數據治理驅動新質生產力涌現的理論邏輯與實踐進路

【中圖分類號】F49 【文獻標識碼】A 【文章編號】1004-0994（2025）18-0020-7

一、引言

數字經濟時代，數字技術的發展和應用以及數字化轉型已經成為提升國家競爭力的核心要素，以數據驅動、數據賦能、數據創新推動國家治理模式變革和經濟社會發展也成為我國新時期提升創新力和競爭力的首要任務，各界對數據要素和數據治理的關注度不斷攀升。2020年中共中央、國務院發布了《關于構建更加完善的要素市場化配置體制機制的意見》，首次從國家層面提出了數據要素的概念，強調了數據作為新型生產要素的重要地位。2021年國家發展改革委發布的《\"十四五\"數字經濟發展規劃》，2022年國務院發布的《關于加強數字政府建設的指導意見》和中共中央、國務院發布的《關于構建數據基礎制度更好發揮數據要素作用的意見》（簡稱“數據二十條”），則進一步明確了數據治理的目標和路徑，對數據治理制度構建和模式創新提出了新的要求。構建數據治理體系、暢通數據資源大循環不僅成為推動數字經濟發展和數字中國建設的關鍵，也成為驅動新質生產力涌現的基礎（許中緣和鄭煌杰，2024）。

2023年9月，習近平總書記在黑龍江主持召開新時代推動東北全面振興座談會時提出，要“加快形成新質生產力，增強發展新動能”①。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系統闡述了新質生產力的概念和內涵，即“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”，并對如何培育新質生產力提出明確指引②，引發了各界的廣泛探討。目前學術界從內涵特征、理論邏輯、價值意義等方面對新質生產力進行了學理闡述（劉守英和黃彪，2024；蔣永穆等，2024；田菊和褚爾康，2024），從水平測算、實踐路徑等方面研究了新質生產力的賦能情況（韓文龍等，2024；周文和李雪艷，2024）。其中，數據要素賦能新質生產力成為數字經濟時代的關注焦點（馮永琦和林凰峰，2024；武永霞和李偉，2025；梁雁茹和徐建中，2025；李子成等，2024），而數據治理將通過確保數據的可用性、安全性，最大化數據價值（張夏恒和劉彩霞，2024），顯著促進數據要素賦能新質生產力，形成激發新質生產力的重要支撐。

學界對數據治理的模型框架、技術工具、政策文化、業務影響、倫理風險等進行了諸多研究（Janssen等，2020；曹惠民和鄧婷婷，2021），總體上認可數據治理的重要性，但也發現我國在數據治理上存在諸多問題（安小米等，2021），如治理法律不完善、數據安全和隱私無法保障、技術標準不統一以及數據管理和應用能力不足等（孫逸嘯，2024；趙新潮，2024；鮑靜和張勇進，2017），制約了數據要素價值的發揮及新質生產力的涌現。目前關于數據治理如何驅動新質生產力的研究還較少，對于兩者間的理論機制與實踐探索還需進一步明晰和深化。因此，研究數據治理驅動新質生產力面臨的現實困境、未來應如何破解，具有重要的理論與實踐價值，不僅擴展了新質生產力的研究視角，夯實了數據治理觸發新質生產力的理論根基，也為創新數據治理模式、提升數據治理效能以驅動新質生產力涌現提供了現實參考。

二、數據治理驅動新質生產力涌現的理論邏輯

數據治理作為一種系統性管理數據的方式，涵蓋了數據收集、存儲、處理、共享和應用的各個環節，通過提升數據資源的利用效率和價值，充分發揮數據要素的乘數效應，促進技術創新和產業升級，其核心要義與新質生產力高度契合。從資源基礎理論、數據生命周期理論和復雜適應系統理論來看，數據治理的創新價值體現、治理過程的不斷發展及協同治理的互動反饋，將形成“創新質”“發展質”“協作質”，驅動新質生產力涌現，理論邏輯見圖1。

基于資源基礎理論數據治理價值 生產新 數據資源 激發→ 創新質有效配置數字治理數智知識能力基于數據生命周期理論數據治理 治理過程 可特展續 初期gt;成長成熟期→衰退期 治理目標 催生 → 發展質 驅動 新質生產力治理需求 差異化 治理策略數據的全流程管理、整合與應用基于復雜適應系統理論協同治理 多主體 自組織 多主體聚集 資源流 培育 協作質適應性造就自適應 能量流復雜性多樣性 信息流非線性效應

1.治理價值視角：基于資源基礎理論的驅動機制。資源基礎理論是戰略管理領域的一個核心理論，主要關注組織如何通過其獨特的資源和能力來獲得并維持競爭優勢（Wernerfelt，1984;Barney，1991）。該理論為組織構建競爭壁壘搭建了“資源一知識一能力\"的分析框架（張璐等，2023），認為企業是資源、知識、能力的集合體。資源框架下，價值性、稀缺性、不可模仿性和不可替代性的資源是企業獲得競爭優勢的關鍵；知識框架下，企業積累的社會知識和集體知識是企業獲得長期競爭優勢的源泉；能力框架下，企業只有具備運用和配置資源的獨特能力以及擁有感知市場變化、抓住機遇并快速重新配置資源的動態感知能力、抓取能力和轉換能力，才能保證企業在復雜市場環境下保持競爭優勢（Teece，2007）。

數據作為數字經濟時代的重要資源，被譽為新的“石油”，是科技創新、管理創新的基礎“燃料”。數據治理的價值體現為創新，是數據資源、數智知識和數字治理能力的統一體，通過數字生產力的發展和數智效力的提升激發“創新質變”，驅動新質生產力涌現。基于資源基礎理論，數據治理首先需對自身數據資源進行全面審視，識別和開發那些可能被忽視的有用資源并進行有效配置；其次需不斷累積數據治理知識和技術，進行長期穩定治理；最后需根據動態復雜環境，不斷提升感知、整合和重構數據的能力，形成新的資源結構，并內化為治理能力。在這個過程中，有效的數據治理不僅能精準定位、收集、配置、應用數據資源，還能通過知識的不斷積累和更新及治理能力的不斷演化提升，推動基于數據的技術與管理創新，不斷提高生產要素配置效率，從而驅動新質生產力涌現。

2.治理過程視角：基于數據生命周期理論的驅動機制。數據生命周期理論源于“信息生命周期管理”概念，是將生物學的生命周期概念引入信息和數據資源管理領域，認為數據也有從產生、使用到老化歸檔或再循環的獨特生命周期，在不同的階段，數據資源的特征不同，數據治理的目標、需求和策略也有差別（林焱和周志峰，2016）。數據生命周期理論發展至今，因治理領域、應用需求和分析視角的不同，產生了多個劃分不同生命周期階段的數據生命周期模型，如英國的DCC數據生命周期模型、美國的DataONE數據生命周期模型等（李偉綿和崔宇紅，2015）。傳統數據管理認為生命周期后期的歷史數據應轉為冷存儲或人為損毀，但大數據理念和特征要求擴展生命周期的“再循環\"或“再生\"環節，整合實時數據與歷史數據，促進數據資源或產品增值。除后期復用和價值增值外，現在的數據生命周期理論還強調數據治理前期規劃和融合共享（馬廣惠和安小米，2019）。

數據生命周期理論為數據治理提供了一種系統性、連續性的視角，促使組織在不同階段采取適宜的數據治理措施，實現不同的治理目標，以最大化數據資源價值，實現高效的數據利用，以發展的眼光驅動新質生產力涌現。新質生產力是“發展”的生產力，是由技術不斷突破、要素不斷創新配置、產業不斷轉型升級催生的“發展質變”。根據數據生命周期理論，在初創或規劃階段，數據治理的重點在于建立基礎的數據管理體系和標準，確保數據收集的準確性和完整性，并通過引入基本的數據質量控制機制，確保初期收集到的數據能夠為后續的分析和決策提供可靠的基礎。在成長階段，數據治理的重點轉向數據整合和共享，通過建立系統性、規范性的數據平臺和管理流程，實現不同數據資源的整合，打破信息孤島，提高數據資源的流通和應用效率。在成熟階段，數據治理的重點在于通過先進的數據分析技術和工具，挖掘數據的深層價值，推動創新效率提升。在衰退階段，需要采取有效的數據治理措施對數據進行資源整合和管理優化，并確保數據資源的循環利用和有序退出，確保數據在生命周期末端的安全和合規處理。通過全流程的數據治理提升數據素養，可持續地支持新質生產力的不斷發展。

3.協同治理視角：基于復雜適應系統理論的驅動機制。復雜適應系統理論是目前系統科學的主要研究方向之一③，其核心思想為\"適應性造就復雜性”，認為系統中的個體是具有自組織、自適應的主體，通過與其他主體互動、學習、積累經驗和反饋，改變自身行為方式，涌現系統行為的復雜性與不確定性，派生出整體系統不斷適應環境的演變和進化（Holland，1996）。該理論強調“聚集”“非線性”\"流\"和“多樣性\"的復雜系統特征。其中：“聚集\"強調系統內多主體的聚集，形成具有新功能的聚合體；“非線性”表明系統內部的小變動可能產生非常大的效果，意味著系統的行為難以預測和控制；“流”指的是系統內物質流、能量流、信息流的周轉速度對系統演化的影響；“多樣性”是復雜性和適應性的來源，在組件和行為上的多樣化使得系統能夠更好地適應外部環境的變化。

復雜適應系統理論為理解和設計能夠適應快速變化環境的組織和技術系統提供了強大的工具。該理論下，數據流動是遠離平衡態的非穩定復雜適應系統（黃欣榮，2012），處于“邊緣混沌”狀態，使治理體系保持足夠的靈活性和創新能力，從而適應復雜多變的環境。同時，由于多元治理主體及其所處情境的異質性，數據資源呈現應用的迥異性，主體間錯綜復雜的關系伴隨數據資源流動的動態性，形成了數據治理的復雜系統環境。在這個類似于生態系統的數據治理復雜體系下，主體間數據資源勢差的非對稱性及數據資源應用能力的差異性，要求進行協同治理，形成互相依賴的共生關系（蔡靜靜和趙麗梅，2023）。基于此，復雜適應系統理論要求通過建立靈活的、適應性強的數據治理體系，促進多元主體的協同合作，實時監控和調整數據管理策略，從而可以在復雜多變的環境中實現數據資源的高效利用，從協同治理視角驅動新質生產力涌現。新質生產力是勞動者、勞動資料和勞動對象的優化組合，通過構建多元主體共治的數據治理體系，有助于形成具有自組織、自適應、動態反饋和環境適應等特征的治理生態，促進適配數字經濟發展的新質生產力和生產關系的協同演進。

三、數據治理驅動新質生產力涌現的現實困境

1.數據治理規制不健全，影響新質生產力形成。數據治理規制不健全會導致數據要素流通不順暢，造成數據治理的“無序融合”和治理效率低下，影響基于數據創新的新質生產力形成。目前數據治理規制不健全主要體現在三個方面。

（1）制度不夠完善。目前我國關于數據治理的法律法規多參考國家數據安全相關規定，如《數據安全法》《網絡安全法》《個人信息保護法》及有關規定。2024年3月，我國出臺了《促進和規范數據跨境流動規定》。但我國暫時沒有關于數智技術如大數據、區塊鏈、人工智能等領域的法律法規，導致數據標準和規范不統一，使得數據難以整合和共享，阻礙了跨部門和跨系統的數據分析，限制了數據驅動創新。同時，數據的準確性、完整性和一致性難以得到保證，導致分析結果不準確，影響決策的有效性。由于無法保障數據安全和隱私，數據泄露和濫用的風險大幅提高，削弱了數據治理多元主體間的信任，進一步限制了數據共享和開放，制約了數據驅動的協同創新，從而阻礙了新質生產力的形成。

（2）協作機制不夠健全。大數據時代，數據來源、需求、操作主體的多元化以及數據政治價值、經濟價值、社會價值的多元性，要求進行跨區域、跨部門的協同治理。然而目前協同治理的基礎即協作機制還不健全，影響了數據治理效果，也限制了數據資源的應用和價值發揮，阻礙了數據生產力的發展，從而影響新質生產力的形成。第一，協作的組織機構不健全。以政府數據治理為例，雖然各省大多建立了大數據管理局、大數據治理中心或者數字經濟局等治理機構，但這些機構有的歸省政府直管，有的隸屬發展改革委等職能部門（梁宇和鄭易平，2021），缺乏統一規劃，且因條塊分割、目標不一致等，數據開放和共享進程較為緩慢。第二，共享和激勵機制待完善。目前我國雖有如《政務信息資源共享管理暫行辦法》等政策文件，但未上升到法律層面，且缺乏激勵機制，導致各主體共享的積極性不高。第三，協同意識還需提高。治理主體或出于隱私安全考慮，或出于減輕事務工作負擔考慮，或出于自身利益考慮，缺乏主動參與數據協同治理的內驅力。

（3）系統銜接不夠順暢。數據治理中，系統銜接不暢問題主要體現為各地、各部門分散建設和重復建設的問題以及數據碎片化和數據孤島問題形成的“數據壁壘”現象。一方面，從當前實踐來看，各類數據治理的基礎設施無論是縱向還是橫向均沒有完全打通，導致數據資源流通和系統銜接存在很大的問題。數智技術的迅速升級迭代、數據治理要求的不斷提升，必然激發原有系統升級、更新需求，但實際上各數據治理任務主體更傾向于重新搭建新的系統或平臺，而較少選擇在其他主體已搭建的平臺上接入服務，導致出現分散建設、重復建設等現象，部分系統在更新過程中被廢棄，造成大量資源浪費。各層級政府和各部門獨立開發的系統之間相互獨立、互不聯通，也影響了治理網絡的形成和治理效能的提升。另一方面，數據碎片化和數據孤島問題，導致數據分散以及無法在部門間暢通流動和共享，影響數據的整合、分析和利用以及決策的準確性和及時性，從而阻礙創新和全局優化，影響新質生產力的形成。

2.數據資源配置效率不高，制約新質生產力發展。數據資源配置效率直接關系到創新的成本和速度，如果該效率不高，將延長創新周期，且可能導致資源錯配問題，抑制全要素生產率提升，從而制約新質生產力發展。目前，我國數據資源配置效率不高主要體現在三個方面。

（1）數據資源有效供給不足。近年來，我國數據產量增長和市場規模擴張迅速，中商產業研究院發布的《2022-2027年中國數字經濟市場需求預測及發展趨勢前瞻報告》和《2024-2029年中國數據要素市場前景及投資機會研究報告》顯示，2022年我國的數據產量達8.1ZB，同比增長 22.7% ，數據要素市場規模達1018.8億元，近五年年均復合增長率為 48.95% ，數字經濟市場規模達50.2萬億元④。但數據資源仍呈現有效供給不足的狀態，這種不足主要表現為數據要素質量不高、公共數據開發不充分以及數據壟斷導致的數字鴻溝（張夏恒和劉彩霞，2024）。首先，數據采集覆蓋面不夠，采集到的數據存在不準確、不完整和不一致的問題，以及數據的實時性和動態性不足都會影響數據質量，導致資源浪費和創新受阻。其次，公共數據作為其他行業數據應用的基礎，目前在開放和共享上存在門檻和障礙，部分持有者“不愿、不敢、不會\"開放和應用公共數據，無法激活數據要素價值。最后，部分大型數字類企業為構建數據市場壁壘、強化壟斷優勢，可能采用技術手段壟斷數據資源，導致經濟效率下降，損害消費者福利（沈坤榮和林劍威，2024）。

（2）數據資源市場化進程較為緩慢。數據資源市場化是應用數據要素、發揮數據價值的核心途徑，但數據權屬問題、定價問題及交易平臺問題嚴重影響了數據要素的流通，制約了新質生產力的發展。其一，數據權屬不明，是當前數據資源市場化面臨的一大挑戰。數據的生成和處理往往涉及多個主體，包括數據采集方、數據處理方和數據使用方等，導致數據權屬難以界定；數據經過多次合成和加工，數據共享模式多樣化以及數據交易涉及多個環節，使得數據權屬問題進一步復雜化。其二，數據要素定價是數據市場交易的重要難題。數據定價跟數據確權一樣是數據資源市場化的前提，數據要素的復雜性導致數據價值計量困難、數據質量不一、數據估價指標不統一；數據要素供需關系等重要市場要素不健全，導致數據市場交易不暢通。其三，數據交易平臺建設亟待統一規范。目前我國缺乏國家級數據交易所，代表性的多為地區性平臺，如北京國際大數據交易所、上海數據交易所、廣州數據交易所、深圳數據交易所和貴陽大數據交易所等，但尚處于探索階段，阻礙了我國數據資源市場化進程。

（3）數據資源規范化較弱。數據資源規范化較弱主要體現在數據標準不統一、數據冗余和重復問題普遍、數據權限和安全管理不規范、數據監管不足等方面，其中有多年來各部門和系統獨立發展導致的歷史遺留問題，也有數據治理技術和工具不足的原因，還有受經費限制投入的人、財、物“三力\"資源不足等原因。數據資源規范化較弱，不僅可能造成重大決策失誤，還可能影響市場主體運營效率，增加數據安全風險和管理成本，最終因缺乏高質量和規范化的數據支持，限制數據驅動的創新，削弱企業的競爭力和市場響應能力，阻礙新質生產力的發展。

3.數據治理技術與應用結合得不夠緊密，阻礙新質生產力實現。隨著數智技術的不斷進步、更迭，可選擇的數據治理工具和技術越來越多，但技術與業務融合度低、場景化應用不足、數據治理人才短缺等導致技術應用不成熟，數據應用價值發揮不足，阻礙了新質生產力的實現。

（1）數據治理技術與業務的融合度不高。該問題是數據治理實踐中普遍存在的問題，容易導致管理沖突、成本增加和資源浪費。一方面，由于數據治理技術自帶復雜性壁壘，且技術工具多集中于數據生產端，技術工具的應用程度和范圍不夠，再加上大部分治理主體還無法實現技術方式、平臺快速迭代的“敏捷\"治理，影響了數據治理效率。另一方面，由于技術部門和業務部門存在技術與業務認知的鴻溝或不同步，技術與業務需求脫節，影響了技術應用效果。加之缺乏兼具業務洞察力和科技技能的復合型人才，進一步影響了技術與業務的融合。技術部門與業務部門存在的“認知有鴻溝、行動難合拍、過程常摩擦”問題，不僅微觀上影響治理主體的運行效率和治理效果，而且宏觀上也影響數實融合進程，進一步阻礙新質生產力的實現。

（2）數據治理場景化應用不足。如何融合海量數據與豐富場景是目前數據治理實踐關注的焦點問題。2022年，科技部等六部門發布《關于加快場景創新以人工智能高水平應用促進經濟高質量發展的指導意見》（國科發規[2022]199號），指出“存在對場景創新認識不到位，重大場景系統設計不足，場景機會開放程度不夠，場景創新生態不完善等問題”，要求“推動場景資源開放、提升場景創新能力”，從國家戰略層級提出場景創新的重要性。目前不論是政府部門還是企業都擁有大量數據，但難以從中提取有價值的信息，更欠缺應用場景的創新。巨額數據“寶藏”與應用場景開發不足的矛盾，不僅僅是數據市場化的“瓶頸\"問題，更是創新成果快速轉化、精準落地的關鍵難題，阻礙了新質生產力的實現。

（3）數據治理人才短缺。充足的數據治理人才供給是推動創新、提升全要素生產率、形成新質勞動力的基礎。數字經濟時代，數據從業務的“附屬”快速提升至具有重大、潛在價值的“資產”，數據治理作為新興行業嶄露頭角，各大高校也應勢開設數據科學與大數據技術相關專業，但數據治理人才的缺口仍很大。根據《產業數字人才研究與發展報告（2023）》，我國當前數字化人才缺口約2500萬 ～3000 萬人，且缺口在持續加大（人瑞人才和德勤中國，2023）。數據治理人才的短缺不僅僅指的是數智技術型人才的短缺，更重要的是指數字綜合型人才的短缺，同時還存在“人崗不匹配”的人才供需結構性失衡，因薪酬水平差距、配套供給不足等帶來的人才“產業式分布不均\"等問題，會制約新質生產力的實現。

四、數據治理驅動新質生產力涌現的實踐進路

從前述分析來看，只有構建數據協同治理生態體系，形成“制度層 + 技術層 + 應用層\"的價值流轉框架與數據要素多元主體共創共享和市場化配置形態，才能健全數據治理規制、提高數據資源配置效率、強化數據治理技術與應用的融合，從而驅動新質生產力涌現。

1.數據協同治理生態體系構建。基于生態系統復雜性、開放性、動態性和可持續性特征，以創新、發展、人才、協同為引領，構建多元主體協作，制度層、技術層、應用層相互支撐的數據協同治理生態體系（見圖2），從而更有效、更有力、更有為地驅動新質生產力涌現。

圖2數據協同治理生態體系

（1）在多元主體協作方面：強調作為數據的產出者與擁有者，即各級政府、各類企業、第三方機構（如標準機構、受托監管機構、交易中心、數據平臺等）以及個人，應協同合作，加強數據資源開放與共享，促進數據資源開發與應用，強化數據全流程管理，最大化數據資源價值，并促進規則的流動，構建多元化、共生的數據協同治理生態主體關系。

（2）在制度層、技術層、應用層相互支撐方面：強調從生態環境視角構建數據治理驅動新質生產力涌現的良好制度環境、技術環境和應用環境，且各環境要素相互聯結、彼此依賴。首先，制度層需構建完善并適配數智技術發展的政策與法規、標準與框架、組織與結構，為數據治理提供方向和框架，確定規范和界限，推動治理合規，從頂層設計視角驅動新質生產力涌現。其次，技術層需搭建促進數據治理應用并提升數據治理效能的數據架構，提供各類技術工具與平臺，不斷開發數據安全保護技術，催化基于數據的創新并傳導至應用領域，從而驅動新質生產力涌現。最后，應用層強調基于數據治理制度與技術的創新，促進業務應用、場景創新、數實融合與產業升級，從價值實現視角驅動新質生產力涌現。

（3）在系統內能量循環流動方面：首先，隨著數據資源、知識、能力不斷被識別、開發、傳播、應用，各治理主體主動接納、吸收、調節，形成自組織、自適應的復雜生態。其次，通過數據規則的不斷流動以及數據的全流程管理、整合和應用，強化數據生命周期管理，形成動態治理過程。再次，通過生態系統內物質流、能量流和信息流的加速流動，并與系統外相關要素進行不斷交換，形成開放性的數據治理體系。最后，通過市場化配置數據資源、場景化創新應用數據資源與技術，使數據協同治理生態體系持續運行。

2.優化數據治理以驅動新質生產力涌現的對策。數據治理與新質生產力均為處于發展階段的新興力量，面臨的現實困境較多，需通過系統性、多維度的政策保障進行賦能。本文在構建數據協同治理生態體系的基礎上，從制度層、技術層、應用層提出建議，通過“摸家底、立標準、強支撐、顯價值\"優化數據治理，驅動新質生產力涌現。

（1）以治理制度建設為引領，奠定新質生產力涌現的“基石”。

一是健全數據治理法律體系，完善治理規則。治理能力現代化需“制度先行”，通過數據治理法律體系、數據要素市場配套規則、數據治理監管機制的搭建、完善，為新質生產力構建良好的制度環境，奠定新質生產力涌現的\"基石”。在數據治理法律體系方面：一方面，需立足于現有的《網絡安全法》《數據安全法》《個人信息保護法》等，進一步建立全面的數據保護法律框架，明確企業和機構的數據收集、存儲、處理、共享、銷毀的法律責任和義務，確保數據主體的知情權、同意權和刪除權等；另一方面，需制定全鏈條的數據標準和治理規范，確保數據質量，為數據共享和流通打好基礎。在數據要素市場配套規則方面，則需基于“數據二十一條”，探索數據定價、權屬、流動、交易、分配規則，為要素市場規范化發展提供保障。在數據治理監管機制方面，可考慮設立專門的監管機構，負責數據治理法律和規則的監督執行，同時加強對數據治理活動的監督檢查，建立數據治理合規性審計制度，并加強對數據濫用和違法行為的處罰。

二是完善數據治理組織與結構，構建全流程治理機制。我國于2023年建立了國家數據局（隸屬國家發展改革委），各省也基本設立大數據管理局等機構，但組織結構不統一、體制機制不健全等問題突出，需進一步理順，從而確保數據治理的有效實施。首先，不論是政府部門還是各類企業，需明確數據治理框架、職責和權限，將數據治理納入戰略規劃，設計數據治理的組織架構和職責分工，明確各級管理和執行機構的角色，同時設置跨部門的數據治理委員會或工作組，負責協調和推動數據治理工作。其次，以國家相關法律、法規為基礎，制定可具體執行的數據治理細化政策，確保數據處理過程的透明性和合規性。最后，構建全流程數據治理機制。如：在數據收集階段，制定收集標準和流程，使用數據標簽和元數據管理，確保數據來源的可追溯性；在數據存儲階段，采用安全的數據存儲技術和加密措施并定期進行數據備份和恢復測試，確保數據的可用性；在數據使用階段，明確數據流通、共享的條件和規范，使用數據去識別化和匿名化技術，保護隱私；在數據銷毀階段，制定數據銷毀標準和流程，使用安全的數據銷毀技術，防止數據泄露等。

三是優化數據治理協同機制，形成良好的數據治理文化。首先，推動制定數據開放與共享的法律規范，明確政府數據和公共數據的開放范圍和使用條件，并建立數據共享責任機制，確保數據共享過程中的數據安全和隱私保護。其次，建立有效的溝通機制。可考慮基于跨部門的數據治理委員會，定期召開數據治理會議，討論和解決數據協同治理中出現的問題，分享經驗、跟蹤進展、評估效果，并使用協同工具發布政策、標準和培訓資料等，促進信息交流和資源共享。最后，推動數據治理文化建設。一方面，樹立良好的數據治理價值觀，強調數據作為重要資產的價值，倡導數據驅動的決策文化；另一方面，提高公眾數據保護意識，加強數據保護法律法規的宣傳和普及，推動數據保護教育，可考慮將數據治理安全知識納人學校和社會教育體系。

（2）以數據技術創新為支點，發動新質生產力涌現的“引擎”。

一是加強數據技術的創新供給。創新是第一動力，在數據治理過程中，數據技術創新是新質生產力涌現的源泉，是促進新質生產力形成、發展、實現的“永動機”。首先，增加對數據技術的投資。政府和公共部門一方面可通過加強數據治理基礎設施建設，如網絡基礎設施、數據存儲和計算基礎設施等，為數據技術創新提供基礎支持，另一方面可通過科研基金和項目資助、稅收優惠、金融支持等促進數據技術相關的研究和開發。相關企業則可通過增加對數據技術研發的資金投入，支撐開發先進的數據管理和分析工具，或者購買和升級先進的數據管理平臺、數據分析工具和數據安全解決方案等，提升數據治理效率。其次，加強對數據技術人才的培養，為數據技術創新提供人才。通過制定人才培養、激勵政策，建立多層次的人才培養體系（如創建數據技術交流和在線學習平臺、普及數據技術課程、設立職業資格認證等），提升數據素養和技能。最后，優化創新資源分配，建立科學、公正、透明的資源分配機制，深化對關鍵共性技術的認知，促進數據標準化和互操作性的提升，同時推動區域創新協調發展。

二是加強數據技術創新合作。一方面，推動數據技術創新的政產學研合作，建設國家級或區域級數據技術創新平臺，建立良好的政府機構、企業、高校和科研院所合作伙伴關系，設立聯合實驗室和研發中心，共同開展數據技術科研和應用項目，促進數據技術資源共享和協同創新。另一方面，加強國際數據技術創新合作，可考慮與國際知名高校、研究機構和企業建立合作關系，開展聯合研發和技術交流，或者通過參與國際科技合作項目，引進國外先進的數據技術和管理經驗，支持企業和科研機構在海外設立研發中心等，獲取全球數據創新資源。

三是推動數據技術轉移和成果轉化。首先，通過建立科技成果轉化服務平臺，促進技術轉移和產業化，同時通過支持科技中介機構的發展，提供專業的技術轉移服務、市場對接服務等，加快技術轉移與成果轉化。其次，提供資金、政策和市場支持，幫助科研成果快速轉化為產品和服務，同時設立成果轉化基金，建設科技孵化器和加速器，支持初創企業和創新項目。最后，形成包容技術創新的環境，加強數字政府建設，簡化行政審批程序，推動科技園區、產業園區建設，形成創新創業生態系統。

（3）以數據資源應用為導向，鋪就新質生產力涌現的“道路”。

一是加強數據應用業務的開發和場景化應用創新。數據治理的最終目的是應用數據資源，實現數據價值，促使新質生產力從資本邏輯中形成（令小雄等，2024），鋪就新質生產力涌現的“社會價值\"道路。一方面，以數據資源為依托，以數據技術為支撐，支持多形態的數據應用業務。首先，在全面了解行業、企業、用戶需求的基礎上，推進基于數據的業務創新；其次，以數據資源與技術支撐日常業務管理與運行，實現“提質、降本、增效”目標；最后，以數據處理和分析工具提高治理主體的決策能力與質量。另一方面，積極探索和創新數據應用場景，最大化挖掘數據價值。聚焦人工智能、金融服務、工業制造、惠民服務、社會治理、交通運輸、“雙碳”管理等領域，構建公共場景、產業場景、企業場景、用戶場景等多維數據應用場景（尹西明等，2024），并結合具體數據治理應用場景識別個性化需求，充分釋放數據治理乘數效應。

二是穩步推進數據市場化平臺建設。數據要素交易市場是數據價值實現的重要介質，市場化平臺建設的穩步推進有助于強化“市場治理”，構建信任機制，助推新質生產力實現。首先，建設高效、安全的數據交易平臺，包括實時交易系統、數據追蹤和記錄系統等，確保數據交易的透明度和公平性。其次，提供標準化的數據產品和服務，如數據質量標準、數據格式規范等，以降低市場交易的復雜性和成本。最后，加強職業道德教育，建立自律機制，如誠信交易、公平競爭等，并培養專業的數據經濟人才，包括數據科學家、數據法律專家、市場分析師等，提升數據市場的整體專業水平。

三是加快數字產業化和產業數字化進程。數字產業化和產業數字化是各國數字經濟發展的重要戰略目標，也是數據治理應用價值的宏觀體現，通過將數據、技術與產業相結合，提高效率、創造新的價值并促進經濟增長，驅動新質生產力實現。一方面，聚焦發展重點、適應創新趨勢，加強數據治理核心技術攻關，打造數據資源“供應一流通一交換一消費一分配\"鏈，不斷夯實數字產業化基礎、提高產業數字化水平。另一方面，促進數字產業化和產業數字化的融合，打造數字產業集群，發揮集聚效應、輻射帶動效應，更快地促進新質生產力涌現。

五、結語

新質生產力是我國新發展階段打造新“引擎”、增強新\"動能”、構建新“優勢\"的重要指引，數據治理對新質生產力的賦能作用在數字經濟時代愈發顯著。本文基于資源基礎理論、數據生命周期理論、復雜適應系統理論，從數據治理價值、治理過程和協同治理視角梳理了數據治理驅動新質生產力涌現的理論邏輯，從數據治理規制、數據資源配置和數據治理技術與應用的結合三個方面總結了目前我國數據治理驅動新質生產力涌現的現實困境，構建了多元主體共創共享，制度、技術、應用環境互相支撐的數據協同治理生態體系，并從制度層、技術層和應用層提出了具體的數據治理優化建議，以更有效地驅動新質生產力涌現。

本研究的邊際貢獻主要體現在以下三點：一是面向新質生產力的新要求，從數據治理視角構建了驅動新質生產力涌現的理論與實踐框架；二是系統梳理了數據治理驅動新質生產力涌現的理論邏輯，擴展了資源基礎理論、數據生命周期理論、復雜適應系統理論的應用邊界；三是構建了數據協同治理生態體系，為進一步推動數據治理在數字中國建設中的基礎作用，以數據資源深度融合技術、產業推動高質量和創新發展提供了實踐參考。

【注釋】

① 習近平主持召開新時代推動東北全面振興座談會強調：牢牢把握東北的重要使命 奮力譜寫東北全面振興新篇章[EB/OL].https：//www.gov.cn/yaowen/liebiao/202309/content_6903072.htm，2023-09-09。② 習近平在中共中央政治局第十一次集體學習時強調：加快發展新質生產力扎實推進高質量發展[EB/OL].https：//www.gov.cn/yaowen/liebiao/202402/content_6929446.htm，2024-02-01。③ 一般認為系統科學的發展經歷了三個階段：第一個階段是20世紀40年代以控制論、信息論和一般系統論為代表的“老三論”；第二個階段是20世紀60年代以耗散結構理論、突變論和協同論為代表的“新三論”；第三個階段是20世紀90年代以美國科學家JohnH.Holland提出的復雜系統論為主要研究方向。④ 中商產業研究院.2024年中國數據要素行業市場前景預測研究報告（簡版）[EB/OL].https：//www.askci.com/news/chanye/20231215/093635270263336158740874.shtml，2023-12-15。

【主要參考文獻】

鮑靜，張勇進.政府部門數據治理：一個亟需回應的基本問題[J].中國行政管理，2017（4）：28～34.蔡靜靜，趙麗梅.復雜適應系統理論視域的科學數據治理研究[J].世界科技研究與發展，2023（2）：221～232.曹惠民，鄧婷婷.政府數據治理風險及其消解機制研究[J].電子政務，2021（1）：81～91.馮永琦，林凰鋒.數據要素賦能新質生產力：理論邏輯與實踐路徑[J].經濟學家，2024（5）：15～24.黃欣榮.復雜性科學的方法論研究[M].重慶：重慶大學出版社，2012.蔣永穆，孫小崙，喬張媛.中國式現代化視域下發展新質生產力的重大意義、基本框架與實現路徑[J].管理學刊，2024（3）：1～15.李子成，王班，董燕燕.數據要素賦能新質生產力發展一一基于企業數字化和創新資源配置的中介效應[J].金融與經濟，2024（10）：38～49.梁雁茹，徐建中·數據要素市場化對企業新質生產力的賦能效應和機制檢驗[J].統計與決策，2025（1）：23～27.梁宇，鄭易平.我國政府數據協同治理的困境及應對研究[J].情報雜志，2021（9）：108～114.林焱，周志峰.基于數據生命周期模型的數據資源管理剖析[J].圖書館學研究，2016（14）：52～57+88.令小雄，謝何源，妥亮等.新質生產力的三重向度：時空向度、結構向度、科技向度[J].新疆師范大學學報（哲學社會科學版），2024（1）：67～76.人瑞人才，德勤中國.產業數字人才研究與發展報告（2023）[M].北京：社會科學文獻出版社，2023.

孫逸嘯.數智治理：內涵、風險及其法律調控[J].世界社會科學，2024（3）：166～181+246.田菊，褚爾康.論新質生產力對馬克思主義生產方式理論的創新與發展[J].技術經濟與管理研究，2024（11）：25～29.武永霞，李偉.數據要素嵌入賦能企業新質生產力發展：理論分析與實證檢驗[J].統計與決策，2025（8）：165～170.許中緣，鄭煌杰.數據要素賦能新質生產力：內在機理、現實障礙與法治進路[J].上海經濟研究，2024（5）：37～52.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（3）：178～188.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.趙新潮.個體權益·公共利益·國家安全：企業數據權利限制的三重考量[J].湖北大學學報（哲學社會科學版），2024（4）：143～153.周文，李雪艷.加快形成與新質生產力相適應的新型生產關系：理論邏輯與現實路徑[J].政治經濟學評論，2024（4）：84～99.Janssen M.，Brous P.，Estevez E.，et al..Data governance：Organizing datafortrustworthy Artificial Intelligence[J].Government Information Quarterly，2020（37）：101493.TeeceD.J..Explicatingdynamiccapabilities：Thenature and microfounda-tions of（sustainable）enterprise performance[J].Strategic Management Journal，2007（13）：1319～1350.

（責任編輯·校對：羅萍李小艷）