如今數據的充分挖掘和有效利用，優化了資源配置和使用效率，改變了人們生產、生活和消費模式，提高了全要素生產率，推動了諸多重大而深刻的變革，對經濟發展、社會生活和國家治理產生了越來越重要的作用。因此，數據日益成為重要戰略資源和新生產要素。

今天小億就來為大家說說關于數據要素相關內容，讓大家更全面的理解數據要素。

一、數據為什么能成為生產要素？
1.歷史背景
生產要素是一個歷史范疇，隨著經濟社會的發展而不斷演進。在不同的經濟形態下，它有著不同的構成和不同的作用機理。新生產要素的形成，會驅動人類社會邁向更高發展階段。如圖所示，不同歷史階段的生產要素不同：

不同歷史階段的生產要素
而數據并不是一開始就成為生產要素的。從上古時代的“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”，數據一直伴隨著人類社會的發展變遷。然而，直到互聯網商用之后，人類掌握數據、處理數據的能力有了質的躍升，數據才成為生產要素。

2.所有數據都是生產要素嗎？
數據本質上是對物品、服務或經濟主體等相關的電子或非電子形式的記錄。數據可分為四類數據：
①數據本身就是最終商品或服務，比方我們在線讀資訊看視頻；
②作為生產要素直接進行交易的數據，比如大數據交易所里打包交易的數據；
③數據作為企業內部生產要素幫助提升最終產品或服務的性能或生產效率，比如引流、效果廣告、配送優化等，但并沒有在市場中去直接進行數據交易；
④數據作為生產要素在兼并收購或戰略合作中有價值體現，但并非直接交易數據，而只是作為并購或合作談判的一個籌碼。

實踐中，用戶通常接觸到的是第一類情形的數據，但它并不是生產要素。第二類和第三類情形的數據是我們通常理解的成為生產要素的數據，而第四類情形目前在業界也很常見。

3.數據成為生產要素是一個漸進的過程
從威廉·配第的“土地為財富之母，而勞動則為財富之父和能動的要素”，到產業革命引發了資本和技術成為推動長期經濟增長的關鍵要素，再到當前數據越來越成為數字經濟運轉的“新石油”，我們可以看出，任何一種生產要素真正發揮作用都不是一蹴而就的，而是在生產實踐中不斷融合培育出來的。

如今，以人工智能、大數據、云計算等數字技術為代表的通用目的技術應用表現出顯著的數據偏向性技術進步特征，從長期趨勢來看，數據要素終將大規模地滲透進生產、分配、交換和消費的各個環節，提升全要素生產率和推動全球經濟新一輪持續增長。

二、數據要素如何產生價值？
數據要素的價值在于重建了人類對客觀世界理解、預測、控制的新體系新模式。這種模式本質是用數據驅動的決策替代經驗決策，即基于數據+算力+算法可以對物理世界進行描述、原因分析、結果預測、科學決策。

如今單獨依靠某一種生產要素將很難實現對經濟增長的推動作用，數據要素創造價值不是數據本身，數據只有跟基于商業實踐的算法、模型聚合在一起的時候才能創造價值。數據和算法、模型結合起來創造價值有三種模式：

1.價值倍增
數據要素能夠提高單一要素的生產效率，數據要素融入到勞動、資本、技術等每個單一要素，單一要素的價值會倍增。

2.資源優化
數據要素不僅帶來了勞動、資本、技術等單一要素的倍增效應，更重要的是提高了勞動、資本、技術、土地這些傳統要素之間的資源配置效率。數據生產不了汽車，生產不了房子，但是數據可以低成本、高效率、高質量地生產汽車、房子，高效率地提供公共服務。數據要素推動傳統生產要素革命性聚變與裂變，成為驅動經濟持續增長的關鍵因素。這才是數據要素真正的價值所在。

3.投入替代
數據可以激活其他要素，提高產品、商業模式的創新能力，以及個體及組織的創新活力。數據要素可以用更少的物質資源創造更多的物質財富和服務，會對傳統的生產要素產生替代效應。移動支付會替代傳統ATM機和營業場所，波士頓咨詢（BCG）估計過去10年由于互聯網和移動支付的普及。電子商務減少了傳統商業基礎設施大規模投入，政務“最多跑一次”減少了人力和資源消耗，數據要素用更少的投入創造了更高的價值。

三、對數據要素定價與核算困難的主要影響因素
對于數據要素定價是很困難的，就法學來說，數據隱私、數據產權等等問題恐怕是近年來網絡法領域最受爭議的話題了，至今難有定論。

而技術經濟方面，至少有以下四方面重要的特征共同影響著數據要素的價格形成：
①數據要素具有非常復雜的外部性
②數據生產和使用過程涉及非常多元的主體范圍
③數據要素的準公共品屬性難以確定
④數據要素的異質性非常顯著

由于數據要素的技術經濟特殊性，關于它的生產函數、消費者行為學、供需曲線及均衡狀態都與傳統生產要素有質的區別。綜合來看，影響數據要素定價的主要因素包括成本、收入和相對市場力量。

1.成本方面
需要考慮數據采集、存儲、傳輸、分析、應用和管理等環節的累計成本。比如考慮到時延性等因素，數據存儲中心往往傾向于建在客戶聚集的一二線大城市，但這些大城市對于數據中心的電力使用效率要求都非常高（比如PUE不高于1.4），從而使得數據存儲在成本與效率方面面臨艱難權衡，從而影響數據要素的價格。

此外，影響數據要素定價的不只是歷史成本，還得看重置成本和機會成本。由于互聯網行業技術日新月異，并且用戶往往同時使用多個競爭性的產品，這使得數據要素的重置成本變化非常快，從而對其定價的影響也非常大。

2.收入方面
需要重點考慮數據要素未來可能帶來收益流的貼現，包括現金流貼現法、內部報酬率法、資本市場定價模型等各種方法。比如互聯網行業常見的基于智能推薦的效果廣告模式，通過統計用戶的點擊、下載、注冊或咨詢數量，分析這些行為與最終產品收益流的歸因關系，就可以對數據要素進行估價。

還有一種方法是對標估值方法，即如果在當前的經濟體系中暫時難以評判其收入潛力，可以通過另外一個（一般來說更成熟的）經濟體系中找到一個類似的產品來參考估價，比如滴滴是中國版UBER、Shopee是東南亞版京東等等，那么就可以對其擁有的數據要素進行對標估價。

四、數據交易的八種模式
數據一般具有非競爭性、非排他性，使得其并不適合作為私人產品進行交易，除非采用某種技術手段限制數據被重復使用。但是，對數據需求方而言，政府開放和共享的數據不能滿足數據分析的要求，又迫切希望通過交易方式來獲得更多數據。因此，產生了一些數據交易的模式。當前，數據商品的交易模式有如下八種，是供求雙方根據自身需求的交易模式的選擇。

1.直接交易數據模式
交易雙方就數據交易的內容和方式進行詳細約定，簽訂數據交易合同，一方交貨，一方付款，完成交易。通常，購買方通過某種渠道了解到銷售方出售某類數據，經與銷售方協商后，簽訂合同，購買數據。這種模式，比較適合線下“一手交錢，一手交貨”的交易，在數據黑市比較普遍，但交易不透明，市場監管難度大。此類交易模式，賣方很難控制買方的行為，特別是買方復制數據并與其他第三方再進行交易的行為。例如，A以1萬元的價格出售1份數據給B，卻很難保證B不拿這份數據復制100份，以每份1千元賣出去。此類交易模式，也容易侵犯數據主體的權益，購買的數據可能涉及較多法律風險。

2.數據交易所模式
政府牽頭成立了一些數據交易所，在政府監管下，在集中場所進行數據供求關系撮合。比如貴陽大數據交易所。類似于股票交易市場，在數據交易所，買賣雙方必須注冊成為市場成員，通過交易所平臺進行數據買賣。但是，由于信息不對稱，數據易復制，交易雙方擔心數據被第三方交易所截留，進行非法套利。早期政府開辦的數據交易所，數據交易很清淡。交易雙方一旦達成某次交易，就可能不再依靠數據交易所進行下一次的交易。

3.資源互換模式
在移動app中，app服務商通過提供免費的app應用服務，換取用戶對個人數據的使用權。資源互換模式也存在一些問題：第一，互聯網平臺與用戶之間地位不平等、信息不對稱，用戶被迫接受數據授權協議，可能用重要個人數據換取了不太有價值的資訊服務，互聯網平臺也可能過度收集用戶數據，或把從甲業務中收集到的個人數據用于用戶不知情的乙業務上，從而造成隱私侵犯和數據濫用問題。第二，用戶緊密依賴于互聯網平臺，難以行使對數據的可攜帶權，很難將自己的數據開放給或遷移到第三方平臺上。第三，用戶難以獲得對個人數據的合理收益權。

4.會員賬戶服務模式
數據比較適合俱樂部交易模式。銷售商出售數據平臺的會員服務，消費者購買會員服務后，可以獲得與會員層級對應的數據訪問權益。

5.數據云服務交易模式
銷售商不直接提供數據，而是提供數據應用的云服務或數據應用系統，消費者購買云服務或系統，通過服務獲得數據應用價值。

6.API訪問模式
銷售商通過應用程序界面（Application Programming Interface，API）將用戶數據開放給經授權的第三方機構，以促進用戶數據的開發使用。銷售方既限定哪些數據可開放，也限定向哪些機構開放。

7.基于數據保護技術的數據交易
使用密碼學和隱私計算技術，包括可驗證計算、同態加密、安全多方計算、聯邦學習、區塊鏈技術等，實現數據加密，從而提供手段限制或規定數據的重復使用次數，推動數據產品轉換為私人產品進行交易，或者在不影響數據控制權的前提下交易數據使用權，以便從技術上構建數據交易的產權基礎，并能計量數據主體和數據控制者的經濟利益關系。

8.利益相關方的數據平臺+數據的聯盟交易模式
數據消費者共同出資，投資一家“數據平臺+數據”的服務商，這家服務商負責生產數據產品，并將產品出售給所有利益相關方。Markit公司成立于2003年，其股東包含主要的CDS做市商。這些金融機構股東把自己的CDS數據上傳到Markit，Markit整合得到CDS市場數據后以收費方式對外提供，包括定價和參考數據、指數產品、估值和交易服務等。Markit的股東金融機構在不泄露自己商業機密的情況下，不僅從Markit的工作中獲知CDS市場整體情況，還從Markit的業務增長中獲得投資收益。

五、小結
當前，數據在全球經濟運轉中的價值日益凸顯，主要國家圍繞數據資源搶奪數字經濟制高點的競爭日趨激烈。數據價值持續溢出，不僅代表著數據在經濟社會中的定位不斷提升，也標志著數據背后的內涵不斷變革。

與此同時，數據要素產業發展尚未成熟，數據要素市場培育尚未成型，還有許多基礎性工作需要解決，首先數據共享開發是數據要素最為基礎的環節；其次數據治理是提升數據要素質量、保證數據要素流通合法合規的關鍵環節，正成為數據要素市場不可或缺的重要板塊；最后數據資產化是發揮數據要素價值、培育數據市場的必經之路。

而由億信華辰自主研發的智能數據治理平臺——睿治，可以全方位的解決數據要素的基礎性工作，睿治智能數據治理平臺融合元數據管理、數據標準管理、數據質量管理、數據集成管理、主數據管理、數據交換管理、數據資產管理、數據安全管理、數據生命周期管理等九大產品模塊，打通數據治理各個環節，九大產品模塊可獨立或任意組合使用，快速滿足政府、企業各類不同的數據治理場景。