Измерение стоимости данных и их учет в макроэкономической статистике

В статье исследуется роль данных как экономического актива в цифровой экономике. Цель работы состоит в разработке подходов к комплексной оценке стоимости данных (информации) и их корректному учету в макроэкономической статистике.
В первой части статьи представлен обзор основных теоретических источников, посвященных исследованию так называемого парадокса производительности Солоу: влиянию цифровых процессов на замедление роста производительности в мире. Рассматривая различные точки зрения участников научной дискуссии, автор высказывает мнение о том, что существующая статистическая методология не позволяет оценить в полной мере вклад цифровой экономики в динамику производительности. Вместе с тем автор не считает обоснованными предложения о включении в макроэкономический учет стоимости данных, формируемых в рамках неоплачиваемой деятельности домашних хозяйств, и расширении основных макроэкономических показателей, например ВВП.
Во второй и третьей частях статьи рассмотрены подходы к оценке стоимости данных, используемых компаниями в производстве в качестве актива, а также основные обсуждаемые в настоящее время предложения о методах ее измерения в макроэкономической статистике. Эти аспекты измерения стоимости данных тесно связаны между собой как в информационном плане, так и методологически. Автор делает вывод о том, что рост потребности в стоимостной оценке данных на микроуровне неизбежно приведет к соответствующим изменениям в методологии макроэкономической статистики.
В последней части статьи более подробно исследованы вопросы измерения стоимости данных как непроизведенного актива. Потребность в таком подходе обусловлена существующим разрывом между рыночной оценкой вклада данных в производство и существующими возможностями их учета в объеме затрат на их производство. По мнению автора, это перспективное направление, позволяющее преодолеть указанный разрыв. В подтверждение в статье приводятся примеры экспериментальных расчетов на основе отчетов по стандарту МСФО четырех российских компаний, занятых в производстве цифровых услуг.
Экспериментальная оценка непроизведенных активов методом чистой приведенной стоимости показывает, что стоимость участвующих в производстве непроизведенных активов дата-ориентированных компаний отличается от величин, учитываемых в их финансовой отчетности, и это, в частности, происходит за счет недооценки или переоценки стоимости используемых в производстве данных, которые, по мнению автора, составляют основную часть неидентифицированных непроизведенных активов цифровых компаний.
В завершение делается вывод о том, что разработка методов учета стоимости данных как непроизведенного актива, используемого в производстве цифровых продуктов, - это одна из приоритетных задач развития методологии системы национальных счетов.

1. World Economic Forum. Personal Data: The Emergence of a New Asset Class. World Economic Forum, 2011. 40 p. URL: http://www3.weforum.org/docs/WEF_ITTC_PersonalDataNewAsset_Report_2011.pdf.

2. Goldfarb A., Tucker C. Digital Economics // Journal of Economic Literature. 2019. Vol. 57. No. 1. P. 3-43. doi: https://doi.org/10.1257/jel.20171452.

3. Triplett J.E. The Solow Productivity Paradox: What Do Computers Do to Productivity? // Canadian Journal of Economics / Revue canadienne d’economique. 1999. Vol. 32. No. 2. P. 309-334. doi: https://doi.org/10.2307/136425.

4. Hulten C., Nakamura L. Accounting for Growth in the Age of the Internet: The Importance of Output-Saving Technical Change // NBER Working Paper No. 23315. Cambridge, MA: NBER, 2017. 42 p. doi: https://doi.org/10.3386/w23315.

5. Lancaster K.J.A New Approach to Consumer Theory // Journal of Political Economy. 1966. Vol. 74. No. 2. P. 132-157. URL: http://www.jstor.com/stable/1828835.

6. Brynjolfsson E., Hu Y.J., Smith M.D. Consumer Surplus in the Digital Economy: Estimating the Value of Increased Product Variety at Online Booksellers // Management Science. 2003. Vol. 49. No. 11. P. 1580-1596. doi: https://doi.org/10.1287/mnsc.49.11.1580.20580.

7. Brynjolfsson E., Eggers F., Gannamaneni A. Using Massive Online Choice Experiments to Measure Changes in Well-Being // NBER Working Paper No. 24514. Cambridge, MA: NBER, 2018. 74 p. doi: https://doi.org/10.3386/w24514.

8. Watanabe C., Tou Y., Neittaanmäki P. A New Paradox of the Digital Economy - Structural Sources of the Limitation of GDP Statistics // Technology in Society. 2018. Vol. 55. P. 9-23. doi: https://doi.org/10.1016/j.techsoc.2018.05.004.

9. Watanabe C. et al. Measuring GDP in the Digital Economy: Increasing Dependence on Uncaptured GDP // Technological Forecasting and Social Change. 2018. Vol. 137. P. 226-240. doi: https://doi.org/10.1016/j.techfore.2018.07.053.

10. Brynjolfsson E. et al. GDP-B: Accounting for the Value of New and Free Goods in the Digital Economy // NBER Working Paper No. 25695. Cambridge, MA: NBER, 2019. 55 p. doi: https://doi.org/10.3386/w25695.

11. Syverson C. Challenges to Mismeasurement Explanations for the US Productivity Slowdown // Journal of Economic Perspectives. 2017. Vol. 31. No. 2. P. 165-186. doi: https://doi.org/10.1257/jep.31.2.165.

12. Groshen E.L. et al. How Government Statistics Adjust for Potential Biases from Quality Change and New Goods in an Age of Digital Technologies: A View from the Trenches // Journal of Economic Perspectives. 2017. Vol. 31. No. 2. P. 187-210. doi: https://doi.org/10.1257/jep.31.2.187.

13. Ahmad N., Ribarsky J., Reinsdorf M. Can Potential Mismeasurement of the Digital Economy Explain the PostCrisis Slowdown in GDP and Productivity Growth? // OECD Statistics Working Papers, 2017/09. Paris: OECD Publishing, 2017. 48 p. doi: http://dx.doi.org/10.1787/a8e751b7-en.

14. Gould J.P. Risk, Stochastic Preference, and the Value of Information // Journal of Economic Theory. 1974. Vol. 8. Iss. 1. P. 64-84. doi: https://doi.org/10.1016/0022-0531(74)90006-4.

15. Stephens D.W. Variance and the Value of Information // The American Naturalist. 1989. Vol. 134. No. 1. P. 128-140. URL: http://www.jstor.com/stable/2462279.

16. Eeckhoudt L., Godfroid P. Risk Aversion and the Value of Information // The Journal of Economic Education. 2000. Vol. 31. No. 4. P. 382-388. doi: https://doi.org/10.2307/1183152.

17. Stander J.B. The Modern Asset: Big Data and Information Valuation. Thesis: M.Eng (Engineering Management). University of Stellenbosch, 2015. 166 p. URL: https://scholar.sun.ac.za/handle/10019.1/97824.

18. Regneri M. et al. Computing the Value of Data: Towards Applied Data Minimalism. Second International Workshop on Energy Efficient Scalable Data Mining and Machine Learning (Green Data Mining 2019), 2019. 16 p. URL: https://arxiv.org/abs/1907.12404.

19. Higson C., Waltho D. Valuing Information as an Asset. SAS the Power to Know, 2010. 17 p. URL: https://lenand.files.wordpress.com/2011/01/infoasasset.pdf.

20. Brennan R. et al. Exploring Data Value Assessment: A Survey Method and Investigation of the Perceived Relative Importance of Data Value Dimensions // Proc. of 21st Int. Conf. on Information Systems (ICEIS), 3-5 May 2018, Heraklion, Crete, Greece. Vol. 1. Heraklion, 2019. P. 200-207. doi: https://doi.org/10.5220/0007723402000207.

21. Li W.C.Y., Nirei M., Yamana K. Value of Data: There’s No Such Thing as a Free Lunch in the Digital Economy // Proc. of the 2018 IP Statistics for Decision Makers (IPSDM) Conference, 23-24 October 2018, Alicante, Spain. OECD, 2018. 46 p. URL: http://www.oecd.org/site/stipatents/programme/ipsdm-2018-5-2-li-nireiyamana.pdf.

22. Coyle D. et al. The Value of Data: Policy Implications. Main Report. Cambridge: Bennett Institute for Public Policy, 2020. 49 p. URL: https://www.bennettinstitute.cam.ac.uk/publications/value-data-policy-implications/.

23. OECD. Exploring the Economics of Personal Data: A Survey of Methodologies for Measuring Monetary Value // OECD Digital Economy Papers, No. 220. Paris: OECD Publishing, 2013. 40 p. doi: http://dx.doi.org/10.1787/5k486qtxldmq-en.

24. Rassier D.G., Kornfeld R.J., Strassner E.H. Treatment of Data in National Accounts. Paper prepared for the BEA Advisory Committee. Burau of Economic Analysis, 2019. 26 p. URL: https://www.bea.gov/system/files/2019-05/Paper-on-Treatment-of-Data-BEA-ACM.pdf.

25. Gal M.S., Rubinfeld D.L. The Hidden Costs of Free Goods: Implications for Antitrust Enforcement // Antitrust Law Journal. 2016. Vol. 80. Iss. 3. P. 521-562. URL: https://www.jstor.org/stable/26411529?seq=1.

26. Ahmad N., Van de Ven P.Recording and Measuring Data in the System of National Accounts. Paper for the Meeting of the OECD Informal Advisory Group on Measuring GDP in a Digitalised Economy, 9 November 2018, Paris. (SDD/CSSP/WPNA (2018)5). Paris: OECD, 2018. 16 p. URL: http://www.oecd.org/officialdocuments/publicdisplaydocumentpdf/?cote=SDD/CSSP/WPNA(2018)5&docLanguage=En.

27. Recording of Data in the National Accounts. Paper for the 13th Meeting of the Advisory Expert Group on National Accounts (SNA/M1.19/2.3.3). Washington D.C., 2019. 9 p. URL: https://unstats.un.org/unsd/nationalaccount/aeg/2019/M13.asp.

28. Recording and Valuation of Data in National Accounts. Paper prepared by the Intersecretariat Working Group on National Accounts (ISWGNA) for the Webinar on Digitalization, 14 September 2020. 22 p. URL: https://www.unece.org/index.php?id=54482.

29. Reinsdorf M., Ribarsky J. Measuring the Digital Economy in Macroeconomic Statistics: The Role of Data. Paper for the ASSA 2020 Annual Meeting. 32 p. URL: https://www.aeaweb.org/conference/2020/preliminary/2179.

30. Татаринов А.А. Измерение цифровой экономики в национальных счетах. Вопросы статистики. 2019. Т. 26. № 2. С. 5-17. doi: https://doi.org/10.34023/2313-6383-2019-26-2-5-17.

31. IMF. The Relationship Between International Accounting Standards and Statistical Standards: Background Information on Work Within the IMF’s Statistics Department. Paper prepared for the Sixteenth Meeting of the IMF Committee on Balance of Payments Statistics, Washington D.C., December 1-5, 2003. URL: https://www.imf.org/external/pubs/ft/bop/2003/03-32.pdf.