數據要素助力實體經濟轉型的路徑探究

唐金武 張元

促進數字經濟與實體經濟深度融合是我國邁向第二個百年目標征程上的一項重要歷史任務，數據要素助力實體經濟轉型是其中的一環。數據要素助力實體經濟轉型。目前仍存在數據不準確、不充分；數據難以獲取；數據孤島問題；數據分析能力不足。因此，可以從建立數據共享機制、加強數據收集和處理能力、探索數據驅動的商業模式、加強數據安全和隱私保護入手，以期助力實體經濟與數字經濟的有機結合。

黨的二十大報告在建設現代化產業體系部分指出“堅持把發展經濟的著力點放在實體經濟上”，并且要求“加快發展數字經濟，促進數字經濟和實體經濟深度融合，打造具有國際競爭力的數字產業集群”［1］。數字經濟作為以數字科技為抓手的新型經濟形態，與實體經濟的深度融合將有利于不斷提升實體經濟的循環動力。［2］隨著數字化和信息化的快速發展，數據已經成為了實體經濟轉型升級的重要助力。國務院印發的《“十四五”數字經濟發展規劃》也明確部署，要以數據為關鍵要素，以數字技術與實體經濟深度融合為主線，賦能傳統產業轉型升級，培育新產業新業態新模式，不斷做強做優做大我國數字經濟。［3］要適應國家這一歷史任務的需求，首先，要認識數據要素助力實體經濟轉型的時代要求，在此基礎上，才能認識到其存在的現實困境，并針對現實困境提出路徑探究。

一、數據要素助力實體經濟轉型的時代要求

（一）國家的政策支持

1.高質量發展的戰略意義。高質量發展是國家的一項長期戰略，旨在推動中國經濟轉型升級，實現可持續發展。數據要素是驅動實體經濟高質量發展的關鍵［4］。高質量發展需要建立現代化產業體系，推動技術創新和提升產業鏈水平，同時推進數字化轉型和發展數字經濟。這要求國家在政策和資金扶持上給予數據經濟更多的關注和支持。在政策上，可以通過稅收優惠、產業規劃和市場準入等方面加強支持。在資金扶持上，可以鼓勵金融機構加大對數據經濟的投入，以及設立專項基金等方式來促進數據經濟的發展。同時，高質量發展要求數據經濟與實體經濟相結合，通過數據技術的應用提升實體經濟的效率和質量。

2.中國式現代化的轉型要求。中國式現代化是指中國在現代化進程中不斷探索的適合本國國情的現代化路徑，旨在實現經濟、社會、政治等各個方面的全面發展。數據經濟的發展是中國式現代化的重要組成部分之一，需要通過加強數據應用和數據治理等方面的建設，實現實體經濟的數字化、網絡化和智能化轉型升級。為促進數據經濟發展，需要在數據收集、數據共享、數據安全等方面做出大量努力。需要建立健全數據采集和處理機制，提高數據質量和規范化程度；推進數據資源共享和互聯互通，促進數據要素的自由流動；加強數據安全和隱私保護，制定嚴格的數據安全標準和法律法規，確保數據安全。此外，還需要加強數字人才培養和科技創新，推進技術創新與實體經濟深度融合。

（二）數據的天然優勢

1.數據驅動的經濟發展模式。數據已經成為推動經濟發展的關鍵要素之一，許多企業和行業已經開始使用數據分析和挖掘來優化生產和管理流程，提高效率和降低成本。

2.基于數據的創新能力。數據可以為企業提供創新靈感，幫助企業發掘新的商業機會。在這個數字時代，數據分析和挖掘的技術已經成為企業進行創新的重要手段。

3.數據共享的合作模式。在數據共享的模式下，企業可以通過共享數據來實現更高效的合作，提高供應鏈的效率，降低成本。同時，數據共享也有助于實現行業之間的合作和交流，推動整個產業鏈的升級。

4.數據安全和隱私保護的要求。隨著數據的增多和使用范圍的擴大，數據安全和隱私保護成為了一個重要的問題。企業需要加強數據安全和隱私保護措施，保護用戶的個人信息，維護企業的聲譽。

二、數據要素助力實體經濟轉型的現實困境

（一）數據不準確、不充分

實體經濟轉型需要充分而準確的數據支持，這樣企業可以基于實際情況做出準確的決策，提高運營效率，降低成本，增加收益。但現實情況是很多數據不充分或不準確，這給企業的實體經濟轉型帶來了很大的困難。首先，數據不充分會影響企業的決策效果。如果企業在進行實體經濟轉型時所依據的數據不夠全面，那么企業的決策就很可能出現偏差，甚至可能導致轉型失敗。其次，數據不準確也會對企業的決策產生負面影響。如果企業所使用的數據不準確，那么企業在進行決策時很可能會做出錯誤的選擇，導致企業的實體經濟轉型不順利。例如，如果企業的銷售數據不準確，那么企業在進行市場預測時就會出現誤判，從而影響企業的產品研發和市場推廣。此外，數據不充分和不準確也會影響企業的運營效率和盈利能力。如果企業無法準確掌握市場情況，那么企業在進行生產計劃和供應鏈管理時就可能會出現問題，導致生產效率低下，產品質量不穩定，從而降低企業的盈利能力。

（二）數據難以獲取

某些數據需要花費大量時間和資源來獲取，這對于中小型企業來說是一個難題。此外，一些企業可能不愿意分享自己的數據，這也會導致數據獲取的困難。在實體經濟轉型的過程中，數據是非常重要的資源，對企業進行決策和判斷非常關鍵。然而，對于一些中小型企業，數據難以獲取，是實現轉型過程中一個巨大的障礙。這些數據可能是來自于市場、行業、競爭對手、客戶等方面的數據，它們都能夠為企業的決策提供有價值的參考。數據難以獲取可能涉及以下幾個方面：首先，數據收集難度大。有些數據可能來源比較分散，需要企業花費大量時間和資源進行收集，例如市場調研數據和客戶反饋數據等。這些數據的收集需要企業有足夠的人力、物力和時間投入，因此很難實現；其次，數據共享難度大。一些企業不愿意分享自己的數據，這可能是因為數據具有競爭優勢，或者擔心數據泄露造成商業損失。這種情況下，企業難以獲得外部數據，也難以利用行業內的數據優勢；再次，數據的質量難以保證。有些數據可能存在問題，例如存在誤差、重復、不一致等。如果企業不能對數據進行有效地篩選，將導致數據質量差，使得數據分析和決策失去準確性和可靠性；最后，數據標準化難度大。不同企業可能對同一數據的定義和格式不同，這會使得數據無法對接和整合。如果企業不能對數據進行標準化處理，將導致數據無法共享和利用，從而影響實體經濟轉型的效果。

（三）數據孤島問題

數據孤島問題是指企業擁有的數據分散在不同的系統和部門中，缺乏整合和共享，從而難以進行全面的數據分析和應用。這個問題會導致很多難題，例如：信息不完整，不同部門的數據可能不完整或不準確，這使得企業難以獲得全面的市場和業務信息，無法做出全面的決策；效率低下，當企業的不同部門之間不能共享數據時，每個部門都需要單獨收集和處理自己的數據，這會導致重復勞動、浪費時間和資源；無法融合和分析數據，數據孤島問題使得數據難以融合和分析，使企業難以洞察和預測，無法及時發現市場機會和挑戰；缺乏創新能力，數據孤島問題使得企業難以獲得全面的數據洞察，從而無法創新和開發新產品或服務，無法提高市場競爭力。

（四）數據分析能力不足

數據分析能力不足是實體經濟轉型面臨的另一個現實困境。隨著企業數據規模的不斷增長，數據分析能力已經成為企業必備的核心能力。但是，由于數據分析領域的技術不斷更新和變化，許多中小型企業缺乏這類技能和資源，導致了數據分析能力不足的現狀。首先，缺乏專業技能是數據分析能力不足的主要原因之一。許多企業缺乏具備高級數據分析技能的員工，這意味著他們無法充分利用自己的數據資產。此外，由于人力資源和培訓成本的限制，企業很難雇用和培訓大量的數據分析人員。其次，缺乏專業工具也是數據分析能力不足的原因之一。雖然市場上存在各種各樣的數據分析工具，但先進的工具和技術需要高昂的成本，這對于中小型企業來說是一個巨大的負擔。此外，即使企業擁有一些工具，但由于缺乏經驗和專業知識，他們可能無法充分利用這些工具，從而無法進行深入的數據分析。而缺乏數據分析經驗也是數據分析能力不足的原因之一。許多企業可能沒有進行大規模數據分析的經驗，缺乏實踐經驗和數據分析的知識，這使得他們無法正確地識別數據中的模式和趨勢。在這種情況下，即使企業擁有大量的數據，也很難轉化為實際的商業價值。最后，缺乏數據治理和管理也是數據分析能力不足的原因之一。如果企業沒有有效的數據治理和管理，那么數據就很容易受到損壞、丟失或濫用，從而影響企業的數據分析能力。

三、數據要素助力實體經濟轉型的路徑探究

（一）建立數據共享機制

企業可以通過建立數據共享機制來克服數據孤島問題，將不同部門和系統中的數據整合在一起。這可以提高企業對自身業務和市場情況的全面了解，為轉型提供更準確的數據支持。在建立數據共享機制時，企業需要考慮多方面因素。首先，需要明確數據共享的目的和范圍，以及參與數據共享的企業和部門。其次，需要制定數據共享的規則和標準，包括數據格式、安全性和隱私保護等方面。此外，還需要確定數據共享的技術和工具，以確保數據共享的高效和便捷。在建立數據共享機制時，需要注意一些問題。首先，需要考慮企業內部的數據安全和隱私保護，以確保數據共享不會對企業的核心利益產生影響。其次，需要明確數據共享的法律法規和合規要求，以避免出現違法違規行為。此外，還需要考慮數據共享的經濟效益和風險管理，以確保數據共享的可行性和可持續性。

（二）加強數據收集和處理能力

企業可以通過投入資金和人力資源來提高自身的數據收集和處理能力。這可以幫助企業獲取更多更準確的數據，并將數據分析和預測應用到實體經濟轉型的決策中。首先，企業需要明確自身的數據需求和采集目標。根據不同業務和決策需求，企業可以制定相應的數據采集計劃，并建立數據采集和處理流程。此外，企業還可以考慮引入第三方數據采集和處理服務，以提高數據收集和處理的效率和質量。

其次，企業需要加強數據管理和保護。企業需要對采集的數據進行分類、整理和存儲，確保數據的完整性和可靠性。同時，企業需要采取有效的安全措施來保護數據的隱私和安全，例如數據加密、權限控制等。接著，企業需要建立數據分析團隊和技術平臺。企業可以招聘數據分析師和技術人員，建立專業的數據分析團隊，以確保企業能夠充分利用數據進行決策。此外，企業還可以投入資金和資源來建立數據分析和預測的技術平臺，以提高數據分析的效率和精度。最后，企業需要加強對數據分析和預測的應用。企業應該將數據分析和預測應用到實際業務和決策中，例如產品開發、市場營銷、供應鏈管理等。這可以提高企業的業務水平和競爭力，同時也為實體經濟轉型提供更為準確的數據支持。

（三）探索數據驅動的商業模式

數據驅動的商業模式是指企業通過利用數據和先進的數據分析技術，實現商業價值創造和盈利增長的一種商業模式。在探索數據驅動的商業模式時，企業需要考慮以下幾個方面：首先，企業需要分析自身的業務和市場需求，確定數據驅動的商業模式的應用場景和價值點。例如，對于一些傳統行業的企業，可以通過數據分析來優化生產流程和提高產品質量，以提高企業效率和降低成本；而對于一些新興的數字化行業，可以通過數據分析和人工智能技術來提高產品和服務的智能化程度，提升用戶體驗和市場競爭力。其次，企業需要具備一定的數據分析能力和技術基礎，以實現對數據的準確分析和預測。這需要企業投入資金和人力資源來建設數據中心、搭建數據分析平臺，同時培養專業的數據分析師和技術人才，以實現數據驅動商業模式的落地。

（四）加強數據安全和隱私保護

政府在數據安全和隱私保護方面也發揮著重要作用。政府可以制定相關法律法規和標準，促進企業的數據合規和安全保護。同時，政府還可以提供數據安全和隱私保護的技術支持和咨詢服務，幫助企業提高數據安全和隱私保護的能力。另外，政府也可以加強對企業數據收集和處理的監管，確保企業不濫用和泄露個人信息。政府可以建立相關的監管機制和機構，加強對企業數據收集和處理的審核和監管。政府還可以鼓勵企業自我監管，加強企業內部的數據安全和隱私保護管理。最后，政府還可以加強對公眾的數據安全和隱私保護意識教育，提高公眾對自身數據安全和隱私保護的認識。政府可以通過媒體宣傳、教育培訓等方式，向公眾普及數據安全和隱私保護的知識，幫助公眾更好地保護自身的數據安全和隱私。

四、總結

本文探究了數字經濟中關鍵的一環，數據要素的內生驅動，以期通過數據要素助力實體經濟轉型。本文的意義在于：一是，緊緊地依靠國家大政方針進行研究；二是，著力于在數字經濟蓬勃發展的基礎上，探究數據要素與實體經濟發展的有機結合；三是，并為后來研究者提供數字經濟與實體經濟融合的理論研究。

參考文獻：

［1］參見習近平：《高舉中國特色社會主義偉大旗幟 為全面建設社會主義現代化國家而團結奮斗——在中國共產黨第二十次全國代表大會上的報告》，北京：人民出版社，2022年，第30頁.

［2］陸岷峰.新發展格局下數據要素賦能實體經濟高質量發展路徑研究［J/OL］.社會科學輯刊：1-9［2023-03-16］.

［3］田杰棠，張春花.數字經濟與實體經濟融合的內涵、機理與推進策略［J］.技術經濟，2023，42（01）：25-33.

［4］朱瑞博，底晶，劉蕓.激活數據要素著力推動實體經濟高質量發展［J］.上海經濟研究，2023（01）：23-35.

基金項目：2021年度江蘇省高校哲學社會科學研究重大項目“新時代高校網絡意識形態輿情風險防范體系建構研究”（編號：2021SJZDA079）；2021年度連云港市第六期“521工程”（第二層次）科研資助項目“新時代網絡社會協同治理體系創新研究”（編號：LYG06521202143）；2021年度江蘇省“十四五”高等教育科學研究規劃（重點調研）課題“新時代青年網絡道德異化問題與協同教化機制研究”（編號：ZDDY03）。

作者單位：江蘇海洋大學