您现在的位置:首页 > 学术研究 > 专家视点

胡庆忠,赵梓衡:数据要素赋能新质生产力的机理分析与路径探索

时间:2024/6/25 16:50:15|点击数:

  摘 要:在一个自由竞争的市场经济环境中,数据要素既有非竞争性、低成本复用、边际报酬递增性等典型属性,能够广泛渗透并作用于生产、流通、消费和分配等社会经济活动环节,并通过与劳动者、劳动对象和劳动资料相结合,促进生产要素创新性配置,实现产业数字化、数字产业化和人工智能化深度转型升级,进而促进新质生产力的发展,同时又有虚假、老旧和混杂等结构性缺陷,严重阻碍新质生产力的发展。本文旨在阐释数据要素在促进新质生产力发展中的作用机理,并进一步探讨其推动新质生产力发展过程中存在的数据孤岛、产权界定模糊、数据流通效率低下等问题,在此基础上,提出完善数据基础制度、促进数据要素市场化、推动数据与技术创新融合、构建支撑数据有效流通的环境等策略,以期探索充分释放数据要素潜力、培育新质生产力的发展路径。

  关键词:数据;新质生产力;机理分析

  一、问题提出

  数字经济作为当前世界各国经济社会发展中最为活跃、最具竞争力、最有标志性价值的重要组成部分,与经济社会各领域融合发展的广度、深度不断拓展,速度不断加快。在变革生产力、生产方式、消费类型,催生新产业、新模式、新动能,创新投资渠道、流通方式、贸易发展等领域扮演着不可或缺的角色。根据中国信息通信研究院发布的《全球数字经济白皮书(2023年)》显示,从增长速度上来看,2022年,美国、中国、德国、日本、韩国5个国家的数字经济总量为31万亿美元。其中,中国数字经济年均复合增长14.2%,是同期上述5国数字经济总体年均复合增速的1.6倍。从规模比较上来看,2022年,美国数字经济规模蝉联世界第一,达到17.2万亿美元,占31万亿美元的55.48%,超过5国总量的一半;中国位居第二,规模达到7.5万亿美元,占31万亿美元的24.19%,不及美国的一半。从GDP比重占比来看,2022年,美国、中国、德国、日本、韩国5个国家的数字经济总量占GDP比重为58%。其中,中国数字经济总量占GDP比重为41.67%,低于测算的51个国家平均占比(46.1%)4.43个百分点,更低于5国平均占比(58%)16.33个百分点。由此,中国数字经济发展程度远低于测算对象国,产业数字化和数字产业化空间和潜力巨大。

  随着新一代信息技术和数字技术的广泛运用与深度发展,数据作为数字经济时代的基础性生产要素,其重要性和关键价值愈发凸显。数据要素这一概念在2019年10月党的十九届四中全会通过的《中共中央关于坚持和完善中国特色社会主义制度 推进国家治理体系和治理能力现代化若干重大问题的决定》中首次提出;2020年3月,中共中央、国务院印发《关于构建更加完善的要素市场化配置体制机制的意见》,首次明确数据作为土地、劳动力、资本、技术之后的第五大生产要素;2023年12月,国家数据局等17部门联合印发的《“数据要素×”三年行动计划(2024—2026年)》更加强调要发挥数据要素的放大、叠加和倍增作用,以此优化资源配置,发展新质生产力。新质生产力这一概念由习近平总书记于2023年9月在黑龙江省考察时首次提出,并在2024年政府工作任务中首条部署“大力推进现代化产业体系建设,加快发展新质生产力”。彰显党和国家对发展新质生产力的重视和殷切期望。

  当前我国正处于变革经济发展方式,推动生产力现代化转型、推动经济高质量发展、推进中国式现代化的关键时期。如何准确理解新质生产力的内涵,如何准确把握以数字技术、网络大数据技术为支撑的AI技术是新质生产力的始俑、标志和第四次工业革命的核心力量,并通过数字经济发展所产生的渗透效应、集散效应、倍增效应和赋能效应推动社会生产力的解放和发展,推动人的解放和发展,是新时代亟须解决的关键问题。进一步深入探讨数据作为数字经济时代的核心生产要素和关键,其引领社会生产力变革的机理和作用路径是非常值得重点关注的核心问题。与此同时,在开放视角下,厘清数据要素赋能新质生产力的机理与路径,对于我国培育发展新动能,引领产业变革与升级,促进对外贸易和交流,推进中国式现代化和构建人类命运共同体意义重大。

  二、提升新质生产力的内在要求和数据要素的典型特征分析

  在完全开放的系统环境中,数据要素的非稀缺性、非静止性、非排他性等典型属性与提升新质生产力的内在要求是一致的,能够促进新质生产力的加快形成;同时,数据要素的虚假、老旧和混乱等结构性缺陷与提升新质生产力的内在要求相矛盾,严重阻碍新质生产力的形成。

  (一)提升新质生产力的内在要求

  “新质生产力是创新起主导作用,摆脱传统经济增长方式、生产力发展路径,具有高科技、高效能、高质量特征,符合新发展理念的先进生产力质态。它由技术革命性突破、生产要素创新性配置、产业深度转型升级而催生,以劳动者、劳动资料、劳动对象及其优化组合的跃升为基本内涵,以全要素生产率大幅提升为核心标志,特点是创新,关键在质优,本质是先进生产力。”新质生产力的科技创新是具有绿色、智能、泛在和群体性四大特征的重大技术突破;新质生产力是符合社会主义性质的生产力,是符合“三新一高”要求的生产力,是符合中国式现代化本质特征的生产力,是推进中国式现代化和破解高质量发展制约因素的战略路径选择和重大战略举措。新质生产力的提出,为马克思主义政治经济学理论中的生产三要素赋予了新的时代内涵:

  1.劳动者素质的新要求。更高素质的劳动者是新质生产力的决定性要素,新质生产力对劳动者的知识和技能提出更高要求,从颠覆性科学认识和技术创造人才到科学技术应用和推广人才,再到工程技术人才和大国工匠。第一,新质生产力强调科技创新作为核心驱动力,要求劳动者具备一定的科技创新能力,能够适应新技术的应用,在满足传统生产活动需要的同时,充分发挥主观能动性与创造性,参与到创新研发活动和技术推广应用中,从产业链微笑曲线的左端完善创新链,形成良性循环,推动技术进步和产业升级。第二,随着科技不断进步,对高新技术技能人才的需求日益增加。这需要劳动者在深耕本领域专业知识的同时,积极探索包括新一代信息技术、人工智能、新材料、生物技术等在内的战略性新兴产业,充分发挥引领作用,推动科技进步和产业升级。第三,劳动者应具备良好的数字素养。在数字经济时代,数字技术已渗透到生产的各个环节,数据作为一种新的生产要素,要求劳动者能够掌握相应的分析和处理能力,从偌大的数据资源中有效获取有价值的信息,以此支持决策制定,提高生产能力。第四,劳动者应牢固树立新发展理念。新质生产力是符合新发展理念的先进生产力质态,必然要求劳动者牢固树立创新、协调、绿色、开放、共享的理念。

  2.劳动资料的新特点。主要是数智技术、绿色技术以及新材料、生物技术等颠覆性技术突破的劳动工具。第一,生产资料数字化、数据化和智能化程度更高。借助于信息技术的广泛普及,传统生产资料能够实现高效的数据测量、收集、传输、储存和处理,并结合数字化技术,推动各生产要素互联互通,相互协作,共享数据和资源,实现产业链的集成与优化。第二,生产资料柔性化和定制化能力更强。在智能制造系统与网络化数据技术、数字化技术融合的背景下,传统生产过程不仅能实现自动调整参数、优化资源配置、满足个性化需求等操作,还能够缩短新产品研发周期,迎合市场需求,通过优化供应链管理来提高产品市场适应性。第三,生产资料环保和节能特性更明显。一方面,以光伏、风电、水电、生物质能为主的各类可再生能源使用,有效降低了生产过程中对化石燃料的依赖,从能源端缓解了温室气体排放压力。另一方面,通过使用高效生产设备、优化生产工艺、推广节能技术等方式,也能够显著提高能源利用效率,降低生产过程中的碳排放,促进循环经济发展。

  3.劳动对象的新范围。科技创新的广度、深度、精度和速度,大大拓展劳动对象的种类和形态。第一,数字化与信息化的劳动对象。随着信息技术的快速发展,劳动对象的范畴已经从传统的物理形态扩展到了数字化和信息化的领域。数据和信息资源已经成为生产过程中不可或缺的劳动对象。这些数字化的劳动对象既能直接创造社会价值,又可以通过与其他生产要素的结合,进一步放大价值创造效应,推动生产方式的变革。第二,绿色环保与可持续发展的劳动对象。新质生产力强调可持续发展和环境保护,因此劳动对象也包括了支持绿色发展和环境保护的技术、产品和服务。如清洁能源、环保材料、循环经济模式等,这些都是新质生产力下对劳动对象提出的新要求。可持续发展的劳动对象有助于减少生产活动对环境的影响,推动经济结构绿色化转型。第三,高端装备与智能制造的劳动对象。人类通过劳动不断创造新的物质资料,并转化为劳动对象,大幅提高了生产率,推动了制造业的现代化和智能化。例如,高端装备、智能制造系统、机器人等新劳动对象的出现和工业互联网、工业软件等非实体形态生产工具的广泛应用,极大丰富了生产工具的表现形态,促进制造流程走向智能化、制造范式从规模生产转向规模定制,推动生产力跃上新台阶。第四,未来产业的劳动对象。围绕国家工业和信息化部等7部门2024年1月联合印发《关于推动未来产业创新发展的实施意见》,重点推进未来制造、未来信息、未来材料、未来能源、未来空间和未来健康六大方向,打造十类创新标志性产品所涉及的劳动对象,全面提高劳动生产率。

  4.要素优化组合的跃升。劳动者、劳动资料、劳动对象等实体要素和科学技术、数据、信息、管理等非实体要素,都是生产力形成过程中不可或缺的重要要素。只有生产力诸要素实现有效配置、充分利用和高效协同,才能迸发出更强大的生产力。在一系列新技术、新机制、新动能的驱动下,引领带动生产主体、生产工具、生产对象和生产方式变革调整,推动劳动力、资本、土地、知识、技术、管理、数据等要素互动化联系、便利化流动、网络化共享、智慧化协同、系统化整合和高效化利用,能够有效降低制造成本和交易成本,大幅提升资源配置效率和全要素生产率,全面提升产品质量和竞争力。

  (二)数据要素的典型特征

  数据要素凭借其显著的乘数效应,在发挥自身作用创造社会价值的同时,更能够与其他传统生产要素有机融合,进一步放大乘数效应,创造出新的价值。开放视角下关于数据要素特征的研究,学术界从内涵、技术、经济、效应多个维度切入,得到了较为丰富的结论。从经济维度梳理现有文献,可以大致归纳出数据要素不同于传统生产要素的几个典型特征:

  1.非竞争性。数据要素具有海量且能够重复使用的特性。与传统生产要素如土地、劳动力等不同,数据资源的使用不会因其使用次数的增加而减少或耗尽,反而可能因为数据的积累和分析的增加而增值。

  2.低成本复用。数据可以通过网络实现流动速度更快、程度更深、领域更广的传播和共享,也能够以极低的成本进行复制和传播,使得信息的传递和利用效率大大提高。

  3.报酬递增性。以数字技术、大数据技术为支撑的人工智能等可以通过学习和迭代不断提升效能,这种自我强化的特性使得数据要素在应用中具有惊人的扩展性和边际报酬递增的特性。

  4.虚拟性。数据要素是一种存在于数字空间中的虚拟资源,与物理形态的传统生产要素形成鲜明对比,该特性使数据在存储、处理和传输方面具有独特的优势。

  5.异质性。数据的价值取决于其被分析和应用的方式,以及数据背后的技术和算法。相同数据对于不同使用者的价值不同,对不同场景的价值挖掘也不同。

  6.强正外部性。数据要素的运用一方面能够促进数据收集型企业生产效率的提升,另一方面也能通过改善运营、促进创新和优化资源配置等方式赋予企业组织效率和用户体验正外部性,通过数据共享提高整体社会福利。

  7.权属界定难度。数据的所有权和用益权难以确定,这给数据的管理和交易带来了挑战。数据确权的复杂性要求建立更为精细和灵活的法律和制度框架。

  8.虚假性。数据被用于特定目的而被篡改、编造、伪造,或者由于数据的测量、采集、处理的方法不科学等主客观原因而产生虚假数据,从而误导人们的认识、判断和决策,带来生命和财产的安全。

  9.老旧性。数据所携带的知识信息是传统的、普遍认知的、反复使用的,缺乏新知识,并没有带来更多知识的飞跃增长和人类共享,并没有引起人类智慧的加速腾飞。

  10.混杂性。数据里混有杂质的特性,成为考量数据质量的一个重要特征。由于数据产生主体的问题,或者是采集手段、存储方式的问题,数据的混杂性是客观存在的、不可避免的。数据的混杂性不同于数据的虚假性。

  (三)基于数据的新型比较优势分析框架

  加快形成新质生产力、推动高质量发展,就必须构建以数据为关键要素的数字经济,充分发挥数据要素的基础资源作用和创新引擎作用,充分发挥数据要素的放大、叠加、倍增作用,优化资源配置、赋能实体经济,推动生产生活、经济发展和社会治理方式深刻变革。

  作为理解国际分工的核心概念和国际贸易学科的传统基石,比较优势及其相关研究始终处在新古典贸易理论的核心领域。长期以来,传统比较优势理论,以李嘉图模型(Ricardian model) 和赫克歇尔—俄林模型(Heckscher-Ohlin model)为代表,其核心观点认为,劳动力、资本等传统要素禀赋差异及其所形成的劳动生产率的不同是国家间比较优势和贸易模式形成的基本原因,构成了国际贸易理论长期发展的坚实基础。也就是说,根据传统比较优势理论,国家间参与国际贸易的基础,主要依靠其使用相对丰裕的生产要素参与国际分工,以此通过产品价格优势,在全球贸易活动中占据竞争优势。数字经济时代以来,大量研究关注到非传统因素对比较优势的驱动作用,为这一经典理论打开了新的思路。数据要素的介入强化、优化和重塑了国际比较优势现状,使得一些凭借传统生产要素参与价值链低端位置的国家能够通过发展数字技术,借助数据要素实现价值链位置攀升。这里需要从产业数字化、数字产业化和人工智能化三个层面来界定和分析。

  产业数字化的比较优势能够直观反映各地利用现代化信息技术,对传统产业进行全方位、全链条、全要素、全角度数字化转型、升级与再造的成效。事实上,学术界针对产业数字化转型带来的比较优势进行了深入探讨,周夏伟等(2022)使用17个制造业面板数据进行分析,结果显示,产业数字化引致创新优势,可促进区域经济提速与提效。陈金丹和王晶晶(2021)使用世界投入产出表(World Input-Output Table,WIOTs)以及中国制造业面板数据,进行实证检验后认为,产业数字化对技术创新有显著促进作用,并且本土的市场规模优势能够强化这一效应。方慧和张潇叶(2022)使用中国30个主要文化贸易伙伴国2012—2019年面板数据进行实证分析,结果发现,文化产业数字化具有明显出口促进效应。黄蕊等(2021)构建非线性动态面板模型,对我国文化产业数字化赋能进行实证测度,结果认为,我国文化产业数字化赋能效果存在倒“U”形影响。综合上述研究成果来看,产业数字化的比较优势和成效明显。

  数字产业化的优势就是打造数字产业链条、数字产业集群和数字产业生态环境的优势。数字产业化发展是一个以现有数字信息技术产品为主要核心输出投入、数字电子产品和信息服务为核心输出的移动互联网、软件等新兴行业的一个集合。余振(2022)等构建数字产业竞争力指数测算框架,对中美两国数字产业竞争力进行了比较分析后认为,中国数字化赋能硬件基础设施产业和数字化赋能软件基础设施产业竞争力超过了美国,但是仍面临着生产效率短期内难以追平美国、产业竞争力的长期提升遭受制约等问题;美国数字化交易产业和数字化媒体产业竞争力高于中国,但中国依靠庞大的消费市场和不断完善的数字基础设施,产业竞争力具备较大的增长潜力。

  人工智能化优势就是产业自动化、智能化发展对国际分工格局和国际竞争力形成产生重大而深远的影响效应。刘灿雷(2023)等利用2005—2018年国家—行业层面工业机器人数据和国际贸易数据,实证考察了工业机器人对一国制造业出口比较优势的影响及潜在作用机制,研究认为,工业机器人应用能够显著提升一国制造业出口的比较优势增长,并且工业机器人能够通过提升研发创新优势和产业内产品差异化两种渠道对比较优势产生正向影响。机器人作为一种可以替代劳动力的新型生产要素,已经成为一国未来要素禀赋及比较优势的重要来源。

  综合上述研究成果,数据要素已成为传统生产要素之外最先进、最活跃的新型生产要素,通过产业数字化、数字产业化和人工智能化三个层面能够不同程度地影响、改变和重塑一个国家或者一个地区的比较优势。数据要素赋能新质生产力的作用路径如图所示。

  三、数据要素赋能新质生产力的作用环节

  强渗透性是数据要素等非实体性要素的一大重要特征,通过广泛作用于生产、流通、消费和分配环节,能够为社会生产各环节数字化赋能,进而推动产业结构升级与经济活动全过程变革,促进新质生产力的形成和发展。夏杰长(2023)指出数据要素通过推动三次产业数字化升级、加速新实体经济发展、规范虚拟经济以更优服务于实体经济这三条路径赋能,推动了我国实体经济高质量发展。谢康等(2023)提出通过数据要素对资源的再配置作用,从要素重构、要素创造和要素创生三条路径推动了企业高质量数字化转型。总之,数据要素主要是通过产业数字化、数字产业化和人工智能化三条路径,既能够通过自身作为生产要素的投入而发生作用,直接地产生社会与经济价值,驱动新质生产力的形成和发展;又能够与其他传统生产要素融合,甚至通过融合驱动其他传统生产要素的创新与演化,间接地发生作用来产生社会和经济价值,进而驱动新质生产力的形成和发展。

  (一)生产过程的赋能

  在生产环节,数据要素通过与资本、技术、劳动力要素相结合,赋能传统生产要素,进而推动新质生产力的形成和发展。第一,数据与资本相结合,能够提高资本使用的精确性,减少资本配置过程中的摩擦,提高资本的使用效率和生产环节流通性。资本要素经过数字化、数据化、智能化转型后,一方面能够通过对数据的整理与分析,帮助企业优化资本配置,提高投资效率;另一方面也能够协助企业分析评估市场变化与经济波动,优化风险管理模式。第二,数据与技术相结合,驱动生产制造协同发展。借助于数字化技术、网络化技术和AI技术,产业链各环节能够相互协同,共享数据,同时也为不同行业企业提供了交流平台。数据在不同生产环节、不同生产主体间的流动,既推动了智能化和精益化生产,也搭建了更为开放创新的市场生态系统。第三,数据与劳动力相结合,催生了新质劳动力的出现。数据赋能劳动力要素的路径,不仅体现在人力资源配置、人才培养方式、劳动力管理模式等方面的数字化转型,更为重要的是新质劳动力的出现。例如智能机器人、大数据模型等新技术加入到生产活动中,改变了以人为主要劳动力的传统生产模式,在大幅提升劳动生产率的同时,也对人力资本需求提出了新的挑战。

  (二)流通过程的赋能

  在流通环节,数据要素能够通过包括分析与预测市场需求、优化物流与供应链管理和提升顾客体验与服务三条路径实现赋能,推动新质生产力的形成和发展。第一,数据要素可以准确对市场需求进行分析与预测。通过运用数字化手段对历史销售数据、消费者行为、市场趋势等信息进行深入分析,可以让企业准确预测市场需求。这种预测能力有助于企业优化库存水平,减少库存积压和缺货风险,从而提高流通效率并降低成本。数据分析还可以揭示潜在的市场机会,指导企业制定更有针对性的营销策略和产品开发计划。第二,数据要素的结合能优化物流与供应链管理,显著提升物流和供应链管理效率。通过实时监测和分析物流数据,企业能够优化运输路线、提高配送效率、减少运输成本,并对供应链中各类突发情况做出及时响应。同时,企业也能充分发挥上下游协同效应,通过整合信息,打破数据孤岛壁垒,提高供应链的透明度,降低整体运营成本。第三,数据要素作用于流通环节能够提升客户体验与满意度。于企业而言,一方面,能够通过分析消费者购买历史、偏好和反馈等信息,更准确地掌握客户需求,从而提供更加个性化的产品和服务,进而优化客户服务流程;另一方面,企业通过对社交媒体、网络搜索和新闻报道等舆论数据的监测,也能够快速捕捉市场变化和消费者情绪,及时调整市场策略和营销活动。

  (三)消费过程的赋能

  在消费环节,数据要素通过提供定制服务、提高购物效率和创新消费模式三方面实现赋能,推动新质生产力的形成。第一,数据要素为消费者提供定制化产品与服务。数据赋能使得企业能够根据消费者的历史购买记录、浏览习惯、社交媒体互动等信息,理解每个消费者的独特需求和偏好。这种深入的洞察力使得企业能够提供个性化的产品推荐、定制化的服务和更加贴合消费者需求的营销活动。对消费者而言,这意味着他们能够获得更具相关性和吸引力的购物体验,从而提高购买满意度和品牌忠诚度。第二,数据要素有效提升购物的便捷性与效率。数据赋能通过优化电商平台的搜索引擎和推荐算法,使消费者能够更快速、更准确地找到他们想要的商品。此外,数据分析还可以帮助企业优化库存管理和物流配送,以保证商品供应链畅通,更便捷的购物流程和更短的等待时间无疑能提升消费者整体的购物效率和购物体验。第三,数据要素创造新的消费模式。随着数字化技术、网络化技术和智能化技术的不断普及与迭代,催生了包括跨境电子商务、共享经济、直播经济、O2O购物等模式的新消费业态。一方面,企业能够通过数据分析,精准把握需求,并通过优化供应链来提高商品销售效率。另一方面,不同消费者也能够通过广范围、多渠道和高效率的消费模式满足自身差异化需求,进而提升消费品质。

  (四)分配过程的赋能

  在分配环节,数据要素通过优化资源配置、推动价值创造和促进公平普惠三个方面实现赋能,推动新质生产力的形成和发展。第一,数据要素能够优化资源配置。数据高共享性、非排他性等特征,意味着其能够被多个主体同时使用而不会产生竞争性消耗。这些特性使得数据能够在不同部门和领域之间自由流通,实现了要素配置机制新业态的重塑,促进了各类生产要素在不同领域的有效配置。例如,在公共资源分配中,通过共享数据,政府和私营部门可以更好地协调行动,优化公共资源的使用,确保其被分配到最需要的地方。第二,数据要素能够推动价值创造。借助数据要素,企业可以精确分析消费者行为和市场趋势,制定更有效的战略,从而提升产品和服务的附加值。此外,数据要素的深度应用还催生了新的商业模式和就业机会,通过合作创新来促进新业态发展,进一步扩大了价值创造的范围。在这一过程中,数据要素不仅增强了企业的竞争力,也为经济高质量发展贡献了新的动力。第三,数据要素能够促进公平普惠。数据的共享性能够在一定程度上打破信息孤岛,使得更多的利益相关者能够访问和利用数据资源,减少信息不对称问题,确保所有参与者基于相同的信息基础做出决策。这有助于确保分配过程的公平性,尤其是在涉及公共利益和社会福利的分配中,可以更好地保障弱势群体的利益。举例而言,政府部门可以通过共享社会福利数据,让社会更好地了解弱势群体的需求,进而从更大范围制定更具针对性和公平性的政策,提供更加高效的服务。

  四、数据要素赋能新质生产力的现状与制约

  数据要素赋能新质生产力具有良好预期、正向作用和溢出效应,但在现实中,由于数据本身和环境条件两方面的制约因素,阻碍了数据要素赋能新质生产力的步伐和进程,存在的突出问题主要表现在以下几个方面。

  (一)数据规模稳步增长,量大而质不强

  数据规模稳步增长体现在数据量的快速积累和数字经济的蓬勃发展上。随着信息技术的不断进步和应用,尤其是在大数据、云计算、物联网等领域,数据的收集、存储和处理能力得到了显著提升,使得数据规模不断扩大。数字经济的快速增长也推动了数据的积累,数据成为驱动新质生产力发展的动力。然而,在数据快速积累的表象下,仍可以看出我国数字经济发展大而不强的问题。第一,数据质量参差不齐。虽然我国数据存量巨大,但数据的准确性、完整性和一致性等方面存在问题,影响了数据的有效利用和价值发挥。第二,数据治理体系不完善。数据的标准化、分类、管理和保护等方面尚缺乏统一的标准和规范,导致数据难以高效流通和充分利用。第三,数据应用深度不足。数据的应用多集中在初级阶段,如数据的简单查询和报告生成,而对于深度分析、预测建模和智能决策等方面的应用还有待挖掘和进一步推广。第四,数据技术创新能力有待提升。尽管数据规模增长,但在数据挖掘、数据分析和数据安全等关键技术领域的创新能力还不够强,限制了数据要素潜力的充分释放。

  (二)数据要素市场探索建设,实际利用不足

  当前我国数据市场正处于初步探索阶段,在有序推进数据要素市场化建设的过程中,整体呈现出数据要素市场不活跃、数据市场化推行缓慢等问题,导致数据要素的实际使用率并不高。第一,存在数据孤岛,数据共享困难。数据孤岛现象是指数据分散在不同组织、系统或平台中,缺乏有效的整合和共享机制。这导致数据资源无法在更广泛的范围内流通和利用,限制了数据的潜在价值发挥。由于缺乏统一的数据标准和协议,不同系统间的数据难以互通,即使在同一组织内部,不同部门间的数据共享也面临障碍。此外,数据共享还涉及数据安全和隐私保护问题,如何在确保数据安全的前提下实现数据的有效共享,是提高数据要素实际利用率的关键问题。第二,数据产权与交易规则不明确,制约数据市场发展。数据产权的界定和数据交易规则的建立是数据要素市场化配置的基础。当前,数据产权的归属、使用权和经营权的划分尚不明确,导致数据交易市场缺乏清晰的权责界定,影响了数据的流通和交易。数据交易的定价机制、交易流程和监管体系也不够完善,使得数据交易活动面临较大的不确定性和风险。这些问题不仅阻碍了数据的合理流动和优化配置,也制约了数据要素市场的健康发展。第三,数据要素市场不成熟,市场机制有待完善。当前数据市场缺乏足够的流动性和活跃度,数据产品和服务的供给不足,不能满足多样化的需求。同时,市场参与主体相对单一,缺乏多元化的市场参与者,如数据中介、数据分析师等专业角色的参与,限制了数据要素的价值发现和创新应用。此外,市场监管和服务体系不完善,缺乏有效的数据质量评估、交易监管和争议解决机制,影响了市场的健康发展。

  (三)数据流通有序推动,共享动力较低

  数据要素的共享性和流动性是其区别于传统生产要素的重要特征,也是数据要素充分发挥价值的前提和基础。然而当前我国数据流动和共享动力较低,导致数据价值仍有待进一步挖掘。究其原因,主要表现为以下几点:第一,出于对数据安全与隐私保护的担忧。数据的价值在日益凸显的同时,也带来了数据安全和个人隐私保护的问题。数据共享可能导致敏感信息泄露,给个人和企业带来风险。企业和机构在共享数据时会担心数据被滥用或未经授权的访问,尤其是在缺乏完善数据安全保护措施和技术的情况下,这种担忧更加明显。此外,相关的法律法规尚未完全跟上技术发展的步伐,对于数据泄露的法律责任和处罚不够明确,使得数据共享的动力受限。第二,存在数据确权与利益分配的问题。数据作为一种特殊的资源,其确权和利益分配问题相对复杂。数据的产生和流通涉及多方参与,如何界定数据的所有权、使用权和收益权,以及如何在数据共享过程中公平合理地分配利益,是数据共享面临的重要挑战。如果数据确权不清晰,或者利益分配机制不公,将直接影响数据提供方的共享意愿。此外,数据的价值往往与其使用方式和场景紧密相关,如何评估数据的价值并据此进行合理的利益分配,也是当前需要解决的问题。第三,数据所有者未能积极参与共享。数据共享需要跨部门、跨行业的合作,但不同主体之间可能存在信息壁垒和利益冲突,缺乏共享的动力和合作的意愿。以数据要素权利主体为标准,可以把当前数据市场分为以政府部门开展公共事务为主导所获得的公共数据和以企业生产经营为主导所获得的私有数据。一方面,在公共数据的共享中存在着数据品类缺失、质量低下、滞后性较高等问题,导致公共数据利用率较低。另一方面,私人数据的逐利性会驱使数据所有者在过度收集数据的同时,囤积大量数据而不愿共享,以此在市场中获得竞争优势,导致私人数据共享意愿低。

  五、数据要素赋能新质生产力发展的实现路径

  为突破数据要素赋能新质生产力发展的瓶颈和障碍,结合实际情况,针对性地提出以下具体实现路径。

  (一)完善数据基础制度与治理体系

  首先,为有效强化数据基础制度,应构建全面且细致的数据分类和分级体系。依照不同分级标准来识别和区分不同类别的数据,如公开数据、敏感个人信息、商业秘密以及国家安全相关数据等,并针对各类数据的特点进行确权,制定相应的管理策略和保护措施。其次,对于涉及个人隐私、金融安全、公共安全以及国家安全等方面的敏感数据,应实施更为严格的监管措施,包括但不限于加密存储、访问控制、数据脱敏等技术手段。最后,制定数据泄露应急预案,确保在任何情况下都能最大限度地保护数据安全,防止数据滥用或非法泄露,从而维护国家安全、公共利益和个人生命财产安全。

  同时,企业作为私有数据的使用者和管理者,应当积极建立和完善内部数据治理机制,通过制定数据管理政策、设立专业数据管理团队、定期进行数据安全审计和风险评估等措施,提高自身的数据管理和保护水平,在数据流通和交易中建立起信任,促进数据的合规使用和高效流通。

  在国际层面,加强数据的国际合作,共建人类数字命运共同体变得尤为重要。我国应当积极参与国际数据治理规则的讨论和制定,与国际社会共同探索数据跨境流动的最佳实践,推动形成全球统一的数据治理标准。这不仅有助于我国企业更好地参与国际竞争,还能够在全球数据治理体系中发挥更大的作用,提升我国在全球数据治理中的话语权和影响力。通过国际合作,促进数据治理规则的国际协调和相互认同,为我国数据要素的国际流通和合作创造有利条件。

  (二)促进数据市场化与高效流通

  首先,在数据市场化进程中,建立科学合理的数据要素评估和定价体系是至关重要的。通过对数据的数量、质量、稀缺性、时效性以及潜在的经济价值进行评估,数据的价值能够得到公允的体现,从而促进数据资源资产化、数据资产资本化、数据资本证券化,进一步推动数据要素的合理流通和有效配置。在此基础上,数据资产的交易将更加活跃,为数据的商业化和产业化提供动力。金融机构在这一过程中进一步扮演重要角色,通过数据与金融产品相结合,如推出数据质押贷款、数据资产支持证券等,不仅能够为企业提供新的融资途径,还能够将数据资产转化为流动性更强的金融资产,进一步推动数据市场化发展。

  其次,数据交易平台的建设也是推动数据市场化的关键一环。一个高效、安全、透明的数据交易平台能够为数据买卖双方提供可靠的交易环境,降低交易过程中的信息不对称和信任成本。平台在采用先进技术手段以确保数据交易的安全性和不可篡改性的同时,也应提供便捷的交易流程和高效的客户服务,简化交易环节,降低交易成本,提高数据市场化效率。

  最后,建立完善的数据交易信用体系对于数据市场化的可持续发展同样重要。通过信用评级、公开交易历史记录等方式,可以为数据市场参与者提供信用参考,增强市场透明度,提升参与者的信心。信用体系的建立还有助于规范市场秩序,防止欺诈行为,保护消费者权益,从而为数据市场的稳定发展提供坚实基础。通过这些措施,我们可以期待一个更加成熟、活跃的数据市场环境,进而为新质生产力发展注入新的活力。

  (三)推动数据要素与技术创新融合

  在当今信息化快速发展的时代,数据与技术创新的融合已成为推动各行各业发展的关键驱动力。为了进一步促进这一进程,必须加大对关键核心技术的研发投入,尤其是在人工智能、大数据分析、云计算等领域。这些技术不仅能够提升数据处理的效率和精确度,还能够在诸如医疗健康、智能交通、智慧城市等多个领域发挥重要作用,推动产业升级和经济增长。

  首先,建立跨界创新平台对于实现数据与技术的深度融合尤为重要。跨界创新平台可以为不同行业、产业之间搭建沟通、交流、共享的桥梁,促进数据资源的共享与利用。通过这种跨界合作,可以打破传统行业的界限,催生新的商业模式,构建更加多元和包容的产业生态系统。

  其次,鼓励企业开展数据开放合作是实现数据价值最大化的有效途径。通过数据众筹、众包等开放式创新模式,企业可以汇聚来自社会各界的经验和资源,有效整合创新链,共同攻关解决行业面临的难题。同时,这种开放式的合作还能促进知识的传播和技术的普及,提高整个社会的创新能力和竞争力。

  最后,政府和行业协会也应当发挥积极作用,出台相应的政策标准,引导和规范数据的开放合作。通过提供政策兜底、技术支持、资金扶持等措施,可以降低企业的创新风险,激发企业的创新活力,推动形成以数据为核心的创新体系。打好政策保障的组合拳,可以期待在未来实现数据技术与各行各业的深度融合,推动经济社会的全面发展和新质生产力的提升。

  (四)构建数据要素赋能新质生产力的支撑环境

  首先,为数据要素发展提供坚实的基础设施保障。一方面,重视对网络硬件设备的投资,如升级宽带网络、扩展无线通信覆盖、建设数据中心等,以确保数据传输的高效性和稳定性。另一方面,优化网络架构,采用最新的云计算和边缘计算等技术,以满足大数据时代对计算能力和存储容量的需求。通过这些措施,有效降低企业在数据使用和处理上的成本,使企业能够更加灵活、高效和便利地运用数据资源。

  其次,教育培训是提升公众和企业数字素养的关键。一方面,应当在各级教育体系中加强数据科学和数据分析的课程设置,培养全民数据思维和数据驱动的决策能力。另一方面,企业也应当建立内部培训体系,通过在线课程、研讨会、工作坊等形式为员工创造提高数字素养的机会,以适应数字化转型的需求。

  再次,法律法规的宣传教育同样不可忽视。应当通过媒体、公共讲座、行业协会等各种媒介渠道,普及数据保护和合规使用的知识,提高公众对数据安全重要性的认识。同时,完善数据保护的法律法规体系,制定明确的数据使用和保护标准,为数据的合规流通和利用提供法律保障。

  最后,为了营造一个有利于创新和创业的数字化市场环境,政府可以通过出台税收减免、资金支持、知识产权保护等激励政策,鼓励企业进行技术研发、市场开拓和数据共享,以此促进新兴产业发展,为新质生产力的发展提供肥沃的土壤,推动社会经济持续健康发展。

  作者简介:胡庆忠,云南省社会科学院经济所副所长(主持工作),研究员。研究方向:数字经济与产业经济。赵梓衡,云南省社会科学院经济所研究实习员。研究方向:数字经济与开放经济。

  本文发表于《中共云南省委党校学报》2024年第3期,注释、图表及参考文献略。

来源/作者:《中共云南省委党校学报》 责任编辑:张雪