浅议数据资产估值与入表实务操作

摘要：2022年12月，中共中央、国务院印发《关于构建数据基础制度更好发挥数据要素作用的意见》明确提出探索数据资产入表新模式。2023年8月1日，财政部印发的《企业数据资源相关会计处理暂行规定》首次提出企业数据资源入表相关处理办法。在现代经济中，数据资产的重要性日益突出。数据持有企业普遍面临“企业如何构建数据资产管理体系？”“不同数据产品的数据资产估值方式有哪些差异？”“数据资源如何转变成数据资产？”“以数据产品作为数据资产核算对象时，整体性成本如何确定分摊标准？”“数据资产入表对企业有哪些重大影响？”“若作为无形资产核算，使用寿命如何确定？”“数据资产价值波动的不确定性如何处理？”等诸多问题。目前来看，数据资产估值仍是一个发展中的领域，业内对于如何准确度量和评估数据价值没有统一的标准，学界和业界都在不断探索和完善相关理论和方法。笔者收集整理了全球数据资产估值的主流模型，试图从数据服务计费估值维度、数据资产估值模型、数据质量评估规范、国内数据资源入表的相关规定等方面研究数据资产估值、数据资产入表的实务领域作出浅尝辄止的探讨，以期抛砖引玉。

一、引 言

被称为“数据仓库之父”的数据管理专家W.H. Inmon在20世纪80年代提出了数据仓库的概念。W.H. Inmon强调了数据是组织或个人的资产，并指出数据的价值在于其能为决策提供支持和洞察。主流观点认为它包括各种形式和来源的数据，如结构化数据、非结构化数据、实时数据、历史数据等。数据资产的范围很广，包括个人数据资产、组织内部数据资产、公共数据资产等。

1、数据资产的重要性日益突出，在国家层面的多个文件中均可看到数据资产的重要性，例如：

a.《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》指出“健全数据产权交易和行业自律机制，培育规范的数据交易平台和市场主体，发展数据资产评估、登记结算、交易撮合、争议仲裁等市场运营体系。”b.国务院关于印发国发〔2021〕29号《“十四五”数字经济发展规划》的通知指出“（二）加快数据要素市场化流通。鼓励市场主体探索数据资产定价机制，推动形成数据资产目录，逐步完善数据定价体系。”国务院办公厅关于印发国办发〔2021〕51号《要素市场化配置综合改革试点总体方案》的通知指出“探索建立数据用途和用量控制制度，实现数据使用‘可控可计量’。规范培育数据交易市场主体，发展数据资产评估、登记结算、交易撮合、争议仲裁等市场运营体系，稳妥探索开展数据资产化服务。”c.《十四届全国人大常委会关于国有资产管理情况监督工作的五年规划（2023－2027）》指出“研究数据资产等新形态资产的管理和报告方式，更好落实全口径全覆盖的要求。到2027年，实现各类国有资产的报告口径、分类标准更加科学规范和健全。”

2、为了有效管理和利用数据资产，我们就需要进行数据资产价值评估。

而数据资产估值则是一个较复杂的过程，涉及多种模型和因素。数据资产估值仍是一个发展中的领域，业内对于如何准确度量和评估数据价值没有统一的标准，学界和业界都在不断探索和完善相关理论和方法。

3、绝大部分情况下，数据资产估值的目的是为了实现交易，而数据资产的交易需要考虑法律、技术和商业条件的因素。

法律条件包括明确数据的所有权和使用权等包括但不限于《数据二十条》所称的“数据资源持有权”“数据加工使用权”“数据产品经营权”，合规处理个人和敏感数据，明确数据交易的条件、权益和责任以及确保数据的知识产权得到保护。

在技术上，要确保数据安全性、数据标准化和格式转换、数据质量和可信度，并使用适当的技术手段实现数据的访问和共享，确保交易的顺利进行。而在商业方面，价值评估和定价机制、交易平台和市场、数据交易合作伙伴、交易周期和结算机制等条件就显得尤为重要。

二、数据资产的法律属性

从法律层面看，对于数据资产的性质定位和保护尚未有统一的全球标准。不同国家和地区可能存在不同的法律框架和立法规定，对数据资产的性质和保护进行规范。

（一）检索国外部分国家的法律发现，对“数据资产”有明确定义的法律并不多，但一些国家和地区的法律或政策已经开始对数据的地位和价值进行认识和规定，以下是一些例子：

1.欧盟《通用数据保护条例》（GDPR）：虽然没有明确将数据定义为资产，但GDPR确立了数据主体的权利，包括访问、更正、删除自己的个人数据等，这些都体现了数据的价值和地位。

2.美国加利福尼亚州《消费者隐私法》（CCPA）：这项法律赋予消费者对自己个人信息的控制权，包括知道企业如何使用和分享他们的信息，以及拒绝企业出售他们的信息。这也体现了数据的价值。

3.英国《数据保护法》（DPA 2018）：这项法律规定了数据的处理和使用，包括数据主体的权利，数据的收集、存储、处理和销毁等。

4.巴西《通用数据保护法》（LGPD）：这项法律规定了对个人数据的处理和使用，包括数据主体的权利，数据的收集、存储、处理和销毁等。

5.新西兰《隐私法》（Privacy Act 2020）：这项法律强化了个人对其数据的控制权，包括知道数据如何被收集、使用、存储和披露。

6. 澳大利亚《隐私法》（Privacy Act 1988）：这项法律规定了对个人数据的处理和使用，包括数据主体的权利，数据的收集、存储、处理和销毁等。

7. 加拿大《个人信息保护和电子文档法》（PIPEDA）：这项法律规定了对个人数据的处理和使用，包括数据主体的权利，数据的收集、存储、处理和销毁等。

9.日本《个人信息保护法》（Act on the Protection of Personal Information）：这项法律规定了对个人数据的处理和使用，包括数据主体的权利，数据的收集、存储、处理和销毁等。

10. 韩国《个人信息保护法》（Personal Information Protection Act）：这项法律规定了对个人数据的处理和使用，包括数据主体的权利，数据的收集、存储、处理和销毁等。虽然没有明确将数据定义为资产，但也体现了数据的价值和重要性。

11. 新加坡《个人数据保护法》（Personal Data Protection Act）：这项法律规定了对个人数据的处理和使用，包括数据主体的权利，数据的收集、存储、处理和销毁等。

以上这些法律虽然没有明确对“数据资产”的定义，但都在一定程度上体现了数据的价值和重要性。

（二）聚焦到国内的立法现状，虽然《民法典》第一百二十七条“法律对数据、网络虚拟财产的保护有规定的，依照其规定。”作出了顶层设计、《数据安全法》第三条也只对“数据是指任何以电子或者其他方式对信息的记录。”作出定义，但国家推荐标准、行业标准中已对“数据资产”的定义作出一些尝试和讨论。

1、财政部财会〔2023〕11号《企业数据资源相关会计处理暂行规定》第二条：“本规定适用于企业按照企业会计准则相关规定确认为无形资产或存货等资产类别的数据资源，以及企业合法拥有或控制的、预期会给企业带来经济利益的、但由于不满足企业会计准则相关资产确认条件而未确认为资产的数据资源的相关会计处理。”

2、国家市场监督管理总局、中国国家标准化管理委员会发布的《信息技术服务治理》（GB/T 34960.5-2018）第5部分：数据治理规范对“数据资产”的定义为：“组织拥有和控制的、能够产生效益的数据资源。”

3、中国资产评估协会2019.12.31 发布中评协〔2019〕40号《资产评估专家指引第9号——数据资产评估》对”数据资产“定义为：“本专家指引所指数据资产是由特定主体合法拥有或者控制，能持续发挥作用并且能带来直接或者间接经济利益的数据资源。”

4、国家市场监督管理总局、中国国家标准化管理委员会发布的《信息技术服务数据资产管理要求》（GB/T 40685-2021）对“数据资产”的定义为：“合法拥有或者控制的，能进行计量的，为组织带来经济和社会价值的数据资源。”

5、中国通信标准化协会（CCSA）在《数据资产管理实践白皮书（6.0版）》对“数据资产”的定义为：“由组织（政府机构、企事业单位等）合法拥有或控制的数据资源，以电子或其他方式记录，例如文本、图像、语音、视频、网页、数据库、传感信号等结构化或非结构化数据，可进行计量或交易，能直接或间接带来经济效益和社会效益。”

6、浙江省市场监督管理局2022.10.11发布的《数据资产确认工作指南（征求意见稿）》对“数据资产”的定义为：“会计主体过去的交易或事项形成的，由会计主体拥有或合法控制的，能够进行可靠计量的，预期会给会计主体带来经济利益或产生服务潜力的数据资源。”综上，虽然以上对“数据资产”的定义基于行业和主体地位的不同尚有一些局限性，笔者倾向于对“数据资产”定义为：“由组织（政府机构、企事业单位等）或个人合法拥有或控制的，以电子或其他方式记录的，可进行计量或交易，能直接或间接带来经济效益和社会效益的数据资源。”

三、如何进行数据服务估值和数据资产估值？

数据资产价值估值模型并没有明确的发明者或首次提出者。这些理论和模型是由多个研究者在长期的实践中逐渐发展起来的。很多个组织对此也有自己的估值方法，例如，国际数据团体（International Data Group，简称IDG）、麦肯锡等。最早从经济学和财务学的角度讨论资产价值的人如亚当·斯密、卡尔·马克思、约翰·凯恩斯等，但他们的研究并未针对数据资产。真正将数据视为资产并开始探索其价值和估值方法的行为发生在信息科技和大数据技术快速发展之后，此时数据的重要性被越来越多的企业和机构认可，大数据时代给数据赋予了新的经济价值。

（一）主流的数据资产估值步骤：

1.确定评估目的和范围。确定为何估值以及需要估值的数据资产范围，包括数据集、数据库、数据仓库、数据挖掘模型等。

2.收集数据资产信息。收集需要评估的数据资产的详细信息，通常包括：数据名称、数据来源、数据规模、产生时间、更新时间、数据类型、呈现形式、时效性、应用范围等。

3.确定评估方法。根据估值目的和数据资产特点选择合适的评估方法，常见的评估方法包括市场法、成本法和收益法。

4.进行市场研究。如果采用市场法进行评估，需要进行市场研究，了解类似数据资产在市场上的交易价格、竞争情况等。可以参考类似数据资产的交易案例，例如互联网公司收购数据公司的案例。

5.进行成本估算。如果采用成本法进行评估，需要估算数据资产的采集、存储、清洗等成本，并考虑折旧和维护费用。可以参考类似业务的成本估算，例如企业自主开发数据集需要的开发成本。

6.进行收益预测。如果采用收益法进行评估，需要预估数据资产的收益潜力，例如通过数据挖掘分析、营销推广等方式利用数据资产带来的收益。可以参考类似应用的收益预测，例如企业通过数据挖掘模型提供增值服务带来的收益。

7. 进行风险评估。对数据资产可能遇到的风险进行评估，例如数据泄露、数据安全等问题。可以参考类似数据资产的风险评估结果，例如金融机构对大数据资产进行的风险评估。

8. 进行估值计算。根据选择的评估方法和收集到的信息，进行估值计算。可以使用各种模型和工具进行计算，例如贴现现金流模型、基于市场比较的估值模型等。数据资产的价值常见影响因素包括技术因素、数据容量、数据价值密度、数据应用的商业模式和其他因素。

9. 形成评估报告。将估值计算结果整理成评估报告，包括估值方法、估值结果、风险评估等，向相关方提供完整的数据资产估值信息。

以上的每一步都需要根据具体情况进行具体操作，并可以参考相关案例来支持估值过程。为什么要将数据服务和数据资产分开讨论，笔者的观点倾向于数据服务交易是基于数据资产经过计算后对外提供需方想要的结果（例如隐私计算），数据权属没有发生变动，数据资产是作为生产资料在发挥作用；而数据资产的交易则会发生数据权属（所有权或者使用权）的变化。下文将对数据服务的估值模型和数据资产的估值模型展开阐述。

（二）数据服务的计费与估值的四个维度【1】

数据服务的价值是由市场需求和供应之间的平衡决定的。根据供需关系的原理，数据服务的价值取决于市场参与者对其价值的认可和预期。数据服务计费与估值需要从风险维度、质量维度、应用维度、成本维度来进行:

1、在风险维度，不同的数据受监管的限制不同，不同地区的监管也有差异，这会影响数据价值的产生。需要考虑的因素有合规性、地域性、安全性等。

2、质量维度上，数据的质量是影响数据应用的核心因素，数据质量的准确度是评估数据价值的基础。需要考虑的因素有准确性、真实性、完整性等。

3、应用维度上，数据价值在于与应用场景的结合。不同场景下，数据所贡献的业务价值是不同的。需要考虑的因素有场景性、时效性、稀缺性、多维性等。

4、成本维度上，数据最终产生的业务价值受成本的影响，数据可应用的场景也受到成本的约束。需要考虑的因素有存储、加工、运维等。

（三）数据资产价值评估模型【1】根据数据的市场价值和数据的用途来确定，主要分为以下六种：

1、内在价值法（IVI）。不考虑业务价值，而是重点考虑数据内在价值，从数据质量和数据稀缺性两方面进行评价。

2、业务价值法（BVI）。重点评价数据对于业务场景的支持程度，从数据的相关性、可用性、完整性、及时性等几个维度进行评价。

3、绩效价值法（PVI）。根据数据对于一个或者多个关键绩效指标（组织目标）的影响程度进行评估，重点考虑关键流程和关键指标和数据的关联性。

4、成本价值法（CVI）。重点考虑数据采集、存储加工处理等各个阶段的成本，同时也需要考虑数据置换成本。成本法的核心概念是，任何理性的买家，不会为数据资产付出超过其制造出该资产成本的价格。成本可能包括了获取数据的成本、数据整理和清洗的成本，以及储存和管理数据的成本。例如，LinkedIn收购技术公司Bright.com的过程中，Bright.com的数据资产估值就是一个重要的组成部分。由于Bright.com使用的数据资产可以提高LinkedIn的招聘解决方案的准确性，因此，从收益法的角度出发，通过预估这种提升为LinkedIn带来的额外收益，可以对Bright.com的数据资产进行估值。

5、市场价值法（MVI）。考虑数据在公开市场进行交易时的价格计算，重点是根据同类型数据在市场上的交易价格进行计算。

6、经济价值法（EVI）。根据传统的收益评估模型计算数据的价值，计算数据的产出，然后减去相关的成本，就可以得出数据的价值。

总的来说，数据资产价值评估的理论基础、原理和方法是一个综合性的问题，需要结合不同的方法和工具进行分析。同时，由于数据资产市场的特殊性，相同的数据资产，由于其应用领域、使用方法、获利方式的不同，会造成其价值差异，评估方法也需不断更新和改进。

（四）数据质量在数据资产估值中占有非常重要的地位，下文简略介绍下数据质量的判断和检验【2】

数据质量指数据在特定目标和使用环境下的适用性、准确性、一致性、完整性、可靠性和可信性程度。其定义是根据具体业务需求和使用场景，可以是一个标准或规范，也可以是一组指标和度量，在数据资产估值中占有非常重要的地位，本文引用了《GB/T36073-2018 数据管理能力成熟度评估模型》的主要观点来进行讨论。

1、对于数据质量的判断和检验可以通过以下四种方法进行：

a、数据质量规则和标准：根据业务需求和标准化要求，制定数据质量规则和标准，通过检查数据是否符合这些规则和标准来判断数据质量。

b、数据采样和抽查：针对数据集合的一部分数据进行抽样和检查，以评估数据的准确性、一致性和完整性等方面的质量。

c、数据比对和验证：将数据与其他数据源进行比对和验证，以验证数据的准确性、一致性和完整性，并检测潜在的错误和冲突。

d、数据清洗和纠错：针对数据中的错误和缺陷，进行数据清洗和纠错的处理，以提升数据的质量。

2、评估数据质量的主要维度包括以下几个方面：

a、准确性：数据是否与真实情况一致，是否存在错误和偏差。

b、完整性：数据是否包含所需的全部信息，是否存在缺失或空值。

c、一致性：数据在不同的数据源和数据集合之间是否保持一致性。

d、唯一性：数据中是否存在重复记录或重复值。

e、可靠性：数据是否可靠、可信和可验证，是否能够被信赖和使用。

f、可读性：数据是否容易理解和解释，是否存在模糊或不明晰的表达。

g、及时性：数据是否及时、实时更新，是否与最新状态保持一致。

h、可追踪性：数据的来源、采集和处理过程是否能够追踪和回溯。

评估数据质量时，需要综合考虑这些维度，并根据具体业务需求和使用场景，确定其重要性和优先级。标准化的数据质量度量和评估方法，例如数据质量分数、错误率、缺失率等，也可用于量化数据质量评估结果。

3、关于数据质量评估的打分标准可以参考以下表格：

根据实际情况，可以对每个指标进行打分，结合评估数据的重要性和权重，综合得出数据质量的总体分数。总体分数越高，表示数据质量越好。这个打分表只是一个示例，具体的评估指标和标准应根据实际业务需求和数据质量要求进行调整和定义。

四、一些实际案例能够展示数据资产价值评估方法的应用

1、例如在金融行业，一家银行使用数据资产价值评估方法来评估其客户数据的价值。通过分析客户数据的质量、数量和相关性等因素，银行能够准确估计客户数据对于个性化推荐、风险评估和营销活动的影响。通过评估客户数据的价值，银行可以优化其数据管理策略，并决定是否需要投资于新的数据收集和分析技术。

2、在医疗行业，一家医疗保健机构使用数据资产价值评估方法来衡量其病患数据的价值。通过分析病患数据的完整性、准确性和机密性，该医疗机构可以确定其病患数据对于临床决策、疾病预测和研究发展等方面的影响。通过评估病患数据的价值，医疗机构可以优化其数据保护措施，并决定是否需要投资于数据分享和共享平台。

3、目前国内对于数据交易估值的成功案例各有千秋，因为数据交易领域仍处于快速发展和探索阶段，以下是笔者收集的一些国内与数据交易估值相关应用机构：

a. 神策数据：神策数据是国内一家专注于用户行为分析和大数据分析的公司。他们通过对用户数据的收集和分析，为企业提供数据驱动的决策支持。该公司已经建立了多渠道的数据交易平台，为企业提供数据交易服务，并根据数据规模、数据质量和行业影响力等因素来进行数据交易估值。

b. 阿里巴巴：阿里巴巴旗下的阿里云平台提供了数据交易服务。他们为企业提供了基于云计算和大数据技术的数据交易解决方案，包括数据存储、数据清洗和数据分析等服务。企业可以根据自身数据的规模和价值来进行数据交易估值，并通过阿里云的数据交易平台来实现数据交易。

c. 数据堂：作为国内领先的数据交易平台，数据堂致力于帮助企业实现数据的价值变现。他们通过对数据进行整理、分析和价值评估，为企业提供数据交易服务，并通过数据交易平台实现买卖双方的数据交互和交易。

d.帕拉迪：作为国内领先的数据数据库安全中台（Database Security Platform），是一个集中管理和监控数据库安全的平台。它整合了各种数据库安全工具和技术，提供了统一的管理界面和功能，帮助企业管理和防护数据库中的敏感数据，帮助企业在数据资产交易前进行数据加工、清洗、脱敏，提升数据质量。需要注意的是，由于数据交易领域的特殊性和复杂性，对于数据交易的估值并不是一个简单的问题。

因此，进行数据交易估值需要综合考虑多个因素，以确保估值的准确性和合理性。随着数据交易领域的不断发展，相信将会出现更多成功的数据交易估值案例。

五、数据资产入表与披露的会计实务

根据国际财务报告准则（International Financial Reporting Standards, IFRS），企业将数据资产视为无形资产进行核算和披露的相关条款可以总结如下：IFRS 3《企业合并》和IAS 38《无形资产》：- IFRS 3 规定，在企业合并时，如果被合并企业拥有某些数据资产，且符合无形资产的定义标准，该数据资产应列入合并后企业的资产负债表，并进行评估和计量。- IAS 38 定义了无形资产，并规定了无形资产的确认条件和计量方法。

根据该准则，如果数据资产满足无形资产的定义要求，且有可靠的计量价值，企业应将其作为无形资产进行核算。根据国内会计准则及规定，《企业会计准则——基本准则（2014修改）》（以下简称“新准则”）规定了会计基本要素和会计核算、信息披露等方面的规定，数据资源满足“企业过去的交易或者事项形成的、由企业拥有或者控制的、预期会给企业带来经济利益的资源”，且与该资源有关的经济利益很可能流入企业，该资源的成本或者价值能够可靠地计量，可以确认对应资产，现根据《企业数据资源相关会计处理暂行规定》（将于2024年1月1日起施行）要求进一步细化，企业应当根据数据资源的持有目的、形成方式、业务模式，以及与数据资源有关的经济利益的预期消耗方式等，将数据资源作为无形资产或存货进行会计处理。

如果企业仅使用数据资源，原则上应当作为无形资产核算，如果企业日常活动中持有、最终目的用于出售的数据资源，原则上作为存货进行会计处理。此外，中国国家有关法律法规对于特定数据资产的入表和会计处理还会有具体规定，如银行业金融机构的金融数据资产、保险业的保险数据资产等。结合《企业会计准则第6号——无形资产》《企业会计准则第1号——存货》规定，具体会计处理如下：

（一）符合《企业会计准则第6号——无形资产》的会计处理

1.定义辨析

数据资源要作为企业的无形资产予以确认，首先应符合无形资产的定义，其次还应符合无形资产的确认条件。具体而言，数据资源满足“企业拥有或者控制的没有实物形态的可辨认非货币性资产”，且与该无形资产有关的经济利益很可能流入企业,该无形资产的成本能够可靠地计量，予以确认无形资产。

其中，可辨认具体是指能够从企业中分离或者划分出来，并能单独或者与相关合同、资产或负债一起，用于出售、转移、授予许可、租赁或者交换，或者源自合同性权利或其他法定权利（无论这些权利是否可以从企业或其他权利和义务中转移或者分离）。

其中，企业在判断无形资产产生的经济利益是否很可能流入时，应当对无形资产在预计使用寿命内可能存在的各种经济因素作出合理估计，并且应当有明确证据支持。

2.初始计量

数据资源作为无形资产，应当按照成本进行初始计量，具体而言：

（1）外购方式

企业通过外购方式取得确认为无形资产的数据资源，其成本包括：购买价款、相关税费，直接归属于使该项无形资产达到预定用途所发生的数据脱敏、清洗、标注、整合、分析、可视化等加工过程所发生的有关支出，以及数据权属鉴证、质量评估、登记结算、安全管理等费用。需要特别注意的是：

a.企业通过外购方式取得数据采集、脱敏、清洗、标注、整合、分析、可视化等服务所发生的有关支出，不符合无形资产准则规定的无形资产定义和确认条件的，应当根据用途计入当期损益。

b.购买数据资源无形资产的价款超过正常信用条件延期支付，实质上具有融资性质的，数据资源无形资产的成本以购买价款的现值为基础确定。实际支付的价款与购买价款的现值之间的差额，除按照《企业会计准则第17号--借款费用》应予资本化的以外，应当在信用期间内计入当期损益。

（2）研发方式

企业内部数据资源研究开发项目的支出，应当区分研究阶段（是指为获取并理解新的科学或技术知识而进行的独创性的有计划调查）支出与开发阶段（是指在进行商业性生产或使用前，将研究成果或其他知识应用于某项计划或设计，以生产出新的或具有实质性改进的材料、装置、产品等）支出。

研究阶段的支出，应当于发生时计入当期损益。开发阶段的支出，满足无形资产准则第九条规定的有关条件的，才能确认为无形资产。

3.后续计量

（1）摊销方式

a.企业应当于取得数据资源无形资产时分析判断其使用寿命，无形资产的使用寿命为有限的，应当估计该使用寿命的年限或者构成使用寿命的产量等类似计量单位数量。企业摊销数据资源无形资产，应当自无形资产可供使用时起，至不再作为无形资产确认时止，选择的无形资产摊销方法，应当反映经济利益的预期实现方式。无法可靠确定预期实现方式的，应当采用直线法摊销。

b.无法预见数据资源无形资产为企业带来经济利益期限的，应当视为使用寿命不确定的无形资产，使用寿命不确定的无形资产不应摊销。c.企业在持有确认为无形资产的数据资源期间，利用数据资源对客户提供服务的，应当将无形资产的摊销金额计入当期损益或相关资产成本；同时，企业应当按照《企业会计准则第14号——收入》（财会〔2017〕22号，以下简称收入准则）等规定确认相关收入。

（2）减值准备

数据资源无形资产不能预期给企业带来经济利益，或带来经济利益的能力受到重大不利影响时，企业应当按照《企业会计准则第8号--资产减值》，进行减值测试，计提减值准备。

（3）出售处置

企业出售数据资源无形资产，应当将取得的价款与该无形资产账面价值的差额计入当期损益。

4.列报披露

（1）报表列报

在资产负债表“无形资产”项目下增设“其中：数据资源”项目，反映资产负债表日确认为无形资产的数据资源的期末账面价值；在“开发支出”项目下增设“其中：数据资源”项目，反映资产负债表日正在进行数据资源研究开发项目满足资本化条件的支出金额。（2）强制披露

a.企业应当按照外购无形资产、自行开发无形资产等类别，对确认为无形资产的数据资源（以下简称数据资源无形资产）相关会计信息进行披露，并可以在此基础上根据实际情况对类别进行拆分。

b.对于使用寿命有限的数据资源无形资产，企业应当披露其使用寿命的估计情况及摊销方法；对于使用寿命不确定的数据资源无形资产，企业应当披露其账面价值及使用寿命不确定的判断依据。

c.企业应当按照《企业会计准则第28号——会计政策、会计估计变更和差错更正》（财会〔2006〕3号）的规定，披露对数据资源无形资产的摊销期、摊销方法或残值的变更内容、原因以及对当期和未来期间的影响数。

d.企业应当单独披露对企业财务报表具有重要影响的单项数据资源无形资产的内容、账面价值和剩余摊销期限。

e.企业应当披露所有权或使用权受到限制的数据资源无形资产，以及用于担保的数据资源无形资产的账面价值、当期摊销额等情况。

f.企业应当披露计入当期损益和确认为无形资产的数据资源研究开发支出金额。

g.企业应当按照《企业会计准则第8号——资产减值》（财会〔2006〕3号）等规定，披露与数据资源无形资产减值有关的信息。

f.企业应当按照《企业会计准则第42号——持有待售的非流动资产、处置组和终止经营》（财会〔2017〕13号）等规定，披露划分为持有待售类别的数据资源无形资产有关信息。

（3）自愿披露

企业可以根据实际情况，自愿披露数据资源（含未作为无形资产或存货确认的数据资源）下列相关信息：

a.数据资源的应用场景或业务模式、对企业创造价值的影响方式，与数据资源应用场景相关的宏观经济和行业领域前景等。

b.用于形成相关数据资源的原始数据的类型、规模、来源、权属、质量等信息。

c.企业对数据资源的加工维护和安全保护情况，以及相关人才、关键技术等的持有和投入情况。

d.数据资源的应用情况，包括数据资源相关产品或服务等的运营应用、作价出资、流通交易、服务计费方式等情况。

5.重大交易事项中涉及的数据资源对该交易事项的影响及风险分析，重大交易事项包括但不限于企业的经营活动、投融资活动、质押融资、关联方及关联交易、承诺事项、或有事项、债务重组、资产置换等。

6.数据资源相关权利的失效情况及失效事由、对企业的影响及风险分析等，如数据资源已确认为资产的，还包括相关资产的账面原值及累计摊销、减值准备或跌价准备、失效部分的会计处理。

7.数据资源转让、许可或应用所涉及的地域限制、领域限制及法律法规限制等权利限制。

8.企业认为有必要披露的其他数据资源相关信息。

（二）符合《企业会计准则第1号——存货》的会计处理

1.定义辨析

数据资源要作为企业的存货予以确认，首先应符合无存货的定义，其次还应符合存货的确认条件。具体而言，数据资源，满足是“企业在日常活动中持有以备出售的产成品或商品、处在生产过程中的在产品、在生产过程或提供劳务过程中耗用等”,且与该存货有关的经济利益很可能流入企业，该存货的成本能够可靠地计量，予以确认存货。

2.初始计量

数据资源存货应当按照成本进行初始计量，具体而言：

（1）外购方式企业通过外购方式取得确认为存货的数据资源，其采购成本包括购买价款、相关税费、保险费，以及数据权属鉴证、质量评估、登记结算、安全管理等所发生的其他可归属于存货采购成本的费用。

（2）加工取得企业通过数据加工取得确认为存货的数据资源，其成本包括采购成本，数据采集、脱敏、清洗、标注、整合、分析、可视化等加工成本和使存货达到目前场所和状态所发生的其他支出。在同一生产过程中，同时生产两种或两种以上的数据资源产品，并且每种产品的加工成本不能直接区分的，其加工成本应当按照合理的方法在各种产品之间进行分配。

c.无论外购还是加工取得方式非正常消耗的直接材料、直接人工和制造费用.不能归属于使数据资源达到目前场所和状态的其他支出,不应计算存货成本。

3.后续计量

（1）存货销售企业出售确认为存货的数据资源，应当按照存货准则将其成本结转为当期损益；同时，企业应当按照收入准则等规定确认相关收入。企业应当采用先进先出法、加权平均法或者个别计价法确定销售数据资源的实际成本。对于性质和用途相似的数据资源，应当采用相同的成本计算方法确定发出存货的成本。对于不能替代使用的数据资源、为特定项目专门购入或制造的数据资源等，通常采用个别计价法确定发出数据资源的成本。

（2）跌价准备资产负债表日，数据资源应当按照成本与可变现净值孰低计量，存货成本高于其可变现净值的，应当计提存货跌价准备，计入当期损益。其中，可变现净值确定，应当关注：

a.可变现净值，是指在日常活动中，数据资源的估计售价减去至完工时估计将要发生的成本、估计的销售费用以及相关税费后的金额，同时应当以取得的确凿证据为基础，并且考虑持有的目的、资产负债表日后事项的影响等因素，参考存货准则第十六条、十七条，存货准则应用指南第三条。

b.资产负债表日，企业应当确定数据资源的可变现净值。以前减记价值的影响因素已经消失的，减记的金额应当予以恢复，并在原已计提的存货跌价准备金额内转回，转回的金额计入当期损益。c.企业发生的数据资源毁损，应当将处置收入扣除账面价值和相关税费后的金额计入当期损益。数据资源的账面价值是存货成本扣减累计跌价准备后的金额。

4.列报披露

（1）报表列报企业在编制资产负债表时，应当根据重要性原则并结合本企业的实际情况，在“存货”项目下增设“其中：数据资源”项目，反映资产负债表日确认为存货的数据资源的期末账面价值。

（2）强制披露

a.企业应当按照外购存货、自行加工存货等类别，对确认为存货的数据资源（以下简称数据资源存货）相关会计信息进行披露，并可以在此基础上根据实际情况对类别进行拆分。

b.企业应当披露确定发出数据资源存货成本所采用的方法。

c.企业应当披露数据资源存货可变现净值的确定依据、存货跌价准备的计提方法、当期计提的存货跌价准备的金额、当期转回的存货跌价准备的金额，以及计提和转回的有关情况。

d.企业应当单独披露对企业财务报表具有重要影响的单项数据资源存货的内容、账面价值和可变现净值。

e.企业应当披露所有权或使用权受到限制的数据资源存货，以及用于担保的数据资源存货的账面价值等情况。

（3）自愿披露与数据资源作为无形资产时，自愿披露内容一致。

（三）其他注意事项

1.特殊适用

如果数据资源是企业合法拥有或控制的、预期会给企业带来经济利益的、但由于不满足企业会计准则相关资产确认条件而未确认为资产的数据资源，仍应按照《企业数据资源相关会计处理暂行规定》进行相关处理，例如“企业出售未确认为资产的数据资源，应当按照收入准则等规定确认相关收入”。

2.前后衔接

《企业数据资源相关会计处理暂行规定》是在现行企业会计准则体系下的细化规范，在会计确认计量方面与现行无形资产、存货、收入等相关准则是一致的，不属于国家统一的会计制度要求变更会计政策。同时，《企业数据资源相关会计处理暂行规定》要求采用未来适用法应用本规定，企业在本规定施行前已费用化计入当期损益的数据资源相关支出不再调整，即不应将前期已经费用化的数据资源重新资本化。

3.职业判断

企业应当严格按照企业会计准则关于相关资产的定义和确认条件、无形资产研究开发支出的资本化条件等规定以及《企业数据资源相关会计处理暂行规定》的有关要求，结合企业数据资源的实际情况和业务实质，综合所有相关事实和情况，合理作出职业判断并进行会计处理。

4.加强披露

《企业数据资源相关会计处理暂行规定》兼顾信息需求、成本效益和商业秘密保护，创新提出自愿披露方式，并围绕各方关注对披露重点作出规范和指引。企业应当充分认识提供有关信息对帮助更好理解财务报表、揭示数据资源价值的重要意义，主动按照企业会计准则和《暂行规定》的披露要求，持续加强对数据资源的应用场景或业务模式、原始数据类型来源、加工维护和安全保护情况、涉及的重大交易事项、相关权利失效和受限等相关信息的自愿披露，以全面地反映数据资源对企业财务状况、经营成果等的影响。

结语：数据资产估值是当代经济发展中一个重要的课题。过去几十年间，随着互联网的快速发展，数据已经成为了企业最重要的资产之一。数据的价值在不断增长，并且对企业的影响也越来越大。因此，对数据资产进行准确的估值对企业决策和战略规划至关重要。

然而，数据资产估值仍然是一个相对较新的领域，存在许多挑战和困难。数据的复杂性、不确定性和快速演变使得准确估值变得十分困难。此外，数据的价值在不同的行业和企业之间差异巨大，因此需要针对不同情况进行个性化的估值方法。对于未来的研究，我们建议进一步深入探究数据资产估值方法和模型，尤其是在数据质量、数据安全和数据治理方面的考虑。

此外，随着人工智能和大数据分析的不断发展，数据资产估值模型也需要考虑新技术的影响。总之，虽然数据资产估值是一个复杂而关键的问题，对于企业和整个经济来说具有重要意义。但法律层面对于数据价值的保护已经有比较明确的法律规定，按照市场法则和日常经验法则，在民事领域法无禁止即可为、在行政领域法无授权不可为的原则指引下，我们相信通过不断的研究和改进，我们将能够更准确地评估数据资产的价值，进而为企业的决策和发展提供更有力的支持。

注：1、Gartner （August2015） 2、《GB/T36073-2018 数据管理能力成熟度评估模型》