2024年1月1日起，財政部會計司2023年8月1日發布的《企業數據資源相關會計處理暫行規定》（以下簡稱《暫行規定》）正式施行，為我國數據資源的會計處理提供了明確的指導原則。《暫行規定》以數據資產計入財務報表為起點，數據價值將通過數據創新應用、數據流通交易等方式，有效助力企業可持續發展。

我國在數據資產“入表”領域正式進入實際操作階段已有近半年時間。什么樣的數據屬于數據資產？如何測算以及面臨的問題有哪些？當前數據資產“入表”在理論界和實踐中的進展如何？遭遇到哪些困境？如何應對？

與日益緊迫的政府政策需求和企業實踐需求相比，對于企業數據資產核算和如何“入表”，理論界的相關研究還相對滯后，尚處于理論研究的探索階段。

數據資產核算，首先需要清楚什么是數據。2023年，聯合國統計委員會秘書處間國民賬戶工作組（ISWGNA）基于國民經濟核算原則給出了有關數據的具體定義，即“通過獲取和觀察現象而產生的信息內容；并以數字格式記錄、組織和存儲來自這些現象的信息元素，從而在生產活動中使用時提供經濟效益”。根據該定義，數據可概括為三個主要特征：以數字格式記錄、生產活動中使用、提供經濟效益三個特征。

并非所有數據都屬于數據資產，那么哪些數據可以確認為數據資產？中央財經大學統計與數學學院助理教授雷澤坤向中國工業報表示，借鑒國民賬戶體系（SNA）中對資產的定義原則，納入資產范圍的數據至少應滿足所有權明確和收益性這兩個基本屬性，一般在生產過程中使用一年以上的數據才能被視作資產進行資產化核算，在生產過程中使用年限不足一年的數據一般作為中間消耗處理。

如何對數據資產進行核算？由于資產在國民經濟核算體系中是一個存量概念，因此，數據資產核算一般分為兩步：數據產出價值核算和數據資本存量核算。

統計學者許憲春團隊告訴中國工業報，目前學術界和實際工作部門尚未形成成熟的數據產出價值測度方法。因數據資產在形態上與無形資產較為相似，主要借鑒無形資產的價值評估方法，包括市場法、凈現值法和成本法。

其中，市場法要求產品市場上有足夠的數據交易類型和模式以獲取目標數據可比指標、技術參數等信息，當前僅能反映少數外購型數據的交易情形，并不適用于絕大多數自用型數據。凈現值法通過測算數據未來可能產生的潛在收入，估算數據的現有價值，但由于數據用途多樣，使用期限、潛在經濟收益具有極大不確定性，難于在實踐中應用。成本法是將數據資產生產過程中的所有投入成本之和作為數據產出價值，具有客觀性、較強的可操作性，是現有條件下最可行的數據價值核算方法。

目前，國民賬戶秘書處間工作組、美國經濟分析局、加拿大統計局、中國信息通信研究院等均建議采用成本法測算數據產出價值。

“對于數據資本存量核算，永續盤存法是國際上測量生產性資本存量的通用方法，有關研究與開發計算機軟件等知識產權產品資本存量測算均以永續盤存法為主。既有研究主要基于永續盤存法估算數據資本存量。”雷澤坤說，“永續盤存法估算數據資本存量的前提條件是確定數據資產的使用壽命、折舊模式、初始數據資本存量以及數據資本形成總額價格指數等。由于針對數據資產核算的研究尚未成熟，確定上述指標面臨很大挑戰。”

在雷澤坤看來，數據資產核算面臨的困境主要包括三個方面。

一是數據具有不同于其他貨物和服務的獨特特征，給數據產出價值核算帶來諸多困難。數據既具有非競爭性、非消耗性等知識產權產品的特征，也具有諸如時效性、價值融合增值、價值與其應用場景有關、非貨幣交易模式等特有屬性。如數據的融合增值特征，單一或少量數據的價值往往很有限，但通過數據的融合，可以從中挖掘更多的有效信息。在金融領域，企業可以將財務數據與客戶信用數據、經濟數據等進行融合分析，從而獲得更準確的風險評估和投資策略。數據價值與其應用場景有關，同樣的數據在不同應用場景中獲取的價值不同，這給數據的定價帶來障礙。數據的這些特有屬性，使得既有方法很難適用于數據產出價值的核算。

二是基于國民經濟核算體系的數據資產核算基礎數據不足。盡管成本法是當前核算數據產出價值相對最可行的方法，目前仍需要基于大量估算展開。

三是數據資產的估價問題。當前，數據資本存量核算主要采用永續盤存法進行測算。但不同于廠房、機器設備等固定資產，數據的價值不一定會隨著使用而自然地衰減。在一些應用場景中，數據的使用過程中還可能會產生新的數據，使用的次數越多，數據的體量越大。如百度地圖利用AI算法能力，從萬千車輛運行軌跡的大數據中提煉出有效信息進行分析，用戶數據越龐大，算法越精準。這給利用永續盤存法測算數據資本存量價值時確定折舊率帶來挑戰。

盡管國內外會計準則在數據資產“入表”方面已經開展了一系列前瞻性探索，但由于數據資產自身的特殊性以及數據要素市場發展處于初期階段，數據資產“入表”準則的推進還面臨一系列障礙。

天津財經大學金融學院教授、博士生導師李向前團隊總結認為，數據資產“入表”面臨的障礙主要包括：一是數據權利類型多樣，權屬問題復雜，以擁有或者控制作為“入表”前提面臨挑戰；二是數據要素市場化處于發展初期，數據資產應用和交易基礎尚不成熟，價值難以計量；三是數據資產的分類及“入表”科目仍缺乏科學、可行的完備方案；四是數據合規將成為數據資產“入表”需要破解的難題和當下企業的緊迫任務。

《暫行規定》對于自愿信息披露也有相應的要求，包括企業對數據資源的加工維護和安全保護情況，數據資源轉讓、許可或應用所涉及的地域、領域及法律法規限制，以及投融資活動中數據資產的合規盡職調查問題等，都需要在財務報表中披露。

數據資產“入表”將提高企業管理層對數據確權、數據治理、數據應用和價值的關注，進一步增強數據要素對我國經濟發展的推動力。北京交通大學經濟管理學院副教授、會計系主任張姍姍肯定了數據資產“入表”的正面經濟效益。

但另一方面，張姍姍表示，也應謹慎防范數據資產“入表”可能帶來的附加后果甚至是負面后果。

首先，若是數據資產的會計確認標準放得過低，后續計量估值過高，減值不及時和不可靠，則會導致報表上資產的“泡沫化”。此外，某些業務模式（例如降本增效模式）下的數據資產價值強烈依賴于企業的持續經營。當企業處于財務困境時，這些數據資產可能償債能力較低——這進一步加劇了資產泡沫化后果的嚴重性。

其次，數據資產“入表”后，企業的舉債能力可能會增強。而數據資產能否“入表”的重要影響因素是企業是否有足夠的數據治理基礎。這意味著，數據治理能力較強的企業可能“入表”更多的數據資產，舉債能力增幅更大。因此，數據資產“入表”還可能在一定程度上改變資本市場的資源分配。

據此，張姍姍建議，未來在制定數據資源相關會計準則時，應明確企業在數據資產“入表”時有清晰的業務模式，且有客觀證據表明該業務模式存在、可行、有效。

“客觀證據的要求有四個方面好處：一是可避免以管理層意圖或計劃作為數據資源確認‘入表’的標準；二是可以為相關經濟利益很可能流入企業提供較高程度的保證；三是可以提高數據資產的可驗證性，有利于審計師為數據資產提供鑒證服務，確保會計信息質量；四是能夠在一定程度上解決數據資產的可靠計量瑕疵，有助于明確數據資產和自創品牌等其他未‘入表’資產之間的差異，提高會計準則體系的內在一致性。”張珊珊表示，如若這樣進行準則設計，則需盡快明確可充當客觀證據的原始憑證，例如業務模式的歷史運行記錄等。

“應多角度限制企業將數據資產分類為使用壽命不確定的無形資產。”張姍姍指出，使用壽命不確定的無形資產不要求攤銷，只需每年進行減值測試，常被批判相關會計信息不及時、不可靠。而來自我國實務界的探討表明，企業已經準備好將部分數據資產分類為使用壽命不確定的無形資產。

張姍姍建議，只有當滿足如下三個條件時，才能將數據資產作此分類：一是數據資產的價值不隨時間減損。此項條件要求數據不具有實時性，數據變陳舊不影響其使用價值。二是數據在賺取經濟利益時無需任何消耗，即零成本正收益。此時，無需分攤一部分費用與當期收入相配比。三是數據不需要高額的更新和維護費用。如果不滿足這項條件，則企業仍需每年確認一部分攤銷費用，以留足重置成本。

考慮到《暫行規定》對于全面推進數據資產“入表”的局限性，李向前團隊認為，應在此基礎上進一步深化試點探索，形成更有價值的試點經驗，推動數據資產“入表”在各領域的有效實施。

返回列表