| 联系我们 |
 |
合作经济与科技杂志社
地址：石家庄市建设南大街21号
邮编：050011
电话：0311-86049879 |
|
|
| 财会/审计 |
| 制造业企业数据资产入表探讨 |
| 第755期 作者：□文/芦 珊 时间：2025/6/16 15:48:03 浏览：32次 |
［提要］ 随着大数据技术的快速发展，数据已成为企业的新型生产要素和重要资产。然而，数据资产在财务报表中的确认与计量仍存在诸多挑战。本文以制造业为例，对数据资产入表的必要性、可行性及路径进行研究，旨在为制造业企业合理评估和利用数据资产、提升财务管理水平和企业价值提供有益参考。
关键词：制造业；数据资产；入表路径
中图分类号：F23 文献标识码：A
收录日期：2024年11月28日
随着信息技术的飞速发展，数据已成为企业的新型生产要素和重要资产，甚至已经成为企业重要的战略资源。在制造业领域，从生产流程中的设备数据、供应链数据到产品研发数据等，都蕴含着巨大的价值，数据资产的重要性日益凸显。数据资产不仅能够帮助企业优化生产流程、提高生产效率，还能够为企业带来新的商业模式和增长动力。然而，尽管数据资产的重要性日益得到认可，但在财务报表中确认和计量数据资产仍存在诸多挑战。本文将围绕“制造业数据资产入表”这一主题，探讨数据资产入表的必要性、可行性及路径，以期为制造业企业更好地管理和利用数据资产提供参考，以使企业更科学地管理和利用数据，推动制造业向智能化、数字化转型。
一、数据资产内涵以及会计处理的主要内容
（一）数据资产的内涵。企业数据资产是其运营过程中积累的各种数据资源，包含客户数据资产、产品研发数据、风控模型数据、地理位置数据等多种类型，这些数据蕴含着巨大的经济价值和商业潜力。通过深度分析和挖掘这些数据资产，企业能够洞悉市场动态、把握消费者偏好、优化产品与服务、提升运营效率，从而在激烈的市场竞争中占据优势地位，实现更高的经济效益。
企业数据资产的另一个特性是其可重复利用性。一旦数据被收集和整理，它们便能在企业的不同部门和业务流程中多次使用，为各种决策提供有力支持。通过科学的数据管理和应用，企业能够最大化地发挥数据资产的效用，实现资源的优化配置。同时，数据资产具有巨大的增值潜力。随着技术的发展和数据分析能力的提升，企业可以通过对数据的深度挖掘和利用，发现隐藏的商机和价值，推动创新和业务发展。这种增值潜力使得数据资产成为企业未来发展的重要驱动力。
但数据资产的价值和用途往往随着时间和环境的变化而发生变化。例如，随着技术的进步和消费者需求的变化，某些数据可能变得不再有价值或需要被重新解读。因此，企业需要定期对数据资产进行评估和更新，以确保其准确性和有效性。并且由于数据资产的无形性和易传播性，它们面临着较大的安全风险，数据的泄露、篡改或滥用都可能对企业造成严重的损失和声誉问题。因此，保护数据资产的安全性和完整性是企业数据管理的重要任务之一。
（二）企业数据资产会计处理的意义。通过会计处理，企业能够正式将数据资产纳入财务报表，这标志着数据资产作为一种新型生产要素的经济价值得到了正式承认。在数字经济时代，数据已成为企业最宝贵的无形资产之一，其重要性不亚于传统的土地、劳动力和资本。数据资产入账将直接影响企业的财务报表，提升企业的资产总额。过去被视为费用的信息化建设支出，现在可以转化为可以在资产负债表上体现的资产，从而优化企业财务状况，为企业长期发展提供坚实的财务基础。
数据资产会计处理将激发数据要素活力，推动数字经济的发展。随着数据资产正式纳入会计核算，企业可以更加精确地评估和管理数据资产，充分挖掘数据资产在提升生产力方面的巨大潜力。这一措施将为数字经济计量体系提供有力支持，推动数据资产定价、交易和数据要素市场的发展，为数字经济的深入发展迈出坚实的一步。
数据资产的会计处理对于明确数据资产的经济价值、推动数字经济的发展、提升企业的市场竞争力、规范数据资源管理以及支持企业决策与风险管理等方面都具有重要意义。随着金融科技的快速发展和数字经济时代的到来，数据资产的会计处理将成为企业财务管理和决策的重要组成部分。
（三）企业数据资产的价值。随着数据资产在制造业企业价值创造中的比重不断增加，不入表会导致企业资产的低估。将数据资产纳入报表，能够更全面、准确地反映企业的财务状况和价值，为投资者、债权人等利益相关者提供更真实的信息；能够促进数据资源的有效管理。入表过程要求企业对数据资产进行清晰的确认、计量和记录，这促使企业建立完善的数据资产管理体系，包括数据质量控制、数据安全管理等，从而提高数据资源的利用效率。数据资产也有支持企业战略决策的价值，数据资产入表后，其价值的变化可以在财务报表中体现。企业管理层可以根据数据资产的价值变动情况，制定更合理的战略决策，如加大对数据资源开发的投入、调整业务方向等。
除此之外，企业数据资产还具有潜在的创新价值。通过对数据进行挖掘和分析，企业可以发现新的商业机会和增长点，推动产品和服务的创新。例如，基于用户行为数据开发出的新产品或服务，往往能够更好地满足市场需求，赢得消费者的青睐。
（四）企业数据资产的会计处理
1、计量。数据资产的计量涉及到初始计量和后续计量，对于结构化数据，可以采用现有的计量方法，例如市价法、成本法等。对于非结构化数据，可请专业人员对数据资产的公允价值进行评估等方法进行确认。由于数据资产具有易变性的特点，数据资产的价值和用途往往随着时间和环境的变化而发生变化，在后续计量时需考虑到对数据资产进行收集、处理、分析过程中改进和创新所产生的新价值，它会影响数据资产的交易价值、盈利能力、企业未来现金流入价值，以及数据资产的存储、维护、更新等支出，这些支出属于必要支出，但并不会让数据资产增值或对企业未来现金流入量产生较大影响。
2、披露。企业数据资产应该在相关报表内进行披露，可以通过加入现有报表的新项目体现相关信息，也可以通过编制特定财务报表实现。披露内容应包括数据资产的类别、账面价值、使用寿命、摊销方法、减值情况等，以充分展示企业的数据资源状况和价值潜力。
3、内部控制。企业数据资产的会计处理需要建立有效的内部控制措施，确保数据资产的安全性、完整性和可靠性，这包括控制数据的获取、处理、存储和传输过程，以防止数据泄露、篡改或滥用的风险。
二、制造业企业数据资产现状
（一）制造业数据资产的特点
1、多样性。从数据来源上看，制造业数据资产涵盖了从研发设计、原材料采购、生产制造、质量控制到销售服务的全过程。这包括生产线上的传感器数据、设备运行状态数据、工人操作记录、质量检测报告，以及供应链管理中的供应商信息、库存数据、物流信息等。此外，还有来自市场调研、客户反馈、社交媒体等外部渠道的数据。从数据结构上看，涵盖了结构化数据（如数据库中的订单信息）、半结构化数据（如XML格式的设备配置文件）和非结构化数据（如生产现场的图像、视频等）。不同类型的数据具有不同的特征和处理方式。
2、时效性。数据在特定时间范围内具有的价值和相关性。随着时间的推移，数据的价值可能会发生变化，甚至可能变得无效或过时。通过实时数据采集、数据仓库和缓存、数据治理和数据可视化等技术手段，企业可以提高数据的时效性，从而做出更准确和有效的决策。同时，制定有效的数据生命周期管理策略和数据质量监控机制也是确保数据时效性的关键。例如，生产过程中的实时数据有利于及时调整生产参数、避免故障等，设备传感器数据如果不能及时处理和利用，可能导致生产延误或质量问题。
3、关联性。制造业数据之间存在复杂的关联关系，如生产计划数据与物料采购数据相关，产品质量数据与生产工艺数据相关，这种关联性需要在数据管理和分析中充分考虑。
4、整合性。制造业数据资产的整合性主要体现在不同来源、不同类型的数据能够被有效地集中、整合和管理。在制造企业的运营过程中，数据往往分散在多个系统、部门和业务流程中，如ERP、MES、CRM、SCM等系统。数据整合的过程就是将这些分散的数据通过数据集成和交换技术，实现跨系统、跨部门的数据互通和共享，形成一个统一的数据视图。这种整合性不仅有助于消除数据孤岛，提高数据的可用性和准确性，还能为企业提供更全面的信息支持，帮助企业更好地了解市场动态、客户需求、生产状况等关键信息，从而做出更明智的决策。
（二）制造业数据资产入表面临的问题
1、数据资产的确认。传统会计对资产的定义强调企业拥有或控制、预期能带来经济利益且由过去的交易或事项形成。对于制造业数据资产，判断其是否符合资产定义存在一定难度。例如，一些企业内部产生的生产数据，虽然可能具有潜在价值，但难以确定其所有权和控制权的边界，以及是否能确切地带来经济利益。另外，目前在数据资产的识别标准方面，缺乏统一的标准来识别哪些数据可以作为资产，是仅将经过加工处理的数据视为资产，还是原始数据也可纳入，不同企业有不同的理解。而且数据的价值会随着时间、市场环境等因素变化，进一步增加了识别的复杂性。
2、数据资产的计量问题
（1）初始计量困难。制造业数据资产的获取方式多样，有的是企业自行研发和积累的，有的是通过购买或合作获取的。对于自行研发的数据资产，难以准确确定其研发成本，包括研发人员的时间成本、数据采集和整理的费用等。对于购买的数据，其价格可能受到市场不成熟、数据质量评估难等因素影响，难以合理计量。而且数据资产的成本往往涉及多个部门、多个项目或多个时间段，如何合理归集和分摊这些成本，是一个复杂且困难的问题。特别是当数据资产与其他资产联合使用时，成本分摊变得更加复杂。
（2）后续计量挑战。数据资产在使用过程中价值会发生变化，如数据的更新、市场需求变化导致数据价值的增减等。目前缺乏合适的后续计量模型，如是采用成本法、收益法还是市场法等存在争议，而且每种方法都有其局限性。数据资产的摊销方法的选择很大程度上依赖会计的职业判断，如无需摊销、直线法摊销以及加速折旧法摊销等，并无标准定论。此外，数据资产摊销年限的确定也是一个挑战，因为数据资产的价值时变性、市场供求关系的复杂性以及缺乏活跃的市场参照，使摊销年限的确立面临困难。
3、数据质量与安全问题。数据质量会影响入表准确性，低质量的数据，如数据不准确、不完整、不一致等，会影响数据资产的价值评估和入表的准确性。在制造业中，生产数据的误差可能导致对生产效率、产品质量等分析的偏差，从而错误地计量数据资产价值。
同时，数据资产涉及大量企业敏感信息，如生产工艺数据、客户信息等。一旦数据泄露，不仅会损害企业利益，还可能影响数据资产入表的可行性。企业需要在保障数据安全的前提下进行数据资产的管理和入表。
4、会计核算体系与法规适应性问题。现有会计核算体系存在局限，传统会计核算体系主要是针对有形资产和部分无形资产设计的，对于数据资产这种特殊资产类型，没有相应的科目和核算方法。例如，在账务处理中，没有合适的地方记录数据资产的增加、减少和价值变动。
目前的会计准则和相关法规在数据资产方面的规定存在空白或不明确之处，这使得企业在数据资产入表时缺乏规范指导，可能导致不同企业的处理方式差异较大，影响财务信息的可比性。
三、完善制造业企业数据资产入表的建议
（一）建立统一的数据资产确认标准。明确数据资产定义，对于企业拥有或控制的数据，可根据数据的产生来源、企业对数据的访问权限和使用限制等因素来判断。对于预期经济利益，可通过建立数据价值评估模型的前置条件来确定，如数据与企业核心业务的关联度、数据的潜在市场价值等。确认数据资产的来源方式、合法性以及可溯源性等条件。数据资源应是通过合法交易或企业内部活动形成的，且能够追溯其来源，并且能确认数据资源的权属及其实际控制主体。企业应能够证明对数据资源拥有所有权或控制权，并能够防止未经授权的访问和使用。
对于原始数据，如果其经过企业一定程度的整理且具有潜在价值，可以作为资产的一部分；对于加工后的数据，根据其加工深度和价值提升程度进行评估。同时，考虑数据的时效性，对于超过一定期限且价值丧失的数据应从资产中剔除。
（二）改进数据资产计量方法
1、完善初始计量模型。对于自行研发的数据资产，应合理分摊研发成本，包括建立研发人员工时统计与成本分配机制，准确计算数据采集设备和软件的购置、使用成本等。除了购置成本外，还应考虑设备和软件的使用成本，如维护费用、升级费用等，也应按照合理的比例分摊到各个数据资产项目中。
对于购买的数据资产，应建立一套全面的数据质量评估指标体系，包括数据的完整性、准确性、时效性、一致性等。根据数据质量评估结果，可以对购买价格进行相应的调整。同时，为了确保数据资产初始计量的准确性和公正性，可以考虑引入第三方评估机构对数据资产的初始价值进行专业评估。
2、优化后续计量模式。综合运用成本法、收益法和市场法。在数据资产使用初期，由于其价值尚未充分显现，且市场参考信息有限，我们可以采用成本法作为主要的计量方法。
随着数据资产的应用和价值逐渐显现，我们可以结合收益法来对其价值进行调整。收益法通过预测数据资产未来可能带来的经济收益，并将其折现到当前时点，来确定其价值。
当数据资产市场逐渐成熟，且存在活跃的交易市场，存在大量可比交易的情况时，我们可以参考市场法，比较类似数据资产的市场交易价格来评估其价值。
（三）加强数据质量与安全管理
1、建立数据质量保障体系。在制造业企业内部制定数据质量管理流程，包括数据采集的准确性规范、数据整理的一致性要求、数据存储的完整性标准等。建立数据质量审核机制，定期对数据进行质量检查，对于质量不达标的数据及时进行修复或清理。同时，利用数据清洗、数据验证等技术手段提高数据质量。该流程首先需明确数据采集的准确性规范，确保从源头上获取的数据就是真实可靠的。企业需确保所有关键数据都能被完整保存，无遗漏、无损坏，且易于检索和使用。
2、强化数据安全防护措施。采用先进的加密技术对数据资产进行加密存储和传输，尤其是对敏感数据。这要求采用高效、安全的存储解决方案，如分布式数据库、云存储等，同时实施严格的数据备份和恢复策略，以应对可能的数据丢失或损坏风险。建立访问控制机制，根据员工的岗位和职责设置不同的数据访问权限，提高企业员工的数据安全意识和应对数据安全事件的能力。同时，建立数据安全审计制度，对数据的访问和使用情况进行审计。加强对企业数据资产入表的监管，确保企业遵循相关规定，提高财务信息质量。
（作者单位：安阳师范学院）
主要参考文献：
［1］杨彩虹.数字经济下企业数据资产的管理研究［J］.对外经贸，2024（10）.
［2］张星娟.数字经济下企业数据资产的会计处理研究［J］.中国集体经济，2024（32）.
［3］张鑫，嵩涛，傅烨，等.企业数据资产摊销方法研究［J］.中国资产评估，2024（10）.
［4］王艳，杨达.中国式管理会计体系变革：从数据要素到数据资产［J］.管理世界，2024.40（10）.
［5］付海蓉，王娟.数据资产的会计确认与计量研究［J］.中国农业会计，2024.34（18）.
［6］王爱国.数据资源入表的三大基本理论问题［J］.财会月刊，2024.45（17）.
［7］郑阿泰.新质生产力导向下企业数据资产会计确认与计量［J］.现代审计与会计，2024（10）. |
|
|
|
