基于“價值創造-實現”路徑的數據要素核算問題研究※

徐藹婷 宋妙緣

內容提要：圍繞“價值創造-實現”路徑對數據要素核算的理論問題展開系列探討。首先,對數據要素、數據資產的內涵和關聯進行辨析,從數據歷史地位的發展闡釋數據具備要素屬性的理論機理,并對數據要素區別于傳統生產要素的特征進行總結。其次,從數據要素的價值創造路徑探析其在生產過程中的形態變化及生產屬性。最后,提出數據要素的價值實現路徑主要表現為提升生產效率、優化決策流程以及流通對外賦能等,并據此研究數據要素在國民經濟核算賬戶的分類、核算范圍及估值方法。

一、 引 言

隨著大數據、云計算、人工智能、區塊鏈、物聯網等數字技術不斷突破與發展,數字經濟快速發展并成為促進經濟增長的新動能。與此同時,數據的爆炸式增長和潛藏的海量信息使其成為與土地、勞動力、資本、技術等四大傳統生產要素并列的新型生產要素,對企業運營、產業轉型以及經濟增長的影響與日俱增。人類生產生活的全領域和各環節,無時無刻不在產生數據、利用數據,中國正進入數據要素紅利大規模釋放的新時代。

近年來,政府不斷提升對數據要素重要性的認識,相繼出臺多項政策推動數據要素參與價值創造和分配。2019年10月,中共十九屆四中全會明確指出,“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”,首次明確了數據生產要素的地位,肯定了數據對于生產和價值創造的貢獻。2021年3月發布的《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》進一步提出激活數據要素潛能,充分發揮海量數據和豐富應用場景優勢,打造數字經濟發展新優勢的目標。2023年2月27日,中共中央、國務院印發了《數字中國建設整體布局規劃》,指出建設數字中國是數字時代推進中國式現代化的重要引擎,夯實數字基礎設施和數據資源體系是數字中國建設的“兩大基礎”。由此可見,數據要素對國民經濟發展的重要性日益凸顯,在國民經濟賬戶中核算數據要素的價值成為國內外研究的熱點。

通過對既有文獻的研究發現,數據要素核算是一個非常新穎的課題,現有的理論研究非常少,更多的是圍繞數據資產這一研究對象展開核算討論,包括內涵、特征、核算基本分類、核算范圍、價值測度方法等多方面(李靜萍,2020;馬丹和郁霞,2020;李原等,2022;李寶瑜等,2023;韓秀蘭和王思賢,2023)。除此之外,加拿大統計局(Statistics Canada,2019)將數據資產核算理論運用于統計實踐中,利用人口普查數據和勞動調查數據估算了本國的數據資產價值,彭剛等(2022)以高校為例探索數據資產核算實踐問題,許憲春等(2022)設計了勞動成本調查表和經費支出調查表用于收集數據資產價值測度所需基礎數據,鄧建娣和傅德印(2023)依據數據資產的特征及核算原則,從網絡視頻公司擁有的全部數據中確定數據資產核算范圍。由此可見,國內外學者對數據資產核算已經開展了豐富的研究。然而,數據資產和數據要素不是完全相同的概念,數據要素核算研究需要從數據要素的內涵、特征、屬性、核算分類、核算范圍及估值方法等方面作出系統性回答。

本文的主要研究內容是基于國民經濟核算視角,圍繞數據要素的價值創造和價值實現路徑探討數據要素核算問題。在明晰數據要素、數據資產內涵及區別的基礎上,從價值創造路徑探索數據要素的增值原理和生產屬性,并從提高要素回報率、優化決策流程和流通對外賦能等三條價值實現路徑分析數據要素的核算分類、核算范圍及估值方法,試圖為數據要素核算領域的發展和完善作出貢獻。

二、 數據要素、數據資產的內涵與關聯

1. 數據要素的內涵及特征

生產要素是經濟學的基本概念,是指投入于生產過程并產生貢獻的東西。生產要素的范圍往往隨著社會經濟形態的變革以及產業形態的革新而拓寬,隨之帶動生產力實現跳躍式提升。農業經濟時代,土地和勞動是維持人類基本生存和社會正常發展的必需品,在農業生產中發揮著舉足輕重的作用,因而具備生產要素屬性。工業經濟時代,資本促使人類的生產方式持續升級,生產效率顯著提高,創造出巨大的物質財富,由此成為繼土地和勞動之后的關鍵生產要素。數字經濟時代,人類生產和生活的全領域和各環節,無時無刻不在產生數據、利用數據,數據一躍成為新型生產要素。伴隨著人類文明的發展,數據擁有漫長的發展歷史,然而數據的生產要素屬性為何在數字經濟時代才得以凸顯?本文以數據的歷史地位演進為依據,將數據的發展進程分為三個歷史階段,具體如下。

第一階段:技術領域的計量工具。農業經濟時代,數據是一種以數值形式描述客觀事物內在屬性和外在數量的信息載體。在這一階段,數據主要來源于測量,并廣泛應用于技術領域,如丈量土地、分配事物、修造建筑等。然而,早期測量工具的落后對測量數據的準確性有直接影響,導致數據難以準確描述客觀事物的屬性和特征,給數據在實證研究領域的應用和發展帶來了阻礙(許偉華,2018)。因此,這一時期數據主要作為一種實用性工具應用于生產生活中。

第二階段:科學領域的研究工具。工業經濟時代,隨著自然科學的發展,量杯、電表、顯微鏡等更為準確的測量工具被發明出來,在顯著提升測量數據準確性的同時,促使數據融入科學研究的范式。在傳統的“有根據的數字”的基礎上,發展出科學數據這一概念。其中,科學數據指的是在標準化、規范化原則的指導下,為實現某種科學認知目的,通過觀察、實驗或測量等方式獲取真實反映客觀事物屬性的數據。在這個階段,數據作為科學理論的表達方式與判斷科學理論真理性的“證據”被廣泛應用于科學領域,對技術的發展起到一定的促進作用,但數據尚未對社會生產作出舉足輕重的貢獻。

第三階段:社會領域的生產要素。進入數字經濟時代,由于數據科學和信息技術的飛速發展,數據的產生來源日益廣泛,流通速度日趨迅速。數字經濟時代發展不過數十年,其產生的數據量已遠超農業經濟時代和工業經濟時代數千年產生的數據量總和(裴長洪等,2018)。“數據”二字的內涵進一步擴大:不僅指代“有根據的數字”,還統指一切保存在電腦中的信息,包括文本、圖片、視頻等;數據的形式更多樣,數據體量更巨大,存儲介質也隨之發生改變。在這一階段,數據逐漸融入國民經濟價值創造體系,成為新時代重要生產力。與此同時,數據要素通過與土地、勞動、資本等傳統生產要素深度融合形成倍增效應,賦能國民經濟循環,創新價值鏈流轉方式,促進全要素動態流動(王勇等,2023),為生產水平帶來革命性提升,數據由此化身為新型生產要素。

綜上所述,隨著數據的產生方式和類型不斷變化,人類對數據的認知和利用不斷加深(王澤宇等,2023),數字經濟時代,數據采集、存儲和分析技術的不斷成熟,使得數據資源充足集聚、數據被最大化地挖掘出價值,對提高生產效率的乘數作用凸顯,實現對人類生產、分配、消費、流通等經濟活動的全方位改變(黃少安等,2022;潘家棟和肖文,2022;王澤宇等,2023)。由此,本文提出數據要素的內涵為:經濟主體以生產目的而借助數字技術采集、整理、分析的規模性數據資源,從中獲取的描述性信息和創造性知識可以驅動生產方式、生活方式和治理方式變革,進而推動生產力的發展,創造社會財富。進一步地,相較于勞動、土地、資本等傳統生產要素,數據要素有如下五個特征值得關注,或可為數據要素核算處理提供重要依據。

(1) 虛擬替代性。虛擬替代性是指相較于土地、勞動力、資本等存在于現實物理空間的生產要素,數據要素依托于虛擬物理空間存儲的同時,能夠通過替代其他生產要素達到降本增效的目的。例如,數字孿生技術可以在網絡空間實現產品的虛擬生產,由此無限供應虛擬空間的土地資源,擺脫實體土地資源有限供給的約束(李海艦和趙麗,2021)。

(2) 融合共生性。融合共生性是指數據要素通過與勞動、資本、技術等其他生產要素深度融合,激發其他生產要素的活力,進而推動全要素生產率提升、驅動經濟持續增長(李勇堅,2022)。一方面,存儲于虛擬物理空間的數據要素需要以其他生產要素為媒介才能在現實社會生活釋放價值。另一方面,勞動、資本等傳統有形要素與數據要素組合后,單位勞動或資本會創造出遠高于它們作為單一要素時的產出,進而實現勞動生產率和資本回報率的大幅提升。

(3) 非競爭性。非競爭性是指數據要素一旦生成并投入使用后,其后續使用不會受使用次數或使用者數量增加的影響。具體表現為:第一,同一經濟主體可在數據要素產生后無限次使用該數據要素;第二,同一數據要素可被不同經濟主體同時使用(李勇堅,2022)。由于非競爭性的存在,數據要素可以以極低的邊際成本甚至是零邊際成本進行復制。與此同時,使用次數越多,數據要素的價值越高(許憲春等,2022)。當所有主體都能夠以零邊際成本使用數據要素時,數字經濟的發展將打破傳統生產要素所受的稀缺性約束(唐要家和唐春暉,2020)。

(4) 規模報酬遞增。規模報酬遞增是指當數據要素的規模或維度增加時,數據要素的信息密度隨之提升并產生更高的經濟價值。規模以下、單一維度的數據蘊含的價值十分有限,當與其他數據融合時,數據的規模和維度均獲得豐富和拓展,由此提高數據的價值和收益。隨著數據要素規模的擴大,數據要素總產出的增長幅度將顯著高于數據要素總投入的增長幅度,由此產生的遞增收入成為促進經濟增長的直接因素(唐要家和唐春暉,2020)。

(5) 動態實時性。動態實時性是指在互聯網時代數據量、數據源持續增加,數據承載的內容也呈現持續變化的狀態(王謙和付曉東,2021),與此同時,在云計算、機器學習、人工智能等新一代信息技術的支持下,相關人員可以對數據要素進行實時分析,通過數據分析提取的信息和知識向使用者提供動態數據反饋,滿足其各類需求(李海艦和趙麗,2021)。

2. 數據資產的內涵

聯合國國民經濟核算體系(SNA2008)對資產的定義為:資產是指由某個或某些單位所擁有的實體,其所有者會因對它們的持有或在一段時間內的使用而獲取經濟利益。據此,現有研究普遍認同滿足經濟所有權和收益性的數據具有資產屬性。許憲春等(2022)進一步強調數據資產的經濟使用年限,認為數據資產在生產過程發揮作用的時間應為一年及以上。特別地,王勇等(2023)指出數據資產與數據要素存在關聯,認為數據要素是生產數據資產的核心投入。

通過對既有文獻的梳理,本文總結出數據資產的內涵為:數據資產是指其經濟所有者在生產過程中反復或連續使用一年以上的存儲于網絡空間的規模性數據資源,借助數據技術可以從中提取描述性信息和創造性知識從而獲取經濟利益。比較數據要素與數據資產的內涵可以發現,雖然數據要素與數據資產都是由數據資源轉化而來,二者范疇不完全相同。數據要素與數據資產的主要區別在于:數據資產強調數據資源在生產過程中的經濟使用年限,在生產過程中的使用時間至少為一年。因此,數據要素范疇大于數據資產,數據要素核算與數據資產核算不能劃等號,可在借鑒數據資產核算研究的基礎上,結合數據要素的內涵與特征,進一步研究數據要素核算相關理論問題。

三、 數據要素的價值創造路徑及生產屬性判別

數據要素的生產屬性辨析是研究數據要素核算首先要解決的問題,決定數據要素納入國民經濟核算體系的途徑及后續相關處理。當一種產品是生產活動的產出時,即可判定其具有生產屬性。SNA2008對生產活動的定義為:生產活動是在機構單位負責、控制和管理下,利用勞動、資本、貨物和服務投入而生產貨物和服務的活動。該定義強調兩個方面,機構單位的監管以及經濟資源的投入。

對數據價值鏈的深入理解是辨析數據生產屬性的關鍵(奉國和和肖雅婧,2023)。數據要素從最初數據形態到參與社會生產經營管理活動并發揮其價值,要經歷一系列的數據形態演進過程。數據價值鏈系統描述了非結構化、低價值數據轉變為可應用于具體場景的結構化、高價值數據的完整生產過程(Rassier等,2019)。由此,本文構建了包含“數據生成、數據獲取、數據分析、數據應用”4個階段的數據要素價值鏈,嘗試從數據要素的生產過程探析其生產屬性,如圖1所示。

圖1 數據要素價值鏈

第一個階段是“數據生成”,指行為主體通過智能手機、計算機、數碼相機等數字設備記錄客觀事物的特征并生成文字、圖片、視頻等數據原料的活動。實際生活中存在的數據往往是分散的、碎片化的,如果不對其進行加工處理,很難從中直接獲取經濟利益(何偉,2020)。只有在單個數據匯集成一定數量的數據資源后,才有可能給使用者帶來價值(許憲春等,2022)。

第二個階段是“數據獲取”,指技術人員基于特定場景需求運用已有的數據技術對數據原料進行采集、清洗、存儲等整理活動。在這一階段,數據采集者結合自己的主觀需求認知和客觀技術能力設計數據整理規則,生成標準化、結構化的數據資源。其本質是數據“熵減”的過程,期間數據從無序、混亂、低價值的數據形態轉變為有序、規則、高價值的數據形態(尹西明等,2022)。相較于數據原料,數據資源具有規模大、質量高、價值密度高等特征,能夠為使用者提供認識客觀世界的基本信息并提供挖掘新知識的原材料。

第三個階段是“數據分析”,指數據技術人員利用各種算法和信息技術對數據資源進一步加工分析,推演事物運動規律并提煉輸出有用的知識,進而形成數據產品。相較于數據資源,借助算法生成的數據產品融合了知識型腦力勞動者,即算法創造者的智力成果,表現出創造性這一特征,價值得到顯著提升(李海艦和趙麗,2021;陸威文和茍廷佳,2023)。其中,算法是推進隱含于數據產品的知識顯性化的重要工具,算法的優劣對數據產品的價值具有決定性作用。

第四個階段是“數據應用”,指經濟主體基于自身需求將數據產品應用于特定場景,進而提高社會再生產各個環節的資源配置效率,驅動經濟持續增長(潘家棟和肖文,2022)。當數據投入到生產過程時,數據才真正成為經濟意義上的生產要素,否則數據只是一般的信息商品(戴雙興,2020)。相較于數據產品,數據要素的價值從虛擬空間映射于現實空間,并通過與其他生產要素的融合得到充分激發。

結合對數據要素價值鏈的分析,數據要素是經濟主體基于特定場景需求,在分散化、碎片式的數據原料的基礎上,投入勞動、資本等經濟資源并進行一系列加工處理生成的數據產品,顯然符合機構單位監管和經濟資源投入兩個條件。因此,數據要素應作為生產產品進入國民經濟核算體系。

四、 數據要素的價值實現途徑及對應核算處理

1. 數據要素的價值實現路徑

數據具有業務附著性,其生產階段并不產生價值,只有在與具體業務結合后才會創造價值(高華和姜超凡,2022)。同時,數據價值受其應用場景影響,應用場景不同,數據產生的價值隨之不同(李秉祥和任晗曉,2021)。然而,數據要素的應用場景具有多樣性、多元化的特征,涵蓋精準營銷、風險管控、商業決策、客戶挖掘和保費研究等內容,覆蓋科研、交通、醫療、金融、電商等領域。從操作性的角度看,很難針對單獨應用場景設計核算方案。由此,本文從功能性的角度將數據要素的應用場景歸納為提高要素回報率、優化決策流程和流通對外賦能三條路徑,如圖2所示。

圖2 數據要素價值實現途徑

(1) 提高要素回報率。數據要素投入生產的一次價值實現體現在基于數字技術對數據的讀入和寫出,賦能機構單位內部業務運營和管理,進而提高組織內部要素回報率。具體而言,企業、政府等主體建立信息化管理系統積累標準化數據資源,勞動要素憑借數據庫系統層面的錄入、查詢、統計等功能操作與數據要素相結合,由此賦能企業生產的各個環節,改善業務流程、提高要素回報率。數據要素價值一次實現是實現數字化轉型、提高組織內部經營管理效率的第一步(王澤宇等,2023)。

(2) 優化決策流程。數據要素投入生產的二次價值實現體現在通過數據分析技術,挖掘數據淺層反饋信息背后的深層邏輯,突破人類認知局限形成更為智慧、智能、精準的決策,進而實現產品、商業模式以及微觀運行效率的創新(大數據戰略重點實驗室,2018)。具體而言,數據科學家或開發應用人員將海量數據與分析模型相結合,提煉輸出有用的知識,進而部分替代管理要素,優化決策流程,提升決策的科學性和合理性。數據要素價值二次實現體現在基于對數據要素蘊含的客觀事物規律的深入挖掘,打破人類既有認知局限,由此降低信息的不確定性,提高決策的科學性,合理預測事物發展趨勢。

(3) 流通對外賦能。數據要素投入生產的三次價值實現體現在數據要素從內部供給端轉移至外部需求端,不同來源不同屬性的數據要素在新的應用場景匯集,拓寬數據維度、規模的同時給數據供給方和數據需求方帶來經濟利益。例如,電商平臺記錄的用戶交易數據可以進一步在金融服務領域得到應用,為電商平臺創造額外的利潤。無論是共享還是交易,數據要素流通都是實現數據要素價值的重要環節。

2. 數據要素的國民經濟賬戶列示處理

根據對數據要素價值實現途徑的歸納,可以發現數據要素在投入使用的過程中,滿足SNA2008資產定義中強調的經濟所有權和收益性兩個判定標準,因而本文認為數據要素同時具有生產屬性和資產屬性,應作為生產資產納入國民經濟核算體系。生產資產范疇內包含固定資產、存貨和貴重物品等三類資產,需要進一步探討數據要素的所屬分類。

固定資產和存貨均可用于生產過程,二者的區別在于固定資產可在生產過程中應用一年及以上,存貨則是只能一次性或短期地用于生產。不同于固定資產和存貨,貴重物品是指不能用于生產過程,而是以價值貯藏為目的持有的價值較大的生產資產。根據定義可以發現,數據要素不能歸類為貴重物品,原因在于數據要素是生產者為了生產目的而持有的資產;從使用周期的角度看,長期數據要素滿足固定資產的定義因而其應當被處理為固定資產,與之相對的,短期數據要素應被處理為存貨。在固定資產中記錄數據要素有三種方案,如表1所示:一是擴充現有知識產權產品范圍,將數據要素納入其中;二是在不改變知識產權產品內涵和范圍的前提下,將現有知識產權產品分類拓展為“數據與知識產權產品”(彭剛等,2022);三是在固定資產下創建與知識產權產品并列的新分類。記錄方案不同,核算方法和結果隨之不同。

表1 固定資產分類下數據要素的處理方案

在SNA2008中,知識產權產品是指創新主體通過研究、開發、調查或者創新等活動產生的知識,創新主體可以通過銷售或自用等方式從這些知識中獲取經濟利益,原因在于這些知識的使用受到法律或其他手段的約束。不同于其他固定資產分類,知識產權產品的非實體性使其與數據要素存在天然的關聯。現有研究大多支持將數據資產,即長期數據要素納入知識產權產品分類(許憲春等,2022;王勇等,2023;韓秀蘭和王思賢,2023)。

然而,深入考察知識產權產品的內涵,可以發現知識產權產品與數據要素存在本質區別:從價值創造的角度看,知識產權產品投入的勞動屬于創造性勞動,數據要素投入的勞動屬于重復性勞動。其中,創造性勞動存在獨創性、開拓性和新穎性等特征(曾緒宜,2020);相反,重復性勞動不具有上述特征,是一種在特定應用場景中運用已知原理的勞動方式,其本身不存在探索性的創造過程。從價值實現的角度看,知識產權產品創造的價值體現為創新主體壟斷使用知識產權產品產生的超額利潤,相反,數據要素的非競爭性和規模報酬遞增特征,使其創造的價值隨著使用次數、使用者數量的增加而增加。國民經濟核算分類原則規定,應盡量細分各產品,將基本同質的產品歸為一類以便于核算處理。數據要素與知識產權產品的“價值創造-實現”路徑存在顯著差異,因此,本文認為應將數據要素作為固定資產下與知識產權產品并列的單獨分類。

3. 數據要素的核算范圍

在數據要素內涵的基礎上,本文進一步針對數據要素的非競爭性、規模報酬遞增和動態實時性等不同于傳統生產要素的特征,結合經濟所有者、后續使用及管理、流通形式等現實因素探討數據要素的核算范圍。

(1) 經濟所有者。SNA體系將經濟生產的主體劃分為企業部門、政府部門和住戶部門。理論上,這些部門的數據要素生產活動均滿足SNA2008的生產活動定義,理應納入數據要素核算范圍。然而,結合實踐進行考察可以發現,與企業部門不同,政府部門和住戶部門擁有的數據要素幾乎不用于市場交易。但考慮到政府部門擁有的數據要素規模較大、領域廣泛,對公共管理具有巨大的潛在利用價值,能夠對宏觀經濟產生顯著影響,因此,應將政府部門的數據要素納入數據要素核算范圍。相反,住戶部門擁有的數據要素對宏觀經濟影響細微,并且由于資源和技術水平有限,住戶部門很難對大規模數據資源進行存儲、整理和分析,因而住戶部門擁有的數據要素價值十分有限。因此,本文認為應將企業部門和政府部門擁有的數據要素納入核算范圍。

(2) 后續使用及管理。由于非競爭性的存在,生產者不僅能夠在生產過程中重復利用同一數據要素,還能夠通過收集新的數據拓展原有數據要素的規模,進而提高數據要素可挖掘的價值。因此,除數據要素的第一次使用外,數據要素后續使用產生的價值同樣需要納入核算范圍。此外,由于數據要素具有動態實時性的特征,為使數據要素長期在生產過程中發揮作用,其所有者必須持續對其進行存儲、維護和更新。SNA2008指出,企業為維持固定資產處于良好工作狀態而進行的日常維護和修理費用,通常作為中間消耗處理。因此,應將數據要素的存儲、維護、更新等后續管理支出記錄為中間消耗。

(3) 流通形式。數據要素能夠以市場交易的形式出售給其他單位,也能夠以開放或共享的方式提供給其他單位使用。交易型數據要素能夠為數據資產的生產者帶來經濟收益,顯然應納入數據資產核算范圍。開放型和共享型數據要素雖然沒有給數據要素的生產者帶來直接經濟利益,但能通過其他方式形成間接經濟利益,例如,增加公司的商譽。因此,開放型和共享型數據同樣需要納入核算范圍。

4. 數據要素的估值方法

數據要素的價值分為數據要素本身固有的潛在價值和在數據要素流通過程中顯現的價值(奉國和和肖雅婧,2023)。目前,實踐中尚未出現成熟、統一的數據要素價值評估方法。根據SNA2008,資產估價的方法主要有三種:第一是市場法,根據交易或等價物的市場價格來估價;第二是成本法,根據生產相應貨物服務所需成本總額來估價;第三是收益法,根據預期未來收益的貼現值來估價。數據要素具有虛擬替代性、融合共生性、非競爭性、規模報酬遞增和動態實時性等幾大特征,傳統的三種估值方法在數據要素的價值估算過程中各自具有一定的適用性,但也存在相應的局限性。以上三種估值方法評估數據要素價值的優缺點如表2所示。

表2 傳統數據要素價值測度方法的比較

當前中國數據要素交易市場活躍度不高,數據要素價格數據并不充分,相較于其他方法,成本法具有基礎數據收集難度低、可行性較高的優勢。然而,不容忽視的是,數據要素的投入與產出具有弱對應性,傳統的成本法往往低估數據要素的價值。兼顧可行性與準確性,本文認為對于無法獲得價格數據的數據要素,可以在傳統成本法的基礎上,結合價值實現途徑設定影響數據要素價值的重要因素,由此計算數據要素的生產成本的調整系數,使估算結果盡可能真實地反映數據要素的產出價值。

(1) 信息型數據要素。信息型數據要素是指生產者以檢索信息為目的收集、整理并存儲于數據庫的表征有序信息特征的數據集,用戶借助業務查詢系統、文獻檢索系統、信息檢索系統等數據庫檢索平臺從中查詢所需信息。數據信息量、數據質量和數據稀缺程度是影響信息型數據要素價值的重要因素,因此,本文構建信息型數據要素價值測算的一般理論模型如下:

信息型數據要素價值=信息型數據要素開發價值×信息價值呈現因子

其中,信息型數據要素開發價值是指信息型數據要素生產過程中的各項成本總和,包括勞動成本、中間投入以及資本服務成本等;信息價值呈現因子由一系列影響信息型數據信息價值的因素組成,具體計算公式如下:

信息價值呈現因子=數據信息量指數×數據質量指數×數據稀缺程度指數

其中,數據稀缺程度指數是數據要素所有者對數據獨占程度的體現,可通過數據要素的數據量占該類型數據要素總量的比例來量化評價,數據要素的稀缺性是相對動態的概念,在特定場景和時間節點,數據要素具有極高的稀缺性。

(2) 知識型數據要素。知識型數據要素是指生產者為挖掘數據要素表征的信息隱藏的深層知識而收集、整理、存儲、分析的數據集,在數字技術的支持下,知識型數據要素可以緩解人類認知的局限,為科學決策提供依據。信息價值和知識價值是影響知識型數據要素價值的重要因素,因此,本文構建知識型數據要素價值測算的一般理論模型如下:

知識型數據要素價值=知識型數據要素開發價值×信息價值呈現因子×知識價值轉換因子

其中,知識型數據要素開發價值是指知識型數據要素生產過程中的各項成本總和;信息價值呈現因子計算公式同上;知識價值轉換因子是生產者從數據要素中提取知識多少的體現,其取值大小主要受生產單位的算力影響,算力是指對數據的處理能力,可從數據的計算、存儲和傳輸等三個維度進行評估,算力規模越大,提取的知識可能就越多。

(3) 流通型數據要素。流通型數據要素是指根據一定規則從內部供給方轉移到外部需求方的數據要素。當前,數據要素主要是以交易的方式在數據交易市場流通。此外,數據要素還可以通過共享和開放等方式進行流通。

對于交易型數據要素而言,由于在交易時會產生明確的市場價格,可采用市場法估價;對于共享型數據要素和開放型數據要素,信息價值和傳播價值是影響共享型數據要素和開放型數據要素價值的主要因素,因此,本文構建共享型、開放型數據要素價值測算的一般理論模型如下:

共享型、開放型數據要素價值=共享型、開放型數據要素開發價值×信息價值呈現因子×傳播價值呈現因子

其中,共享型、開放型數據要素開發價值是指共享型、開放型數據要素生產過程中的各項成本總和;信息價值呈現因子計算公式同上;傳播價值呈現因子是使用者對共享型、開放型數據要素認知水平和運用的活躍程度,可根據累計下載量進行量化。

五、 結論與展望

作為社會生活最關鍵的核心生產要素,數據要素日益成為企業和國家重要的戰略資產和核心生產力。探析數據要素的核算理論及方法,既有利于豐富國民經濟核算理論體系,推動數據要素核算理論研究與實踐工作的開展,也有助于明晰數據要素價值對宏觀經濟總量指標的影響,反映數據要素對經濟增長的貢獻,推動數據要素市場發展。本文基于國民經濟核算理論,圍繞“價值創造-實現”路徑對數據要素核算的理論問題展開系列探討,主要得出以下結論:

第一,內涵界定方面。數據要素指的是經濟主體以生產為目的而借助數字技術采集、整理、分析的規模性數據資源,從中獲取的描述性信息和創造性的知識,可以驅動生產方式、生活方式和治理方式變革,進而推動生產力的發展,創造社會財富。與此同時,不同于傳統生產要素,數據要素具備虛擬替代性、融合共生性、非競爭性、規模報酬遞增以及動態實時性等特征。

第二,“價值創造-實現”路徑方面。數據要素遵循“數據生成-數據獲取-數據分析-數據應用”的價值創造路徑,隨著加工處理的深入進行,數據不斷增值,經歷了“數據原料-數據資源-數據產品-數據要素”的價值形態升級過程;基于算力和算法的技術支持,數據要素可從提升要素回報率、優化決策流程、流通對外賦能三條路徑實現價值。

第三,核算理論方面。數據要素具有生產屬性和資產屬性,在生產過程中使用時間達一年及以上的可以劃入固定資產分類,與知識產權產品并列;否則,應記錄為存貨。數據要素的核算范圍包括企業部門和政府部門擁有的數據要素,使用次數不限。數據要素的存儲、維護、更新等后續管理支出記錄為中間消耗。數據要素的價值估算可以在傳統成本法的基礎上,結合價值實現途徑設定影響數據要素價值的重要因素,由此計算數據要素的生產成本調整系數,使估算結果盡可能真實地反映數據要素的產出價值。

為進一步推動數據要素核算領域研究進展,本文嘗試提出以下幾點建議:

第一,數據要素核算需要重點關注生產成本調整系數。從國內外統計實踐的角度看,成本法是現階段估算數據要素價值的最優方法。然而,數據要素投入與產出的弱對應性要求對數據要素的生產成本作出進一步調整,使估算結果更加接近數據要素的真實產出。

第二,數據要素核算需要合理編制數據行業分類及數據職業清單。當前,中國尚未針對數據要素提出清晰一致的行業分類,也不存在標準統一的從事數據要素生產活動的職業分類。從統計實踐的角度看,不利于統計人員準確把握數據要素投入的統計范圍,容易導致重復計算或漏算,最終影響投入統計結果的準確性。

第三,數據要素核算需要注重積累數據要素交易價格數據。經過近些年的培育,中國數據要素市場得到了充分發展,目前已在貴陽、上海、北京等地相繼建立數據交易平臺。相較于生產成本,數據要素交易價格數據能夠更為客觀地反映數據要素的產出價值。因此,相關人員應重視積累豐富的數據要素價格數據,推進數據要素核算理論方法的改進和完善。