数字经济背景下企业数据资产计量体系构建研究

摘要：在数字经济快速发展之大背景下，数据资产计量问题成为广泛讨论的热点和亟待解决的难题。作为一项新型、复杂且无物理界限的资产类型，数据资产价值变现必须结合应用场景、区分决策场景和交易场景构建定价机制。数据资产计量方法选择上，应区分销售用和生产用数据资产，按照取得时发生的实际成本进行初始计量，后续计量则可采用“历史成本+公允价值+现值”的复合型计量模式。销售用数据资产采用公允价值进行计量；生产用数据资产采用现值的计量方法；而对于无法采用公允价值和现值计量的其他数据资产，则采用历史成本进行计量。基于数据资产的价值难以构建量化标准、公允价值计量受到数据交易市场发展之限制、以历史成本计量无法准确反映数据资产实际价值等现实困难，应进一步推进数据资源市场发育和数字化定价，提高数据资产评估与价值量化的可行性，重视数字化基础设施建设，优化计量方式。

关键词：数字经济；数据资产；数据资源；定价；计量

中图分类号：F2     文献标识码：A      文章编号：1004-3160（2023）05-0116-09

数字经济的快速发展离不开数字化治理体系的构建，其中数据资源的界定、价值计量及核算管理更是重中之重。目前贵阳大数据交易所完成个人数据合规流程场内交易、深圳数据交易所开发出面向数据要素市场主体的无抵押数据资产增信产品、上海数据交易所构建“数商”新业态，这为数据资产化提供了平台基础。2022年12月，为加强企业数据资源管理、规范相关会计披露，财政部发布了《企业数据资源相关会计处理暂行规定（征求意见稿）》，针对数据资产适用范围、分类、会计确认、计量、收入确认及披露等会计处理方法对外征求意见，为数据资产相关研究提供了指引和方向。数据资产没有实物形态，要对其进行有效核算和管理，必须先解决其计量问题。

现有相关研究成果为数据资产计量方面提供了诸多理论指导。数据资产边界方面，朱扬勇等认为数据资产包括能给企业带来经济利益流入的所有数据集合[1]；李雅雄等基于企业会计准则对资产的定义，分析了数据资产区别于其他传统资产的特点，认为数据资产是经企业加工后的能获利、可计量的数字化资源[2]。数据资产定价方面，蔡莉等基于具体的业务场景，参考传统信息商品中的定价策略，综合设计平衡买方效用和卖方收益的数据估值模型，为“收益法”定价提供了具体的理论基础[3]；吴超构建了移动隐私保护模型（PBD模型），将数据显示为一种支付手段，实现合理定价[4]；黄倩倩等借鉴证券市场的价格生成机制，探索构建“报价—估计—议价”相结合的数据交易价格动态生成路径[5]；欧阳日辉和龚伟沿着“价值形成—价格发现—竞价成交”的演进路径，构建了“形成—发现—竞价”三位一体的数据要素定价机制[6]。数据资产计量模式选择方面，陆旭冉[7]、符文娟等[8]均认为数据资产应选择历史成本的计量方式；唐莉[9]、邹照菊[10]建议采用未来现金流量的现值来评估数据资产；张俊瑞等[11]提出交易类数据资产可采用公允价值的计量方式；李雅雄和倪杉[2]认为对直接加工的数据资产采用历史成本法，外购数据资产采用公允价值计量；李秉祥等[12]认为销售用数据资产适用历史成本进行计量，自用数据资产适用公允价值的计量方法；罗斌元等[13]基于区块链技术，针对公有链私有链分别采用可变现净值和历史成本进行计量。

综上所述，现有研究成果为数据资产计量后续研究提供了理论基础，在数据资产会计核算领域已形成初步理论框架，但在计量方法和属性选择上尚未形成统一论断，多聚焦于收益法、市场法和成本法等计量模型和应用场景设计，并区别外购和自创采取不同的核算方式，依赖于“有序市场”与现有计量技术。而目前数据交易市场规模和活跃度以及交易标准、规范都远未达到“有序市场”的要求，计量技术也存在主观性大、可靠度不高的问题，需要进一步探讨。笔者基于现实环境，构建数据资产计量体系，着力剖析其现实困境并提出改进策略，以期服务于我国数据治理体系建设。

一、企业数据资产价值的形成机制

价值是决定价格的基础，价格是价值的表现形式，两者并不能直接等同。在完全竞争条件下，商品价格主要取决于使用价值和供求关系；而在不完全竞争的条件下（如垄断情况存在），价值与价格的关系就会出现背离。数据资产没有物理界限，具有零边际成本的特征。尹传儒等指出，数据资产的交易并不一定要以让渡数据所有权或使用权为前提，数据资产可以多次交易并且交易行为不会造成价值减损[14]。通常，数据资产交易价格以数据资产价值为基础，但其价值远超于交易价格。因而在一定程度上，我们可以将数据资产之价格看作数据资产在单次交易中的价值体现。

根据国际TOGAF企业架构理论（由国际标准权威组织The Open Group于1995年应客户要求定制的企业架构理论，帮助组织进行有效的企业架构规划和管理。中文名为“开放组体系结构框架”），数据是业务活动发生过程中各类信息的数字化沉淀，因此数据源自业务。一是数据资产的深层次管理需溯源业务本身。数据本质是各类业务活动的衍生品，其管理离不开业务。二是数据资产盘点需以业务活动为准绳，还原到具体业务活动中，而非简单地从报表中总结。三是数据资产衍变也离不开业务活动，需要清晰的业务规则，梳理基于业务的数据资源。故数据价值的形成与其反映的业务结构及利益关系息息相关，需要通过数据加工，将数据背后隐藏的资源价值转移至数据产品，才能实现数据资源的资产化。数据资产的价值主要来源于数据量、数据结构和数据质量，从原始数据到加工分析后形成的结构化数据，形成一条完整的数据价值链，实现数据资源要素化到商品化、资产化的价值增值过程。

（一）数据商品化实现数据资源交换价值

数据商品化是数据处理技术和劳动相结合的过程，数字经济时代不同层次的决策主体皆寻求高效、简捷的信息，以获得决策、管理方面的竞争优势，这为数据商品化奠定了市场基础。作为土地、劳动力、资本与技术之外的“第五大生产要素”，数据产品自带商品属性，能作为独立产品在数据交易平台上通过市场交换形成价值；或者数据要素本身并不独立产生价值，而是作为良性催化剂，与资本、土地、技术、劳动等传统生产要素深度融合，借助算法、模型等新技术手段，将数据与现实问题相连接，通过助力决策实现其价值。

（二）数据产品资产化形成数据资源的产权属性

资产产权属性是反映其产权关系和财产权利的基础，是数据产品定价、计量和有序交易的前提，更是实现数据有效治理的产权基础。缺乏产权属性的数据，具有公共产品性质，非排他和非独立，人人均可获取并使用，则不具备交易性，定价和计量就无从谈起。因此，“数据属于谁”对于数据价值的形成至关重要。作为一项虚拟资源，数据主体与数据控制者相分离的特性导致数据权利极具复杂性。数据的产权属性被极度分化，数据的生产、收集、利用、储存、管理等权利均可属于不同的产权主体，且其极易被二次生产，源数据与衍生数据之间的权利边界也难以分辨。故需要通过建立健全相关制度，将数据资源归属于谁、如何确认等问题形成统一的操作指南、行为规范和法律规则。只有在明确数据权属的前提下，才能对其在生产、分配、交易和消费等环节进行价值确认。

（三）数据资产价值变现必须结合应用场景

数据资产在应用和交易中实现价值，价值大小取决于数据需求方的业务需要，而业务需要与应用场景密切相关，不同应用场景中影响价值的因素不同，数据资产价值也存在差异。目前数据价值实现领域主要涉及资本市场、房地产、地理测绘、政府数据开发、社交网络、物联网等行业和领域[3]。其中资本市场中的上市公司财务数据、债券数据、基金数据等是企业投融资管理的决策基础，其定价主要基于数据背后经济业务的预测价格；房地产数据主要包括房地产市场评估报告、历史交易价格、房屋户型等基础数据，这也是房地产市场交易决策的基础，其数据资产定价主要取决于其对业务决策的价值贡献度；地理测绘数据包括采用各种地理测量设备完成的大地、海洋、地下、水下测量数据集、摄影及地图等，这些数据具有可共享性，一人购买可多人消费，其定价需要考虑数据获取难度、保密程度等；政府数据开发包括政府官方网站公开公示的各类信息，其定价主要考虑数据采集开发的成本；社交网络数据涉及各类交易性平台获取的精确用户画像，这类数据的交易与公开是否合法目前尚存在争议；物联网数据是基于新型信息技术在供应链领域的应用，所能收集的关于市场交易与服务的海量数据源，属于第一手市场交易数据，其数据资产价值确认与管理会受到使用价值与供求关系的影响。基于数据资产的价值实现方式，可以将其应用场景分为决策场景和交易场景。

1．决策场景下数据资产的估值

作为战略资产存在的数据资源，其价值主要通过对未来经营管理决策的正向影响实现，或者在并购、申请破产过程中通过专业评估机构进行价值评估。现有计量条件下可以参考无形资产成本法、收益法、市场法等估值定价方法。李永红等分析了市场法、成本法、收益法等的适用条件，指出市场法能够兼顾成本与收益，在有一个可适用的同类市场的前提下，可以通过数据数量与质量、数据分析能力等因素进行修正，评估企业数据资产价值[15]。在计量单位不统一，生产成本、生产方式等复杂性因素综合影响下，成本法、市场价格法、收益法可以进一步落实为数据产品价格、数据资产价格和数据服务价格。不同估值方法难以形成可比的资产信息，随着共享理念的深入，数据共享成为产业链、供应链生态圈内部竞合的基础，主要针对数据的限制性使用权进行共享，每个共享主体基于自身的应用场景评估共享数据所能带来的价值增值进行定价。故决策场景下最重要的是构建标准化、统一化的数据资产价值评估体系，推动数据使用者和交易方之间达成“价值”共识。在估值体系构建过程中，一方面，需要考察影响数据资产价值的“共性”因素，建立全领域通用的估值模型，比如成本、风险、质量等；另一方面，在通用估值模型的基础上，需要体现数据资产在不同行业和特定领域的“个性”场景价值，金融、电商、制造、服务等行业数据应用体量、方式和场景完全不同，需要建立特定的数据资产价值评估体系。

2．交易场景下的数据资产定价

交易场景下，数据资产的价值多由市场供求关系决定，完全遵循市场规律，受到市场供需结构、成本和信息技术发展水平的影响。其中，成本是交易价格的下限，市场供需与交易模式、应用场景密切相关，而信息技术则较大程度影响数据资产质量和流通性。在数据交易价格形成过程中，数据交易中介是供需场景匹配的核心桥梁，基于数据场景，在数据买家和供应商之间搭建博弈平台，通过集中间接交易或定向交易，采用竞价、拍卖、自由定价、“点对点”交易等方式，调节数据产品价格。第一，数据资产的类型决定其应用场景和市场定价方法。数据结构反映的业务类型、应用场景和决策支撑能力不同，定价方式也存在差异，如行业研究报告等多采用订阅或固定定价、定制化数据服务多采用查询定价。第二，数据卖方会基于买方需求、购买能力和风险偏好，制定价格策略，而买方则会考虑数据产品类型、市场供给度、信息对称性等，与卖方进行博弈。此过程中数据交易中介起着重要平台作用，是数据资产定价与交易实现的基础。目前大部分数据交易所都竞相使用新一代智能数据交易系统，对数据资产交易进行全时挂牌、全域交易、全程可溯，全面促进数据资产市场的价格形成和交易达成。

二、企业数据资产的会计计量体系构建

（一）数据资产会计计量方法

关于数据资产的会计计量方法，目前主要有如下观点。第一，按历史成本计量。持此类观点的学者普遍认为，基于数据资产的独特性，难以找到相同或类似资产的公允价值，故历史成本计量成为一种可靠的方式。第二，按现值计量。这一观点认为采用未来现金流量的现值来评估数据资产，可更好地反映大数据“未来经济利益”的资产特征。第三，按公允价值计量。主要出于对数据资产价值起伏较大的考虑，认为难以准确估计未来的现金流，在数据交易平台日趋完善的前提下，交易类数据资产可采用公允价值的计量方式。第四，按“历史成本+公允价值”复合计量模式。认为初始计量阶段由外购和自产的具有规范公开市场报价的数据资产应采用公允价值计量，不满足条件的则应采用历史成本计量；后续计量可参考无形资产的核算方法，根据使用寿命的不同对数据资产具体问题具体处理。