祝瑞霞
(西安思源学院,陕西 西安 710075)
在传统的农耕经济和工业经济发展之后,数字经济成为现阶段的主要经济形态,具体包括数字产业化和产业数字化两个方向。随着数字经济的发展,数据资产的研究领域出现了新的课题。例如,数据资产的研究重点是什么;数据资产相关研究的未来发展方向是什么;数据资产相关理论和工具研究重点是什么;我国在产业数字化进程中,数据资产相关的核算体系如何建立、发展和完善等。
为了全面分析数据资产研究热点的变化,以及数字经济的发展情况,本文运用CiteSpace可视化文献分析软件,对CNKI数据库中2016—2022 年4月间CSSCI和北京大学中文核心期刊文献有关数据资产的研究文献进行归纳、整理和分析,探究国内关于数据资产研究成果和热点变化,以期为我国数据资产未来研究及实践提供参考。
本文以“数据资产”为关键词,在CNKI中国学术期刊网络出版总库中进行检索。本文研究的时间跨度为2016—2022年。检索中选取CSSCI和北京大学中文核心期刊文献,共检索出128篇文献构成本研究的文献样本,将样本数据通过CiteSpace进行分析处理。本文的纳入与排除标准如下。
纳入标准:(1)与数据资产相关的核心期刊文献;(2)发表于2016—2022年。
排除标准:(1)重复发表的文献;(2)经验交流、评论等文献。
陈超美教授开发的CiteSpace软件,以“共现聚类”为核心思想进行研究,通过对被研究的科学文献相关信息单元的信息提取,重构信息单元之间的联系强度和类型,形成关键词共现、关键词共聚等不同意义的关系网络结构。通过对关系网络结构中关键信息分析,归纳总结关键节点之间的连线关系,确定各关系节点和网络结构的测度和信度,从而探索特定学科和领域,知识网络结构发展模式及发展规律。本文利用 CiteSpace 软件对2016—2022年间发表的128篇文献,以关键词共现为基础,通过时间线为索引,逐一分析关键词聚类,从而归纳出2016—2022年国内关于数据资产研究热点的变化及未来的研究趋势。
借助CiteSpace软件进行分析,可得到相关作者联系图谱,如图1所示。图1出现了130个相关节点,节点之间的连线共89条。发文量前10位的作者共发表文章72篇,占总体样本量的56.25%。
图1 作者联系图谱
借助CiteSpace软件进行分析,可得到机构图谱,如图2所示。开展数据资产研究的相关作者和机构具有以下两个特点:第一,核心作者团队为中心开展研究,如危雁麟、张俊瑞团队。第二,团队内部各研究者之间联系紧密,团队之间相关横向联系较少。
图2 机构图谱
表1为主要作者和核心机构之间的归属统计表。自2016年起,以各机构为中心,通过主要作者的持续研究,已形成数据资产在各细分领域的主要研究成果。
表1 核心机构与主要作者统计表
在CiteSpace中进行数据资产领域关键词的分析,得到关键词共现图谱,如图3所示。
图3 CNKI中数据资产文献关键词共现图谱
大数据、数据治理、数据资源、数据交易等关键词对应字号较大,表明在被研究的128篇文献中,这些关键词出现的频率高。图3中还出现了其他字号相对较小的关键词,如会计核算、数据价值、数据安全等,说明学者对其他话题仍有关注和研究。
综上,国内数据资产研究分为以下四个视角。
(1)以数据资产的计量方法和会计核算为视角。该视角以数据资产基本理论框架为基础,探索数据资产的计量方法,开展会计核算理论研究。
(2)以数据资产价值为核心的产业数字化转型为视角。该视角以数字经济为依托,借助大数据、物联网、人工智能等信息技术,将数据视为生产要素,通过挖掘数据资产价值,探索产业数字化转型的方法和路径。
(3)以构建和管理数据资产管理平台为研究视角。通过产业数字化进程中,对特定行业数据资产管理平台的构建,提出建立数据仓库,通过数据治理的方法和路径,全面提升数据资产的使用和交易价值。
(4)以数据资产交易为视角。数据资产核心价值在进行会计计量和确认的基础上,通过数据资产管理平台的运营和管理,使数据资产交易成为现实。数据资产交易中的价格确定和资产价值评估成为新的研究主题。
使用CiteSpace的关键词聚类功能,将图3中关键词形成研究聚类和子聚类信息,得到的关键词聚类图谱如图4所示。特别突出显示聚类间的结构特征,用定量的方法表达各聚类之间的相关程度,突出各聚类下研究的关键节点及相关重要链接。图4左上角的数据显示,Q值=0.676 4,S值=0.967 5,可以说明该聚类图谱和聚类结构十分显著,其聚类结果是令人信服的。
图4 CNKI中数据资产文献关键词共聚图谱
本文截取前6个聚类,将各聚类结果数据汇入表2。根据结构图谱中,相关“聚类内代表性关键词”,本文截取每一聚类下前三个代表性最强的关键词。
表2 关键词聚类分析表
将图4的关键词共聚图谱转化为图5关键词时间线图谱,总结2016—2022年数据资产研究出现的爆发点,有助于进行数据资产相关研究热点时间线追溯分析。
根据图5中的关键聚类和时间线进行每一个聚类的研究分析。
图5 CNKI中数据资产文献关键词时间线图谱
(1)聚类#0计值方法,主要围绕数据资产核算系列理论和实践问题展开研究,包含计值方法、存量核算、核算范围等关键词。许宪春等[1]通过“数据价值链”研究,明确数据作为关键生产要素,根据数据特征,提出数据资产概念,探究数字资产价值的统计来源和度量方法。彭刚等[2]以高等学校为例,通过对数据资产相关概念的辨析,探究数据资产的核算范围、类别处理、列示方法和计值方法。总结出高校存量数字资产核算的路径和方法,为数据资产的核算和实践提供研究路径。
(2)聚类#1大数据,伴随着大数据、物联网、人工智能等数字产业化的发展,对数字经济发展中产业数字化相关问题开展研究,主要关键词包含大数据、区块链、数字经济等。李红祥等[3]提出大数据促使传统出版业进行产业变革,将内容创意和数据技术相结合,作为生产力的驱动要素,通过提升数据资产价值和产业链价值,将传统产业的企业价值在大数据的帮助下重新构建,获取增值。
(3)聚类#2数据资产价格,主要围绕数据交易市场中数据资产交易价格、数据资产评估等相关问题开展研究,包含数据资产价格、数据要素、交易机构等关键词。刘吉超[4]通过对数据要素市场的探索和研究,表明现有数据交易机构的建设日益完善,数据交易流通的相关技术持续创新,数据交易相关法律政策逐步实施,但数据确权相关的登记制度尚待确立,数据资产多模式的定价机制仍有待健全。
(4)聚类#3数据治理,主要通过搭建数据架构、设立数据标准,提高数据质量,跟踪元数据,实现数据全生命周期管理,包含数据资产管理中的组织、制度、流程和工具,数据资产管理中行使权利和控制的各种活动集合。数据治理的核心目的是解决巴别塔问题,此外,通过数据盘点解决数据债务和信息债务的问题。刘检华等[5]以制造企业的数字化转型为例,提出数字化转型的四个阶段:人工粗放式管理阶段、数字化管理阶段、大数据管理阶段和智能化管理阶段,探讨实现数据全生命周期管理的关键技术,通过多元化的数据治理推进产业数字化转型和发展。
(5)聚类#4会计核算,数据要素已经成为企业的资产,建立数据资产会计概念体系和核算体系,推进数据资产信息化的规范列报,包含的关键词有会计核算、收益现值法、创利特质等。张俊瑞等[6]提出,数据资产列为表内软资产,同时引入“第四张报表”进行列报,提高会计信息的质量和价值。陈思静等[7]应用朴素贝叶斯分类法建立数据资产会计确认模型,该模型对产权归属和价值变现不确定的数据资产的会计确认提供了理论参考。戴理达[8]提出通过交易性数据资产的分离,给数据资产确定产权归属标准,进而进行会计确认。推进会计信息系统向业务前端提供决策,全面促进会计供给侧结构性改革。
(6)聚类#5数据仓库,以单个数据存储为基础,为业务智能单元提供分析报告和决策支持报告的数据型战略集合,涉及数据仓库、数据体系、数据中台等关键词。疏礼春[9]以智能煤矿数据仓库为例,提出智能煤矿数据中台建设方案,详细设计数据中台的架构和数据标准等各项保障功能模块,通过数据平台的搭建,使多源异构的各项业务数据转化为数据资产,全面解决信息孤岛、智能化分析和决策水平低的问题。杨敏等[10]以中山大学为例,提出将数据资产作为基础要素进行独立管理,构建校园数据仓库,通过数据中台搭建,进行数据分层管理,为各项管理决策和数据应用提供服务。
综上所述,国内期刊研究关于数据资产的6个聚类主要内容有计值方法、大数据、数据资产价格、数据治理、会计核算、数据仓库。
本文利用CiteSpace软件,对国内数据资产研究的128篇文献进行可视化计量分析,全面整理2016—2022年的数据资产研究成果,分析数据资产研究的主要动态,梳理各研究机构和作者的脉络关系,重点剖析国内数据资产研究重点和热点差异,展现目前数据资产研究的主要方向,提出如何发展数据资产相关会计计量,探索数据资产计量工具等问题,研究结论如下。
(1)数据资产研究机构和作者较为集中。我国在数据资产研究领域发文量排名前10的作者集中在发文量前7名的机构中,表明自2016年我国数据资产研究领域的机构和作者呈现集中化的特点。受数字经济相关政策的影响,国内新的研究机构和作者参与到此领域的研究较少,数据资产发展受技术瓶颈制约。
(2)数据资产研究热点随时间的演化。2016年,研究热点集中于数据资产信息披露问题。2017—2019年,研究热点集中于数据资产的核算范围和文本分析。2020—2022年,研究热点集中于与数字资产管理平台相关的数据仓库、数据中台的构建,数据治理及数据资产会计核算和价值评估等方面。现有文献研究表明,我国的数据资产发展中数字鸿沟明显,不同区域、不同行业、不同机构数据资产的协同联动发展不足。
(3)逐步形成中国特色的数据资产研究体系。文献主要围绕中国特色数字经济发展,产业数字化转型相关应用研究为主,涉及政府、高校、医药、电力、互联网服务等传统行业和新兴行业,逐步构建出中国特色的数据资产研究体系。各个行业正在积极推动产业数字化建设,以建立基于自身业务积累的数据采集和分析体系,从而形成自身独特的数据资产生产要素,并将这些数据生产要素应用于实际的管理决策过程中。
结合本文研究,展望未来,为了有效促进国内数据资产研究的发展,本文提出以下几点建议。
(1)加快跨机构的数据资产研究合作,消除研究单位之间的信息鸿沟。围绕数据资产相关研究,应设立重大科研专项,组织科研部门、高等院校、企业等多方机构开展联合技术攻关,探索适用于中国特色数字资产的理论模型和应用模型。推动科研单位和企业之间的协同研究,进而全面推动中国特色产业数字化发展进程。
(2)加快推进数据资产交易市场的路径探索和规则制定。大力培育数据资产交易市场,加强数据资产的登记和价值评估体系建设,全面推动数据要素流动,使得数据资产交易平台健康合规发展。加大政府对于数据交易市场建设和发展的支持力度,积极探索数据资产交易中心向数据交易服务中心转型的发展路径。
(3)积极构建数据资产会计核算和价值评估支撑体系。制定并完善数据资产会计核算、定价机制、交易规则、价值评估、交易流程等一系列规则、规范和指引,全面推动企业数据资产的表内核算进程,促进数据资产挖掘和应用创新持续增长。