基于扎根理論的數據要素價值釋放機理研究

鄭文慧 楊昀

［摘要］數字經濟時代，數據迎來“爆炸式”增長，數據已成為繼勞動力、土地、資本、技術之后最為活躍的生產要素，為數字經濟發展注入了新的活力。充分釋放數據要素價值已成為推動經濟高質量發展的關鍵。文章借助扎根理論，通過對92份經濟管理類核心期刊文本資料進行編碼分析，從技術應用、市場化流通、場景化應用三個環節探索數據要素價值釋放機理，構建了數據要素價值釋放理論模型，以求最大程度激發數據要素價值。

［關鍵詞］數據要素價值；扎根理論；技術應用；市場化流通；場景化應用

［中圖分類號］F490［文獻標志碼］A［文章編號］2095-0292（2024）01-0088-06

［收稿日期］2023-11-10

［作者簡介］鄭文慧，貴州財經大學會計學院碩士研究生，從事財務管理理論與實務研究；楊昀，金陵科技學院商學院教授，博士生導師，博士，從事風險投資、科技金融、資本市場研究。

一、引言

數字經濟時代，各行各業呈現數據井噴式增長態勢。黨的十九屆四中全會首次明確提出將數據納入生產要素行列參與分配，數據成為繼勞動力、土地、資本、技術之后的生產要素新形態。中共中央、國務院《關于構建更加完善的要素市場化配置體制機制的意見》進一步提出加快培育數據要素市場，提升社會數據資源價值。數據展現出其不可估量的要素效率提升能力、資源配置基礎能力、價值發掘與增值能力（王謙、付曉東，2021）［1］，在價值創造過程中扮演重要角色，成為驅動經濟增長和社會進步的關鍵戰略性資源。

當前，學術界、產業界已從多個視角對數據要素展開深入探討。然而，現有研究主要集中在數據要素價值屬性、作用機制、影響因素及其與經濟增長的關系等理論論證方面，對于數據要素價值釋放機理缺乏深入研究，數據要素價值釋放機理尚不清晰（陽巧英、夏義堃，2023）［2］。充分釋放數據要素價值，是驅動經濟創新發展的重要抓手，能夠有效引領經濟社會高質量發展（蔡繼明，等，2022）［3］。鑒于此，本文運用扎根理論及三級編碼技術，對數據要素價值釋放的內在機理進行研究，以期進一步厘清數據作為關鍵生產要素如何釋放價值的基本邏輯，豐富數據要素相關理論研究。

二、文獻綜述

數據作為關鍵生產要素所帶來的巨大價值，越來越受到學術界的廣泛關注。當前，國內外學者對數據要素價值的研究主要從數據要素價值構成和數據要素價值實現兩個方面展開。

（一）數據要素價值構成

數據要素的價值包括數據本身固有的潛在價值和數據要素在流通過程中顯現的價值。一些學者基于數據生命周期視角，將數據要素價值按照演進形態分為潛在價值、交易價值、使用價值和創新價值四個層次，并分析了各個層次之間的轉化關系（Francesco et al.，2023）［4］。關于數據要素本身是否創造價值，學術界存在一些不一致的觀點。一些學者認為數據要素的貢獻在于數據要素本身創造的價值，數據要素也是剩余價值的重要源泉（莊子銀，2020）［5］。另一種觀點則認為數據要素可以提高勞動生產率，但其本身并不直接創造價值（Jones and Tonetti，2020）［6］，而是通過價值倍增、投入替代和資源優化三種模式來實現價值增值（陳書晴，等，2022）［7］。數據要素最終會帶來數據價值、經濟價值和社會價值（朱秀梅，等，2023）［8］?，F有研究對數據要素的價值屬性展開了深入探討，但仍缺乏統一的概念界定與理論體系。

（二）數據要素價值實現

數據要素在社會生產經營管理活動中釋放價值，需要經歷數據形態的多次演進過程。一些學者從數據生命周期的角度，提出數據價值鏈的概念，將數據價值創造過程拆分為多個相互關聯的環節，闡明了數據在企業生產環節中的價值生成機制（Faroukhi et al.，2020）［9］。之后，更多學者基于數據價值鏈視角展開研究。然而對數據形態界定不一致導致了我國學者對于數據要素價值實現階段的劃分存在差異。部分學者認為數據要素價值實現的邏輯是在提高數據質量的基礎上，明晰數據產權，評估數據價值，促進數據流通和交換，增加數據應用，以實現數據價值增值，即數據要素價值實現要經歷數據資源化、資產化、資本化三個階段（唐要家、唐春暉，2022）［10］。然而也有研究提出數據形態從數據資源、數據資產、數據商品到數據資本的演化過程，將數據價值實現劃分為數據資源化、數據資產化、數據商品化和數據資本化四個階段（李海艦、趙麗，2021）［11］。也有學者著眼于數據要素價值的實現途徑，總結歸納出業務貫通、數智決策、流通賦能三次價值釋放（王澤宇，等，2023）［12］?，F有研究解構了數據要素價值釋放過程，但由于不同數據形態的概念重合交疊，尚未深入揭示數據要素價值釋放的內在機理。

綜合來看，當前學術界對數據要素價值的研究已取得了一定進展，多數學者基于數據生命周期和數據形態的視角展開研究，探討了數據參與價值創造與轉化的邏輯，但是鮮有研究聚焦數據要素本身的價值釋放機理這一原理性問題，關于數據要素價值釋放規律的底層邏輯尚未形成系統的理論解釋。數據要素價值釋放機理的研究對于理解數據要素的內涵和特征，促進數據要素市場化配置，推動數字經濟高質量發展具有重要意義。因此，本文利用扎根理論研究方法，對數據要素價值釋放機理進行研究，以期厘清數據要素在哪些環節釋放出其作為關鍵生產要素的價值，為最大化激發數據要素價值潛能，更好發揮數據要素作用提供有益借鑒。

三、研究設計

（一）研究方法

扎根理論是在文獻和經驗資料的基礎上，基于科學化的編碼分析，從資料數據中抽象出概念和范疇，進而構建理論的一種自下而上的歸納式研究方法（蘇貝，2018）［13］，當現存框架不能清晰解釋現實中涌現出的新事物時，其文本意義與理論挖掘優勢明顯。本文采用扎根理論研究方法來探究數據要素價值釋放機理，主要基于以下兩個原因：首先，數據要素價值釋放過程是一個非結構化、諸多因素交織的復雜系統，傳統定量研究難以闡述其背后的實質性理論。扎根理論作為一種定性研究技術，通過對繁瑣細致的現象進行分析，可以發現其背后的概念及概念間的邏輯關系，十分契合本研究的探索性特點。其次，扎根理論直接在現實資料基礎上通過歸納式編碼建立理論，能夠有效避免預設的理論假設對研究結論產生干擾，更能真實反映數據要素價值釋放內在機理。

（二）樣本選取與數據收集

扎根理論所需資料，可源于調研訪談等一手資料，也可源于文獻資料等二手資料?？紤]到資料的代表性、權威性、真實性與可獲得性，本文以南京大學中國人文社會科學綜合評價研究院發布的CSSCI（2021-2022）來源期刊目錄、擴展版目錄及北京大學圖書館發布的中文核心期刊目錄中《管理世界》《南開管理評論》等經濟管理類核心期刊為樣本（席銳、王治，2023）［14］。同時，考慮到在2019年黨的十九屆四中全會首次將數據作為生產要素參與分配之前，鮮有研究涉及數據的生產要素這一屬性，因此，本文將文獻檢索時間限定為2019年至2023年。為保證全面覆蓋與數據要素價值釋放機理相關的研究，本文選定“數據”“數據要素”“數據資本”“數據資源”“數字化”“價值”等作為組合檢索詞，并將檢索條件設定為主題詞、關鍵詞或全文展開搜索，篩選其中與數據要素價值相關的文獻。最終通過以上方式得到92份有效文獻作為本研究的原始資料，并預留其中1/3作為后續理論飽和度檢驗的樣本（駱達，等，2023）［15］。

本文嚴格按照扎根理論的三級編碼法進行分析，從原始資料中抽象出概念類別，理清關系并建構理論。

（一）開放性編碼

開放性編碼是在廣泛收集原始資料的基礎上，對分散、不成體系的原始資料進行比較分析，提煉初始概念并初步抽象出范疇的過程（李志剛，2019）［16］。本文遵循開放性編碼的要求，借助定性研究軟件Nvivo11進行編碼。首先，將整理好的61份文本資料導入Nvivo11相應文件夾中，逐行逐字審查篩選，提取其中涉及“數據”“數據要素”“數據資本”“數據資源”“數字化”“價值”等詞語的句子貼標簽。其次，根據語意相同或相近原則，對標簽數據反復推敲整理，合并內涵相同的標簽，并刪除出現頻次低于兩次的標簽，初步提取出68個初始概念。然后，對提取出的存在交叉關系的概念進一步剖析提煉，最終抽象出18個副范疇，參見表2。表2開放性編碼部分結果

獲取F11數據感知將現實世界客觀事物的特征信息按一定規律變成為人類和機器可理解與認知的通信信號輸出。F12數據標注提取車輛周圍環境中的車道線、交通標志、行人、障礙物等有用信息，給它們打上相應的標簽，以便訓練和評估智能駕駛系統。F13數據采集使用傳感器和各類信息化辦公軟件等采集內部的設備運行數據和運營數據，并通過互聯網平臺和爬蟲技術等采集外部的供應鏈和用戶需求等數據。F14數據聯接交互人、物、設備、基礎設施與生產生活數據聯接交互。F15數據整合共享把不同醫院、醫療機構和社區所產生的數據串聯在一起。F16產業數字化

帶來增量數據產業數字化進程促使各類醫療數據、金融數據、視頻數據、工業數據不斷豐富，同時，各類數據的采集、開發和應用，進一步推進了各領域的產業數字化進程，進而產生更為豐富的數據資源，形成數據生態的良性循環。F17數據傳輸5G網絡、固定寬帶網絡與衛星網絡相結合，聯接了末端海量的設備和終端，為其提供業務接入和數據傳遞。F2數據

處理F21數據清洗去除無效數據以提高數據的質量和可用性。F22數據脫敏化原始數據經過脫敏化處理后形成初級數據產品，實現敏感隱私數據的可靠保護，降低數據敏感度減少隱私風險。F23數據標準化在算法和算力的支持下，人臉識別和視頻結構化技術可以將原本需要人工查驗的視頻流，快速轉化為可實現實時對比的結構化數據庫?！?…… ……（二）主軸編碼

主軸編碼是在開放性編碼的基礎上，重新梳理編碼資料，發現和建立開放性編碼所得初始范疇之間的內在關聯，提取主范疇的過程（李志剛，2019）［16］。本文對開放性編碼所得18個副范疇進一步對比分析，按照其邏輯關聯歸類整合，最終歸納出技術應用、市場化流通、場景化應用3個主范疇，主軸編碼結果見表3。以“技術應用”為例：數據要素從初始數據形態不斷演進到最終釋放價值必須依托新一代信息技術，為數據獲取、處理、存儲、分析等環節提供算法、算力方面的支持，提高各環節的處理能力和效率，從源頭上激活數據價值。表3主軸編碼形成的主范疇及內涵

主范疇 副范疇 內涵釋義A1技術應用A11數據獲取、A12數據處理、A13數據存儲、A14數據分析數據要素從最初零散、碎片化、低質的初始數據形態到最終發揮價值需要經歷收集、處理、存儲、分析等過程，這一過程離不開各類技術的有效支持，依托技術應用將初始數據轉化為具有實際經濟價值的高質量數據資源，為組織和個人帶來實際經濟效益與社會效益。A2市場化流通 A21數據確權、A22數據定價、A23數據交易、A24數據流通、A25數據要素市場生態完善的數據產權、定價、流通、交易、分配等制度，可以促進數據市場化流通，將分散在不同系統和組織中的數據整合起來，流向市場最需要的領域和方向，激發數據要素創新活力與價值潛能。A3場景化應用A31融合傳統生產要素、A32智慧交通、A33智慧醫療、A34智能制造、A35智慧教育、A36智慧農業、A37智慧金融、A38城市治理、A39新零售數據要素融合傳統生產要素廣泛應用于農業、交通、醫療、教育、金融等現實經濟場景，二者共同構成一種強大的驅動力，為實體業務帶來新的機遇，也為數據要素價值釋放創造更廣闊的空間。

（三）選擇性編碼與模型構建

選擇性編碼是一個從初始概念、副范疇和主范疇中歸納提煉確定核心范疇，并根據故事線來剖析主范疇之間內在邏輯關系，建立理論模型的過程（李志剛，2019）［16］。本文在開放性編碼、主軸編碼的基礎上，通過反復對比分析，深入挖掘主范疇的本質內涵，提煉出能夠統籌整合“技術應用、市場化流通、場景化應用”這3個主范疇的核心范疇：數據要素價值釋放機理，并構建了理論模型，如圖1所示。

圍繞“數據要素價值釋放機理”這一核心范疇的“故事線”為：數據要素價值釋放的起點在于技術應用，依托技術對數據進行收集、處理、分析提升數據質量，賦予其使用價值，并通過建立健全數據要素的產權、流通、交易、分配等制度，促進數據市場化流通，使數據資源流向市場最需要的領域和方向，而后創新性的應用于具體業務場景中，與資本、勞動、技術等傳統生產要素融合，激發數據要素的創新活力與價值潛能。圖1數據要素價值釋放理論模型（四）理論飽和度檢驗

為對已經建構的理論模型進行飽和度檢驗，本文對預留的31份原始資料進行新一輪編碼。結果顯示，模型中提煉的各個范疇已經比較完備，未出現新的范疇及相關關系，表明該模型已達到理論飽和（李志剛，2019）［16］。

五、模型闡述

（一）以技術應用激活數據使用價值

數據要素從最初的原始數據形態到參與社會生產經營管理活動并發揮其價值，要經歷一系列的演進過程。數據要素價值釋放的起點在于技術應用。根據國家互聯網信息辦公室發布的《數字中國發展報告（2022年）》 顯示，我國數據資源規模增長迅速，2022年我國數據產量已達81ZB，同比增長227%，全球占比達105%，位居世界第二，數據產量十分豐富。然而由于數據來源分散，繁雜冗余，臟數據、假數據規模較大，存在數據質量不夠、標準不一致、碎片化、分散化等問題，真正開放、共享、可使用的數據量很小，不經過處理難以產生實際價值（蔡繼明等，2022）［3］。唯有經過數據采集、匯聚、清洗、加工等技術處理，才能將這些原始的、零散的、低質的數據轉化為可利用、可共享的具有實際經濟價值的高質量數據資源，才能充分發揮數據在社會生產經營管理活動中的價值屬性和功能作用，為各行各業提供決策支持和創新動力。

原始數據到數據資源這一處理過程在很大程度上重新構建了數據關系，大大提升了數據質量，數據資源被賦予了使用價值，為釋放數據要素價值奠定了基礎。要實現這一過程，技術的有效運用是至關重要的。因此，釋放數據要素價值首先需要著眼于技術，為技術持續改進升級投入更多的關注度，致力于提升數據處理的效率、準確度及普及程度，保證數據前期收集和處理效率，為后續開辟更大的價值潛力空間。

（二）以市場化流通挖掘數據潛在價值

數據要素涉及的主體繁多，其本身結構和分布的不均衡性導致利用效率和價值潛力難以得到充分發揮，需要依靠市場機制進行流通和交易來挖掘數據的潛在價值。

數據的使用價值在于對產業生產效率和市場運行效率的普遍提升作用，而這種提升作用又高度依賴于數據的規模質量、多源融合和應用場景。只有通過市場化流通，才能實現數據的高效配置、優化組合和創新應用，從而充分發揮數據的規模效應和網絡效應，激發數據的潛在價值。一方面，依托于數據可復制、可共享、非競爭性等優勢特征，數據要素在不同主體、領域、地域之間進行使用和流通的過程中不會被損耗，反而會產生更豐富的知識和信息（張昕蔚、蔣長流，2021）［17］，形成數據的正反饋循環，從而使得數據具有持續增值的潛力，提高其利用效率和價值。越大規模、越高維度的數據匯聚融合更有利于發現數據之間的關聯和規律，支撐企業決策和創新，實現價值倍增，使得規模報酬遞增效應充分顯現。另一方面，數據具有較強的創新性和驅動性，可以通過算力、算法、模型等技術手段對數據進行加工、分析、應用等操作，產生新的知識、產品、服務、商業模式等。這使得數據可以不斷創造新的價值，并推動其他生產要素的創新和升級，實現價值的轉化和增值。

市場化流通是數據要素價值釋放的關鍵。通過建立健全數據要素的產權、流通、交易、分配等制度，將分散在不同系統和組織中的數據整合起來，打破數據孤島，促進數據市場化流通，使數據資源流向市場最需要的領域和方向，實現優質數據的多源融合和多場景應用，激發數據要素的創新活力和價值潛能。例如，在醫療領域，通過市場化流通，醫院、藥企、保險公司等各方可以共享和交換醫療數據，從而提高醫療服務質量和效率，降低醫療成本和風險，創造出更多的醫療價值。市場化流通不僅可以提高數據的配置效率，降低交易成本，還可以提升數據的激勵效率，激發數據供給者、需求者和開發者的積極性和創造力。市場化流通還可以促進數據要素的融合發展，使不同企業能夠獲取更多數量、更多維度、更高質量的數據，從而形成更大的規模經濟和范圍經濟效應，增加數據要素的價值。

（三）以場景化應用釋放數據擴展價值

作為新時代的戰略資源，數據資源能夠反映經濟社會運行的規律及特征，為各行各業提供決策支持和創新動力，富有極大的價值潛力。然而，數據資源本身并不能直接創造大量價值，也不能直接參與價值分配（Ylijoki and Porras，2019）［18］，唯有應用于具體業務場景中，與資本、勞動、技術等傳統生產要素融合，方能實現產業層面的價值創造，釋放數據擴展價值。

數據要素是新時代的戰略性生產要素，它與傳統生產要素有著本質的區別。相較于傳統生產要素，數據要素的價值實現更加依賴于場景的應用。根據不同的使用需求和場景，將數據要素應用于旅游、農業、工業、民生服務和社會治理等豐富多元的行業領域中，結合行業特點和市場需求，開發出適應不同場景的解決方案，利用數據分析、數據服務、數據產品等方式，將數據轉化為有價值的信息和知識，從而提高數據的使用效率和價值實現。通過數據要素的場景化應用，可以提升產業網絡化、智能化水平，推動產業數字化轉型，培育新型產業生態，顛覆傳統的資源配置方式，打造全新的經濟增長點。此外，數據要素不僅能夠應用于現實業務場景中實現生產過程，更重要的是能夠顯著提升其他生產要素之間的資源配置效率。具體而言，場景化應用中數據要素與傳統生產要素融合，通過挖掘開發經濟活動的數據存量、流量和增量資源，有效驅動勞動力、資本、土地、技術等傳統要素實現網絡化共享、集約化整合、協作化開發和高效化利用（楊佩卿，2020）［19］，在很大程度上顯著提升傳統生產要素利用效率，推動其實現價值增值。數據要素對傳統生產要素具有極大的倍增效應，傳統生產要素用數據賦能后更加高效、精準，有效釋放數據要素擴展價值。場景化應用是數據交易和數據服務的重要方式，它可以有效解決數據權屬不清、數據安全與隱私保護、數據集中化等制約數據交易的問題，促進數據的合規與高效流通使用，充分發揮數據的規模效應和網絡效應，提高數據資源利用效率。

六、研究結論

本文基于扎根理論，對數據要素價值釋放機理進行研究發現數據要素價值釋放涉及技術應用、市場化流通、場景化應用三個環節。技術應用是數據要素價值釋放的起點，5G、云計算、物聯網、工業互聯網、人工智能、區塊鏈等信息技術融合應用于數據的收集、處理、存儲和分析全過程，大幅提高數據質量，使其由繁雜冗余的初始數據形態轉變為具有實際應用價值的資源，激活數據的使用價值，為后續價值釋放奠定基礎。而后數據進入市場領域，依靠市場機制進行流通交易，將分散在不同系統和組織中的數據整合起來，打破數據孤島，使數據資源流向市場最需要的領域和方向，為數據的進一步應用創造了條件。通過市場化流通，數據得以廣泛應用于具體業務場景中，真正納入社會生產過程，數據要素價值最大化得以實現?？傊?，技術應用、市場化流通、場景化應用三個環節相互依賴、相互促進，通過有效的技術應用，數據得以優化和加工，而市場化流通和場景化應用則將這些優化后的數據轉化為實際的生產力，充分釋放數據要素價值，推動數字經濟繁榮和創新發展。

當前，無論政府、企業還是個人均擁有海量的數據資源，然而受限于技術水平不足，制度規范不夠完善，大部分數據仍無法在市場上進行流通和應用，一定程度上阻礙了數據要素價值釋放。因此，政府、企業、研究機構應多方合作投入資源人才，推動技術難題攻關，提升數據要素的采集、存儲、處理、分析、應用能力，推動數據標準化、共享化、智能化發展，保障數據質量和安全。同時，應持續推動數據要素市場化體系健全，完善數據要素產權制度，明確數據的權屬、責任、利益等，保障數據提供方、需求方、中介方等各參與主體的合法權益，進一步規范數據要素交易機制，建立數據要素的估值、定價、交易、結算等流程和標準，促進數據要素的高效流通與合理分配。

［參考文獻］

［1］王謙，付曉東.數據要素賦能經濟增長機制探究［J］.上海經濟研究，2021（4）：55-66.

［2］陽巧英，夏義堃.我國數據要素價值形成機理、影響因素與實現路徑——基于扎根理論的分析［J］.圖書與情報，2023（2）：12-22.

［3］蔡繼明，劉媛，高宏，等.數據要素參與價值創造的途徑——基于廣義價值論的一般均衡分析［J］.管理世界，2022，38（7）：108-121.

［4］Francesco S， Daniela C， Yasar J. Creating value from Big Data： a knowledge assets-based view［J］. Knowledge management research & practice， 2023，21（4）：714-724.

［5］莊子銀.數據的經濟價值及其合理參與分配的建議［J］.國家治理，2020（16）：41-45.

［6］Jones C I， Tonetti C. Nonrivalry and the Economics of Data［J］. American Economic Review， 2020， 110（9）：2819-2858.

［7］陳書晴，任昊翔，陶思佳，等.數據要素與多元市場主體融合機制研究［J］.信息通信技術與政策，2022（1）：2-10.

［8］朱秀梅，林曉玥，王天東，等.數據價值化：研究評述與展望［J］.外國經濟與管理：1-16.

［9］Faroukhi A Z， Alaoui I E， Gahi Y， et al. Big data monetization throughout Big Data Value Chain： a comprehensive review［J］. Journal of Big Data， 2020， 7（1）：1-22.

［10］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.

［11］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.

［12］王澤宇，呂艾臨，閆樹.數據要素形成與價值釋放規律研究［J］.大數據，2023，9（2）：33-45.

［13］蘇貝，楊水利.基于扎根理論的制造企業智能化轉型升級影響因素研究［J］.科技管理研究，2018，38（8）：115-123.

［14］席銳，王治.新時代優秀編輯綜合評價指標體系構建與應用——基于扎根理論的質性研究［J］.中國編輯，2023（7）：71-75.

［15］駱達，李祥飛，龔超.基于扎根理論和結構方程的分級診療績效評價模型構建研究［J］.中國醫院，2023，27（7）：31-35.

［16］李志剛，韓煒，何詩寧，等.輕資產型裂變新創企業生成模式研究——基于扎根理論方法的探索［J］.南開管理評論，2019，22（5）：117-129.

［17］張昕蔚，蔣長流.數據的要素化過程及其與傳統產業數字化的融合機制研究［J］.上海經濟研究，2021（3）：60-69.

［18］Ylijoki O， Porras J. A recipe for big data value creation［J］. Business Process Management Journal， 2019， 25（5）： 1085-1100.

［19］楊佩卿.數字經濟的價值、發展重點及政策供給［J］.西安交通大學學報（社會科學版），2020，40（2）：57-65+144.