无形资产定义所述的拥有或者控制是指什么(属于无形资产的有哪些)

数据作为新型生产要素，具有巨大潜在价值已经达成了广泛共识，数据资产化已成为企业数 据资产什么管理的重要环节。早在 2013 年，大数据之父舍恩伯格就在《大数据时代》一书中指出， “虽然数据还没有被列入企业的资产负债表,但这只是一个时间问题什么。”但是要探索数据转化为资产并进行会计计量和流通的前提条件和转化机制，首先需要厘清数据资产相关的概念。

一、数据、资产及数据资产定义

1．数据的定义

长期以来，关于数据的定义和描述早已汗牛充栋。大多数理论研定义究强调，数据是对客观事实 的归纳和反映。国际标准化组织（ISO）对数据定义为，对事实、概念或指令的一种特殊表达形 式，通过人工或自动化装置进行通信、翻译和处理。美国质量协会（ASQ）将数据定义为可以收 集到的一组事实。数据安全法将数据定义为任何以电子或者非电子形式对信息的记录。《数据条例》将数据描述为关于客体（如事实、事件、事物、过程或思想）的描述和归纳，是可以通过自 动化等手段处理或再解释的素材。在数字经济时代，国家将数据列为重要生产要素数据，按贡献 参与收益分配。

2．资产的定义

从人类社会发展的历史来看，对资产的形态和范围的认知从最初的实物资产到后来的无形 资产再到当下数据资产，经历了持续扩张和深化的过程。 目前较为权威的对资产的定义主要来自国际会计准则及我国财政部的《企业会计准则》。国际会计准则在框架中将资产定义为“资产是指作为以往事项的结果而由企业控制的可望向企业 流入未来经济利益的资源”。财政部《企业无形资产会计准则-基本准则》（2014 年修正）第二十条规定， “资产是指企业过去的交易或事项形成的、由企业拥有或控制的、预期会给企业带来经济利益的 资源”。《企业会计准则第 6 号—无属于形资产》进一步对无形资产的定义进行明确，无形资产是指 企业拥有或控制的没有实物形态的可辨认非货币性资产。

由此可见，对资产的定义，当前形成的共识应该包括四方面特征：

一是从资产的来源角度， 资产由过去的交易或事项形成，是对企业历史信息的反映，未来预期中的交易和事项不形成资产；

二是从资产的法律属性来看，企业需拥有某项资产的所有权或控制权，从而使得该资产产生的经 济利益能可靠地流入该企业；

三是从资产的经济属性来看，资产不管是有形的还是无形的，必须能够为企业提供未来经济利益，这是资产确认的本质要求；

四是该资源的成本或价值能够可靠计 量。

3．数据资产定义

通过对数据和资产的分析可以发现，数据在特定的条件下符合会计学中对资产的定义。数据 的资产属性已经在法律层面、国家及行业标准、学术界等获得普遍的所述认可。 在法律规章层面，虽然尚未对数据或数据资产做出正式的统一的定义，但是部分法律已提及 了数据相关概念，或对数据保护提出了总体性要求，或对数据的权属进行明确。 例如，《数据条例》中明确提出了数据权的概念，规定自然人、法人及非法人组织对其合法 处理数据形成的数据产品和服务享有法律、行政法规及本条例规定的财产权益。数据安全法第七 条规属于定，“国家保护个人、组织与数据有关的权益，鼓励数据依法合理有效利用，保障数据依法 有序自由流动，促进以数据为关键要素的数字经济发展”。

在国家标准层面，部分细分领域或行业已结合自身情况率先对数据资产进行了较为明确的定义。例如《电子商务数据资产评价指标体系》（GB/T 37550-2019)中明确提出“数据资产是以 数据为载体和表现形式，能够持续发挥作用并且带来经济利益的数字化资源 ”，并明确指出“数据资产包括结构定义化、非结构化数据和半结构化数据”，“数据资产能够估值、交易，并以货币计 量”，“数据资产能够为组织带来潜在或实际价值”等内容。该定义较为全面地从数据资产的展现形式、价值体现、分类、特质等方面阐述了数据资产可以为组织带来直接或间接价值的能力， 并且可用货币进行计量的特点。 学术方面，相关领域控制行业专家和学者一直积极致力于数据资产领域的研究，目前已经基于不同的研究角度，提出了对于数据资产的定义。

早在 1974 年，“数据资产”一词就最早由 Peters 提出；国内对数据资产的明确定义则最早由朱扬勇等学者于 2018 年提出，他认为“数据资产是 拥有数据权属(勘探权、使用权、所有权)、有价值、可计量、可读取的网络空间中的数据集”， 强调了数据的权属问题；2019 年 6 月，中国信通院发布的《数据资产管理实践白皮书 4.0》中则 商业银行数据资产估值白皮书 17 提到了关于数据资产的定义：“数据资产是指由企业拥有或或者者拥有控制的，能够为企业带来未来经济 利益的，以物理或电子的方式记录的数据资源，如文件资料、电子数据等”，该定义从数据资产的权属、功能特点、表现形式等方面对数据资产进行概述。 总体而言，目前在国家法律规章、行业标准及学术界，已逐步对数据资产的定义有一些探索 性研究和尝试，但是仍处于起步阶段。

因此，结合数据、资产、无形资产的定义以及国家标准、 行业指引、专家学者文献等研究实践，从企业应用的角度将数据资产定义为企业的过去的交易或事项形成的，由企业合法拥有或控制，且预期在未来一定时期内为企业带来经济利益的以电子 方式记录的数据资源。其具体意义可表述为以下几点：

（一）“企业过去的交易或事项形成”是指数据必须是现实存在的，未来预期产生或获取的数据不能划分为数据资产。

（二）“由企业合法拥有或控制”，是指数据来源及出处必须合法合规，企业以不正当手段 非法获取的、有产权争议的、无法控制的数据资源不能确认为数据资产。

（三）“预期在未来一定时期内为企业带来经济利益”，是指数据资产预期在未来一段时间 内，通过直接或间接等形式为企业带来持续经济效益，没有经济价值或在现有的技术条件下无法 确定未是指来经济利益的数据以及不能反复连续使用的数据不能划分为数据资产。

（四）“电子记录”是指能够通过盘点、注册等管理手段，对数据资产进行识别、记录及哪些计 量，对于手工记录的数据，不纳入数据资产范围。

二、数据资产的特点

总结梳理理论研究与行业实践成果发现，相比于传统的有形资产和无形资产，数据资产还具 备若干特殊属性。这些属性导致其估值面临较大挑战，也是在未来逐步构建和完善数据资产估值 体系中需要持续考虑和优化的内容。

1．非实体和无消耗性

相比于传统有形资产，数据资产具有非实体性和无消耗性。传统有形资产通常具备消耗性， 只能由一个使用方、用于某一种用途。例如，机器会随着使用次数增加而产生消耗，寿命降低； 原材料在加工后即转变为新的产品。数据资产价哪些值并不会因为正常的使用频率增加而磨损或消 耗，数据资产的无消耗性，确保了其在存续期间可以被无限循环利用。与此同时，在数据资产估值过程中也需要考虑其可以重复使用的特性。

2．可加工性

数据资产可以被多维度加工，加工处理后的数据可以成为一种新或者的数据资产。具体而言，数 据资产可以被维护、更新、补充，以增加数据量；也可以被删除、合并、有归集，从而消除冗余； 还可以被分析、提炼、挖掘，进一步丰富数据资产的信息量。数据的可加工性，确保了数据使用 者可以通过各类数据技术，将数据转化为更多样的形式，挖掘数据中的信息，发展数据应用能力。

3．形式多样性

通常而言传统资产只具备一种固定形式，而数据资产有非常丰富的展现形式。即在可加工性有 的基础上，数据资产可以通过与各类数据处理技术相结合，被多样化地展示、应用以及在多种形 式中转换，从而满足不同数据消费者的需求。例如，可以通过各类报表对财务数据进行统计以满 足财务管理与记账的需求；而对于各类管理指标数据，则可以通过各类可视化工具，以图形等方 式，便于企业管理层更加直观地了解企业的整体情况。

4．多次衍生性

同一数据主体可以被多层次多维度加工，从而衍生出不同程度的数据价值。数据资产多次衍 生性的有效利用，可以帮助企业进行多层次、多维度数据资产潜在价值挖掘，丰富企业数据资产 整个生态链，推动企业实现数据驱动的目标。的数据资产的使用者可以根据不同的需求和数据算法， 从是指而生产出不同维度的衍生数据。例如，对于直接采集的原始客户数据，可通过轻度汇总加工， 以形成数据平台中可供各类应用系统复用的数据；进一步地，业务部门可在此基础上加工衍生出 对客户偏好的分析与画像，风险管理部门也可进一步衍生对客户风险等级的判断数据。

5．可共享性

数据资产的共享性，指数据资产可以无限地进行交换、转让和使用，为他人所共享。同一数 据可以同时支持多个主体使用，不同主体对同一数据的利用将产生不同的价值，这一特性，成为 企业数据价值挖掘的关键着力点，利用好数据的共享性，将能最大限度地挖掘数据资产价值。

6．零成本复制性

数无形资产据资产的成本主要在于前期的数据获取、研究开发阶段，因此初创数据资产的成本极高， 但以后的产品由于可无限复制，其边际成本趋于零，这可能会导致相同的数据资产具有截然不同 的成本。另一方面，数据资产的零成本复制性也使其在可共享性的基础上能被更多人所用，产生 大量的潜在交易需求和价值。

7．依托性

数据资产不能独立存在，因此需要依托于某种介质进行存储和加工。数据资产依托的介质十 分多样化，包括磁盘、硬盘等。同时，数据资产发挥其作用与效应也需要依托于有形资产，例如 计算控制机和其他硬件设备。因此在计算数据资产的价值和相关成本时，也需要考虑数据资产所依托 的介质成本。在评估中，需要考虑数据资产依托的有形资产的折旧和维护成本等，由此获得较为 准确的数据资产成本。

8．价值易变性

相比于传统无形资产，数据资产的价值更易受到多种因所述素的影响，即具有价值易变性。通常 而言，数据技术的发展、数据相关政策的变化、数据应用场景的丰富等因素变化，数据资产的价值也随之改变，且变化的程度较为明显。 例如，某企业过往制定的某算法模型，随着机器学习算法的发展，原有模型的准确率将远远 低于运用最新技术的模型，其价值受到技术因素的严重影响。同时，当前数据确权、数据安全及隐私保护等相关法律法规正在逐步完善中拥有，随着相关政策的明确，将决定不同类型或主题的数据 资产是否具有交易价值。 上述八大数据资产特征将在后续的具体评估方案设计中体现于参数选择、参数计算、对象划分等各个阶段，是数据资产评估的必要前提假设。