企業數據資產的會計確認與計量研究

摘要：黨的二十大報告強調“加快發展數字經濟，促進數字經濟與實體經濟深度融合，打造具有國際競爭力的數字產業集群”。各類企業積極探索有效的數字化轉型之路，發揮數據資產潛能，挖掘其商業價值。目前對數據資產核算暫未形成統一標準，其價值難以通過企業財務報表披露，數據資產的確認與計量已成為當下會計領域亟待解決的問題。在整合國內外數據資產相關文獻的基礎上，明晰數據資產會計處理現狀與難點，深入剖析數據資產的確認原則、計量屬性及列表披露。以京東為例，對京東數據資產的確認與計量問題進行了探討，并提出相關建議。

關鍵詞：數據資產；會計確認；會計計量；京東

0 引言

“十四五”規劃綱要提出我國要加強數字經濟建設。國務院在《關于構建數據基礎制度更好發揮數據要素作用的意見》中提出：“數據作為新型生產要素，是數字化、網絡化、智能化的基礎，已經迅速融入生產、分配、消費和社會服務等各環節，深刻改變著生產方式、生活方式和社會治理方式”[1]。Farboodi等[2]REF_Ref20119rh認為，數字經濟時代下將數據列為五大生產要素之一能提高其他要素間的協同性，與勞動、土地、資本、技術共同促進經濟社會發展。于艷芳和孫俊燁[3]REF_Ref20377rh提出數據生產要素已從投入階段過渡到產出與分配階段，我國目前處于大規模釋放數字經濟紅利階段。路征[4]等人通過構建基準回歸模型發現企業對數據資產進行投資、管理與運用可顯著促進自身發展。在市場中擁有豐富數據資產的企業更受投資者青睞，如騰訊、阿里巴巴、字節跳動等企業，其數據資產溢價較高。Ghasemaghaei和Calic[5]倡導企業優化自身數據治理體系，對數據處理流程進行全面改造。目前眾多企業和投資者已然意識到數據作為企業一項重要資源，蘊含巨大發展潛力，對企業發展也將起到不可估量的推動作用。

關于數據資產的定義，學術界存在兩種代表性觀點，即“數據資產論”和“數據集論”[6]REF_Ref20632rh。數據資產論從資產定義入手，結合數據特征做出相應概述。李秉祥等[7]REF_Ref20746rh認為，數據資產是“由企業過去或預測未來一年內可能發生的交易或事項形成，由企業擁有或控制，并通過進一步整理與分析能為企業帶來經濟利益流入的資源”。而數據集論則側重于會計要素的確認條件，強調哪些數據能被定義為資產，Kean Birch等[8]REF_Ref20814rh認為，通過挖掘與分析數據中有價值的信息，助力企業更準確地分析市場，為企業帶來目前和未來價值，實現收益最大化，使數據成為未來數字經濟的關鍵資源，進而形成數據資產。盡管學者們對于數據資產的理解各不相同，但都致力于探索數據資產的本質，并對數據資產概念進行豐富與完善。

關于數據資產的特征，陸旭冉[9]認為數據資產主要表現為非實物性、非貨幣性、時效性、經濟性以及存在風險性等8個方面的特征。非實物性意味著數據資產是一種無形資源，需要存儲在特定媒介中，不因使用頻率增加而損耗或消耗，并可在使用期限內無限制利用；非貨幣性指數據資產與法定數字貨幣不同，其未來對企業帶來經濟利益具有不確定性；時效性意味著數據在特定時間內對企業決策效果不同；經濟性指預期為企業帶來經濟效益不僅取決于數據本身，還取決于數據使用者的能力；風險性指數據資產需充分考慮數據資產的來源安全性、使用準確性、價值波動以及數據隱私問題等。

關于數據資產的會計確認，羅玫等[10]REF_Ref20919rh提出需將數據列入企業資產項，體現企業真實價值，并實現企業科學管理的過程。作為一種新的資產類別，學術界對于數據資產如何確認與計量仍存在較多分歧。對于數據資產確認方法，侯彥英[11]REF_Ref20968rh提出，應首先對數據進行標識，采取防篡改和不可逆機制等為數據生成獨特標識，如此能更快捷地確認數據來源，再進行數據確權，即明確數據資產所有權與控制權，明確法律授予的數據占有、使用和處置權利的權利人。對于確認為何種資產，目前存在兩種代表性觀點，第一種觀點強調數據資產中的無形資產特性，主張將其納入無形資產領域核算；第二種觀點認為無形資產的會計制度有其特殊性，把數據僅視為一種無形資產進行確認無法明確數據資產所有權問題，且現行無形資產價值評估方法不能準確衡量數據資產價值。張俊瑞和危雁麟[12]主張應明確數據資產的獨特屬性，單獨設立“數據資產”一級科目，通過該科目來確認與計量，以便形成一種獨立的數據資產會計制度。

關于數據資產的會計計量，其關鍵在于選擇合適的計量屬性和計量方法。財政部發布的《企業財務報告的確認和計量》提出可采用歷史成本法、公允價值法、可變現凈值法、未來現金流量法和重置成本法5種計量方法。鄒照菊[13]REF_Ref21033rh提出以數據資產獲得時的實際成本作為數據資產的價值，即運用歷史成本法進行計量。唐莉和李省思[14]REF_Ref21082rh提出，大量數據資產隨著企業的發展會追加維護費用和后續投資，導致數據資產預期未來能給企業帶來的經濟利益將遠超或遠低于其初始投入價值，此時歷史成本法已不能準確反映數據資產的真實價值，而應采用收益現值法，通過預測數據資產未來預期回報，按其折現價值進行計量。張俊瑞等[15]REF_Ref21128rh提出由于數據資產未來價值具有不確定性，難以準確計量其未來經濟價值。伴隨著數據資產交易市場日益完善，數據資產采集整理階段所涉及的人力、技術和設備成本信息能被準確獲取，可使用公允價值法對數據資產進行計量。企業對自身數據資產的理解各不相同，選取數據資產計量屬性時，應針對該數據資產具體情況加以分析。

關于數據資產應及時進行確認與計量問題，目前學術界已有大致確認方法與計量屬性。但實踐中對于數據資產的會計處理仍存在較大差異，如何將企業擁有或創造的數據進行資產化處理還未形成統一流程，不同企業對數據資產采取的會計處理思路與方法各異。對此，本文在深入分析企業數據資產發展現狀的基礎上，總結和歸納企業數據資產會計處理方式及數據資產化過程中所遇難點，并以京東為例，探索京東數據資產會計確認與計量遵循原則、方法、步驟及數據資產入表前后會計報表發生的變化，并提出相關建議。

1 企業數據資產會計處理現狀及難點

1.1 企業數據資產發展現狀

企業數據資產的來源與構成。目前，企業線上銷售系統承載了企業絕大部分數據資產，包括客戶基本信息、喜好、最新消費、消費頻率和消費金額等數據。企業可結合自身業務需求與運營模式，運用大數據技術全面整合客戶各類數據，并對數據進行挖掘與分析，借此分析客戶購買行為，構建用戶畫像，提高企業服務效率、銷售能力和決策運營水平。

數據資產交易市場規模日益壯大。近年我國數字經濟規模持續增長，企業數據資產內部結構不斷優化，促進經濟發展勢頭持續向好。2017—2022年，中國數字經濟規模平均增長率為13.06%，數字經濟占GDP比重從32.9%上升至41.5%，占比平均每年上升約1.7%（見圖1）。數據使用場景進一步擴大，參與交易流通的數據類型也由金融數據逐漸擴大至醫療、交通運輸、工業等數據。隱私運算等新技術的廣泛應用，進一步推動數據要素的安全流動。公共數據也逐漸成為信息交換平臺中數據的主要供給源，其體現的巨大公眾價值已經開始反哺數據行業發展。同時，數據交易的上下游產業鏈開始形成，對未來建立新型商業生態產生深遠影響。

無論是自行開發還是外部購買數據都會產生高額成本，但大部分企業將其視為生產經營活動中伴生活動的成本，并未將該支出作為一項資產，而將其全部“費用化”作為當期損益。此類數據可長期給企業帶來經濟效益的流入，應納入企業的資產項，其成本應通過折舊或攤銷逐年費用化，以此實現收入與費用的合理配比。若企業將數據支出一次性直接費用化計入當期損益，會導致企業當期盈虧率和成本費用計量配比產生嚴重扭曲，降低會計信息的準確性，進而影響報表使用者的決策有效性。另外，數據未資產化會對企業資產的賬面價值產生較大影響，導致企業資產賬面價值偏低，難以反映企業的真實價值。

將數據支出直接計入當期損益，不在資產負債表中體現，導致企業資產負債表難以正確反映數據資產的投入與消耗，以及各期間數據資產價值變動狀況，難以正確體現企業管理者運用數據資產為企業提供價值的過程。在利潤表中，由于數據支出直接費用化，導致凈利潤較真實值偏低，企業盈利能力被低估，影響報表的真實性與嚴謹性。在現金流量表中，數據支出本該歸屬于投資活動現金流量，卻因將其歸屬于經營活動現金流量，影響企業經營與投資活動現金流量流入額，不利于企業管理者做出正確決策。將企業數據資產化并進行恰當的會計核算是正確反映企業價值的必要措施。

1.3 數據資產會計處理難點

（1）數據資產成本難以確認。對于企業內部主要用于自身經營的數據資產，其牽涉范圍較廣，同一數據可能同時涉及生產、銷售、營銷與經營等多個環節，具體成本難以準確計算。對于企業外部主要用于市場交易的數據資產，盡管交易數據有明確報價，但受數據交易市場發展限制，且數據資產自身流動性與透明性不高，難以形成活躍的、公平的、公開的市場報價[16]REF_Ref21213rh。

（2）數據資產計量方法難以選擇。在不同行業中數據資產的開發與應用程度差異極為顯著，使得數據資產表現出不同的會計計量特征，在數據資產計量方法探討中造成極大困難[17]。即便在相同行業，由于企業所處市場環境與發展規劃不同，依然難以對數據資產采取統一的計量方法。隨著企業進入不同發展階段，數據資產因其時效性與價值波動性，原先所采用的計量方法可能不再適用，企業需進行計量方法的變更。

（3）數據資產的經濟效益難以辨識。傳統資產有其固有物理狀態，資產生成都有其明確的投入成本與經濟意義，資產物量之間具有顯著的可比性或異質性[18]。而數據資產具有非物質形態，其所帶來的收益難以辨識，為企業帶來的經濟利益流入難以可靠計量。且數據資產價值波動大，其收益極不穩定，在對數據資產進行減值準備、攤銷、公允價值變動、資產處置及公司所得稅調整計算時會帶來阻力。

2 京東數據資產的相關案例研究

2.1 案例背景

京東自2004年開始進軍電商領域。2014年5月，京東首次發布信用管理商品京東白條，并在美國納斯達克成功上市。京東業務范圍涉及多個領域，智能化板塊以數據驅動模式為核心，收集各方面數據，并利用人工智能技術進行分析，在商品、用戶和供應鏈等領域進行深入挖掘，以實現智能化的決策和運營。京東提供第三方商家入駐的平臺，并為其提供全方位的服務，包括技術支持、物流配送和售后服務等。

京東的自營零售業務近年來持續保持營收穩定增長，作為整個集團的戰略核心，零售業務已然成為其收入和利潤占集團總量比重最大的業務，在京東各業務板塊中扮演著極為重要的角色。據2021年數據，京東的零售行業（不包括京喜、京喜拼拼等創新型業務）總收入超過8 663億元，同比上升25.0%。同時，公司主營業務利潤達到266億元，同比上升29.1%；營業收益率約3.1%，呈現穩中有升趨勢。

2.2 京東數據資產的來源與構成

根據京東的運營模式，其數據資產來源分為兩類。其一是零售業務與物流業務，主要體現為平臺利用大數據和云計算技術分析用戶畫像，通過用戶的偏好進行推送以滿足用戶需求。商品結算階段，根據用戶對各種支付方式的偏好來設定推廣策略，讓客戶產生便捷的消費體驗；商品配送階段，依托

京東物流網絡，生成大量配送數據以提升配送效率，其中的物流成本數據可用于物流成本控制和物流效率評估等；交易完成后，京東依托自身平臺提供售后服務，并通過用戶反饋進行累積計算，更準確地把握當前市場風向，從而向用戶推送更符合需求的商品，達成戰略目的。其二是京東購買的數據資產，主要包括金融數據和市場調研數據。京東與各種金融機構合作以獲取金融數據，此類數據可以用于財務管理和風險控制等；通過購買市場調研數據，包括產品調研、技術研究報告和競爭對手情報等，以了解市場需求和競爭情況。

2.3 京東數據資產確認

數據作為一項資源，合理將其確認定為資產可以使企業實現價值增值。企業如果能明確其對數據所有權與控制權，應考慮將其納入資產的核算[19]REF_Ref21435rh。要將數據納入數據資產的核算，應首先滿足企業會計準則中資產的確認條件，即由企業過去的交易或事項產生的，由企業掌握或管理的，預期會為企業提供經營利潤的資源。通常數據能通過兩種方式為企業帶來經濟效益：其一，通過數據分析與挖掘的結果，改善企業的管理模式，提高企業經營效率；其二，通過數據的產品化與服務化實現數據資產的交易與共享而帶來收益。

京東數據資源中，采購和倉儲階段產生供應商數據、商品采購數據；銷售階段產生用戶的商品偏好、忠誠度等數據；售前售后服務中產生商品咨詢率、返修率；支付結算階段產生用戶支付方式偏好、京東白條使用率；配送階段產生配送路線、配送狀態等數據，此類數據均可確權為京東所有、且能為其產生價值的數據資產。結合京東業務進行具體分析，對于其中成本或價值能夠進行可靠計量的部分，本文設立“數據資產”一級科目。對于主要用于改善企業的管理模式、提高企業經營效率的數據，在“數據資產”設“內部經營數據”二級科目；對于主要用于交易或共享獲取收益的數據，設“外部交易數據”二級科目。

2.4 京東數據資產計量

2.4.1 初始計量

京東日常經營活動形成的數據資產為企業創造的價值較難準確計量，同時該類數據資產并無穩定的交易市場，難以獲取同類或類似產品的市場價格信息，因此本文對此部分數據資產采用歷史成本法進行計量，以獲取、處理和存儲此類數據的成本作為基礎計算其初始價值。成本包括直接支出與間接支出，如數據采集、存儲、處理、分析等相關費用。若此類數據資產為滿足某種特定目的而收集或生成，其成本還應包括為實現目標而發生的必要支出，如市場調研、專利申請等。具體會計處理方式如下：

當采集、處理和存儲數據資產時：

借： 數據資產——資本化支出

貸： 銀行存款/應付職工薪酬等

當數據資產達到可用狀態時：

借： 數據資產——內部經營數據

貸： 數據資產——資本化支出

對于通過外部交易而獲得的數據資產，能有效獲取市場中同類或類似產品的市場價格，例如從同花順、萬方等金融機構購買的金融數據、市場調研數據、供應鏈數據、第三方數據等，應采用公允價值方法計量數據資產。若購買的數據處于即用狀態，購買價款、手續費等其他必要成本可作為入賬價值依據。若購買后還需進行加工才能帶來經濟效益，則還需加上使其達到最終狀態的必要支出中的可資本化部分。具體會計處理方式如下：

借： 數據資產——外部交易數據

貸： 銀行存款等

2.4.2 后續計量

1.數據資產的攤銷

李澤紅和檀曉云[20]REF_Ref21500rh認為關于使用壽命有限的數據資產的攤銷方法，應用加速攤銷法在5年內將數據資產攤銷到0。加速攤銷法是一種前期攤銷較多，后期攤銷減少的攤銷方法，其在資產初始階段加速攤銷，以反映資產價值在前期減值速度更快的事實，隨著時間的推移攤銷金額逐漸減少。通過使用加速攤銷法，可以更加準確地反映數據資產在確認時的價值重要性，以及此類資產在后期使用中減值的情況。具體會計處理方式如下：

借：管理費用等

貸：數據資產累計攤銷

2.數據資產的減值準備

陸旭冉[21]認為若數據資產的使用年限不確定，無法可靠計算每年攤銷額，則不宜開展數據資產攤銷工作，而應定期開展減值測試，以計提數據資產減值準備。隨著時間的推移，數據的價值會隨著市場需求、技術進步及法律法規的變化而發生波動，且數據資產較其他資產價值波動更加劇烈。定期進行數據資產減值測試，不僅可以更好地反映數據資產的真實價值，還能幫助企業管理風險和預測未來的現金流入。

關于數據資產計提減值準備，可參照“孰低法”思想，即比較數據資產可回收金額與其賬面價值孰低的方式來確定該資產是否具有減值跡象。數據資產可回收金額是指數據資產未來預期現金流入減去相關成本得到的現值；賬面價值是指數據資產在企業財務報表中的初始成本減去累計攤銷和減值后的余額。若數據資產的可回收金額低于其賬面價值，則說明該項數據資產出現減值跡象，應及時對其做出會計處理，企業須計算二者之間的差價并計提減值準備。具體會計處理方式如下：

借：資產減值損失

貸：數據資產減值準備

3.數據資產的公允價值變動

對部分數據資產采取公允價值法計量時，數據資產的價值波動存在不確定性。隨著時間的推移，數據資產經濟價值可能遠超或遠低于之前的計量價值，因此，對此類數據資產須進行定期評估，并根據評估結果調整其賬面價值，以反映其真實價值，確保財務報告的可靠性和準確性。具體會計處理方式如下：

當數據資產的公允價值增值時：

借：數據資產——公允價值變動

貸：其他綜合收益

當數據資產的公允價值減值時：

借：其他綜合收益

貸：數據資產——公允價值變動

4.數據資產處置

數據資產存在風險性，若產生意外損毀、人為泄露、數據丟失等現象，該數據資產無法繼續為企業帶來經濟效益，甚至遭受數據來源方的追責，企業應及時轉銷相關數據資產賬戶的余額。具體會計處理方式如下：

借：營業外支出

數據資產累計折舊

數據資產減值準備

貸：數據資產/應收賬款等

當結轉公允價值減值的數據資產時：

借：營業外支出

貸：其他綜合收益

當結轉公允價值增值的數據資產時：

借：其他綜合收益

貸：營業外收入

3 京東數據資產入表前后會計報表對比分析

京東數據資產體量巨大，確認與計量的數據資產是否列報披露將對企業財務報告產生巨大影響。通過對京東2021—2022年資產負債表與利潤表的調整，直觀地體現上述數據資產核算對財務報表所造成影響。由于京東并未在年報中披露營業成本的明細，下文將通過京東引入數據資產后2021年凈利潤實現由負轉正事例，佐證數據資產核算對財務報表產生的重要影響。本文只假設京東營業成本中僅有0.6%符合資本化條件，可以確認為數據資產。2021—2022年財務報表調整請見表1、表2。

由表2可以看出，京東2021—2022年凈利潤與資產總額經調整后都有顯著增長，且在2021年實現扭虧為盈。說明數據資產因未合理納入財務報表導致資產與凈利潤偏離企業真實狀況，需采取恰當的核算方法對其進行計量，并進行信息披露。如此能更準確展示出企業真正擁有的、能為企業帶來經濟效益的資產規模與企業自身價值，使管理者和投資者等能更合理、高效地進行決策和規劃。在報表調整中，盡管京東并未明確披露營業成本明細，無法準確獲取可被“資產化”的數據資產的營業成本數額，但京東作為電商龍頭企業之一，其數據資產體量巨大，可資產化數據資產數額遠超營業成本的0.6%，若將其全部列報披露，將對財務報表產生更為重大的影響。這充分說明將數據資產納入會計核算對于反映企業真實財務狀況有重大意義，能夠助力企業盤清數據資產，有針對性地將數據向資產轉化，也便于政府開展監督與管理。同時此類數據也有利于企業摸清市場脈搏，助力數據市場發展，增強企業向數字化轉型的信心，推動我國數字經濟高質高效發展。

4 研究結論

通過對當前企業數據資產會計處理相關問題進行研究，綜合分析我國數據資產發展現狀、確認原則、計量屬性及列表披露，并以京東為例，分析其數據資產會計處理方式及對會計報表造成的影響，得出以下研究結論：

第一，數據資產的確認亟待完善。隨著互聯網與移動設備的普及，數據被不斷生成和積累。這些數據不僅可反映用戶需求和市場趨勢，還能幫助電商平臺優化運營、提高效率、增強競爭力。數據資產已經成為電商平臺發展中不可或缺的重要資源，對于其中符合資產確認條件的數據應及時確認為數據資產。同時，由于“數據資產”與無形資產存在差異，應單獨設立“數據資產”一級科目進行核算，更好地體現數據資產對企業價值的貢獻與作用，以便進行管理和評估。第二，數據資產的會計處理應“因事制宜”。對不同類型的數據資產應采取不同的會計處理方式。企業中有日常經營活動形成的數據資產與對外購買的數據資產，因數據資產具有價值變動大、時效性強等特征，應當定期對其進行攤銷和計提減值準備。對適用歷史成本法計量的數據資產，應根據其使用壽命加以攤銷；但對適用公允價值法計量的數據資產，應根據市場價格的波動情況和數據資產的使用狀況，定期計提減值準備與公允價值變動調整。第三，數據資產信息披露至關重要。企業數據資產費用化處理能減少一定稅務支出，但可能導致企業財務報表中資產與利潤低于企業實際值。企業應對數據資產采取恰當價值評估方法進行信息披露，展現企業真實擁有、能為企業帶來經濟效益的資產及企業的真實價值，助力報表使用者更高效地進行規劃與決策。

5 結語

大數據時代下，隨著數字經濟的快速發展，數據資產逐漸成為企業發展的關鍵因素，統一數據資產的會計處理標準范式，幫助形成統一的數據資產計量價值標準，使得企業更準確地把握數據資產的經濟價值。本文以京東數據資產處理為例，分析對數據資產進行會計處理帶來的影響，同時，綜合現階段學術界提出的對數據資產會計處理方式，選擇采取歷史成本法、加速攤銷法、孰低法等方法根據不同情況進行會計處理。

研究存在一定的局限性：首先，選取的研究對象京東并不能完全代表行業內所有企業，其財務狀況及發展模式參照上市公司標準，而其他非上市公司無法根據其處理方式進行有效參考；其次，數據資產的價值波動存在不確定性。隨著時間的推移，可導致數據資產經濟價值遠超或遠低于之前計量價值，其未來價值存在較大波動性和不可預見性。

雖然數據資產的各方面不確定性和波動性較大，為其確認和計量帶來了難度，但數字時代下數據資產作為關鍵要素不可缺少。數據資產的有效利用不僅能幫助企業提高運營效率，還能了解市場細分情況，幫助企業進行精準營銷和推廣。在未來的研究工作中， 可以深入研究數據資產的未來預期收益、測算單項數據資產等問題。相信會對促進企業對數據資產的研究和帶動企業經濟發展，幫助更好地成立企業數據資產評估體系。

參考文獻

[1]中華人民共和國中央人民政府.中共中央 國務院關于構建數據基礎制度更好發揮數據要素作用的意見[A/OL].（2022-12-19）[2024-6-13].https：//www.gov.cn/zhengce/2022-12/19/content_5732695.htm.

[2]FARBOODI M， MIHET R， PHILIPPON T， VELDKAMP L. Big Data and Firm Dynamics[J].AEA Papers and Proceedings，2019（109）：38-42．

[3]于艷芳，孫俊燁.電網企業數據資產價值評估研究：以國家電網有限企業為例[J].財會通訊，2023（20）：89-97.

[4]路征，周婷，王理，等.數據資產與企業發展：來自中國上市企業的經驗證據[J].產業經濟研究，2023（4）：128-142.

[5]GHASEMAGHAEI M， CALIC G.Assessing the impact of big data on firm innovation performance：big data is not always better data[J]. Journal of business research， 2020（108）：147-162.

[6]孫永堯，楊家鈺.數據資產會計問題研究[J].會計之友，2022（16）：153-160.

[7]李秉祥，任晗曉，尹會茹，等.數字經濟背景下大數據資產的確認、計量與列報披露[J].財會通訊，2022（11）：79-83，88.

[8]BIRCH K， COCHRANE D T， WARD C. Data as asset？ The measurement， governance， and valuation of digital personal data by Big Tech[J].Big Data amp; Society， 2021， 8（1）：2-6.

[9]陸旭冉.大數據資產計量問題探討[J].財會通訊，2019（10）：59-63.

[10]羅玫，李金璞，湯珂.企業數據資產化：會計確認與價值評估[J].清華大學學報（哲學社會科學版），2023，38（5）：195-209，226.

[11]侯彥英.數據資產會計確認與要素市場化配置[J].會計之友，2021（17）：2-8.

[12]張俊瑞，危雁麟. 數據資產會計：現狀、規制與展望 [J].財會月刊， 2023， 44 （12）： 3-11.

[13]鄒照菊.企業大數據的資產屬性辨析[J].會計之友，2017（12）：7-12.

[14]唐莉，李省思.關于數據資產會計核算的研究[J].中國注冊會計師，2017（2）：87-89.

[15]張俊瑞，危雁麟，宋曉悅.企業數據資產的會計處理及信息列報研究[J].會計與經濟研究，2020，34（3）：3-15.

[16]何越.數字經濟背景下企業數據資產計量體系構建研究[J].湖湘論壇，2023，36（5）：116-124.

[17]張雪，劉藝琦，吳武清.數據資產會計計量研究：以大數據企業為例[J].財會通訊，2022（19）：10-14，20.

[18]李原，劉洋，李寶瑜.數據資產核算若干理論問題辨析[J].統計研究，2022，39（9）：19-28.

[19]呂艷娜，楊世忠.企業數據資產的會計處理研究[J].商業會計，2022（14）：33-36.

[20]李澤紅，檀曉云.大數據資產會計確認、計量與報告[J].財會通訊，2018（10）：58-59，129.

[21]陸旭冉.大數據資產計量問題探討[J].財會通訊，2019（10）：59-63.

作者簡介：羅維穎（通信作者），男，2005年生，本科在讀，主要研究方向：會計學。

游戰武，男，1983年生，博士研究生，講師，主要研究方向：環境會計、綠色會計。

劉峻宏，男，2002年生，本科在讀，主要研究方向：會計學。

楊心怡，女，2003年生，本科在讀，主要研究方向：人力資源開發與管理。

基金項目：湖南省大學生創新創業訓練計劃項目“大數據背景下企業數據資產會計處理的相關問題研究”（S202310555179）。