2024年4月11日，“数字经济发展与治理论坛”在中关村校区举办。本期邀请洪永淼教授为同学们带来主题为“数据要素的经济学分析：基本属性、价值创造与市场构建”的精彩报告。讲座由经管学院孙毅教授主持。
GDP的内涵：从“Gross Domestic Product”到“Gross Data Product”
当前，新一轮科技革命和产业变革蓬勃兴起。随着大数据、人工智能、移动互联网、云计算、5G等新一代信息技术的应用，人类已进入数字经济时代，数据成为最重要的生产要素。在我国，数据要素市场化配置已经上升为国家战略，从十年前大数据首次纳入政府工作报告到近期由国家数据局等17部门联合印发的《“数据要素×”三年行动计划》，可以看到中国政府在推动引领数字经济发展方面一直发挥着十分积极的作用。
结合上述背景，洪永淼提出了一个非常具有前瞻性的问题：如何衡量一国的数据经济领先水平？他结合相关学术研究的观点，提出以“数据生产总值”（Gross Data Product）来衡量一国数据经济水平。数据生产总值是由规模性、易用性、可及性、复杂性四个重要部分组成，可利用这四个部分来衡量数据生产国其数据经济的领先水平。按照这四个衡量标准，我国的当前数据经济在世界排名第二。
数据的本质及其产生过程
既然数据如此重要，那么，何谓数据？洪永淼谈到，数据的本质是信息与知识的载体。数据能够以数字、文本、图形、图像、音频和视频等多种符号形式记录或表现，是人类或计算机解读和处理的各种客观事实的信息集合。当前数字经济时代的数据主要为非结构化数据，非结构化数据在生产数据中占比80%以上。数据是对现实世界的记录和描述，是人类经济社会现实活动在数据空间的一个映射。由于人类观察世界能力的局限性以及数字技术的限制，数据可能存在不完全性。另外与信息相比，数据中包含着更多的噪声、这会对数据质量产生较为显著的影响。通常，学术界会用“信噪比”来衡量数据质量，这也是在数据挖掘过程中需要对数据进行筛分清洗的一个重要原因。为了帮助大家更好地理解数据-信息-知识-智慧这四者的关联，洪永淼引用数据-信息-知识-智慧（DIKW）模型展示了数据是如何一步步转化为信息、知识和智慧。
既然数据对于经济社会发展如此重要，那么，数据产业都包含哪些业态？从产业的角度来讲，数据可以分为哪些类别？洪永淼认为，数据产业链包括数据收集、数据存储、数据分析、数据应用等多个环节，包含着丰富的创新业态。根据中央的数据基础制度“数据二十条”，数据可以分为个人数据、企业数据和公共数据。
认知数据的两个维度：自然属性与经济特征
洪永淼认为，自然属性与经济特征是认识数据、理解数据的起点。数据的自然属性是指数据本身就具备的性质，决定着数据的功能和用途；数据的自然属性侧重于数据的使用价值不同，体现为虚拟性、非消耗性、非竞用性（非排他性）、非均质性 、时效性 、稀缺性。数据的经济属性是指数据在经济活动中所表现出来的特征规律，侧重于数据的经济价值，体现为高固定成本、低边际成本、规模经济性、范围经济性、协同效应性、场景依赖性、经济价值衰减性、经济正负外部性。
数据要素的价值创造与转移过程
洪永淼认为，数据和数据要素的关系类似于货币与资本。资本是重要的生产要素，资本也是货币，但并非所有的货币都是资本。马克思在《资本论》中详细考察了“作为货币的货币”和“作为资本的货币”，指出两者的区别在于“作为资本的货币”流通的形式是“为卖而买”， 所以为了获取价值增殖数据并不必然是数据要素。同样，从数据到数据要素也要经历一系列“价值增值”过程，数据资源只有经过采集、清洗、加工等步骤转化为数据要素，才能释放出经济价值。
结合上述分析，洪永淼谈到，从原始数据形成到数据要素价值释放需要经历数据要素化和数据要素应用两大过程。数据要素化过程是从原始数据到数据要素的过程，对应着数据要素的价值形成过程。另外，数据要素应用过程是数据要素发挥作用的过程，对应着数据要素的价值创造与价值转移过程。数据要素的价值创造过程就是数据要素化过程中人类劳动的投入过程。而数据要素的价值转移过程是在数据应用阶段。根据数据作用方式的不同，可将数据要素价值转移过程分为直接转移过程和间接转移过程两类。
数据要素市场建设及其制约因素
针对数据要素市场的建设，洪永淼认为，数据要素价值的充分释放需要一种调节机制来引导数据流向最有利可图、最能有效发挥作用的领域和地方。构建数据要素市场的核心任务就是把数据要素从数据的供给方流向数据的需求方，以实现数据的有效配置。无论是经济学理论研究，还是正反两方面的长期经济历史实践均表明，市场机制是人类历史上迄今实现资源优化配置的最佳方式。因此，构建数据要素市场的核心就是要让市场机制在数据资源配置中发挥决定性的作用，特别是如何发现数据要素的价值，以及如何引导数据要素流向最有效率的部门和地方。
目前，我国已建成全球规模最大、技术领先的数据基础设施。有机构预测，2025年中国数据交易市场规模有望增长至2046.0亿元，到2030年有望达到5155.9亿元。尽管如此，我国数据要素市场仍然正处于初创阶段，与巨大的数字经济规模相比，我国数据交易市场的发展仍然不平衡、不充分。数据要素市场规模在数字经济中所占的份额连1%都不到。数据作为一种新型生产要素，其权属界定、定价机制、交易流通等与传统要素相比均有很大的差异性，所以在数据确权、数据定价、数据交易方面存在着诸多阻碍。
如何做大做强我国数据要素市场
讲座最后，洪永淼就如何做大做强我国数据要素市场也出了若干建议。
一是探索数据产权结构性分置机制，构建中国特色数据产权制度。数据确权是构建数据要素市场的基础。建立数据资源持有权、数据加工使用权、数据产品经营权“三权分置”的产权运行机制，打破数据确权的僵局。
二是发挥市场配置的决定性作用，探索数据要素市场化定价机制。数据定价是构建数据要素市场的核心。应加快推进数据要素市场化定价体系建设，数据要素资本化是大势所趋，应积极探索数据证券化和数据股权化的发展模式和定价机制，推进数据质量标准体系建设，加强基于第三方机构的数据资产评估工作，以推动整个数据要素市场的培育和完善。
三是打造多层次数据市场交易体系，提升数据要素流通交易效率。数据交易是构建数据要素市场的关键。我们应该分类推进数据要素市场建设，加快建立数据交易分级管理体系，统筹发展国家和区域数据要素市场，协同发展综合和专业数据要素市场。
四是推动数据跨境安全有序流动，积极培育数据要素国际大市场。在数字经济全球化浪潮中，我们不能满足于只做数字经济全球化的一个参与者、追随者，而是必须要努力抢占科技制高点，成为数据经济全球化的引领者、推动者。
（文、图/商元恒）
背景链接：洪永淼，中国科学院数学与系统科学研究院关肇直首席研究员，中国科学院大学经济与管理学院院长，发展中国家科学院院士，世界计量经济学会会士，国家自然科学基金委员会“计量建模与经济政策研究”基础科学中心项目负责人，教育部高等学校经济学类专业教学指导委员会副主任委员。曾任美国康奈尔大学经济学与国际研究讲席教授，中国留美经济学会会长。研究领域为计量经济学、时间序列分析、金融计量学、统计学、中国经济，在Annals of Statistics、Biometrika、Econometrica、Journal of American Statistical Association、Journal of Political Economy、Journal of Royal Statistical Society B、Management Science、Quarterly Journal of Economics、Review of Economic Studies、Review of Financial Studies、《经济研究》《管理世界》等经济学、金融学和统计学中英文主流期刊发表文章150余篇。出版《概率论与统计学》《高级计量经济学》、Probability and Statistics for Economists、Foundations of Modern Econometrics：A Unified Approach等中英文著作。2014-2024年连续11年入选Elsevier经济学/统计学中国高被引学者榜单，获2022年高等教育(本科)国家级教学成果奖一等奖。
“数字经济发展与治理论坛”是中国科学院大学MBA教育管理中心发起设立的学术交流平台。平台秉承理论与实践结合、研究与产业结合的宗旨，聚焦数字经济发展的前沿、焦点话题，汇聚跨学科、跨领域的优秀专家学者，分享最新研究和实践成果，旨在更好的把握数字经济发展趋势和规律，探讨和完善数字经济治理体系，推动数字时代的经济与管理学科发展，助力中国数字经济高质量发展。
