探索企业自有数据要素资产化的机制路径，并对其估值入表的会计核算和价值管理展开分析，有助于促进企业数据资源从生产耗费到收益实现的价值创造活动，提升数字经济发展水平。本文拟面向移动通信应用场景，以中国移动通信集团有限公司（以下简称中国移动）为例，基于其数据要素资源化、资产化过程，设计数据资产确认与计量的会计核算框架，分析数据资产入表前的价值核算、入表中的价值计量、入表后的价值转销。

（一）从数据要素资源化到数据资源资产化的实现路径

数据价值链（Data Value Chain）由数据采集、数据归集、数据加工与数据应用等多个环节组成，用于监控和评估数据生产全流程。在数据资源化过程中，中国移动将大数据采集范围分为外采域、网络域、管信域、业务域，利用数字技术进行采集、归集、加工、分析、应用，实现数据资源的价值融合和新质生产。目前公司每天经过脱敏、清洗可沉淀5PB数据，已累计积淀超650PB高价值数据。图1展示了其数据要素资源化、资产化的具体路径：数据缓冲层——基础数据层——算法融合层——数据应用层——交易交付层。

数据缓冲层是将原生数据整理形成可用数据要素的生产性活动。中国移动从业务需求和价值变现角度考虑，有选择性地从数据源系统中实施集中化采集、数据标识、统一治理、统一管控，以实现数据着陆区、数据结构与源系统的完全一致，并通过工具进行数据脱敏和数据清洗，形成数据资源，实现数据要素的资源化。

基础数据层是数据资源加工过程中的汇聚层。该层级的数据经过标准化处理，按照数据仓库的主题域组织存放，并保留各种数据标识、记录原始数据特征。然后针对跨域数据共享，建立通用数据模型和专用数据模型两个模块。各模块中的元数据、内容数据、指标数据、安全数据都需要有高质量管理和价值核算。

算法融合层是多源异构数据资源资产化过程中的数据中间品。根据定位与功能可细分为整合层和视图层两个子层级。整合层可将某特定业务单元使用的关键数据进行算法整合；视图层可展示各业务单元建设数据产品、数据应用的可视化过程。

数据应用层是用于生成数据产品和可使用分析指标的数据结果输出层。数据应用层直接面向应用端客户，形成具有较高使用价值的数据资产服务能力，为用户提供端到端的数字服务，以满足用户的用数需求，保证数据服务接口的高可用性等。

交易交付层是技术化的价值实现机制。此层级中，企业可为用户提供定制化数据服务、标准化数据服务，还可在联盟链上提供数据共用服务。这一过程往往需要有超大型交易平台和技术设施以支持数据交付使用。

（二）数据资产化中的属性识别和成本支出

数据资产的物理属性不同于实物形态的存货，也不同于非实物形态的权利（无形资产）。原因在于：基于数据资产属性的层次观，数据资产具有一般属性、共有属性、专有属性。一般属性是数据资产估值入表的基本前提，是指数据资产需要满足“会计主体拥有控制权”“有与过去事项相关的成本费用支出”“权益主体唯一性”这三个条件。在一般属性基础上，数据资产还有可共用性、可复制性、非消耗性等共有属性，从而引导基于联盟链的数据资产众筹模式和共用模式等投融资活动。同时，不同应用场景下的数据资产还有其特定的专有属性。总之，需要先识别数据资产的基本特性，以做好资产化入表的各项准备。

数据资产生成过程中存在较高的成本支出（见图2），其中的劳动投入是数据资产估值入表的基础。具体包括：一是数字技术平台投入。生成数据资产与发挥决策支撑作用需要数字技术平台的软硬件设施支持，相关支出通常包括数据底层服务商的关键共性技术建造支出、关键共性技术云服务购置支出以及与数据治理相关的跨期支出，这三类支出需要设立独立的会计科目。二是数据开发成本。数据前期挖掘生成中需要消耗大量的人力资本，包括从生产者到生产工具所产生的各种成本费用的归集和共性支出。三是数据运营成本。数据资产投入运营后需要企业持续维护才能保障价值持续释放，其中涉及的各项运营费用都需计入成本费用中。

基于上述实践分析，笔者提出移动通信数据资产估值入表的会计核算框架，并分析数据资产入表前、入表中、入表后的价值管理活动。

（一）数据资产入表前的价值核算

1.确认数据资源开发成本。前提有三：一是数据资源开发活动应是由企业基于业务需求，从源系统中有选择性实施集中化采集的活动。二是所采集的数据资源需要满足资产定义的三个条件，即“由企业过去的交易或事项形成，由企业拥有或者控制，预期会给企业带来经济利益”，同时需以电子或物理方式存储。三是基于数据产品或数据服务的有用性，在资本化与费用化之间进行划分。

2.明确数据资源的成本核算范围。如图2所示，数据资源资产化的生产成本核算范围包括与不同阶段的生产活动、生产者、生产技术工具相关的各类成本。生产活动包括数据采集、加工、分析、应用和保护；生产者包括采集工程师、通信工程师、算法工程师、数据分析师和网络安全工程师等；生产（技术）工具根据不同功能分为采集类技术工具、加工类技术工具和辅助类技术工具。

（二）数据资产入表中的价值确认

数据资产入表的会计活动包括初始计量、后续计量和报表科目设置。

1.初始计量。数据资产的初始计量主要采用成本法，成本包括数据采集及运营维护过程中产生的人员工资、软硬件设备费用、管理费用和因安全事件引发的或有成本等。由于数据资产具有多种特征属性，且各种基于成本法的估值模型更多适用于成本估计而非以真实支出为基础的会计核算，因此本文认为应对生产成本进行归集和分配，而非主观地以估计合理利润率和利润调节系数的方式核算成本，因为后者更适于数据产成品的估值定价，而非数据产成品的成本核算和估值入表。

2.后续计量。数据资产的后续计量可分为成本法和市值法两种方式。前者是指按照数据资产给企业带来经济利益流入的可能性，对数据资产计提折旧或摊销。后者是指根据市场同类产品或服务的公开价值对数据资产期末价值进行调整，并将期末公允价值与账面价值的差额计入当期损益。由于数据资产具有价值多变性、场景依赖性、算法依赖性、信息时效性、使用寿命不明确等基本特性，企业在选择具体计量方法时应结合实际做出判断。本文认为，由于数据资产（非指数字技术）具有价值多变性，因此其未必适用直线法摊销或加速折旧法，而是更适合采用公允价值进行期末价值核算。

3.报表科目设置。根据现行规定和数据资产的特性，数据资产入表的科目设置可分为：一是在“无形资产”项目下增设“数据资源”项目。二是在“存货”项目下增设“数据资源”项目。考虑到数字化转型趋势下企业持有数据资源的普遍性和多样性，对于多模态的表内数据资产和表外数据资源可设置第五张表“数据资产权益表”，以提升企业经济资源报告的完整性。

（三）数据资产入表后的价值管理

数据资产在入表后的盘点、变更与处置是其价值管理的核心必要程序。

1.资产盘点。数据资产盘点时，应检查数据资产状态，更新数据资产目录，确保数据资产账实一致与资产完整。一方面，可基于业务视角自上而下演绎，并根据业务元数据对数据进行主题分类、属性分类、含义描述。另一方面，可结合技术视角自下而上归纳，并根据技术元数据对数据的存储分布、血缘关系等进行描述，同时基于资产目录中数据项与系统信息项的映射关系，确保每个数据资产项在信息系统中可查寻。

2.资产变更。数据资产发生变更时，应及时更新数据资产目录，确保与实际情况一致。通过核验数据资产的准确性、应用量、投入产出比等，对不一致、性价比低的数据资产进行减值和变更，并建立关于数据资产目录、数据资产内容以及数据资产访问权限的规范化维护流程，以跟进数据资产价值评估，实现数据资产全生命周期管理和数据血缘关系管理。

3.资产处置。数据资产处置是指对不再需要或时效性较低的数据资产进行清理、转让、销毁等，以降低资产存储和管理成本、数据安全风险，优化数据资产配置，重组剩余价值。具体包含以下几项工作：一是明确数据资产是否属于可处置资产，即通过明确数据产权确定数据资产拥有者。二是对个人信息数据进行匿名化或脱敏处理，以保护信息数据安全。三是评估个人信息匿名化或脱敏处理结果。四是评估待处置数据资产的价值。五是选择合适的方式对数据资产进行处置，如借助第三方数据中介、数据价值整合商、数据交易所、公开拍卖平台等。