数据资产的计量和确认问题研究

企业数据资产的计量和确认问题涉及了财务、战略、法律和监管等多个领域，企业需要了解如何衡量数据资产的价值，如何合理确认和披露数据资产，以便更好地决策、风险管理和资源配置。然而，数据资产的特殊性和复杂性使得其计量和确认存在一系列问题，如计量模式的选择不统一、确认标准的缺乏规范性、信息披露不足等问题。随着信息时代的不断演进，数据资产的重要性将愈发凸显，因此，解决数据资产的计量和确认问题将成为目前企业和相关监管机构的迫切需求。

一、数据资产概述

（一）数据资产的内涵

数据资产是新会计准则中的一个全新概念，指的是企业在经济活动中形成并由企业拥有或控制的、预期会给企业带来未来经济利益流入的、非货币性长期资产。它包括数据资产和数据相关资源。按照是否具有实物形态，数据资产可分为两大类：一类是无形资产，包括版权、专利、商标、非专利技术等；另一类是无形资产相关资源，包括商誉、品牌价值、企业形象等。由于数据资产与传统意义上的有形资产不同，因此在对其进行计量和确认时应区别对待。

（二）数据资产的分类

数据可按处理程度分为原始数据和衍生数据（如表1所示）。原始数据是直接从源头采集而来、未经处理的数据，其具有高度的客观性和真实性，但通常需要清洗和整理以去除错误和冗余的数据。衍生数据则是通过对原始数据进行处理、分析和加工而生成的，包括计算、统计、建模和汇总结果，它们提供了更高级别的信息，用于制定决策和解决问题。

数据按流转程度可分为第一方数据、第二方数据和第三方数据。第一方数据是企业自身产生、拥有和控制的数据，通常包括内部运营数据、客户数据和交易数据等，具有高度的可信度和直接性。第二方数据是企业与其他组织之间共享或交换的数据，例如合作伙伴提供的数据或共享的数据源，通常用于加强合作、提供更全面的洞察和支持决策。第三方数据是由独立数据提供商或数据经纪人收集和提供的数据，通常用于丰富和扩展组织的数据资产，包括市场调研数据、消费者行为数据和地理信息数据等。

表1数据资产的分类

（三）数据资产的特征

数据资产是现代企业中至关重要的资源，其具有一系列显著的特征，这些特征对于有效地管理和利用数据至关重要：第一，数据资产具有可加工性，这意味着它们可以被处理、分析和转化成有用的信息。这种可加工性使企业能够从数据中提取信息、识别预测未来发展趋势，以及支持战略决策制定。可加工性还意味着数据可以被不同方式处理，以满足不同业务需求，从而提高了数据的多功能性。第二，数据资产具有时效性。数据的价值随着时间的推移可能会发生变化。时效性要求企业建立快速响应的数据采集和处理机制，以确保数据的实用性和有效性。第三，数据资产具有可复制性。这意味着数据可以在企业内部共享，也可以与合作伙伴或外部利益相关者共享。共享数据有助于加强合作、提高决策质量，并创造新的商业机会。此外，数据的可复制性还有助于提高数据的安全性。第四，数据资产的价值不确定。数据的潜在价值通常取决于如何使用和解读，同一组数据对不同人或不同场景可能有不同的价值。因此，企业需要不断监测和评估数据的价值，以确保最大化其潜在价值。

综上所述，数据资产包括可加工性、时效性、可复制性和价值不确定性这几项特征，这些特征突显了数据在现代业务环境中的重要性，强调了企业有效管理和利用数据资产的必要性。

二、数据资产的价值及实现路径

（一）数据资产的价值

数据资产价值创造潜力的大小，主要取决于以下几个方面：一是，数据的质量，包括数据的准确性、完整性、及时性和完整性等；二是，数据的可用性，包括数据的数量、种类以及使用方式等；三是，数据资产的潜在应用价值，包括对原有业务和产品的改进和创新，以及对未来业务发展方向和战略定位的影响；四是，数据资产生产成本，包括管理成本、维护成本等。在实际应用过程中，不同类型的企业在不同行业领域有着不同的发展规模、不同的应用范围和不同的竞争能力。因此，当企业进行数据资产计量时，应该考虑数据资产在生产经营中发挥作用以及产生收益情况等因素，从而更好地反映其实际价值。

（二）数据资产价值的实现路径

数据资产的实现路径包括内部使用和外部使用两个重要方面：内部使用是通过数据分析等工具将数据应用于企业内部的运营、决策和创新等方面，以及提高内部流程效率、减少成本、优化资源分配，更好地满足市场和客户需求。外部使用是企业向外部合作伙伴、客户或市场提供数据产品或服务，从而创造新的商业机会，增加收入来源。这两个方面的综合运用可以帮助组织最大化数据资产的价值，同时促进创新和竞争力的提升。

三、数据资产的计量和确认方法

（一）数据资产的初始确认

与传统资产相比，数据资产的无形性使得其在初始确认时不易被区分。由于数据资产的获取需要经过企业的开发、生产和经营，其产生价值的过程也可能因企业自身发展需求而不同，因此不能简单地将其作为无形资产处理。例如，有些企业从第三方购买数据后进行加工处理，对这些处理后的数据进行分析并形成新的商业价值。这种情况下，企业应将这些数据作为无形资产处理。但是，对于企业自行收集和处理的数据，由于其不能满足外部使用者对其进行价值评价的需求，因此不能作为无形资产进行初始确认（数据资产的确认流程如图1所示）根据上述分析，数据资产的初始确认应该包括以下三个方面：一是明确数据资产的范畴；二是对其进行确认；三是确定其初始计量金额。

（二）数据资产的计量

与传统企业相比，数据资产是一个相对独特的概念。其独特之处在于其主要表现为一种无形资产，企业对其价值的计量属性应区别于传统意义上的有形资产，数据资产的计量属性可归结为：公允价值和成本。

对于公允价值，其与传统意义上的无形资产具有较大差别，不能直接套用现有无形资产的计量方法。就会计计量而言，公允价值计量只要求是“公允”，并没有明确的对象、内容、方式和时点限制。而成本则要求是“实际发生”，即有明确的对象和内容。因此，对数据资产进行公允价值计量应先将数据资产作为一项无形资产进行初始确认，然后再根据其实际使用情况进行后续计量。需要注意的是，对数据资产进行成本计量不能直接套用现有无形资产的方法。因为企业数据资产的价值来源于企业内部和外部两个方面，因此其价值应综合考虑这两个方面才能对其进行正确的评估。

（三）数据资产的后续计量和披露

对于数据资产的后续计量，由于其价值随时间流逝而不断变动，因此采用历史成本进行后续计量。但在某些情况下，比如数据资产与其他资产联合使用，或者数据资产在形成过程中需要进行大量的后续投入，且与未来经济利益流入有关，可以按照公允价值对其进行后续计量。同时，对于数据资产的披露也应根据其特征和要求进行相应的会计处理。

对于企业持有的以摊余成本计量的数据资产，企业应当按照摊余成本进行后续计量，并在其终止确认时将其差额计入当期损益。对于以公允价值计量且其变动计入其他综合收益的数据资产，企业应当在终止确认时将公允价值变动损益转入其他综合收益。同时，还应将其累计摊销额结转至其他综合收益。

（四）数据资产的减值测试和减值准备计提

在资产负债表日，企业应当对数据资产的可变现净值进行测试，以确定其是否存在减值迹象。如果数据资产的可变现净值低于其账面价值，应当计提相应的数据资产减值准备。数据资产发生减值的，应当按照《企业会计准则第8号——资产减值》的规定，在期末或在每个资产负债表日，根据数据资产的可变现净值低于其账面价值的差额，计提相应的数据资产减值准备。

企业对数据资产的减值测试和计提，一般适用于因企业合并而形成的商誉及使用寿命不确定的无形资产。由于与合并成本相关的商誉及使用寿命不确定的无形资产均不存在减值迹象，因此不需要计提减值准备。企业对与合并成本相关的商誉及使用寿命不确定的无形资产进行减值测试时，需要考虑相关市场风险、技术风险和财务风险等因素。企业可根据需要，选择其中一个或多个因素进行测试。

四、数据资产的计量和确认存在的问题

（一）计量模式的选择不统一

在现代数字化时代，数据资产在企业中的价值日益凸显出来，但在确定数据资产的价值时，存在多种不一致的计量方法和模式。一些企业可能采用市场价值模型，根据市场需求和交易价格来估算数据的价值，而其他企业可能更倾向于使用成本模型，根据数据采集和处理的成本来衡量价值。此外，还有一些企业可能采用收益模型，根据数据的潜在收益和利润来计算价值。这种不统一的计量方法导致了不同组织之间对于同一组数据资产的价值评估存在较大差异，难以建立一致的标准和可比性。同时，不同计量模式的使用也增加了财务报告的复杂性和不确定性，可能导致不准确的财务信息。此外，监管机构和审计人员也面临着难以确定数据资产价值的问题。

（二）确认标准不规范

与传统资产不同，数据资产的特性和价值更为抽象和多样化，缺乏一致的会计准则和规范，难以明确识别、度量和确认其价值。这就会导致不同企业之间存在差异巨大的确认方法和标准，不仅增加了数据资产的价值不确定性，也增加了审计和合规性方面的挑战。此外，数据资产可能包括结构化数据、非结构化数据、实时数据等多种类型，这使得制定通用的确认标准更加困难。

（三）信息披露不充分

有些企业的财务报告和披露未能足够全面地反映数据资产的价值，这导致了投资者、利益相关方和监管机构难以获得有关数据资产的全面信息，无法充分了解企业的风险和潜力。此外，由于数据的披露不够透明，企业可能会在数据管理和利用方面存在问题，但这些问题可能难以被发现和解决，从而增加了潜在的风险。

五、数据资产的计量和确认的优化策略

（一）制定统一的计量模式

解决数据资产计量模式选择不统一的问题需要采取一系列综合性措施：首先，监管机构需要建立明确的行业标准和指导方针，以规范数据资产的计量方法。这些标准应考虑不同数据类型和用途，充分反映数据资产的多样性。其次，企业内部需要制定明确的数据资产管理政策，包括计量方法的选择和执行，以确保一致性和透明度。再次，财务人员的培训也是关键的一项工作，以确保财务人员理解和遵守新的计量标准。监管机构也积极助力企业推动这一进程，确保其计量模式符合相关规定，从而提高跨组织和行业之间数据资产价值的可比性和准确性。最后，企业需要综合应用新技术，例如区块链技术可以提供更透明、不可篡改的数据记录，从而增强数据资产的可信度和可量化性。综合而言，通过标准化、教育、监管和新技术的综合应用，可以逐步解决数据资产计量模式选择不统一的问题，从而更好地管理和利用数据资源。

（二）建立规范的确认标准

要解决数据资产确认标准不规范的问题，作为企业，需要建立更全面和具体的数据资产确认准则，考虑不同数据类型的独特特征和价值，明确其在企业运营和财务报告中的作用。同时，在企业内部也需要建立明确的数据资产管理流程，包括审查和确认程序，以确保符合相关标准和准则。另外，作为监管机构，应该鼓励跨行业和跨国的标准化机构、监管机构和专业组织合作，制定统一的数据资产确认标准，以确保一致性和可比性。

（三）提升信息披露的透明度

在信息披露方面，首先，监管机构应制定更全面和透明的信息披露标准，明确数据资产的价值、质量、来源、用途、法律合规性等关键信息，并将其纳入财务报告和企业披露中。其次，监管机构应推动企业建立完善的数据资产管理体系，包括数据资产清单、治理政策和风险评估，以提高数据披露的可靠性和完整性。再次，监管机构应加强监督和合规检查，确保企业遵守披露要求，促进信息的准确性和透明度。同时，加强对利益相关方的教育，使其更好地理解数据资产的价值和影响，促进信息披露的有效性。最终，利用技术手段如区块链来提高数据的可信度和不可篡改性，进一步增强信息披露的可靠性。这些综合措施将有助于提高数据资产信息披露的质量和广度，从而更好地支持投资者和利益相关方的决策，促进数字经济的可持续发展。

六、结语

  随着信息技术的不断演进，数据资产将继续成为企业的核心资源之一。因此，解决数据资产的计量和确认问题不仅是一项当务之急，也是企业未来实现长期发展的必做事项之一。因此，监管结构和企业需共同努力，通过采取制定统一的计量模式、建立规范的确认标准、提升信息披露的透明度等一系列优化策略，可以在帮助企业更好地管理和利用数据资产，提高其在市场竞争中的竞争力，实现长期健康发展。