20201209-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）_59页_1mb

数据资产化：数据资产确认与会计计量研究报告总结

核心内容

本报告由中国信息通信研究院政策与经济研究所于2020年12月发布，旨在从概念与方法层面分析数据资产的确认与会计计量问题，探索数据资产化的意义、挑战及发展建议，以推动数据要素市场建设，提升企业竞争力。

主要观点

1. 数据资产的重要意义

• 数据是数字经济时代的核心生产要素，具有基础性、战略性和重要生产力属性。
• 数据资产化是实现数据要素市场化、价值分配机制形成的重要前提。
• 数据资产化有助于企业展现真实价值、竞争优势，缓解企业表内资产与市场价值的差距。

2. 数据资产的界定与分类

• 数据资产是指企业在生产经营活动中产生的或从外部获取的、具有所有权或控制权、预期能为企业带来经济利益的数据资源。
• 数据资产与传统无形资产（如专利、商标）存在显著差异，具有可辨认性、可量化性、可控制性等特征。
• 数据资产可分为“业务数据化”（自用型）和“数据业务化”（交易型）两类。

3. 数据资产的会计确认

• 数据资产需满足“可变现、可控制、可量化”三个确认原则。
• 外部获取的数据资产应以实际支付的价格入账，内部产生的数据资产则需根据其研发与应用阶段进行费用化或资本化处理。
• 数据资产应纳入“无形资产”科目下的“数据资产”二级科目。

4. 数据资产的价值评估

• 数据资产价值影响因素包括数量、质量、应用、风险四个维度。
• 传统资产评估方法（成本法、收益法、市场法）在数据资产评估中存在局限，需进行改良。
• 改良成本法：结合数据价值影响因素进行修正，公式为：
  $$
  V = T C * \left(1 + P r e \left(q _ {1}, q _ {2}, u, r\right)\right) - \text {资产贬值因素}
  $$
• 改良收益法：基于预期收益进行折现，需考虑数据资产的收益期限、折现率等。
• 改良市场法：在数据交易市场不完善的情况下，需结合可比案例进行修正，包括数量、质量、应用、风险、期日等修正系数。

关键信息

1. 数据资产化面临的挑战

• 当前企业数据资产化程度较低，截至2020年5月，A股市场仅有84家企业实现数据资产化，占比不足3%。
• 企业“数字化思维”和“数据资产管理能力”有待提升，大量数据资源尚未有效转化为资产。
• 现行会计确认与计量方法难以满足数据资产化需求，数据资产未被有效识别和评估。

2. 数据资产化实践分析

• 数据资产应用主要集中在信息技术、金融和消费品行业，占比达76.2%。
• “业务数据化”企业数量远多于“数据业务化”企业，但后者具有更高的市场化程度和商业价值。
• 数据资产化程度高的企业已初步形成数据平台和数据中台，实现数据驱动下的组织优化与效率提升。

3. 数据资产化政策建议

• 完善数据资产化配套政策：制定数据确权法规，设立数据资产登记机构，明确数据资产的法律权属与保护方式。
• 提升企业数据资产化能力：强化企业数据资产管理意识，完善数据资源管理体系，设立“首席数据官”岗位，推动数据资产化。
• 构建数据资产化生态体系：鼓励行业协会、数据交易所等参与数据资产化，探索数据交易模式，促进数据要素市场形成。
• 推进数据资产化理论研究：加强跨学科合作，明确数据资产化理论路径与评价方法，为实践提供支撑。

数据资产化发展建议

1. 完善政策法规

• 加快制定数据确权相关法律，明确数据资产的权属与交易规则。
• 完善《会计法》等法规，将数据资产纳入企业会计报表，实现统一计量。

2. 提升企业能力

• 引导企业重视数据资产，推动数据资源的系统化管理和利用。
• 建立健全数据资源管理体系，提升企业数据资产化水平。

3. 构建生态体系

• 鼓励行业协会和数据交易平台的发展，推动数据资产交易的标准化与规范化。
• 打造数据资产化示范企业，推广成功经验，形成良性循环。

4. 推进理论研究

• 强化跨学科研究，整合会计、数据科学、法律等领域力量。
• 推动数据资产价值评估模型的构建，完善数据资产的理论基础。

附件与参考文献

• 本报告基于2000年5月至2020年5月中国A股市场企业年报数据进行分析，揭示了数据资产化的现状与问题。
• 参考文献涵盖了OECD、世界经济论坛、中国信息通信研究院、《民法典》《网络安全法》等国内外权威资料，为报告提供了坚实的理论基础。

结论

本报告强调数据资产化是数字经济发展的关键环节，需从政策、企业能力、生态体系和理论研究四个方面系统推进。在会计层面，需对数据资产进行明确界定和创新计量，以实现其价值的准确反映。