数据资产及其统计识别研究

邓建娣，傅德印,2

（1.兰州财经大学 统计学院，兰州 730020；2.中国劳动关系学院，北京 100048）

0 引言

数字经济已在全球范围内加速推进，云计算、区块链、人工智能等新技术快速发展，深度应用于经济社会各领域中，引发信息数据与经济社会交汇融合，促进数据大规模产生并迅速增长。近年来，数据在完善社会治理、提升国家管理能力等方面发挥着重要作用，对推动经济发展至关重要，数据的资本化已成为必然趋势，数据资产概念应运而生。国际通用的国民经济核算标准《国民账户体系（2008）》（简称SNA-2008）中并没有提出数据资产的概念，也没有对数据的资产化作出明确指导，数据和数据资产的价值核算尚处于理论探讨阶段。

目前，数据资产相关研究主要集中于统计和会计两个学科领域。研究话题多为数据资产的属性、特点、估值及概念界定。统计学者多围绕数据资产的核算范围、估价方法展开研究，认为数据资产是一种固定资产，由于其动态性、不确定性等特殊性质，在运用现有核算方法时存在很大困难。会计学者多围绕数据资产的会计确认、计量及报告展开研究，认为数据资产不能完全满足无形资产的可分离性和可辨认性，传统估价方法存在不适性[1]。也有学者另辟蹊径，引入蒙特卡洛模拟、层次分析模型[2]、B-S模型[3]等估计数据资产价值。

现有的数据资产核算研究中，会计学者主要探讨企业数据资产的会计核算。与其他类型资产的核算一样，数据资产在会计核算的资产确认中，既要确认会计科目，又要确认具体金额[4]。关于数据资产核算涉及的会计科目仍存在分歧：一种是将数据资产作为无形资产进行核算，在“无形资产”科目下设置“大数据资产”的子科目[5]；另一种则将数据资产视为一种独立资产，针对数据资产单独设置“数据资产”会计科目[6,7]。目前的会计准则没有明确规定采用何种方法进行数据资产计量，学者们认为应根据数据来源分别计量。对于企业自用数据资产，将其成本作为入账价值的基础，而交易数据资产由于无法准确估计其未来收益，可采用公允价值计量[7]。对于企业外购和自主收集、加工的数据资产，采用历史成本法计量；对于企业被动获取的数据资产，采用现值法计量[8]。

统计学者主要探讨如何将数据资产纳入国民经济核算体系，相关研究数量很少。本文将基于数据资产及其统计识别问题展开如下研究：辨析数据资产的相关概念和属性，分层次定义数据资产并概括数据资产的特征；从国民经济核算角度探讨数据资产的统计识别，确定数据资产的核算范围；以网络视频公司为例，探索数据资产统计识别的实践问题，进一步验证理论研究部分的相关结论。

1 数据资产概念与特征

1.1 数据及其资产属性

（1）数据概念

数据是关于世界的事实的表示，信息是为定义一组主题间的关系而组织的数据，知识是存在于人类大脑中的概念结构[8]。从数据中推断信息时默认数据是真实的，而错误的、不准确的数据根本不是数据[9]。数据作为重要的生产要素之一，目的是优化企业、政府的管理和运行，为企业增加收入，为政府减少成本。正确的数据是决策制定各个阶段的关键组成部分，错误的数据也会被放弃使用。因此，本文中的数据是指真实的数据，虚假、伪造的数据被排除在外。

Varian（2018）[10]将数据、信息和知识的关系描述为从下往上的数据金字塔（如图1 所示），展现了数据、信息和知识之间的转换方式。最低梯层的工作是收集数据，并以比特为单位存储于计算机中，说明电子化数据更容易创造价值，也正是数字化转型为数据提供了创造价值的有利条件；然后，通过分析数据将其转化为存在于文件中的信息，并在理解信息的过程中将其转化为知识，该过程需要人的参与，其结果以知识形式存在于人脑；最高梯层为最终的应用环节，即知识指导决策和行动。数据金字塔表明数据规模庞大，但只有形成信息、拥有应用场景的数据才具有价值，这与OECD 提出的数据价值链相对应，数据的价值实现过程需要经过数据收集—数据聚合—数据分析—数据使用的基本程序。数据价值的形成主要依赖于分析环节，数据价值随数据分析技术水平的提高而增加，但其最终价值由应用目的和应用场景决定。

图1 数据金字塔

由此可见，数据不是信息，而是组成信息的基本元素。人们通过观察实验或客观现象，记录原始的未经加工的数据。通过对原始数据进行加工处理，赋予其使用价值，即成为信息。信息是整合具有相关性数据的结果，它具有特定的目的和应用场景。由于人们的接受和理解能力不同，因此同一信息所传达的内容也存在差异，这便是产生知识的过程。当人们通过洞察力、理解力吸收信息，并抽象或提炼出其内容，便形成了知识，知识可指导人们做出决策。

综上所述，本文探讨的数据是真实的电子化数据，是还未经加工但在之后会参与数据价值链中的活动的数据。

（2）数据的资产属性

SNA-2008将资产定义为：资产是一种价值储备，代表经济所有者在一定时期内通过持有或使用某实体所产生的一次性或连续性经济利益。它是价值从一个核算期向另一个核算期结转的载体。国际会计准则（IFRS）将资产定义为：作为过去交易的结果而由企业控制，并且期望向企业流入未来经济流的一种资源。因此数据作为资产需满足三个基本条件：具有收益性、拥有所有者、是过去交易的结果。

资产可通过使用和出售创造价值，数据本身没有价值，但投入使用的数据具有价值。数据通过提高生产力为企业增加收入，通过优化决策为政府部门降低成本；数据采集机构也可通过提供数据访问权或出售数据获得利益，如中国知网、贵阳大数据交易所。

拥有所有者指资源可由某一主体在一定时间内持有、使用或处置。数据作为推动经济发展的新要素是满足这一条件的，如产生于企业和机构内部的数据分别由所属企业和机构控制。从外部获取的数据通常有两类——付费数据和免费数据，付费数据可由需求方通过问卷调查或实地调研获得；免费数据可在消费者获取免费互联网服务过程中采集得到。这些数据主体自愿提供数据的使用权，企业和机构可享受由此带来的经济利益。如果数据主体拒绝填写问卷或使用免费互联网服务，那么需求方就无法获得这些数据。

资产是过去交易的结果，表明所有者从过去的交易中获得了资产所有权。数据通常伴随各种经济活动产生，数据的过去交易主要表现为所有者对数据的采集过程。企业和机构收集产生于其内部的数据属于内部交易；从外部获得付费数据属于货币交易，从外部获得免费数据属于非货币交易。数据的采集（过去交易）是其成为资产的最基本条件。在采集之前，数据属于不同的来源主体，如住户部门拥有大量数据，住户拥有这些零散的数据但不会应用数据。伴随数据的采集及其参与价值链中其他活动的过程，数据所有权逐步集中于企业、政府或非营利机构部门，进而被应用于特定场景以创造经济利益。

1.2 数据资产及其生产属性

（1）数据资产的概念

“数据资产”这一概念于1974 年被首次提出，指政府债券、公司债券、实物债券等资产[11]。数据资产研究始于企业数据，现有研究也大都立足于企业层面[12]。企业数据资产的完整性、可用性受市场价值和竞争定位的直接影响[13]。随后，个人数据也受到关注。世界经济论坛认为个人数据正在成为一种新型经济资产。国内外学者关于数据资产尚未形成统一定义。《数据资产管理实践白皮书（4.0 版）》将数据资产（Data Asset）定义为：由企业拥有或控制的、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。

可从不同层次理解资产内涵，会计核算主要针对微观企业的资产，目的在于实现利益最大化，因此企业资产必须可以以货币计量；统计核算针对宏观核算体系，核算对象为经济资产，即拥有经济所有权并参与经济活动的资产。两类定义因资产负债核算的主体和目的不同而存在差异。作为数字经济时代的重要生产要素，数据已成为数字经济活动的主体。

综上所述，对于不同研究目的，应给予数据资产特定的定义。从微观企业角度，数据资产是由企业拥有或控制的、能够为其带来经济利益的、可计量其成本或价值的数据资源。从统计核算角度，数据资产指所有者明确的、能够通过一定时期的持有或使用获得经济利益的数据资源。从数字产业角度，数据资产指所属权确定的、能够借助现代网络信息技术实现资产化并为所有者带来经济利益的数据资源。

（2）数据资产的生产属性

SNA-2008 包括金融资产和非金融资产，非金融资产又分为生产资产和非生产资产，数据资产是否具备生产属性决定了其进入国民经济核算的方式。一种观点认为，数据是经济活动的伴生物，而非专门生产的产物，数据只能以非生产资产的形式进入国民经济核算体系。另一种观点认为，专门生产与否并非判断生产与非生产资产的主要标准，将数据资产处理为生产资产更加合理。

上述处理方式都有一定道理，但二者不可兼得，本文认为最好将数据资产处理为生产资产。原因如下：

第一，数据库作为数据的存储介质，是大量数据的集合体，数据资产作为聚合数据，与数据库的本质相同。单个数据价值极低，甚至没有价值，能够创造价值的数据通常是由许多单个数据组成的聚合数据。数据库是数据聚合的结果，指以某种允许高效访问和使用数据的方式组织起来的数据文件。数据库与其所包含的数据并非单独存在，数据组织和数据库形成过程是作为整体呈现的，其中所涉及的数据组织活动属于生产活动。

第二，数据资产不是固有的，数据只有参与生产活动才能转变为资产。从严格意义上讲，伴生数据的确不是生产活动的产出，但数据资产更不是生产活动的伴生物。从数据到数据资产需经过对数据的收集、存储、分析等过程，旨在挖掘数据的经济价值，让其成为能够变现的资产。数据种类繁多、用途广泛，需针对每一类数据分析其应用场景，开发其实现价值的链条。数据的潜在价值是无法预测的，可能需要针对同一类数据的不同用户、不同应用场景开发相应的价值实现链条。

第三，各种生产活动中有数据伴生，但只有专门生产的数据才可能成为资产。企业运营过程中会产生大量数据，企业需要对收集的数据进行一系列专门操作，数据才能转变为资产。例如，企业拥有的用户信息本身并不是资产，只有通过对数据进行加工处理，从分析数据中得到对事物的认知，用户信息才能成为可以变现的资产。并且，数据只有参与生产活动才具有经济价值。

（3）数据资产的特征

在数字经济中，数据是生产商品和服务的重要投入要素。数据作为一种非竞争性资源，可以被多个主体同时使用而不会减少，这一特点使数据不同于土地、劳动力等其他投入要素。当数据被广泛提供给许多数据处理器时，社会将从其中获得更多好处[14]。数据同时具有商品和服务的特征，它像商品一样可以被储存，像服务一样是无形的，数据资产还与一些知识产权产品具有相似的特征，但又区别于知识产权产品。通过深入阅读文献，可以归纳出数据资产的以下特征：

特征1：数据资产的边际成本趋近于零。原始数据创造价值通常需要经过收集、储存、分析等过程，这些环节均会产生一定的成本。数据参与应用便可创造价值，该阶段几乎不会产生成本，因为数据的复制成本极低。此外，在信息时代，数据传播速度非常快，一旦数据出现在网络中，就可供任何人浏览、使用，并且没有浏览和使用次数的限制，也不会因为重复浏览和使用产生额外成本。

特征2：数据资产的价值易于波动。数据的价值体现在其共享过程中，数据只有进入价值链才能创造价值。相较于企业，个人拥有的数据资产价值很小。但数据资产的价值并非一成不变。一方面，通过深入挖掘，某份数据资产在很大程度上提高了企业生产效率，该数据资产的价值就会显著增加，并且随着增加使用次数、拓宽应用维度，数据资产会创造更多的价值。另一方面，由于数据具有时效性，因此随着时间推移数据资产会逐渐失去价值，或者因被新数据取代而失去价值。此外，数据资产的价值还会因数据种类、使用对象、使用目的不同而存在差异。

特征3：数据资产的使用会创造更多数据资产。大多数资源都是使用越多，拥有就越少。如用于企业生产的机器，使用时间越长，磨损越多，直到机器报废停止使用。数据资产的使用则会产生新的或派生的数据资产，并且原有的数据资产不会减少。如高校师生利用已有的数据资源（学位论文、电子图书）创作，产生新的论文数据。

特征4：对数据资产的使用存在竞争。数据总量庞大，产生速度快，是一种非竞争性资源。在数字经济时代，互联网企业之间的竞争矛头转向了用户数据，收集的数据越多，获得的信息越多，提供的服务就越好，拥有数据就拥有了竞争优势。对于企业，当获得了提高其生产、经营效率的关键数据或大量用户数据时，他们有足够的动机储存数据而不对外公开，尤其是重要数据，所有者只会独自占有，独自享受其创造的价值。

特征5：数据资产的功能需要持续维护。数据具有较强的流动性和时效性，数据资产的功能需要通过持续更新和补充来维护，否则数据资产会随着时间推移出现严重贬值。一种数据资产只有在得到新数据流的补充后才能长期维持其功能，需要补充的程度和更新频率需根据具体情况来确定。如股票市场数据、天气预报数据至少需要每天更新一次。

2 数据资产的统计识别

数据作为经济生产要素之一，其价值通过作用于其他要素体现在生产、分配和使用环节中。哪些数据具有资产属性，如何识别数据资产，是当前数字产业和数字经济发展亟待解决的重要问题。数据种类繁多，为有效识别数据资产，有必要对数据进行合理分类。美国经济分析局针对数据估值问题，将数据分为个人数据和机构数据两大类，如下页表1所示。

表1 数据分类

表1是根据产生方式对数据进行分类的，为了实现数据资产核算，还需考虑其他分类。如数据估值方法主要有市场法、成本法和收益法，可根据数据是否来自市场交易将数据分为购买数据、免费数据和内部数据。数据资产价值会影响GDP，还可根据GDP的三种核算方法从生产、分配和使用角度进行数据分类。非金融公司和金融公司组成的企业部门、一般政府部门、为住户服务的非营利机构部门和住户部门共同构成经济总体的常住单位。表1 的数据分类对应于SNA-2008中的机构部门，可作为将数据纳入SNA核算范围的参考。前四个部门是开展生产活动的主要部门，也是数据实现价值的主要场所，这些部门拥有的数据理所应当被纳入SNA核算范围。

识别数据资产主要面临以下三个问题：

第一，住户部门拥有的数据是否应被纳入SNA核算范围。智能手机的普及丰富和便利了人们的生活，通过网络聊天、购物降低了人们的生活成本，尤其是各种短视频平台为住户部门提供了参与经济活动的途径。如知识付费，相关人员在短视频平台开设专业课程，在观众付费购买时获得收益。因此，住户部门拥有的数据应该被纳入SNA核算范围。

第二，哪些数据属于SNA核算范围。这需要考虑哪些数据属于SNA 的生产范围。SNA 中的生产指在机构单位负责、控制和管理下进行的一种物理过程，在此过程中，劳动和资产用于将货物和服务投入转换为另一些货物和服务产出。数据的形成过程中有劳动、资本的投入，并在企业、政府、住户部门等机构单位的负责、控制和管理下得以实现。由于住户为自身最终使用而进行的服务生产不在SNA的生产范围之内，因此住户部门自给性数据的生产不包括在SNA的生产范围之内。

第三，需要从资产层面具体识别数据资产。并不是生产的所有数据都应被纳入SNA的资产范围之内。以个人数据为例，某微信用户制作的照片、视频仅供娱乐和被朋友观看，这些数据不应被纳入数据资产范畴。结合数据资产特征，针对该问题给出以下识别原则：

（1）可获得原则：有效使用数据的最主要前提是了解数据，包括数据的存储位置、访问方式以及适用情况。最关键的是使用者必须知道如何获取数据并能够获得数据，这是数据实现资产化的根本前提。如果使用者知道数据的存在，也了解数据的使用场景，但是无法获得数据，那么数据将无法参与价值链中的活动，更不可能创造经济利益。

（2）具有使用价值原则：SNA-2008 中指出，一旦知识的使用为其所有者创造了某种垄断利润，知识就成为资产。如果知识不再受保护或者由于后来的发展而过时了，它就不再是资产，这表明具有使用价值是知识作为资产的条件之一。同样地，没有应用场景的数据，不能发挥作用为其所有者创造收益，而且还会因存储和维护增加所有者的负担，因此不能被视为资产。数据只有被应用于特定场景并创造了价值，才能被视为资产。数据价值易于波动，也只有在被使用后才能更准确地估计数据的价值。

（3）使用收益递增原则：数据的最大优点在于具有创造价值的无穷潜力，不同于传统有形资产的使用回报递减规律，数据资产随着使用人数越多，应用场景越广，创造的价值越大。例如，高德地图软件集成的实时众包数据能够较为精准地提供实时路况监控信息，当使用人数越多时，高德地图的数据越有价值。

（4）时间原则：数据库作为数据的存储载体，SNA-2008规范了数据库的概念及其核算方法，可作为研究数据资产的有效参考。数据资产作为生产资产是生产过程的投入要素之一，应属于固定资产。SNA-2008 建议将储存数据有效期超过一年的数据库视为固定资产。《知识产权产品资本测度手册》建议将拥有数据预期在数据库或二级数据库中存储一年以上的数据库记录为资产。同时指出，满足资产定义（可带来经济利益、行使所有权）且含有数据使用周期一年以上的数据库为固定资产。此外，大小和类型符合该标准的自主开发的数据库也是固定资产。因此，所有者对数据资产应具有至少一年的控制权。

综上所述，采用决策树形式，将数据资产的统计识别过程概括为下页图2。按照美国经济分析局的做法，将数据分为个人数据和机构数据，个人数据和机构数据都应该被纳入SNA核算范围之内。数据资产识别首先应明确数据是否属于SNA生产范围；然后，要保证数据是可获得和具有应用场景的，获得数据后将其应用于具体场景，考察数据是否能够被多次访问，以及使用人数、次数的增加能否带来更多收益；最后，需要考察所有者拥有数据或数据参与生产活动的时间。结合数据及数据资产的定义和属性，本文数据资产的识别结果为：SNA-2008中各机构部门可获得、拥有经济所有权的电子数据，这些数据具有明确或潜在的应用场景，至少在一年内参与生产活动，并能够在使用过程中创造递增的经济收益。

图2 数据资产识别决策树

3 数据资产统计识别的实践探索

网络视频播放终端多样，观看时间灵活，满足了人们利用碎片化时间观看影视资源的需求，成为广大观众的首选观影渠道。然而在线视频平台不仅提供影视资源，还提供广告宣传、体育赛事直播、新闻资讯等内容。如爱奇艺、优酷、搜狐等视频公司拥有丰富海量的数据资源，数据资源是他们生存发展的根本。以网络视频公司为例探讨数据资产识别问题，具有广泛的代表性。视频公司包含研发人员、管理人员、维修人员等多种身份的人员，不同人员拥有的数据类型不同；而且公司服务范围广泛，用户规模庞大，用户享受服务过程中会产生大量数据，这使得资产核算范围的确定面临很大困难。由于个人自给性数据和纸质版数据资源不在本文界定的数据资产范畴内，因此，重点讨论企业所拥有的电子数据的识别问题。

（1）网络视频公司的数据类别

网络视频公司以提供免费或有偿观影服务为主要业务，根据数据来源，可将网络视频公司拥有的数据分为交易性数据和自给性数据。交易性数据主要是网络视频公司从外部有偿获得的，按照其形式可分为视频数据、文本数据和其他数据。其中，视频数据包括购买的电视剧、电影、综艺、新闻、教育课程等；文本数据主要包含购买的小说等各类文学作品；其他数据包括购买的游戏、体育和演唱会直播、音乐内容等。自给性数据是网络视频公司自己制作的及用户使用过程中产生的数据资源，也分为视频数据、文本数据和其他数据。其中，视频数据包括自制的电视剧、电影、综艺、新闻、用户发布的短视频等；文本数据包括用户信息、用户评论、公司财务信息等；其他数据包含用户享受服务过程中产生的消费数据、足迹数据等。

（2）网络视频公司数据资产的统计识别

结合数据资产核算范围及其统计识别的可获得、具有使用价值、使用收益递增和时间原则，对网络视频公司拥有的数据进行资产统计识别，进一步明确企业数据资产的核算范围。

外购的交易性数据必定满足可获得原则，并且应用场景比较明确，对于使用收益递增和时间原则需要具体分析。根据访问次数来确定购买数据的资产属性，对于购买的电视剧、电影、综艺、教育课程等视频数据和文学作品均不受访问次数限制，访问时间通常具有永久性，访问人数的增加也会带来更多收益；而购买的游戏、体育和演唱会直播内容只能在直播时段内访问而无法观看回放。因此，将访问次数不受限制的购买数据识别为资产，购买的直播内容则识别为企业的消费支出。

此外，视频公司还会购买纯音频的音乐内容，在企业制作影视作品过程中使用，主要用于为影片配乐，如电视剧和电影的片首曲、插曲、片尾曲、背景音乐等，因此购买的纯音乐内容应视为中间消耗。

由于购买内容的同质化日趋严重，因此自制内容以打造品牌个性为增强用户黏性的主要方式。网络视频公司的自给性数据种类繁多，数据资产识别较为复杂。

同交易性数据一样，自制电视剧、电影、综艺属于企业资产，直播内容不属于企业资产。自制内容还需注意以下几点：

第一，对于用户上传的数据，普通用户制作的内容并不属于SNA的生产范围，该部分内容的生产不持续且质量难以保证，很难形成有效的商业化模式，因此不能将其视为资产。但是专注于视频创作的企业合作者所创作的内容应被识别为企业资产。

第二，用户信息和生成的足迹数据反映了用户的特征、偏好、需求等相关信息，企业通过挖掘大数据价值提供精准内容投放，但非活跃用户生成的数据有限，也很有可能在较短时间内成为流失用户，相关数据的使用不会带来更多收益，因此只将活跃用户的数据作为企业资产。

第三，自制失败或停制的内容，由于不满足最基本的可获得原则，无法应用于具体场景进而创造经济收益，因此不能将其识别为企业资产。但是，当自制项目被重新启动并预计未来会带来持续收益时，可被重新识别为企业资产。

第四，还需辨别两类数据的资产属性。第一类是新闻资讯内容。由于新闻资讯具有很强的时效性，时效过后基本不会再被观看，几乎不再具有价值。因此，无论是购买的还是自制的新闻内容都不属于企业资产。第二类是停播、下架内容。若是购买的内容，网络视频公司自停播、下架之日起不再拥有相关内容的播放权限，用户也将失去该部分内容的访问权限；若是自制的内容，网络视频公司依然拥有数据所有权，但这些数据失去了应用场景，无法投入使用，不能带来经济收益。因此，无论是购买的还是自制的内容，自停播、下架之日起均不再属于企业资产。

综上所述，网络视频企业的自给性数据较为丰富，数据资产的统计识别也较为复杂。合理的数据分类将简化数据资产的统计识别工作，所以应注重对数据分类的研究，从根本上促进数据资产核算工作。

4 结论与展望

数据已成为数字时代的重要生产要素，准确识别数据资产是进行数据资产估值和核算的重要基础。本文探讨了数据资产及其统计识别相关问题，为完善数据资产理论基础、进行数据资产价值评估和核算奠定了基础，具体结论如下：（1）数据满足统计和会计上规定的资产要求，具有资产属性。（2）从数据到数据资产的过程涉及一系列生产活动，数据资产除具有生产属性外，还具有边际成本趋近于零、价值易于波动、功能需要持续维护、使用具有竞争并会创造更多数据资产这五个特征。（3）在SNA-2008 框架下，数据资产可被识别为：SNA-2008中各机构部门可获得并拥有经济所有权的电子数据，这些数据具有明确或潜在的应用场景，至少在一年内参与生产活动，并且能够在使用过程中创造递增的经济收益。（4）数据被识别为资产需满足四个原则：可获得、具有使用价值、使用收益递增和使用时间大于一年。

本文还以拥有海量数据资源的网络视频公司为例，探讨了数据资产的统计识别问题。企业外购的交易性数据应用场景明确，故可根据访问次数和收益情况辨别其资产属性。企业自给性数据类目复杂、识别困难，本文具体论证了用户上传数据、用户信息和生成的足迹数据、自制失败或停制数据。最后，还讨论了停播、下架数据及新闻内容的识别问题。鉴于此，应根据现有分类标准进行数据资产的分类、分级研究。

数据资产识别的最终目标是实现价值核算，因此需要重视数据资产的价值估计问题。市场化有助于实现对数据资产的准确估价，但鉴于数据资产涉及隐私和安全保护问题，很难实现数据资产的全面市场化。应在完善估价方法的基础上，探索数据资产核算体系。编制数据资产供给使用表及卫星账户有助于了解数据市场行为，推动数据资产估价的发展。