产权保护导向的数据资产会计处理

伍中信 毛政珍 吴寓聪 张荣武

【摘 要】 数据是数字经济的关键要素，是生产要素、基础性资源和战略性资源，数据能否科学核算和正确入表，事关数据要素价值创造和新质生产力发展。2023年《企业数据资源相关会计处理暂行规定》的发布具有里程碑意义，但不足以全面指引数据资产会计实务。文章以产权保护为导向，通过对数据资产会计科目、分类、计量与核算的理论推演及实践分析发现：一是应设置数据资产一级会计科目；二是数据资产可分为战略性数据资产、创新性数据资产和生产性数据资产，并依使用时间和使用场景影响度对数据资产进行分类确认与计量；三是数据资产入表能改善企业财务报表、提升创新能力和增强核心竞争力。本研究丰富了数据资产会计理论研究文献，对数据资产入表实践也具有借鉴意义。

【关键词】 产权保护； 数据资产分类； 数据资产入表； 会计科目； 新质生产力

【中图分类号】 F49；F275.2  【文献标识码】 A  【文章编号】 1004-5937（2024）13-0008-07

一、引言

世界各国正在抢占数字经济高速发展的机遇，全球数字经济时代业已形成。根据中国信通院《全球数字经济白皮书（2023年）》数据，2022年全球51个主要经济体的数字经济增加值规模为41.4万亿美元，同比增长2.9万亿美元，同比名义增长率为7.4%，高于同期GDP名义增速4.2个百分点。2016—2022年，美国、中国数字经济持续快速增长，数字经济规模分别增加6.5万亿美元和4.1万亿美元，中国数字经济年均复合增长率为14.2％，是同期美中德日韩五国数字经济总体年均复合增速的1.6倍[1]。为此，全球紧锣密鼓开展数字经济顶层设计，中国发布《“十四五”数字经济发展规划》、英国发布新的《英国数字战略》、澳大利亚发布《数字经济战略2030》、德国更新“数字战略（2025）”等，为推动数字经济发展注入最强动能。数字技术通过提高服务业分工与协作效率、提高各类产业特别是平台的协同效率、创造新的数实孪生叠加效率来促进经济增长，进而提高全社会经济活动效率，提供新的增长源泉[2]。数据日益成为重要生产要素并具有财产属性，因此，建立数据产权制度[3]并确权为数据资产，有其合理性和必然性[4]。引入新兴技术构建新的数字经济核算体系，会使数据要素成为经济高质量发展的关键推动力[5]。数据能否科学核算和正确入表，事关数据要素价值创造和赋能新质生产力作用的发挥。

二、数据资产会计现状

建设数字中国是推进中国式现代化的重要引擎。中国作为全球最大的数字经济体之一，数据资源的开发和利用意义重大。自“数字中国”战略提出后，制定了一系列政策措施来推动数字经济发展，将数据资源确权为数据资产是其中的重要一环。财政部制定的《企业数据资源相关会计处理暂行规定》（简称《暂行规定》）于2024年1月1日起正式实施，这一制度在数据资产核算实践中具有里程碑意义，有助于规范企业数据资源的会计处理，提高数据资源的价值认知，促进相关产业发展，同时为数字经济健康发展提供最直接的制度支持。《暂行规定》中明确“适用于企业按照企业会计准则相关规定确认为无形资产或存货等资产类别的数据资源，以及企业合法拥有或控制的、预期会给企业带来经济利益的，但由于不满足企业会计准则相关资产确认条件而未确认为资产的数据资源的相关会计处理”。《暂行规定》为计入无形资产和存货的数据资源提供了具体实践指引，对于“企业合法拥有或控制的、预期会给企业带来经济利益的、但由于不满足企业会计准则相关资产确认条件而未确认为资产的数据资源”尚未明确其会计处理，这为本文提供了扩展研究空间。由于该规定只是“暂行”规定，在确认、计量、披露等方面尚有值得商榷之处[6]。不管怎样，《暂行规定》是数据资产会计从0到1的进步，这将为加强数据资源的保护和管理、推动数据资源开放共享和流通交易、更好发挥数据资源价值、促进数字经济快速发展带来更多期待。

数据作为生产力最终促进我国数字经济高质量发展[7]，将数据资源确权为数据资产是符合时代发展需要的必然趋势，数据资源将成为企业和国家重要战略资产[8-9]。根据2022年中央全面深化改革委员会第二十六次会议提出的“推动数据分类分级确权授权使用，建立数据资产持有权、数据加工使用权和数据产品经营权等分置的数据产权运行机制”精神，以《暂行规定》为起点，深化数据资产会计的理论研究与实践探索成为当前热点。

关于数据资产的核算，存在两种主流观点。一是“数据资产观”，将数据资产视为一种单独的资产。康旗等[10]认为大数据资产拥有控制权和收益权的产权性质，可以作为资产在报表中单独披露。目前在国内，数据已被当作一项可单独核算的资产来研究[11]。除了单独列报，李静萍[12]创建了一套以数据开发资产和数据资产会计核算科目为主的数据资产附属核算框架。二是“其他资产观”，是指除单独列报“数据资产”以外的其他处理方式，主要分为资产化和费用化。数据资产化的实例有将数据资产作为无形资产[13-14]、原材料或者产品[15]、实物资产[16]的描述信息。朱扬勇等[17]将数据资产中的数据集勘探权和使用权归为无形资产，而将其所有权归为有形资产。

三、数据资产的产权基础

数据资产的产权基础包括产权特征和产权权属。产权特征包括稀缺性、绝对的非排他性和相对的排他性共存、可交易性；产权权属可划分为所有权、使用权和收益权。

（一）产权特征

马克思主义经济学和新制度经济学的产权学说强调产权的发展离不开资源的稀缺性。数据资产的资源稀缺性在于数据资源聚合能力的稀缺，一般来说，单条数据不具备核算价值，只有聚合数据具有核算的价值。由于技术、成本和政策的限制，拥有聚合能力的产权主体较少，只有部分平台企业和政府部门具有聚合能力。数据资源聚合能力的稀缺以及因产权主体规定不明导致的数据源管理混乱促成了数据资产确定权属，也就是数据资产的产权界定的需求[18]。排他性是产权的重要特征之一，也是产权形成的基础。排他性是指一个主体要阻止别的主体进入特定财产权利的领域，保护特定的财产权利[19]。数据资源具有绝对的非排他性和相对的排他性共存等特点[20]。绝对的非排他性是指数据资源本身能够被无限复制和使用；相对排他性是指多人使用时的数据价值远不及单独使用，以及企业会短时间内独占公开数据并获益。资源是经济学的概念，不一定涉及量化的问题，也不一定涉及任何单位控制与使用的问题[21]，这种情形就是数据资源中的“绝对的非排他性”，而数据资产便是数据资源中的“相对排他性”。在数据资源中，并非所有数据资源都要纳入“量化”范畴，而是那些数据资源中具有“相对排他性”的数据资产才具有“量化”的标准，需纳入“量化”的范畴。可交易性是指产权在不同主体之间的转手与让渡[19]。在流通市场中，资产的所有权、使用权、处置权和收益权等均可以作为交易对象。产权既可作为一个整体，也可通过产权的界定与分离实现单个权利的单独交易与组合交易。数据资产的产权具有稀缺性和排他性，可以作为交易的对象。

（二）产权权属

产权作为财产权，从实物形态和价值形态两方面实施管理，实物形态包括占有权、使用权，价值形态包括收益权[22]。数据资源的实物形态是以二进制形式储存在介质中的可以被度量的数据集合[23]。企业通过将数据打包归集进行交易，实现对资金流的支配，因此数据资产同时具有实物和价值维度的管理权能。实物维度是指可被度量的数据集合，因此将其确定为“数据产权”，即依法享有占有、使用、处置以及收益的权利，具体包括所有权、使用权和收益权[24]。

数据所有权是数据产权问题的核心[25]。数据储存技术发展以及重复利用的特性是导致数据所有权和使用权分离的核心原因[26]。国内对于所有权的归属有两种主流观点：一是归属组织，二是归属组织中的相关个人。但无论所有权归属于组织还是个人，都具有一定的弊端[27]。因此有人就提出发挥政府的作用[28]，拥有数据聚合能力的主要是政府。数据资源源于“社会组织”和“国民”，而数据收集者并不对他们实际“付费”，如果所收集的数据资产属于相关组织和个人，显然有失公允，具有严重的外部性。考虑到“社会组织”和“国民”极为分散和难以界定数据边界等特征，带有明显“公共性”，建议以政府为主导享有数据产权。在政府部门之间流动的数据资产无需付费，其他组织向政府购买“原始数据”则需付费。这样体现了社会资源的公益性和资源分配的公平性。数据使用权是数据产权问题的焦点。所有权与使用权的分离是产权主体进行交易的结果。在数据资产交易过程中，对聚合数据的交易在不侵犯数据终极所有权的情况下，通过对使用权的转让实现各产权主体利益最大化。数据收益权又被称为数据财权。财权构成法人财产权的核心[26]，而数据的资产化是其产生的根源[29]。与所有权和使用权的产权主体一致，收益权的主体也分为政府、组织及组织中的相关个人。通过公示方式界定三方财产权属及其内容，使得因权属争端产生的外部成本成为经济活动应支付的代价，使得数据的内部化成本下降和收益上升，充分实现产权的外部性内部化功能[30]。

四、数据资产会计分类与计量

（一）数据资产的会计分类

现有数据资产主要基于数据权属和市场属性进行分类[27]。资源基础观点强调资源的四个关键属性——价值性、稀缺性、不可模仿性以及组织内的不可替代性，强调企业内部资源的战略重要性，认为这些资源是企业实现长期竞争优势的核心所在[31]。效益理论关注社会交换过程中的投入与产出比例。数据资产的价值不仅取决于自身特性，还取决于使用它们的企业能够从中获得的实际效益，这要求数据资产必须考虑其在提升企业战略决策、创新产品或服务、优化运营效率等方面的效益问题。因此，对数据资产分类时，应根据数据资源的固有属性，重点考虑数据资产的使用效益，为企业创造持久竞争优势。

数据具有无限性、易复制性、非均质性、易腐性和原始性等特征。无限性是指数据不会因使用而耗尽，反而因使用而产生，会不断被创造，会越来越多；易复制性是指数据可以快速地以近乎零成本的方式进行复制，供多人同时使用，可多次循环使用，一个人的使用不排斥和妨碍其他人使用，不同人之间在使用上不存在直接的利益冲突；非均质性是指数据价值因使用对象和应用场景而异，因专业化数据质量标准而异；易腐性是指数据是一种易腐品，会随着时间流逝而贬值或迅速贬值；原始性是指数据是原始的，本身并没有意义，只有对它进行处理分析，才能转变成有用的信息[32]。数据确权为数据资产后，它的原生特性依然存在。从五个特征可以看出：（1）数据的原始性说明数据具备确权为数据资产的先天条件。（2）数据是“无限”和以边际生产成本为零或接近零的方式进行复制，复制的数据价值因没有创造“新”的信息或知识而不会带来额外价值[33]，因此，数据资产不具备以量定价的条件。（3）数据的易腐性决定了使用时间对数据资产的价值具有重要影响，数据的非均质性表明数据价值与应用场景相关[18]，使用时间和场景异质决定了数据资产价值的不同，决定着数据资产使用时产生的效益不同。因此，数据资产定价的决定性因素是数据资产的使用效益，对于数据资产以使用效益为标准进行分类，具备实践可行性。根据使用效益从高到低，依次可分为战略性数据资产、创新性数据资产、生产性数据资产三类。战略性数据资产服务于企业战略需求，能带给企业核心利益或决定企业走向；创新性数据资产服务于企业创新需求，能带给企业关键领域的重大利益；生产性数据资产满足企业日常生产需求，能带给企业正常经营收益。数据资产分类的逻辑推演见图1。

数据资产分类解决了定性的问题，然而，具体到会计实务中，必须对不同类别的数据资产有一个量的鉴定，才能指导实务操作。比如，对林木类生物资产核算时有“郁闭度”、固定资产进行核算时有“单位价值”等定量指标。由于数据资产的分类依据是使用时间和使用场景两个维度，故对数据资产分类量化时，也须从两个维度出发，以确定其属于哪个类别。从时间维度进行量化时，参照流动资产的概念，可以从时间上把数据资产分为使用1年以内及1年以上的，同时参照我国每五年编制一个规划的习惯，可以把使用超过1年的固定资产再分为1—5年及5年以上的。对场景维度进行量化时，参照会计中常用的“基本确定（100%～95%）”“很可能（95%～50%）”“可能（50%～5%）”“极小可能（5%～0%）”的概念，可以把数据资产的使用场景程度分成全面影响（影响面为100%～95%）、重大影响（影响面为95%～50%）、一般影响（影响面为50%～5%），根据重要性原则，对影响面小于5%的可以忽略。确定了时间与场景影响度两个量化标准后，就能对不同类别数据资产进行分类量化，具体标准与量化结果如图2所示。如同“重要性判断还与企业整体风险评估有关[34]”一样，数据资产在实务中的分类还需要专业人员根据整体情况加以明确，一旦确定分类后，在企业未发生重大变化或相关数据资产未发生重大变动的情况下原则上不允许调整。

（二）数据资产的会计计量

葛家澍[21]指出会计计量的主要问题是选择计量属性，计量属性包括历史成本、重置成本、现值、可变现净值、公允价值计量等。根据会计中的重要性、谨慎性原则，不同类别的数据资产在初始计量、后续计量和处置时应该采用不同的计量方法。依重要性角度排序，依次为战略性数据资产、创新性数据资产、生产性数据资产，越是重要的资产对生产经营的影响越大，在核算时越需要遵循谨慎性原则。

战略性数据资产是指涉及企业长期战略规划或独有机密等并对企业长远发展起决定性作用的数据资产，如市场长远趋势分析、主要竞争对手信息、独有产品配方或生产工艺等，与主体存在依附性和不可分割性，这类资产的价值可通过对企业未来收入增长的预期影响进行评估。该类数据资产的价值一般没有历史成本或者历史成本与其价值相比微不足道，也几乎无法取得市场价格，根据谨慎性原则一般不进行初始计量，只有在会计主体发生非同一控制下的变更时，才通过收益评估来确定价值。不发生非同一控制下的会计主体变更，一般情况下不需要进行后续计量和减值计量。

创新性数据资产对创新和产品开发至关重要，代表企业的技术实力和创新能力，对维持竞争优势至关重要，直接关系到新产品和服务的开发。这类资产包括研发数据、专有技术等，其初始计量可通过市场评估法来确定价值，也可根据创建或获取这些资产所花费的历史成本来确定价值。在后续计量时，根据技术支撑周期或服务周期分期摊销。当市场有较大变化时，可根据初始计量所采用的计量方法对价值重新核定，如果账面价值低于核定价值，则进行减值计量。

生产性数据资产（若是商品流通企业，也可表述为“交易性数据资产”），如客户关系管理和供应链数据，可提高操作效率，降低成本，直接影响企业运营效率和利润。这类数据资产为企业提质增效，如果是自行取得的生产性数据资产，在初始计量时通过计算使用这些数据资产相比不使用时节约的成本或提升的价值来评估其价值；如果是外购的生产性数据资产，则按外购成本进行初始计量。在后续计量时，可以进行一次性摊销，或者根据其技术支撑周期或者服务周期进行五五摊销。依据重要性原则，该类数据资产一般不进行减值计量。

三类数据资产的特征与计量比较如表1。

五、数据资产会计科目设置

（一）基本内涵

《企业会计准则——基本准则》中规定“资产是指企业过去的交易或者事项形成的、由企业拥有或者控制的、预期会给企业带来经济利益的资源”。对于能确权为企业所有并能给企业带来利益的数据资源即可以成为数据资产，对确权为资产的数据则需要纳入会计核算范畴，而会计核算首先需要有相应的会计科目——“数据资产”。资产是企业在经营活动中使用或拥有的资源，这些资源对于企业实现盈利、履行债务以及支持业务运营都具有价值，可分为有形资产和无形资产。有形资产包括实物形式的资产，如建筑、设备、材料等，有明确的物理形态，可以观察和量化，能够为企业带来未来经济利益。无形资产是指非物质的、无形的资源，通常是专利权、非专利技术、商标权、著作权、土地使用权、特许权等，虽然无法观察到实体形式，但同样具有价值，能够为企业带来未来经济利益。同理，数据资产则是以“数据”为载体，能够为企业带来未来经济利益。所以，数据资产必须符合资产的定义，且是“数据”形态。那么，什么是数据呢？广义的数据是指以离散形式表示的事实、观察结果、描述等，是通过观察、测量或收集而取得，用于描述对象、事件或过程的特征，可以是任何形式的信息，表现为数字、文本、图像、音频等形式。而数据资产中的“数据”是一个会计概念，需要从形态上对其进行鉴定，从而与固定资产、无形资产、生物资产等相区别。因此，数据资产中的“数据”应该更为收敛和精准，可以参照《数据安全法》，将“数据”界定为“任何以电子方式或者其他方式对信息的记录”。在数字化时代，对信息的记录越来越趋向以电子方式记录。因此，可进一步将“数据”的定义收敛为：以电子方式对信息的记录。再参考“无形资产”的定义，数据资产是指企业过去的交易或者事项形成的、由企业拥有或者控制的、预期会给企业带来经济利益的电子信息记录的非货币性资源。其本质是一种“记录”，而该记录在数字化时代通常以电子数据形式存在，常驻于电磁介质内，包括软件、网站、网络游戏、电子书、电子邮箱、视频、数据库等。

（二）设置“数据资产”一级科目的必要性

关键生产要素撬动了社会生产和企业行为的变迁，进而推动资产负债表的演进[35]，资产负债表数据来源于会计科目的具体记载，因此，会计科目与资产负债表必然会同步演进。会计科目分类发展历史久远。在宋代兴起的“分户法”，将资金、物资、成本和收益等不同类型的经济活动分别记账，每种类型的活动都有相应的账户或账簿进行记录。意大利数学家帕乔利（1494）在《算术、几何和比例》中详细描述了双簿记会计系统，将资产、负债和所有者权益概念结合在一起，强调资产和负债的平衡，提出了著名的“资产等于负债加所有者权益”等式，被认为是现代会计的基石，会计科目也得以形成体系。在工业革命时期，随着机器和设备的广泛使用，为更好地管理和核算资产，固定资产一级科目应运而生。在20世纪初期，西方国家的商业活动日益复杂，企业开始意识到商标权、专利权、版权等经济业务对企业经营发展越来越重要，无形资产科目逐渐被引入会计核算体系并成为一级科目。中国1985年颁布的《企业会计制度》和1993年修订的《企业会计制度》对无形资产进行了初步规定。随着农林牧渔业从小农时代向集约化经营的推进，规模化的农林牧渔业企业日益增多，《企业会计准则第5号——生物资产》于2006年发布，标志着生物资产正式成为一级科目，进入会计核算体系。固定资产、无形资产、生物资产等一级科目的产生使企业能更准确地反映资产状况、评估财务状况和经营绩效，并为投资者和其他利益相关者提供更相关的决策有用信息。

随着大数据取代物质材料成为关键投入品[36]，数据作为新的交易客体，已逐渐参与社会的多元化交易，并显示出作为资产的基本价值[37]。数据使产品和服务能够实现高度定制化和个性化，帮助企业发现新机会、优化产品设计，还通过预测市场趋势支持战略决策。同时，数据与人工智能的结合更是开辟了智能决策新时代，提高了决策效率与准确性。数据也推动了经济的全球化和数字化，使资源在全球范围内更高效地流动与使用，已成为智能化时代的关键驱动力，不断推动社会进步和经济增长。在数据已成为经济发展关键支点的新时代，若把数据资产列为一级科目、形成独立的会计准则、在财务报表中以一级栏目列示，将使监管机构、股东、债权人、管理者更重视数据资产，使数据资产在“推动数字经济治理体系建设、促进数据要素市场发展、增强国际数字经济竞争力、加速数据密集型行业发展、助推企业加强数据资源管理以及提高会计信息决策”等方面发挥更积极的影响[38]，进而更好地成为推动经济转型升级和发展新质生产力的驱动力。因此，为了顺应时代发展要求，更好地管理和核算数据资产，数据资产理应成为会计核算一级科目，也必将成为与固定资产、无形资产等并列的资产类别[39]。

六、数据资产会计核算与入表

（一）数据资产的会计核算

1.战略性数据资产

业务描述：企业X收购了一个竞争对手，获得其市场研究报告和客户数据库，该信息对企业长期战略规划至关重要。在收购中，该战略性数据资产的收益评估价值为1 000万元。

计量方法：收益评估价值法。

初始计量会计分录：

借：数据资产——战略性数据资产——XXX

10 000 000

贷：银行存款/应付账款   10 000 000

2.创新性数据资产

业务描述：企业Y完成了一项新技术研发，该技术预计将大幅提升产品性能。该技术的研发成本合计为20万元。

计量方法：历史成本法。

初始计量会计分录：

借：数据资产——创新性数据资产——XXX

200 000

贷：研发支出         200 000

后续计量会计分录（假设5年摊销）：

借：摊销费用   40 000

贷：累计摊销——创新性数据资产  40 000

3.生产性数据资产

业务描述：企业Z购置了一套高级客户关系管理系统，以提升销售效率和客户服务质量。客户关系管理系统购置成本为5万元。

计量方法：购置成本法。

初始计量会计分录：

借：数据资产——生产性数据资产——XXX 50 000

贷：银行存款/应付账款    50 000

后续计量会计分录（假设采用一次摊销法）：

借：摊销费用  50 000

贷：累计摊销——生产性数据资产  50 000

这些实例展示了不同类型的数据资产在实际业务场景中的核算方式，但实际工作中的业务会更复杂，需要财务人员进行职业判断，确保会计核算合理。

（二）数据资产入表

“大数据之父”舍恩伯格[40]提出，数字化时代，数据作为被交易的对象，列入企业资产负债表只是时间问题。数据资产入表可以显著提升企业对数据资源的价值认知，促进数据交易和数据开发利用，推动释放经济发展新动能，拓展高质量发展新空间[41]。《暂行规定》已为数据资源入表做出明确指引，尽管在列示项目、金额及位置都存在诸多争议[42]，但是，未来从“数据资源”入表走向“数据资产”入表是数字经济发展的必然趋势[43]。首先，数据资产入表能改善企业财务报表。2024年5月发布的《全国数据资源调查报告（2023年）》显示，2023年全国数据生产总量达32.85ZB（泽字节），同步增长22.44%[44]。如此庞大的数据资产未入表，将导致企业财务报表中的资产数值远小于企业真实市值。数据资产入表后，可以显著增加企业的资产规模，从而更接近于真实市值，吸引更多潜在投资者，高新技术企业表现尤其明显。其次，数据资产入表能显著提升企业创新能力。根据使用效益对数据资产进行分类管理，效益驱使下的企业将更积极地收集、整理和分析数据，以发掘数据的潜在价值和商机，进而利用数据去进行产品、服务、模式等创新。当数据的创新效益显现后，企业会进一步优化资源配置，增加数据分析、人工智能、机器学习等数据技术方面的投入，从而提升企业创新能力。最后，数据资产入表能提升企业核心竞争力。把数据资产列为一级科目，意味着数据资产已成为企业核心资产，应更关注数据资产使用情况，提高数据资产使用率，形成更有效的数据决策支持。数据决策支持系统让企业在战略制定、市场分析、产品研发、风险评估、运营管理等方面更加精准高效，从而在激烈的市场竞争中占据先机，保持持续竞争优势。

在数据资产入表实务中，需要在资产负债表的“无形资产及其他资产”下增设“数据资产”一级栏目，反映资产负债表日确认为数据资产的期末账面价值。在会计报表附注中，需要对“战略性数据资产”的账面原值、账面价值的期初、本期变动、期末的金额予以具体披露，对“创新性数据资产”的账面原值、累计摊销、减值准备、账面价值等期初、本期变动、期末的金额予以具体披露，对“生产性数据资产”的账面原值、累计摊销、账面价值等期初、本期变动、期末的金额予以具体披露。同时，财务人员根据企业数据资产的不同情况做出职业判断，需要披露数据资产的使用寿命、应用场景或业务模式、关键技术、风险情况、安全保护、管理措施、相关权利失效或受限、摊销方法等企业认为有必要披露的其他相关信息。

七、结语

《暂行规定》虽然为数据资源会计核算提供了指引，但从“数据资源”到“数据资产”的会计核算仍有一个漫长的过程，在突破传统会计理论、会计准则体系框架等方面需要进行更多开创性的探索。本文以产权保护为导向，通过对数据资产会计科目、分类与计量、核算与入表的理论推演与实践分析，得出以下结论：（1）随着数据成为智能化时代关键驱动力和社会进步及经济增长的强劲动力，数据资产已经成为企业的核心资产并应增设一级会计科目；（2）宜将数据资产分为战略性数据资产、创新性数据资产和生产性数据资产，并依使用时间与使用场景影响度进行分类确认；（3）根据重要性、谨慎性原则，不同类别的数据资产特征各异，在计量与核算时应区别对待；（4）数据资产入表是必然趋势，并将改善企业财务报表，提升创新能力与核心竞争力。

【参考文献】

［1］ 中国信息通信研究院.全球数字经济发展白皮书（2023年）［R］.2024.

［2］ 江小涓，靳景.数字技术提升经济效率：服务分工、产业协同和数实孪生［J］.管理世界，2022，38（12）：9-26.

［3］ 冯晓青.数字经济时代数据产权结构及其制度构建［J］.比较法研究，2023（6）：16-32.

［4］ 胡伟.企业数据资源资产化：理论机制、实践基础与政策选择［J］.财会通讯，2024（3）：13-19.

［5］ 冯科.数字经济时代数据生产要素化的经济分析［J］.北京工商大学学报（社会科学版），2022，37（1）：1-12.

［6］ 陈金勇，张高领，陈梦纯.数据资源会计之惑：信息生成机制研究［J］.会计之友，2024（3）：7-15.

［7］ 张俊瑞，高璐冰，危雁麟.数据资产会计：概念演进、解构与关系辨析［J］.会计之友，2023（24）：131-137.

［8］ 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.

［9］ 李健，董小凡，张金林，等.数据资产对企业创新投入的影响研究［J］.外国经济与管理，2023，45（12）：18-33.

［10］ 康旗，韩勇，陈文静，等.大数据资产化［J］.信息通信技术，2015，9（6）：29-35.

［11］ 秦荣生.数字经济时代数据资产的确认与计量［N］.经济观察报，2020-12-21（05）.

［12］李静萍.数据资产核算研究［J］.统计研究，2020，37（11）：3-14.

［13］ 刘玉.浅论大数据资产的确认与计量［J］.商业会计，2014（18）：3-4.

［14］ 余应敏.确认大数据资产助推新经济发展［J］.财会月刊，2020（23）：52-55.

［15］ 吴超.从原材料到资产——数据资产化的挑战和思考［J］.中国科学院院刊，2018，33（8）：791-795.

［16］ PERRONS R K，et al. Data as an asset：What the oil and gas sector can learn from other industries about“Big Data”［J］. Energy Policy，2015（81）：117-121.

［17］ 朱扬勇，叶雅珍.从数据的属性看数据资产［J］.大数据，2018，4（6）：65-76.

［18］ 顾立平，樊舒.数据权属和使用边界研究［J］.科研信息化技术与应用，2018，9（3）：34-39.

［19］ 黄少安.产权经济学导论［M］.北京：经济科学出版社，2004：108-207.

［20］吴江.数据交易机制初探——新制度经济学的视角［J］.天津商业大学学报，2015，35（3）：3-20.

［21］ 葛家澍.关于市场经济条件下会计理论与方法的若干基本观点（Ⅵ）［J］.财会月刊，1995（7）：3-6.

［22］ 伍中信.现代财务理论的产权基础［J］.财政研究，2000（7）：52-61.

［23］ 朱扬勇，叶雅珍.从数据的属性看数据资产［J］.大数据，2018，4（6）：65-76.

［24］ 张莉.所有权、使用权、收益权：数据产权的构建［N］.中国计算机报，2019-11-04（12）.

［25］ PETRIE C.The proper use of the internet：digital private property［J］. IEEE Internet Computing，2016，20（2）：92-94.

［26］ 陈涛.数据产权的归属问题探究［J］.市场周刊，2020（4）：163-165.

［27］ 马克卫，王硕，苑杰.数据资产核算应用研究：理论与实践［J］.中南财经政法大学学报，2023（5）：149-160.

［28］ 杜振华.大数据应用中数据确权问题探究［J］.移动通信，2015，39（13）：12-16.

［29］ 龙卫球.数据新型财产权构建及其体系研究［J］.政法论坛，2017，35（4）：63-77.

［30］ 许可.数据权属：经济学与法学的双重视角［J］.电子知识产权，2018（11）：23-30.

［31］ BARNEY J，et al.The resource-based view of the firm：ten years after 1991［J］.Journal of Management，2001，27（6）：625-641.

［32］ 腾讯研究院.一文读懂：数据的五个特征、三道难题［Z］.2023.

［33］ 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.

［34］ 孙蕊.会计重要性概念、特征及判定：一个分析性框架［J］.财会通讯，2019（34）：11-15.

［35］ 张新民，金瑛.资产负债表重构：基于数字经济时代企业行为的研究［J］.管理世界，2022，38（9）：157-176.

［36］ 张文魁.数字经济的内生特性与产业组织［J］.管理世界，2022，38（7）：79-90.

［37］ 叶明，马羽男.数据权利资产化收益的归属判定［J］.大连理工大学学报（社会科学版），2023，44（6）：77-84.

［38］ 陈俊，李永康，龚启辉.企业数据资源会计处理研究［J］.财会月刊，2023（21）：13-18.

［39］ 赵丽芳，曹新宇，边琰 企业数据资产创造价值的底层逻辑问题研究［J］.会计之友，2024（6）：51-58.

［40］ VIKTOR M S，et al.Big Data：a revolution that will transform how we live，work，and think［J］.American Journal of Epidemiology，2014，179（9）：1143-1144.

［41］ 赵治纲.数据资产入表的战略意义、问题与建议［J］.会计之友，2024（3）：2-6.

［42］ 吴果莲，苑秀娥.基于应用场景的数据资产会计核算研究［J］.中国注册会计师，2023（6）：91-95.

［43］ 孙静，王建冬.多级市场体系下形成数据要素资源化、资产化、资本化政策闭环的总体设想［J］.电子政务，2024（2）：12-20.

［44］全国数据资源调查工作组.全国数据资源调查报告（2023年）［R］.2024.