引言1

人類文明自從有了文字記載，便形成了數據。隨著ChatGPT、Web3.0、數字電商、數字貿易等新興事物的不斷涌現，數據要素市場和數字經濟迎來時代性重大戰略機遇。中國的數據要素市場雖然起步較晚，其體量僅相當于美國的3.1%、歐洲的10.5%、日本的17.5%，但憑借海量數據和豐富應用場景的獨特優勢，以及國家層面從2022年12月以來數項重大政策的突破，預計到2025年市場規模將超過1700億元，“十四五”期間數據要素市場規模預計可以維持超25%的復合增速。數字經濟發展需要會計信息支撐，現行會計準則未專門探討具有新型特征的無形資源這一事實引起廣泛關注。倘若財務報表無法真實公允反映數據資源的價值，將對數字經濟乃至整體經濟的高質量發展產生不利影響。

中共中央、國務院于2022年12月發布《關于構建數據基礎制度更好發揮數據要素作用的意見》（以下簡稱“數據二十條”），其中第十八條明確：“探索數據資產入表新模式”；財政部于2023年8月出臺了《企業數據資源相關會計處理暫行規定》（以下簡稱《暫行規定》），從入表和披露兩個層面對數據資源進行核算和報告，為未來更合理地處理數據資源確立了一個堅實的基礎；中國證監會第15號文要求公司全面披露研發支出（包括數據資源）資本化費用等重要信息，進一步明確數據資源入表的要求；《“數據要素X”三年行動計劃（2024-2026年）》提出“推動將滿足資產確認條件的數據資源，計入資產負債表無形資產或存貨，推動數據資產化”，完善數據資源相關會計處理，將有利于推動數據要素市場化發展。

數據從資源轉變為具有變現能力的資產后，也就具備了入表的現實基礎，數據資源資產化需要會計發揮價值管理職能?，F有研究主要從數據資源的入表邏輯、入表的現實困境、數據資源的分類、核算、計量、披露與列報等方面對數據資源入表進行研究，同時對比分析了歷史成本、重置成本和公允價值等計量模式。亦有學者有針對性地提出諸如完善資產等級制度、建立數據資產登記平臺、開展數據標準化及數據交易技術研發等對策建議，以促成繁榮的數據市場生態，形成與數字經濟特征匹配的資產負債表?？傮w來說，國內外專門圍繞數據資源入表問題展開研究的文獻日漸興起，但多從宏觀角度進行探討，研究的深度和廣度均有待進一步加強。而且，目前的中英文文獻多從理論角度進行闡述，實證研究論文屈指可數，能夠把理論與實務融會貫通的文獻更是鳳毛麟角。另外，目前關于數據資源入表的理論研究遠遠落后于實踐應用，基本上是實踐應用倒逼著法律法規和規章條例的實行，裹挾著高校學術研究艱難地前行，數據資源入表所面臨的挑戰是全面的。

有鑒于此，我們認為有必要首先對數據資源相關的重要概念進行界定和區分，對數據資源入表的理論和演進階段進行追本溯源，以期為后續研究奠定理論基礎；其次基于數據資源入表的“五大流程”，依據現有文獻，結合相關的政策法規及實務處理經驗，深入系統地梳理數據資源入表的邏輯原理和入表路徑，指出現有文獻的短板，以期為后續研究明晰研究方向、彌補研究不足。

數據資源理論溯源2

（一）數據資源概念界定

1.數據資源概念的提出

數據資源的概念最早可以追溯到關系數據庫模型的提出，1970年，埃德加·科德（Edgar F. Codd）提出了關系數據庫模型，奠定了數據資源管理的理論基礎?，F有文獻普遍認為理查德·彼得森（Richard Peterson）于1974年首次提出數據資產概念，認為數據資產是所有者持有的經濟資產，包括公司、政府、實物等各種類型的債券。但根據定義，其實質應該是金融資產。隨著實務界和學術界對數據資源的資產特征理解深入，國際數據管理聯合會(DAMA）1于2009年在其發布的《DAMA數據管理知識體系指南》中指出，企業應構建將數據等同資產的思維，即將數據作為一項重要資產，并對其展開有效管理。同年，從公司數據治理的角度提出公司應變革數據管理理念，從傳統數據管理轉向數據價值挖掘，實現從數據至企業資產的躍升?！按髷祿浮边~爾-舍恩貝格（Viktor Mayer-Sch?nberger）曾預測數據的價值將列示在企業資產負債表上，成為一個新的資產類別。進入信息時代之后，由于信息本身就具有價值，所以有學者認為信息理應被作為企業資產看待。在新一輪科技革命浪潮的催化下，又產生了信息資產、數字資產、數據資產等相關概念。

2.信息資產、數字資產與數據資產的區別聯系

信息資產是組織中具有價值的所有信息資源，包括數據、文檔、報告、知識產權等。這些資產以物理或電子形式存在，涵蓋了組織內部和外部的各種信息，是組織運作的重要基礎。信息資產也指具有價值的數據或信息本身，可以是任何形式的數字或非數字資產，如知識產權、專利、商業機密等。數字資產是指以數字形式存在并擁有經濟價值的資產，包括但不限于加密貨幣、數字藝術品、數字版權、虛擬商品和服務等，它是一種新型的資產類別，其價值和交易方式與傳統資產有所不同。數字資產的價值取決于市場需求和供應，同時也受到技術、法律和監管等因素的影響，可以通過計算機和網絡進行訪問、傳輸和處理，也可以在網絡上進行交易、轉移和存儲。數據資產是指組織擁有和管理的數據，這些數據對支持業務運營、決策制定和價值創造至關重要。數據資產的定義突出了數據在組織中的重要性，強調了數據管理和利用的重要性，以實現組織的目標。

數字資產通常以電子形式存在，而信息資產可能以物理或電子形式存在。數字資產更加側重于數字化的數據、軟件和網絡資源等內容，而信息資產則涵蓋了更廣泛的信息資源，包括了所有對組織運作至關重要的信息。數字資產是信息資產的一個子集，具有數字化的屬性和特征，是信息資產的一種特殊形式，二者都具有價值，并且可以在數字化環境中進行交易和管理。數據資產和數字資產在經濟活動中密切相關，相互影響和補充。數字資產的價值往往來自數據的生成、傳輸和分析過程，而數據資產的價值也可以通過數字化轉換變成數字資產。但數字資產的概念更廣泛，除了數據外，還包括數字形式的財產、權利和資源。三者之間的關系如圖1所示。

圖1　信息資產、數字資產與數據資產的關系

資料來源：根據現有文獻手工整理。

3.數據資源相關概念界定和分類

許憲春等認為數據的時效性決定了數據的使用壽命長短不一，如果數據的時效性不足一年，應被視為中間投入，故把數據資產定義為擁有應用場景且在生產過程中被反復或連續使用一年以上的數據。把數據資產界定為：以電子化形式存在，由過去事項形成，預期能為組織帶來經濟利益且該經濟利益可用貨幣計量，由組織合法擁有或控制的現時非貨幣性數據資源。認為能夠確認為數據資產的數據資源應該在過去的交易中形成，同時明確企業能夠控制，且該數據資源具有帶來未來經濟利益的潛力。本文所說的數據是指以電子或其他方式記錄下來的原始數據；數據資源是指把原始數據進行一定程度的加工處理以后，現在或者將來具備經濟價值的數據；數據資產是指滿足資產定義和確認條件，能進行貨幣計量，能入表的數據資源。三者的關系詳見圖2。

圖2　原始數據、數據資源與數據資產的關系

資料來源：根據現有文獻手工整理。

數據資源的分類可從多種維度進行，采取的分類標準和分類角度不同，分類的結果可能會有重合，但也會存在差異。根據數據權屬不同，可以把數據資源分為三類，分別是企業數據資源，包括內部數據資源和外部數據資源；政府數據資源，包括政府業務和社情民情等多種公共數據；個人數據資源，包括個人用戶自然生成的數據及其他多樣化社交類數據。根據市場屬性，數據資源又分為已市場化及未市場化的數據資源；基于數據來源，又可區分為交易性數據和自給性數據。本文依據《暫行規定》的適用范圍，把數據資源分為兩大類型，分別是《暫行規定》范圍內和范圍外的數據資源。其中，范圍內的數據資源又包括企業按照企業會計準則相關規定確認為無形資產或存貨等資產類別的數據資源，以及企業合法擁有或控制的、預期會給企業帶來經濟利益，但由于不滿足企業會計準則相關資產確認條件而未確認為資產的數據資源，詳見圖3。

圖3　數據資源的分類

資料來源：根據現有文獻手工整理

（二）數據資源演進階段

基于技術進步、應用范圍以及研究方法和研究重點的演變，本文把數據資源的發展歷程分為早期、中期和現代三個階段。

1.早期階段（1970年至1990年）

由于計算機技術和數據處理能力有限，此階段數據資源的發展和研究主要集中在數據的收集和存儲方面，同時集中在企業內部的關系數據庫中，用于業務處理和管理。這一階段的代表研究是關系數據庫模型和實體關系模型（ERM），關系數據庫模型的提出，奠定了數據資源管理的理論基礎。關系數據庫模型包括三個基本要素：數據是以表（table）的形式組織的，關系數據庫中的數據被組織成一個個表，每個表包含了若干行和若干列，每一行代表一個記錄，每一列代表一個屬性；數據的訪問是無序的，關系數據庫中的數據是無序存儲的，用戶可以通過指定條件來檢索數據，而不需要關心數據的物理存儲位置；數據之間的關系是通過關鍵點（key）建立的，在關系數據庫中，不同表之間的關系是通過關鍵點來建立的，一個表中的某一列可以作為另一個表的關鍵點，從而實現表與表之間的關聯。實體關系模型（ERM），將數據表示為實體（entity）和實體之間的關系（relationship）。這種模型簡潔清晰，易于理解和應用，成為數據庫設計和數據建模的重要工具，為后續數據倉庫理論的發展奠定了基礎。

2.中期階段（1990年至2000年）

隨著數據量的增長和多樣化的需求，數據倉庫和數據挖掘等技術得到了發展，數據資源管理逐漸從單一的數據庫管理轉向了更加綜合和多維的數據管理。這一階段的代表研究是數據倉庫理論，Inmon（1995）探討了數據倉庫的概念、設計和實施，強調了數據倉庫在組織中的重要性以及如何利用數據倉庫進行數據分析和決策支持。數據倉庫是企業的中心數據存儲庫，用于集成各種數據源，并支持決策支持系統（DSS）和業務智能（BI）應用。Kimbal（1998）介紹了數據倉庫生命周期的方法和工具，包括數據倉庫的設計、開發和部署階段，強調了數據倉庫的可行性和實施方法。

3.現代階段（2000年至今）

隨著互聯網和移動互聯網的發展，大數據時代的到來，數據資源規模不斷擴大，數據類型日益豐富，涌現出了大數據技術、云計算、人工智能等新興技術和方法，數據資源管理面臨著更多的挑戰和機遇。從這一階段開始，數據科學成為一門獨立的學科，數據驅動決策對企業越來越重要，其中，數據架構是關鍵，包括數據湖、數據倉庫、數據集成等。Lambda架構提出了大數據環境之下數據架構的解決方案，Spark分布式計算框架體現了大數據處理中的高效性和靈活性。數據科學在業務中的應用，包括數據挖掘、機器學習等技術的原理和實踐，強調了數據挖掘在發現潛在信息和知識方面的重要性。

我國對數據資源的關注始于20世紀90年代末至21世紀初，政府部門、學術界、企業逐漸意識到數據資源對國家經濟發展和社會進步的重要性，紛紛開展相關研究和實踐，在政策層面提出了一些倡導，形成了一系列發展策略和規劃。當前，我國的數據資源管理和利用水平不斷提升，政府部門建立了一系列數據開放和交易平臺，促進了數據資源的共享和應用。同時，企業和研究機構也在加大對數據資源的開發和創新，推動數字經濟的蓬勃發展。

（三）數據資源相關的經濟增長理論與微觀機制

1.數據資源相關的經濟增長理論

Farboodi & Veldkamp（2021）建立了一個類索洛增長框架的數據經濟增長模型，討論數據要素積累對經濟的影響。該模型指出，數據積累在不同水平上會產生遞減和遞增的收益，形成“數據反饋循環”（data feedback loop），企業在利用數據進行預測時，能夠生成更多的數據，這又進一步提高了生產力，形成正向循環。數據積累不足的企業或行業則可能會掉入“數據貧困陷阱”（data poverty trap），導致經濟增長的不平衡，政府和企業應重視數據的積累和利用，以促進經濟的可持續增長。Begenau et al.（2018）依據企業重復靜態博弈模型研究指出，大型企業由于擁有更多的經濟活動和更長的經營歷史，能夠產生和處理更多的數據，豐富的數據支持了更多的財務分析；而數據維度的多元化和數據分析技術的進步反過來使得投資者能夠獲取和處理更多的數據，有助于投資者據此做出高效、明智的決策，從而降低企業的資本成本，資本成本的降低又進一步促進了大型企業的擴張和成長。Ciuriak（2020）研究發現，在數據驅動經濟中，數據資源的聚集容易導致大規模經濟租金的產生，而經濟租金的分配可能涉及不同國家之間、企業之間、企業與政府之間以及消費者與企業之間的利益博弈。因此，數據治理和管理對經濟增長至關重要。

2.數據資源影響經濟增長的微觀機制

為了成功實施大數據項目，公司可能需要進行文化或結構上的調整，以支持數據驅動的決策過程。在所有組織層面上對數據戰略的理解和接受程度至關重要，因為數據對客戶關系加強、管理風險降低和運營效率提升具有重要影響。Huang & van Mieghem（2014）提出了一種新的庫存管理模型，該模型利用網站或電子商務平臺的點擊數據來準確地預測產品需求，從而減少庫存成本和提高產品可用性，并據此調整庫存水平、優化庫存管理。通過將數據作用于企業現有的服務和產品，能夠幫助企業改善經營管理，優化業務流程，提高服務質量，降低整體成本。這些經濟理論和機制表明，具有零邊際成本、信息悖論和關聯效應等特征的數據資源與其他要素資源充分融合，有利于促進經濟的可持續增長，政府和企業應重視數據的積累、管理和利用，以便推動整個社會經濟的躍升。

綜上所述，數據資源應當被視為一種重要的資產，企業應當充分利用數據資源來推動創新，提升競爭力和增加生產力，并將其計入企業的資產負債表中，以反映其對企業價值的貢獻。本文后續部分探討的數據資源確認、計量和列報主要是針對《暫行規定》適用范圍內的數據資源，且遵循數據資源入表“五大流程”的邏輯進行文獻評述，詳見圖4。針對《暫行規定》范圍外的數據資源，本文暫未進行討論。

圖4　數據資源入表“五大流程”

資料來源：根據現有文獻手工整理。

數據資源確認3

數據資源能否成功計入資產負債表，不僅要求數據資源本身權屬清晰，還要求特定主體具備一定程度的數據管理能力。本部分首先明確數據資源的確權問題，然后梳理數據資源的有效管理問題，在此基礎上判斷一項數據資源是否滿足入表條件，能否確認為數據資產。

（一）數據資源確權

數據資源確權，就是以法律形式明確不同類型數據資源的產權屬性，明確數據資源的產權屬性有利于定分止爭，規范數據秩序。近年來關于數據資源確權問題的國內外研究主要形成了基于數據生成理論的數據資源確權研究和基于數據來源理論的數據資源確權研究兩大方向，同時也有一些學者基于科斯產權理論、數據流通理論、勞動賦權理論、權利束視角等對數據資源確權問題進行探討。

1.基于數據生成理論的數據資源確權研究

數據時代的數據資源是被生產出來的，包括原始數據的生產和數據集的生產，并經過匯集處理后實現其分析價值。個人可能參與原始數據的生產過程，但數據生產的主體是數據采集設施設備運營者，個人只是數據描述的對象和源頭，在數據上享有主體利益，但不能把個人數據歸屬于個人財產。熊巧琴和湯珂（2021）提出應當針對個人信息的隱私和風險級別賦予數據生產者（個人）不同級別的拒絕權、可攜權、獲取收益等數據控制權，賦予數據產品持有者（數據收集者、設備生產者等）有限制的占有權。但是該學說在很大程度上忽視了個人用戶的貢獻，過度偏向企業數據。數據資源賦權的邏輯起點應該考慮數據起源問題，個人用戶的網絡接入行為直接導致了數據的形成。

2.基于數據來源理論的數據資源確權研究

申衛星（2023）認為應根據數據來源判斷數據權屬，個人和企業對源發于自身的數據享有所有權，無論該數據最終由誰進行收集。在登記確權方面，可建立數據資產賬戶備案制度，借鑒專利的“申請、受理、初審、實質審查、授權”等步驟流程審查登記備案。Jones & Tonetti（2020）認為數據的廣泛使用能夠促進經濟增長，但公司出于對創新的擔憂，可能會選擇囤積數據。這種局面不僅抑制了創新，還使得數據的社會價值未能最大化。主張將數據產權賦予消費者，既能激勵他們主動分享數據，促進數據的流通和利用，還可以增強消費者的隱私保護。Jane?ek（2018）基于資源所有權的四要素，即對特定資源的控制、保護、評估和分配，對個人數據的所有權進行了探討。作者強調對個人數據的全面控制意味著能夠充分使用個人數據，即訪問、存儲、共享、出售、修改或處理這些數據；對個人數據的保護體現為能夠將其他人排除在個人數據帶來的收益之外；必須有可能將個人數據中的明顯效用和透明價值體現為一種可交易、可控的和有保護價值的商品；個人數據的分配涉及“個人數據屬于誰”的問題。

3.關于數據資源確權的其他理論和觀點

曾經風靡一時的“科斯式”數據確權方式實際上討論的是以界定財產權的方式解決個人信息的隱私問題。Lessig（2006）認為個人信息在數字時代應被視為一種財產，個體應有權決定其信息的使用方式，但同時也需要承擔相應的責任，確保信息的安全和隱私，個人對其信息的控制權是實現信息財產權的核心，過度的控制可能會侵蝕公民自由。高富平（2019）基于數據流通理論認為個人數據和非個人數據流通的本質是數據的許可使用，建議采用“一對一”許可、“一對多”許可和相互許可三種數據社會化利用模式勾勒數據流通與確權形式。勞動賦權理論認為用戶數據主要源自用戶無意識的網絡行為，單個用戶數據只有在經過企業收集、加工、儲存、分析、利用等勞動以后，才具備經濟價值和社會價值，所以用戶數據的財產權應歸屬于企業。王利明（2022）則認為以數據為載體的數據權益紛繁復雜又盤根錯節，呈現出以所有權為主干，以他物權為分枝，在他物權之上再生分枝的網狀結構，好比在數據之上長出了一束束的花朵，而這些花朵就是“權利束”。因此，有必要借鑒“權利束”理論對數據權益歸屬進行分析討論。Saarikko et al.（2017）認為，在物聯網時代，由產品、流程和服務相互連接形成的數據，一方面是根據使用者所采取的行動生成的，產品流程和服務的使用者應擁有該數據的掌控權；另一方面是產品制造商擁有的服務器和系統所生成、收集、分析和呈現的，數據所有權應該屬于收集和分析數據的產品制造商。因此，不存在“一刀切”的通用方法，數據所有權的處理應根據不同行業、市場和地區來進行靈活判斷。

本文認為，鑒于現階段數據產權制度、數據權屬分配規則等基礎制度體系尚未健全，且學術界和司法判決對數據是否應當確權以及如何確權等問題眾說紛紜，可暫時借鑒申衛星（2023）在數據來源者的所有權和數據處理者的用益權“兩權分離”基礎之上的“數據資源—數據集合—數據產品”三階段確權思路，依據“數據二十條”關于數據資源持有權、數據加工使用權和數據產品經營權“三權分置”的數據產權制度框架對數據資源進行確權。企業享有對特定數據資源的持有權意味著其能夠自主管理數據，通常也能獲得數據帶來的經濟利益。數據加工使用權可以再細分為數據加工權和數據使用權，判斷數據加工使用權應當注意以下兩個前提條件：其一，在獲得數據加工使用權時，必須遵守相關法律規定和合同約定，確保數據的加工使用不損害公共利益、不威脅數據的安全，同時也不能侵犯數據來源者的合法權益。其二，對數據進行加工和使用之前亦應取得數據資源持有者的明確授權。數據產品經營權包括數據權利主體和數據權利客體，數據權利主體是數據處理者，數據權利客體是數據產品和數據服務。該權利的目的是保護權利主體的合法權益，確保其能夠合理獲得回報，以回應其在數據處理方面的投入。

（二）數據資源的有效管理

數據資源管理需要圍繞數據資源價值增值、數據資源運營和處置全生命周期開展，旨在實現數據資源預期價值，其中會涉及數據標準管理、數據算法和應用場景管理、數據清洗治理和多元數據融合、數據授權和質量管理等。數據安全防護也非常重要，如果沒有數據安全防護，一旦發生了數據泄露問題，會面臨政府層面的行政處罰或者其他民事層面的訴訟糾紛。目前學術界主要基于數據收集和數據利用兩種視角對數據資源進行管理。

1.基于數據收集的數據資源管理方式

God?y & Saadatnejad（2017）主張利用元數據驅動法收集和管理數據，該方法根據用戶需求對數據進行可視化并導出元數據，包括數據集的來源、格式、質量、時間序列信息和任何處理或變化的記錄等元數據信息?？紤]到數據需求在不同研究場景下的差異性，Olsson & Hartley（2019）開發了命令行工具，對數據進行管理和收集。該方法將數據和元數據打包成一個統一的數據集，并對其進行一次性檢查，為保證數據的可移植性和可訪問性，將其存儲在不同的儲存系統，然后通過應用程序編程接口，將數據集合并到現有的工作流程中。

2.基于數據利用的數據資源管理方式

Fong（2001）認為維持和提升數據質量及其在后續應用中的可靠性基于三個核心方面：數據質量控制專注于確保收集到的數據達到預設的標準和質量，具體方法包括標準化程序、質量監控和數據清理；數據審計跟蹤是維護數據完整性的關鍵環節，保證了所有數據操作都是透明和可以追溯的；數據庫質量量化是對數據質量進行系統評估和衡量的過程，確保數據可用于做出準確的決策。為了提高組織效率、減少資本損失，Even et al.（2007）建議通過自動化收集數據和持續檢查、糾正和清理數據兩條措施來提高數據的準確性、完整性和一致性，進而提高數據倉庫的利用水平。

我們認為特定主體想要對其擁有或控制的、權屬清晰的數據資源進行入賬入表，首先，需要對自身的數據管理能力做一個必要的評估，目前可以依據DCMM1以及DAMA兩個標準，確認自己是否具有有效利用自身數據的能力。其次，需要完成數據資源入表前的準備工作，主要涉及數據分類分級工具準備、數據成本計量工具準備、財務系統準備等。最后，數據資源入表不僅僅是單一部門的工作，還牽扯到集團、企業內部的各個部門，只有這些部門在統一的協調下共同參與，再加上外部服務商的配合，數據資源入表工作才能真正落實落地。

（三）預期經濟利益流入的分析

目前針對數據資源預期經濟利益流入分析的文獻較少，僅有的文獻主要基于《企業會計準則——基本準則》和國際財務報告準則（International Financial Reporting Standards）概念框架(以下簡稱“IFRS概念框架”)2對經濟利益流入進行判斷。大部分觀點認為數據資源的預期經濟利益分析應結合具體的應用場景，并且僅當數據資源發展到一定階段時才能導致經濟利益的產生，在數據的生命周期中，從數據的收集確認到數據的分析與挖掘，每一步都至關重要。然而，在數據分析之前，其經濟價值往往是不確定的；只有在數據分析及隨后的應用階段，數據相關的經濟利益才有實現的可能。

1.預期經濟利益判定的研究現狀

完成數據資源相關的項目，使其能夠使用或出售在技術上具有可行性，是經濟利益流入可行性分析的先決條件。此外，對企業來說，不僅需要有完成數據資源并將其運用或銷售的意圖，而且必須證明基于這些數據資源生產的產品具有市場需求或者數據資源本身就具備市場潛力。對于內部使用的數據資源，還需進一步證實其實際的使用價值。我國《企業會計準則——基本準則》要求資產滿足“預期會給企業帶來經濟利益”的定義以及“經濟利益很可能流入企業”的確認條件。如何判定經濟利益“很可能”（一般情況下可能性大于50%）流入，可以從對內賦能和對外賦能兩個角度進行判斷。數據資源對內能夠賦能新業務，提升現有業務收益，降低現有業務成本；對外有市場、有交易、有場景，價值能夠量化。質量較高且應用場景較成熟的數據資源才能滿足該標準。如果數據未被實際應用到特定的場景中，那么即便為其收集、存儲、維護和管理投入了大量的成本，這些數據也無法產生實際價值。企業亦可基于《數據資產評估指導意見》里的成本法、收益法和市場法，結合應用場景和價值度量指標，判斷經濟價值是直接產生還是通過成本節約產生，或者是無法量化等情況，最終輸出經濟利益流入分析報告。實務中還可以利用歷史經濟收益數據，結合回歸或AI模型，預測未來經濟利益流入可能性和規模。

2.預期經濟利益判定的難點

實務中數據資源的應用場景很難明確區分。一是企業在使用數據資源的時候可能沒有明確的目的性和計劃應用場景，僅僅是作為業務拓展或決策的支撐；二是數據資源可能在同一時間應用于多個應用場景，或者在應用過程中使用場景發生變化；三是數據資源的應用場景存在很大的經濟波動性。因此，依據應用場景對數據資源引發的經濟利益流入的可能性進行判斷存在困難。對比其他類型的資產，如固定資產、存貨和金融資產等，數據資源的應用場景包括驅動企業進行產品升級、流程升級、科學決策等，可能帶來的經濟利益往往是無形的、非貨幣性的，因此不易觀察，也難以判斷能否流入企業。

（四）確認數據資產

數據資源如何確認為資產進入資產負債表，目前我國會計準則、國際會計準則和美國會計準則均未給出權威的指導意見。在前文分析的基礎之上，企業能否把一項數據資源確認為數據資產，還應該進一步分析該項數據資源是否滿足資產的定義和確認條件，明確其業務模式和類別歸屬問題。

確認數據資產首先應關注特定主體是否能夠控制該數據資源?；趪鴥韧鈺嫓蕜t體系對“控制”的界定，資產定義中提出了“由企業擁有或控制”的條件，企業是否能夠主導數據資源的使用并從中獲取利益成為數據資產確認的第一步，資產的定義里并沒有強調企業必須享有資產的所有權?！皵祿畻l”指出：“根據數據來源和數據生成特征，分別界定數據生產、流通、使用過程中各參與方享有的合法權利，建立數據資源持有權、數據加工使用權、數據產品經營權等分置的產權運行機制?！逼髽I享有了對特定數據資源的持有權，則意味著其能夠自主管理數據，通常也能獲得數據帶來的經濟利益。擁有數據資源持有權的企業一般可以認為控制著數據資源，達到了會計確認中控制的判斷條件。擁有數據加工使用權和數據產品經營權的判斷更為復雜，即使可以享有數據的收益權，還需要證明其管理和支配數據具有一定的排他性，才能被認定為控制了數據。

數據資源的成本或價值能否可靠計量是數據資產確認的關鍵條件。程小可（2023）認為數據資源的成本能夠可靠計量與數據的來源密切相關，應區分外購數據和自行開發數據，并且必須以清晰的成本記錄為前提。許憲春等（2022）認為，數據的生產成本不僅包括中間投入，還包括為此支付的勞動力成本、固定資產的使用和耗損、資本的凈回報以及有關稅費。理論上，當企業數據資源管理水平足夠精細時，可以對數據資源進行成本歸集。進一步而言，數據資源的成本要素包括生產流程中的專屬成本、共擔成本和間接成本。其中，外購數據資源的購買價款及相關稅費，數據資源的認定、評估、登記、管理等發生的成本，數據資源的特定加工成本，包括數據脫敏、標記、分析、整合和輸出等的費用屬于專屬成本；在業務數據被存放到不同數據庫的過程中，也進行了數據資源的儲存活動，對同一客戶信息進行多維分析并形成多樣化數據產品的過程中涉及數據資源的共擔成本；數據資源全生命周期和生產流程中會發生相關的間接成本。企業應以業務需求和場景為目標，將數據收集、數據挖掘、數據分析和數據展示等服務計算活動所發生的支出歸集成為數據資源成本，基于目標分攤對象，確定分攤范圍，選擇合適的成本分攤動因。

企業運用數據資源的業務模式和類別歸屬問題是確認數據資產的重要內容?！稌盒幸幎ā犯鶕斍皩嵺`中企業運用數據資源的常見業務模式對數據資源依據《企業會計準則——無形資產》《企業會計準則——存貨》進行確認。第一種業務模式，綜合利用數據資源與其他資源協同作用，支持企業的生產管理等運營活動，以此達到優化資源配置效率和降低成本的目標。從會計上看，企業將此類數據資源用于內部用途，基于其非實物性，符合無形資產定義和確認條件時應當作為無形資產予以確認。第二種業務模式，企業利用數據資源向其他主體提供服務，擴大業務范圍或增強客戶服務體驗。從會計上看，供給方憑借所持有的數據資源對其客戶（需求方）提供服務并獲得相應收入，其所利用的數據資源在符合資產確認條件時通常作為無形資產核算，但如果供給方所利用的數據資源不符合資產確認條件，雖不能確認為資產，但其價值也在獲取服務收入中得到體現，發生的相關支出應作為服務成本進行會計核算。第三種業務模式，企業直接進行數據的交易，包括原始數據和經過一定程度加工的數據。從會計上看，如果企業持有相關數據資源的最終目的是對外出售，且屬于企業的日常活動，符合存貨的定義和確認條件時，企業應該作為存貨予以確認，如果企業相關數據資源的控制權并非完全轉移，則需要謹慎判斷屬于對外出售還是授權服務。

關于數據資源的類別歸屬問題，當前文獻認為在核算體系得到完善之前可以使用附加核算的方式對數據資源進行賬務處理，但這種處理方式并未充分考量數據資源權屬的特殊性，簡單采用已有的會計準則可能導致會計信息的失真和財務記錄的混亂。因此，有效解決企業數據資源的會計確認問題，既要考慮數據資源的獨特屬性及其對會計核算原則的影響，又要創新資產負債表的會計理論，助力數字經濟更好更快發展。

綜上所述，針對《暫行規定》范圍內的數據資源，我們認為只要數據資源的權屬是清晰的，包括數據資源的持有權、數據加工使用權和數據產品經營權，企業也具備管理這些數據資源的能力，并且這些數據資源符合資產定義且滿足資產確認條件即可確認為數據資源無形資產或數據資源存貨，要求把其計入資產負債表并進行披露。而符合資產定義但尚不滿足資產確認條件的數據資源，雖然暫時不能計入資產負債表，但應當按照收入準則等規定確認相關收入或成本，并披露其研究及開發過程中的支出金額。

數據資源計量5

現有文獻關于確認為數據資產的數據資源計量方面的研究可以分為三個方面：總體思路、初始計量和后續計量。

（一）數據資源計量的總體思路

關于數據資源的計量問題，總體思路主要包括以下幾種觀點：一是認為我國當前的數據資源交易體系尚不完善，數據資源的價值與具體的商業模式和應用場景密切相關。由于不同的商業模式和應用場景會產生不同的價值，因此公允價值和現值等計量方法并不適用于數據資源，建議采用歷史成本進行計量。二是認為既然數據資源的價值波動性大，理應采用公允價值計量模式，至于公允價值涉及的技術問題早晚會隨著我國各大數據交易平臺的構建而得到妥善解決，且在公開交易市場獲得的數據資源更容易獲得公開報價。三是認為目前大部分企業的數據資源多為自主研發內部使用的情況，其價值主要體現在可預見的未來用于企業內部降本增效所帶來的經濟收益上，采用收益現值法對其進行計量比較合理。四是認為企業可根據不同情況采用混合計量模式，比如“歷史成本+公允價值”或者“歷史成本+現值”，單純的歷史成本計量模式可能并不適用后續計量。

（二）數據資源的初始計量

1.數據資源初始計量屬性研究

在初始計量方面，程小可（2023）認為歷史成本仍然是主流的計量屬性。對于數據資源存貨，以歷史成本進行初始計量；對于數據資源無形資產，區分自行開發數據資源和外購數據資源，按照成本進行初始計量。此觀點符合《暫行規定》對數據資源無形資產和數據資源存貨在初始計量方面的重點指引。何越（2023）認為對于購入后可直接使用的數據資源，采用公允價值進行初始計量；對于購入后需進一步加工的數據資源，所支付的價款和稅費先計入成本，再加工產生的支出參考生產方對數據資源的會計計量入賬；對于自行加工獲得的數據資源，應根據獲取時實際發生的成本進行初始計量，包括人力成本、固定資產消耗、中間投入等。張俊瑞等（2020）認為應該區分自用型數據資源和交易型數據資源，分別按照取得成本和公允價值對其進行初始計量。

2.數據資源初始計量難點

我們認為，數據資源的初始計量需要解決的關鍵問題是成本的歸集與分攤，只有能夠用貨幣單位可靠計量成本或價值才能被確認為資產。然而，成本分攤一直是實務界的難點，單獨歸集數據成本的難點在于：首先，有的數據的產生具有伴生性，即數據是隨著業務開展逐漸累積的，并非企業為了收集數據而專門進行采集，獲取成本通常難以從原有的業務中劃分出來。其次，難以確定數據資源的投入成本可以資本化的時點。數據需要累積到一定規模才具有價值，產生價值時的量級閾值難以確定。數據資源的價值比成本更難以可靠計量，學術界和實務界對數據資源估值方法的研究仍停留在理論階段，暫未形成統一的結論。

（三）數據資源的后續計量

1.數據資源后續計量屬性研究

鑒于我國已建成大量的數據交易中心，程小可（2023）認為數據資源的后續計量可采用公允價值模式，但該計量模式也存在局限性。何越（2023）認為應該區分數據資源的業務模式和企業面臨的實際情況對數據資源進行后續計量，當外購的數據資源存在公開活躍的交易市場時，公允價值計量模式是可行的；當企業自主研發的數據資源能給企業帶來穩定的預期經濟利益流入時，采用現值法計量模式是合理的；當以上兩種計量屬性無法適用時，歷史成本是唯一的選擇。張俊瑞等（2020）認為應該區分自用型數據資源和交易型數據資源，分別通過數據資源累計攤銷和公允價值變動的方式對其進行后續計量。

2.數據資源減值和后續支出問題

數據資源的后續計量還需要考慮減值和后續支出的問題。程小可（2023）認為當數據資源在公開活躍的交易市場中價格大幅下跌，或者與該數據資源相關的業務模式和應用場景發生重大變更，均可作為減值跡象的依據，據此判定數據資源出現減值跡象。我們認為對數據資源無形資產減值跡象的判斷可以參照無形資產減值的考量，至少可從如下時機因素和虧損預期等維度進行識別，具體而言，時機因素可包括時效遞減、技術迭代、工藝轉變等情形，虧損預期可包括數據缺失、數據損毀、數據篡改等情形。對數據資源存貨應定期進行減值測試，以成本和可變性凈值孰低進行后續計量。對數據資源使用過程中發生的更新改造支出，符合數據資源資本化條件時進行資本化確認，日常維護費用等在發生時計入當期損益。

數據資源列報5

數據資源的列報可以進一步分為數據資源的列示和數據資源的信息披露，我們從這兩方面對數據資源的列報進行文獻評述和研究展望。

（一）關于數據資源的列示問題研究

企業對于符合資產定義并滿足確認條件、已確認為數據資產的數據資源，應該在資產負債表的“非流動資產”項目下增設“數據資產”項目，總括反映一定時間內數據資產的增減變動及期末持有情況。鑒于數據資產核算的諸多獨特性，應單獨設置“數據資產”一級科目對數據資產進行會計處理和信息列報，并根據數據資產的具體用途設置“數據資產——自用資產、交易資產、交易資產公允價值變動”等二級科目，提高列報的可讀性。

（二）關于數據資源的信息披露研究

現有文獻對數據資源信息披露的研究較少，當前研究認為表外披露可以作為入表列報的替代方案，可在年報“管理層討論與分析”中加以描述，或可考慮在財務報表附注中加以披露。列示和披露時應滿足三點要求，首先應專注數據資源列示與披露的原則和目標，著重披露數據資源與其他資產的差異和特殊之處；其次是將不同特性的數據資源信息進行分類分開披露；最后是采取詳略結合的方式進行披露，既不過度概況，也不過于細致。若賬面價值與計稅基礎不一致，還應披露數據資源對納稅的影響情況。為了從側面反映數據資源對企業的意義和作用，張俊瑞等（2020）認為可側重披露數據資源的技術支持情況、數據資源規模大小、數據資源相關經濟利益等方面的內容。

《暫行規定》創新地采取“強制披露加自愿披露”方式，圍繞各方的信息需求重點，一方面細化會計準則要求披露的信息；另一方面鼓勵引導企業持續加強自愿披露，向利益相關方提供更多與發揮數據資源價值有關的信息。由上海數據交易所組建專業的研究團隊編寫的《數據資產入表及估值實踐與操作指南》（以下簡稱《操作指南》），通過深入研究案例企業數字化轉型和數據產品運營的商業模式，以“戰略規劃+運營管理”的思路重新設計企業數據資源到數據資產的形成路徑，優化企業數據產品運營管理模式，深入探討數據資產入表過程中成本歸集難、攤銷年限確定難等十大關鍵性難題，并提出一些可行的處理辦法?！恫僮髦改稀穼椤稌盒幸幎ā纷栽概恫糠中纬稍敿毜呐吨敢?。企業亦可以參考《操作指南》列報與披露細則部分來推進數據資源的披露。（見圖5）

圖5　數據資源入表邏輯和路徑

資料來源：根據現有文獻手工整理。

研究結論與展望6

通過對數據資源入表的國內外文獻進行梳理，結合最新的數據資源入表政策法規規定和實務界關于數據資源入表的實踐探索，未來需要圍繞以下幾個方面的內容進行進一步強化：

第一，雖然國家戰略層面將“數據”列為生產要素，數字經濟發展迫切需要會計信息進行支撐，但現行會計準則不能反映新型無形資產的經濟特性已成事實。盡管學術界和實務界積極地進行了研究討論和實踐探索，但目前數據資源入表仍然面臨認識層面、組織層面和技術層面等多方面的問題與挑戰。

第二，數據確權方面的法律依據仍待健全，現有對數據確權的討論一般都基于“數據二十條”提出的“三權分置”。擁有數據資源持有權一般可以認為達到了會計確認中控制的判斷條件，但擁有數據加工使用權和數據產品經營權的判斷更為復雜，還需要證明其管理和支配數據具有一定的排他性，如何證明也是一個需要進行研究的課題。另外，實務中數據資源的應用場景很難明確區分，預期經濟利益的流入方式也不易判斷。

第三，目前數據資源的初始計量和后續計量主要依據《暫行規定》《數據資產評估指導意見》以及相應的成本核算制度，參照無形資產和固定資產進行減值和后續支出判斷。但數據資源的成本歸集與分攤仍然是實務界的難點之一，數據資源的價值又比成本更難以可靠計量。

第四，數據資源的披露雖然可以依據《暫行規定》和《操作指南》等文件，但實際操作時披露的程度如何把控？強制披露和自愿披露部分的定性描述的具體標準是什么？比如，對于“企業對數據資源進行評估且評估結果對企業重要的，應當披露”這一條，如何判斷評估結果重要與否，具體的參照標準是什么？這些問題同樣值得進一步深入研究。

第五，數據資源入表本質上是企業管理層的經營決策，考慮到當前相關會計處理制度對數據資源入表規定的原則性，使得管理層對該事項處理擁有較高的自由裁量權。在研究以上關于數據資源入表的現實難題的同時，應在后續研究中重點關注兩個緊密相關的問題：其一，數據資源入表的動機——入表與否、入表程度、入表質量背后體現了管理層怎樣的戰略考量或策略權衡。其二，數據資源入表的后果——不同動機下的入表決策對于企業自身財務行為、同行業或價值鏈上公司運營決策將會產生怎樣的影響；考慮到數據資源入表的融資擔保或抵押導向，后續研究亦應關注數據資源入表的金融價值實現路徑，對貨幣政策調控的潛在影響及產生的宏微觀金融風險傳導效應等相關問題。