（一）数据资产的定义
早在20世纪90年代，西方研究者就提及了数据资产的概念。Gargano和Raggad指出可以通过数据挖掘得到数据中有价值的信息，形成数据资产，为企业的经营投资决策提供参考价值。Rowley重新审视了“数据-信息-知识-智慧”（DIKW模型）的层级结构。DIKW模型由四大层级组成金字塔结构，其中最底层的部分是杂乱、不规范的数据点（Data）；通过构建这些数据点的联系，形成了金字塔的第二层，即信息（Information）；在众多信息之中，企业选择相对重要的，并通过分析形成金字塔的第三层，即观点（Knowledge）；最终，观点经过逻辑的整合产生了价值，形成企业进行决策的依据，即金字塔顶层的智慧 （Wisdom）。DIKW模型说明并非所有的数据都能成为有价值的数据资产，只有经过识别、评估和严格管理的、具有实际应用价值的数据才能认为是数据资产。数据资产是能够为企业产生价值的数据资源，当数据具有资产属性时，就可以成为数据资产。张俊瑞等从会计准则的角度出发，在无形资产定义基础上突出数据资产的独特属性，提出数据资产可定义为“由企业拥有或控制的，具有数据化形态的可辨认非货币性资产”。马丹和郁霞认为，“可量化、可控制、可变现”是资产化的数据需要具有的特性。
（二）数据资产的特征
学者们认为数据资产具有非实体性和时效性等特征。非实体性是指随着使用频率增加，数据资产不会被消耗，这会增加数据资产计量的难度。时效性是指在特定时间内，数据对企业的决策是否具有效用。不同数据的时效性有差异，例如城市智慧交通所产生交通路况的信息仅在当时有效，但是购物数据反映的消费者偏好往往在较长一段时间内有效。但也有学者认为数据的时效性不仅仅体现在价值随时间消减，也可能价值随时间增加，即表现为波动性。随着时间的发展，经济、技术发展水平、社会制度、人们的思想意识等都会产生变化，这些因素都可能影响数据资产的价值。
（三）数据资产的会计确认和计量
游静认为平台企业、社交媒体企业拥有的海量的数据满足资产确认条件，但却在传统的客观性的原则下被遗漏，不符合会计信息提供的相关性原则，因此应将数据资产体现在财务报表中。在科目设置上，李泽红和檀晓云认为，应该将数据资产按无形资产进行核算，并按历史成本的计量方式入账。游静等认为应扩充目前的无形资产会计核算体系，将数据资产列为无形资产的二级科目核算。朱扬勇和叶雅珍则分析了数据资产符合部分有形资产特征，应当以新资产类别的形式引入。
（四）数据资产的分类与初始计量
张俊瑞等提出以用途作为数据资产的分类标准，将其分为自用和交易型数据资产。企业应当以数据采集、加工、应用等阶段的历史成本作为自用数据资产入账价值的基础，而交易型数据资产应当使用公允价值进行初始计量。刘玉则将数据资产分为企业主动获取的数据资产和被动获取的数据资产（伴随企业正常经营活动产生的数据资产），主动获取的数据资产初始计量应采用历史成本计量属性，被动获取的数据资产初始计量应当采用现值属性。在数据资产的后续计量方面，李泽红和檀晓云认为，数据资产使用寿命应考虑不同类型数据的时效性，可采用年数总和法或双倍余额递减法进行摊销。陆旭冉认为数据资产的使用年限受不同因素综合影响，若使用年限不确定，则不应进行摊销，而应定期进行减值测试。
综上所述，数据资产的价值已经得到公认，但作为一类新型资产，现有文献对数据资产归属的资产类型还存在分歧。部分学者认为数据资产应作为无形资产核算或作为无形资产下属的二级科目进行核算，部分学者认为由于数据资产具有一系列独特的价值属性，暂不宜纳入当前会计准则规范的无形资产一级科目会计核算体系，应该独立设置一级科目。因此，要深入研究数据资产，还应对数据资产的价值属性进一步分析，给出数据资产类型的判定标准。此外，现有文献对数据资产会计计量的研究不完善，目前还仅仅是将构建数据资产过程中产生的历史成本进行费用化处理，或资本化处理入账。但对于作为大数据企业主要收入来源的数据资产，按历史成本进行初始计量不能反映其实际价值。外购的以公允价值入账的数据资产的后续处理，仍未得出一致结论。总体而言，现有文献对于数据资产的讨论较为笼统，停留在理论层面，缺乏针对具体案例的详细分析，不能得出为企业利用数据资产进行科学决策提供应用指导性较强的结论。
三、大数据企业数据资产会计
计量现状及问题
四、大数据企业数据资产会计
计量方法改进
