重视数据安全,明确数据价值,用数据创造利润。
去年8月,财政部对外发布《企业数据资源相关会计处理暂行规定》(以下简称《暂行规定》),明确数据资源的确认范围和会计处理适用准则等。
从今年1月1日起,数据入表正式启动。企业可根据数据资源的持有目的、形成方式、业务模式,以及与数据资源有关的经济利益的预期消耗方式等,对数据资源相关交易和事项进行会计确认、计量和报告,实现数据入表。并遵循自愿披露的原则,对数据资源的应用场景或业务模式、原始数据类型来源、加工维护和安全保护情况、涉及的重大交易事项、相关权利失效和受限等相关信息进行披露
36氪四川携手成都金融服务业商会联合策划发布以《氪论数据》为专题的系列报道。本期,我们邀请到西南财经大学会计学院戴泽伟教授,共同探讨数据入表的核心价值、会计处理与操作应用。
数据入表内视:哪些数据值得入表?
戴泽伟认为,对于数据资产入表,企业应首先对数据资源予以盘点和分类,然后根据数据类别考虑是否入表。从核算角度,数据资产最主要的分类在于数据来源。根据来源差异,数据分为外部购入数据和企业内部营运数据。
对于企业从外部购入数据,如果企业只是拥有对这些数据的查阅权和复制权,例如,企业购入wind一年期的数据使用权,那么,对这些数据一般直接计入当期费用,而不能够对wind数据本身入账。外部购入数据入账,首先要重点关注企业对这些数据是否具有控制权,能够较为完整地主导这些数据的使用并且具有排他性权利,其次,企业是否承担与数据资产相关的主要可变报酬或风险。只有同时满足这两点,才满足资产确认的基本条件。
对于企业内部营运产生的数据,也需要分为两种类型:第一种类型是企业在采购、生产、研发和销售等日常环节产生的伴生数据。此类数据只是企业日常经营活动的副产品。针对这类数据,不应将采购、生产和研发等总开支在物资和数据之间进行分摊,而是重点关注清洗、标识、加工、整理的成本,如果满足其他条件,可以考虑将伴生数据整理、加工成本资产化。第二种类型数据是企业内部专设机构收集、整理、开发一些数据。这类数据的成本可追溯性强,计量较为准确,如果满足其他条件,可以重点考虑将其资本化问题。
对于不满足数据资产定义的数据资源,主要有三种类型。第一种类型的数据是企业缺乏控制权并且没有排他性权利的数据,主要是指一些公共领域数据,例如,国家统一公布的GDP数据和上市公司公布的年报数据。处于公共领域这类数据,具有社会效益,但是没有市场价格,不是财务会计处理的对象。IASB编制的《财务报告概念框架》(2018)明确指出,凡是人人可以无成本获取的经济资源,不满足会计资产定义。因此,对这类数据企业无须过分关注。第二,企业有控制权,但是截至目前仍缺乏明确应用场景和目标客户群体,市场尚未打开,经济利益流入的可能性不大。对于这类数据,未来随着数据的积累和市场的拓展,可能逐步会产生经济利益,对于这类数据,企业应当有意识地确权、对原始数据做好分类、整理和初步加工;同时注意好这类数据的保密性,如果对这类数据忽视,或者一旦随意公布给社会公众,那么这类数据的经济价值会迅速消失。第三,企业有控制权,也有较为确定的经济利益流入,但是成本无法可靠计量。对于这块,企业要有意识地完善相应数据资源取得和加工成本核算制度,以保障成本数据的可靠性。
另外,对于数据确权,戴泽伟提出在数据入表中应做广义理解,并非一定要进行法律确权,可以参考无形资产中的“非专利技术”思考。法律确权对于数据资产确认、计量而言,并非充要条件,只不过有法律确权的数据,可能更好地保障“数据资产的安全性”和“流动性”,进而更好地保障“经济利益的流入”,满足资产定义。例如,某公司开发整理的,经过脱敏的客户数据,只要不违反法律法规,并且满足经济利益很可能流入,成本能够可靠计量,就应该确认为资产,至于是否登记确权,不太重要。当然,未经确权的数据,不利于市场交易,并且一旦泄露,很难保障企业利益,进而具有较高的不确定性,从资产安全的角度,还是应积极关注数据资产确权问题。但是,财务会计层面,是否登记确权不构成会计确认障碍,只要其不影响“可辨认性”的认定。
数据资产确认:三大条件如何满足?
在财务会计层面,数据资产入表可以提升数据化转型过程中的账面利润,降低企业资产负债率,进而刺激企业在数据上给予更多的投资。企业在将数据资产入表时面临的第一个问题,即数据资产确认。
戴泽伟告诉36氪,根据《暂行规定》,数据资源必须满足资产确认与计量条件才能入表。
首先,确认数据资产是否由主体控制,即主体能够主导相关数据资产的使用、处置,并承担数据资产收益的主要波动性,并且具有排他性。而公共领域的数据,例如,国家公布的宏观数据或行业数据、上市公司公布的年报,社会公众都有资格查询和使用,任何企业都无法将这些公共领域的数据确认为自己的资产。但是如果企业将公共领域的数据,通过自己独特的加工方式,形成了能够带来经济利益的数据,那么加工和整理成本,在满足其他条件时,应该可以确认为资产。
其次,判断数据资产产生的经济利益是否很可能流入企业。这是一个难点,无论是会计判断和审计判断,对于哪些数据很可能带来经济利益,在现实中,难以形成有效共识。企业加工和整理的数据,如果具有明确的市场需求和客户群体,例如,wind数据库整理的数据,具有大量的购买者,这种情形下,可以证明这些数据能够带来经济利益流入,当然,对于wind数据也要分数据板块进行考虑;但是,如果数据的市场需求不明确,缺乏实际的应用场景或者稳定的客户群体,那么,则很难证明这些数据的经济利益很可能流入。另外一方面,对于企业获取、加工、整理的数据,如果服务于企业内部的生产经营活动,除非能够证明这些数据确实提升了企业的营运效率、管理效率等,否则最好的选择还是费用化。
最后,资产确认需要满足成本能够可靠计量。由于《暂行规定》要求将数据资产在存货或无形资产下面核算,那么,需要重点关注其成本计量的可靠性。对于成本无法可靠计量的,财务会计不进行确认。这里主要有两类数据需要引起关注。第一,企业经营活动的伴生数据,例如,企业在采购、生产、销售环节形成的最原始数据,这类数据是采购、生产和销售的副产品,其成本很难予以准确界定,或者说,任何将总成本在采购成本、生产成本与数据资产成本之间的分配方式都是随意的、主观的,所以,这块原始数据建议财务会计不予以确认。当然,对于经营活动的伴生数据,如果企业会进一步加工、整理,由于这个加工、整理过程会付出成本,在满足其他条件的情况下,可以考虑表内确认。第二,企业对于外购数据或经营活动中的伴生数据的进一步加工、整理成本。许多企业往往缺乏专门的数据处理部门,这些数据处理往往可能是在财务部门或者其他职能部门进行的,并且与其他管理活动交杂在一起,如何将财务部门或其他管理部门的开支,尤其是增量开支在数据处理成本和其他管理活动之间分摊,对于财务实践也是一个挑战性的话题。
数据资产计量:从确认到后续计量挑战
戴泽伟认为,对于数据资产的确认与计量,需要严格按照《无形资产准则》、《存货准则》和《暂行规定》的方式进行处理。对于初始计量,都是按照成本计价,以数据资产达到预定可使用状态或可售状态之前发生的合理开支为限。这里的成本主要是一些增量成本,即不外购、加工、整理,就不会发生的成本。无论是否外购、加工数据都会发生的日常开支,则进行费用化处理,例如企业数据采购部门的日常开支。
对于外购数据资产,能够计入资产的,主要是外购价格、相关税费和数据登记确权费用等;而对于内部营运过程中取得的数据,其资产成本建议局限于数据加工、整理成本,其过程需要区分数据资产研究阶段和开发阶段,处于开发阶段的成本,需要满足无形资产确认的五个条件,才能够资本化。对于外部取得,并且内部加工整理的数据,可以入账的成本包括外购价格、相关税费、确权登记费用、加工整理成本,对于这里的加工整理成本,也需要考虑是否满足资本化条件。
数据资产的后续计量是一个难题,对于数据资产以存货列示的,比较简单,随着数据资产的销售,相应成本应全部结转,但是这种在实务中比较少见,可能仅局限于第三方委托企业收集、加工和整理相关数据,然后,将完工的数据产品全部转移给第三方企业这种情形。对于这种类型的企业,在数据收集、加工和整理阶段的开支,可以计入合同履约成本,并根据收入确认方式,按照时点确认收入或者按照时期确认收入。后续计量的难点在于,数据资产以无形资产的方式,其后续计量涉及到该数据资产的使用寿命是否确定。对于寿命不确定的数据资产,无须将初始成本分摊,但是面临着较为复杂的减值测试,并且根据准则规定,需要在每年年度终了进行测试。对于寿命确定的无形资产,面临着摊销期确定问题,其核心在于判断数据资产所揭示的自然“规律”或行为“规律”的适用期,并且还需要考虑市场竞争因素,因为所有企业都掌握的“规律”是没有经济价值的。数据要素的目的是帮助使用者去揭示客观世界或人的行为规律,进而起到节约交易费用的目的,但其所揭示的许多规律具有暂时性,只在一段时间内适用或者有用。例如,银行获取某私人客户10年前的收入数据、资产数据,是否有利于判断其今天偿债能力,这种情形下,10年前的收入数据可能无法去预测10年后客户的偿债能力,一般过去1-2年的客户数据,才能够更为有效地揭示客户的偿债能力,所以,获取当下客户收入、资产数据可能的摊销期只有1-2年。当然,这与数据资产使用者构建的模型所采用的样本期相关。例如,对于wind用户,其中涉及到公司过去10年或者20年的财务数据,对于学术研究都是有用的。所以,在这种情形下,其时效性就比较长。
数据的核心价值与应用:数据入表如何提升企业核心竞争力与创新力?
戴泽伟教授观察到,目前对于数据资产入表,在各地开展地如火如荼。例如,成都市金牛城投以内部智慧水务监测数据以及运营数据等城市治理数据作为入表对象,设计打造一批数据应用场景,于2024年1月1日正式完成数据资源入表工作。南方财经全媒体集团将其金融终端“咨询通”数据资产完成入表。扬子国投将其旗下3000多户企业用水数据脱敏,并予以入表。目前观察到主要是一些国企,尤其是城投类公司,在数据资产入表上面较为积极。同时,可以观察到的现象是这些数据资产一般具有较为清晰或明确的应用场景或目标客户群体,这些数据资产以服务于外部客户为目标,对于服务于企业内部营运,提升营运效率的数据资产入表,目前为止的案例还比较少,后者主要可能是因为很难证明“数据资源所带来的经济利益的可能性”。
企业利用数据资源提升核心竞争力和创新能力,对于企业而言,主要是看这种数据是对外服务还是对内提供。如果企业意识到其数据主要是对外提供服务,那么,企业需要盘点和整理企业内部是否存在市场所需要的“闲置数据资源”,积极将这些数据资源整理、加工出来,以满足市场需求,进而拓展企业收入渠道,例如,大量城投、市政类公司掌握的公共治理数据等。
如果数据开发出来,是对内使用,则可以区分不同价值链来提升企业竞争力。对于采购环节的数据,这些数据有助于更好地评判供应商能力与信用、供应商品质量、企业材料库存、供应链稳定性等,打通企业与供应商的信息孤岛,让采购环节更加高效率,在保障生产平稳运行的条件下,有效控制库存和采购成本。
对于生产环节,数据资产主要是提高生产环节的协调能力,避免因协调问题,导致产能闲置或不足,导致各个生产部门之间缺乏衔接,导致库存过高或者因为协调引起的安全问题、产品质量问题。
对于销售环节,数据资产有利于对客户群体画像,使得企业更加精准地进行营销,进行产品定位、战略规划等。
这里需要注意的是,企业核心竞争力能力的提高,是“数据与决策能力”合力的结果,公司内部提供的数据再多,但是公司决策能力不行,或者管理能力不行,这些数据也难以发挥有效价值。数据并非万能灵药,戴泽伟告诉36氪,现实中大量喷涌的企业信息对外披露,巴菲特借此成为股神,而许多人却因此倾家荡产,这其中的差异在于决策能力和判断能力。所以,对于企业竞争力的提高,要两条腿走路,不要流于形式。
以审慎乐观的态度,进入数据入表未来
戴泽伟认为,《暂行规定》关于数字资产的相关阐述,实际上体现了“审慎”的“计量观”。其审慎性体现于,财政部反复强调《暂行规定》并没有突破资产确认和计量的一般框架,依然要严格按照无形资产和存货的确认条件来进行。而规定中要求对满足资产定义和确认条件的,根据数据资产的业务模式,分别以存货和无形资产确认和计量,是一个较大的制度突破。
以往企业往往忽略数据资产问题,很少有企业将数据资产作为公司的关键资产进行管理,只不过对一些重要数据可能制定了“保密”规定。但是,随着数据资源入表,与数据相关的开支可能会实实在在影响公司绩效,影响公司的资产负债率等。这次《暂行规定》可能给我国企业界上了一次课,原来“数据”也可以创造“利润”。将数据资产入表,将有利于提升相关产业内公司的账面利润,通过账面利润的提高,去吸引股权资金和银行资金的进入,进而推动这些产业的发展。此外,从激励角度来看,也有利于激励企业管理层在数据取得、加工和整理上积极投入,进而增强类似产业的实际投资。
但是,由于数据资产产生未来经济利益具有较高的不确定性,所以也需要注意防范与数据相关的开支过度资本化,形成庞氏骗局,虚增利润,过度分红,欺诈证券市场中的投资者问题。
数据资产的未来发展,尚有很大的开发空间。一方面,数据资源本身市场交易场景、规则尚未完全成型,入表后的市场交易动作还需进一步探析;另一方面,数据资源价值的特性——安全、保密、私有,要求企业需要在数据收集、保存、披露方面更加谨慎,在保护个人信息的同时最大化保留数据价值。
这也对市场监管提出更高要求。市场监管还需加强数据资源管理,尤其是涉及到客户的数据资源,可能被一些企业用于非法行为。大量真实数据对犯罪者而言犹如无坚不摧的武器,在此情况下实施诈骗犯罪的成功率将大幅上升。此外,还需警惕数字霸权,企业可以通过数字给个人或群体画像,然后滥用人性的弱点,引导人们进行成瘾性消费。同时,具有丰富数据资产的企业,相对于其他竞争对手,可能更有优势,进而更容易导致行业垄断局面的产生。
“我个人对数据入表保持审慎乐观的态度,”戴泽伟告诉36氪,“相比于主流一片叫好,会计可能会持较为冷淡和平静的态度去看待这件事。首先是审慎,企业自身和国家监管还有更长的路要探索。其次则是乐观,因为在全球产业竞争格局中,中国经济不可能再走‘低成本竞争’的老路,而必须加强企业内功,增强企业管理,增强产业协同,靠‘管理’和‘科技创新’在全球产业中获取竞争优势。而数据要素在降低交易费用、提升交易效率、加强企业管理、增强产业协同等多个方面的协助能力正在与日俱增。无论是从国家竞争逻辑,还是企业自身的发展逻辑,这都是必定会进行的一步。”
以上文章来源于搜狐新闻,作者王星冯。点击此处阅读原文
戴泽伟,西南财经大学会计学院副教授,主要研究领域为财务会计概念框架、会计准则、财务报表分析和成本管理会计,先后在《财经研究》、《中国软科学》等CSSCI期刊发表论文二十余篇,有多篇文章被《新华文摘》、《人民大学报刊复印资料》全文转载或观点转载,论文曾获财政部中国会计学会年度优秀论文二等奖。