1. 数据资产会计核算现状
1.1. 数据资产会计核算的制度背景
数据资产作为一种新型生产要素，在经济社会数字化转型过程中正发挥着日益关键的作用。随着科技的快速发展与信息化水平的不断提高，数据规模急剧增长，其潜在的经济价值与社会价值也逐渐被人们所知悉。随着我国经济的快速发展，数据资源的有效管理，已成为推动创新、提高生产效率、优化资源配置的重要动力。数据资产在丰富信息资源的同时，也凭借其广阔的应用前景，成为促进经济提质增效、提高创新能力和增强竞争力的关键因素，在构建新发展格局和实施高质量发展战略中有着举足轻重的地位。
为了适应这一发展趋势，我国在数据资产管理方面进行了积极的变革与发展，发展趋势较好。在政策层面，我国资产评估协会在财政部的指导下出台了《数据资产评估指导意见》这一文件，同时，国家数据局的成立标志着优化数据管理机构和职责体系的重大改革。财政部发布的《关于加强数据资产管理的指导意见》为数据资产的规范管理提供了政策依据，这一系列相关政策文件的出台为数据资产管理筑牢了根基，并借助数据资产的合规管理和高效使用进一步深化数据要素市场改革，为数字经济迈向高质量发展阶段提供了关键支撑。
2023年8月，财政部出台了《企业数据资源相关会计处理暂行规定》。这份文件对纳入无形资产或存货范畴的数据资源，明确了其确认范围和会计处理所适用的原则，第一次提出了数据资产需要核算并纳入财务报表的理念。不过，该《暂行规定》只说明了数据资源的会计处理方法依旧要遵循现有的企业会计准则体系，并没有全面解决数据入表的问题。因此，我们有必要分析数字经济未来的发展方向，关注国际上在数据资产会计准则方面存在的争议，尤其是要更深入地研究与数据资产会计准则相关的各类问题。
1.2. 数据资产的定义及特征
1.2.1. 数据资产的定义
根据《企业会计准则》的规定，所谓资产，指的是企业以往发生的交易或事项所产生的，由企业拥有或控制，并且能给企业带来经济效益的资源。在此基础上，逐渐提出了一种新的概念，即数据资产。诸多学者对数据资产的概念及特征进行了界定和研究。早在20世纪90年代，西方就出现了对数据资产概念的界定，相关学者提出可以通过数据挖掘得到数据中有价值的信息，从而形成数据资产[1]。而我国学者对数据资产的研究相对较晚，唐莉和李省思(2017)将数据资产定义为“企业拥有或控制，且能够为企业带来经济利益的数据资源”[2]。孙永尧和杨家钰(2022)则提出，数据之所以能够成为资产核心在于其具备实际效用，具体来说就是能满足企业的经营需求，为企业实现未来的经营目标提供支持，同时还能够为企业带来经济利益[3]。通过阅读、梳理相关文献可知，绝大多数学者对数据资产的定义与上述学者观点类似。因此，在本文中数据资产被界定为：企业通过合法途径拥有或控制的，由过去的交易或事项形成的，能够进行计量的，预计能为组织带来经济价值和社会价值的数据资源。
1.2.2. 数据资产的特征
数据资产的特征可概括为以下四点，一为可复制性，它有别于有形的财产，因为它依附在电脑或者其它科技上，所以它可以不受损失地进行拷贝与扩散[4]。二为不确定性，其主要体现在权属不确定和价值不确定两个核心方面。数据资产可以被重复销售、多次使用，市场中可能出现多个主体同时持有或使用同一数据资产的情况，这将使得其权属关系和对应收益难以清晰界定。数据资产的价值也并非固定不变，而是会随应用场景和商业模式的变化而产生显著差异。在不同的业务场景或商业模式下，所能创造的经济价值可能存在极大差异。这种价值的动态波动性，是数据资产区别于传统资产的最显著特征。三为非实体性，数据资产的非实体性是指数据资产与物理形态的资产不同，它不具有物质形态，而是以电子形式存在的一种无形资产。并且数据资产不会因为使用频率的增加而减损其价值。四为时效性，数据资产的时效性是指数据资产在一定时间内保持其价值和可用性的特性，具有一定的时间敏感性，不过大部分的数据资产价值与时效性呈正向关系，这一特性对于数据资产的价值和应用至关重要，因为数据的价值往往与其能够提供的最新信息密切相关[5]。
1.3. 数据资产的会计确认和计量研究现状
1.3.1. 数据资产的会计确认
当前，数据资产的会计确认主要面临两大难题，一是识别困难，难以准确界定数据资产的范围和属性；二是确认标准不统一，导致在实际操作中缺乏一致的规范和依据。学术界关于数据资产的确认方式以及科目设置的研究尚未形成统一的结论，但目前主要存在两种观点。(1) 第一种观点认为，数据资产和实物资产相比，通常以电子载体为依托进行存储，虽然没有实物形态但具有非货币形态，类似于无形资产，因此，数据资产的核算应参照无形资产来进行[6]。有的学者认为，数据资产是一种特殊的无形资产，是对无形资产范围的补充，因此主张将数据资产列为无形资产的二级科目进行核算。(2) 第二种观点则认为，数据资产虽然与无形资产在一定特征上具有相似性，但其本身具有独特属性，与无形资产并不完全一样，且有些数据资产还符合有形资产的特征。因此，根据会计信息质量要求中的重要性原则，应将数据资产设置单独的一级科目进行核算和列示，还应根据不同需求在“数据资产”科目下设置相应二级科目进行核算[7]。王世杰等(2023)提出数据资源在应用场景和特征方面与无形资产存在许多差异，不应将数据资产归入无形资产范畴，而应该单独设置“数据资产”科目[8]。罗玫等(2023)也认为企业数据价值具有很强时效性，其价值与时间关联紧密，会随着时间的推移快速贬值或增值。她们也建议单独设置“数据资产”科目进行会计确认[9]。此外，并非所有的数据资源都可以成为数据资产，但为了保证会计信息的真实性和完整性，黄世忠(2020)提出满足资产确认条件的数据资源以“数据资产”入表核算，不满足确认条件或者不确定的数据资源在表外进行披露[10]。
1.3.2. 数据资产的会计计量
会计计量是以货币为单位对数据资产进行量化的过程。常见计量方法有历史成本法、重置成本法、收益现值法和公允价值法。然而，由于数据资产的特殊性，它的计量存在较大的难度和不确定性。因此，张雪(2022)认为，应该将数据资产进行分类，针对不同的情况采用不同的计量模式进行初始计量和后续处理[11]。
(1) 数据资产的初始计量
按照数据资产取得方式的不同，可将其划分为内生型数据资产和外源型数据资产两种。其中，内生型数据资产是指企业在日常经营活动中自发形成的。外源型数据资产则是企业从外部获取的，它的来源不依赖企业内部的业务活动。以上两类数据资产可以采用历史(实际)成本法进行计量。此方法以实际发生的交易或支出为计量依据，数据来源和计量结果更可靠。但数据资产的价值易受市场供需、技术升级等因素影响，历史成本法计量难以体现后续价值波动，可能导致实际价值与账面价值不符。
还有学者根据数据资产取得后的用途进行分类计量，张俊瑞(2020)将数据分为自用型数据和交易型数据[12]。自用型数据主要为企业内部经营活动服务，其价值更多体现在辅助企业创造间接收益，因此，历史成本法更适合此类数据的计量。交易型数据以对外交易为主要目的，其价值与市场供需、应用场景紧密相关，需要体现可交易性与市场公允性，因此，这类数据的计量采用公允价值法。采用公允价值法进行计量需要优先参考活跃市场中相同或类似资产的价格，然而，同类数据资产的交易价格难以获取，而数据的内容与技术又都具有高度的机密性，使得企业难以进行差异化调整，且我国数据交易市场仍处于初级阶段，因此该方法也存在一定局限性。
(2) 数据资产的后续计量
数据资产随后发生的开支大致可划分为两类：第一类是为了保持数据资产的现有状态和基本使用价值而发生的，可称为维持性支出。第二类是指为提高数据资产的质量、增加其经济价值而产生的支出，可称为增值性支出。在会计核算中，要根据会计科目的性质，对会计科目进行分类，并将会计科目中发生的各项支出予以费用化或资本化处理。
为维持数据资产的现有状态和基础效用而发生的必要支出。企业建立起以大数据为核心的数据资产体系后，就需要不断地对其进行数据存储、内容更新与系统维护。若无法进行持续地更新，随着时间的推移其价值可能无法发挥作用。只有通过更新，才能使数据资产适应不断变化的市场环境，数据资产的价值才能得以长期保持。这些支出，包括对数据进行日常备份、存储管理、更新维护等，由于这些支出仅能维持数据资产的现有价值，并不会带来额外的经济利益，所以应当将此类支出进行费用化处理，在发生时直接计入当期损益。
为提高数据资产质量、增加其经济价值而产生的支出。随着数据资产市场的持续探索和拓展，企业借助数据挖掘技术的更新迭代、新应用场景的挖掘等，能够大幅提升数据资产的价值。通过不断改进和创新数据资产，这实际上对数据资产的自身价值以及公司未来的现金流量都产生了重大影响。这类支出能够使数据资产在原有基础上实现价值增值或功能升级，所以，此类支出属于“增值性支出”，对其进行资本化处理。
1.3.3. 数据资产的摊销或减值
数据的价值会随时间、随市场情况而变动，所以其价值波动幅度较大，如果市场环境发生了巨大变动，就有可能完全丧失其价值。因此，在使用数据资产过程中，要对数据本身的使用价值和市场价值进行动态分析，对数据资产账面价值进行适时的评估和调整，确保在财务报告中能真正体现出数据资产的真实价值，从而为企业管理者和外部投资者提供参考。对具有一定使用年限的数据资产，应在其生命周期内分期摊销。数据资产使用年限是多种因素共同作用的结果，若无法可靠估计其使用寿命，则不能进行摊销，企业应该在其使用过程中定期进行减值测试，并对其进行合理确认[13]。
2. 案例分析：数据资产会计核算问题分析
2.1. 数据资产处理的重点难点分析
(1) 数据资产的确认和计量难度大
数据资产因其特殊属性，在会计确认和计量方面面临较大挑战。在确认环节，公司日常经营活动中自然形成积累的数据资产，由于缺乏可量化的获取成本，不符合资产确认的基本要求，所以无法作为资产入账。因此，在资产负债表日，其资产数额将偏低，不利于完整真实地反映企业的财务状况，在一定程度上制约了企业融资和投资活动。此外，当前数据要素市场仍处于培育发展阶段，机制还不完善，交易平台中的数据量较少，受市场环境的局限性影响，在确定其可变现净值和可收回金额时，缺乏足够可比的同类数据资产的市场价格，增加数据资产价值评估的不确定性。
在数据资产计量过程中，需重点考虑数据资产的非实体性、价值不稳定性和时间敏感性等特殊属性。具体而言：一是非实体性带来的识别难和确权难，与传统实物资产不同，数据资产不具备实物形态，这种非实体化特征为权属界定和价值评估带来显著挑战。二是时效性带来的价值贬值，数据资产的价值可能因技术升级或市场变化而快速衰减，因此需要将时效性分析纳入经济寿命的评估中。这些特性共同构成了数据资产区别于传统资产的显著差异，要求采用与之相匹配的评估方法和管理机制。
(2) 入表后审计证据难以获取，审计风险较高
审计人员对数据资产进行审计时，必须获取足够且准确的审计证据，以帮助其进行专业判断。然而，数据资产的特殊性为审计证据的搜集工作带来了挑战，主要体现在以下方面：首先是审计证据的可得性障碍。由于数据资产的无形性和复杂性，审计人员往往难以获取能够验证其价值和存在性的直接证据。特别是在公允价值评估环节，普遍存在访问限制等问题，导致估值依据获取受限。此外，审计过程中所依据的企业内部数据也存在可靠性问题，如在数据处理过程中存在人为干预、因权限管理疏漏导致数据异常等，这些因素也制约了审计证据的准确性和完整性，难以满足审计要求。
其次，数据资产的审计风险较传统资产更为明显。一方面，数据资产在价值确认上与应用场景、时效性等因素紧密关联，又与数据质量和潜在收益紧密相关，这些要素的评估具有较强的主观性，在审计中难以找到精准的检验依据。如果审计人员未能选用恰当的计量方法或未能充分考虑这些特性，就有可能导致审计结果出现偏差。另一方面，作为一种新型业务，数据资产入表对企业的数字化建设有着更高的要求，但也面临许多实际操作难题，这些因素都增加了审计风险，使得会计师事务所在企业数据资产入表初期的专业指导作用显得尤为关键。
2.2. 案例设计基本内容
2.2.1. 案例公司基本情况
L科技股份有限公司成立于2005年，是中国训练数据服务行业的先行者，于2021年在上海证券交易所挂牌上市。该公司依托自主研发的一体化数据处理平台，构建了涵盖多个软件运营服务的AI核心领域。L公司的盈利模式主要有以下三种。第一种为定制化服务：企业根据客户特定需求打造符合其业务场景的训练数据集。在这种模式下，企业仅能获得相应的服务费用，数据所有权及知识产权归客户所有，而且按照约定，不能将这些数据再次转售给其他客户。第二种为标准化产品：企业自主研发出拥有独立知识产权的标准化训练数据集产品，通过向客户授予使用权限的方式获取资产使用权租金收入。此类产品可多次授权给不同客户使用，从而实现持续稳定的收益。第三种为衍生应用服务：凭借自身积累的数据资源，企业为客户提供一些列增值服务。在这种模式下，企业的收入来源较为多元化，不仅包括资产使用权转让收入和技术服务收入，还包含少量配套硬件的销售收入。
2.2.2. 案例公司数据资产的会计处理
(1) 数据定制产品
由于数据定制产品是根据客户的需求而开发，通常都会签订销售合同。因此，此类产品的核算参照存货的会计处理方式。
在原材料采购环节，将购买价款和相关税费纳入采购成本，应当借记“原材料”科目。进入数据加工阶段，所产生的直接人工费用、制造费用等支出，应当计入数据产品的“生产成本”。当数据产品完成生产后，需将其从“生产成本”账户结转至“库存商品”账户。而在销售数据产品时，要确认销售收入计入“主营业务收入”科目，同时结转相应的销售成本计入“主营业务成本”科目。
为履行销售合同或劳务合同而持有的存货，其可变现净值应以合同价格为计算基准。资产负债表日，存货需要将成本与可变现净值进行比较，若存货成本高于可变现净值，存货按可变现净值计价，表明存货可能发生损失，就应当计提存货跌价准备，计入当期损益，已经计提存货跌价准备的在减值因素消失时可以转回。
(2) 标准化产品
公司自主研发的数据集产品，属于研发活动，这类产品的核算参照无形资产的会计处理方式。依据企业会计准则的相关规定，研发活动产生的支出需要划分为研究阶段支出与开发阶段支出。
首先，在产品研究阶段发生的各项支出，计入“研发支出–费用化支出”，期末时将研发支出结转至管理费用。其次，产品开发阶段发生的支出，若符合费用化条件，会计处理与研究阶段一致；若符合资本化条件，则计入“研发支出–资本化支出”，待开发完成且达到预定可使用状态后，借记至“无形资产–数据集”。
当数据集产品的使用权出租给其他企业时，将其取得的租金收入计入其他业务收入，同时，摊销成本计入“其他业务成本”。数据集产品在后续持有期间，对于使用寿命有限的产品，需要在使用寿命内进行摊销，摊销金额计入当期损益或相关资产成本。对于使用寿命不确定的数据产品不应摊销，但需要在每个会计期间进行减值测试。资产负债表日，数据集产品若存在减值迹象，需要计提减值准备，且减值损失一经确认，在以后期间不得转回。
2.2.3. 案例公司数据资产的会计计量
(1) 数据资产的初始计量
L公司在会计核算中，对数据资产实施分类管理，将数据定制产品计入“存货”科目，将自行开发的产品计入“无形资产”科目。对于存货类数据产品，其初始计量主要采用历史成本法，将购买价款、相关税费等计入采购成本，将人工费、折旧费等支出计入“生产成本”。对于企业自行开发的数据资产，同样采用历史成本法进行计量，其成本包括直接归属于该数据资产及达到预定用途所产生的合理的、必要的耗费与支出。
(2) 数据资产的后续计量
L公司对自行开发的数据资产采用如下后续计量方法：对于使用寿命有限的资产，按照该资产相关经济利益的预计实现方式，在使用寿命内合理计提折旧。若预期实现方式无法可靠确定，则采用直线法进行摊销。而对于使用寿命不确定的数据资产，则不进行摊销处理。
2.2.4. 案例公司数据资产会计处理存在的问题
(1) L公司数据资产的计量方法存在局限性。面对现有的计量属性，针对不同的数据资产，需要根据具体的业务场景进行综合判断和选择，采用单一的计量方法比较片面，难以全面适用。因此仅采用历史成本核算数据资产，无法满足各类数据服务业务的会计处理要求，也不便于今后继续进行数据交易。
(2) 现行会计准则尚未对数据资产设置专门的确认规范，因此，L公司将数据资产主要归入存货和无形资产科目计量，这种处理方法既无法与其他传统资产有效区分，也难以真实反映数据资产的结构特征，致使外部信息使用者和利益相关者难以通过财务报表直观地看出公司的数字化转型水平和发展阶段。
(3) L公司在经营活动及外购交易中积累了丰富的数据资源，但由于我国会计核算体系尚未将数据资源纳入资产范畴进行处理，且缺乏相关的会计准则来规范数据资产的确认、计量与列报披露，从而导致L公司无法将数据资产的价值在财务报告中反映出来。这一缺陷一方面使财务指标难以准确反映企业的投资价值，另一方面，外部投资者无法通过财务报表掌握企业的真实盈利能力和发展前景，严重影响财务信息的决策有用性和可靠性，使得投资者的决策出现偏差。
3. 案例分析发现的几个重要问题
3.1. 数据资产计量的革新路径
考虑到单一的计量方式存在一定的不足之处，因而我们可以通过多种计量方法进行复合计量，或者根据数据资产的不同用途和不同应用场景采用不同的初始与后续计量模式[14]。
从数据资产的初始计量来看，其计量模式需要突破传统的方法，综合考虑数据形成各环节的成本、在不同应用场景具备的价值等因素。鉴于数据资产的价值属性和应用场景存在差异，因此对于企业而言，其拥有的待售数据资产可以按场景特性采取差异化策略，即采用特定的应用场景公允价值法。
从数据资产的后续计量来看，企业应重点关注数据资产价值的动态变化，因为其价值会随着时间的推移发生增值或者减值，这一点不同于传统的无形资产和固定资产。在后续计量中，企业可以建立定期的评估机制，按月或季度对数据资产进行评估，并采用“动态”的计量方式，以便真实反映不同阶段价值状态，进而确定数据资产是需要摊销还是计提减值准备。
3.2. 数据资产列报和披露要点
考虑到数据资产作为新型资产所具有的独特性与复杂性，企业应当单独设置“数据资产”科目对其进行列报核算。在每个会计年度末，要对数据资产的公允价值变动情况加以确认，以此全面准确地反映其价值，为财务报表使用者提供完整且准确的财务信息。还可以在附注中披露数据资产价值创造的过程，全面反映数据资产价值信息，提高数据资产价值评估的准确性。
为了提高数据资产报表的信息披露程度，首先，要明确披露的范围和内容，附注中应该详细列示数据资产的类别、权属状况以及使用寿命等基本信息，让报表使用者清晰了解数据资产的核心信息；其次，需要对数据资产的价值评估、权属证明等进行鉴证，对影响其价值的各种因素进行解释说明；最后，还需要在附注中详细的说明数据资产的减值测试、减值情况和减值原因等。
3.3. 数据资产审计的重要性
在进行审计时，审计机构和审计师要重点关注被审计单位数据资产的获取手段是否合法、数据资产管理制度文件等是否齐全，数据资产交易合同和使用授权证明文件是否完整真实[15]。与此同时，审计人员还需重点核实数据资产内部控制流程是否完整，仔细检查数据资产的信息管理和数据隐私的安全管理是否采取了行之有效的办法。
在对审计单位进行风险测试和内部控制测试的过程中，审计人员要善于运用那些高度契合数据资产的数字化审计工具，借助这些工具高效精准识别数据资产交易中的异常风险。同时，对于那些可能在后续过程中出现的风险，也要做好充分的预警准备，从而保障数据资产的安全稳定。
4. 结论
数据资产作为数字经济发展的核心要素，在我国具有多维度、深层次的重要意义，其价值不仅体现在国家层面的战略布局，也促进了相关学科理论的创新与发展，在理论教学中，如何对数据资产进行合理的会计确认与计量是学习重点。本文基于理论教学案例设计，在对数据资产确认、计量、信息披露等进行科学界定之后，设计企业数据资产核算和管理案例内容，并针对案例提出小组讨论问题，为数据资产会计核算的实践教学提供了案例资源，也为企业会计信息质量的提高和权益保障提供了理论支持。
基金项目
河北省高等教育教学改革研究与实践项目(项目号：2023GJJG611)。
NOTES
*通讯作者。