张雪 张楠 吴武清
【摘要】在数据市场蓬勃发展的背景下，对于数据资产的会计计量相关问题却一直未有明确的规定。文章首先对大数据资产概念进行界定，并对大数据资产的特征和分类进行研究；基于此将数据资产的特点与会计理论中的资产的计量理论进行比较分析，从而来对数据资产的计量问题进行深入研究，以期对数据资产的会计计量问题提出一些有针对性、有价值的意见和建议，积极推动数据资产会计理论研究的完善。
【关键词】大数据；数据资产；会计计量；计量属性
【中图分类号】F234
★ 本文获国家自然科学基金面上项目（71871216）和中国人民大学科学研究基金（中央高校基本科研业务费专项资金资助）项目（21XNA023）资助。
一、引言
当前已经全面进入互联网时代，大数据概念的产生以及大数据技术的应用为许多行业都带来前所未有的变革。根据《2021中国大数据产业发展白皮书》，2021年我国大数据产业规模超过7000亿元，预计到2023年我国大数据产业规模将突破12 000亿元，数据已经成为市场化配置的关键生产要素。伴随着大数据的应用普及以及数据处理技术的不断提高，大数据的应用已经在企业的发展中占有重要的战略地位，对数据进行资产化有助于强化企业的数据意识，帮助其科学地作出经营决策，对数据资产价值的正确认识可以提高企业经营管理的效率，推动企业进行科学的资源化管理。数据资产的重要性在日益增加，需要一套科学的理论和有效的方法来对企业的数据资产的价值进行合理的评估和计量。
随着竞争的日益激烈，企业为了获取优势，开始建立一种独特的管理模式，即“数据驱动创新，数据驱动管理、数据驱动决策、用数据说话”，不断开展大数据的交换活动。然而，对于数据资产的计量相关事项，我国的《企业会计准则》尚未做出统一规定。对于大数据的广泛应用给企业管理带来的变化，会计工作应当据此进行改革和创新，规范数据资产的会计计量方法。然而在已有的研究中，大多数都在讨论数据资产的定义及特性方面，而对于数据资产会计处理的相关问题，在国内外都没有明确及有指导性的研究，研究内容都停留在较浅的层面，缺乏系统性和深度。本文在梳理了已有关于数据资产的研究后，建立了关于数据资产的定义、分类、价值等特性的理论基础，并参考了会计领域的相关准则和法规政策等，以期对数据资产的会计计量问题提出一些有针对性、有价值的意见和建议，积极推动数据资产会计理论研究的完善。
二、文献综述
在国外的研究中，相较于国内更早地关注到了数据成为资产的价值，而在大数据的相关研究中大多数是集中在概念判定、技术难点等方面的研究，麦肯锡全球研究所在2011年就曾提出大数据在商业领域和经济发展等领域内具有强大的发展潜力。同年，Brynjolfsson等[1]发现，利用恰当的数据分析来辅助决策相较于不会利用数据的企业，其生产率大概能高5～6个百分点。
国内学者对于大数据的相关研究主要集中在数据挖掘技术、分析技术、分布式处理等方面。而对于数据资产的经济价值研究，主要包括数据资产计价、会计处理、价值分析模型等方面。首先，大数据的资产化是一个不可阻挡的趋势，秦荣生[2]认为数据资产化是未来的必然趋势，数据资产将成为未来最重要的资产，数据资产确认为资产要可靠计量数据的成本或价值。康旗等[3]对数据、数据资产和大数据的概念进行区分研究，并提出了对数据资产进行会计确认的必要条件，认为应将数据资产纳入无形资产的内容共同进行核算。郑英豪[4]介绍了数据资产的特征，并对大数据资产的获取途径及其盈利方式进行了详细的分析，指出对大数据应该进行资产化管理。其次，对于数据资产的会计计量问题，刘玉[5]认为为了对数据资产进行会计计量，应该在无形资产的科目下新设一个二级科目，即“数据资产”。唐薇[6]则认为企业自行产生建造的数据资产应参考无形资产研发的相关规定。张俊瑞等[7]引入软资产指代广义无形资产，认为数据资产应区别于现有的无形资产，企业可确认计量的数据资产属于软资产范畴。侯艳英[8]认为数据资产计量的常用方法包括成本法、收益法、市场法，三种方法各有利弊。
学者们和专家们都已经深刻地意识到数据资产的时代经济价值，呼吁众多企业重视数据资产的建设，但是对于一些细节问题的把控尚不成熟，没有形成一个系统的处理模式。
三、数据资产的概念界定
（一）数据资产的定义
为了便于更好地理解数据资产的会计计量问题，本文参照《企业财务会计报告条例》对资产的定义给出以下对数据资产的定义：数据资产，是指由过去的交易及事项形成的、企业或组织拥有或控制的、预期能够给企业或组织带来经济利益的不具有实物形态的数据资源。首先，数据资产是由过去的交易及事项形成的，而不能是预期将要发生的，比如公司拟购买某数据库，但还未形成交易，那幺就不能确认为数据资产；其次，该数据资源要由企业或组织拥有或控制，包括企业或组织通过合作、购买或租赁的方式向其他数据生产者获取的数据资源以及企业在生产经营过程中自行产生获取的数据资源；另外，该数据资源要能直接或间接给企业或组织在未来带来经济利益，可以通过利用数据改善经营，也可直接出售数据；最后，该项资产需求是数据资源的形态，例如操作和统计数据、系统信息表等。
（二）数据资产的分类
对数据资产进行合理地分类，有助于我们更好地理解其价值，针对本文的研究，现从数据取得方式的角度将数据资产划分为三类：第一类是指第一方数据资产，即甲方数据资产，是由数据的产生及存储方所直接拥有并使用的，例如公司为客户提供服务的过程中产生的大量交易信息数据，包括浏览历史、停留时间、个人信息等。第二类是第二方数据资产，即乙方数据资产，是指从其他数据产生方以外购的方式获得数据源，或者直接和加工使用，例如很多专业的大数据公司为用户提供的消费偏好、征信情况等需要通过一定程度的数据挖掘来使其产生价值的数据。第三类是第三方数据资产，指其他的隐私数据资产，一般是通过甲方和乙方都无法获取的，而是利用爬虫、黑客等非官方渠道来获取的数据，考虑数据确权问题的复杂性，对这一类数据本文暂不做讨论。
（三）数据资产化的过程
数据在经历了资产化的过程后才会产生价值，这一过程包括三个板块：建立数据控制体系、数据量化加工以及数据包装变现。第一，在建立数据控制体系时，需要将行业数据进行标准化处理，建立数据的标准体系，对分散于各行业不同业务间的数据提出统一的基准，以确保该行业的资产标准保持一致，另外还需处理数据的隐私问题和数据归属权问题等，例如将数据资产按重要程度来区分隐私的等级，合理控制数据的安全性。第二，数据量化加工处理的阶段，是数据所有者对数据进行一些标签设置、数据抽取、填充等操作以使庞杂冗乱的数据产生可用性的过程。第三，将数据进行包装变现的过程，这一过程往往是针对数据的应用领域或其实际用途来对数据的质量和价值进行评估并设置好访问接口的过程，以使包装后的数据可以直接变现使用。
四、数据资产的会计计量属性
（一）影响数据资产计量属性选择的因素
会计计量的核心在于选择恰当的计量属性以及计量单位，FASB第5号财务会计概念公告《企业财务报告的确认和计量》提出了历史成本、重置成本、可变现净值、未来现金流量现值、公允价值5种计量属性（见表1）。
从时间维度上来看，历史成本所反映的是过去的信息，是资产在过去的价值，其他计量属性所反映的一般都是现时的价值。虽然现在我们已经在跨入数字化时代的路上，但在会计计量模式和观念上还处于比较传统的历史成本计量属性上，体现的是过去投入的价值，不能满足信息加速下的数字化时代需要。虽然历史成本是相对容易获得的、可以验证的，成为了过去长期以来通行的主流计量属性，但由于会计计量对象的丰富性增多，特殊性加强，经济环境也产生了一定的变化，尤其是像本文所讨论的数据资产，历史成本通常难以直接获得，此时历史成本计量属性就呈现出明显的局限性。
伴随着会计环境的变化、对信息质量要求的提升，历史成本这一属性越来越受到考验，其他几种计量属性越来越得到重视，尤其是随着我国逐步向国际会计准则趋同，公允价值计量属性冲破了以往的限制，渐渐深入到会计实务中得以广泛应用。在实务应用中，对会计计量属性的选择并不具有排他性，尤其是在近些年经济市场趋向成熟的背景下，可以以历史成本属性为基础，针对特殊的市场环境兼容采用其他几种不同的计量属性，以更好地适应经济发展的需求。本文参考在传统的资产计量属性选择上可能造成影响的原因，并将数据资产不同于传统资产的独特性纳入考虑，在选择数据资产的计量属性时，应关注以下几点因素：
1.构建恰当的理论基础
在会计计量属性的选择过程中，由于理论基础的差异，会呈现不同的选择倾向。在事实性理论基础上，会计主体在某一会计期间的真实经营成果更为重要，选择历史成本法更有助于客观反映这一结果。而在目的性理论基础上，会更加注重会计信息使用者的需求，主观性较强，导致在计量属性选择上的差别。因此在选择数据资产的计量属性时，应首先构建一个恰当的理论基础。根据决策有用性目标，应参考目的性理论基础，考虑数据资产信息使用者的需求，以满足会计目标，提升决策的有用性。
2.适应经济市场发展水平
经济市场发展水平也会对数据资产的计量属性选择产生一定影响，如果数据资产的市场化程度不高，那幺对公允价值计量属性就会有一定的限制作用，因为公允价值是依赖市场参与者所达成的共识，是在有序交易的市场状态下产生的，需要在计量日前一段期间里数据资产的交易呈现出有规律可循的状态。就目前来看，甲方数据资产的交易市场显然不够活跃，还无法达到这一水准，限制了公允价值计量模式的选择。
3.考虑数据资产的特点
相较于传统意义上的资产，数据资产具有独特的特点，这些特点对其计量属性的选择亦会产生一定影响。第一，增值性，数据资产在初期投入较大，但伴随着技术的进步、市场的发展，后期的经济利益流入可能会远远超出投入价值，不适于再采用投入价值去计量，将该特性纳入考虑后所获取的计量信息才会是可靠的、真实的；第二，价值波动性，数据有着强烈的时效性，在不同时点的价值会产生较大幅度的波动，且有的数据资产是可以多次重复使用的，需要实时去关注数据资产的价值变化，对其账面金额进行适当的调整，以保证会计信息的真实性、可靠性。
（二）数据资产计量属性选择分析
对于数据资产的会计计量，可以从两种角度来进行分析，一种是投入价值角度，一种是产出价值角度。历史成本和重置成本计量属性是从投入价值的角度来衡量，两者都是以成本作为计价的基础，往往用来对有形的资产进行计量。投入价值的角度通常比较客观、比较容易验证、可靠性较强，却无法依此进行动态计量，无法反映资产价值的变化，只能去度量交易的某一部分。其他三种计量属性则是从产出价值的角度来进行衡量，充分体现出资产在未来期间会产生经济利益流入的特点，相较而言，产出价值的角度更看重资产在未来期间的产出，可以说对投入价值角度的不足之处有一定的弥补作用，但也存在一些缺点，例如可靠性不足、高估资产价值等。
第一，从投入价值角度来看，数据资产不同于传统资产，它在一定程度上具有无形资产的某些特点，同时它又具备了实物资产的某些特点，例如数据资产在形成、使用、存储时会需要大量人力、财力的投入，数据资产的计量无法忽略其历史成本。因此，根据数据资产的不同特性，甲方数据资产一般是由公司自身产生和储存，有获利能力但不容易对其以货币进行量化，基于稳健性及可靠性原则，可采用历史成本属性对甲方数据资产进行计量。考虑到会计信息质量要求的相关性、及时性，可在期末对数据资产的价值进行评估并进行披露。
第二，从产出价值角度进行分析，将数据确认为一项资产必备的一个重要条件就是预期能给企业带来经济流入。如果采用未来现金流量现值来对其进行计量，便可以恰当的反映出这项资产在未来期间所能产生的经济流入，从而来衡量数据资产的价值，充分体现数据资产的盈利能力以及实际价值预期，并体现出前文所述的数据资产的“增值性”特点。从理论层面考虑，未来现金流量现值属性是比较适合数据资产的计量属性，但若将经济市场环境因素同时纳入考虑，数据资产仍属于一种特殊的新资产，其预期的收益难以确定，经济价值难以在短期内准确地用货币价值进行反映，因此未来现金流量现值属性还无法恰当地在实际中得以应用。未来数据资产的交易普及后，采用未来现金流量现值进行计量的条件也会更加成熟。
同样地，公允价值计量属性亦可体现数据资产的“增值性”特点，以公允价值来计量需要市场上有类似交易存在，可获取较为详细的交易信息，现在已经出现了一些比较权威的大数据交易平台，如“贵阳大数据交易所”，如果在各数据交易所市场中有同类或相似的数据资产在交易，即可视为该项数据资产有公开报价，并作为其公允价值进行计量。大数据时代发展势头迅猛，数据资产的种类在交易市场上会越来越丰富，公允价值计量模式将在短期内实现普遍适用。尤其是对于乙方数据资产购买后直接使用的类型来说，一般通过外购方式取得，在市场上的交易活跃程度较高，容易获取公开报价，可按照公允价值属性对其进行计量，即便暂时无法获取公开报价，也可采用数据资产评估的方法获取公允价值，或者按照获取该项数据资产时的对价来确认金额。
五、数据资产的会计计量
基于以上对数据资产计量属性选择的分析，不同种类的数据资产对计量属性的要求不同，以下将分别对甲方数据资产和乙方数据资产的初始计量进行分析。
（一）数据资产的初始计量
1.甲方数据资产的初始计量
在甲方数据资产的获取过程中，企业通过投入大量人力、物力等资源来搜集数据、整理分析、研究开发，最终使数据产生价值，这一过程需要较高的技术要求，且耗费较大，和无形资产的形成过程有着相似之处，因此可以部分参考无形资产的初始计量模式。
在关于无形资产研发的初始计量规定中，因为研发活动存在风险及收益的不确定性，所以将这一过程进行再次的区分，包括研究阶段和开发阶段。研究阶段的支出应当一律计入当期损益，开发阶段符合一定条件的支出可进行资本化处理，作为无形资产的成本入账。当前大数据的获取、处理等相关技术丰富多变，但从整体上来看，大多数甲方数据资产的形成过程可分为四个环节：数据采集、导入及预处理、统计分析、数据挖掘。虽然大数据产生的总价值很高，但现阶段其价值密度普遍较低，数据资产的挖掘过程也存在着风险和收益的不确定性，有可能出现数据资产所形成的收益增长还不足以弥补建造大数据研究开发团队或平台所投入的价值。出于稳健性的原则，可以将甲方数据资产的研发费用区分为研究费用及开发费用，将过程中发生的研发人员工资、设备折旧等相关费用分别确认为费用化支出和资本化支出，对于其中不能进行区分的部分进行费用化处理，并计入当期损益。
介于数据资产在研发过程存在较高的复杂性，要将其研发过程严格区分为研究阶段及开发阶段并不容易。但基于上文中所提到的甲方数据资产的一般形成过程，数据采集、导入及预处理尚处于初期的收集整理阶段，不确定性较大，导致风险也比较高，所以可以将这两个过程中所产生的支出进行费用化处理，计入当期损益。而统计分析、数据挖掘的过程是在已经完成了整理并进行预处理之后进行的，已经可以较为确定能够挖掘产生有价值的信息，可以为企业带来经济利益流入的确定性比较强，所以对于这两个过程中产生的支出，可以将满足资本化条件的部分计入数据资产的成本，作资本化处理。因此，甲方数据资产可按历史成本计量属性进行初始计量。
2.乙方数据资产的初始计量
由于乙方数据资产可能存在不同的使用方式，以下将分别对两种不同类型的乙方数据资产的初始计量进行讨论。
（1）大数据交易所购入后直接使用
目前已经出现一批大数据交易平台，例如贵阳大数据交易所、上海数据交易中心、聚合数据、数据堂等，其主要业务就是提供大数据的交易服务，为数据的拥有者和需求者搭建一个交易的平台，并对数据进行定价以及交易结算。贵阳大数据交易所在运营的模式和制度规范上具有一定的先进性，其出售的是在源数据的基础上，通过清洗、分析、建模而得出可视化的结果，购买数据资产后可以直接投入使用。通过购买取得后直接使用的乙方数据资产在交易市场中容易获取公开报价，可以找到同类或相似的数据资产的交易，可按照公允价值计量属性来对其进行初始计量，相关的交易费用计入当期损益。
（2）购买后需加工使用
除了从大数据交易平台购买后直接使用的乙方数据资产，还有一种情况是购买加工后再进行应用，比如数据服务商先从其他方购入源数据，然后经过数据清洗、挖掘加工后使用。在取得数据时，应先按实际支付的价款，在使该项数据资产达到预定用途前产生的相关支出以及相关税费计入数据资产的成本。之后的加工及研发过程，可参考甲方数据资产的初始计量区分阶段入账。
（二）数据资产的后续计量问题研究
数据资产的后续计量是在该项数据资产使用期间发生的会计事项，内容包括数据资产的后续支出、摊销、减值和处置。
1.数据资产的后续支出
随着信息技术的更新和时间的推移，会产生源源不断的新数据，如果不及时进行更新，后续投入会对数据资产的价值和使用寿命产生较大的影响。对数据资产的后续支出可分为技术性支出和非技术性支出。其中技术性支出是指在数据处理、技术更新、数据采集以及处理挖掘等形成数据资产的新价值方面的支出，应对其进行资本化处理，增加数据资产的价值；非技术性支出是指一种物理上的更新投入，无法给数据资产造成功能性的改变，比如数据资产的维护、存储等费用，应当进行费用化处理，将这一类支出计入当期损益。
2.数据资产的摊销
（1）预估使用的寿命
作为一种新兴的资产，目前对于数据资产的具体摊销年限，并没有明确，对于不同的数据资产有效的使用年限，需要综合考虑多种因素，才能有一个比较准确且符合实际的估计。由于大数据的更新性，数据市场的活动和企业内外部的数据环境、经济环境的变化都会对数据的使用期限产生影响，有的历史数据甚至可能失去价值，无法提供决策参考，因此数据资产的使用寿命通常是有期限的。数据资产使用期限的估计存在一定难度，主观性较强，需要综合参考其影响因素来进行预估。
（2）摊销的方式
数据资产的价值可能会短期内或在多个会计期间重复使用，其价值也可能随着一次次的应用而转移到经营成果中去。在对数据资产的使用期限预估计基础上，需要在预计期限中对数据资产的价值进行摊销。加速摊销法比直线法更符合数据资产的特征。首先，数据资产的更迭非常快，但随着新数据的更迭以及外部环境的改变，某一个时点的数据所能带来的经济价值是随着时间的推移逐步在减少的；其次，数据的更新、技术的革新是一种不可阻挡的趋势，采用加速法在前期将较大额度的金额摊销后，其剩余成本较小，风险也更小。
3.数据资产的减值
相比于传统的资产，数据资产由于其更新性、时效性，更容易产生价值的变动，随着时间的流逝可能会产生较大程度的贬值。对数据资产的减值计提、减值准备不仅符合会计的决策有用观，可以向信息使用者提供决策相关的真实财务信息，满足会计信息质量要求。企业应在每个会计期末通过对数据资产进行减值测试，若其实际价值低于账面价值，应对数据资产计提相应的减值准备。
4.数据资产的处置
当一项数据资产已经确定无法为企业带来经济利益流入时，即已经不符合数据资产的定义，应对其进行处置，转销其账面价值并计入当期损益。在数据资产出售时，对于以数据资产交易作为经营业务的类似数据服务商这一类主体，应将收入计入主营业务收入；而对于其他不以数据资产交易作为经营业务的主体，应计入营业外收入或营业外支出。
六、研究结论
无论是从经济发展的需求来看，还是会计实务的要求来看，都需要将可带来经济利益流入的数据确认为一项资产，以对其背后隐藏的巨大经济价值进行反映。本文对数据资产的相关理论进行了阐释，并对数据资产的特征和分类进行讨论，将数据资产的特点与会计理论中的一般资产计量理论进行比较分析，从而来对数据资产的计量问题进行深入研究，创新性地构建一个较为完善的数据资产会计计量处理方式。本文认为对于不同种类的数据资产，应使用不同的计量属性来对其进行计量，对于甲方数据资产以及乙方数据资产中购入加工后使用的，采用历史成本计量属性；而对于乙方数据资产中在交易所购入的数据资产，采用公允价值进行计量。
在实际的应用中，由于每一项数据资产的研发和使用过程的独特性，很多细节问题还存在争议或困难，比如研发阶段资本化支出和费用化支出的划分、摊销年限的确定等，由于主观和客观上的认知差异，可能造成实际应用中的困难。随着数据技术以及人工智能的发展，或许可以构建一个完备的模型来对数据资产的价值进行计量，这仍需要较长时间的研究探索，就目前来看，历史成本及公允价值计量还是具有一定的实用性。
主要参考文献：
[1]Brynjolfsson E，McAfee A. Race against the machine： How the digital revolution is accelerating innovation， driving productivity， and irreversibly transforming employment and the economy[M]. Brynjolfsson and McAfee，2011.
[2]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（06）：3-10.
[3]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（06）：29-35.
[4]郑英豪.大数据与企业大数据的来源[J].上海经济，2015（Z1）：98-100.
[5]刘玉.浅论大数据资产的确认与计量[J].商业会计，2014（18）：3-4.
[6]唐薇.大数据交易会计处理问题研究[J].财会研究，2016（07）：37-38.
[7]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.
[8]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.
