1. 引言
数据资产概念起源于20世纪70年代，最初指债券等资产。随着时间推移，数据资产的定义和范围不断扩展。2009年，托尼·费希尔强调企业应将数据视为资产，国际数据管理协会(DAMA)也提倡数据应作为重要的资产予以管理[1]。数据资产作为数字经济的驱动力，其价值不断被挖掘，推动其作为资产入表成为必然趋势。
数据资产入表是指将数据资产作为一种新型的资产类型纳入企业的资产负债表，使其在财务报表中得到正式确认和计量，从而反映数据资产的价值、状态和变动情况，这标志着数据资产从无形资产中独立出来，数据资产成为企业财务管理体系中的重要组成部分，为企业投资决策、风险管理、绩效考核等提供更为准确的财务信息。这不仅是对企业财务报表体系的创新和完善，也是对企业数据资产管理能力的一次提升，它要求企业在识别、计量、记录和报告数据资产时，遵循一定的会计准则和标准，确保数据资产的价值得到真实、公允的反映，这一过程促使企业在日常运营中更加注重数据资产的开发、保护和利用，进而推动企业在数字经济时代下实现资产结构的优化和业务模式的创新。
我国财政部在2023年8月发布了《企业数据资源相关会计处理暂行规定》[2]，并于2024年1月1日实施，该文件为企业数据资产入表提供了政策支持。我国资产评估协会于2023年10月1日实施《数据资产评估指导意见》[3]，为数据资产评估提供标准。目前，我国正将数据从资源转变为资产，其在金融、交通、医疗等行业的应用日益广泛，显示出巨大潜力。数据资产入表在我国得到蓬勃发展，极大地提升了企业的市场竞争力，优化了资源配置效率。多个地方政府如北京、上海、河南、贵州也在推动相关政策和管理机制的建立，已有多家公司尝试将数据资产纳入财务报表。例如，贵安新区贵州勘设生态环境科技有限公司将其AI模型作为数据资产入表，并在贵阳大数据交易所上市，成为贵州省首家数据资产入表的企业。
但与国外的发展相比，我国数据资产入表仍处于探索阶段，在国际层面，发达国家如美国和欧洲的一些国家已经在数据资产入表方面取得了实质性进展。国际会计准则理事会(IASB)和美国财务会计准则委员会(FASB)已经开始探讨数据资产的会计处理问题，并提出了相关准则和指导。相比之下，我国的数据资产入表研究起步较晚，我国电信、阿里巴巴等企业已经开始尝试在年报中披露数据资产的相关信息，但具体到数据资产的确认、计量和披露标准，我国仍缺乏统一的会计准则。
这些差异表明，尽管国内外在数据资产入表的认识和实践上已达成共识，但我国在数据资产的价值评估、会计处理和披露的具体操作上还有待进一步发展，制定出符合国情的具体标准和规范，以促进数据资产在国内企业中的有效管理和利用。为此，本文将结合会计实践进行总结，分析其带来的优势和面临的挑战，并提出相应的改进对策。
2. 数据资产入表的企业实践
以下以烟台蓝天投资发展集团旗下的烟台大数据发展集团为例，对企业数据资产入表的实践进行初步考察。
2.1. 数据资产的识别与评估
烟台大数据发展集团将数据资产定义为公司在正常运营中合法获取、控制并预期能够带来经济利益流入的数据资源，包括客户数据库、市场分析报告、用户行为日志等。由于数据资产具有特殊属性，无法直接确定其具体价值。因此，首先估算出企业的总体价值，随后从中解析出数据资产的具体价值[4]。公司首先编制数据资源清单，进行合法性与权属审查，确保数据来源合法且权属清晰。随后，根据数据的特性和用途进行分类，并对每项数据资产进行经济利益评估和成本价值计量，以确认其是否满足企业会计准则的资产确认条件。确认后的数据资产将纳入资产负债表，并在财务报告中进行透明披露，同时公司确保整个数据资产管理流程符合相关法律法规，并建立内部控制机制以维护数据资产的安全性和合规性。通过这一系列连贯的步骤，烟台大数据发展集团能够确保数据资产得到妥善的识别、评估和会计处理，充分发挥其在企业价值创造中的作用。
烟台大数据发展集团成立了烟台市数据资产登记评价中心，进一步简化了数据资产入表流程，提高了入表的效率，之后将建立统一的登记规则体系，提供专业服务，确保企业数据资产登记的标准化和与国家平台的互联互通，并将探索数据资产评估生态体系，推动数据资产的开发利用。
2.2. 数据资产的后续计量与披露
烟台大数据发展集团采对外购和内部生成的数据资产进行定期的摊销和减值测试，确保数据资产的账面价值与其为公司带来的经济利益相匹配。摊销过程中，烟台大数据发展集团根据数据资产的预期使用寿命和效益模式，采用适当的折旧方法，合理分摊数据资产的成本，并定期对数据资产进行减值迹象的评估，特别是在外部市场条件或内部使用情况发生变化时，通过计算数据资产的可回收金额和账面价值的差异，确定是否需要计提减值准备。
在财务报告中对数据资产进行了全面、透明的披露，遵循了相关会计准则和法规要求，确保投资者和其他利益相关者能够充分理解公司数据资产的价值和相关风险。公司在资产负债表中明确列出了数据资产的账面价值，并在附注中详细披露了数据资产的分类、评估方法、摊销政策、减值测试过程以及任何可能影响数据资产价值的假设和估计，提供数据资产的运营模式、对业务的贡献、法律和合规状况以及数据安全和隐私保护措施等关键信息，展现了公司对数据资产重要性的认识和对数据资产综合管理的承诺。
3. 数据资产入表的优势及面临的挑战
3.1. 数据资产入表的优势
数据资产入表涉及将数据从传统的信息处理对象转变为具有明确经济价值的财务资产。这一过程包括将数据资产作为一项新的会计科目纳入企业的资产负债表，这不仅是对数据资产经济属性的正式承认，也是对企业财务管理体系的一次重大创新。数据资产入表意味着企业开始将数据视为一种可以量化、评估和管理的有形或无形资产，它要求企业在会计处理上对数据资产进行合理的确认、计量、记录和报告，以反映数据资产的真实价值和对企业收益的贡献。其优势突出体现在以下两个方面。
第一，数据资产入表提升了企业财务报告的透明度和准确性，数据资产的价值得以在资产负债表中得到体现，为投资者、债权人等利益相关者提供了更加全面和真实的财务信息，有助于他们做出更为明智的决策和降低企业的融资成本。数据资产入表提高了财务的透明度，增强投资者、债权人等利益相关者对企业价值的认识，维护了投资者的信任，降低因信息不对称导致的风险。数据资产入表是企业数字化转型的关键一步，增加了企业的资产项和扩大了资产规模，真实反映了企业的资产价值，使得企业能够更准确地展现其市场价值，增强投资者和其他利益相关者对企业价值的认识，为企业提供了更优惠的融资条件，降低了融资成本。
第二，数据资产入表通过激励企业更加科学地利用数据资产，推动业务创新和持续增长，从而在数字经济时代占据竞争优势。数据资产入表帮助企业更好地管理和优化资源配置，通过量化数据资产，企业可以更有效地评估和利用这些资产，推动数据驱动的业务模式和创新，增强企业的核心竞争力。数据资产入表还促进了企业内部管理的精细化，提高了数据治理水平，降低了数据风险，同时为企业的战略规划和长期发展提供了有力的支持。数据资产入表为企业带来了财务管理、资源配置、市场竞争力和内部治理等多方面的积极影响，是企业在数字化转型过程中不可或缺的一环。在支持数据资产入表的转型方面，在数据资产入表的环节中通过挖掘和利用数据资源的内在价值，企业能够提高对数据资产重要性的认识，激发数据市场供需双方的积极性，增强数据流通的意愿，这推动了数据服务业在数据采集、清洗、标注、评估等环节的全面发展，还提高了数据质量，确保了数据的准确性和可靠性，为企业在数据驱动的行业中获得差异化的竞争优势。
3.2. 数据资产入表面临的挑战
虽然我国在探索数据资产入表的进程中有了不少成果，但从总体来看，数据资产入表在我国仍然处于起步阶段，依然面临着许多挑战。
第一，数据资产的确权存在困难。实务界人士认为，尽管备受关注的数据要素市场有望被真正激活，但企业在数据资源入表过程中仍然面临确认数据资源符合入表条件难、研发过程资本化费用化确定难、数据资产入表组织协调难等客观存在的问题。其一，确认数据资源符合入表的条件难，数据资产入表首先需要满足资产的定义，即为企业拥有或控制、预期会给企业带来经济利益的资源。但这一定义在实际操作中可能面临挑战，尤其是当数据资源的经济利益难以直接量化或预测时，而且纯粹的技术数据、个人信息数据等可能不具备经济利益或可交易性，因此不符合入表条件。其二，确认数据研发过程中资本化费用化存在问题，数据资产入表确认其资产化或费用化时的主要难点在于数据资产本身价值的难以直接量化，以及其带来的未来经济利益的不确定性。由于数据资产的获取、处理和应用过程复杂且涉及多个环节，很难准确划分每个阶段的成本和收益，这给资产化和费用化的确认带来了极大挑战。其三，数据资产入表组织协调难，这属于数据资产的权属问题，因为数据不是一个简单的资产，它涉及到多个权利主体和利益关系。数据资产相关的风险和报酬需要已经转移至企业，即企业已取得数据资产的所有权或控制权，但在数据资产的权属问题上，往往存在多个主体，如数据提供者、数据处理者、数据使用者等，这些主体之间的权益关系错综复杂，各个组织之间协调困难。数据确权需要考虑技术、方法和法律问题，而当前法律框架和规则尚未完善，增加了数据资产确权的难度。
第二，数据资产的计量同样存在问题。价值风险是指数据资产在市场中，数据匹配性和效用性等方面带来的价值不确定的风险。数据平台是组织从获取数据资产的重要来源，但从平台获取的数据资产价值是不可直接预估的，这可能造成价值不匹配现象[5]。数据资产的价值还随着时间和业务环境的变化而不断变化，随着技术的进步和业务的发展，数据资产的利用方式和价值可能会发生变化，这使得对其价值的计量变得更为复杂。此外，数据资产的获取、处理和应用过程也涉及多个环节和多个利益相关者，如数据的采集、存储、分析、利用和保护等，每个环节都可能产生成本，而这些成本在数据资产的计量中需要被考虑进去，但是由于这些成本的性质和来源复杂多样，很难进行准确的计量和分摊。
第三，数据资产入表会使企业面临更大的商业机密泄露的风险。数据资产中往往包含了企业最为敏感和核心的商业信息，在会计信息披露的过程中，为了满足投资者、监管机构和其他利益相关者的信息需求，企业需要公开一部分与财务数据、经营成果和未来发展相关的数据资产信息，但这些信息的公开可能会暴露企业的市场策略、客户数据、供应商信息等商业秘密，一旦被竞争对手或其他不良分子获取，将会给企业带来巨大的经济损失和声誉风险。
企业在强制或自愿披露数据资产会计信息时，涉及数据资产来源途径、处理方法、交易情况、权利限制等内容[6]。对于这些机密的内容，企业担心数据可能面临泄露的风险，所以保持观望的态度。以某家社交媒体公司的数据资产为例，假设这家社交媒体公司拥有数亿用户的交互数据，包括用户发布的帖子、评论、点赞、分享以及个人资料等信息。这些数据资产潜在价值巨大，但因为数据的多维性和实时性。要计量它们的价值困难重重。公司所掌握的海量用户交互数据，如帖子、评论、点赞等，不仅包含多种格式，而且每时每刻都在更新，使得数据的价值难以用静态的指标来衡量，而且用户数据的隐私性要求公司在收集和使用数据时必须严格遵守相关法规，这进一步限制了数据的量化和利用。数据资产的商业价值转化同样充满挑战，将数据转化为实际收益的过程涉及广告效果、用户反馈等多种变量，这些因素的不确定性增加了评估的难度。数据的收集、存储、处理和分析都需要投入大量成本，而这些成本与数据带来的收益之间并非总是直接相关，使得成本效益分析变得复杂。数据资产的计量还涉及到公司内部多个部门以及外部合作伙伴和广告商等多方利益相关者，他们对数据价值的理解和需求各不相同，这增加了计量过程中的协调难度。若公司新推出某社交媒体功能，公司需要评估这一功能对用户数据资产价值的影响。这不仅要考虑新功能如何影响用户参与度和数据量的增减，还要考虑隐私政策的合规性、技术实现的成本以及商业模型的调整。所有因素相互交织，使得评估新功能对数据资产价值的影响变得极其复杂。
4. 数据资产管理优化建议
针对以上分析，数据资产入表可能会给企业带来确权难、量化难、有泄密风险等问题，下面将根据这些可能的风险点相应地提出对策建议。
4.1. 简化数据要素的复杂性
在数据资产权属方面，企业应遵循中共中央国务院发布的“数据二十条”，依据其数据产权制度探索数据产权结构性分置，明确数据的资源持有权、加工使用权以及产品经营权，从而平衡产权归属和数据产业发展。在数据标准建设方面，企业应当参照国家标准，结合自身业务需求，制定一套统一数据格式，规范数据结构以及制定清晰的数据命名规则的数据标准和规范体系，从而简化数据交换和迁移过程，提高数据的组织性和可访问性。企业也应确立数据质量标准，通过元数据管理记录数据的详细信息，在企业内部推广数据标准化的意识和流程，完善数据资产确认制度准则，增加企业高质量的数据供给。数据资产质量是影响数据资产化过渡到数据资本化、货币化、证券化的重要因素[7]，企业能够提高数据处理的效率，能为大数据分析和挖掘提供便利，标准化的做法确保了数据的一致性和准确性，促使数据在不同部门和系统之间流通更加顺畅，减少了转换和整合的成本。
4.2. 完善数据分类与评估
对于数据资产量化困难的问题，企业首先应该明确拥有的数据资产种类和范围，建立详细的数据资产目录，根据数据的类型、使用频率、对业务的影响等对数据进行分类，再结合成本法、市场法、收益法等多种评估模型，从不同角度对数据资产进行量化并运用统计分析、机器学习等数据科学方法，预测数据资产的潜在价值。若要更直观地判断数据资产的价值，还可以开发与业务相关的数据资产价值指标，如数据驱动的收入增长率、客户保留率等。除此之外，企业还应该培养和引进专业的数据管理和评估团队，行业内的数据资产评估标准和成功案例，吸取经验以开发出适用于自己的一套量化标准与方法体系。
4.3. 加强数据安全和质量的管理
对于商业机密泄露的问题，企业应当制定和实施有效的数据安全策略和控制措施，例如访问控制、身份验证、数据加密和持续监控等关键措施，以降低数据安全风险，防止数据遭受未授权访问和其他安全威胁，并应定期监测和评估数据质量指标，及时发现和解决数据质量问题，确保数据的准确性和完整性，构建系统化的数据治理架构及流程，对潜在的数据风险进行评估和管理。这种框架和流程有助于企业提前对风险识别、评估，并制定相应的策略来应对，确保数据安全和合规性。通过这种方式，企业能够更好地控制数据风险，保障数据资产的价值得到最大化的发挥。
基金项目
2024年北京市大学生创新创业训练计划项目“数据资产入表及其对企业的影响研究”。