W erze cyfrowej ogromne zbiory danych, znane jako big data, stają się kluczowym aktywem wielu przedsiębiorstw, zwłaszcza działających w międzynarodowych grupach kapitałowych. Wykorzystanie big data w transakcjach pomiędzy podmiotami powiązanymi rodzi jednak szereg pytań podatkowych i prawnych – szczególnie w zakresie cen transferowych. Poradnik ten wyjaśnia, jak analizować takie transakcje, jak rozpoznać, kiedy mamy do czynienia z transakcją kontrolowaną z udziałem big data oraz na co zwrócić uwagę przy ustalaniu ceny transferowej.
Dlaczego temat big data i cen transferowych jest ważny?
Big data mogą przesądzać o przewadze konkurencyjnej firmy i stanowią coraz częstszy przedmiot wymiany w grupach kapitałowych. Z ich wykorzystaniem wiążą się jednak nie tylko szanse na rozwój biznesu, ale także ryzyko podatkowe i obowiązki dokumentacyjne – w szczególności w kontekście cen transferowych. W praktyce przedsiębiorcy często nie wiedzą, czy i jak rozliczać przekazanie lub wykorzystanie danych w grupie, jak analizować takie transakcje i jakie obowiązki mogą z tego wynikać. Przeczytaj, aby dowiedzieć się, jak zidentyfikować i poprawnie udokumentować transakcje z big data oraz na co zwrócić uwagę przy kalkulacji ceny transferowej.
Jak przebiegają transakcje z wykorzystaniem big data?
Etapy obrotu big data
Zgodnie z wytycznymi OECD oraz praktyką rynkową, big data są traktowane jako wartości niematerialne. Typowe transakcje z ich udziałem dotyczą:
- Przeniesienia wartości niematerialnych lub praw do nich (np. transfer zbiorów danych, licencji, praw do użytkowania baz danych).
- Wykorzystania wartości niematerialnych w sprzedaży towarów lub usług (np. świadczenie usług analitycznych na bazie danych).
Zrozumienie, kiedy dochodzi do transakcji kontrolowanej, wymaga prześledzenia całego cyklu życia big data. Obejmuje on:
1. Pozyskiwanie danych:
Zbieranie dużych ilości danych z różnych źródeł – mediów społecznościowych, urządzeń IoT, transakcji finansowych, sensorów przemysłowych. Dane mogą być:
- Ustrukturyzowane (np. uporządkowane bazy danych klientów)
- Nieustrukturyzowane (np. nagrania audio, obrazy, filmy)
2. Przechowywanie danych:
Dane są magazynowane, najczęściej w chmurze, która umożliwia łatwą skalowalność i szybki dostęp.
3. Przetwarzanie danych:
Na tym etapie dane są oczyszczane, standaryzowane i organizowane tak, aby nadawały się do późniejszej analizy.
4. Analiza danych:
Wykorzystanie algorytmów analitycznych, AI lub uczenia maszynowego (ML), aby wydobyć z danych wartościowe informacje.
5. Wykorzystanie wniosków:
Rezultaty analizy służą do innowacji produktowych, optymalizacji procesów, prognozowania trendów i podejmowania lepszych decyzji biznesowych.
Przykłady praktyczne
Przykład 1: Transfer surowych danych między podmiotami powiązanymi
Firma Data4You z Warszawy prowadzi platformę agregującą dane o ruchu miejskim z różnych miast. Gromadzone przez nią dane są przekazywane do powiązanej spółki Data4Global w Niemczech, która na ich podstawie świadczy usługi analityczne dla operatorów transportu publicznego. W tym przypadku dochodzi do transferu surowych danych – czyli samego „surowca”, który w dalszym etapie jest przetwarzany i analizowany.
Przykład 2: Udostępnienie wyników analiz jako usługi
Spółka MedAnalyse sp. z o.o. z Krakowa zbiera dane medyczne od partnerów klinicznych i przeprowadza zaawansowaną analizę przy użyciu AI. Wyniki analiz (np. prognozy rozwoju chorób na danym obszarze) udostępnia powiązanej spółce MedTech Solutions w Czechach, która wykorzystuje te wyniki do optymalizacji oferty produktowej. W tym przypadku transfer nie dotyczy samych danych, lecz wyników ich analizy – czyli wiedzy i know-how, które powstały w wyniku przetwarzania big data.
Jak rozpoznawać transakcje z big data jako transakcje kontrolowane?
Big data mogą być przedmiotem transakcji kontrolowanej na różnych etapach ich wykorzystania – zarówno przy przekazywaniu surowych danych, jak i gotowych analiz czy rozwiązań. W praktyce, aby prawidłowo rozpoznać transakcję, należy odpowiedzieć na kilka kluczowych pytań:
- Czy doszło do przekazania własności, licencji lub innego prawa do danych pomiędzy podmiotami powiązanymi?
- Czy jeden podmiot korzysta z big data drugiego w ramach świadczenia usług lub sprzedaży produktów?
- Czy transfer big data obejmuje tylko dane, czy także know-how (np. metody analizy, modele AI)?
Zwróć uwagę, że w przypadku dużych grup kapitałowych przekazanie strategicznych danych rzadko odbywa się na rzecz podmiotów spoza grupy – to właśnie wewnątrz grupy dochodzi do najistotniejszych transferów.
Ustalanie ceny transferowej dla transakcji z big data
W polskich przepisach brak jest szczególnych regulacji odnoszących się wyłącznie do big data. Należy zatem stosować ogólne zasady ustalania cen transferowych, kierując się również Wytycznymi OECD w sprawie cen transferowych dla przedsiębiorstw wielonarodowych.
Na co zwrócić uwagę przy analizie?
1. Charakter danych
- Czy przekazywane dane to surowe zbiory (np. nieprzetworzone logi z urządzeń) czy już zagregowane i przeanalizowane informacje?
- Czy dane stanowią unikalne aktywo niematerialne w rozumieniu rozdziału 6 wytycznych OECD?
2. Funkcje, aktywa, ryzyka
- Jakie funkcje pełnią zaangażowane podmioty (zbieranie, przechowywanie, analiza)?
- Jakie aktywa są angażowane i jakie ryzyka ponoszą poszczególne spółki (np. ryzyko utraty danych, odpowiedzialność za zgodność z RODO)?
3. Warunki transakcji i otoczenie ekonomiczne
- Jakie są warunki umowy (np. zakres licencji, ograniczenia terytorialne, czasowe)?
- W jakim otoczeniu ekonomicznym odbywa się transakcja?
- Jak wygląda model alokacji zysków w grupie (czyli które podmioty mają prawo do jakiej części zysku z wykorzystania danych)?
4. Przypisanie wartości dodanej i zysków
Ważne, aby odpowiednio przypisać zyski podmiotom, które wykonują kluczowe funkcje i ponoszą najistotniejsze ryzyka – często najwięcej wartości dodanej generuje podmiot, który prowadzi analizę i rozwija algorytmy, a nie ten, który wyłącznie zbiera dane.
Przykład podejścia do kalkulacji ceny transferowej
Przykład 3: Analiza funkcjonalna w grupie kapitałowej
Grupa MediCore posiada spółkę DataScan, która wyłącznie gromadzi i przechowuje dane pacjentów na potrzeby badań klinicznych. Główne funkcje przetwarzania i analizy wykonuje natomiast spółka CoreAI, która rozwija autorskie algorytmy AI i ponosi większość kosztów związanych z utrzymaniem infrastruktury IT oraz odpowiedzialność za zgodność z przepisami. Największa część zysku powinna przypaść spółce CoreAI – to tam powstaje wartość dodana, a DataScan powinna być wynagradzana jedynie za usługę zbierania danych (funkcja pomocnicza o niskiej wartości dodanej).
Podsumowanie: Kluczowe wnioski i wskazówki
- Big data są wartościami niematerialnymi i często stanowią przedmiot transakcji kontrolowanych w grupach kapitałowych.
- Zawsze analizuj, na jakim etapie i w jakiej formie dane są przekazywane lub wykorzystywane – od tego zależy sposób dokumentowania i wyceny transakcji.
- Ustalaj, która spółka faktycznie tworzy wartość dodaną – nie każda funkcja w łańcuchu przetwarzania danych jest równie istotna dla wyceny.
- Przy ustalaniu ceny transferowej korzystaj z ogólnych zasad oraz Wytycznych OECD, pamiętaj o rzetelnej analizie funkcjonalnej.
- Dokumentuj transakcje, uwzględniając specyfikę danych, zaangażowane funkcje, aktywa i ponoszone ryzyka.
Podstawa prawna
- art. 11c-11r – Ustawa z dnia 15 lutego 1992 r. o podatku dochodowym od osób prawnych (t.j. Dz.U. z 2023 r. poz. 2805 ze zm.)
- rozdział 6 – Wytyczne OECD w sprawie cen transferowych dla przedsiębiorstw wielonarodowych i administracji podatkowych
- art. 11g ust. 1-4 – Ustawa o podatku dochodowym od osób prawnych
- art. 11t – Ustawa o podatku dochodowym od osób prawnych
Tematy porad zawartych w poradniku
- ceny transferowe big data
- transakcje kontrolowane dane 2025
- wycena danych w grupie kapitałowej
- dokumentacja big data w podatkach
- transfer know-how i analiz AI
Przydatne adresy urzędowe
- https://www.gov.pl/web/finanse
- https://www.podatki.gov.pl/
- https://www.oecd.org/tax/transfer-pricing/
- https://uodo.gov.pl/