惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

C
CXSECURITY Database RSS Feed - CXSecurity.com
K
Kaspersky official blog
A
Arctic Wolf
Attack and Defense Labs
Attack and Defense Labs
L
LINUX DO - 热门话题
N
News | PayPal Newsroom
cs.CV updates on arXiv.org
cs.CV updates on arXiv.org
L
Lohrmann on Cybersecurity
PCI Perspectives
PCI Perspectives
cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
The Last Watchdog
The Last Watchdog
B
Blog RSS Feed
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
W
WeLiveSecurity
Know Your Adversary
Know Your Adversary
博客园 - Franky
T
Tenable Blog
T
Tailwind CSS Blog
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
Help Net Security
Help Net Security
WordPress大学
WordPress大学
T
The Exploit Database - CXSecurity.com
www.infosecurity-magazine.com
www.infosecurity-magazine.com
博客园 - 司徒正美
阮一峰的网络日志
阮一峰的网络日志
D
Darknet – Hacking Tools, Hacker News & Cyber Security
H
Heimdal Security Blog
TaoSecurity Blog
TaoSecurity Blog
S
Security Affairs
J
Java Code Geeks
小众软件
小众软件
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
Apple Machine Learning Research
Apple Machine Learning Research
NISL@THU
NISL@THU
O
OpenAI News
The Cloudflare Blog
月光博客
月光博客
Google Online Security Blog
Google Online Security Blog
V
V2EX
罗磊的独立博客
美团技术团队
博客园 - 三生石上(FineUI控件)
Security Latest
Security Latest
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
C
Cyber Attacks, Cyber Crime and Cyber Security
cs.CL updates on arXiv.org
cs.CL updates on arXiv.org
Cyberwarzone
Cyberwarzone
L
LINUX DO - 最新话题
Hacker News - Newest:
Hacker News - Newest: "LLM"
大猫的无限游戏
大猫的无限游戏

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理, 企事业单位数字化的业务供需本质 – 人人都是产品经理, 医疗智能体·第1讲——医疗信息化重构:从“辅助软件”到“自主智能体”的范式转移 – 人人都是产品经理, 粉丝量就是空气!!! – 人人都是产品经理, 用户说“薯片碎了”,机器回“要买吗?”:意图识别的翻车与破局 – 人人都是产品经理, RAG召回准确率从75到90 我做对了这三件事 – 人人都是产品经理, AI大事件:Anthropic改收费、OpenAI发安全版、手术机器人纳入医保、阿里发布”秒悟” – 人人都是产品经理, Chrome 推出 Skills 新功能,Agent 重塑上网方式 – 人人都是产品经理, GitHub前创始人拿了a16z的1700万美元,做Agent时代的Git – 人人都是产品经理 拷贝或克隆其他 Flutter OH 项目到本地后无法运行 – 人人都是产品经理, 优惠券设计:优惠券创建 – 人人都是产品经理, 不用死磕文档!AI 助手 1 小时搞定飞书 CLI 安装 + 配置 + 知识库 – 人人都是产品经理, 用小龙虾做竞品分析报告:从2天到20分钟,我是怎么做到的 – 人人都是产品经理 用小龙虾做市场分析报告:搞懂这3个公式,市场规模不再靠猜 – 人人都是产品经理, 你早就在做 Harness 工程,只是不知道它叫这个名字 – 人人都是产品经理, Think Long就够?你可能想多了! – 人人都是产品经理, 货代SRM实战:供应商准入怎么做,才能让资源池不是通讯录而是可交付网络? – 人人都是产品经理, 如何做好用户调研?详解基本技巧 – 人人都是产品经理, 木鸟、途家、美团对打,平台春天行动开“卷” – 人人都是产品经理, 入职才发现公司不靠谱?小红书从业者求职避坑指南 – 人人都是产品经理, 美国 AI 三巨头联手封堵,中国 AI 突围之路在何方 – 人人都是产品经理, 小红书,放在需求对面的镜子 – 人人都是产品经理, AI 会带来大规模失业吗? – 人人都是产品经理, 从出单到补货前,我第一次犹豫:该不该放大? – 人人都是产品经理, Flutter 三方库鸿蒙化适配:5 种高效检查方式,快速判断是否需要适配 – 人人都是产品经理, 从做产品进阶拿结果:医美机构产品经理转岗科室运营经理 – 人人都是产品经理, 阿里HappyHorse,一场关于“Token经济”的阳谋 – 人人都是产品经理, To B AI:客户留存落地的观察与思考 – 人人都是产品经理, AI产品的“生命线”——数据采集、标注、清洗的产品化设计 – 人人都是产品经理, 谈谈AI Agent(二):当“孩子”能自己“体验世界”时,你该学什么? – 人人都是产品经理, UI/UX设计师的3层能力进阶,前两层让你活下来,第三层…才是真正的分水岭 – 人人都是产品经理, 2分钟 → 30秒,效率提升75%:B端产品经理如何用「规则枷锁」驯服AI幻觉? – 人人都是产品经理, 还没来得及学OpenClaw,来了个更猛的:Hermes Agent – 人人都是产品经理, AI日报:宇树机器人跑出10m/s刷新世界纪录 – 人人都是产品经理, 一文说透基金互金如何用情绪价值引导用户决策做转化 – 人人都是产品经理, 当浏览器开始替你”看”网页:AI 浏览器正在亲手拆掉它脚下的那张网 – 人人都是产品经理, 0代码,一天时间我Vibe Coding了个网站 – 人人都是产品经理, Hermes 和 OpenClaw 之争,Agent 的能力应该“装上去”还是“长出来”? – 人人都是产品经理 视频生成的“桌子”,字节Seedance 2掀完,阿里快乐马掀 – 人人都是产品经理, 从听不懂到完全信任:我的 Codex 深度产品体验 – 人人都是产品经理, 当虚拟偶像有了北京户口,与真人偶像还有什么区别? – 人人都是产品经理, 会说,远远比会做更重要 —— 对 SBTI 爆火现象的五层观察 – 人人都是产品经理, AI产品经理必看:当“搭环境”比“选模型”更重要,你的认知还在2024年吗? – 人人都是产品经理, 2026年AI产品商业化核心逻辑:从功能demo到规模化营收的3个必破卡点 – 人人都是产品经理, 京东围绕供应链,卷起裤腿下场的那些事儿 – 人人都是产品经理, SBTI一夜刷屏:它赢在了“太会说人话” – 人人都是产品经理, 折扣零售的真相:不是便宜,而是价值感! – 人人都是产品经理, 和甲方吵了一架,最后加钱做了——我学到的ToB产品经理生存法则 – 人人都是产品经理, 和几位小红书操盘手聊了8小时,干货全在这 – 人人都是产品经理, 智谱GLM-5.1登场,开源模型首超Opus4.6!!! – 人人都是产品经理 Anthropic收入凭什么反超OpenAI,终于有人把这事说清楚了 – 人人都是产品经理, 史上最有故事感的技术报告——Claude最强模型Mythos 7个极其精彩的细节 – 人人都是产品经理, 模型不是壁垒,Harness 也不是 – 人人都是产品经理, 抖音本地生活业务思考21 – 人人都是产品经理, Superpowers:145k Star的AI编码框架,到底是什么来头? Superpowers:145k Star的AI编码框架,到底是什么来头? – 人人都是产品经理, OpenAI 的路走错了,Anthropic Harness 解法启示:模型需要实践专科生 – 人人都是产品经理, 画原型图的前一步:设计站点地图 – 人人都是产品经理, 给 DeepSeek 的最后一封催更信 – 人人都是产品经理, 手把手教你用 Claude Code 搭建 AI 营销团队:5 个 Agent、12 项技能,独立完成研究、写作、设计全流程 – 人人都是产品经理, 你以为大模型在学语言?不,它在重新发明语言学 – 人人都是产品经理 所谓Skill,不过是AI时代的工业垃圾 – 人人都是产品经理, 聊一聊内容传播的几个方法 – 人人都是产品经理, 当平台开始吃掉生态:从 OpenClaw 被封杀,读懂 Anthropic 的这盘棋 – 人人都是产品经理, 你装了 10 个 AI 插件,Obsidian 还是一个文件夹 – 人人都是产品经理 关于AI智能体架构演进的系统性思考:从单体试水到多体协同的重构 – 人人都是产品经理, 当“人”变成Skill,我们又该何去何从? – 人人都是产品经理 Mythos 事件:前沿 AI 治理的意外实验 – 人人都是产品经理, 货代CRM:信用与风险管理怎么做,才能把坏账风险拦在放货之前? – 人人都是产品经理, 从HR收集自拍照到员工自助录入——我见证了园区人脸识别从”不可用”到”真好用”的全过程 – 人人都是产品经理 千问闯关AI混沌期:阿里画靶,吴嘉张弓,马云射箭? – 人人都是产品经理,
数据资产入表的难点与建议
成于念 · 2023-08-30 · via 人人都是产品经理

数据资产正式纳入财务核算范围,但由于其自身的特殊属性,在财务入表的过程中仍然会有一些难点值得我们注意。本文总结了其中一些难点和建议,希望对你有所帮助。

导读:经过8个月的意见征求,财政部于8月21日正式对外发布《企业数据资源相关会计处理暂行规定》,并自2024年1月1日开始施行。

企业应当按照企业会计准则相关规定,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。

这就意味着,数据资产正式纳入财务核算范围,且资产的属性与价值通过企业财务会计入账的方式进行了核算与体现,对于确立数据要素作为企业资产尤其是无形资产的重要构成,具有决定性意义。

但是,数据资产由于其自身的特殊属性,在财务入表的过程中仍然会有一些难点值得我们注意。

首先我们从财务会计的角度去解读:资产的三大特征分别是:

  1. 资产应为企业拥有或者控制的资源;
  2. 资产预期会给企业带来经济利益;
  3. 资产是一项由过去的交易或者事项形成的资源。

同理数据资产也必须要符合以上三个特征,所以数据确权是证明该资产属于企业拥有或者控制资源的重要动作,其次数据资产能给企业带来经济效益必须可以计量准确测算。

一、数据资产的会计确认存在的问题

1. 数据资产的权责确认不定

如何证明该数据资产属于企业拥有或者控制的资源,就必须要进行数据确权。或许我们在内部使用的数据,能确定所谓的数据owner(使用部门、生产部门等等)。但是许多外部数据涉及到数据伦理方面,则不太好定义为属于企业控制的资源,例如存储在系统内部的业主会员信息,需要定时披露的企业经营信息等等。该部分的数据归属真的是属于企业吗?还是个人隐私,亦或者是属于政府约定的公共数据,需要无偿提供等等。

2. 数据资产的再确认界定不明

如果我们将数据资产作为无形资产的特殊类别的,无形资产的后续确认中存在的资本化、费用化问题,数据资产也一样会面临。资本化支出与费用化支出是有区别的,在企业的生产经营活动中,追踪资产的消耗,并把这种消耗进一步细化为资本化和费用化支出。划分的标准即考虑消耗的去处,如果以这部分消耗为代价换取了新的资产,就是资本化支出,如果这部分消耗被用于企业的经营,那么这种经济利益流出,就叫作费用化支出。但是数据资产中的数据具有特殊属性,我们很难去定义、量化哪些数据产生了价值,产生了多少的价值。所以就更难去定义资本化还是费用化的支出了。

3. 数据资产的确认条件不统一

众所周知,在现有的资产负债表中,对于固定资产和无形资产的确认条件都有明确的定义(例如,在没有投入使用的固定资产时,一般作为在建工程科目)有了这些确认原则,才得以更好地区分哪些是无形资产,从而进行接下来的工作。而现在的研究并没有明确数据资产的相关确认原则,相关的理论也尚未完善。数据质量决定了是否纳入资产,同样,数据的使用过程中发生变更、衍生、销毁封存等动作,也都影响数据资产的确认。那么,数据采集、存储、加工、清理等各个阶段都需要测算相应的入账价值,以及明确各个阶段的确认原则。

二、数据资产的会计计量存在的问题

1. 数据资产的初始计量

完全选用传统的计量单位已不能满足需求从统计数据来看,在各种可用于会计计量的标准中,往往存在多个计量单位,而且大多数标准都有自己的计量单位。因此,不同的计量对象要求不同,具体的计量对象因为计量的目的不同,可能存在不同计量单位的选择问题。

实际上,会计计量单位的选择也是以企业的实际经营管理为主要依据,当社会经济大环境发生重大变化时,对于特定的经济业务,就应该及时选择更具有价值的会计计量单位,这样才利于提供更有助于做出管理决策的相关会计信息。所以,对于数据资产来说,考虑到它的特殊性,按照常规选用货币计量并不利于对其进行准确的会计处理。

数据资产计量属性的选用不明确。数据资产计量属性一般在会计科目中进行登记,同时在企业的财务报表中进行报告,进而确定它的实际数量金额。数据资产的计量不太适合依靠重置成本和现值属性,除此之外,历史成本是指在完成某项生产活动或者制造某种财富时,实际需要支付的成本、现金,是取得时的实际成本;可变现净值是预期售价扣除加工成本等后得到的净值。面对这些计量属性,数据资产到底适用于哪些,需要加以选择。

数据资产初始确认金额的确定标准不明确。由于资产的初始确认金额是将其入账的依据,所以确认工作是进行后续会计处理的重要基础。考虑到数据资产自身的特殊性,并参考无形资产的初始确认方法, 需要从外购与自制这两个方面入手,较为准确地确定数据资产的初始确认金额,为再确认和计量工作奠定良好的基础。但是在数据资产的特殊性质下,其初始确认金额的确定也要考虑其特殊性,如何更加准确地衡量不同来源的数据资产的初始确认金额,值得继续研究。

2. 数据资产的后续计量

难以确定使用寿命。作为特殊的无形资产,数据资产的使用寿命像无形资产一样,不能确定具体的数额。企业双方合法获得的无形资产,其使用寿命不能超过企业规定的实际期限;对于法律没有对无形资产的使用寿命进行详细规定的,需要企业依据恰当的因素,综合考虑判断的依据,无法采用上述方法的,可以认为使用寿命不确定。因此,数据资产要确定其使用寿命,就需要在符合数据资产自身特点的情况下参考无形资产的相关处理方法。

摊销方法不明确。在选择摊销方法时,企业要结合自身经济需要,从最大预期效益出发确定具体的消耗方式,并在不同会计期间统一适用。无形资产的摊销方法主要有直线法和加速折旧法。直线法,是将无形资产的摊销额在各会计期间进行平均分配,而加速折旧法是一种在无形资产使用初期进行多计,使用后期少计的摊销方法。数据资产需要从这些摊销方法中,选择出最合适的,来完善相应的后续计量。

数据资产的经济价值易波动。数据资产的经济价值容易受到诸多要素的影响,较之其他诸多无形资产,数据资产受应用场景和大环境影响易波动。为了更好地衡量无形资产价值的变化,我国会计准则和相关制度要求企业制定相应的监督管理条例,定期实现对其财务报表的账面价值进行复核,当账面的价值高于可收回金额,则应当按照差额计提无形资产减值准备;数据资产实际也要参考其原则,例如购买的中指克而瑞的土地数据,那么过了一两年以后,这部分数据实际应该发生减值,但是具体减值多少,则需要制定规范原则。

三、数据资产的会计确认的发展建议

1. 明确数据资产的再确认

从外部获取的数据资产。特别需要强调的是,对于从外部获取的数据资产而言,若是在交易过程中出现了所有权或者部分所有权转移,可以进行资产确认,计入“无形资产”科目下“数据资产”栏目。若是不涉及所有权转移,但在获得数据使用权的同时,拥有一定的代理、分销、转售等可以通过交易该数据资产获得收益的权利,企业可将其计入资产栏目。若是仅获得数据使用权,如拥有使用许可证等,且企业无法通过外部交易等方式获取未来收益,则不涉及“数据资产”的转移,不能引起该科目的有关变动,企业只能将其计入成本或费用栏目。

从内部产生的数据资产针对内部产生的数据资产,企业内部产生的自有数据资产依据形成方式,可以分为主动研发的数据资产和随生产经营等产生的伴生数据资产。通常,按照关于无形资产的相关规定,在生产研究阶段的支出,要计入当期损益;在开发阶段的相关支出,其中符合资本化条件的,应予以资本化,无法按对象区分研究、开发支出的,全部计入当期损益。但在实际的操作过程中,受研发活动中众多不可预见因素的影响,要具体清晰地划分这两个阶段绝非易事,这就需要进行特别考虑。

2. 明确数据资产的确认条件

数据资产的界定要满足明确的原则,本文认为,只有满足可变现性、可控性和可量化、可辨认这四个条件才能进入会计财务报表的统计工作,数据资源才能被视为数据资产。数据资产的相关确认条件有:

一是可变现性,数据资产必须能够为企业带来经济利益的流入;

二是可控制性,数据资产必须是企业能够在合乎法律和会计准则规定的前提下拥有或控制的数据资源;

三是可量化性,即数据资产需要能够从企业实际生产与运营中分离或划分出来,并可用货币进行可靠计量;

四是可辨认,即数据资产能够分离或者源自合同性权利等。

四、数据资产的会计计量的发展建议

1. 数据资产的初始计量

计量单位采用货币与非货币相结合。数据资产并不能完全用货币进行计量,例如,通过利用自身的数据资产,为企业的发展方向、项目决策等做出有价值的分析,就无法完全通过货币计量来体现。 因此,个人认为,数据资产的计量可以采取货币与非货币相结合的形式,采用合适的形式,从而实现对数据资产的综合价值进行统计。

计量属性主要选用公允价值。数据资产的价值处在不断的波动中,受市场的影响,数据资产的实际价值处在不断变化中,因此历史成本法往往不能及时衡量其实际价值;同样的,考虑到数据资产的处理和获得过程是一个持续性的长期过程,因此可变现净值法也不适用。本文认为,数据资产更加适合运用公允价值进行计量,因为相比于其他的计量属性来说,公允价值更能反映市场价值的变化。

依据数据获取方式的不同确定初始确认金额。从外部获得的数据资产,通常在公开市场上有一定的活跃度,此时可以采用其公允价值作为初始确认金额;如果不存在活跃市场,则将获得该数据资产所给付的对价作为初始确认金额。内部产生的数据资产,不可避免地会造成一定的人力、财力、物力以及其他重要的资源损耗,因此在对数据资产的初始阶段进行成本确认时,应考虑到各项成本,并对各项成本进行加权平均计算。

2. 数据资产的后续计量

参照无形资产使用寿命,确定大致年限考虑到数据资产的特殊性,其使用寿命的确定关系到能不能对其进行充分利用。由于数据的时效性对数据本身的价值影响很大,因此其使用寿命的界定不宜过长。考虑到数据资产的自身特点,应该对其具体使用寿命进行综合分析,从而对未来做出较为科学的预测,实现数据资产的最大经济价值。

本文参照无形资产会计准则提出了以下几条原则: 一是数据资产的使用寿命应到该数据资产失去使用价值为止;二是有签订合同的数据资产,应不超出合同规定的 期限;三是没有签订合同的数据资产,应在参考各影响因素的情况下,综合确定该数据资产能带来经济利益的期限;四是不符合以上几项原则的数据资产,可确认为使用寿命不确定的数据资产。

采用加速折旧法摊销。对于数据资产的后续摊销,建议采用加速折旧法更为妥当。一方面,数据资产的价值受时效性的影响较大, 随着时间的消磨,数据资产的时效性也将逐年递减,数据资产具有极大的利用价值,初期数据资源具有先进性、及时性,往往挖掘出的数据资产具备较高的价值。后期,随着时间的流逝和新数据资源的产生,加之市场经济的不断变化,原始数据资源的潜在经济价值也将日益减少。

另一方面,在信息社会不断发展的过程中,数据资产的更新换代将更为迅速,其生命周期将更为短暂。当采用加速摊销的方法时,数据资产的前期摊销较大,而后期较小,这满足了数据资产自身特征的现实需求。

计提数据资产减值准备。数据资产虽然有可重复利用的特点,但它的价值会随着信息时效性的变化、技术手段的进步以及内外部市 场环境的变化而降低,也就是说数据资产存在减值的现象。尽管数据资产的价值随着外部变化存在减值现象,但这并不意味着数据资产就没有了经济价值,只是相对价值下降,因此要及时做好数据资产的计量工作。对于不能公开报价的内部数据资产,在可收回金额与账面价值进行比较时,参照无形资产的会计处理方法,按照二者的差额,计提数据资产减值准备。

总结:虽然数字经济已经发展得如火如荼,数据的经济价值也日益显现,但是数据资产的会计处理仍然是比较新颖的研究课题,我们需要真正掌握数据资产会计核算的系统理论,才能顺利的将数据资产入表。

专栏作家

成于念,微信公众号:Laosiji,人人都是产品经理专栏作家。关注互联网+行业、数字化转型落地。专注领域包括IT数据管理、数据资产、数据应用和最佳企业数据案例实践分享。

本文原创发布于人人都是产品经理,未经作者许可,禁止转载。

题图来自 Unsplash,基于CC0协议。

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。