【上海数据交易所&普华永道】数据要素视角下的数据资产化研究.pdf

数据确权的重要性

在如今的数字经济时代，数据已成为驱动商业模式创新和发展的核心资源。数据关系到企业发展、科技进步、社会秩序稳定，甚至已成为各国的核心竞争要素。数据资产化是数据市场发展的必然趋势。

数据资产化需要克服三个重要且极具挑战的命题：法律角度的数据资产确权、市场角度的数据资产估值与交易、会计角度的数据资产入表。数据资产确权是数据流通的前提，可充分保障数据流通各参与方的权益；数据资产估值是数据流通的基础，可保障数据在市场的参与下逐步趋于公允价格；数据资产入表是对数据资产的确认、计量与披露，可保障数据的经济价值更加准确地体现在财务报表中。在数据资产化的三个命题中，数据确权可能是难度最高、讨论最为激烈的一项。数据确权是数据估值的基础，没有确权，就无法准确地估值与定价，更无法进行后续财务报表的入表与披露；没有确权，健康可持续的数据交易市场也难以运转起来。数据确权已然成为实现数据安全有序流动和数据资产化不可或缺的重要前提。

数据确权要解决三个基本问题：一是数据权利属性，即给予数据何种权利保护；二是数据权利主体，即谁应当享有数据权利；三是数据权利内容，即数据主体享有何种具体的权利。数据权利的属性、主体、及其内容的建立和配置，需要从个人、社会以及国家多维度进行权衡。

从个人层面看，在互联网行业模式转变的背景下，对于数据的利用方式已从传统的大数据分析转变为精准用户营销。用户个人信息作为许多企业获取利益的核心价值来源，已成为最具价值的大数据类型之一。然而，由数据权属界定不明导致侵害个人信息保护的问题却日益凸显。现实生活中，企业一般通过用户服务协议、隐私协议或个人信息保护协议等方式获取用户授权。企业普遍会在协议中约定其享有个人数据的所有权、使用权，并约定用户使用个人信息产生的数据归企业所有。如此一来，用户的个人信息安全将面临较大的不确定性。尽管2021年11月1日开始施行的《个人信息保护法》对个人信息数据收集、使用、传送、储存等提出了新的且更为严格的要求。

我国数据权属现状

但缺乏相关数据确权法规，且只能通过法院个案处理的现状导致部分企业过度采集个人信息、侵害用户权益的问题仍时有发生。由于用户无法知悉个人的哪些数据会被共享、哪些可受到相关法律法规保护，部分企业得以利用漏洞，在未经用户同意的情况下将用户信息数据任意共享、利用。

从社会层面看，随着数据产生量的迅速增长，企业采集的数据维度和类型日趋丰富。然而，缺乏数据权属界定使企业过度收集数据更为便利，并产生数据垄断。此举为企业带来市场竞争优势，继而引发其他企业仿效。长此以往，数据市场集中的问题将进一步加剧。企业之间的数据竞争行为，严重影响着数字经济的市场秩序，不利于数据要素市场的长远发展。关于数据垄断，我们注意到本次《反垄断法》修正草案已将滥用数据和算法优势纳入规制范围。我们期待本次修正能够在一定程度上缓解并遏制数据垄断乱象。

从国家层面看，数据权属界定不明也为数字治理和行业监管带来不便。数据确权，是在政务数据、企社数据等领域构建数据采集标准化、数据开放共享、数据交易流通、数据安全饱和等数据治理体系的前提。政企之间数据权属规制的缺失不便于政府行使监管和提供公共服务。尽快完成数据确权立法，将大大提升国家对大数据的安全管控能力、强化国家对关键数据资源的保护，从而有利于推动我国数字经济发展及数字中国建设。

数据是未来社会重要的生产要素和基础性资源，是数字经济的灵魂。数据确权是数据资产化道路上必须直面的挑战，健全的数据产权制度是数据资产化的保障，因此建立健全的数据产权制度在数字经济时代已成为大势所趋。

与世界上绝大多数主要司法管辖区一样，我国现行全国性法律尚未对数据确权进行立法规制。事实上，各国普遍采取通过法院个案处理的方式，尝试借助诸如数据法、隐私保护法、知识产权法及合同法等不同法律机制来对数据进行确权。包括我国在内的一些国家已经开始尝试通过法院司法裁判来填补这一法律空缺。

全国性法律

《民法典》总则第一百二十七条规定，“法律对数据、网络虚拟财产的保护有规定的，依照其规定”。我国正逐步建立一套围绕数据为核心的法律法规，其中包括《个人信息保护法》（2021年11月1日起施行）、《数据安全法》（2021年9月1日起施行），以及《网络安全法》（2017年6月1日起施行）等法律及相关法规。

《数据安全法》已于2021年9月1日开始实施，为各行业数据安全提供了监管、合规依据。该法确立了数据分类分级管理、数据安全审查、风险评估、监测预警和应急处理等基本制度，强化了我国数据安全领域制度建设，有助于数据生产企业和各级政府监管部门形成数据保护意识，促进数据产业合理合规利用数据、共享数据和开放数据。

从法律的角度设立具有前瞻性的数据类法律，体现了数据在我国国民经济发展中的重要作用。自此，数据安全领域迎来实质性监管。

然而，以上三部法律均未对数据确权作出明确规定，数据权属仍有待完善。这样的情形在其他产权领域并不罕见，国外地区也是如此。

地方法规

我国是数据生产大国，数据增长速度极快。面对如此庞大的数量以及未来的发展潜力，在全国立法之下，深圳、上海、天津、广东等地纷纷提出各类数据相关规定。

广东省于2021年8月3日公布了《广东省数字经济促进条例》，其中第四十条规定，除法律另有规定或当事人另有约定外，自然人、法人和非法人组织对依法获取的数据资源开发利用的成果，所产生的财产权益受法律保护，并可以依法交易。此外，有条件的地区可以依法设立数据交易场所，鼓励和引导数据供需方在数据交易场所进行交易。

深圳于2021年6月29日正式通过的《深圳经济特区数据条例》（2022年1月1日生效）则在省条例的基础上作出了更为细化的规定。该条例率先在地方立法中探索数据相关权益范围和类型，明确了自然人对个人数据依法享有权益，包括知情同意、补充、更正、删除、查阅、复制等权益；自然人、法人和非法人组织对其合法处理数据形成的数据产品和服务享有法律、行政法规及条例规定的财产权益，可以依法自主使用，取得收益，进行处分（第三、四条）。就数据交易而言，该条例规定，市场主体对合法处理数据形成的数据产品和服务，可以依法自主使用，取得收益，进行处分（第五十八条）。此外，市政府应当推动建立数据交易平台，引导市场主体通过数据交易平台进行数据交易（第六十五条）；市场主体合法处理数据形成的数据产品和服务，可以依法交易（第六十七条）。

普华永道数据资产化前瞻性研究白皮书

值得注意的是，2020年8月公布的天津市互联网信息办公室起草的《天津市数据交易管理暂行办法（征求意见稿）》提出了数据确权的相关条款。该办法第十一条明确规定，“[数据确权]数据供方应确保交易数据获取渠道合法、权利清晰无争议，能够向数据交易服务机构提供拥有交易数据完整相关权益的承诺声明及交易数据采集渠道、个人信息保护政策、用户授权等证明材料。数据需方无权将交易数据转让给第三方”。

此外，最新发布的《上海市数据条例（草案）》在“浦东新区数据改革”一章也特别提出了推进浦东新区“数据权属界定、开放共享、交易流通、监督管理等标准制定和系统建设”（第六十三条），以及在浦东新区“设立数据交易所，开展实质化运营……制订数据交易规则和其他有关业务规则，探索建立分类分层的新型大数据综合交易机制，组织对数据交易进行合规性审查、登记清算、信息披露”（第六十五条）。

各地通过地方性法律法规尝试对数据权属进行界定，但地方规定并不是国家级法律法规，这进一步凸显出国家加快数据确权立法的迫切性和必要性。国家层面的数据确权立法可吸纳地方法律法规在实践中取得的成功经验，为数据确权破局奠定基础。

数据交易机制

目前，全国约有十多家数据交易中心。各中心正积极探索数据确权和数据交易机制。

2021年成立的北京国际大数据交易所积极探索从数据、算法定价到收益分配且涵盖数据交易全生命周期的价格体系，以形成覆盖数据全产业链的数据确权框架。该所要求建立以信息充分披露为基础的数据登记平台，明晰数据权利取得方式及权利范围，建立数据确权工作机制，提供的数据产品交易服务包括数据产品所有权、使用权、收益权交易等。

此前，中国信息通信研究院于2016年协同80多家公约发起单位发布的《数据流通行业自律公约（2.0）版本》及上海数据交易中心于同年9月发布的《数据互联规则》均提及了数据交易、数据权益等问题。河南、贵州、浙江三地也各自进行了不同的探索。

此外，不少企业积极参与数据交易市场建设。2021年南方电网发布的《中国南方电网数据资产定价方法（试行）》是能源行业首次发布的数据资产定价方法，其规定了南方电网公司数据资产的基本特征、产品类型、成本构成、定价方法，并给出相关费用标准，这为能源行业数据要素流通和交易提供了积极的指引。（报告来源：未来智库）

然而，由于缺乏统一、强制的相关法律法规，各数据交易机制只能对数据确权起到一定的引导和示范作用，并不具有强制性。

司法数据确权

总的来说，目前尚未有国家级的法律对数据确权作出明确规定，但数据权属已引发不少纠纷，并进入法院诉讼程序。法院主要以不正当竞争法及相关法律法规进行数据权属的判定 。

数据权属权益的法律讨论

相对于传统资产，数据资产具有无限可复制性的特点，即在同一数据上可以承载多方主体的数据权利（“一数多权”）。数据资产的这一特殊属性给数据确权在理论和实践中带来很大的困难。现行法律并未对不同主体就同一数据享有的数据权益作出规定，导致个人数据权利与企业财产权利的潜在冲突。

然而，在对数据确权制订专门的法律法规之前, 理论和司法实践曾尝试采用不同的法理和机制，如债权、知识产权、物权、信息财产权等来确认、保护和规制数据权属的不同方面。近年来在理论界和司法实务中，随着《民法典》、《个人信息保护法》、《数据安全法》等法律的制订、实施，法律对个人信息、数据有了更加明确的界定。这种条件下，对数据权属、数据权益进行讨论更加有助于对数据资产这种特殊资产进行保护。

展望与建言

在过去十余年的时间里，中国数字经济发展迅猛，数字经济在中国国民经济结构中起着举足轻重的作用。然而由于数据资产的特殊属性，我国到目前为止还没有一部全国性的数据确权立法，这方面的立法缺失给司法实践、企业合规、行政监管均带来诸多不便。虽然地方政府已经开始通过制定地方法律法规、建立数据交易中心机制等方式对数据权属及交易机制进行有益的探索，但尽早制定一部全国性的法律来明确数据确权的分割原则，明确划分数据所有者、持有者、处理者、使用者等不同主体之间的权利界限已迫在眉睫。

然而，数据确权立法是一项复杂的系统工程，短期内理顺数据权属的法律关系绝非易事。但是，从促进数字经济的角度出发，我们能否“摸着石头过河”、在“先行先试”的具体实践中摸索出一套有利于整个数据交易行业的确权方式，然后再以立法和行业规范的方式加以确认？

对于数据确权和数据资产化的法律监管制度层面建设，我们设想如下：

首先，发展数字经济需与隐私保护、数据安全齐头并进，强化数字治理。

数据可以帮助人们作出商业决策，推动数字经济的发展。与此同时，数据的安全问题又可能制约数字经济的发展，并导致个人隐私面临安全挑战。坚持数字经济有序发展与数据安全、保护公民权益并重一直是我国明确秉持的立法原则。数字经济的良性发展需要在个人隐私保护、数据安全和数据价值释放三者之间实现利益平衡。在适度保护个人隐私的前提下推动数字经济的健康发展是国际趋势。

今年10月18日，中共中央政治局就推动我国数字经济健康发展进行第三十四次集体学习，要站在统筹中华民族伟大复兴战略全局和世界百年未有之大变局的高度，统筹国内国际两个大局、发展安全两件大事，充分发挥海量数据和丰富应用场景优势，促进数字技术与实体经济深度融合，赋能传统产业转型升级，催生新产业新业态新模式，不断做强做优做大我国数字经济。

我国《数据安全法》是数据安全领域的基础法律，与现行的《网络安全法》和《个人信息保护法》并行成为网络空间治理和数据保护的三驾马车，共同构建起中国隐私保护、网络安全和数据安全的强大法律体系。《网络安全法》强调网络空间安全整体的治理，《数据安全法》侧重于数据宏观层面处理活动的安全与开发利用，而《个人信息保护法》负责个人信息的保护。这些法律针对企业的数据处理活动提出了一系列合规要求并建立了数据安全审查、安全评估、数据出境、数据分级分类、风险评估、出口管制等数据安全制度，为企业设定了多角度多层次的积极义务与消极义务，以便实现对数据安全的全面保障。有关部门正在制定细化的配套规定乃至实施指南，希望这些配套规定和指南早日出台，相信其必将极大地帮助企业在实践中更有效地落实数据治理制度。

第二，数据交易所是数据价值确认的基础设施。

数据要实现资产化，需要建立规范的交易市场。因数据的复杂性和高度敏感性，国家要对交易市场进行严格管理。为加强数据交易中的风险防范，需要对数据权属作出明确声明，要对交易数据适用场景作出明确限制，选择正规的数据交易所进行交易而非黑市交易，以提高数据交易可追溯性。参考其他行业交易所的设立情况，数据资产的基本架构可以包括：第一种是数据交易所（中心），这是国家管理数据交易的主要模式；第二种可以是行业内的数据交易，可成为次一级数据交易平台。除此以外，国家应适时根据数据交易平台发展情况推出新的交易场所。

普华永道数据资产化前瞻性研究白皮书

2015年《促进大数据发展行动纲要》明确提出，“要引导培育大数据交易市场，开展面向应用的数据交易市场试点，探索开展大数据衍生产品交易，鼓励产业链各环节的市场主体进行数据交换和交易，促进数据资源流通，建立健全数据资源交易机制和定价机制，规范交易行为等一系列健全市场发展机制的思路与举措”。我国目前已经建立的政府类和平台类数据交易机构约有十多家，数据交易机构的经营范围一般包括大数据资产交易、大数据金融衍生数据设计及相关服务；大数据清洗及建模等技术开发；大数据相关金融杠杆数据设计及服务；以及经大数据交易相关监督管理机构及有关部门批准的其他业务。数据交易所将为数据商开展数据期货、数据融资、数据抵押等业务建立交易双方数据信用评估体系，增加数据交易流量，加快数据流转速。

第三，数据资产入市。

数据资产如果不进行入市交易，将难以实现很好的收益。企业要将其数据作为资产，则不得不对数据资产进行规范化管理，在符合入市条件后入市交易。为此，入市条件以及入市前准备成为制度建设的重要内容。数据交易主体的门槛、交易数据的类型，以及数据交易合同的标准化文本预期有可能成为数据资产入市制度建设的重中之重。以数据交易合同为例，业内专家认为标准化数据交易合同文本可以在很大程度上促成数据资产的规模交易。我们在此呼吁有关部门尽快制定数据交易标准合同，明确数据交易主体、交易标的与范围、交易条件、交易价格等双方的权利和义务，以及适用法律和争议解决机制等。

对于数据资产化，既要从技术上突破，同时也要在市场准入和市场交易行为上进行严格监管。在参与数据资产化市场主题建议及制度建设上，国家层面的介入不可或缺。以《深圳经济特区数据条例》为例，其中规定市场主体可以通过依法设立的数据交易平台进行数据交易，也可以由交易双方依法自行交易，但同时也规定了数据入市交易的限定性条件，例如交易的数据产品和服务包含个人数据未依法获取授权的，以及交易的数据产品和服务包含未经依法开放的公共数据均不得入市交易。截至2021年10月，我国已有13个省份出台了数据条例或草案。从各省市制定的相关数据条例（包括草案）来看，各地对于数据的目录管理、汇聚、共享、开放、利用和交易等均规定了不同的门槛和条件。

第四，完善数据分级制度。

数据可以根据竞争性和排他性等指标分成三个级别：私有数据、准公共数据和公共数据。具有竞争性和排他性的数据为私有数据，不具有竞争性和排他性的数据为公共数据，而准公共数据介于二者之间，具有有限的非排他性和非竞争性。完善数据分级制度有助于数据确权过程中的优先顺位。私有数据确权有利于实现个人隐私保护，从这个角度出发，在数据确权时，私有数据较准公共数据应享有优先权。从数据共享再用的角度来看，公共数据确权又更加有利于实现社会效益最大化。

第五，改善数据算法歧视。

数据领域有一个大家熟知的缩写是“BIBO”（Bias In, Bias Out），意指如果输入的是偏见，那么出来的结果也是偏见。

数据算法通常被认为是中立客观的，会针对不同群体以同样算法作出决策，但事实上，源自人类社会的歧视也会被植入算法模型。算法歧视渗透于不同场景中，例如网络交易、商业推送、搜索引擎、金融消费记录、医疗、治安等。大家熟知的“大数据杀熟”就是算法歧视的典型案例。各大电商平台在了解不同消费者的消费习惯、消费记录和支付意愿后对用户进行精准画像，通过大数据算法实施价格歧视。此外，性别歧视、年龄歧视、身份歧视也经常在人工智能算法中呈现。

不公平的算法蕴含着歧视风险，这种风险可能影响到算法控制的所有领域，不易察觉但又影响深远，不仅会固化社会歧视，还会加剧社会不公。改善并解决算法歧视已经成为业界亟需破解的命题。算法歧视不仅会侵害数据主体的合法权利，甚至会对特定数据主体构成冒犯。因此需要在发展数字经济的同时给予算法歧视高度重视。突破算法的专业壁垒，接受公众监督，有助实现算法的透明和公正。

目前中国已经通过多部法律治理算法歧视的问题。例如新出台的《个人信息保护法》已经针对“大数据杀熟”作出规定——自动化决策必须保证决策的透明度和结果公平、公正，不得对个人在交易价格等交易条件上实行不合理的差别待遇。通过自动化决策方式向个人进行信息推送、商业营销，或作出对个人权益有重大影响的决定，均应当符合相应的法律要求。 除此之外，《消费者权益保护法》、《反不正当竞争法》等法律法规也针对算法歧视进行了相应规定。

普华永道数据资产化前瞻性研究白皮书

但是，上述法律规定关于治理算法歧视的内容过于粗线条，缺乏更具体的实操层面的内容。对于自动化决策，欧盟GDPR规定企业必须告知自动化决策的逻辑，并应从技术和组织结构上采取相应保护措施。此外，欧盟隐私保护机构会定期发布隐私保护义务的解释和说明，有助于提高法律透明度，为企业合规答疑解惑。我们预计，中国的立法者和执法者未来将作出类似更为明确的指导。

在数据资产交易逐渐成为社会各界关注重点的当下，设计和构建科学的数据资产估值体系对厘清数据资产属性、制定统一的定价机制、促进数据市场健康发展具有至关重要的意义。对社会而言，数据资产估值研究为数据资产交易统一定价模式提供了指导性框架体系及参考，促进构建流通的数据要素市场，提升社会各界对数据资产的认知，引导蓄势待发的数据交易市场正向发展。

对企业而言，推进数据资产估值能够有效提升企业各业务线的运营效率和管理能力，定期的估值工作可以有效地协助管理层分析数据资产价值与企业价值的高度相关性，从而发掘高价值密度的数据，制定或修正业务发展目标及战略。此外，具有准确量化价值的数据资产可有效解决企业各部门在绩效理解、数字化运营等方面的沟通障碍，减少企业沟通成本，提高运营效率，推动企业整体朝着健康的方向发展。

在此前推出的“数据势能”概念助力下，下文将进一步围绕数据资产的特性及发展阶段，展开关于数据资产估值框架的讨论，并希望借此机会与学术界、科研单位以及业内人士开展深度交流探讨，为构建完整数据资产估值框架体系、打通数据资产市场完整的循环链条奠定基础。

影响数据资产价值的因素

作为专家建议，《资产评估专家指引第9号——数据资产评估》（以下简称“9号指引”）对数据资产的范畴及定义、基本状况、基本特征、分类等作出较为清晰的界定。鉴于估值方法的选择应当与待评估数据资产的基本特征、类型、价值实现方式等相匹配，因此在展开估值体系框架的详细介绍前，本文结合9号指引和其他行业的理论研究和实践，就数据资产特征和类别划分等作出简要梳理与归纳。

特征：数据资产的基本特征通常包括非实体性、依托性、多样性、可加工性、价值易变性等。

1. 非实体性：数据资产本身不具备实物形态，需要依托实物载体存在。数据资产的非实体性同时意味着其具备无消耗性，即数据不因使用而发生磨损、消耗等，故数据资产于存续期间可无限使用。

2. 依托性：数据必须存储在一定的介质里。介质的种类多种多样，例如纸、磁盘、磁带、光盘、硬盘等，甚至可以是化学介质或者生物介质。同一数据可以以不同形式同时存在于多种介质。

3. 多样性：数据资产具备表现形式和融合形态等多样性的特征。数据的表现形式包括数字、表格、图像、文字、光电信号、甚至是生物信息等。此外，数据库技术与数据、数字媒体与数字制作特技等融合亦产生多样的数据资产。多样的信息可以通过不同方法进行互相转换，从而满足不同数据消费者的需求。该多样性表现在数据消费者上则是使用方式的不确定性。不同数据类型拥有不同的处理方式，同一数据资产也可以有多种使用方式。数据应用的不确定性导致数据资产的价值变化波动较大。

4. 可加工性：数据可以被维护、更新、补充，增加；也可以被删除、合并、归集，消除冗余；还可以被分析、提炼、挖掘、加工以得到更深层次的数据资源。

5. 价值易变性：数据资产的价值受多种不同因素影响，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等，这些因素随时间推移不断变化，导致数据资产价值具备易变性。

数据资产的类别划分：数据资产依据不同的划分标准（如发展阶段、数据应用所在的行业等）可以形成不同的类别。

1. 按数据应用的行业划分：数据资产可分为金融行业数据资产、电信行业数据资产、政府数据资产等，不同行业的数据资产具有不同的特征，例如金融行业数据资产具备高效性、风险性和公益性等特点。行业数据资产各自的鲜明特点基于各个行业的发展需要和需求生成，这些特征可能对数据资产的价值产生较大的影响。

2. 按数据发展阶段划分：依照发展阶段，数据资产可以分为原始数据、粗加工后数据、精加工后数据、初探应用场景的数据、实现商业化的数据等。

由于数据资产具有如上特性，数据资产在实现其价值过程中，即便是相同的数据资产，其应用领域、使用方法、获利方式的不同，其价值也存在差异。

成本思路

成本思路是从形成数据资产所需花费的成本进行评估的一种思路。尽管无形资产的成本和价值先天具有弱对应性且其成本相对欠完整，但一些处于开发初期的数据资产（即原始数据及粗加工阶段数据资产）因尚无明确应用场景，没有形成社会价值及经济价值。因此对于该阶段的数据资产，成本思路评估其价值存在一定合理性。

数据势能模型

数据势能模型适用于经过精细化加工处理后形成一定应用场景的数据资产。该阶段的数据资产处于“能量”的存储积累的状态中，蓄势待发。虽然没有产生商业利益，但在以数据驱动社会发展的重要趋势下，形成了不同程度的社会价值。

该阶段的典型案例即公共开放数据。我国的公共数据开放尚处于早期实践阶段，至今不到10年的历史沉淀，截至2021年4月底，全国已有174个省市级公共数据开放平台正式上线，聚集了各地政治、经济、文化、金融、交通等优质资源，拓展了服务民生新渠道，在“惠民”以及“智能政务” 方面产生了巨大的潜在社会价值。同时在数据经济整体增长助力下，进一步赋能公共数据开放产生潜在“经济价值”。基于此，政府公开数据的价值将远远高于其单纯的数据开发价值，即其中蕴含着巨大潜在社会价值和经济价值。这些特征均与物理学的“势能”概念极其相似，因而产生了“数据势能模型”。

普华永道数据资产化前瞻性研究白皮书

适用场景：一般适用于企业数据资产，同时该数据资产的应用场景仍然存在一定的不确定性。例如，企业未来可能会继续加大在该数据资产方面的投入，还可能因该数据资产预计收益不能覆盖前期投入的成本（不能获得市场要求火爆率）而放弃数据资产的继续投入。

期权是指持有人在限定的时间内能够以事先约定好的价格买入或者卖出一项资产的权利。期权对于所有者而言是一项选择权，因而所有者可以根据某项资产未来的收益情况，在基于对其最有利的考虑下选择行使或者不行使某项期权。在应用场景不确定情形下的数据资产估值中，可以根据企业未来数据资产发展有可能面临的多类情况，具体模拟为多种期权类型，包括扩张期权（企业未来的数据资产产生的收益能够满足要求回报率，则继续投入）、放弃期权（企业未来的数据资产产生的收益不能够满足要求回报率，则选择放弃）、延迟期权（延迟投入能够带来更大的收益）等。而后根据不同情况下相应期权的价值，结合该情景发生的概率并折现，以得到数据资产在当下时点的价值最佳估计。（报告来源：未来智库）

实物期权法不仅能够帮助企业有效衡量数据资产于当下时点价值的最佳估计，亦能够协助企业管理者在企业的不同发展阶段对于数据资产的发展作出最优决策。

多因素评价比较法

适用场景：存在活跃的数据资产交易市场。企业价值评估领域有市场价值比率的概念，类似P/E, P/B等，以可比上市公司的市场价值比率乘以被评估企业对应的财务指标从而得到被评估企业的股权价值。在数据资产估值中，同样可以采用该相对值比较法，且在分析分母的过程中可以带入该方法——通过选取与被评估数据资产价值高度相关的驱动因素，并对这些因素进行量化评价得到综合评价系数。相对于单一财务指标而言，以通过考虑数据资产价值驱动因素的综合评价系数作为价值比率的分母更能反映数据资产价值的驱动源，可得到更有意义的价值比率。

神经网络模型

适用场景：数据资产交易市场成熟、有序且活跃，且具有大量的交易数据和数据资产交易信息。

方法概要和原理：神经网络模型是一种以神经元数学模型为基础、模拟人脑系统结构和功能的抽象数学模型，是一个高度复杂的非线性动力学习系统，具有“学习”和“充分逼近复杂的非线性关系”等特性。

基于神经网络的数据资产估值模型，是指以数据资产自身特征、数据资产购买方对数据资产的运用和实践实例、一些宏观经济和社会指标等等作为输入值和学习训练数据，以实际成交价格作为检验，通过模型自身不断模拟、学习和训练所建立起来的具有较高预测精度的数据资产交易价格预测模型。

结合数据资产交易公开化优势以及神经网络模型的动力学习特性，基于神经网络模型所建立的价格测算模型将具有较高的精确度和自动化程度，会对数据资产估值带来有力地推动。当下，由于我国数据资产交易市场还在建立当中，尚不成熟，因此神经网络模型的具体应用还有待时日。

数据资产财务核算的重要性

在数据要素上享有优势的企业相较于其他企业而言，具有相对的经济资源优势，然而，当前会计准则体系就如何在财务报表中合理反映数据要素资源尚无明确规定，该等经济资源应当如何反映在财务会计系统之中，将该隐形资源“显性化”，便于财务报告使用者根据该“显性化”后的信息作出经济决策，同时也起到更好的监督管理层受托责任的履行情况，论证数据要素资产化进而资本化的路径，是当前摆在包括财务报表编制者、投资者、准则制定者、监管者和学术界人士等各利益相关方面前亟待解决的重大课题。

普华永道数据资产化前瞻性研究白皮书

现行会计准则综述

从数据到资产

会计主体假设

从财务领域视角来看，当我们在谈论某项客观事物是否能够以及如何资产化的话题时，我们不得不提及会计基本假设的第一条，即会计主体假设。会计主体是指主体会计确认、计量和报告的空间范围。明确界定会计主体是开展会计确认、计量和报告的重要前提。会计主体可以是法律主体，也不必然是法律主体，例如母、子公司虽然属于两个不同的法律主体，但是母、子公司形成的企业集团也会作为一个合并会计主体编制合并财务报表。

当我们在讨论何为“资产”时，也应当首先区分该资产为哪一个会计主体的资产，是数据采集、处理、加工和存储主体、承载产生数据的基础交易的平台主体、供不同主体进行数据交易的平台主体等（“以上合称参与在数据要素产业链之上的企业主体”），还是产生数据的用户主体，亦或是政府监管主体等不同的主体，可能均会因其各自对数据的权利、义务，以及产生经济利益的方式和风险报酬的不同而得出不同的结论。本文侧重于以参与在数据产业链之上的企业主体作为会计主体的视角，探讨数据资产化的相关问题。

数据资产的会计分类

假设在某些商业场景中，数据符合资产定义的情况下，数据资产属于何种资产，应当适用哪项具体的会计准则对其进行核算？下文对几种潜在的会计分类思路进行了逻辑归纳。

一般认为，资产的分类总体分为金融资产和非金融资产，其中非金融资产又可以按是否具有实物形态再细分为有形资产和无形资产。有形资产主要包括固定资产、投资性房地产等，虽然实务中大多数存货均具有实物形态，但由于存货准则并未明确定义存货是否必须具有实物形态，因此没有实物形态的资产也并未被明确排除在存货范畴之外。

普华永道数据资产化前瞻性研究白皮书

准则研究的最新进展

会计学术界和准则制定机构显然也已经关注到了现有的无形资产准则与日新月异的经济环境应当如何相适应的问题。财政部会计司、会计准则委员会等相关部门十分重视该热点问题并参与了研究，国内会计学术界人士已发表多篇论文进行探讨和分析。国际会计准则理事会预期也将会启动对无形资产相关的前期研究项目。

2020年9月举行的会计准则制定机构国际论坛上，各国参会代表就无形资产的会计处理等问题展开讨论。各国代表针对无形资产的会计处理可能导致企业账面价值与市场价值产生差异这一问题发表观点，其中美国财务会计准则委员会代表认为需要通过加强对无形资产的确认来解决企业账面价值与市场价值不一致的问题，理由如下：一是如果存在重要的无形资产未被确认，将导致权益的账面价值被低估，财务业绩评价不准确，财务报表的相关性下降；二是即使只能确认部分无形资产，也优于完全不确认。但是，无形资产的成本有时可能难以计量。加拿大会计准则委员会代表认为，无形资产的会计处理并不影响财务信息的相关性，且企业市场价值不属于财务报表的披露目标。由于无形资产的会计处理导致企业账面价值与市场价值产生差异这一问题可以通过额外的披露解决。

未来已来,携手并进

因此，对于在资产负债表中未确认为资产的数据资源，主体可以考虑在管理层报告中进行额外披露，建议的披露内容可以包括：

该等数据资产的取得方式（例如是否通过公共数据交易平台取得）、定价依据、数据应用场景、数据转让许可或限制以及该数据资产对企业的影响及风险分析等；

重大交易事项中涉及的数据资产，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并购重组、经营活动、投融资活动、关联交易、资产置换等；

若存在数据资产失效的情况，披露该数据资产失效对企业的影响及风险分析；

企业认为有必要披露的其他数据资产的相关信息。

当前数据要素成为推动经济增长和科技创新的重要引擎，赋能经济社会高质量发展的重要作用已经得到充分彰显。如何在厘清法律权属的基础上论证数据资产化，探索合理的数据定价和估值机制，推动数据在市场上进行有序交易，实现其市场化配置并释放价值，实现数据资产的保值和增值，进而实现数据要素的资本化是建设现代化经济体系，推动经济高质量发展的有益和必要的实践和探索。

随着全国性数据交易所的试点和建立，数据的可交易性和价值发现预计将会得到越来越多的认可，对于推动财务会计准则在数据资产定义和核算等方面的改革将有十分重要的积极意义。同时，不断顺应新时代发展要求而变革的会计准则建设，也将更好地推动经济秩序规范，更系统性和科学性地记录和评价不同领域和类型的数据对经济社会发展的贡献度。

作为以“解决重要问题，营造社会诚信”为宗旨的专业服务机构，普华永道希望通过本文对数据要素资产化之路的探讨，为企业数据资产核算提供有益的思路，为数字经济建设贡献专业力量。

在数字经济蓬勃发展的大背景下，数据资产化已成为必然趋势。本白皮书从数据资产确权、数据资产估值、数据资产的财务核算处理这三个数据资产化过程中必须克服的核心命题提出我们的最新思考与解析。

根据科斯定理的逻辑，只要数据的产权得到清晰界定，即可进入市场流通交易。改革开放以来，土地、劳动力、资本、技术等传统生产要素都经历了明确产权的过程，随后才得以通过市场化机制流通、盘活。本文总结分析了我国现行的数据权属规制框架，包括全国级法律立法有待完善、地方法律法规的创新及初步实践，以及司法实践中普遍依据《反不正当竞争法》作出裁判的现状。由此敦促我国亟需尽早制定一部全国性法律来明确数据确权的分割原则，以填充当前空缺，促进数据资产化进程。

作为数据资产价值释放的核心环节，针对开放数据资产估值，普华永道以“数据势能”模型为基础，根据数据资产的特征、数据资产自身的发展阶段和主要价值驱动因素等作进一步梳理与剖析，推出基于数据资产发展阶段的全新数据资产估值框架体系。

本文从现有会计准则体系有关资产的定义出发，分析数据资产化的技术考量点和可能的资产分类路径，以及不同分类下确认和计量的思路，结合当前学术界和准则制定机构的研究进展，进一步探索了无形资产确认方法及后续计量模式的改进思路，并区分表内和表外资产，探索其相应列报和披露方式和内容。在全国性的数据交易所挂牌上线迫在眉睫之际，普华永道希望通过本白皮书诚邀学术界、各科研单位以及业内人士与我们就数据的确权、估值、财务核算处理展开深度交流探讨，共同助力我国数据资产化前进发展步伐，为数字中国建设尽绵薄之力。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）