图源 | Internet
马费成1,2,3 王文慧1,2,3 孙玉姣1,2,3
熊思1,2,3
1.武汉大学信息管理学院，武汉，430072；
2.武汉大学信息资源研究中心，武汉，430072；
3.武汉大学大数据研究院，武汉，430072
摘 要
关键词
数字产业化 产业数字化 协同发展 数据价值 数据价值链 数据融合
引用格式
马费成，王文慧，孙玉姣，等.数字产业化与产业数字化协同发展中的数据价值实现[J].信息资源管理学报，2024,14(4):4-15.
1
数字产业化和产业数字化的协同发展是推动经济转型升级的关键。随着信息通信技术的广泛应用，信息产业、通信产业、互联网产业以及各种基于数字技术的新产业快速发展，涌现出大量商业新场景、新业态、新模式，数字经济进入发展的快车道。对数字经济而言，实现数字产业化和产业数字化的协同发展是构建现代产业体系、加快经济数字化转型的重要抓手。然而，现有研究往往集中在数字产业化和产业数字化各自的经济贡献[1]、发展模式[2]等主题，对二者协同发展关注较少。在为数不多的数字产业化和产业数字化协同发展的研究中，研究者往往针对局部区域和个别省份，如中部地区[3]、长江经济带[4]等地区，通过计算耦合协调度，测度二者的协同发展水平。从主体来看，政府和企业是构成推进数据要素价值释放的核心力量，政府数据和产业数据对于数字经济“两化”协同发展具有重要意义。但现有研究往往侧重产业数据在数字经济“两化”中的作用，对于政府数据的影响关注较少。基于此，研究期望综合企业发展中产生的产业数据和政府运作中生成的政府数据，阐释数字产业化和产业数字化的协同发展过程。
在数字产业化和产业数字化的发展中，数据要素的价值实现和释放起着关键作用。因此，本研究结合数据价值链和产业链，从数据要素价值形态演变入手，理清数字产业化和产业数字化的发展过程。数据价值化遵循“数据资源-数据资产-数据商品—数据资本”的过程[5]。在数字技术赋能传统产业转型升级的产业数字化进程中，产业内部产生了海量的生产、销售等数据资源；通过确认权属、价值评估等多个环节将数据资源转化为数据资产，为企业业务决策和经营转型提供支撑。同时，政务数据开放为产业数字化转型中的企业转型提供数据原材料。在数字技术逐渐发展并形成新兴产业的数字产业化过程中，数字产业涌现出了多种数据价值形态。在这个过程中，数字产业不仅仅包含数据资源和数据资产这两种数据价值形态，还衍生出了数据商品和数据资本这两种高价值的数据形态。此时，政务数据开发产生的技术需求刺激了数字产业化技术的创新，同时政务数据进入市场环境构成了数字产业化的一部分。
综上所述，本研究将首先从概念内涵、发展特征、二者关系等多个角度回顾数字产业化和产业数字化的相关研究。然后，介绍数据价值链的各个环节，探究数据资源、数据资产、数据商品和数据资本四种数据形态的演变过程，分析数字经济“两化”过程中的数据价值形态和数据价值实现环节。最后，研究聚焦于“两化”协同发展过程中数据资产向数据商品的跳跃、数据商品向数据资本的演进这两个关键路径，解释数据价值转化过程，并阐述数据价值形态转化对“两化”协同发展的影响。本研究期望通过研究数字产业化和产业数字化协同发展中的数据价值实现，深化对数字经济发展规律的认识，为传统产业的转型升级和新兴产业的培育提供新的视角。
2
2.1 概念内涵
数字产业化和产业数字化的协同发展是数字经济发展的核心。关于二者的概念内涵，目前学界已做了较多探索。总体而言，数字产业化包括两个方面：一方面是数字技术自身发展形成的产业，如软件和信息技术服务业、计算机通信和其他电子设备制造业等；另一方面是数字技术广泛应用于数据、信息和知识的加工处理所形成的产业，如各类电商平台、搜索平台、数字政务、数字金融等。数字产业化的发展水平可由电子信息制造业、信息通信业、互联网行业、软件服务业等行业的生产总值来评估。产业数字化也包括两个方面：一方面是传统产业利用数字技术对其业务进行全方位、全角度、全链条的升级改造的过程；另一方面是数字技术和数据要素与传统产业深度融合而衍生出的各类新兴产业和服务。产业数字化的发展水平可通过数字产品和技术在农业、工业、服务业等传统领域的应用所产生的新增生产总值来测算[6]。
2.2 发展特征
数字产业化和产业数字化在数字经济发展中扮演着关键角色，认识二者的发展特征，有助于深入认识数字经济的发展规律。就发展阶段而言，数字产业化作为数字经济发展的基础，在前期发展水平相对较高[7]；产业数字化后期实现后发赶超，成为数字经济发展的主导。从作用发挥来看，数字产业化在数字经济发展中发挥着引领作用，是数字经济发展的动力源泉，能够通过促进产业数字化，进而促进产业结构升级[8]；产业数字化占据数字经济的主体地位，提供了数字技术落地的应用场景。从发展模式来看，李永红等[2]提出了数字产业化信息增值模式与产业数字化融合驱动模式。王冬彧等[9]对此进一步阐释，认为数字产业化以信息增值模式为核心，通过对数据信息的搜集、整理和分析，将数据转化为可交易的数据资产和数据产品，从而构建数字产业链；而产业数字化则以融合驱动模式为核心，强调数据在研发、生产和销售环节的应用，使产品和服务实现智能化升级，从而贯通投入产出的全部环节，形成上下游产业链。从产业发展的角度来看，数字产业化和产业数字化的协同发展可以促进产业结构升级、加快构建现代产业体系、推动产业高质量发展。
2.3 协同发展
数字产业化与产业数字化间的关系不仅仅是单方向的推动，还有相互影响、相互促进的复杂关联。许多研究者聚焦于数字经济“两化”的协调发展，将数字产业化和产业数字化视为两个相对独立的系统。这两个系统相互作用、相互依赖，又共同构成了数字经济系统[10]。目前学界在理论和实证层面对于数字产业化和产业数字化的关系进行了充分探索。在数字产业化与产业数字化协调关系的理论论证上，研究者认为数字产业化为产业数字化提供技术支撑，产业数字化为数字产业化创造应用场景、技术需求。具体而言，数字产业化为传统产业的转型提供了技术支持和解决方案，促进了产业协同发展，加快了产业数字化进程；产业数字化为通用数字技术提供普适性应用场景，弥补了既往专有技术的局限性[11]，同时，产业数字化转型中催生了新的技术需求，从而倒逼数字技术创新。在实证层面，研究者构建数字产业化和产业数字化的指标评价体系进行测算，在此基础上计算二者的耦合协调度，并引入障碍度因子模型，诊断阻碍数字经济发展的因素，最终针对实际问题提出解决对策和方法。
现有研究大多从产业数据流通[12]、产业数据治理[13]等角度着手，推动数字产业化和产业数字化的协同发展，少有研究分析政府数据对数字经济“两化”的影响。然而，政府在数字经济发展中发挥重要的引领作用，通过制度设计为数据要素市场建设提供制度保障，通过项目投资直接拉动数字产业发展，通过数据开放和授权运营为数字经济发展提供数据资源。在探究政府数据赋能数字经济升级的过程中，张会平等[14]基于案例分析发现，政府数据在授权运营的制度安排和隐私计算的技术支持下进入市场，推动基于数据增值的数字产业化升级和基于融合驱动的产业数字化升级。故本文综合产业数据、政府数据这两种类型的数据要素，阐释数字产业化和产业数字化的协同发展过程，并以数据价值实现路径为基础，尝试回答数字产业化和产业数字化协同发展过程中的数据要素形态是怎样的、数据要素价值是如何实现的、数据要素价值形态是如何转化的等问题。
3
3.1 数据价值链
现有关于数据价值实现路径的研究主要从数据生命周期[15]、数据价值形态两个角度展开。一些研究者参考数据生命周期的采集、存储、处理与利用过程，提出包括数据采集、数据分析、数据管理、数据存储和数据使用五个环节的数据价值链[16]。还有一些研究者基于数据资源化、资产化、资本化划分数据要素价值形态演变阶段，并在数据资产与数据资本中加入“数据商品”环节，强调经过市场交换，实现数据资本化[5]，见图1。前者着眼于数据价值演变过程，后者侧重数据价值演变形态。结合数据价值化的现有研究，本文对数据价值化过程中的价值形态进行界定 。
（1）数据资源，将无序、混乱的原始数据加工为有序、具有潜在价值的高质量数据。数据资源化是释放数据价值的逻辑起点，其本质是提升数据质量，形成数据使用价值的过程。
（2）数据资产，通过界定数据权属、评估数据价值，将数据资源转化为可量化、可带来经济价值的数据资产，其本质是形成数据交换价值的过程。
（3）数据商品，当数据资产进入市场流通交易，其具有的数据交换价值得以实现，从而成为数据商品。在交换过程中，交换价值以价值为基础，以使用价值为表现形式，实现一种使用价值同另一种使用价值之间的比例交换。
（4）数据资本，数据资本化是将数据商品交换获得的剩余价值用于社会再生产过程，以实现价值增值[17]。数据资本强调增值性，体现在数据要素价值及未来增值空间。
图1 数据价值链
3.2 数字经济“两化”和数据价值链的关联
在数字产业化和产业数字化的发展过程中，二者均存在数据采集、数据分析、数据管理、数据存储和数据使用等数据价值实现环节[18]。然而，要准确区分二者在数据价值实现中的具体作用，需要结合数据价值形态演变过程，深入分析数字经济两化的协同发展。产业数字化以数据生成为核心特征，主要包括传统产业数字升级改造以及数字技术和传统产业深度融合两个方面。这一转型过程产生了丰富的数据资源，经过确权和价值评估，这些数据得以转变为具有经济价值的数据资产。随着企业数字化转型的不断深入，其积累的数据资产日益增长，企业开始寻求将这些资产货币化以获取经济收益。在此过程中，数据要素交易市场发挥着至关重要的作用，它不仅是数字产业化的关键组成部分，而且其高效运作依赖于数字产业化的技术支持——包括云计算、大数据技术、区块链等先进技术。因此，为了实现数据资产的增值和形态转化，需要将其嵌入到数字产业化的更广泛数据价值链中。数字产业化以数据利用为核心特征，不仅包括数字技术自身形成的产业，还包括数字技术应用于数据、信息、知识加工处理所形成的产业。数字产业化利用的数据对象不仅包括企业数字化转型数据，还包括数字技术发展衍生数据以及政府开放共享的数据。数字产业化在数据的加工、处理和流通过程中，形成了“数据资源－数据资产－数据商品－数据资本”完整的价值链。这一价值链促进了数据价值最大化的实现，推动着产业结构的数字化转型升级。一定程度上可以认为，随着产业数字化中数据价值形态向高端发展，一些经历了数字化转型的产业将逐渐稳定成为数字产业，并进一步释放数据的价值，见图2。
图2 数字产业化和产业数字化协同发展中的数据价值链
推进数字经济“两化”协同发展中的数据要素价值实现，需要基于数据价值链，细化数据要素价值实现过程中的参与主体和不同数据。具体而言，政府和企业作为数据开发和利用的主体，在数字经济发展中扮演着不同的角色。政府运作过程中产生了人口资源、城市建设、教育医疗等海量数据资源，并经过对外开放和授权运营的方式，为企业和社会提供高质量公共数据；通过投资智慧交通、智慧医疗、智慧城市等典型项目，直接拉动电子信息制造业、软件和信息服务业等数字产业发展；通过出台一系列数字经济发展政策，规范数据要素市场秩序，优化企业营商环境，充分释放企业的市场主体活力。企业通过提供数字技术、数字产品、数字服务，参与到数字产业化进程，或者利用数字技术、数字产品带动企业生产效率提升和产出增加，加快产业数字化进程。
从主体角度分析产业数据和政府数据的价值流动，利于全面理解数字经济“两化”协同发展过程，以及协同发展过程中的数据价值实现。在数字经济“两化”协同发展过程中，产业数据以多种价值形态进行多向流动。例如，在数字产业化向产业数字化的延展过程中，传统电子商务平台利用线上消费积累的数据资源，整合交易平台、线下实体零售商、品牌商、配送物流商在内的零售体系，实现数据驱动的零售数字化。而在产业数字化向数字产业化的扩展过程中，智慧农业、智能制造、智能交通等产业数字化新业态中形成的数据产品，进入市场交易，进而成为数据商品。政府数据在数字经济“两化”协同发展中发挥引领作用。政府数据资源的开发需要外部企业的技术和平台支持，这种需求拉动了数字产业化的发展。政府数据资产的对外开放丰富了传统行业可利用资源，便于企业优化原有生产过程，从而推动产业数字化进程。此外，政府数据商品的交易扩大了数据交易市场规模，推动了数据交易模式创新，见图3。
图3 数字经济中政府数据和产业数据融合
4
在产业数字化过程中，数据资源和数据资产的形成主要是由企业数字化转型过程中积累的数据所驱动。这些数据资源和数据资产对企业具有重要意义，可以用于优化业务运营、提升决策能力和推动技术创新。然而，要发挥数据资源和数据资产的更大价值，需要将其转化为数据商品和数据资本。当产业数字化中形成的数据资源和数据资产沿着数据价值链转化为商品和资本时，企业进入了数字产业化的阶段。因此，本节从数据资源开发和数据资产形成两个方面对产业数字化过程中的数据价值实现进行探讨。
4.1 数据资源开发
随着产业数字化进程的推进，数字技术和各类产业的融合产生了丰富而多样的数据资源。例如，在对一、二、三产业进行数字化赋能的过程中，涌现出了大量的工业数据、农业数据和服务业数据。同时，产业数字化的发展还提升了数据资源开发的能力和效率。产业数字化中传感器、物联网、RFID等技术的应用，扩大了数据采集范围，提升了数据采集效率。伴随数字技术广泛应用于政府管理服务，政府内部形成了数量庞大的数据资源。政府部门通过政府数据资源整合共享，促进业务流程的优化重构，实现治理效能的稳步提升。
在产业数字化过程中，数据资源的开发环节可以划分为数据采集、数据预处理、数据存储和数据分析等阶段。数据采集是获取原始数据的过程，通过批处理、流模式或者微批次模式，将数据从捕获点传输到存储数据的基础设施上[19]。数据预处理则是在数据存储和分析之前，对原始数据进行清洗、降维、转换、集成、规范化等一系列处理过程。数据存储将预处理过的数据和原始数据以某种格式记录在一定的存储介质或存储系统中。数据存储依赖存储模型、数据模型、存储基础设施、分布式处理架构的支撑。数据分析是指使用数据分析技术，提炼数据资源内部所含信息的过程。这一环节依赖特定的数据分析技能，包括描述性、诊断性、预测性和规定性数据分析等[20]。
数据形态演变的过程伴随着数据价值增值，数据资源开发过程中发生增值的数据价值可以细分为数据的内在价值和表征价值[21]。一方面，数据资源自身拥有未经挖掘的原始价值，这种内在价值在数据所有者获取数据资源的过程中自然形成，并被逐步释放。另一方面，数据资源被加工形成信息、知识、情报的过程中也存在表征价值，这种价值随着数据资源的分析处理被逐步开发。两类数据价值的增值受到不同因素的影响，前者主要与数据资源本身的数据规模、数据质量和数据类型等因素相关，后者主要与数据所有者的数据分析能力和手段有关。
4.2 数据资产形成
数据资源为数据资产的形成和发展提供了基础，数据资产是数据资源的经济价值体现。产业数字化过程中，企业和政府的数字化转型形成了规模各异的数据资产。企业在生产、销售、流通、客服等业务流程上实现数字化转型，形成了规模可观的数据资产，并且构建了数据资产管理平台，为数据资产管理提供便捷条件。政府数据开放为数字产业化和产业数字化协同发展提供了海量可供开发的数据资源，涉及气象服务、交通运输、金融科技、医疗健康等多个领域，影响范围广泛。政府数据具有质量高和数量大的特性，其对外开放可以降低企业的数据采集成本，并提高企业在数据开发和利用方面的效率。
数据资源经过数据确权、价值评估、运营管理等多个环节，转化为数据资产。数据资源转化为数据资产，首先要经过数据确权。由于数据资源在使用过程中存在可重复利用的特点，同一个数据资源可以被多个主体同时使用并产生多重收益，即数据资源可能形成多个数据资产。因此，有必要通过数据确权，理清数据的权属。目前国内倡导通过构建数据的分类分级确权授权机制[22]，保护数据主体的合法权益，实现数据权属的合理合法转移，从而推动数据资源的资产化转化。其次，伴随企业数据资产的增长，企业的在表资产与市场价值出现出入，原有在表资产难以反映企业竞争优势，需要对数据价值展开评估。数据价值评估旨在通过构建价值评估体系，计量数据的经济效益、业务效益、投入成本等活动[23]。当前部分企业参考无形资产价值评估方法，如成本法、收益法、市场法等，对数据资产价值评估展开探索性实践。最后，需要通过运营管理实现数据资源的长期持有和价值增值。数据资源因其业务模式、技术迭代、权利限制等因素在不同场景下呈现多样化价值生命周期。而在国民经济核算视角下，数据资源认定为数据资产需要所有者为获取经济利益而至少使用一年[24]。因此，数据资源需要通过长期、有效的运营管理来辅助采集、处理和分析等环节，从而实现资产化转化。同时，企业在数据资产化实现的过程中面临数据泄露、存储丢失、信息篡改等风险，需要结合区块链网络、隐私计算等技术，解决数据资产化过程中的安全问题，保证数据价值增值的稳定性。
数据资产形成过程中的价值主要包括数据数量价值、数据质量价值、数据应用价值。数据数量价值体现在数据的规模和广度上。一般来说，数据规模越大、数据范围越广，数据所包含的信息就越丰富，决策和分析过程中产生的错误和偏差越少。数据质量价值越高，企业进行数据驱动的商业分析越可靠，数据资产价值越高。数据应用价值是指数据资产在实际应用中所产生的价值，通过对数据的分析、挖掘和应用，获得市场洞察力、预测能力，从而为业务发展和创新提供有力支持。数据应用价值与企业的业务类型、应用场景、数据管理水平等因素密切相关[25]。
5
在数字产业化过程中，数据资源和数据资产的形成主要由数字技术衍生数据驱动，这包括数字技术自身发展衍生以及数字技术对原有数据、知识、信息等加工形成两个方面。在数据资源和数据资产形成后，企业可以选择直接出售或加工再出售，推动数据资产向数据商品的转化。同时，通过数据商品交换获得的剩余价值用于社会再生产过程，实现数据商品向数据资本的演进。虽然数字产业化环境中企业数据资源和数据资产的形成驱动力各不相同，但其价值实现环节相似，因此在本节中不再赘述。
5.1 数据商品交易
数据商品是将数据资产转化为具有经济价值的产品或服务，如数据集、数据报告、数据分析工具、数据可视化服务等。数据资产流通包括数据共享、数据开放、数据交易等流通模式。相较于数据资产流通而言，数据商品交易强调通过货币等形式流通的市场化行为。数据商品交易是指交易双方基于合同约定，在安全合规的前提下，开展以数据及其衍生产品为主要标的的交易行为[23]。对于政府数据而言，政府授权市场主体运营数据或直接提供数据产品、服务，能够壮大数据要素交易市场，有效提升产业运行效率。总的来说，数据商品的交易作为数字产业化的一部分，通过数据的流通应用赋能产业数字化的发展。
数据资产向数据商品转化的关键是数据交换价值的实现。尽管在数据资产化阶段，数据已经初步形成了交换价值，但是只有进入市场交换，并且满足市场主体经济需要的数据资产，才能称为数据商品。对于来自社会公共服务等数字化应用场景的数据而言，其数据主要服务于社会治理效率的提升，因此不能称为数据商品。要实现数据资产向数据商品的转化，需要经过数据商品打包、数据商品定价、数据商品交易等步骤。数据商品打包通过数据的组合和整合，形成具有独特价值的数据产品或服务。打包方式可以包括数据集合打包、数据加工和处理打包、数据可视化和报告打包等。数据产品的组合、整合和聚合，能够还原用户特征全貌，呈现产品新价值，甚至孵化出新产品、新模式。例如，整合政务数据中的电费、水费等数据和银行中的借贷关系数据、资金流动数据，可以形成企业征信类数据服务产品。
然而，仅仅进行数据商品打包还不足以实现数据资产向数据商品的全面转化。数据商品定价强调在数据交易过程中，为数据商品确定具体的价格。数据商品定价考虑了市场竞争结构、数据特性、交易模式等多方面因素[26]。数据资产估值通过对数据资产本身的价值进行评估，为数据商品的定价提供了参考和依据，但并不直接等同于数据商品的定价。数据商品交易是数据资产向数据商品转化的关键一步，可分为在数据交易平台内的场内数据交易和供需双方自行交易的场外交易。目前我国数据流通交易仍以场外交易为主，未来数据商品交易将不断向场内转移。数据资产化可为数据场外交易向场内转移提供多方面支持。一方面，数据资产对数据资源的加工包装，使得数据商品更加标准规范；另一方面，数据资产的信息披露使得数据供需双方更全面地了解数据的特征和质量，从而降低信息不对称风险，提高数据商品交易的效率。
同商品的价值属性类似，数据商品既有使用价值，又有交换价值，并且凝结了人类的一般劳动，具有价值的特性。数据商品的交换价值具有特殊性，数据商品一般交换的是其使用权或经营权。数据商品的使用价值是数据商品价值和交换价值的前提，也是数据商品价值和交换价值的物质承担者[27]；价值是使用价值、交换价值的基础，而交换价值则是价值的表现形式。数据商品的价值在交换时借由互联网平台得以实现，这些平台为数据商品的交易提供了必要的场所和机制。
5.2 数据资本增值
数据资本化是数字产业化的重要环节。企业早期利用资本投入获得海量数据，积累了数据资本。随后，企业利用积累的数据资本进行融资，并将收益进一步投入基础设施建设和数字技术研发，为数据资源的收集和数据资产的形成提供了物质条件和技术支持。在这个过程中，数据资本的扩大促进了产出的增加，提高了企业的生产效率，并推动了产业的数字化发展。
作为新质生产力的重要组成部分，数字技术深刻改变了商品生产、流通、交换和消费的传统组织形式，基于数字技术、数据要素形成的数据资本亦在劳动组织、产业协作、商品交易等方面表现出众多时代化的新特点。当前中外学界对数据资本的分析主要从数据资本的特征、数据资本的金融属性、数据资本对传统资本的赋能作用等方面展开。部分研究将数据资本直接理解为数据金融产品，认为数据资本化的过程是将数据商品打包成金融产品，并将其引入资本市场，从而推动资源聚集和资源合理配置的过程[28]。然而，这种将数据资本与金融资本混合理解的方式容易低估数据资本在实现数据价值方面的作用，并忽视数据资本所提供的新的发展机遇。另一些研究则将数据资本和产业资本、金融资本进行区分，探讨数据资本的特性、经济效应[29]以及形成过程。2016年3月，《麻省理工科技评论》与甲骨文公司联合撰写的报告《数据资本兴起》[30]指出，在新质数字产品和服务的生产层面，数据资本是与金融资本等同的新型资本形式。此外，研究者还探讨了数据资本对产业资本和金融资本的作用和影响。陈书晴等[31]认为数据资本在发挥传统产业资本作用的基础上，对产业链发展过程产生影响。孟飞等[32]认为数据资本依托互联网公司或者数据平台，实现对产业资本和金融资本运作的有效调控。
数据资本的价值实现是建立在企业所从事的数据生产、流通和服务等活动的基础上。数据资本化指通过一定手段，将数据要素盘活并转化为能够增值的数据资产，进而成为数据资本，并通过资本运营实现其价值的过程[33]。当数据资产以数据商品形式存在时，可以通过数据要素市场的价格机制来进行交易，直接实现数据商品的货币化。然而，当数据商品转化为数据资本时，就意味着数据价值由货币性资产向可增值的数据资产转化。当前数据资本化的实践中，企业往往采用数据资本和金融资本结合的方式，扩大数据资产和数据资本的规模和价值。在经济实践中，市场主体对数据质押融资贷款和无质押数据资产增信贷款已经有了较多探索，对数字资产保险、数据信托、数据证券化产品和数据资产作价入股等也展开了初步讨论。
6
在数字产业化、产业数字化各自的发展过程中，都存在数据资源转化为数据资产的过程。在二者的协同发展中，数据要素价值增值更加注重将数据资产转化为数据商品，以及将数据商品转化为数据资本的过程。因此，本节将从这两个关键路径出发，解释数据价值的转化过程，并探讨数据价值转化对数字经济“两化”协同发展的影响。
6.1 数据资产向数据商品的跳跃
如图4所示，推动数据资产向数据商品的转化存在三方面的现实需求：①实现交换价值的需要。在数据资产开发阶段，数据资产刚刚形成交换价值，初步形成数据的价值。当数据资产转化为数据商品时，数据商品可以被交易和销售，数据的交换价值得以实现。②提升数据流动性的需要。数据资产开发时，数据资产往往存在于企业、政府内部，即便通过数据共享和数据开放在组织间和行业间被利用，其流动性仍比较弱。当数据资产转化为数据商品，数据在市场机制下高效地在产业链和供应链中流通，从而提高了数据的流动性。③实现数据正向外部性的需要。数据资产具有外部性，即同一数据资产在不同维度和应用场景下可以发挥出不同的价值和效用。当数据资产进入市场流通环境，数据资产对于不同主体的价值更易实现。
图4 政企协同实现数据资产向数据商品跳跃的路径
数字产业化和产业数字化的协同推进需要以生产经营管理为目标的产业数据和以社会治理服务为目标的政府数据作为支撑。在数字经济的“两化”协同发展中，政府和企业需要共同合作，实现数据资产向数据商品的跳跃。对于政府而言，各级政府所拥有的数据资产可以通过数据内部共享，实现数据治理效率提升；通过数据外部开放，实现数据社会效益最大化；通过数据授权运营，实现数据市场效益。相较于政府数据开放，政府可以采用“授权运营”这种将数据产品或服务市场化运营的方式，完成数据资产向数据商品的转化。这种方式能够更好地激发市场主体开发数据产品的积极性、丰富政府的财政收入来源、保障政务数据流通安全。对于企业而言，当企业数据资产形成一定规模，企业可以将其发布在数据交易平台或数据交易所内，通过数据交易平台的供需对接和数据定价能力，实现数据资产向数据商品的跳跃，为进一步积累数据资本奠定基础。
在政企协同推进数字经济发展的过程中，数据资产向数据商品的跳跃能在更大范围内激发以数据产品和数据服务为核心的新兴产业涌现，更深层次推动传统产业转型升级。在产业数字化进程中，企业通过购买预测分析类数据商品来指导产品生产，以便提高生产效率、调整生产规模、提高经济效益。在数字产业化进程中，企业通过购买消费者画像数据，可以为商品销售提供精准的消费画像，推动个性化定制或按需定制生产等新模式的产生。此外，伴随大数据交易市场和交易平台快速发展，数据商品交易的新模式也不断涌现。
6.2 数据商品向数据资本的演进
数据资本通过雇佣劳动生产数据商品用以交换，来追逐剩余价值。通过数据商品向数据资本演进可以进一步提升数据价值，优化数据要素的市场化配置，促进数据要素对产业体系、金融体系的有效调控。数据商品向数据资本转变的关键是，数据商品交换获得的剩余价值用于社会再生产过程，以实现价值增值[34]。
首先，基于数据商品的生产和交换，实现数据资本增值。数据商品的生产和交换活动是数据资本运动的物质基础，数据商品价值的创造和实现是数据资本运动的价值基础[35]。在购买阶段，数据商通过购买数字技术、数字设备、经营平台等生产资料，提供数据商品生产基础设施；通过雇佣数据工程师、产品经理等劳动力，为数据商品的生产提供人力支持。在生产阶段，数据商通过雇佣数据处理员工对原始数据进行处理、整合与分析，将数据转化为具有市场价值的数据商品。在售卖阶段，数据商通过将数据商品出售给广告公司、金融机构等潜在买家，将商品剩余价值转化为货币资本。
其次，将增值后的数据投入生产过程，实现数据资本的加速扩张。在数字产业化过程中，数据商品一方面作为生产要素投入，被应用到电子商务、搜索引擎等平台，为这些平台的运营和发展提供支持[36]；一方面作为数字工具投入，增加了数字商品附加值，推动了数字产品生产模式创新。例如，在音乐创作领域，创作者利用人工智能技术自动生成个性化音乐，实现数字音乐生产模式创新；同时借助数字音乐软件采集、编辑、合成和处理各种声音，丰富音乐创作素材。在产业数字化过程中，企业将购买的数据商品投入企业生产中，实现了基于产品全生命周期管理的生产效率提升。例如，伴随工业互联网平台的普及，企业通过购买硬件系统、软件开发工具包和应用程序，实现对产品生产过程的持续数据采集和监控，从而提升全生命周期质量管理水平；同时，企业与上下游企业共享产品信息，实现从采购到生产销售的全过程协同制造，提升产业链协同效率。通过将增值后的数据投入到生产过程，数据资本得以加速扩张，实现对产业资本和金融资本的有效调控。
伴随数据商品向数据资本的演进，数据资本为数字产业化和产业数字化的发展带来不同的效能。就数字产业化而言，产业积累到一定程度的数据资本后，可以展开产业整合与并购，实现产业链上下游及产供销有效衔接、高效运转。如数据交易中介商通过本身积累的数据交易数据，向数据采集、数据处理此类数据链的上游扩展，企业的业务范围和市场范围扩展。产业链整合发展的过程中，消费互联网平台、工业互联网平台、智慧供应链、柔性化定制、共享生产平台等各类基于数据交互连接创造价值的新业态新模式应运而生。而在产业数字化内部，企业将积累的数字技术、数据资源甚至数据资本，应用到传统农业、制造业、服务业等产业，推动不同产业融会贯通，促进数字经济和实体经济深度融合。如阿里巴巴通过旗下的金融科技公司蚂蚁金服，提供在线支付、个人理财、小微企业贷款、保险等金融服务。蚂蚁金服将互联网技术与金融业务相结合，改变了传统金融行业的运作方式。
7
在数字经济的发展中，数字产业化和产业数字化的协同推进是一个相互促进的过程。二者的协同推进需要以数据要素价值实现为支撑，同时，数据要素价值形态的跃迁可以对数字产业、传统产业进行系统重塑，从而全面推进经济转型。因此，本文结合“数据资源、数据资产、数据商品、数据资本”这一数据价值链，阐释了数字产业化和产业数字化发展过程中数据价值形态演变和数据价值实现的关键环节。此外，政府和企业作为数据价值实现的关键主体，通过充分利用以社会治理服务和以生产经营管理为目标的数据，实现资源的优化配置、产业链的协同发展，推动数字经济的快速增长。一方面，政府数据资产通过授权运营、市场交易等方式流入市场环境中，丰富数字产业发展中高质量数据供给；另一方面，企业通过将数据商品的剩余价值投入社会再生产，实现数据价值的最大化，并形成长期的竞争优势。最后，研究基于数据资产向数据商品的跳跃、数据商品向数据资本的演进这两个关键路径，解释了数据价值转化过程，并阐述了数据价值形态转化对“两化”协同发展的影响。
参考文献
作者简介
*原文载于《信息资源管理学报》2024年第4期，欢迎个人转发，公众号转载请联系后台。
* 引用格式
马费成，王文慧，孙玉姣，等.数字产业化与产业数字化协同发展中的数据价值实现[J].信息资源管理学报，2024,14(4):4-15.
往期 · 推荐
制版编辑 | 周凡倩
审核 | 于 媛
长按识别二维码关注我们
信息资源管理学报
分享、在看与点赞
只要你点，我们就是朋友😊
