一文讲清数据资产入表实操

2024-01-03 21:52

本文主要是介绍一文讲清数据资产入表实操,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

《中共中央 国务院关于构建数据基础制度更好发挥数据要素作用的意见》已发布一年,数据资产化和入表已成为2023年的热门话题,随着2023年底国家数据局吹风《"数据要素x"三年行动计划(2024-2026年)》即将发布,这个话题更将成为2024年的持续热门话题。

       今天我们不讨论大家已经解读过无数次的政策,仅从数据资产化和入表的操作层面整理一些业内成熟经验。首先是对数据资产化流程各环节的定义,后边重点就数据估值和入表两个环节展开讨论一下。

       如有对数据资产的治理和估值的详细内容感兴趣的朋友可以看之前发的《一文讲清数据资产化之确权和估值​​​​​​​》

数据资产定义

定义

数据资产也是资产的一部分,所以我们先看看对资产的定义:

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《企业会计准则-基本准则》(2014 年修正)第二十条:“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—无形资产》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。

那么,对数据资产如何定义呢:

《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。

2023 年 8 月 21 日, 财政部发布了《暂行规定》,基于会计准则适用范围的新视角对企业的数据资源做了进一步划分,包括企业按照企业会计准则相关规定确认为无形资产或存货等资产类别的数据资源,以及企业合法拥有或控制的、预期会给企业带来经济利益的、但由于不满足企业会计准则相关资产确认条件而未确认为资产的数据资源。

另外,还有一些行业标准给出了定义。

《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”。

中国信通院发布的《数据资产管理实践白皮书 4.0》中关于数据资产的定义:“数据资产是指由企业拥有或者控制的,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”。

结合上述定义,以《暂行规定》为主,总结数据资源被定义为两大类,即企业使用、持有或用于出售的属于满足资产定义且满足资产确认条件的,其他的都属于不满足资产定义和/或不满足资产确认条件的。

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、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。数据资产的使用者可以根据不同的需求和数据算法,从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,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。

​​​​​​​

数据资产特征

数据资产要具备如下四项特征,才能称之为数据资产:

来源:资产是一项由过去的交易或者事项形成的资源。未来的交易和事项不形成资产。

权属:资产应为企业所有或者控制的资源,其产生的经济利益可靠地流入该企业。

收益:资产能够在未来给企业带来经济利益。

可计量:成本或价值可以可靠计量。

参考工行的定义,如果要进行交易,数据资产应满足如下前提:

一是依法合规,必须符合国家相关法律法规、政府有关部门规章制度及监管要求,对于涉及个人信息的外部数据获取和使用必须取得其充分授权;

二是稳定有效,数据具备可持续性,数据质量及数据源保持稳定;

三是本源权威,优先选取主数据源,经过反复验证与评估,保证数据可用性和价值体现。

数据资产化实施

数据资产化路线图

按照普华永道对资产化道路的阶段划分,可以分为三个阶段:

资源化,资产化,资本化。

这三个阶段还可以进一步细分:

资源化:数据确权、数据治理

资产化:数据产品化、数据产品估值

资本化:金融产品化、数据交易等环节。

资源化,数据确权即明确哪些数据是资产,这些资产哪些是属于企业的,然后就是对这些数据按照资产化的目标进行治理。

资产化,对已经治理的数据资产进行计量,然后形成数据产品(如离线数据包,在线数据服务等形式),最后对这些数据产品进行定价。

资本化,对上一步产品化的数据设计金融产品,然后将数据产品或金融产品推向相关市场进行交易。

当然还会有贯穿整个过程的数据运营环节。

数据确权

数据确权是证明该资产属于企业拥有或者控制的资源,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。

数据资产的定义

(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、记录及计量,对于手工记录的数据,不纳入数据资产范围。

确权的难点

  1. 资产边界难以认定,是否是企业拥有或控制。
  2. 数据质量决定了是否纳入资产,而数据的使用过程中发生变更、衍生、销毁封存等动作,都将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。

数据资产估值

数据资产价值驱动因素

现数据的质量因素与数据的价值息息相关。同时,在数据的整个发展阶段,其对应应用场景的经济性和多维性亦在数据资产价值中起着至关重要的作用。然而,我们亦不能忽视最根本的一个影响数据资产是否存在价值的因素,即法律和道德因素。基于此,我们以下图概括各项因素对数据资产价值的影响情况:

四个方面的影响如下:

风险方面

法律风险:合法合规是数据资产使用的基本前提。企业正面临日趋严苛的数据合规监管,一旦违法,企业的数据资产价值可能清零。合规合法则将为数据资产价值保驾护航。

道德风险:数据资产的使用还将面对舆论的监督。不合理的运作方式可能会引来舆论的谴责,丧失客户关系。

其他风险:例如硬件风险、宏观经济风险、政治风险等

数据质量

准确性、唯一性:主要取决于数据的来源。真实准确不重复的数据必将能够转化为稳健可靠的商业化成果,从而提升数据资产的价值。

完整性:若数据充分、完整、可持续利用程度高,则可以大大减少企业补充遗漏数据及后续年度循环重复使用的成本。

时效性、及时性:及时获取高时效数据,对于企业各方面的运营都至关重要。

数据发展阶段

在初级阶段,数据资产还仅仅为原始未加工数据的形式,尚未有具体匹配的商业化场景,价值可能仅限于其开发成本。

经过一定的加工,数据资产在初步找寻到适用的商业化场景后,即具有了一定的盈利模式,其价值显著增加,但仍存在不确定性。

最终,经过多次尝试,数据资产的商业化场景得以确定,多数的不确定性消除,数据资产价值显著增加实现最大化

应用场景

是否存在明确可界定的商业化应用场景决定了数据资产是否具有价值。在不同的商业场景下,数据资产也将发挥不同的作用,实现不同的价值。毫无疑问,数据资产所适用的场景越多维,场景之间的兼容性越高,则数据资产的价值越高。

企业应当尽可能探索数据资产所适用的各种场景,如果场景之间是兼容的,则可以探索出数据资产在各个场景下的价值,综合考虑场景兼容程度,最终综合得到数据资产的总体价值。

同时,基于之前对数据开发成熟度所处的不同阶段,形成了估值方法的框架如下

此外,对于有成熟交易市场的数据

数据资产估值方法

估值工作分为三个主要方面:

算什么:分类框架构建,估值对象划分。

怎么算:估值方法创新,通用参数体系搭建。

“算”出数据资产价值:估值方法匹配,算法与指标设计,数据采集与计算。

我们下边主要讨论核心的估值方法,业内一般把数据资产的估值方法分为货币估值和非货币估值两大类。

货币度量估值方法

常见的一些货币度量估值方法如下:

方法

概述

成本法

从待评估数据资产在评估基准日的重置成本中扣减价值损耗得到数据价值。

收益法

估计未来数据资产产生的业务收益,并考虑资金的时间价值,将各期收益加总获得数据价值。

市场法

根据市场已有数据交易价格,以数据特征的差异作为修正评估数据价值,拥有高质量、大规模等特征的数据价值更高。

WVI模型

考虑数据质量低下导致的低业务绩效或负债金额,对数据的价值进行反向论述。

RVI模型

强调某些数据的缺失可能尚未对企业造成实质性损失,而只是对其业务造成了潜在的业务风险和负面影响。

非货币度量评估方法

常见的非货币度量评估方法包括:

方法

具体内容

IVI模型

根据数据的客观特征(正确率、完整程度等)衡量数据内部的价值,不依赖数据支持的业务。

BVI模型

核心是衡量数据对业务的价值(业务相关性、及时性),同时也考虑数据内部的价值(正确、完整)。

PVI模型

衡量数据应用前后KPI的变化,即通过数据对企业关键目标的作用评估数据价值,此方法用于事后评估。

综合法

充分结合企业自身数据资产的评估目的和相关特点,构建价值评估模型。

数据资产入表

2020年,中共中央、国务院在《关于构建更加完善的要素市场化配置体制机制的意见》中提出了土地、劳动力、资本、技术和数据这五个要素领域改革的方向,并提出要加快培育数据要素市场。数据并列作为五大项生产要素,显著提升了生产要素组合效率、促进产业结构升级、推动实现商业模式创新,为高质量发展提供了重要的新要素动能。

会计准则是反映经济活动的技术标准,是生成和提供财务信息的重要依据,属于国家社会规范的重要组成部分,是政府规范经济秩序、实现社会资源优化配置和参与国际经济活动的重要手段。我国企业会计准则的基本准则对财务报告的目标进行了明确的定位,将保护投资者利益、满足投资者进行投资决策的信息需求放在了突出的位置。财务报告的目标是向财务报告使用者提供与企业财务状况、经营成果和现金流量等有关的会计信息,反映管理层受托责任履行情况,有助于财务报告使用者作出经济决策。数据作为当前数字经济时代全新的关键性生产要素,贯穿于数字经济发展的全程,生产要素的演变和发展将从根源上重构经济环境的发展以及具体的商业模式,势必也要求用于反映客观经济活动的会计准则和规范与时俱进,以使得财务会计在日新月异的经济环境下能够持续为财务报表使用者提供有用的信息,同时更系统性和科学性的记录和评价不同领域和类型的数据要素对经济社会发展的贡献度,更好的推动经济秩序规范的建立。

当前会计准则体系就如何在财务报表中合理反映数据要素资源尚无明确规定,该等经济资源应当如何反映在财务会计系统之中,将该隐形资源“显性化”,便于财务报告使用者根据该“显性化”后的信息作出经济决策,同时也起到更好的监督管理层受托责任的履行情况,论证数据要素资产化进而资本化的路径,是当前摆在包括财务报表编制者、投资者、准则制定者、监管者和学术界人士等各利益相关方面前亟待解决的重大课题。

财务角度的资产定义

讨论何为“资产”时,首先需要区分该资产为哪一个会计主体的资产,是数据采集、处理、加工和存储主体,还是承载产生数据的基础交易的平台主体,还是供不同主体进行数据交易的平台主体,亦或产生数据的用户主体,以及政府监管主体等不同的主体,可能均会因其各自对数据的权利、义务,以及产生经济利益的方式和风险报酬的不同而得出不同的结论。

这里以参与在数据产业链之上的企业主体作为会计主体的视角,探讨数据资产化的相关问题。

我国企业会计准则的基本准则对资产进行了明确的定义,即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。

根据资产的定义,资产具有的特征包括:资产应为企业拥有或者控制的资源、资产预期会给企业带来经济利益以及资产是由企业过去的交易或者事项形成的。

企业将一项资源确认为资产,需要符合资产的定义,还应同时满足以下两个条件:与该资源有关的经济利益很可能流入企业;该资源的成本或者价值能够可靠地计量。

由此可见,会计准则对于资产的定义、特征和确认条件着眼于经济利益流入的可能性,并强调控制该资源。

财务角度的数据资产定义

首先,根据《中华人民共和国数据安全法》对数据的定义,数据是指任何以电子或者其他方式对信息的记录。数据处理,包括数据的收集、存储、使用、加工、传输、提供、公开等。由此可见,数据本身是客观事物未经加工的原始素材。经过数据处理后,可以得到数据产品和服务。当人们谈论数据要素时,数据既包括原始数据,也包括根据原始数据处理后得到的数据产品。

在分析主体对某项客观存在的资源是否控制时,一般情况下法律权属是考虑的首要因素。《中华人民共和国民法典》第一百二十七条虽然承认了数据的民事权益地位,但未涉及具体的细节性规定。

值得注意的是,提及法律权属时,除了所有权外,数据本身还存在很多其他衍生的权利,例如收集权、加工权、使用权、交易权和收益权等。

该等权利也可能符合会计上的控制的定义。例如,实务中常见的一种使用权是主体通过签订租赁合同从而有权使用租赁资产的权利,在该等情况下,主体本身并不拥有该项资产的所有权。然而,如果主体在一段时间能主导某项已识别资产的使用,并有权获得在使用期间内因使用已识别资产所产生的几乎全部经济利益,主体就应当就所控制的使用权“上表”,确认一项使用权资产。

对于数据而言,在主体难以清晰举证其所有权的情况下,论证其是否可以主导使用某项细分权利,并获取与该细分权利相关的几乎全部的经济利益可能会是会计技术层面的一个突破口。

数据资产的会计分类

一般的,资产分为金融资产和非金融资产,其中非金融资产又可以按是否具有实物形态再细分为有形资产和无形资产。有形资产主要包括固定资产、投资性房地产等,虽然实务中大多数存货均具有实物形态,但由于存货准则并未明确定义存货是否必须具有实物形态,因此没有实物形态的资产也并未被明确排除在存货范畴之外。

这里我们着重讨论无形资产的分类。无形资产是指主体拥有或者控制的可辨认的、无实物形态的非货币性资产。该定义包含三层含义:

1.货币性资产,是指主体持有的货币资金和收取固定或可确定金额的货币资金的权利。当前观察到的数据资产尚不符合上述特征,因此属于非货币性资产。

2.针对是否具有实物形态,一种观点认为,某种意义上数据与常规的看不见和摸不着的无形资产相比,并不算真正意义上的无实物形态。另一种观点认为,有形资产的形态和其价值之间的关联度很高,例如房屋建筑物和机器设备,其实物形态的新旧与其价值高低有对应关系。对数据而言,具体以什么代码,进而以什么类型的语言表达的代码,似乎与其价值之间没有直接对应的关系,不同的载体之间也可以相互切换而不对其价值产生重大影响,例如代码之间的切换、图片和数字的切换等,代表的是同样的信息。因此,持该观点者认为,数据资产因为价值与具体形态没有直接关系,属于无形资产。

3.针对可辨认的标准,根据现行无形资产准则的规定,资产在符合下列条件之一时,满足无形资产定义中的可辨认性标准:

a. 能够从企业中分离或者划分出来,并能单独或者与相关合同、资产或负债一起,用于出售、转移、授予许可、租赁或者交换。

b. 源自合同性权利或其他法定权利,无论这些权利是否可以从企业或其他权利和义务中转移或者分离。

如上述分析,不同情形下主体对于数据的法定权利存在争议。因此我们此处着重分析其“可分离性”,如果数据可以合法用于出售、转移、授予许可、租赁或者交换,则符合会计概念上的“可分离性”。

综上,数据资产作为非货币性资产,同时也存在兼具无实物形态,且有可能符合可辨认的标准,因此,可能也适用于无形资产分类,且我们预期大多数主体会在满足资产定义和确认条件的前提下将其分类为无形资产。

数据资产计量

可以从外购和自身产生的两个角度进行计量。

1.外购形成的数据资产

对于外购形成的数据资产,在没有其他相反证据的情况下,其支付对价合法取得的数据一般较容易论证满足无形资产的确认条件,因为买方所愿意支付的款项在大多数情况下往往能反映其对应的数据资源所内含的预期经济利益很可能流入企业。换言之,即使经济利益流入的时间和金额存在不确定性,在理性经济人的假设下,可以合理推论买卖双方是在预期未来会有经济利益流入,并且在考虑了该等不确定性后确定的购买对价。

计量又分为初始和后续计量两方面。

针对无形资产的初始计量问题,无论是我国企业会计准则还是国际财务报告准则,无形资产通常以购买对价的公允价值作为初始确认金额。对买方而言,外购的无形资产成本包括购买价款、相关税费以及直接归属于使该资产达到预定用途所发生的其他支出。如果是非同一控制下的企业合并取得的无形资产,则以该资产于购买日的公允价值计量。

针对无形资产的后续计量问题,在我国企业会计准则下,无形资产初始确认后,后续应以成本减去累计摊销额和累计减值损失后的余额计量。使用寿命不确定的无形资产不应摊销但应每年进行减值测试。主体选择的摊销方法,应当反映与该无形资产有关的经济利益的预期消耗方式。无法可靠确定预期实现方式的,应当采用直线法摊销。

有别于其他资产,数据资产在使用过程中,不仅可被重复利用,还可以不断再生,随着数据规模的增大,其可挖掘的价值也会呈几何级数上升,因此传统的直线法或产量法等摊销方式可能均不适用于数据资产。

因此,尽快建立统一规范的数据交易平台,提高平台交易量和活跃度,培养成熟的数据买卖市场是采用公允价值进行可靠计量的有利条件,也是高质量财务会计信息的重要基础和关键所在。

2.自身产生的数据资产

对于主体在其日常经营的业务场景中生成并获取到的数据,可以考虑类比无形资产准则下关于内部研究开发形成的无形资产的确认标准,即区分研究阶段支出与开发阶段支出。

研究阶段的支出应当于发生时计入当期损益,开发阶段的支出则需证明下列五项才可确认 为无形资产:

  1. 从技术上来讲,完成该无形资产以 使其能够使用或出售具有可行性
  2. 具有完成该无形资产并使用或出售的意图
  3. 产生未来经济利益的方式,包括能够证明运用该无形资产生产的产品存在市场或无形资产自身存在市场,无形资产将在内部使用的,应当证明其有用性
  4. 有足够的技术、财务资源和其他资源支持,以完成该无形资产的开发,并有能力使用或出售该无形资产
  5. 归属于该无形资产开发阶段的支出能够可靠计量

从上述分析中可以看出,外购的无形资产和自发形成的无形资产的初始确认问题在准则层面的确存在不一致性,这也间接导致了在现行的企业会计准则下,相同的无形资产是内部产生还是通过外购或企业合并取得,对于是否能确认为无形资产可能会有不同的结果。

损益记录

当主体采用公允价值进行后续计量时,公允价值的后续波动应当立刻计入损益,还是暂时计入其他综合收益,待相关资产终止确认时再转入损益,也是实务界的一大争议问题。

一般认为,在公允价值能够可靠计量的前提下,可以考虑借鉴新金融工具准则基于主体管理金融资产的业务模式来区分其分类和计量方法的思路,通过区分主体对于数据资产管理的业务模式进行不同的核算。

具体而言,如果主体管理数据资产的业务模式主要是为了生产商品、提供劳务或经营管理而持有数据,则其后续公允价值变动计入其他综合收益,待终止确认时再转入损益较为合理。如果主体业务模式主要是为了出售而持有数据,则其后续公允价值变动立刻计入当期损益较为合理。

其他综合收益 如果主体管理数据资产的业务模式主要是为了生产商品、提供劳务或经营管理而持有数据,则其后续公允价值变动计入其他综合收益,待终止确认时再转入损益较为合理。

当期损益 如果主体业务模式主要是为了出售而持有数据,则其后续公允价值变动立刻计入当期损益较为合理。

数据资产入表

对满足确认条件的无形资产的相关披露要求,企业应当按照数据资产的主要类别在财务报表附注中披露:期初和期末账面余额、累计摊销额及减值准备累计金额;数据资产使用寿命的估计情况和判断依据;数据资产的摊销方法等信息。

我们通过如下数据资产变动表可以直观理解其中的核心披露要点:

表外资产

未满足确认条件的数据资产虽然未在资产负债表上反映,但以合理方式呈现这部分信息有助于反映管理层受托责任履行情况,也能帮助报告使用者作出经济决策,这与财务报告的目标是相契合的。

因此,对于在资产负债表中未确认为资产的数据资源,主体可以考虑在管理层报告中进行额外披露,建议的披露内容可以包括:

  1. 该等数据资产的取得方式(例如是否通过公共数据交易平台取得)、定价依据、数据应用场景、数据转让许可或限制以及该数据资产对企业的影响及风险分析等;
  2. 重大交易事项中涉及的数据资产,对该交易事项的影响及风险分析,重大交易事项包括但不限于企业的并购重组、经营活动、投融资活动、关联交易、资产置换等;
  3. 若存在数据资产失效的情况,披露该数据资产失效对企业的影响及风险分析;
  4. 企业认为有必要披露的其他数据资产的相关信息。

会计准则新进展

2020年9月举行的会计准则制定机构国际论坛上,各国参会代表就无形资产的会计处理等问题展开讨论。各国代表针对无形资产的会计处理可能导致企业账面价值与市场价值产生差异这一问题发表观点,其中美国财务会计准则委员会代表认为需要通过加强对无形资产的确认来解决企业账面价值与市场价值不一致的问题,理由如下:一是如果存在重要的无形资产未被确认,将导致权益的账面价值被低估,财务业绩评价不准确,财务报表的相关性下降;二是即使只能确认部分无形资产,也优于完全不确认。但是,无形资产的成本有时可能难以计量。加拿大会计准则委员会代表认为,无形资产的会计处理并不影响财务信息的相关性,且企业市场价值不属于财务报表的披露目标。由于无形资产的会计处理导致企业账面价值与市场价值产生差异这一问题可以通过额外的披露解决。

欧洲财务报告咨询组(以下简称“EFRAG”)也于2021年8月发布了技术讨论稿,针对财务报告编制者是否能够以及如何提供更好的无形资产信息征求利益相关方意见。讨论稿表明,当前财务报表所体现的价值相关性正在逐渐下降,这可能是因为当前国际财务报告准则通常要求主体确认并购取得的无形资产,而内部产生的无形资产只能在特定情况下进行确认,使得无形资产信息无法在财务报表中得到充分反映。无形资产的信息不对称可能会影响企业的市场价值,导致社会资本配置效率低下,也使得管理层受托履行责任的履行情况难以进行评估。该讨论稿进一步说明,在目前的准则体系下,财务报表使用者难以将自主成长的企业与通过并购成长的企业的会计信息进行横向比较。

这篇关于一文讲清数据资产入表实操的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/567168

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X

pandas数据过滤

Pandas 数据过滤方法 Pandas 提供了多种方法来过滤数据,可以根据不同的条件进行筛选。以下是一些常见的 Pandas 数据过滤方法,结合实例进行讲解,希望能帮你快速理解。 1. 基于条件筛选行 可以使用布尔索引来根据条件过滤行。 import pandas as pd# 创建示例数据data = {'Name': ['Alice', 'Bob', 'Charlie', 'Dav

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者