數據生產要素何以賦能農業現代化*

鐘 真,劉育權

數字經濟通過內在經濟增長方式和外在產業結構的新舊動能轉換，促進了世界各國經濟的快速增長，被普遍認為是撬動經濟發展的新杠桿。(1)李曉華：《數字經濟新特征與數字經濟新動能的形成機制》，《改革》2019年第11期。數據作為數字經濟的核心元素，是推動經濟發展質量變革、效率變革和治理變革的重要抓手。大數據與三次產業融合催生出新的業態模式和新的生產方式，驅動了傳統產業的轉型升級和產出績效的持續優化。據《中國數字經濟發展白皮書(2020年)》統計，數字經濟占我國GDP的比重由2005年的14.2%上升到了2019年的36.2%，對GDP增長貢獻率上升到了67.7%，印證了數字賦能對我國經濟發展的重要影響。

黨的十九屆四中全會提出健全勞動、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，首次將數據上升到生產要素的戰略高度。中共中央、國務院(以下簡稱“中央”)于2020年3月進一步印發了《關于構建更加完善的要素市場化配置體制機制的意見》，對提速數據要素市場培育，挖掘數據的潛能與價值等方面做出具體的戰略部署。然而，農業作為國民經濟的基礎和新時代全面振興鄉村的“基本盤”，數字經濟與其的結合程度還不高。2019年我國農業數字經濟僅占產業增加值比重的8.2%，尚未達到服務業的25%、工業的50%，(2)參見中國信息通信研究院：《中國數字經濟發展白皮書(2020年)》，2020年7月2日，http：//www.caict.ac.cn/kxyj/qwfb/bps/202007/t20200702_285535.htm.亟須對現代農業與數字經濟的有效結合進行更多的理論研究與實踐探索。

但從現有研究看，將數據作為新的生產要素來探討數字技術與現代農業發展關系的研究還不多，特別是分析數據生產要素(以下簡稱“數據要素”)如何全方位賦能農業產業，以及如何引領農業數字化轉型的研究還較少。為此，本文將在探討數據要素的內涵認識與利用中的共性問題的基礎上，全面分析數據要素對農業現代化發展的影響，并基于理論與實踐探索提出加速農業數字化發展的建議。

一、數據要素的基本內涵與主要功能

(一)數據要素的內涵特征

數據是數字經濟時代信息內容的重要載體，具有數字、文字、圖片、影音等多種表現形式。在技術層面，數據局限于在計算機及網絡上流通的在二進制的基礎上以0和1的組合而表現出來的比特形式。(3)張玉潔：《國家所有：數據資源權屬的中國方案與制度展開》，《政治與法律》2020年第8期。在經濟層面，數據被視作一種經濟資源，往往具有高速度、高容量、高多樣性和高價值(4V)的特征，(4)McAfee， A.& Brynjolfsson， E.，“Big Data： The Management Revolution”， Harvard Business Review，2012， 90(10)：61-68.并且一般不能直接參與經濟活動，必須先經過分析處理提取出有價值的信息，增強主體對經濟運行的洞察力和決策能力，進而才能促進經濟價值的實現。數據演化為生產要素，不僅需要用數字世界鏈接物理世界和意識世界，形成“任意對象和信息的數字化”“任意信息的普遍連接”“海量信息的存儲和計算”的一般性生產技術條件；(5)劉玉奇、王強：《數字化視角下的數據生產要素與資源配置重構研究——新零售與數字化轉型》，《商業經濟研究》2019年第1期。而且需要通過與大數據分析(勞動)、組織學習(知識)及組織慣例更新(管理)相結合，才會從可能的生產要素轉化成現實的生產要素而對價值實現產生影響。(6)謝康、夏正豪、肖靜華：《大數據成為現實生產要素的企業實現機制：產品創新視角》，《中國工業經濟》2020年第5期。因而數據利用是影響科技創新的首要因素，也是宏觀經濟運行與調控、微觀企業管理和營銷的重要依據，更是一個產業或企業競爭力與壟斷內容的突出標志。(7)洪銀興：《“互聯網+”市場的經濟學分析》，《教學與研究》2020年第3期。

數據要素蘊含了多個經濟特點：一是可市場交易。數據要素對提高生產效率具有乘數作用，數據的市場交易價值已經受到了各主體的重視，隨著產權界定和市場交易制度的完善，數據交易將成為新常態。二是非均質性。同等容量大小的數據所具有的生產價值可能是完全不同的，質量高的數據攜帶極有用的信息，質量低的數據則可能被視為垃圾信息。三是非爭用而可限用性。不爭用是指數據要素使用中具有邊際成本為零的屬性，一個主體用了并不影響其他主體使用；可限用指知識、數據這些生產要素作為中間產品，前期生產過程中是有成本的，因此通過收取專利費等方式適當“限用”是合理的。(8)于立、王建林：《生產要素理論新論——兼論數據要素的共性和特性》，《經濟與管理研究》2020年第4期。四是依附性。任何生產要素都難以獨立存在和獨自發揮作用，數據需要與其他要素協同交互共同促進價值創造。(9)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》，《電子政務》2020年第3期。數據要素難以單獨投入到社會經濟活動中，數據要素的有效利用需要數字技術的驅動，也需要其他要素相協調。五是經濟稀缺性。不同數據的重要性、獲取難度和使用排他性綜合影響數據的經濟稀缺性，數據的稀缺程度又進一步影響要素價格，進而決定數據要素持有者在參與分配過程中的談判力度。(10)李政、周希禛：《數據作為生產要素參與分配的政治經濟學分析》，《學習與探索》2020年第1期。

(二)數據要素的基本功能

盡管學術界對于數據的具體內涵特征還存在許多爭議，但普遍認同數據對經濟的推動作用，其價值甚至堪比石油。(11)陳新河：《軟件定義世界，數據驅動未來》，《軟件產業與工程》2014年第1期。數據內嵌的高流動性、長期無限供應、零邊際成本和累積溢出效應等技術、經濟特征，決定了其必然會對國民經濟發展產生廣泛的輻射帶動作用。而其中關鍵的邏輯就在于賦能，即數據易于同原有傳統要素的結合并對其優化改造，使這些要素形成更大的效能。從宏觀上看，數據要素能夠促進各類要素有效結合，產生新的生產函數關系，使全要素生產率倍增。其不僅在產業形態上能夠促進數字技術與實體經濟的縱深融合，推動產業體系升級、產業結構優化和產業鏈交叉重組，形成新的產業組織形式和業態模式；而且在生產機制上能夠緩解信息不完全帶來的要素配置扭曲和市場失靈等問題，有利于完善市場調節功能，促進各類要素集約利用和合理分配。從微觀上看，數據要素能夠有效地與個人能力和組織能力相融合，形成新的發展驅動力。本質上，數據要素并不能代替企業本身，但它是促進有效決策、提高勞動效率的重要手段。一方面，數據要素能與企業家才能相結合，提升經營主體的智力資本，并轉化為科學決策能力；(12)Maryam Ghasemaghaei & Goran Calic，“Does Big Data Enhance Firm Innovation Competency? The Mediating Role of Data-driven Insights”，Journal of Business Research，2019，(104)：69-84； 聶進:《中小企業信息技術采納影響因素研究》，科學出版社，2010年，第13頁。另一方面，數據要素與數字技術、信息網絡和智能機器有機結合，還將促使生產經營智慧化、服務交易線上化、組織結構扁平化、社會治理電子化。

二、數據要素賦能現代農業發展的內在機理

農業是中國共產黨百年輝煌的重要支撐，農業現代化是黨領導建設社會主義現代化強國的重要目標和建成現代化經濟體系的四大支柱之一。隨著脫貧攻堅歷史重任的全面勝利，“十四五”規劃指出要繼續堅持農業農村優先發展，全面推進鄉村振興戰略，實現農業農村現代化。但不論是農業現代化還是農村現代化，其關鍵取決于主體，即什么樣的人或組織以什么樣的方式和機制來推動現代化過程。(13)王春光：《邁向共同富裕——農業農村現代化實踐行動和路徑的社會學思考》，《社會學研究》2021年第2期。顯然，農業現代化的主體首先是包括小農戶和家庭農場、農民合作社、農業企業等新型農業經營主體在內的各類農業生產經營主體。(14)孔祥智：《現行農村基本經營制度下農業現代化的主體研究》，《新視野》2014年第1期。同時，在一靠政策、二靠科技的中國農業發展中，農業管理部門的“有形之手”也發揮著重要的作用。因此，數據要素在賦能農業現代化過程中，其具體影響必然是通過農業生產經營主體和農業管理部門的活動而反映到農業生產力和生產關系上來的。而關于農業現代化的理論研究也已經從單純強調農業生產技術的現代化，逐步延伸拓展到包括生產組織管理、產業發展方式、生態可持續或資源永續利用，甚至人的現代化等領域。(15)任常青:《農業農村現代化研究》，載魏后凱主編:《新中國農業農村發展研究 70 年》，中國社會科學出版社，2019 年，第68-85頁；姜長云：《關于農業農村現代化內涵、外延的思考》，《學術界》2021年第5期。基于此，本文對數據要素賦能現代農業發展的內在機理將主要從農業生產、農業經營與農業治理三個方面展開。

(一)數據要素對農業生產的影響

通過現代信息與通信技術(ICT)，數據要素根本變革了農業生產方式，形成了新生產模式、新商業模式、新組織模式和新經濟發展模式。(16)張建云：《大數據互聯網與物質生產方式根本變革》，《教學與研究》2016年第11期。進而促使傳統農業往精準化、綠色化和規范化方向轉型，顯著改善了農業的生產效率、產品質量、經營利潤和風險防控績效。

1.促進農業生產方式變革。

一是基于數據的智慧決策促進農業生產精準化。在過去的十年中，機器學習技術已被廣泛應用于現代農業中，以提供更準確的解決方案，這主要是因為它具有處理高度復雜和非線性農業問題的能力。(17)Konstantinos，L.，Patrizia，B.，Dimitrios，M.，Simon，P.& Dionysis，B.，“Machine Learning in Agriculture：a Review，”Sensors，2018，18(8)：2674.隨著農業生產模型復雜性的增加，機器學習必須收集更多的數據，航空遙感、地理信息系統、地面物聯網、人工智能等技術的開發和應用使精準農業成為一種實踐。從供給側看，大數據推動農業生產從主觀經驗主導向客觀數據支撐方向升級，避免傳統農業依靠個人經驗積累來決策和執行所帶來的整體生產環節波動性大、效率低下和質量無法控制等難題。(18)夏杰長：《以數字經濟改造農業產業化服務體系》，《經濟日報》2020年7月15日。土壤肥力數字化監測、農田邊界圖智慧管理、病蟲害精準定位及防治、農藥化肥高效噴施和農田水利智能灌溉等精準化生產方式潛力巨大。從需求側看，通過大數據分析完成對農業全過程的預測分析和生產經營決策制定，有助于解決農產品市場供需不平衡的問題。(19)White，B.J.，Amrine，D.E.，& Larson，R.L.，“Big Data Analytics and Precision Animal Agriculture Symposium： Data to Decisions”，Journal of Animal Science，2018，96(4)：1531-1539.不僅使農業經營者能夠更好地把握市場需求，動態調整和優化生產結構；還能通過消費路徑分析和數字推送技術的有機結合，使生產更精準地匹配消費者需求。例如，辛哈(Sinha)等學者構建了一種以用戶為中心的農業物聯網體系，其運用智能設備和算法分析從終端獲得數據，不僅方便了農民實時監控農田，并收到有關生產優質農作物的建議，有助于保持作物的產量和質量；而且能夠預測市場上的農作物需求，使農民種植正確類型和數量的農產品，從而最大限度地減少浪費和損失；同時，這些數據還能夠實時反映食品供應的物流跟蹤情況，幫助農民做出關于產品分銷配送的最優決策，最大限度地提高了所售商品的總體利潤。(20)Sinha，A.，Shrivastava，G.，& Kumar，P.，“Architecting User-Centric Internet of Things for Smart Agriculture”，Sustainable Computing：Informatics and Systems，2019，(23)：88-102.

二是基于數據的科技監管促進農業生產綠色化。從全球范圍看，農業擴張是山林破壞進而導致氣候失調的主要驅動力，因而農業與減緩及適應氣候變化活動息息相關。(21)Harris，N.L.，Brown，S.& Hagen，S.C.，“Baseline Map of Carbon Emissions from Deforestation in Tropical Regions”，Science，2012，(336)：1573-1576.為應對氣候變化，增強土地利用系統的適應能力和緩解潛力，以確保農業生產和減排目標的實現，世界糧農組織于2010年提出了氣候智能農業的概念，其中農業數字化是關鍵。(22)Salvini，G.，Van Paassen，A.，Ligtenberg，A.，Carrero，G.C.& Bregt，A.K.，“A Role-playing Game as a Tool to Facilitate Social Learning and Collective Action Towards Climate Smart Agriculture：Lessons Learned from Apuí，Brazil”，Environmental Science & Policy，2016，(63)：113-121；Food and Agriculture Organization of United Nations，“‘Climate-Smart’ Agriculture：Policies， Practices and Financing for Food Security， Adaptation， and Mitigation”，September 2010,http：//www.fao.org/3/i1881e/i1881e00.pdf.即通過對農業生產的數字監測和管控，挖掘動植物生長潛力，優化對土地資源的管理配置，提高土地資源的產出效率和利用率，進而在不破壞更多植被的情況下滿足人們的糧食需求。從我國實際情況看，大數據應用還可以促進鄉村生態資源規劃、農業生態污染監測、農業生態補償決策優化和農藥化肥施用控制，實現農業綠色發展。(23)肖若晨：《大數據助推鄉村振興的內在機理與實踐策略》，《中州學刊》2019年第12期。例如，利用大數據對生態鄉村建設進行全要素、全系統、全過程設計，可以實現生態資源利用的最優配置，因地制宜地實施資源開發活動。再如，利用大數據提供構建大氣環境、土壤環境和農業面源污染的一體化監測系統，可以快速、精確地進行污染源追溯，幫助農業生產者進行環境預警，進一步為農田保護性耕作、退耕還林還草、碳匯農業等生態資源節約和保護行為提供更精確的補償決策服務。又如，通過建立農業生產資料電子追溯監管體系，有助于按照技術標準約束農藥化肥的過度使用，促進農業綠色節能生產。

三是基于數據的智能管理促進農業生產規范化。改革開放以來，標準化程度低、制度化建設弱等規范化問題一直是限制我國農業發展的桎梏，是農業生產、經營和流通成本居高不下的重要因素，阻礙了農業的高質量發展。數據要素的應用有助于實現農業的智能管控、精準運行和科學管理，是推動構建農業規范化生產模式的良方。首先是產中規范化。農業物聯網與人工智能的有機結合推進農業生產更加模塊化和流程化，智慧農業管理系統的不斷完善又帶來農場管理更加智慧化和科學化，進而保證了農業生產的標準化運行。其次是產后規范化。農業經營主體不僅可以通過數字技術架構的農業培訓平臺獲取多元化、科學化和規范化的技能培訓服務，而且能夠利用數字化生產、物流和經銷平臺獲得或共享經營數據，統一其社會化生產、生產資料供應和農產品營銷，以數據共聯共享實現信息可查詢、流向可跟蹤、質量可追溯和責任可追究的數字農業生態。(24)夏顯力等：《農業高質量發展：數字賦能與實現路徑》，《中國農村經濟》2019年第12期。從而保障農產品從生產到餐桌各環節質量標準和實施流程的一致性。再次是全程規范化。數據要素的加入勢必會導致農業產前、產中、產后各環節加速融合，任何一個生產環節的脫節都會影響整個供應鏈的經濟績效，這就要求農業生產全過程形成相對統一的標準和制度，而生產標準和組織制度的規范化離不開數據要素的管理驅動，最終實現農業各生產環節的共生發展。(25)梅亮、陳勁、劉洋：《創新生態系統：源起、知識演進和理論框架》，《科學學研究》2014年第12期。

2.促進農業產出成效優化。

一是有助于生產效率提高。農業生產數據的分析、建模和可視化，可以改善農業的生產規劃和管理決策。例如，利用數據流轉推動現實世界和虛擬世界相互映射、高效協同的數字孿生技術，實現對農業產出的精準預測，從而促進農業效率的提升。同時，數據要素能夠驅動農業生產的機械化、自動化和智能化，從而替代低效的人力勞作。例如，農業機器人的使用可以自動識別和消除雜草及害蟲并智能精確地收獲農作物；完全自動化和數據密集的封閉式生產系統將促進農藥的減量使用以及水分和養分的循環利用。(26)Kamilaris，A.， Kartakoullis， A.， & Prenafeta-Boldú， FX.，“A Review on the Practice of Big Data Analysis in Agriculture”，Computers and Electronics in Agriculture，2017，(143)：23-37.此外，大數據與基因編輯技術的搭配可以優化種質資源。利用基因工程技術對農作物或動物的基因組進行編輯，既能培育出一些營養價值較高的作物品種，又能夠獲得生長效率更高的種質資源。

二是有助于產品質量保障。根據新制度經濟學的研究，信息約束和認知約束是機會主義的根源，在信息不對稱的環境下，機會主義已成為內生的缺陷，在農業中是無法避免的。(27)Knight，J.，Institutions and Social Conflict，Cambridge University Press，1992.在農業生產環節，由于存在雇工監督成本較高及標準化生產較難等問題，不利于農產品品質的保障。大數據技術允許農戶在田間地頭對農作物實施智能耕種、灌溉和防治，輸出符合質量標準的產品。在交易流通環節，電商的機會主義行為難以被監管，這會誘導農戶為了獲取更多利潤而采取低質量生產的決策，導致農產品市場的逆向選擇。而數據的應用將為解決這一問題提供了可能。例如，有學者提出“基于區塊鏈的電子農業”模式就可以通過直接或間接地將生態農場中的各種實體作為節點，利用各種智能設備自動收集數據并將其上傳到整個區塊鏈網絡，從而可以擴展可公開共享的信息集。(28)Chen，Y.，Li，Y.and Li，C.，“Electronic Agriculture，Blockchain and Digital Agricultural Democratization：Origin，Theory and Application”，Journal of Cleaner Production，2020，(268):122071-122086.這種以數據驅動的生產模式有助于解決信息不對稱、第三方機構不可靠以及有機食品可追溯性差等問題，保障了食品質量安全，維護了消費者的權益。

三是有助于生產收益提升。農業生產收益增加主要體現在農業生產成本的降低和農產品銷售額的提升兩個方面。從“節本”角度看，以數據為關鍵要素的數字平臺可以極大地降低信息不對稱，釋放更多的供給和需求，降低生產和交易成本。(29)Schor，J.B.，“Does the Sharing Economy Increase Inequality within the Eighty Percent？：Findings from a Qualitative Study of Platform Providers”，Cambridge Journal of Regions Economy & Society，2017，(10)：263-279.產前利用農業生產端和消費端的市場數據做出合理投資決策，精細化農業生產資料投入。產中數據要素的使用能夠減少與勞動力相結合的生產資料的損耗、降低原材料庫存率以減少企業的儲備和管理成本、減少因設備故障而使勞動過程中斷造成的損失。(30)王勝利、樊悅：《論數據生產要素對經濟增長的貢獻》，《上海經濟研究》2020年第7期。產后利用現代電商物流技術加強產品流通過程中的數據交流，縮短流通時間、促進產銷對接，從而減少農產品的流通和匹配的成本。從“促銷”角度看，大數據不僅能夠推動上游生產模式由粗放型和外延式向精準化和集約化轉變，而且能帶來下游商業模式的創新，拓寬農產品銷路。例如，以抖音為代表的短視頻行業的視頻營銷和直播帶貨、以盒馬鮮生為代表的生鮮行業的新型零售和極速配送、以拼多多為代表的傳統電商的社交拼單和社區團購，推動了滯銷農產品的線上化交易和多元化經營，擴寬了農業產業的經營邊界。從本質上說，這些商業模式均受惠于大數據技術的不斷裂變和革新，從而徹底改變了人們的生產、生活乃至于思維方式，促進了農村商業的繁榮發展。

四是有助于風險危害降低。農業情報和經營信息的整合、公開，能幫助農業經營主體有效規避農業經營風險。(31)楊麗君：《以色列現代農業發展經驗對我國農業供給側改革的啟示》，《經濟縱橫》2016年第6期。首先是自然災害預警。基于大數據的分析與預測，能夠建立農業自然風險的監測預警和風險防范機制。例如，種植業的農業病蟲害監測預警網絡和數字植保防御體系，通過對自然氣候和環境的預先觀測，提前進行數字化防控，降低自然風險造成的不必要損失。其次是市場風險規避。農業經營主體可以觀測以往市場的交易情況，合理預期未來市場供需，開展“先找市場，再抓生產，產銷結合，以銷定產”的生產模式，避免農業生產的盲目性；而政府可以構建市場風險預警機制，降低農產品市場價格波動對農戶的傷害。再次是社會風險化解。2020年突發的全球新冠疫情給我國農業帶來嚴重危機，數據要素促進了食品質量安全監管和不同層級供需信息的匹配，推動了農資的正常供應和技術的遠程化服務，對于保障春耕的有序進行意義重大。

(二)數據要素對農業經營的影響

1.推動農業經營主體組織創新。

老齡化加劇的傳統小農經營由于具有經營規模小且地塊分散等先天不足，與現代農業發展之間已呈現相互脫節的突出矛盾。(32)阮文彪：《小農戶和現代農業發展有機銜接——經驗證據、突出矛盾與路徑選擇》，《中國農村觀察》2019年第1期。在政策和市場的雙重驅動下，以企業和合作社為代表的新型農業經營主體已逐步成為帶動小農戶與現代農業有機銜接的組織中樞。其中，數據發揮了不可替代的作用。一方面，數據要素加強了小農戶與企業和合作社等經營性組織的聯系，推動了數字技術向更大范圍推廣應用，釋放了農業數字生產力。另一方面，數據要素創新了農業生產組織的結構和發展模式，很大程度上緩解了農業小規模經營的劣勢。

其一，數據要素可以重塑農業經營主體的組織結構。互聯網技術的裂變創新和發展應用，驅動了數據信息的爆發增長和加速流轉，助推農業組織結構向扁平化、去中心化和網狀化方向轉型，進而促使農業組織成員間的交互更加密集、分工更加協調、管理更加高效。例如，通過對組織結構的數字化重塑，農村集體經濟組織能夠更加有效地對土地、山林等集體資產優化配置，提高集體性資產的管理效能，強化基礎設施和公共服務的精準供給，促進農業經營效率和農村治理效能的雙重提升。而由合作社等主體引領的農業合作經濟組織則可以更精確地觀測到農戶的服務需求，并通過對外銜接外部市場、對內動態調整運行機制，能夠更好地調配組織要素資源、發揮組織集聚優勢。同時，數字技術革新與服務需求拓深又將促進農業組織間的交叉合作，催生了農民合作社聯合社、農業產業化聯合體等新型組織結構形式，使社會化大生產向縱深延展。因此，數字化打破了傳統固化的農業組織層級，通過信息的共聯共通改變了組織成員間的關系結構，激活了農業資源稟賦，開辟了農業組織創新的新路徑。可預見，建立在虛擬平臺上的數字化新型農業經營主體將成為解決小農戶組織性與協同性問題的重要橋梁。(33)殷浩棟、霍鵬、汪三貴：《農業農村數字化轉型：現實表征、影響機理與推進策略》，《改革》2020年第12期。

其二，數據要素可以優化農業經營主體的資源配置。在互聯網與數字平臺的中介調節下，數據促使各類農業經營主體的資源要素供需更加清晰，并賦能要素市場化流轉，帶來了農業產業的規模經濟效應和資源集聚效應。(34)王樂君、寇廣增：《促進農村一二三產業融合發展的若干思考》，《農業經濟問題》2017年第6期。通過數據分析，農業經營主體不僅能夠吸納到所需的生產要素，推動要素由分散向匯聚轉移，還能對資源要素進行編排重組，促進其高效配置。目前，基于數據的要素集聚方式主要有兩種：一是各級政府組織、行業協會和商業機構通過成立要素交易和服務的數字化平臺，形成勞動、土地和農資等要素的信息互通機制，加速農業生產要素的流動和直接交易；二是借助合作社等新型農業經營主體，通過數字鏈接發揮其間接資源調配力量，將要素資源先聚集于各合作社內，再統一輻射到各需求單位，形成“散是滿天星，聚是一團火”的資源整合再利用效應。尤其在金融資源的配置上，由于金融機構與涉農主體間信息極度不對稱，涉農主體的信用信息難以有效獲取，且涉農主體一般缺乏穩定的有效抵押物，導致農業經營主體面臨突出的信貸約束。而數字金融為化解農村金融困境提供了有力武器。實踐經驗表明，通過云計算、區塊鏈等信息化手段構建數字信用體系，并利用大數據有效控制農業生產風險和市場風險，為農業經營主體提供低成本、無抵押、快速便捷的信貸資金，有效解決農戶融資難問題。(35)周月書、笪鈺婕、于瑩：《“互聯網+農業產業鏈”金融創新模式運行分析——以大北農生豬產業鏈為例》，《農業經濟問題》2020年第1期。

其三，數據要素可以提升農業經營主體的服務能力。隨著大數據和物聯網等技術對農業農村的數字滲透，農業產業化組織逐步淡化了早期以統一標準、統一決策和統一管理為宗旨的工業化思維，轉變為著力構建現代社會化服務體系以保障農業縱向一體化高質量發展的服務化邏輯。數字經濟的快速發展意味著中國農業已經進入了知識服務階段。然而，數字技術的引入可能會破壞農戶長期構建的社會聯系和公共認知制度，影響農戶對數字農業的接納程度。(36)Janc，K.，Czapiewski，K.，& Wojcik，M.，“In the Starting Blocks for Smart Agriculture： The Internet as a Source of Knowledge in Transitional Agriculture”，NJAS：Wageningen Journal of Life Sciences，2019，(90-91):100309-100321.因此，要發揮新型農業經營主體在短期內的數字引領和服務作用，既充當數字農業創新系統中的傳感器角色，提供相關的數據咨詢和決策服務；又不斷提高自身對數字農業創新的理解和參與水平。(37)Busse，M.，Doernberg，A.， Siebert，R.， Kuntosch，A.， Schwerdtner，W.， K?nig，B.& Bokelmann，W.，“Innovation Mechanisms in German Precision Farming”，Precision Agriculture，2014，15 (4)：403-426；Eastwood，C.，Ayre，M.，Nettle，R.& Rue，B.D.，“Making Sense in the Cloud： Farm Advisory Services in a Smart Farming Future”，NJAS -Wageningen Journal of Life Sciences，2019，(90-91):100298-100308;Eastwood，C.R.，Jago，J.G.， Edwards，J.P.& Burke，J.K.，“Getting the Most out of Advanced Farm Management Technologies： Roles of Technology Suppliers and Dairy Industry Organisations in Supporting Precision Dairy Farmers”，Animal Production Science，2015，56 (10)：1752-1760.從具體服務內容來看，數據獲取和提供生產策略的過程體現的是信息收集的服務，流通和零售過程體現的是交易的服務，安排物流布局和供給決策的過程體現的是分析的服務，當然這其中還涉及支付、物流、融資等各種衍生服務。(38)張在一、毛學峰：《“互聯網+”重塑中國農業：表征、機制與本質》，《改革》2020年第7期。總之，在數據要素的驅動下，企業和合作社等新型農業經營主體的農業社會化服務能力將大幅提升，數字農業的服務載體將日益強大。

2.推動農業產業結構轉型升級。

數據要素的匯入打破了產業間的技術和空間壁壘，三次產業的關系從分割到融合再到共生的進程加快，不僅改變了農業經營結構、改善了農業的內部結構，亦在整體上優化了三次產業的總體結構。

從農業經營結構看，數據要素推動了產品研發、市場營銷與商業模式的創新。數據要素既是促進要素融合、提升勞動生產率的手段，也是挖掘市場需求、發現行業短板的創新源泉。在產品研發層面，開發利用以用戶為中心的搜索引擎，智能高效地訪問商業與科研數據，對于農業經營主體調動知識資源并改善創新至關重要。(39)Ingram，J.& Gaskell，P.，“Searching for Meaning： Co-Constructing Ontologies with Stakeholders for Smarter Search Engines in Agriculture”，NJAS-Wageningen Journal of Life Sciences，2019，(90-91):100300-100313.例如，大數據可以幫助企業獲得和使用市場中更多的信息來研發更能滿足消費者需求的新產品，加快農業產品創新進程。(40)謝康、夏正豪、肖靜華：《大數據成為現實生產要素的企業實現機制：產品創新視角》，《中國工業經濟》2020年第5期。在市場營銷層面，通過充分運用互聯網營銷平臺，基于數據反映的消費信息形成用戶思維，不僅能夠提高產品的創新和設計能力，實現產品的個性化和多樣化，還可以提高資源利用及企業管理的效率和水平。(41)杜傳忠、王飛：《產業革命與產業組織變革——兼論新產業革命條件下的產業組織創新》，《天津社會科學》2015年第2期。在商業模式創新領域，行業研究和企業戰略策劃人員可以利用數據分析挖掘各產業結構之間的相關性，并客觀預測產業結構的變化趨勢，引導企業或行業的商業模式創新。(42)陳德余、湯勇剛：《大數據背景下產業結構轉型升級研究》，《科技管理研究》2017年第1期。而數據的積累是數字農業商業模式爆發的基礎。以現有的物聯網環境下誕生的各種新的農業商業模式看，無論是產業前端的生產經營、中端的加工物流，還是后端的銷售貿易，其模式創新和優化都依賴于大數據的積累應用，在信息與通信技術的迭代更新下數字農業的商業生態正在快速形成。(43)阮俊虎等：《數字農業運營管理：關鍵問題、理論方法與示范工程》，《管理世界》2020年第8期。

從農業內部結構看，數據要素正在深刻影響著農業產業的內在構成。在生產結構上，糧經飼、種養加、農文旅等大農業范疇下的眾多產業，將隨著大數據的應用不斷調整農業供給側結構，重點品類、特色產業也會更加符合市場需求。在空間布局上，大數據是當前開發農業多功能性、開展鄉村產業規劃不可或缺的重要工具，它不僅可以促進企業選址更加經濟合理，而且能夠降低產業運營成本、減少負外部性，使產業分布更加協調、綠色和開放。在產業鏈延伸上，數據要素可以低成本地聯動產業鏈、創新鏈、資金鏈和人才鏈，促進建立實體經濟、科技創新、現代金融、人力資源協同發展的產業體系，(44)于施洋、王建冬、郭巧敏：《我國構建數據新型要素市場體系面臨的挑戰與對策》，《電子政務》2020年第3期。大大緩解農業產業鏈片段化、分割化造成的農業價值鏈長期低端化和增值困難。(45)姜長云、杜志雄：《關于推進農業供給側結構性改革的思考》，《南京農業大學學報(社會科學版)》 2017年第1期。

從三次產業看，數據要素有助于破除農業與二、三產業相對分離的格局。數據要素的廣泛應用推進了城鄉各要素加速流動和城鄉產業的數字化協同，對解決我國第一產業后端延伸不足、第二產業兩頭連接不夠緊密、第三產業發育不足的問題意義重大。(46)夏顯力等：《農業高質量發展：數字賦能與實現路徑》，《中國農村經濟》2019年第12期。對于工業而言，數據要素能夠充分利用消費市場需求，優化食品加工業的農產品原料供給結構和農業設施設備制造商的產業布局，減少加工損耗，提高組織協調，進而反向引導農業智能化發展。對于服務業而言，基于數據的互聯網平臺普及促使農業快速服務業化，農業產前、產中、產后均呈現出巨大的數字紅利，更多服務方式由線下轉為線上，大量服務內容由供給驅動轉為需求決定，服務范圍也由聚焦大都市轉為向全國輻射。可以說，數據的應用使農業由勞動和生產資料密集型向資本和技術密集型的方向過渡，加速了新業態、新模式在第一產業中的成長和一二三產業的融合發展，促使我國在新的歷史時期有效實現新舊動能的轉換升級。(47)李曉華：《數字經濟新特征與數字經濟新動能的形成機制》，《改革》2019年第11期。

(三)數據要素對農業治理的影響

農業治理是解決“三農”發展困境、引領“三農”高質量發展的“可見之手”。數據賦能顛覆了傳統的自上而下的“尋租”式治理，推動了農業治理的信息化、網絡化和平臺化重塑，為解決農業發展桎梏注入了數字要素、提供了數字手段、轉換了數字思維，對促進農業治理能力和治理體系現代化創造了更多的可能。

1.加快農業發展瓶頸的有效治理。

從農業生產經營來看，傳統農業產業普遍存在生產效率低、交易鏈條冗長、產銷信息不對稱、產業信息化程度低等問題，這不僅是制約農業高質量發展的關鍵原因，也是導致傳統農業失“治”的痛點所在。(48)汪旭暉、趙博、王新：《數字農業模式創新研究——基于網易味央豬的案例》，《農業經濟問題》2020年第8期。數據為促進農業生產智能化、經營網絡化和管理精準化，滿足農戶生產和銷售的信息服務需求提供了新的要素。例如，自“十二五”時期農業農村部便開展信息進村入戶工程試點行動，截至2020年底，已在全國建設運營益農信息社41.1萬個，累計培訓村級信息員98.8萬人次，極大地推動了農業社會化服務和農村電商市場的發展，緩解了生產端信息不充分的問題，縮短了消費市場與生產環節的距離。從農產品市場流通分析，圍繞農業生產構建上下聯動的數據共享機制，推進數據實現自動化采集、網絡化傳輸、標準化處理和可視化運用，不僅能加強對農產品質量安全的監測，實現農產品流通信息透明化、責任明晰化“各環節信息可查詢、來源可追溯、去向可跟蹤、責任可追究”，而且還有助于提高對農產品市場不正當競價等壟斷行為的監督和治理，維護公正公平的市場秩序。

2.加快農業治理能力的有效提升。

隨著農村改革的深入推進和農業發展方式的綠色化轉型，我國農業呈現出許多新的特征，這就要求國家構建新型農業治理體系。農業“智治”不僅能顯著降低農業治理的邊際成本，提升涉農政務辦理、財務管理、助農服務、農技培訓和農事監管的治理效能；而且有助于地方政府實現用數據對話、用數據決策、用數據服務和用數據創新，從靜態的被動處理向動態的主動出擊轉變，推動公共服務的精準供給和重大風險的防范化解。進一步地，基于大數據分析的機器學習能通過改變政策研究范式優化農業政策的制定。這是因為計算機具有龐大的數據收集和儲存能力，機器學習能夠自我分析學習這些數據，發現傳統分析方法所忽略的一些規律，并能考慮和模擬未來社會和經濟的動態變化，然后提出更科學的政策建議。(49)于曉華、唐忠、包特：《機器學習和農業政策研究范式的革新》，《農業技術經濟》2019年第2期。此外，在具體實踐中，許多地方政府積極響應政策號召，一方面加速整合農業部門的數據資源，建設統一的數據匯聚治理和分析決策平臺，實現對農業生產經營情況的展示共享、監測預警和精準施治；另一方面借力數字科技企業和涉農企業數據庫，構建“農業云”管理服務公共平臺，全面提高農業行政管理和公共服務的信息化水平。這些實踐均顯著提升了農業現代化治理能力，印證了加強數據要素在農業治理中的應用是大勢所趨。

三、涉農數據要素利用的理論與實踐挑戰

(一)數據要素利用中的政治經濟學理論問題

數據作為參與物質生產過程的新要素，不僅在原有的要素結構中注入了新的活力，催生了數字生產力并釋放了其對經濟發展的“乘數效應”，而且還推動了數字時代各種復雜生產關系的形成。這對馬克思主義政治經濟學理論研究提出了新課題，也提供了新視角。農業作為自然再生產與經濟再生產相交織的特殊產業，其數字化發展亟待政治經濟學理論的創新，而農業經濟作為社會主義現代化經濟體系中的基礎板塊，數據生產要素在農業領域的廣泛滲透和應用也亟待政治經濟學理論的指導。目前，無論在農業還是其他產業，面臨共性的理論挑戰主要有以下兩個方面。

一是數據生產要素參與下的生產力形成和發揮機制有待探索。研究構成生產力的諸多要素及其組合，通過舊生產要素的改造更新和新的生產要素的發明應用推進生產力向前發展，是中國特色社會主義政治經濟學研究的重要任務。(50)田超偉、衛興華：《論馬克思的生產力理論與中國特色社會主義政治經濟學的構建》，《教學與研究》2017年第10期。但由于數據要素不僅可以發揮“催化劑效應”，即滲透到原有農業生產要素中起革新作用，讓原有生產要素改變作用的發揮機制與效果；又可以發揮“直接驅動效應”，即作為新生產要素帶動原有生產要素突破已有生產力邊界，形成新的生產力提升動能。因此，如何識別、測度數據要素的量和質，以及觀察、評估其功能發揮過程和結果，都面臨著諸多理論困難。

一方面，數據作為生產要素在農業中的特殊性還沒有認識清楚。農業數據是在現代農業生產、經營、管理、 銷售、投資等各種活動中形成的，具有經濟附加值的、時空特征交織的有用性信息記錄，主要來自農業資源與環境、農業生產、農業市場和農業管理等環節。它可能是呈現農業相關的自然、經濟、社會信息的原始數據，也可能是為了某些目的而經過處理后的加工數據。但無論是原始數據還是加工數據，來自環境、動植物、人類及其活動的數據的性質和尺度相去甚遠，數據存量和流量的數量級也差異巨大，如何與傳統生產要素那樣去衡量其數量與質量將面臨數據多元化類型和應用場景的挑戰。同時，數據傳輸速度快、成本低，保存相對穩定，不易“變質”，如何測度其價值并給予相應的定價都是理論難題。此外，數據是生產力發生數字化演化的根源，其作為一種單獨的資源時往往難以發揮作用，需要與勞動、土地、資本、技術等其他要素進行數字協同，才能賦能傳統產業的轉型升級和要素資源的集約融合。那么，它與傳統要素之間的關系是什么？例如，數據與勞動是什么關系？是勞動的產物，還是賦能勞動的工具，以及兩者是如何結合的？(51)孟飛、程榕：《如何理解數字勞動、數字剝削、數字資本？——當代數字資本主義的馬克思主義政治經濟學批判》，《教學與研究》2021年第1期。數據與技術又是何種關系？是信息技術的產物，還是其本身就是技術的一部分，是物化的硬技術還是非物化的軟技術？

另一方面，數據要素如何影響了農業中的自然再生產與經濟再生產？數據區別于傳統要素，其本質是通過驅動其他要素融合與生產技術進步來推動經濟增長，但卻需要數據間彼此合作生產、互聯互通、達到一定數量才能具有存在的意義和價值，即通過數據量變實現效率質變。那么數據要素投入的量與質同農業產出之間的關系是否類似于傳統要素？這里要強調的一個突出特點是，數據要素無論在自然再生產還是經濟再生產過程中往往是不會“減損”或“消耗”的，甚至還會由于新的技術和領域的產生而增加或增值，因而在擴大再生產過程中一般也無須“補償”，并且由于數據的“不可分性”或“粘連性”，在其投入再生產過程時常常仍需要“整體性”投入。這與傳統要素的明顯差異決定了數據要素生產力形成與作用機制需要進一步探明。

二是基于數據要素的生產資料所有制、利益分配等一系列生產關系有待厘清。圍繞數據要素驅動的農業數字化變革必然會導致農業生產、組織、流通、分配和治理關系發生新的變化，而對數字化生產關系的調節是否合理又會影響農業現代化進一步的發展。目前，對于數據要素推動形成的農業生產關系革新及其對生產力的反作用的認識上還面臨著不少理論難點。(52)周紹東：《“互聯網+”推動的農業生產方式變革——基于馬克思主義政治經濟學視角的探究》，《中國農村觀察》2016年第6期。其中，數據權屬和收益分配問題是關鍵挑戰。

一方面，數據權屬界定存在理論爭議。清晰的數據權屬關系是保證數據來源完整性與全面性的基礎，有利于通過提升市場效率促進數據的獲取和交易。(53)武長海、常錚：《論我國數據權法律制度的構建與完善》，《河北法學》2018年第2期。然而，包括農業在內的各個行業，數據產權界定不清仍是不爭的事實，這既不利于數據信息的安全保護，又抑制了數據要素的高效配置利用。在數據獲取上，由于數據生產過程涉及個體、企業和政府部門等多類主體，權屬邊界確定較為復雜。尤其是那些“經由網絡用戶寫入，而由網絡平臺控制”的非隱私類公共集合數據的權屬爭議較大，數據歸用戶、歸平臺還是歸政府眾說紛紜。(54)張玉潔：《國家所有：數據資源權屬的中國方案與制度展開》，《政治與法律》2020第8期。在數據加工處理上，一種觀點認為對于經過二次處理的增值數據，數據處理者應享有所有權，這樣才能激勵數據處理者挖掘更多數據的潛在價值，為數據市場研發新產品；(55)丁道勤：《基礎數據與增值數據的二元劃分》，《財經法學》2017年第2期。另一種觀點則認為即使是處理以后匿名化、不泄露原始數據隱私的衍生數據，也應承認數據原生產主體對數據的初始產權。(56)肖冬梅、文禹衡：《數據權譜系論綱》，《湘潭大學學報(哲學社會科學版)》2015年第6期。在數據開放共享上，哪些數據要素可以被視為“公共物品”來開放利用，而哪些則具有“俱樂部物品”或“私人物品”特點需要受控利用，不同經濟性質的數據在利用上有待理論識別。(57)高富平：《數據經濟的制度基礎——數據全面開放利用模式的構想》，《廣東社會科學》2019年第5期。而農業領域的數據來源廣、類型多，特別是介于公共物品與私人物品之間的數據相對于制造業等其他產業更多，迫切需要對其權屬進行清晰厘定。

另一方面，數據要素參與后實現公平分配的理論依據亟待完善。不同于勞動、土地等要素，數據參與分配一直存在著較大的爭議。黨的十九屆四中全會明確提出，要建構“由市場評價貢獻、按貢獻決定報酬”的數據要素分配機制，是對數字時代收入分配理論革新的重要信號。但分配主體尚不明確是抑制數據要素公平分配的一大梗阻。部分學者認為相關企業或數字平臺應該是數據要素的分配主體，因為他們在數據開發利用方面付出了大量成本、為用戶提供了巨大便利和智能服務。(58)操奇、孟子碩：《數據作為生產要素參與分配機制的幾個問題》，《福建論壇(人文社會科學版)》2020年第11期。但隨著數字勞動理論的創新，平臺用戶對生產互聯網大數據所做的相關勞動——數字勞動方式也被一些學者視為剝削的一種極端形式，并認為作為數據要素生產來源的用戶才應成為分配主體。(59)謝芳芳、燕連福：《“數字勞動”內涵探析——基于與受眾勞動、非物質勞動、物質勞動的關系》，《教學與研究》2017年第12期。可見，只有厘清了數據要素的分配主體，數據該以勞動、產品還是股份形式參與分配才有根可尋。

(二)數據要素利用面臨的實踐挑戰

盡管數據要素對農業現代化的賦能作用巨大，但由于數字經濟的發展時間不長，不僅理論探索剛剛起步，實踐中也面臨著諸多挑戰。農業領域雖然特殊，但所面臨的實踐挑戰仍以以下兩個方面的共性問題最為突出。

一是從促進利用的角度看，數據要素市場體系尚不成熟。首先，數據標準化程度較低，提高了數據要素自由流動、充分利用的難度。目前我國的數據要素市場在數據度量、數據分類、數據采集、數據交易以及數據跨境等標準體系建設方面仍處于起步階段。以涉農數據采集為例，來自生產、生活、生態領域的數據采集方法不一、錄入規范程度較差等現象較為常見，導致數據質量參差不齊、難以符合多樣化的市場使用需求。其次，數據交易模式創新不足，阻礙了數據價值的有效釋放。目前數據交易以粗加工的原始數據為主，交易模式主要停留在不對數據進行任何預處理或深度的信息挖掘分析的數據撮合的層面，而對能夠滿足不同用戶需求，圍繞大數據基礎資源進行清洗、分析、建模、可視化等操作，形成定制化數據產品的數據增值服務模式的實踐探索還不多，不利于數據交易效率和產出效果的優化。(60)田杰棠、劉露瑤：《交易模式、權利界定與數據要素市場培育》，《改革》2020年第7期。在農業領域，多數從事種植養殖的農民對于數據本身的開發利用能力低，亟待實用性強的數據服務產品或服務模式給予農業生產經營以支持。再次，數據資產價值認定存在操作困難，制約了數據收益的合理分配。數據要素被普遍認定為無形資產大類，其價值評估方法主要有市場法、成本法和收益法三種。根據“由市場評價貢獻、按貢獻決定報酬”的原則看，與數據相關的分配包括按勞分配和按數據要素貢獻參與分配兩個部分，故數據要素既可以作為勞動產品在市場上交易獲得報酬，也可以作為生產要素分享剩余。(61)李政、周希禛：《數據作為生產要素參與分配的政治經濟學分析》，《學習與探索》2020年第1期。但實踐中具體的實施方案尚未有成熟的可循路徑，在數據市場價格相對扭曲、數據要素生產率不易估計的情況下，主觀上的數據要素貢獻評價就可能出現失真或不合意的后果。(62)Stalebrink，O.J.，“The Hayek and Mises Controversy：Bridging Differences”，Quarterly Journal of Austrian Economics，2004，7 (1)：27-38.

二是從加強規制的角度看，數據要素治理體系尚不完善。首先，數據開放利用的體制激勵不足。數據開放意味著要承擔數據要素稀缺性喪失的風險，因而市場本身難以產生開放激勵，致使目前政府在數據開放上主要依賴于企業。而在缺乏成熟的制度安排下，政府作為公共管理者的角色被弱化，體現水土、氣象、生物等公益性信息和農產品價格、市場供求等經營性信息在內的數據要素開放的營利性整體增強而公共性整體減弱，這導致國家數據開放利用的綜合水平不易提高。(63)楊東：《數據要素市場化重塑政府治理模式》，《人民論壇》2020第34期。其次，數據安全的法律保障不足。隨著數據技術發展和數據使用需求提高，數據竊取、數據濫用、數據黑市交易等非法行為也呈蔓延之勢，嚴重侵害了個人隱私、商業機密和公共安全。盡管我國已經頒布(或公布)的《民法典》《網絡安全法》和《數據安全法(草案)》等法律彌補了我國數據安全領域的空缺，但仍然未改變我國數據安全立法不系統不完整、法律救濟渠道單一且成本高昂、法制打擊力度不足的整體格局。再次，數據監督管理的機制創新不足。當前數據要素監管的頂層設計相對滯后，不僅數據監管體制混亂，數據監管標準不一、各部門各自為政現象嚴重，而且給經濟社會的健康發展帶來了不良后果。一方面，由于以數據為核心競爭要素的平臺經濟擁有很多不同于傳統經濟的特征，針對性的監管理論和制度的不健全導致了在反不正當競爭、反壟斷等方面缺乏有效抓手。(64)吳漢洪、王申：《數字經濟的反壟斷：近期美國反壟斷領域爭論的啟示》，《教學與研究》2020年第2期。另一方面，數據監管不善所引發的數字倫理問題也激起了社會的廣泛爭議。例如，外賣平臺的智能配送系統對外賣騎手的不合理派單、某些企業開發的智能任務監控系統對員工的不合理管控，皆有可能在打著數據“智能”的幌子行剝削勞動剩余價值之實。

四、加快數據要素賦能農業現代化的對策建議

長期以來，我國農業發展始終滯后于許多發達國家，為我國在“十四五”時期高度重視農業農村現代化發展埋下了伏筆。以數據要素賦能現代農業發展是政策制定者、農業經營者和科研工作者應高度重視的新領域、新動能和新課題。基于對數據要素的內涵作用、賦能農業現代化的內在機理和當前數據要素利用面臨的理論與實踐問題，本文從生產力和生產關系兩個層面提出如下建議。

1.夯實農業數字化生產力基礎。

第一，重視農業數字化人才隊伍建設。數據要素與實體經濟的深度融合離不開人才隊伍建設，人力資源和專業知識的缺乏將阻礙大數據分析的廣泛使用。(65)Sawantia，M.,Urkudeb R., & Jawalec，S.,“Organized Data and Information for Efficacious Agriculture Using PRIDETM Model”，International Food & Agribusiness Management Association，2016,(19):115-130.長期以來，農村青壯年勞動力不斷流失，創新人才培養模式、不斷輸送農業領域的數字人才對促進農業數字化發展至關重要。這不僅要整合政府、高校、企業和社會資源，針對科技服務、經營管理和農業治理等領域構建多元化和多層次的大數據人才培養體系。而且需要圍繞農業數字化人才的遴選、培訓和獎懲等多個環節，建立適應各類數據要素與農業融合發展的人才評選機制和保障措施。

第二，引導農業經營主體發展數字農業。由于使用大數據附加價值不明確、數據和技術的提供者與用戶之間存在數據主權和信任問題、與數據平臺治理相關的制度安排不合理等因素，導致農戶使用大數據的充分收益受到限制，使其表現出較低的數字農業投資和開展轉型意愿。(66)Newton，JE., Nettle,R.,& Pryce，JE.,“Farming Smarter with Big Data： Insights from the Case of Australia’s National Dairy Herd Milk Recording Scheme”，Agricultural Systems，2020 ，(181):102811-102824.因此，政府部門不僅要提供一系列專門的指導服務和合理的制度安排，推動數字科技企業為農戶提供數據采集、分析和應用等社會化服務；而且要加速完善數字進村的市場體系建設，提高經營主體的信息獲取意識、拓展其信息獲取渠道，進一步激活市場在數據要素配置過程中的作用。(67)阮榮平：《 “互聯網+”背景下的新型農業經營主體信息化發展狀況及對策建議——基于全國1 394個新型農業經營主體調查數據》，《管理世界》2017年第7期。以組織服務和市場調節雙維驅動，促進農業整體經營的數字化轉型。

第三，加速構建農業大數據綜合服務平臺。正如《數字農業農村發展規劃(2019—2025年)》所指出的，推進數據資源共享、智能預警分析和政務集中治理對促進農業數字化發展至關重要，必須要加速構建國家農業農村的云平臺、政務信息系統和大數據平臺，發揮數字信息平臺對農業的服務驅動作用。在“十四五”時期，更應著力加強農業數據平臺的整體布局，進一步完善平臺的數據獲取、數據管理、數據共享、數據挖掘和數據交易等一系列功能，以涉農平臺為紐帶充分釋放數據要素在農業現代化中的紅利。

第四，推進數字鄉村“新基建”設施建設。盡管目前全國行政村通4G和光纖的比例超過了98%，但我國數字基礎設施的建設現狀仍不容樂觀，主要表現為資金和項目投入差異導致的區域發展不協調。補齊農村和欠發達地區的“新基建”短板仍然是推進農業數字化轉型的關鍵。為此，不僅要統籌政府、市場和村集體的資金力量，加大對數字基建薄弱地區的支持，而且要瞄準數字基建的薄弱環節，重點突破5G基站、天空地一體化監測體系、電商物流設施和大數據中心等新型基礎設施，從而在“廣度”和“深度”兩個層面夯實數字根基。

第五，推動數字技術與農業產業的深度融合。數據要素在農業領域有廣闊的應用場景，但數字技術只有嵌入農業自然與經濟再生產全過程，實現數字技術和農業深度融合，才會成為農業轉型升級的驅動力。(68)劉元勝：《農業數字化轉型的效能分析及應對策略》，《經濟縱橫》2020年第7期。結合目前兩者尚未實現深度融合的情況，尤其是在傳感器、AI算法模型、區塊鏈、智能裝備設施等涉農數字技術的研發創新和推廣應用方面仍處于跟跑階段的事實，國家一方面需要引導數字科技企業和科研機構深入農業產業基層，集中力量攻關符合農民生產經營所需的農業大數據技術，另一方面應加大對農業數字技術研發創新的補貼力度，積極推進農業大數據產品和應用方案的孵化、示范和應用。

2.優化農業數字化生產關系運行。

第一，完善農業數據要素基本制度體系。一要建立農業數據行業標準規范。通過設立統一的農業數據行業標準，指導農業數據規范采集和高效利用，強化對數據要素的分級分類保護，推動涉農大數據交易流轉的有序推進和監管，避免數據“打架”。二要完善農業數據權屬確立制度。需進一步完善農業數據確權機制，既要明晰數據的產權歸屬，在紛繁復雜的農業大數據應用場景中精確厘清數據的具體歸屬；又要明確數據的產權內容，規制數據產權主體在涉農數據的生產、處理、應用和分配等各環節分別享有何種權屬。三要扎實農業數據安全保障體系。數據價值的釋放離不開數據整合與共享，需要妥善處理流動利用與安全保障的關系。不僅要加強基于數據的信息安全技術研發，提高農業數據風險識別、預警和防范能力，而且要不斷完善涉及農業經營活動的數據安全保障機制，更加明確農業大數據利用各環節的安全治理要求和責任分工體系。四要健全農業數據參與分配機制。一方面要站在激勵相容視角，科學厘清數據分配主體，兼顧好數據來源農戶和數字服務企業的利益關系；另一方面要完善數據要素分配準則，明確農業數據在參與市場分配中的具體形式、途徑和規范。

第二，構建農業數據要素共享流轉機制。開放共享和交易流轉是加速數據流通、促進社會福利提升的兩條路徑。當前，我國依托政府和社會資源初步搭建了統一開放的農業農村大數據中心，依照“政府指導、社會參與、市場化運作”模式形成了貴陽大數據交易所，在數據要素共享流轉方面進行了卓有成效的探索。然而，在農業領域，涉農經營主體間的數據分離和割裂現象仍然嚴重，農業數據要么未能充分采集和挖掘，要么掌握于少數平臺和主體手中，造就一座座“數據孤島”，其歸根于沒有建立完善的數據公開共享機制、缺乏數據交易的營商環境。因而，需要加強頂層設計，合理運用法律和技術武器提高農業大數據的使用效能。在數據開放共享方面，要推進農業公共組織數據要素的統一匯聚和集中向農業經營主體開放利用，基于多方合作的日本農業數據協作平臺提供了建設運營經驗。(69)董春巖、劉佳佳、王小兵：《日本農業數據協作平臺建設運營的做法與啟示》，《中國農業資源與區劃》 2020年第1期。在數據交易流轉方面，應盡快出臺數據交易法，明確交易規則和市場規范，建設集農業數據確權、管理和交易于一體的交易模式，基于區塊鏈技術的數據要素交易機制是我國的前沿方向。(70)參見中國互聯網金融協會互聯網銀行專業委員會：《數據資產、賬戶與要素交易流轉機制研究——基于銀行保險機構的實踐》，2020年12月25日，http：//www.nifa.org.cn/nifa/2955675/2955761/2993008/index.html.

第三，健全基于數據要素的農業治理模式。其一，促進“智治”引領的農業治理新模式建設。不僅要加速推進農業農村治理數字化、信息化和網絡化轉型，促進服務集中統籌、資源集中整合、問題集中解決，而且要繼續壓實政府對農業數字問題治理的頂層設計和責任分工，加強對農業大數據壟斷等關鍵問題的動態把握和精準施治。其二，促進數字監管治理與激勵治理的互補發展。一味地對農業和農戶加監管“杠桿”反而會抑制治理效能，需驅動農業治理模式由單一走向雙維，既要踐行規制風險的監管控制型治理，又要搭配鼓勵創新的包容促進型治理。其三，促進法治和德治、自治的有機結合。一方面，要將道德指南針聚焦于資本和平臺方，建立一個數字創新行為規范來指導數字農業轉型，以敦促農業數據采集和利益分配機制更公平合理；另一方面，也要加強農戶對農業數字化相關的規章政策的認知教育，提高其維權意識和自治能力。總之，既要充分利用數據要素實現農業治理數字化轉變，也要完善農業數字化治理機制，有效解決農業數字化轉型過程中的數據治理難題。