企业数据资产入表实践研究

【摘 要】 数据资产入表，使数据价值显性化，对充分认识、开发和利用数据价值具有重要意义。然而当前研究多停留在理论层面，缺乏企业实践探索。文章以浙江核新同花顺网络信息股份有限公司为例，研究其2009—2023年公司年报发现，该公司“在建工程”“固定资产”“其他流动资产”项目均对数据资产进行了记录；数据服务收入和成本计入“营业收入”和“营业成本”项目，所有研发投入全部费用化处理。同时，公司从客户资源、数据资源的类型和来源、数据应用开发与服务、研发创新投入、与数据资产相关的重大合同、重大诉讼仲裁、重大风险七个维度来补充披露相关文本信息。研究认为，通过信息披露明确数据权属合法合规是数据资产入表的前提，对数据资源的价值进行独立计量是数据资产入表的必要条件，当下企业应充分利用数据资源信息披露实现信号传递功能。

【关键词】 数据资源； 数据资产； 会计确认； 信息披露； 同花顺

【中图分类号】 F234.4 【文献标识码】 A 【文章编号】 1004-5937（2025）01-0021-08

一、引言

数据作为数字经济时代的核心生产要素之一，对于加快形成新质生产力具有重要意义。数据要素通过与其他生产要素结合，可加速推动商业模式创新、优化资源配置、提升要素组合效率、促进产业结构升级，为经济高质量发展提供新动能。2022年12月，中共中央 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》（以下简称“数据二十条”）明确提出“探索数据资产入表新模式”“建立数据资源持有权、数据加工使用权、数据产品经营权等分置的产权运行机制”。2023年8月，财政部印发《企业数据资源相关会计处理暂行规定》（财会〔2023〕11号，以下简称《暂行规定》），明确数据资源的确认范围、会计处理与披露规则等。2023年12月，财政部印发《关于加强数据资产管理的指导意见》（财资〔2023〕141号）。2024年2月，财政部印发《关于加强行政事业单位数据资产管理的通知》（财资〔2024〕1号）。这充分表明了相关部门审慎合规有序地推进数据资产化的决心。

从企业的角度看，数据资产确认入表能够改善财务结构，提升企业价值，降低融资成本。更进一步，数据资产为企业提供了一种新的融资工具，在股权融资、债权融资、资产证券化等方面均可发挥作用。数据资产入表和价值实现的成功示范案例有助于推动各级各类企业深入认识数据资产价值，提升数据管理能力和管理水平，推动数字经济与实体经济深度融合发展和新质生产力的形成。但是，由于企业数据管理意识和能力的局限，相关法律和会计规则的缺失，相当部分数据资源未能得到有效的管理和开发利用。调查显示，将数据资产以会计科目和货币化形式呈现并主动进行信息披露的上市公司不足市场总量的3%①，多数企业拥有的海量数据尚未成为生产发展的价值来源。

鉴于此，本文采用纵向单案例研究方法和文本挖掘法对同花顺2009—2023年的财务报告进行研究，探究其数据资产会计处理与披露的实践，并与《暂行规定》进行比较，本研究旨在两方面作出贡献：一方面，获取和提炼企业数据资产相关业务的应用实践；另一方面，识别数据资产入表过程中的挑战和会计实务需求，为《暂行规定》的执行和进一步完善提供启示和借鉴。

二、基本概念与文献综述

（一）数据，数据资源与数据资产的概念

数据很早就被视作一种促进生产与交换的重要经济资源[1]。国际数据管理协会（DAMA）认为“数据是信息的原材料，信息是在上下文语境中的数据”。中国信通院认为，数据是对客观实体（如事实、事件、物体、过程或思想）的数字化记录或描述，它是一种未经加工的原始材料，可以是连续的值（例如声音和图像），也可以是离散的符号或文字②。

Moody et al.[2]总结了数据的七个特性：可无限复制和共享，可挖掘价值随数据整合呈几何数级上升，随数据冗余而递减，价值随数据质量、精确度和稀缺性而提升，价值随时间推移而具波动性和易变性，再生增值性，以及非消耗性。许宪春等[3]指出数据的价值与其应用场景紧密相关，并且数据价值的创造方式具有多元性。

Jones et al.[4]认为广义的数据资产是企业在生产经营过程中以电子形式所记录的信息，蕴含着巨大的使用价值，他所说的广义的数据资产即数据资源。数据资源本身并不总是能够创造未来经济价值[5]，但数据资源是形成数据资产的基础。

狭义的数据资产仅指根据会计准则的确认要求，产权清晰并为企业合法拥有或控制，预期会给企业带来经济利益，并且已经通过会计程序得到确认、计量和报告的数据[6-9]。在组织中，并非所有的数据资源都构成数据资产，数据资产的形成需要对数据资源进行有效的管理、开发和利用，具有可控制、可计量、可使用，以及能够带来潜在经济收益的特征[10]。

（二）数据资产的会计确认及面临的挑战

1.数据资产会计确认

关于数据资产会计核算的研究，目前学界主要形成了以下观点：

唐莉等[11]认为满足资产属性的数据具有无形性、可辨认性、非货币性及不确定性等特点，可参照确认为无形资产。游静等[12]进一步提出将数据资产在无形资产的二级科目下予以列示。祝子丽等[13]认为数据资产具有独特的快速更新、无限复制再生等特性，数据资产的价值因应用场景的不同具有很大的波动性，且具有较强的自我增值特性。单独设立“数据资产”科目，有助于不同类型的企业基于不同的业务模式和应用场景对数据资产进行会计核算[10]，更好体现企业所拥有的数据资产的价值。

《暂行规定》提出了作为“无形资产”和“存货”的两种处理办法，指出企业日常活动持有且最终目的用于出售的数据资源，符合存货定义和确认条件的，应当确认为存货。

2.数据资产会计确认面临的挑战

由于个人隐私保护、企业商业数据的保密性、数据交易和应用过程中的“可用不可见”，数据确权问题是数据资产化过程中面临的主要挑战之一[14]。数据的产生往往是自然人作为权利所有者与企业作为数据搜集者和处理者的共同结果，同时其非排他性属性使得数据可能被多方主体共享使用，其权属问题难以明确界定[15]。由于数据资产的产生可能涉及多个主体[16]，数据主权分散，确权难度大[17]。“数据二十条”提出的数据资产三权分置为数据资产确认问题贡献了中国方案。此外，区块链技术形成的链上数据在可辨认的基础上实现了识别号单一且不被篡改，无需第三方确认和登记即可明确产权人，达成数据确权[18-19]。如果数据存在权属分歧或法律纠纷，应在附注中进行充分披露[20]。

由于缺少数据交易市场、标准、规则等，应借鉴无形资产的计量模式对数据资产采用成本法计量[3]。但数据资产的成本或价值难以可靠计量，信息系统产生的数据具备高频动态性、随机性与多样性[21]，数据需求快速转变等特点影响其价值波动[22]，因而数据价值的不确定性成为数据资产的一个核心特征。此外，企业的数据开发能力、数据应用场景对其经济效益实现有重大影响，数据带来的经济利益大小及其实现方式和时间难以准确估量[23-24]。2024年，上海数据交易所以企业真实数据推进数据资产入表模拟研究发现，企业虽然在数据资源的开发利用方面投入很多，形成满足资产确认条件的数据资产，但是由于组织架构、人员调配等问题，数据资产成本归集存在困难③。

（三）数据资产的信息披露

仅表内列示数据资产的金额其传递的信息是有限的，难以反映数据资产表外的真实价值[25]。欧洲财务报告咨询专家组（EFRAG）提出应在表外披露数据资源与企业商业模式相关的风险和机会，并应参考可持续发展信息披露准则，披露数据资源相关的环境、社会、治理等方面的信息。季周等[26]认为对于以数据资源为重要价值驱动因素的企业，可在可持续发展报告中单独设立“数据资产与价值创造”章节披露相关信息。张俊瑞等[27]认为应在企业财务报告中披露如数据的来源、规模、权属、质量、应用属性、潜在风险及关键技术和人才投入等补充信息。王世杰等[23]提出应当披露各类数据资产在不同应用模式下的规模及分类标准，并公开数据资产成本归集和分摊的基本原则。张俊瑞等[25]进一步提出引入“第四张报表”，以非财务数据作为核心要素，补充披露企业用户数据、渠道数据、产品数据等维度的关键指标、展示数据资产管理流程并评价数据资产对企业整体价值的贡献。黄世忠等[6]提出数据资产的信息披露可以通过表内数据直接展示、附注说明，或是通过管理层评论等多种形式进行；同时为了确保所披露信息的相关性和可理解性，所用报告方式应与数据资产的商业模式相适应。

（四）文献评述

当前研究主要围绕数据、数据资源与数据资产的定义、会计确认、信息披露、价值评估等视角展开，研究内容主要聚焦在理论分析上，对公司进行案例研究的文献较少。在信息技术、金融和消费品企业中，已有企业数据资产化的实践④，亟须更多深入的案例研究，以推进理论的完善和实践的拓展[28]。为此，本文通过研究同花顺2009—2023年财务报告，从表内和表外两个角度揭示同花顺数据资产会计确认和信息披露现状，总结实践经验，为其他企业数据资产入表提供可借鉴的思路。同时，识别数据资产化过程中的挑战和会计实务需求，充分发挥会计的信号传递和估值功能，为相关会计准则的进一步完善提供参考。

三、案例选择与研究方法

（一）案例选择

本文选取同花顺为研究对象，主要基于以下三个原因：

其一，同花顺已经基本形成了以数据获取、数据处理与智能加工整合等为主要环节的产业链条，形成了具有较高商业价值的可运营数据资产⑤。2009—2014年，公司提供金融资讯和数据服务及手机金融信息服务产生的业务收入占比每年均高达70%以上；2015—2023年该项业务收入的比例虽有所下降，但每年依然维持在50%左右。

其二，同花顺深耕金融数据信息服务领域二十余年，积累了来源丰富、种类繁多的金融数据和客户资源，是典型的数据密集型企业。截至2024年6月30日，同花顺金融服务网注册用户总数约为6.25亿人，每日平均有约1 439万人使用同花顺提供的免费网上行情客户端，每周活跃用户数大约为1 921万人。

其三，同花顺具备数据资源采集、挖掘和分析等必要技术，为企业从数据中获取与价值潜力相关的信息以及提升数据处理、应用开发与服务能力提供技术支持。截至2023年12月31日，同花顺及下属全资子公司共拥有294项商标、479项软件著作权及61个发明专利授权，包括金融数据挖掘模型和技术实现、互联网数据采集及同步技术、金融资讯信息采集与分析发布系统、基于Level2 数据的深度挖掘与应用等信息技术。

综上，选取同花顺作为研究对象，有助于深入了解企业数据资产会计处理的现有实践，为后续会计处理规则的制定提供有价值的典型案例。

（二）研究方法

本文采用纵向单案例研究方法，其主要依据包含以下两方面：（1）研究同花顺公司如何对数据资产进行会计确认和信息披露，案例研究方法对于解决“如何”范畴的问题具有很强的针对性和解释性；（2）纵向案例研究能够揭示研究现象随时间的动态演变过程。

为收集详细的数据和信息，观察同花顺数据资产会计确认和信息披露的实践情况，从Wind数据库中下载同花顺2009—2023年财务报告，依据李健等[29]所构建的企业数据资产指标特征词谱及前文专家学者们对数据、数据资源、数据资产的概念分析，确定与数据资产直接或间接相关的关键词，在同花顺历年年报中进行检索、定位，仔细阅读和分析关键词所在的文段，将与数据资产相关的信息、数据进行整理、汇总。如表1。

四、同花顺数据资产会计处理的实践

同花顺前身为上海核新软件技术有限公司，成立于2001年8月24日，于2009年12月25日在深圳证券交易所创业板挂牌上市（股票代码：300033），成为A股市场首家互联网金融信息服务企业。该公司专业从事互联网金融信息与数据分析服务，拥有来源丰富、种类繁多的金融数据资源以及高效的数据处理和开发应用能力，为机构客户和个人投资者提供在线交易软件和系统维护，金融数据与资讯、投资理财分析等多种产品和服务。作为国内领先的金融科技服务商之一，其品牌在金融领域具有较高知名度。

（一）数据资产在资产负债表上的处理

1.与数据资产相关的支出计入“在建工程”和“固定资产”项目

同花顺自主开发建造的机构版金融数据库是专为金融机构和专业投资者设计的数据服务产品，覆盖了国内外大部分主要金融和投资产品。除了数据提供，该数据库还提供一系列分析工具和功能，以帮助用户进行数据挖掘和量化分析。

由表2可知，2009—2012年同花顺将机构版金融数据库的支出计入“在建工程”，随后于每年期末转入“固定资产”。年报显示，2011年该数据库的建设支出金额较多的原因系公司为扩大数据库金融数据源范围，增加金融数据采购投入资金所致，该部分信息在“报告期内的投资情况”章节中有披露。据同花顺2015年年报披露，机构版金融数据库项目截至2015年12月31日已整体完工。自2012年起，该数据库的开发构建支出较小，基于重要性原则，2013—2015年同花顺并未在“在建工程”或“固定资产”附注明细中披露具体支出金额。此外，对比分析同花顺2009年年报所披露的“在建工程”和“固定资产”附注发现，机构版金融数据库很有可能被计入“固定资产——通用设备”中。依据同花顺所披露的固定资产折旧相关的会计估计，通用设备的折旧年限为5年，残值率为3%，折旧方法为年限平均法，截至2023年12月31日，该数据库已折旧完毕，账面价值为0。

2.与数据资产相关的信息许可费和授权费计入“其他流动资产”项目

2009—2014年，在“报告期内重大合同及其履行情况”章节中披露，为合法获取金融数据和证券信息，同花顺与深圳证券信息有限公司、上证所信息网络有限公司、中国金融期货交易所等金融机构签订证券信息许可经营协议约定授权使用期限。2009—2020年，在“其他流动资产”附注中详细披露了每年“待摊上证信息许可费”“待摊深证信息许可费”“待摊股指期货信息许可费”“待摊巨潮财经数据库信息许可费”的金额。2021—2022年，同花顺将相关费用汇总报告为“待摊授权费”。2023年，“其他流动资产”项目不再详细披露待摊证券数据信息许可和授权费，而是与其他费用合计在“待摊销费用”中披露总金额。

（二）数据业务在利润表上的处理

1.数据服务收入和成本分别计入“营业收入”和“营业成本”项目

金融资讯和数据信息服务及手机金融信息服务是目前行业内收入规模大、竞争激烈的业务，同花顺在该领域拥有庞大而活跃的用户优势，市场份额排名一直位居前列。同花顺将该业务产生的收益和发生的成本在利润表中的“营业收入”和“营业成本”项目中予以列示。2009—2014年每年该项业务收入占比均高达70%以上，2015—2023年该项业务收入的比例虽有所下降，但每年依然维持在50%左右；该业务的毛利率历年来一直维持在80%左右。

2.与数据资产相关的研发投入全部费用化处理计入“研发费用”项目

2009—2020年年报中，同花顺均详细披露了与数据相关的软件著作权和非专利技术明细，其中，与数据资产相关的非专利技术共计28项、软件著作权共计63项。但自2021年起，公司不再披露其拥有的非专利技术、著作权等知识产权明细，而是仅披露所拥有的总项数。截至2023年12月31日，同花顺及下属全资子公司共拥有294项商标、479项软件著作权及61个发明专利授权。非专利技术仅披露至2022年，数量为146项。

同花顺根据一贯性和谨慎性原则，其自主投入研发的非专利技术、著作权等知识产权自2009年上市以来一直未予以资本化，而是全部费用化处理。同花顺每年研发投入大，研发费用占比高，研发人员数量在近年更是超过公司员工总数的一半，根据公司业务性质，推测其重要研发内容应为数据产品及其周边研发。

（三）与数据资产相关的表外披露信息

为了充分反映企业内外部报告使用者关注的数据资产相关信息，同花顺进一步在财务报告中披露与数据资产相关的非财务信息，这些信息主要分布在董事会报告、重要事项、公司业务概要、管理层讨论与分析等章节，并从以下七个维度来进行补充披露。不同年份之间的披露位置以及披露内容略有差异。

1.客户资源

2009—2023年，公司在年报中披露业务合作关系的机构数量，与移动运营商的合作关系及一系列用户活跃度和使用频率的关键数据，如同花顺金融服务网注册用户累计数量、周活跃用户数、日独立IP访问次数、日同花顺在线行情免费客户端使用次数等数据信息。

2.数据资源类型和来源

2017—2022年财务报告中，同花顺在“核心竞争力分析”部分新增“数据资源优势”来描述其数据资源的类型和来源，主要内容包括：在数据量方面，公司数据规模大、增速快；在数据类型方面，不仅包括文本数据、图像数据、语音数据、视频数据、新闻资讯数据等半结构化或非结构化数据，也包括数据库、数据集等结构化数据，数据种类日益丰富；在数据来源方面，不仅涉及来自第三方的外部数据，如政府开放的宏观经济数据、区域经济数据等，证券机构、科研院所、专业行业数据公司等组织授权的行业经济数据、企业研究报告数据等数据资源，也包括企业日常经营活动中产生的互联网用户数据、业务数据等。

3.数据应用开发与服务

同花顺在金融大数据领域深耕数年，积累丰富的大数据处理、大数据分析、大数据系统建设的经验，具备面向行业提供大数据应用开发与服务外延的能力。公司在2016年和2017年年报中披露了其提供的主要数据服务，包括：（1）面向基金行业提供的金融大数据服务；（2）面向高校和科研院所提供的产学研教大数据服务；（3）面向政府提供的政务大数据服务，主要是为全国各地证监局、金融办、经信委、科技厅等政府部门提供宏观经济预测预警分析系统、上市公司数据库系统、舆情监控系统及监管平台、产业地图及产业链分析系统等大数据分析与系统建设服务，推动公司大数据平台和服务能力在电子政务领域的应用。

4.与数据资产相关的研发创新

公司除了根据披露要求，披露其历年来研发投入金额和研发人员数量外，2014—2017年年报中也较为详细地披露了数据业务的主要研发项目，如iFinD金融数据库终端，其他年份关于研发创新投入的文本信息较简单。根据2023年财务报告，目前同花顺的研发项目包括智能金融信息服务平台、爱基金智能化理财平台升级、数据智能化应用、人工智能技术研发及应用等。其中，数据智能化应用项目是通过大数据分析、机器学习、知识图谱等技术，对公司拥有的庞大经济数据进行智能化应用，研发多种应用场景下的数据产品，提高公司数据业务的竞争力。

5.与数据资产相关的重大合同

在重大合同方面，2009—2014年年报详细披露了报告期内同花顺公司签订的重要日常经营性合同，特别是为合法获取金融数据而签订的证券信息许可经营协议，以及信息进行增值开发许可。2015年起，同花顺虽未继续披露该方面内容，但仍然通过“其他流动资产”附注披露了相关授权费用，确认其数据权属的合法性。

6.与数据资产相关的重大诉讼仲裁事件

公司在2012—2017年报中的“重要事项”章节披露了与同花顺及子公司同花顺网络科技与上海万得信息技术股份有限公司和南京万得资讯科技有限公司（以下合称“万得”）的法律纠纷及其结果。

7.与数据资产相关的重大风险

同花顺专门从事金融数据信息服务行业，行业性质使得其可能会面临一些特殊重大风险。2012—2014年三年里，同花顺在“重大风险提示”章节中披露，其他年份里，均在“公司未来发展的展望”章节中披露与数据资产相关的重大风险，每年披露的文本信息基本一致，主要包括证券交易信息许可经营风险、互联网系统及数据安全风险、知识产权风险等。

此外，公司也披露了其与数据资产相关的重大环保事项，以及与数据资产相关的政府补助。

五、与《企业数据资源相关会计处理暂行规定》的对比分析与思考

《暂行规定》于2024年1月1日正式施行，本文将同花顺数据资产入表实践情况与《暂行规定》对比发现，在资产负债表、利润表及表外披露三方面两者均具有一定差异，具体对比分析情况如表3。

通过同花顺数据资源入表实践及与《暂行规定》进行比较发现：

（一）通过信息披露明确数据权属合法合规是数据资产入表的前提

同花顺通过与数据资产相关的重大合同，明确披露了其外购数据权属及其增值开发行为的合法合规，为数据资产入表奠定了基础。

作为数据经营企业，公司仍然拥有丰富的待开发的数据资源，如客户及其交易数据等。未来相关企业可按照“数据资源持有权、数据加工使用权、数据产品经营权”三权分置原则，在《个人信息保护法》《数据安全法》等相关法律框架内取得用户的充分授权，进行加工使用、产品经营，并通过数据资产收益分配机制以保证数据资产开发各环节的投入有相应回报，进而激发各相关主体合法合规地对数据资产价值进行开发挖掘的积极性，充分释放数据潜力。从会计上而言，通过信息披露明确数据权属的合法合规性，是数据资产入表的前提。

（二）对数据资源价值进行独立计量是数据资源入表的必要条件

同花顺将机构版金融数据库的开发与构建支出计入“固定资产”中，但并未披露其数据库可予以资本化的判断依据，也无法明确区分用于办公大楼、设备等的支出和用于数据获取、积累与开发的支出。原因可能是数据库与其所依附的存储和算力设备、算法等软件技术密不可分，数据资产形成的初始投入（设备投入和软件设计等）高，而边际成本低。

同花顺将部分数据资源的研发成本计入了“研发费用”，相对于目前10%左右的营业成本，占比20%～40%的数据研发投入未能资本化进而计入“营业成本”，可能是公司毛利率畸高的原因。由此带来的问题是不能准确地归集与之直接或间接相关的成本，进而影响对数据资产实际价值和产生收益能力的评估。

尽管数据资源需要依附于物理介质或软件而存在，但数据资源本身仍然具有自身独立的价值，譬如相关平台或软件的弃用，不一定意味着数据资源价值的灭失。依据《暂行规定》，企业取得的数据资产，无论确认为无形资产还是存货，企业获取数据资源的成本都应包括相关购买价款、相关税费，直接归属于使该资产达到预定用途所发生的数据脱敏、清洗、标注、整合、6cf5934eff9722248f6c32958ce336f651581678fd02f981efeaca62aa739435分析、可视化等加工过程所发生的有关支出，以及数据权属鉴证、质量评估、登记结算、安全管理等费用。

因此，对于数据经营商而言，必须对形成数据资源的相关成本进行独立核算，以更好评估数据资源自身的独立价值。

（三）充分利用数据资源信息披露实现有效信息传递

相较于以前年度，同花顺可能出于法律、伦理因素或商业秘密的考虑，部分表外信息在近年不再详细披露。随着数据业务带来的收益逐年加大，行业竞争加剧，数据资产相关信息披露有助于向投资者传递企业竞争优势的相关信息，改善企业估值。在确保数据隐私与安全的基础上，应鼓励企业自愿披露数据资产关键价值信息，发挥会计信息的信号传递功能。

六、结语

随着数字经济的发展，数据愈发成为覆盖企业组织生产、运营与交易全流程的基础性战略资源。作为数据大国，数据资产入表，从宏观层面有助于激活数据资源价值，加快数据要素市场化发展；从产业层面，将带动包括数据处理器芯片、数据存储设备、人工智能与网络安全等数据产业链的繁荣发展；从企业层面，在推动企业加快数据资源采集与开发利用的同时，凸显企业在数据资源领域的优势，提升财务报告信息质量。

同花顺数据资产化的案例为我们提供了一个实践样本。同花顺2009—2023年财务报告显示，“存货”和“无形资产”项目中并未体现数据资产，而在“在建工程”、“固定资产”和“其他流动资产”项目中报告了与数据资产相关的开发建设支出和为合法获取金融数据所支付的信息许可费和授权费；在利润表中，同花顺提供数据服务发生的成本和产生的收益分别计入“营业成本”和“营业收入”项目，数据产品的研发支出计入了“研发费用”。此外，表外披露中，同花顺从客户资源、数据资源的类型和来源、数据应用开发与服务、研发创新投入，与数据资产相关的重大合同、重大诉讼仲裁、重大风险七个维度来补充披露数据资产相关文本信息，明确了其部分数据资源的权属及合法性，以及其在数据资源领域的核心竞争力。

通过案例研究及其与《暂行规定》的比较认为：通过信息披露明确数据权属合法合规是数据资源入表的前提，对数据资源的价值进行独立计量是数据资源入表得以落地的必要条件，当下企业充分利用数据资源信息披露实现资本市场的信号传递功能。

未来将持续观察《暂行规定》实施后的企业实践，为数据资源入表的理论与实务挑战提供可能的参考意见。

【参考文献】

［1］ CLEVELAND H. Information as a resource［J］.Futurist，1982，16（6）：34-39.

［2］ MOODY D L，WALSH P. Measuring the value of information：an asset valuation approach［C］.ECIS'99，1999：496-512.

［3］ 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.

［4］ JONES C I，TONETTI C.Nonrivalry and the economics of data［J］.American Economic Review，2020，110（9）：2819-2858.

［5］ ACKOFF R L，Management misinformation systems［J］.Management Science，1967，14：147-156.

［6］ 黄世忠，叶丰滢，陈朝琳.数据资产的确认、计量和报告——基于商业模式视角［J］.财会月刊，2023（8）：3-7.

［7］ 李雅雄，倪杉.数据资产的会计确认与计量研究［J］.湖南财政经济学院学报，2017，33（4）：82-90.

［8］ 刘国英，周冬华.IASB概念框架下数据资产准则研究［J］.财会月刊，2021（21）：66-71.

［9］ 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.

［10］ 罗玫，李金璞，汤珂.企业数据资产化：会计确认与价值评估［J］.清华大学学报（哲学社会科学版），2023，38（5）：195-209，226.

［11］ 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.

［12］ 游静，胡蓉，陈婉丽，等.大数据背景下数据资产核算及在区域医疗协同平台中的应用［J］.中国管理信息化，2018（11）：43-45.

［13］ 祝子丽，倪杉.数据资产管理研究脉络及展望——基于CNKI2002—2017年研究文献的分析［J］.湖南财政经济学院学报，2018，34（6）：105-115.

［14］ 张俊瑞，危雁麟.数据资产会计：现状、规制与展望［J］.财会月刊，2023（12）：3-11.

［15］ CONG L W，et al. Antitrust and user union in the era of digital platforms and Big Data［J/OL］.Available at SSRN，2022.

［16］ 侯彦英.数据资产会计确认与要素市场化配置［J］.会计之友，2021（17）：2-8.

［17］ 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.

［18］ 刘光强，干胜道，王晓燕.区块链数据资产可靠性研究［J］.财会月刊，2024（11）：26-32.

［19］ 罗斌元，赵依洁.基于区块链技术的数据资产确认［J］.财会月刊，2022（18）：80-87.

［20］ 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.

［21］ 李秉祥，任晗晓.大数据资产的估值［J］.会计之友，2021（21）：127-133.

［22］ 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.

［23］ 王世杰，刘喻丹.论数据资产的确认及计量［J］.财会月刊，2023（8）：85-92.

［24］ 陈思静，王磊，尹波，等.朴素贝叶斯分类法与数据资产会计确认——难题与突破［J］.会计之友，2019（19）：58-61.

［25］ 张俊瑞，危雁麟.数据资产会计：概念解析与财务报表列报［J］.财会月刊，2021（23）：13-20.

［26］ 季周，李琳.会计视角下数据资产化路径探索［J］.财务与会计，2022（16）：38-41.

［27］ 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.

［28］ 马建威，米万东，张保平.数据资产研究热点及趋势分析——基于Cite Space的知识图谱分析［J］.会计之友，2023（4）：119-126.

［29］ 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