随着信息技术的发展，大数据所蕴含的经济价值被不断挖掘并应用到社会生活的各个领域。但作为一种重要的经济资源，大数据资产的价值在企业核算中却尚未得到体现。为此，笔者拟结合大数据特征，对大数据资产的会计处理相关问题进行探析。

一、大数据资产的确认

我国《企业会计准则》将资产定义为企业过去的交易或事项形成的，由企业拥有或控制的，能为企业带来经济利益的资源。按照这一定义，大数据也具有资产属性，企业可通过对大数据的整理、挖掘、应用，实现市场开发、需求预测等一系列目标，为企业创造价值，故笔者认为，应将大数据作为一项资产进行确认。但与传统资产相比，大数据的形成基础并不完全基于企业过去的交易或事项，如企业的预算型数据、计划型数据等均基于未来的事件而形成，但其对企业的生产经营活动意义重大，为了完整反映企业资源情况，应在对大数据进行资产确认时将形成基础的要求延伸至未来，但出于谨慎性原则的考虑，未来事件的预估期不宜过长，且未来事件应接近于确定型事件。另外，许多大数据的经济价值并不是一蹴而就的，而是要经过加工、整理等程序才能为企业带来经济利益，因此，当原始数据已确定具有经济价值时，也应纳入资产范畴。基于大数据资产与传统资产的差异，笔者认为，大数据进行资产确认时须满足以下三个条件：由企业过去或未来较短时期内很有可能发生的交易或事项形成；由企业拥有或控制；已经能够或经过进一步处理后能够为企业带来经济利益。

二、大数据资产的计量

大数据资产的计量可分为初始计量和后续计量，在计量时应在现有会计资产下单独设置“数据资产”科目。这一科目可充分体现该类资产的“数据”属性，并根据其用途设置“生产用数据”“销售用数据”等明细科目，以便对其进行进一步的计量、报告等处理。

1.大数据资产的初始计量

与传统资产的处理类似，大数据资产的初始计量主要包括入账价值的确定以及账务处理两个部分。大数据资产的初始成本可按其外购、自行开发等获取途径分类确定。

（1）外购大数据资产。企业从数据交易所或其他主体购入的大数据资产，其成本应主要包括购买价款、传输费用、筛选费用、整理等使大数据资产达到预定可创造收益状态的支出。但需注意的是，大数据资产作为一种新型资源，对信息技术依赖程度较高，其在获取时技术较为复杂，程序较多，因此成本构成项目繁多，企业应该结合自身实际情况，准确识别成本项目，并根据经验设置成本项目清单，在外购大数据资产时可逐项比照，避免成本遗漏。同时，大数据资产的成本价值差异较大，有高达数亿元的购买价款，也有低至数角钱却难以分离的设备耗电成本，故企业在处理时可率先考虑价值较大、较为明确的成本项目，对价值微小、难以识别的成本可采取定期集中处理的方法，或根据自身实际情况结合重要性原则直接忽略不计。待全部成本项目归集完毕，成本数额准确计量后，企业可做如下账务处理：借记“数据资产（外购价款+传输费用+整理成本等）”，贷记“银行存款”等。

（2）自行开发大数据资产。许多企业的大数据资产来源于企业自身经营活动的积累，如淘宝、京东等企业积累的客户数据、物流数据等，但并不是积累的全部大数据均能为企业带来收益，符合资产确认条件的大数据往往只是其中一部分。企业应在大数据开发过程中，将大数据积累阶段的各项支出作费用化处理，计入当期损益，而在大数据开发应用阶段的各项支出，可按大数据体量（GB、PB）等标准将其在可资产化大数据与不可资产化大数据之间进行分配，分别做资本化与费用化处理，以便合理计量大数据资产的成本。具体账务处理为：一是积累阶段：借记“管理费用（积累阶段费用支出）”，贷记“银行存款”等。二是开发阶段：借记“管理费用（不可资产化大数据分摊费用）”，贷记“银行存款”等；借记“数据资产（可资产化大数据分摊费用）”，贷记“银行存款”等。

另外，对于企业股东投入的大数据资产，通过债务重组、非货币性资产交换等方式取得的大数据资产，企业可按其公允价值或协议价格入账，并做相关账务处理。

2.大数据资产的后续计量

大数据资产的价值跳跃性较大，一方面，其更新换代速度较快，许多价值不菲的大数据资产很可能在较短时期内便被市场淘汰，不具有效用；另一方面，也会由于市场需求等方面的改变，企业原本一文不值的大数据资源立刻成为企业强有力的竞争手段并为企业盈利。因此，大数据资产的效用寿命很难确定，不便对其进行摊销。但为了避免虚增利润，实现大数据资产账面价值接近市场实际水平的目标，准确反映大数据资源的价值，企业财务人员须具有高度市场敏锐性，依据扎实的职业判断，定期对大数据资产进行减值测试。现值是指资产按照预计从其持续使用和最终处置中所产生的未来现金流的折现金额，是一种全面反映资产价值的计量属性，故企业在进行大数据资产减值测试时，可选取未来现金流现值为参照标准，若大数据资产的账面价值高于其未来现金流的现值，则需对二者差额计提减值准备，具体账务处理为：借记“资产减值损失（账面价值－未来现金流现值）”，贷记“数据资产减值准备”。需要注意的是，企业财务人员应随时关注财务政策、市场利率的变化，对折现率、现金流量等进行及时调整，确保大数据资产未来现金流现值预估的准确性与可靠性。

大数据资产的个体适用性较强，通常情况下，甲企业用来盈利的大数据资产，在乙企业中却很难产生经济价值，体现出大数据资产的流动性较差。与此同时，目前大数据市场处于起步阶段，发展尚不健全，故数据市场中影响大数据价值的因素较多，许多因素是难以控制与监管的，易出现企业利用大数据资产减值操纵利润的现象。基于以上两个方面的考虑，笔者认为，大数据资产一旦计提减值，其减值在日后会计期间内便不得转回，只有在对大数据资产进行处置时，方可对其减值予以转出。

三、大数据资产的处置

当企业改变对大数据资产的持有目的，欲将其出售或企业的大数据资产发生损毁、报废等情况时，企业需对大数据资产进行处置处理。

1.大数据资产的出售

当企业放弃大数据资产的所有权将其出售时，企业应按实际收到的价款入账，同时将与大数据资产有关的账户、大数据资产减值准备等一并冲销，若存在相关税费，也应一并进行处理，借贷方差额由资产处置产生，应计入当期损益，具体账务处理为：借记“银行存款（处置大数据资产实际收到的价款）”“数据资产减值准备（至处置时该账户余额）”“营业外支出（借贷方差额）”，贷记“数据资产（该账户账面余额）”“应交税费（处置时产生的增值税等）”“营业外收入（借贷方差额）”。

2.大数据资产的出租

对于少部分通用型大数据（指应用范围较广、分析技术较简单的大数据），企业通常会建立数据库，在自身开发使用的同时将数据库准入权出租，以获取一定数额的租金。由于大数据资产不计提摊销，因此在出租期间，不存在与租金相匹配的成本费用，故应将大数据资产的租金作为营业外收入核算，具体账务处理为：借记“银行存款（出租期间平均每期租金收入）”，贷记“营业外收入”。

3.大数据资产的损毁与报废

大数据资产通常利用信息技术存储于计算机、云盘等载体中，因此，由于系统故障、操作失误等原因导致的大数据资产损毁甚至报废的情况在企业中时有发生，企业应当按损毁大数据对未来整体现金流的影响程度将其冲销处置，确认为损失，并将相同比重的减值准备予以结转，具体账务处理为：借记“营业外支出（借贷方差额）”“数据资产减值准备（该账户余额×损毁部分对整体现金流的影响比重）”，贷记“数据资产（该账户余额×损毁部分对整体现金流的影响比重）”。

四、共享型大数据的会计处理

共享型大数据是指使用权与知情权由大众共同拥有的数据资源。对于目前许多企业来说，该种类型的数据资源虽非由企业单独拥有或控制，但其与企业生产经营活动息息相关，甚至成为企业运营的重要“原材料”，例如，“去哪儿网”“途牛网”等互联网旅行定制企业的生产经营活动是依据中央气象台发布的共享天气大数据，企业结合这类大数据为客户制定出行计划从而赚取佣金。一方面，这些企业并未对天气等大数据资源形成完全控制；另一方面，该类企业很大程度上依靠共享型大数据实现盈利，但其在账务处理中又无丝毫体现，有悖于会计记录与反映企业各项业务活动的目标。针对共享型大数据，笔者认为，企业可采用名义记账的方法进行处理，即企业若利用共享型大数据资源创造收益，可将该部分大数据资源以“1元”的名义价值确认为大数据资产，以便在账上准确反映企业的生产要素，名义计量不存在减值等处理。同时“1元”的名义价值也能有效避免对企业核算、计量等产生重大影响，实现完整反映企业业务活动的目标，具体账务处理为：

借：数据资产——共享型大数据 1

贷：银行存款等 1

五、大数据资产的列报

“数据资产”应作为一个单独的项目在企业资产负债表中进行列示，列示金额即为大数据资产的账面价值（原价－减值准备），并且企业可根据自身需求选择对“数据资产原价”“数据资产减值准备”等具体项目进行反映。另外，在企业财务报告的附注中，企业应明确对大数据资产的初始计量价值中小微成本的处理方法、大数据资产未来现金流的预估折现率选择以及大数据资产减值原因等内容予以解释，确保大数据资产处理的科学性与可理解性。此外，大数据资产的相关处理方法与判断基础一经选定，不得随意变更，以保证财务报告的连续性和可比性。

责任编辑 李卓

主要参考文献

[1]唐国平.会计学原理[M].大连：东北财经大学出版社，2016：14-16.

[2]葛家澍，徐跃.会计计量属性的探讨——市场价格、历史成本、现行成本与公允价值[J].会计研究，2006，（9）.

[3]王玉林，高富平.大数据的财产属性研究[J].图书与情报，2016，（1）.

[4]James Manyika，Michael chui，Brad Brown，Jacques Bughin，Richard Dobbs，Charles Roxburgh，Angela Hung Byers.《Big data：The next frintier for innovatin，competition，and produtivity》[R]. Mckinsey Global Institute，2011，（5）.