數(shù)據(jù)資產(chǎn)如何賦能企業(yè)高質(zhì)量發(fā)展

苑澤明 尹琪 于翔

摘 要：數(shù)據(jù)資產(chǎn)的資產(chǎn)屬性和數(shù)據(jù)屬性決定了其可以改善企業(yè)傳統(tǒng)生產(chǎn)要素的配置狀態(tài)，從而賦能企業(yè)高質(zhì)量發(fā)展。根據(jù)企業(yè)年報(bào)，運(yùn)用機(jī)器學(xué)習(xí)算法，通過“種子詞篩選+AutoPhrase相似詞擴(kuò)充+SnowNLP情感極性分析”對企業(yè)的數(shù)據(jù)資產(chǎn)水平進(jìn)行評估，以全要素生產(chǎn)率衡量企業(yè)高質(zhì)量發(fā)展水平，進(jìn)而采用滬深A(yù)股上市公司2007—2022年的數(shù)據(jù)進(jìn)行分析，結(jié)果發(fā)現(xiàn)：數(shù)據(jù)資產(chǎn)增加顯著促進(jìn)了企業(yè)高質(zhì)量發(fā)展，該作用主要由數(shù)據(jù)資產(chǎn)的處理和應(yīng)用產(chǎn)生，數(shù)據(jù)資產(chǎn)獲取對企業(yè)高質(zhì)量發(fā)展的影響不顯著；數(shù)據(jù)資產(chǎn)增加能夠改善勞動力結(jié)構(gòu)、提高技術(shù)水平、抑制非效率投資、降低管理成本，從而通過對傳統(tǒng)生產(chǎn)要素的優(yōu)化機(jī)制來賦能企業(yè)高質(zhì)量發(fā)展；外部環(huán)境對數(shù)據(jù)資產(chǎn)賦能企業(yè)高質(zhì)量發(fā)展具有調(diào)節(jié)作用，表現(xiàn)為環(huán)境不確定性、信息化水平、市場化水平和數(shù)字經(jīng)濟(jì)政策供給水平的提高會強(qiáng)化數(shù)據(jù)資產(chǎn)對企業(yè)高質(zhì)量發(fā)展的促進(jìn)作用。因此，企業(yè)應(yīng)積極開發(fā)、積累和利用數(shù)據(jù)資產(chǎn)，政府應(yīng)持續(xù)推進(jìn)地區(qū)信息化、市場化和數(shù)字經(jīng)濟(jì)發(fā)展，以充分發(fā)揮數(shù)據(jù)資產(chǎn)的積極效應(yīng)。

關(guān)鍵詞：數(shù)據(jù)資產(chǎn)；高質(zhì)量發(fā)展；傳統(tǒng)生產(chǎn)要素；勞動力結(jié)構(gòu)；資本配置效率；技術(shù)水平；管理效率

中圖分類號：F27；F273.4? 文獻(xiàn)標(biāo)志碼：A? 文章編號：1674-8131（）0-0054-20

一、引言

在數(shù)智時(shí)代，隨著數(shù)字技術(shù)和數(shù)字經(jīng)濟(jì)的快速發(fā)展，數(shù)據(jù)資源呈現(xiàn)出指數(shù)級增長態(tài)勢，推動著社會生產(chǎn)方式、生活方式發(fā)生深刻變革。在數(shù)字經(jīng)濟(jì)形態(tài)下，數(shù)據(jù)驅(qū)動的新產(chǎn)品、新服務(wù)、新業(yè)態(tài)和新模式不斷完善和發(fā)展，數(shù)據(jù)成為一種新型生產(chǎn)要素，并催生出企業(yè)經(jīng)濟(jì)效益的新增長點(diǎn)，已經(jīng)具備在財(cái)務(wù)報(bào)告中被確認(rèn)為資產(chǎn)的條件，即形成了數(shù)據(jù)資產(chǎn)（孫穎 等，2021）［1］。截至2023年，中國信息通信研究院云計(jì)算與大數(shù)據(jù)研究所發(fā)布的《數(shù)據(jù)資產(chǎn)管理實(shí)踐白皮書》已更新至6.0版本，其指出數(shù)據(jù)資產(chǎn)是指由企業(yè)擁有或控制的，能夠?yàn)槠髽I(yè)帶來未來經(jīng)濟(jì)利益的，以物理或電子方式記錄的數(shù)據(jù)資源。在此背景下，如何有效利用數(shù)據(jù)資產(chǎn)、激活數(shù)據(jù)資產(chǎn)潛能、挖掘數(shù)據(jù)資產(chǎn)生產(chǎn)力，成為國家和企業(yè)培育發(fā)展新動能、構(gòu)筑競爭新優(yōu)勢的重要命題。與此同時(shí)，黨的二十大報(bào)告指出，高質(zhì)量發(fā)展是全面建設(shè)社會主義現(xiàn)代化國家的首要任務(wù)。企業(yè)是國民經(jīng)濟(jì)發(fā)展的微觀基礎(chǔ)，經(jīng)濟(jì)高質(zhì)量發(fā)展首先需要實(shí)現(xiàn)企業(yè)的高質(zhì)量發(fā)展。企業(yè)高質(zhì)量發(fā)展意味著其生產(chǎn)函數(shù)整體處于最優(yōu)狀態(tài)，即各類生產(chǎn)要素在限定條件下實(shí)現(xiàn)利益最大化的最優(yōu)配置（陽鎮(zhèn)，2023）［2］。數(shù)據(jù)成為新的生產(chǎn)要素，改變了企業(yè)的生產(chǎn)函數(shù)，此時(shí)，數(shù)據(jù)資產(chǎn)不僅本身會帶來豐厚的經(jīng)濟(jì)利益，而且還會通過促進(jìn)傳統(tǒng)生產(chǎn)要素的迭代和流動來優(yōu)化生產(chǎn)要素的整體配置，從而推動企業(yè)高質(zhì)量發(fā)展。因此，深入研究數(shù)字資產(chǎn)對企業(yè)高質(zhì)量發(fā)展的影響及其機(jī)制，有助于進(jìn)一步充分發(fā)揮數(shù)據(jù)要素的積極作用，進(jìn)而帶動經(jīng)濟(jì)高質(zhì)量發(fā)展。

關(guān)于企業(yè)高質(zhì)量發(fā)展的影響因素，已有文獻(xiàn)從企業(yè)特征及外部環(huán)境等方面進(jìn)行了廣泛研究，如營商環(huán)境（周澤將 等，2022）［3］、政府補(bǔ)貼（鄭飛 等，2022）［4］、企業(yè)創(chuàng)新（陳麗姍 等，2019）［5］、高管特征（李雄飛，2022）［6］、杠桿率（宋清華 等，2021）［7］等。隨著數(shù)字經(jīng)濟(jì)的發(fā)展，大量文獻(xiàn)就數(shù)字經(jīng)濟(jì)（劉艷霞，2022；陽鎮(zhèn)，2023）［8］［2］、數(shù)字金融（張超 等，2022）［9］、數(shù)字技術(shù)（李朝鮮，2022；黃勃 等，2023；栗曉云 等，2023）［10-12］、數(shù)字政府（岳宇君 等，2023）［13］、數(shù)字化轉(zhuǎn)型（吳浩強(qiáng) 等，2023；高躍 等，2023；王羲 等，2024）［14-16］等對企業(yè)高質(zhì)量發(fā)展的影響進(jìn)行了探討，但少有研究考察數(shù)據(jù)要素或數(shù)據(jù)資產(chǎn)對企業(yè)高質(zhì)量發(fā)展的影響。孫穎和陳思霞（2021）［1］研究發(fā)現(xiàn)，數(shù)據(jù)資產(chǎn)促進(jìn)了科技服務(wù)企業(yè)的高質(zhì)量發(fā)展；楊向陽和徐從才（2024）［17］分析表明，數(shù)據(jù)要素主要通過降本增效和提質(zhì)增效兩條路徑促進(jìn)了流通企業(yè)的高質(zhì)量發(fā)展。可見，有必要進(jìn)一步深入研究數(shù)字資產(chǎn)對企業(yè)高質(zhì)量發(fā)展的影響及其機(jī)制。

近年來，數(shù)據(jù)資產(chǎn)受到學(xué)術(shù)界的高度關(guān)注，成為研究熱點(diǎn)之一，然而，關(guān)于數(shù)據(jù)資產(chǎn)的經(jīng)濟(jì)效應(yīng)研究相對較少。其中，在對企業(yè)發(fā)展及行為的影響方面，數(shù)據(jù)資產(chǎn)能夠通過緩解融資約束和加強(qiáng)研發(fā)合作來提高企業(yè)創(chuàng)新意愿和拓展企業(yè)創(chuàng)新資源，從而增加企業(yè)創(chuàng)新投入（李健 等，2023）［18］，并通過嵌入有價(jià)值的信息來提高企業(yè)運(yùn)營效率（Hu et al.，2022）［19］，作用于企業(yè)的成本管理、組織建設(shè)和風(fēng)險(xiǎn)管控（Kiron，2017；Sivarajah et al.，2020）［20-21］，進(jìn)而增加企業(yè)經(jīng)濟(jì)利潤（Begenau et al.，2018）［22］，提升企業(yè)價(jià)值（苑澤明 等，2022）［23］，促進(jìn)企業(yè)高質(zhì)量發(fā)展（孫穎 等2021）［1］。此外，路征等（2023）［24］研究發(fā)現(xiàn)，數(shù)據(jù)資產(chǎn)通過降低信息不對稱程度、降低交易成本和提高企業(yè)創(chuàng)新能力三條路徑促進(jìn)了企業(yè)發(fā)展；陸岷峰等（2023）［25］分析表明，數(shù)據(jù)資產(chǎn)通過提高產(chǎn)品市場份額、抑制管理層跟風(fēng)投資、提升資源配置效率、助力企業(yè)轉(zhuǎn)型升級等路徑提高了企業(yè)的產(chǎn)能利用率。但這些研究均未從數(shù)據(jù)資產(chǎn)對傳統(tǒng)生產(chǎn)要素的影響視角來探究這一新型生產(chǎn)要素對企業(yè)高質(zhì)量發(fā)展“賦何能”的問題。

作為數(shù)字經(jīng)濟(jì)時(shí)代的新型生產(chǎn)要素，數(shù)據(jù)資產(chǎn)依托于數(shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化，嵌入實(shí)體經(jīng)濟(jì)的各個領(lǐng)域，與勞動力、資本、自然資源、技術(shù)、管理等傳統(tǒng)生產(chǎn)要素在價(jià)值鏈和產(chǎn)業(yè)鏈中深度融合，產(chǎn)生“鯰魚效應(yīng)”，促進(jìn)企業(yè)的人力資源和資本積累、技術(shù)進(jìn)步以及管理提效，從而顯著提高企業(yè)的全要素生產(chǎn)率，有效推動企業(yè)高質(zhì)量發(fā)展。因此，數(shù)據(jù)資產(chǎn)的價(jià)值創(chuàng)造是建立在優(yōu)化傳統(tǒng)生產(chǎn)要素的基礎(chǔ)之上的，對于數(shù)據(jù)資產(chǎn)賦能企業(yè)高質(zhì)量發(fā)展的研究，有必要從改善生產(chǎn)要素配置的視角出發(fā)，探究數(shù)據(jù)資產(chǎn)對傳統(tǒng)生產(chǎn)要素的優(yōu)化機(jī)制。有鑒于此，本文在已有研究的基礎(chǔ)上，探討數(shù)據(jù)資產(chǎn)通過優(yōu)化傳統(tǒng)生產(chǎn)要素來促進(jìn)企業(yè)高質(zhì)量發(fā)展的機(jī)制，并采用滬深A(yù)股上市公司2007—2022年的數(shù)據(jù)進(jìn)行實(shí)證檢驗(yàn)。

與已有文獻(xiàn)相比，本文的邊際貢獻(xiàn)主要在于：第一，考察了數(shù)據(jù)資產(chǎn)對企業(yè)高質(zhì)量發(fā)展的影響，并從對勞動力、資本、技術(shù)、管理4種傳統(tǒng)生產(chǎn)要素的優(yōu)化角度展開機(jī)制分析（勞動力結(jié)構(gòu)改善機(jī)制、資本配置效率提升機(jī)制、技術(shù)創(chuàng)新積累機(jī)制、管理提質(zhì)增效機(jī)制），拓展和深化了數(shù)據(jù)資產(chǎn)的經(jīng)濟(jì)效應(yīng)研究，并為數(shù)據(jù)資產(chǎn)對傳統(tǒng)生產(chǎn)要素的改善效應(yīng)和對企業(yè)高質(zhì)量發(fā)展的促進(jìn)作用提供了新的經(jīng)驗(yàn)證據(jù)，有助于深入認(rèn)識和理解數(shù)字經(jīng)濟(jì)形態(tài)下數(shù)據(jù)資產(chǎn)的積極功效。第二，基于數(shù)據(jù)資產(chǎn)“獲取—處理—應(yīng)用”的底層邏輯，采用“種子詞篩選+AutoPhrase相似詞擴(kuò)充+SnowNLP情感極性分析”的方法對企業(yè)數(shù)據(jù)資產(chǎn)水平進(jìn)行測算，并構(gòu)建了包括“數(shù)據(jù)資產(chǎn)獲取”“數(shù)據(jù)資產(chǎn)處理”“數(shù)據(jù)資產(chǎn)應(yīng)用”3個層面的數(shù)據(jù)資產(chǎn)特征詞譜，為客觀評估企業(yè)的數(shù)據(jù)資產(chǎn)水平提供了一種有效方法。第三，進(jìn)一步分析了環(huán)境不確定性、城市信息化水平、地區(qū)市場化水平以及數(shù)字經(jīng)濟(jì)政策等外部環(huán)境對數(shù)據(jù)資產(chǎn)影響企業(yè)高質(zhì)量發(fā)展的調(diào)節(jié)作用，為充分發(fā)揮數(shù)據(jù)資產(chǎn)的積極效應(yīng)提供了經(jīng)驗(yàn)借鑒和策略啟示。

二、理論分析與研究假說

1.數(shù)據(jù)資產(chǎn)與企業(yè)高質(zhì)量發(fā)展

近年來，作為數(shù)字經(jīng)濟(jì)時(shí)代的新型戰(zhàn)略性資源，數(shù)據(jù)資產(chǎn)引起學(xué)界的高度關(guān)注。現(xiàn)有研究從數(shù)據(jù)資產(chǎn)的概念框架出發(fā)，一方面通過對數(shù)據(jù)資產(chǎn)的數(shù)據(jù)屬性解讀探求其產(chǎn)生經(jīng)濟(jì)收益的可能性及途徑，另一方面基于數(shù)據(jù)資產(chǎn)的資產(chǎn)或財(cái)產(chǎn)屬性探討其權(quán)屬問題（韓秀蘭 等，2023）［26］。基于此，本文主要從數(shù)據(jù)資產(chǎn)的資產(chǎn)屬性和數(shù)據(jù)屬性兩個方面，闡述其對企業(yè)高質(zhì)量發(fā)展的影響。

從數(shù)據(jù)資產(chǎn)的資產(chǎn)屬性來看：數(shù)據(jù)成為資產(chǎn)，首先表現(xiàn)為企業(yè)擁有的一種稀缺性資源。根據(jù)資源基礎(chǔ)理論，稀有、不可替代和難以模仿的異質(zhì)性資源是企業(yè)競爭優(yōu)勢的核心來源，對于促進(jìn)企業(yè)業(yè)績提升、推動企業(yè)高質(zhì)量發(fā)展具有重要作用。企業(yè)對數(shù)據(jù)資源進(jìn)行清洗和標(biāo)準(zhǔn)化處理，匹配數(shù)據(jù)源并刪除冗余數(shù)據(jù)，使得數(shù)據(jù)資源成為產(chǎn)權(quán)明晰的資產(chǎn)并進(jìn)入財(cái)務(wù)報(bào)表。由此，數(shù)據(jù)資產(chǎn)具有了可閱讀、可理解和可增值的特征，企業(yè)可以利用其內(nèi)含的有效信息進(jìn)行商機(jī)洞察、風(fēng)險(xiǎn)管控和輔助決策等，從而降低信息搜索成本、傳遞成本和驗(yàn)證成本等；同時(shí)，企業(yè)還可利用數(shù)據(jù)資產(chǎn)開發(fā)新技術(shù)新產(chǎn)品新服務(wù)，形成新的收益增長點(diǎn)，促進(jìn)企業(yè)價(jià)值提升。此外，資產(chǎn)化的數(shù)據(jù)資源具有可控制、可計(jì)量、可使用的特征，會在流通中進(jìn)一步權(quán)益化，進(jìn)而可以作為權(quán)益工具進(jìn)行股權(quán)投資或融資，比如進(jìn)入資本市場開展抵押、托管、信托及保險(xiǎn)等金融業(yè)務(wù)，有效拓寬企業(yè)的融資渠道，降低企業(yè)的融資成本，有利于化解企業(yè)高質(zhì)量發(fā)展的融資困境。因此，數(shù)據(jù)資產(chǎn)基于數(shù)據(jù)價(jià)值鏈，歷經(jīng)從資源化到資產(chǎn)化再到資本化的價(jià)值形態(tài)演進(jìn)，為企業(yè)追求更高水平、高層次、高效率的價(jià)值創(chuàng)造提供了更好的條件和優(yōu)勢，進(jìn)而賦能企業(yè)高質(zhì)量發(fā)展。

從數(shù)據(jù)資產(chǎn)的數(shù)據(jù)屬性來看：數(shù)據(jù)資產(chǎn)在本質(zhì)上是一種信息知識資產(chǎn)，具有促進(jìn)技術(shù)進(jìn)步、提高生產(chǎn)效率、改善經(jīng)營管理的能效。企業(yè)可以利用數(shù)據(jù)資產(chǎn)所蘊(yùn)含的知識和信息開發(fā)新技術(shù)新產(chǎn)品、改進(jìn)業(yè)務(wù)流程、提高經(jīng)營管理效率，從而增強(qiáng)競爭優(yōu)勢；還可以通過數(shù)據(jù)資產(chǎn)來緩解企業(yè)與外部信息使用者的信息不對稱，構(gòu)建縱向貫通、橫向互聯(lián)的數(shù)據(jù)共享體系，在數(shù)據(jù)資產(chǎn)的流通與應(yīng)用過程中與其他經(jīng)濟(jì)主體更好地實(shí)現(xiàn)優(yōu)勢互補(bǔ)。相比其他生產(chǎn)要素，數(shù)據(jù)資產(chǎn)具有虛擬替代性、無消耗性和共享性等特點(diǎn)，能夠源源不斷地產(chǎn)生和循環(huán)使用，并促進(jìn)傳統(tǒng)生產(chǎn)要素的流動配置和優(yōu)化組合，產(chǎn)生價(jià)值倍增效應(yīng)和投入替代效應(yīng)（羅玫 等，2023）［27］。一方面，數(shù)據(jù)資產(chǎn)與傳統(tǒng)生產(chǎn)要素深度融合，比如金融科技（資本要素）、智能機(jī)器人（勞動力要素）、人工智能（技術(shù)要素）、數(shù)字孿生（自然資源）等，可以顯著提升傳統(tǒng)生產(chǎn)要素的生產(chǎn)效率，產(chǎn)生價(jià)值倍增效應(yīng)；另一方面，數(shù)據(jù)資產(chǎn)可以對人力和管理等傳統(tǒng)生產(chǎn)要素產(chǎn)生虛擬替代效應(yīng)，用更少的物質(zhì)資源創(chuàng)造出更多的物質(zhì)財(cái)富。例如，利用大數(shù)據(jù)智能技術(shù)來模擬人腦思維進(jìn)行分析與決策，從而實(shí)現(xiàn)對部分人力的替代。與此同時(shí)，數(shù)據(jù)商品也可與傳統(tǒng)生產(chǎn)要素相結(jié)合，對企業(yè)的資產(chǎn)結(jié)構(gòu)、勞動力結(jié)構(gòu)、技術(shù)結(jié)構(gòu)以及管理決策等進(jìn)行優(yōu)化，從而改善企業(yè)的生產(chǎn)要素配置，促進(jìn)企業(yè)高質(zhì)量發(fā)展。

基于上述分析，本文提出假說H1：數(shù)據(jù)資產(chǎn)增加能夠顯著促進(jìn)企業(yè)高質(zhì)量發(fā)展。

2.數(shù)據(jù)資產(chǎn)對傳統(tǒng)生產(chǎn)要素的優(yōu)化作用

不同于傳統(tǒng)生產(chǎn)要素，數(shù)據(jù)資產(chǎn)具有無實(shí)物形態(tài)的特點(diǎn)，其更多的是以信息和知識來驅(qū)動企業(yè)發(fā)展。數(shù)據(jù)資產(chǎn)除了可以直接改善企業(yè)的生產(chǎn)經(jīng)營狀態(tài)外，還能夠通過技術(shù)流、資金流、人才流等突破傳統(tǒng)生產(chǎn)要素的稀缺性和排他性限制，改善企業(yè)的勞動力、資本、技術(shù)和管理等傳統(tǒng)生產(chǎn)要素的配置狀態(tài)，產(chǎn)生基礎(chǔ)性資源優(yōu)化效應(yīng)，并帶來全要素生產(chǎn)率的提升。因此，本文認(rèn)為數(shù)據(jù)資產(chǎn)能夠通過對傳統(tǒng)生產(chǎn)要素的優(yōu)化機(jī)制來賦能企業(yè)高質(zhì)量發(fā)展，并主要基于勞動力、資本、技術(shù)和管理四種傳統(tǒng)生產(chǎn)要素展開分析。

（1）勞動力結(jié)構(gòu)改善機(jī)制

第一，數(shù)據(jù)資產(chǎn)具有勞動力篩選效應(yīng)。數(shù)據(jù)本身具有復(fù)制成本較低、確權(quán)模糊和收益難以轉(zhuǎn)化等特點(diǎn)，這使得數(shù)據(jù)資產(chǎn)的整合難度大，因而企業(yè)沉淀數(shù)據(jù)資產(chǎn)需要招攬高素質(zhì)和高技能的人才來進(jìn)行數(shù)據(jù)匯聚、處理、管理、應(yīng)用及流通。同時(shí)，企業(yè)在利用數(shù)據(jù)資產(chǎn)進(jìn)行生產(chǎn)運(yùn)營模式的平臺化、智能化、生態(tài)化轉(zhuǎn)變過程中，高重復(fù)性、低技能的就業(yè)崗位會被知識技能型崗位替代，導(dǎo)致技術(shù)型員工比例提高。第二，數(shù)據(jù)資產(chǎn)具有勞動力素質(zhì)提升效應(yīng)。數(shù)據(jù)資產(chǎn)是企業(yè)通過數(shù)據(jù)清理、數(shù)據(jù)標(biāo)準(zhǔn)化、數(shù)據(jù)搜索匹配等形成的有價(jià)值的高質(zhì)量數(shù)據(jù)，可以有效地轉(zhuǎn)化為具有新的廣度、深度和高度的內(nèi)外部信息，有利于企業(yè)員工通過“干中學(xué)”及“再教育”等方式來提升自身的知識與技能，從而促使企業(yè)的人力資本水平整體提升。第三，數(shù)據(jù)資產(chǎn)具有人才吸引效應(yīng)。數(shù)據(jù)資產(chǎn)是不可替代和難以復(fù)制的競爭性資源，企業(yè)擁有的數(shù)據(jù)資產(chǎn)越多，越能夠向外界傳遞其具有獨(dú)特優(yōu)勢和巨大發(fā)展?jié)摿Φ恼嫘盘枺瑥亩哂胸S富經(jīng)驗(yàn)和專業(yè)知識的高素質(zhì)人才進(jìn)入。企業(yè)的高質(zhì)量發(fā)展與其勞動力結(jié)構(gòu)緊密相關(guān)，高層次和高質(zhì)量的人才越多，學(xué)習(xí)能力、吸收能力、轉(zhuǎn)化能力和擴(kuò)散能力越強(qiáng)，越能夠?qū)崿F(xiàn)技術(shù)突破、轉(zhuǎn)型升級和新舊動能轉(zhuǎn)化。因此，數(shù)據(jù)資產(chǎn)可以通過勞動力結(jié)構(gòu)改善機(jī)制提升企業(yè)的人力資本水平，進(jìn)而促進(jìn)企業(yè)高質(zhì)量發(fā)展。

基于上述分析，本文提出假說H2a：數(shù)據(jù)資產(chǎn)增加可以通過改善勞動力結(jié)構(gòu)的路徑來賦能企業(yè)高質(zhì)量發(fā)展。

（2）資本配置效率提升機(jī)制

第一，數(shù)據(jù)資產(chǎn)具有投資決策優(yōu)化效應(yīng)。數(shù)據(jù)資產(chǎn)的增加有助于企業(yè)投資決策的可視化，可以通過直觀的方式呈現(xiàn)相關(guān)信息，便于管理者從海量的數(shù)據(jù)中快速獲取有效的信息和知識，為投資決策提供更全面準(zhǔn)確的數(shù)據(jù)支持，還能夠通過“數(shù)據(jù)+算法”的科學(xué)決策模式對資本配置組合進(jìn)行智能評估、模擬擇優(yōu)，從而提高資本配置的有效性。第二，數(shù)據(jù)資產(chǎn)具有投資效率提升效應(yīng)。企業(yè)可以利用數(shù)據(jù)資產(chǎn)進(jìn)行動態(tài)持續(xù)的數(shù)據(jù)收集、反饋和分析，實(shí)時(shí)監(jiān)控資本配置過程中的資本流向、使用與回收等情況，并通過風(fēng)險(xiǎn)和收益評估制定最優(yōu)處置方案，及時(shí)調(diào)整資金流向，以最大化投資收益。第三，數(shù)據(jù)資產(chǎn)具有后期投資優(yōu)化效應(yīng)。企業(yè)能夠利用數(shù)據(jù)資產(chǎn)所包含的本期資本配置信息進(jìn)行事后評價(jià)，將資本配置實(shí)際表現(xiàn)與原有預(yù)期相比較，深入分析投資經(jīng)驗(yàn)及問題所在，并據(jù)此調(diào)整后期的投資方向和結(jié)構(gòu)，以進(jìn)一步提高資本配置效率。資本錯配會導(dǎo)致企業(yè)的投資和生產(chǎn)行為偏離最優(yōu)決策，是造成企業(yè)全要素生產(chǎn)率損失的主要原因之一（Song et al.，2015；陳詩一 等，2017；才國偉 等，2019）［28-30］，而數(shù)據(jù)資產(chǎn)對資本配置的優(yōu)化作用可以顯著改善企業(yè)的投資結(jié)構(gòu)、提高企業(yè)的投資效率，從而有效緩解資本錯配對企業(yè)全要素生產(chǎn)率提升的制約作用。因此，數(shù)據(jù)資產(chǎn)能夠通過資本配置效率提升機(jī)制提高企業(yè)的投資效率，進(jìn)而促進(jìn)企業(yè)高質(zhì)量發(fā)展。

基于上述分析，本文提出假說H2b：數(shù)據(jù)資產(chǎn)增加可以通過提升資本配置效率的路徑來賦能企業(yè)高質(zhì)量發(fā)展。

（3）技術(shù)創(chuàng)新積累機(jī)制

第一，數(shù)據(jù)資產(chǎn)具有知識溢出和積累效應(yīng)。數(shù)據(jù)資產(chǎn)將復(fù)雜多樣的信息和知識進(jìn)行標(biāo)準(zhǔn)化的數(shù)據(jù)詮釋，有助于各種顯性和隱性知識資源在企業(yè)各部門、各環(huán)節(jié)共享和傳輸，催生出網(wǎng)絡(luò)化的協(xié)同創(chuàng)新，這不僅使得企業(yè)能夠通過學(xué)習(xí)效應(yīng)和積累效應(yīng)獲得更多異質(zhì)性技術(shù)資源和技術(shù)創(chuàng)新思維，提升技術(shù)創(chuàng)新認(rèn)知，還有助于企業(yè)與相關(guān)知識主體之間的技術(shù)交流和合作，從而打破原有的技術(shù)組合，重塑并賦能企業(yè)的技術(shù)資源生成和積累。第二，數(shù)據(jù)資產(chǎn)具有技術(shù)創(chuàng)新促進(jìn)效應(yīng)。基于與產(chǎn)品研發(fā)、技術(shù)革新相關(guān)的數(shù)據(jù)資產(chǎn)，企業(yè)可以通過數(shù)據(jù)分析和挖掘?qū)δ繕?biāo)市場進(jìn)行畫像，準(zhǔn)確掌握市場需求，從而有針對性地開展技術(shù)研發(fā)活動，提高技術(shù)創(chuàng)新的產(chǎn)出和績效。第三，數(shù)據(jù)資產(chǎn)具有創(chuàng)新成本節(jié)約效應(yīng)。在技術(shù)創(chuàng)新過程中，企業(yè)可以利用數(shù)據(jù)資產(chǎn)進(jìn)行創(chuàng)新模擬，以數(shù)據(jù)試錯替代實(shí)物試錯，不但節(jié)約了技術(shù)創(chuàng)新成本，也提高了技術(shù)創(chuàng)新質(zhì)量。技術(shù)進(jìn)步是經(jīng)濟(jì)發(fā)展的內(nèi)生動力，新技術(shù)的使用會推動企業(yè)轉(zhuǎn)型升級，加快生產(chǎn)經(jīng)營方式轉(zhuǎn)變，建立市場競爭優(yōu)勢，進(jìn)而促進(jìn)企業(yè)高質(zhì)量發(fā)展。因此，數(shù)據(jù)資產(chǎn)能夠通過技術(shù)創(chuàng)新積累機(jī)制提高企業(yè)的技術(shù)水平，進(jìn)而促進(jìn)企業(yè)高質(zhì)量發(fā)展。

基于上述分析，本文提出假說H2c：數(shù)據(jù)資產(chǎn)增加可以通過促進(jìn)技術(shù)創(chuàng)新和積累的路徑來賦能企業(yè)高質(zhì)量發(fā)展。

（4）管理提質(zhì)增效機(jī)制

第一，數(shù)據(jù)資產(chǎn)具有管理改善效應(yīng)。資產(chǎn)化的數(shù)據(jù)提高了信息的有序性、確定性和清晰度，有助于企業(yè)利用數(shù)據(jù)信息平臺實(shí)現(xiàn)數(shù)據(jù)信息的實(shí)時(shí)共享，使得生產(chǎn)經(jīng)營的各環(huán)節(jié)由串聯(lián)轉(zhuǎn)向并聯(lián)，推動信息結(jié)構(gòu)從層次式轉(zhuǎn)向網(wǎng)絡(luò)式，進(jìn)而打破各環(huán)節(jié)、各部門之間的信息屏障（陳冬梅 等，2020）［31］，減少不同部門和團(tuán)隊(duì)之間的信息失真和溝通阻滯，不僅可以提高生產(chǎn)效率，也能夠優(yōu)化管理流程和機(jī)制，提高企業(yè)管理的質(zhì)量。第二，數(shù)據(jù)資產(chǎn)具有監(jiān)管強(qiáng)化效應(yīng)。數(shù)據(jù)資產(chǎn)以各類信息系統(tǒng)為載體，留存了企業(yè)日常生產(chǎn)經(jīng)營的全過程信息，實(shí)現(xiàn)了事前、事中和事后監(jiān)督全鏈條的信息穿透，并依托數(shù)據(jù)中臺等放大和擴(kuò)散監(jiān)管范圍，使得各行為主體的履責(zé)情況能夠得到及時(shí)客觀的反映，這將增大管理層藏匿信息的難度，從而有效緩解委托代理沖突，抑制高管自利行為，提高企業(yè)監(jiān)管的有效性和內(nèi)部管理的效率。企業(yè)管理質(zhì)量和效率的提升，為企業(yè)更好地配置各種生產(chǎn)要素和改善生產(chǎn)經(jīng)營提供了必要的內(nèi)部治理保障，有利于企業(yè)的高質(zhì)量發(fā)展。因此，數(shù)據(jù)資產(chǎn)能夠通過管理提質(zhì)增效機(jī)制提高企業(yè)的經(jīng)營管理水平和效率，進(jìn)而促進(jìn)企業(yè)高質(zhì)量發(fā)展。

基于上述分析，本文提出假說H2d：數(shù)據(jù)資產(chǎn)增加可以通過提高經(jīng)營管理效率的路徑來賦能企業(yè)高質(zhì)量發(fā)展。

三、企業(yè)數(shù)據(jù)資產(chǎn)評估與分析

1.企業(yè)數(shù)據(jù)資產(chǎn)評估方法

已有文獻(xiàn)對企業(yè)數(shù)據(jù)資產(chǎn)的評估，通常采用“企業(yè)當(dāng)年是否具備共享平臺、數(shù)據(jù)中臺或信息系統(tǒng)”或“數(shù)據(jù)資產(chǎn)關(guān)鍵詞是否出現(xiàn)在年度報(bào)告中”來體現(xiàn)企業(yè)數(shù)據(jù)資產(chǎn)的“有或無”（孫穎 等，2021；Hu et al.，2022）［1］［19］。近期，部分學(xué)者基于企業(yè)財(cái)務(wù)報(bào)表指標(biāo)對數(shù)據(jù)資產(chǎn)的“多與少”進(jìn)行了測度（李健 等，2023；路征 等，2023）［18］［24］。但由于數(shù)據(jù)資產(chǎn)目前還未被納入資產(chǎn)負(fù)債表中進(jìn)行披露，基于財(cái)務(wù)報(bào)表對企業(yè)數(shù)據(jù)資產(chǎn)的評估難免存在遺漏。數(shù)據(jù)資產(chǎn)是企業(yè)利用大數(shù)據(jù)、人工智能等信息技術(shù)進(jìn)行數(shù)智化轉(zhuǎn)型形成的重要經(jīng)濟(jì)資源，此類特征信息會體現(xiàn)在具有總結(jié)和指引性質(zhì)的企業(yè)年報(bào)中，因此，本文基于機(jī)器學(xué)習(xí)算法，采用“種子詞篩選+AutoPhrase相似詞擴(kuò)充+SnowNLP情感極性分析”的文本分析方法對企業(yè)的數(shù)據(jù)資產(chǎn)水平進(jìn)行評估。具體步驟如下：

第一，構(gòu)建底層邏輯并選取種子詞。數(shù)據(jù)從非結(jié)構(gòu)化的低價(jià)值零散形態(tài)向結(jié)構(gòu)化的可被應(yīng)用的高價(jià)值資產(chǎn)形態(tài)轉(zhuǎn)化，形成“數(shù)據(jù)價(jià)值鏈”（許憲春 等，2022）［32］。基于此，本文以“數(shù)據(jù)資產(chǎn)獲取—數(shù)據(jù)資產(chǎn)處理—數(shù)據(jù)資產(chǎn)應(yīng)用”價(jià)值鏈為底層邏輯，結(jié)合數(shù)據(jù)資產(chǎn)相關(guān)文件和研究報(bào)告，從企業(yè)年報(bào)中手工篩選出分別代表“數(shù)據(jù)資產(chǎn)獲取”“數(shù)據(jù)資產(chǎn)處理”“數(shù)據(jù)資產(chǎn)應(yīng)用”三個層面的種子詞，然后通過訪談及調(diào)查問卷的形式向?qū)W術(shù)界、大數(shù)據(jù)行業(yè)協(xié)會以及相關(guān)企業(yè)人員征詢意見，對種子詞進(jìn)行調(diào)整和完善。

第二，擴(kuò)展種子詞形成數(shù)據(jù)資產(chǎn)詞典。劉景江等（2023）［33］指出，機(jī)器學(xué)習(xí)算法擁有強(qiáng)大的數(shù)據(jù)處理和挖掘能力，能夠從復(fù)雜高維的非結(jié)構(gòu)化數(shù)據(jù)環(huán)境中提取有價(jià)值的信息。因此，本文借鑒相關(guān)文獻(xiàn)對機(jī)器學(xué)習(xí)算法的應(yīng)用（胡楠 等，2021；孫昌玲 等，2021）［34-35］，采用AutoPhrase方法對種子詞進(jìn)行擴(kuò)展，以挖掘企業(yè)年報(bào)中能夠體現(xiàn)數(shù)據(jù)資產(chǎn)的高質(zhì)量特征詞。同時(shí)，進(jìn)一步對特征詞譜進(jìn)行檢驗(yàn)與補(bǔ)充：首先，2023年中國信息通信研究院發(fā)布的《數(shù)據(jù)資產(chǎn)管理實(shí)踐白皮書（6.0版本）》指出，數(shù)據(jù)資產(chǎn)是以電子或其他方式（如文本、圖像、語音、視頻、網(wǎng)頁、數(shù)據(jù)庫、傳感信號等）記錄的結(jié)構(gòu)化或非結(jié)構(gòu)化數(shù)據(jù)。基于此，對與各數(shù)據(jù)記錄方式相關(guān)的關(guān)鍵詞是否納入本文特征詞譜進(jìn)行檢驗(yàn)與補(bǔ)充。其次，根據(jù)國務(wù)院印發(fā)的《“十四五”數(shù)字經(jīng)濟(jì)發(fā)展規(guī)劃》、工業(yè)和信息化部與國家互聯(lián)網(wǎng)信息辦公室等十六部門聯(lián)合印發(fā)的《關(guān)于促進(jìn)數(shù)據(jù)安全產(chǎn)業(yè)發(fā)展的指導(dǎo)意見》、工業(yè)和信息化部發(fā)布的《“十四五”大數(shù)據(jù)產(chǎn)業(yè)發(fā)展規(guī)劃》等官方文件，將其中提到的數(shù)據(jù)資產(chǎn)關(guān)鍵詞與本文的特征詞譜進(jìn)行對比和擴(kuò)展，以確保詞譜的全面性。最終，本文構(gòu)建了如圖1所示的數(shù)據(jù)資產(chǎn)特征詞譜。

第三，計(jì)算詞頻和情感極性分析。考慮到中文語言在財(cái)經(jīng)語料下的表達(dá)較為復(fù)雜，根據(jù)數(shù)據(jù)資產(chǎn)詞典，采用Python技術(shù)計(jì)算企業(yè)年報(bào)中各特征詞的詞頻，并且利用SnowNLP技術(shù)對每個出現(xiàn)的詞匯進(jìn)行情感極性分析，最終得到經(jīng)情感極性（正向、中立、負(fù)向）調(diào)整后的各特征詞詞頻。

第四，估算企業(yè)數(shù)據(jù)資產(chǎn)水平。將經(jīng)情感極性調(diào)整后的正向及中立的各特征詞詞頻進(jìn)行加總，除以

年報(bào)總詞頻再乘以100，得到反映企業(yè)數(shù)據(jù)資產(chǎn)水平的指標(biāo)。計(jì)算公式為：

DAi，t=∑Dwordsi，t，n/Twordi，t×100。

其中，DAit為i企業(yè)t年的數(shù)據(jù)資產(chǎn)水平，Dwordsi，t，n為詞典中第n個特征詞在i企業(yè)t年年度報(bào)告中的詞頻，Twordi，tt為i企業(yè)t年年度報(bào)告的總詞頻（排除英文和數(shù)字）。DA值越大，則企業(yè)的數(shù)據(jù)資產(chǎn)水平越高。

2.數(shù)據(jù)資產(chǎn)評估指標(biāo)的有效性檢驗(yàn)

本文采用上述方法對樣本企業(yè)（滬深A(yù)股的上市公司，詳見后文）2007—2022年的數(shù)據(jù)資產(chǎn)水平進(jìn)行了評估，為了確保評估結(jié)果能夠客觀反映企業(yè)的數(shù)據(jù)資產(chǎn)水平，進(jìn)行如下指標(biāo)有效性檢驗(yàn)。

（1）指標(biāo)對比檢驗(yàn)

本文基于企業(yè)、行業(yè)和地區(qū)層面的相關(guān)資料和數(shù)據(jù)對企業(yè)數(shù)據(jù)資產(chǎn)水平評估結(jié)果進(jìn)行對比分析。

一是企業(yè)層面的對比。由于數(shù)據(jù)資產(chǎn)具有非實(shí)體性和依附性（需依附于實(shí)物載體或介質(zhì)而存在），是否擁有數(shù)據(jù)中臺和信息管理系統(tǒng)等對于企業(yè)的數(shù)據(jù)資產(chǎn)化進(jìn)程具有重要意義（孫穎 等，2021）［1］，因此可認(rèn)為，企業(yè)的數(shù)據(jù)中臺發(fā)展?fàn)顩r能夠在一定程度上體現(xiàn)其數(shù)據(jù)資產(chǎn)水平。借鑒胡楠等（2021）［34］的檢驗(yàn)思路，將《互聯(lián)網(wǎng)周刊》、德本咨詢、eNet研究院聯(lián)合發(fā)布《2022數(shù)據(jù)中臺TOP50》榜單企業(yè)與本文的樣本企業(yè)進(jìn)行匹配，得到5家企業(yè)（用友軟件、浪潮軟件、星環(huán)科技、恒生電子、普元信息）；然后根據(jù)各樣本企業(yè)2007—2022年數(shù)據(jù)資產(chǎn)水平的均值將其分為最高、較高、較低和最低四組，結(jié)果發(fā)現(xiàn)這5家企業(yè)中有4家位于最高組，另1家位于較高組，表明本文測算的數(shù)據(jù)資產(chǎn)水平是有效的。此外，抽取數(shù)據(jù)資產(chǎn)特征詞詞頻占比前五的企業(yè)（高鴻股份、威星智能、機(jī)器人、科大智能、東方國信），仔細(xì)研讀其年報(bào)和投資者關(guān)系活動記錄表等相關(guān)資料，發(fā)現(xiàn)相較于大部分企業(yè)，其確實(shí)擁有較多的各類（運(yùn)營類、市場和客戶類、工業(yè)類及知識產(chǎn)權(quán)類等）數(shù)據(jù)資產(chǎn)，這也在一定程度上表明本文評估得到的數(shù)據(jù)資產(chǎn)水平較高的企業(yè)確實(shí)擁有較多的數(shù)據(jù)資產(chǎn)。

二是行業(yè)層面的對比。計(jì)算出2007—2022年各行業(yè)企業(yè)數(shù)據(jù)資產(chǎn)水平的均值（見表1），結(jié)果顯示“信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)”“文化、體育和娛樂業(yè)”“綜合類”等行業(yè)的企業(yè)數(shù)據(jù)資產(chǎn)水平較高，而“農(nóng)、林、 牧、漁業(yè)”和“采礦業(yè)”等行業(yè)的企業(yè)數(shù)據(jù)資產(chǎn)水平較低，這一數(shù)據(jù)資產(chǎn)的行業(yè)分布狀態(tài)與已有相關(guān)研究結(jié)果一致（李健 等，2023）［18］。

三是地區(qū)層面的對比。計(jì)算出2007—2022年31個省份（不包括港澳臺地區(qū)）企業(yè)數(shù)據(jù)資產(chǎn)水平的均值（見表2）。貴州省的企業(yè)數(shù)據(jù)資產(chǎn)水平最高，這得益于2015年貴州大數(shù)據(jù)交易所的建立，貴州省的企業(yè)率先探索數(shù)據(jù)流動體系，并通過數(shù)據(jù)交易沉淀了較多數(shù)據(jù)資產(chǎn)。企業(yè)數(shù)據(jù)資產(chǎn)水平較高的省份還有北京、廣東、上海和湖北，這也與《中國數(shù)字經(jīng)濟(jì)發(fā)展白皮書》中數(shù)字經(jīng)濟(jì)規(guī)模突破萬億元的省份相契合。可見，本文測算的企業(yè)數(shù)據(jù)資產(chǎn)水平在區(qū)域分布上也與實(shí)際情況基本一致。

（2）指標(biāo)相關(guān)性檢驗(yàn)

根據(jù)財(cái)政部發(fā)布的《企業(yè)數(shù)據(jù)資源相關(guān)會計(jì)處理暫行規(guī)定》，企業(yè)使用的數(shù)據(jù)資源，符合規(guī)定的應(yīng)確認(rèn)為無形資產(chǎn)。在此之前，已有研究也認(rèn)為數(shù)據(jù)資產(chǎn)應(yīng)納入企業(yè)無形資產(chǎn)的范疇。基于此，本文根據(jù)樣本企業(yè)的財(cái)務(wù)報(bào)表，將附注中含有與數(shù)據(jù)資產(chǎn)化過程相關(guān)詞匯的無形資產(chǎn)占總資產(chǎn)的比例，作為衡量企業(yè)“數(shù)據(jù)類無形資產(chǎn)”的代理變量。例如無形資產(chǎn)附注中出現(xiàn)大數(shù)據(jù)、數(shù)字平臺、數(shù)據(jù)中心和數(shù)據(jù)共享等詞匯，即將其視為數(shù)據(jù)類無形資產(chǎn)。借鑒胡楠等（2021）［34］的驗(yàn)證思路，以樣本企業(yè)的“數(shù)據(jù)類無形資產(chǎn)”（DA_IAi，t）為被解釋變量，以“數(shù)據(jù)資產(chǎn)水平”（DAi，t）為核心解釋變量，并納入一系列控制變量（Controls，控制變量與后文的基準(zhǔn)模型一致）以及個體（Company）、行業(yè)（Ind）、年份（Year）固定效應(yīng)，構(gòu)建如下相關(guān)性檢驗(yàn)?zāi)Ｐ停?/p>

DA_IAi，t=α0+α1DAi，t+∑αkControlsi，t +∑Company+∑Ind+∑Year+εi，t。

回歸結(jié)果顯示，“數(shù)據(jù)資產(chǎn)水平”的系數(shù)在1%的水平上顯著為正（0.078 1），表明本文測算的企業(yè)數(shù)據(jù)資產(chǎn)水平與企業(yè)數(shù)據(jù)類無形資產(chǎn)水平顯著正相關(guān)，因此可以認(rèn)為該指標(biāo)是有效的。

四、實(shí)證研究設(shè)計(jì)

1.基準(zhǔn)模型構(gòu)建與變量選擇

為檢驗(yàn)數(shù)據(jù)資產(chǎn)對企業(yè)高質(zhì)量發(fā)展的影響，構(gòu)建如下基準(zhǔn)模型：

TFP_LPi，t=α0+α1DAi，t+∑αkControlsi，t +∑Company+∑Year+εi，t

其中，下標(biāo)i和t為分別代表企業(yè)和年份，被解釋變量（TFP_LPi，t）“高質(zhì)量發(fā)展”為企業(yè)i在t年的高質(zhì)量發(fā)展水平，核心解釋變量（DAi，t）“數(shù)據(jù)資產(chǎn)”為企業(yè)i在t年的數(shù)據(jù)資產(chǎn)水平；Controlsi，t表示一系列控制變量，Year和Company分別表示年份和個體固定效應(yīng)，εi，t為隨機(jī)誤差項(xiàng)。

被解釋變量“高質(zhì)量發(fā)展”采用基于LP法測算的全要素生產(chǎn)率來衡量。全要素生產(chǎn)率能體現(xiàn)企業(yè)各生產(chǎn)要素的使用狀況和配置效率，是企業(yè)發(fā)展質(zhì)量和發(fā)展數(shù)量的綜合反映，具有信息豐富和綜合性強(qiáng)等優(yōu)點(diǎn)，能夠反映企業(yè)高質(zhì)量發(fā)展水平，且與本文探究數(shù)據(jù)資產(chǎn)驅(qū)動傳統(tǒng)生產(chǎn)要素改善的研究重點(diǎn)相契合。因此，本文選用全要素生產(chǎn)率作為企業(yè)高質(zhì)量發(fā)展的代理變量，并借鑒魯曉東和連玉君（2012）［36］的做法，采用LP法測算樣本企業(yè)的全要素生產(chǎn)率。核心解釋變量“數(shù)據(jù)資產(chǎn)”采用前文構(gòu)建的企業(yè)數(shù)據(jù)資產(chǎn)評估方法進(jìn)行測算。

參考黃勃等（2023）［11］和黃先海（2023）［37］的研究，從企業(yè)層面選取以下控制變量：一是“資產(chǎn)規(guī)模”，采用總資產(chǎn)的自然對數(shù)值來衡量；二是“企業(yè)年齡”，采用當(dāng)年年份減企業(yè)成立年份加1的自然對數(shù)值來衡量；三是“成長性”，采用營業(yè)收入的增長率來衡量；四是“資產(chǎn)負(fù)債率”，采用期末總負(fù)債與期末總資產(chǎn)之比來衡量；五是“現(xiàn)金流比率”，采用經(jīng)營活動產(chǎn)生的現(xiàn)金流量凈額與營業(yè)收入之比來衡量；六是“市場價(jià)值”，采用總市值與總資產(chǎn)之比來衡量；七是“研發(fā)能力”，采用專利申請數(shù)量加1的自然對數(shù)值來衡量；八是“第一大股東持股比例”，采用年末第一大股東持股比例來衡量；九是“董事會規(guī)模”，采用董事會人數(shù)的自然對數(shù)值來衡量；十是“產(chǎn)權(quán)性質(zhì)”，為是否國有企業(yè)的虛擬變量，國有企業(yè)賦值為1，否則賦值為0。

2.樣本選擇與數(shù)據(jù)處理

本文以滬深A(yù)股的上市公司為研究樣本，考慮到在2006年以后數(shù)字化工具開始廣泛使用（李琦 等，2021）［38］，樣本期間選定為2007—2022年，剔除金融類行業(yè)樣本、ST和*ST類樣本、數(shù)據(jù)缺失樣本，最終獲得36 589個觀測值，并對連續(xù)型變量進(jìn)行前后1%的縮尾處理。企業(yè)數(shù)據(jù)資產(chǎn)的相關(guān)數(shù)據(jù)來自深圳證券交易所和上海證券交易所官方網(wǎng)站披露的上市公司年報(bào)，其他數(shù)據(jù)源自CSMAR數(shù)據(jù)庫。表3為主要變量的描述性統(tǒng)計(jì)結(jié)果。從整體樣本來看，“高質(zhì)量發(fā)展”的標(biāo)準(zhǔn)差為1.043，最大值為11.11，最小值為6.032，表明不同企業(yè)間的發(fā)展質(zhì)量存在較大差異；“數(shù)據(jù)資產(chǎn)”均值為0.134，最大值為1.227，最小值為0，說明樣本企業(yè)的數(shù)據(jù)資產(chǎn)水平總體較低，有待提高。

五、實(shí)證檢驗(yàn)結(jié)果分析

1.基準(zhǔn)模型回歸

基準(zhǔn)模型檢驗(yàn)結(jié)果見表4，“數(shù)據(jù)資產(chǎn)”的回歸系數(shù)在1%的水平上顯著為正，表明企業(yè)數(shù)據(jù)資產(chǎn)的增加對其高質(zhì)量發(fā)展具有顯著的正向影響，假說H1得到驗(yàn)證。考慮到本文從數(shù)據(jù)資產(chǎn)獲取、數(shù)據(jù)資產(chǎn)處理和數(shù)據(jù)資產(chǎn)應(yīng)用3個層面確定企業(yè)的數(shù)據(jù)資產(chǎn)的特征詞詞譜，進(jìn)一步分別統(tǒng)計(jì)該3個層面的特征詞詞頻數(shù)，得到相應(yīng)的指標(biāo)（“數(shù)據(jù)資產(chǎn)獲取”“數(shù)據(jù)資產(chǎn)處理”“數(shù)據(jù)資產(chǎn)應(yīng)用”），用以反映不同層面的數(shù)據(jù)資產(chǎn)水平，并分別以其為核心解釋變量進(jìn)行模型檢驗(yàn)，回歸結(jié)果見表5。“數(shù)據(jù)資產(chǎn)獲取”的回歸系數(shù)為正但不顯著，“數(shù)據(jù)資產(chǎn)處理”和“數(shù)據(jù)資產(chǎn)應(yīng)用”的回歸系數(shù)在1%的水平上顯著為正，表明在企業(yè)的數(shù)據(jù)價(jià)值鏈中，數(shù)據(jù)資產(chǎn)的處理和應(yīng)用顯著促進(jìn)了企業(yè)高質(zhì)量發(fā)展，而數(shù)據(jù)資產(chǎn)的獲取對企業(yè)高質(zhì)量發(fā)展的影響不顯著。其原因在于，處于獲取階段的數(shù)據(jù)往往是單一、零散的，這種尚未聚合的數(shù)據(jù)價(jià)值有限，往往需要經(jīng)過處理后才具有應(yīng)用價(jià)值；而在進(jìn)入數(shù)據(jù)價(jià)值鏈的處理階段后，大量無序的原始數(shù)據(jù)經(jīng)過匯集、規(guī)整和分析，呈現(xiàn)出可閱讀、可理解和可增值的狀態(tài)，可以從中提煉出有效的信息與知識，并應(yīng)用于企業(yè)的生產(chǎn)經(jīng)營全過程中，進(jìn)而為企業(yè)帶來多元化的效益，助力企業(yè)高質(zhì)量發(fā)展。

2.內(nèi)生性處理

為了緩解模型可能存在的樣本自選擇偏誤、逆向因果關(guān)系以及遺漏變量等內(nèi)生性問題對回歸結(jié)果的干擾，本文進(jìn)行如下內(nèi)生性處理：

（1）傾向得分匹配法

數(shù)據(jù)資產(chǎn)水平較高的企業(yè)可能本身的發(fā)展質(zhì)量就較高，并非一定是由于數(shù)據(jù)資產(chǎn)的增加促進(jìn)了其高質(zhì)量發(fā)展。因此，根據(jù)企業(yè)數(shù)據(jù)資產(chǎn)水平的中位數(shù)將樣本劃分為“高水平”（實(shí)驗(yàn)組）與“低水平”（對照組）兩組，選取“資產(chǎn)規(guī)模”“企業(yè)年齡”“成長性”“資產(chǎn)負(fù)債率”作為協(xié)變量，進(jìn)行l(wèi)ogit回歸得到傾向得分值，并借助協(xié)變量進(jìn)行1∶1最近鄰匹配。樣本匹配后，變量的標(biāo)準(zhǔn)化偏差都小于2%，且實(shí)驗(yàn)組與對照組無系統(tǒng)差異，通過了平衡性檢驗(yàn)（見表6），ATT值為9.2，與前文分析結(jié)果一致。刪除沒有匹配上的樣本后重新進(jìn)行模型檢驗(yàn)，回歸結(jié)果見表7的Panel A，“數(shù)據(jù)資產(chǎn)”的回歸系數(shù)依然在1%的水平上顯著為正。

（2）工具變量法

企業(yè)的發(fā)展質(zhì)量也可能會影響其數(shù)據(jù)資產(chǎn)水平，產(chǎn)生反向因果關(guān)系。對此，本文將剔除樣本企業(yè)自身后的分年度、行業(yè)的數(shù)據(jù)資產(chǎn)水平均值作為“數(shù)據(jù)資產(chǎn)”的工具變量，進(jìn)行2SLS檢驗(yàn)。由于數(shù)據(jù)資產(chǎn)在企業(yè)間存在同群效應(yīng)，樣本企業(yè)的數(shù)據(jù)資產(chǎn)水平與同行業(yè)其他企業(yè)的數(shù)據(jù)資產(chǎn)水平具有相關(guān)性，同時(shí)行業(yè)內(nèi)其他企業(yè)的平均數(shù)據(jù)資產(chǎn)水平不會對樣本企業(yè)的高質(zhì)量發(fā)展產(chǎn)生直接作用，因而該工具變量滿足工具變量有效的相關(guān)性和外生性要求。工具變量法檢驗(yàn)結(jié)果見表7的Panel B，工具變量通過了不可識別檢驗(yàn)（Kleibergen-Paap rk LM統(tǒng)計(jì)量顯著）與弱工具變量檢驗(yàn)（Kleibergen-Paap Wald rk F統(tǒng)計(jì)量顯著）。第一階段回歸結(jié)果顯示，工具變量與“數(shù)據(jù)資產(chǎn)”顯著正相關(guān)；第二階段回歸結(jié)果顯示，工具變量擬合的“數(shù)據(jù)資產(chǎn)”的回歸系數(shù)仍然在1%的水平上顯著為正。

（3）更換固定效應(yīng)

盡管基準(zhǔn)模型已經(jīng)控制了個體固定效應(yīng)和年份固定效應(yīng)，但仍可能遺漏不同年份發(fā)生在特定地區(qū)或特定行業(yè)的沖擊，因此進(jìn)一步增加省份固定效應(yīng)和行業(yè)固定效應(yīng)重新進(jìn)行模型檢驗(yàn)。此外，為了緩解大量干擾性因素的影響，將基準(zhǔn)模型的固定效應(yīng)更換為“省份—行業(yè)”“年份—行業(yè)”“年份—省份”三種高維交互固定效應(yīng)中的兩種，分別進(jìn)行模型檢驗(yàn)。更換固定效應(yīng)的回歸結(jié)果見表7的Panel C，“數(shù)據(jù)資產(chǎn)”的回歸系數(shù)均在1%的水平上顯著為正。

上述內(nèi)生性處理結(jié)果表明，在緩解模型內(nèi)生性問題后，本文的基本結(jié)論依然成立，即企業(yè)數(shù)據(jù)資產(chǎn)的增加促進(jìn)了企業(yè)高質(zhì)量發(fā)展。

3.穩(wěn)健性檢驗(yàn)

為進(jìn)一步驗(yàn)證基準(zhǔn)模型分析結(jié)果的可靠性，進(jìn)行以下穩(wěn)健性檢驗(yàn)：

（1）變量替換

一是替換核心解釋變量。在數(shù)據(jù)資產(chǎn)詞典中，與中立情感詞匯相比，正向情感詞匯更能體現(xiàn)企業(yè)對數(shù)據(jù)資產(chǎn)的認(rèn)可及取得的成就，因此，僅加總經(jīng)情感分析調(diào)整后的正向數(shù)據(jù)資產(chǎn)特征詞詞頻，從而得到“數(shù)據(jù)資產(chǎn)1”，將其作為核心解釋變量重新進(jìn)行模型檢驗(yàn)。此外，將數(shù)據(jù)類無形資產(chǎn)占比（“數(shù)據(jù)資產(chǎn)2”）作為核心解釋變量，重新進(jìn)行模型檢驗(yàn)。二是替換被解釋變量。分別采用OP法、OLS法和FE法測算樣本企業(yè)的全要素生產(chǎn)率，將其作為被解釋變量重新進(jìn)行模型檢驗(yàn)。上述檢驗(yàn)結(jié)果見表8，核心解釋變量的回歸系數(shù)均在1%的水平上顯著為正，表明本文的分析結(jié)果是穩(wěn)健的。

［12］栗曉云，夏傳信，施建軍.數(shù)字技術(shù)驅(qū)動制造企業(yè)高質(zhì)量發(fā)展戰(zhàn)略研究——基于三一重工、特斯拉和酷特智能的多案例研究［J］.技術(shù)經(jīng)濟(jì)，2023，42（5）：149-161.

［13］岳宇君，洪長威.數(shù)字政府建設(shè)與企業(yè)高質(zhì)量發(fā)展：內(nèi)在機(jī)理與實(shí)證分析［J］.學(xué)術(shù)交流，2023（7）：88-103.

［14］吳浩強(qiáng)，胡蘇敏.數(shù)字化轉(zhuǎn)型、技術(shù)創(chuàng)新與企業(yè)高質(zhì)量發(fā)展［J］.中南財(cái)經(jīng)政法大學(xué)學(xué)報(bào)，2023（1）：136-145.

［15］高躍，王躍堂，冀云陽.數(shù)字化轉(zhuǎn)型賦能企業(yè)高質(zhì)量發(fā)展——基于城市異質(zhì)性視角的分析［J］.城市問題，2023（6）：95-103.

［16］王羲，陳雪姣，曹晶，等.數(shù)字化轉(zhuǎn)型對企業(yè)高質(zhì)量發(fā)展的影響——企業(yè)創(chuàng)新與風(fēng)險(xiǎn)承擔(dān)視角［J］.科技進(jìn)步與對策，2024，41（7）：1-10.

［17］楊向陽，徐從才.數(shù)據(jù)要素與流通企業(yè)高質(zhì)量發(fā)展［J］.商業(yè)經(jīng)濟(jì)與管理，2024（3）：5-17.

［18］李健，董小凡，張金林，等.數(shù)據(jù)資產(chǎn)對企業(yè)創(chuàng)新投入的影響研究［J］.外國經(jīng)濟(jì)與管理，2023，45（12）：18-33.

［19］HU C，LI Y，ZHENG X. Data assets，information uses，and operational efficiency［J］. Applied Economics，2022，54（60）： 6887-6900.

［20］KIRON D. Lessons from becoming a data-driven organization［J］. MIT Sloan Management Review，2017，58（2）.

［21］SIVARAJAH U，IRANI Z，GUPTA S，et al. Role of big data and social media analytics for business to business sustainability：a participatory web context［J］. Industrial Marketing Management，2020，86：163-179.

［22］BEGENAU J，F(xiàn)ARBOODI M，VELDKAMP L. Big data in Finance and the growth of large firms［J］. Journal of Monetary Economics，2018，97：71-87.

［23］苑澤明，于翔，李萌.數(shù)據(jù)資產(chǎn)信息披露、機(jī)構(gòu)投資者異質(zhì)性與企業(yè)價(jià)值［J］.現(xiàn)代財(cái)經(jīng)（天津財(cái)經(jīng)大學(xué)學(xué)報(bào)），2022，42（11）：32-47.

［24］路征，周婷，王理，等.數(shù)據(jù)資產(chǎn)與企業(yè)發(fā)展——來自中國上市公司的經(jīng)驗(yàn)證據(jù)［J］.產(chǎn)業(yè)經(jīng)濟(jì)研究，2023（4）：128-142.

［25］陸岷峰，王穩(wěn)華，朱震.數(shù)據(jù)資產(chǎn)如何賦能企業(yè)高質(zhì)量發(fā)展——基于產(chǎn)能利用率視角的經(jīng)驗(yàn)證據(jù)［J］.上海商學(xué)院學(xué)報(bào)，2023，24（4）：22-41.

［26］韓秀蘭，王思賢.數(shù)據(jù)資產(chǎn)的屬性、識別和估價(jià)方法［J］.統(tǒng)計(jì)與信息論壇，2023，38（8）：3-13.

［27］羅玫，李金璞，湯珂.企業(yè)數(shù)據(jù)資產(chǎn)化：會計(jì)確認(rèn)與價(jià)值評估［J］.清華大學(xué)學(xué)報(bào)（哲學(xué)社會科學(xué)版），2023，38（5）：195-209+226.

［28］SONG Z，WU G L. Identifying capital misallocation［R］. Chicago：Univ. Chicago，Work Pap，2015.

［29］陳詩一，陳登科.中國資源配置效率動態(tài)演化——納入能源要素的新視角［J］.中國社會科學(xué)，2017（4）：67-83+206-207.

［30］才國偉，楊豪.外商直接投資能否改善中國要素市場扭曲［J］.中國工業(yè)經(jīng)濟(jì)，2019（10）：42-60.

［31］陳冬梅，王俐珍，陳安霓.數(shù)字化與戰(zhàn)略管理理論——回顧、挑戰(zhàn)與展望［J］.管理世界，2020，36（5）：220-236+20.

［32］許憲春，張鐘文，胡亞茹.數(shù)據(jù)資產(chǎn)統(tǒng)計(jì)與核算問題研究［J］.管理世界，2022，38（2）：16-30+2.

［33］劉景江，鄭暢然，洪永淼.機(jī)器學(xué)習(xí)如何賦能管理學(xué)研究？——國內(nèi)外前沿綜述和未來展望［J］.管理世界，2023，39（9）：191-216.

［34］胡楠，薛付婧，王昊楠.管理者短視主義影響企業(yè)長期投資嗎？——基于文本分析和機(jī)器學(xué)習(xí)［J］.管理世界，2021，37（5）：139-156+11+19-21.

［35］孫昌玲，王化成，王芃芃.企業(yè)核心競爭力對供應(yīng)鏈融資的影響：資金支持還是占用？［J］.中國軟科學(xué)，2021（6）：120-134.

［36］魯曉東，連玉君.中國工業(yè)企業(yè)全要素生產(chǎn)率估計(jì)：1999—2007［J］.經(jīng)濟(jì)學(xué)（季刊），2012，11（2）：541-558.

［37］黃先海，高亞興.數(shù)實(shí)產(chǎn)業(yè)技術(shù)融合與企業(yè)全要素生產(chǎn)率——基于中國企業(yè)專利信息的研究［J］.中國工業(yè)經(jīng)濟(jì)，2023（11）：118-136.

［38］李琦，劉力鋼，邵劍兵.數(shù)字化轉(zhuǎn)型、供應(yīng)鏈集成與企業(yè)績效——企業(yè)家精神的調(diào)節(jié)效應(yīng)［J］.經(jīng)濟(jì)管理，2021，43（10）：5-23.

［39］卜令通，張嘉偉.基于PMC指數(shù)模型的數(shù)字經(jīng)濟(jì)政策量化評價(jià)［J］.統(tǒng)計(jì)與決策，2023，39（7）：22-27.

［40］袁淳，肖土盛，耿春曉，等.數(shù)字化轉(zhuǎn)型與企業(yè)分工：專業(yè)化還是縱向一體化［J］.中國工業(yè)經(jīng)濟(jì)，2021（9）：137-155.

［41］戴翔，馬皓巍.數(shù)字化轉(zhuǎn)型、出口增長與低加成率陷阱［J］.中國工業(yè)經(jīng)濟(jì)，2023（5）：61-79.

［42］江艇.因果推斷經(jīng)驗(yàn)研究中的中介效應(yīng)與調(diào)節(jié)效應(yīng)［J］.中國工業(yè)經(jīng)濟(jì)，2022（5）：100-120.

［43］劉姝雯，劉建秋，陽旸.企業(yè)金融化與生產(chǎn)效率：“催化劑”還是“絆腳石”［J］.南開管理評論，2023，26（1）：55-68.

［44］GHOSH D，OLSEN L. Environmental uncertainty and managers use of discretionary accruals［J］. Accounting Organizations and Society，2009，34（2）：188-205.

［45］申慧慧，于鵬，吳聯(lián)生.國有股權(quán)、環(huán)境不確定性與投資效率［J］.經(jīng)濟(jì)研究，2012，47（7）：113-126.

［46］張桅，胡艷.長三角地區(qū)創(chuàng)新型人力資本對綠色全要素生產(chǎn)率的影響——基于空間杜賓模型的實(shí)證分析［J］.中國人口·資源與環(huán)境，2020，30（9）：106-120.

［47］王小魯，樊綱，胡李鵬.中國分省份市場化指數(shù)報(bào)告（2018）［M］. 北京：社會科學(xué)文獻(xiàn)出版社，2019.

［48］金燦陽，徐藹婷，邱可陽.中國省域數(shù)字經(jīng)濟(jì)發(fā)展水平測度及其空間關(guān)聯(lián)研究［J］.統(tǒng)計(jì)與信息論壇，2022，37（6）：11-21.

［49］陶長琪，丁煜.數(shù)字經(jīng)濟(jì)政策如何影響制造業(yè)企業(yè)創(chuàng)新——基于適宜性供給的視角［J］.當(dāng)代財(cái)經(jīng)，2022（3）：16-27.

Empowering High-quality Development of Enterprises with

Data Assets： Optimization Mechanism of

Traditional Production Factors

Abstract：

In the era of the digital economy， accelerating the construction of Digital China and promoting high-quality development of the real economy are important engines for advancing Chinese modernization. Against this background， data is experiencing exponential growth， driving profound changes in social production and lifestyles. Enterprise data assets have also become a focal topic in academia. As a new factor of production in the digital economy era， data assets are embedded in various fields of the real economy， relying on data industrialization and industrial data-oriented businesses， serving as a key factor in talent upgrading， technological innovation， optimal capital allocation， and management efficiency improvement， thereby promoting high-quality development of enterprises.

Based on the data of A-share listed companies in Shanghai and Shenzhen Stock Markets from 2007 to 2022， this paper describes the data assets using text analysis， tests its influence on the high-quality development of enterprises and its mechanism of action， and identifies the regulatory effects in different external environments. It is found that data assets are the effective driving force of high-quality development. This conclusion is still valid after the robustness test and the endogeneity test. The mechanism test shows that the application of data assets can improve the development quality of enterprises through four channels： human resource optimization mechanism， capital allocation improvement mechanism， technology resource accumulation mechanism， and management resource efficiency mechanism. Further analysis shows that， for the areas with high environmental uncertainty， information level， marketization degree， and governments concern about the digital economy， data assets have a more significant role in promoting the high-quality development of enterprises. The conclusion of this paper provides a micro-theoretical basis and policy enlightenment for enterprises to use data assets to promote the optimization and upgrading of traditional production factors and achieve high-quality development.

The marginal contributions of this paper are as follows： firstly， in terms of research content， this paper examines the impact of data assets on the high-quality development of enterprises， not only providing a “new perspective” for high-quality development but also expanding the economic consequences of data assets from the dual attributes of “data” and “assets”. Secondly， in terms of variable measurement， this paper selects seed words based on the underlying logic of data asset “acquisition-processing-application”， uses the Autophrase method to construct a “data asset” text dictionary， and then mines textual information from annual reports through sentiment analysis to measure the level of enterprise data assets. Furthermore， the validity of this indicator is verified through feature word spectrum tests and comparative tests， providing useful references for innovating the measurement of enterprise data asset levels. Thirdly， in terms of analysis perspective and mechanism testing， this paper takes data assets as a new factor of digital economic development and the basic fact that they can substitute inputs and optimize resources for traditional production factors as a research starting point， providing evidence for the impact of enterprise data asset mechanisms on high-quality development through four channels： human resources optimization mechanism， capital allocation improvement mechanism， technological resource accumulation mechanism， and management resource efficiency enhancement mechanism， and further discusses the regulatory effects of regional and industry environments， providing theoretical support and empirical evidence for differentiated strategies for high-quality development of enterprises.

Key words：

data assets; high-quality development; traditional production factors; labor structure; capital allocation efficiency; technical level; management efficiency