陈宏民：数据也会“成长”，释放数据要素价值要加快建设这个市场

　　近日，国家数据局、中央网信办、科技部、工业和信息化部等17部门联合印发《“数据要素×”三年行动计划（2024—2026年）》，旨在推动发挥数据要素的乘数效应，释放数据要素价值。在上海交通大学安泰经济与管理学院陈宏民教授看来，数据有着自身的成长规律，要加快建设数据要素服务市场，从而更好实现数据要素价值。以下是他在中国数字经济发展和治理学术年会上的演讲。

　　数据要素是推动数字经济发展的核心引擎，是赋能行业数字化转型和智能化升级的重要支撑，也是国家基础性战略资源。我国是数据生产和应用大国，也是世界上首个提出数据要素理论的国家。政府高度重视数据对于经济社会发展和培育新质生产力的重要作用，相继出台了一系列重要政策和举措，并于2023年成立国家数据局，统筹协调数据要素流通和交易工作。

　　数据产业发展迅猛，数据确权定价的研究和实践在持续深入，数据的应用场景不断向着广度和深度发展，数据交易市场逐渐活跃。作为新质生产力的新型要素之一，数据有何成长规律？如何更好实现数据要素价值？今天的演讲，我就围绕上述问题跟大家分享个人的一些思考。

　　数据要素的成长规律

　　数据之所以引起如此强烈的关注，是与它在数字经济中的重要地位紧密相连的。数字经济是人类继农业经济、工业经济之后又一个重要的经济形态，而数据在数字经济发展进程中扮演着不同角色，发挥着不同作用。

　　1、数字经济三阶段

　　数据在数字经济发展进程中循序渐进地扮演着三种不同角色，或许也可看作数字经济本身发展的三个阶段。

　　第一阶段为数据数字化阶段。通过把各种类型的海量数据信息，包括广泛的文字、图像、音频、视频资料实现数字化，使得这些数据传输快捷、使用便利、储存安全，同时为数据的大规模应用奠定了重要基础。比如，把一本纸质书从北京送到上海，即便快递闪送也得花半天或一天时间，而如果要送给一千个人则要印一千本、送一千次，印刷、运输以及时间，这都是成本。但是一旦将这本书数字化，瞬间就能送出千万里、触达亿万人，而且几乎是零成本，这就是数据的数字化价值。

　　第二阶段是数据要素化阶段。在数字化的基础上，数据可以便利地开发利用，并和其他生产要素比如劳动力、土地、资本、技术等融合在一起，产生更多价值，创造更多财富。这时，数据的特征是生产要素，体现出协同增值的效果。

　　第三阶段是数据驱动化阶段。数据不仅是一种生产要素，而且成为越来越重要甚至是关键的生产要素。小到一个企业的产品开发和功能迭代，大到一个行业的转型升级，其发展演化的方向都是数据引领。因为无论是消费者倾向还是公众情绪，都会以数据的形式通过各种渠道呈现出来，驱动着经济社会向前发展。这种特性已经在一些企业或者个别行业初见端倪。

　　上述三个阶段不仅循序渐进，还会周而复始。随着数据要素化、驱动化，会有越来越多的数据变得数字化。因为数据能产生价值，而且是创造越来越多的价值，所以人们就会有更大动力去采集更多数据，将其数字化。

　　2、要素成长三阶段

　　数据作为一类重要的生产要素已得到社会公认，然而它对经济社会发展的贡献，无论是创造价值的规模还是价值创造的形态，依然是摆在社会面前的重大课题。从理论上讲，社会财富主要就是由五大类生产要素创造的。数据要素作为其中一类，它的贡献有多少呢？主要是以怎样的方式创造财富呢？许多人集中关注数据交易，但实际上目前这部分体量还很小。根据国家工业信息安全发展研究中心统计，2022年我国数据要素各环节市场规模中，数据交易约为120亿元。而同年中国GDP是120万亿元。也就是说，数据交易规模只有当年GDP的万分之一。显然，我们不能把数据交易规模作为数据要素贡献的衡量指标；或者说，当前数据要素的使用主要不是通过流通交易来实现价值的。

　　那么，当前数据要素价值实现的主要形态是什么呢？所谓要素价值实现的形态，是指要素拥有者与要素价值实现的受益者之间的关系，即谁在使用谁的要素。这既不同于数据的表现形态（如目前常讲的资源化、要素化和产品化），也不同于数据的基本属性（如非竞争性、外部性、规模报酬递增性等）。我们的研究发现，这种关系的形成和演变对于各类生产要素具有一定的共性；而这种关系深受外部环境影响，又对市场关系有重要的决定作用。

　　每一种生产要素都有一个循序渐进的成长过程，这个过程主要体现为要素价值实现的主要形态的演化，一般会经历三个阶段：第一个阶段可称为“自用阶段”，第二个阶段为“共享阶段”，最后才是“交易阶段”。

　　所谓“自用阶段”，即要素资源的拥有者与要素价值实现的受益者是重合的，或者说重合是主流形态。如农业社会的男耕女织就是这一阶段的主要代表。这种形态之所以是要素的早期形态，是因为这样的价值实现不需要太复杂和精致的制度环境保障。当一类生产要素刚被社会所认识，对其价值还缺乏衡量手段，也缺乏开发工具；围绕这类要素的专业化和规范化体系尚未建立，保护它的生态和法制环境也没建立。于是，这类要素的价值实现方式主要就是自用。

　　要素的广泛“自用”肯定是缺乏效率的，它既不能实现规模经济，也缺乏适配性（即不能把合适的要素用在合适的场景），更难以提升专业水平（即得不到有效开发）。于是就产生了“共享”的需求，即在一定的范围内，要素资源的持有者通过交换或共享要素来增加彼此的价值实现，如劳动力的换工，企业之间的数据共享等。要素实现交换而不是交易的主要原因是因为定价困难，交易成本高昂。“共享阶段”的出现是因为要素价值在一个小区域内形成共识，但这是在定价、交易化程度还不够的时候才会出现的。

　　随着要素价值的持续发现和发挥，社会开发和利用这类要素的动力也在持续增强，要素的标准化规范化程度持续提升，法制环境也愈加成熟。要素资源的持有者和要素价值实现的受益者可以用市场公认的交易方式进行分开，要素由此进入“交易阶段”。比如，今天劳动力要素就是以交易为主的。显然，目前数据要素价值实现主要还是在自用和共享阶段，进入交易阶段的占比还较小。

　　数据要素价值实现的现状

　　当前，制造业、金融业和平台型企业是数据要素应用频率最高、价值实现最大、数据资源最丰富的领域。从传统制造到智能制造，制造的技术和模式是在持续升级。我们知道，制造水平的提升，背后的逻辑是：问题产生数据，数据创造知识，知识解决问题，周而复始带来提升。传统制造与智能制造最大的区别，就是前者这个周而复始过程的载体是在人身上，所以经验变得很重要。到了智能制造，这个周而复始过程的载体是在模型上，算法就变得很重要。这个进步当然是非常大的跨越，但是从数据使用的角度来看，无论是传统制造还是智能制造，企业数据作为要素依然是处在自用环节。企业的数据是不愿意共享的，数据创造越来越多的价值，但是这个价值是自我实现的。

　　面向未来，数据要素的价值呈现方式会不断升级。还是以智能制造领域为例，很多智能制造企业的数字化转型往往第一步是点状突破，通过追求一些精益生产、降本增效来实现；接下来第二步是内部延伸，从最初突破的点向周围展开，最终实现“端到端”，即从研发、制造、销售以及售后服务的端到数字化端；第三步是外部辐射，即从内部往外展开，前端到供应商，后端到经销商甚至直接对接最终用户，实现全产业链的数字化。这个数字化升级的过程同时也是数据要素成长的过程。在点状突破的时候是以数据自用为主；到内部“端到端”时就存在数据部门的自用和部门与部门之间、子公司与子公司之间进行内部分享；发展到整个产业链上，数据就不仅是自用，而且有共享，还会有越来越多的交易。

　　总之，我们要充分意识到，数据要素需要一个成长的过程。数据要素是很有价值的，不过它的价值实现形态更像一座金字塔：塔基是自用，即绝大部分数据在自用环节上实现价值；塔腰是共享；塔尖才是交易。而到了交易阶段，还分为场内和场外，现在场外交易占整个数据交易量的90%左右。从业态来看，智能制造领域的数据主要处在自用环节；金融行业的数据在自用基础上还要从外面买一些，金融机构之间的数据共享也比较多；平台型企业的数据赋能业务较多，属于用他人的数据为他人创造价值，交易量较大。

　　数据要素服务市场应该做些什么

　　面对当前数据要素的价值呈现形态及其结构，以及如上分析的数据要素的成长规律，我们必须加紧建设数据要素服务市场。那么，数据要素服务市场应该做些什么呢？

　　首先，数据要素服务市场要以全面促进数据要素的价值实现为己任，不仅要为数据的共享和交易提供各类服务，还要为当前普遍存在的大规模数据自用提供更加有深度的服务。

　　其次，数据要素服务市场要根据当前数据要素价值实现多元化的特征，提供不同类型的服务。比如，对广大处于数据自用阶段的领域，数据要素服务市场要对接云平台、软件开发商、数据服务商为其提供服务。这样，即使数据“不出门”，也能提高附加值，这尤其有利于小微企业的数字化转型。对于数据共享领域，数据要素服务市场可以为企业集团、行业联盟等构建局部数据交换规则，促进共享便利化，打造数据共同体。对一些大型企业集团来说，从外部来看是数据自用，从内部来看是数据的共享和内部的交易。针对数据交易，现在很多交易所做的是把场外交易搬到场内来。如果现有的交易场所能够加强合规性背书，促进多场景应用，是可以吸引更多场外交易进场的。当然进场不能要求太高，尤其在市场的培育期，规则太多不利于数据市场的发展，数据要素市场要伴随用户共同成长。

　　第三，数据要素服务市场要积极推进要素价值实现形态的升级。从市场化角度看，无论是数据共享还是数据交易，都能够进一步提升数据要素的价值。当前之所以数据只能以自用为主，主要是因为没有良好的生态环境。缺乏丰富而深度的应用场景，就没有公认的市场价格；缺乏合理的市场价格，就没有专业而有针对性的开发加工；而缺乏深度的开发加工，就没有广泛的应用场景。这一切问题就像“先有鸡还是先有蛋”那样，交织在一起；加上缺乏可信赖的交易场所和有效的交易规则，更使得长长的产业链运行艰难。因此，建设统一规范的数据要素服务市场迫在眉睫。

　　平台化组织结构的探索

　　接下来，我想谈谈如何大力发挥平台在数据要素服务市场中的作用。近年来，随着政府和社会对数据要素的高度重视，各地数据交易中心、数据交易所如雨后春笋般涌现，政府也对这类机构寄予厚望。那么，这类机构是否能成为数据交易服务平台？它们应该在数据要素服务中发挥怎样的作用呢？

　　在过去的二十多年里，平台这种商业模式已经在全球经济社会舞台上展示出不可替代的实力，在越来越多的行业中拥有举足轻重的地位。在零售、出行、餐饮、旅游等行业里，平台正在成为行业发展转型升级的引擎，占据着核心位置。比如餐饮业，14年前美团还刚刚成立，9年前人们还在为美团是否属于餐饮业而争议，可是在今天美团已经成为餐饮业里的一家重要企业，对于整个行业的发展发挥着关键性的作用。

　　但随着平台模式更加广泛应用，尤其当平台进入到一些服务复杂性更强的领域如数据要素市场、工业互联网市场之后，我们会发现，平台在传统领域的优势和价值并没有如预期那般显现出来。因此，完善和创新交易服务平台的功能定位，大力发挥平台对数据要素服务市场的推动和引领作用，是极为重要的。

　　我们知道，传统产业的结构大都是链状的。随着技术快速发展和柔性化、大规模定制等方面的要求，一些产业呈现出网状结构。然而随着平台经济的兴起，以及数字化与平台化的融合，正在出现一些环状的产业结构：即整个产业是以平台为核心，由平台向产业的各个环节和各类功能提供不同类型的赋能，形成强大而稳定的商业生态圈；平台牵引着产业的转型升级。在我看来，数据要素产业有可能会成为这样的产业。

　　我有一个研究成果，用于判断产业平台化价值和可能性的理论分析框架，称为“双五力”模型。简要地讲，判断一个行业是否适合构建成以平台为核心的组织结构，大致从两方面来看：一是从内在条件，即该行业自身的若干特征来判断，平台化结构调整是否能带来显著价值；二是从外部环境来判断，平台化结构调整是否具有可行性。基于此，“双五力”模型实际上包括了两个模型，即“内五力模型”和“外五力模型”。“内五力模型”主要从该行业的市场集中度、信息透明度、规模经济强度、产业链长度以及用户的风险度等五个维度加以分析，综合判断其价值。“外五力模型”主要从该行业面临的政策法规、技术环境、用户偏好、盈利模式和主流企业接受度等五个维度去分析，综合判断其可能性。

　　通过运用“双五力模型”对数据要素产业进行深入探讨，结果表明，构建以平台为核心的组织结构是很有价值的。从“内五力模型”分析结果看，其他四个维度都是非常适合推进平台化的，只有用户风险这个维度不适合。因为数据行业的用户风险是很大的，政府关心公共安全，企业关心商业机密，消费者关心个人隐私。但只要这个领域能够对用户风险进行有效控制，推进平台化是很有价值的。从“外五力模型”分析结果看，目前推进数据产业平台化的外部环境和条件还不够成熟。因此，我们对于政府管理部门的建议是：积极创造条件，改善外部环境，通过改善产业组织结构来提升产业价值。

　　最后，我简单小结一下。在着力促进数据要素发挥作用的进程中，要注意以下三点：一是要深刻认识数据要素的成长规律，无论是政府还是企业，都要因势利导、顺势而为。二是要积极培育能够伴随数据要素共同成长的服务市场，既要根据不同阶段数据要素价值实现形态提供有针对性的服务，又要积极营造和改善服务环境，促使数据要素快速成长。三是要大力发挥服务平台在培育数据要素服务市场中的引领作用，探索构建环型市场结构，既要借鉴传统领域中典型平台的运营模式，又要注重面对强服务复杂性时的新型功能定位。

更多精彩，请关注“官方微信”