罗晴晴

（合肥工业大学管理学院，安徽 合肥 230009）

摘要：数智化时代背景下，数据资产已经成为企业生存发展中不可或缺的要素之一，数据资产的价值受到业界和学术界的广泛重视，因此如何对数据资产进行确认和计量就显得尤为迫切。文章从数据资产概念界定及特征出发，研究如何对数据资产进行确认以及计量，并且结合实际案例对其会计处理进行初步探讨，明确数据资产从初始确认到后续计量再到最终处置的整个生命周期的会计实务处理，为企业在数据资产核算提供相关依据，推动数据资产会计基础理论的进一步完善。

关键词：数据资产；会计确认；会计计量

一、引言

在党的十九届四中全会上，数据作为全新的生产要素被提出，数据资产以其丰富的信息和巨大的应用潜力成为推动经济高质量增长、创新和竞争力提升的核心引擎^[1] ，习总书记重点指出，发展数字经济意义重大，是把握数字产业新一轮变革的战略选择，因此重视和加强数据资产管理的迫切性日渐凸显。

近年来，中国已成为全球数字经济发展最快的国家之一。据《中国数字经济发展研究报告（2023年版）》最新数据，截至2022年底，我国数字经济总量已跃升至50.2万亿元新高度，其对国内生产总值的贡献比例显著，占到了41.5%。同时，在数据交易领域，依据上交所发布的报告，我国数据交易市场的规模在2022年已达到876.8亿元，并预计至2025年将大幅扩展至2046.0亿元，彰显出蓬勃的发展潜力与前景。随着企业生产发展的进程加快，数据资源不断累积，其商业价值也逐渐显现出来，为更准确可靠的核算其价值，数据资源的资产化就尤为重要。

二、文献综述

在国外学界，“数据资产”最早由Richard Peterson提出，他认为企业持有的可带来持续受益的金融产品可认定为“数据资产”，但随着数字产业的变革发展，数据资产的内涵也不断拓展。^[2] 。在大数据的背景下，Tony Fisher在数据资产的属性视角提出“数据也是一种资产”^[3] ，紧接着Bughin等学者明确数据资产是智能资产，其区别于传统资产的特征包括：提高企业盈利效率、使商品拥有新的功能以及更新企业的商业模式等^[4] 。在Perrons 和Jensen等学者看来，数据资源应作为一种独立的资产类别，因为其蕴含价值，具备资产定义中的独特属性^[5] 。

在数据资产领域的探讨上，相较于国外，国内的研究起步较晚但发展迅速。2017年，我国成功举办了第三届数据分析与管理领域的盛会，即数据分析管理峰会，这一盛事激发了学术界与业界对数据资产探索的新一轮热潮^[6] 。朱扬勇等学者对数据资产的概念框架进行了深入的探讨与界定，为推动我国数据资产研究的深入发展奠定了坚实的理论基础与方向指引^[7] 。紧接着，在2018年张俊瑞等提出参考无形资产的概念，同时充分考虑数据资产的独特属性，对数据资产进行概念界定^[8] 。随后，在2021年，中国通信研究院将数据资产界定为“由企业所持有或管控的，具备潜在经济价值的，以物理媒介或电子形式存储的数据资源”。

鉴于数据资产所固有的独特性质，如价值易变性、不稳定性等，从而对数据资产的确认造成很多困难。侯彦英^[9] 从数据所有权以及控制权为切入点，研究后发现数据资产的确认问题与企业所有权归属有明显相关关系，但数据资产归属问题不好明确，从而难以对其进行会计确认。而陈思静、王磊等^[10] 等对数据资产的不确定性进一步扩展，具体为数据资产的权属问题、价值因场景不同会有变化、以及数据资产价值变现的不确定性等，从而使得数据资产难以确认。数据资产是伴随着新时代的新兴产物，大多数学者是以无形资产为参考，对数据资产进行相关分析。康旗、韩勇^[11] 等通过大数据分析方法研究后认为，通过数据挖掘的手段可以形成数据资产，而且这种数据资产与无形资产相似，应该类比无形资产的会计确认方式。

数据资产作为一种新兴资产，不仅会计确认存在困难，会计计量也值得商榷。唐莉、李省思^[12] 对数据资产的特性研究后，认为在对其进行初始计量时应采用现值法。而张俊瑞等^[8] 则是将数据资产根据用途进行分类，即自用性和交易性两种，且主张交易用数据资产的初始计量可采用公允价值方式。与之相反，陆旭冉^[13] 则提出在会计实务操作中，公允价值会受人为因素影响，难以准确计量数据资产的未来经济利益。

综上所述，会计学术界已经对数据资产概念、会计确认及会计计量展开了深入的研究。大多数学者经研究后认为，数据资产应归于无形资产，按照确认无形资产的方式对数据资产确认。也有少部分学者主张将数据资产单独核算。而对于数据资产的会计计量，现值法、公允价值法以及成本法都有涉及，为后续数据资产的研究提供了重要的参考。但在数智化时代下，数据资产拥有独特的属性，只有符合资产定义的数据资产才具有价值，才有必要进行确认和计量。本文在前人研究的基础上，对数据资产的确认和计量进一步研究，以期为会计实务界的数据资产的核算研究提供参考。

三、数据资产的概念及特性

1.数据资产的概念

在数智化背景下，数据资产的概念和内涵不断更新和发展，人们通过对原始数据的收集、挖掘、分析和处理，使得数据成为有价值的要素。然而，原始数据要成为有价值的数据资产，需要满足以下条件。首先，企业的原始数据资源能够通过现代技术取得，并且通过一系列数据分析处理后能够处于相对静止的存置空间；其次，该数据资源归属权可辨认，且货币可计量；最后，数据资产在正常使用期间能够给企业带来经济利益。企业在生产发展中会产生很多数据，但并不是所有数据资源都是数据资产，需要对数据进行一定的处理，使其成为可使用或者可交易状态，才可以成为会计学意义上的数据资产。基于此，本文认为数据资产的定义是，公司过去运营或事件中产生的，通过必要的处理形成，由公司拥有或控制，预计将为公司带来经济效益的数据资源。数据资产客观反映了企业的生产经营活动，也是企业高层管理人员决策的重要参考。

2.数据资产的特性

数据作为企业资产形态存在，与传统资产有相似之处，但又区别于传统资产。界定数据资产，首先要明晰数据资产的特性，基于此，可以对数据资产进一步确认、计量。赵丽芳^[14] 等认为数据资产具有非实体性、场景价值性等特征。经过文献研究以及企业调研，本文将数据资产的特性归纳为以下几点：

（1）数据资产具有非实体性。从数据资产的外部状态特征来看，其不占据物理上的空间，而且数据资产不会因为使用次数增加而产生损耗。因此该特征的存在使得数据资产会计计量存在困难^[15] 。

（2）数据资产具有时效性。以电商企业为例，通过对消费者的购买数据及消费习惯进行分析，可以精准推送消费者需要的产品，从而提高交易量，但消费者的消费偏好会受多因素影响从而发生变化，如果仅仅对与销售业绩有关的数据进行分析，可能收效甚微。

（3）数据资产具有业务附着性。企业内部管理用的数据一般不直接产生价值，通过分析和处理数据，将其应用于业务管理决策和业务流程优化，从而给企业带来收益。一般来说，数据资产往往与特定的业务场景相结合，从而发挥其最大效用。通过这种方式，数据资产是间接产生经济效益，使得数据资产的计量产生一定难度。

（4）数据资产具有价值性及潜在增值性。 企业的数据资产可与业务相联系间接产生经济效益或是市场交易直接获得经济利益。数据资产的规模、时效等都会影响其价值，一般来说，在企业的生产经营活动中，孤立的数据难以产生价值，但如果将企业的各种生产、销售数据相联系，数据对预测未来发展才具有一定参考性。此外，数据资产的共享属性促进了其管理的深化，企业能通过对现有数据资产的深入挖掘与技术融合，持续催生出新的数据资产，这一过程中，数据资产的价值实现了增值与累积。

四、数据资产会计处理分析——以信息服务业A公司为例

A公司成立于2004年5月，该公司综合运用网站平台、短信服务、电话咨询、专业研究报告等多种形式，为客户提供及时准确的关于大宗商品市场的行情分析以及未来预测，旨在助力客户精准捕捉市场机遇，有效管理经营风险，并为企业决策制定及执行提供有力支持。

A公司历经多年发展，已建立较为完备的数据库，并且在生产发展中积累了海量数据资源。经过长时间的管理实践，公司已建立了由数据管理制度、数据管理团队和数据管理平台组成的三角形架构的数据管理体系，有效保证了公司数据的安全合规、质量和价值提升，助力公司数据的产品化和商业化。由于A公司是新准则实施后首批尝试数据资产入表的企业，因此，以A公司为例结合暂行规定讨论数据资产的会计确认和会计计量。

1.A公司数据资产的确认条件

在数智化发展的背景下，数据资产化是必然的趋势。而企业数据资产化是在报表的资产项中列示数据，以明确其真实价值，并进一步促进企业的科学管理。数据如果符合资产的确认条件，就应该确认为数据资产在表内反映，否则就是数据资源，企业可选择在表外披露。

（1）数据资产确认条件

①数据可变现。随着数智化程度的不断深入，数字经济的重要性逐渐凸显，在要素资源整合、经济结构以及竞争格局重塑方面发挥着重要的作用。而企业在生产发展中会产生各种数据，尤其是互联网公司，但一般意义上的数据并不能给企业带来经济利益。通过对原始数据的分析处理，建设数据指标体系，以此来保证数据的可用性。否则，企业空有数据却不能进行价值变现，无法产生利益，那么很难把这些数据看作是数据资产。此外，企业也应该全面考虑到底有哪些人群会用到数据，从而采取对应的措施，让数据变得更好用。就比如现在的运营人员、营销人员、市场人员经常会用到数据来对自身业务进行优化调整。即通过合理的数据治理和运营实现数据变现。

②数据资产归属权或控制权由企业所有。根据资产的定义，数据资产必须要明确的是其归属或控制权问题。由于数据要素的特殊性，数据资产难以完全符合该原则。因为数据的共享性及低成本复制性，使得不能仅仅以占有即确定数据的产权归属问题。数据所有权即对数据拥有、使用、处置的权利。在技术环境下，数据的所有权及其控制权可分开对待。数据所有权往往形成于数据的初始采集以及加工，而数据控制权更多地依托于云平台，如财务共享服务中心的应用，使公司的数据资产更好地发挥效用，提高企业运行效率。

③数据资产可被计量。与数据资产相关的成本或价值能否可靠计量是数据资产确认的关键点，也是难点。由于数据资产存在价值波动性等原因，使得其价值难以计量，能否可靠计量与数据资产的估值技术紧密相关。且对于不同类型的数据及其具体的应用场景需要具体分析是否满足该条件。根据暂行规定的相关指示，企业主要通过两种方式确认数据资产，即企业自身处理加工数据和外部购买。企业内部加工处理的数据资产，成本易于确定且权属明确，依照暂行规定，数据资产的成本能够可靠计量。而外部购买数据可进一步分类为无形资产和存货，其成本主要由购买数据资产的价款、交易有关的税费以及其他有关的费用，也具备成本能够可靠计量的属性。

（2）A公司数据资产的确认

A公司数据资产有关的经济利益的实现方式主要是资讯服务、数智服务相关产品的直接或间接调用，以及少数情况下对部分数据资源的非排他性使用权的对外交易。A公司的业务模式包括内部使用和对外交易取得经济利益两种，其数据资产作为服务于资讯服务、数智服务相关产品的底层数据，符合“数据可变现”及“由企业拥有或控制”的确认条件。

A公司数据资产的成本主要由以下几个方面构成：

表1 A公司数据资产成本构成

从表1中可以看出，A公司数据资产的成本主要由数据资产产生过程中所发生的符合数据资产资本化条件的所必要的职工薪酬、设备折旧和水电费等构成，并且公司通过建设分析师一体化平台系统，记录统计分析师的数据生产工时，并根据分析师数据生产工时占其月度总工时的比重，对分析师发生的总成本进行拆分计入当月的数据资产成本，使得数据资产的成本计量更加可靠准确。因此，A公司的数据资源满足数据资产的确认条件，加工完成时企业需要将相关数据资源确认为数据资产。

2.A公司数据资产的计量

基于以上对于数据资产概念界定、特征分析以及确认条件研究，本文认为，对于数据资产的计量，应类比传统资产计量，既要考虑其初始计量，同时又要对后续计量进行分析。但考虑到数据资产独特的属性，在对其进行界定时要根据数据资产的应用场景具体分析。

（1）A公司数据资产的初始计量

结合上文对数据资产特性的研究，对于来源不同的数据资产应该相对应的使用不同的方法进行初始计量，以使会计处理更加符合实际情况。以A公司为例，可分为外购数据资产和企业内部数据资产两种。

①外购数据资产

A公司外购的数据资产包括两种，一种是从交易市场或者其他企业购买的可以直接投入使用的数据资产，此时可按照公允价值对取得的数据进行初始计量，而成本由以下三方面构成，即购买价款、交易相关的税费以及其他相关费用。在会计实务中的处理为，将“无形资产—数据资产”及其相关税费计入借方，而“银行存款”等则相应计入贷方，以此反映交易的经济实质。

另一种情况是购买原始数据资源，该原始数据资源不能直接投入使用，需要进行必要的处理。A公司分析师（生产人员）根据公司的信息标准化准则和信息规范进行数据生产，主要包括信息采集、数据分析整理、信息质检入库等步骤，是基于公司成熟的方法论开展工作，属于开发阶段，对生产过程中发生的符合资本化条件的成本予以资本化，会计记录时，于借方登记“研发支出—资本化支出”，同时在贷方列示“应付职工薪酬”及“银行存款”等相关科目，以全面反映研发活动的资本化支出及其资金来源。且在数据资产达到预定可使用状态时，将其转入“无形资产—数据资产”科目。对于不符合资本化条件的，应费用化处理计入当期损益，相应的费用化支出计入借方，贷方核算中，主要记录的是 “应付职工薪酬”、“银行存款”等，在期末时相应损益转入管理费用中。

②企业内部的数据资产

A公司内部数据是伴随着企业的经营发展产生的，这些原始数据资源经过分析师数据挖掘、分析、整理，最终成为企业的数据资产。在原始数据收集和预处理阶段，存在非常大的不确定性，而且原始数据的分析处理难度比较大。因此，从谨慎性角度出发，该阶段的数据处理加工的相关支出被视为费用化，于借方记录，同时贷方对应“银行存款”，以反映资金流出。期末时，这些费用将结转至“管理费用”科目下。而当数据资源进入后续深化处理阶段，若评估显示面临的风险显著降低，且满足资本化条件，则相关支出应改为资本化处理，相应的计入数据资产的成本，使用“无形资产—数据资产”科目核算，资本化处理的相关会计核算与上述外购的数据资产相似。

（2）A公司数据资产的后续计量

A企业的数据资产后续费用的分类及处理策略显著分为两大方向：一类聚焦于数据资产的存储、维护与升级等运维性后续成本；另一类则聚焦于推动数据资产技术创新与研发的投资性支出。针对这两种截然不同的费用性质，企业应灵活采取差异化的后续计量策略，以确保资源的有效配置与成本管理的精准性。

①数据资产存储、维护、更新所发生的后续支出。以A公司为例，对部分数据资源的非排他性使用权的对外出售时，后续必须不断地对数据更新，如果不及时更新数据，其价值和可用性会大打折扣。对于旨在保持资产价值所必需的支出，这类费用通常不会对未来的现金流入产生显著影响。因此，在会计处理上，建议将这些支出全部视为费用，并直接计入当期的损益表中。在会计周期的结束阶段，这些与资产维护相关的损益应被归类并转入管理费用项下，以准确反映企业当期的运营成本和财务状况。这样的处理方式有助于确保财务报表的透明度和准确性，同时也有助于投资者和其他利益相关者更好地理解企业的运营效率和成本控制能力。

②数据技术创新的研发性支出。由于数据资产要素市场不断在发展，企业通过提升数据探索技术，深入分析挖掘数据，使得数据资产价值得到提升，在可预见的未来，数据资产的价值预期将受到多种因素的直接影响，因此，与其相关的支出很可能会对未来的现金流产生显著影响。基于这一考虑，对这类支出进行资本化处理是合理的，以反映其对企业长期价值的贡献。在会计处理上，应将这类支出记录为对数据资产成本的增加。具体操作为，借记“无形资产—数据资产（成本）”科目，以反映数据资产价值的增长；同时，贷记“研发支出—资本化支出”科目，以表明该支出已从研发阶段转化为无形资产的一部分。这样的会计处理不仅符合会计原则，还能更准确地反映企业的资产状况和未来盈利能力。

（3）数据资产的减值、摊销。数据资产会受市场变化和人们偏好影响，相对于传统资产来说，数据资产价值易波动，更容易发生减值。因此，在数据资产的管理周期内，持续监控其价值变动至关重要。这一动态过程要求根据市场条件、技术革新及业务需求的演变，适时调整数据资产的会计记录，确保其账面价值能够精准映射其实际经济价值。此举旨在增强财务报表的透明度与准确性，为财务报告的受众，包括投资者、债权人及管理层等利益相关方，提供更为可靠的数据基础。通过减少信息偏差，促进各方基于更加全面和真实的信息进行决策，进而提升决策的有效性和价值。A公司的数据资产主要服务于资讯服务、数智服务相关产品，相关产品对数据的调用年限通常为 1 至 5 年，结合数据本身具有较强的时效性，因此A公司选用年数总和法或双倍余额递减法按 5 年对数据资产进行加速摊销。

关于数据资产减值的相关处理，在会计期末对数据资产进行相应的减值测试，在确定数据资产发生减值的情况下，及时计提减值准备，相对应的会计处理为，借记“资产减值损失”，贷记“数据资产减值准备”。而对于使用寿命不确定的数据资产一般不进行摊销，但要有减值测试。特别是交易用数据资产，需要在其存续使用期间定期测试是否减值，以更好的反映其真实价值。而在对数据资产进行减值处理时需要注意以下事项，第一看其是否满足资产定义；第二，对数据资产减值测试时要遵循谨慎性原则；第三，对于不同的数据资产要结合具体场景分别对待，不仅要与企业会计实务相联系，也要时时关注企业的经营发展，根据以上方面及时调整数据资产真实价值。关于减值测试方面，企业可建立相应的数据资产价值评估体系，以更准确的对数据资产进行减值评估，根据其差额，及时计提减值准备。也可以选择委托第三方评估机构开展专业评估。

（4）数据资产的处置。处置数据资产一般指其出售、转让、报废或毁损等。在该状态下的数据资产已不再符合资产定义，即不被企业用于日常经营活动中，相应地也不能给企业带来经济利益，因此应终止确认。A公司在实际处置数据资产时，应确定其账面价值，将该账面价值与初始取得数据资产时的价值作对比，其差额作为资产处置损益。

（5）数据资产的报废或毁损

数据资产是非实体性的，需要依赖相应的载体才能发挥其应有的价值，当其赖以存在的载体出现问题时，数据资产就有报废或毁损的可能，在这种情况下，当数据资产丧失其原有价值，导致无法有效转让或应用于业务中时，应视为企业遭受的一种非经常性损失。此时，需将剩余的数据资产价值确认为“营业外支出”，在会计处理层面，具体操作为在会计账簿中借记“营业外支出”科目，贷记“无形资产—数据资产—成本”以及“无形资产—数据资产—公允价值变动”科目。

表2  A公司数据资产会计处理分录

五、结论

随着数智化程度的不断深入，数据资产作为互联网技术的具象化表现，其价值也得到了广泛认可，因此数据资产化的步伐也需符合相应的数智化的发展水平。本文从数据资产概念界定及特征出发，研究数据资产的确认和计量，并结合A公司数据资产在会计实务中的具体会计处理进行分析。对此，本文提出以下建议：首先政府要进一步加快数据资产化进程，完善相关法律法规，明确数据资产权属问题，同时为促进数据资产良性发展，应尽快促进数据资产交易平台互通，建立统一的数据资产要素市场。其次，企业应研究建立数据资产评估体系，使数据资产核算规范化，解决自身无法合理计量数据资产的问题。此外，也要重视数据资产的安全问题，对于隐私性和保密性数据要确保其使用的安全性。最后，财务工作者也应尽力提升业务能力，使自身适应数智化的发展，提升数据分析处理能力，在新的工作方式下，使数据资产发挥其应有的价值，从而为企业的生产经营决策提供更有价值的参考，并在会计实务中积累经验。

参考文献：

[1]谷成,史心旭.应对数字经济发展的税制改革取向[J].地方财政研究,2022(11):10-16.

[2]Richard E. Peters. A Cross Section Study of the Demand for Money:The United States,1960-62[J].The Journal of Finance,1974(1):73-88.

[3]Tony Fisher. The Data Asset:How Smart Companies Govern Their Data for Business Success[M].Hoboken:John Wiley & Sons,Inc,2009:12-30.

[4]Bughin, J., M. Chui, and J. Manyika. Clouds, big data, and smart assets: Tentech-enabled business trends to watch[J].McKinsey Quarterly,2010,56(1): 75-86.

[5]Perrons, R. K., and J. W. Jensen. 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.

[6]祝子丽,倪杉.数据资产管理研究脉络及展望——基于CNKI 2002-2017 年研究文献的分析[J].湖南财政经济学院学报,2018,34(06):105-115.

[7]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

[8]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.

[9]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.

[10]陈思静,王磊,尹波,干胜道.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.

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

[12]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.

[13]陆旭冉.大数据资产计量问题探讨[J].财会通讯,2019(10):59-63.

[14]赵丽芳,曹新宇,边琰澔.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.

[15]张雪,刘艺琦,吴武清.数据资产会计计量研究——以大数据企业为例[J].财会通讯,2022(19):10-14+20.