主题：基于会计视角的数据资产分类（无形资产方向）

作者/孔令辉、王静、孔荫莹、周宏明

单位/广财大经管实验中心 广财大会计学院 小数据研究中心

基于会计视角的数据资产分类（无形资产方向）

一、背景阐述

在数据资产研究系列文章的第2篇《数据资产定义及特性》中明确了数据资产的定义：数据资产（Data assets）是指由产权主体拥有或者控制、或使用的，通过企业或个人过去的交易或事项形成的，且预期能够为主体带来未来经济利益或效用的，以物理或电子的方式记录的，形式多样的数据和数据资源，即以数据形式存在的具有经济价值的资产。

通过对数据资产五项本质特征的分析，可以明确数据资产是“无形资产”下的一个新资产类型。基于这个特点，资产评估理论界和实务界目前就现有会计列报体系中应如何提供该项资产的信息展开了一系列讨论。多数研究人员倾向于将数据资产作为无形资产下的二级科目，并以此为出发点提出了对数据资产相关会计处理的研究思路。

而随着理论的不断发展和实际需求的不断提升，数据要素的价值已然脱离了原有的无形资产范畴，数据资产价值不断被提高，数据资产逐步成为企业竞争发展的核心要素。与其他无形资产相比，数据资产在确认、计量和信息披露方面有其独特之处。因此，有观点认为不应该将其作为无形资产的二级科目，而是单独设立“数据资产”科目进行核算。这是因为数据资产在非实物形态和非货币性方面与目前的会计准则中的无形资产有一定的相似性，但也存在与现有核算体系中无形资产相关规定不一致的情况。

同时，还有观点认为，如果仅是根据会计处理规定和资产负债表编制原理，简单地以数字形式列报数据资产很难充分展示其真正的价值，应当将数据资产作为独立的科目进行单独列报，以凸显在以互联网为代表的数字经济时代下数据资产信息列报的重要性。鉴于数据资产及其信息的独特性，学术界和实务界提出了“第四张报表”的概念，并且一些机构已经开始编制“第四张报表”，试图更好地列报新型资产如数据资产的信息。因此，有必要对比分析当前财务报表体系中不同的数据资产信息列报方式，以提高数据资产信息的准确性和财务报表的价值相关性。

二、基于会计视角的数据资产分类

（一）将数据资产设为无形资产二级分录

1.   研究现状

尽管从目前的实践中看，国际会计准则和中国的会计准则都未明确数据资产的确认和计量方法，但实际上，数据资产的价值已经在资本市场上得到较为充分的反映。国内外诸多互联网公司的高市值已经体现了数据作为资产的价值。数据资产列入资产负债表，已经成为业界共识，但从目前的研究和应用状况看，还存在理论和实务上的诸多障碍。其主要问题体现在数据资产的确认上。

确认是把经济事项正式列入会计要素并加以记录和报告的过程。数据不仅可以形成资产，还应具备会计确认的基础和条件，确定数据资产确认的内容和时点。

根据资产的相关定义（是一项企业拥有或控制的资源），数据资产的确认，首先应该明确数据的所有权和控制权问题。目前，对所有权的认识还存在较大争议，一般认为数据所有权应该归产生数据的数据源所有，但从会计学关于资产定义的视角分析，数据的所有权不一定归属于数据源本身。这是因为资产的本质是企业拥有的一种获得未来收益的能力，如果企业拥有的一项资源不能带来未来收益，则不应该列入资产的范畴。当某一数据脱离数据源后，其价值将不复存在，那么该项资源不应列入会计资产的范畴。例如：个人的身高信息，如果脱离开个人本身，将失去数据的意义，此类数据不应放在数据讨论的范畴。再如，个人拥有的知识，知识可以被交易和转让，那么知识应该列入数据资产的范畴。基于经济学的视角，所有权和控制权是凝结在价值形成过程中的无差别的人类劳动，而不是简单地将数据源与所有权和控制权等同，从数据源中创造数据价值的能力才是界定所有权和控制权的标准。

2.  解决方案

基于上述存在的问题，相关学者提出应从技术角度进行分析，主要托管数据标识和数据确权两个环节对数据资产进行确认和区分。数据标识是通过不可逆、防篡改的机制，为数据产生唯一的标识，数据标识是确定数据来源的手段和方法；数据确权是明确数据资产的所有权和控制权。数据资产所有权是指所有人依法具有的对数据享有的占有、使用、收益和处置的权利。区块链技术的成熟为数据资产确认提供了途径和方法。区块链的加密算法、共识机制可以实现对数据资产的标识，而工作量证明则提供了数据资产所有权或控制权证明的算法模型。

（二）资产负债表设立单独“数据资产”科目

1.  研究现状

在资产负债表中单独列报数据资产，即单设新的一级会计科目核算，现有文献对是否将数据资产纳入财务报表体系以及在资产负债表中如何列报均有涉及，其中部分文献还提出数据资产属于非流动资产项目，应通过财务报表附注补充披露其摊销年限、使用寿命等信息，使得通过资产负债表的信息披露能够传递相关信息。同时，对数据资产的价值评估处于不断探索之中，科技的发展，大数据技术、云计算日益成熟、普及，也为数据资产价值评估提供了便利，多家数据资产交易平台的建设和发展为评估数据资产市场价格提供了平台，因此数据资产在确认过程中的价值评估问题也基本可以得到解决。

2.  解决方案

应当设置“数据资产”作为核算数据资产的基本会计科目。用其反映数据资产的增减变动情况，其中借方表示数据资产的增加，贷方表示数据资产的减少。为了准确地反映数据资产的内容，进一步设置明细科目，将数据资产分为以下四类：经营数据资产、筹资数据资产、投资数据资产、非财务数据资产，并相应地设置二级明细科目。其中“经营数据资产”明细科目用以反映企业在生产经营过程产生的各种经营数据，包括采购数据、销售数据、成本核算数据等与生产经营活动相关的数据资产。“筹资数据资产”用以反映企业进行筹集资金的所用的各种相关数据，如估算融资成本数据。“投资数据资产”主要用来核算企业在进行投资活动时获取相关数据，包括比较投资风险数据、投资收益数据等。“非财务数据”用来核算间接影响着企业的生产经营运转以及企业发展态势的数据，如客户的满意度、战略目标以及产品质量与服务等方面的数据。

对数据资产进行上述分类后，还可以对数据资产进一步细分，以充分反映其取得方式，根据来源分类，分为外购取得或者自身加工所得，设置“外购数据资产”和“自产加工数据资产”两个三级明细科目核算，其中外购的数据资产主要反映企业从外获得的支付对价的数据资产，而自产加工的数据资产主要是核算企业自身对所取得的数据进行加工并加工完成的数据资产。

数据资产在日常的使用过程中，需要对其进行维护使其更好地为企业提供服务。属于资本化的计入相关资产科目，属于费用化的部分应分别按以下情况处理，若为生产部门使用的数据资产的维护费用计入“制造费用”科目；若为行政部门或其他部门使用而产生的维护费，可计入“管理费用”科目。若是由于科技进步或经济环境发生了变化，使数据资产发生减值，而且这种情况是永久性的，就应该确认减值损失，可以设置“数据资产减值准备”科目进行核算。能在市场上随时获得公开报价的数据资产在期末时会发生价值变动，而这种价值变动是暂时的，反映在当前的一段期间内的价值，这种价值的变动是正向的，可以计入“数据资产———公允价值变动”借方，表示数据资产价值的增加，贷方计入“其他综合收益”。这一所有者权益项目是表示企业净资产的一种增加，如果计入当期损益则不符合经济实质，由于数据资产价值的变动对损益没有直接影响，故不能计入损益类科目。反之，则做相反的分录即可。

（三）设立单独“数据资产报表”

1.  研究现状

近年来，理论界和实务界基于企业数字化转型升级带来的数据资产价值不断提升的现实，开始尝试对传统经济环境下财务报表体系进行完善，“第四张报表”构想便由此而生。

2016年年底，德勤、易观和上海国家会计学院组成联合课题组，提出第四张报表价值管理体系，开始研究如何构建“第四张报表”。具体来说，“第四张报表”概念侧重于企业非财务信息，尤其是数据资源方面信息的汇集输出，比如企业用户数据、渠道数据、产品数据等维度的关键指标。易观副总裁李智曾在专访中说道：“完成‘第四张报表’，就是做好企业的数据用户资产的管理和审计，‘第四张报表’不仅能在大数据时代帮助企业管理层更清晰地看到数据资产的价值，还能够帮助企业高效地通过结构化、标准化的方式来评估数据资产价值。”此外，田五星和戴双双也提出“第四张报表”将侧重数字用户资产与价值计量。

综合来看，可以认为反映企业数据资产信息的关键指标是“第四张报表”的主要内容，通过编制“第四张报表”，力求完善适应大数据时代发展的新型企业价值评估体系。现有研究也对“第四张报表”的具体构建提供了参考方案。田五星和戴双双提出将“第四张报表”设计为“关键指标变动表”，在表格中填报用户规模、用户质量、用户活跃度、离职率、品牌估值、渠道层次和密度等关键信息，这一设计不仅包含了用户、产品、渠道等维度的数据资产信息，也包含了关于品牌声誉、人力资源等其他软资产的关键指标。

此外，德勤最新发布的“第四张报表2.0”是以非财务数据为核心，构建以企业绩效为基础，关注数据资产价值，涵盖用户、产品、渠道和财务四大维度的量化企业价值管理体系，这张报表不仅展示了数据资产的关键指标、管理流程等资产信息，还进一步地评估了数据资产对企业价值的贡献。

由此可见，目前的研究和实践普遍认为从结构上来说应以用户、产品、渠道等非财务信息关键维度作为大类标题搭建企业“第四张报表”的基本框架，并在每个大类下梳理关键指标作为要列示的具体项目，从而逐步深入、全面地反映企业价值评估中重要的非财务信息。

2.  具体分类

从用户、渠道、产品三个维度对数据进行分类，并列入“第四张报表2.0”中。

用户维度主要包括：用户规模、业务规模（如客户资产规模等）、用户质量（人均单日访问次数、人均单日使用时长）、用户数据规模（交易数据、访问数据、特征数据等）、用户数据积累年数、用户数据潜力（数据存储投入、数据运维投入、数据挖掘投入等）、用户数据规范性（数据安全保障投入、数据资产合规成本）等指标。

渠道维度则可分为渠道结构、渠道层次、渠道数量、渠道密度、渠道质量（交易笔数、交易金额等）、渠道可用性（月活跃用户数、累计登录次数等）、渠道数据规模（配置数据、流量数据、门店数据等）、渠道数据积累年数、渠道数据潜力（数据存储投入、数据运维投入、数据挖掘投入等）、渠道数据规范性（数据安全保障投入、数据资产合规成本）。

产品维度则分为产品规模（产品覆盖度、关联度等）、产品深度（收益率、营销程度、品牌管理程度等）、产品潜力（研发投入、人员投入、技术引入等）、产品数据规模（质检数据、仓储数据、物流数据等）、产品数据积累年数、产品数据潜力（数据存储投入、数据运维投入、数据挖掘投入等）、产品数据规范性（数据安全保障投入、数据资产合规成本）等。

但需要注意的是，数据资产存在一部分难以量化的信息，给企业列报留下了一定的操作空间；同时，由于数据资产的估值在一定程度上具有预测性，易于受到外部使用者的主观影响，不同使用者对“第四张报表”数据资产的估值可能会存在差异。

三、总结

在数据时代，数据要素价值对企业的贡献推动了数字经济的发展。根据《企业会计准则》，“无形资产”科目核算的资产类型较为有限，难以完全涵盖数据资产这样新兴的非流动、非货币性资产，因此构建“第四张报表”以补充提供数据资产关键信息同样有必要。企业提供表内数据资产信息之余，也应考虑是否采用在资产负债表中“非流动资产”大类下增设“数据资产”项目，或者通过“第四张报表”完善信息供给兼顾的列报方式，对表外文本信息做好补充说明，提高数据资产信息的供给效率。但随着数据资产研究的不断深入，数据资产计入企业的会计报表只是时间问题。研究如何对数据资产进行会计处理，对数据型企业发展具有现实意义，对推动整个社会的数据产业将产生深远的影响。

[1]吴蔽余,黄丽华. 数据定价的双重维度：从产品价格到资产价值[J]. 价格理论与实践,2023,(07):70-75.

[2]陈彬,徐欢,杨秋勇,高伟,陈韩霏. 基于深度语义的数据分类研究[J]. 制造业自动化,2023,45(08):32-38.

[3]张俊瑞,危雁麟. 数据资产会计：概念解析与财务报表列报[J]. 财会月刊,2021,(23):13-20.

[4]吕慧,赵冠月. 数据资产的价值评估与会计处理研究进展综述[J]. 财会通讯,2023,(13):24-30.

[5]陆威文,苟廷佳. 数据要素资产化的理论逻辑与实践进路——基于对数据资产内涵与价值规律的认识[J]. 企业经济,2023,42(04):28-39.

[6]朱晓琴,王宣童. 数字经济背景下数据资产评估研究述评与展望[J]. 财会月刊,2023,44(06):78-84.

[7]耿汉威. 数据资产会计分类确认及后续计量[J]. 财务与会计,2022,(10):81.

[8]刘悦欣,夏杰长. 数据资产价值创造、估值挑战与应对策略[J]. 江西社会科学,2022,42(03):76-86.

[9]朱磊. 数据资产管理及展望[J]. 银行家,2016,(11):120-121.

[10]陈驰,马红霞,赵延帅. 基于分类分级的数据资产安全管控平台设计与实现[J]. 计算机应用,2016,36(S1):265-268.

[11]岳倩蓉. 数据资产的相关会计问题研究[J]. 商业观察,2023,9(26):62-64+68.

[12]罗玫,李金璞,汤珂. 企业数据资产化：会计确认与价值评估[J]. 清华大学学报(哲学社会科学版),2023,38(05):195-209+226.

[13]莫立君. 浅析数据资产“入表”[J]. 中国银行业,2022,(12):97-99.

[14]高华,姜超凡. 应用场景视角下的数据资产价值评估[J]. 财会月刊,2022,(17):99-104.

[15]季周,李琳. 会计视角下数据资产化路径探索[J]. 财务与会计,2022,(16):38-41.

[16]熊艳,裴潇. 企业数据资产会计核算研究——以阿里巴巴为例[J]. 中国注册会计师,2022,(03):111-116.