数据资产会计标准研究的进展与展望

曾家瑜 赵治纲

一、引言

数据已成为推动新产业、新业态、新模式加速产生，并助推新一轮科技革命加速演进的战略性资源。2020年4月党的十九届四中全会首次将数据作为一种生产要素深度参与到价值创造和分配场景中按贡献参与分配，提出要加快推进数据要素市场化，提高数据要素在数字时代推动社会经济发展变革中的重要性和关键性。2022年12月中共中央、国务院发布《关于构建数据基础制度更好发挥数据要素作用的意见》，提出要探索数据资产入表新模式，充分挖掘释放数据资源规模价值和丰富应用场景优势，将数据资源优势转化为我国高质量发展动力。数据资产会计标准的建立是数据资产全面入表的前提，海量数据资源如何转化为数据资产成为我国数字化过程中的核心诉求，且与建立健全数据要素流通交易市场紧密相关。2023年8月财政部发布《企业数据资源相关会计处理暂行规定》(以下简称《暂行规定》)，规范无形资产或存货中数据资源的确认范围和会计处理适用准则等，首次开启数据资产核算和入表理念。但是《暂行规定》对数据资源的会计相关处理办法仍从属于现行企业会计准则体系，也尚未全面解决数据入表问题。为此，着眼于未来数字经济发展主导权和数据资产国际会计标准话语权之争，特别需要深入开展数据资产会计标准相关问题研究。

二、数据资产会计标准所涉核心概念的研究

(一)数据的定义与存在场景

在数字经济时代，数据作为一种最活跃的核心生产要素可以与其他生产要素结合并赋能其他生产要素为企业创造价值，在推动各个行业数字化转型中发挥着不可替代的作用，被认为是“新时代的石油”。不同国家的学者界定数据的概念和定义有所不同。Ackoff在1989年提出DIKW框架，认为数据是对客观事物未经加工的原始表达。美国质量学会(ASQ)认为数据是收集的一组事实。国际数据管理协会(DAMA)也支持数据是一种事实的观点，并认为数据的呈现形式可以是文字、图片、图像、图形、数字等多种方式。国际标准化组织(IOS)将数据定义为实现交流、理解或处理目的的形式化信息的具体体现。加拿大统计局在构建数据投资测算框架时将观察与数据进行了区别，认为数据是一种以图片、声音和文字等具体形式客观存在的符号。我国部分学者将数据认定为一种产生于互动过程中客观存在、未经过开发的事实和观察(李静萍，2020)，同时认为数据来源可以分为机构自身数据和从外部场景获取的数据两类。杨善林和周开乐(2015)从管理视角将数据定义为一种可以反映物质和精神世界的运动变化状态的信息资源。2021年颁布的《中华人民共和国安全法》将数据定义为任何以电子或者其他方式对信息的记录。

数据是各种社会经济活动的伴生品，数据在不同应用场景中可以进一步生产更多的数据，海量的数据再促进算法迭代从而加速数字技术发展。部分学者认为数据呈指数级增长的特性会促进经济增长。企业收集数据规模越大，企业的市场地位越高，同时形成更多元的数字化产品。而越高的市场地位又帮助企业获取更多的数据，从而实现循环。Farboodi 等人将这种循环称之为数据反馈环，该循环帮助实现规模经济。但另外一部分学者对此持不同态度，认为数据促进经济增长存在约束，不可能无限制增长(Bajari，2018)。Don Tapscott(1996)提出当世界进入数字经济时期，一切知识或者信息都可以被数字化，实现物物互联从而区别于工业经济时代。数据一般以纸质或者电子形式进行存储，具有较强的可复制性。无论是自身机构产生的数据还是从外部场景收集的数据都可以同时被多个用户使用，使用的过程不会对数据价值造成影响，用户之间也互影响且不会产生任何损失(吴超，2018)，这体现出数据的非竞争性。数据资产在新时代具有战略意义，但由于数据的非竞争特性，将数据类比为新时代“石油”并不十分恰当(Varian， 2019)。同时数据具有的非竞争性表示数据可以被同时用于不同的领域和场景，边际成本逐渐趋向于零，呈现规模报酬递增的特征。但是数据具有单一数据价值较小的特征，随着数据量的不断累积，不同的数据之间相互融合形成数据集可以提高数据价值，产生范围经济。一般情况来说数据融合性越好，数据价值就会越高。而Goodhue et al.(1992)通过实证研究发现，数据融合度与数据价值之间呈现“U型”关系，结果显示数据融合度为20%时可以释放80%的价值。

(二)数据资产的界定

现有对数据资产定义的研究多从企业数据视角对数据资产进行概念界定。数据作为数字经济时代一种新的生产要素得到广泛关注，数据要素有着与其他资产相区别的独立特殊属性(DAMA国际，2020)。但并不是所有数据资源都可以确认为数据资产。资产是可以带来经济价值的资源，因此只有自身具有价值且可以产生经济价值的数据资源才可以定义为数据资产并入表。根据IASB概念框架定义，资产是因过去事项形成的、由主体控制的现有经济资源，而经济资源是有潜力产生经济利益的权利，其中“权利”是资产概念的核心内涵。陆建桥(2018)认为IASB 新概念框架将资产定义为一种权利，将“经济利益很可能流入”变化为“有潜力产生经济利益”，为数据确认为一种资产提供理论上的重要依据。随着数字经济的高速发展，越来越多的学者开始对大数据进行研究。Perrons和Jensen(2015)提出蕴含价值的数据不是其他资产的描述信息，其本身就是一种可以创造价值的资产。也有学者提出数据就是一种资产，并可以帮助企业提高效率，并赋能产品激发商业模式的创新，企业需要将数据当作企业资产看待，且数据将成为企业未来发展竞争的核心资产。因此，可以明确并不是所有的数据资源都可以确认为数据资产，只有具有价值可以进行价值创造的数据资源才可以确认为数据资产。

我国学者对数据资产定义研究也日益增多。侯彦英(2021)提出数据资源只有权属明晰、可交易性、可独立辨识以及实现动态积累才能成为数据资产。而会计学意义上的数据资产通常强调数据资产的价值创造性，也就是说数据资产必须具备有效用性特征(孙永尧和杨家钰，2022)。现有国内文献关于数据资产的定义大致可分为两种:（1）从会计资产定义角度出发，将数据资产看成一种数据资源。将数据资产定义为以数字化方式记录的、由个人或企业拥有或者控制的、可以为企业带来未来经济利益的数字资源(李琪琦，2023;中国信息通信研究院，2019;司雨鑫，2019)。秦荣生(2020)在此基础上加入了由于过去事项而控制的现时数据资源这一条件。（2）从资产确认的条件出发将数据资产看成一个数据集。朱扬勇等(2018)认为数据资产是满足权属明晰、价值创造、成本可计量和可读取四个必要条件的数据集。还有的学者通过梳理数据相关概念之间的关系和数据资产自身物理和信息属性之后提出信息资产、数字资产和数据资产在广义上应该统一称为数据资产。张俊瑞等 (2020)使用类比定义法，将数据资产与无形资产进行类比，通过分析数据资产的特性对数据资产概念进行界定。也有学者认为无形资产通常无实物形态，但部分数据资产具有实物形态，比如图片等，因此数据资产与无形资产之间存在明显区别，完全将数据资产类比于无形资产不完全恰当。2023年中国资产评估协会出台的《数据资产评估指导意见》(以下简称“指导意见”)将数据资产定义为，数据资产是特定主体合法拥有或控制的、能进行货币计量且能带来直接或间接经济利益的数据资源。其中“特定主体”定义数据资产不仅企业需要入表，在数据资产入表研究不断发展的过程中政府数据等都需入表反映相关信息。数据资产管理实践白皮书(2023)综合上述对数据资产的定义，认为数据资产是：（1）由组织(政府机构、企事业单位等)合法拥有或控制的数据，同样强调了拥有或控制主体的多样性；（2）是以电子或其他方式记录，例如文本、图像、语音、视频、网页、数据库、传感信号等结构化或非结构化数据，明确表示数据资产存在形式；（3）可进行计量或交易，能直接或间接带来经济效益和社会效益，符合会计对资产的定义。

综上所述，企业数据并不一定都是资产，只有由企业合法取得并具有控制等权利，且可以为主体带来潜在经济利益流入的数据才能被称之为数据资产。

(三)数据确权的概念

数据确权是数据资产交易的先决条件，资产在交易过程中产生的净收入与交易前权属界定有关(巴泽尔，1997)，数据资产权属交易有助于提高数据交易市场的活跃度。国务院《关于构建数据基础制度更好发挥数据要素作用的意见》将数据划分为公共数据、企业数据和个人数据三类，实行分类分级确权授权制度。公共数据由于部分涉及社会公共安全和国家安全战略布局，权属界定较明确。企业数据与个人数据在企业交易动机以及相互交易行为中产生交叉，导致数据资产的产生涉及多个主体的联合行为和复杂的生产场景，所以所有权难以明晰。理论上说，公共数据与个人数据在一定条件下也具备资产属性，需要进行管理。企业数据是数据资产的主要组成部分，大部分研究集中在企业数据。数据资产权属一般分类为持有权、使用权、经营权和个人数据权。个人数据权一般涉及个人隐私信息，在日常生活中受到的关注较多但较少涉及财产权，前三种权利属于财产权。对于数据权属研究，部分学者以数据主体拥有的权利为切入点。Miller和Tucker(2018)的研究表明，个人数据的控制权由个人掌握可以更大程度促进个人数据的交易与分享。而张玉屏(2021)则提出为实现规模经济和范围经济，个人在使用企业商品和服务过程中，同意企业收集储存的个人数据应该将数据权属转移给企业，在不会过度提高数据泄露风险的前提下由企业合规合法进行集约化管理。在部分学者(杨立新，2016 ；田杰棠和刘露瑶，2020)将企业数据细分为原始数据和衍生数据的情况下，有学者提出原生数据权属归属于数据生产者，企业取得数据使用权后对数据进行处理产生的新数据所有权归属于企业(苏可依，2021)。也就是说，对用户直接产生的原始数据，企业只能在授权范围内进行使用，不能直接进行转移交易，同时对数据进行加工处理后才允许转移给第三方。对于衍生数据，企业经过技术处理达到匿名不可以复原的程度后，可以自用或者直接转移交易(史学智和阳镇，2021)。武长海和常征(2018)提出将数据分类为底层数据、匿名化数据以及衍生数据三类，再分别进行所有权确认。明确数据主体所拥有的权利在一定程度上有助于缓解数据资产难确权的问题。

国内部分学者认为，数据资产不适用于传统所有权确定模式。因为数据资产边际成本递减的同时边际收益呈递增特征难以二次转移使用权，所以数据所有权一般不发生转移，数据生产者和所有者一般转移数据的使用权、分销权和转授权(李琪琦，2022)。秦荣生（2020)通过梳理世界不同地区对数据资产权属法律新规，根据数据权属区分数据所有者、管理者和使用者，认为数据管理者在数据所有者和数据使用者之间，可以充当数据银行的角色，向数据所有者支付费用取得数据使用权，再通过向数据使用者让渡使用权而收取费用。对于数据所有者、管理者和使用者之间的关系，有学者进一步归纳为数据交易的不同路径(如数据权属方与非权属方以及数据非权属方与数据资产需求方)，并借鉴知识产权界权方法对不同交易路径的数据资产确权(姜灼洁，2022)。候彦英(2021)认为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，而所有权和控制权不能只简单通过数据源判定，界定所有权和控制权应该根据数据创造价值过程中创造价值的能力进行界定。黄丽华(2023)基于发改委发布的《数据基础制度若干观点》对其中提出的用“持有权”替代“所有权”的观点提出看法，认为“持有权”的提出是考虑数据表现出的新特征，且“持有权”与“使用权”两权分离制度可以暂时解决数据确权问题。数据资产同时是数字技术的伴生物，数字技术的发展有助于数字资产确权。罗斌元(2020)提出数据资产权属要明晰的重点是数据载体选择，数据资产需要一张“身份证”，区块链技术可以实现数据资产权属划分。

三、数据资产会计标准相关领域的研究

(一)数据资产会计确认

1.数据资产会计确认的必要性。随着数据积累规模呈指数级增长、数据产品质量和应用水平不断提高，数据对企业生产经营重要性日益提升并成为企业特别是数据驱动企业的核心资源，对数据资产进行确认符合会计质量要求中的相关性和重要性原则。企业与数据相关的业务种类日益增多，秦向荣(2020)将可资本化的数据分为企业直接创造价值的数据资产和间接为企业创造价值的数据两种。数据资产的使用可以提高企业特别是数据驱动企业价值，同时企业数据资产信息可以影响管理层决策(Tambe，2014)，数据资产与企业经营模式密切相关。所以企业应通过会计核算对企业所拥有的数据资产进行确认，制定更符合企业发展的战略和风险管控措施，向企业信息使用者提供客观信息以提高财务报告的信息含量，帮助信息使用者更准确地判断企业价值进行理性决策，提高数据资产交易市场的活力。同时数据资产进行会计确认有利于企业发展多元数据交易业务，适应新运营模式并提供合理纳税依据。

2.数据资产会计确认的标准。目前将数据资源作为一项资产进行确认已得到广泛认可，但对于数据资产如何进行确认以及对科目设置的研究尚没有形成一致的结论，主要存在两种主要观点。（1）第一种观点认为，在数据资产符合资产确认条件的基础上，与实物资产相比，数据资产通常以电子记录的形式存在，不具备实物形态又具有非货币形态，与无形资产相类似，应该将数据资产确认为无形资产(李泽红和檀晓云，2018)。阮永华(2020)认为，数据资产是一种特殊的无形资产，是对无形资产范围的补充。刘玉(2014)提出大数据资产应该作为无形资产进行确认，并在“无形资产”科目下单设“大数据资产”明细科目进行核算。光大银行《商业银行数据资产会计核算研究报告》中将数据资产的使用权和经营权作为无形资产的二级科目进行核算，并对衍生数据和数据产品的会计核算提出创新方案。游静(2018)认为应扩充目前的无形资产会计核算体系，将无形资产定义为广义的无形资产，再将数据资产列为无形资产的二级科目核算。（2）第二种观点认为，数据资产作为数字经济时代产生的一种新资产，虽然在一定特征上与无形资产相似，但是数据资产具有自身独特属性又兼具无形资产、实物资产、流动资产和长期资产等特征，与无形资产并不完全相同，属于可以进行辨认的表外“软资产”(冉英和唐薇，2017)。特别是数据在企业生产经营过程中所占地位日益提升，数据资源潜在价值得到进一步发掘，根据会计信息质量要求中的重要性原则应该设置“数据资产”一级科目单独进行列示(张俊瑞，2021 ；朱扬勇和叶雅珍，2018； 李秉祥，2022)。罗斌元和赵依洁(2020)支持数据资产设置独立科目研究结论，并通过研究数据资产与传统资产性质差异提出传统资产与会计主体之间相互分离，而数据资产与会计主体之间存在密切连接性，因此需要在“数据资产”科目下分需求设置明晰科目进行分类核算。此外，并不是所有数据资源都可以确认为数据资产，但是为保证会计信息的全面真实，黄世忠(2020)提出满足确认为资产前提条件的数据资源以“数据资产”确认入表，具有不确定性的数据资源不确认为数据资产但在表外进行披露。而陈思静等(2019)首次提出采用朴素贝叶斯分类法建模的方法判断不确定条件下数据资源的确认条件。

(二)数据资产会计计量

1.数据资产的初始计量。数据资产计量一般采用历史成本法、现值法和公允价值法，现有研究在将数据资产分类后，针对不同类型的数据资产采用不同的计量方法(张雪等，2022)。

部分学者按照数据资产取得方式进行分类(刘玉，2014)，将数据资产分为企业主动取得的数据资产和被动取得的数据资产。企业主动取得的数据资产是企业为服务未来发展战略主动向其他数据所有者购买的数据资产，或企业为提高管理层决策准确性主动收集并进行细致化处理的数据资产，按照取得数据资产的实际成本进行计量。历史成本主要包括取得数据使用权的转让费用和取得数据后各个周期中发生的成本，例如数据的收集成本、清洗成本、挖掘成本、分析成本和为各个过程提供技术支持的科研人员工资以及软件、硬件安装、维护和更新升级支出等。历史成本计量方法以事实交易为基础，成本客观真实在归集成本时较简单，但是会低估数据资产自身的价值，导致数据资产交易过程价格失真。企业被动取得的数据资产采用现值法进行计量，参照黄世忠(2020)对智慧资本做法，运用数据资产预计未来现金流按照一定的折现率折算成当下价值进行计量。在使用现值法时需要考虑三个问题：一是数据资产未来预计收益;二是折现率的选取;三是数据资产可使用年限的评估，为现值法使用提供充分且可靠的依据。现值法能反映数据资产真实的价值，但是未来现金流估计会随着技术和新评估模型的出现发生较大变化，且数据资产的价值具有较高的不确定，比如法律风险、数据安全风险等都会对数据资产的价值造成影响。

还有学者按照数据资产取得后的用途对数据资产进行分类(张俊瑞，2020 )，将数据分为自用数据和交易数据。自用数据采用历史成本进行计量，交易数据采用公允价值法计量。公允价值法是参照市场公平交易过程中同类产品或者相近产品的价格进行计量，选择公允价值法时首先考虑市场公平交易数据资产时的价格为依据，若市场不存在或很少存在该种交易采用类比法，前两种方法都无法使用时采用评估法进行计量。使用公允价值法可以较公允反映数据资产的现实价值，但前提是存在一个活跃的交易市场，我国数据交易市场仍处于一个培育阶段，且数据资产的特殊性使得很难找到与其类似的产品。因为各种计量方法都存在限制条件，张雪(2022)进一步对数据资产进行划分，将自用型数据资产区分为是否存在持续稳定收入的数据资产，存在使用现值作为计量方法，不存在则使用历史成本法;交易型数据资产区分为是否存在活跃的交易市场的数据资产，存在活跃的交易市场使用公允价值法，不存在则使用现值法计量。

2.数据资产的后续计量

(1)数据资产的后续增值研究。数据资产具有区别于其他资产的特殊性，即时效性，这是指数据资产价值不随资产使用消耗，而是随时间波动较大，经历一段时间后如数据不更新其价值将会大幅度下降，甚至耗散到无价值。企业为维持数据资产时效性将会对数据资产进行定时更新，使数据资产在较长时间内保值。部分学者认为对数据资产更新支出是为维护数据资产原价值在环境稳定的情况下不出现过度波动，对数据资产价值或未来可产生现金流不造成影响，因此应该将更新数据资产支出计入当期损益。但是有学者对数据资产更新不影响数据资产价值说法提出相反意见，认为数据资产更新是一个无限持续的过程(赵博雅等，2021)，每一次更新都会增加数据资产附加值。但是出于谨慎性原则考虑，由于资产增值在资产不出现投资、交易等活动不重新进行计量(耿汉威，2022)。有学者结合两种研究成果，丰富后续增值研究成果。王世杰(2023)将数据资产后续过程支出细分为维护和更新两项支出，提出数据价值增长来源于数据量的增多，因此增加数据量并提高数据利用率的更新投入，如为提高数据收集水平而购买的软件或者人工，才计入数据资产成本，其他计入当期损益。比如维护数据资产时效性的支出提高的是数据资产在不同应用场景中的价值，就应该计入当期损益。

(2)数据资产的摊销或减值。对数据资产是否需要折旧或者摊销，学界有两种观点。一种认为数据资产无需折旧或摊销。部分学者认为数据资产在使用过程中不出现实质性损耗，还随着宏观和微观环境变化而出现不确定性波动。其他资产价值随时间下降，数据资产价值随着数据在价值流转链不断挖掘的过程中量的增加而提高(李泽红，2018)。若对数据资产进行摊销则表示数据资产价值逐年减少，与数据资产价值不减反增特征不符，因此不需要进行折旧或摊销。有学者提出数据资产具有加速升值或者迅速贬值的特点，与其他需摊销的无形资产随年限逐渐贬值特点有所区别。另一种看法认为需要根据数据资产使用场景的实际情况进行确认。学界普遍认为数据资产具有时效性，为保持信息相关性，若数据资产寿命可确认为有限使用寿命，则确认寿命不可过长，一般在5年内采用加速折旧方法(刘玉， 2014;李泽红和檀晓云，2018)，若寿命不可确定则不对数据资产进行折旧或摊销。若数据资产属于外购数据资产，应考虑在相关合同中是否有条文规定包含后续更新，若不包含更新则需要摊销。学界对于数据资产是否需要减值测试研究结论基本一致，认为数据资产价值不确定性较大，会随着应用场景变化价值出现波动，为保证信息决策相关性，准确反映企业数据资产的真实情况和潜在风险，因此需要在每一个会计期间进行减值测试。

(三)数据资产信息披露

根据信号传递理论，企业通过信息披露向外部投资者或者外部潜在投资者传递有利于企业的积极信号，降低内外部信息不对称造成的影响和损失，从而降低企业成本。会计信息是企业对外提供企业财务经营情况、提升企业价值的信息传递途径之一。将数据资产纳入报表披露提高报表信息质量，特别是在轻资产的数据驱动型企业中，管理者更加关注无形资产质量而非账面价值。因此数据资产列报可以增强投资信息，缓解资本市场信息不对称问题。

部分学者将数据资产作为无形资产确认的，认为应该在资产负债表中无形资产栏目中列示。另有学者认为应该将数据资产设置“数据资产”单独科目，并根据数据资产使用用途设置报表项目。在“数据资产”报表项目中反映数据资产的真实价值。数据资产具有较大的未来盈利可能性，因此在附注中应该单独设置数据资产披露部分。数据资源价值波动性随着应用场景变化而波动，因此附注中对影响数据资产价值波动的因素进行披露。同时需要在附注中对数据资产价值评估方法和评估要素进行详细披露。当今世界数字技术的迭代速度日新月异，企业难以长时间保持在技术领域的领先，新技术的产生必然会对数据资产价值产生影响。Manyika等人(2011)研究指出，企业在获得数据潜在价值过程中受到数据资源获取、处理与挖掘和分析技术以及具备使用技术能力人才缺乏的约束，应根据数据资产高不确定性特征，提高对数据资产风险信息的披露程度。数据资产具有高风险、高价值特点，因此应该在附注中对数据资产定期审计情况进行披露，保证数据资产价值准确、透明度。

会计信息披露分为表内表外两种披露形式，部分学者认为对数据资产的披露应该采取表内和表外披露相结合的方法(黄世忠，2020)，在表外披露不符合数据资产定义的数据资源相关信息，比如数据资源应用场景和未来为企业带来的现金流量，保证信息披露的完整性和客观性(李琪琦、 黄世忠，2020)。还有学者认为数据资产重要性不断提高，如李永红等(2018)的研究结果表明我国企业资产逐渐趋向轻资产化且重要性会超过其他资产，为保持会计信息重要性，应设置第四张表与资产负债表对数据资产进行混合列报，以此全面披露数据资源信息(张俊瑞和危雁，2021；陈国青，2022)。学者提出的“第四张报表”构建设想主要对数据资产的非财务信息指标进行披露，同时对企业数据资产进行结构化、标准化价值评估。如田五星和戴双双(2018)认为第四张报表应该设计为“关键指标变动表”，表内不仅包括数据资产信息还包括其他软资产信息。德勤发布的“第四张报表”中以非财务信息为核心，涵盖数据资产关键指标和管理流程等信息，并评估数据资产对企业价值的贡献程度。

四、数据资产会计标准研究的展望

数据资产作为企业战略性资源，与企业未来总体竞争力高度相关，数据资产会计标准的研究和全面入表，已经成为当前会计界学者研究和关注的热点话题。现有研究对数据资产的定义逐渐清晰，“数据资产化”也已经普遍被接受，对数据资产会计核算与披露研究逐渐深入。但目前学界对数据资产的会计确认标准的研究仍有待更加深入系统。

(一) 积极探索数据资产计量革新积极探索

1.从数据资产初始计量来看，数据资产价值具有应用场景附着性和边际成本逐渐趋向于零的特性，独立存在的数据资产具有价值较小，如果将数据资产与特定应用场景相结合，数据资产将会发挥不同程度的价值效用。因此，数据资产初始计量与数据资产应用场景高度相关。同时企业特别是数据驱动型企业在对数据资产前期收集、加工、处理和分析等过程需要巨大的成本投入，但是随着数据资产达到预计可使用状态便可以无限复制使用，数据资产边际成本为零。数据资产的价值与成本之间关系较弱，运用成本法计量将低估数据资产的价值，因此企业特别是数据驱动型企业对持有待售数据资产采用特定应用场景公允价值作为初始计量标准。

2.从数据资产后续计量来看，数据资产价值随着时间的推移既可以减损也可以增值，与无形资产和固定资产都具有明显区别。虽然数据资产具有时效性，价值随着时间推移会出现减损，甚至在短时间内减损到零。但是数据资产也具有倍增器特点，随着数字技术的不断更新数据资产规模不断扩大，不同的数据之间相互融合形成新数据集创造价值新增长点，数据资产随着时间推移出现增值特性。因此企业对数据资产后续计量可以采用“动态”计量方式，每月或者每季度末对数据资产价值进行价值评估，确定数据资产价值是否需要摊销(折旧)和计提减值准备。

(二) 全面探究数据资产列报与披露

可以将企业区分为数据驱动型企业和非数据驱动型企业，根据重要性原则采用合理的披露形式。

1.应充分考虑数据资产作为新资产的特征和复杂性，企业特别是数据驱动型企业可以单独设立“数据资产”科目对数据资产列表核算，每期末确认数据资产公允价值变动，全面反映数据资产价值，从而突出数字时代下数据资产的战略价值，为财务报表使用者提供更为直观与完整的财务报表信息。

2.企业特别是非数据驱动型企业可以补充披露数据资产价值创造过程。比如：企业数据资产集聚过程、应用场景和市场环境、未来创造价值可能性以及收益形式，都应进行详细灵活披露，全面反映数据资产价值信息，提高数据资产评估价值评估的效率和准确性。

3.数据资产报表附注披露信息程度应该显著提高。首先，数据资产取得途径、持有时间以及资产化过程和依据等基本信息应该在附注中披露；其次，应该对数据资产价值评估模型、评估依据以及影响数据资产价值的内外部因素进行详细说明；最后，数据资产减值测试频率较高，与传统资产有所区别，因此企业应该在报表附注中对数据资产每一次减值测试情况进行详细地说明，披露造成数据资产减值或者促使数据资产增值的原因。

(三)应关注和研究数据资产审计

随着数据市场活跃程度不断提高、数据资产管理和交易等行为不断增多、数据资产入表的快速推进，企业数据资产的年报审计将面临新的挑战。比如，数据给企业预期带来的经济利益流入如何判断？数据的成本归集和分摊机制是否合理？企业研发数据如何合理划分研究阶段和开发阶段等等问题。

1.审计师应该重点关注被审计单位数据资产获取途径的合法性证明材料、数据资产管理制度文件，比如数据资产资产化全过程管理文件、数据资产使用过程管理文件以及数据资产安全管理文件等，数据资产交易合同以及部分数据资产使用授权证明文件等材料的完整性和真实性。

2.审计师应该将被审计单位数据资产的完整性和真实性，以及成本费用分摊制度的合理性，作为审计工作的重点。比如审查数据资产分类清单时关注是否全面披露企业全部数据资产等情况；在审计数据资产初始计量过程时应重点关注有无缺漏或重复计量的情况；审查价值评估过程时充分考虑数据资产独特性重点考虑价值评估方法的合理性。同时，审计师应该着重关注数据资产内部控制流程的完整性，对数据资产权属控制管理、数据资产应用场景信息管理和数据隐私安全管理等是否采取有效措施实施管理控制进行审查。

3.审计师应该充分利用适应数据资产特殊性的数字审计技术，对被审计单位进行风险测试和内部控制测试。例如：数据分析方法、AI 和+RPA 技术、区块链技术和机器学习法等，提高对数据资产权属、计量和价值评估等方面审查的准确性和效率，快速精准识别在数据资产交易过程存在的异常风险，对可能存在的审计风险进行预警。