數據要素價值化助力培育新質生產力

摘 要：新質生產力的根本特征之一就是數據生產要素通過創新全面賦能其他生產要素。隨著數據生產要素的引入，生產力三要素的內涵和外延都發生了不同程度的演變，傳統生產力躍變為新質生產力，而數據價值的應用是區分新舊生產力的關鍵。數據要素價值化是新質生產力發展的重要動力，為發展新質生產力所要面臨的技術創新、要素配置和產業轉型等難題提供了突破口。本文立足于數字經濟時代生產力三要素改變這一基本事實，以“數據集—數據資源—數據資產—數據資本”的數據全生命周期為基礎，從數據價值實現的視角出發，構建“價值形成—價值創造—價值實現—價值共享”的數據價值化理論框架。圍繞數據價值化這一進程，本文構建了包含“技術—人才—產業”三個層面的理論分析框架，以厘清數據要素價值化加快培育新質生產力的內在機理和實踐路徑。本文從交叉學科視角出發，針對數據確權、數據資產入表、估值、交易和數據資產證券化等關鍵問題，對完善中國數據基礎制度、優化營商環境和構建全國一體化數據要素市場提出了政策建議。

關鍵詞：數據價值化；新質生產力；數據資產；數據資本化

中圖分類號：F124 文獻標識碼：A 文章編號：1000-176X（2024）09-0048-13

一、問題的提出

每一個具有革命性的技術突破都會帶來新的生產要素和先進的生產力。工業革命以來，隨著蒸汽機、電力技術、信息通信技術和數字技術的發展，資本、知識、數據作為新的生產要素被引入生產函數，生產力依次經歷了馬力、電力、網力、算力的變革［1］。數字經濟時代，知識密集型的數字技術和智能系統成為新一代通用技術，生產力的三要素——勞動者、勞動資料和勞動對象同樣經歷了一系列重大變革，這些變革為經濟增長注入了新的活力。數據要素是數字經濟時代的關鍵要素，是形成新質生產力的核心組成部分。2023年10月，國家數據局正式揭牌，并于2024年1月印發《“數據要素×”三年行動計劃（2024—2026年）》，提出要充分發揮數據要素乘數效應，即通過數據要素價值化培育新質生產力。2024年7月，中國共產黨第二十屆中央委員會第三次全體會議通過《中共中央關于進一步全面深化改革 推進中國式現代化的決定》（以下簡稱《決定》），提出要加快形成同新質生產力相適應的生產關系，促進各類先進生產要素向發展新質生產力集聚，大幅提高全要素生產率。

中國新質生產力發展呈現高科技、高效率、高質量、可持續的特點。2012—2023年，中國科研經費占國民收入比重由1. 92%提高到2. 64%，高新技術企業由4. 50萬家增加到46. 50萬家，芯片自給率由15. 00%提高到40. 00%以上。同期單位國內生產總值能耗下降26. 80%，單位國內生產總值二氧化碳排放量下降35. 00%以上。新質生產力發展雖持續向好，也面臨著一些現實問題。一是技術研發滯后，創新能力不足。中國在半導體、芯片制造和高端設備等核心技術領域存在明顯瓶頸，2022年芯片自給率僅為約10%。二是生產要素配置不合理，人才數字素養亟待提升。創新需要大量資本投入，而融資渠道的不完善使初創企業和中小企業融資困難［2］；人工智能、芯片設計和生命科學等領域高端技術人才短缺限制了生產力的躍升。三是傳統產業轉型困難。傳統產業在向數字化、智能化轉型過程中因轉型能力不足、轉型成本過高、轉型陣痛期過長而面臨“不會轉、不想轉、不敢轉”的問題［3］，而產業鏈的不完善使部分新興產業對進口關鍵零部件和技術依賴度較高，影響了產業整體競爭力和抗風險能力。

數據是最具活力的生產要素，賦能傳統生產要素則產生乘數效應。數據要素歷經價值形成、價值創造、價值實現和價值共享，配合高質量的數據供給、便捷的數據流動和豐富的數據應用場景［4］，為新質生產力的培育提供了堅實的支撐和持續的驅動力。一是針對創新能力不足，數據價值化驅動的研發創新和開放共享推動了企業和科研機構的協同創新，幫助企業識別潛在的技術突破點，加速研發進程。例如，華為云的ModelArts平臺通過大數據分析和AI模型訓練服務，幫助企業快速實現技術創新，顯著提高了新質生產力的形成速度。二是針對要素配置不合理，數據要素通過與其他生產要素協同融合，推動了生產要素的創新性配置［2］，孕育出新質勞動資料、新質勞動對象和新質勞動力，推動新質生產力的涌現［5］。三是針對產業轉型升級，數據價值化推動企業實現智能化生產，提高了生產率和產品質量。抖音等平臺企業利用大數據分析消費者行為，幫助企業發現新的市場需求，推動傳統零售業向線上線下融合的新零售模式轉型，實現了商業模式的創新。總之，數據價值化驅動的研發創新、資源優化配置、智能制造和商業模式創新，為新質生產力面臨的技術創新、要素配置和產業轉型等難題提供了突破口，推動了新質生產力的持續發展。

數字經濟時代的到來使數字技術成為新的生產驅動力，數據作為新興生產要素，其價值化進程在推動新質生產力發展中發揮了關鍵作用。相對于數字技術、數據要素和數字經濟等話題，學術界圍繞數據價值化的概念、內涵以及其對新質生產力影響的研究起步較晚，特別是針對數據價值化加快培育新質生產力的機理和路徑研究更少。事實上，無論是從理論上探討數據價值化與新質生產力的內在統一性，還是從實踐中分析數據如何轉化為創新、高效和質優的生產力，都需要構建數據價值化的理論分析框架，對數據生產要素加快培育新質生產力的內在機理和實踐路徑進行深入分析。本文以數據全生命周期為基礎，從數據價值實現的視角出發，構建“價值形成—價值創造—價值實現—價值共享”的數據價值化理論框架。圍繞數據價值的合規化、標準化、場景化、市場化，從“技術—人才—產業”三個層面進行分析，旨在厘清數據要素價值化加快培育新質生產力的內在機理和實踐路徑，為構建高效、協同、安全的數據生態提供理論依據，也為新質生產力的發展提供一個有價值的研究視角。

二、數據價值化

數據要素的核心價值在于利用［6］，數據被視為是一種有價值的資產，具有非競爭性［7］、非消耗性、外部性、迭代積累性等特征。企業有動力將其所擁有的數據通過數字資產價值化，從而獲得競爭優勢［8］。數據資產是數據要素的表現形式，也是數據價值化的主要載體。2022年12月，《中共中央 國務院關于構建數據基礎制度更好發揮數據要素作用的意見》（以下簡稱《數據二十條》） 對構建數據基礎制度作出了全面部署，明確提出推進數據資產合規化、標準化、增值化，依法維護數據資源資產權益，探索數據資產入表新模式。2024年1月，財政部公布《關于加強數據資產管理的指導意見》（以下簡稱“ 《指導意見》”），提出以保障數據安全為前提，鼓勵合規數據資產進入交易和流通，進一步發揮數據資產價值。該意見明確了數據的資產屬性，為下一步數據的資本化、證券化奠定了基礎。

（一） 數據價值化的概念和內涵

關于數據價值化，國外學者從數據本身的特征出發，認為通過數據分析，人們能夠獲取信息、學習知識、預測未來，并給決策行為提供指導［9］，從而實現決策優化，提高組織管理效率，改進業務流程，優化供應鏈管理，并推動商品和服務創新［10-15］，獲取更多的效用［16］，進而創造更大價值［17-18］。國內學者則更關注數據的價值挖掘。因不同數據組合會帶來協調性和自主性，數據要素的報酬性質是基于具體場景的［19］。歐陽日輝和龔偉［20］認為供求關系也是定價的重要影響因素，因而應由市場去發現數據要素的價格。戎珂和陸志鵬［21］ 認為數據價值的實現存在制度、技術和市場三個方面的難點，其中制度難點體現在數據隱私、數據確權和數據監管，市場難點體現在數據標準化、數據定價和數據市場活躍度。尹西明等［22］認為數據價值化是一個動態整合過程，包括匯聚、確權、治理、交易和應用五個階段。蔡思航和翁翕［23］從流量、數據、創新和個性化服務四個角度提煉出數據要素的新商業模式。李海艦和趙麗［24］ 從數據價值形成、實現、確權和定價四個維度構建數據價值理論體系。

本文認為，數據價值化的本質是依托數據全生命周期的價值形成、價值創造、價值實現、價值共享過程，是推動數據要素協同其他生產要素集聚、向現實生產力轉化、提高全要素生產率的重要手段，是加速新質生產力形成的重要前提。

（二） 數據全生命周期

研究數據價值化應基于數據全生命周期活動。數據全生命周期活動囊括了數據如何從零散的單元經過資源整合形成數據要素產品，并通過數據管理手段實現數據價值化的過程。原始數據是數據的初始狀態，通過驗證數據來源的合法性和確權，可以生成數據集。對其進行收集、清洗和整理等程序性處理，可使其符合統一的標準和格式，使數據集轉化為數據資源。經過進一步賦能和評估，數據資源被視為可計量、可預期未來收益的資產，由此形成數據資產。通過市場流通和金融創新，數據資產進入資本化階段，轉變為可交易的數據資本。經過這些復雜的程序之后，數據不再只是內部使用的資源，更是能夠在市場上進行交易和投資的產品。

（三） 數據價值化進程

通過數據合規化、標準化、資產化、市場化的處理，數據要素的價值從無到有，在使用、流通和共享中不斷迭代。基于此，本文構建了一個包含“價值形成—價值創造—價值實現—價值共享”四階段的數據價值化進程分析框架，如圖1所示。圖1中的框架以保障數據安全和發揮數據價值為核心，目標是推動數據合規化、標準化、場景化、市場化。結合數據全生命周期的演進過程，深入探討數據資源歸屬和確權、數據資產確認和披露、數據整合管理和隱私保護、數據交易和證券化等關鍵問題，系統研究數據價值化的實踐路徑。

⒈價值形成：數據合規化

數據的“價值形成”是指通過數據合規化處理，確保數據來源清晰、歸屬明確，為后續的數據應用奠定基礎。這種高質量的數據更可靠，能夠為決策提供更有價值的支持。數據資源的高效開發、利用與流通有賴于明確的數據產權規則。《數據二十條》擺脫“一物一權”的傳統物權思維，創造性地提出資源持有權、加工使用權和產品經營權“三權分置”的中國特色數據產權制度框架，淡化所有權、強調使用權，聚焦于數據使用權流通，以期規避數據資產應用和交易時可能涉及的數據確權問題。《數據二十條》中規定的“三權”可以轉換為法律權利。橫向上，對數據與信息、數據的來源者與處理者、來源者所有權與處理者用益權進行分離，構建數據與其周邊概念的秩序層級理論；縱向上，按照數據價值創造的線性特點，將數據生成區分為數據資源采集、數據集合加工利用和數據產品經營三個不同階段，構建數據產權結構性分置理論。

⒉價值創造：數據標準化

數據的“價值創造”是指通過數據標準化處理，提高數據的一致性和可靠性，促進數據在業務中的高效利用。標準化后的數據資產能夠為企業帶來經濟利益，因而會計核算應將其納入資產范疇。數據資產的質量、稀缺性、時效性和應用場景決定了數據資產的價值，但采用窮舉法確定數據資產的入表方法并不切合實際，現階段進行數據資產入表時，應在厘清數據資產來源、授權、成本歸集體系的基礎上，使用場景化思維模式，快速迭代，小步快跑，以終為始，在會計準則的框架下構建差異化解決方案，逐步推動數據標準化的實現。

⒊價值實現：數據場景化

數據的“價值實現”是指通過數據場景化應用，將數據用于特定的業務環境和實際操作中，挖掘數據潛在的商業價值和決策支持功能，使其在實際業務中產生實質性價值。數據場景化應用的關鍵在于將抽象的數據轉化為能夠直接用于實際操作的信息和知識，進而優化業務流程，提高生產率和決策質量。通過有效的數據場景化應用，企業可以實現數據價值的最大化，推動業務創新和持續增長。在具體業務場景中，企業需對數據進行分類分級管理，識別和保護敏感數據，防止數據泄露和濫用。同時，還需加強數據使用的透明度和用戶隱私保護，確保數據的合規使用，為企業帶來新的利潤增長點。

⒋價值共享：數據市場化

數據的“價值共享”是指通過數據市場化手段，使數據在更大范圍內交易和流通。數據市場化是實現數據增值的重要途徑，通過將數據資產作為商品進行交易和流通，利用市場供需關系最大化地釋放數據的商業價值。數據資產也可以轉化為可交易的金融證券，企業可以將其擁有的數據資產進行整合并在金融市場上進行發行和交易。通過數據資產證券化，企業可以籌集資金、分散風險、提升數據資產的流動性。建立數據要素市場對數據市場化至關重要，因為它能夠簡化交易流程，提高數據流動性，提高數據質量，促進數據創新，增強數據隱私和安全保護，有助于構建一個透明、高效、可靠的數據經濟生態系統。一個數據價值化的實際案例來自上市公司山東卓創資訊（301299），該公司專注于大宗商品市場數據監測和行業數據分析服務，其2024年上半年報顯示，研發支出中入表的資本化金額為1 972. 21萬元。由于數據資源入表，帶來營業成本下降10. 58%、凈利潤增長38. 19%。

三、數據價值化加快培育新質生產力的內在機理

新質生產力是在數字經濟條件下實現傳統生產力質的飛躍，它是在馬克思生產力理論的基礎上，結合中國具體實踐提出的理論創新［25］。習近平總書記強調：新質生產力的特點是創新，關鍵在質優，本質是先進生產力。全要素生產率的提高是新質生產力進行價值創造的關鍵表現，技術創新和生產要素的創新配置是新質生產力進行價值創造的根本動力，產業的深度轉型和升級是新質生產力進行價值創造的重要途徑。數據作為核心生產要素，通過價值形成、價值創造、價值實現和價值共享，顯著推動了新質生產力的發展。微觀層面上，通過對數據的有效利用，企業可以優化資源配置、提高生產率、創新業務模式；宏觀層面上，通過整合技術鏈、人才鏈和產業鏈，推動生產力三要素的革新，能夠加快培育新質生產力，實現經濟高質量增長和社會進步。

（一） 從生產力到新質生產力

創新驅動是新質生產力“新”的關鍵，高質量發展是新質生產力“質”的錨點［26］。科技進步不再只作為一種具體的生產投入推動經濟發展，而是通過滲透深刻融入其他生產要素和生產過程，賦能生產力［25］。新質生產力是生產方式朝數字化方向發展變革的結果，其本質是數字技術融入勞動者、勞動資料和勞動對象等生產力要素，數據成為許多產品使用價值的重要來源［27］。生產力是人改造自然的能力，是社會創造財富的動能。在數字經濟時代，數字技術的創新拓展了勞動者和勞動資料的邊界，豐富了對勞動對象的改造方式，在商業模式和業態的創新中，通過對技術鏈、人才鏈和產業鏈的改造和滲透，加快培育了創新、高效、質優的新質生產力，為經濟增長帶來新的驅動力。

⒈誰來改造：勞動者

勞動者的角色從傳統的體力勞動者轉變為與智能技術深度協作的創新驅動者，隨著自動化設備和人工智能逐漸接管單調的工作，創造性勞動者的獨特價值日益顯現。具備數字素養的勞動者是新興數字技術在研發與應用過程中不可或缺的支DMZHHrPwoisQxqZrkmkJLg==持性資源，在數據分析、技術研發和創新管理等方面發揮著不可替代的作用。創造性勞動者不僅是執行任務的人員，更是能夠在復雜環境中提出新想法、解決問題并推動創新的關鍵人才，形成了新的智力資源。各國的人工智能研究團隊通過深度學習技術不斷推出新的商品和服務。例如，在武漢試運營的無人駕駛出租車“蘿卜快跑”雖然沒有駕駛員這樣的勞動者，但在運營前期籌備中需要大量高水平、創造性勞動者的持續智力投入。

⒉如何改造：勞動資料

從傳統的工具和機器到無形的數字技術，勞動資料的形態和功能得到了極大的增加和擴展。大數據、算法和人工智能等數字技術使企業能夠更快速、更準確地響應市場變化，優化了企業的決策過程。例如，貴州榕江借助“村超”足球賽提出“手機變身新農具、數據變成新農資、直播成為新農活”，實現了農業生產資料的數字化升級。此外，物聯網、區塊鏈、虛擬現實和元宇宙等新興技術進一步優化了企業的生產和管理機制。例如，西門子利用物聯網技術在其智能工廠中實現了實時監控和數據收集，大幅提高了流程透明度和生產率。Ripple通過其區塊鏈平臺實現了對全球跨境支付的快速和安全處理。

⒊改造什么：勞動對象

數字化重構了服務內容以及服務與消費之間的連接方式，擴大了勞動對象的范疇。服務內容首先被數字化，以虛擬化的形式在服務器上存儲并在網絡上得以呈現，不僅滿足了通用性，而且由于其可復制、可存儲和可轉移的特征，服務業新增了規模經濟特征，傳統的面對面服務逐漸被跨越時間和空間界限的商品和服務形式所取代。這種模式不僅提高了資源配置效率，還能為消費者提供更加便捷和個性化的服務。例如，抖音利用其精準算法，為用戶提供“千人千面”的商品和服務，提升了用戶體驗和滿意度。在工業領域，智能制造和自動化技術的應用使生產率大幅提高，生產線能夠快速響應市場需求，進行小批量、多品種的柔性生產。同時，虛擬現實和增強現實技術加速了新產品的設計和開發周期，使企業能夠更快地推出創新產品，適應市場變化。在農業領域，通過精準農業和智能設備的應用進行病蟲害防治和營養管理，提高了農產品的整體質量，數據價值化為農業領域創造了新的資源［28］。電子商務平臺的應用使農民可以直接面向消費者銷售農產品，提高了產品附加值和農民收入。

（二） 數據要素價值化推動傳統生產力成為新質生產力

生產要素需要依據時代的經濟形態進行配置，才能提高生產力。新質生產力的形成依賴于數據的賦能。數字技術通過對勞動資料和勞動對象的數字化和智能化，使數據成為生產力的關鍵要素。數據不僅提高了生產率，還創造了新的經濟價值，通過優化生產過程和推動創新，促進了新質生產力的發展。蔡繼明等［29］基于廣義價值論得出結論，數據要素通過提高絕對生產力進而提升部門綜合生產力和比較生產力，從而導致價值量的增加。Cong等［30］將消費者產生的數據納入知識積累過程，構建了一個新的內生經濟增長模型，發現數據通過知識積累產生溢出效應，推動了經濟增長。鄭磊［31］及史丹等［32］認為數據要素價值實現的路徑包含傳統生產和數據要素賦能生產兩種方式。戚聿東和沈天洋［33］認為數字技術憑借滲透性、協同性、替代性和創造性等技術經濟特征形成與新質生產力相匹配的產業體系。數據作為新質生產力的核心要素，其價值化進程推動其他生產要素向新質生產力集聚，在勞動資料的智能化、勞動對象的信息化和勞動者數字化三個方面對生產力的躍升產生深刻的影響，使新質生產力能夠在數字經濟背景下實現更高效的價值創造。數字經濟時代的生產力三要素與數據價值化過程相互交織，共同推動了經濟的數字化轉型和增長。圖2展示了數據價值化對新質生產力形成的促進作用。通過數據合規化形成價值、通過數據標準化創造價值、通過數據場景化實現價值、通過數據市場化共享價值，數據價值化加速了其他生產要素向新質生產力的集聚。數據生產要素與土地、資本、勞動和知識等其他生產要素融合，通過建設數字基礎設施和發展突破性數字技術推動科技創新，通過培育創造性勞動者和數字技術進步提高生產率，通過產業融合和數字化轉型促進產業創新和升級，從技術鏈、人才鏈和產業鏈三條路徑推進生產力三要素革新，最終加快了高效率、高質量、可持續的新質生產力形成。

⒈“四化”遞進，演化生產力的“新”錨點

第一，數據價值形成始于數據合規化。數據合規化確保數據使用符合法律法規和行業標準，可以有效保護數據安全，減少數據泄露和濫用的風險，增強用戶和企業的信任，這對新質生產力的提升至關重要。數據合規化有利于提升勞動者的技能和知識水平，保障勞動資料的數據安全，保護勞動對象的數據隱私。

第二，數據價值創造來自數據標準化。標準化的數據結構簡化了數據分析和處理流程，減少了數據清洗和轉換時間，提高了數據分析的質量和效率。標準化的數據使勞動者能夠更高效地處理和分析數據，減少了因數據形式不一致導致的時間浪費。數據標準化推動了數據管理和分析工具的優化和創新，提升了勞動資料的有效性和兼容性。

第三，數據要素的價值實現于數據場景化。通過精準對接數據與應用場景，可以實現數據的最大化價值，提高決策的精準性和操作的效率。這種針對性的數據應用不僅優化了資源配置，還促進了新業務模式的創新和既有流程的改進。數據場景化增強了勞動者的專業技能，提升了勞動資料的實用性，豐富了勞動對象的互動體驗。

第四，數據價值共享基于數據市場化。數據市場化將數據作為經濟資源進行交易和利用，激發了數據驅動的創新活動。數據市場化激發了勞動者的創新動力，優化了勞動資料的配置，為勞動對象帶來了新產品和新服務，滿足了勞動對象的多樣化需求。

總體來看，數據合規化保障數據安全和隱私，提高數據質量。數據標準化和數據場景化與數據合規化相輔相成，分別通過統一數據格式、簡化數據處理流程、提高數據互操作性以及將數據應用于特定業務場景中，增強了數據的實際價值。數據市場化則通過將數據視為經濟資源進行交易，進一步優化了數據的實際應用，提高了效率，并推動了數據驅動的創新活動。合規化、標準化、場景化、市場化四者協同作用，推動了新質生產力的發展，形成了高科技、高效率、高質量、可持續的經濟發展模式。

⒉“三鏈”協同，推動生產力的“新”變化

數據價值的重要載體是數據資產和數據資本，二者通過對技術鏈、人才鏈和產業鏈的改造和滲透，帶來了生產力的質躍，推動了高科技、高效率、高質量新質生產力的形成。

第一，技術鏈。數字技術的創新和應用是新質生產力的“靈魂”，是生產力“起飛的翅膀”。數據資產化為企業帶來了新的收入來源，數據證券化為企業提供了新的融資方式。區塊鏈技術能夠確保數據交易的透明性和安全性，增強數據證券化的可信度和可操作性；智能合約技術的自動化和標準化能夠優化交易流程，降低交易成本，提高交易效率。

第二，人才鏈。熟練掌握新知識和新技能的勞動者是新質生產力的“大腦”，是生產力“起飛的動力”。復合型人才的教育、培訓和培養不僅能夠提升各行業的整體專業性，還能為生產力發展提供人力資本支持。

第三，產業鏈。深度分工協作和融合的產業鏈是新質生產力的“雙手”，是生產力“起飛的跑道”。產業鏈上下游企業間的數據互通、共享和協作，優化了資源配置，提高了產業鏈的整體生產率。基于數據資產的創新商業模式，如精準營銷、供應鏈優化和智能制造，能夠推動傳統產業的數字化轉型和升級，提高產業的整體競爭力和生產力。

總體來看，數字經濟不僅改變了生產力三要素，還深刻影響了生產關系和社會結構。這種變革推動了經濟模式的轉型，創造了更多的機遇和挑戰。因此，科學認識、高效利用這種數字變革正是發展先進生產力、推動經濟高質量發展的重要手段。構建數據價值化研究框架是理解和把握數字變革的重要方式，本文從“技術—人才—產業”三個層面分析數據“價值形成—價值創造—價值實現—價值共享”四個階段如何推動新質生產力的發展，為中國在時代變革中政策的制定和實施提供理論依據，也為新質生產力的發展奠定了基礎。

⒊典型案例：南網與氣象數據

中國南方電網有限責任公司（下文簡稱“南網”） 在電力行業中率先將氣象數據應用于電網運行管理，實現了前瞻性預測和風險規避，極大地提高了電網的安全性和可靠性。2008年1月，中國南方發生嚴重的凍雨災害，導致大范圍電力中斷和基礎設施損毀。南網通過深入分析氣象數據，提前預測并采取了防范措施，成功減少了自然災害帶來的損失，保障了電網的穩定運行。這一實踐展示了數據價值化在電力行業中的深遠影響，揭示了數據驅動如何加快培育新質生產力。通過對氣象數據的有效利用，南網大幅提升了預見性和應變能力。如今，南網不僅將氣象數據用于災害預警，還將其融入電力負荷預測、供需平衡調度等關鍵環節。精準的氣象預測使南網能夠更加合理地調度電力資源，降低不必要的損耗，全面提高運營效率。這種基于數據的高效運營，正是新質生產力的體現，為企業提升持續創新能力奠定了基礎。

四、數據價值化加快培育新質生產力的實踐路徑

數據價值化過程，實質上是數據要素在經濟活動中逐漸成為核心生產力的過程。數據價值的“價值形成—價值創造—價值實現—價值共享”過程決定了如果要從“技術—人才—產業”三個層面發揮數據價值化對新質生產力的賦能作用，就必須在保證數據供給、保障數據質量和保護數據安全的前提條件下，從完善數據基礎制度、優化營商環境和構建全國一體化數據要素市場三個方面加快新質生產力的培育和發展。

（一） 價值形成：規則清晰、流程規范、公平監督的數據基礎制度

建立規則清晰、流程規范、公平監督的數據基礎制度是夯實數據價值形成的基石。明確的數據產權、數據流通和隱私保護政策有助于消除數據交易和使用過程中的不確定性，是數據價值創造的重要前提。通過制定嚴格的數據管理規則，數據的采集、存儲、處理和流通得以標準化，進一步提高了數據的質量和可信度。這種可信賴的數據環境會吸引更多的企業和個人參與其中，促使數據生態系統擴展和優化，形成數據價值化的堅實基礎。通過數據價值化的實現，新質生產力將進一步得到發展和提升，助力經濟體系的全面升級和轉型。

⒈數據來源清晰、歸屬明確：夯實數據資產的合法性和可信度

數據價值化的首要前提是數據來源的清晰性和產權的明確性，通過合規與確權，數據資源被賦予法律保障，使數據資產可以安全、合法地參與市場交易。數據資產化是數據資源向資本化財產轉化的過程，這一過程的核心在于數據的合法性、真實性和安全性。由于數據的無形性，證明數據的合法控制權一般通過數據資產登記或訪問控制技術實現。數據資產登記能夠形成可識別的數據權利憑證，實現數據資產的唯一性。事實上，數據資產登記平臺在實踐中已開始運營。2015年5月，中關村數海數據資產評估中心有限公司成立，其是中國首家數據資產登記平臺。2022年11月，全國數據資產登記服務平臺成立，并開創性地使用了區塊鏈技術提供可溯源、防篡改的鏈上登記服務，實現數據資產登記的互相認證。2024年1月，浙江大數據交易中心有限公司通過數據產品交易憑證完成了浙江首單制造業數據產品交易。這一環節不僅賦予了數據資產合法性和市場價值，還為后續數據標準化、場景化、市場化奠定了基礎，為新質生產力的形成提供了可靠的要素支撐。

⒉數據資產的確認、計量和披露：推進數據價值的標準化和市場化

數據資產是企業合法持有的、預期為企業帶來經濟收益的數據資源。《指導意見》規定，企業可根據實際情況自愿披露數據資源的應用場景。從具體操作思路來看，目前得到較多認可的是包括合規與確權、有效治理和管理、預期經濟效益、成本可靠計量和列表披露的數據資產入表“五步法”。截至2024年6月底，在A股上市的5 000多家企業中，有25家上市公司披露了數據資源入表的相關事項。這既是對數據資源本身的認知提升，更是為企業帶來了價值重構的機會。企業通過數據資源的披露，可以更全面地反映自身的資產價值，在資本市場中獲得更多資源支持。通過評估預期經濟效益，數據資源不僅展現出短期經濟價值，還具有可持續發展的潛力。這種潛力通過市場認可和資本化操作，可以轉化為企業發展的新動能，進而推動新質生產力的形成。

（二） 價值實現：促進企業經營和決策優化的營商環境

數據價值實現的核心是將數據從抽象的概念轉化為實際可操作的信息和知識，以優化業務流程、提高生產率以及提高決策質量。數據在場景化應用中的價值實現不僅推動了企業內部流程的優化，還提升了決策的精準性和科學性，為企業營造了一個更良好的經營環境。經營環境的改善反過來也推動了企業競爭力提升，形成了數據價值與企業成長之間的良性循環。良好的營商環境是數據價值化的關鍵助推器，而數據價值化又是加快培育新質生產力的重要路徑。一個開放且支持創新的營商環境能夠為企業提供必要的基礎設施、法律保障、市場規范和創新空間，使數據能夠高效地流動和應用，有效減少信息不對稱，使企業能夠獲得更加精準的信息、更好地配置資源、更有動力去探索和利用新技術，不斷優化其經營模式和決策流程，從而實現新質生產力的加速培育。近年來，中國高度重視有利于數據創新和數據要素市場化發展的營商環境的建設。以國家級大數據綜合試驗區為例，2016年2月，首批國家級大數據綜合試驗區在貴州、北京、上海、天津、重慶、河北、廣東等省市啟動。這些試驗區通過先行先試，探索數據資源開放共享機制，為數據作為生產要素的市場化提供了制度保障和實踐經驗，也為優化全國營商環境奠定了基礎。

（三） 價值共享：全國一體化數據要素市場

全國一體化數據要素市場是實現數據價值共享的重要途徑，各自為政的數據管理模式已經難以適應現代化的數據大生產、大集中、大流通、大服務的要求。通過建立全國性、區域性、行業性的數據要素市場，使各行各業能共享數據資源，加速其他生產要素向新質生產力的集聚，從而推動傳統生產力向新質生產力躍升。《決定》提出要構建全國統一大市場，培育全國一體化技術和數據市場，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。“全國統一大市場”強調的是建立一個覆蓋全國范圍的、規則一致、標準統一的市場體系，促進要素的自由流動和資源的高效配置，而“全國一體化市場”則強調不同地區和行業的市場深度整合與協同發展，形成一個有機聯系、相互作用的整體。在技術市場和數據市場的語境中，數據是技術研發和應用的重要基礎，而技術又是推動數據開發、分析和應用的關鍵手段。因此，“全國一體化技術和數據市場”并非獨立建設技術市場和數據市場，而是將二者視為一個互為依托的整體，在一體化的框架下進行同步規劃和建設，實現市場間的協同和整合，最終形成一個全國范圍內高效、開放、共享的綜合性市場體系。在全國范圍內實現技術和數據的自由流通和高效利用，促進技術創新，推動產業升級，實現新質生產力的跨越發展。

⒈統一的技術標準，明確的市場交易規則，全國性的交易平臺

全國一體化技術和數據市場的愿景是構建一個高度協同、標準統一、資源共享的市場體系，使技術和數據要素能夠在全國范圍內自由流通和高效配置。一是建立全國統一的數據標準，確保不同地區和行業間的數據和技術資源可以無障礙互通。二是制定明確的市場規則和法規，保障技術和數據交易的合法性和透明性。三是建立和完善全國性的技術和數據交易平臺，實現數據和技術資源的高效共享。這些平臺應具有互聯互通的功能，能夠支持跨行業、跨區域的數據和技術交易，實現技術和數據資源在全國范圍內的自由流動和優化配置，使資源能夠根據市場需求進行最優分配，避免重復建設和資源浪費。實踐中，數據作為資產進行交易的嘗試一直在進行。建立標準化的數據交易平臺，提供數據交易的法律和技術保障，促進數據資源流通和共享，有助于數據要素從“資源”向“資本”演進。目前各地籌建的數據交易所，如上海數據交易所、貴陽大數據交易所等，已經具備數據資產交易的基礎條件。

⒉政府支持，創新驅動，區域合作和跨行業協作

政府需要提供政策支持，確保一體化市場的健康發展，并通過完善的監管機制維護市場公平。加快構建支持數據流通的基礎設施，如數據中心、云計算平臺和區塊鏈網絡，確保技術和數據資源在全國范圍內快速傳輸和共享，能夠為一體化市場提供必要的技術支撐。加強對技術和數據領域人才的教育培訓，優化人才資源的配置，確保市場一體化順利推進。推動東、中、西部地區和各行業間的合作，共享技術和數據資源，促進區域協同發展。同時，鼓勵跨行業的技術和數據融合，探索新的商業模式和創新路徑。跨行業的數據合作可以打破信息壁壘，促進不同領域的知識和技術融合。例如，智慧城市系統中的交通數據、環保數據和公共安全數據的互聯互通，可以更高效地解決城市管理問題，提高城市運行效率。

⒊數據資本化與金融創新：釋放數據資源的經濟潛力

數據價值化的實質在于數據資源的資本化，通過市場交易和金融創新手段，使數據資產得以保值增值。數據要素的金融屬性是實現數據價值拓展的重要因素［34］，傳統的金融工具需要為數據資產進行更新［35］。數據質押貸款、數據信托和數據證券化等金融工具，推動了數據資源經濟價值的拓展。這一過程將數據資源的潛在經濟價值轉化為實際的市場收益，推動了數據驅動的創新活動，為新質生產力的跨越式發展提供了堅實的資金支持。

第一，數據質押貸款。一些銀行已經開始嘗試將企業擁有的數據資產作為質押物，為企業提供融資服務。數據抵押貸款模式正逐步在全國鋪開。例如，2024年2月，中國工商銀行推出數據資產融資授信服務，南方財經全媒體集團將其“資訊通”數據資產作為抵押，獲得了500萬元授信額度。

第二，數據信托。數據信托是數據持有者將數據權益作為信托財產，轉讓信托受益權以獲得現金收入的一種金融產品。信托公司作為受托人，通過數據服務商對特定數據資產進行管理，產生收益后向社會投資者分配信托利益。2024年2月，杭州工商信托股份有限公司推出“杭工信·數金晟1號”數據信托產品，其委托財產是在動產融資統一登記平臺完成登記的數據服務收益權。數據信托模式在維護數據主體權益的同時，推動了數據流通，有利于進一步發揮數據價值。例如，韓國個人數據管理（MyData） 模式進展迅速，根據Ubivelox公司估計，目前韓國MyData市場規模為176. 50億美元，預計2025年將增長到271億美元。

第三，數據證券化。數據證券化是以數據業務的穩定現金流為基礎，發行證券產品進行融資。實踐中，國際上數據資產證券化的嘗試已經取得了一些進展。一些科技公司通過將用戶數據作為資產進行證券化，實現了資金的募集。例如，2024年4月，Vantage 數據公司通過將位于英國卡迪夫的兩個數據中心證券化，獲得了巴克萊銀行的6億英鎊融資，這是英國第一筆以基礎資產為數據載體的抵押證券。中國數據資產證券化尚處于探索階段。2023年7月，杭州高新金投控股集團有限公司發行了數據知識產權定向資產支持票據，發行金額為1. 02億元，其基礎資產包括發明專利、數據知識產權等。這些嘗試初步展示了數據資產證券化的潛力，但數據資產證券化仍面臨著市場認知度低、法律法規不完善和數據安全風險等問題的制約。

數據資本化的核心在于將數據資源轉化為可以進行市場交易的資產，并通過各種金融工具實現數據的保值增值。這一過程依賴于一個標準、規范和統一的市場環境。通過數據質押貸款、數據證券化等金融工具，數據資源從靜態的資產轉變為具有流動性的資本。隨著這些金融工具在全國范圍內的推廣和應用，數據資本化促進了市場的活躍度和流動性，增加了市場交易的頻次和規模，為一體化市場的繁榮發展奠定了基礎。數據資本化帶來的金融創新，激發了市場主體的積極性和創造力，促進了數據驅動的商業模式創新。數據資本化的成功案例，如數據證券化，不僅增加了市場的金融產品種類，還為一體化市場中的各類企業和投資者提供了更多的選擇和機會，推動了市場的多元化發展。數據資本化、全國一體化技術和數據市場建設，將共同提高數據資源在現代經濟中越來越重要的地位，并為培育新質生產力打下更堅實的基礎。

五、結 語

本文構建了數據價值化理論創新體制機制框架，核心是以數據價值化來培育新質生產力，而數據資產是數據價值化的重要載體。2024年是數據資產入表元年，企業、政府和第三方服務機構已經開始了相關實踐。由于數據資產具有不同于傳統資產的特征，在法律法規、會計準則、金融估值方法等方面亟待構建全新的、與數字經濟時代相適應的理論框架。未來在釋放數據價值、培育新質生產力方面可以從以下方面入手。

第一，完善數據價值化的基礎法律法規體系。應建立規則明確、流程規范的數據基礎制度，進一步明確數據產權、數據流通和隱私保護政策，設立國家級數據資產登記平臺，規范數據資產的確認、計量和披露流程，確保數據交易的合法性與真實性。

第二，關注數據資產安全，通過區塊鏈確保資產真實。嚴格按照“原始數據不出域、數據可用不可見”的要求推進數據資產化。數據資產和知識產權均是無形的，為了防范虛假信息、數據欺詐、濫用盜用，可以引入分布式記賬技術來實現數據資產確權，以區塊鏈技術來確保數據資產的價值實現。

第三，注重公共數據資產價值的釋放。公共數據的持有方是政府和公共機構，開發利用價值更大。通過對敏感信息的有效過濾清洗，可形成高價值的標準化數據資產，助力新質生產力發展。同時應以合理程序避免虛增公共數據資產價值，在推進公共數據資產有條件、有償使用過程中，不得影響用于公共治理、公益事業的公共數據有條件、無償使用，防范政務數據資產化誘發“數據財政”的沖動。

第四，堅持創新與包容審慎相結合，規范數據要素價值化進程。數據生產要素與勞動力、資本、土地、知識、技術和管理等生產要素的深度融合，加快培育了新質生產力，這一進程已經啟動，未來需要依靠企業、政府和社會各界共同努力，通過政策支持、技術創新和市場化運作，實現數據價值的最大化，促進新質生產力的健康發展。

第五，加強人才培養與區域合作。加強對技術和數據領域人才的教育培訓，優化人才配置，支持區域間和跨行業的數據合作，促進數據資源的共享與協同發展，為新質生產力的培育創造有利條件。

參考文獻：

［1］ 劉志彪，凌永輝，孫瑞東. 新質生產力下產業發展方向與戰略——以江蘇為例［J］. 南京社會科學，2023（11）：59-66.

［2］ 歐陽日輝. 激活數據要素價值發展新質生產力［J］. 人民論壇，2024（11）： 76-79.

［3］ 孫偉增，毛寧，蘭峰，等. 政策賦能、數字生態與企業數字化轉型——基于國家大數據綜合試驗區的準自然實驗［J］. 中國工業經濟，2023（9）： 117-135.

［4］ 歐陽日輝. 數據是新質生產力的引擎［J］. 科技與金融，2024（5）： 2-6.

［5］ 張夏恒，劉彩霞. 數據要素推進新質生產力實現的內在機制與路徑研究［J］. 產業經濟評論，2024（3）：171-184.

［6］ 王利明. 論數據權益：以“權利束”為視角［J］. 政治與法律，2022（7）：99-113.

［7］ JONES C I， TONETT C. Nonrivalry and the economics of data［J］. American economic review， 2020， 110（9）：2819-2858.

［8］ BRINCH M， GUNASEKARAN A， WAMBA S F. Firm?level capabilities towards big data value creation［J］. Journal of business research， 2021， 131： 539-548.

［9］ GOLDFARB A， TUCKER C. Digital economics［J］. Journal of economic literature， 2019， 57（1）： 3-43.

［10］ AKTER S， HOSSAIN M A， LU Q， et al. Big data?driven strategic orientation in international marketing［J］.International marketing review， 2021， 38（5）： 927-947.

［11］ GARCIA?ARROYO J， OSCA A. Big data contributions to human resource management： a systematic review［J］.The international journal of human resource management， 2021， 32（20）： 4337-4362.

［12］ DUBEY R， GUNASEKARAN A， CHILDE S J， et al. Big data and predictive analytics and manufacturing performance： integrating institutional theory， resource?based view and big data culture ［J］. British journal of management， 2019， 30（2）： 341-361.

［13］ BRINCH M. Understanding the value of big data in supply chain management and its business processes： towards a conceptual framework［J］. International journal of operations & production management， 2018， 38（7）：1589-1614.

［14］ MARTENS D， PROVOST F， CLARK J， et al. Mining massive fine?grained behavior data to improve predictive analytics［J］. MIS quarterly， 2016， 40（4）： 869-898.

［15］ SULTANA S， AKTER S， KYRIAZIS E. How data?driven innovation capability is shaping the future of market agility and competitive performance？［J］. Technological forecasting and social change， 2022， 174： 121260.

［16］ GOLDFARB A， TUCKER C. Digital economics［J］. Journal of economic literature， 2019， 57（1）： 3-43.

［17］ PIGNI F， PICCOLI G， WATSON R. Digital data streams： creating value from the real?time flow of big data ［J］.California management review， 2016， 58（3）： 5-25.

［18］ FARBOODI M， VELDKAMP L. Data and markets［J］. Annual review of economics， 2023， 15（1）： 23-40.

［19］ 熊巧琴，湯珂. 數據要素的界權、交易和定價研究進展［J］. 經濟學動態，2021（2）： 143-158.

［20］ 歐陽日輝，龔偉. 基于價值和市場評價貢獻的數據要素定價機制［J］. 改革， 2022（3）：39-54.

［21］ 戎珂，陸志鵬. 數據要素論［M］. 北京：人民出版社，2022：88-100.

［22］ 尹西明，林鎮陽，陳勁，等. 數據要素價值化動態過程機制研究［J］. 科學學研究，2022，40（2）： 220-229.

［23］ 蔡思航，翁翕. 一個數據要素的經濟學新理論框架［J］. 財經問題研究，2024（5）： 33-48.

［24］ 李海艦，趙麗. 數據價值理論研究［J］. 財貿經濟，2023，44（6）： 5-20.

［25］ 魏崇輝. 新質生產力的基本意涵、歷史演進與實踐路徑［J］. 理論與改革，2023（6）： 25-38.

［26］ 劉洋，李浩源. 新質生產力賦能高質量發展的邏輯理路、關鍵著力點與實踐路徑［J］. 經濟問題，2024（8）： 11-18+129.

［27］ 石先梅. 數字勞動的一般性與特殊性——基于馬克思主義經濟學視角分析［J］.經濟學家，2021（3）： 15-23.

［28］ HACKFORT S. Digital technology and power in agriculture： technology development， DEV， and sustainability narratives in Germany［C］. Conference Paper for APSA 2022 in Montreal， 2022.

［29］ 蔡繼明，劉媛，高宏，等. 數據要素參與價值創造的途徑——基于廣義價值論的一般均衡分析［J］. 管理世界，2022，38（7）： 108-121.

［30］ CONG L W， XIE D， ZHANG L. Knowledge accumulation， privacy， and growth in a data economy［J］.Management science， 2021， 67（10）： 6480-6492.

［31］ 鄭磊. 數據重塑生產力——數據要素嵌入生產函數初探［J］. 東北財經大學學報， 2024（3）： 86-96.

［32］ 史丹，何輝，薛欽源. 數據分類分級制度與數據要素市場化：作用機制、現實困境和推進策略［J］. 福建論壇（人文社會科學版），2024（4）： 58-76.

［33］ 戚聿東，沈天洋.人工智能賦能新質生產力：邏輯、模式及路徑［J］.經濟與管理研究，2024，45（7）： 3-17.

［34］ 金騁路，陳榮達. 數據要素價值化及其衍生的金融屬性：形成邏輯與未來挑戰［J］.數量經濟技術經濟研究，2022，39（7）： 69-89.

［35］ VELDKAMP L. Valuing data as an asset［J］. Review of finance， 2023， 27（5）： 1545-1562.

（責任編輯：韓淑麗）