企业大数据的资产属性辨析

【基金项目】重庆市社会科学规划（培育）项目（2013PYGL18）；重庆市教育委员会人文社会科学研究项目（14SKG06）【作者简介】邹照菊（1975—），女，湖北南漳人，博士，重庆交通大学经济与管理学院副教授、硕士生导师，研究方向：文化与会计、企业管理、审计理论①也有学者认为大数据不应包括于无形资产范围中，而应作为一种完全独特的资产类型，与其他无形资产分离开来（AlpToygar，CETapieRohm，JakeZhu，2013）。我国2006年发布的《企业会计准则第6号———无形资产》第三条规定，无形资产（IntangibleAs-sets）是指企业拥有或者控制的没有实物形态的可辨认非货币性资产。其特征有四：无实物形态、可辨认、非货币性资产、在创造经济利益方面存在较大的不确定性。由于大数据符合上述特征，因此本文仍将大数据列入无形资产范围。一、引言大数据日益成为国家和企业组织的战略资源。研究和实践发展表明，大数据有助于获得生产力、竞争优势、效率[1]，是创新能力以及创造消费者盈余的关键要素[2]，是一种促进公司绩效提高的正向因素；采用“数据驱动的决策方式”的企业能够获得约5%的生产力和约6%的利润率，这些差异在排除了劳动、资本、购买服务、传统IT投资等解释因素之后依然强劲[3]。大数据已成为类似于品牌形象的一项企业资产[4]。然而目前却缺乏一种有效机制或方式来正式揭示这一新型企业资产的价值。会计则恰好提供了这样一种正式机制。作为一种经济信息系统，会计通过提供对利益相关者决策有用信息来减少信息不对称问题。这些决策有用信息，即与企业组织的财务状况、经营成果和现金流量相关且可靠的财务和非财务信息。理论上讲，凡是能够对企业组织的财务状况、经营成果和现金流量产生重要实质性影响的经济事项或经济资源，都应当包含于企业的财务报告中。大数据正是这样一种具有远大运用前景和价值创造潜力、能够对企业组织产生重要实质性影响的经济资源，因此，它的价值信息也应当包含于当今的企业财务报告中。当然，“在财务会计中，并非所有经济资源与义务及其变动都被确认与计量”（美国APB第4号公告《企业财务报表的基本概念与会计原则》，1970）。但是，在符合了“效益大于成本”和“重要性”原则的前提下，并满足会计要素的确认条件时，就应当将一定的经济资源或资源要素确认为财务报表要素（美国FASB第5号概念公告《企业财务报表的确认和计量》，1984）。随着知识经济时代的到来，人力资本、智力资本、客户资源等无形资产对企业的重要性日益上升，甚至超过传统有形资产（想想Facebook）。然而，由于对这些无形资产的计量存在困难，或者对其确认不满足“效益大于成本”原则，致使这些无形资产仍未在组织财务报表中正式列报。但是，不对这些具有重要实质性经济影响的无形资产进行列报，无疑降低了相关组织会计信息的决策有用性。正因为此，有关这些无形资产的价值评估和计量研究已经成为国内外会计学界的当务之急，也构成了当前会计热点和未来研究的方向之一。大数据作为近二十年新兴的一种无形资产①，也存在着同样的问题。一方面，人类社会正走向全面数据化（孙海华，2015）、“赢得数据者赢得产业”（郑英豪，2015）。另一方面，国家借力大数据提升国家治理能力、建设“智慧城市”“智慧国家”等战略举措及一些行业日益“数据化”“智能化”（如互联网、电信、金融等行业）等，使得大数据日益成为重要战略资产，而这种战略资产的价值却未能在政府和相关行业企业的财务报告中得以反映，这无疑会引发信息不对称问题，不利于利益相关者对组织质量的判断，也降低了会计信息的决策有用性。美国FASB第5号概念公告《企业财务报表的确认和计量》（1984）规定会计要素的确认标准为可定义性、可计量性、相关性、可靠性。IASC（现改组为IASB）《编报财务报表的框架》（1989）也明确规定一个项目需满足“与该项目有关【摘要】大数据日益成为国家和企业的战略资源，发挥着实质上的资产作用。然而，会计未能有效揭示大数据资源的价值。文章以《企业会计准则———基本准则》中关于资产定义及确认条件为依据，以企业数据类型、构成及来源为基础，考察了企业大数据的资产属性问题。分析表明，企业大数据具备“由过去交易或事项产生”“企业拥有或控制”“预期会为企业带来未来经济利益”等资产特征，因而符合资产定义；随着大数据分析运用技术的日益演进，大数据预期带来未来经济利益流入的可能性将大为提高；无形资产评估技术的不断发展和创新使大数据成本或价值得以可靠计量成为可能，表明企业大数据满足资产确认条件。故认为企业大数据具备资产属性，应将其作为一项资产进行财务列报。【关键词】企业大数据；资产属性；资产定义；资产确认【中图分类号】F234.4【文献标识码】A【文章编号】1004-5937（2017）12-0007-06重庆交通大学经济与管理学院邹照菊企业大数据的资产属性辨析管理论坛

7会计之友2017年第12

期图1根据Moffittetal.[5]的“企业数据生态扩展图”改编多网址分析自动收集、数据流

移动数据

网页数据自动收集

半自动收集早期手工收集

安全视频

新闻视频

媒体视频传统数据

结构化数据历史遗留数据AIS数据CRM数据ERP数据扫描数据

社交数据新闻片段电子邮件安全记录电话记录

非结构化数据媒体记录顾客买了哪些产品哪些产品相关怎样在线控制存货怎样在线保持存货地理位置数据行为模式数据实时动态数据点击路径分析的未来经济利益很有可能流入或流出主体；对该项目的成本或价值能够可靠地加以计量”两个条件时才能确认为会计要素。我国2014年修订的《企业会计准则———基本准则》也做出了类似规定：一项资源应当符合资产定义，并同时满足资产确认条件，才能确认为资产（第二十一条）。“符合资产定义和资产确认条件的项目，应当列入资产负债表；符合资产定义，但不符合资产确认条件的项目，不应当列入资产负债表。”（第二十二条）由此可见，大数据能否作为资产要素确认，就包括对如下两个方面问题的回答：第一，企业的大数据资源是否符合资产定义？第二，企业的大数据资源能否满足资产确认条件？鉴于此，本文拟对上述两个问题一一剖析，即对大数据的资产属性进行探析。

二、企业数据生态系统大数据是指其规模超出了典型数据库软件工具能够抓取、存储、管理和分析能力的数据集。Laney（2001）最早提出了大数据的“3V”特征：容量大（Volume）、多样化（Variety）、速度快（Velocity）。“大数据之父”维克托运用“4V”特征：数据体量大（Volume）、数据类型繁多（Variety）、处理速度快（Velocity）、价值密度低（Value）描述大数据。Moffittetal.[5]则详细而又灵活地描述了典型的大数据应当具备的条件或特征：（1）系机器自动获取或产生；（2）可能仍是以传统形式存在，但会因频繁广泛地收集不断扩大；（3）也可能是另外一种全新的数据来源；（4）没有被格式化，因而不易被使用；（5）可能大部分都是无用的，虽然大数据的收集及其经济意义是积极的；（6）当与企业ERP系统里的结构化数据相结合时，就会有用得多。“大数据”与传统“小数据”相比，最大差异不在于其“容量”（Volume），而在于其“格式”（Variety）。“小数据”多为结构化数据，如销售、工资、会计、采购等交易数据，这些数据多以一个包含行、列的表格形式呈现。而大数据，不仅包括传统的小数据，更多包括非结构化数据（约占90%），它们难以量化，难以用传统的行、列方式呈现，可以跨设备收集（包括笔记本电脑、移动电话、传感器、卫星等），主要表现为一些“软”信息，如视频、卫星图像、社会媒体交互，或电子邮件、短信、网页等[6]。但也正是这些非结构化的大数据提供了探索和利用大数据的最大机会。Moffittetal.[5]的“企业数据生态扩展图”提供了有关企业数据类型、来源、结构、收集方式等动态演进的大致框架。该框架描述了随时代发展和科技进步，企业数据从最初的手工收集到后来的自动化收集，从最初主要是内部数据到后来的内外部数据日渐融合，从传统的结构化小数据到现在联结了结构化、非结构化数据在内的大数据，企业数据已然是一个数据类型多样化、数据来源广泛化、数据结构复杂化、数据内容丰富化、收集成本低廉化的数据生态系统（如图1所示）。根据图1，位于企业数据核心地位的依然是传统数据，包括企业资源计划（ERP）、客户资源管理（CRM）、会计信息系统（AIS）等产生的数据。这些数据产生于企业正常的生产经营过程中，是企业基础性数据。早期这些数据通常由手工收集。随着信息化程度提高，企业收集数据的范围逐步拓管理论坛

8展，收集的自动化程度越来越高。条形扫描码的出现产生了更多扫描数据，这些半自动化数据的收集成本更低，还能提供更多细节性信息，如顾客偏好哪些产品、哪些产品相关、如何进行存货在线控制等。射频识别芯片（RFID）的广泛运用产生了数量更多、内容更丰富的自动化数据，且收集成本更低。随着互联网的普及，大量网页数据产生，包括网址（URLs）、点击路径（Click-Path）、内容数据等。手机等移动设备的出现产生了大量与地理位置、使用场景等相关的移动数据。处于最外围的是数据庞大的三类大数据：视频和图像、音频、文本等，它们与企业传统数据“紧密联结”[7]，为企业利益相关大数据[8]，并通过“数据桥”被链接和整合进企业的数据环境中，构成企业扩展的数据生态的一部分。“数据桥”是指一些新兴的商业运用程序，如自动脸部识别、威胁识别、语音识别、模糊内容理解、文本挖掘、语音向文本的转录等，其作用在于在数据源和财务运用之间提供一定程度的桥接，从而将数据信息链接到企业的信息系统中[7]。

三、企业大数据符合资产定义分析资产是指企业过去的交易或者事项形成的、由企业拥有或者控制的、预期会给企业带来经济利益的资源。该定义强调了“资产”应当具备的三方面特征：一是由过去的交易或者事项形成；二是由企业拥有或者控制；三是预期会给企业带来未来经济利益。（一）由过去的交易或者事项形成该特征强调企业的大数据资源应当是由企业过去的经济交易或事项所导致的现实结果。预期在未来发生的交易或者事项所形成的大数据不构成企业资产。企业过去的交易包括自行制造、购买、接受投资等经济交易，或者提取折旧、累计摊销等事项。在企业各类数据中，包括由企业资源计划（ERP）、客户资源管理（CRM）、会计信息系统（AIS）等在内的传统数据是企业正常生产经营过程中产生的内部数据，是企业基础、核心数据，有些数据还是企业的关键数据甚至商业秘密。扫描数据则产生于企业的现金出纳机端的收款业务，射频识别（RFID）数据源于企业采用射频识别（RFID）技术来对商品或存货进行识别、跟踪或控制等。在企业的设备上使用互联网会产生网页数据，移动数据是由携带了众多传感器的移动设备提供，包括一些位置、语音和情景数据，用以评估人们的行为和社交互动，它是企业的外部数据。企业中的电话会议等音频数据，访谈面视等视频数据，公司产品等图片数据，电子邮件、社交媒体等文本数据也都是由企业过去的交易或事项形成的现实数据。（二）由企业拥有或者控制这一特征要求大数据应当能够由企业拥有或者控制。即企业或者拥有数据所有权，或者虽然不拥有数据所有权，但拥有对大数据资源的控制权。Bulgeretal.[1]依据数据获取方式及所有权，将大数据分为三类：第一方数据（组织自行收集数据、拥有数据所有权）、第二方数据（与其他组织合作收集数据、数据所有权不能确定）、第三方数据（由其他方收集数据、其他方拥有数据所有权）。第一方数据包括企业出于商业目的而自行收集的有关客户的数据。如零售业、金融业等在开展业务的同时积累了大量客户交易数据和人口统计特征数据，并拥有对这些数据的所有权。但这类数据通常包含有顾客身份信息，因此需经过“清洗”“脱敏”处理后使用，以保护隐私和安全问题。另一种有争议的情形是：用户在Google、百度等搜索引擎上的搜索数据或在淘宝、京东等平台上注册、浏览、购物、支付等产生的数据，其所有权问题目前尚不明确。现有研究或者认为应当归属于个人资产，所有权归个人所有，或者认为应归属为平台资产，所有权归平台所有，个人用户只是这些数据的生产者，但平台在使用时有保护个人隐私的义务（IT时报，2016）。第二方数据是与其他企业合作收集的数据。数据仅能在合同约定各方之间进行共享，并规定了时间和行为范围。如当一个公司通过GoogleAdWords投放广告时，通常由Google公司代为该公司收集相关数据，也通常由Google公司代为存储数据，而该公司则可以获得由Google代为收集的数据，包括网页浏览次数、页面点击次数、特定搜索的输入次数等。那么该公司与Google之间就共享数据，但数据所有权通常并不明确。企业之间基于数据的战略联盟也是数据共享的一种形式。如万达、百度、腾讯基于O2O建立的大数据联盟。当然涉及隐私和安全问题的数据同样需要经过“清洗”“脱敏”以后才能加以分析运用。第三方数据是由其他方（如第三方数据供应商）收集并拥有的数据。如政府数据、数据服务商、征信机构、市场调查机构等收集的数据。在第三方数据层面上，数据的来源和类型都大大增加，数据既可能来自于网页（网页抓取），也可能来自于数据供应商；既可能包括公开或公众数据，也包括封闭性和商业性质数据。如美国的一家高科技招聘公司Gild，运用自行开发的软件，从包括GoogleCode、LinkedIn等在内的80多种公开数据源中，搜索有关程序开发员的网页，并按其编写的免费开源代码的质量来评估其才能，以招聘合适的程序员[1]。由于第三方数据的收集方法通常不是很清楚，故拥有此类数据的公司的声誉至关重要；当数据购买方在收到所购买的数据结果时，关于数据的抽样程序、数据收集细节都不透明，因而数据购买方也不清楚数据是如何被收集的；第三方数据供应商往往根据顾客需求打包数据，针对特定目标群体提供信息[1]。当今，越来越多的企业使用外部数据来支撑自身发展，因此企业数据既有第一方数据（如传统数据、扫描数据、RFID数据），也可能有第二方数据（如网页数据），或者第三方数据（如由专业的第三方数据供应商提供的征信数据、市场调研数据等）。对于这些数据，企业要么拥有所有权，要么管理论坛