关键词:数据要素;生产要素;作用机理;高质量发展;数字经济
DOI:10.16582/j.cnki.dzzw.2022.06.002
一、引言
随着新一代信息、通信和智能技术的迅猛发展,人类社会的数据种类、规模及其应用正以前所未有的速度扩张。数据已从单纯作为事实或信息的载体[1],转变为有价值的资源和资产。党的十九届四中全会首次将数据列为与土地、劳动力、技术、资本等相并列的生产要素,对数据要素的作用予以高度肯定。作为一种新生产要素,数据将驱动生产方式和经济形态变革,进而引致政策变革乃至制度变迁,这也为与之相关的理论探讨提供了充足空间。
数据并不是最近才产生的新奇事物。从原始部落实物计数,到科学数据的形成、大数据的诞生[2],再到如今数据成为生产要素,人类社会发展的各个阶段都有数据产生,只是数据的产生方式和类型不断变化。如今,人类社会正进入以数据为基础性资源和关键驱动力的数字经济时代,生产要素及其范畴也在技术和生产方式的变革中更新扩展纳入数据这一新兴要素。早在20世纪60年代,Machlup发表《美国的知识生产和分配》,标志着西方宏观信息经济学的产生,随着大数据时代、数字经济时代的到来,国外也产生了大量有关数据的研究,但研究对象大都集中在大数据[3-5]和数据本身[6-8],而对于生产要素维度的研究则更多地使用“信息要素”一词[9-10],对数据生产要素的研究则相对较少。
作为新兴的生产要素,数据引发了国内经济学界的广泛关注,但总体上仍处于起步阶段。文献对于数据要素价值和意义的认识呈现出一个深化的过程,从认为数据本身并不一定构成企业参与竞争的最关键资产[11],到数字经济时代最重要的是数字技术,作为生产要素的数据是经过数字化、智能化后的数据,即数据本身是无用的,只有被数据化后其价值才真正体现出来[12],到数字化能够提升企业创新、管理、产出效率[13-16],再到数字经济时代数据和数字技术均是最关键的生产要素[17]。此外,目前国内对于数据要素的讨论更多集中在数据要素市场的建立[18-19]和数据要素如何参与分配[20-21]上,而对数据要素本身及其作用的研究才刚刚开始。有从产品创新视角出发,提出基于特征映射逻辑探讨大数据成为现实生产要素的实现机制[22],有从政策文件出发,提出数据要素与其他要素的三层次模型和五链协同机制[23],还有从互补性资产理论出发,探讨数据与技术、资本、劳动之间的结合机制[24],均是对数据生产要素如何发挥作用的研究初探。正是在这样的研究背景下,本文从分析数据要素的本质特征切入,剖析其与传统生产要素的相互作用关系并进一步阐明数据要素如何促进经济发展,最后提出数据要素高质量发展的建议,以期为数据这一新兴生产要素的性质和作用机理提供新认识,对该主题的研究起到补充作用。
首先,给出数据要素定义,并对其与数据资源、数据资产、数据资本进行概念辨析,在此基础上对现有数据要素特征进行研究,按特征属性将特征划分为“3×2”技术特征和经济特征两大类,并通过对比发现数据要素与传统要素特征具有明显的互补关系,是下文相互作用机理的特征基础。其次,尝试提出数据要素与传统生产要素间相互作用的“两要素互补、多要素协同、全要素耦合”三层作用机理,揭示了数字经济时代数据要素促进经济发展的底层逻辑,在数据要素与传统生产要素的相互作用下,释放传统生产要素新活力,实现粗放型增长与集约型增长并存,促进经济的可持续发展。最后,数据要素的高质量发展是数字经济高质量发展的前提,针对数据要素现有产权不明确、利用效率低等问题,从更有效率、更加公平、更可持续三方面对数据要素的高质量发展提出建议,为数据要素的理论与实践提供一定的参考。
二、数据要素的概念与特征分析
(一)数据要素的概念界定
对于数据作为生产要素的研究,国外更多地使用信息(information)要素一词,而非数据(data)要素,Farboodi和Veldkamp[25]提出,数据是一种能够被用于减少预测错误的信息,即信息与数据是有所区别的。国内对于数据要素的定义目前并无定论,因此,本文尝试从分别解释“数据”和“生产要素”的角度入手得出数据要素的定义。在信息科学的视角,数据是指描述事物的符号记录,这种符号可以是数字、文字、图形、图像、声音、语言等,它们都可以通过数字化后存入计算机[26],生产要素是指用于生产产品和服务的投入[27],因此我们可以简单定义数据要素是数据成为用于生产产品和服务的基本投入因素之一。
数据构成的概念有很多,如数据资源、数据资产、数据资本和数据要素。朱扬勇认为有含义的数据集结到一定规模后形成数据资源[28],并将数据资产定义为有数据权属(勘探权、使用权、所有权)、有价值、可计量、可读取的网络空间中的数据集[29]。徐翔和赵墨非[15]认为,数据资本是以现代信息网络和各类型数据库为重要载体,基于信息和通信技术的充分数字化、生产要素化的信息和数据。综合现有研究,本文认为,数据资源、数据资产、数据资本均是数据在生产、生活中的重要程度不断加深所产生的概念,学术界会依据不同的使用场所选择相应的概念。例如:在讨论所有权问题时,多使用“资源”或“资产”的说法,如企业拥有人力资源、数据资源,代表其所属关系;在生产、生活的作用过程中会更多地使用“资本”的概念,如人力资本和数据资本在企业生产中发挥着巨大的作用;在讨论生产要素时则会使用“要素”的概念,如数据要素、技术要素等。因此,根据其各自常见的使用场所不同,可将数据资源和数据资产、数据资本、数据要素分别归属于权属层面、作用层面和要素层面三种不同的研究层面。对于各概念之间的关系,本文认为本质上是数据生产要素化过程逐渐深化的过程(参见图1),从数据到数据资源、数据资产,再到数据资本,数据的生产要素化程度不断加深,最终数据成为国民经济运行中必备的基本因素之一,即数据成为数据要素。
数据资源、数据资产、数据资本虽然都是数据要素化过程中产生的概念,但要素化程度略有不同,本文讨论的数据要素是已经成为生产产品和提供服务过程中所必备的数据要素这一基本因素。由于生产要素是一个相对抽象的概念,数据是一个相对具象的概念,在讨论数据生产要素的作用机理时避免不了要对经济生产、生活中的具体活动进行描述,因此为了架起连接抽象与具象的桥梁,方便后文叙述,本文在作用机理部分不区分数据、数据要素和数据生产要素的表述,文中提到的概念均基于上文所给定义展开。
(二)数据要素的技术与经济特征
随着数据成为生产要素,一个自然而然的问题便是,作为生产要素的数据究竟具有哪些特征?本文从数据生产要素、数据和信息三个方面对现有的特征分析类文献进行梳理(参见表1),发现尽管文献中已有一些探讨,但大多数关于数据要素特征的研究各有侧重,有的侧重于从技术角度描述特征,有的侧重于经济角度,还有的从“技术-经济”联合进行分析,但鲜有根据特征属性分类,继而综合分析的研究。
基于已有研究,本文尝试从技术特征与经济特征两方面对数据要素的特征进行具体分析(参见表2),最后对数据生产要素与传统生产要素进行对比进一步说明数据要素的独特性。
⒈“3×2”技术特征:多元性、依赖性、渗透性
现有文献对数据生产要素的技术特征研究较为分散,且对于各个特征的解释均有不同的认识。本文将数据要素的技术特征提炼为多样性、依赖性与渗透性三方面,并创新性地提出“3×2”技术特征的解释办法,“3”指多元性、依赖性、渗透性三个技术特征,“2”指对于每种技术特征分别有两方面的解释角度,具体解释如下:
第一,多元性。多元性一方面指数据要素种类繁多、来源复杂、数据量庞大,另一方面指数据内容对于数据使用者价值大小的多元。就前者而言,随着互联网等信息技术技术的发展,数据的来源类型与格式越来越繁杂,数据格式不仅包括传统意义上的结构性数据,如今还包括图片、音频、行为、流量等各种非传统意义的非结构性数据。就后者而言,数据对于不同人的价值大相径庭,例如商业过程中产生的数据对于金融投资者而言视如宝藏,但对于普通人而言毫无作用,同样的数据却具不同的价值,存在价值的多元性。
第二,依赖性。依赖性一方面是指数据要素创造价值时必须依赖其他传统要素,另一方面是指数据要素对网络、算法等技术的依赖性。就前者而言,在数据作用过程中,作为一种无形资产,脱离了其他生产要素的数据就脱离了价值创造的过程。就后者而言,现代信息技术是数据存在与发展所不可或缺的基础,算法等技术进步使数据积累和处理效率不断提升,数据应用边界不断扩展,为创造更高的经济社会价值提供了技术条件。
第三,渗透性。渗透性一方面指数据要素对其他生产要素具有很强的渗透性,另一方面指数据要素对社会生产、生活及各行业的强渗透影响力。就前者而言,数据要素依托于互联网和物联网的连接作用及其自身极高的流动性,将其作用辐射至其他各生产要素作用途径中,与其他要素相互补充、互相协调。就后者而言,社会生产的各个环节无时无刻不在产生数据,企业和产业部门也愈发重视使用、发展和享受数据要素带来的创新驱动力。此外,公共管理部门也开始利用其掌握的庞大数据资源提升管理效能、降低管理成本,以更好地服务生产、生活和治理的需要。
⒉经济特征:马歇尔外部性、规模经济性、准公共物品性
第一,马歇尔外部性。介于数据生产要素自身的强渗透性及其自身的高价值属性,借助于互联网和物联网等技术的连接作用,数据要素表现出极强的外部性特征。胡石清和乌家培将外部性[43]分为科斯外部性、马歇尔外部性和庇古外部性三类,根据系统复杂性的出现为分类依据将科斯外部性定义为简单外部性,其余两种定义为复杂外部性。而大多数研究并未将数据要素的外部性特征进一步深入,实际上数据要素所产生的外部性本质上是复杂外部性的第二类外部性,即马歇尔外部性,具有间接性、紧密型和规模性的特点,虽不直接发挥作用,但通过间接的方式紧密影响着日常的生产、生活,并且具有一定的影响规模。例如,单个用户的使用数据对于其他用户来说没有直接的外部性作用,但通过大数据处理后对用户进行数据画像,一方面可以对用户提供更多的个性化服务,如视频软件的“喜欢这个视频的人也喜欢这些”,另一方面个性化的推送可能存在获取或泄露用户私人信息的行为。而对于外部性作用是正是负,大多数研究认为数据要素具有极强的正外部性,但本文认为,数据要素发挥强大正外部性的前提是其处在合法、合理且科学的发展方向与发展边界内,这离不开规范、有效且高质量的数据要素市场,也需要相关行业协会、监管和法律部门协同提供配套的制度保障和约束。
第二,规模经济性。规模经济指在技术水平不变的条件下,单位产品的成本随生产规模提高而降低[44]。对于数据生产要素,规模经济指小规模的数据要素的信息密度值小,相应能够产生的作用较小,只有大规模的数据要素才能够发挥更大的作用,且随着数据要素规模的扩大,人们能够从数据中挖掘出的价值更大,数据的价值也会呈指数级增加,并随着规模的不断扩大数据要素收集者则会出现成本降低的规模经济作用,即数据要素具有规模经济性。
第三,准公共物品性。周自强[45]提出准公共物品区别于公共物品与私人物品的三大特征是:不完全竞争性和不完全排他性、外部性、时空相对性。根据数据要素的来源、价值、作用等的不同,数据要素的性质有所不同,例如对于政府公开数据,可以被低成本甚至零成本复制,使其能够被不同的数据要素使用者同时且无限次利用且不产生损耗,数据要素使用过程中也并不相互影响或妨碍,而对于商用数据的使用则需要付出一定的代价或者完全无法被他人使用,因此我们可以认为数据要素具有不完全竞争性与不完全排他性,必要的时候能够转变为公共物品或私人物品即具有时空相对性和外部性,因此可以判定数据要素具有准公共物品性。
通过上述对数据生产要素技术特征与经济特征的分析,可以发现数据要素与传统生产要素之间存在鲜明的不同。通过两者对比我们可以进一步考察数据要素的独特性,五大对比特征为:时效性、无限供给、可再生、可重复使用、无限复制。首先,数据要素具有极强的时效性,在市场竞争中谁能够更快地进行数据分析并进一步驱动创新发展,谁就可能在成本、技术、产品和服务等创新上抢占市场领先地位,而其他传统生产要素对时间的敏感度则相对更弱。其次,传统要素如土地属于有限供给的实物资源,而数据要素则可以随时随地生产,实现无限供给,打破了传统生产要素有限供给对经济增长的制约。最后,相比其他传统生产要素,数据要素具有的可再生、可重复使用、无限复制等准公共物品特征,使数据要素促进经济的可持续发展成为可能。通过五大对比特征可以发现,数据要素与传统生产要素之间具有非常明显的互补特征,通过特征互补使得数据生产要素在与其他传统生产要素相互作用并进一步对生产、生活产生作用时,可以协同促进经济增长的可持续发展,成为促进数字经济时代经济增长的核心生产要素。
三、“两要素互补、多要素协同、全要素耦合”三层作用机理
数据要素与其他传统生产要素相互作用,能够促进所有生产要素自身的发展,进一步促进经济生产、生活的高质量发展,因此阐明数据要素如何与其他传统生产要素发挥相互作用具有重要的理论价值。本文尝试提出数据要素与其他传统生产要素的相互作用影响机理,即“两要素互补、多要素协同、全要素耦合”三层作用机理模型(参见图2)。
“两要素”指数据生产要素与任意一个传统生产要素的组合结构;“多要素”是指除数据要素外,任意两个、三个或四个传统生产要素的组合结构,即为三要素圈、四要素圈与五要素圈;“全要素”是指所有生产要素的组合结构。两要素互补旨在阐释数据要素对其他各要素的影响,即数据要素有助于改善传统生产要素现存问题,进而促进、引领传统要素的新发展,在此过程中数据要素容量亦得到扩充,实现互补;多要素协同是指数据要素作为核心生产要素带动多要素圈发挥协同优势的作用,实现多个要素之间一对多、多对一的复杂协同作用关系;全要素耦合是指数据要素主动作用于各生产要素,通过数据耦合、紧密耦合使生产要素间的作用更紧密的作用机理,从而促进全要素的动态作用与发展。“两要素互补、多要素协同、全要素耦合”三层作用机理模型揭示了数据要素与传统生产要素之间相互作用的底层逻辑,生产要素在作用中得到发展,实现机理内部的自动优化升级,并进一步作用于经济生产、生活,实现可持续发展。
(一)第一层次:两要素互补
由于传统各生产要素的独特性,数据要素对其影响都是不同的,但整体而言,都是起到了提高配置效率,先数据促进其发展,后数据引领其发展的作用,表3对该层次数据要素对其他传统生产要素的影响做了总结,分别从两阶段——促进阶段和引领阶段,三大步——解决现有问题、促进新发展、引领新发展出发进行分析。而其他传统生产要素对数据生产要素的互补作用,则更多体现在对数据要素容量、种类、来源、类型等的扩充,进而通过大数据分析、应用产生作用,互补作用方式相对较为单一。因此,本节两要素互补层的分析将侧重点放在前者数据要素对其他传统要素的作用上。
根据数据要素对其他生产要素的作用是否占主导地位的原则,可以将“两要素互补”划分为两阶段,即促进阶段和引领阶段。促进阶段指数据要素对其他生产要素的作用处于辅助地位,即数据要素作用过程中仍主要围绕传统要素本身展开,根据具体作用内容可以进一步划分为解决现有问题和促进新发展两部分;引领阶段指数据要素对其他生产要素的作用处于主导地位,即数据要素作用带动传统生产要素向智慧化方向迈进,例如:通过数据分析、挖掘打造市场需求为导向的技术研发体系,驱动技术要素的智慧化、智能化发展等。根据不同要素的独特性,数据要素对于不同的生产要素的具体作用表现是不同的,下面将分别从解决现有问题、促进新发展、引领新发展三大步出发对数据与其他各要素的互补关系进行具体分析。
⒈数据要素与劳动要素
首先,数据要素提高了劳动要素的配置效率,缓解了劳动要素扭曲程度。众多互联网公司借助数据要素蓬勃发展产生了一大批求职类平台,提供招聘或求职信息,方便劳动者快速找到工作,提供更加公平的就业机会,在一定程度上降低了摩擦性失业。
其次,数据要素的发展促进形成线上劳动等新型劳动形式。劳动要素在不同地区通过数据要素的连接完成传统线下工作的任务,实现在更大的空间范围和更灵活的时间尺度上进行高效配置,突破了传统的劳动模式。
最后,数据要素进一步“创造”未来劳动。通过数据要素画像,对消费者行为偏好进行分析,预判劳动细分市场的形成,进一步提前形成相应的新劳动要素技能培训,提前储备可能需要的新型人才,为劳动力技能的演变指明方向,减少结构性失业。同时,在数据要素帮助劳动要素优化配置过程中,劳动也帮助产生更多的数据要素,进一步促进数据要素的规模扩张,实现两要素互补。
⒉数据要素与资本要素
首先,数据要素提高了资本要素的市场化程度。数据介入资本配置过程,前所未有地减轻了不完全信息问题,解决资本要素的区域配置不协调、大型企业与中小微企业资本配置不成比例等问题,引导资本投向效率更高的项目。
其次,数据要素促进资本要素充分发挥价值,激发资本市场乘数效应。通过数据要素引导资本要素更好地为实体经济提供服务,同时扩大绿色债券、社会效益债券、项目收益债券及其他创新品种发行规模[46],主动对接和服务国企改革、乡村振兴、新旧动能转化等国家重大战略需求,为重点项目建设提供资金支持。
最后,实现资本的动态调整。资本投资流向、后续资本使用情况与资本回收回报情况等可以产生大量资本市场相关数据,通过数据收集、数据反馈、数据分析,及时调整资金流向。在此过程中数据规模得到扩张,内容得到丰富,进而根据数据要素判断出新兴可能的最有价值的投资方向,引导资本要素新流向。
⒊数据要素与土地要素
首先,利用数据要素针对不同用途的土地类别盘活可能的土地。例如:盘活并激发存量建设用地潜力,培育建设用地市场,同时由数据要素对地方用地价格、补贴政策及地方对土地的发展规划政策等进行监测,推进土地市场的运作。
其次,数据要素带来对土地要素需求结构的变化。有学者认为数据构建的虚拟空间可以脱离传统实体空间的束缚,实现无地化的新发展空间[31]。本文认为数据要素并没有消除对土地的需求,而是带来对土地需求结构的变化,即对大面积土地的需求转变为多处小面积土地的需求。相比传统对大面积土地的需求,小面积土地的选择可以更灵活,小土地与小土地之间的联系则通过数据这一方式加强,从而实现土地要素在现有实际情况下的优化配置。
最后,数据要素引领土地要素发展。通过获得更多土地要素的相关数据,利用数据要素及时反馈,防止发生非农化、非粮化、投机化的土地要素过度资本化。
⒋数据要素与知识要素
首先,数据要素能够缓解知识转化动力不足的问题。通过数据要素科学评估知识要素的价值,将其直接与收入分配制度挂钩,激发科研人员的主动创造性;知识创造、转化、应用的过程同样产生大量数据,利用后者实现对前者的数字化管理,有助于提高知识产出和转化为生产力的效率。例如,创新科研经费匹配方法与科研项目管理办法,可解决当前基础研究经费不足、经费结构不合理以及研究成果与产业应用于市场需求对接不精准等问题。
其次,数据要素强化知识要素的溢出效应。知识只有被人掌握后才能发挥其重要作用[47],而数据要素使得知识溢出效应中的连锁效应、模仿效应、交流效应、竞争效应、带动效应、激励效应等每一环节的进行更加迅速、作用更加彻底、效果更加突出,达到溢出效应的加倍作用。
最后,数据要素为创造新知识提供了更多可能。庞大的数据积累、数据挖掘和人工智能技术的进步,不断发现新需求、提供新认知,甚至创造新知识,在此过程中更多的数据同时被创造出来,人们对数据的理解得到深化,从而实现数据和知识要素的互补。例如,有部分文献是通过中国知网已发表文章数量、下载数、被引数等数据进行研究分析,判断学科发展程度或研究热点分析,进而创造更多的新知识。
⒌数据要素与技术要素
首先,数据要素推动技术要素市场化配置改革。通过数据要素优化配置,由市场供求决定技术定价直接与技术创新者收益挂钩,促进技术创新动力,促进技术要素正常交易与产业化。
其次,数据要素促进技术惯性更显著。借助数据要素加速技术与产学研深度融合,形成正向循环,充分发挥技术惯性,借力解决以往传统科技中一定程度上存在的关键技术卡脖子问题,促使我国在以后发展中有前进的惯性动力。
最后,数据要素“创造”新技术。利用数据要素打造以市场需求为导向的技术研发体系,做到数据与技术比人类自己还要更懂人类。例如,京东通过整理分析网站点击数据预测需求,根据数据分析发现用户点击商品后到购买有2.7天的决策期,从而提前将商品调拨到距离用户最近的仓库,京东二级仓库的拨备准确率达到92%[48],实现了物流系统的高效运作。
⒍数据要素与管理要素
首先,借助数据要素作用构建动态管理要素市场。动态调整管理要素价格,建立多元评价体系,更精准评价管理要素价值,由市场价格反应管理要素稀缺程度,从而探索管理要素收益新模式,提高管理人员主观能动性。
其次,数据促进管理方式变革,进而形成灵活管理模式。管理模式变革具体表现为企业组织网络化、企业一体化、空间集聚虚拟化等[49],进一步借助数据要素作用实现从刚性控制到弹性把握的转变,灵活调整理性管理与人性管理比重,激励被管理者充分发挥主观能动性。
最后,数据要素引导推进新的管理方式生成,从动态变化角度随时建立、更新适应时代新要求的管理模式。同时,创新管理方式带来更多的数据要素,通过数据分析进一步改进更人性化的管理新方式,实现两要素互补。
(二)第二层次:多要素协同
协同是指各分散作用在协同中的总效果优于单独效果之和的相互作用,即发挥1+1>2的效果。协同作用不仅可以带来价值增值,还可以带来价值创造[50]。多要素协同是指数据要素作为核心生产要素带动多要素圈发挥协同优势的作用。事实上任何多个要素都可以形成多要素圈,发挥协同的优势作用,这里限于篇幅本文分别对三要素圈、四要素圈、五要素圈各举一例进行具体分析。
⒈数据、土地、资本三要素协同圈
数据要素构成土地要素与资本要素协同发挥正向作用的关键(参见图3)。长期以来,土地要素对中国经济增长贡献甚大,特别是以土地财政为核心的土地资本化模式是土地要素与资本要素协同作用、资源资本化的产物[51],被认为是驱动中国高速城镇化和刺激经济增长的关键力量[52-53],但这种模式的可持续性也遭受诸多批评和质疑[54]。在数据要素进入土地与资本的要素协同圈中时,可以有效缓解土地资本化带来的负面作用。由数据要素及时传递土地资本化信息,通过构建针对性的土地资本化测度指标,衡量土地资本化水平,设定数据指标波动范围,控制土地与资本要素协同发挥正向作用。对于不同用途的土地类别,设立不同的资本化程度目标,通过数据要素把关,以实现土地要素与资本要素的高效配置:对于农用地,借助数据要素监测农用地的资本化程度,防止过度资本化,避免农用土地租金超过农业生产所能承受的合理范围[55],对农产品生产造成消极影响;对于商业用地,利用数据要素正确引导资本要素进入,盘活并激发建设用地潜力,并通过数据监督反馈各地土地优惠政策,引导资本要素适时进入,积极发挥土地与资本要素的协同作用;对于住房用地,坚持房住不炒原则[56],加强对资本和土地的监管。
⒉数据、劳动、管理、资本四要素协同圈
数据要素促进劳动、管理要素的协同新发展与资本要素的增值,形成四要素圈闭环状,实现圈内要素的互相作用,共同带动要素圈发挥更大的协同作用(参见图4)。数据要素的活跃带来远程合作分工等劳动新形式,鼓励并促进了劳动力要素跨地区、跨行业、跨部门的灵活流动和优化配置,在一定程度上能够对冲人口红利消退的不利冲击;同时,企业通过数据分析更准确地预判市场需求,从而更有计划地培养组织所需要的人才。企业的运营管理方式在此过程中发生新的变化,管理者的职能主要是计划、组织、领导、控制,一方面,管理环境的瞬息万变对管理要素提出新的要求,利用数据要素创新管理办法,通过数据化、平台化管理辅助管理者组织、控制等职能工作;另一方面,创新管理办法,巧用数据要素兼顾多元化收益分配激励方式,刺激提高管理者计划、领导等能力,培养管理者主观能动性,造就适应瞬息万变管理环境的卓越管理者。资本要素带动劳动与管理要素的新发展,为其提供资金支持;在此过程中,劳动与管理要素的新发展进一步推动生产、生活发展,为资本要素创造更多价值。
⒊数据、技术、知识、资本、管理五要素协同圈
数据要素成为带动五要素圈内各要素相互协同作用的关键要素,不仅仅是简单的两个要素之间的作用,而是多个要素之间复杂的协同关系,从而进一步加大要素间的协同作用效果(参见图5)。借助数据要素实现技术要素与资本要素的有机融合,刺激技术要素的产业化,并进一步扩大技术外溢效果。借助数据要素作用,促进知识流动从通过地理距离、技术领域、语言等方面的邻近性产生的一种简单、直接的二元属性[57]关系转变为动态、复杂的网络关系,加大知识整合、知识管理带来的促进创新作用,通过知识付费等新形式加速知识传播与知识产业发展。借助数据要素协调资本要素对于知识、技术的投入,刺激知识转化动力,对创造知识、知识转化、创造技术、技术实现以资金支持,正向激励科研人员与技术人员积极性。复杂的经济生产活动必须借助更先进的管理手段,借助数据要素创新平台管理办法,监督管理、知识与技术投入的产出,同时实现管理模式的新变革,进一步通过组织优化推动社会经济发展。同时,利用数据要素建立保障机制,保障协同过程中各要素之间的平衡,进而保障要素间的协同作用正常发挥作用。不同主体对技术溢出效应的吸收效率也不同,通过数据要素建立保障机制,使技术资本投入与知识资本投入达到同等级别,防止出现差距过大不利于协同效应的发挥[58]。
(三)第三层次:全要素耦合
在物理学中,耦合是指系统或类之间的关联程度,当一个系统发生变化时对另一个系统的影响很小时为松散耦合,反之为紧密耦合;根据系统间耦合方式的不同,可以把耦合分为非直接耦合、数据耦合、标记耦合、控制耦合、外部耦合、公共耦合以及内容耦合七种类型[59]。本文认为,可以分别把每个生产要素视作一个系统,在数据还未成为生产要素时,传统生产要素之间通过各种形式的标记及少量数据结构等相互传递信息并产生作用,但各生产要素系统间相互作用的影响程度相对较小,即可界定传统的耦合方式为标记耦合、松散耦合。
在数据成为生产要素前,对传统生产要素耦合的优化则更多地集中于对单个生产要素的优化升级,缺乏对各要素系统间耦合方式的优化。在数据成为生产要素后,数据生产要素的强渗透性、马歇尔外部性、可再生性等特征赋予全要素耦合新的生命力,对要素间的耦合链接方式进行升级,使全要素的耦合方式转变为数据耦合、紧密耦合。一方面,数据要素本身成为各系统间耦合的传递方式,即从传统的标记传递信息到直接通过数据传递信息,通过发挥数据要素的可重复使用、多元性、强渗透性等特征,使耦合过程更及时、更高效;另一方面,由数据生产要素的马歇尔外部性、规模经济性等经济特征,在数据传递过程中实现由数据要素引导,主动作用于各系统间的相互结合,即在图6中显示为最外围的双箭头曲线,代表数据作用使得各系统之间耦合得更紧密。
全要素耦合是指数据要素主动作用于各生产要素,通过数据耦合、紧密耦合使生产要素间的作用更紧密的作用机理。数据要素的作用,由两要素之间的互补作用,到多要素间复杂的协同作用,进一步深化为对要素间链接方式进行升级的耦合作用。在全要素耦合层中,数据要素可以充分发挥数据的主动作用,使各要素系统间耦合更紧密、耦合方式更高效,在流动中产生作用、创造价值。数据要素的这种主动作用能够进一步扩大到整个三层作用机理模型中,促进两要素互补,链接多要素协同,驱动全要素耦合,实现三层作用机理的动态作用。
以数据要素为核心的三层作用机理模型揭示了数字经济时代数据要素促进经济发展的底层逻辑。通过数据要素对其他传统生产要素的互补、协同作用,促进技术进步、管理方式变革、知识创造与转化等传统生产要素的提升,通过耦合作用促进要素间信息传递更高效,从要素自身与要素间作用效率两方面提升全要素生产率;促进劳动要素与资本要素的优化配置,从而实现粗放型增长、集约型增长并存与经济的可持续发展。同时,数据要素具有一定的自我反馈、自我优化的特质[31],数据要素在三层作用机理过程中通过一定的自我反馈功能、强大的自我造血功能,实现系统内部的动态优化升级,整个系统由被动走向主动、由无序走向有序。
四、数据要素的高质量发展
(一)数据要素发展现存问题
数据的发展变化速度明显快于其他传统生产要素,也明显快于市场规则、法律法规等软环境的变化。随着数据要素发挥的作用越来越大,一些发展过程中的问题也逐渐显现,相关讨论也有所增加。目前,对于数据要素发展障碍的研究主要集中在对于数据要素市场化的问题研究[60],以及对于数据要素参与分配的障碍研究[20-21]两大类,而对于从数据要素自身及发挥作用的角度出发的问题研究则相对较少。
当前数据要素发展中存在的问题可以分为三类:①效率问题。数据管理效率低下,数据管理成本高,目前存在明显的数据流通壁垒,急需对数据管理方式进行优化升级;利用效率低下,大量政府、企业数据等有价值的数据要素待开放,数据之间无法共享;使用效率低下,尚存在一定程度的关键技术卡脖子问题,数据核心处理技术有待提高,数据价值挖掘急需激发潜力等。②公平问题。数据要素市场下的新型不正当竞争与垄断行为界定不清晰,市场主体间的竞争存在可能的法律空缺;数据要素权属界定不明确,消费者、企业与政府三方有关数据要素使用的权利与义务亟需明确;城乡间数据要素使用上存在数字基础设施鸿沟,可能会进一步加剧城乡收入差距,不利于社会公平、稳定发展。③可持续发展问题。数据要素安全保护落后,尚存在由数据信息泄露造成一定程度社会危害的可能性,数据安全相关法律有待进一步细化,数据安全保护意识急需加强;数据要素市场化交易规则、技术标准与法规尚不完善,缺少明确的数据交易监管机构,培养发展数据要素市场的政策应尽快落实。
(二)数据要素高质量发展建议
科学合理的发展建议,有助于促进数据要素的高质量发展,进而实现数据要素和数字经济引领推动经济社会高质量发展。针对数据要素发展过程中存在的三大问题,从与之相对应的三个方面“效率、公平与可持续”的角度,提出促进数据要素高质量发展的对策建议(参见图7)。
⒈更有效率
第一,对数据要素进行标准化、分类,减缓数据要素流通壁垒,提高数据管理效率。从最初的数据采集与储存开始,对数据要素进行分类、分级、评估、标准化处理,提前进行数据标记与加工,方便数据实现跨行业、跨地区、跨系统的流动与使用,为后续不同数据类型提供不同的技术服务做好准备工作。
第二,推动数据资源有序扩大开放,打破信息孤岛壁垒,提高数据利用效率。积极推动政府、行业、企业数据合理开放,充分利用现有数据要素,完善物联网等网络设施空间布局,提升数据传输与交换能力。
第三,充分发挥区块链、人工智能、云计算等高科技作用,提高数据处理效率。加强智能基础建设、区块链技术研发,推进落实大数据中心建设,充分利用人工智能与云计算技术高效处理数据的储存、计算与应用拓展,提高数据应用质量与效率。
⒉更加公平
首先,保障市场主体间的竞争公平。对《反不正当竞争法》《反垄断法》等相关法律中数据要素带来冲击的条例进行修改与完善。对于部分不处于垄断地位但拥有相对竞争优势的企业,当发生利用这种优势地位产生违法行为时,则属于两部法律间的空隙[61],而这种情况在以数据要素为主要竞争的情况下会更加突出,因此对于数据要素的垄断以及不正当竞争亟需从法律层面出发进行界定与约束;对于数据要素市场上的新型不正当竞争与垄断行为进行惩罚,形成数据要素公平发展的有效市场。
其次,消费者、厂商与政府之间数据要素权属问题的界定与使用的公平。根据数据类型的不同在数据使用过程中给予不同主体以不同的权限,可以将数据分为个人数据、企业数据和政府数据三类。对于个人数据,在数据使用过程中给予用户对于数据收取与使用的知情权与选择权;对于企业数据,将敏感数据进行脱敏处理,在确保不泄露用户隐私的情况下增加对数据要素的处理效率;对于政府数据,以安全为前提设置公共数据库名录,作为公开数据供数据处理者使用。
最后,城乡之间数据要素红利公平。为避免新生产要素快速发展加剧城乡发展不平衡、分配不平等等问题,应因地制宜强化农村数字基础设施建设,加强农村数字技术教育和培训,根据农村实际需求推广数字农业,缩小城乡数据要素获得差距,进一步缩小城乡收入差距。
⒊更可持续
一方面,数据要素安全问题亟需重视。安全是可持续发展的前提,对数据要素按照内容敏感程度进行分级,对不同敏感级别的数据建立相应的数据安全标准;持续细化、完善《数据安全法》等有关法律,提高指导现实的可操作性,当发生数据安全问题时有法可依;开展数据安全知识普及,提高社会对于数据安全问题的重视程度,从认知层面防止数据安全问题的发生。
另一方面,加速培育并发展数据要素市场。积极深化开展数据要素市场试点,充分利用并吸取现有贵阳大数据交易所、北京大数据交易所等数十家大数据交易服务平台在试点期间的重要经验,同时对各试点交易过程中产生的交易规则不完善、技术标准不明确等问题进行归纳,并提出针对性的解决方案,促进数据要素市场试点的进一步深化;借鉴试点经验构建统一开放的要素市场与公平透明的市场交易规则,通过良好的市场秩序进一步促进数据要素资源化,成立权责明晰的数据交易监管机构,保证合规地开展数据交易,最大程度释放数据要素价值。最终实现数据要素更有效率、更加安全与更可持续的高质量发展。
参考文献:
(略)
作者简介:
白永秀(1955—),男,西北大学经济管理学院教授,博士生导师,中国工业经济学会副会长,中国区域科学协会副理事长,研究方向:市场经济理论与中国经济体制改革、现代企业制度与国有企业改革、区域经济与西部经济发展。
李嘉雯(1998—),女,西北大学经济管理学院硕士研究生,研究方向:数字经济和政治经济学。
王泽润(1993—),男,西北大学经济管理学院讲师,研究方向:中国特色社会主义政治经济学和发展经济学。
*基金项目:国家社会科学基金重大项目“西部地区巩固拓展脱贫攻坚成果同乡村振兴有效衔接的路径及政策研究”(项目编号:21ZDA063)。
联系客服