[提要] 数字经济作为新技术革命的产物、新的经济形态和资源配置方式,已经渗透到我们经济和生活的方方面面。数字经济时代,建设数据治理体系正在受到理论界和实务界越来越多的重视。在数据治理中,数据资产如何进行会计确认与计量已经成为企业数字化转型的重要内容与前沿性话题。本文从数据资源的含义与特征出发,分析论述数据资源纳入企业资产时的基本特征,并讨论数据资产的确认条件。最后,根据企业的使用方式将数据资产分为自用性数据资产与交易性数据资产,结合会计要素计量属性与原则设计不同的会计计量方式,旨在为投资者、政府、社会获得企业数据资产的可靠信息提供帮助。
关键词:数据资源;数据资产;会计处理
基金项目:陕西省科学技术研究发展计划项目:“陕西省石油企业海外投资决策风险控制研究”(编号:2014KRM31);西安石油大学研究生创新与实践能力培养计划项目(编号:YCS21113167)
中图分类号:F234.4 文献标识码:A
收录日期:2022年8月23日
随着“云计算” “移动互联网”技术的日趋成熟,社会市场信息化与企业信息化的进程不断推进,各类数据资源以“爆发式”的态势快速形成,经济的发展逐渐迈入了新的时代——数据时代。以财务数据为例,经过数字化技术的洗礼,企业的财务数据比以往更富有采集、清洗、储存、挖掘能力,传统的财务“小数据”快速走向了财务“大数据”的行列,企业的财务部门也逐渐由“价值守护”向“价值创造”转变。因此,为保证企业数据数字化的快速完成,数据治理成为其中不可或缺的重要一环。
目前,国内学者对数据资产如何进行确认、计量尚处于会计的初探阶段。那么,是什么原因致使数据资产的研究难以推进?目前,数据资产已成为国家实施大数据战略的重要资源,列入企业资产之一是顺应时代潮流的做法。基于此,本文从数据资产的会计确认与计量两个方面对其进行研究。
一、数据资产的含义
人们都说,信息时代的革命是从数据开始。而数据产生价值的过程,便是数据成为资产的伟大过程。1974年,“数据资产”的概念被Richard E.Peters首次提出,但并未引起社会各界的关注。如今,随着数据时代的来临,数据是企业的一项资产这一观念渐渐深入人心。那么,探讨数据资产这一概念的深层次含义就显得尤为必要。
根据国际会计准则理事会(IASB)对资产的定义指出:“资产是一种有潜力产生经济利益权利的经济资源,是企业由于过去事项而控制的现时经济资源”。从其中可知,资产是可以为企业带来未来的经济利益的流入,更是企业控制的一项资源。中国信息通信研究院于2019年发布的《数据资产管理实践白皮书(4.0)》对数据资产定义如下:企业拥有和控制的,能够为企业带来未来经济利益的,以物理或电子方式记录的数据资源。从会计的角度来讲,这一定义基本符合现代会计准则的需要。因此,在企业过去事项生成的一系列数据中,并非所有的数据都应认定为企业的资产。只有能为企业带来未来经济利益的流入的数据才能认定为数据资产。通俗来讲,能为企业带来价值的数据才能称之为数据资产。
二、数据资产的确认
数据资产作为大数据时代下的产物,目前学术界对其会计上如何确认并无统一的规范。现如今,部分学者认为,数据资产的确认与无形资产的确认基本类似,而且应将数据资产列入无形资产之中进行列报。也有部分学者提出应将其单独作为一项资产,列入新的会计核算科目“数据资产”内进行核算。那么,我们应该如何选择科目进而进行核算?
在前文中,我们认为数据资产是企业拥有和控制的,能够为企业带来未来经济利益的,以物理或电子方式记录的数据资源。虽然从资产属性的角度,由于数据资产具备无实物性的特征与无形资产较为相似,但是将之纳入无形资产的范畴并不合理。数据资产本身充满了权属与价值的不确定性,将数据资产确认无形资产中难以从报表层面体现出数据资产这一项资产价值,反而容易造成无形资产本身的账面价值波动。因此,笔者认为数据资产应该单独作为一项资产列入会计核算。
数据具有价值不确定性。若是随着时间推移,数据资源的价值过低或者不具有价值,那么便不能成为企业的一项资产。因此,鉴于数据资产与传统资产最大的区别是其价值充满了不确定性,数据资产的确认过程除了需要满足传统资产的条件以外,数据资源的价值是否具有价值也是其能否被企业确认为一项资产的关键之一。由数据治理的角度来看,判断数据资源是否具有价值应从三个重要要素来辨别,即数据资源、业务场景以及技术手段。数据资源、业务场景、技术手段共同构成了一项普通数据资源转为数据资产的基本框架,亦是判断数据资源是否具备价值的基本辨别方式之一。
那么,企业的数据资源是如何成为一项数据资产的?通常来说,一项普通数据资源成为数据资产共有三大步骤:
第一步,分析业务需求,采集相关数据。业务需求分析是普通数据资源转为价值资源的源头与动力,相当于找到数据资源服务的目标与对象。企业不同的业务需求决定了数据搜集的范围与分析方式。只有明确了业务需求才能进而明确数据采集的范围。如,财务核算的需求决定了采集数据的范围为各类财务数据;市场业务的需求决定了采集数据的范围为客商的数据、市场竞争数据等。
第二步,数据清洗加工,挖掘数据价值。企业面对采集而来的原始数据,首先要做的是进行清洗加工处理,将复杂且多样化的数据进行相应处理,转化为企业需要且易于价值挖掘的数据类型。其次企业应对已处理的数据资源进行价值的挖掘。不同企业进行价值挖掘的方式是不同的。数据分析能力较弱的企业对于数据的价值挖掘一般采用业务人员的个人职业判断。而数据分析能力较强的企业对于数据的价值挖掘可以采用数据回归、分类、关联规则、时间序列等数据算法模型,进而对数据资源本身进行价值的深度挖掘。
第三步,数据可视化。数据可视化是数据资源转换为价值资源的最终环节,可视化的数据是为企业管理层提供决策依据的有效工具方法,亦是数据资源转为价值资源的标志之一。
综上所述,数据资源能否被确认为企业的一项资产不但需要满足资产的一般确认条件,还需要满足的是该数据资源是否具有价值。而判断数据资源是否具有价值,应从其三要素及三步骤来进行辨别。若是符合价值数据资源的三要素框架和三步骤方式,那么该数据资源便可以确认为企业的数据资产;反之,便不应确认为企业的数据资产。
三、数据资产的计量
数据资产作为企业的一项无实物状态资产,与传统资产相同,为将符合会计确认条件的数据资产登记入账并列报于财务报表而确认具体的金额,我们首先要对数据资产根据相应的计量属性进行计量。而数据资产的价值影响因素众多,其计量也存在着各种的困难,当下会计要素的计量属性主要通常包括历史成本、重置成本、可变现净值、现值与公允价值。在各会计要素的计量属性中,历史成本是反映有关资产与负债过去所发生的价值,其余的计量属性大多是反映资产的现时成本或是现时价值,如何选择合适的计量属性是对数据资产进行计量的首要问题之一。
数据资产创造价值有赖于企业的业务场景,不同的业务场景下的数据资产种类显著不同。例如,某企业从贵阳大数据交易平台购入的一项数据资产主要用于对外交易,此类数据资产与企业用于日常生产经营的数据资产便不能作为同一类型数据资产处理。因此,我们通常可以将数据资产区分为用于交易的数据资产和用于自用的数据资产,一般情况下对于不同类型的数据资产的计量属性选择应有所区别。
(一)数据资产的初始计量。对于数据资产的初始计量,部分学者考虑到资产的价值与未来自身所带来相关经济利益的流入有关,认为可以对其采用现值计量属性进行会计的初始计量。然而,未来业务场景的不同,数据资产使用也必将不同,其本身所带来的经济利益更难以用货币准确地衡量。因此,在企业使用现值计量属性时,需要更为科学及严格的预测技术,这对当下大部分的公司而言并不适用。
公允价值计量属性大多运用于交易市场活跃的情形下,而对于交易市场并不活跃的数据资产而言,需要采用相应的估值技术来确认数据资产的公允价值。一般情况下,对数据资产的估值大多是采用现值的方式。此外,使用公允价值计量属性也易造成人为操纵利润的现象。因此,公允价值并不适用于这类数据资产。
基于数据资产的独有特征,为使得企业会计信息质量更为可靠,历史成本计量属性作为初始计量方式或许更为适合(李诗,2021)。因此,企业在对自用性数据资产与交易性数据资产进行初始计量时,应包括数据资源价值实现过程中的一系列成本,即数据购买或是数据采集、挖掘、可视化等一系列过程中的相关成本。如,数据采集过程中的成本应是自动化识别工具或是人工采集各类原始数据时的投入,该类投入包括数据采集人员的工资、自动化识别工具使用时所消耗的电费、累计折旧和其他相关支出等,其中累计折旧通过期末分配转入。
(二)数据资产的后续计量。数据资产的后续计量是指数据资产在进行初始计量之后关于其摊销、预计使用寿命、减值以及后续支出的处理等信息的一系列处理。本文赞同部分学者的观点:应考虑到随着对数据的深度挖掘,数据资产在使用过程中产生的收益将要远远超过其初始成本,其真实价值将远远超过其采用历史成本法下的账面价值。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。本文以业务种类的不同将数据资产划分为自用性数据资产和交易性数据资产,进而分别采用不同的计量方式进行后续计量。
1、自用性数据资产的后续计量。无论是外购的数据资产或是自产的数据资产,如果该数据资产用于企业自身的各项经营活动,那么这类数据资产都应归入二级科目——“自用性数据资产”核算。从对于该类数据资产,考虑到其自身价值在企业内部间流转,后续计量中可以采用“成本模式”。即自用性数据资产应当按期计提折旧与摊销,如若随着时间的推移与企业经营环境的变化,该项自用性数据资产存在减值迹象的还应经过减值测试确定发生减值,计提减值准备。
2、交易性数据资产的后续计量。如果企业中一类数据资产并不以服务于企业经营而存在,而是以后续交易实现利得收益为目的,那么企业应将这类数据资产归入交易性数据资产。随着大数据交易中心的发展,对于该类数据资产,企业可以选择使用公允价值进行后续计量。
然而,对交易性数据资产后续计量时,其公允价值与历史成本可能存在差异,那么企业应首先将其初始成本调整为公允价值。其次,公允价值模式与成本模式的最大不同是采用公允价值模式下企业需要在会计期末根据公允价值不断调整数据资产的账面价值,以公允价值的变动差异计入当期损益。然而,考虑数据资产的特殊性及公允价值易被操纵等,公允价值变动计入当期损益将影响企业的利润,并不合适,而是将数据资产公允价值变动计入“其他综合收益”。因此,若是采用公允价值模式进行后续计量的数据资产,后续不必计提折旧,以资产负债表日数据资产的公允价值高于其账面余额的差额,借记“数据资产——公允价值变动”,贷记“其他综合收益”。
最后,若是企业成本模式下的交易性数据资产转为公允价值模式下的交易性数据资产,那么企业应作会计政策变更处理,并按照计量模式变更时的公允价值与账面价值差异调整期初留存收益,而一旦企业选择“公允价值模式”,那么便不能采用“成本模式”进行后续计量。
(作者单位:西安石油大学经济管理学院)
主要参考文献:
[1]维克托·迈尔-舍恩伯格,著.大数据时代[M]. 盛扬燕,周涛,译.杭州:浙江人民出版社,2013.
[2]Richard E.Peters.A Cross
Section Study of the Demand for Money:The United States,1960-62[J].The
Journal of Finance,1974(01).
[3]陈思静,王磊,尹波,干胜道.朴素贝叶斯分类法与数据资产会计确认——难题与突破[J].会计之友,2019(19).
[4]张俊瑞,危雁麟,宋晓悦.企业数据资产的会计处理及信息列报研究[J].会计与经济研究,2020.34(03).
[5]上官鸣,白莎.大数据资产会计处理探析[J].财务与会计,2018(22).
[6]唐莉,李省思.关于数据资产会计核算的研究[J].中国注册会计师,2017(02).
[7]李诗,李可亦,田雪,吴欢,徐钰,陈志威.A环卫公司数据资产的会计确认、计量与披露[J].财务与会计,2021(07).
[8]李泽红,檀晓云.大数据资产会计确认、计量与报告[J].财会通讯,2018(10).
[9]刘国英,周冬华.IASB概念框架下数据资产准则研究[J].财会月刊,2021(21).
|