數據資源賦能企業新質生產力發展：理論邏輯、現實約束與提升路徑

中圖分類號：F014.1 文獻標識碼：A

0 引言

2023年9月，習近平總書記在黑龍江考察期間首次提出“新質生產力”。2024年《政府工作報告》在部署全年十大任務時，將“加快發展新質生產力\"放至首位。黨的二十屆三中全會提出，“健全因地制宜發展新質生產力體制機制”，“推動技術革命性突破、生產要素創新性配置、產業深度轉型升級，推動勞動者、勞動資料、勞動對象優化組合和更新躍升”。新質生產力是以未來科技創新作為主導力量的生產力，其形成和發展是大數據、云計算、人工智能等諸多新興技術聚集在一起持續發揮作用的結果。縱觀人類社會發展史，生產力躍遷與生產要素革新是創造社會財富、推動人類文明的決定性力量與動力源泉。人類社會在不同階段通常表現出不同的生產力形式，并與不同生產要素相綁定。在農業經濟時代，土地和勞動力是核心要素；在工業經濟時代，資本加入到核心要素行列；進入數字經濟時代，數據作為新型生產要素，能夠多場景應用、多主體復用，提高其它生產要素投人產出效率，成為驅動新質生產力的強大力量。

為激活數據要素潛能，數據正在不斷地被挖掘、分析并創造價值，并逐漸成為決定企業核心競爭力的關鍵性生產要素和戰略性新型資源。企業通過獲取和開開放科學（資源服務）標識碼（OSID）：文章編號：1001-7348（2025）11-0022-10發數據資源，將其應用于研發、生產、供應鏈和組織管理等各個場景，徹底顛覆傳統生產管理模式，充分發揮數據資源提升生產力的乘數效應。政策方面，中共中央、國務院印發《關于構建更加完善的要素市場化配置體制機制的意見》，明確將數據作為繼土地、資本、勞動力、技術之后的第五大生產要素；國家數據局等十七部門印發的《“數據要素 x ”三年行動計劃（2024—2026年）》進一步強調要發揮數據要素的倍乘與放大作用；財政部印發的《企業數據資源相關會計處理暫行規定》正式將數據資源作為資產納入會計處理范圍。已有研究從宏觀層面探討數字經濟、數據要素、數字化轉型對新質生產力的促進作用，鮮有文獻從微觀層面考察新質生產力的形成過程。企業作為經濟體系中的微觀主體，不僅是商品與服務的生產者，也是生產要素的需求者，同時還是推動經濟高質量發展的關鍵力量[]。生產力發展的動力和效果歸根結底要通過各種類型的企業展現，因此有必要立足微觀企業視角，探討數字經濟時代下數據資源如何賦能企業新質生產力發展。

鑒于此，從理論上探究數據資源影響企業新質生產力的內在邏輯與實現路徑，有助于從微觀企業層面和數據要素角度推動新質生產力研究，有助于為引導企業釋放數據乘數效應、持續推動新質生產力發展提供理論參考。

1企業新質生產力內涵解讀

1. 1 生產力內涵

生產力是一個持續演進的動態過程，是時代發展的產物[2]。1757年，魁奈在《谷物論》中從農業視角提出生產力的概念。隨著工廠手工業的發展，勞動者的熟練程度、技巧和判斷力愈發重要，亞當·斯密在繼承魁奈思想的基礎上，在《國富論》中指出勞動是社會財富的源泉，勞動生產力反映勞動者在一定時間內完成的工作量。英國工廠手工業向機器大工業過渡，使得機器的重要性逐漸凸顯。薩伊反對勞動價值論，認為勞動、資本和土地均是創造價值的源泉；李斯特系統構建了生產力理論，認為生產力是獲得物質財富的力量，強調生產財富的能力比財富本身更加重要。總體上看，西方古典經濟學將企業視為把資本、勞動等生產要素轉換成產品的主體，用生產函數描述投入產出關系，因此對生產力內涵的解讀傾向于從效益、效率出發，側重于生產率視角[3]

工業革命不但推動社會生產力發展，同時也引發了社會關系的巨大變化。資本主義經濟危機的爆發使社會基本矛盾日益顯露，而機器成為榨取工人勞動血汗的工具，促使工業資產階級和工業無產階級走向對立。在這樣的歷史條件下，馬克思主義理論體系誕生，生產力是其唯物主義歷史觀和政治經濟學雙重視域下的基本概念。馬克思在批判吸收不同理論流派觀點的基礎上，指出“生產力即生產能力及其要素發展，一切生產力即物質生產力和精神生產力”，闡釋了生產力內涵及其要素。總體來看，馬克思在不同著作中使用過“勞動生產力”“特殊的生產力”“物質生產力”“精神生產力\"等概念（汪征魯，2003）。生產力包含生產過程中相互協作的客觀力量，伴隨社會歷史發展的演變而演變（王歡和楊渝玲，2024），這是準確把握馬克思主義生產力內涵的難度所在。

馬克思主義視角下關于生產力的文獻從多個維度解讀了生產力的概念。部分學者側重于強調人與自然的關系，如蔣學模（1980）指出生產力是人類征服自然、改造自然的能力；部分學者關注到人類利用和改造自然的目的是生產出物質財富和精神財富，如趙家祥（1999）指出生產力是人類利用自然改造自然，從自然界中獲取物質資料的能力；《馬克思主義政治經濟學概論》編寫組（2011）指出生產力是人類利用自然和改造自然并進行物質資料生產的能力。伴隨著科學技術的發展，馬胸和衛興華4指出生產力是人們生產物質資料的能力，即人們適應自然、利用自然和改造自然的能力，反映人與自然的關系。生產力構成要素既包括人和物，也包括被利用的自然力，如風力、水力和其它自然資源，還包括科學技術以及生產中的分工協作和生產組織等社會結合方式。概括而言，馬克思主義視角下的生產力內涵傾向于從品質、因素出發，側重于生產能力視角[3]

生產力構成要素逐步擴展，歷經二要素論、三要素論、多要素論以及系統論。20世紀50年代前，二要素論在蘇聯和我國政治經濟學界占據正統地位，認為生產力包括生產工具和勞動者4；三要素論認為，生產力包括勞動者、勞動資料和勞動對象（王學文，1950）；多因素論認為，除勞動者、勞動資料和勞動對象外，生產力還包括科學技術等因素（項啟源和余少波，1980）；系統論則認為社會生產力是一個巨大系統，至少由3類因素組成，即實體性因素（勞動者、勞動資料、勞動對象）、附著性因素（科學、技術和教育）以及運籌性因素（經營管理等）。其中，附著性因素通過改善被附著因素的質而發揮作用，運籌性因素通過對被運籌因素的調度、處置、匹配而優化資源配置，擴大總體功能（薛永應，1981）。

1.2 新質生產力內涵

新質生產力是生產力發展到數字經濟時代的歷史必然，本質上是生產力在現代科學技術加持下形成的最新形態。2024年1月，習近平總書記在中共中央政治局第十一次集體學習時全面概括和總結了新質生產力的基本內涵，指出新質生產力是創新起主導作用，擺脫傳統經濟增長方式、生產力發展路徑，具有高科技、高效能、高質量特征，符合新發展理念的先進生產力質態。它由技術革命性突破、生產要素創新性配置、產業深度轉型升級而催生，以勞動者、勞動資料、勞動對象及其優化組合躍升為基本內涵，以全要素生產率大幅提升為核心標志，特點是創新，關鍵在質優，本質是先進生產力。

相關學者從多個角度對新質生產力的內涵進行解讀。如黃群慧和盛方富[5從系統論角度，認為新質生產力是由相互聯系與作用的生產力要素、生產力結構、生產力功能協同構成的“要素—結構一功能”系統；黃奇帆（2024）從構成角度，指出新質生產力是以戰略性新興產業和未來產業為代表的新制造、以高附加值生產性服務業為代表的新服務、以全球化和數字化為代表的新業態形成的聚合體；陸岷峰（2024）從技術角度，認為新質生產力是指依靠新一代信息技術和新興技術，如人工智能、大數據、互聯網等形成的一種全新的生產方式。由此可以概括出新質生產力內涵的4個關鍵因素：一是強調高技術含量的原創性、顛覆性科技創新；二是強調環境友好的綠色發展方式；三是強調戰略性新興產業和未來產業；四是強調數據等新型生產要素的應用和配置。

1.3 企業新質生產力內涵

當前，學者關于新質生產力的討論主要聚焦于宏觀視角下的社會生產力層面。落實到企業層面，對“企業新質生產力\"的論述較少。事實上，在社會主義市場經濟體制改革之前，中央計劃影響企業生產要素供給、生產計劃安排以及生產成果處置，全社會形成一個“大工廠”，企業成為下屬“車間”。因此，關于生產力的研究長期集中在社會生產力上，學術論著中的生產力通常指社會生產力[。直至1997年，廖才茂[3在《現代企業生產力概論》中將研究對象聚焦至企業，系統論述企業生產力的系統結構、構成因素、發展規律以及運行機制等內容，企業生產力才逐漸進人我國學者的研究視野。

與企業新質生產力概念相對應的是傳統的企業生產力。嚴鴻和等（1998）基于生產率視角，認為企業生產力是指以產出量與投入量之比表達的某種競爭力；王義忠（2014）基于生產能力視角，認為企業生產力是指企業利用其所擁有的資源進行籌劃、建設、發展與運營并從市場上獲取物質生產資料進行生產或提供服務、滿足市場或消費者需求的能力。相較于傳統企業生產力，可從“新\"和“質”兩個維度詮釋企業新質生產力的內涵。其中，“新\"的內在要求在創新，不僅包括技術層面的顛覆式創新，也包括要素配置、組織結構、商業模式和發展理念的創新。“質”的內在要求在質優，尤其要滿足人民美好生活向往的內在文化需求、綠色需求和精神需求[，從提供僅具備功能價值和交換價值的商品轉向提供“以人為本”的創造性、個性化產品或服務。

本文認為，企業新質生產力是企業在新的經濟條件下，通過顛覆性科技創新和技術進步形成的能夠顯著提高綠色生產效率和競爭力的生產力形態，旨在通過技術、工具、管理的持續創新，有效整合和優化資源配置，提供創造性、個性化、可持續的高品質產品或服務的新型生產方式。企業新質生產力作為一個完整系統，應由3類因素構成：第一類為涵蓋新質勞動者、新質勞動資料和新質勞動對象的基礎性因素；第二類為包括企業自有或引進技術等在內的功能性因素；第三類為管理、數據等運籌性因素。數據資源對于企業新質生產力的特殊之處在于，其既可以成為新型勞動對象，作為基礎性因素參與生產，也能夠作為運籌性因素，對基礎性因素和功能性因素進行優化，從而擴大總體功能。

2 數據資源內涵、屬性及作用形式

2.1 數據資源內涵

“數據資源”一詞首次出現于1968年，Voichamp;Wren^[8] 指出數據是管理者作出決策的重要資源；Levitinamp;Redman[9強調數據的資源屬性，指出應將數據作為資源進行管理。既有研究和文件對數據資源的內涵存在3種理解，分別為“數據集合觀”“交易客體觀”以及“價值源泉觀”。關于數據集合觀，《河南省數字經濟促進條例》2022）提出，數據資源是以電子化形式記錄、保存，通過云計算、大數據、人工智能等技術分析處理，供社會化再利用的各類信息資源的集合。關于交易客體觀，《貴州省數據要素登記服務管理辦法（試行）》（2023）提出，數據資源是指在保護個人隱私和確保數據安全的前提下，登記主體經過加工處理后的數據集、數據接口、數據報告及其它數據產品。關于價值源泉觀，中國信息通信研究院（2021）提出數據資源是能夠參與社會生產經營活動并為使用者或所有者帶來經濟效益且以電子方式記錄的數據。

本文從“數據”和“資源”的概念內核出發，凝練數據資源的內涵。從文明之初的“結繩記事”，到文字發明后的“文以載道”，再到近現代科學的“數據建模”，數據始終與人類社會的發展變遷緊密相連。《中華人民共和國數據安全法》（2021）從法律意義上明確了數據的定義，指出數據是以電子或者其他方式對信息的記錄。“資源\"的概念可追溯至資源基礎觀，Barney[10]將企業資源定義為“為企業所有，并提高企業運營效率和效果的所有資產、能力以及組織流程、信息、知識等”；馬英華和陳春艷（2018）認為，企業資源是企業所擁有或控制的有效因素的總和；徐大勇（2019）將企業資源概括為企業所擁有的能夠為顧客創造價值和給企業帶來競爭優勢的各種生產要素。可見，并非所有數據都是企業經營決策中的有用資源，數據資源更強調潛在價值，即應具備為企業創造價值的能力；此外，數據資源應滿足可以擁有或控制，即數據資源需要實現確權。

基于以上分析，本文參考“數據集合觀”“交易客體觀\"以及“價值源泉觀”，結合“數據”和“資源”的概念內核，將數據資源定義為“由企業合法擁有或控制，在當前技術經濟條件下能進行開發與利用，能夠為使用者或所有者帶來經濟效益，以二進制形式存儲的數據集合”。根據《企業數據資源相關會計處理暫行規定》（2023），企業數據資源主要包括兩類：一類是確認為無形資產或存貨等資產類別的數據資源；另一類是不滿足資產確認條件而未被確認為資產的數據資源。

2.2 數據資源屬性

數據資源在提升企業新質生產力過程中具有場景依賴性、物理依附性、協同性、可重復使用性、外部性等諸多不同于一般資產的特有屬性。第一，數據資源具有場景依賴性，數據資源價值高度依賴于特定場景，在不同場景下，數據資源需求和處理方式不同，數據資源所貢獻的價值也不同。第二，數據資源具有物理依附性，數據資源不具備實物形態，其以存儲介質作為實物載體，以二進制形式占用存儲介質的物理空間，有專門的計量單位對數據資源存儲量進行度量，人們可通過計算機等設備感知并讀取到數據資源。第三，數據資源具有協同性，數據能夠與企業其它生產資源協同聯動，通過激活資金、培育人才、決策區位、聯結技術，共同產生增量價值；并且單一數據的作用有限，多維度數據協同會衍生出不同程度的數據價值。第四，數據資源具有可重復使用性，數據資源可被低成本拷貝復制和傳播共享，在同一時間被不同主體使用并不會減損數據質量或容量。第五，數據資源具有外部性，其不僅能夠提升企業自身經營決策效率，還能打包成數據產品或服務，賦能外部使用者提質增效。

2.3 數據資源作用形式

隨著數據資源規模的不斷擴大，數據逐漸成為推動技術進步、實現自主創新及價值創造的核心要素[11]。研究發現，數據進入企業生產環節會對其它生產要素產生替代效應，即減少一種或幾種生產要素的使用，并能夠與勞動力、資本、技術等單一要素協同，提高要素配置效率，實現要素價值倍增（歐陽日輝，2024）；數據要素的使用能夠幫助企業深挖信息知識[12]，提升核心技術創新的可能性[13]；此外，數據還能跨越組織內外部邊界，縮短企業信息距離，促進供應鏈上下游企業資源和要素流動[14]。可見，數據資源作為現代企業數據要素的價值化形態[15]，是極為重要的戰略資源，通過替代效應、協同效應、創新效應以及聯結效應充分釋放乘數效應，賦能企業新質生產力發展。

（1）數據資源具有替代效應，既能替代部分人力資本和物質資源，也能作為新型勞動對象參與企業生產經營。其一，數據資源會替代部分人力資本，不僅能夠催生新型職業群體和新型勞動崗位，增加熟悉先進技術、熟練高端設備的高素質勞動者，而且“機器”還能替代從事高強度、重復性和危險性工作的勞動者，使人力資源更加專注于創造性工作。其二，數據資源會替代部分物質資源，從物質驅動轉向數據驅動，從而打破資源約束。例如，數字孿生平臺通過實時數據反饋，實現虛擬模型和物理實體之間的交互，進而減少物質資源損耗。其三，數據資源自身作為生產要素參與企業生產經營。網絡化、智能化、數字化的勞動工具能提高勞動者能力，使得數字經濟時代的數據可被收集、處理、分析和挖掘，釋放出巨大的生產力效能[16]，成為重要的勞動對象。

（2）數據資源具有協同效應，協同參與財務、實物及管理活動。其一，在與資金等財務資源協同方面，企業通過數據分析可制定出精準的預算規劃和明智的投資方案，從而在不同部門和項目中高效分配資金，提高資金使用效率；同時，通過預見市場波動情況優化現金流管理，確保有充足的現金流應對突發情況，顯著提高企業財務健康度和資金管理能力。其二，在與機器設備等實物資源協同方面，企業通過持續收集和分析生產線數據可實時監控產品質量，根據市場需求變化調整生產計劃，從而提高生產效率和能源利用率，推動生產流程自動化、智能化和綠色化；此外，還能依據機器性能數據合理安排使用頻次，減少因過度使用導致的磨損，并對潛在故障進行預測性維護。其三，在與企業管理活動協同方面，管理者通過分析市場動態、消費者行為、競爭環境等數據，能夠深化對行業及宏觀環境的理解和判斷，減少認知偏差，提升決策前瞻性和風險洞見水平，及時整合和配置資源[17]，使管理活動從“人治”走向“數治”。

（3）數據資源具有創新效應，主要體現在預測方向、提升效率和獲取資源等方面。其一，在預測創新方向方面，企業通過挖掘和分析數據不僅能夠獲得有價值的信息知識，把握前瞻性技術創新方向，而且還能分析市場趨勢、消費者行為和競爭對手動態，識別新業務或產品創新點，進而推動技術創新、商業模式創新和管理創新。其二，在提升創新效率方面，企業利用實時數據分析能加速研發決策過程，通過整合客戶、運營、財務和市場數據，依托機器學習技術和數字孿生技術，以數據試錯替代實物試錯，鎖定最有價值的創新組合，節約研發成本，縮短試驗周期，提高整體研發效率（李金城和姚毓春，2024）。其三，在獲取創新資源方面，企業通過分析數據資源能夠精準與潛在研發機構和技術提供商進行合作，共同開發新產品或新服務[18]；此外，企業擁有高質量的數據資源與卓越的數據管理能力能夠有效展現其市場潛力和創新能力，不僅有助于增強市場吸引力，也更容易獲得風險投資等資金支持，并吸引更多數據科學家等高素質人才加入。

（4）數據資源具有聯結效應，有助于增強與客戶、供應商及社會公眾的聯系。其一，在聯結客戶方面，企業通過分析客戶數據了解客戶購買行為、偏好和需求，精準定位目標市場，優化營銷策略，提供彈性較高的差異化產品，帶動產品結構轉型升級，識別并解決客戶體驗中的痛點問題，提升客戶滿意度和忠誠度。其二，在聯結供應商方面，企業通過深入分析供應商數據，能夠及時了解供應商的交付頻率、產品質量和響應時間，不僅有助于評估供應商的成本效益和風險水平，根據市場變化調整采購策略和庫存水平，還能獲取更有利的原材料價格和服務條款，節約采購成本，進而提升供應鏈管理水平[19]。其三，在聯結社會公眾等其他利益相關者方面，數據資源豐富的企業能夠輸出結構化、標準化信息，向外界傳遞企業內部運營信息，通過信息交換和互動，降低與投資者、債權人等利益相關者的信息不對稱，為企業帶來更多資源流人[20]，拓展企業組織邊界。

3數據資源賦能企業新質生產力發展的理論邏輯

根據上述數據資源的特性和作用形式，基于生產力要素三維度，本文從替代效應、協同效應、創新效應和聯結效應出發，探尋數據資源賦能企業新質勞動者、新質勞動資料以及新質勞動對象發展的理論邏輯（見圖1）。

3.1數據資源培育新質勞動者

勞動者是指具有一定體力、生產經驗、科學文化知識和勞動技能，操縱生產工具或其它技術手段，直接或間接進行物質資料生產或提供某種勞務的體力勞動者和腦力勞動者[3]。相較于傳統以簡單重復勞動為主的體力工人，新質勞動者主要指從事數據密集型、知識密集型以及科技創新型工作的高素質員工，他們能夠充分利用信息技術操控先進數字設備，快速迭代前沿知識，運用數據決策解決復雜問題。

（1）從替代效應看，高素質勞動者將替代低技能勞動者。一方面，數據資源的運用不斷催生知識密集型勞動崗位，這些崗位對員工的綜合素質提出更高要求，增加了企業對高素質勞動者的需求。企業不僅需要匯聚數據科學家、數據工程師、數據分析師和數據安全專家等專業型人才，也需要聘請懂數據科學、懂技術工具、懂管理方法、懂商業戰略的高質量復合型人才。另一方面，數據資源的大量運用提升了自動化水平，企業將不再需要大量員工從事傳統數據采集、機械數據錄入、基礎數據分析等簡單重復性工作，取而代之以自動化軟件或機器人，致使低技能勞動者被擠出和淘汰。

（2）從協同效應看，數據資源能提升企業勞動者素養。一方面，數據資源會倒逼勞動者素養提升。數據資源開發與利用離不開數字化軟硬件設備的改造升級，這就要求勞動者掌握最新設備的運行原理和操作流程；同時，企業也會為各個崗位員工提供數據科學、人工智能以及數據分析技術等領域的針對性技能培訓，提升既有員工的數字技能，助力他們從普通勞動者轉型為新質勞動者。另一方面，數據資源能為主動提升素養的勞動者提供學習資源。數據資源是企業通過采集、存儲、預處理、分析、管控等環節形成的有價值的高質量數據集合，涵蓋企業內外部信息，能拓寬員工信息源和知識面，增長員工智慧；此外，數據資源還能提升生產效率，將員工從重復性任務中解放出來，使他們有更多時間參加培訓課程等技能提升活動，為個人轉向更具創造性的崗位創造機會。

（3）從創新效應看，數據資源能幫助企業管理各類新型數智勞動者。首先，數據資源能提升智能機器人的服務水平。例如，智能客服通過分析客戶的在線行為、交互記錄等歷史數據，能夠迅速識別客戶偏好和行為模式，及時提供個性化服務，提高客戶滿意度，并通過不斷學習交互數據，優化算法和響應策略。其次，數據資源能提高數字員工效能。數字員工依托高質量數據資源能實現真實內容生成、及時內容更新、特定語調優化以及實時互動反饋，與用戶進行自然且個性化的互動。例如，數字主播成為2024年全國兩會新潮，人民網為服務新聞播報推出6位多民族數字主持人，隨后《中國青年報》澎湃新聞等多家媒體也紛紛推出AI主播。

（4）從聯結效應看，數據資源能幫助企業與高素質勞動者形成價值聯結和情感聯結。一方面，數據資源能夠深度融入產品研發、生產制造以及資金管理等價值鏈活動，提升企業價值，為企業帶來有利的市場競爭地位以及較高的市場估值（于翔等，2024）。高素質勞動者傾向于加入高價值企業，為企業創造更多價值，獲取更高的收益分配，進而獲取職業發展空間和晉升機會。另一方面，企業數據資源豐富意味著企業關注最新技術趨勢和行業發展動態，愿意作出符合國家“數字中國”和“數據要素 x ”建設藍圖的戰略決策，更富有遠見和社會責任感（吳非等，2021）。高素質人才通常不僅希望在勞動過程中獲得經濟回報，還注重在工作中找到歸屬感、自豪感和使命感，進而促進經濟社會發展，因此傾向于選擇與個人價值觀相契合的組織[21]]

3.2數據資源催生新質勞動資料

勞動資料是勞動者把自己的勞動傳導到勞動對象中去的一切物質和非物質條件，是勞動者在生產過程中使用的工具、設備、基礎設施等的總稱，以生產工具為主。數字經濟時代，數據資源連接、滲透、賦能萬物，數字化智能設備、數據基礎設施等數智化新型勞動資料不斷被應用到新型生產中去。

（1）從替代效應看，強數據相關性的勞動資料將替代傳統勞動資料。一方面，數智元素融合的新質生產工具替代傳統物質性生產工具。以智能算法為代表的新型生產工具具備學習、推理和決策的高級認知能力（盧鵬，2024），能夠預測、識別、解決復雜的現實問題，且通過數據反饋實現迭代更新，精準、高效地適應各種復雜場景，從而替代僅作為物理工具或處理設備的傳統生產工具。另一方面，數據基礎設施將替代傳統基礎設施。越來越多的企業將數據視為一種戰略資源，重視數據中臺等相關基礎設施建設，以便對整個業務鏈條上的數據進行全面管理和價值挖掘，以“數據化之手\"優化生產要素組合（齊艷平，2023），幫助企業突破時空限制，替代部分交通設施、廠房倉庫等傳統基礎設施。

（2）從協同效應看，數據資源能夠推動傳統勞動資料智能化和綠色化。一方面，企業通過在傳統設備和廠房上安裝用于數據采集的傳感器及物聯網設備進行實時監控，及時識別和調整潛在問題，并通過預測性維護和遠程操控等途徑提高靈活性及響應速度，為智能化升級提供有力支撐。另一方面，數據資源能夠顯示生產資料使用過程中的能源消耗情況，企業發現節能減排機會后，可通過調整設備操作參數和生產流程減少不必要的能源能耗，并盡可能使用清潔能源降低溫室氣體排放，實現經濟可持續發展。

（3）從創新效應看，數據資源能夠創新勞動資料。一方面，數據資源能對現有勞動資料進行改進與創新。數據資源能幫助企業知曉生產過程中使用工具、設備性能的上限及缺陷，為研發和改進提供明確方向；另一方面，數據資源能幫助企業使用各類新型勞動資料。例如，3D打印技術已成為當今制造業的一股強大力量，數據資源的即時反饋和迭代扮演著至關重要的角色。勞動者通過獲取、修改和優化零部件等三維數據模型，通過3D打印技術快速制作出實體物體，縮短產品開發周期，大幅降低制造成本，滿足消費者個性化產品需求，提高產品質量和競爭力。

（4）從聯結效應看，數據資源能有效聯結企業內外部勞動資料。一方面，數據資源能夠增強內部勞動資料智能化協作。管理者通過集中采集和分析各個生產資料的實時運行狀態、性能指標和環境條件等數據，及時調整生產流程，如調節倉庫溫濕度、改變機器速度和調整物料投人，提升整體協同效率。另一方面，數據資源有助于內外部勞動資料合作互聯。供應鏈不同節點企業之間的數據資源對接有助于形成跨越企業邊界的智能生產合作網絡，協調和配置企業冗余的勞動資料，提高供應鏈企業生產效率和產業互聯水平[14]

3.3數據資源拓展新質勞動對象

勞動對象一般分為兩類，既包括天然存在的需要經過人類勞動加工的自然資源，也包括已經經過人類勞動加工的物質。新質勞動對象既包括數據資源本身，也包括新能源、新材料等發生革命性變化的新質勞動對象[22]

（1）從替代效應看，新型勞動對象將替代傳統勞動對象。一方面，數據資源自身作為生產要素參與物質生產和價值創造過程。數據作為反映客觀現象、揭示事物內在規律的符號化表現，是數字經濟時代企業進行基礎科學研究、工程技術開發、商業模式創新以及產品服務迭代的重要原材料[5]。另一方面，新能源和新材料等新型勞動對象將替代傳統勞動對象。“數據資源十智能算法\"通過優化勞動資料交易與分配，實現新材料和新能源在時間和空間上的“最優”調度，幫助更多企業實現環保材料和清潔能源等新型勞動對象的商業化應用。

（2）從協同效應看，數據資源能夠推動勞動對象智能化利用和綠色化改進。一方面，企業通過實時分析數據資源適應市場的快速變化，精準實現供需對接，并結合現有技術條件和能力匹配利用效率最高的自然資源、能源和材料等勞動對象，在數據分析過程中鍛造勞動對象新勢能，提升生產過程效率和精度，提供豐富、優質的產品；另一方面，數據資源結合綠色技術不僅能夠助力勞動對象在生產過程中減少廢棄物的產生，提升綠色全要素生產率和資源節約率，而且還能精準識別、及時追蹤環保隱患問題，為加快形成綠色低碳的現代化產業體系提供支撐。

（3）從創新效應看，數據資源能創新勞動資料。一方面，數據資源通過構建數字孿生系統優化產品創新。數字孿生依賴于大量的實時數據，模擬和分析物理世界中的對應物，指導產品迭代升級。數據資源作為可復用的通用性資產（葉秀敏和姜奇平，2021），勞動者只需將不同代碼重新排列組合，便能在虛擬環境中模擬、測試和優化產品或工藝流程，無需制造實物原型。這種基于數據的虛擬仿真技術能縮短創新周期，降低試錯成本，提高消費者滿意度和市場競爭力。另一方面，數據資源還有利于新型勞動對象創新研發。數據資源將改變先前“實驗為主、計算為輔\"的科技創新方式，借助計算機模型和機器學習算法生成海量材料，形成數據庫，從中篩選出值得合成的材料[23]，從而用較少的時間和資源研發出新材料、新能源等可持續的新型勞動對象。

（4）從聯結效應看，數據資源能有效聯結企業內外部勞動對象。一方面，數據資源能有效聯結企業內部勞動對象，整合數據流、物流和信息流，追蹤材料和能源使用情況，避免材料短缺或過剩，進而實現精確的庫存管理和生產計劃；另一方面，數據資源能有效聯結企業與外部勞動對象，不僅能幫助企業評估供應商的供貨能力、質量控制水平及價格競爭力，從而找到可靠的供應商，還能通過分析消費者數據，助力企業發現細分的藍海市場，開辟新的市場增長空間，拓展勞動對象邊界。

4數據資源賦能企業新質生產力發展的現實約束

4.1 新質勞動者維度

4.1.1大數據專業人才供需失衡

數據資源高效利用離不開大數據專業人才的支持，但在人才需求呈現爆發式增長的同時，人才供給卻明顯不足。從培養內容看，大數據專業人才不僅需要掌握統計學、數據分析、信息系統管理、人工智能應用等專業知識，還需要具備跨學科知識背景和思維能力。然而，目前的教育體系普遍缺乏有效的學科融合和交叉，導致兼具會計規則、管理方法、技術工具、數據科學和商業戰略的復合型人才稀缺。賽迪智庫發布的研究報告顯示，到2025年既懂商業運營又懂數字技術的復合型人才缺口將達到230多萬人。從培養方式看，傳統教育體系更側重于理論知識傳授，而企業在利用數據資源時需要能夠將知識應用于實際工作并靈活應對各種突發狀況的高層次應用型人才，這種差異導致人才能力與企業需求之間出現較大鴻溝。從知識更新速度看，工業互聯網、云計算、人工智能、數據安全等數據資源開發利用的底層技術快速迭代，而課程設置、教師知識儲備及教學大綱等難以同步更新，畢業生可能面臨所學知識未與時俱進的困境。

4.1.2勞動者數據素養難以快速提升

數據素養指解讀數據、處理數據、分析數據的能力（艾肯和哈伯，2023），企業只有不斷提高勞動者數據認知素養和分析工具使用水平，才能充分利用數據資源提升新質生產力。然而，普通勞動者在適應數字化過程中可能會面臨一些困難。一方面，很多企業未系統提供關于數據分析與數據驅動決策的培訓，部分普通勞動者當前擁有的技能無法與數據資源利用所派生的新任務相匹配，難以實現原有工作崗位與新工作崗位的無縫對接，尤其是對于低技能勞動者而言，學習復雜的數據技術更具挑戰性；另一方面，企業數據驅動型組織和文化建設不足，普遍缺乏統一的數據管理組織，跨層級、跨部門勞動者難以打破“壁壘”實現高效的數據交流與協作[24]。此外，盡管數據資源能夠提升企業勞動力整體素質，但也會擠出無法及時吸收新知識和技能的低技能勞動力群體[25]，從而引發結構性失業問題。

4.2 新質勞動資料維度

4.2.1 多源異構數據難以高效整合

數據資源催生新質勞動資料需要對來自不同數據源、以不同格式或形態存在的數據進行高效整合，但數據集成、數據清洗、數據融合等工作面臨巨大挑戰。在數據集成方面，不同企業、企業不同部門數據存儲位置、數據命名方式和數據標準規范不同，不同數據源對數據安全和隱私保護的要求也不同，需要進行多重映射和轉換，這會增加整合的復雜性。在數據清洗方面，原始數據充斥著大量低質量數據，將帶來無用信息，形成嚴重的“知識負擔”，需要對錯誤數據、缺失數據和重復數據等低效數據進行清洗，消除不同數據維度之間的語義、口徑與結構差異，將形態各異的數據轉換成統一格式。在數據融合方面，單一數據的作用有限，多個數據集進行互補和交流可以產生高價值的新數據，但數據融合涉及階段融合、直接融合、特征融合等策略（閆佳和等，2024），選擇何種策略對異構且語義一致的數據進行融合，是亟待破解的技術難題。

4.2.2 數據基礎設施建設方案難以精準規劃

新型數據基礎設施在企業中體現為數字化平臺，如API管理平臺、數據中臺、低代碼平臺和身份管理平臺等（齊艷萍，2024）。企業試圖通過數字化平臺采集、存儲、處理和分析數據，將低價值密度的海量數據轉化為數據資源，賦能研發、生產、采購、銷售等多個環節。然而，埃哲森發布的《2020中國企業數字轉型指數研究》顯示，只有 11% 的企業實現數字化投資向企業績效的轉換，大部分企業尚未取得顯著成效，可見未能精準實施的數據基礎設施建設難以成為提升企業生產力的有效引擎。一方面，數據基礎設施建設前期投資較高，部分企業受到資源條件限制，難以實現規模經濟效應（趙宸宇等，2021）；與之相反，基于“數字化悖論”，過度投資有可能帶來資源浪費和勞動力錯配，因此增加數字化投資并非必然會提升投人產出效率（劉淑春等，2021）。另一方面，數字化平臺等數據基礎設施只是提高數據分析能力的工具，并非發揮數據資源效能的標準解決方案，數字化投資對企業績效的影響效應因行業、規模、所處區域以及原始資源稟賦等因素不同而不同（溫湖煒和鐘啟明，2021），企業只有結合數據治理、戰略規劃、管理實踐等多種互補因素，利用數據資源重構和優化業務流程、提高效率[26]，才能實現新質生產力提升。

4.3 新質勞動對象維度

4.3.1 數據產權難以清晰劃分

數據產權確認是數據資源生產和利用面臨的首要難題，影響企業對數據的合法持有、使用以及獲取收益的權利，但當前數據確權難題尚未突破。在法律法規層面，我國數據產權法規體系存在“立法留白”，現階段主要采用知識產權法律、《中華人民共和國反不正當競爭法》以及《中華人民共和國民法典》“合同編\"相關條款解決與數據權益相關的糾紛（孫湛等，2024），針對的客體對象均非數據，在數據產權保護方面存在一定局限性，客觀上影響數據資源流通與運用。在政府引導層面，《關于構建數據基礎制度更好發揮數據要素作用的意見》弱化了數據所有權概念，強調保護數據處理者的合法權利，建立了數據資源持有權、數據加工使用權、數據產品經營權“三權分置”的數據產權制度，但各個城市及主要交易所未形成統一的數據資源確權方案，大數據公司、公證處、大數據管理局等不同單位頒發的憑證是否具有司法效力以及是否互通互認存疑。在企業實踐層面，由于數據資源生產過程具有協同性，各環節涉及主體眾多且互動密切，企業有可能委托第三方進行數據處理，致使數據權屬和責任模糊不清，多主體協商面臨巨大的交易成本。

4.3.2 數據資源與應用場景尚未有效融合

數據資源具有場景依賴性，促進數據資源在不同場景中廣泛應用，對于提高資源配置效率、實現生產力的幾何式增長至關重要。然而，盡管企業存儲了海量數據，但多為不常使用的冷數據，數據資源與應用場景融合面臨場景開發不足、有效數據供給較少以及數據安全隱患等問題。首先，數據資源在不同應用場景發揮不同的乘數效應，因此瞄準各行各業的綜合性需求，識別場景中的痛點問題，并針對性匹配數據資源存在一定困難[27]；此外，目前很多企業處于數字化建設階段，數據利用技術成熟度偏弱，制約著企業探索數據應用場景的能力。其次，從企業自身數據積累情況看，國際數據公司（IDC）對全球1500名企業高管進行數據管理調研發現，公司現有抓取流動數據的技術能力有限，會遺漏一些有效數據（希捷，2020）；從獲取外部數據看，我國數據要素市場尚處于培育期，企業存在數據流通是否可信可控的隱憂，容易產生數據孤島。最后，數據泄露、數據販賣、數據濫用等事件所引發的數據安全和隱私問題使得場景應用方、數據供給方對數據安全存在顧慮，進一步導致數據供給不足、流通受限。

5 數據資源賦能企業新質生產力發展提升的路徑

5.1 新質勞動者維度

5.1.1加大數據人才培養力度

首先，高等院校應不斷完善數據科學教育體系，加強數據相關專業建設，大力支持師資隊伍、專業院系、學科體系、重點實驗室建設，既要建設好大數據、云計算、人工智能等數據學科專業，也要做好各個學科數據通識教育。其次，支持高職院校打通校企合作渠道，建立數據人才培養、培訓通道，為企業輸送滿足社會需求、實踐能力強的數據專業技術技能型人才。最后，推進“產學研用”多維合作育人模式建設，鼓勵企業從培養目標、課程設置、實驗室建設、實踐教學及課題研究等各個環節深度參與數據人才培養，支持實務經驗豐富的企業導師參與人才培訓。

5.1.2提升普通勞動者數據素養

首先，在了解員工當前數據素養水平的基礎上，為不同業務崗位員工制定差異化繼續教育培訓方案，鼓勵企業與職業技能培訓學校合作，開設定向培訓班，開展數據知識普及性培訓服務，不斷提升員工數據素養和技能，助力企業數據資源價值釋放。其次，高管應著力營造數據驅動的企業文化，引導企業塑造新型組織形式，引入首席數據官（CDO），圍繞數據收集、分析和整合建立數據治理委員會，協調數據治理，打通企業內部各部門員工間的數據訪問通道，鼓勵員工以通用數據語言進行交流。最后，針對結構性失業問題，政府部門通過減稅和補貼措施減輕企業負擔，激勵企業減少對低技能勞動者的解雇，同時不斷完善基本生活保障和就業服務體系，及時對失業人員進行專業技能培訓，幫助他們適應數字化浪潮，重新獲得就業崗位。

5.2 新質勞動資料維度

5.2.1探索多源異構數據整合方法

從制度建設上，政府部門應逐步統一數據采集標準，包括但不限于采集方式、采集頻率、采集口徑、采集格式等方面，不同類型和用途數據應在政府主管部門統一標準的基礎上，探索適合自身實際的細分領域數據采集標準，減少數據整合轉換過程，提升一致性和準確性。從整合技術看，應持續改進算法和模型，使用先進的數據整合工具和技術，如采用數據虛擬化技術對異構數據源進行統一訪問，抑或是通過ETL（抽取、轉換、加載）等自動化工具簡化整合過程。從管理策略看，結合企業業務需求和數據處理挑戰，考慮數據類型、來源、質量要求，為不同類型數據制定數據整合策略，并定期評估數據整合方案，根據反饋進行調整和改進，提高多源異構數據整合效果。

5.2.2因企制宜推進企業數據基礎設施建設

首先，企業要結合所處行業、規模、生命周期不同階段以及所有制結構等因素，制定更具針對性的數字化平臺等數據基礎設施建設方案，支撐整個業務鏈條數據實現共享、實時應用和安全治理，盤活企業數據資源。其次，打造一批優質的中小企業數字化轉型服務商，為面臨人才、資金、技術和資源短缺的中小企業部署成本低廉、實用性強的數據管理系統和分析工具，設計合適的數據基礎設施解決方案，確保解決方案既符合企業業務目標，又能適應技術能力和預算限制。最后，政府應加快布局寬帶網絡、數據中心、云計算平臺、數據共享平臺等數據基礎設施，尤其是完善基礎設施建設相對滯后城市的軟硬件基礎，有效的外部基礎條件是企業借助數據資源發展新質生產力的重要支撐。

5.3新質勞動對象維度

5.3.1推動數據資源權屬確認

首先，數據產權劃分問題需要從規則制定入手，政府應積極開展數據資源登記工作，出臺詳細具體的數據資源登記制度，建設全國統一的平臺系統作為登記載體，構建符合中國國情的數據資源登記體系，降低數據交易成本。其次，鼓勵企業組建專門的數據管理部門或團隊，負責制定數據處理規范和流程，建立與業務流程相適應的數據資源管理平臺，降低多主體協商面臨的交易成本。再次，加強對區塊鏈加密、數據追溯等技術研發投入和支持力度，為數據流轉過程中加工權、使用權、所有權的劃分提供依據。最后，財政部等部門應積極完善上市公司數據資源會計核算制度，持續引導企業將數據資源科學納人資產負債表，維護企業數據財產權利。

5.3.2豐富數據資源應用場景

首先，應持續挖掘數據資源在商業智能、風險管理、供應鏈優化等應用場景中的價值潛能。政府部門應通過提供稅收優惠、資金支持等方式，積極培育數據產業生態系統，發展服務型、應用型和技術型數商企業，幫助各行各業創新數據資源應用場景，并提供更高技術水平和更具經濟性的數據開發利用工具，推進數據資源多場景復用。同時，政府部門還應積極遴選并發布與行業發展深度融合、具有較強示范效應的數據應用典型案例，發揮典型案例的示范引領作用。其次，提高數據供給水平，支持企業實施數智化改造，引入先進的數據管理系統和分析工具，提升企業在產品生產或服務過程中的數據采集與處理能力；加快建設全國統一數據交易大市場，減小數據資源跨區域流通摩擦，全面促進數據資源交易流通，助力企業獲取外部優質數據資源。最后，提升數據安全防護能力，全方位構建技術信任機制，強化安全傳輸存儲、隱私合規檢測、數據濫用分析等技術，為數據高效流通、“可用不可見”提供技術保障，破解企業數據流通利用的后顧之憂。

6結語

數字經濟時代，數據作為新型生產要素，正在成為推動新質生產力發展的強大引擎。本文立足于企業層面，剖析生產力、新質生產力以及企業新質生產力的內涵，在充分把握數據資源內涵及屬性的基礎上，分析數據資源的作用形式，論證數據資源賦能企業新質生產力的具體路徑。從數據資源培育新質勞動者、催生新質勞動資料和拓展新質勞動對象3個維度，探究數據資源賦能企業新質生產力發展的現實約束及提升路徑，得出如下結論：第一，在理論邏輯方面，數據資源通過發揮替代效應、協同效應、創新效應和聯結效應培育新質勞動者、催生新質勞動資料和拓展新質勞動對象，賦能企業新質生產力發展。第二，在現實約束方面，數據資源賦能企業新質生產力提升面臨諸多難題，新質勞動者維度體現為大數據專業人才供需失衡、勞動者數據素養難以快速提升，新質勞動資料維度體現為多源異構數據難以高效整合、數據基礎設施建設方案難以精準規劃，新質勞動對象維度體現為數據產權難以清晰劃分、數據資源與應用場景尚未有效融合。第三，在提升路徑方面，應加大數據人才培養力度，提升普通勞動者的數據素養，破解培育新質勞動者的難題；探索多源異構數據整合方法，因企制宜推進企業數據基礎設施建設，突破催生新質勞動資料的制約；推動數據資源權屬確認，豐富數據資源應用場景，拓展新質勞動對象。

參考文獻：

[1] 尹志超，深化改革激發微觀主體活力N」人民日報，2024-07-10（10）.

[2] 任保平.生產力現代化轉型形成新質生產力的邏輯[J].經濟研究，2024，59（3）：12-19.

[3] 廖才茂.現代企業生產力概論[M.上海：上海財經大學出版社，1997.

[4] 馬昀，衛興華.用唯物史觀科學把握生產力的歷史作用[J].中國社會科學，2013，34（11）：46-64，203.

[5] 黃群慧，盛方富.新質生產力系統：要素特質、結構承載與功能取向[J].改革，2024，37（2）：15-24.

[6] 肖濤.生產力研究的方向——兼評《現代企業生產力概論》[J].當代財經，1998，19（4）：17-18.

[7] 姜奇平.新質生產力：核心要素與邏輯結構J.探索與爭鳴，2024，40（1）：132-141，179-180.

[8] VOICH D，WREN D. Principles of management：resourcesand systems[M]. New York： Ronald Press Company，1968.

[9] LEVITIN A V，REDMAN T C. Data as a resource：proper-ties，implications and prescriptions[J]. MIT Sloan Manage-ment Review，1998，40（1）：89-101.

[10]BARNEY J. Firm resources and sustained competitive advan-tage[J]. Journal of Management，1991，17（1） ：99-120.

[11] 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.

[12]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[J].中國工業經濟，2020，38（5）：42-60.

[13]WU L，HITTL，LOUB. Data analytics，innovation，andfirm productivity[J]. Management Science，202o，66（5）：2017-2039.

[14]李曉梅，劉姍姍.數據要素賦能企業供應鏈韌性;理論機制與實證檢驗[J].科技進步與對策，2025，42（5）：1-11.

[15]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.

[16]PERRONS R K， JENSEN J W. Data as an asset： whatthe oil and gas sector can learn from other industries about\"Big Data\"[J]. Energy Policy，2015，81：117-121.

[17]LIU D，CHEN S，CHOU T. Resource fit in digital trans-formation：lessonslearned from the CBC Bank global e-banking project[J].Management Decision，2011，49（10）：1728-1742.

[18]ZHANG X，CHU Z，REN L，et al. Open innovation andsustainable competitive advantage： the role of organiza-tional learning[J]. Technological Forecasting and SocialChange，2023，186：122114.

[19]KAMBLE S S，GUNASEKARAN A. Big data-driven sup-ply chain performance measurement system：a review andframework for implementation[J]. International Journal ofProductionResearch，2020，58（1）：65-86.

[20]BOTOSAN C A. Disclosure level and the cost of equitycapital[J]. The Accounting Review，1997，72（2） ：114-127.

[21] GOMPERS P A，MUKHARLYAMOV V，XUAN Y H.The cost of friendship[J].Journal of Financial Economics，2016，119（3）：626-644.

[22] 洪銀興．用習近平經濟思想指導新的生產力理論研究[N].人民日報，2024-04-09（09）.

[23] RACCUGLIA P，ELBERT K C，ADLER PD F，et al.Machine-learning-assisted materials discovery using failedexperiments[J]. Nature，2016，533（7601）：73-76.

[24]VAN D B T， VAN V A F. Governance of big data collab-orations： how to balance regulatory compliance and disrup-tive innovation[J]. Technological Forecasting and SocialChange，2018，129：330-338.

[25]孟浩，張美莎.人工智能如何影響勞動力就業需求——來自中國企業層面的經驗證據[J].西安交通大學學報（社會科學版），2021，41（5）：65-73，93.

[26]PARK Y K，MITHAS S. Organized complexity of digitalbusiness strategy：a configurational perspective[J]. MisQuarterly，2020，44（1） ：85-127.

[27]尹西明，陳勁，王冠.場景驅動：面向新質生產力的數據要素市場化配置新機制[J].社會科學輯刊，2024，46（3）：178-188.

（責任編輯：王敬敏）

Data Resources Empowering the Development of Enterprise New Quality Productive Forces ： Theoretical Logic， Practical Constraints and Improvement Paths

Yuan Zeming1'2，Li Meng1，Li Yuanzhen （1.School of Accounting，Tianjin University of Finance and Economics;2.Collaborative Innovation Center for Intangible Asset Evaluation， Tianjin University of Finance and Economics， Tianjin 3O022，China; 3. School of Business and Administration（MBA）， Zhejiang Gongshang University， Hangzhou 310ol8，China）

Abstract：Newqualityproductive forces are theproductivity driven byfuture technological innovation.Its formationand development are theresult ofthecontinuous impact of many emergingtechnologies like bigdata，cloud computing，and artificialinteligence.Inthedigitaleconomy era，dataserves asanew production factorthatcan beappiedacross various scenarios and reused by multipleentities，enhancing the input-output eficiency of other production factors.Itisbecoming a powerful driving force for the formation of newquality productiveforces.Ascrucial micro-entities within the economic system，enterprises are not only producers of goods and services，but also demanders of productionfactors. In modern enterprises，thevalue formof data elements is data resources.Ultimately，socialproductivity manifests its powerful dynamismand efectiveness through various types of enterprises.Therefore，it is necessry to explore howdata resources empower the development of enterprises new quality productive forces from the perspective of micro-enterprises.

This paper conducts ananalysis on three levels.Firstly，this paper systematically explains the connotations of pro ductive forces，new quality productiveforces and enterprise new quality productiveforces，as well as analyzes theessence， atributes，andfunctional forms ofdataresources. Secondly，by exploring the substitutioneffect，synergy efect，inovation effct，and connection efectofdata resources，this paper analyzes howthese effects cultivate new-quality laborers， generate new-quality labor materials，and expand new-quality labor objects，soas to construct a theoretical logic framework fordata resources to empower the development of enterprises newquality productive forces.Finall，starting from the three dimensions ofcultivating new-quality laborers，generating new-qualitylabor materials，and expanding new-qualitylabor objects，this paper proposes practicalconstraints andenhancement paths fordata resources to empower the development of enterprise new quality productive forces.

This paper contributes to promoting research on new quality productive forces from a micro-enterprise level and data element perspective，further enriching therelevantresearchon Marxist productivitytheoryand XiJinping'stheoretical systemof economic thought.This paper alsoaids inpromoting thecultivationand implementationof newquality productive forces，providing theoretical research referencesforguiding enterprises to unleash the data multiplier efect and continuously advance new quality productive forces development.

Themain research conclusions are threefold.Firstly，in terms of theoretical logic，data resources drive the developmentof enterprises new quality productive forces bycultivating new-quality laborers，promoting new-qualitylabor materials，and expanding new-qualitylabor objects.The underlying logic includes substitutioneffect，synergy efect，innovation efect，andconnection effect.Intheaspectofcultivating new-qualitylaborers，dataresourcesdrive high-quality workers to replacelow-skilled workers，enhanceemployees’competencies，asist enterprises inutilizing various digital-inteligent workers，and help form value and emotional connections between enterprises and high-skiled workers.In the aspectof generating new-qualitylabor materials，data resources drive highlydata-relatedlabor materials toreplace traditionallabor materials，promote the intelligentizationand greenizationof traditional labor materials，，foster innovativedevelopmentof labor materials，andeffectivelylink internaland externallabor materials.Intheaspectofexpanding new-qualitylaborobjects，dataresources drive new labor objects to replace traditional labor objects，promote inteligent useand green improvements，foster innovative developmentof labor materials，and efectivelyconnect internaland external laborobjects. Secondly，practical chalenges hinder theempowerment of these new productive forces. These include a mismatch in the suplyand demandforbig data professionals，dificultyinimproving workers‘data literacy，integrating diverse data sources efficiently，and planning precisedata infrastructure.There arealso issues with uncleardata ownership andtheinefective integrationofdata resources withapplicationscenarios.Thirdly，in terms ofimprovementpaths，toaddress challengesofcultivating new-qualitylaborers，eforts shouldfocus onenhancing bigdata talenttrainingandimproving data literacy among general workers.Toovercome constraints ingenerating new-quality labor materials，methods forintegrating multi-source heterogeneous data should beexplored，andenterprise-specificdata infrastructure development should be promoted.To resolve limitations onexpanding new-quality labor objects，efforts should focus on clarifying data ownership and enriching data resource application scenarios.

KeyWords：Digital Economy;Data Resources；New Quality Productive Forces；Theoretical Logic；Practical Constraints; Improvement Paths