肖旭、戚聿东｜数据要素的价值属性
数据要素的价值属性
肖旭 戚聿东
刊期：《经济与管理研究》2021年第7期
简介：肖旭，首都经济贸易大学工商管理学院讲师，北京，100070；戚聿东，北京师范大学经济与工商管理学院教授、博士生导师，北京，100875。
作者：肖旭、戚聿东
内容提要
数据作为核心生产要素，对于维持数字经济有序运行具有重要作用。在以数据为基础所构建的网络空间中，虚体与实体的有机结合使得主体之间可以进行跨时间与空间范围的沟通，也有助于通过创新迭代以维持供给与需求的动态匹配。数据是一剂良性催化剂，其价值体现在对传统的经济模式与社会生活进行多方面改进，涉及技术、劳动、交易等问题。因此，数据的价值分配是一项涉及面广、复杂性高的工作。数据产权包括原始数据生产者的使用权、隐私权以及数据机构的获益权，数据贡献表现为追踪市场趋势、生产要素联动、敏捷创新常态化，数据收益可以区分为存量式收益和增量式收益两类。
关键词
数据 生产要素 价值本质 价值体现 价值分配
一、问题提出
对于生产要素的理解与认识是把握经济发展规律的重要切入点。随着人类文明的进步，生产要素的范围不断拓展。威廉·配第认为，“土地为财富之母，而劳动则为财富之父和能动的要素”，土地和劳动是农业文明的主要生产要素；进入工业文明后，萨伊提出“生产三要素论”，将生产要素概括为劳动、资本和土地，工资、利息、地租分别是三者的价值形式；马歇尔将资本进一步分为知识和组织，并且认为可以将组织分离出来，列为一个独立的生产要素；党的十九届四中全会决议中提出，“健全劳动、资本、土地、知识、技术、管理、数据等生产要素由市场评价贡献、按贡献决定报酬的机制”，在国家层面将数据纳入生产要素范围。当下，数字经济如火如荼地发展，数字化、智能化趋势加速形成，数据在经济社会中的作用不断显现。新的生产要素组合方式引发要素之间更替，推动生产方式发生变革。利用人工智能、物联网、云计算等技术在不同主体之间构建起互联互通的价值网络，进行跨界经营、平台布局、资源共享已然成为主流的商业模式，其中数据扮演着关键角色。2019年，经济合作与发展组织成员中有24个国家的数据使用量增长25%以上。根据全球数据咨询公司IDC与浪潮公司于2019年10月联合发布的《2019年数据及存储发展研究报告》，随着数据量的爆发式增长，到2025年，全球数据规模预计将达到175ZB，各类社会组织对实时数据的需求不断扩大，人类社会将逐步过渡到“数据与数据对话”时代。与此同时，数据作为新型生产要素，其价值本质、价值体现、价值分配引起广泛关注。
二、数据的价值本质
马克思在《评阿瓦格纳的〈政治经济学教科书〉》中对价值进行了介绍，“如果说，‘按照德语的用法’，这就是指物被‘赋予价值’，那就证明：‘价值’这个普遍的概念是从人们对待满足他们需要的外界物的关系中产生的”。对于价值本质的探讨，显然离不开对物体之间关系的解释。生产要素的价值本质在于其对于生产活动的多方面、多层次的效能，属于绝对概念。也就是说，数据的价值本质要在数字化的生产关系以及所有生产活动的发展、变化中进行考量。数据是“作为合格或量化符号存储或传输事实的表示”。与其他生产要素相比，数据具有非竞用性、客观性等特征，其本身没有固定的意义，同一组数据往往能够适用于多个主体的异质化需求。在以数据为基础所构建的网络空间中，现实世界中的实体经过数字化的中介之后以虚体的形式进行系统性呈现，这种虚体与实体的有机结合在一定程度上克服了物理世界对信息交流的约束，使得那些原本只有通过面对面进行互动的主体之间可以进行跨时间与空间范围的沟通。虚体会根据实体数据的实时反馈做出必要的适应性修正，保证二者的一致。主体之间通过网络空间即可全面、实时地了解彼此的情况，增进协同。协同不仅体现在价值供给效率的提升，而且有助于通过创新迭代以维持供给与需求的动态匹配。
（一）客观逻辑下虚体与实体的有机结合人类社会从工业化向数字化过渡，数据向各领域渗透、推进，触及全方位变革。随着移动互联网、物联网、5G等技术的应用与普及，人类行为以数据的形式得到更为客观的记录与保存，形成以另一种形式存在的网络社会。在网络社会中，每个虚体都客观、综合地反映了所对应的现实实体，虚体间建立的数字主线加快了信息、数据的共享与传播。主体之间构筑众创空间，对虚体进行在线观察来掌握彼此的具体状况，有效地缓解信息不对称，更好地增进合作的深度。跨时间、跨区域、跨群体的价值交换主导着新的商业逻辑，虚体与实体的有机结合进一步扩大了市场边界。
除了对实体给予虚拟展示，虚体还被赋予一定的分析、学习能力，即通过对数据池的深度学习建立人工智能，培养“类人化”思维。与人类相比，机器在体力劳动的产出与成本上具有更为明显的优势。物联网、传感器、通信技术的发展，使得机器越来越擅长于处理汽车驾驶、业务决策、医疗诊断等需要一定认知技能的工作。从认知层面来看，人工智能都是在模仿人类智能，目的在于增强人们价值评价、选择、决策的理性程度。在这个过程中，人类行为被解读为计算机语言并形成机器记忆。人与机器围绕生产活动进行智慧协作，在减少冗余环节、降低人为风险的同时，促进生产效率、产品质量的改进。根据中国工业和信息化部发布的《2019年通信业统计公报》，2019年，固定数据及互联网业务收入达到2 175亿元，同比增长5.1%，移动数据及互联网业务收入达到6 082亿元，同比增长1.5%，数字技术应用有力提振了产业生态合作和新兴业务培育。协作增多的直接结果便是数据池的规模不断扩大，为知识范式归纳和自动化模型精度修正提供了丰富的素材，持续缩进虚体与实体的细微差异，人与机器的界限变得模糊。正是凭借对大数据的分层分类挖掘所训练出多层次神经网络，“阿尔法狗”战胜了韩国棋手李世石。从技术上看，“阿尔法狗”较好地结合监督学习和强化学习的优势，解决了围棋的复杂性技术应用。另外，“阿尔法狗”还开启了自我对弈模式，向数据池源源不断地注入新数据，在“感知、分析、行动、反馈”的工作闭环下保持迭代过程的循环反复，为下一版本推出奠定基础，也为围棋选手日常训练提供好的棋谱。 （二）创新视角下供给与需求的动态匹配在数字经济和第四次工业革命中，数据处于核心地位。数据流动能够产生显著的经济价值并且带动技术、资本、人才的全球流动，优化资源配置与整合。生产要素流通加快，促进了市场上新需求显现，为创新提供了指引，这也恰是传统产业转向高质量发展的一个必要条件。受益于数据驱动，创新链、产业链、人才链深度融合，为市场创造更多的价值。具体而言，数据驱动创新主要表现为发掘新的产品和服务、加深对市场需求的洞察与即时响应、优化生产及分配过程等。其中，最突出的一点在于，数字技术应用使得创新活动的重心从生产转向服务，“制造业服务化”趋势日益明显。随之而来的是，企业之间围绕产品体验的改善建立起全面、深度的合作，创新扩散效应进一步扩大，“大规模定制”的生产模式具备了在技术与经济上的可行性。以数据流通为痕迹而建立的数字主线打破组织壁垒，串联起每个业务部门以及终端消费者，组织边界变得虚化。数字主线连接供求两端，促进信息双向扩散，形成价值传递闭环。计算机基于算法模型的最优方案，评估规模经济与范围经济的现实性与有效性，完成对生产要素的调度与安排，组织能够依据终端消费者的需求，在全球范围对资源进行数字化配置，进而构建起针对需求变化的自适应机制，进一步打开跨界合作的新空间，完善对市场不确定性、复杂性的处理与应对。数字化转型的纵深推进，使得组织可以依托计算机的协助，按照解决问题的导向进行灵活调整。人机共融提高了组织内部响应消费者需求的速度与效率，计算机在高层决策者与一线执行者之间搭起信息传递桥梁。让最有效率的人与资源在最合适的地方从事生产活动，也有利于智力资本集聚，激发新的创意。根据华为与牛津经济研究院于2017年9月联合发布的《数字溢出：衡量数字经济的真正影响力》，数据驱动技术创新是传统行业未来增长的重要动力，预计到2025年，高度数字化场景将给全球GDP带来1.7万亿美元的贡献，而发展中国家所面临的机遇和风险均高于发达国家。 网络虚体构建完成了对产品的全方位展示，产品结构层层分解，一些不易被发现的微观特征也能够进行清晰细分。数据驱动进一步强化了生产活动的版本化和模块化特点，也增强了技术对机会利基（由技术进步所带来的人类对现象加以把握的机会）的精准捕捉以及市场供给对需求变化的快速调整。新技术不断涌现，机会利基总是处于持续复杂化和不断发展变化中。企业结合实时数据挖掘需求变化，对产品的某一模块进行即时替换，对其他兼容性模块进行相应升级，以组合式创新来完成性能的添加与升级，对机会利基做出更快反应。从需求端导入的市场信号，决定了模块组合的方式，多个模块的排列变阵能够传递出不同的使用价值，也是供求两端维持动态均衡的必要条件。比如，微信利用对使用体验的数据挖掘，对最早的通讯功能持续更新，之后还陆续添加了视频号、支付、看一看等新功能，一边堵上漏洞、解决痛点，一边创造需求、触动痒点。三、数据的价值体现
“价值是经济物品和经济服务在交往中所具有的意义”，其通过人的实践，以一定的形式在现实生活中体现。“这个价值的大小，依存于它们用途的多少、使用必要性的大小和供应的充足程度”。由于价值本质存在差异，不同物品的价值体现为不同形式，共同构成了多元化的现实世界。数字经济下，数据价值的体现离不开实体经济的支持。尽管数字化给生产活动带来了极大的改变，但是虚拟网络对于价值的传递仍然需要依托线下实体场景走完最后一公里。准确地讲，数据是一剂良性催化剂，其价值体现在对传统的经济模式与社会生活进行多方面改进，涉及技术、劳动、交易等方面。（一）技术创新进一步嵌入
技术作为经济社会的底层支撑，已融入人类意识和社会结构的发展与变化中，其本身的演化总是为现实生活带来深层次的影响。人与人之间、人与世界之间的互动越来越依赖技术的中介作用。技术的本质在于实现人的目的，解决具体的现实问题，因而具有较强的工具属性。不过，这种工具属性仅仅体现在人类从事生产劳动时，而一旦生产活动停止，技术也就落入弃用状态。工业社会里，技术功效的发挥离不开人的能动作用，技术在生产关系中处于被动地位。尽管技术创新总是带来生产力水平的实质性提升，但是这个过程受到人类主观意愿的约束，技术迭代的速度与创新成果的扩散都被限制在一定的范围内，难以实现对经济社会的广泛嵌入，出现一个个“信息孤岛”。
当技术创新转变为数据驱动之后，“创新孤岛”之间建立直接连接，上述状况发生了改变。一方面，计算机进行数据挖掘形成机器记忆，能够在无人干预的情况下较好地完成简单劳动，从而摆脱人的能动作用的约束。即使面对简单劳动的一些新调整，计算机仍然能够将新数据纳入算法模型。由于这个过程不需要人工介入，计算机能够在技术性能允许的条件下进行连续运算，不断在现有技术的基础上融入新元素，加快技术迭代的速度。基于算法模型建立的机器意识为人类社会迈向自动化、智能化奠定了认知基础。人工智能的应用在一定程度上替代了人的体力劳作，脑控型延展实践在生产活动中得到推广并且开始主导技术发展的方向。基于大数据技术建立的人工智能算法模型可以对信息进行智能化搜集、挖掘、整理，更快地捕捉那些容易被忽略的事物，因而较好地匹配了人与组织对信息处理的现实需求。人从海量信息冲击之下解放出来，获取信息的质量与数量得到切实改善，认知水平不断提高。相同的资源会因为配置上的差异而释放出截然不同的生产力水平。算法模型的应用突破了创新行为的信息约束边界，计算机从“认识世界”向“理解世界”过渡，逐步建立起对事物间关系的推断能力，为资源错配的纠正提供可靠依据，也为创新行为提供支撑。根据麦肯锡于2017年1月发布的《人机共存新纪元》，自动化的普及能够给全球生产力带来0.8%~1.4%的年均增长，绝大部分职业都将发生实质性改变，所有岗位中，高度稳定且能够预测的体力劳动受到的影响最大。
另一方面，数据在“信息孤岛”之间自由流通促进了知识的共享，加快创新成果的扩散。数字化空间的每个节点之间建立互联互通的连接，过去很多不受重视的市场变得活跃起来，机会利基的丰富加快从创意到创新的转换，创新孤岛与单一创新的局面被打破。为了推动创新升级，组织需要尽可能地汇聚网络集群力量，整合各类有价值的创意，多方面寻求创新协作。分布式网络设计打破了中心节点对于数据流通的阻碍，以虚体呈现的创新成果便于各类组织和个人进行系统性解读。任何组织和个人可以在线获得成果相关的技术数据，之后根据特殊的情景加以修正即可投入运行测试，不断尝试去涉足更多的产业“无人区”。
数字化空间中，在网络中的思维碰撞变得更加频繁，新的想法层出不穷地涌现出来，信息不对称得到不同程度的缓解，为创新行为打开更大的可能空间，分享新的红利。不过，信息的冗余、过载却增加了人将注意力向关键领域快速聚焦的难度，一些有价值的信息尚未来得及处理与转介便已失去时效性。若是仅根据以往经验对信息进行选择性的筛查与解读，可能会进一步加剧理性无知与认知偏差，错失发展良机。计算机按照预设条件对信息的精准筛选克服了信息冗余对注意力的冲击，知识的共享与传播助力价值创新常态化。由此而打造的非摩擦经济有力地强化了不同部门的协同与联动，为组织创新赋能。网络空间为测试提供了充分的条件，试错成本得到有效控制，成果转化周期大幅缩短。创新成果的扩散使得更多的使用者受益，有关技术应用的反馈数据快速积累，从需求端倒逼技术对现实问题作出及时回应，技术创新对经济和社会的嵌入效率得以进一步提高。以阿波罗计划为例，百度向所有研发人员提供多维的组件与平台开放共享技术代码、实验平台、场景生态等数据，利用算法模型驱动资源流转与调配，汇聚众人之力共同打造自动驾驶汽车项目，至今已先后推出了智能信控、车路协同、车载系统、自主泊车等多项应用方案，2019年路测总里程超过200万公里。（二）社会分工进一步深化
“随着新生产力的获得，人们改变自己的生产方式，随着生产方式即谋生的方式的改变，人们也就会改变自己的一切社会关系”。技术进步，特别是数字技术的出现，使得人类从单一、烦琐的简单劳动中解放出来，为人类转向从事抽象化、经济附加值贡献更高的复杂劳动创造了条件。整个社会的劳动力结构发生转型，在人机协作模式下，人与机器在劳动中的协作变得更加频繁。一个组织不仅要有专业人员建设和维护机器系统的运行，而且离不开业务专家对业务与技术之间有机衔接的保障。机器按照程序化、规律化的路径安排常规的生产活动，人类则将利用创造性意识应对新颖、突发状况，在长远规划、事务的轻重缓急等问题上作出综合权衡（如图1所示）。网络空间中，信息不对称得到缓解，资源配置的范围显著扩大，任何组织与个人总是能够与最理想的合作伙伴建立连接。数据共享增进了合作伙伴的行动一致，让翔实的数据在恰当的时间以合理的方式传递给正确的主体，由此形成的商业生态在效率提升、价值共创、风险抵御、应对不确定性等方面具有更好的表现。数据的内涵具有较强的情境依赖性，当数据被放置在更大的环境中，数据挖掘往往可以揭示出在其他条件下无法获知的新信息。维持开放的商业生态会有新的参与者不断加入，从而增进了生态内部数据的多源与多维。例如海尔于2018年4月推出全球首个衣联生态，至今已吸引来自15个行业的6 000多家合作商，聚合6 500万个平台参与者。源源不断的新数据也将为衣联生态发展数据智能提供更多有价值的信息，从而促成供求两端的高效匹配。
（三）经济时空进一步延展
经济是技术在商业贸易中的表达，机械化、电气化、信息化的三次科技革新共同成就了发展多元化的现代工业企业。现代工业企业的根本原动力在于企业的组织能力。以数据为核心要素的数字化生产活动引发第四次工业革命，对产业组织进行重新定义。无论是生产部门之间的合作关系、沟通方式，还是技术创新、业务流程，都发生根本性变化。数据与算法模型的组合改善了信息传递、资源配置的效率，进一步提高企业内部的组织能力，同时也降低了企业面临的不确定性以及与消费者之间高昂的交易费用，为企业开拓市场奠定了基础。数据驱动为企业和消费者赢得了时间，也打破了空间距离的阻碍，经济时空得以进一步延展。过去，地理上的距离限制了资源流通，商业贸易的开展不得不局限于有限的地域内。如今，虚拟空间拉近了人与人之间交流的距离，线下交易转移到线上完成，远程办公、在线医疗、网络课堂、社群电商等新业态快速发展。利用物联网、云计算等技术，可感知、植入式、内嵌式设备自动化、“无目的”地记录人类在线上与线下的行为数据，经济环境呈现高度数据化的特征。行为数据的积累推动数字化、智能化商业模式创新，数据挖掘的结果较为准确、清晰地回顾并预测了需求趋势，便于企业以增长思维部署产品和服务。数据流通促进新技术应用整合，企业之间线上线下流程的衔接与联动得以加强，敏捷响应、并行制造节省了人流、物流、信息流的时间成本。算法模型得出精准化、精细化的价值传递路径进一步缩短了等待时间，消费者足不出户便能够享受快捷便利、零接触的服务。根据埃森哲发布的《2020中国企业数字转型指数研究》，得益于数据价值释放对时间的压缩，转型领军企业的营收增长、毛利率、创新增长潜力等经营指标均优于其他企业。四、数据的价值分配
“科学是一种在历史上起推动作用的、革命的力量”，技术的发展影响着要素价值体现与收入分配等环节的性质、内容和方式。分配不仅要补偿生产所需的必要支出，而且还会形成一定剩余，即价值增值部分。“现在的社会不是坚实的结晶体，而是一个能够变化并且经常处于变化过程中的有机体”。在实际的生产过程中，任意生产要素要产生价值都必须与其他要素按照一定的组合形成协同关系。因此，要素的价值分配还受到本身总供给量以及与其他要素共同参与生产的情况的影响。
当前，全球数据量在以指数级的速度积累。充分开发大数据所蕴含的商业价值，赋能数字产业化、产业数字化，成为各国刺激经济增长的重要一环。数据的价值是在持续流通中实现的，与流通的速度与范围呈正相关关系，具有明显的规模效应和网络效应。数据流通覆盖多个环节、多个主体，与资本、劳动等要素的协同程度参差不齐。仅就数据中台而言，包括数据清洗、数据运维、模型构建等多项流程，每个流程的资本投入、人才配置都截然不同。所以，数据的价值分配是一项涉及面广、复杂性高的工作，数据确权、贡献识别、收益分成都面临较大困难，亟待从理论上取得新进展。（一）数据产权归属
数据产生于人类在经济社会中有意识或无意识的行为活动。每个人和组织都是原始数据生产者，拥有对原始数据的使用权。不过，数据本身没有价值，它的生产也仅仅花费非常低的成本，可以无限供给。如同其他要素一样，当数据被置于闲置状态时也就失去了实现价值的热土。流通是价值形成的必要条件，数据只有在不断流通中，才能够完成价值的增值与变现。数据流通具有传播成本低、扩散速度快、边际价值高的特点，能够在同一时间、多个地点实现多次价值。而使数据价值得以持续释放的，是创造用途以使其产生效用的能力。但是，原始数据生产者并不必然具备创造用途的专业技能。也正因如此，出现了新的社会分工。那些拥有一定数字化技能、专门从事对数据统计、挖掘等业务的数据机构，依靠在原始数据基础上创造价值增值来获得盈利并维持经营。在交易关系中，原始数据生产者将数据使用权让渡给数据机构并获得一定效用。“每一个产品，在完成时，都是以它的价值去酬报完成这个产品所耗的全部生产力的”。为了补偿数据机构投入的生产性支出，原始数据生产者还需要支付相应的加工费用。数据机构除了弥补前期投入外，会将剩余部分用于技术升级、模型优化等生产手段的改进，扩大再生产规模。数据机构受让原始数据的使用权后，会按照一定模式对数据进行专业化处理，最大化地挖掘价值与潜能。同时，也负有保护原始数据生产者的隐私权的义务，避免由于管理不到位所造成的数据泄露、信息盗窃和经济损失。区别于工业组织，数字企业表现出新的特征。数字主线上存在多个主体，数据流通范围遍及网络的各个层级，仅靠数据机构的自律引导对隐私权加以充分保护显然难度颇大。这就需要探索合理的监管体系，从外部施加影响，提高监管有效性。目前，主要的监管主体包括政府和社会组织，二者各有侧重。公共监管的目标在于弥补市场失灵，但是在监管方式上总是表现出一定的滞后性，反而制约了新生事物的发展；社会监管的重点是凝聚全社会力量，约束市场主体行为，具有较强的灵敏度。将二者进行有机的结合，有利于发挥各自优势，弥补彼此不足，更加有效地抑制对原始数据生产者的隐私权的侵犯。综上，数据产权可以被明确为原始数据生产者的使用权、隐私权以及数据机构在实现数据价值“从0到1、从1到N”增值后所延伸出的获益权。对于前者，他们通过让渡数据使用权并且支付必要的费用来获得数据价值增值所产生的效用，抑制数据使用对隐私权的侵犯则需要借助政府和社会各界的多方力量，加强监管维护基本权益；对于后者，权利如何行使是数据价值分配的关键问题。社会分工深化与经济时空延展导致数据机构之间必须以协作的方式去满足具体需求，其间每个机构都只聚焦于某一项或几项效用的供给。因此，分析数据的价值分配时，有必要再对效用做进一步细分，具体探讨价值增值环节中贡献识别与收益分成。（二）数据贡献识别
对生产要素的价值实施分配，需要从理论视角研究如何对价值进行衡量，所依据的标准是对日常生活便利、经济社会发展所带来的实际效用。对效用做进一步细分，则有助于深入揭示价值的内在构成，客观地识别要素的实质性贡献。数据流通深刻改变了产业运行的规则与逻辑。数据机构发挥着不可替代的作用，数据机构的获益权依附于他们从事以数据为主要投入的生产性活动对产品创新、服务升级、加工制造等环节的创造性改进。数据机构的贡献可以归纳为三类：追踪市场趋势、生产要素联动、敏捷创新常态化。
第一，追踪市场趋势。市场变化具有较高的不确定性，搜集可靠的信息、准确预测趋势是各类主体面临的共性难题。大数据的智能应用恰恰提供了解决问题的工具，从质与量两个方面疏通“症结点”。在质上，客观、实时的数据保证了信息传递的真实性和及时性，人工智能的主动学习减少了数据冗余，主体之间信息同步让供求双方联系更加紧密，交易成本得以逐步削减；在量上，多源、多维的数据提高了算法模型预测宏观趋势的效度，聚类分析直观地展示了不同社群的个性化、多元化偏好。
第二，生产要素联动。社会分工的出现使得要素向生产率最高的地点和主体流动，效用供给不得不借助合作之力。数据驱动降低了合作成本，孵化出互利共赢的商业生态系统。每个主体都能够将主要精力投入到对核心能力的深耕，在成就他人的同时实现自身发展。数字主线打通部门壁垒，带动生产要素的联动。劳动、资本、技术等要素按照算法模型设计的最优方案进行搭配，从线上线下双向发力，不断延展经济时空价值，因此而出现了加快数字技术规模化应用的“灯塔工厂”。“灯塔工厂”的关键目标是以数字化赋能个性化定制、全渠道营销、工业共生等新的商业模式，围绕端到端的服务打造全覆盖、无缝隙的生产网络，引导要素协同联动。根据世界经济论坛与麦肯锡公司联合发布的《全球“灯塔工厂”网络：来自第四次工业革命前沿的最新洞见》，截至2020年1月，全球“灯塔工厂”达到44家，它们将创新活动向工厂外部拓展，在生产效率、运营成本、上市速度等方面获得可观的改善。
第三，敏捷创新常态化。需求端的数据反馈闭合价值链条的最后一环，数据所蕴含的实时信息为供给端进行持续创新提供了来自市场的指引。创新的速度和质量成为新的竞争维度，敏捷创新趋于常态化。唯有那些能够敏捷响应、快速在产品或服务植入新体验以满足消费者预期的企业，才有机会在激烈的竞争中赢得一席之地。根据波士顿公司发布的《2020年TMT价值创造者报告》，苹果、微软、字母表、亚马逊、脸书、阿里巴巴、腾讯位居全球前列，他们将创新意识融入企业发展基因，并且依托对数据的充分挖掘，在价值创造方面表现出强劲的增长势头，为股东带来高额回报。
（三）数据收益分配
分配是将所有收益划分到每个主体的比例或数量。“分配的结构完全决定于生产的结构。分配本身是生产的产物，不仅就对象说是如此，而且就形式说也是如此”。数据驱动提高了社会生产力水平，识别数据对生产活动的贡献为实施收益分配奠定了基础。
从贡献形式来看，数据收益可以区分为存量式收益和增量式收益两类。存量式收益源于对现有生产活动的效率和效果带来的赋能与改进，例如闲置资产激活利用、时间空间价值延展等，较少带来新的产出。按照价值交换的原则，存量式收益反映的是数据驱动对各项成本优化所作出的补偿，对其计算公式为传统生产活动与数字化后生产活动二者的成本支出之差：
存量式收益=传统生产活动的成本支出-数字化后生产活动的成本支出
例如，过去将一批货物运至目的地，还需要安排两名工人在入库前按照纸质清单进行逐件盘点与交接，现场核查程序较为复杂，后期付款也需要较长周期；实现数字化之后，接收方在线上可以按照货物数据提前查验电子清单，运达指定地点后由机器扫描验证码进行接收和清算，完成交接后便可发起线上付款。数字化节省了两名工人的工资，对现场核查程序以及后期付款周期也进行了优化，这些都属于由数据驱动带来的存量式收益。
与存量式收益不同，增量式收益是由数据驱动产品或服务创新以满足快速增长和变化的需求而产生的。当数据被转化为知识并用于创新决策时，有助于加强供需两端的对接，规避创新陷阱。不过，增量式收益并不仅限于当期，而是会长期产生持续回报，所以难以从现有的财务指标中直接计算得出。较为合适的做法是选择恰当的折现系数，对未来的盈利预期进行折现：
增量式收益=盈利预期/折现系数
能够利用数据驱动创新的企业往往表现出较高的成长性，它们的增量式收益被折现后推高了企业的估值。2012年，脸书上市之初的估值达到1 040亿美元，其中专利、实体资产、软硬件等传统估值标的仅为66亿美元，溢出的974亿美元均来自数据以及强大的数据挖掘能力。2020年，准备上市的蚂蚁集团估值介于2 400亿至3 200亿美元，这主要得益于商业生态、应用场景等积累的海量数据以及不断将数据转化为服务的能力，轻资产运营模式维持了利润的快速增长。
五、总结与政策启示
数据被比喻为数字经济时代的新石油，蕴含着丰富的价值。从价值本质上看，数据应用打开了连接现实世界与网络空间的大门，虚体与实体实现有机结合；数据流通促进信息传递的客观、真实，推进供求动态匹配。随着经济社会发展，数据将扮演日益重要的角色，其价值体现为技术创新进一步嵌入、社会分工进一步深化、经济时空进一步延展。在这个背景下，做好数据价值分配，也就显得尤为必要和迫切。数据产权包括原始数据生产者的使用权、隐私权以及数据机构的获益权，其中获益权是价值分配的关键问题。按照数据贡献识别，数据收益可以区分为存量式收益和增量式收益两类，二者可以结合相应的计算公式进行衡量。
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》，提出“加快培育数据要素市场”。实现市场化配置是释放数据要素价值的基本条件。目前，中国数据要素市场整体上还处于起步阶段，需要在三个关键点上发力。
第一，破除各类障碍，促进数据流通。数据价值是在流通中得以体现，数据驱动创新依赖于广泛连接、互联互通的网络环境。李克强总理曾指出，“目前我国信息数据资源80%以上掌握在各级政府部门手里，‘深藏闺中’是极大浪费”。对此，要大力发展新基建，打通数据传递渠道中的梗阻和堵点，促进数据在不同主体间的自由流通，放大数据赋能的叠加倍增效应。以发展新基建为契机，扩大个体之间线上连接密度。在网络空间中，连接节点的增多往往意味着更多的数据源。通过发展5G、大数据中心等设施扩大网络的市场覆盖，有助于加快数据、信息在各类群体之间的流通与共享，激活更多的闲置资源参与到生产活动中。让数据在新基建上跑起来，为算法改进以及决策模型优化注入源源不断的新动能，有助于促进市场供求动态匹配。利用数据流通加速经济内循环，沿着数据蔓藤实现新旧技术更新换代，加快构建以国内大循环为主体、国内国际双循环相互促进的新发展格局。
第二，完善监管体系，加强数据治理。数据被作为新的要素投入生产活动后，会对其他要素利用产生影响，进而改变生产函数的形式。为了保障生产活动的有序进行，必然要加强数据治理，在放大数据红利的同时，尽可能地减少负面行为。未来，可以在《中华人民共和国网络安全法》《中华人民共和国数据安全法》和《中华人民共和国个人信息保护法》的基础上，对数据安全进行分类分级，制定、推出具体的监管细则。根据应用场景差异，合理引导数据共享与开放，切实提高数据流通的安全性，强化对数据使用权的制度约束以及对隐私权的保护。
第三，应用新技术手段，提高监管效能，做好收益分配。现实问题倒逼新技术催生。技术作为人类能力的外延，总是提供有效的解决方案。以分布式存储、共识机制、加密算法为主要特征的区块链技术能够详细保留要素流通的轨迹以便于进行追根溯源和贡献认定，较好地迎合了数据价值分配的客观诉求，也为数据安全综合治理提供技术保障。大数据、人工智能等技术发展，进一步拓宽了监管范围。对此，监管机构应尽早出台政策，做好相应的引导和监管，积极推动数字技术与现行监管模式的深度融合，填补监管空白，保障各类主体的分配权益。
（全文刊发在《经济与管理研究》2021年第7期第66—75页。）
往期回顾
《经济与管理研究》2021年第1期目录及摘要
《经济与管理研究》2021年第2期目录及摘要
《经济与管理研究》2021年第3期目录及摘要
《经济与管理研究》2021年第4期目录及摘要
《经济与管理研究》2021年第5期目录及摘要
《经济与管理研究》2021年第6期目录及摘要
《经济与管理研究》2021年第7期目录及摘要
经济与管理研究
微信号 : REM_JJYGLYJ
投稿网址：http://rem.cueb.edu.cn
版权所有，欢迎转发
如需转载请联系授权
扫描二维码 关注我们
●FMS管理科学高质量期刊推荐列表●
●CSSCI来源期刊●
●全国中文核心期刊●
●中国国际影响力优秀学术期刊●
●中国人文社会科学期刊AMI核心期刊●
●RCCSE核心期刊●
●人大复印报刊资料重要转载来源期刊●