企業如何領略與釋放數據要素的價值

劉杰

自從上個世紀40年代計算機被發明并被廣泛應用以來，信息就逐漸與物資材料和能源并列為人類社會發展的三大資源，伴隨著互聯網尤其是移動互聯網技術與應用的深入，數據以及在數據基礎上產生的信息和知識等逐步成為一種新的基礎性和戰略性生產要素，數據生產要素的運用被認為是優化經濟結構的重要推動力。因此，繼農業經濟、工業經濟之后，數字經濟作為一種新的經濟社會發展形態就出現了。數字經濟與實體經濟持續深度融合，數據的應用已經對企業生產、市場流通、顧客消費、生活方式、社會分配、經濟運行以及國家治理等都帶來了巨大的影響，人類社會進入到了數據生產力時代。

數據作為一種生產要素，有生產采集、傳輸存儲、處理加工、計算分析和交易應用等活動，相應的技術都已具備并不斷進步成熟。然而，現實中除了一些消費互聯網企業能夠比較充分地運用數據要素外，大多數企業還沒有真正意識到數據是重要的資產，更不用說把數據作為生產要素加以應用了。

那么，企業如何理解數據要素這個概念呢？與傳統生產要素相比，數據要素呈現出哪些新的特點呢？企業又如何更好地把握這些新特點而加以有效應用呢？

近年來，人們一般都比較重視人均GDP（Gross Domestic Product – 國內生產總值）的年平均增長率，并且把投資、消費和出口比喻為拉動GDP增長的“三駕馬車”，而“三駕馬車”其實都是短期歷史（如一個季度或一年）的需求側數據（其中“投資”同時也是供給側數據），涉及到現有生產能力在過去一段時間內的利用率，在短期內GDP增長率的變動屬于經濟波動。

企業的經營和發展與經濟波動相關，與經濟增長更加相關。經濟增長是指在一個較長的時期內，一個國家或地區多樣化產品和服務供給能力的持續增加，直接由資本投入（投資）、人力資本積累（勞動力）和全要素生產率的提高（技術進步）等三個供給側的動因所決定，涉及到生產能力的擴張。所謂全要素生產率一般是指各要素（如投資和勞動力等）投入之外的技術進步及其能力實現等所帶來的產出增加。1987年諾貝爾經濟學獎獲得者索洛（Robert Merton Solow）就發現，相同的資源會因為全要素生產率的不同（即“索洛剩余”）而帶來不同的產出，因為，一方面科技進步本身就可以帶來更多的產出，即“技術效應”，比如5G技術的發明與推廣應用就可以為市場帶來大量的基站、終端等相關產品的需求；另一方面，科技進步帶來的生產關系和資源配置方式的改變也可以提升資源的利用率，即“配置效應”，比如5G技術的應用就為企業實現個性化定制、柔性生產、協同制造、遠程診斷和預測性維修等新業務模式帶來了突破性的進展和效果。因此，“技術效應”和“配置效應”能夠帶來經濟增長。

就微觀經濟主體的企業而言，傳統的生產要素包括資本、勞動、土地和技術，從改革開放到今天，我國經濟經過40余年的高速增長，資本、勞動和土地這幾個企業生產要素的供給都遇到了成本與增長的瓶頸，資金緊張，招工困難且用工成本越來越高，市場和客戶對產品的質量以及社會對環保的要求越來越苛刻。因此，企業傳統的發展模式需要轉型升級，技術要素的重要性凸顯。

與十八世紀的蒸汽機技術和十九世紀的電力技術所帶來的兩次產業革命一樣，發軔于二十世紀中葉的信息技術也帶來了一場新的產業革命，然而，與前兩次產業革命不同的是，信息技術尤其是以移動互聯網、物聯網、云計算、大數據、人工智能和區塊鏈等為代表的新一輪信息技術，不僅能夠融合到具體的產品和服務中，使產品和服務數字化從而提升其價值，同時還能夠通過數字化，端到端地直接連接世界各個國家的各個行業、各個企業以及具體用戶的生產交易過程。數據由此體現出了企業要素的明顯特點，在設計、生產、交易和消費等各個環節，數據作為要素與資本、勞動、技術等其他傳統要素融合在一起，就可以創新出數據資產等“新資本”、智能算法應用等“新勞動力”、人工智能等“新技術”，而且數據還能夠與其他生產要素持續地組合迭代和交叉融合，大幅度提升全要素生產率。

隨著新一輪信息技術的應用普及，數據也出現了爆發式的產生、沉淀與增長，而且不同于資本、勞動以及物質材料、能源等，數據可以被共享而不影響原來的所有者對數據本身的擁有，加之人工智能等技術也極大地提高了數據處理的效率并大幅度降低了處理成本，海量數據可以被不斷分析再生與應用，且不存在效用遞減等問題（見圖1）。

因此，數字化成為這一次產業革命的核心，通過數字化不僅能夠快速優化配置企業的要素資源，提高生產力，而且也讓信息產業的“技術效應”連續高速增長了數十年，從而帶動了世界經濟高速向數字經濟新形態轉型升級的發展趨勢，數據成為數字經濟的核心基礎。故而人類有史以來，在世界經濟發展以及企業市場競爭的環境中，第一次出現了數據作為關鍵生產要素之一而產生巨大價值的作用，掌握和利用數據能力成為未來決定企業競爭優勢的關鍵因素。在此背景下，2020年4月發布的《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》就將數據和土地、勞動力、資本、技術等傳統生產要素并列，明確了數據這一新型生產要素的重要地位。2021年出臺的我國“十四五”規劃和 2035年遠景目標綱要進一步提出，要充分發揮海量數據和豐富應用場景優勢，建立健全數據要素市場規則。

隨著I C T（I n f o r m a t i o n a n d Communication Technology ，數字通信技術）的發展與應用，至今數據作為要素在企業的三個層面發揮作用。

第一層面：業務流程數字化

以有效地提高企業運營效率、降低企業經營成本為目標，應用信息系統提升企業經營管理中的信息透明度，改進企業的業務流程。在企業研發、生產和銷售的過程中應用典型的信息管理系統包括：產品生命周期管理（Product Lifecycle Management，PLM）、制造執行系統（Manufacturing Executive Systems，MES）、供應鏈管理（Supply Chain Management，SCM）、企業資源計劃（Enterprise Resources P l a n n i n g，E R P）、客戶關系管理（Customer Relationship Management，C R M）以及計算機輔助設計（制造）（Computer-Aided Design，CAD、Computer-Aided Manufacturing，CAM）等，對業務流程中的信息進行收集、存儲、處理和應用，最終實現企業生產力和戰略敏捷性的提升（見圖2）。

上述各類信息系統基本都是應用在企業內部的，盡管某些產業鏈核心企業的SCM和CRM等系統會為上下游的商業伙伴留出交換信息的接口，但是系統具有嚴格的業務流程和明確的企業邊界特征。

在全社會推進各種信息系統應用的過程中，人們逐步認識到，信息是一種資源，并且還具有可共享與可再生等獨特的特性。比如，供應鏈中具體的原材料與商品雖然具有明確的權屬，但是相關的物流信息、資金流信息可以在上下游之間進行共享。通過共享信息就可以有效地降低不確定性，進而降低為了應對不確定性而準備的庫存。當然，還可以通過對歷史信息進行分析處理，作出更準確的預測，最終帶來企業成本的降低和效率的提升。

數據和信息的語義內涵有所不同，信息其實就是有用的數據。值得一提的是，長期以來，由于數據的采集、存儲和計算的能力與成本的限制，人們只能有選擇地對信息加以處理和應用，即對數據的選擇和應用是存在“守門人”的，因此，常常會出現信息不全面、不真實、不及時、不統一和不歸一等問題。隨著摩爾定律效應的持續發揮，尤其是移動互聯網以及物聯網、云計算等技術的成熟與普及，及時獲取數字、視頻、圖片、語音等各類數據并加以處理的成本和能力有了大幅度的改進。因此，在萬物互聯中形成的大數據就可以得到一次性采集和反復處理應用了，所以發展至今，在特定的語境下，數據和信息這兩個詞可以互換使用而不會使人產生誤解。

第二層面：產品與服務數字化

應用信息技術使得產品和服務數字化，實現了直接與最終的用戶保持在線連接。比如，在電冰箱中嵌入電子和通信功能后，冰箱就成為物聯網（IoT）技術應用的一種產品，也就從一種家用電器轉變為數字式的互聯網智能終端設備。企業就不僅可以知道冰箱的用戶是誰，而且相關食品企業等也能知道用戶的具體需求了，甚至冰箱的維修保養也從單一的上門服務變為遠程軟件人員的工作。

當日常用品都變為諸如互聯網冰箱一樣的產品后，數字化計算就無處不在了，所謂的普適計算就會逐漸成為現實。當然，無處不在的計算呈現的不僅僅是數字化技術的種種應用，也會促使企業超越傳統的業務甚至產業邊界 （見圖3）。比如，以前冰箱企業生產產品，與客戶之間是產品買賣關系，一個產品一次性交易結束后基本就不再有聯系了。現在，冰箱的數字化就使得企業轉型為滿足用戶需求的服務型企業成為可能，與用戶之間可以建立起終身服務的關系，圍繞用戶使用冰箱的各類需求持續性地提供服務。企業的目標就是真正地滿足用戶的需求而不是推銷產品了，也就使得企業的業務邊界大為拓展，收入因此也會得到增加。所以，數字化技術的應用就超越了對效率和成本的影響，產品和服務的數字化程度與企業持續運營及其績效水平之間建立起了密切的關系。

其實，產品和服務的數字化帶來的上述變化，基礎都是“一切皆為數據”，在為冰箱用戶提供服務的企業面前展現的是數據，企業依據數據提供精準的產品和服務。數據真正地成為了企業的一種生產要素，戰略資源也就從冰箱制造企業（例如海爾、美的等）和新鮮食品提供商（例如超市、菜場等）轉移到了軟件和其他數字技術的生產商（例如華為、谷歌等）以及基于數字化產品的服務企業（例如新鮮食品的生產者與服務者——農民、漁民等）那里。冰箱中的食品是否腐敗或超過保質期，以往都是依靠外觀和保質期標識加上個人經驗等來判斷，數字化冰箱就可以提供個性化的自動提醒功能了。因此，數據、產業（機器）和服務（人）這三者有史以來第一次大范圍地融合為一個整體，原有的產品生產企業如果順勢而為地轉型升級，不僅可能始終位于價值鏈的核心地位，而且還能以全新的視角來發現新的商業機會、重構新的業務模式和拓展新的業務范圍，從單一的產品企業轉變為產品加服務的平臺型企業，同時基于數據要素以及算法治理，將傳統的難以規范的眾多服務“工業化”為模塊化的標準敏捷服務。

類似于數字化冰箱產品帶來市場的變化，在線的數字化汽車、數字化機床甚至數字化車間等同樣也會帶來出行、零部件加工和企業制造模式的變革。當數字化的產品與服務使得數據成為一種生產要素時，一方面會帶來眾多復雜性的挑戰，包括源頭數據的確權與管理的復雜性、業務流程變革的難度等，另一方面，需要構建支持產品和服務運行模式的企業平臺及生態系統等，加劇了產業結構與底層經濟結構變遷的復雜性和動態性。

第三層面：現實世界數字化

具有超大連接、超高速率和超低時延等特征的5G的應用普及，為人們打通現實世界中固有的藩籬，重塑相互之間的關系提供了技術手段。在現實世界中，社會、經濟、文化和生活等方面對企業的影響，企業與政府、企業與企業、企業與用戶之間、各種組織內部的互動等，都可以從物理世界遷移到數字世界，在新的數字世界中將產生寶貴的數據資產。作為融合現實世界與數字世界橋梁的數據孿生（Digital Twin）技術將會得到更大范圍的應用（見圖4）。數據孿生技術運用虛擬的方式不僅可以實時地精確映射現實對象和業務流程，而且還能創造性地模仿未知的事物。特別是與AR/VR（Augmented Reality/Virtual Reality – 增強現實/虛擬現實）技術的結合，所有的場景都會栩栩如生，完全區分真實生活與數字生活將變得困難，企業新的平臺和生態等形態將從消費互聯網領域大范圍地延伸到產業互聯網領域。

企業組織自出現以來，通常是通過縱向整合來擴大自己的規模、增強自身的競爭優勢。自從上個世紀90年代互聯網出現后，一些具有優勢的企業通過建立供應鏈管理（SCM）系統與上下游企業開展合作，不過這樣的供應鏈受數據流動的制約，因此，在一段時期內一般是靜態的。建立在靜態供應鏈基礎之上的經典分析、計劃和執行模式更適合預測準確度較高的相關企業。然而，對當今的大多數企業而言，其供需環境動態復雜，難以預測，因此，一些平臺型企業近年來與其供應商之間的一系列關系就變成了協作和動態模式，即與多家供應商的關系不斷變化、共同發展，圍繞著用戶的需求形成了一個新的生態系統。比如，小米對使用其商城企業的投資或其他關系就是一個遠遠超出其供應鏈的生態系統；海爾圍繞用戶冰箱的使用，通過產業金融對相關企業進行整合，讓一些雞蛋、肉牛等生產與供應企業以及政府的監管部門都成為自己生態系統的一部分，跳出了其傳統的供應鏈體系，這樣的生態系統也打通了傳統的產業邊界，形成產業互聯網體系。

由此可以看出，當今企業的業務邊界既可以由企業的能力決定，也可以由企業的供應鏈整合能力決定，還可以由平臺型企業生態系統對用戶需求的最大化滿足能力決定（見圖5）。其中，平臺、生態企業的概念比供應鏈具有更大的價值，生態企業可以包含供應鏈，也可以根本不包含供應鏈，因為可以圍繞用戶需求，通過數字服務和公開的API（Application Programming Interface，應用程序編程接口）與各種合作伙伴開展合作，有力地促進復雜生態系統中多個參與者之間無縫的協調與合作。

隨著企業發展形態的演變，對高效率、低成本地滿足用戶動態變化的各種需求，數據成為企業越來越重要的一種戰略資產和生產要素。

高速發展的數字技術正在改變用戶的價值主張，也在改變企業的價值創造過程，包括產品、服務和業務模式等，促使企業的形態不斷變化。在這個過程中，數據逐漸成為企業發展的一個核心要素，需要企業構建新的數字化戰略，重構業務流程和組織架構，塑造新的企業文化。要開展這些工作，讓數據要素能夠發揮作用，企業就必須要明確具體的目標及相應的關鍵任務，以確保數據作為新的生產要素在企業不同的階段中發揮出上文提及的三個層面應有的效益，實現企業的數字化尤其是企業生態系統的轉型。

在消費互聯網行業，將數據作為重要的生產要素已經是一種普遍的、稀松平常的思維。比如，美團基于數據分析對每一單外賣進行任務分配、時間控制、路線指引以及優惠促銷和增值服務等；亞馬遜不僅自身的管理決策基于一個強大的數字和算法系統，而且還為商戶提供市場趨勢、客戶行為、地理位置、訂單銷售、店鋪運作和客戶評論等眾多數據分析報表。美團、亞馬遜等數字原生公司為其他行業的傳統企業提供了數據要素的思維方式、應用模式和管理經驗。總結起來，企業數據要素應用包括業務數據化、數據資產化和數據資產業務化等三個目標與任務。

業務數據化

傳統企業可以運用物聯網技術，將傳感器等智能模塊植入到產品中將產品數字化。從健康監測手表等智能穿戴設備、智能手機到交通運輸工具、建筑物、機床等產品及設備，甚至養殖的豬、牛、羊等，其實都已經有了大量的數字化實例，為產品和服務的創新以及感知和滿足用戶的需求提供了數據基礎設施。例如，GE公司的生產設備預測性維護業務就是通過傳感器實時采集車間生產設備的運行狀態數據，開發和使用了檢測異常的相關機器學習算法，在設備問題還沒發生前就提前報警并避免故障的發生，這樣就可以防止設備損壞帶來的停機損失，也節約了設備定期維修帶來的成本。然而，盡管如此，還有大量的傳統企業需要借助于這些思路，對產品和服務的全生命周期進行數字化，促進物理世界的數字孿生越來越全面，讓基于產品的各項活動以及使用服務的各個環節都能夠及時留下數據痕跡，目標是將數據作為企業數字化運營的基本生產要素。

數據資產化

數據作為企業的基本生產要素成為企業的資產，可以為企業帶來效率提高、成本降低以及業務拓展、收入增長的優勢。舉例來說，一般而言，房屋買賣和租賃過程中的很大一部分活動是在線下完成的，而且房屋買賣也是低頻交易，然而，2017年成立的貝殼網針對當時現實交易中存在的各種難題，對房屋交易流程中涉及到的地區、房源、客源、商機、經紀人、門店等對象，收集了相應的數據，建立了數據緯度、數據元素與數據關系高度完整和復雜的數字化平臺，把各種對象及其活動通過數據聯系起來。貝殼網將房屋交易場景數據化，本質上就成為一個從事數據采集和數據運營業務活動的平臺。2020年，貝殼網進一步將數據資產化，在紐交所IPO上市，市值一度超過800億美元。房屋中介本來是一項傳統的業務，而貝殼網通過數據資產化就改變了傳統的商業邏輯，同時將企業的數據部門從成本中心變為利潤中心。在國際上，GE和西門子等工業巨頭近年來也在著力推動企業轉型，現在也把自己認定為是數據公司。當然，企業的數據能力建設是一項復雜而龐大的系統工程，需要關注數據的數量和質量、數據的應用效率、平臺系統和數據的安全等方面。

數據資產業務化

此時，數據就真正地成為企業發展要素了，正如上面提及的貝殼網，當日漸積累了大量的數據資產后，就不僅可以賦能房屋交易業務，而且還可以形成平臺的競爭優勢，發揮平臺的“杠桿效應”和“包抄效應”，逐步提供租房、裝修、維修和生活等增值服務。貝殼網由此變成了一個高頻接入的場景，成為一個流量入口。收集到更多數據后，公司就有更大的拓展新業務的空間，從而吸引更多的用戶，產生更多的數據，產生更大的效益，如此正向循環，真正地實現了傳統房產交易中介企業的數字化轉型。

值得一提的是，在業務數據化、數據資產化尤其是數據資產業務化的過程中，需要運用算法治理思維，通過算法進行數據的更新迭代并將數據資產整合到業務運營過程中，也就是將數據應用到業務本身。比如開展預測、優化、精準推薦等，從原來以流程和人的經驗主導業務變成以數據驅動業務。在此基礎上，圍繞用戶需求的滿足，就可以持續拓展企業的業務范圍，創新新的收入模式。不過，算法的價值也與數據資產的質量和數量密切相關，這個過程本質上就是實現人工智能（AI）的應用。

近年來，美團、滴滴等消費互聯網企業的高速發展所取得的成果和帶來的問題，已經引發政府與社會各界的思考與重視。這些企業的發展本質上已經不完全基于傳統的生產要素。比如，傳統的飯店需要擁有并管理廚房、廚師和自己的信息系統，而美團通過其平臺匹配一定地理范圍內的餐飲需求者與餐食供給者。供給端再增加多少飯店或消費端增加多少消費者，美團并不需要像傳統餐飲企業一樣增加更多的投資（資本）、土地、管理人員（勞動）和技術等傳統的生產要素。相反，隨著時間的推移，規模的擴大，美團累積的數據就越多，在這些數據基礎上迭代的算法就越優化，為消費者和飯店提供服務的成本就會越低、效率也會越高。在2020年下半年其日訂單量就超過4000萬。特別值得一提的是，美團在外賣業務的基礎上還進入到了機票和酒店預定等眾多業務領域，2020年其酒店訂單就占行業總訂單的50.6%，真正地發揮出了“杠桿傳導”和“平臺包抄”等效應。然而，這些企業在發展過程中也需要應對人們的各種質疑，以及政府的壟斷或數據安全等相關的調查。

因此，從這些消費互聯網企業的發展經驗和教訓中可以看出，企業在將數據作為生產要素的轉型過程中，需要重視數據要素、數據思維、數據素養及數據生態四項核心內容（見圖6）。

數據要素

一方面，核心的數據應該來自用戶。在數字化時代，無論是產品還是服務項目，企業一旦從中獲得優勢，競爭對手常常很快就能趕上來，導致企業的競爭優勢轉瞬即逝，企業需要迅速地改進、開發產品和服務。因此，核心的數據要素應該是來自與用戶互動和運營中創建的整合數據，通過對這些數據資產的處理，不僅可以真正地洞察用戶，把握而不是預測市場需求，而且還可以把處理的結果作為產品或服務再提供給用戶，幫助用戶從產品或服務中獲取更多的收益，增加用戶的黏度，這是企業數字化轉型的基礎。

另一方面，與其他生產要素不同，數據要素具有可共享特點，數據的生產者（如用戶）、管理者（如系統開發公司）、整合者（如數據服務公司）、使用者（如用戶或企業）和監管者（如政府機構）等角色之間的邊界存在著一定的交叉，可能會導致隱私泄露、數據濫用、過度保護、安全泄密等情況的發生，而且還很難及時發現。因此，數據確權成為數據要素應用的一個重要前提。

數據思維

數據思維本質上與數字化技術應用沒有直接的關系，是指在企業管理中不僅要依靠直覺，更要依據數據分析得到的精確證據開展管理決策活動。過去，人們通過算盤、計算器、個人計算機或局域網等工具和手段來開展數字分析，企業大多也只擁有自身經營管理過程中產生和積累的相關數據，這些工具和手段已經難以應對當今大數據的挑戰了。因此，傳統的數字思維中數據處理的對象、手段和出發點發生了改變。

一是數據處理的對象不再是傳統單一的數字，還包括更廣泛的來自社交媒體、物聯網、搜索引擎和感知裝備等渠道的圖片、圖像、音頻等多種類型數據。

二是數據處理的手段拓展到了云計算、邊緣計算等模式，有利于降低數據處理的成本，提高效率以及相關的質量。

三是數據處理的出發點從使產品和服務的信息透明化讓顧客能夠找到，轉變為讓產品和服務主動找到顧客，即讓數據找人，當然不是傳統廣播無空白空間的推送模式，而是數據懂用戶的推薦模式，最終實現流程和決策的智能化。

數據素養

上個世紀90年代初，著名未來學家托夫勒在《權力的轉移》一書中提出了數字鴻溝（Digital Divide）等概念，認為在不同國家、行業、企業和人之間，由于對信息、網絡技術的擁有與應用創新能力的差別，會帶來信息落差直至貧富分化。發展至今，由于移動互聯網等數字化基礎設施與應用已經得到長足的發展，產生數字鴻溝的一個重要原因就轉移到了企業和個人的數據素養（Digital Literacy）上了。

首先，數據素養不是編程或數據科學等核心技術技能，對企業人士尤其是企業高層來說，數字素養更多的是指能夠發現行業或企業業務中存在的問題與挑戰，并知道去尋找相關的數字化技術加以解決，或者是當理解了某項數字化技術后，能夠敏銳地知道該項技術可以幫助企業如何解決哪些問題，為企業帶來哪些新的價值，或者是對企業構成什么樣的威脅。當企業家具備一定的數字素養后，也就具備提出基于數字化技術的變革性企業愿景和前瞻性企業戰略這兩項領導技能了。這好比大多數的人雖然并不懂汽車發動機、離合器的原理，但是都知道在什么時候，應該如何駕駛一輛汽車到達目的地一樣。

其次，部分企業管理者常常過度關注技術的細節，而忘記了應用這些技術原本是用來提升公司經營目標的。企業應用數據要素開展數字化轉型是由信息技術驅動的，但相關技術的價值并不在于技術本身，技術本身不是答案也不是解決方案，而在于其能否支持企業的數字化戰略和實踐。其實，現在已經有越來越多且成本較低的工具和平臺可以幫助企業開展數字化工作了，企業管理者并不需要完全掌握具體的技術原理。

最后，數字化技術發展迅速，數據和分析、人工智能、區塊鏈、虛擬和增強現實以及其他新興技術正在從根本上重塑商業環境，因此，企業管理者的數據素養還需要得到及時的更新。圍繞企業用戶的需求，定期開展與信息技術應用相關的企業內訓，管理者定期參加高校等機構組織的相關培訓項目，在工作中注意學習行業內外企業的相關做法，等等，都是企業管理者培育和更新自身數字素養的有效手段。

數據生態

將數據作為生產要素發展企業，還需要在數據要素的確權、定價、交易、運營和監管等各個環節具備一個良好的數據生態社會環境。

政府是數據生態環境中重要的一環，需要率先建立起數據要素的思維，破除與企業及其他公共機構之間的數據壁壘，建設、開放相關的數據資源庫，將關鍵數據資源作為純公共產品或準公共產品來進行管理。比如，數字身份數據、誠信記錄等等，需要制定相關的規章促使整個社會發揮數據要素的作用，比如要求在金融服務中的銀行等機構能夠讓第三方獲取客戶特定的數據等，以減少交易社會成本。

相關的數據監管與安全的法律政策、制度在數據生態環境中起保護作用，企業在發揮數據要素作用的過程中必須注意遵守。在目前數據確權等相關法律制度尚不完善的情況下，特別需要處理好國家數據安全以及用戶個人數據隱私這兩個方面的問題，并善于應用區塊鏈技術為原生數據資源提供低成本的確權服務。

企業內部與數據要素相關的市場理念、績效分配體系以及制度工具建立，是數據生態中企業這個物種蓬勃生長的營養成分，企業需要借此提升數據要素的配置與利用效率，賦能企業數字化轉型發展。

數據一直為很多企業所重視，否則，從事市場監測和數據分析服務業務的全球著名的尼爾森公司（Nielsen）就不會存在近百年了。然而，將數據視為一種新型生產要素是人類如何看待數據價值的一大創舉，也是數字化時代發展的必然。作為一種生產要素，數據不僅能夠創造價值，而且還能夠賦能其他生產要素發揮出更大的效用，因此，數據已經成為現代企業最有價值的資產之一。企業需要正確理解數據要素這個概念，把握數據要素的特點，學會如何將數據作為一種資產來管理，并利用數據要素為客戶、企業和社會創造出最大的價值。