论文部分内容阅读
【摘要】党的十九届四中全会将数据增列为生产要素之一， 由此探索建立数据生产要素的会计核算制度， 反映数据生产要素的资产价值， 构建数据资产“入表”的基础性制度， 对推进数据要素市场化配置具有重要的现实意义。 结合数据价值链框架， 分析数据资产化过程中的数据价值创造活动， 尝试基于IASB《财务报告概念框架》开展数据资产准则研究。 通过探讨数据资产的定义、数据资产的确认情形、数据资产的成本内涵， 以及以数据资产为核心业务的不同企业业务模式下的资产分类、计量和列报与披露， 提出两种数据资产报告以改进报告信息传递， 推进数据资产价值评估研究。
【关键词】数据资产;会计确认;不确定性;财务报告概念框架
【中图分类号】 F239 【文献标识码】A 【文章编号】1004-0994（2021）21-0066-6
一、引言
党的十九届四中全会将数据增列为一种重要的生产要素， 提出要加快培育数据要素市场。 我国主张数据确权与数据价值化并重， 探索国内数据要素市场化之路。 随着近期《数据安全法》《个人信息保护法》的相继发布， 数据确权困境初步破局。 加速推进数据价值化， 发展数据要素市场， 成为构建数据要素市场化配置体制的关键。 数据资产化是实现数据价值的核心[1] 。 在国家大数据战略推动下， 数字经济与实体经济深度融合， 企业数字化投入不断加大， 数据资产化进程加快。 工信部中国电子信息行业联合会官网公布： 截至2021年9月底， 已开展了八批数据管理能力成熟度（DCMM）评估工作①， 这些贯标单位的数据管理与应用实践表明， 数据已发展成为企业组织的重要战略资源。 因此， 探索建立数据生产要素的会计核算制度， 反映数据生产要素的资产价值， 构建数据资产“入表”的基础性制度， 对推进数据要素市场化配置具有重要的现实意义。 本文基于数据价值链视角， 分析数据资产化过程中数据创造价值的系列活动， 明确数据资产的概念， 规范数据资产会计确认、计量和报表列示事项。 因数据创造价值受到多方面因素的影响[2] ， 具有较大不确定性， 在现行会计准则体系下， 数据资产很难被确认， 导致其游离在资产负债表之外。
基于此， 本文借鉴IASB（国际会计准则理事会）于2018年3月发布的修订后的《财务报告概念框架》（简称“IASB概念框架”）， 在不确定性资产和负债的会计确认与计量决策的理论指引下， 开展数据资产准则研究。
二、IASB概念框架为不确定性经济业务的会计确认决策提供理论指引
1. 经济环境不确定性与IASB概念框架修订。 IASB概念框架的修订始于2004年IASB与FASB（美国财务会计准则委员会）共同启动联合概念框架项目; 置于经济全球化和信息革命背景下， 经济环境复杂多变， 市场竞争日趋激烈， 企业经营环境的不确定性②增加。 一方面， 市场、产品和需求的快速变动， 要求企业快速调整其资源能力; 另一方面， 商业新模式可能会随着新技术的更迭而产生颠覆性变化。 会计作为商业语言， 在应对经济环境的不确定性中寻求确定性， 促进了财务会计理论发展[4] 。
自20世纪80年代起， 各国相继发布财务报告概念框架或类似文件， 其主要作用是指导会计准则制定， 以减少信息处理过程中的不确定性。 尤其是当经济环境发生变化， 需修订或完善财务会计概念框架时， 为会计准则制定提供了应有的理论与借口。 以FASB发布的财务会计概念公告为例， 为反映经济活动中的不确定性， 一方面， 以“未来经济利益”来定义资产和负债， 使财务报表要素反映与未来关系非常密切的不确定性经济业务; 另一方面， 要求对不确定性经济业务作出谨慎反映， 权衡会计信息的相关性和可靠性。 随着经济环境不确定性的不断增长， 应适度稳健地确认与披露不确定性经济业务， 使会计向理解和处理不确定性的方向发展。 例如置信会计的发展， 用统计分布代替分散的具体数字， 以区间范围和置信区间加强财务报告的可信度和可理解程度。
21世纪以来， 经济环境不确定性日益增大， 成为IASB概念框架修订的重要影响因素之一。 IASB概念框架将不确定性全面纳入会计核算体系， 为不确定性经济业务的会计确认决策提供了理论指引。 例如： 区分存在不确定性、计量不确定性与结果不确定性对会计上应否确认资产和负债项目的影响， 审视不确定环境下“可能性”“可靠地计量”确认条件的局限性; 对不确定性资产和负债进行计量和报告， 选择适当的、相关的计量属性， 并强调表外信息披露可能与表内确认同等重要。
2. IASB概念框架将不确定性纳入会计核算与披露。 IASB概念框架除澄清了“受托责任”“如实反映”“审慎性”“实质重于形式”等模糊问题的争议外， 还更新了财务报表要素的定义， 构建了基于财务信息质量特征的全新确认标准与终止确认标准， 新增了计量目标及确定计量属性的基本原则。 IASB概念框架在不同层面上阐述了资产和负债确认与计量决策中的不确定性影响， 为不确定环境下资产和负债的会计确认与计量提供了理论指引。
（1）在有用财务信息的质量特征层面， 肯定了计量不确定性具有“如实反映”价值。 当财务报告中的货币金额无法直接观察且必须进行估计时， 就产生了计量不確定性。 财务报告提供有助于企业价值评估的有用信息（1.7段）， 须权衡“相关性”和“如实反映”（2.22段）。 高度的计量不确定性并不妨碍估计能提供有用的信息， 前提是估计被清晰和准确的描述和解释（2.18段、2.19段、5.19段）。
（2）在报表要素的定义方面， 资产和负债的定义关注于是否存在某项有潜力产生（或要求主体转移）经济利益的权利（或义务）， 未包含经济利益的可能性门槛。 以IASB概念框架中的资产定义为例， 资产是因过去事项形成的， 由主体控制的现有经济资源（4.3段）; 经济资源是有潜力产生经济利益的权利（4.4段）。 可以看出， 资产关注于是否存在一项满足经济资源的定义的权利， 即使其产生经济利益的可能性很低（4.15段）。 会计上有时无法确定是否存在某项资产或负债， 需要综合考虑其他因素（5.13段）， 基于是否提供有用信息的原则作出确认决策。 无论是否确认， 都应提供该项确认存在不确定性的有关解释信息（5.14段）。 （3）在確认标准方面， 仅当确定向财务报表的使用者提供了有用信息时， 才确认资产或负债。 在满足成本约束的条件下， 若资产和负债的确认能够向财务报表使用者提供有用信息， 即信息相关且如实反映经济现象， 则确认该项资产和负债适当。 可以看出， 确认标准是原则导向的， 不再采用“可能性”“可靠地计量”确认条件。 这与“可靠性”不再作为质量特征使用， 资产和负债的定义中未包含经济利益的可能性门槛， 保持了内在逻辑的一致性。
（4）选择计量基础③以提供有用的财务信息， 须在相关性和如实反映之间权衡。 计量基础所提供信息的相关性取决于资产或负债的特征（如价值变动对市场因素或其他风险的敏感性）、产生现金流量的方式（6.54段）。 主体的业务活动④影响其产生现金流量的方式， 继而影响计量基础选择。 例如， 有些经济资源直接产生现金流量， 最具相关性信息的计量基础很可能是现行成本; 有些经济资源通过合并使用间接产生现金流量， 则以历史成本或现行成本为计量基础能提供报告期内实现利润的相关性信息（6.55段， 6.56段）。
（5）在信息披露方面， 为改进财务报告信息传递， IASB概念框架为具体准则制定中的列报与披露要求提供指引。 会计准则制定的重点， 由会计确认与计量转向扩充财务报告信息披露内容、注重财务报表结果的灵活沟通。
三、基于IASB概念框架的数据资产会计确认
本部分将结合数据价值链框架[5] ， 参考国内数据管理成熟度评估模型（DCMM）评估工作的推进， 根据数据的信息资源特性⑤， 分析数据资产化过程中的数据价值创造活动， 尝试基于IASB概念框架探讨数据资产的会计确认问题。
1. 数据价值创造活动与数据资产化。 随着新一轮科技革命和产业革命浪潮， 人类进入数字经济时代。 以“大智移云物”为代表的新信息技术涌现， 既是加剧不确定性的原因， 也是解决不确定性的手段。 一方面， 新经济环境的不确定性加剧， 企业需在不确定性情境下对一系列经济活动作出决策。 另一方面， 数据记录了不确定性， 且不确定性是企业利润的唯一来源[3] ， 研究不确定性背后的规律可洞察其中的商业价值。 因此， 数据作为信息的载体， 能降低不确定性[7] ， 使自身具有巨大的潜在价值。
数据科学领域揭示了数据创造价值的机理。 例如， DIKW模型提出了数据价值链的概念模型， 从数据中提炼有价值的信息， 发现知识、智慧， 用以解决现实问题。 在大数据技术环境下， 以大算力支持的算法和机器学习模型得到广泛应用， 从数据到知识的转化可通过综合利用大数据技术与方法实现[8] 。 移动通讯全球系统协会（GSMA）于2018年提出的数据价值链框架， 用于分析数据创造价值的系列活动， 着眼于数据资产化过程， 明确会计意义上的数据资产概念， 开展数据资产会计确认研究。
GSMA数据价值链框架将数据创造价值的系列活动分为生成、收集、分析和交换四个阶段， 用来描述数据发展成为具有商业价值的资产的系列活动。 当数据经生成、收集以后， 进入分析阶段， 就会具有创造大部分价值的潜力。 分析阶段可以细分成两个子阶段： 一是数据处理， 将数据转换为适合挖掘和分析的格式; 二是数据分析， 通过获取和利用数据处理结果来预测和理解行动， 形成有意义的洞察和有用的信息， 如见解、知识。 在分析阶段， 企业最有潜力进行创新、发展和利用其知识产权， 建立更有吸引力、更高防御性和更高利润的业务。 在交换阶段， 数据资产经封装形成数据产品， 与最终用户进行交换。 数据产品的交换情形包括： 供企业经营决策自用、对外出售数据和对外提供数据服务。
2. 数据资产属性分析。
（1）数据资产的经济属性。 根据IASB概念框架中资产的定义， 数据资产要成为一项经济资源， 必须有潜力为主体带来经济利益。 GSMA数据价值链框架表明， 当数据进入分析阶段后才会具有创造大部分价值的潜力， 开始发展成为数据资产， 并在交换阶段经封装形成数据产品。 因此， 从数据价值创造的视角来看， 只有进入分析阶段的数据才具有产生经济利益的潜力， 也才能发展成为具有商业价值的经济资源。 数据的生成、收集阶段（统称为“数据准备阶段”）， 是数据进入分析阶段之前的数据预处理活动。 实务中， 随着国内数据管理能力成熟度评估工作的推进， 可以借助企业数据管理成熟度模型（GB/T36073-2018）的评估结果， 进行会计意义上的数据资产确认。
（2）数据资产的法律属性。 根据IASB概念框架中资产的定义， 数据资产要成为一项经济资源并为主体带来经济利益， 必须由企业控制。 即数据资产的确权要求， 企业须有能力主导经济资源的使用， 并获得其产生的经济利益。 一般地， 控制通常来源于可执行法定权利的能力， 也可以来源于其他方式。 例如， 一项不受专利权限制的专有技术， 若主体可使用该专有技术， 并具有保守该专有技术秘密的能力， 即使该专有技术不受注册专利的保护， 企业也可以通过合同、法律或类似方式建立一项权利。 因此， 数据资产从其产生未来经济利益的潜力获得价值， 企业必须控制包含该潜力的权利。 GSMA数据价值链框架表明， 数据进入分析阶段以后， 企业最有潜力形成特定知识产权的数据资产， 获得知识产权相关法律法规的保护。 实务中， 对于不能形成知识产权的数据资产， 由于数据的非排他性和可复制性， 其权属难以界定和保障。 随着《数据安全法》《个人信息保护法》的相继出台， 以及数据权属相关法律的逐步完善， 基于“可用不可见”的原则， 数据在生成、收集、分析和交换各阶段， 形成基于数据使用权确权的法律框架将指日可待。
3. 数据资产的会计确认。 基于IASB概念框架探讨数据资产会计确认， 包括应否由财务会计来记录和报告、何时记录以及如何计量、记录和报告数据资产。 （1）与数据资产有关的交易或事项应否由财务会计来记录和报告。 根据IASB概念框架中的会计确认标准， 在满足成本约束的条件下， 如果数据资产的确认能够向财务报表使用者提供有用的信息， 即信息相关且如实反映经济现象， 则应确认该项数据资产。 根据IASB概念框架中资产的定义， 数据资产关注于一项有潜力产生经济利益的权利是否存在， 即数据资产的“存在不确定性”。 当虽然存在但经济利益流入（包括金额、时点）的可能性较低时， 即“结果不确定性”， 数据资产确认就不能提供相关信息， 还须权衡相关性和如实反映。 除非数据资产计量的估计过程涉及的不确定性程度很高， 即“计量不确定性”， 不能如实反映该项资源及其经济利益， 否则， 应当确认该项数据资产。
（2）何时记录数据资产。 根据GSMA数据价值链框架， 进入分析阶段后数据开始发展成为具有商业价值的数据资产。 该数据资产即可由控制主体将其确认为数据资产， 进入会计核算系统， 进行初始记录。 企业结合数据资产（包括交换阶段的数据产品）的业务特点以及风险管理要求， 对数据资产进行初始确认、终止确认。
（3）如何计量、记录和报告数据资产。 由于数据创造商业价值， 并且依赖于具体的业务场景[9] ， 而且数据只有基于商业实践的算法、模型聚合时才能创造价值[10] 。 因此， 需要研究不同业务模式下数据创造价值和贡献现金流量的方式， 以选择数据资产计量属性， 对数据资产进行计量; 不同业务模式还对数据资产的记录和报告产生重要的影响， 如确定计量单元、资产列报与披露的分类等。
（4）加强数据资产的财务列报与相关信息披露， 改进数据资产报告的信息传递。 重视对数据资产会计确认与计量决策产生影响的不确定性因素的披露， 尤其是要注意数据资产计量上存在较高的不确定性。 例如， 不同使用者处在不同的业务场景或面临不同的问题， 使数据价值大相径庭; 又如， 数据价值可能随时间变化， 既有强时效性数据的价值因折旧而下降， 也有已有数据因新机会和新技术产生新的价值。
四、IASB概念框架下的数据资产准则研究
1. 数据资产的定义。 数据资产是指由过去的交易或事项形成的， 由企业拥有或控制的、有潜力产生经济利益的数据权利。 下文将根据数据资产的会计确认研究需要， 将GSMA数据价值链框架中的数据价值创造活动划分为数据准备、服务计算⑥两大阶段， 以便于明确会计意义上的数据资产概念以及数据资产成本内涵等。 其中， 数据准备阶段是数据生成和收集阶段的合称， 服务计算阶段是数据分析和交换阶段的合称。 在服务计算阶段， 将计算技术服务于特定的业务需求和场景， 是数据转化为数据资产的专用性投资， 最后经封装形成数据产品。
2. 数据资产的确认和终止确认。 符合下列情形之一的， 可以判断数据资源具有潜力产生经济利益， 会计上将确认其为控制主体的数据资产。 第一， 拥有或控制已完成数据预处理且符合数据处理与分析所需格式要求的数据资源。 例如， 企业数据管理成熟度达到稳健级（DCMM3级）， 数据已经被当作实现组织绩效目标的重要资产， 以及企业数据管理成熟度达到量化管理级（DCMM4级）或优化级（DCMM5级）。 第二， 已经获得服务计算活动的关键技术专利、专有技术， 如数据处理、数据挖掘、数据分析和数据展示活动相关的知识产权权利。 第三， 拥有或控制经封装形成的数据产品， 该产品能够供企业自身经营决策使用， 或对外提供数据服务、出售。 第四， 拥有或控制某项数据资产相关权利证明， 或表明有潜力产生经济利益的其他情形。 当全部或部分数据资源不再满足数据资产的定义时， 应当终止确认数据资产。 终止确认通常发生在主体丧失了对已确认数据资产的全部或部分控制权时。
3. 数据资产成本。
（1）数据资产成本的內涵。 数据资产的成本， 是指数据发展成为数据资产（数据资产化）过程中发生的服务计算成本， 即按特定的业务需求和场景， 利用算法从已完成数据预处理的数据中分析挖掘有价值信息的过程中所发生的投入， 一般包括数据资产的研发设计、服务计算活动（如数据处理、数据挖掘、数据分析和数据展示等）所发生的工具研发费用和实施成本。 数据资产达预期效果后， 经封装形成数据产品， 并结转计算数据产品的生产成本。
（2）数据准备阶段的支出。 由于数据准备阶段的数据尚不具有实现价值创造的潜力， 该阶段所发生的活动支出（包括数据采集与数据存储成本、数据预处理费用）在发生时计入当期损益， 不计入数据资产的成本。
（3）数据产品的计量。 数据产品按成本进行初始计量。 数据产品的后续计量采用现时价值⑦， 利用反映计量日各种条件的最新信息， 计量数据产品的现时价值。 对于源自使用价值的数据产品， 采用基于特定主体假设的使用价值进行计量， 数据产品的现时价值变动计入其他综合收益; 对于源自交换价值的数据产品， 采用公允价值进行计量， 数据产品的现时价值变动计入公允价值变动损益。
4. 不同业务模式下的资产分类、计量、列报与披露。 以数据资产为核心的企业业务模式多样， 会对资产分类、计量属性、列报与披露产生重要的影响。 下文将分别讨论不同业务模式⑧下， 数据资产的会计确认及其相关会计问题。
（1）不涉及数据资产会计确认， 适用其他具体准则的业务模式。 一是通过提供数据服务， 获取基础数据与衍生数据的价差利润的， 适用《企业会计准则第1号——存货》， 基础数据根据不同数据来源确定获取成本， 衍生数据按成本进行初始计量， 衍生数据的后续计量采用公允价值。 二是通过利用ICT 设备及其他机器设备提供数据空间服务， 或通过计算机软件与数据库提供基础数据技术服务的， 适用《企业会计准则第 14 号——收入》， 确认服务合同收入、计算合同成本。 视服务合同订立的具体情况， 对所提供的一揽子软件和硬件等技术开发服务合同， 分立为单项合同或将数项合同合并进行会计核算。 （2）数据资产的生产一体化企业， 或者企业提供信息服务或数字媒体的业务模式。 企业确认数据资产按照成本进行初始计量。 其成本包括： 数据资产的研发设计成本、服务计算阶段的工具研发和服务计算活动的相关支出。 数据准备阶段发生的数据预处理支出、基础数据的成本不构成数据资产的成本， 一律作费用化处理， 并披露相关信息。
（3）根据用户需求委托定制硬件、研发软件， 提供数据资产服务的业务模式。 由用户企业确认数据资产。 数据资产的成本包括： 数据资产的研发设计成本、企业自有或租赁的委托研发的软件工具的摊销金额、定制的硬件设备计提折旧费用， 以及其他服务计算活动的相关支出。 委托研发的软件工具、定制的硬件设备， 是由用户企业拥有， 还是由用户企业（以租赁方式）控制， 根据是否包含租赁合同的评估情况进行判断。 对于租赁安排部分， 由用户企业控制该租赁服务资源的， 适用《企业会计准则第 21 号——租赁》中出租方、承租方的会计处理规定; 由用户企业拥有该租赁服务资源的， 适用《企业会计准则第 4 号——固定资产》《企业会计准则第 6 号——无形资产》， 将可以资本化的服务费和实施成本确认为固定资产、无形资产， 并进行相关后续计量。
五、数据资产报告信息披露
1. 建立“彩色”数据资产报告， 提高财务报告信息披露质量。 传统财务报告以是否确认作为列报与披露的标准， 即“非黑即白”报告模式， 要么确认， 要么不确认[13] 。 在我国现行会计准则体系下， 数据资产须符合资产的确认标准， 即可定义性、可计量性、可靠性、相关性， 才能进入会计确认程序， 导致数据资产很难被会计确认。 考虑数据资产会计确认受到诸多不确定性因素的影响， 可以采用Wallman 于1996年提出的“彩色”報告模式， 将数据资产报告分为以下五个层次， 以促进传统财务报告信息的灵活沟通。
（1）完全符合传统会计确认标准， 即符合数据资产的定义及可计量性、相关性和可靠性， 这是数据资产报告的核心层次。
（2）符合相关性、可计量性和数据资产的定义， 但是可靠性较低。 例如， 未来现金流量金额和时点结果的不确定性， 提供数据资产价值最相关信息的金额， 并披露数据资产价值不确定性的置信区间， 反映企业风险管理的侧重点， 加强使用者对不确定性经济业务的理解。 又如， 在资产负债表日， 数据产品的现时价值计量， 须持续披露数据产品现时价值存在的不确定性及风险信息。
（3）符合相关性、可计量性， 但是可靠性较低， 是否符合数据资产的定义存在着不确定性。 例如， 会计上有时无法确定是否存在某项数据资产， 这种存在的不确定性影响计量和结果的确定性， 无论是否确认数据资产， 都应披露与该项数据资产存在的不确定性有关的解释性信息。
（4）符合相关性、可靠性、可计量性， 但是不符合数据资产的定义。 例如， 数据准备阶段基础数据的成本、数据预处理活动支出费用化的有关信息披露。
（5）符合相关性， 但是不符合可靠性、可计量性以及数据资产的定义。 例如： 将获得的个人数据加工分析形成某盈利点子， 由于其同时具有存在不确定性、计量不确定性和结果不确定性， 因此不在财务报表内确认， 但可以披露此类存在合法合规性风险的信息， 说明其估计方法和可靠程度等。
2. 运用数据思维， 构建基于事项法会计的数据资产报告。 由于数据资产计量的估计过程涉及的不确定性程度很高， 数据资产的表外信息披露尤显重要。 为了向报告使用者提供数据资产相关的定性和定量信息， 有必要运用数据思维， 构建基于事项法会计的数据资产报告。 基于Sorter[14] 提出的事项法会计， 构建一个数据资产业务事件仓库， 采集有助于数据资产价值评估的有用信息， 融合财务与非财务、货币与非货币、定量与定性信息为一体的多源数据集。
基于事项法会计的数据资产业务事件仓库， 可以根据不同的使用者信息需求， 生成多种格式的数据资产报告。 例如， 严格遵循会计准则生成传统的财务报告。 根据不同计量基础所提供的信息特征， 生成满足不同使用者信息需求的财务报告。 还可以通过采集、存储和处理对数据资产的价值评估产生具有重要影响的多维度信息， 如在数据资产的收益维度方面， 包括数据质量（含数据准确性、真实性、完整性、安全性）、数据应用（含稀缺性、时效性、多维性、场景经济性）; 在风险维度方面， 充分考虑源自商业环境的法律限制和道德约束， 对数据资产的价值可能存在从量变到质变的影响， 形成数据资产价值评估报告API接口。
六、结论
推进数据价值化， 成为当前发展数字经济、培育数据要素市场的重要内容。 数据资产具有不同于常规资产的信息资源特性， 研究数据资产化过程中的数据价值创造活动、明确会计意义上的数据资产、探索构建数据资产准则、规范数据资产的会计核算， 对推进数据要素市场化配置具有重要现实意义。
基于IASB概念框架的数据资产准则研究中， 由于受到诸多不确定性的影响， 数据资产报告信息披露与数据资产的会计确认与计量同等重要。 此外， 在学科融合趋势下， 数据资产会计确认、计量与报告， 是涉及法学、数据科学等相关学科的交叉研究领域。 实务中， 需要相关学科领域密切合作和共同推动。 例如： 加强以数据使用权为核心的数据资产相关知识产权的立法及其法律保护， 明确数据资产的权利及其权利束构成。 在现有的数据治理体系下， 推动数据管理与评估形成行业规范， 构建和完善数据安全合规性评估体系， 促进数据产业健康与可持续发展。
【 注 释 】
① 根据中国电子信息行业联合会官网 （http：//www.citif.org.cn/LEAP/MIIT/html/mainnew.html？newstype=citif_pggz），截至2021年9月27日，有66家单位获评稳健级（DCMM3级），数据已经被当作实现组织绩效目标的重要资产;有17家单位获评量化管理级（DCMM4级），数据被认为是获取竞争优势的重要资源;有1家单位即国家电网有限公司已经达到优化级（DCMM5级），数据被认为是组织生存和发展的基础。 ② 本文将不确定与风险统称为“不确定性”，二者不作区分。理论上，不确定与风险不同。“风险”是可度量的不确定性，“真正的”不确定性是不可度量的，是利润理论的基础[3] 。
③ 2018年3月IASB发布的《财务报告概念框架》中，使用术语“计量基础”（Measurement Basis）;我国现行会计准则体系中，使用术语“计量属性”;本着尊重原文的原则，本文同时使用了两个术语。
④ 2018年3月IASB发布的《财务报告概念框架》中，使用术语“业务活动”（Business Activity），而不是“业务模式”。根据该理事会的解释，因术语“业务模式”被很多组织使用，具有不同的含义，为避免与它们混淆，使用“业务活动”。
⑤ 信息资源的七大定律包括：无限共享性（定律1），越使用越有价值（定律2）但对数据质量有要求，越准确越有价值（定律4），价值随时间减损（定律3），越整合越有价值（定律5）但并非多多益善（定律6）和非折耗性（定律7）[6] 。
⑥ 服务计算是研究如何利用最新的信息技术和计算技术，打造全新的商业服务，提升现有的服务水平，将产品变为服务等多领域的交叉学科，也是在服务领域有效地将商业和技术进行有机整合的科学和技术的总称。“服务”指的是业务的领域与价值实现的方式，而“计算”指的是支撑技术。二者结合是让技术产生完美商业价值的一种理想状态[11] 。
⑦ IASB框架概念在计量章讨论了各种计量基础可提供的信息及如何选择计量基础。IASB 将计量基础归为历史成本和现时价值（Current Value）两大类，将公允价值、使用价值（资产）与履约价值（负债）、现行成本三种计量基础列于现时价值大类下。IASB认为，使用价值提供了有关一项资产的使用及其最终处置产生的估计现金流量现值的信息。
⑧ 各业务模式的界定，包括：提供数据服务模式、提供信息服务模式、数字媒体模式、数据资产服务模式、数据空间运营模式、数据资产技术服务模式[12] 。
【 主 要 參 考 文 献 】
[1] 中国信通院.数据资产化：数据资产确认与会计计量研究报告（2020年）[R/OL].https：//weibo.com/2618726865/JxFbnyFE0？type=comment，2020-12-09.
[2] 德勤，阿里研究院.数据资产化之路——数据资产的估值与行业实践[R/OL].http：//www.199it.com/archives/959228.html，2019-11-04.
[3] 富兰克·H.奈特著.王宇，王文玉译.风险不确定性和利润[M].北京：中国人民大学出版社，2005：50 ～ 87.
[4] 林斌.论不确定性会计[M].北京：中国财政经济出版社，2000：33 ～ 37.
[5] Global System for Mobile Communications Association. The Data Value Chain[R].2018.
[6] 黄世忠.信息资源的七大定律及其确认与计量[ J].财会月刊，2020（4）：3 ～ 9.
[7] 吉米·索尼，罗伯·古德曼著.杨晔译.香农传 ：从0到1开创信息时代[M].北京：中信出版社，2019：161 ～ 190.
[8] 王宜鸿，叶鹰. DIKW概念链上数据科学的理论与技术基础简论[ J].图书馆杂志，2020（12）：20 ～ 28.
[9] 王汉生.数据资产论[M].北京：中国人民大学出版社，2019：52 ～ 54.
[10] 李纪珍，钟宏等.数据要素领导干部读本[M].北京：国家行政管理出版社，2021：20 ～ 36.
[11] 张良杰.数据价值链与服务生态系统[ J].中国计算机学会通讯，2017（2）：31 ～ 36.
[12] 中国资产评估协会.关于印发《资产评估专家指引第9号——数据资产评估》的通知.中评协[2019]40号，2019-12-31.
[13] 葛家澍，杜兴强.当代财务会计的发展趋势[ J].财会通讯，2003（10）：5 ～ 11.
[14] George H. Sorter. An "Events" Approach to Basic Accoun-ting Theory[ J].The Accounting Review，1969（1）：12 ～ 19.
【关键词】数据资产;会计确认;不确定性;财务报告概念框架
【中图分类号】 F239 【文献标识码】A 【文章编号】1004-0994（2021）21-0066-6
一、引言
党的十九届四中全会将数据增列为一种重要的生产要素， 提出要加快培育数据要素市场。 我国主张数据确权与数据价值化并重， 探索国内数据要素市场化之路。 随着近期《数据安全法》《个人信息保护法》的相继发布， 数据确权困境初步破局。 加速推进数据价值化， 发展数据要素市场， 成为构建数据要素市场化配置体制的关键。 数据资产化是实现数据价值的核心[1] 。 在国家大数据战略推动下， 数字经济与实体经济深度融合， 企业数字化投入不断加大， 数据资产化进程加快。 工信部中国电子信息行业联合会官网公布： 截至2021年9月底， 已开展了八批数据管理能力成熟度（DCMM）评估工作①， 这些贯标单位的数据管理与应用实践表明， 数据已发展成为企业组织的重要战略资源。 因此， 探索建立数据生产要素的会计核算制度， 反映数据生产要素的资产价值， 构建数据资产“入表”的基础性制度， 对推进数据要素市场化配置具有重要的现实意义。 本文基于数据价值链视角， 分析数据资产化过程中数据创造价值的系列活动， 明确数据资产的概念， 规范数据资产会计确认、计量和报表列示事项。 因数据创造价值受到多方面因素的影响[2] ， 具有较大不确定性， 在现行会计准则体系下， 数据资产很难被确认， 导致其游离在资产负债表之外。
基于此， 本文借鉴IASB（国际会计准则理事会）于2018年3月发布的修订后的《财务报告概念框架》（简称“IASB概念框架”）， 在不确定性资产和负债的会计确认与计量决策的理论指引下， 开展数据资产准则研究。
二、IASB概念框架为不确定性经济业务的会计确认决策提供理论指引
1. 经济环境不确定性与IASB概念框架修订。 IASB概念框架的修订始于2004年IASB与FASB（美国财务会计准则委员会）共同启动联合概念框架项目; 置于经济全球化和信息革命背景下， 经济环境复杂多变， 市场竞争日趋激烈， 企业经营环境的不确定性②增加。 一方面， 市场、产品和需求的快速变动， 要求企业快速调整其资源能力; 另一方面， 商业新模式可能会随着新技术的更迭而产生颠覆性变化。 会计作为商业语言， 在应对经济环境的不确定性中寻求确定性， 促进了财务会计理论发展[4] 。
自20世纪80年代起， 各国相继发布财务报告概念框架或类似文件， 其主要作用是指导会计准则制定， 以减少信息处理过程中的不确定性。 尤其是当经济环境发生变化， 需修订或完善财务会计概念框架时， 为会计准则制定提供了应有的理论与借口。 以FASB发布的财务会计概念公告为例， 为反映经济活动中的不确定性， 一方面， 以“未来经济利益”来定义资产和负债， 使财务报表要素反映与未来关系非常密切的不确定性经济业务; 另一方面， 要求对不确定性经济业务作出谨慎反映， 权衡会计信息的相关性和可靠性。 随着经济环境不确定性的不断增长， 应适度稳健地确认与披露不确定性经济业务， 使会计向理解和处理不确定性的方向发展。 例如置信会计的发展， 用统计分布代替分散的具体数字， 以区间范围和置信区间加强财务报告的可信度和可理解程度。
21世纪以来， 经济环境不确定性日益增大， 成为IASB概念框架修订的重要影响因素之一。 IASB概念框架将不确定性全面纳入会计核算体系， 为不确定性经济业务的会计确认决策提供了理论指引。 例如： 区分存在不确定性、计量不确定性与结果不确定性对会计上应否确认资产和负债项目的影响， 审视不确定环境下“可能性”“可靠地计量”确认条件的局限性; 对不确定性资产和负债进行计量和报告， 选择适当的、相关的计量属性， 并强调表外信息披露可能与表内确认同等重要。
2. IASB概念框架将不确定性纳入会计核算与披露。 IASB概念框架除澄清了“受托责任”“如实反映”“审慎性”“实质重于形式”等模糊问题的争议外， 还更新了财务报表要素的定义， 构建了基于财务信息质量特征的全新确认标准与终止确认标准， 新增了计量目标及确定计量属性的基本原则。 IASB概念框架在不同层面上阐述了资产和负债确认与计量决策中的不确定性影响， 为不确定环境下资产和负债的会计确认与计量提供了理论指引。
（1）在有用财务信息的质量特征层面， 肯定了计量不确定性具有“如实反映”价值。 当财务报告中的货币金额无法直接观察且必须进行估计时， 就产生了计量不確定性。 财务报告提供有助于企业价值评估的有用信息（1.7段）， 须权衡“相关性”和“如实反映”（2.22段）。 高度的计量不确定性并不妨碍估计能提供有用的信息， 前提是估计被清晰和准确的描述和解释（2.18段、2.19段、5.19段）。
（2）在报表要素的定义方面， 资产和负债的定义关注于是否存在某项有潜力产生（或要求主体转移）经济利益的权利（或义务）， 未包含经济利益的可能性门槛。 以IASB概念框架中的资产定义为例， 资产是因过去事项形成的， 由主体控制的现有经济资源（4.3段）; 经济资源是有潜力产生经济利益的权利（4.4段）。 可以看出， 资产关注于是否存在一项满足经济资源的定义的权利， 即使其产生经济利益的可能性很低（4.15段）。 会计上有时无法确定是否存在某项资产或负债， 需要综合考虑其他因素（5.13段）， 基于是否提供有用信息的原则作出确认决策。 无论是否确认， 都应提供该项确认存在不确定性的有关解释信息（5.14段）。 （3）在確认标准方面， 仅当确定向财务报表的使用者提供了有用信息时， 才确认资产或负债。 在满足成本约束的条件下， 若资产和负债的确认能够向财务报表使用者提供有用信息， 即信息相关且如实反映经济现象， 则确认该项资产和负债适当。 可以看出， 确认标准是原则导向的， 不再采用“可能性”“可靠地计量”确认条件。 这与“可靠性”不再作为质量特征使用， 资产和负债的定义中未包含经济利益的可能性门槛， 保持了内在逻辑的一致性。
（4）选择计量基础③以提供有用的财务信息， 须在相关性和如实反映之间权衡。 计量基础所提供信息的相关性取决于资产或负债的特征（如价值变动对市场因素或其他风险的敏感性）、产生现金流量的方式（6.54段）。 主体的业务活动④影响其产生现金流量的方式， 继而影响计量基础选择。 例如， 有些经济资源直接产生现金流量， 最具相关性信息的计量基础很可能是现行成本; 有些经济资源通过合并使用间接产生现金流量， 则以历史成本或现行成本为计量基础能提供报告期内实现利润的相关性信息（6.55段， 6.56段）。
（5）在信息披露方面， 为改进财务报告信息传递， IASB概念框架为具体准则制定中的列报与披露要求提供指引。 会计准则制定的重点， 由会计确认与计量转向扩充财务报告信息披露内容、注重财务报表结果的灵活沟通。
三、基于IASB概念框架的数据资产会计确认
本部分将结合数据价值链框架[5] ， 参考国内数据管理成熟度评估模型（DCMM）评估工作的推进， 根据数据的信息资源特性⑤， 分析数据资产化过程中的数据价值创造活动， 尝试基于IASB概念框架探讨数据资产的会计确认问题。
1. 数据价值创造活动与数据资产化。 随着新一轮科技革命和产业革命浪潮， 人类进入数字经济时代。 以“大智移云物”为代表的新信息技术涌现， 既是加剧不确定性的原因， 也是解决不确定性的手段。 一方面， 新经济环境的不确定性加剧， 企业需在不确定性情境下对一系列经济活动作出决策。 另一方面， 数据记录了不确定性， 且不确定性是企业利润的唯一来源[3] ， 研究不确定性背后的规律可洞察其中的商业价值。 因此， 数据作为信息的载体， 能降低不确定性[7] ， 使自身具有巨大的潜在价值。
数据科学领域揭示了数据创造价值的机理。 例如， DIKW模型提出了数据价值链的概念模型， 从数据中提炼有价值的信息， 发现知识、智慧， 用以解决现实问题。 在大数据技术环境下， 以大算力支持的算法和机器学习模型得到广泛应用， 从数据到知识的转化可通过综合利用大数据技术与方法实现[8] 。 移动通讯全球系统协会（GSMA）于2018年提出的数据价值链框架， 用于分析数据创造价值的系列活动， 着眼于数据资产化过程， 明确会计意义上的数据资产概念， 开展数据资产会计确认研究。
GSMA数据价值链框架将数据创造价值的系列活动分为生成、收集、分析和交换四个阶段， 用来描述数据发展成为具有商业价值的资产的系列活动。 当数据经生成、收集以后， 进入分析阶段， 就会具有创造大部分价值的潜力。 分析阶段可以细分成两个子阶段： 一是数据处理， 将数据转换为适合挖掘和分析的格式; 二是数据分析， 通过获取和利用数据处理结果来预测和理解行动， 形成有意义的洞察和有用的信息， 如见解、知识。 在分析阶段， 企业最有潜力进行创新、发展和利用其知识产权， 建立更有吸引力、更高防御性和更高利润的业务。 在交换阶段， 数据资产经封装形成数据产品， 与最终用户进行交换。 数据产品的交换情形包括： 供企业经营决策自用、对外出售数据和对外提供数据服务。
2. 数据资产属性分析。
（1）数据资产的经济属性。 根据IASB概念框架中资产的定义， 数据资产要成为一项经济资源， 必须有潜力为主体带来经济利益。 GSMA数据价值链框架表明， 当数据进入分析阶段后才会具有创造大部分价值的潜力， 开始发展成为数据资产， 并在交换阶段经封装形成数据产品。 因此， 从数据价值创造的视角来看， 只有进入分析阶段的数据才具有产生经济利益的潜力， 也才能发展成为具有商业价值的经济资源。 数据的生成、收集阶段（统称为“数据准备阶段”）， 是数据进入分析阶段之前的数据预处理活动。 实务中， 随着国内数据管理能力成熟度评估工作的推进， 可以借助企业数据管理成熟度模型（GB/T36073-2018）的评估结果， 进行会计意义上的数据资产确认。
（2）数据资产的法律属性。 根据IASB概念框架中资产的定义， 数据资产要成为一项经济资源并为主体带来经济利益， 必须由企业控制。 即数据资产的确权要求， 企业须有能力主导经济资源的使用， 并获得其产生的经济利益。 一般地， 控制通常来源于可执行法定权利的能力， 也可以来源于其他方式。 例如， 一项不受专利权限制的专有技术， 若主体可使用该专有技术， 并具有保守该专有技术秘密的能力， 即使该专有技术不受注册专利的保护， 企业也可以通过合同、法律或类似方式建立一项权利。 因此， 数据资产从其产生未来经济利益的潜力获得价值， 企业必须控制包含该潜力的权利。 GSMA数据价值链框架表明， 数据进入分析阶段以后， 企业最有潜力形成特定知识产权的数据资产， 获得知识产权相关法律法规的保护。 实务中， 对于不能形成知识产权的数据资产， 由于数据的非排他性和可复制性， 其权属难以界定和保障。 随着《数据安全法》《个人信息保护法》的相继出台， 以及数据权属相关法律的逐步完善， 基于“可用不可见”的原则， 数据在生成、收集、分析和交换各阶段， 形成基于数据使用权确权的法律框架将指日可待。
3. 数据资产的会计确认。 基于IASB概念框架探讨数据资产会计确认， 包括应否由财务会计来记录和报告、何时记录以及如何计量、记录和报告数据资产。 （1）与数据资产有关的交易或事项应否由财务会计来记录和报告。 根据IASB概念框架中的会计确认标准， 在满足成本约束的条件下， 如果数据资产的确认能够向财务报表使用者提供有用的信息， 即信息相关且如实反映经济现象， 则应确认该项数据资产。 根据IASB概念框架中资产的定义， 数据资产关注于一项有潜力产生经济利益的权利是否存在， 即数据资产的“存在不确定性”。 当虽然存在但经济利益流入（包括金额、时点）的可能性较低时， 即“结果不确定性”， 数据资产确认就不能提供相关信息， 还须权衡相关性和如实反映。 除非数据资产计量的估计过程涉及的不确定性程度很高， 即“计量不确定性”， 不能如实反映该项资源及其经济利益， 否则， 应当确认该项数据资产。
（2）何时记录数据资产。 根据GSMA数据价值链框架， 进入分析阶段后数据开始发展成为具有商业价值的数据资产。 该数据资产即可由控制主体将其确认为数据资产， 进入会计核算系统， 进行初始记录。 企业结合数据资产（包括交换阶段的数据产品）的业务特点以及风险管理要求， 对数据资产进行初始确认、终止确认。
（3）如何计量、记录和报告数据资产。 由于数据创造商业价值， 并且依赖于具体的业务场景[9] ， 而且数据只有基于商业实践的算法、模型聚合时才能创造价值[10] 。 因此， 需要研究不同业务模式下数据创造价值和贡献现金流量的方式， 以选择数据资产计量属性， 对数据资产进行计量; 不同业务模式还对数据资产的记录和报告产生重要的影响， 如确定计量单元、资产列报与披露的分类等。
（4）加强数据资产的财务列报与相关信息披露， 改进数据资产报告的信息传递。 重视对数据资产会计确认与计量决策产生影响的不确定性因素的披露， 尤其是要注意数据资产计量上存在较高的不确定性。 例如， 不同使用者处在不同的业务场景或面临不同的问题， 使数据价值大相径庭; 又如， 数据价值可能随时间变化， 既有强时效性数据的价值因折旧而下降， 也有已有数据因新机会和新技术产生新的价值。
四、IASB概念框架下的数据资产准则研究
1. 数据资产的定义。 数据资产是指由过去的交易或事项形成的， 由企业拥有或控制的、有潜力产生经济利益的数据权利。 下文将根据数据资产的会计确认研究需要， 将GSMA数据价值链框架中的数据价值创造活动划分为数据准备、服务计算⑥两大阶段， 以便于明确会计意义上的数据资产概念以及数据资产成本内涵等。 其中， 数据准备阶段是数据生成和收集阶段的合称， 服务计算阶段是数据分析和交换阶段的合称。 在服务计算阶段， 将计算技术服务于特定的业务需求和场景， 是数据转化为数据资产的专用性投资， 最后经封装形成数据产品。
2. 数据资产的确认和终止确认。 符合下列情形之一的， 可以判断数据资源具有潜力产生经济利益， 会计上将确认其为控制主体的数据资产。 第一， 拥有或控制已完成数据预处理且符合数据处理与分析所需格式要求的数据资源。 例如， 企业数据管理成熟度达到稳健级（DCMM3级）， 数据已经被当作实现组织绩效目标的重要资产， 以及企业数据管理成熟度达到量化管理级（DCMM4级）或优化级（DCMM5级）。 第二， 已经获得服务计算活动的关键技术专利、专有技术， 如数据处理、数据挖掘、数据分析和数据展示活动相关的知识产权权利。 第三， 拥有或控制经封装形成的数据产品， 该产品能够供企业自身经营决策使用， 或对外提供数据服务、出售。 第四， 拥有或控制某项数据资产相关权利证明， 或表明有潜力产生经济利益的其他情形。 当全部或部分数据资源不再满足数据资产的定义时， 应当终止确认数据资产。 终止确认通常发生在主体丧失了对已确认数据资产的全部或部分控制权时。
3. 数据资产成本。
（1）数据资产成本的內涵。 数据资产的成本， 是指数据发展成为数据资产（数据资产化）过程中发生的服务计算成本， 即按特定的业务需求和场景， 利用算法从已完成数据预处理的数据中分析挖掘有价值信息的过程中所发生的投入， 一般包括数据资产的研发设计、服务计算活动（如数据处理、数据挖掘、数据分析和数据展示等）所发生的工具研发费用和实施成本。 数据资产达预期效果后， 经封装形成数据产品， 并结转计算数据产品的生产成本。
（2）数据准备阶段的支出。 由于数据准备阶段的数据尚不具有实现价值创造的潜力， 该阶段所发生的活动支出（包括数据采集与数据存储成本、数据预处理费用）在发生时计入当期损益， 不计入数据资产的成本。
（3）数据产品的计量。 数据产品按成本进行初始计量。 数据产品的后续计量采用现时价值⑦， 利用反映计量日各种条件的最新信息， 计量数据产品的现时价值。 对于源自使用价值的数据产品， 采用基于特定主体假设的使用价值进行计量， 数据产品的现时价值变动计入其他综合收益; 对于源自交换价值的数据产品， 采用公允价值进行计量， 数据产品的现时价值变动计入公允价值变动损益。
4. 不同业务模式下的资产分类、计量、列报与披露。 以数据资产为核心的企业业务模式多样， 会对资产分类、计量属性、列报与披露产生重要的影响。 下文将分别讨论不同业务模式⑧下， 数据资产的会计确认及其相关会计问题。
（1）不涉及数据资产会计确认， 适用其他具体准则的业务模式。 一是通过提供数据服务， 获取基础数据与衍生数据的价差利润的， 适用《企业会计准则第1号——存货》， 基础数据根据不同数据来源确定获取成本， 衍生数据按成本进行初始计量， 衍生数据的后续计量采用公允价值。 二是通过利用ICT 设备及其他机器设备提供数据空间服务， 或通过计算机软件与数据库提供基础数据技术服务的， 适用《企业会计准则第 14 号——收入》， 确认服务合同收入、计算合同成本。 视服务合同订立的具体情况， 对所提供的一揽子软件和硬件等技术开发服务合同， 分立为单项合同或将数项合同合并进行会计核算。 （2）数据资产的生产一体化企业， 或者企业提供信息服务或数字媒体的业务模式。 企业确认数据资产按照成本进行初始计量。 其成本包括： 数据资产的研发设计成本、服务计算阶段的工具研发和服务计算活动的相关支出。 数据准备阶段发生的数据预处理支出、基础数据的成本不构成数据资产的成本， 一律作费用化处理， 并披露相关信息。
（3）根据用户需求委托定制硬件、研发软件， 提供数据资产服务的业务模式。 由用户企业确认数据资产。 数据资产的成本包括： 数据资产的研发设计成本、企业自有或租赁的委托研发的软件工具的摊销金额、定制的硬件设备计提折旧费用， 以及其他服务计算活动的相关支出。 委托研发的软件工具、定制的硬件设备， 是由用户企业拥有， 还是由用户企业（以租赁方式）控制， 根据是否包含租赁合同的评估情况进行判断。 对于租赁安排部分， 由用户企业控制该租赁服务资源的， 适用《企业会计准则第 21 号——租赁》中出租方、承租方的会计处理规定; 由用户企业拥有该租赁服务资源的， 适用《企业会计准则第 4 号——固定资产》《企业会计准则第 6 号——无形资产》， 将可以资本化的服务费和实施成本确认为固定资产、无形资产， 并进行相关后续计量。
五、数据资产报告信息披露
1. 建立“彩色”数据资产报告， 提高财务报告信息披露质量。 传统财务报告以是否确认作为列报与披露的标准， 即“非黑即白”报告模式， 要么确认， 要么不确认[13] 。 在我国现行会计准则体系下， 数据资产须符合资产的确认标准， 即可定义性、可计量性、可靠性、相关性， 才能进入会计确认程序， 导致数据资产很难被会计确认。 考虑数据资产会计确认受到诸多不确定性因素的影响， 可以采用Wallman 于1996年提出的“彩色”報告模式， 将数据资产报告分为以下五个层次， 以促进传统财务报告信息的灵活沟通。
（1）完全符合传统会计确认标准， 即符合数据资产的定义及可计量性、相关性和可靠性， 这是数据资产报告的核心层次。
（2）符合相关性、可计量性和数据资产的定义， 但是可靠性较低。 例如， 未来现金流量金额和时点结果的不确定性， 提供数据资产价值最相关信息的金额， 并披露数据资产价值不确定性的置信区间， 反映企业风险管理的侧重点， 加强使用者对不确定性经济业务的理解。 又如， 在资产负债表日， 数据产品的现时价值计量， 须持续披露数据产品现时价值存在的不确定性及风险信息。
（3）符合相关性、可计量性， 但是可靠性较低， 是否符合数据资产的定义存在着不确定性。 例如， 会计上有时无法确定是否存在某项数据资产， 这种存在的不确定性影响计量和结果的确定性， 无论是否确认数据资产， 都应披露与该项数据资产存在的不确定性有关的解释性信息。
（4）符合相关性、可靠性、可计量性， 但是不符合数据资产的定义。 例如， 数据准备阶段基础数据的成本、数据预处理活动支出费用化的有关信息披露。
（5）符合相关性， 但是不符合可靠性、可计量性以及数据资产的定义。 例如： 将获得的个人数据加工分析形成某盈利点子， 由于其同时具有存在不确定性、计量不确定性和结果不确定性， 因此不在财务报表内确认， 但可以披露此类存在合法合规性风险的信息， 说明其估计方法和可靠程度等。
2. 运用数据思维， 构建基于事项法会计的数据资产报告。 由于数据资产计量的估计过程涉及的不确定性程度很高， 数据资产的表外信息披露尤显重要。 为了向报告使用者提供数据资产相关的定性和定量信息， 有必要运用数据思维， 构建基于事项法会计的数据资产报告。 基于Sorter[14] 提出的事项法会计， 构建一个数据资产业务事件仓库， 采集有助于数据资产价值评估的有用信息， 融合财务与非财务、货币与非货币、定量与定性信息为一体的多源数据集。
基于事项法会计的数据资产业务事件仓库， 可以根据不同的使用者信息需求， 生成多种格式的数据资产报告。 例如， 严格遵循会计准则生成传统的财务报告。 根据不同计量基础所提供的信息特征， 生成满足不同使用者信息需求的财务报告。 还可以通过采集、存储和处理对数据资产的价值评估产生具有重要影响的多维度信息， 如在数据资产的收益维度方面， 包括数据质量（含数据准确性、真实性、完整性、安全性）、数据应用（含稀缺性、时效性、多维性、场景经济性）; 在风险维度方面， 充分考虑源自商业环境的法律限制和道德约束， 对数据资产的价值可能存在从量变到质变的影响， 形成数据资产价值评估报告API接口。
六、结论
推进数据价值化， 成为当前发展数字经济、培育数据要素市场的重要内容。 数据资产具有不同于常规资产的信息资源特性， 研究数据资产化过程中的数据价值创造活动、明确会计意义上的数据资产、探索构建数据资产准则、规范数据资产的会计核算， 对推进数据要素市场化配置具有重要现实意义。
基于IASB概念框架的数据资产准则研究中， 由于受到诸多不确定性的影响， 数据资产报告信息披露与数据资产的会计确认与计量同等重要。 此外， 在学科融合趋势下， 数据资产会计确认、计量与报告， 是涉及法学、数据科学等相关学科的交叉研究领域。 实务中， 需要相关学科领域密切合作和共同推动。 例如： 加强以数据使用权为核心的数据资产相关知识产权的立法及其法律保护， 明确数据资产的权利及其权利束构成。 在现有的数据治理体系下， 推动数据管理与评估形成行业规范， 构建和完善数据安全合规性评估体系， 促进数据产业健康与可持续发展。
【 注 释 】
① 根据中国电子信息行业联合会官网 （http：//www.citif.org.cn/LEAP/MIIT/html/mainnew.html？newstype=citif_pggz），截至2021年9月27日，有66家单位获评稳健级（DCMM3级），数据已经被当作实现组织绩效目标的重要资产;有17家单位获评量化管理级（DCMM4级），数据被认为是获取竞争优势的重要资源;有1家单位即国家电网有限公司已经达到优化级（DCMM5级），数据被认为是组织生存和发展的基础。 ② 本文将不确定与风险统称为“不确定性”，二者不作区分。理论上，不确定与风险不同。“风险”是可度量的不确定性，“真正的”不确定性是不可度量的，是利润理论的基础[3] 。
③ 2018年3月IASB发布的《财务报告概念框架》中，使用术语“计量基础”（Measurement Basis）;我国现行会计准则体系中，使用术语“计量属性”;本着尊重原文的原则，本文同时使用了两个术语。
④ 2018年3月IASB发布的《财务报告概念框架》中，使用术语“业务活动”（Business Activity），而不是“业务模式”。根据该理事会的解释，因术语“业务模式”被很多组织使用，具有不同的含义，为避免与它们混淆，使用“业务活动”。
⑤ 信息资源的七大定律包括：无限共享性（定律1），越使用越有价值（定律2）但对数据质量有要求，越准确越有价值（定律4），价值随时间减损（定律3），越整合越有价值（定律5）但并非多多益善（定律6）和非折耗性（定律7）[6] 。
⑥ 服务计算是研究如何利用最新的信息技术和计算技术，打造全新的商业服务，提升现有的服务水平，将产品变为服务等多领域的交叉学科，也是在服务领域有效地将商业和技术进行有机整合的科学和技术的总称。“服务”指的是业务的领域与价值实现的方式，而“计算”指的是支撑技术。二者结合是让技术产生完美商业价值的一种理想状态[11] 。
⑦ IASB框架概念在计量章讨论了各种计量基础可提供的信息及如何选择计量基础。IASB 将计量基础归为历史成本和现时价值（Current Value）两大类，将公允价值、使用价值（资产）与履约价值（负债）、现行成本三种计量基础列于现时价值大类下。IASB认为，使用价值提供了有关一项资产的使用及其最终处置产生的估计现金流量现值的信息。
⑧ 各业务模式的界定，包括：提供数据服务模式、提供信息服务模式、数字媒体模式、数据资产服务模式、数据空间运营模式、数据资产技术服务模式[12] 。
【 主 要 參 考 文 献 】
[1] 中国信通院.数据资产化：数据资产确认与会计计量研究报告（2020年）[R/OL].https：//weibo.com/2618726865/JxFbnyFE0？type=comment，2020-12-09.
[2] 德勤，阿里研究院.数据资产化之路——数据资产的估值与行业实践[R/OL].http：//www.199it.com/archives/959228.html，2019-11-04.
[3] 富兰克·H.奈特著.王宇，王文玉译.风险不确定性和利润[M].北京：中国人民大学出版社，2005：50 ～ 87.
[4] 林斌.论不确定性会计[M].北京：中国财政经济出版社，2000：33 ～ 37.
[5] Global System for Mobile Communications Association. The Data Value Chain[R].2018.
[6] 黄世忠.信息资源的七大定律及其确认与计量[ J].财会月刊，2020（4）：3 ～ 9.
[7] 吉米·索尼，罗伯·古德曼著.杨晔译.香农传 ：从0到1开创信息时代[M].北京：中信出版社，2019：161 ～ 190.
[8] 王宜鸿，叶鹰. DIKW概念链上数据科学的理论与技术基础简论[ J].图书馆杂志，2020（12）：20 ～ 28.
[9] 王汉生.数据资产论[M].北京：中国人民大学出版社，2019：52 ～ 54.
[10] 李纪珍，钟宏等.数据要素领导干部读本[M].北京：国家行政管理出版社，2021：20 ～ 36.
[11] 张良杰.数据价值链与服务生态系统[ J].中国计算机学会通讯，2017（2）：31 ～ 36.
[12] 中国资产评估协会.关于印发《资产评估专家指引第9号——数据资产评估》的通知.中评协[2019]40号，2019-12-31.
[13] 葛家澍，杜兴强.当代财务会计的发展趋势[ J].财会通讯，2003（10）：5 ～ 11.
[14] George H. Sorter. An "Events" Approach to Basic Accoun-ting Theory[ J].The Accounting Review，1969（1）：12 ～ 19.