文/中國信息通信研究院云計算與大數據研究所 艾博煥 王妙瓊

隨著數字經濟的蓬勃發展，數據資產的重要性日益凸顯。本文詳細分析了數據資產估值的理論基礎、方法思路與實踐案例，闡述了數據資產入表的理論依據、操作流程、難點及實踐進展。在此基礎上，提出了數據資產估值與入表的實施策略與路徑，為推動數據資產在企業財務管理中的規范化應用提供理論與實踐參考，助力數字經濟健康發展。

數據資產估值理論與實踐研究

1.數據資產估值的理論基礎

數據資產估值的理論基礎涉及多個學科領域。從經濟學角度來看，效用價值論和勞動價值論為數據資產估值提供了重要的理論支撐。效用價值論認為，資產的價值取決于其能夠為使用者帶來的效用。數據資產作為一種新型資產，能夠為企業提供決策依據、提升運營效率、挖掘潛在市場機會等效用，從而具有價值。

從會計學角度出發，資產的定義和計量屬性為數據資產估值提供了準則框架。根據會計準則，資產是指企業過去的交易或者事項形成的、由企業擁有或者控制的、預期會給企業帶來經濟利益的資源。數據資產若要在會計報表中進行確認和計量，需滿足可辨認性、可計量性、相關性和可靠性等條件。然而，數據資產的無形性和復雜性使得其在滿足這些條件方面面臨諸多挑戰。

此外，信息經濟學中的信息不對稱理論也對數據資產估值具有一定的啟示意義。在數據市場中，數據提供者和使用者之間往往存在信息不對稱的情況，可能導致數據資產的價格偏離其真實價值。因此，在估值過程中，需要充分考慮信息不對稱因素，采取適當的方法來減少信息不對稱，提高估值的準確性。

2.數據資產估值的方法思路

目前，數據資產估值方法主要分為成本法、收益法和市場法，各類方法都有其獨特的思路和適用場景。

成本法主要考慮數據資產的獲取、存儲、處理等成本，通過計算總成本來確定其價值。成本法的基本原理是資產的價值等于其重置成本減去各項損耗。在數據資產估值中，重置成本包括數據采集成本（如購買數據的價款、采集設備的投入、人工費用等）、數據存儲成本（如存儲設備的折舊、場地租金、電力消耗等）、數據處理成本（如數據清洗、分析、挖掘等過程中的技術投入、人力成本）以及相關稅費等。然而，成本法存在一定的局限性，其忽略了數據資產的潛在收益能力，對于一些具有高增值潛力的數據資產，可能會低估其價值。

收益法基于數據資產未來預期收益的現值來評估其價值。該方法的理論基礎在于數據資產能夠為企業帶來未來的經濟利益，因此通過預測數據資產在未來各期的收益，并將其折現到當前時點，得到估值結果。在運用收益法時，需要對數據資產的收益期限、收益增長率、折現率等關鍵參數進行合理預測。收益期限的確定需要考慮數據資產的時效性、技術更新換代速度以及市場需求變化等因素；收益增長率則取決于數據資產的應用場景、市場競爭力以及企業的經營策略等；折現率的選擇應綜合考慮無風險利率、風險溢價等因素，以反映數據資產投資的風險水平。收益法的優點是能夠較好地反映數據資產的盈利潛力，但預測未來收益存在一定的難度和不確定性。

市場法是參考市場上類似數據資產的交易價格來確定估值。其理論依據是在有效市場中，類似資產的價格應具有可比性。在應用市場法時，需要尋找與被評估數據資產在數據類型、應用場景、數據質量、規模等方面相似的數據資產交易案例作為可比對象，然后通過對可比對象的交易價格進行調整，得到被評估數據資產的價值。調整因素包括數據質量差異、市場供求關系變化、交易時間差異等。然而，由于數據資產交易市場尚不成熟，可比交易案例相對較少，數據的保密性和獨特性也使得獲取準確的交易信息較為困難，市場法的應用受到一定限制。

在實際應用當中，往往需要綜合運用多種方法，以提高估值的準確性。例如，可以先使用成本法確定數據資產的基本價值底線，再結合收益法考慮其未來收益潛力，同時參考市場法對估值結果進行驗證和調整。此外，還可以根據數據資產的特點和具體情況，對不同方法進行適當的改進和優化，以適應不同類型數據資產的估值需求。

3.數據資產估值實踐與發展趨勢

在實踐中，部分企業已經開始嘗試數據資產估值，并取得了一定的經驗和成果。以互聯網企業為例，其通常擁有海量的用戶數據，此類數據在精準營銷、用戶畫像分析、個性化推薦等方面具有重要價值。一些互聯網企業通過構建內部數據估值模型，結合收益法和市場法的思路，對用戶數據資產進行估值。如根據用戶數據在廣告投放業務中的貢獻，預測其未來收益，并參考市場上同類數據交易價格，對用戶數據資產進行評估。評估結果不僅為企業內部的數據管理和決策提供了依據，還在企業的融資、并購等活動中發揮了重要作用。

金融機構也是數據資產估值的積極探索者。銀行等金融機構積累了大量的客戶交易數據、信用數據等，此類數據對于風險管理、產品定價、客戶關系管理等業務至關重要。同時，商業銀行的數據資產具有獨特性，其估值需要綜合考慮數據質量、數據應用場景、合規性等多方面因素，通過構建合理的估值模型，能夠更準確地衡量數據資產在風險管理、客戶服務、業務創新等方面的價值貢獻。部分金融機構采用成本法和收益法相結合的方式對數據資產進行估值。在成本法方面，核算數據采集、存儲、處理等環節的成本；在收益法方面，通過分析數據資產對業務收益的提升作用，如降低風險成本、提高貸款審批效率等，預測其未來收益。例如，某銀行通過對客戶信用數據的深入分析，優化了信用風險評估模型，降低了不良貸款率，由此帶來的收益增長被納入數據資產估值模型中，從而更準確地評估了數據資產的價值。

目前越來越多的專業機構開始提供數據資產估值服務，數據資產估值的方法和標準也在不斷完善。一些專業的數據評估公司應運而生，它們憑借過去在傳統資產評估領域積累的資產評估經驗，率先為市場提供了較為標準化的數據資產估值服務。同時，行業協會和標準化組織也在積極推動數據資產估值標準的制定，促進估值方法的規范化和統一化。例如，中國資產評估協會發布了《數據資產評估指導意見》，明確了數據資產評估的基本準則、操作流程和方法要求，為數據資產估值實踐提供了重要的指導。

未來，隨著大數據技術、人工智能技術的進一步應用，數據資產估值有望更加精準、高效。

數據資產入表理論與實踐研究

1.數據資產入表的理論基礎

2023年8月，財政部印發的《企業數據資源相關會計處理暫行規定》，明確了企業數據資源的會計處理原則，為數據資產入表提供了具體的政策指導，使企業在數據資產的確認、計量和報告等方面提供明確政策依據，并指出企業應與2024年1月1日開始開展數據入表工作。從實質來看，數據資產入表的理論基礎主要來源于會計準則對資產的定義及確認條件，同時結合了數據資產自身的特性與相關政策法規的要求。

根據會計準則，資產需滿足三個關鍵條件：由企業過去的交易或者事項形成、由企業擁有或者控制、預期會給企業帶來經濟利益。數據資產在企業日常運營活動中產生或獲取，企業對數據資產具有一定程度的控制權，體現在能夠決定數據的存儲方式、使用目的、共享范圍等方面，盡管數據資產的權屬界定在某些情況下可能較為復雜，但企業在合法合規的前提下，能夠對其行使有效的管理和支配，符合“擁有或者控制”的要求。而且，數據資產能夠為企業創造價值，如通過數據分析優化產品設計、精準營銷提高銷售額、風險評估降低損失等，從而實現經濟利益的流入，滿足資產定義中的“預期帶來經濟利益”。

從數據資產特性角度分析，其可變現性、可控制性和可量化性為入表提供了理論依據。數據資產的可變現性體現在企業可以通過多種途徑將數據轉化為經濟收益，如數據的直接交易、數據驅動的產品或服務增值、與合作伙伴的數據共享合作等。可控制性強調企業對數據資產的合法合規管理，包括建立完善的數據治理體系、訪問權限控制、數據安全防護等措施，確保數據資產在企業的掌控范圍內，并能有效防止數據泄露和濫用。可量化性則要求能夠以貨幣形式對數據資產的成本和價值進行計量，雖然數據資產價值評估存在諸多挑戰，但通過合理的估值方法和技術手段，可以在一定程度上確定其價值范圍。

2.數據資產入表的操作流程與難點

（1）數據資產入表操作流程

數據資產入表操作流程主要包括數據資產確認、會計科目設置、計量與估值以及信息披露等環節。

首先，企業需要執行數據資產確認環節，全面評估數據資源是否符合數據資產定義及確認條件。一方面，企業需考量數據來源的合法性，如確保數據采集遵循法律法規和道德規范，未侵犯他人隱私或違反數據保護法規。另一方面，企業還需確保數據具備合規的權屬，判斷企業是否擁有對數據的合法權利。并且，還需進一步明確數據是否具備為企業帶來經濟利益的潛力，例如評估數據在企業業務流程中的應用價值、市場需求以及潛在收益能力等。

在會計科目設置方面，參照《企業數據資源相關會計處理暫行規定》規定要求，企業應該根據數據持有方式與應用目的的不同，將數據分為“無形資產”和“存貨”兩種情況，并分別下設二級科目“數據資源”專門核算相關投入成本。

在資產計量方面，參照我國現行會計準則要求，數據資產入表過程中均應按照歷史成本進行計量入賬，其中屬于無形資產類別的數據資產，應按照無形資產開發流程，進一步區分研究階段和開發階段的成本支出內容，屬于研究階段的費用支出應當費用化處理，無法計入資產科目中，處于開發階段且滿足無形資產確認條件的相關成本支出，可以被計入到無形資產科目中。

在信息披露方面，企業需要在財務報表中全面、準確地披露數據資產的相關信息。這些信息包括數據資產的名稱、所屬類別、賬面價值、計量方法、價值評估依據以及數據資產的使用情況和對企業財務狀況和經營成果的影響等。信息披露應遵循會計準則和相關法規的要求，確保披露內容的真實性、完整性和可比性，使財務報表使用者能夠清晰地了解企業數據資產的狀況及其對企業價值的貢獻，從而為決策提供充分的信息支持。

（2） 企業入表實操難點分析

數據資產入表在實際操作中面臨著諸多難點，包括數據資產計量、數據權屬界定和會計核算規范等方面。在數據資產計量方面，數據資產的成本與價值往往存在較大偏離。一方面，數據獲取成本可能較低，但經過處理和應用后其價值可能顯著提升，如互聯網企業通過免費收集用戶行為數據，經分析挖掘后用于精準廣告投放，創造了高額收益，然而傳統成本法難以準確反映其真實價值。另一方面，數據資產價值受多種復雜因素影響，如數據質量（準確性、完整性、一致性等）、應用場景（不同行業、業務場景下數據價值差異大）、時效性（數據價值隨時間推移可能快速下降）等，且目前缺乏統一、有效的量化評估標準和方法，導致準確計量數據資產價值困難重重。

數據權屬界定問題也是挑戰之一。當前，數據權屬相關法律法規尚不完善，數據資產的持有權、加工使用權、產品經營權等權利歸屬不夠清晰明確。在實際業務中，數據的產生、收集、存儲和使用涉及多個主體和復雜流程，容易引發權屬爭議，例如企業與第三方數據提供商之間、企業內部不同部門之間的數據權屬劃分可能存在模糊地帶。此外，數據資產產權交易過程復雜，涉及數據隱私保護、安全傳輸、合規使用等多方面問題，并且相關制度和監管機制還不健全，增加了數據資產產權交易的難度和風險，制約了數據資產的流通和入表進程。

會計核算規范缺失同樣給數據資產入表帶來挑戰。現行會計準則對數據資產會計核算的規定不夠詳細和完善，缺乏具體的操作指南和統一規范，導致企業在實踐中面臨諸多困惑。例如，對于數據資產的初始計量、后續計量、減值處理等方面，會計準則未提供明確的標準和方法，企業只能根據自身理解和判斷進行處理，容易出現會計處理不一致的情況，影響財務信息的可比性。同時，企業現有的信息系統大多無法滿足數據資產會計核算的要求，難以準確記錄和核算數據資產的成本、價值變化及相關交易信息，進一步影響了數據資產入表的準確性和及時性。

3.數據資產入表實踐與發展趨勢

在數據資產入表實踐中，不同類型企業積極探索，呈現出多樣化的入表模式與成果。上市公司方面，整體入表進程較為謹慎。如A股上市的5000多家企業中，截至2024年6月3日，有18家在一季度財報中披露數據資源入表，入表金額合計1.03億元，且集中于無形資產、開發支出和科目下。從企業特征看，入表企業主要為市值500億元以下民營企業，集中在信息傳輸等行業，區域分布上北京企業較多且金額領先。非上市公司中，城投公司和類似城投國企表現踴躍。據不完全統計，已有22家城投公司和28家類城投國企披露入表情況，數量遠超上市公司，分布于16個省級行政區，以山東和江蘇居多，行政級別較高，地市級和省級企業占比80%。入表數據多為交通和公共數據，如高速公路、停車、公交數據及市政類公共數據等。

由此可見，盡管數據資產入表在現階段面臨諸多挑戰且整體尚處于起步階段，但不同類型企業已積極嘗試，展現出數據資產入表在提升企業資產管理能力、拓展融資渠道、推動業務創新以及促進數字經濟發展等方面具有巨大潛力，同時也反映出政策引導、技術支持和市場培育對于推動數據資產入表廣泛應用和健康發展的關鍵作用。

結 語

未來，隨著數字經濟的不斷發展，國家將進一步加大對數據資產入表的政策扶持力度，持續完善相關法律法規和會計準則體系。預計財政部等相關部門會根據實踐發展需求，陸續出臺更為詳細、具體的會計處理規定和操作指南，明確數據資產在確認、計量、報告等各個環節的規范要求，為企業數據資產入表提供更為堅實、明確的制度保障。同時，伴隨大數據、人工智能、區塊鏈等新興技術的迅猛發展，將為數據資產的計量和管理提供更加先進、高效的手段，為數據資產入表工作帶來更多新的機遇和變革。

（此文刊發于《金融電子化》2025年1月上半月刊）