我國數據要素價值形成機理、影響因素與實現路徑

陽巧英 夏義堃

摘? ?要：釋放數據要素價值是推動數字經濟高質量發展的關鍵。通過系統性文獻回顧，可以識別當前研究進展與薄弱環節，為未來研究提供參考。文章基于扎根理論，運用內容分析法發現：當前我國數據要素價值研究展現出形成機理、影響因素與實現路徑三大主題。在形成機理方面，重在解構數據要素價值類型與演進過程；影響因素研究著重考慮數據要素主體、客體與環境三個維度。因此，強化數據要素主體能力、重視數據要素資源建設以及規范數據要素流通環境三種路徑形塑了數據要素價值研究的策論圖景。未來需要開展數據要素價值類型學研究、深化數據要素價值演進研究、規范數據要素價值影響因素研究以及拓展數據要素價值實現路徑研究。

關鍵詞：數據要素價值；形成機理；影響因素；實現路徑

中圖分類號：F49? ?文獻標識碼：Ａ? ?DOI：10.11968/tsyqb.1003-6938.2023018

Abstract The release of data factor value is the key to the high-quality development of the digital economy. A systematic literature review can identify the progress and weaknesses， and provides references for future study. Based on the grounded theory， the content analysis shows literature related to data factor value three topics： formation mechanism， influencing factors and implementation path. In terms of formation mechanism， the previous study deconstructs the value type and evolution process of data factor. The study of influencing factors considers three dimensions of data factor： subject， object and environment. Therefore， strengthening the capacity of data factor subject， attaching importance to the construction of data factor resources and regulating the data factor circulation environment forms research landscape on implementation path of data factor value. In the future， it is necessary to carry out the research of data factor value typology， deepen the research of data factor value evolution， standardize the research of data factor value influencing factors and expand research on the implementation path of data factor value.

Key words data factor value; formation mechanism; influencing factors; implementation path

充分釋放數據要素價值，有助于推動數字經濟與實體經濟深度融合，賦能產業數字化和數字產業化，引領經濟社會高質量發展。2019年，黨的十九屆四中全會首次提出將數據作為生產要素參與分配，賦予數據新的使命。2020年，《關于構建更加完善的要素市場化配置體制機制的意見》《關于新時代加快完善社會主義市場經濟體制的意見》等文件進一步明確數據要素在經濟社會發展中的基礎性和戰略性地位，并將激活數據要素價值作為推動經濟增長的重要潛力。2022年12月頒發的《關于構建數據基礎制度更好發揮數據要素作用的意見》（以下簡稱“數據二十條”）則從數據產權、流通交易、收益分配、安全治理等基礎制度出發，加速推動我國數據要素的價值釋放。

與勞動力、技術、資本等傳統生產要素相比，數據要素的非競爭性、外部性、規模經濟性特征導致其價值創造呈現出動態性、復雜性與非線性趨勢，面臨著確權難、定價難、交易難與監管難的“四難”困境。如何激活數據要素價值，推動我國數字經濟高質量發展已經成為事關全局的重要議題。近年來，我國數據要素價值研究呈“井噴式”增長態勢，在數據價值鏈［1］、估值與定價［2］、影響因素［3］等方面已產生一定綜述成果，對于推進數據要素基礎制度建設、健全數據要素市場治理起到了有益的指導借鑒作用。然而，上述文獻多囿于數據要素價值的某一方面，并未搭建起系統的結構化分析框架，難以全面刻畫數據要素價值的理論與現實研究圖景?；诖?，本文擬從形成機理、影響因素與實現路徑3個方面系統梳理近年來我國數據要素價值研究相關文獻，揭示其內在的知識關聯，展望未來研究方向，以期深化數據要素價值的認知，賦智我國數據驅動型經濟發展。

1? ?數據采集與研究方法

1.1? ? 數據采集

從我國數字經濟政策的演進來看，數據作為生產要素參與分配，始于2019年黨的十九屆四中全會。此前相關研究集中在數據的開發利用，對數據的生產要素屬性則鮮有涉獵。故此，為準確探究數據要素價值研究熱點與前沿趨勢，本文將文獻檢索起止時間限定為2019年至2022年。在檢索詞的設置上，盡管數據要素被視為“數據成為用于生產產品和服務的基本投入因素之一”［4］，但從內涵上看，“數據資源”“數據資產”“數據商品”“數據資本”均為數據要素價值實現過程中的不同表現形態，折射出數據要素化過程中價值實現的動態性。為全面揭示數據要素價值實現特征，本文將上述5個關鍵詞與“價值”排列組合，在中國知網數據庫上檢索，截至2022年12月15日共得到1821篇期刊文獻。

為提升文獻的代表性與準確性，本文確定以下篩選標準：第一，文獻內容涉及一個或多個研究問題，即數據要素價值的構成與演進邏輯、數據要素價值實現的影響因素及其舉措；第二，標題、摘要與關鍵詞等論文要素完整，同時包含“數據資源”（或“數據資產”“數據商品”“數據資本”）和“價值”等檢索詞。最終得到210篇有效文獻。

1.2? ? 研究方法

為揭示我國數據要素價值研究的知識結構，本文運用扎根理論，從上述210篇文本“數據”中凝練研究主題。盡管數據要素價值研究已有一定述評，但結構化分析框架付之闕如，扎根理論遵循從數據中建構理論的研究路徑［5］，具備一整套規范的研究程序，有助于整合碎片化的觀點，探索數據要素價值實現的深層次邏輯。因此，宜運用該理論開展文獻綜述。

本文隨機抽取200份文獻進行編碼（編碼過程見圖1），剩下10份用于理論飽和度檢驗。在開放編碼中，本文從涉及研究問題的語句中凝練出“經濟價值”“政治價值”“社會價值”“政府能力”“企業能力”等初始概念。在主軸編碼中，本文旨在建立概念和范疇間的聯系。如將“經濟價值”“政治價值”“社會價值”等初始概念整合為“價值構成”；將“政府能力”“企業能力”合并為“數據要素主體因素”。最終獲得9個主范疇。在選擇編碼中，通過分析上述主范疇之間的內在關聯，本文挖掘出“形成機理”“影響因素”與“實現路徑”3個核心范疇。如“價值構成”與“價值演進”分別分析了數據要素價值類型與創造的過程，將兩者有機串聯為“形成機理”，則能夠回應數據如何成為生產要素的問題。

通過將余下10份文獻再次概念化和范疇化，未發現新概念和新范疇，概念或范疇之間也未產生新的聯系。因此，上述構建的概念和范疇趨于飽和。同時，對2019-2022年我國數據要素價值文獻的主題分布分析（見圖2）得知，近幾年來，數據要素價值形成機理、影響因素與實現路徑3個主題的相關研究持續增長。相較而言，我國學者更側重對數據要素價值影響因素與實現路徑的探討，對價值形成機理的關注度相對較低。

2? ?數據要素價值形成機理

與傳統生產要素相比，數據要素的價值構成有其特定結構和條件要求，本節所要解決的核心問題包括數據要素的價值組成部分有哪些、數據如何轉化為生產要素、如何參與價值創造與增值轉化等，旨在揭示數據要素價值的演進邏輯。

2.1? ? 數據要素價值構成

依據文獻，歸納我國學者有關數據要素價值類型劃分的研究發現：第一，數據要素的價值表現是多方面的，類型劃分總體上賡續了前期開放政府數據的價值分類思路，主要表現為“經濟價值—政治價值—社會價值”的三分法。與此同時，還伴隨著對資源環境價值的探討，即數據的協同效應可以有效降低經濟增長過程中的資源消耗［6］；第二，相較而言，開放政府數據價值類型研究更加強調政治價值，側重于政府行政管理效率的提高［7］。而數據要素價值研究則聚焦于經濟價值，價值主體集中于企業數據利用與數據賦能，在微觀層面表現為基于數據整合與分析，企業能夠準確掌握消費需求和市場動向，從而發揮數據輔助企業經營決策、優化業務流程、增進客戶關系與改善經營策略等功效；在宏觀層面表現為企業利用數據賦能資本、勞動力、技術等傳統生產要素，加快資源流通速度，優化要素資源配置，推動經濟增長［8］；第三，各類數據要素價值劃分并非截然分明，絕對割裂。如在具體的分析中，政治價值與社會價值在核心表達上存在“政府管理與決策”的交集，即為政府管理和決策提供參考依據，提高決策的精準性、科學性和預見性，以此完善社會治理，服務社會公眾。綜上，上述價值類型基本按照數據要素作用領域劃分，反映出研究者對數據要素價值的認識不斷細化、類型化。

2.2? ? 數據要素價值演進

因對數據形態的概念理解莫衷一是，我國學者對于數據要素價值演進階段的劃分并不一致。大多數以數據資源化、資產化、資本化為基準，在數據資產與數據資本中加入“數據商品”環節，意味著經市場交換才能實現數據資本化［9］。如此，勾勒出完整的“數據要素價值鏈”：即資源化—資產化—商品化—資本化［10］；如強調數據資源到數據資產的過程，突出數據資源被加工賦值為數據產品或服務時，則產生數據資源化—產品化—資產化3段論［11］。解構數據要素價值創造，便于明晰其價值演進路徑。但當前研究耽于數據資源、數據資產等概念內涵的解析，忽視了對各生產要素間、數據主體間內在關系與互動機制的探討，難以揭示價值創造的深層機理。

綜上，圍繞數據要素價值創造的研究聚焦以下3個方面：第一，碎片化的原始數據匯聚為資源形態，提升數據質量；第二，不同數據主體間的數據產品或服務交付，伴隨著數據權利的讓渡，數據可重用性增強；第三，數據與具體場景結合，實現數據產業層面的價值創造。因此，本文將數據要素價值演進概括為資源化處理、資產化交易和場景化應用3個階段。

2.2.1? ?資源化處理

盡管研究者對數據要素價值演進進行了差異化結構，但基本上是將“數據資源化”作為初始階段，從而凸顯了原始數據資源化過程中數據資源建設，特別是數據質量管理的重要性。由于原始數據分散在多個數據生產者中，龐雜無序，冗余重復，無法被廣泛連接、耦合與應用，難以產生整體經濟價值，必須采取加工、提煉、標準化、整合、分析與可視化等技術處理，才能將多源、多模態數據匯聚成動態可用、可共享的數據資源。

數據的資源化處理在很大程度上重構了數據關系。原始數據生產者的數據加工利用能力有限，往往表現為孤立的碎片化分布。圍繞數據要素的價值共享，數據采集、匯聚、挖掘、存儲、可視化等資源化業務流程的系統性協同成為必然，原有單點分散的離散性數據關系難以聚合多主體數據資源、無法實現數據業務的有機銜接，需要增進不同主體間的數據互動與業務分工，從而為擁有一定數字化技能、專門從事數據采集、標注、集成、匯聚和標準化等業務的數據企業提供機會空間［12］。

數據積累匯聚到一定程度并經過有序化過程呈現高質量數據形態，謂之狹義層面的數據要素價值創造［13］。如果說這一階段的重點是數據資源的形成與利用問題，偏重于技術應用的數據管理專業化視角，那么下列兩個階段則是立足經濟學視角的審視。也即，不只是在數字技術和數據功能層面滿足用戶要求，而是能夠制造出滿足市場特定需求的數據產品及服務。

2.2.2? ?資產化交易

數據要素的資源化處理是資產化交易的前奏，數據要素市場的交易流通是數據價值創造的關鍵性環節。數字環境下單一主體作坊式的數據自給自足在精準性、洞察性方面難以匹敵多源數據的關聯融合，無法滿足不同主體個性化、復雜化的數據需求。因而，需要有開放、暢達的數據流通網絡來勾連多主體數據關系、對接多元化數據需求。換言之，數據要素的可流通性意味著數據要素具有通過市場交易變現的能力（產生交換價值），使之成為可社會化利用的“產品”［14］。

資產化交易不僅表現為API、數據集、數據報告及數據應用服務等的交付，還涉及附著在數據要素上的使用權、收益權、所有權等數據權利的讓渡［15］。因此，在推動數據要素管理由虛擬形態資源管理轉向價值形態資產管理的過程中，尤其需要關注兩方面問題：第一，數據的可重用性，很大程度上表現為數據要素的互操作性和高價值性，需要協商統一不同主體的數據標準、元數據與技術參數；第二，權責清晰的數據關系需要明確數據主體的隱私安全、權屬收益和權利邊界、侵權責任等問題。也即需要建構包括數據產權制度、交易定價制度在內的基礎性數據制度體系。

資產化交易的實施主體必須依托于數據中介機構，也即數據交易所、數據經紀人等“營商”。數據中介是促進數據流通交易的關鍵性力量，不僅可以提供技術基礎設施和專業知識來實現數據的互操作，還能夠在數據利益相關者之間建立可信鏈接和撮合機制，保障數據主體權利。有學者比較分析了多元數據中介模式的作用，如數據交易平臺著重解決供需雙方的信息不對稱，數據經紀人強調降低數據搜尋、匯聚的成本，數據信托側重優化“授權同意”這一數據分享機制，數據銀行旨在通過技術創新解決數據市場碎片化和互操作性問題［16］。綜上，不同數據中介模式各有優勢，為推動數據紅利的多維價值釋放和整合性價值創造，健全可信的數據流通交易生態，應鼓勵培育多元化的數據中介形式，壯大數據中介的發展。

此外，數據要素的依賴性與滲透性決定其本身并不能獨立地創造價值，而必須與資本、技術、勞動力等傳統要素有機融合［17］。一方面，數據要素的無障礙流動，能夠發揮對傳統要素的配置優化、投入替代、價值倍增的作用，促進要素之間的連接和流通，進而打造全要素一體化價值增值體系；另一方面，在要素體系內，數據整合、信息分析、知識組織與智慧智能的螺旋式上升進一步凸顯了數據要素組合結構的乘數效應及網絡效應，實現數據生產力的極大釋放。

2.2.3? ?場景化應用

如果說數據資源是釋放數據價值的邏輯起點，那么場景化應用則是其邏輯終點。應用場景創新已成為數據要素市場價值實現的重要變量和突破口，前述數據采集、加工、整合、流通、交易等系列流程的終極目標在于推動數據要素在社會全場景的廣泛應用與精準賦能，以實現產業層面的價值創造。一方面，“數據+算力+算法”能夠賦能農業、制造業、服務業等傳統產業，為其提供數據營銷、輿情分析、數據分析及服務，推動產業數字化；另一方面，數據采集、數據存儲、數據處理、數據分析等一系列以數據為核心的新業態培育，也帶動和催生了智慧醫療、智慧交通、智慧金融、智慧教育等一大批數據驅動型產業。二者的交互疊加，在理論上打破了企業、行業、產業間的數據壁壘，構建起新型產業生態“共同體”，并形成虛擬的數據產業集群，促使產業由技術密集型向數據密集型轉變，形成以數據為核心要素的新經濟增長點與新經濟帶［9］。

場景化應用的本質是基于數據需求和數據智能的產業技術、流程與產品、營銷手段和方式創新。相較于傳統生產要素，數據要素的價值實現更加依賴場景創造與應用。背后的根本原因在于數據要素場景化應用的空間可拓展性與產業滲透性極強，能夠通過數據流通與共享利用建構起用戶與產供銷主體、需求與數據分析和數據洞察以及數字基礎設施之間的泛在連接及其智能感知。當前，我國數據要素價值實現的應用場景集中于金融、交通等領域。如貴州數據寶網絡科技有限公司通過融合車輛數據、歷史車輛通行數據和歷史車輛保險理賠數據，打造出車險分析模型產品，助力車險企業識別和區分營運及非營運貨車承保風險，從而實現了數據資產的增值開發。隨著數據與技術的融合創新，各行業、各部門數據資源的融匯與貫通勢在必行，場景化應用也將不斷細分，并與產業轉型深度嵌套、深入拓展，從而將數據要素的價值演進從孤立分散化階段推向整體分布式階段。

3? ?數據要素價值創造的影響因素

數據要素的價值創造可理解為在新一代信息技術環境下，由政府、企業、數據中介等不同主體圍繞數據要素實現價值共創，同時通過系統化的制度設計形成完整的數據主體權益保障體系。分析已有文獻發現，影響數據要素價值創造的因素集中在主體、客體與環境3個維度（見圖3），能夠較為全面地揭示數據要素價值創造的復雜生態。

3.1? ? 數據要素主體因素

數據要素主體之間的互動關系構成了數據要素價值實現的底層邏輯［18］。由于主體數據認知、數據行為選擇取決于主體個體差異，其中，能力因素發揮著舉足輕重的作用。當前研究者主要從政府能力、企業能力兩個層面展開探討。

3.1.1? ?政府能力

在數據要素價值創造主體的角色定位中，政府既是數據的供給方、運營方，又是數據的使用方與監管方。因此，政府數據治理能力的發揮與數據要素的價值釋放關聯緊密。

立足數據資產管理過程角度，政府實現數據要素價值的核心能力有以下3種：數據提供能力，包括整合數據資源、發布數據和提供服務等能力；數據利用能力，體現為開發利用、場景構造等能力；數據運營能力，涉及數據確權、數據評估和開展智慧化數據流通服務等能力［19］。上述能力將影響數據要素促進創新轉化的難易程度與數字經濟發展的質量與速度。然而，當前政府數據整合共享不足，面臨著開放數據質量與價值不高、標準不統一、平臺運營實力不足等困境，嚴重阻礙了數據要素價值的釋放［20］。

與此同時，監管能力直接影響數據要素市場的健康運行與數據要素價值創造。一方面，在國家層面，傳統生產要素領域存在綜合性行業主管部門，當前數據監管職能卻分散在中央網信辦、工業和信息化部等部門，而且地方大數據管理局對數據流通交易缺乏具體的監管權利［15］，管理體制的分散化嚴重阻礙了數據要素跨部門、跨領域、跨地區、跨層級的流通交易。另一方面，平臺型企業在數字基礎設施、規模經濟等方面具有先發優勢，數據優勢突出，占據市場支配地位，進而會造成數據壟斷，阻礙數據資源的普惠共享與公平流通，降低數據要素價值釋放的效率［21］。因此，必要的政府監管能夠促進數據要素型企業培育和企業數據經營行為自律能力的提升。

3.1.2? ?企業能力

微觀層面的企業稟賦差異直接關系到實踐中數據要素價值轉換效果。如陳蘭杰和李遨認為企業吸收能力是實現企業數據資源化的基礎，涉及企業資金總量、開發投入資金、數據處理能力、關鍵核心技術、數據意識和數據道德等6方面內容［22］。吸收能力強的企業不僅具有較強的數據意識，可以主動整合匯聚數據資源，還能夠建立起基于數據驅動的企業知識組織與市場感知體系，積極開拓技術和市場機會，從而實現企業創新與數據要素價值轉化的協同發展；在吸收能力的基礎上，陸洋和王超賢增加了對動態能力與學習能力2種關鍵能力的考量。動態能力強的企業能較好實現自身發展戰略與市場競爭環境的動態適應，及時優化資源配置，更新業務流程，重塑商業模式。學習能力強的企業可以通過快速實驗迭代、成員間知識共享等方式促進數智產品/服務的空間流動，并形成數據牽引的企業知識創造與技術創新輻射，最終形成組織能力上的精煉、轉換、擴展和更新［3］，即通過“價值倍增”“資源優化”“投入替代”等方式帶動企業全要素生產率的提升。劉小琴等則基于創新價值鏈視角，動態解構了企業的大數據創新能力，即創意形成、轉化和傳播能力，三大能力順次鏈接，構成大數據創新過程及數據價值形成過程［23］。

上述能力雖各有側重，或強調企業洞察市場環境變化，或突出企業內化吸收過程，在數據要素價值創造過程中所發揮作用的強度不同，但均內嵌有強烈的數據意識，揭示了數據要素之于企業創新的戰略性地位。

3.2? ? 數據要素客體因素

如果說主體維度探究了數據要素價值創造的驅動力，那么分析數據要素價值創造的直接因素則需要關照數據本身。數據質量、數據規模與數據成本3個指標關系著數據要素價值創造的核心與基礎。

3.2.1? ?數據質量

良好的數據質量可以增強算法的準確性，降低數據錯誤帶來的經營成本，提高決策效率。其質量屬性可以直接映射到數據本身與用戶需求兩個維度。就數據本身而言，有必要就數據的原始性、完整性、準確性、及時性、安全性、一致性、兼容性、可機讀性等提出明確的質量要求。站在用戶需求角度，則涉及到數據的可獲取性、可理解性、易用性、有用性等［24］。其中，準確性與完整性是文獻中最常提及的質量因素，意味著其是影響數據質量的核心指標，并與數據要素價值形成正向的線性關系。此外，還有學者考量了層次性、協調性和異質性等指標，不同于完整性與準確性，其涉及不同數據間、數據與主體、應用場景之間的作用關系，對數據要素價值的影響更為動態復雜，并非單一絕對的正向關聯關系，而呈現出顯著的相對性和差異性［2］。

3.2.2? ?數據規模

鑒于數據要素的流通交易一般是以數據集而非單個、碎片化的數據形式，數據規模對于數據要素價值的影響亦受到國內學界的普遍關注。隨著數據規模的擴大（包含豐富的數據量、多元化的數據來源以及多樣化的數據形態），獲取的信息與知識越充分，數據分析的精確度會相應提高，數據的規模效應得到釋放，從而提升數據的使用價值［25］。與此同時，也有研究者發現：一方面，數據的規模報酬遞增性是有限的。即數據量達到頂峰之后，對企業預測和決策改善的價值則趨于下降［26］。換言之，數據規模與數據要素價值并非正向線性關系；另一方面，數據規模差異所導致的價值差異，一般建立在數據質量的基礎上。即當數據滿足一定質量要求時，數據匯聚融合應用的可能性越大，相應產生更大的價值；而當數據質量不符合其使用要求時，數據規模的擴張反而會造成數據冗余，加重數據管理和存儲的負擔［27］。

3.2.3? ?數據成本

數據采集、加工相關成本的耗費關系到數據產品/服務的可持續供給，亦直接影響數據要素的價值釋放水平。對于數據資產而言，并不存在顯性的生產過程，因此并不存在與數字資產有關的所謂的“生產成本”［28］，而主要是為激活數據要素價值而投入的3類成本：數據的采集、確認和描述等建設成本；數據存儲和整合的運維成本；人力成本、間接成本以及服務外包成本等管理成本。其中，數據的采集成本具有一次性投入高、邊際效用高的特征，這阻礙了被競爭對手復制的可能性［29］，當成本降低時，則表明數據價值已有一定積累［30］。

3.3? ? 數據要素環境因素

數據環境指向數據要素價值創造的外部影響因素。目前研究主要從技術環境、制度環境兩個維度展開，兩者在數據要素價值實現過程中發揮著重要的調節作用。

3.3.1? ?技術環境

技術環境對數據要素價值的影響主要體現在兩個方面：（1）奠定了數據要素價值創造的資源基礎。在云計算、物聯網、大數據為代表的新一代信息技術環境下，產生了海量的數據，數據要素規模不斷擴大，創造了更多的數據應用場景和價值實現來源；（2）豐富了數據要素價值形態與功能。數據只有經過一系列的技術化處理，才能實現可操作性，獲得可重用性，產生經濟價值。隨著數據價值鏈中技術投入的增加，數據將成為用于生產商品和服務所需要的中間產品，進而轉換成數據資產、數據資本。綜上，數據要素價值化的完成需要強有力的外部技術環境支持，即數字技術、數字技術的使用能力、數字技能的人才數量等因素［31］。然而，基于多方安全計算、可信計算、差分隱私、聯邦計算和區塊鏈等解決數據授權訪問、數據交易隱私保護的主要技術支撐尚未成熟，導致很多數據擁有者因個人隱私或企業機密泄露而回避參與數據流通環節［15］。同時，基于人工智能的算法與模型的設計質量不高，制約了對海量數據的處理能力［32］。

3.3.2? ?制度環境

數據制度是激發數據要素價值潛力的根本。在眾多數據制度因素中，數據確權和定價問題屢被提及，并被認為是數據資產化和數據流通交易的重要障礙［33］。

數據確權是數據要素價值實現的基礎性制度，可以明確數據利益相關者的權益，激發相關主體開放共享數據并參與價值創造，保障價值公平分配［34］。然而，對于公共數據，個人、法人和其他組織分別享有何種權利，如何行使權利并保護權益，以及如何獲得數據要素的合理報酬等問題，國家層面尚未出臺法律予以明確［33］。而且，目前法律規定集中于數據收集、存儲等環節，尚未覆蓋到數據交易過程［29］。數據權屬不清導致越來越多的企業對用戶數據非法竊取、無償占有和隨意濫用，限制了數據流通和共享。

建立健全數據要素定價機制對提升數據資源價值具有重要意義。數據要素具有鮮明的異質性、價值實現高度依賴場景，外部性和復制成本極低，且涉及利益主體復雜多元，增加了數據要素估值定價的難度。當前數據定價存在缺少標準化的數據價值評估體系、數據交易市場層次單一、數據要素價格扭曲等問題［10］。傳統定價制度安排存在歷史成本、投資回報率、未來現金流量等在復雜化場景中難以準確量化等問題［35］，而且其預設一個能提供標準化資產信息的市場機制，在具體操作上又高度依賴人工評價，難以滿足大數據時代海量數據資產標的和高速信息處理的需要［36］。

4? ?數據要素價值實現路徑

數據要素價值實現既需要凝聚政府、企業等數據主體力量，又要實現差異化的數據要素資源建設策略，還應破除數據要素價值共享的技術與制度障礙。

4.1? ? 強化數據要素主體能力

研究者主張應明確政府、企業的職責分工與角色定位，充分利用各主體的專業知識與技能，將數據要素與資金、技術、人才等生產要素重新組合，最大化釋放數據要素的經濟、政治和社會價值，進而推進數字經濟高質量發展［37］。

政府的職責定位與能力發揮主要體現在3個方面：第一，通過基礎設施、人力、技術等多種資源的直接供給為數據要素的價值實現提供堅實的條件保障。即建設先進的數據基礎設施、培養數字技術專業人才、加強數字技術研發投入與創新能力，為中小企業提供促進數據開放共享和數據驅動創新的基礎軟件和應用工具［38］。第二，通過加強數據要素流通交易的統籌監管，為激活數據要素價值營造公平競爭可信的市場環境。包括明確數據交易監管部門，有效監管數據交易中心/所和數據商城等中間服務方，形成統一監管和發展促進體系，并避免大型平臺企業利用數據優勢形成壟斷地位，造成數據壁壘，影響其他競爭者進入數據交易市場［39］。第三，通過場景化實踐、授權運營、數字素養提升計劃，增強激活數據要素價值的拉力。即建設重大的數字化應用項目，為數據創新成果提供應用場景；制定全民數字素養促進計劃，消除數字鴻溝；著手授權運營，鼓勵市場力量參與公共數據開發［38］。

企業則需要培養企業家精神，提升數據要素吸收、學習和創新能力，通過數字數字化轉型來實現降本增效和價值創造［40］。在數字技術層面，加大人工智能、大數據、云計算、數字孿生等新技術的基礎研究，并推進其在數據要素價值實踐中的應用［41］；在組織文化方面，成立專門大數據機構，強化數字人才招聘與培訓，培育適應數字化發展的企業文化；在數據基礎方面，通過收集、存儲、分析生產運營中生成的海量數據，盤活數據資產，深度挖掘數據潛在價值［42］。

4.2? ? 重視數據要素資源建設

政府部門、企業不同主體之間及不同主體內部的數據壁壘已嚴重制約了數據要素的價值實現，故此，當前的研究多以數據采集匯聚、開放共享、創新利用為重點，旨在建立完整的數據要素資源體系。

（1）推動數據規范化采集。包括深化數據資源調查，注重數據質量評估與控制［10］；編制數據采集標準、數據目錄標準、數據分類標等，規范數據之間的兼容性和標準性，提升數據采集效率和質量。與此同時，還應建設國家數據采集標注平臺和數據資源平臺，實現多源異構數據的融合和存儲［43］。

（2）健全數據開放共享體系。加快建設國家政府數據統一開放平臺，確立政府數據開放的基本原則和框架性規則，包括明確數據開放的范圍、程序和標準等［44］。對于個人數據，應培育發展“數據信托”等個人數據中介組織，在用戶授權下統一進行原始數據的匿名化處理和監督數據采集使用是否違法，并代表消費者用戶開展同意授權和經濟補償條件談判，降低個人數據采集利用和接入的交易成本；對于商業數據，通過培育和發展數據產品交易市場，消除數據產品市場交易障礙和降低交易成本，推動以價格機制為核心的數據產品交易［38］。與此同時，有學者主張將數據分為高、中、低3個等級，以實現差別化開放：嚴禁對外開放；有限制的開放共享；無條件的開放共享［45］。

（3）增強數據資源化建設的針對性。當前，數據要素化所應用的場景相對有限，主要集中于地理、交通、金融、招商等領域。要實現數據資源的要素化供給，還需要結合應用場景開展數據畫像、捕捉產業價值鏈實時動態，為此，需要在資源建設上促進主題集中、對象聚焦。也就是要面向國民經濟主戰場，結合數據要素應用場景，增加數據資源化供給的針對性，如新能源汽車發展、跨區域數據互聯、智慧農業、智慧醫療、數字文創、新型數字化食品等［46］。

4.3? ? 規范數據要素流通環境

技術創新與制度供給雙輪驅動，有助于規范數據要素流通環境，構筑數據要素價值實現的長效保障機制。

4.3.1? ?技術保障

技術是數據要素價值實現的重要保障，可以為數據要素流通提供安全防護，提高數據要素市場化配置效率。區塊鏈技術具有去中心化、不可篡改、可追溯等特征，可以從增加數據要素數量、打通“數據孤島”、優化生產要素配置方式、增進數據主體信任、保障數據安全5個方面促進數據要素價值實現［47］，因而受到研究者廣泛關注，主要集中在數據確權與數據估值定價兩個方面?；趨^塊鏈對數據資產的發布確權、共享管控、使用溯源開展多方共識驗證，形成不可篡改的覆蓋數據全生命周期的流轉記錄，提高數據活動的可追溯性和可審計性，保護數據流轉中各主體的權益［48］；并為建立買賣雙方間的信任機制和“鏈上交易”機制提供底層技術支撐，基于聯盟鏈的新型大數據交易模式平臺可以實現數據使用權、所有權的交易定價［49］。

此外，人工智能技術是驅動數據在計算機軟件中流動、運算和價值形成的內在動力，可以開拓應用場景、優化定價模型，運用智能合約發現價格［49］。聯邦學習幫助政府、企業等不同主體在安全合規的前提下，實現跨域建模，從而構建一個權限分明，在保護數據安全的同時讓數據流轉互通的機制。數字孿生技術可以構建一系列的算法模型，逐步促進低價值原始數據向高價值衍生數據的升華［50］。

4.3.2? ?制度保障

學界通過分析數據要素及其市場的特征與困境，建構了數據基礎制度體系。首先是數據產權制度。不同于歐盟和美國采用單一的人格權或財產權模式，我國大多數學者將數據產權界定為“新型民事權利”，主張遵循公平與效率兼顧、分級分類原則，采用差異化的制度設計配置數據要素權益?；跀祿碓粗黧w的分類方式是學界最基本的數據確權思路。如唐要家建構了個人數據隱私權，公共數據公共產權，商業數據財產權三位一體的確權模式，也即“情景依存的有限產權”模式［51］。當然也有研究者提出“政府監管、個人所有、平臺使用”的確權方案，主張賦權于消費者而非政府，后者重在加強消費者隱私保護和監管制度設計［52］。與此同時，還存在以數據權益功能為切入點的制度安排。如張永忠等提出創造開放數據產權制度，非開放數據以知識產權法保護，對不構成知識產權的數據則需構建“所有權+用益權”的二元權屬結構［53］。有別于前兩類靜態確權思路，劉方則立足對數據生命全周期視角，主張對動態審視并管理原始數據、集合數據、脫敏化和模型化數據以及人工智能化數據的權屬［54］。

其次是數據流通與交易制度。整體上是覆蓋數據要素估值定價、監管、交易場所等關鍵問題的規則凝練。在定價方面，應從構建科學的數據資產估值指標體系，建設多層次數據交易市場，建立數據要素價格的監督和調控機制等方面著手［49］。在監管方面，需要從基礎制度、規則制定、反數據壟斷執法、跨部門工作協調與國際合作等方面，優化對數據壟斷的監管［54］。在交易場所方面，需要明確數據交易平臺的法律地位、設立數據交易平臺的信用評級體系、嚴格要求數據交易平臺完善風險識別機制［55］。

除上述數據產權、數據流通與交易制度外，有學者認為還應加強數據開放共享制度、數據安全管理制度［56］等關鍵性制度的供給，如此才能構建體系完備、規則合理、執行有效的數據基礎性制度框架，從而明晰數據要素價值釋放的路徑與目標，規范數據要素價值的生成、流轉、交換、使用與分配。

5? ?結論與展望

文獻梳理發現，數據要素價值研究主要圍繞形成機理、影響因素以及實現路徑展開。三者存在顯著的邏輯關聯：只有明確數據要素的構成并遵循價值形成規律，才能明晰數據要素價值實現的基本邏輯并從中挖掘和歸納影響其價值實現的關鍵因素，進而設計出富有操作性的實現路徑。

既有研究集中于實現路徑與影響因素2個維度，價值形成機理方面的研究相對不足。進一步分析發現，3個維度涉及的變量和因素較多，偏好明顯。在形成機理方面，既有文獻較為全面地闡述了數據要素價值構成，聚焦經濟價值與政治價值，對社會價值關注相對有限。同時，既有研究雖然解構了數據要素價值演進機制，但囿于演進階段劃分與數據資源、數據資產與數據資本等概念重疊，尚未深入探討生產要素間、數據要素主體間的互動機理。影響因素研究側重于數據要素客體與環境2個維度，數據要素主體方面的深入分析相對不足，甚少揭示數據要素價值創造過程中主體、客體與環境交織的復雜辯證關系。相應地，實現路徑研究更加關照完善數據要素資源體系與規范數據要素流通環境2個方面，對于如何強化數據要素主體能力的探討則較少。因此，為深化數據要素價值的認知，推動數據要素價值創造與實現，本文提出以下展望：

第一，開展數據要素價值類型學研究。在強調經濟價值的氛圍下，忽視社會價值，且將數據要素視為一個抽象整體加以價值審視，一定程度上會遮蔽數據要素價值類型的豐富性和功能性。后續研究需基于數據要素類型學，分析不同類型數據要素（政府數據、企業數據與個人數據）、不同領域數據要素（金融數據、醫療衛生數據、工業數據等）的價值構成，深入探討不同類型價值之間的互動轉化，平衡對不同價值類型的研究注意力，兼顧效率與公平的價值取向。

第二，深化數據要素價值演進機制研究。當前研究初步解構了數據要素價值演進過程，詮釋了不同數據要素價值形態的內涵與特征，并揭示了價值共創過程中的要素融合機制研究。但未來還需掙脫數據資源、數據資產、數據產品等虛擬概念轉換，轉向詮釋實質性的價值實現機制，即關注數據銀行、數據信托、數據合作社、數據經紀人等數據中介機構等在數據價值實現過程中的作用及其與政府、企業等不同數據要素主體之間的關系。

第三，規范數據要素價值影響因素研究。既有研究主要是識別客體與環境因素，較少關注主體維度的影響因素，且囿于簡單歸類與特征總結的描述性分析，研究層次不足且缺乏實證。因此，未來影響因素研究需要開展規范性的實證分析。即從生態系統視角構建結構化的數據要素價值影響因素分析框架，立足數據要素市場化配置實踐，通過更多的實證研究檢驗數據要素價值的具體影響因素、多因素之間的結構關聯、組合模式以及不同價值實現階段中的核心影響因素。

第四，拓展數據要素價值實現路徑研究。對數據要素價值實現路徑的探討仍然顯得籠統、宏觀且抽象，很大程度上表現為一種理論預設。因此，未來研究需要將數據要素價值納入更微觀、具體的研究視野，結合實踐案例，關注特定行業或者領域的數據要素價值實現路徑，凝練共性與特殊性，構建數據要素價值實現的案例庫，豐富對數據要素價值實現路徑的情境化解釋。

*本文系國家社會科學基金重大項目“基于數智融合的信息分析方法創新與應用研究”（項目編號：22&ZD326）研究成果之一。

參考文獻：

［1］? Faroukhi A Z，Alaoui I，Gahi Y，et al.Big data monetization throughout Big Data Value Chain：a comprehensive review［J］.Journal of Big Data，2020，7（2）：77-90.

［2］? 歐陽日輝，杜青青.數據要素定價機制研究進展［J］.經濟學動態，2022（2）：124-141.

［3］? 陸洋，王超賢.激活數據價值的影響因素研究進展［J］.科技與經濟，2022，35（2）：56-60，95.

［4］? 白永秀，李嘉雯，王澤潤.數據要素：特征、作用機理與高質量發展［J］.電子政務，2022（6）：23-36.

［5］? Glaser B G.The grounded theory perspective：conceptualisation contrasted with description［M］.MillValley：Sociologgy Press，2001：145.

［6］? 任保平，李培偉.數字經濟培育我國經濟高質量發展新動能的機制與路徑［J］.陜西師范大學學報（哲學社會科學版），2022，51（1）：121-132.

［7］? 付熙雯，鄭磊.開放政府數據的價值：研究進展與展望［J］.圖書情報工作，2020，64（9）：122-132.

［8］? 王建冬，童楠楠.數字經濟背景下數據與其他生產要素的協同聯動機制研究［J］.電子政務，2020（3）：22-31.

［9］? 李海艦，趙麗.數據成為生產要素：特征、機制與價值形態演進［J］.上海經濟研究，2021（8）：48-59.

［10］? 段堯清，吳瑾，王蕊.數據要素基礎制度的價值取向與框架［J］.數字圖書館論壇，2022（10）：6-12.

［11］? 黃麗華，郭夢珂，邵志清，等.關于構建全國統一的數據資產登記體系的思考［J］.中國科學院院刊，2022，37（10）：1426-1434.

［12］? 肖旭，戚聿東.數據要素的價值屬性［J］.經濟與管理研究，2021，42（7）：66-75.

［13］? 楊銘鑫，王建冬，竇悅.數字經濟背景下數據要素參與收入分配的制度進路研究［J］.電子政務，2022（2）：31-39.

［14］? 高富平，冉高苒.數據要素市場形成論——一種數據要素治理的機制框架［J］.上海經濟研究，2022（9）：70-86.

［15］? 尹西明，林鎮陽，陳勁，等.數據要素價值化動態過程機制研究［J］.科學學研究，2022，40（2）：220-229.

［16］? 李振華，王同益.數據中介的多元模式探析［J］.大數據，2022，8（4）：94-104.

［17］? 林志杰，孟政炫.數據生產要素的結合機制——互補性資產視角［J］.北京交通大學學報（社會科學版），2021，20（2）：28-38.

［18］? 宋方青，邱子鍵.數據要素市場治理法治化：主體、權屬與路徑［J］.上海經濟研究，2022（4）：13-22.

［19］? 袁莉，姚樂野.政府數據開放的整體能力：概念、框架及演化機制［J］.圖書情報工作，2021，65（19）：53-60.

［20］? 陸志鵬.數據主體主導的數據流通邏輯與實現路徑研究［J］.網絡安全與數據治理，2022，41（7）：3-8，29.

［21］? 張蘊萍，翟妙如.數據要素的價值釋放及反壟斷治理［J］.河南師范大學學報（哲學社會科學版），2022，49（6）：59-65.

［22］? 陳蘭杰，李遨.政府數據生產要素價值實現影響因素研究［J］.河北北方學院學報（社會科學版），2021，37（4）：77-82.

［23］? 劉小琴，王楠，李天柱.企業大數據創新能力及作用機理——創新價值鏈視角［J］.中國科技論壇，2022（9）：95-106.

［24］? 孟雪，郝文強.面向數字經濟發展的政府數據開放價值創造系統建構與運行機制研究——基于創新生態系統的理論分析［J］.情報雜志，2023，42（2）：134-141.

［25］? 陸志鵬.數據要素三級市場經濟性分析模型研究［J］.大數據，2022，8（4）：85-93.

［26］? 熊巧琴，湯珂.數據要素的界權、交易和定價研究進展［J］.經濟學動態，2021（2）：143-158.

［27］? 孫淑萍.企業數據資產價值評估影響因素研究［J］.商場現代化，2022（22）：37-40.

［28］? 張宇，梅麗霞.數字資產價值評估的影響因素和難點問題研究［J］.中國資產評估，2022（6）：46-54.

［29］? 劉悅欣，夏杰長.數據資產價值創造、估值挑戰與應對策略［J］.江西社會科學，2022，42（3）：76-86.

［30］? 許丹丹，李曉莉.數據生態鏈視角下戰略性新興企業數據價值評估研究［J］.科技與管理，2022，24（1）：19-27.

［31］? 方元欣，郭驍然.數據要素價值評估方法研究［J］.信息通信技術與政策，2020（12）：46-51.

［32］? 劉松.支付行業數據價值：理論基礎、形成機制與問題建議［J］.金融發展研究，2022（1）：67-72.

［33］? 李正，唐探宇.公共數據確權定價與價值釋放的關系研究［J］.成都工業學院學報，2022，25（3）：75-80.

［34］? 張存剛，楊曄.數據要素所有者參與價值收益分配的理論依據［J］.蘭州財經大學學報，2021，37（4）：118-124.

［35］? 魏凱，閆樹，呂艾臨.數據要素市場化進展綜述［J］.信息通信技術與政策，2022（8）：59-64.

［36］? 陸岷峰，歐陽文杰.數據要素市場化與數據資產估值與定價的體制機制研究［J］.新疆社會科學，2021（1）：43-53，168.

［37］? 嚴宇，孟天廣.數據要素的類型學、產權歸屬及其治理邏輯［J］.西安交通大學學報（社會科學版），2022，42（2）：103-111.

［38］? 唐要家，唐春暉.數據價值釋放的理論邏輯、實現路徑與治理體系［J］.長白學刊，2022（1）：98-106.

［39］? 胡東蘭，夏杰長.數據作為核心要素的理論邏輯和政策框架［J］.西安交通大學學報（社會科學版），2023，43（2）：107-118.

［40］? 呂鐵，李冉.制造企業數字化轉型：數據要素賦能傳統要素的視角［J］.學習與探索，2022（9）：108-117.

［41］? 劉志雄，謝建邦.數據流動與數據生態治理研究［J］.中國特色社會主義研究，2022（Z1）：66-75，161.

［42］? 賀靈.數據要素市場化改革、企業家精神與制造業數字化轉型［J］.湖南科技大學學報（社會科學版），2022，25（6）：65-76.

［43］? 戚聿東，劉歡歡.數字經濟下數據的生產要素屬性及其市場化配置機制研究［J］.經濟縱橫，2020（11）：63-76，2.

［44］? 孫克.數據要素價值化發展的問題與思考［J］.信息通信技術與政策，2021，47（6）：63-67.

［45］? 楊云龍，張亮，楊旭蕾.數據要素價值化發展路徑與對策研究［J/OL］.［2023-01-18］.http：//kns.cnki.net/kcms/detail/10.1321.G2.20220906.1041.002.html.

［46］? 張會平，馬太平.政府數據市場化配置：概念內涵、方式探索與創新進路［J］.電子科技大學學報（社科版），2022，24（5）：1-8，17.

［47］? 鄭雪靜，熊航.區塊鏈如何促進數據要素的價值實現：以食品供應鏈為例［J］.農業大數據學報，2020，2（3）：13-20.

［48］? 白健，董貴山，安紅章，等.基于區塊鏈的數據共享解決方案［J］.信息安全與通信保密，2021（1）：21-31.

［49］? 歐陽日輝，龔偉.基于價值和市場評價貢獻的數據要素定價機制［J］.改革，2022（3）：39-54.

［50］? 俞林，趙俊紅，霍偉東.推進數據要素市場化配置? 促進經濟高質量發展［J］.宏觀經濟管理，2021（10）：48-54.

［51］? 唐要家.數據產權的經濟分析［J］.社會科學輯刊，2021（1）：98-106，209.

［52］? 武西鋒，杜宴林.經濟正義視角下數據確權原則的建構性闡釋［J］.武漢大學學報（哲學社會科學版），2022，75（2）：176-184.

［53］? 張永忠，張寶山.構建數據要素市場背景下數據確權與制度回應［J］.上海政法學院學報（法治論叢），2022，37（4）：105-124.

［54］? 劉方，呂云龍.健全我國數據產權制度的政策建議［J］.當代經濟管理，2022，44（7）：24-30.

［55］? 魏益華，楊璐維.數據要素市場化配置的產權制度之理論思考［J］.經濟體制改革，2022（3）：40-47.

［56］? 曾錚，王磊.數據要素市場基礎性制度：突出問題與構建思路［J］.宏觀經濟研究，2021（3）：85-101.

作者簡介：陽巧英，女，武漢大學信息管理學院博士研究生，研究方向：政府數據治理；夏義堃，女，南京大學數據管理創新研究中心教授，研究方向：政府數據治理。