在大数据风潮引领的新一轮技术变革中,数据被冠以“新石油”的美誉,互联网企业更是将数据视为能够给企业带来巨大商业价值的重要战略资产和企业创新源泉。从转让定价的角度来看,大数据已经对当前的转让定价规则带来严峻挑战:首先,国内学术界和实务界对于数据是否属于一种资产尚无定论。在法律和会计层面均未明确界定数据是否属于资产的情况下,转让定价领域能否作此认定将影响功能风险分析下各交易方的基本定位。其次,目前国内转让定价管理中最常采用的交易净利润法(Transactional Net Margin Method)在数据价值链分析中是否仍是最合适的转让定价方法,有待商榷。为此,本文尝试从转让定价基础原理出发,通过案例分析探讨同一集团内多方参与数据链的价值创造对上述两个转让定价核心问题的挑战,并提出一些建议。
一、 大数据创造价值的一般路径
(一) 数据正在成为资产
大数据给人类社会带来的颠覆性影响不言而喻。人们的生活和消费方式在被网购、手机支付、人脸识别等技术彻底改变的同时,个人数据也被互联网企业收集。敏锐的企业家早已嗅到数据所带来的商机。据相关研究统计,亚马逊(Amazon)、易贝(Ebay)、谷歌(Google)等国外互联网巨头近几年发生的并购交易,多数是以数据纵向整合为目的,通过大幅度地取得数据资产来获得超额收益。表1显示了2006年至2018年期间谷歌公司并购交易的基本统计情况,从中可以看出,获取数据是谷歌公司并购的主要目的之一。
通常而言,互联网企业先对数据进行融合、分析及挖掘利用,提炼出用户的消费偏向,再制作用户画像,最终通过提供“个性化”产品或服务的方式将数据转化为企业利润,即所谓的“货币化”(monetization)。将繁乱的数据转化为具有导向性的可用信息,并进一步提炼为企业可生产或销售的商品或服务,正是大数据所具有的魅力。在此基础上,零散的数据信息变成了一个具有价值、可以控制、能为企业带来经济利益的整体,即本文所讨论的“数据资产”。
(二) 数据生命周期的功能性分析
目前,国内外对于数据的生命周期尚无权威的界定,普遍认为可以分为以下四个阶段,即数据的产生、收集、分析和数据驱动的商业模式。
第一阶段:数据产生(Data Generation),主要包括抓取并记录原始数据,但需取得用户必要的同意或授权。大数据价值的产生始于数据的生成,用户的任何一个行为都可能产生相应数据,用户本身的选择轨迹多样且复杂,产生的数据呈现零碎化和片段化特征。该阶段对于技术要求不高,通常只要用户在使用软件时同意或授权该软件公司获取其基本信息并有权保留用户的使用痕迹,以及在合同约定的范围内拥有该类原始数据的所有权。
第二阶段:数据收集(Data Collection),主要包括将抓取的数据传送到储存处,并确保数据准确、来源真实。该阶段并非简单的数据打包储存,而重在将数据进行整合归集,且对于数据的准确性要求较高。
第三阶段:数据分析(Data Analysis),主要包括数据处理,即基于复杂的模型和前提假设提炼有价值的信息并对其进行分析处理,不同来源数据的融合也发生在这个阶段。该阶段将复杂的原始数据进行进一步的加工分析,使毫无头绪的活动轨迹变得有迹可循,从而提炼出用户的投资和消费偏好等用户画像。
第四阶段:数据驱动的商业模式(Data-driven Business Model),主要包括将第三阶段“数据分析”提炼的信息转化为以数据为驱动的商业模式,并通过数据资产的授权许可、销售或自行为用户提供数据化服务或产品等方式实现数据货币化。与传统企业的价值链不同,向客户销售的产品不是经处理完毕的数据本身,而是以数据为基础体现用户交互能力的服务或产品,从而实现数据资产的真正价值。
(三) 大数据的价值链分析
根据经济合作与发展组织(OECD)发布的税基侵蚀和利润转移行动计划(BEPS Action Plan)讨论稿关于价值链分析的观点,价值链分析应充分考虑经济活动中的价值创造,而数据资产的特点在于其价值与用户的价值相互交织和作用。具体而言,数据生命周期的每个阶段都可能创造价值进而形成价值链,但各个阶段所创造的价值并不相同。目前,国外主流观点认为,单纯的数据本身没有价值,只有使用数据才会创造价值,因此,数据产生、收集和储存通常被视为低附加值活动,重要的价值创造活动是数据分析和数据驱动的商业模式。
然而,笔者并不完全认同上述观点。在商业实践中,所谓的数据分析模型其实未必能产生经济价值,而大数据本身带来的交互可能性和用户规模相互交织才是数据资产重要的估值基础。因此,数据的合理收集能力(交互端口)、合法有效的保存(必要性和合理性的法律要求)、合法有效的共享(必要的用户授权)及对外交互(基于对用户行为的大数据统计)等反而更接近数据价值创造的真实过程。另外,包括传统制造业在内的诸多行业都会产生和收集客户信息,但此类数据和信息并未在其价值创造中发挥重大作用。这同样说明,数据驱动的商业模式,或者说,以数据为基础的用户交互能力,才是大多数互联网企业获取利润的核心。
二、 从转让定价的角度讨论大数据关联交易
在商业实践中,数据的收集、储存、分析和商业模式的转化通常由企业集团内多方主体共同参与。从转让定价的角度出发,各方在数据资产价值链的创造过程中所承担的功能和风险各不相同,最终导致各方获得的收益不同。拥有较多资产、承担较多功能和风险的一方更有权利要求获得较高的收益回报。
值得关注的是,大数据具有独特的商业价值毋庸置疑,但当前国内法律和会计层面均未明确将数据认定为资产。根据笔者的观察,国内大部分互联网企业的资产负债表并未体现数据资产。这些企业在运营过程中无论是自发抓取的用户数据还是外购的用户数据,相关支出通常体现为人工费、数据费等费用化支出,而并未进行资本化。在此现状下,我国对国内互联网企业的转让定价分析所持观点与国外观点基本类似,即认为数据产生、收集和储存等属于低附加值活动,从事相关活动的主体并不履行复杂的功能、承担重大风险,不拥有显著的无形资产,因此被选定为验证主体,并选择交易净利润法对其进行转让定价分析。
笔者认为,上述实践中普遍采用的转让定价分析方法是否能反映出拥有以数据为基础、具有用户交互能力的主体有权获取的真实利润水平,值得进一步商榷。下文中,我们将结合法律和会计现有规则,从转让定价角度对大数据的性质认定进行功能分析,并进一步讨论是否有更为合适的转让定价分析方法。
(一) 数据驱动商业模式的功能性分析
转让定价的功能性分析是指识别关联交易主体在经济活动中各自履行的重大功能、承担的风险以及拥有的重大资产,据以判断其可能取得的市场回报的大小。由于数据驱动商业模式具有特殊性,对其进行转让定价功能性分析也理应作出一定调整。
1. 数据资产的功能风险分析
基于经济学基本原理,承担风险越大,所获收益应越高。根据《OECD跨国公司与税务机关转让定价指南》(以下简称《OECD转让定价指南》)相关规定,功能和风险的承担主要取决于哪个主体实质上控制了相关风险(control over risk)。包括:(1)有权且能够决策是否接受具有风险的商业机会,并实际履行决策功能;(2)有权且能够决策如何应对伴随商业机会的风险,并实际履行该决策功能。控制风险的主体将承担因风险发生而引发的经济和其他后果。也就是说,原则上决策主体将承担相关风险,进而有权享有风险相关的收益。
对于互联网公司而言,与数据相关的功能,主要包括数据产生、收集、储存、使用、整合、加工分析,以及将数据分析提炼的信息转化为数据驱动商业模式等。其中,数据的收集和整合主体通常承担较小的市场风险,但因收集主体拥有与用户的交互渠道以及第一手的用户数据,需承担与数据收集、储存和分享有关的损毁、灭失、泄露、未获得合法授权等风险。特别是如果该主体所收集、储存和使用(包括分享)的数据缺乏用户合法有效的授权,后续的数据整合、加工分析及转化为商业模式均将缺乏法律正当性。获得合法有效授权的数据,因其具有不可替代性,无疑将具有更高的商业价值,因此如何获得合法有效的授权也将在一定程度上影响互联网企业的商业模式。在包括我国在内的世界各国对于数据安全的监管趋严的大背景下,这部分风险将实质性影响企业的获利能力。
此外,将数据分析提炼的信息转化为数据驱动商业模式的主体通常承担较大的市场和研发风险,原因在于这些主体需要对提炼数据所反映的潜在市场价值进行判断,并基于该判断决定是否将数据转化为具体的产品或服务、转化的方向以及是否将最终产品投入市场。根据《OECD转让定价指南》,对数据收集、储存和分享有关的风险、市场和研发风险等风险具有决策权的主体,应在数据资产价值链中获得更多的利益回报。
2. 数据资产所有权归属分析
资产的所有权归属是功能性分析的重要部分。越接近资产端的主体,越有权优先获得资产所带来的经济回报。下文将分别从法律和会计层面对数据资产的所有权归属进行讨论。
第一,法律层面的界定。1999年,美国的劳伦斯·莱斯格(Lawrence Lessig)最早提出了数据财产化理论,认为应该授予数据主体数据所有权,确定所有人对于自身数据的财产权利。为充分保护以及利用数据财产,欧盟《通用数据保护条例》(2018年生效、2020年修订)明确规定数据权属分离,对数据主体和数据控制者、处理者作出了区分,同时对数据控制者、处理者关于数据主体的数据处理进行了规范。
在我国,《中华人民共和国民法典》尚未将数据界定为一种资产,亦未明确其权属。与有形动产相比,数据的特殊之处在于其可以被同时使用并创造价值而不被消耗。因此,主流观点倾向于认为数据属于无形资产。虽然我国对于无形资产的法律保护目前仅限于著作权、专利权和商业秘密等范畴,难以完全覆盖全部数据资产,但在司法实践中,已有案例认可互联网平台对其数据资产的权益。如在新浪微博与脉脉的不正当竞争公开案例中,法院明确认可合法获得且经授权的用户信息属于新浪微博的重要商业资源。
从使用权的角度而言,我国现行《中华人民共和国网络安全法》及《信息安全技术个人信息安全规范》规定,网络信息收集主体或个人信息控制者负有个人数据的储存和保管义务,且在向第三方共享信息时,应当取得用户授权。其中,个人信息控制者是指“有能力决定个人信息处理目的、方式等的组织或个人”。“网络信息收集主体”和“个人信息控制者”的措辞回避了数据所有权归属的问题,但已明确认可这些主体在取得合法授权的情况下享有数据的占有和使用权。在新浪微博与脉脉一案中,法院同样认可任何第三方使用其收集和占有的数据,不仅应当取得用户的授权,而且还要取得网络信息收集主体或个人信息控制者的授权,即建立了共享用户数据的“三重授权原则”,即“用户授权平台方+平台方授权第三方+用户授权第三方”。
上述法律规定和司法判决实质上认可了数据资产的经济价值,并且承认数据的收集和储存主体在取得合法授权的前提下,有权使用数据。这就为这些主体通过对外授权使用的方式将数据转换为数据资产并最终实现收益提供了适当的法律基础。
第二,会计准则层面的界定。根据我国《企业会计准则——基本准则》相关规定,资产是指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。根据《企业会计准则第6号——无形资产》相关规定,无形资产是指企业拥有或者控制的没有实物形态的可辨认非货币性资产。其中,“可辨认”是指:(1)能够从企业中分离或者划分出来,并能单独或者与相关合同、资产或负债一起,用于出售、转移、授予许可、租赁或者交换;(2)源自合同性权利或其他法定权利,无论这些权利是否可以从企业或其他权利和义务中转移或者分离。
在会计准则下,将数据认定为资产(特别是无形资产)需要符合以下几个标准:(1)由企业过去的交易或事项形成;(2)由企业拥有或控制;(3)与该资产有关的经济利益很可能流入企业;(4)成本或者价值能够被可靠地计量;(5)应具有可辨认性。
笔者认为,在目前的会计准则下,为了对数据在经济活动中的作用进行合理的记录和反映,数据应当被作为无形资产进行相应的会计处理。这是因为:(1)数据可以是企业基于用户的授权在向用户提供互联网服务或产品的过程中获取的,因此符合过去的交易或事项所形成的标准。(2)对于经由用户合法授权后获取的数据,可以被认为是由获得数据的企业所控制。(3)企业从商业的角度以及我国的司法判例均认可数据资产可以产生经济利益,且相关经济利益将很可能流入控制该数据资产的企业。(4)对于数据的成本,如果是外购获得的数据资产,通常可以根据交易价格进行计量。如果是企业运营过程中自发产生的数据资产,则可以通过资本化的方式在资产负债表上确定其实际成本。因此,数据资产的成本存在可靠计量的基础。(5)数据可通过交易单独转让,具有可辨认性。前文提及的互联网巨头近年的并购交易,也充分说明了数据资产符合会计上的可辨认性要求。
根据上述分析,在法律和会计层面,大数据都拥有可以确认为无形资产的合理基础。也同样可以看出,在转让定价功能性分析下,将数据资产认定为数据收集、储存主体的无形资产的合理依据。
(二) 数据资产关联交易中转让定价方法的选择
1. 现行转让定价方法的困境
转让定价方法的选择取决于关联交易各方的功能性分析。在目前对互联网企业的转让定价分析中,通常不认为收集和储存数据的主体承担复杂的功能和显著的风险,也就不拥有重要的资产,因此通常认为其对数据资产产生的最终收益贡献有限,这是选择交易净利润法作为数据资产关联交易转让定价方法的主要考虑因素之一。在此基础上,使用完全成本加成率或息税前利润率等利润指标,给予承担数据收集和储存功能的公司有限的收益回报。
然而,在实践操作中,数据资产的关联交易往往更加复杂,考虑到收集原始数据的公司拥有客户以及和客户的交互通道,进而拥有可以确认为无形资产的数据资产的实际价值,同时这些公司实质上承担了数据收集、储存和使用的相关风险(包括能否获得合法授权的法律风险),因此,在交易净利润法下承担数据收集和储存功能公司的应得收益会被严重低估,交易净利润法将不能真实、公允地分配关联交易各方应得的收益。此外,交易净利润法下较难找到仅承担数据收集功能的合适的可比公司。在实践中,为了满足可比公司样本数的要求,可比公司的范围可能被扩大至广告服务商、消费者信用报告机构,以及具有研究开发、测试服务或提供管理和公共关系服务的供应商。基于以上分析,笔者认为,交易净利润法并不一定是数据资产关联交易中最合适的转让定价方法;需根据可比公司和被测试方的具体情况,进一步判断交易净利润法的适用性。
2. 建议的转让定价方法
在国外,虽然目前尚无公开的数字资产相关的转让定价案例,但在转让定价管理实践中,如果交易双方都拥有重要的无形资产,利润分割法是更为合适且更为常用的转让定价方法。我国《特别纳税调查调整及相互协商程序管理办法》(国家税务总局公告2017年第6号,以下简称“6号公告”)规定,利润分割法一般适用于企业及其关联方均对利润创造具有独特贡献,业务高度整合且难以单独评估各方交易结果的关联交易。如上文分析,数据收集和储存的主体与将数据资产转化为商业模式的主体都拥有重要的无形资产,且这些无形资产对企业的利润创造都具有独特贡献。因此,根据6号公告的上述规定,在无法适用可比非受控价格法的情况下,对于数据资产相关的关联交易,利润分割法是更为合适的转让定价分析方法。
三、 基于大数据的关联交易案例分析
下文将以简化的某国内互联网企业案例为基础,基于转让定价的功能风险分析,结合法律和会计层面对数据资产性质的认定,探讨大数据对于我国当前转让定价规则和实践的挑战。
(一) 案例背景
A公司是一家位于境内的互联网平台公司,拥有大量的活跃个人和企业用户。B公司是A公司的境内关联方,为高新技术企业。根据集团总部C公司的决策,B公司基于A公司收集的用户数据,建立数据分析和风控模型,据此制作用户画像,成功开发了应用程序(App),并对开发的App拥有软件著作权。A公司通过App向用户提供服务,并收取费用。A公司与B公司签署了技术服务协议,就使用App及B公司向其提供的技术服务向B公司支付技术服务费。
下文将从转让定价角度分析A公司通过App销售所获得的收益,应当如何在集团内的A、B和C公司之间进行分配,同时,采取何种分配方式将更加符合关联方交易定价的公允性。
(二) 案例交易之转让定价分析
1. 数据资产所有权归属分析
在本案例中,A公司收集了用户数据,属于法律上界定的网络信息收集主体或个人信息控制者。基于新浪微博诉脉脉一案的判例、会计认定以及实质重于形式的税法原则,可以合理地认为,A公司因为拥有大量的活跃用户以及与用户交互渠道,它在这一过程中收集的数据是可归属于A公司的具有商业价值的无形资产。
2. 数据资产关联交易的功能风险分析
在本案例中,各主体承担的主要功能和风险以及拥有的主要资产如下:A公司承担数据的产生和收集功能,通过App招揽客户并赚取利润(即销售功能),进而承担了数据收集、储存与保管、合法分享的风险以及市场风险,并拥有所收集的原始数据这一无形资产;B公司主要承担数据分析和产品研发的功能和研发风险,并拥有所研发App的著作权;C公司未实际参与数据的产生、收集、存储和分析,但在数据分析结果转化为App的过程中起着关键的决策作用。
在常见的转让定价功能风险分析中,通常认为在数据的产生和收集阶段,由于数据资产带来的增值不大,A公司仅应享有数据收集和储存所带来的常规利润。B公司由于承担了研发功能,应当享有研发所带来的超额利润。C公司则作为集团总部,主要通过收取管理费用和中后台支持费用的方式分享有限的收益。
笔者认为,虽然A公司承担的功能通常被国外学者认为属于低附加值活动,但实际上其在前端直接对接用户,拥有第一手的原始数据和渠道,在后端通过App实现与用户的交互,完成数据货币化的最终出口,因此数据收集所对应的常规利润无法体现A公司实际承担的功能和风险。此外,从数据资产的角度出发,A公司作为互联网信息服务提供者(Internet Content Provider),往往拥有增值电信业务经营许可证,且本身享有与用户相关的原始数据,特别是在这些原始数据取得了用户对收集和共享的合法双重授权后,没有其他可替代性的数据,故原始数据具有较高的市场价值。鉴于A公司本身承担了多项重要功能并拥有高市场价值的数据资产,理应有权享有数据产品所带来的超额利润。
对于B公司而言,作为常规的研发主体受托进行产品App的研发,理应收取研发费用,但该研发费用的收取方式却有待商榷。由于B公司是受托研发,研发决策人员在C公司,尽管B公司享有所研发App法律上的所有权,但C公司才是真正承担研发所带来商业风险的主体,即从税法的角度看,C公司是研发成果的经济上的所有权人。原因在于,无论B公司的研发是否成功,其都会收到受托研发费用,同样地,C公司都将向B公司支付受托费用,故实际上研发失败的风险是由C公司承担的。因此,对于B公司而言,通过成本加成的方式确保其利润率是更为合适的收费方式。
对于C公司而言,原则上,由于其并不享有App法律上的所有权,所以无法通过收取许可费的方式分享App所产生的收益。在实践中,C公司作为集团总部,所提供的总部服务和管理服务虽均属于高附加值服务,但仍无法使其享有与其对于集团数据驱动的商业模式决策相匹配的收益和风险。究其原因在于,虽然从税法的角度看,C公司被认为是研发成果App经济上的所有权人,但其并不是法律上的所有权人,仍无法通过许可费获得App产生的收益的超额利润。故通常会考虑将C公司与B公司作为App的共同著作权人,以使C公司得以向A公司收取使用App的特许权使用费,进而能够分享基于数据资产形成的商业服务和产品所产生的超额利润。
3. 数据资产关联交易的转让定价方法选择
考虑到实践中的复杂情形,一方面,由于部分原始数据的不可替代性和潜在价值,收集原始数据的A公司有权要求获得更高的商业回报;另一方面,进行数据和用户信息收集的A公司因为拥有客户以及和客户的交互通道而拥有了数据的实际的价值,因此,A公司应该获得常规一般收集功能外的剩余利润的一部分。在此情形下,同时考虑到C公司所承担的数据转化为商业模式的决策风险,在A公司和C公司之间采用利润分割法可能是更为合适的转让定价方法。
对于B公司而言,实际上仅通过受托研发的费用确保其研发活动的收益,不应参与剩余利润的分配。
除A公司和B公司的上述交易和活动外,B公司授权A公司使用App并向A公司提供技术支持服务,由此B公司向A公司收取相关费用无可厚非。但从另一个角度切入,A公司收集的原始数据在授予B公司使用时,是否需要向B公司收取许可费?这看起来不言自明,但根据我们的实践观察,很少有关联企业收取原始数据的授权使用费,究其原因,仍在于法律上缺乏对数据资产所有权的界定。
四、 结论和建议
数据资产性质及所有权归属的清晰界定是增强并优化数据资产交易相关税收征管制度的重要前提保障,在此基础上才能对数据资产关联交易转让定价方法加以判定,以便更好地让税收征管制度平稳落地。基于此,笔者给出以下三点建议,以期促进未来数字资产相关转让定价征管实践的发展和进步。
第一,在法律层面加速建立合理有效的数据产权制度,为数据资产的体系性保护提供法律保障。在当前的商业实践和司法处理中,均倾向于将数据资产认定为一项无形资产,但法律层面的制度缺失使数据资产相关的税务处理具有较大的不确定性。因此,一方面应从法律层面认可“数据”的资产属性;另一方面,应通过完善现有知识产权相关规定,明确数据资产属于应受到法律保护的无形资产。数据资产性质及其所有权归属的确定,对转让定价的实践具有重大意义。法律上对数据资产明晰的权属界定不仅能促进数据资产的利用、相关并购和授权许可交易(包括关联交易)的蓬勃发展,还能为会计层面将数字资产确认为无形资产并在账面上体现其价值提供适当的法律基础。进而,在转让定价的功能性分析中,为认定数据属于数据收集主体的无形资产提供充分的法律和会计依据,使其不再是无根之谈。
第二,从税法的角度认定数据属于无形资产,为现行数据资产的税务处理提供合法有效的依据。数据资产定性和所有权归属问题的规定不明,已经对税务机关处理企业数据资产相关问题提出了挑战。同时,企业在进行相关税务处理时也面临着税务合规风险。笔者建议,在现行企业所得税法和增值税法的体系下,认可数据资产的无形资产属性,明确数字资产相关的企业所得税和增值税政策,不仅有助于统一并改善当前各地对于数据资产转让定价处理和定性尚不一致的情况,更可以为数据资产相关转让定价分析和征管提供充分的税务处理依据。
第三,在未来数据资产相关的转让定价实践中,税企双方及税务从业者均应结合数据资产关联交易的具体情况,突破传统无形资产交易中适用交易净利润法的固有思维,将利润分割法作为数据资产转让定价分析中可适用的方法之一。在数据资产转让定价实践中,各方均应认真审视各交易主体对于价值创造的贡献,合理确定各方拥有的资产、承担的功能和风险,调整并改善当前转让定价分析中对于交易净利润法的过度依赖和使用,主动探索更符合验证交易的合适的转让定价分析方法,以更加真实、公允地反映交易各方承担的功能、风险和所应获得的与功能、风险相匹配的利润回报。
*本文为节选,原文刊发于《国际税收》2022年第2期