而言毫无价值，也就不能确认为数据资产。同时，可计量性是所有会计要素确认的前提条件，数据资源只有在满足这个前提条件时才能确认为资产。

另外，要想真正成为数据资产还必须具备一些特定条件。

第一，该数据资源应以“电子方式”存在于网络空间中。这里强调数据的存在形式，数据资源应以二进制的形式存储且能通过网络进行传输和交易，纸质形式的数据不属于这里讨论的范围。

第二，该数据资源必须是经过挖掘分析后的数据。企业收集的原始数据价值密度低，且权属并不明晰，所以需要经过采集、预处理、分析、挖掘等步骤后提取出的有价值的信息部分才能称为数据资产。

综上，笔者认为数据资产是由过去的交易或事项形成的，企业拥有或控制的，预期能为企业带来经济利益的，经过挖掘分析后，以电子方式记录的，可辨认数据资源。

（二）数据资产的科目设置

关于数据资产的科目设置，有学者认为应在“无形资产”科目下设置二级明细科目，也有学者认为应设置“数据资产”一级科目。笔者赞同后者的观点。虽然无形资产与数据资产具有一定的共性（都具有无实物性、共享性、价值不确定性），但数据资产的关键特性（更新性、时效性、无限增值型等）使其与现有无形资产栏目下的专利权、特许权、商标权等格格不入。因此，对于符合数据资产确认条件的数据资源，笔者认为单设“数据资产”一级科目进行核算更恰当。企业主要通过内部挖掘和外部购买两种途径获取数据资源。对于从企业内部挖掘形成的数据资产，对其内部挖掘项目投入的成本可设置“数据资产开发支出”一级科目，参照无形资产的研究开发项目分阶段设置二级明细科目进行核算。在后续计量模式的选择上，笔者认为应根据具体情况选择成本模式和公允价值模式。若采用成本模式进行计量，由于数据资产具有价值不稳定性，企业应采用合理的评估方式定期对其进行减值测试，并设置“数据资产减值准备”一级科目对测试结果予以反映。若采用公允价值模式进行计量，可设置“数据资产——公允价值变动”二级明细科目反映期末数据资产的市场价格变动情况（见表1）。

五、数据资产的会计计量问题

会计计量属性的选择应结合数据资产的特性以及现有的经济发展状况等各种因素综合考量。唐莉和李省思（2017）认为数据资产不具有实物形态，在计量时可参照无形资产计量方法，建议采用收益现值法来计量[4]。邹照菊（2017）认为数据资产的计量属性应结合企业数据获取途径或者增加渠道，分情况采用现行市价、可变现净值、未来现金流量现值等[5]。从理论上而言，未来现金流量现值更能体现数据的价值潜力，但现实中数据资产给企业带来的未来利益难以准确估计，所以笔者认为这种计量方式并不适用。采用公允价值模式计量能动态反映数据资产的价值，信息有用性高。但是，由于我国的数据产品交易市场尚未成熟，大部分数据资产的公允价值无法准确获取，以公允价值进行计量存在局限性。而数据资产的成本比较容易获得，其投入成本也是价值的重要考虑因素。采用历史成本计量模式，在实务中更具有可行性。因此，笔者认为在初始计量时采用成本计量模式，后续计量时，可以参照图1所示，按照企业持有数据资产目的不同来分开处理。对于不以交易目的而持有的数据资产采用成本模式进行后续计量。而对于以交易目的而持有的数据资产，若公允价值可以持续可靠取得，可以选择采用公允价值模式进行后续计量，若不满足该条件，仍然采用成本模式进行计量。

（一）初始计量

1. 内部挖掘取得的数据资产。这种方式形成的数据资产一般需要经过采集、存储、预处理与数据挖掘等阶段，类似无形资产内部研究开发过程，所以可以参照无形资产分階段进行会计处理。具体来说，采集、存储阶段类似无形资产研究阶段，是否产生经济利益无法明确，这个阶段发生的成本支出可以视为费用化支出，计入当期损益;数据预处理和挖掘阶段类似无形资产开发阶段，这个阶段能为企业带来明确的经济利益，所发生的成本支出符合资本化条件的可以视为资本化支出，计入数据资产的入账成本。具体账务处理如表2所示，此处及下文均不考虑增值税的影响。

2. 外购取得的数据资产。企业可以通过数据交易平台购买，比如北京国际大数据交易所、湖南大数据交易所、数据堂等，也可以由交易双方通过直接协商等方式购买。对于外购的数据，有些可以直接用于企业的生产经营活动，这时应将其买价及相关交易费用等作为初始入账金额;有些是需要继续挖掘后才能满足企业的特定应用场景，那么其购入时所支付的对价应视为数据资产形成过程中的资本化支出，待开发完成可以投入使用时应将购买数据的价款、交易费用以及数据开发过程中符合资本化条件的挖掘支出作为其初始入账金额。具体账务处理如表2所示。

（二）后续计量

1. 数据资产的后续支出。由于数据资产具有更新快的特点，会随着时间的推移不断地产生新数据，企业可以不断地更新数据并整合分析，使数据资产发挥更大的作用。对于已经初始确认的数据资产，企业如果对其进行更深程度的挖掘或者需要持续更新所产生的支出，符合资本化条件的计入数据资产的成本，这是因为更新与挖掘可能会提高数据资产的使用价值。对于后续维护、存储等其他支出应当费用化，计入当期损益。

2. 数据资产的期末调整。由于数据资产具有非实体性，在使用过程中不会发生损耗，正常情况下可以无限期使用。所以，对于采用成本模式计量的数据资产，其存续期间通常不需要对其进行摊销。但数据资产具有时效性，时效性强的数据资产其价值并不稳定，企业应采用合理的评估方式定期对其进行减值测试，评估数据资产的可收回价值。对于可收回价值低于账面价值的应调整其账面价值，差额部分计提数据资产减值准备。同样，数据资产的公允价值也会随着市场形势而改变，采用公允价值模式计量的数据资产应当在资产负债表日以公允价值为基础调整账面价值，其差额计入公允价值变动损益。具体账务处理如表3所示。

3. 数据资产的处置。该部分讨论企业数据资产的出售和损毁报废。出售时可分为两种情形，一种情形是企业仅出售数据资产的使用权，由于数据资产具有共享性，企业可以将其同时出售给多个主体使用，这种情形下企业可以在每次出售时确认该次的销售收入，结转相关成本。但数据资产复制成本极低，多次出售并不会改变其成本。因此为了避免对其成本的重复确认，可以将数据资产的账面价值以合理的方式分摊计入营业成本。另一种情形是企业出售数据资产的所有权，即出售后企业将不能继续使用和出售该数据资产。这种情形下企业应在出售时确认收入并结转全部成本。受技术的更新换代、企业内部人员操作不当以及黑客恶意攻击等因素影响，数据资产可能会发生损毁和报废，这时应予终止确认并转销。具体账务处理如表3所示。

六、数据资产的列报问题

数智经济时代背景下，企业经理人、投资者、社会公众等对数据资产的关注度逐渐提高，但目前大多数企业并未将有关数据资产的信息披露在财务报告中。因此，为了使报表使用者准确了解企业数据资产的情况，笔者认为不仅应该从表内列示数据资产的货币价值，还应当在财务报告附注中披露其详细情况。

具体来说，在资产负债表中的非流动资产部分新设“数据资产”科目以列示期末数据资产的货币价值，新增“数据资产减值准备”科目披露其期末的减值情况，新增“数据资产开发支出”列示资本化的数据资产开发支出，在利润表中也需增设“数据资产开发费用”列示费用化的数据资产开发支出。在报表附注中应披露报表使用者所重视的其他信息，包括数据资产的来源、构成、规模以及持有目的等基本情况。由于数据资产有两种计量模式，以成本模式计量的若计提的减值应在附注中详细说明发生减值的依据以及减值测试的具体流程;以公允价值计量的应披露公允价值的确定方法和依据等。另外，应披露企业数据资产的管理方案、对企业经营的影响以及风险性等情况，尽可能减少信息不对称，为报表使用者的经济决策提供依据。

七、结语

随着企业数智化转型浪潮地掀起，数据逐渐成了企业新的核心资产，如何对数据资产进行会计处理已成为企业当前迫切需要解决的问题。鉴于此，本文首先从国内学者们对数据资产的概念界定入手，总结学界对这一新型资产理解上的共识，并从三个角度详细分析了数据资产区别于传统资产的特性，对于数据资产的会计确认问题上，本文提出在确认条件上既要考虑资产的定义和确认条件，也要具备一些特定条件，提出了数据资产的会计学视角的基本概念，并认为应单独设置“数据资产”科目进行核算更为恰当。在计量属性的选择上，本文提出结合企业持有目的与市场条件两方面来考虑，以求既能真实可靠的反映数据资产的价值又能在实务上具有可操作性。为满足信息使用者的决策需求，本文认为应在财务报表增设相应的会计科目，并将报表中无法反映的有关数据资产的重要信息披露在附注中。

数据资产进入财务报表仍存在着不少难题，其解决需要有关各方的共同努力。从政府层面来看，有关部门应尽快完善数据资产的相关法律体系，构建数据要素市场化配置机制，激发数据交易的活力，推动数据资产具体准则的制定;从企业层面来看，有关企业应加快数智化转型，推动数据要素与具体经济业务的深度结合，最大限度地发挥数据资产的价值潜力，加强数据资产会计核算体系建设。从财务工作者层面来看，财会人员应尽快适应数智化转型对会计工作方式的改变，提高自身的数据分析技能，通过对财务数据的采集与分析为企业实现价值最大化提供决策指导，并在实践中积累数据资产会计处理的经验。另外，学术界还需继续推进数据资产化理论研究，夯实数据资产理论基础。

参考文献：

[1] 叶雅珍.数据资产化及运营系统研究[D].上海：东华大学，2021.

[2] 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.

[3] 张俊瑞，危雁麟，宋晓悦.企业数据资产的会计处理及信息列报研究[J].会计与经济研究，2020，34（3）：3-15.

[4] 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.

[5] 邹照菊.企业大数据的资产属性辨析[J].会计之友，2017（12）：7-12.