数据是企业的核心要素和资产，具有巨大的价值潜能和经济效益。同时数据标注产业群、大数据交易所等数据资产市场基础设施的成立与运营推动着数据产品交易，数据要素市场格局逐渐完善。数据资产计入企业财务报告是大势所趋，从会计学角度对数据资产进行核算是其中必不可缺的一环。当前数据资产缺乏一致认可的衡量标准和一套完整有效的核算体系，国内会计学术界对数据资产价值评估方面的研究相对较少，理论部分和实证研究都有待进一步完善。本文基于生命周期理论结合数据资产化流程明确数据资产价值实现路径，将数据资产价值评估模型引入数据资产会计核算中，针对不同应用场景与具体业务相结合对数据资产会计核算进行探讨，以期能推动数据资产价值独立计量、会计核算及入账入表问题的解决提供思路创新。 一、数据资产的确认 1.数据资产化与数据资产价值实现路径。对数据资产进行研究首先都要明确其概念和定义。最早是由Richard Peterson于1974年提出“数据资产”，多指可证券化的金融产品。随着IT技术和互联网发展，大数据领域学者把具有价值的大数据本身看作其拥有的一项资产。有关数据资产的会计研究，西方学者目前研究重心是加密资产会计，与我国当下的数据资产概念和研究重点具有一定差别。国内数据资产有关研究开始相对较晚，目前学界仍未对数据资产形成标准精确定义，侧重点各有不同，主要是基于特征分为资产和数据两个角度。由会计准则对资产定义出发结合数据特点进行概括的“数据资源论”和从会计确认条件出发、强调数据特征的“数据集论”是当前有关数据资产定义的两种代表性观点。如从数据属性出发将数据资产定义为“有权属和价值”“可计量”“可读取的数据集”。中国信通院2021年12月发布的《数据资产管理实践白皮书(5.0版本)》由资产概念出发，认为是“合法权属(所有或控制)、可进行计量与交易、能直接或间接带来经济利益和社会效益的数据资源，如电子数据、文件和相关资料等结构化或非结构化数据”基本成为行业共识。 通过调查分析与文献总结基于数据资产全生命周期可以将会计意义上的数据资产化分为三个阶段。根据中国信通院在《数据资产管理实践白皮书(5.0版)》中提出的实现从原始数据到数据资产的两个步骤，即数据资源化和数据资产化，数据变成一般意义上的资产。与有形资产和无形资产相同，具有经济属性的数据资产有别于具有天然属性的数据资源，二者虽具有一致的物质内在但其基本概念与属性大相径庭也导致价值有所差异，分属于不同管理领域。在经过获取、质量提升、分析等流程，通过标准模式和分析工具进行反复的提纯和处理，从数量庞大且繁杂仅作为资料存在的数据到发现具有一定价值的数据资源，这是第一阶段“数据资源化”；经过处理后的数据进入流通环节，在公司内部不同业务部门或企业间共享，符合一般意义上数据资产并且需要满足数据资产的确认条件，可控制、有价值、可量化，这是第二阶段即数据资产化；第三个阶段是数据资产的价值实现，数据资产进入应用环节，通过为企业创造价值数据资产价值才得以实现或增加，只有小部分数据资源能符合条件被确认为数据资产。要想成为最终意义上的数据资产，必须进入应用环节，借助于具体的业务场景，不同业务场景下数据资产的价值也相应有所区别，种类繁多，其升级路径主要可以分为两种：通过合理应用创造出新的价值能有助于提高现有产品实现价值或增加企业利润，对内是有助于企业效益的提升，对外是进入资本市场交易进而价值变现。因此本文根据自用和交易两种场景结合数据资产生命周期、引入数据资产价值评估方法，对数据资产进行会计核算研究。 2.数据资产的确认。基于上述研究与分析，本文较为认可信通院最新发布的概念，将数据资产界定为经过资源化和资产化后具有价值的高质量数据，且需满足可控性、可计量、可收益条件，拥有应用场景或能与企业业务结合在一定时期内被企业连续使用或反复使用。 目前学界已认可数据资源的资产属性，但对于数据资产的确认问题尚未达成一致意见，即如何确认、确认结果问题。由于现阶段将其划分为金融资产的可能性较低，主要是三类观点。第一类是对于主营业务可能是出售数据产品的数据产品提供商而言，是属于存货范畴。但对交易频率较低不足以被认定为日常经营活动，企业不能将之看作存货进行核算。第二类是认为数据资产和无形资产类似，兼具资产属性和无形资产特性，无实物形态、非货币性、可辨认特点等，其价值与具体形态无关，建议直接并入无形资产或下设二级科目“无形资产——数据资产“进行会计处理与核算。第三类观点也是文章所认同的，由于会计核算系统中有关无形资产的确认范围较窄，且评估方法不能合理有效衡量数据资产的价值，数据资产价值衡量问题和数据更迭等诸多因素都导致难度进一步加大，同时鉴于数据资产兼具多种资产特征，如有形、无形、长期和流动资产等，可在借鉴现有的无形资产会计核算体系的基础上将其作为一种新的资产类别，应另外单设一级会计科目“数据资产”进行确认、处理和列报，根据应用场景、持有目的不同以及具体业务下设二级科目进行会计核算，同时根据上文数据资产价值实现和数据资产定义的相关探讨应将确认时点设置为符合“数据资产”定义及确认条件并且进入流通或应用环节，在业务场景中能为企业创造价值。 二、数据资产的计量 数据资产会计核算三大难点即识别、确权和计量问题，以及数据资产可控制、可收益和可计量三大确认原则，是当前学术界关注的热点问题。其中识别和确权问题，随着区块链、识别工具等发展与应用为其提供技术支撑，相关法律制度和法规条款的不断健全与完善为数据资产会计确认提供法律保障。 数据资产计量有关问题研究主要可分为两种。一是从会计核算角度出发在现有模式基础上进行拓展，如李秉祥(2022)提出探索性的大数据资产会计核算方法，熊艳(2022)以阿里巴巴为例针对互联网企业内部经营活动、并购过程中产生的数据资产分类进行初始、后续以及终止计量。但此类研究多侧重会计核算研究不能反映数据资产的真实价值。二是从数据资产价值评估技术着手展开研究，学者们对数据资产估值定价模型不断优化与修正，结合层次分析、信息熵、灰色关联、博弈论、模糊神经网络、模糊综合评价、深度学习等方法对数据资产价值的影响因素和权重进行修正或侧重收益的预估和利益的分配引入破产分配、博弈论、实物期权法和 DEVA模型等进行创新，但现有方法均存在不足，如主观性过高不能反映数据资产的真实价值或评估方法在理论层面进行创新但缺乏实践意义，收益期限、风险因素、折现率以及成本和折现率之间的差异等问题没有得到合理解决。在计量方面，会计上的计量方法具有一定滞后性，同时价值评估仍未形成统一规范一致认可的标准，由于数据资产价值依据应用场景的不同发生改变，本文没有简单套用传统的会计计量方式和数据资产估值方法，基于上文应用场景依据持有目的的不同，数据资产分为自用数据资产和以交易为目的持有的数据资产，借鉴现有会计准则，采用不同估值方法和计量模式确定数据资产价值并分类进行会计处理，以期提供新思路。
