李诗 陈志威 徐钰 吴欢 田雪 李可亦

【摘要】随着数字技術的快速发展， 企业不断深入挖掘数据资源所蕴含的经济价值， 以期得到价值的成倍式增长。 数据资源已成为众多行业的重要资产， 但其价值尚未体现在企业核算中， 导致企业的财务报表难以反映其实际价值。 以上市公司龙马环卫作为研究对象， 探讨其数据资产是否能够进行表内列报， 若列报如何进行后续的计量与披露。 同时尝试运用层次分析法及多期超额收益法计量企业的数据资产， 并采用无形资源报告框架披露相关重要信息。 以传统行业作为研究数据资产会计处理模式的对象， 是对企业数据资产确认、计量与披露广泛应用的有益探索。

【关键词】数据资产;会计处理;智慧环卫;会计新发展

【中图分类号】F231      【文献标识码】A      【文章编号】1004-0994（2021）24-0067-8

一、引言

数字时代悄无声息地改变着社会生活的方方面面， 从交通出行到生产制造， 物联网、大数据、AI等新技术的广泛运用， 促使各行各业不断寻求前所未有的发展与变革。

由图1可知， 工业互联网已成为国民经济中增长最为活跃的领域之一。 图中数据显示， 数字化已由服务业加速渗透至制造业。 数字经济作为数字时代的发展标志， 已在经济社会的各个方面产生了巨大的价值。 不论是阿里、腾讯、Uber这样典型的新经济企业， 还是在经济中占比极高的机械、环保等传统企业， 数字化对其发展都起到了重要作用。 人们开始重新审视无形经济对社会发展带来的深刻影响。

数据资产的概念已成为行业共识， 许多企业已实现从有形资产向无形资产投资的长期转变， 但企业大量无形资产的投入却无法在财务报表中得到体现。 理论上企业应对其数据资产进行相应的会计处理， 但由于相关会计准则的滞后， 导致数据资产长期游离于表外， 企业的财务报表难以反映其实际价值。 如何对数据资产进行高质量的会计处理与信息列报， 是数字时代下学术界与监管层亟待研究与解决的重要问题。 2020年， 我国第二产业占全年GDP的比重达37.8%， 数字技术所产生的产业数字化在实体经济中占比极大。 因此， 对传统企业进行数据资产的确认、计量和披露研究具有普适意义。 本文从财务管理模式相对落后、数据资产理念普及较晚的环卫行业中， 选取集社会影响、环境服务与企业效应于一体的龙马环卫作为研究对象， 研究其数据资产的会计确认、计量与披露模式。

二、文献综述

达沃斯世界经济论坛在2012年发布的报告《大数据， 大影响： 国际发展的新可能》中宣称， 大数据已成为一项新的经济资产， 它的价值将与黄金和货币一样珍贵[1] 。 此后， 随着数据资源在企业中应用广度与深度的增加， 其资产属性日渐凸显以至无法忽视， 数据资产的相关理论研究开始侧重于数据资产的会计处理问题。

上官鸣等[2] 、李泽红等[3] 认为应以《企业会计准则》对资产的确认规则为基础， 结合数据的特征对数据资产进行确认， 并于初始计量时将其分为外购和自行开发两类， 其中外购型数据资产成本包括使数据资产达到预定可创造收益的支出， 自行开发型数据资产成本为开发阶段的资本化支出。 陈思静等[4] 全面分析了企业所拥有或控制的数据资产在确认上面临的难题， 并提出解决措施。 此外， 该研究还创新性地运用朴素贝叶斯分类法构建了模型， 以判断在不确定条件下企业所拥有的数据资源是否应被确认为资产。 张俊瑞等[5] 认为， 仅靠财务报表的数据难以满足信息使用者对数据资产信息的需求， 故应在财务报告中补充披露以下信息： 技术支持情况、数据资源规模和相关经济利益。

随着数据资产概念的大众化， 学术界对此的研究热度也不断攀升。 通过回顾数据资产会计处理文献， 可以发现学术界对于数据资产的会计处理方式主要参考无形资产准则， 不够贴合数据资产所具有的依托性及价值易变性等特征。 此外， 对于会计处理中至关重要的确认环节， 学者们仅讨论了数据资源被确认为数据资产的合理性和必要性[5] ， 却没有运用实际案例展示数据资源是如何满足确认条件从而被确认为数据资产的。 综上所述， 数字时代催生出大量具有资产属性的数据资源， 引发众多学者对数据资产会计处理的探讨与研究， 但缺乏对数据资源是如何确认为数据资产进行全面细致探究的实际案例， 而本文则意图填补这一研究空白。

三、案例背景

（一）公司简介

环卫装备制造是龙马环卫（603686.SH， 下文简称“龙马”）的初始主营业务， 随着环卫服务市场化程度的加深， 2011年起， 公司开始筹备环卫运营服务业务。 一方面， 延伸产业链条可以降低主营业务单一的风险; 另一方面， 实施“环卫装备制造+环卫产业服务”协同发展战略可以充分利用已有的环卫装备制造优势。

然而， 龙马在进入环卫产业服务领域后， 发现其在车辆管理方面存在垃圾清运过程繁琐、日常管理松散的问题， 导致油耗增加， 成本居高不下。 而在传统的事件流转过程中， 巡查员需要先联系负责该区域的环卫组长说明情况; 环卫组长联系负责该区域的环卫工人处理垃圾， 环卫工人处理完垃圾之后报给环卫组长， 再由环卫组长报给巡查员， 巡查员检查完毕后该事件结束（见图2）。 这种繁琐的事件处理方式既浪费了人力资源， 也存在信息失真的情况， 导致成本大幅增加。

随着环卫市场的发展， 传统环卫服务模式使车辆和事件流转运营成本居高不下， 亟须进行智慧化升级。 基于此， 公司于2016年9月投资研发了智慧环卫系统， 并于2017年6月正式投入运营。 依托智慧环卫系统， 龙马实现了产业转型升级， 提升了其在环卫服务业务方面的核心竞争力。

（二）智慧环卫系统

龙马建设智慧环卫系统主要致力于解决车辆管理及事件流转问题， 最终“智慧化”解决方案如下：

1. 车辆问题解决方案。

（1）实时监控改善事中控制， 信息透明拆除监督之墙。

第一， 实现成本管理“实时化”。 建立双向沟通机制， 利用系统进行自动数据统计与分析， 提高数据处理效率， 首次搭建从“事中数据采集→采集数据传输→管理人员判断→及时反馈控制”的作业信息往返路径， 使成本管理的重心从事后审核评价前移至事中控制优化， 及时遏止成本上升的苗头。

第二， 实现信息传输“自动化”与信息流动“透明化”。 智慧环卫系统的运用使监控信息的传输路径由原来的“监督人员反馈”变为“信息平台自动抓取”， 这种由“人”到“机器”的转变极大地消除了因信息不对称导致的企业成本数据信息失真的问题， 使管理效率得以提高。

（2）过程数据优化驾驶行为， 细节管理减少无效成本。 智慧环卫系统通过多种感知设备， 实时收集环卫车辆在作业过程中的各项数据， 并将数据及时地集成至后方管理平台， 使管理人员通过分析数据掌握司机的驾驶状态和车辆本身的状态， 以纠正司机的不良驾驶习惯， 进而减少无效油耗。

（3）自动统计解放人力资源， 真实数据助力科学预算。 龙马的智慧环卫系统通过对环卫车辆作业全过程的各类数据进行采集， 自动统计任意时段的油量、里程， 并计算出每公里油量和油料费用。 这不仅简化了前期繁冗的核算工作， 使人力资源从简单重复的工作中解放出来， 专注于增值能力更强的分析、决策工作， 而且提高了数据的精确度和真实性， 使“每一升油料的用途”都变成一张张可视化报表呈现在管理人员面前， 异常数据难逃“制裁”。

2. 事件流转问题解决方案。 依托互联网技术， 事件流转问题解决方案仅需经过巡查员上报至平台， 平台根据事件定位及时派发给保洁人员， 保洁人员处理完毕将结果再次上报系统， 系统接收反馈后安排巡查员检查， 若合格， 则关闭事件（如表1所示）。 这种巡查员、平台、保洁人员直接对接的流转过程形成了事件流转数据。 该方法不仅缩短了事件流转链条、降低了人工成本， 还使信息传递更加真实、有效。

（三）智慧环卫系统带来的挑战

由于存在现行确认计量规则进化滞后、信息披露要求僵化等问题， 龙马将智慧环卫系统投入运营后， 平台上的数据资源——车辆数据及事件流转数据逐渐增加， 但其价值却难以资本化处理， 使得对于企业未来发展和价值创造至关重要的数据资产游离于资产负债表外， 财务报表难以真实、准确地反映企业的状况， 会计信息决策的相关性不断降低。 鉴于此， 本文建议采用表内确认龙马车辆数据及事件流转数据为数据资产， 表外对数据资产及数据资源的相关信息进行披露的方式， 迎接智慧环卫系统带来的挑战。

四、数据资产的确认、计量与披露

（一）数据资产的确认

1. 车辆数据与事件流转数据的确认。 参考2019年中国信息通信研究院云计算与大数据研究所发布的《数据资产管理实践白皮书（4.0版）》[6] ， 数据资产是由企业拥有或控制的， 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， 如文件资料、电子数据等。 同时依据我国《企业会计准则——基本准则》中资产的确认条件进行确认。

根据以上定义， 对龙马的车辆数据与事件流转数据判断如下。 车辆数据主要包括车辆里程数与油耗统计数。 该智慧环卫系统通过对车辆里程数和油耗数进行监控， 达到精细化车辆成本管理、降低油耗成本的目的。 按照以下两个标准从公司实际运行项目中选取合适的检验对象： ①使用智慧环卫系统超过三个月; ②与项目相关的数据资料方便获取。 经过筛选， 最终确定7个规模不一的项目作为测试对象， 分别为LY、LZ、PT、TC、WJ、NT、MJ（见表2）。

基于控制变量法， 做出如下假设： ①作业车辆数不变; ②司机队伍不变且驾驶员操作习惯不变; ③引入智慧环卫系统前后作业里程数相同; ④引入智慧环卫系统前后单位油价相同。 在引入智慧环卫系统前， 前述7个项目中项目车队的某月份油耗及费用情况如表2所示。

运用智慧环卫系统后， 表2的7个项目某月份油耗及费用情况如表3所示。

由表2和表3可知， 在前文的4个假设前提下， 上述7个存在油耗违规问题的代表性项目引入智慧环卫系统后， 每月将节约655975.16元的油料费用， 占应用系统前油料费用的26%。 综上， 龙马的车辆数据满足数据资产的确认条件， 即： 与资产相关的经济利益很有可能流入企业， 体现在使用该项数据资产而节约的成本中; 价值可以可靠计量。

龙马的事件流转数据服务于自身管理， 产生于企业内部， 每一条数据都有清晰的来源和使用去处， 且每一条数据都由龙马控制， 故龙马的此项数据资源产权归属明确; 该项数据减少了事件中转节点， 缩短了信息传递路径， 提高了事件流转效率， 极大地提升了工作效率， 节约了人力成本， 满足了为企业带来经济利益流入这一资产的确认条件; 该项数据资源的价值可通过后续估值模型进行計量。 基于以上分析， 龙马智慧环卫系统中事件流转数据资源可确认为一项数据资产。

2. 表内列报。 龙马在运用智慧环卫系统时， 能够利用平台中的数据减少经济利益的流出， 提升企业经济效益。 因此， 为真实反映龙马的价值， 提高其会计信息的完整性与决策相关性， 龙马需要对其数据资产进行表内列报。

在数据资产表内列报方面， 目前尚未形成统一的研究结论。 数据资产的会计核算具有区别于无形资产、固定资产的独特性， 具体表现为： ①数据资产尚无相关法律保护体系; ②数据资产来源多、灵活性大; ③数据资产具有较强的依附性。 故本文认为应在资产负债表中新设“数据资产”项目进行列示， 金额依据下文初始计量结果填列。 同时， 在获得该数据资产的过程中， 未减少企业资产也未增加企业负债; 该数据资产与所有者投入资本或所有者分配利润无关， 贷方应记入所有者权益的“其他综合收益”科目。

（二）数据资产的计量

1. 初始计量。 通过调研得知， 龙马的车辆数据及事件流转数据通过提高管理效率、降低运营成本的方式为企业带来利益， 其价值体现在节约的管理费用及营业成本中。 故采用现值法作为龙马数据资产计量属性， 参考德勤与阿里研究院共同发布的《数据资产化之路——数据资产的估值与行业实践》[7] 中数据资产计量方法， 运用多期超额收益法对其进行估值。

在运用超额收益法评估龙马数据资产价值时， 将有无数据资产的收益差异作为该数据资产所创造的增量收益。 另外， 龙马车辆数据及事件流转数据通过优化决策发挥作用， 而决策优化不仅与数据资产有关， 同时也受企业内部管理水平、人力资本等因素影响。 因此， 需考虑数据资产在内的资产组合体， 将与数据资产共同为企业带来效率提升的资产组合体分离为数据资产、管理水平、人力资本和客户渠道四项， 并运用层次分析法计算其中数据资产对整体增量收益的贡献率α。

应用会计估计， 计算龙马有无数据资产两种情况下的管理费用， 将有无数据资产条件变化下的管理费用节约金额作为组合体带来的增量收益数值。 完成对未来数据资产增量收益的预测后， 该数据资产价值的计算公式如下所示：

[P=t=1T△Mt×αm（1+r） t]

其中： P为目标资产评估值; △Mt为未来第t个预测期节约的管理费用; αm为管理费用节约收益指标对应的数据资产贡献率; r为折现率; T为收益预测期限。 由该模型计算出的数值即为龙马数据资产初始入账价值， 计算过程如下：

（1）确定数据资产拥有时点及特定收益增量指标。 根据案例背景， 龙马智慧环卫系统平台在2017年6月建设完成并投入使用， 故确认龙马拥有数据资产的时间为2017年6月。

其一， 有数据资产的收益指标数据分析。

根据龙马的财务报表信息统计2016 ～ 2019年剔除研发费用后的管理费用， 同时基于2020年三季报及WIND数据库对该指标的预测数据， 二者求和得到2020年预计管理费用。 因公司将于2025年建成“智慧环卫3.0”， 结合龙马于2017年拥有数据资产的实际情况， 利用EViews软件基于最小二乘法进行预测， 根据2016 ～ 2020年管理费用对2021 ～ 2025年管理费用预测如表4所示。

其二， 无数据资产的收益指标数据分析。

假设企业未在2017年拥有数据资产， 根据2016年龙马季报中的管理费用（因公司2015年才开展环卫服务业务， 故无法通过2013 ～ 2016年年报数据进行预测）， 同样利用EViews采用最小二乘法对2017 ～ 2020年每季度管理费用进行预测， 将每年四个季度的管理费用加总作为年管理费用， 计算结果如表5所示。

其三， 测算历史期资产组合体的增量收益。

通过上述统计分析， 分别计算2017 ～ 2020年企业拥有数据资产后上述收益指标增量， 以及资产组合对各年收益指标贡献率k及其均值km， 计算结果如表6所示。

计算其均值可得：

km=（59.66%+62.31%+27.16%+35.07%）/4=46.05%

其四， 测算预测期数据资产的增量收益。

第一， 計算预测期包含数据资产在内的资产组合体带来的收益增量。

假定预测期管理费用节约带来的收益增量占总额的比重与历史期相同， 则预测期各指标收益增量计算方法如下所示：

△M'=km ×M'

其中： △M'为预测期管理费用节约的收益增量; km为2017 ～ 2020年收益指标贡献率的均值; M'为有数据资产条件下的管理费用。 据此计算预测期2021 ～ 2025年包含数据资产在内的资产组合体带来的收益增量， 计算结果如表7所示。

根据龙马管理层初步规划， “智慧环卫3.0”将于2025年建设完成， 预计2025年后其数据资产增量趋于稳定。 因此， 在测算2026年及以后指标数据时不再采用贡献率km进行计算， 而采用永续增长率3%计算2026年及以后管理费用的永续价值。

第二， 通过层次分析法确定数据资产单体资产对预测期管理费用节约的贡献权重αm。

建立以年管理费用节约为目标层， 数据资产、管理水平、人力资本和客户渠道为方案层的层次分析法体系， 绘制层次分析图（见图3）。

采用九级标度法（即专家通过对指标进行两两比较后给出分值）， 通过问卷调查及专家访谈的方式， 请龙马相关管理人员对管理水平、人力资本、客户渠道、数据资产四项对管理费用节约的贡献程度进行打分， 分别给出区间分数， 统计其均值， 构造单业务评价判断矩阵（见表8）， 其中， 分值（1 ～ 9分）中奇数由小到大表示列指标比行指标重要程度逐渐增加; 偶数表示两相邻判断的中值; 倒数则表示行指标与列指标进行比较的相应标度。

对上述判断矩阵进行一致性检验（CR=CI/RI）， 过程如下：

利用Excel计算判断矩阵的一致性指数CI为0.08， 进一步查询随机一致性指标值表， RI值根据表9取n=4时的值0.90。

经计算， 检验结果一致性比率CR为0.09， 小于0.1， 结果通过一致性检验。 进一步利用Excel对判断矩阵进行权重计算， 可得本文数据资产对管理费用节约的权重αm为14%。 另外， 运用加权平均资本成本确定折现率， 充分考虑数据资产的系统风险、经营风险及财务风险。 经计算， 本文中数据资产的折现率取值范围在7% ～ 12.87%。

其五， 确定收益年限。

由于龙马的数据资产并非购入， 而是基于业务和数据系统建设多年累积形成， 在不考虑未来可能产生权属变更问题的情形下， 确定该数据资产预期收益年限为永续。

（2）计算数据资产价值。 以前文数据为基础， 计算龙马数据资产价值如下：

数据资产价值=P（2021 ～ 2025）+P（2026及以后）

最终， 测算得到2020年龙马的数据资产价值区间为11799.31万 ～ 29049.81万元。

2. 后续计量。 参考信息资源的七大定律[8] ， 本文认为龙马数据资产满足信息资源七大定律中的“信息价值随时间减损”这一定律， 这也是后续计量的理论基础。

龙马所承接的环卫项目有对应的存续年限， 具体年限根据合同确定。 从公司整体来看， 某一项目所产生的数据资产会因项目结束而不再具有价值， 时间因素会对数据资产的总体价值产生影响， 但由于数据资产总体使用寿命无法确定， 无法对其进行摊销处理。 故本文认为龙马的数据资产价值存在随时间减损的可能性， 后续计量中需定期对其进行减值测试。

基于以上分析， 龙马不应对数据资产进行摊销， 但应定期对数据资产进行减值测试。 若不存在减值的情况， 则不做会计处理; 若相反， 则借记“资产减值损失”科目， 贷记“数据资产减值准备”科目。

3. 处置。 当所承包的项目合同到期时， 因此项目产生的数据资产对于龙马来说不再具有价值， 此时应将对应的数据资产进行报废处理。 报废金额以数据资产账面价值为准， 借记“营业外支出”和“数据资产减值准备”科目， 贷记“数据资产”科目。

（三）数据资产的披露

当下， 因尚无与数据资产相关的准则出台， 各企业对数据资产的会计处理不规范， 数据资产的确认与计量存在一定的操纵空间， 会对企业的外部信息使用者产生一定程度的误导。 为提高外部信息使用者对企业价值评估的准确程度， 企业应尽可能全面披露数据资产相关重要信息。 因此， 为准确展示龙马的潜在投资价值， 使外部信息使用者更加了解智慧环卫的战略布局， 本研究在对龙马数据资产进行表内确认的同时辅以表外信息披露， 增加财务信息的可靠性。

1. 表外信息披露框架。 结合龙马的业务特点和数据资产特征， 尝试应用两种经典智慧资本披露框架以及德勤“第四张报表”对龙马的数据资产重要信息进行披露， 希望通过比较三种披露框架从而寻找出最适合龙马的披露方法（见表10）。

2. 龙马具体披露信息。 通过上文分析可知， 于龙马而言， 无形资源报告框架的适用性最强， 故选用无形资源报告框架作为龙马数据资产的表外信息披露依据（见表11）。

五、结论

数字经济的影响已从服务业蔓延至各行各业， 企业将数据用于管理、生产、营销甚至交易， 随之产生的数据资源为企业带来了直接与间接价值。 为探究具有资产性质的数据资源会计确认、计量与披露问题， 本文对龙马进行实地调研后， 首先依据数据资产定义及资产的确认条件将其车辆数据及事件流转数据确认为数据资产; 其次， 探讨其表内列报的合理性， 并运用多期超额收益法计算出该数据资产的价值; 最后， 为满足龙马内外部利益相关者对高质量财務报表信息的需求， 真实全面地反映公司运营状况， 对其数据资产进行表外披露。 结合确认及计量部分的分析结果与估值结果， 对比分析价值链计分板、德勤第四张报表、无形资源报告框架， 最终选择无形资源报告框架作为披露的依据， 增强了龙马财务信息的完整性。

“数据”与“会计”的交融是一种“新”与“旧”的碰撞， 人们不能漠视数据，数据是科学度量。 倘若龙马能对智慧环卫系统中数据资产所体现的经济效益进行高质量的确认、计量与披露， 能使其企业的财务报表更符合会计信息重要性、相关性与可靠性的要求， 也能在一定程度上帮助企业释放数据的潜在价值， 并对内部监管层、中小投资者、外部监管机构和资本市场等多方利益相关者具有重大现实意义。 数字时代的数据拥有全然不同的价值内涵， 数据资产与会计的不断碰撞与融合， 必将给会计领域带来一场巨变。

【 主 要 参 考 文 献 】

[1] 王艳.银行如何应用大数据[ J].中国经济报告，2013（12）：45 ～ 48.

[2] 上官鸣，白莎.大数据资产会计处理探析[ J].财务与会计，2018（22）：46 ～ 48.

[3] 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）：58 ～ 59+129.

[4] 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）：58 ～ 61.

[5] 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（3）：3 ～ 15.

[6] 中国信息通信研究院云计算与大数据研究所.数据资产管理实践白皮书（4.0版）[EB/OL].http：//www.caict.ac.cn，2019-06-04.

[7] 上海德勤资产评估有限公司，阿里研究院.数据资产化之路——数据资产的估值与行业实践[EB/OL].https：//www2.deloitte.

[8] 黄世忠，叶丰滢，陈朝琳，李诗，蒋艳虹.新经济 新模式 新会计[M].北京：中国财政经济出版社，2020.

[9] 巴鲁·列弗著.王志台，唐春霞，杨明译.无形资产管理、计量和呈报[M].北京：中国劳动社会保障出版社，2003.