當今時代，數字化轉型快速推進，線上線下深度融合，帶動數據量保持指數級增長。借助算法分析數據資源、優化商業策略、提升經濟效率，已成為商業常態，數據作為生產要素和戰略性資源的地位日益凸顯。要充分釋放數據要素價值，就必須深刻理解數據的經濟特征。

一、數據僅是客觀記錄，只有被開發利用才能帶來經濟價值。

數據只是對客觀事物的性質、狀態以及相互關系等進行記載的符號組合。在數字化時代，數據以“0”或“1”的二進制字符串存儲在磁盤、硬盤、光盤等存儲介質上，如果沒有對應的數據編碼規則，這些“0”或“1”的字符串并沒有特定含義。但是，數據一旦被定義或編碼，例如與物理世界的人類、市場主體、自然環境等具體事物、對象或應用場景一一對應起來、關聯起來，就會被賦予特定內涵，就會蘊含“信息”。再進一步，深入挖掘“信息”背后的事物規律、發展趨勢或深刻洞見，就可以提煉升華得到“知識”。按照經合組織的觀點，如果只擁有海量數據，而沒有數據挖掘、分析和萃取提煉能力，則會形成“信息過載”；只有當數據被轉化為信息或知識，并輔助預測、支撐決策或指導實踐之后，才能釋放出其蘊含的潛在經濟社會價值。

數據開發利用在經濟社會發展中的作用日益突出。隨著智能手機的廣泛普及，機器人、傳感器在各行業的規模化部署，數據量積累越來越大。從微觀層面看，通過整合來自各方面的數據，市場主體可對客戶進行更加精準的“畫像”、洞察其行為特征和需求偏好，提供更具個性化的營銷方案、更加定制化的產品和服務，從而進一步增強吸引力和競爭力，形成“正向反饋”。從中觀層面看，各類平臺企業匯聚起海量的市場主體經營數據，例如電子商務平臺匯聚了入駐商戶的高頻經營數據，就可以實時感知行業態勢、市場冷暖；工業互聯網平臺匯聚了產業鏈上下游生產供銷數據，就可以推動制造業和服務業的深度融合，發展協同化設計、遠程交付和預測性維護等新興生產性服務業。從宏觀層面看，大數據與實體經濟的深度融合，衍生出一大批數據采集、清洗、建模等新興增長點，提升了全要素生產率，是實現經濟高質量發展的關鍵驅動力之一。

二、數據不是稀缺的，多數是非競爭性、非排他性的，可被重復采集，很難被壟斷。

與傳統生產要素如土地、資本等具有稀缺性相比，數據要素的最大區別在于它不是稀缺的。包括手機、智能可穿戴設備等在內的消費終端設備以及機器人、生產線等工業裝備，都開始具備采集和處理數據的能力。只要消費者開始使用智能終端、瀏覽各類業務，自然就會產生用戶注冊數據、上網痕跡數據、支付交易數據等，并存在終端上、沉淀在平臺企業的大數據中心上。同理，只要數字化的聯網裝備開機運行，就會不停地產生裝備狀態數據、生產進度數據、故障報警數據、采購銷售數據等。從統計來看，全球數據量每年增長27%左右（來源：IDC，2018），或者說每4年新增加的數據量，都會超過人類有史以來積累的數據量總和。近年來，多國政府還免費開放了大量公共數據，這些數據可被各方下載和開發利用。從這個意義上講，很多數據都是非競爭性、非排他性的，某些數據被某個市場主體采集后，無法阻止其他主體采集類似數據，只要符合法律規定就可以。

三、數據不是規模報酬嚴格遞增的，不同來源的異質性數據往往更有價值。

數據所蘊含的信息價值，既與數據總量有關，更與數據來源的多樣性、互補性有關。以推斷消費者的需求偏好為例（目的是精準投放廣告），在算法給定的情況下，增加樣本數據規模，的確有助于更加精準地刻畫出用戶消費習慣，但樣本數據量的進一步增加，對于分析用戶消費習慣的邊際貢獻越來越小。以搜索引擎業務為例，勒納（Lerner）研究發現，當用戶輸入搜索關鍵詞時，搜索引擎企業會匹配返回多頁搜索結果，但只有用戶實際點擊的那些記錄才更有價值，因為這有助于了解用戶訴求，改善廣告定向投放的精準度，不過，用戶搜索記錄增加帶來的邊際改善卻不斷下降。相比單一性的數據量增長，來源多樣化的數據可揭示出更加豐富、更多維度的高價值信息，即數據的范圍經濟效應要更為明顯一些。例如，身份數據能反映個人特征，位置數據能反映消費者所處地點，支付數據能反映交易金額，將這些數據匯總起來形成用戶數據“檔案”，平臺企業可更全面了解用戶，進而優化市場策略或促銷計劃，加快向相鄰市場拓展。

四、數據在功能上不是高度差異化的，來源不同的數據往往是可以相互替代的。

用戶在使用互聯網服務過程中，時刻“留下”自己偏好方面的“蛛絲馬跡”，這些數據并不是高度差異化的。一方面，不同市場主體掌握的用戶數據很多是相同的。例如，用戶要使用網絡服務，就需要向寬帶企業提供用戶身份、聯系地址、上網日志等信息；要使用平臺服務，就需要下載注冊對應的移動應用程序（App），這些App運營企業可能掌握用戶身份、地理位置、上網終端、App記錄等數據。顯然，各家掌握的用戶數據大同小異，區別僅在于各自的用戶規模和數據量大小不同而已。另一方面，不同平臺掌握的用戶數據似乎迥然不同，但在“用戶畫像”方面，卻是高度趨同的。Graef（2015）發現借助用戶搜索記錄“交叉復現”特定用戶群體的音樂偏好結果，與利用社交記錄揭示出的音樂偏好結果基本相同。這意味著使用不同數據也可實現相同功能。Lerner（2014）發現在提升廣告精準化方面，亞馬遜收集到的用戶購物記錄數據與谷歌擁有的搜索記錄一樣高效。簡言之，從商業目的來講，不同數據源可以提供幾乎相同的洞見，至少在功能上是具有潛在替代性的。

五、數據是具有時效性的，其蘊含的經濟價值往往隨時間而快速貶值。

數據是可以長期存儲的，但蘊含的經濟價值不是一成不變的，而是快速貶值的，因為數據只是記錄了歷史，在瞬息萬變的世界里，歷史數據對當下的商業決策價值有限。數據貶值的速度主要取決于數據類型、用途和具體業務場景。Statista對谷歌廣告數據研究發現，那些仍未經加工的原始數據中，有70%的數據超過90天就會過時。據谷歌披露，用戶每天搜索的關鍵詞、搜索結果記錄中，有15%是新出現的，這就要求滾動納入這些最新的搜索記錄，唯此才能貼合當下用戶關切的搜索需求。比如，用戶畢業前的消費記錄只反映了就學期間的購物偏好，一旦工作上崗，再利用之前的數據來定向促銷，其精準性就大打折扣。鑒于新模式新業態層出不窮，用戶喜好快速變化，歷史數據在科學研究方面或許有價值，但在指導即時決策方面的價值，往往要比預期低很多。從這個意義上講，在位者即便積累或壟斷了海量數據，其優勢也是有時限的，難以長期保持。

六、數據既不是決定企業成敗的充分條件，也不是必要條件，重要的是要提高數據分析處理能力。

數據只是一種生產要素，要釋放數據價值，就必須與勞動、資本、技術等其他要素相結合。縱觀國際上一流平臺企業的成長歷程，絕佳的商業創意、天才的工程師團隊、優秀的算法以及對消費者痛點的洞察等，都是關鍵影響因素，其重要性甚至要比數據更高。一方面，有數據優勢的企業不一定就具備競爭優勢。例如，在位電子商務平臺吸引了海量用戶和店家，積累了豐富數據，然而社交電商、直播電商、跨境電商等新進入者的挑戰，使其市場份額正在被侵蝕。在網絡效應極強的社交應用上，Myspace 雖積累了海量數據、先發優勢突出，Facebook卻后來居上。另一方面，沒有數據，也不一定就處于先天劣勢。一些初創企業擁有絕佳的創意，諸如在線預約出租車、在線點餐、視頻社交等，其App一經推出，就受到用戶青睞，迅速沉淀起海量數據。總之，企業擁有數據只是具備了潛在優勢，但能否轉換為市場優勢，還要看與管理、投資、勞動、技術等其他要素配置效率的高低。