- 由 虚拟的现实创建于12月 25, 2024 需要 1 分钟阅读时间
前言
近期，数据交易与数据资产入表相关话题备受关注，引发了一轮又一轮热烈的讨论，几乎每一篇与之相关的文章、言论等，都能在网络上掀起不小的热度，吸引众多网友各抒己见、积极参与探讨。
最近看到大家的讨论也有了一些新的启发。
资产定义
随着互联网公司大力开展大数据业务，通过运用数据打造千人千面的广告模式并从中赚取了丰厚利润，自此，数据便一直备受关注，热度居高不下。尤其是在最近两年的数据资产入表概念后，也开始吸引众多传统企业和机构进入数据这个领域。不过，在数据资产入表这件事上，却一直存在着不少争议。而在众多争议点当中，对于资产定义的争议最为突出。我们先来看下对于资产的定义：
资产（英语：Asset），在会计学上指一企业透过交易或非交易事项所获得之经济资源，能以货币衡量，并预期未来能提供效益者[1]。资产，就是能够为个人或企业带来收益的东西。在财务会计中，资产是企业拥有的任何资源，如机器、厂房、商誉、专利等有形资产与无形资产。一般来说，资产体现了一种所有权，货币可以兑换商品体现了选择权。资产的定义里有一个比较重要的指标，就是能够以货币衡量。这个可能是大家对数据作为一种资产入表最不被认可的一点。下面举几个例子：
为什么空气不能被企业记为资产？
1、缺乏可控制性
资产在会计概念里，是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。空气虽然对人类等来说极其重要且有价值，但它广泛存在于自然界中，企业没办法去实际拥有它或者对其实施有效控制。比如企业不能像拥有一栋房产那样，明确划定空气归属于自己，并阻止外界对其随意使用，所以不符合资产认定中 “拥有或者控制” 这一关键条件。
2、难以可靠计量
要将某样事物作为资产确认，需要能以货币进行可靠计量其成本或价值。空气是无处不在的自然物质，很难去精确衡量它具体值多少钱，无法确定一个合理、客观且被认可的货币计量金额，这使得其无法满足财务上资产确认的计量要求。
为什么有价值的高管团队不能被记为资产？
1、所有权归属问题
资产是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。高管团队是由一个个独立的自然人组成，他们与企业之间是雇佣关系，并非像企业所购置的固定资产（如机器设备）那样归企业所有。这些高管人员拥有独立的人身权利，随时有可能基于自身意愿（比如离职另谋高就等）与企业解除雇佣关系，企业并不能真正完全 “拥有” 他们，所以不符合资产 “由企业拥有或者控制” 这一关键定义要素。
2、可辨认性方面的欠缺
通常资产需要具备可辨认性，能与其他资源区分开来单独进行确认和计量。而高管团队是一个群体概念，其在日常运营中所发挥的作用往往是通过协同合作、管理决策等诸多复杂行为交织在一起体现的，很难像一项单独的专利技术或者一栋具体的房产那样，清晰明确地从企业整体资源中分割辨认出来，单独对其价值进行精准确认和计量，这与常规资产的可辨认特征不符。
还有哪些有价值的内容，但是通常不能被记录为资产的？
- 企业的品牌声誉
- 企业内部的管理团队能力和经验
- 企业与客户、供应商等建立的良好关系
- 企业的创新文化氛围
- 企业的商业机密（未申请专利等保护形式的部分）
- 企业的市场准入资质（有时间限制且非永久性的情况）
- 企业内部的高效沟通协作机制
企业建设的ERP系统可以作为资产么？
企业投资的 ERP 系统通常可以作为资产，以下从不同角度来具体分析：
1、从资产定义角度来来看：
符合 “由企业拥有或控制”：企业通过合法途径购买 ERP 系统软件的使用许可，或者自行投入资源进行 ERP 系统的开发，在相应的使用期限或所有权约定范围内，企业能够对该系统进行支配、管理和使用，决定其应用于企业内部哪些业务流程以及如何进行维护、升级等操作，满足资产可被拥有或控制这一条件。
符合 “预期能给企业带来经济利益”：ERP 系统整合了企业的采购、生产、销售、财务、人力资源等多方面的业务流程和信息资源，能够实现数据的实时共享、提高工作效率、优化资源配置、降低运营成本、增强企业的决策科学性等。例如，通过 ERP 系统精准的库存管理功能，避免库存积压或缺货情况出现，从而节省成本、增加销售机会，为企业带来直接或间接的经济利益。
2、从会计核算角度来看
符合可计量要求（购买的情况）：如果企业是从软件供应商处购买现成的 ERP 系统，其购买成本是明确的，包括软件的采购费用、实施费用（如系统安装调试、人员培训等相关支出）等，这些都可以准确地进行货币计量，作为该资产初始入账的价值。
符合可计量要求（自行开发的情况）：若是企业自行研发 ERP 系统，在符合会计准则规定的资本化条件下，研发过程中发生的各项支出（如开发人员薪酬、开发所用的硬件设备和软件工具的购置费用、测试费用等）可以进行归集并资本化，确定其开发成本，同样能够可靠地计量该系统作为资产的价值。
3、从资产分类角度来看
作为无形资产核算居多：在大多数情况下，ERP 系统没有实物形态，属于企业拥有的软件类资源，并且其使用周期往往较长，一般会超过一个会计年度，所以通常符合无形资产的特征，会被企业作为无形资产在资产负债表中进行列示，按照无形资产相关的会计准则要求进行后续的摊销、减值测试等会计处理。
企业要将 ERP 系统作为资产，需确保其符合相关的会计准则规定，获取过程合规、价值计量准确，并且在后续使用中做好相应的账务管理和资产维护工作等，这样才能准确地在财务报表中体现其资产属性及价值。
哪些数据有可能被认可为企业资产？
客户相关数据（满足一定条件时）
数据内容举例：像客户的基本信息（姓名、联系方式、地址等）、购买历史记录（购买的产品或服务种类、频次、金额等）、消费偏好（颜色、款式、功能偏好等）以及客户的会员等级、积分情况等。这些数据的获取可能有严格的渠道，例如客户通过渠道或者广告得到信息去注册，中间就有渠道的成本。
符合资产定义的原因：企业通过合法的经营活动，如客户注册、交易记录等方式收集这些数据，对其拥有控制权，能够决定如何存储、分析以及运用这些数据。并且可以利用这些数据进行精准营销、客户关系管理、产品优化等，预期会给企业带来经济利益，比如通过分析购买历史和偏好，针对性推荐产品，提高客户复购率和销售额。
同时，随着数据评估技术发展，其成本投入（如收集系统搭建成本、数据整理人力成本等）以及价值（参考市场同类数据交易价格等）在一定程度上也能够进行相对可靠的计量。
数据资产的入表，除了会计记账还有什么用途？
数据资产入表，一方面，它能够把企业在过往经营过程中，为获取、整理以及开发数据所投入的成本进行资本化处理，使其以资产的形式记录在企业的财务报表之中。而另一个很重要的作用是将这部分资产抵押给金融机构作为融资手段。
即便企业不选择直接将数据资产用于抵押，数据资产成功入表这一举措本身，也有助于显著降低企业的资产负债率。要知道，资产负债率是金融机构衡量企业偿债能力与信贷风险的关键指标之一，如此一来，众多原本因资产负债率过高而受到金融机构融资限制的企业，便有机会突破这一红线赢得更多的融资机会。
不能被交易或者抵押处置的数据资产，入表有意义么？
在企业的融资活动中，鲜少有企业会考虑把自身的 ERP 系统当作资产拿去抵押，同时，市面上也几乎不存在愿意接纳这类抵押品的金融机构。
这背后的原因不难理解，ERP 系统有着很强的特殊性，它是紧密贴合企业自身特定的经营环境而搭建并发挥作用的。每个企业的业务流程、组织架构、管理模式等各有不同，这使得 ERP 系统高度定制化，一旦脱离了原企业的环境，移植到其他企业当中，它便很难再产生相应的价值，几乎形同虚设。
对于企业而言，那些极具价值的数据，往往多为不可交易的数据类型。比如企业的核心客户数据，这些数据涵盖了重要客户的详细信息、购买偏好以及长期合作形成的特殊往来情况等，还有匹配企业最佳运营实践的数据，像依据企业自身独特的生产流程、管理方式等总结出来的能实现高效运营的关键数据。
一方面，这些数据的保密性至关重要。一旦泄露，将会给企业经营带来极为严重的后果。就像那些没有变成公开专利的企业技术机密一样，很难将这些数据披露出来作为资产。竞争对手若是获取了这些核心数据，就相当于掌握了企业的 “命门”，他们能够据此精准地制定针对性策略，抢夺市场份额、挖走关键客户，甚至可能使企业在市场竞争中陷入绝境，对企业的正常经营造成近乎毁灭性的打击。
即便企业将这类数据用于抵押，金融机构出于多方面的顾虑，也很难真正去对其单独进行拍卖处置，毕竟后续可能引发的数据安全和企业经营风险难以把控。
另一方面，也有很多的企业数据有着很强的环境依赖性。它们是在企业特定的运营环境下，经过长时间的积累、磨合以及实践验证才形成的，与企业独有的业务流程、组织架构以及管理模式深度融合、相互适配。
倘若脱离了这个原生环境，放到其他地方，就如同齿轮离开了与之契合的机器，根本无法发挥出原有的作用，变得毫无价值可言。
数据交易的困境：场外交易和低频
中国的数据交易发展这么多年，大部分的数据交易并没有形成真正的线上交易，这个与我们理解的“现代化交易所”有很大的区别。
现在的数据交易，更多的像是场外交易，非常像翡翠原石的交易。据《2023 中国翡翠产业发展白皮书》显示，2022 年中国翡翠市场交易额达到 1134 亿元，连续 3 年成长为仅次于黄金的第二大珠宝消费品类。
翡翠之所以具备较高价值，关键在于其稀缺性，尤其是那些品质珍贵的翡翠，往往是独一无二、不可复制的存在，这种天然的稀缺特质使其在市场上拥有了稳固且可观的价值基础。
目前数据交易的市场规模，可能只有翡翠交易的零头。数据提供商首先向采购方提供部分数据样本，采购方则需为此支付相应的一部分费用。待采购方对样本数据进行评估，确认符合自身需求后，数据提供商再进一步向采购方提供更多的数据，相应地，采购方也会按照约定支付更多的费用。整个市场更像是个灰度信息的暗网交易市场，而不像是一个公开交易的市场。
由于数据本身具有易复制、易窃取的特性，这使得在交易过程中，交易双方都极为谨慎，通常只会采用样本试探的方式来逐步推进合作。更为复杂的是，在数据交易市场上，供应方和需求方往往很难直接对接，其间可能会涉及多个中间商参与其中。这些中间商大多也是凭借部分样本数据来促成交易，这无疑进一步增加了交易链路的复杂性和不确定性。
数据交易还面临着一个棘手的难题。倘若交易的数据是固定不变的数据集，那么购买了数据的一方极有可能摇身一变成为下一个数据供应商，也很难限制数据购买方故意或者不小心泄露这些数据。如此一来，市场上便会存在多份完全相同的数据。随着数据交易频次的增多，这种情况愈发普遍，市场上潜在的数据供应也会越来越多，进而不可避免地导致数据本身的价值不断降低。
从长远来看，这就意味着数据交易大概率会呈现出低频的特征，无法形成规模经济效应。并且数据在经过几次交易流转之后，就如同煤炭逐渐燃尽变为煤渣一般，价值大打折扣，最后可能沦落为网盘中价值几分钱的数据。
很难像翡翠那样凭借自身独特属性维持较高的市场价值，形成稳定且可持续的交易市场格局。
数据交易的真正难点：流通和匹配
在当今的市场环境中，数据交易市场与翡翠市场存在着诸多差异，其中最为突出的一点便是数据供需双方的匹配难度。
翡翠市场历经多年的发展，已然形成了相对成熟且活跃的二级市场。在这个市场里，一件珍稀的翡翠工艺品往往具备良好的流通性，即便它不符合某一个人的喜好与需求，持有者也能够较为轻松地在市场上寻找到其他感兴趣的买家，从而顺利将其转手售卖出去。这种顺畅的流通得益于翡翠本身具有相对客观且被广泛认可的价值衡量标准，无论是其材质的稀缺性、工艺的精湛程度，还是外观的美观度等，都能够成为评判其价值高低的依据，进而使得翡翠在市场参与者之间可以自由流转。
然而，反观数据交易市场，情况则截然不同，数据的流通性远不及翡翠。对于同一份数据而言，它在不同个体或企业眼中所体现出的价值可谓天差地别。也许对于某个人或者某个企业来说，这份数据极具价值，能够为其带来诸多助益，例如帮助优化业务决策、挖掘潜在市场机会或者提升运营效率等。
但换做另一个人或者另一家企业，这份数据可能毫无用处，甚至被视作是毫无价值的 “垃圾”，哪怕仅仅是将其保存在硬盘之中，都会让人觉得是在浪费宝贵的存储空间。
在现实的市场环境中，大部分数据的真正拥有者，出于种种顾虑，其实并不希望自己所掌握的数据向外扩散。就拿个人用户来说，在互联网飞速发展的今天，人们在使用各类互联网产品的过程中，个人数据会不可避免地被收集起来。但事实上，大部分个人用户内心深处是抵触这种情况的，他们并不希望自己的私人信息、行为习惯、消费偏好等个人数据被互联网产品获取，更不希望这些数据被用于其他未经授权的用途。
同样地，对于企业而言，企业内部的数据往往包含着诸多商业机密、核心运营策略以及客户资源等关键信息，这些数据一旦公开到市场上，极有可能被竞争对手获取，进而使自身在激烈的市场竞争中处于劣势地位。
但是，许多个人或者企业，甚至都不清楚自己所拥有的数据已经被打包整合进了各类的数据服务商之中，并在数据交易市场上被二次交易。这种信息的不对称造成的灰度市场，无疑进一步加大了数据供需匹配的难度。
数据的流通：没有想象的那么简单
麦克斯韦妖诞生于 1871 年，是由英国物理学家詹姆斯・麦克斯韦为了阐释违反热力学第二定律的可能性而设想出来的一个神奇 “妖物”。当时，麦克斯韦敏锐地察觉到自然界里似乎存在着一种与熵增加相抗衡的能量控制机制，可他却难以清晰、准确地去说明这一机制到底是如何运作的。
于是，他以一种诙谐的方式假定了这样一种 “妖”，它有着非凡的能力，能够按照特定的秩序和规则，把那些做着随机热运动的微粒分配到相应的相格里。从某种意义上来说，麦克斯韦妖算得上是耗散结构的一个雏形。
我们不妨用一个简单的例子来描述它的神奇之处。想象有一个绝热容器，它被平均分成了相等的两格，而在两格中间，存在着一扇由 “妖” 掌控的小 “门”。容器中的空气分子不停地做着无规则的热运动，不断地向这扇门上撞击。而这扇神奇的 “门” 能够选择性地将速度较快的分子放入一格，把速度较慢的分子放入另一格。分子运动快的区域温度高，分子运动慢的区域文帝低。如此一来，其中的一格温度就会比另外一格高，借助这样的温差，便能驱动热机去做功了。
这无疑是第二类永动机的一个典型范例，展现出了一种看似打破常规的能量操控可能。然而，事情并非如此简单直接。就像在 1981 年，Bennett 的论文所揭示的那样，麦克斯韦妖控制 “门” 使分子从一格进入另一格的过程中，耗散并非发生在衡量过程里，而是出现在妖对上个分子判断 “记忆” 的去除过程，且这个过程是逻辑不可逆的。
麦克斯韦妖要实现对分子的准确分拣，需要先获取分子状态的信息，也就是需要 “知道” 哪些是快分子、哪些是慢分子，这个获取信息的过程其实是减少了系统的不确定性，相当于降低了信息熵。但与此同时，妖对这些信息的记录、判断以及后续处理等操作是需要消耗能量和产生相应的熵增的，从这个角度来看，又符合整个大系统（包含妖和分子所在容器等构成的整体系统）的熵是增加的这一规律，从而化解了麦克斯韦妖与热力学第二定律最初的矛盾表象。
衡量数据交易的价值：是否能独立赚取利润
麦克斯韦妖若能精准地知道快的分子在哪里，以及它们应该被放置到哪里，便能通过制造温差，进而利用这个温差驱动热机去做功，创造出额外的价值一般。
在数据交易的情境下，如果我们能够精准地知晓谁能提供有价值的数据，谁又迫切需要这些数据，并且可以像麦克斯韦妖操控分子那样，进行极为精准的匹配，那么理论上就能挖掘出数据交易匹配所蕴含的价值。
然而，数据交易的实际情况远比想象中复杂得多。数据交易市场中存在海量的数据供应方和需求方，其各自的数据特点、需求偏好千差万别，要想精准地识别出每一个数据提供源的价值所在，以及每一个需求方的具体诉求，本身就是一项极具挑战性的任务。
数据交易的中介，试图去知道这个世界上哪里能提供有价值的数据，哪里又急需这些数据，这种信息的获取和匹配本身也需要耗费巨大的成本和能量。其一，获取数据供需信息需投入大量人力、物力和时间成本，要做广泛市场调研、数据收集分析，如同麦克斯韦妖观测分子般繁杂耗资源，这会影响最终盈利。
其二，获取信息后，记录、整理及判断处理需搭建系统、运用算法，会消耗能量（类比实际成本支出），且可能出现信息更新不及时、匹配失误等情况，影响匹配准确性和有效性，使价值大打折扣。
其三，数据交易具动态性，受时效性、准确性、隐私性等因素影响，已匹配有价值的数据可能随时失效，中介需持续跟踪、重新评估和再次匹配，这些消耗影响盈利。
其四，类似麦克斯韦妖的熵增情况，数据交易的匹配尝试、信息处理会留 “痕迹”，冗余内容清理管理也耗资源、增成本，影响盈利。
在现代经济社会中，评判一个经济单元的能耗就是收入能否大于成本，这样才能维持其可持续发展。对于大数据交易中介而言，其存在的价值判定标准或许就聚焦在能否依靠自身力量，独立自主地运营业务，实现自负盈亏。只有这样，数据交易中介才能真正彰显出价值所在，也才具备持续发展、为市场创造有效数据交易服务的能力。
结尾与思考
相信数据是一门科学，数据交易逻辑是否能成立，哪些数据适合交易，怎样交易，这些也应该是一门科学，最终也应该有类似于“麦克斯韦之妖”相关的理论公式来指引大家。
- 无标签
0 评论