數據資產入表的治理模式創新研究

【摘 要】 在數字化經濟的浪潮中，數據資產入表成為企業核心競爭力的關鍵。文章研究發現，數據資產入表不依賴于單一主體的判斷，而是需要在多方博弈中形成共識。因此，提出All-Goal模式，以期解決數據資產在多方共識率低的情況下如何實現有效入表的問題。該模式通過優化全面的數據資產入表治理，應對現有管理體系中的標準化不足、合規性挑戰和跨部門協作障礙等困境，創新性地解決了數據資產入表共識難題，并實現多方博弈均衡，促進企業在數據資產管理上的系統性思考和戰略決策，增強其在動態市場中的適應性和競爭力。

【關鍵詞】 數字經濟； 數據資產； 扎根理論； 數據價值； 數據資產入表

【中圖分類號】 F234.3" 【文獻標識碼】 A" 【文章編號】 1004-5937（2025）06-0015-10

一、引言

在數字化經濟的背景下，數字技術不斷發展，工業經濟逐漸向數字經濟轉變，數據在經濟發展中的地位逐漸凸顯[ 1 ]。數據是數據資產的形式載體，數據資產已成為企業生產經營活動的關鍵戰略資源[ 2 ]，是企業價值創造的關鍵因素。數據資產是指擁有應用場景且在生產過程中被反復或連續使用一年以上的數據[ 3 ]，可以分為資源性數據資產和經營性數據資產[ 4 ]。隨著企業數據量的爆炸性增長，如何有效管理和利用這些數據資產成為一個迫切需要解決的問題。數據資產作為一種新型資產，其價值評估給學界與業界帶來挑戰。數據資產的價值呈現出非結構化和不完整的特征，往往難以量化[ 5 ]。在現行會計準則下編制的會計報告，仍然側重于有形資產信息的披露，非實體資產信息確認、計量和披露存在不足[ 6 ]。但會計作為社會科學的一部分，會計理論和會計準則的發展是“環境依賴”型的，即社會環境和經濟環境變化了，會計理論和會計準則需要相應地作出改變[ 7 ]。數據資產“入表”帶來的影響是全方位的，如張俊瑞等[ 8 ]發現審計師會對數據資源信息披露頻率更高的企業收取更高的審計費用。在企業中，數據資產入表是打開數據資產管理大門的鑰匙[ 9 ]，不僅關系到企業的內部管理效率，而且直接影響到企業的市場信譽和投資者關系。數據資產化的實現與企業的數據治理能力息息相關，雖然企業的不同會導致數字化基礎和數據環境存在差異，在數據資產化推進過程中會有所側重，但對于所有企業而言，提升數據治理能力是企業實現數據資產化的重要基礎[ 10 ]。然而，現有的數據資產管理模式面臨著標準化不足、合規性挑戰和跨部門協作障礙等多重困境，這些問題的存在嚴重阻礙了數據資產的有效管理和價值實現。

本研究選題的必要性源于對現有數據資產管理模式的深入分析和批判性思考。通過對企業數據資產管理現狀的調研，筆者發現了一系列影響數據資產入表的關鍵因素，具體表現在數據資產認證、審計、入表邏輯等方面。這些發現反映出現有模式的不足。因此，本研究旨在提出一種全新的模式——全面數據資產入表的治理模式（All-Goal），以解決這些問題。

All-Goal模式的命名寓意著全面性（All）和目標導向（Goal），強調了全面覆蓋數據資產管理各個方面的同時，注重實際操作和執行的效率。本模式的核心貢獻在于其創新性和實用性，它不僅提供了一個跨部門協作的框架，而且包括了審計流程的標準化和持續優化的策略。這些元素共同構成了一個能夠提高數據資產管理質量和合規性的綜合性模型。

本文將詳細介紹All-Goal模式的理論基礎、方法論、實施步驟和預期效果，并通過案例研究來展示該模式在實際應用中的效果，以及如何幫助企業提升數據資產的管理效率和價值。本研究期望能為學術界與實務界提供有價值的見解和工具，以推動數據資產管理的發展。

二、研究方法

扎根理論是Glaser和Strauss于1967年在《扎根理論的發現》一書中首次提出的[ 11 ]。卡麥茲在2009年的解讀中指出，它指導研究者收集并分析定性數據，以數據為基礎構建理論，具有靈活性和啟發性工具的價值[ 12 ]。

在數據資產管理這一新興領域，扎根理論可以揭示復雜現象背后的模式和結構，促進理論與實踐的對話及迭代改進。在本研究中，基于深入挖掘數據資產入表的影響因素和構建理論框架的能力，筆者選擇扎根理論，并且利用Nvivo11輔助資料的整理和編碼。

三、扎根理論研究過程

（一）開放編碼

研究者以開放的心態基于資料，貼近數據，用概念來表達數據，并將具有相似屬性的概念進行歸類形成范疇。為了挖掘數據資產入表的影響因素，對案例公司10名不同角色人員的訪談記錄文本進行開放編碼，逐句逐段進行分析，使得編碼契合數據，這一步利用Nvivo11軟件的自由節點進行編碼。經過多次整理分析得到95個范疇，表1為訪談記錄開放編碼形成的部分范疇。通過開放編碼，實現了對資料的“縮編”，對資料進行了一定程度的抽象和提煉。

在本研究中，設計的周密性體現在多個層面。首先，通過選擇企業高管、IT專家、審計人員、市場合作伙伴、投資者、銀行信貸機構等關鍵角色進行訪談，確保了從戰略、技術、合規性、市場、投資、金融等幾個核心維度全面收集數據。這種多維度的數據收集方法不僅增強了研究的深度，而且提高了理論構建的實用性和相關性。通過這些維度的全面考量，研究設計確保了從多個關鍵角色收集的數據能夠全方位覆蓋數據資產管理的各個方面，從而提高了研究的深度和廣度。這種多角度的方法論不僅增強了研究的實證基礎，而且為構建綜合性的數據資產管理框架提供了堅實的理論基礎。其次，采用扎根理論作為研究方法論，能夠在數據驅動的基礎上逐步構建和細化理論模型，確保了理論的嚴謹性和創新性。此外，利用Nvivo11軟件進行數據編碼和分析，提高了研究過程的效率和準確性，使得理論的發展更加系統化和可驗證。最后，通過跨學科的研究視角，本研究不僅促進了理論與實踐的有效對話，而且為數據資產管理領域提供了一個全新的、具有戰略意義的管理框架。這些設計考慮的周密性，確保了研究成果能夠為學界與業界提供有價值的見解和工具，推動數據資產管理領域的發展。

（二）主軸編碼

通過主軸編碼發現和建立范疇間的聯系，每次對一個范疇進行分析，圍繞此范疇尋找相關關系。通過此步驟可以將獨立的范疇加以聯結，將被分解的資料重新整合，將與研究問題最相關的范疇挑選出來形成主范疇。這一步利用Nvivo11軟件的樹節點進行編碼完成。在對訪談記錄的分析中，形成了“內部相關方”“外部相關方”“數據資產評估”“數據治理優化”“數據資產管理”“數據資產認證”“數據資產入表”“未來趨勢”8個主范疇，見表2。

（三）選擇編碼

在所有的范疇中經過系統分析選擇具有統領性的核心范疇，能夠將許多相關范疇集中在比較寬泛的理論范圍內，實現對范疇的繼續分析和集中。表2的“內部相關方”和“外部相關方”為“參與數據資產入表的主要主體分類”。數據資產入表整個流程能夠實現的關鍵在于合規流程的制定，“數據資產認證”“數據資產評估”“數據資產入表”是整個合規流程的核心。“數據資產管理”“數據治理優化”和“未來趨勢”既包含數據資產入表的前期基礎性工作，也是對數據資產入表行為持續性優化的預期。

（四）理論飽和度檢驗

為了確保扎根理論研究的規范性，筆者在研究過程中進行了理論飽和度檢驗，留出部分資料做對比：在數據收集的過程中，留出約1/4的訪談記錄不進行初始編碼，在理論模型初步構建完成后，使用這部分資料進行開放式、關聯式和核心式編碼，觀察是否有新的資料和概念出現；如果這部分資料沒有產生新的范疇或屬性，說明理論已經達到飽和。

為了量化理論飽和度檢驗的過程，主要進行了以下步驟：

數據分割：

總訪談記錄數：290

初始編碼數據：217（75%）

留作驗證數據：73（25%）

編碼一致性檢驗：

對73條驗證數據進行編碼，記錄新出現的范疇和屬性。

新出現范疇：3

新出現屬性：5

飽和度計算：

總范疇數：95

總屬性數：150

新出現范疇比例：3/95≈3.16%

新出現屬性比例：5/150≈3.33%

多次重復上述過程，結果表明新出現的范疇和屬性比例均低于5%。

通過這些檢驗方法，確保了扎根理論研究的規范性和可靠性，為數據資產管理領域提供了一個科學、系統的理論框架。

四、扎根理論研究結果：基于博弈論的分析

通過對數據進行分析，發現數據資產入表是多方參與、跨部門的一項綜合性工作。為了構建數據資產入表的完整模型，對數據資產入表的相關方主體參與行為進行分析（參與者的目標和范圍見表3、表4）。從扎根理論分析來看，構成數據資產入表市場行為的主體可以分為數據提供方（內部相關方）、數據需求方（合作伙伴）和監管方（審計機構等）。根據主軸編碼的降序排列，可以發現多方博弈的主要矛盾集中在合作多方對數據資產的價值評估，而這個數據資產價值評估差異各方又寄希望于審計機構。

總的來說，根據扎根理論分析的結果，識別了影響數據資產入表市場行為的主要參與者和他們的行為動機。

據此可以構建一個博弈模型，其中包括數據提供方、數據需求方和監管方。這個模型將考慮各方對數據資產價值評估的差異以及他們對審計機構的期望。

參與者的策略選擇：每個參與者可以選擇參與（策略為1）或不參與（策略為0）。

共識概率？啄：這是一個介于0和1之間的參數，表示市場參與者在數據資產價值上達成共識的概率。

基礎收益率和成本：每個參與者都有自己的基礎收益率和成本，這些都會影響他們的收益函數。

市場行為的動態：考慮了各方對數據資產價值評估的差異以及他們對審計機構的期望。

第一步，定義參與者的目標：

數據提供方（P）希望通過提供數據來獲得收益，但同時需要承擔一定的成本。

數據需求方（D）通過使用數據來創造價值，并愿意為此支付，但也有成本考慮。

監管方（R）負責監督和審計，以確保數據資產入表的合規性，其目標是最大化監管效果和維護市場秩序。

第二步，考慮共識概率？啄：

筆者從扎根編碼中發現各方討論的焦點在于對數據資產價值評估的擔憂，而訪談內容反映出數據資產價值評估過程中都結合相關方自身的屬性，由于多方之間技術的差異、行業環境差異、大數據結合的價值差異等，數據資產價值在多方利益主體中存在難以統一的挑戰，這導致數據資產價值評估困難的核心在于多方對數據資產價值的一致性認定。

因此引入共識概率，共識概率反映了各方對數據資產價值的一致看法。高共識概率意味著各方對數據資產的價值有相似的評估，這將促進交易和合作。從訪談內容的焦點可以看出，多方之間不斷溝通數據資產的價值問題，因此可以構建共識概率公式：

代表了達成共識所需的溝通成本，m-1和n-1代表內部相關方、外部相關方溝通的次數。對于成熟的傳統資產，由于流程已經優化，溝通渠道已經建立，溝通成本可以認為是非常低的，接近于0。

第三步，構建基礎收益：

基礎收益是參與者在沒有外部影響時的預期收益。例如，數據提供方的基礎收益可以表示為？自p？鄢Sp，其中？自p 是單位數據提供的價值，Sp是其策略選擇。

第四步，引入成本因素：

成本是參與者在參與過程中必須承擔的費用。例如，數據提供方的成本可以表示為Cp？鄢Sp，其中Cp是單位成本。

第五步，考慮策略互動：

參與者的收益受到其他參與者策略的影響。例如，數據提供方的收益受到數據需求方和監管方策略的影響。

將上述所有因素整合到一個收益函數中，以下是構建的博弈模型的收益函數和納什均衡條件：

數據提供方的收益函數：

其中：Sp是數據提供方的策略選擇；？自p是數據提供方的基礎價值；？茁p是數據提供方的收益系數；λ是審計機構對數據提供方影響的權重；？啄是共識概率；Cp是數據提供方的成本。

數據需求方的收益函數：

其中：SD是數據需求方的策略選擇；？自D是數據需求方的基礎價值；？茁D是數據需求方的收益系數；？滋是審計機構對數據需求方影響的權重；？啄是共識概率；CD是數據需求方的成本。

監管方的收益函數：

其中：SR是監管方的策略選擇；？自R是監管方的基礎價值；？茁R是監管方的收益系數；？啄是共識概率；CR是監管方的成本。

假設存在一個穩定狀態，即存在一組策略（SR，Sp，SD）使得每個參與者都無法通過改變策略來增加自己的收益。根據納什均衡的定義，這意味著：

對于監管方：

對于數據提供方：

對于數據需求方：

由于數據資產價值評估的差異，各方對數據資產的價值有不同的看法，這導致共識概率？啄很低。當？啄接近0時，即使參與者選擇參與（策略為1），由于共識的缺乏，他們的收益增加非常有限，而成本仍然存在。因此，對于所有參與者，不參與（策略為0）將成為一個更優的策略，因為這樣可以避免成本。

具體來說，對于監管方，如果？啄很小，那么？茁R*？自R*SR*（SP+SD）*？啄將遠小于CR*SR，這意味著UR（1，S*P，S*D，？啄）lt;UR（0，S*P，S*D，？啄），與納什均衡條件相矛盾。

同理，對于數據提供方和數據需求方，由于？啄很小，他們收益函數中的？茁P*？自P*SP*（SD+λ*SR）*？啄和？茁D*？自D* SD*（Sp+？滋*SR）*？啄也將遠小于CP*SP和CD*SD。這意味著他們選擇不參與（策略為0）將比參與（策略為1）更優。

因此，可以得出結論，在低共識概率？啄的條件下，市場參與者無法達成共識，導致無法找到滿足所有人的策略組合，即不存在穩定狀態（納什均衡）。無法達到納什均衡，也就意味著數據資產入表無法獲得多方的認可，即數據資產入表最終無法獲得市場認可。

五、數據資產入表All-Goal模式

從上面的分析中能夠發現，多方共識是數據資產價值評估的關鍵，多方共識是數據資產交易和入表這一博弈行為達到穩定狀態的前提。只有多方達成共識才能夠形成市場交易行為，而確定的市場交易才能夠成為數據資產入表的事實依據（如圖1所示）。

不難發現，制約交易的關鍵節點在于不同時期數據資產持有方和外部相關方對該資產的價值評估差異。為解決上述關鍵問題，本文提出了數據資產入表All-Goal模式。該模式是一個全面的數據資產入表體系，它結合了買斷和非買斷的數據資產管理方式，并利用區塊鏈技術來確保透明性和公平性。該模式允許數據資產的價值隨著市場參與者的投入動態變化，并通過智能合約自動執行收益分配。

在本研究中，成功構建了一個基于區塊鏈技術的全目標（All-Goal）模式，該模式將數據資產入表過程動態化。通過數據資產的交易和管理，確保數據資產交易的順利進行，進而真實準確地體現數據資產價值，為其入表提供合理依據。該模式通過智能合約實現了數據資產從初始交易、數據處理、收益分配、數據使用權和所有權銷售、融資到最終產權買斷的全流程自動化管理。具體而言，智能合約在每個交易環節中自動記錄交易信息、更新賬戶余額，并根據鏈上交易情況動態調整數據資產的價值。利用偽代碼表示All-Goal模式如下：

1. Input

2. 初始數據資產 initial DataAsset

3. 買方地址 buyer

4. 加工收益分成比例 processing Share

5. 初始數據資產暫估價格

6. 智能合約 Smart Contract

7. Steps

8." while True

9." "初期交易

10." "買方支付初始數據資產的暫估價格

11." "記錄交易金額

12." "會計核算

13." " 借：數據資產暫估

14." " 貸：數據資產暫估成本/費用

15." "智能合約

16." " 記錄交易并更新賬戶余額

17." 數據處理

18." "買方加工數據資產

19." "計算加工收益或損失

20." "If 加工收益gt;0

21." " 按比例分配收益給賣方

22." "Else

23." " 記錄損失

24." "智能合約

25." " 自動分配收益或記錄損失

26." 收益或損失處理

27." "If 有收益

28." " 會計核算

29." " "借：銀行存款

30." " "貸：加工收益收入

31." " "借：加工收益成本

32." " "貸：數據資產攤銷

33." "Else

34." " 允許買方前向收回部分交易成本

35." " 會計核算

36." " "借：加工損失成本

37." " "貸：銀行存款

38." "智能合約

39." " 更新賬戶余額并記錄交易

40." 數據使用權銷售

41." " 會計核算

42." " "借：銀行存款

43." " "貸：數據使用權收入

44." " "借：數據使用權成本

45." " "貸：數據資產攤銷

46." "智能合約

47." " 記錄交易并更新賬戶余額

48." 數據使用權銷售后的價值調整

49." "會計核算

50." " 根據鏈上交易情況調整數據資產的價值

51." " If 價值上升

52." " "借：數據資產暫估

53." " "貸：數據資產暫估成本/費用

54." " Else

55." " "借：數據資產暫估成本/費用

56." " "貸：數據資產暫估

57." "智能合約

58." " 記錄價值調整

59." 數據所有權銷售

60." "會計核算

61." " 借：銀行存款

62." " 貸：數據資產暫估

63." " 貸：數據所有權收入

64." nbsp; 借：數據資產攤銷

65." " 貸：數據資產暫估

66." "智能合約

67." " 記錄交易并更新賬戶余額

68." 數據所有權銷售后的價值調整

69." "會計核算

70." " 根據鏈上交易情況調整數據資產的價值

71." " If 價值上升

72." " "借：數據資產暫估

73." " "貸：數據資產暫估成本/費用

74." " Else

75." " "借：數據資產暫估成本/費用

76." " "貸：數據資產暫估

77." " 智能合約

78." " "記錄價值調整

79." "數據資產融資

80." " 會計核算

81." " "借：銀行存款

82." " "貸：短期借款/長期借款

83." " "借：財務費用

84." " "貸：銀行存款

85." " 智能合約

86." " "記錄融資交易并更新賬戶余額

87." 數據資產融資后的價值調整

88." " 會計核算

89." " "根據鏈上交易情況調整數據資產的價值

90." " If 價值上升

91." " "借：數據資產暫估

92." " "貸：數據資產暫估成本/費用

93." "Else

94." " "借：數據資產暫估成本/費用

95." " "貸：數據資產暫估

96." "智能合約

97." " 記錄價值調整

98." 數據資產產權買斷

99." "更新初始地址為新買方地址

100." "While True

101." " 重復上述流程

102." "智能合約

103." " 更新買方地址并記錄交易

104." 提現

105." "賣方或買方提取收益或收回成本

106." "智能合約

107." " 處理提現并更新賬戶余額

108. Output

109." 賣方和買方的賬戶余額更新

110." 交易和收益分配記錄在區塊鏈上

111." 會計憑證記錄

112." 數據資產的動態價值調整

113." 各方收益或損失分配記錄

該模式的核心優勢在于其高效性和透明性。通過智能合約的自動執行，減少了人工干預，降低了操作風險和成本。同時，區塊鏈的不可篡改性確保了交易記錄的透明和可信，增強了各方對數據資產交易的信任。此外，該模式引入的循環機制保證了數據資產在不同交易環節中的動態管理和持續優化。

最為重要的是，該模式讓數據資產入表過程更加市場化，數據資產價值更加準確，有效解決了買賣雙方對數據資產價值不確定而導致的交易遲疑難題。通過智能合約和區塊鏈技術，數據資產的價值能夠實時、準確地反映在鏈上，并且可以動態調整收益。這意味著賣方即使在初始交易中以較低價格出售數據資產，也不會產生損失，因為后續收益可以進行增補。同樣，買方即使在初始交易中支付了較高價格，也不會造成損失，因為可以通過后續的成本調整進行補償。這樣，消除了傳統交易中由于信息不對稱和價值評估不準確帶來的不確定性，從而促進了數據資產交易的順利進行。

六、All-Goal模式有效性證明

在All-Goal模式下，數據資產各利益相關方的收益有了變化，即原有的收益可以加上智能合約保證的利益調整？漬，多方利益已經被區塊鏈凝結在一起，？漬是由多方在同一份數據資產上的價值認知差異產生的，？啄越小？漬越大，在利益相關方之間流轉，保證各方可以得到納什均衡。

即使？啄很低，均衡條件仍然可以一直成立。

為更加清晰反映該模式的有效性，用案例公司在該模式下的同一數據資產兩筆交易實例來驗證本文的結論。

（一）高收益情景，即賣出的數據資產經過買方的技術加持獲得了高收益

1.交易背景

賣方：數據資產暫估價值為150萬元

買方：認為數據資產價值為80萬元

交易達成：盡管雙方對數據資產價值的評估不同，仍然達成交易

2.交易過程

初始交易：買方支付80萬元給賣方，獲得數據資產

數據加工：買方對數據資產進行加工，最終實現320萬元的收益

3.智能合約收益分成

根據智能合約，收益按比例分成，確保各方利益均衡。

總收益：320萬元

買方初始支付：80萬元

買方加工成本：假設為50萬元

凈收益：320萬元-80萬元-50萬元=190萬元

4.收益分成

假設智能合約規定賣方和買方按50：50的比例分成凈收益。

賣方分成：190萬元*50%=95萬元

買方分成：190萬元*50%=95萬元

5.監管方的作用

監管方確保交易的合規性和透明度，并對交易過程進行審計。假設監管方收取交易總額的5%作為審計費用。

審計費用：320萬元*5%=16萬元

6.最終收益

賣方最終收益：80萬元（初始支付）+95萬元（分成）= 175萬元

買方最終收益：320萬元（總收益）-80萬元（初始支付）-50萬元（加工成本）-95萬元（分成）-16萬元（審計費用）=79萬元

監管方最終收益：16萬元（審計費用）

結論

通過All-Goal模式，盡管賣方和買方對數據資產的初始估值存在差異，交易仍然能夠順利進行。智能合約的動態收益分成機制確保了賣方和買方的利益均衡，同時監管方通過審計費用獲得收益。

賣方：最終收益為175萬元，高于初始估值150萬元，避免了因低估值交易帶來的損失。

買方：最終收益為79萬元，盡管初始支付較高，但通過加工和收益分成，仍然獲得了可觀的利潤。

監管方：通過審計費用獲得16萬元，確保了交易的合規性和透明度。

這種模式有效解決了買賣雙方對數據資產價值不確定而導致的交易遲疑難題，促進了數據資產交易的順利進行，保證了博弈均衡。

（二）低收益情景，即賣出的數據資產經過買方的技術開發造成了虧損

1.交易背景

賣方：數據資產暫估價值為150萬元

買方：認為數據資產價值為80萬元

交易達成：盡管雙方對數據資產價值的評估不同，仍然達成交易

2.交易過程

初始交易：買方支付80萬元給賣方，獲得數據資產

數據加工：買方對數據資產進行加工，最終實現60萬元的收益

3.智能合約收益分成

根據智能合約，收益按比例分成，確保各方利益均衡。

總收益：60萬元

買方初始支付：80萬元

買方加工成本：假設為50萬元

凈收益：60萬元-80萬元-50萬元=-70萬元（虧損）

4.收益分成和成本追回

假設智能合約規定賣方和買方按50：50的比例分成凈收益，并允許買方在虧損情況下追回部分成本，同時確保賣方獲得一定收益。

賣方分成：由于凈收益為負，賣方不參與分成，但智能合約確保賣方獲得一定收益。

買方追回成本：買方可以追回部分初始支付和加工成本，以確保不虧損。

5.監管方的作用

監管方確保交易的合規性和透明度，并對交易過程進行審計。假設監管方收取交易總額的5%作為審計費用。

審計費用：60萬元*5%=3萬元

6.成本控制機制

為了防止買方無止境地增加加工成本，智能合約引入以下機制：

成本上限：加工成本上限設定為100萬元（買方的加工成本上限需要根據實際情況動態調整）。

成本審核：監管方審核買方申報的加工成本，確認合理的加工成本為50萬元。

成本分攤：買方和賣方按70：30的比例分攤加工成本。

7.最終收益

賣方分攤成本：50萬元*30%=15萬元

買方分攤成本：50萬元*70%=35萬元

賣方最終收益：80萬元（初始支付）-15萬元（分攤成本）=65萬元

買方最終收益：60萬元（總收益）-80萬元（初始支付）-35萬元（分攤成本）-3萬元（審計費用）=-58萬元

8.動態調整

為了確保買方不虧損，智能合約可以動態調整賣方的收益分成比例，使得買方的最終收益為0萬元。

調整后的賣方最終收益：65萬元-58萬元=7萬元

調整后的買方最終收益：0萬元

結論

在低收益情景下，通過All-Goal模式，盡管賣方和買方對數據資產的初始估值存在差異，交易仍然能夠順利進行。智能合約的動態收益分成和成本追回機制確保了賣方和買方的利益均衡，同時監管方通過審計費用獲得收益。

賣方：最終收益為7萬元，避免了因低估值交易帶來的損失。

買方：最終收益為0萬元，通過追回部分成本，確保不虧損。

監管方：通過審計費用獲得3萬元，確保了交易的合規性和透明度。

這種模式有效解決了買賣雙方對數據資產價值不確定而導致的交易遲疑難題，促進了數據資產交易的順利進行，保證了博弈均衡。即使在低收益情景下，各方的利益仍然得到保障。

七、結論

本研究基于扎根理論分析，提出了All-Goal模式并論證了其在數據資產入表中的核心優勢和有效性。通過對數據的深入分析和理論構建，發現All-Goal模式表現出顯著優勢。首先，智能合約的自動執行顯著減少了人工干預，降低了操作風險和成本。區塊鏈的不可篡改性確保了交易記錄的透明和可信，增強了各方對數據資產交易的信任。其次，該模式引入的循環機制保證了數據資產在不同交易環節中的動態管理和持續優化，克服了數據資產價值不確定的問題，促進了數據資產入表順利進行。最為重要的是，All-Goal模式有效解決了買賣雙方對數據資產價值不確定而導致的交易遲疑難題。通過智能合約和區塊鏈技術，數據資產的價值能夠實時、準確地反映在鏈上，并且可以動態調整收益。這種機制消除了傳統交易中由于信息不對稱和價值評估不準確帶來的不確定性，從而促進了數據資產交易的順利進行，保證了數據資產入表不會誤導報表使用者的決策。

在All-Goal模式下，數據資產各利益相關方的收益得到了優化。智能合約保證的利益調整機制使得多方利益被區塊鏈凝結在一起，確保各方可以達到納什均衡。通過這種方式，不僅提高了交易效率和透明度，而且增強了各方對數據資產入表的信心和信任。

總的來說，基于扎根理論分析的研究結果表明，All-Goal模式為數據資產入表提供了一種高效、透明且可信的解決方案，具有廣泛的應用前景和潛力。

【參考文獻】

［1］ 袁紅，陳雪穎，熊楓，等.數字化與會計學研究：新理論、新問題與新方法——“數字化與會計：重構未來”國際學術研討會會議綜述［J］.會計研究，2022（11）：183-189.

［2］ 李聞一，榮夢杰，劉雨，等.企業數據資產價值形成的微觀原理及其估值研究［J］.會計之友，2024（23）：106- 113.

［3］ 許憲春，張鐘文，胡亞茹.數據資產統計與核算問題研究［J］.管理世界，2022，38（2）：16-30.

［4］ 黃麗華，郭夢珂，邵志清，等.關于構建全國統一的數據資產登記體系的思考［J］.中國科學院院刊，2022，37（10）：1426-1434.

［5］ 隋敏，姜皓然，毛思源.數據資產價值評估：理論、實踐與挑戰［J］.會計之友，2024（11）：141-147.

［6］ 趙治綱，于瑤.對當前我國會計研究的反思與展望［J］.會計研究，2023（6）：19-30.

［7］ 劉峰，袁紅，蘇雅拉巴特爾，等.再論財務報告的目標：兼評《企業數據資源相關會計處理暫行規定》［J］.會計研究，2023（4）：3-15.

［8］ 張俊瑞，危雁麟，尹興強，等.企業數據資源信息披露影響審計收費嗎？——基于文本分析的經驗證據［J］.審計研究，2023（3）：60-71.

［9］ 劉海生，汪俊，黃斕.數據資產管理：演化邏輯與體系框架［J］.會計之友，2024（21）：147-154.

［10］ 徐濤，尤建新，曾彩霞，等.企業數據資產化實踐探索與理論模型構建［J］.外國經濟與管理，2022，44（6）： 3-17.

［11］ GLASER B G，STRAUSS A L.The discovery of groundedtheory：strategies for qualitative research［M］.Chicago：Aldine，1967：218-232.

［12］ 卡麥茲.建構扎根理論：質性分析實踐指南［M］.邊國英，譯.重慶：重慶大學出版社，2022：166-169.