2. Literatuur en afbakening onderzoek

2.1 Wat zijn data?

Voordat kan worden vastgesteld wat de waarde van data is, is het nodig om vast te stellen wat data nu precies zijn. Over het algemeen wordt met data alle informatie bedoeld die in gedigitaliseerde vorm opgeslagen, verwerkt en verspreid kan worden (Shapiro en Varian 2000). Hoewel deze definitie de niet-digitale data uitsluit, dus data op papier, geluidsbanden, videobanden etc., staat deze definitie toe dat deze wel goed te implementeren en toe te passen is. Daarbij is in de praktijk de hoeveelheid digitale data veel groter dan de niet-digitale data, en wordt niet-digitale data in steeds beperktere mate gemaakt.

2.2 Verschillende invalshoeken

De waarde van data kan vanuit verschillende invalshoeken bekeken worden. Hoofdzakelijk zijn dat de bedrijfseconomische invalshoek en de macro-economische (nationale rekeningen). De waarde voor individuen wordt in deze studie niet behandeld. De waarde voor hen hangt sterker samen met nut en (de kosten van) privacybescherming en diefstal van data, dan met economische waarde waarmee inkomsten gegenereerd worden. 

2.2.1 Bedrijfseconomische invalshoek

Indien de vraag “wat is de waarde van data?“ vanuit een bedrijfseconomisch perspectief wordt bekeken, kan eventuele waarde mogelijk terug te vinden zijn in de jaarcijfers van een onderneming. De categorie immateriële vaste activa lijken een logische plek om deze niet-tastbare zaken terug te vinden.
De jaarrekening van een Nederlandse onderneming wordt opgesteld op basis van de in Nederland geldende wet- en regelgeving. In titel 9 van Boek 2 van het Burgerlijk Wetboek (BW) geeft de wet regels voor het opstellen van de jaarrekening. De Raad voor de Jaarverslaggeving (RJ) publiceert bijbehorende richtlijnen. In aanvulling op voorgaande zijn beursgenoteerde bedrijven verplicht om de International Financial Reporting Standards (IFRS) toe te passen. Niet-beursgenoteerde ondernemingen mogen ervoor kiezen om IFRS toepassen.
 
In de richtlijnen is een immateriële vast actief als volgt gedefinieerd: een identificeerbaar, niet-monetair actief, zonder fysieke gedaante dat bruikbaar is voor productie, aflevering van goederen, voor verhuur aan derden of voor administratieve doeleinden. IFRS hanteert met een identificeerbaar niet-monetair actief zonder fysieke gedaante een vergelijkbare definitie. 

Merknamen, computersoftware, licenties, octrooien en copyrights zijn voorbeelden van immateriële middelen die onder de categorie immateriële activa kunnen vallen.
De regelgeving zegt dat de opname van een immaterieel vast actief in de balans verplicht is als aan onderstaande voorwaarden is voldaan. Indien niet aan deze voorwaarden kan worden voldaan, dienen de uitgaven aan het immaterieel actief als kosten te worden behandeld:

• Het is waarschijnlijk dat de toekomstige economische voordelen die een actief in zich bergt, zullen toekomen aan de rechtspersoon; en

• De kosten van het actief kunnen betrouwbaar worden vastgesteld.

De eerste voorwaarde zorgt ervoor dat de rechtspersoon de waarschijnlijkheid van toekomstige economische voordelen moet kunnen onderbouwen. De twee voorwaarde hangt samen met het feit dat de waardering tegen verkrijgingsprijs of vervaardigingsprijs moet plaats vinden. Er dient onderscheid te worden gemaakt tussen zelf verworven immateriële vaste activa en immateriële vaste activa verworven via een overname. Met name voor de laatste categorie kan de waardering een lastig karwei zijn.
Bovenstaande activeringsvoowaarden gelden eveneens voor intern vervaardigde immateriële vaste activa. Voor deze groep zijn in de regelgeving aanvullende criteria opgesteld waarbij er onderscheid wordt gemaakt tussen een onderzoeksfase en een ontwikkelingsfase. De uitgaven in de onderzoeksfase mogen niet geactiveerd worden, maar dienen in de winst- en verliesrekening te worden opgenomen. De uitgaven in de ontwikkelingsfase kunnen, als men aan een vastgestelde reeks voorwaarden voldoet, wel geactiveerd worden. Er is echter ook een categorie intern ontwikkelde immateriële vaste activa uitgesloten van activering. Dit betreft intern ontwikkelde merken, uitgavenrechten, logo’s en klantenbestanden. De veronderstelling is dat deze soort uitgaven niet vallen te onderscheiden van kosten van de onderneming in totaliteit.

2.2.1.1 Businessmodellen en waarde op bedrijfsniveau
Doordat vanuit de bedrijfsboekhouding het vastleggen van de waarde van data aan voorwaarden is gebonden, zal de waarde in veel gevallen niet op de balans verschijnen. Daardoor bekijken onderzoekers de waarde van data vaak vanuit het verdienmodel. Daarbij wordt bijvoorbeeld de rol van digitale platformen bestudeerd. Verdienmodellen rondom data beperken zich echter niet uitsluitend tot digitale platformen, ook ’traditionele’ bedrijven zetten data in voor meer efficiëntie, denk bijvoorbeeld aan meer efficiëntie en lagere kosten van logistieke en bestelsystemen of het genereren van meer omzet door nieuwe producten of diensten meer op maat aan te bieden. Voor digitale platformen geldt dat hun verdienmodel door data en dataverzameling wordt mogelijk gemaakt (data-enabled), terwijl het verdienmodel van meer traditionele bedrijven door data wordt versterkt (data-enhanced) (Nguyen en Paczos 2019).

Li et al. (2019) bestuderen de waarde van data van verschillende bedrijven binnen de platform-economie. Dit zijn bedrijven die contacten en transacties tussen aanbieders en afnemers van diensten en producten faciliteren. Deze bedrijven zijn sterk data gedreven, en halen hun omzet grotendeels uit de data-gebaseerde dienstverlening.

Doordat het goed “data” niet op een markt verhandeld wordt, kan er geen echte prijs vastgesteld worden. De waarde van data komt volgens de auteurs tot uitdrukking in de data-waardeketen en binnen deze waardeketen weten de platformbedrijven het grootste stuk binnen te halen. Zij doen dat bijvoorbeeld op basis van door hen zelf verzamelde datadiensten zoals advies en consulting, naast het feit dat ze door de netwerk-effecten grote groepen aanbieders en afnemers aan zich weten te binden. 

Voor een aantal bedrijven, waaronder Amazon en Booking.com, hebben zij een eigen methode ontwikkeld om tot een inschatting van de waarde van data van deze bedrijven te komen. Deze methode leunt op een inschatting van het organisatie-kapitaal, waarvan de auteurs aannemen dat dit de waarde van data voor deze bedrijven vertegenwoordigt. Het nadeel van deze methode is dat het alleen werkt voor bedrijven die volledig of vrijwel volledig data-gedreven zijn. Voor bedrijven waar het belang van data kleiner is, kan deze methode niet of slechts gedeeltelijk toegepast worden. Daarnaast geven de auteurs geen inschatting voor de waarde van data voor een land of bedrijfstak als geheel.

2.2.2 Invalshoek vanuit de nationale rekeningen
De nationale rekeningen behandelt data op dit moment als een niet-geproduceerd activum en schaart deze onder de goodwill en marketingactiva. In het systeem van nationale rekeningen is dit het saldo van aan- en verkopen van goodwill en marketing activa. Deze categorie omvat niet uitsluitend data, maar zoals de naam al zegt ook goodwill, merknamen, domeinnamen en logo’s (ESR 2010 Bijlage 7.1). Hierdoor wordt data als een activum gezien dat kan ontstaan zonder dat daar een productieproces aan ten grondslag ligt.

In het systeem van nationale rekeningen (SNA 2008) is er wel een kleine uitzondering. Databases bestaan volgens het SNA uit bestanden van data die zo georganiseerd zijn dat ze op een effectieve manier benaderd en gebruikt kunnen worden. In eerste instantie stelt het SNA dat databases los gezien moeten worden van de data die erin staat. De waardering van een database mag wel de kosten bevatten die nodig zijn om de data in het juiste formaat te zetten, maar niet het verzamelen of produceren ervan. Wel stelt het SNA dat bij een verkoop van een database de waarde van zowel de database als de data in de transactie opgenomen moet worden. Hierdoor staat de deur open om data wel te classificeren als een geproduceerd activum, in dit geval samen met databases.

2.2.2.1 Inkomsten uit data gerelateerde activiteiten
De inkomsten die met behulp van data gegenereerd worden, zijn onderdeel van het BBP en andere relevante variabelen. Dat zorgt ervoor dat er dit gedeelte van de data-economie wel gekwantificeerd kan worden, waarbij dus niet gekeken wordt naar de waarde van data op de balans. De OESO heeft bijvoorbeeld een studie gedaan naar enerzijds aanbod en gebruik van datadragers, hier hardware, software en diensten, en anderzijds expliciete waardecreatie door data, hier het verzamelen, samenstellen en verkopen van data in een database. De opzet van deze studie is om een verdere detaillering aan te brengen in bestaande tabellen (meestal van de nationale rekeningen) zodat duidelijk wordt hoe groot de rol is die data speelt in de economie (Ker et al. 2019). Hiermee kan dus een inschatting gegeven worden hoe groot de impact van data is op de economie. Data op dit gedetailleerde niveau blijkt alleen beschikbaar voor de VS en in mindere mate Canada. Voor de andere OESO-lidstaten bleek er niet voldoende detail aanwezig in de statistieken om tot deze cijfers te komen. Deze manier van schatten is nog niet volledig ontwikkeld, en daarom heeft de OESO voor sommige diensten alleen naar de uitgaven gekeken, terwijl voor andere juist alleen gegevens over de inkomsten beschikbaar waren. Doordat er een gedetailleerde uitsplitsing nodig is van kosten en inkomsten van bedrijven, gedetailleerder dan nu beschikbaar in de Nederlandse nationale rekeningen, is deze aanpak niet te herhalen voor Nederland.

2.2.2.2 Data als geproduceerd activum
In internationale fora is de consensus meer en meer dat (bewerkte) data wel geproduceerd worden en daarom bij de geproduceerde activa horen, net als bijvoorbeeld software en R&D (ISGWGNA 2020). Daarmee vormt data net als software, databases en R&D een apart activum in de activum-classificatie van de nationale rekeningen. De kenmerken van een (geproduceerd) activum is dat het gedurende meer dan een jaar (herhaaldelijk) in gebruik is en dat er een economische eigenaar van het activum vastgesteld kan worden. Bijvoorbeeld zullen bedrijven databases met klantgegevens niet snel binnen een jaar wissen, maar meerdere jaren in gebruik houden. Daarbij zijn de uitgaven aan databescherming door bedrijven een sterke indicatie dat hier sprake is van eigendomsrechten, net als bijvoorbeeld bij andere vormen van intellectueel eigendom.

2.2.2.3 Data in de waardeketen
Het statistiekbureau van Canada heeft een raamwerk voor waarde van data bedacht die sterk gericht is op en gelinkt met de nationale rekeningen (Statistics Canada 2019). Hun aanpak begint bij het opdelen van de waardeketen van data. Het eerste gedeelte bestaat uit zgn. observaties. Dit zijn datapunten die niet gedigitaliseerd zijn en bijvoorbeeld bestaan uit natuurlijke fenomenen, zoals de buitentemperatuur in de middag. 

Data, als stap 2, worden vervolgens gezien als gedigitaliseerde en gestructureerde observaties. Daarmee slaan ze een brug naar een nieuwe definitie, namelijk dat data wel geproduceerde activa zijn. Door het onderscheid tussen observaties (niet geproduceerd) en data (wel geproduceerd) is deze nieuwe eigenschap mogelijk. De verwachting is dat de hoeveelheid data, als gevolg van onder meer cloud computing, IoT (internet of things), AI (artificial intelligence) en machine learning zeer sterk gaat toenemen, omdat kosten zullen afnemen en het gemak waarmee data gemaakt en gebruikt kunnen worden zal toenemen (Nguyen en Paczos 2019).

De derde stap bestaat uit databases, wat inhoudt de manier waarop data zijn opgeslagen, in welk format ze zijn opgeslagen, en de database bepaalt ook op welke manier de data opvraagbaar zijn. Het raamwerk stelt dat er wel degelijk een verschil is tussen data en databases, maar dat het verschil soms lastig te maken is. Dat heeft er voornamelijk mee te maken dat data vrijwel altijd zich in een database bevinden. Ook overlap met software is snel gemaakt. Data wordt vaak automatisch door software in een database gezet, zonder menselijke tussenkomst (zie ook Nijmeijer 2018). De praktische invulling van het begrip data wordt daarmee bemoeilijkt, maar voor het raamwerk zelf is de scheiding nodig.

Het vierde en laatste stuk van het raamwerk bestaat uit data-analyse en datascience. Algemeen is de verwachting dat dit onderdeel de meeste waarde voor bedrijven oplevert, zoals ook in Li et al. (2019) wordt aangegeven. Dit gaat vooral over het in samenhang bekijken van de data en nieuwe inzichten verkrijgen die weer in het productieproces toegepast kunnen worden. Nguyen en Paczos (2019) geven aan dat met ontwikkelingen in AI nieuwe bedrijfsmodellen opkomen en bedrijven in zijn geheel getransformeerd worden. Voorbeelden zijn een autofabrikant die met data een leverancier van mobiliteitsdiensten wordt of een hijskranenfabrikant die alle hijskranen continu kan monitoren om benodigd onderhoud te voorspellen.

Volgens de inzichten van het statistiekbureau van Canada vormt datascience een onderdeel van R&D. Zij verwijzen naar de definitie in het systeem van nationale rekeningen (System of national accounts). Daarin staat dat R&D wordt ondernomen op systematische basis om de kennisvoorraad te doen toenemen, inclusief kennis over de mens, cultuur en de maatschappij, en dat deze kennis ingezet kan worden om nieuwe toepassingen te ontwikkelen. In het raamwerk van het statistiekbureau van Canada zorgt deze stap vervolgens voor het opslaan en verwerken van nieuwe observaties, omdat er uit de analyses nieuwe inzichten voortkomen waarvoor nieuwe data benodigd zijn. Daarmee is een datakringloop tot stand gekomen. De omvang van de overlap tussen datascience en R&D is nog een discussiepunt, hier is nog geen uitsluitsel over.

Het BEA in de VS heeft een soortgelijke studie uitgevoerd (Rassier et al. 2019). Zij onderschrijven dat data waarde heeft en daarmee ook als geproduceerd activum gezien kan worden. Hun paper heeft een brede focus en behandelt onderwerpen als bezit van data, de productiegrens van de nationale rekeningen, de indeling van data in categorieën, de waardering van data en de overeenkomsten met andere immateriële activa. In hun paper pogen zij een waarde te geven aan zowel de aangekochte data, als de in eigen beheer ontwikkelde data. Zij constateren daarbij terecht dat data als concept binnen de nationale rekeningen nog niet is uitgekristalliseerd. Het gaat dan bijvoorbeeld om eigendom en de manier van waarderen. 

2.2.2.4 Toepassing op Nederland
De hierboven geschetste situatie, waarbij data wordt gezien als een geproduceerd activum die past in een waardeketen met databases en datascience, wordt in deze studie ook toegepast op Nederland. Deze methode is in praktische zin het best uitvoerbaar. Wat hier vooral aan bijdraagt is dat, om een totaaloverzicht van de waarde van data te geven, het niet mogelijk is om naar bedrijfsinformatie zelf te kijken. De waarde van data wordt ofwel niet opgenomen in de verslaglegging, of wordt onder de noemer immateriële activa gerubriceerd. In beide gevallen geeft dit weinig informatie. Voor een andere aanpak is ofwel te weinig informatie beschikbaar (aanbod en gebruik van datadragers en diensten), of is niet uitputtend, en geeft alleen voor een beperkt aantal bedrijven een inschatting.

2.2.2.5 Afbakening
Een eerste afbakening die we gebruiken is het begrip van een activum of investeringsgoed. Binnen de nationale rekeningen spreken we van activum als iets herhaaldelijk en langer dan een jaar ingezet kan worden in een productieproces. Hierdoor vallen niet alle data onder de investeringsgoederen, en wordt dus alleen de data beoogd die bedrijven herhaaldelijk in zullen zetten. Dat betekent niet dat alle data die we hier bestuderen continu wordt ingezet, maar er moet de mogelijkheid zijn om deze data langer dan een jaar in te zetten. Bij het in de praktijk brengen van de methode zal hier niet bij worden stilgestaan, omdat de scheiding van inzet korter en langer dan een jaar gebaseerd is op aannames.

Hierop aansluitend is ten tweede gekozen om alleen de investeringen in eigen beheer te berekenen. Binnen de nationale rekeningen wordt onderscheid gemaakt tussen activa die nieuw van derden worden aangekocht of in eigen beheer ontwikkeld/gebouwd. In dit geval levert deze definitie een praktisch voordeel op dat handel in deze activa buiten beschouwing gelaten wordt. Bronmateriaal rondom dit soort transacties is veelal afwezig of moeilijk te interpreteren, bijvoorbeeld als het gaat over goodwill of databases. Het andere voordeel is dat de waarde benaderd kan worden door de gemaakte kosten, aangezien er geen markttransactie aan ten grondslag ligt.[1] 

Ten derde gaan we ervan uit dat het bedrijf dat de kosten maakt ook de eigendomsrechten heeft. Dit hoeft voor grotere bedrijven (ondernemingen) niet altijd het geval te zijn. Een onderdeel kan het activum ontwikkelen, terwijl een ander onderdeel binnen het bedrijf de economische eigenaar wordt. Als beide binnen verschillende bedrijfstakken werkzaam zijn, heeft dat ook gevolgen voor de nationale rekeningen. Voor het totaalcijfer, de optelsom over de hele economie, maakt dit niet veel uit. In paragraaf 2.4 wordt verder ingegaan op eigendom van data.

Ten vierde is ervoor gekozen (internationale) handel buiten beschouwing te laten. Dit is een praktische keuze. Niet alleen handel in nieuwe data-activa, maar ook tweedehands activa laten we buiten beschouwing. Anekdotisch bewijs wijst erop dat er wel degelijk gehandeld kan worden in data-activa, bijvoorbeeld bij in opdracht gemaakte databases. Deze inperking heeft betrekking op de handel in activa zelf, en niet op de diensten de gegenereerd kunnen worden door gebruik te maken van data. De waarde van data schuilt onder meer in kennis over internetgebruikers. Stukjes van data worden wel beschikbaar gesteld aan bedrijven die bijvoorbeeld een marketingcampagne op willen zetten, maar de originele verzamelaar doet vrijwel nooit afstand van de gehele data(base). In de statistieken van de nationale rekeningen wordt dit voorbeeld als reclame- en advertentiediensten bestempeld, en niet als data. De aan- en verkoop van advertentiediensten vindt zowel puur binnenlands plaats, als grensoverschrijdend.

De waarde van de diensten die voortvloeien uit de data, databases en kennis van de data is niet hetzelfde als de balanswaarde van de data zelf. Wel bestaat er een verband tussen de twee variabelen. Volgens de economische theorie is de balanswaarde van een activum gelijk aan de verdisconteerde stroom van toekomstige inkomsten. Met andere woorden, als alle inkomsten die een bedrijf kan verdienen aan een activum bij elkaar opgeteld en verdisconteerd worden, zou deze gelijk moeten zijn aan de waarde op de balans.

Data en databases worden wel overgedragen bij overnames en fusies. Er zijn aanwijzingen dat de waarde van data juist een reden is dat bedrijven overnames doen (Li et al. 2019). In de statistische praktijk is handel in deze activa moeilijk waar te nemen, en is bij overnames niet geheel duidelijk welk gedeelte van de overnamesom toe te schrijven is aan data en wat aan andere (immateriële activa) (bijvoorbeeld als onderdeel van goodwill; merknamen). Doordat we deze transacties buiten beschouwing laten, is er geen inschatting nodig van de omvang van deze transacties.

Ten vijfde beperken de berekeningen zich tot de waarde die bedrijven weten te creëren. Dit betekent dat de waarde van de overheid buiten beschouwing wordt gelaten. De data die de overheid bezit is in principe toegankelijk voor derden en is geen exclusief eigendom waarmee de overheid geld kan (of zou moeten willen) verdienen. Daarbij is de overheid geen marktpartij, en verzamelt de overheid geen data uit het oogpunt winst te behalen. In de praktijk betekent dit dat de bedrijfstakken overheid en onderwijs worden uitgesloten in de berekeningen.

2.3 Indeling van soorten data

De classificatie van verschillende soorten data kan op meerdere manieren gedaan worden. De OESO heeft verschillende manieren vastgesteld waarop data geclassificeerd kan worden. Data kan ingedeeld worden naar eigendom, databron, financiering en onderhoud, toegang en manier van verzamelen (Nguyen en Paczos 2019). Dit leidt tot het volgende overzicht.

De categorieën sluiten elkaar niet uit, vaak zal data bij meerdere categorieën ingedeeld kunnen worden.

Bedrijven zullen naar data kijken in de context van doel en onderwerp. Hun focus zal dus vooral liggen op het vlak van eigendom, onderwerp en databron. Bij eigendom is van belang of er specifieke wetgeving over bestaat, en of data gemakkelijk te combineren is en te koppelen met andere data. Het onderwerp is van belang als het erom gaat met welk doel data wordt ingezet. Dat hoeft niet één enkel doel te zijn, bijvoorbeeld verkoopgegevens kunnen gebruikt worden om actief te worden in nieuwe markten, maar kan ook ingezet worden om intern kosten te verlagen door een efficiënter inkoopproces. Van belang voor de nationale rekeningen zijn de kenmerken of de data met publiek geld of juist met privaat geld zijn gefinancierd, en of de data vrijelijk beschikbaar is, of er eigendomsrechten op uitgeoefend worden. Dan kan de toedeling van het eigendom aan institutionele sectoren worden gemaakt. Deze opdeling bestaat meestal uit vijf hoofdsectoren, dit zijn niet-financiële en financiële vennootschappen, overheid, huishoudens en instellingen zonder winstoogmerk ten behoeve van huishoudens. Ook geeft het eigendom aan of er sprake is van een investering, of alleen van lopende kosten indien er geen eigendom wordt toegekend.

Het classificeren van data staat nog in de kinderschoenen en een leidende classificatie is nog niet in zicht. In dit onderzoek kijken we alleen naar data van bedrijven, vanuit die optiek is de classificatie waarin onderscheid wordt aangebracht tussen bedrijfsleven en overheid van belang.

2.4 Van wie is het eigendom van data?

Eigendom van data is niet op voorhand duidelijk. Bijvoorbeeld in het geval van persoonsdata kunnen dit zijn de verstrekker (persoon), de ontvanger (data-bedrijf) en de overheid (voor bijvoorbeeld statistische doeleinden). In de Nederlandse context hebben individuele personen recht op privacy en persoonsdata kan niet voor alle doeleinden ingezet worden. Het eigendom van persoonsdata van een bedrijf is dus beperkt. Ook in het geval van niet-persoonsdata kan het eigendom moeilijk vast te stellen zijn. Dit is bijvoorbeeld het geval wanneer een koper een apparaat koopt van een fabrikant, waarbij het apparaat zelf data genereert. Het apparaat is eigendom van de koper, en draait op de productiefaciliteit van de koper, maar stuurt vervolgens data door naar de fabrikant. Dan moet per geval beslist worden aan wie de data toebehoort (Witteman et al. 2019). 

Het systeem van nationale rekeningen maakt een onderscheid naar juridische eigenaar en de economische eigenaar. De juridische eigenaar is de eigenaar volgens de wet. In veel gevallen zal die samenvallen met de economische eigenaar, maar dat hoeft niet. De economische eigenaar draagt het risico voor het bezit en is verantwoordelijk voor het onderhoud van het activum. Voor economische statistieken gaan we uit van een economisch eigendom. In het geval van dit paper zal dat de eenheid zijn die de data inzet voor het productieproces. Dat betekent dat we het eigendom toekennen aan een bedrijf, ook al hebben individuele personen een wettelijk recht op data over henzelf. 
Een ander aspect waar rekening mee gehouden moet worden is de eenvoudige reproduceerbaarheid van data. Data kan tegen zeer geringe marginale kosten gereproduceerd en verplaatst worden. Data dat in jaar 1 in land A opgeslagen is, kan in jaar 2 in land B staan. Bij multinationale ondernemingen is iets dergelijks vrij gemakkelijk te doen. Deze verplaatsing heeft meestal geen invloed op het productieproces. Voor bepaalde activiteiten, bijvoorbeeld data-analyse, kan iets soortgelijks gelden. De locatie van data-analyse kan verplaatst worden, zonder dat het activum data is verplaatst. Dit bemoeilijkt meting van data in de nationale economische statistiek. Voor dit onderzoek wordt de verplaatsing van het activum zelf buiten beschouwing gelaten, in een opvolgende studie zou hier wel aandacht aan gegeven kunnen worden.

Licenties om data te mogen gebruiken kan op zichzelf ook als een activum gezien worden. Dit geldt als deze licentie langer dan een jaar geldig is. Met de licentie kunnen dan verdere bedrijfsactiviteiten ontwikkeld worden. De licentiebetalingen worden in dit geval gezien als een investering, bij licenties korter dan een jaar worden de betalingen gezien als lopende kosten.

Bij een verkoop van data wordt het hele activum overgedragen, meestal inclusief de database waar deze data in staat. Over het algemeen zijn deze transacties moeilijk waar te nemen en komen ze niet veel voor. Er kan dan zowel sprake zijn van een nieuwe database als een reeds in gebruik zijnde database. Een meer voorkomende eigendomsoverdracht van data is een bedrijfsovername. Bij een bedrijfsovername zal de waarde van data onder goodwill gerubriceerd en gewaardeerd worden. Deze komt dan op de balans van de kopende partij. De waarde die hiermee aan de data gegeven wordt is afhankelijk van vraag en aanbod, waarbij de waarde beïnvloed wordt door de data die de kopende partij al heeft. Dat wil zeggen dat productiviteit van het combineren van data niet in alle gevallen even groot is. Bij een productievere combinatie zal, ceteris paribus, de overnamesom naar verwachting hoger liggen.

[1] De waarde van in eigen beheer ontwikkelde data zou in theorie wel in de financiële verslaglegging op de balans kunnen verschijnen.