数据资产会计处理的流程、难点与破解策略

祝彪

较之传统的制造业经济形态，以共享、体验为代表的新业态更注重产品或服务的迭代速度与智能化程度，因而产品或服务的生命周期较短，而数据则成为一种新的生产要素与无形的智慧资产。从这个角度讲，对数据资产的会计处理已然成为现代企业保持竞争优势、提高价值创造力的重要驱动。基于此，文章将从数据资产会计处理的流程、难点与破解策略等方面探讨“数据”这一智慧资产的重要价值，以提高企业在新经济业态下的价值创造力。

为完善数据资产的交易机制与市场化运作，明确新经济业态下新旧生产要素的价值创造力，科学评估企业资产与价值，数据资产的会计处理成为会计理论与实务的必然选择。从处理环节或流程上看，数据资产处理除了要坚持稳健性与质量性原则外，还需要统筹考虑确认、计量、披露等三个环节。

资产确认 首先，明晰权属关系。为推进数据资产的市场机制，明确资产的权属关系是前提。作为企业而言，数据作为一种资产与生产要素，其存在的实质在于协调企业自身的运营体系。在此过程中，难免会产生与传统有形资产不同的权属关系，即存在资产所有权与使用权的模糊问题。作为数据资产拥有方而言，同一数据资产往往可以循环应用，且循环频率越高，其边际成本越低，而边际报酬越高。例如，以股票、期货交易公司为例，容易对数据的所有权与使用权进行“自我界定”，即通过对数据资产的再加工、深清洗、价值增值进行调控，从而将数据的使用权转化为所有权。因此，如何确定所拥有的数据资产具有“排他性”是维护自身权益应考虑的重要问题。因此，基于数据资产的物理属性与产权保护机制的不完善，加之网络完全问题的存在，明晰权属关系是推动数据资产走向市场化的首要任务。

资产计量 首先，关于资产定价与数据聚合的计量价值。基于数据资产的物理属性，在资产定价过程中，既要借鉴传统资产的评估理论，又要考虑数据资产在新经济形态下的特点。例如，全面分析影响数据资产定价的主客观因素，从定价的“区间”与“均衡”角度探讨定价的合理性。需要指出的是，无论是哪一种定价或评估机制，都要考虑定价的实用性，尤其是要适用于企业当前会计人员的素质现状，并在实践中不断修正与调整评估方案。此外，在大数据、云计算、区块链的技术支撑下，数据的价值往往以“聚合”形式呈现，即以数据整合发挥规模价值。从这个角度讲，会计处理的对象要以聚合数据为主。值得注意的是，数据资产的使用往往与其他资产整合运用，因而需要考虑资产整合后的“整体”计量问题，如“股票市值的倒轧法”，即以账面价值与股票市值差异性评估智慧资本。

资产披露 首先，表内确认。当前，数据交易类公司往往会出现市净率虚高的现象。从表面上看，市净率高可能是由于炒作因素的参与。但是，从数据资产会计处理的角度讲，这种“虚高”现象实则是缺乏统一的处理规范或处理机制，因而无法及时进行表内确认。显然，基于会计信息的稳健性原则，要落实数据资产“入表”的严谨性，并根据资产来源进行初始确认。例如，结合对无形资产的会计处理，对外购型数据资产的买价与相关费用进行计入与摊销。当然，对于自我研发的数据资产，可围绕未来现金的净流量进行计量，以科学反映数据资产的真实价值。

关于数据资产会计处理的难点，仍然需要从资产确认、资产计量、资产披露三个环节挖掘其处理难点。

确认环节 首先，资产数量与质量的不对等是资产确认环节的首要问题。数据之所以成为资产，是因为数据背后隐含的商业逻辑，因而数据本身并无价值。从这个角度讲，对基础数据的搜集与挖掘至关重要。正因如此，在存量方面，数据资产不仅不会因挖掘而损耗，反而会因挖掘而产生新的数据资产，只是不同企业对同一数据资产的开发效果存在差异性。这就涉及企业会计人员的专业素养与辨别能力，如部分数据资产存在明显的“时效性”，倘若资产使用超过时效，那么在资产确认环节往往会产生数量与质量的不对等问题。

其次，产权归属是资产确认的另一个难点。只有做到产权明晰，数据资产交易机制才会完善，进而推动数据资产的市场化与市场信息的对称度。当前，所有权与使用权的模糊是明确产权归属的关键点，也是导致数据资产交易不公平性的主要原因。尽管学术界对数据资产的确权研究漸趋成熟，但仍然未形成行业统一的确权规则或规范。事实上，基于数据资产的异质性与多样化，在会计实务中往往会涉及除所有权、使用权之外的其他权利，如收益权、开发权等。显然，确权问题仍然是会计理论与实务面临的重要问题。

计量环节 首先，资产价值评估。由于数据资产在投资与受益方面存在的不确定性，往往会使未来净现金流难以正确估计。同时，在现代信息技术的迭代升级过程中，企业会计人员也难以客观估计资产的使用年限。从这个角度讲，以市场法、收益法、成本法为代表的传统评估理论并不适用于数据资产评估。更重要的是，对数据资产的价值评估牵涉到数据资产的成本计量与定价问题。例如，在成本计量方面，对于有交易价格的数据资产，可根据“付出的代价”进行初始计量。当然，对于自主研发的数据资产，其研发过程存在更多的不确定性与风险性，如研究的前沿性与滞后性，往往会对资产的实际价值评估产生重要影响。显然，数据资产交易的不对称性导致资产的定价要充分考虑市场竞争对手的研发情况、机会成本、边际成本以及购买方的心理需求。

其次，增值的持续性。数据的整合、分析会实现数据资产的增值，且这种增值会随着挖掘深度而持续扩大。作为自主研发的数据资产而言，为保持市场竞争力，必然要对数据进行定期升级与维护。正是在此过程中，数据的附加值逐渐累积。可见，对自主研发的数据资产进行精准确认，在会计实务中可能并不适用。因此，为降低企业会计的主观性渗透，是否只对数据资产进行初始确认，而在计量环节再处理其后续价值的变动是值得研究的问题。

披露环节 从本质上讲，会计是一种价值管理活动；从职能上讲，核算、监督、预测、控制、决策、分析等是会计的主要任务。 作为数字经济时代的基本生成要素，数据资产正是创造价值的重要资产。因此，围绕数据资产进行确认、计量、披露，有助于企业决策者对数据资产的市场化与交易机制有更深的认知。但是，基于数字经济时代企业经营类型的多样化，数字资产的交易机制尚不成熟，尤其是企业内外部信息之间的不对等，导致资产拥有者与投资者之间的互动机制稍显滞后。因此，作为一种新兴的生产要素，短期内构建成熟的数据披露机制还有一定困难。

基于数据资产会计处理的难点，文章将围绕数据资产的确认、计量、披露等环节探讨其突破策略。

确认环节 一方面，强化数据资产的产权管理意识。数据资产作为一种新型的生产要素，是企业保持竞争力与创造力的动力支撑。从资产管理角度讲，其前提是构建完善的交易机制与交易环境，尤其是要确保数据资产的安全性。但无论是技术保护还是知识产权保护与债权保护，在保护数据资产安全方面均存在一定的局限性。因此，将数据资产融入相关法律体系或许是一种有效的突破策略，即将数据资产视为无形的物质进行物权界定。

另一方面，基于稳定原则适当降低资产确认标准。作为会计信息而言，稳健性是第一原则，是对企业生产管理的约束与保护。需要指出的是，考虑到企业会计人员的主观性判断，尤其是在管理层的影响下很可能会出现会计信息质量下降的情况。对此，确认环节要放松数据资产确认条件，避免因数据资产的确认对企业经营造成影响。

计量环节 一方面，健全数据资产市场交易机制。从资产来源看，数据资产是信息技术与市场资源配置共同赋能的结果。因此，推进数据资产的市场化交易，既是解决数据资产市场信息不对称的有效途径，也是强化风险管理的必然选择，更是提高会计信息质量的关键一环。从这个角度讲，数字经济时代的数据资产仍然要遵循资源的市场化配置。例如，通过构建数据交易平台，并借助“数据+算法”实现数据资产的供需平衡。

另一方面，要强化对数据资产的风险管控。基于数据资产研发投资与预期价值的不确定性，若纯粹依靠债务资本，往往会阻碍资产交易市场的健康发展，进而导致数据资产的科学评估。因此，数据资产要对潜在的安全风险、法律风险、侵权风险以及外部市场风险进行科学的识别。

披露环节 一方面，要全方位优化资产披露框架，尤其是要从资产用途角度设计契合数据资产特点的计量方法。例如，将数据资产科目嵌入资产负债表内，并在附注中披露数据资产的具体情况，构建具有针对性的数据资产信息列报模式。此外，在资产披露环节，还要考虑企业的披露意愿程度，要降低主观判断的误导，在定性与定量结合的基础上完善披露框架。

另一方面，要優化财务报表，确保现有财务报表在数字经济时代下的与时俱进，如对新型生产要素的科学嵌入。显然，这种嵌入是对以数据资产为代表的智慧资本的尊重，有助于为企业创造更大的价值。

作者单位：浙江寿仙谷医药股份有限公司