文丨李楠、陈开宇
数据是资产吗？
广义的资产（asset）是指企业所拥有的能够为企业带来未来现金流的载体。传统的资产包括企业所拥有的厂房、设备和软件等有形资产。从这个角度而言，企业研发投入所产生的专利和新技术或技术升级，企业广告投放带来的产品的商誉品牌，企业管理者的管理组织才能，企业员工通过参加培训和在生产过程中所累积的技能升级，企业拥有的财务管理系统，自动控制系统等等都是资产，其中包括企业为了提高经营效率所收集的在生产活动中生成的数据和外部数据，以及对这些数据进行分析的软件系统等都是资产。这些都是企业所拥有的“无形资产”。
2000年以后，随着企业数字化智能化转型，企业拥有的软件系统等IP（intellectual property）成为越来越重要的资产，但是这类资产如何入表，如何估值却是一个涉及会计，资产定价和国民经济生产力计量的复杂问题。而相对于可以从研发投入，广告投入，购买软件和培训等费用间接度量的无形资产，数据资产的度量就更加困难和复杂，因为数据能为企业带来多大的效益取决于企业整合利用数据的能力。
数据是资产，但这与数据能否象有形资产那样被估值被定价被入表被交易是两码事儿。
数据资产可以入表吗？
2003年，美国国家经济研究局（NBER）组织了一场专门讨论如何度量新经济下的资产（Measuring Capital in the New Economy）的会议，参与会议的有来自会计，金融，宏观经济方面的多位学者专家。与会专家从不同的角度探讨了无形资产的度量问题。达成的唯一共识是无形资产对经济增长的重要性与日俱增，在信息科技时代成为企业所拥有的资产和企业价值越来越重要的组成部分。但是无形资产的估值的不确定巨大，特别是其折旧率，市值，风险回报率与有形资产差别巨大，而且不同类型的无形资产在这些参数的差别也巨大，如果不能在充分了解不同类型的无形资产的风险和估值特性的前提下，制定明晰的会计准则，简单粗暴地套用处理有形资产的办法，潜在的问题巨大，特别是会给企业留出巨大的“操作”（财务造假和欺诈）的空间。
此次会议结束后，美国在资产计量上最大的一个改变就是从2009年开始在国民生产总值（GDP）中私营部门固定资产非结构性投资项下增加了知识产权产品（IPP，intellectual property product）一项，相应的在私营部门固定资产统计中也增加了知识产权资产一项。而这里的IPP包括企业研发投入，购买软件，文娱产品等的投入。而之所以把这些计入固定投资的原因是这些在生产过程中被重复使用，并且能够为购买它们的企业，非盈利性组织和政府机构带来持久的服务。
“Intellectual property products are research and development; software; and entertainment, literary, and artistic originals. They are measured as fixed investments because they are used repeatedly in production processes and provide long-lasting service to the businesses, nonprofit institutions, and government agencies that invest in them.” source: www.bea.gov
上世纪70年代末开始的信息技术革命对全球各国的产业结构带来了深远的影响和变革，在这一“康德周期”中，企业收集、分析、处理和整合数据的能力无疑有了突飞猛进的发展，但是这并不代表着数据可以成为一个独立于企业经营活动的生产要素，也不意味着数据的价值可以象土地，厂房，设备一样独立于利用其的企业而确定，同样的数据对于不用的企业价值可以是截然不同的。这个角度而言，数据不是一个独立的生产要素，没有市场公允价值可言，因而也不能被交易。
虽然数据本身无法计量其价值，但是处理数据的信息化系统和软件却是可以计量的，只不过只有那些通用的系统和软件是可交易和有市场公允价值的，而企业购买这些系统的投入可以作为固定投资入表，并计入固定资产的。但是，企业自研的专有的数据处理系统却是不能交易且难以估值的，因而不能入表。
最典型的企业专有数据就是金融机构用于评估风险的数据和数据分析系统。金融机构是一类特殊的企业与实体企业具有截然不同的性质，金融服务的基础是对数据的整合利用的能力，但是金融机构处理数据的系统既非通用也不能公开，更不能上市交易。更为重要的是，金融服务所使用的核心数据（个人交易数据，信用数据，企业的生产经营数据等）的拥有者并不是金融机构，而是生成这些数据的个人或企业。金融机构如果需要使用这些数据必须获得数据所有者的授权。
金融科技是所有应用于金融服务的收集整合分析数据的技术，即信息科技，也就是金融机构如何利用数据进行风险识别，风险管理，为其提供的金融服务进行降本增效。在中国从2010年第三方支付牌照的发放到2020年蚂蚁上市被叫停的所谓“金融创新黄金十年”中，各种金融乱象产生的一个原因就是没有理清“金融科技”的定位。
由于金融服务的特殊性，应用于金融服务的信息科技必须与金融机构的数据相结合，必须与实际的金融服务业务相融合，必然是专有的、定制的、内部的、非通用的，而与金融服务相关的数据更加不能独立于金融服务而被定价被交易。从这个角度而言，金融科技公司必然是金融机构而不可能成为独立于金融的科技公司，而金融科技公司如果试图转型成为“金融数据”或者“金融数据服务”的供应方，不做金融只做数据，是没有任何出路的。
目前，对实体企业经营相关的数据感兴趣的主要是金融机构，如银行，风投，私募等投资者，他们可以利用这些数据对企业的盈利前景和增长前景进行风险评估，从而决定是否放贷或者投资，但是需要融资的企业必然会把相关数据自愿免费地提供给投资者；而企业之所以对“数据入表”感兴趣，是误以为金融机构对其数据感兴趣，其数据就有价值，但是企业并不了解对其自身而言可能是“无价之宝”的数据，对于市场上的其他人而言并没有什么价值，而最能够发挥其数据价值的只有企业自己。
总而言之，一方面，数据是一种资产，但是数据这种资产的价值来自于企业整合利用数据的能力，因此，数据不是一种固定资产，不是可以独立于使用其的企业的生产要素，数据没有市场公允价值，因而数据不应作为资产入表。另一方面，通用的数据处理分析系统为企业提供了持久的服务，有市场公允价值，是一种固定投资，可以被交易，可以作为固定资产入表。需要特别注意的是，与金融相关的数据和数据服务一定是金融机构专有的而非通用的，因而用于金融服务的数据和数据分析处理系统不能被交易，也不能入表。因此，不存在独立于金融具体业务的数据服务，金融科技公司的合理定位是利用信息科技做好金融的金融机构，需要接受金融监管，而不是一个科技公司。
责任编辑 徐瑾 jin.xu@ftchinese.com
图片来源 Getty Images
后记：
2003年我很荣幸地做为导师Lars Peter Hansen和John Heaton的合作者参加了NBER的会议，我们的文章Intangible Risk? 后来被收入会议论文集。我在导师Lars的建议下确定了博士论文的选题，探讨如何从宏观经济中可观测到的指标，利用卡曼滤波(Kalman Filter)推出宏观经济中无形资产的价值。后来我和合作者An Sungbae把该文章进一步拓展，利用了非线性粒子滤波(particle filter) 推出了宏观经济中投资无形资产的风险和收益率，我们发现无形资产与有形资产在投资收益率、风险和估值上均存在巨大的差异，已经应用于生产过程中的无形资产具有低风险低回报高价值的特性。再后来我提出应该区分两类无形资产，已经嵌入生产过程中的、与现有技术升级改造和现有产品升级相关的无形资产，和与新产品新发明新技术相关的无形资产。前者低风险低回报高价值，后者高风险高不确定性潜在回报高，因而其估值不见得会很高。但是企业往往会同时投资两类无形资产，因此，无形资产的估值是一个非常复杂的问题，需要谨慎对待。
参考文献：
往期精选
