| 2,280 | 18 | 613 |
| 下载次数 | 被引频次 | 阅读次数 |
本文在厘清数据要素价值来源机制和构成的基础上，以国内生产总值（GDP）核算为核心开展数据要素资本化核算基本问题、理论机理和账户影响研究，构建具备可操作性且能够衔接国民经济核算体系的数据要素资本化核算理论框架，明晰数据要素核算纳入国民账户体系（SNA）框架的理论逻辑，以期为SNA文本修订以及我国数据要素核算方法制度建设提供参考。研究认为，基于数据价值链视角构建数据要素资本化核算路径，便于将数据要素价值核算纳入SNA框架。采用“理论、方法与实务”一体化衔接的核算研究范式，有利于解决现有理论研究和实践探索存在的“碎片化”问题。现阶段应以数据要素支出调查和投入成本核算为起点，通过“成本→投入→产出”的核算路径，打开数据要素资本化核算突破口。本文建议将数据资产划分为数据和数据库、数据R&D两类，在SNA框架下实现数据资本的分类核算。
Abstract：On the basis of clarifying the mechanism and composition of data factor value sources, this paper conducts research on the basic issues, theoretical mechanism, and account impact of data factor capitalization accounting based on the GDP accounting platform. It constructs a feasible theoretical framework for data factor capitalization accounting that can connect with the national accounting system,and clarifies the theoretical logic of incorporating data factor accounting into the SNA framework, so as to provide reference for the revision of SNA and the construction of data factor accounting methods and systems in China. The conclusions are as follows, firstly, designing a capitalization accounting path for data factor from the perspective of the data value chain can facilitate the incorporation of data factor value accounting into the SNA framework. Secondly, the adoption of an integrated accounting research paradigm that integrates theory, methods, and practice is the key to solving the problem of fragmentation in existing theoretical research and practical exploration. Thirdly, at present, the survey of data factor expenditures and input cost accounting should be taken as the starting point, and the accounting path of “cost→input→output” should be adopted as the breakthrough of data factor capitalization accounting. This paper suggests dividing data assets into two categories, that is data and database, and data R&D, and achieving classified accounting of data capital under the SNA framework.
[1]程啸.论大数据时代的个人数据权利[J].中国社会科学, 2018(3):102–122, 207–208.
[2]高敏雪.面向新时代的国民经济核算研究议题及相关问题[J].统计研究, 2021, 38(10):3–11.
[3]蒋萍,徐强,杨仲山.国民经济核算初级教程（第二版）[M].北京:中国统计出版社, 2019.
[4]江永宏,孙凤娥.研发支出资本化核算及对GDP和主要变量的影响[J].统计研究, 2016, 33(4):8–17.
[5]雷小乔.互联网平台用户数据资产收益估算方法研究[J].统计研究, 2024, 41(8):15–28.
[6]李花菊.关于数据资产核算[J].中国统计, 2021(2):52?53.
[7]李静萍.数据资产核算研究[J].统计研究, 2020, 37(11):3–14.
[8]李原,刘洋,李宝瑜.数据资产核算若干理论问题辨析[J].统计研究, 2022, 39(9):19–28.
[9]刘涛雄,戎珂,张亚迪.数据资本估算及对中国经济增长的贡献——基于数据价值链的视角[J].中国社会科学, 2023(10):44–64, 205.
[10]彭刚,李杰,朱莉. SNA视角下数据资产及其核算问题研究[J].财贸经济, 2022, 43(5):145–160.
[11]彭刚,李杰,朱莉. SNA纳入数据核算的潜在影响与难点解析[J].统计研究, 2024, 41(10):17–31.
[12]申卫星.论数据用益权[J].中国社会科学, 2020(11):110–131, 207.
[13]向书坚,梁燕,朱贺.政府数据资产核算若干理论问题研究[J].统计研究, 2023, 40(8):18–31.
[14]许宪春,张钟文,胡亚茹.数据资产统计与核算问题研究[J].管理世界, 2022, 38(2):14–30.
[15]许宪春,常子豪.关于中国数据库调查方法与资本化核算方法研究[J].统计研究, 2020, 37(5):14–26.
[16]叶雅珍,朱扬勇.数字化转型服务平台:面向新竞争格局的企业竞争力建设[J].大数据, 2023, 9(3):3–14.
[17]张平文,邱泽奇.数据要素五论[M].北京:北京大学出版社, 2022.
[18] Acemoglu D, Autor D, Dorn D, et al. Return of the Solow Paradox? IT, Productivity, and Employment in US Manufacturing[J]. American Economic Review, 2014, 104(5):394–399.
[19] Ahmad N, Van de Ven P. Recording and Measuring Data in the System of National Accounts[R]. Meeting of the OECD Informal Advisory Group on Measuring GDP in a Digitalised Economy on 9 November 2018, Agenda Item3.c.
[20] Buono D, Kapetanios G, Marcellino M, et al. Enhanced Step-by-step Approach for the Use of Big Data in Modelling for Official Statistics[R].IAOS Conference, 2018.
[21] Chebli O, Goodridge P, Haskel J. Measuring Activity in Big Data:New Estimates of Big Data Employment in the UK Market Sector[J/OL].Imperial College London, 2015. https://spiral.imperial.ac.uk/bitstream/10044/1/25158/2/Goodridge%202015-04.pdf.
[22] Goodridge P, Haskel J. How does Big Data Affect GDP? Theory and Evidence for the UK[J/OL]. Imperial College London, 2015a. https://spiral.imperial.ac.uk/bitstream/10044/1/25156/2/Goodridge_2015_06.pdf.
[23] Goodridge P, Haskel J. How Much is UK Business Investing in Big Data?[J/OL]. Discussion Paper 2015/05, Imperial College London, 2015b.https://spiral.imperial.ac.uk/bitstream/10044/1/25159/2/Goodridge%202015-05.pdf.
[24] Goodridge P, Haskel J, Edquist H. We See Data Everywhere Except in the Productivity Statistics[J]. Review of Income and Wealth, 2022, 68(4):862–894.
[25] ISWGNA. Recording of Data in the National Accounts(DZ.6)[R]. Twenty-Second Meeting of the Advisory Expert Group on National Accounts,2023.
[26] ISWGNA. Task Team on Digitalization, Recording and Valuation of Data in National Accounts[R]. 14th Meeting of the Advisory Exper Group on National Accounts, 2020.
[27] Ker D, Mazzini E. Perspectives on the Value of Data and Data Flows[R]. OECD Digital Economy Papers, 2020.
[28] Miller H G, Mork P. From Data to Decisions:A Value Chain for Big Data[J]. It Professional, 2013, 15(1):57–59.
[29] Nguyen D, Paczos M. Measuring the Economic Value of Data and Cross-border Data Flows:A Business Perspective[R]. OECD Digital Economy Papers, 2020.
[30] OECD. A Roadmap toward a Common Framework for Measuring the Digital Economy[R]. 2020.
[31] OECD. Measuring the Value of Data and Data Flows[J]. OECD Digital Economy Papers, 2022.
[32] Rassier D G, Kornfeld R J, Strassner E H. Treatment of Data in National Accounts:Paper Prepared for the BEA Advisory Committee[J/OL].2019-05-01. https://www.bea.gov/system/files/2019-05/Paper-on-Treatment-of-Data-BEA-ACM.pdf.
[33] Statistics Canada. Measuring Investment in Data, Databases and Data Science:Conceptual Framework[J/OL]. 2019a. https://www.150.statcan.gc.ca/n1/pub/13-605-x/2019001/article/00008-eng.htm.
[34] Statistics Canada. The Value of Data in Canada:Experimental Estimates[J/OL]. 2019b. https://www.150.statcan.gc.ca/n1/pub/13-605-x/2019001/article/00009-eng.htm.
(1)本文修改过程中，联合国统计委员会等发布了SNA 2025（草案），涉及数据资产的主要内容有：第一，单列数据资产，并进一步确认数据资产的生产性资产范畴；第二，依托信息价值链框架阐释数据的价值增值问题；第三，强调从成本角度开展数据资产核算；第四，建议把数据和数据库合并处理。除此之外，有关数据和数据资产的定义，以及相关的数据资产属性等延续了此前联合国统计委员会秘书处间国民账户工作组（Inter-secretariat Working Group on National Accounts，简称ISWGNA）的有关讨论稿。总体而言，SNA 2025（草案）为本文以及未来的研究提供了很好的参考，其有关文本描述与本文的核心观点一致，从一定程度上也验证了本文的一些研究设想。相比而言，本文更加关注从资本化核算路径阐明数据要素价值核算的理论机理与理论影响，这是对SNA 2025（草案）有关基本核算概念、原则等的进一步延展。SNA 2025（草案）中有关数据资产的文本可见https://unstats.un.org/unsd/nationalaccount/SNAUpdate/2025/2025SNA_CH22_V11.pdf。
(1)观测可以是任何东西，即使没有人类活动参与，一些现象也会发生。因此，可以将观测视为所有活动（无论人类是否参与）的总和，且具备非生产属性。在此基础上，有人类劳动参与的，已转换为可以存储、传输或处理并可以从中汲取知识的数字形式的观测可以定义为数据（Statistics Canada,2019a），这符合SNA中关于产出的界定。
(1)高敏雪等（2021）认为“产出是生产的成果，可以笼统地称为产品”，因此数据产出也可以笼统地称为数据产品。根据《深圳市数据产权登记管理暂行办法（征求意见稿）》的术语定义，数据产品是指机构部门通过对数据资源投入实质性加工和创新性劳动形成的数据和数据衍生产品，包括但不限于数据集、数据分析报告、数据可视化产品、数据指数、API数据、加密数据等。其中，数据资源指的是机构单位基于数据来源方授权的，在生产经营活动中采集加工形成的数据。
(2)按照国民经济核算基本原则，传统服务无法独立存在，需要依附于一个实体（比如运输服务要依附于运送的货物或者人），或者只能在生产者与使用者之间直接交付，本身难以储存和运输，正因为存在与货物不同的特征，所以有“服务是不可贸易的”说法。服务只能用于消费的说法表明了其即产即用且无法储存从而无法记录为投资的特性。但这个“消费”未必是最终消费，也可以用作中间消耗。借助于数字技术，原来无法储存和运输的服务可以储存和运输，因而此时服务可能是有货物的性质，且原来的服务可能变成可以进一步复制的“母版”，因而不仅可以作为存货进入资本形成，而且可以作为知识产权产品，通过固定资本形成转化为固定资产，但这必须以资产所有权为前提。
(1)UNCTAD在《Digital Economy Report 2019》中提出了这一流程，具体可见https://unctad.org/publication/digital-economy-report-2019。
(1)在Statistics Canada(2019b)的实验性核算中，此活动称为“Data Science”。但从相关国家的统计核算实践来看，未有明显证据表明数据相关的研发活动已纳入核算范围或者能够清晰地区分出此类活动（Goodridge等，2022）。后文对数据资产账户记录的讨论中，还将围绕这一问题展开分析。
(2)现有研究认为，数据分析和应用活动符合SNA和《弗拉斯卡蒂手册》（OECD发布的研发测度指导文本）关于研发的定义（Goodridge和Haskel,2015a,2015b;Statistics Canada,2019a,2019b）。因此，为更好地衔接SNA框架，并便于识别和区分，本文称之为数据R&D活动。
(3)从资产持有方来看，资产处置主要是出售、报废和磨损三种方式，会直接影响给定时点的资产存量规模。其中，资产出售是通过变更所有权的形式向其他主体交易资产。报废是从资产耐用年限层面阐释资产退出生产过程的情形。一般的资产还存在磨损问题，主要强调资产参与生产过程的“效能”“效率”“能力”下降问题。数据资产磨损问题则是指生产过程中因时效性等问题，数据对生产的贡献下降，或者与其他生产要素的匹配性下降导致数据资产在生产中的作用降低。
(4)数据要素资本化核算要有清晰的边界。价值链理论也明确了数据资产的范围，其强调数据资产是生产的产出，且要投入到新的生产过程。此时，需特别注意数据资产与金融资产的区别。尽管数字化在金融领域得到广泛应用，但无论是数字货币还是权益类股权、投资基金份额，以及金融衍生工具和雇员股票期权都不属于数据资产的范畴。数据要素仅参与金融生产和服务的环节，与金融资产有本质差异。
(1)Statistics Canada(2019b)的试验性处理中，通过支出角度衡量数据投资、数据库投资和数据科学投资，并将三个阶段的投资累积视为数据资本形成。
(2)对于这4类情形的划分参考了许宪春和常子豪（2020）关于数据库资本化核算的影响研究，以及江永宏和孙凤娥（2016）关于R&D资本化核算的影响研究。为便于分析，不考虑数据产品（资产）生产过程中使用其他数据产品（资产）的情况，也不考虑同时涉及数据生产和使用的情形。对于数据资产使用所涉及的核算影响问题，因为已经确认为固定资产，可在现有核算框架内按照固定资产的核算影响进行处理，在此不再展开分析。
(1)非市场生产者主要是政府和非营利组织，在我国这两类都属于广义政府的范畴。
基本信息:
DOI：10.19343/j.cnki.11-1302/c.2025.03.002
中图分类号:F222
引用信息:
[1]王开科,何强.基于价值增值视角的数据要素资本化核算研究[J].统计研究,2025,42(03):16-31.DOI:10.19343/j.cnki.11-1302/c.2025.03.002.
基金信息:
国家社会科学基金一般项目“数据要素资本化核算的理论方法研究与中国实践探索”（23BTJ009）
2025-03-25
2025-03-25