引文格式：胡良霖, 王丽娜, 王瑞丹, 郭德鑫, 朱艳华, 高瑜蔚, 孙毅. 数据要素价值演进路径研究[J]. 数据与计算发展前沿, 2024, 6(5):36-45.
【目的】在数字经济时代，数据已经成为赋能经济发展的关键生产要素。研究表明数据要素质变升级的发展路径尚不明确，数据要素的价值释放面临诸多困难。
【方法】本文系统研究了国内外相关文献及国家政策，总结分析了数据要素价值释放的研究现状，基于数据要素的价值提升，对我国数据要素发展路径展开相关研究。
【结果】本文明确了从原始数据到数据资本的各类数据形态，提出了数据要素价值演进路径理论模型和数据要素发展路径。
【结论】本研究厘清了数据要素“六状态”和价值演进 “五阶段”，对于规范数据要素发展具有政策参考和实践意义，为促进数据要素价值的有效释放提供有力支持。
自2015年实施大数据战略[1]和2019年首次将“数据”列为生产要素[2]以来，我国密集出台了一系列完善数据要素市场、探索数据交易模式、开展数据资产化服务、促进数据价值释放的政策文件[3,4]。特别是，2023年国家数据局成立不久就主导发布《“数据要素×”三年行动计划（2024—2026年）》，进一步强调发挥数据要素乘数效应，赋能经济社会发展。数据要素作为新质生产力的核心，已成为当代先进生产力的重要体现和实体经济高质量发展的重要引擎。同期，承载数据运营使命的数据交易机构快速增长，截至2023年9月已注册了60家[5]。据《2023年中国数据交易市场研究分析报告》预测，到2025年中国数据行业市场规模有望达到2046.0亿元，到2030年中国数据行业市场规模有望达到5155.9亿元[6]。我国以数据要素为核心的数字化转型、数据经济发展，正处于政策和实践相辅相成、共同主导的爆发初期。
不同于其他生产要素，数据要素具有零边际生产成本、复制无差异、非竞用性等特点，成为现阶段的关键生产要素[7]。国家对数据要素的重视程度越来越高，社会各界正积极探索“促进数据要素价值有效释放”的方法和路径。国家政策为数据要素的理论研究与产业健康发展指明了方向，有助于各方全面开展工作。我国近期出台的数据要素政策中，对数据资源、数据资产、数据产品等内容都有不同程度的要求。对上述文件进行深入研究后发现，关于数据资源、数据资产、数据产品等关键数据要素的概念表述和内涵界定存在差异。此外，关于价值状态、增值方向和发展路径等方面的描述仍需进一步细化和明确。
本研究对数据要素活动的规律进行了深入探讨，并提出了数据要素价值演进路径理论模型，通过分析数据要素的关键概念及其相互关系，以及价值演进的特点，明确不同阶段数据对象的迭代升级发展路径和关键要求。研究有助于相关领域的研究人员更深入地探讨数据要素的演进机制和规律，同时也为政策制定者提供更准确的数据要素优先发展方向，促进实践领域的探索与创新，提升数据利用效率，从而推动数字经济的发展。
国内数据要素研究现状
政策现状。2019年，我国政府创新性提出数据要素理论，之后密集出台多项政策促进数据要素价值释放，系列文件以建设内容或建设要求的方式，在不同程度上对数据要素的一些核心概念进行了规约，如原始数据、数据资源、数据资产、数据产品。......
这些概念在不同文件中的出现频次详见图1，其差异化充分体现了文件主题的特征和侧重。对上述文件深入研究发现，不同政策文件中对同一概念的内涵界定、演变路径和未来发展要求存在不同程度的分歧。
图1 政府政策中涉及的数据要素形态词频统计图
研究现状。近年来，国内众多学者在不同程度上对我国数据要素化发展的阶段和特征进行了研究，根据其对价值演进路径的不同划分，大致可分为三阶段论和四阶段论两种模式。
本文认为，明确数据要素状态及其承递关系，即数据要素的原始数据、数据资源、数据资产、数据产品、数据商品、数据资本六种形态，以及形态间价值递增的五个阶段，即数据资源化、数据资产化、数据产品化、数据商品化、数据资本化，有利于促进数据要素的有序动态演化和迭代实现价值增值与释放。
数据形态定义
研究表明，当前学界或业界对于数据资源、数据资产、数据产品、数据商品、数据资本等形态、概念的界定不一致性，一定程度上影响了数据融入数字经济的健康发展。本文基于数据（经济）价值的提升，将数据要素确定为原始数据、数据资源、数据资产、数据产品、数据商品、数据资本六种形态，厘清了价值提升发展关系。
原始数据。原始数据是指未加工处理的数据，具有碎片化、分散化的特点。......原始数据通常是从现实世界中收集得到的原始信息的表达，例如传感器数据、实验数据、仿真数据、模拟数据及未经处理的社交媒体数据等。原始数据强调的是数据的原始性，即从数据源收集到且未经处理或加工，原始数据分散在众多采集设备、数据生产者中，具有明显的碎片化、分布式特征。
数据资源。数据资源是指通过加工处理、质量控制或质量评估后形成的具有一定规模的可复用数据，具有高质量和成规模的特点。有价值的原始数据达到一定规模后[24]，经过整理、清洗、转换等多种方式处理[21,25]，被有效整合为动态可用的数据资源。
数据资产。数据资产是指由主体持有、产权清晰、预计能为主体带来收益的实体性或非实体性的数据资源，具有可确权、可收益等特征。资产是指会计主体（政府、企事业单位等）由过去的经济业务或者事项形成的、由会计主体控制的、预期能够带来经济利益流入或产生服务潜力的经济资源[27]。
数据产品。数据产品是有明确计量单位的数据资产，具有可计量、可定制等特征。经济学总论认为产品是“人们有目的的生产劳动创造的能满足人们某种需要的物品，包括生产资料和消费资料”[34]，包括有形的物品、无形的服务、观念或它们的组合等。
数据商品。数据商品是定价后可在经济市场上交易流通的数据产品，具有可定价、可交易等特征。
目前，数据商品定价主要包括两种模式：一种是面向市场的统一定价，即根据市场需求和竞争情况确定统一的价格；另一种是面向定制化服务的定价，根据客户需求和服务水平来确定价格。在进行商品交易之前，供需双方应就商品的价格达成共识。共识形成的过程需要考虑多种因素，包括商品的实际价值、供需关系、生产成本等。通过综合考虑这些因素来确定合理的定价，可以促进数据商品交易的顺利进行，实现供需双方的利益最大化。
数据资本。数据资本指参与市场经济活动并实现增值的数据资产、数据产品或数据商品，具有可增殖、可分配等特征。......资本的价值可增殖，资本的收益可分配。数据资本是资本的一种形式，自然具备资本的相关特征。当前研究[43-45]普遍认同数据资本具有增殖性特征，且认为数据资本化是基于数据资产交易流通实现的，这充分表明学界对数据资本化初始数据形态为数据资产的认同，数据资产后续演变的数据产品、数据商品等形态同样可以通过参与市场经济活动演变为数据资本。数据资本的价值增殖带来持续收益，且应该得到合理的分配以确保各参与方的利益[46]，因此数据资本也具有可分配的特征。数据资本的价值增殖带来了持续的收益，以及合理的分配。合理的数据资本利益分配机制能够激励各参与方的积极性，促进数据资本的积累与增殖。
数据要素六种形态实现了基于数据要素价值的逐步提升，相应地其价值演进路径可分为五个阶段，分别为数据资源化、数据资产化、数据产品化、数据商品化、数据资本化，形成了完整的数据要素价值演进路径的理论模型，详见图2。原始数据通过该路径，实现了数据价值的动态演化、升级，最终数据要素演变为数字资本，实现价值释放最大化。需要说明的是，价值演变过程中的每个状态都可以作为前期状态迭代融入到新的数据要素活动中，实现价值融合和增值，如数据产品或数据商品都可以在新的数据要素活动、数据价值增值过程中作为数据资源融入，对于类似反向迭代的过程不做赘述，同样不在图2中示意。
数据资源化。数据资源化是原始数据经由清洗、整合、处理形成高质量数据的过程，重点是解决数据的质量问题，消除分散化、碎片化的影响。
当今时代，数据对提升生产效率的作用日益凸显，已经成为推动经济发展的重要生产要素。数据要素价值的挖掘是一个多维度和多层次的复杂过程，本文基于价值递增理念提出一种价值演进路径理论模型，对于充分发挥数据要素乘数效应的国家需求和期望，还应和更多维度或层次的模型相融合，如数据生命周期模型、衍生数据分级模型，等等。
本文基于国内研究现状，结合国家政策和各方实践，明确了数据资源、数据产品、数据资产、数据商品和数据资本的内涵，提出了数据要素价值演进路径模型，将数据要素的价值演进划分为数据资源化、数据资产化、数据产品化、数据商品化和数据资本化五个阶段。作为新型生产要素，数据由于其显著的乘数效应和创新引擎作用，正在逐渐成为促进新质生产力发展的核心要素。本研究成果为进一步推动数据要素市场发展，特别是规范数据业态发展，促进数据要素价值的有效释放提供了重要参考。
来源：数据与计算发展前沿
