陳思靜 王磊 尹波 干勝道

【摘 要】 隨著大數(shù)據(jù)時(shí)代的到來(lái)，企業(yè)對(duì)數(shù)據(jù)資源的合理使用為自身帶來(lái)了日益增長(zhǎng)的經(jīng)濟(jì)價(jià)值，于是，在會(huì)計(jì)學(xué)界有了將企業(yè)數(shù)據(jù)資源作為一項(xiàng)資產(chǎn)入賬的呼聲，然而，大數(shù)據(jù)的產(chǎn)權(quán)歸屬和價(jià)值變現(xiàn)具有不確定性，導(dǎo)致其未必滿足會(huì)計(jì)確認(rèn)的條件。文章全面分析了企業(yè)將自身?yè)碛谢蚩刂频臄?shù)據(jù)資源確認(rèn)為資產(chǎn)所面臨的難題，并對(duì)其提出了解決方案。首次應(yīng)用樸素貝葉斯分類法建立模型，通過(guò)計(jì)算相關(guān)因素的聯(lián)合概率來(lái)判斷在不確定條件下數(shù)據(jù)資源是否應(yīng)該被確認(rèn)為資產(chǎn)，最后進(jìn)行了算例分析。結(jié)論表明，該模型對(duì)數(shù)據(jù)資產(chǎn)的會(huì)計(jì)確認(rèn)具有指導(dǎo)作用，同時(shí)也可為相關(guān)會(huì)計(jì)準(zhǔn)則的制定提供理論參考。

【關(guān)鍵詞】 數(shù)據(jù)資產(chǎn); 會(huì)計(jì)確認(rèn); 樸素貝葉斯; 聯(lián)合概率

【中圖分類號(hào)】 F234 ?【文獻(xiàn)標(biāo)識(shí)碼】 A ?【文章編號(hào)】 1004-5937（2019）19-0058-04

一、問(wèn)題的提出

（一）數(shù)據(jù)資產(chǎn)的會(huì)計(jì)確認(rèn)滯后于大數(shù)據(jù)時(shí)代的步伐

2018年8月，尤瓦爾·赫拉利在其新作《今日簡(jiǎn)史》中提到，人類社會(huì)進(jìn)入21世紀(jì)以后，數(shù)據(jù)的重要性會(huì)超越土地和機(jī)器，數(shù)據(jù)將成為最重要的資源[ 1 ]。對(duì)數(shù)據(jù)資源的合理使用有助于企業(yè)提高生產(chǎn)效率，獲取競(jìng)爭(zhēng)優(yōu)勢(shì)，創(chuàng)造經(jīng)濟(jì)價(jià)值。隨著信息技術(shù)的飛速發(fā)展，數(shù)據(jù)驅(qū)動(dòng)的決策方式在企業(yè)管理中已日益普遍，數(shù)據(jù)資源作為“新型石油”的價(jià)值越發(fā)凸顯。會(huì)計(jì)作為一項(xiàng)重要的經(jīng)濟(jì)管理工作，需要全面反映經(jīng)濟(jì)活動(dòng)的真實(shí)面貌及結(jié)果，然而，現(xiàn)有的會(huì)計(jì)準(zhǔn)則并未將數(shù)據(jù)資源列為會(huì)計(jì)核算的對(duì)象，與之相應(yīng)的會(huì)計(jì)核算業(yè)務(wù)種類和核算方法也未被提出，這會(huì)導(dǎo)致會(huì)計(jì)信息偏離經(jīng)濟(jì)運(yùn)行的實(shí)際。維克托曾提出，“雖然數(shù)據(jù)還沒(méi)有被列入企業(yè)的資產(chǎn)負(fù)債表，但這只是一個(gè)時(shí)間問(wèn)題”[ 2 ]，而會(huì)計(jì)確認(rèn)作為數(shù)據(jù)進(jìn)入資產(chǎn)負(fù)債表的首要環(huán)節(jié)卻面臨重重難題，目前理論界尚未對(duì)其提出解決方案，在此領(lǐng)域的研究和實(shí)踐相對(duì)滯后。

（二）不確定性是數(shù)據(jù)資產(chǎn)會(huì)計(jì)確認(rèn)的難題

2014年，我國(guó)修訂的《企業(yè)會(huì)計(jì)準(zhǔn)則——基本準(zhǔn)則》規(guī)定，資產(chǎn)的定義是企業(yè)過(guò)去的交易或者事項(xiàng)形成的、由企業(yè)擁有或者控制的、預(yù)期會(huì)給企業(yè)帶來(lái)經(jīng)濟(jì)利益的資源。一項(xiàng)資源應(yīng)當(dāng)符合資產(chǎn)的定義并同時(shí)滿足資產(chǎn)確認(rèn)條件，才能被確認(rèn)為資產(chǎn)。

企業(yè)所積累的數(shù)據(jù)資源是對(duì)過(guò)去已發(fā)生的經(jīng)濟(jì)業(yè)務(wù)的反映，通過(guò)收集或購(gòu)買(mǎi)而得的歷史數(shù)據(jù)，可見(jiàn)，數(shù)據(jù)資源符合資產(chǎn)定義中的“由過(guò)去的交易或事項(xiàng)形成”。然而，數(shù)據(jù)資源的產(chǎn)權(quán)歸屬和價(jià)值實(shí)現(xiàn)具有不確定性，導(dǎo)致其未必符合會(huì)計(jì)確認(rèn)的條件，數(shù)據(jù)資產(chǎn)具有不同于傳統(tǒng)資產(chǎn)確認(rèn)的特殊之處，體現(xiàn)在如下四方面：

1.數(shù)據(jù)資源在產(chǎn)權(quán)歸屬上具有不確定性

準(zhǔn)則規(guī)定，資產(chǎn)必須是由企業(yè)擁有或控制。與傳統(tǒng)資產(chǎn)相比，數(shù)據(jù)資源由于其特性，在是否為企業(yè)所擁有或控制上具有高度不確定性。Bulger et al.[ 3 ]依據(jù)數(shù)據(jù)收集的主導(dǎo)方來(lái)界定數(shù)據(jù)所有權(quán)的歸屬，即主導(dǎo)收集數(shù)據(jù)的一方擁有數(shù)據(jù)的所有權(quán)，這在法律形式上合理，但在經(jīng)濟(jì)實(shí)質(zhì)上卻容易產(chǎn)生爭(zhēng)議。比如，企業(yè)通過(guò)大數(shù)據(jù)交易中心所購(gòu)買(mǎi)的數(shù)據(jù)，在形式上看，企業(yè)似乎可以控制或擁有外購(gòu)數(shù)據(jù)資源的所有權(quán)，但事實(shí)上，由于數(shù)據(jù)的可復(fù)制性，且不具有排他性，企業(yè)并不能排除他人使用，因而這種控制權(quán)或所有權(quán)是虛無(wú)的[ 4 ]。可見(jiàn)，數(shù)據(jù)資源難以被企業(yè)所絕對(duì)控制或擁有。

2.數(shù)據(jù)資源的價(jià)值在時(shí)間上具有不確定性

數(shù)據(jù)資源的價(jià)值具有時(shí)限性，新數(shù)據(jù)的產(chǎn)生、企業(yè)所面臨的經(jīng)濟(jì)環(huán)境變化或商業(yè)模式變更等內(nèi)外部因素都會(huì)導(dǎo)致原有數(shù)據(jù)的價(jià)值變動(dòng)。不同于實(shí)物資產(chǎn)，數(shù)據(jù)資源在一個(gè)較長(zhǎng)的周期內(nèi)，價(jià)值會(huì)隨時(shí)間波動(dòng)。值得注意的是，數(shù)據(jù)價(jià)值隨時(shí)間推移未必衰減，某一時(shí)期失效的數(shù)據(jù)資源，可能在將來(lái)由于某些因素的變化而重新產(chǎn)生價(jià)值。比如，在2015年發(fā)生的馬航事件中，波音公司生產(chǎn)的發(fā)動(dòng)機(jī)在工作過(guò)程中記錄下來(lái)的海量數(shù)據(jù)成為馬航飛機(jī)失聯(lián)的關(guān)鍵證據(jù)，倘若沒(méi)有該事件的觸發(fā)，這些數(shù)據(jù)只是存放在服務(wù)器上的信息，平淡無(wú)奇而價(jià)值寥寥。

3.數(shù)據(jù)資源的價(jià)值在使用場(chǎng)景上具有不確定性

空間的變化會(huì)導(dǎo)致數(shù)據(jù)資源的價(jià)值變化，不同地區(qū)之間、不同企業(yè)之間或者同一企業(yè)不同業(yè)務(wù)場(chǎng)景之間的差異，都會(huì)對(duì)數(shù)據(jù)資源的使用壽命產(chǎn)生影響。受到企業(yè)戰(zhàn)略規(guī)劃、發(fā)展階段以及主營(yíng)業(yè)務(wù)類型等影響，同樣的數(shù)據(jù)資源在不同業(yè)務(wù)場(chǎng)景下有著不同的價(jià)值實(shí)現(xiàn)方式，從而產(chǎn)生了經(jīng)濟(jì)價(jià)值的差異。

4.數(shù)據(jù)資源的價(jià)值密度導(dǎo)致價(jià)值變現(xiàn)具有不確定性

大數(shù)據(jù)因其容量巨大，其價(jià)值往往是潛在的，需要通過(guò)挖掘才能得以顯現(xiàn)，如電商企業(yè)的客戶數(shù)據(jù)，往往不能直接被企業(yè)所用，而需要通過(guò)數(shù)據(jù)挖掘來(lái)為企業(yè)創(chuàng)造價(jià)值。然而，當(dāng)大數(shù)據(jù)時(shí)代來(lái)臨，企業(yè)需要存儲(chǔ)和處理的數(shù)據(jù)量激增，數(shù)據(jù)的結(jié)構(gòu)和來(lái)源更是紛繁復(fù)雜，這會(huì)導(dǎo)致數(shù)據(jù)的價(jià)值密度降低，從而使數(shù)據(jù)價(jià)值的挖掘產(chǎn)生了不確定性?？傊?，數(shù)據(jù)量越大，獲取有用信息的難度就越大，現(xiàn)階段掌握高價(jià)值數(shù)據(jù)的收集和挖掘技術(shù)的企業(yè)為數(shù)不多，大部分企業(yè)還在探索。

（三）現(xiàn)有研究很少針對(duì)數(shù)據(jù)資產(chǎn)的會(huì)計(jì)確認(rèn)進(jìn)行探討

近年來(lái)，學(xué)界對(duì)數(shù)據(jù)資產(chǎn)會(huì)計(jì)核算的研究逐年增加。李如[ 5 ]采用規(guī)范研究方法，論證大數(shù)據(jù)確認(rèn)為資產(chǎn)的必要性和可能性，提出確認(rèn)條件，并針對(duì)其計(jì)量中的相關(guān)會(huì)計(jì)問(wèn)題給出解決方案;鄒照菊[ 6 ]以企業(yè)數(shù)據(jù)類型、構(gòu)成及來(lái)源為基礎(chǔ)，考察了企業(yè)大數(shù)據(jù)的資產(chǎn)屬性問(wèn)題，分析得出企業(yè)大數(shù)據(jù)滿足資產(chǎn)確認(rèn)條件，應(yīng)將其作為一項(xiàng)資產(chǎn)進(jìn)行財(cái)務(wù)列報(bào)，還進(jìn)一步分析了數(shù)據(jù)資產(chǎn)的計(jì)量和報(bào)告方法。這一類研究的特點(diǎn)是將數(shù)據(jù)資產(chǎn)的會(huì)計(jì)核算視為一個(gè)整體，就其每個(gè)環(huán)節(jié)都進(jìn)行了探討。另一類研究則聚焦在數(shù)據(jù)資產(chǎn)會(huì)計(jì)核算中的價(jià)值計(jì)量這一環(huán)節(jié)，張志剛等[ 7 ]運(yùn)用層次分析法建立了數(shù)據(jù)資產(chǎn)價(jià)值評(píng)估模型，并給出了模型應(yīng)用的具體步驟。李永紅、張淑雯[ 8 ]優(yōu)化了數(shù)據(jù)資產(chǎn)的價(jià)值評(píng)估方法，利用層次分析法以及灰色關(guān)聯(lián)分析法的雙重結(jié)合構(gòu)建了數(shù)據(jù)資產(chǎn)的價(jià)值評(píng)估模型。不難看出，這一類研究多使用層次分析法進(jìn)行價(jià)值評(píng)估，方法雷同導(dǎo)致結(jié)論相似。

會(huì)計(jì)確認(rèn)和計(jì)量都是會(huì)計(jì)核算的重要環(huán)節(jié)，二者一體而不可偏廢，資產(chǎn)的確認(rèn)是計(jì)量的前提，資產(chǎn)沒(méi)有得以確認(rèn)，計(jì)量就無(wú)從談起，因此，對(duì)數(shù)據(jù)資產(chǎn)會(huì)計(jì)核算的探討首先應(yīng)該關(guān)注會(huì)計(jì)確認(rèn)。目前，對(duì)數(shù)據(jù)資產(chǎn)計(jì)量方法的研究較多，而對(duì)數(shù)據(jù)資產(chǎn)確認(rèn)的研究很少，即使有所論及，也是泛泛而談，未做深入剖析。會(huì)計(jì)準(zhǔn)則規(guī)定，只有當(dāng)與某一資源有關(guān)的經(jīng)濟(jì)利益流入的概率>50%時(shí)才能確認(rèn)為資產(chǎn)。如上文所分析，數(shù)據(jù)資源不僅在產(chǎn)權(quán)歸屬上，而且在經(jīng)濟(jì)價(jià)值的流入上都具有高度不確定性，這會(huì)導(dǎo)致其未必滿足資產(chǎn)確認(rèn)的條件，于是，就有必要針對(duì)數(shù)據(jù)資產(chǎn)的會(huì)計(jì)確認(rèn)深入研究。

在研究對(duì)象上，企業(yè)的數(shù)據(jù)類型繁雜，劃分方法多樣化，不同類型的數(shù)據(jù)資源所面對(duì)的不確定性各不相同，未必所有類型的數(shù)據(jù)都滿足會(huì)計(jì)確認(rèn)的條件。會(huì)計(jì)作為一門(mén)分類的學(xué)問(wèn)，在研究數(shù)據(jù)資產(chǎn)的會(huì)計(jì)確認(rèn)時(shí)，應(yīng)將數(shù)據(jù)分門(mén)別類進(jìn)行探討，而不能一概而論。

在研究方法上，對(duì)不確定性的研究是會(huì)計(jì)確認(rèn)的核心問(wèn)題，有鑒于此，本文首次將樸素貝葉斯分類法引入數(shù)據(jù)資產(chǎn)的會(huì)計(jì)確認(rèn)當(dāng)中，針對(duì)其中的不確定性關(guān)系進(jìn)行定量分析和判斷，通過(guò)收集數(shù)據(jù)來(lái)訓(xùn)練模型，旨在為數(shù)據(jù)資產(chǎn)的會(huì)計(jì)確認(rèn)提供指導(dǎo)，同時(shí)也可作為會(huì)計(jì)政策制定的理論依據(jù)。

二、數(shù)據(jù)資產(chǎn)的會(huì)計(jì)確認(rèn)模型構(gòu)建

基于樸素貝葉斯分類法的數(shù)據(jù)資產(chǎn)會(huì)計(jì)確認(rèn)模型的構(gòu)建方法如圖1所示。

第一步，根據(jù)需求，選取待確認(rèn)的數(shù)據(jù)資源。例如，某電商公司2018年全年的客戶訂單數(shù)據(jù)。

第二步，提取影響該類數(shù)據(jù)資源會(huì)計(jì)確認(rèn)的隨機(jī)變量種類。例如，根據(jù)上文對(duì)數(shù)據(jù)資源的不確定性分析，可設(shè)定A=數(shù)據(jù)資源的擁有權(quán)或控制權(quán);B=數(shù)據(jù)資源的時(shí)效性;C=數(shù)據(jù)資源的使用場(chǎng)景;D=數(shù)據(jù)資源的價(jià)值密度;E=是否應(yīng)確認(rèn)該數(shù)據(jù)資源為資產(chǎn)。假設(shè)A、B、C、D四個(gè)變量相互獨(dú)立，根據(jù)隨機(jī)變量間的相關(guān)關(guān)系完成貝葉斯網(wǎng)絡(luò)的有向無(wú)環(huán)圖結(jié)構(gòu)，即該數(shù)據(jù)資源會(huì)計(jì)確認(rèn)的樸素貝葉斯網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，如圖2所示。

第三步，確定每個(gè)隨機(jī)變量的屬性及其特征向量的空間。樣本屬性記為：{A=Ai，B=Bi，…，E=Ek}（i，j，k=1，2，…，n）。其中，Ai用一個(gè)n維特征向量A={A1，A2，…，An}表示，每個(gè)取值分別對(duì)應(yīng)一個(gè)可被監(jiān)測(cè)到的原始信息，例如，Ai表示（其中i=1，2，…）企業(yè)對(duì)該數(shù)據(jù)資源的擁有權(quán)或控制權(quán)的狀態(tài)數(shù)，A1=擁有，A2=控制，A3=不確定。

第四步，采集并輸入訓(xùn)練樣本集，建立樸素貝葉斯分類模型。利用經(jīng)驗(yàn)豐富的會(huì)計(jì)專家打分獲得先驗(yàn)知識(shí)，賦值后得出向量的實(shí)例。例如，樣本訓(xùn)練集為S={S1，S2，…，Sn}，其中，S1={A=Ai，B=Bj，…，E=Ek}（i，j，k=1，2，…，n）表示隨機(jī)變量構(gòu)成向量的一個(gè)實(shí)例。

第五步，計(jì)算未知樣本的最大后驗(yàn)概率，以判斷分類。代入未知樣本的特征向量，先計(jì)算每一個(gè)分類的條件概率P（Xi|E）=P（XiE）/P（E）;再計(jì)算每一個(gè)分類的聯(lián)合概率，即P（X1，X2，…，Xi，E）=P（E）·n i=1P（Xi|E）（i=1，2，…，n）;最后比較大小，以最大概率值所對(duì)應(yīng)的類型作為最終歸類。如，若有P（E1）·n i=1P（Xi|E1）>P（E2）·n i=1P（Xi|E2），則未知樣本被判斷為第1類。

三、算例應(yīng)用

2015年4月，國(guó)內(nèi)首家大數(shù)據(jù)交易所——貴陽(yáng)大數(shù)據(jù)交易所正式掛牌運(yùn)營(yíng)。在該交易所的平臺(tái)上，數(shù)據(jù)供應(yīng)方（企業(yè)）將自身收集的數(shù)據(jù)作為商品用于交易。交易所通過(guò)電子系統(tǒng)，線上線下相結(jié)合，撮合交易，促使數(shù)據(jù)作為商品來(lái)流通。用于交易的數(shù)據(jù)是通過(guò)對(duì)底層數(shù)據(jù)進(jìn)行清洗、分析、建模和可視化之后形成的，可在一定程度上降低數(shù)據(jù)所有權(quán)爭(zhēng)議的風(fēng)險(xiǎn)和保護(hù)用戶隱私。

假設(shè)G公司為貴陽(yáng)一家大數(shù)據(jù)交易所的會(huì)員企業(yè)，從事B2C電子商務(wù)業(yè)務(wù)，經(jīng)過(guò)多年運(yùn)營(yíng)，公司已經(jīng)積累了大量在線業(yè)務(wù)的交易數(shù)據(jù)，可用于精準(zhǔn)營(yíng)銷、改善物流等管理活動(dòng)的決策依據(jù)。G公司財(cái)務(wù)部準(zhǔn)備將交易數(shù)據(jù)作為資產(chǎn)入賬，但在其是否滿足資產(chǎn)確認(rèn)條件上存在爭(zhēng)議。該數(shù)據(jù)包含用戶的購(gòu)買(mǎi)詳情以及大量個(gè)人信息，如IP地址、賬戶情況、家庭住址等涉及個(gè)人隱私，那么，數(shù)據(jù)理應(yīng)歸用戶所有，用戶也應(yīng)該相應(yīng)地享受數(shù)據(jù)所帶來(lái)的收益。然而，電商企業(yè)為用戶提供服務(wù)，用戶購(gòu)買(mǎi)商品，雙方各取所需，數(shù)據(jù)只是交易過(guò)程留下的痕跡，那么，企業(yè)也應(yīng)該獲得數(shù)據(jù)的所用權(quán)。倘若企業(yè)意欲將該數(shù)據(jù)在交易所出售，還需要進(jìn)行數(shù)據(jù)清洗以降低法律風(fēng)險(xiǎn)，但無(wú)法完全規(guī)避。于是，數(shù)據(jù)的產(chǎn)權(quán)歸屬問(wèn)題就存在不確定性。同時(shí)，電商交易數(shù)據(jù)未必為企業(yè)帶來(lái)經(jīng)濟(jì)價(jià)值，還有賴于數(shù)據(jù)的價(jià)值密度和數(shù)據(jù)挖掘方法，這就產(chǎn)生了資產(chǎn)確認(rèn)的不確定性。

在此情況下，G公司財(cái)務(wù)部基于樸素貝葉斯方法，構(gòu)建了一個(gè)針對(duì)交易數(shù)據(jù)的資產(chǎn)確認(rèn)模型，通過(guò)模型求解來(lái)判斷是否應(yīng)該確認(rèn)。

首先，抽取五個(gè)隨機(jī)變量，分別是：A=數(shù)據(jù)資源的擁有權(quán)或控制權(quán);B=數(shù)據(jù)資源的時(shí)效性;C=數(shù)據(jù)資源的使用場(chǎng)景;D=數(shù)據(jù)資源的價(jià)值密度;E=是否應(yīng)確認(rèn)該數(shù)據(jù)資源為資產(chǎn)。

其次，確定每個(gè)隨機(jī)變量狀態(tài)數(shù)的取值。根據(jù)性質(zhì)，都是離散型變量，取值如表1所示。

最后，通過(guò)專家打分法獲得訓(xùn)練樣本集。由于會(huì)計(jì)專家在行業(yè)背景、專業(yè)知識(shí)等方面都存在差異，有不同的判斷，所以應(yīng)該盡可能選取不同行業(yè)背景的專家以獲得全面的樣本集。如表2所示，假設(shè)有表2中訓(xùn)練樣本的數(shù)據(jù)，這個(gè)模型的學(xué)習(xí)目標(biāo)是根據(jù)給定的不確定因素的先驗(yàn)值來(lái)判斷對(duì)指定數(shù)據(jù)資源的會(huì)計(jì)確認(rèn)是Yes還是No的結(jié)論。

將表2數(shù)據(jù)集中的10個(gè)訓(xùn)練樣本，運(yùn)用樸素貝葉斯分類法完成對(duì)新實(shí)例的分類。根據(jù)G公司財(cái)務(wù)人員的判斷，待確認(rèn)的數(shù)據(jù)資源具有以下特征：

（A=A1，B=B1，C=C2，D=D1）

用以上新實(shí)例預(yù)測(cè)E（是否應(yīng)確認(rèn)該數(shù)據(jù)資源為資產(chǎn)）的目標(biāo)值是Yes或No。此時(shí)，訓(xùn)練樣本集就相當(dāng)于會(huì)計(jì)專家的經(jīng)驗(yàn)庫(kù)，對(duì)新實(shí)例的分類就相當(dāng)于G公司財(cái)務(wù)人員去咨詢會(huì)計(jì)專家的經(jīng)驗(yàn)庫(kù)，同時(shí)結(jié)合自身的職業(yè)判斷而得出結(jié)論。由上面的公式計(jì)算可以得到表3。

由表3數(shù)據(jù)計(jì)算可得：

P（A=A1，B=B1，C=C2，D=D1，E=E1）

=P（E=E1）·P（A=A1|E=E1）·P（B=B1|E=E1）·P（C=C2|E=E1）·P（D=D1|E=E1）

=2.33%

P（A=A1，B=B1，C=C2，D=D1，E=E2）

=P（E=E2）·P（A=A1|E=E2）·P（B=B1|E=E2）·P（C=C2|E=E2）·P（D=D1|E=E2）

=0.74%

因?yàn)榍罢叽笥诤笳?，所以?yīng)該將新實(shí)例歸類如“E=Yes”這一類，即此類數(shù)據(jù)資源應(yīng)該被確認(rèn)為資產(chǎn)。

上述算例根據(jù)會(huì)計(jì)專家對(duì)數(shù)據(jù)資源不確定性因素的先驗(yàn)知識(shí)得出訓(xùn)練樣本集，進(jìn)而計(jì)算條件概率，可用于特定數(shù)據(jù)資源的分類判斷。目前的方法在構(gòu)建貝葉斯網(wǎng)絡(luò)時(shí)只選取擁有權(quán)或控制權(quán)、時(shí)效性、使用場(chǎng)景和價(jià)值密度四個(gè)因素作為隨機(jī)變量，并沒(méi)有全面囊括企業(yè)數(shù)據(jù)資源所面臨的不確定性因素，也沒(méi)有考慮到各個(gè)隨機(jī)變量的關(guān)聯(lián)性，同時(shí)在算例應(yīng)用分析中的訓(xùn)練集樣本數(shù)量偏少，該模型還可進(jìn)一步優(yōu)化。首先，后續(xù)研究中可引入更為全面的隨機(jī)變量和更大量的樣本集對(duì)貝葉斯網(wǎng)絡(luò)進(jìn)行智能學(xué)習(xí)，進(jìn)一步去除專家先驗(yàn)知識(shí)或其他環(huán)節(jié)可能產(chǎn)生的主觀性，從多個(gè)角度出發(fā)使得會(huì)計(jì)確認(rèn)更具客觀性和科學(xué)性;其次，由于將隨機(jī)變量都假設(shè)為離散型，同時(shí)對(duì)P（E）和P（Xi|E）的計(jì)算只是頻數(shù)統(tǒng)計(jì)，這會(huì)導(dǎo)致模型難以描述真實(shí)情況，后續(xù)研究可以將隨機(jī)變量設(shè)計(jì)處理為連續(xù)變量，并采用高斯模型進(jìn)行計(jì)算，如下所示：

其中？滋E表示類別E的樣本中某一類隨機(jī)變量X的均值，σE則表示該類隨機(jī)變量的方差。

四、結(jié)論

本文首次利用樸素貝葉斯分類的方法構(gòu)建了判斷數(shù)據(jù)資源是否應(yīng)該被確認(rèn)為資產(chǎn)的模型，并創(chuàng)造性地將概率推理所得概率值定義為會(huì)計(jì)確認(rèn)的判斷標(biāo)準(zhǔn)，這為確認(rèn)數(shù)據(jù)資產(chǎn)提供了理論依據(jù)。最后，以電商企業(yè)的交易數(shù)據(jù)為例，通過(guò)算例證明了基于樸素貝葉斯分類法的模型對(duì)確認(rèn)數(shù)據(jù)資產(chǎn)具有可行性。本文的模型形式簡(jiǎn)單，數(shù)據(jù)意義明確，便于應(yīng)用，對(duì)企業(yè)數(shù)據(jù)資源的會(huì)計(jì)核算以及相關(guān)部門(mén)制定“大數(shù)據(jù)資源進(jìn)財(cái)務(wù)報(bào)表”的會(huì)計(jì)政策都具有一定的參考價(jià)值。

【參考文獻(xiàn)】

[1] 尤瓦爾·赫拉利.今日簡(jiǎn)史[M].北京：中信出版社，2018：50-67.

[2] 徐鑫.企業(yè)如何下好數(shù)據(jù)資產(chǎn)這盤(pán)棋[J].上海信息化，2016（7）：23-26.

[3] BULGER M， TAYLOR G， SCHROEDER R. Data- driven business models：challenges and opportunities of big data[R].Oxford Internet Institute，2014.

[4] 李雅雄，倪杉.數(shù)據(jù)資產(chǎn)的會(huì)計(jì)確認(rèn)與計(jì)量研究[J].湖南財(cái)政經(jīng)濟(jì)學(xué)院學(xué)報(bào)，2017（8）：82-90.

[5] 李如.對(duì)大數(shù)據(jù)資產(chǎn)確認(rèn)與計(jì)量問(wèn)題的研究[D].西安理工大學(xué)碩士學(xué)位論文，2017.

[6] 鄒照菊.企業(yè)大數(shù)據(jù)的資產(chǎn)屬性辨析[J].會(huì)計(jì)之友，2017（12）：7-12.

[7] 張志剛，楊棟樞，吳紅俠.數(shù)據(jù)資產(chǎn)價(jià)值評(píng)估模型研究與應(yīng)用[J].現(xiàn)代電子技術(shù)，2015（20）：44-51.

[8] 李永紅，張淑雯.數(shù)據(jù)資產(chǎn)價(jià)值評(píng)估模型構(gòu)建[J].財(cái)會(huì)月刊，2018（9）：30-35.