以數據要素為抓手，大力發展數字經濟

□ 陽夢華

(中共益陽市委黨校 湖南 益陽 413000)

黨的十九屆四中全會決議中，首次提出將數據作為參與分配的生產要素之一，這是一個巨大的理論創新。雖然世界各國對生產要素的探討和研究很多，但都局限在學術探討。我國作為馬克思主義的踐行者，在這么重大的決定中提出，“健全勞動、資本、土地、知識、技術、管理、數據等生產要素由市場評價貢獻、按貢獻決定報酬的機制”體現了我國社會主義市場經濟體制不斷完善，也標志著我國數字經濟發展進入新階段。

一、數據要素的特點與價值

(一)數據總量超級大

從數據總量來看，今天的數據可謂是海量的，并且還在不斷快速增長。有研究指出，最近幾年產生的數據總量，可能比人類之前100年的總量還要多。IDC認為，2010年全球產生的數據量僅為2ZB，到2025年全球每年產生的數據將高達175ZB，相當于每天產生491EB的數據，年均增長20%。

(二)數據來源成本低

過去，我們數據采集主要依靠人工，數據采集成本比較高，但是今天，大量的數據來自傳感器，數據自動采集，大大降低了數據采集成本。同時，過去的數據主要是靜態的，而今天的數據主要是動態的，是在線產生的數據，是活數據，這有利于數據用于記錄、反饋和互動，加快數據運動速度和周期，使得數據能夠在企業運營的全流程上快速流動，并且能夠用于量化決策和預測，是數據產生新的社會價值。

(三)數據挖掘技術高

數據挖掘技術主要表現為算力和算法。算力從第一臺計算機的誕生到超級計算機的發展，特別是量子計算機，人類算力不斷提升。同時，算力也逐漸走向普惠，主要表現為移動互聯網和智能手機的普及。特別是云計算技術的出現和發展，改變了數據的儲存方式，云技術成為與水電類似的基礎設施，使得數據開始像水和電一樣流動起來，使得數據從封閉走向開放，走向共享，走向融合。這就為算法提升提供了廣闊的應用空間。算法是物理世界運行規律的模型化表達，算法的代碼化就是軟件。伴隨著各種工業軟件的普及，特別是產品設計和全生命周期管理軟件的普及，數字孿生技術開始應用與產品研發、生產制造，大大提高了研發與生產效率。數字化聯通了設備、原料、訂單、排產、配送等各個環境，改變了企業依靠經驗決策和預測的模式，逐漸成為數據驅動的生態系統。各種智能產品應運而生，智能城市、智慧大腦、工業大腦、醫療大腦等等，各種應用場景廣泛應用人工智能的算力和算法。

二、數據要素應用過程中的突出問題

(一)與實體融合不深

當前，我國數字經濟與實體經濟融合度不深，數字化轉型表現出“三產優于二產，二產優于一產”的特征。2018年，服務業、工業、農業中數字經濟占行業增加值比重分別為35.9%、18.3%和7.1%。傳統產業數字化轉型存在大大小小的問題，特備是中小企業，存在轉型能力不夠(不會轉)；轉型成本偏高(不能轉)；轉型陣痛期比較長(不敢轉)等問題。

(二)信息孤島協同差

企業數字化轉型主要有三個層次，分別是數字化、網絡化和自動化。數字化對企業而言，意味著全流程的數字化。當前，大部分企業的數字化還停留在起步和局部數字化階段，比如，財務系統數字化，但是生產系統未能數字化。這次新冠疫情期間，很多企業不在疫情，但是依然沒有辦法復工復產，原因就很有可能是它的供應商在疫區。在政府數字化治理中，這個問題表現更加突出，各個部門之間的數據相互孤立，協同能力較差。

(三)管理機制不健全

目前，我國數據要素市場還在形成過程中，關于數據確權、數據保護、數據標準、數據交易、數據流通等方面的法律法規仍有待完善。

三、以數據要素推動數字經濟發展的對策

(一)擴大數據來源，增加高質量數據集

數據并不是一個新東西，數據由來已久，為什么現在變成了生產要素，是因為現在的數據發生了很多變化，現在數據的量可以說是海量的，同時海量數據是可以實時更新的，有的研究指出，最近幾年產生的數據量，可能比過去一百年還要多。其次，數據的獲取方式也發生了很大變化，大數據的獲取更多地依靠傳感器而非人工，數據的架構、存儲也發生了很大變化，并不是所有的數據都可以產生價值的，在一個應用中，海量數據支撐下往往價值最高的是核心數據集，發展數字經濟必須增加高質量核心數據集的積累。數字經濟時代，對數據中心建設提出了更高要求，數據中心不僅僅是存放、計算、存儲及網絡設備的機房場所，更重要的是公共技術設施的重要組成部分。作為新基建，大數據中心又是促進5G、人工智能、工業互聯網等新一代信息技術發展的數據中樞。各地應統籌考慮、因地制宜、協同推進、差異化布局數據中心，避免重復建設，找準自身定位，構建具有本地特色的數據中心，增加本地特色數據集積累，布局核心數據集，提高數據集質量。

(二)加強算力算法，提高數據挖掘能力

離開了算力和算法，再多的數據也是沒有價值可言的。數字經濟可以看作一種算力經濟。云計算作為未來集中式的計算處理模式將是最主要的算力，不可忽視的是邊緣云為代表的邊緣計算與處于中心位置的云計算直接的算力協同能使云端數據處理能力下沉，大大激發邊緣數據中心的需求，所以在大數據建設過程中要充分考慮算力布局。同時，算力是在數據能夠快速穩定連接、自由有序流動的前提下產生價值的?？v觀疫情期間，人，寸步難移，物，限制流通，唯有數據呈指數級增長，這離不開數據中心提供的底層算力算法的支撐。

(三)完善數據確權，推動數據共享共用

數據作為一種生產要素參與市場分配，那么，數據到底是誰的呢？數據確權就成為至關重要的一點，也是數字經濟發展不可回避的問題。針對不同來源的數據，以法律形式明確數據產權歸屬，將有利于數據共享與流通，降低數據使用成本，加快技術創新和商業模式創新，促進數字經濟發展。目前，由工信部批準的，我國首家數據確權服務平臺——人民數據資產服務平臺已經開通運營，但是我國數據確權的法律法規還有待完善，立法監管刻不容緩。同時，標準與標準化對加速數據流轉也非常重要，這就要求我們不斷完善標準與標準化體系保障。恰如資本只有在流通中才能產生價值，數據也只有通過共享共用才能產生更大價值。

(四)保障數據安全，讓新技術融合發展

數據安全從本質上講就是一個技術問題，它不僅包括數據本身的安全，也包括數據防護的安全。隨著5G、云計算、區塊鏈等技術的發展，對于數據安全有了更多的解決方案。這就要求在數據安全上，綜合運用各種新技術，構建數據安全保障體系。比如5G在數據流通安全上更有優勢，云計算讓數據存儲更安全，區塊鏈技術讓數據價值的記錄和流轉、交易更安全……，這將有利于構建技術保障體系，提升數據安全保護水平。

(五)優化資源配置，促進全要素共發展

單獨的數據資源的價值是有限的，數據作為一種生產要素，必須與土地、勞動力、資本等生產要素組合才能最終產生效益。數字經濟的發展，不僅包括數字產業化，還有產業數字化，后者才是我國數字經濟發展的主陣地。通過賦能傳統企業，與傳統生產要素相結合，才能促進數字經濟更快更好地發展。比如，傳統制造業企業在數字化轉型過程中，并不是必須把舊的設備、生產線全部換掉，通過對存量設備的數字化改造，在原有要素組合中，加入數據這一生產要素，將大大降低企業數字化轉型的成本，提升數字化轉型成功率。

大力發展數字經濟，必須以數據要素為抓手，實現數據驅動。數據這一生產要素要想產生價值，必須以需求為導向，以新技術為支撐，與實體經濟融合，在自由有序流通中，不斷被分析、加工、挖掘和運用，才能發揮應有的作用。顯然，大力發展數字經濟，必須以數據要素為抓手，用好數據資源。