大數據時代的新興生產要素

如今數據的充分挖掘和有效利用，優化了資源配置和使用效率，改變了人們生產、生活和消費模式，提高了全要素生產率，推動了諸多重大而深刻的變革，對經濟發展、社會生活和國家治理產生了越來越重要的作用。因此，數據日益成為重要戰略資源和新生產要素。

一、數據為什么能成為生產要素？

1.歷史背景

生產要素是一個歷史范疇，隨著經濟社會的發展而不斷演進。在不同的經濟形態下，它有著不同的構成和不同的作用機理。新生產要素的形成，會驅動人類社會邁向更高發展階段。而數據并不是一開始就成為生產要素的。從上古時代的“結繩記事”，到文字發明后的“文以載道”，再到近現代科學的“數據建?！?，數據一直伴隨著人類社會的發展變遷。然而，直到互聯網商用之后，人類掌握數據、處理數據的能力有了質的躍升，數據才成為生產要素。

2.所有數據都是生產要素嗎？

數據本質上是對物品、服務或經濟主體等相關的電子或非電子形式的記錄。數據可分為四類數據：

①數據本身就是最終商品或服務，比方我們在線讀資訊看視頻；

②作為生產要素直接進行交易的數據，比如大數據交易所里打包交易的數據；

③數據作為企業內部生產要素幫助提升最終產品或服務的性能或生產效率，比如引流、效果廣告、配送優化等，但并沒有在市場中去直接進行數據交易；

④數據作為生產要素在兼并收購或戰略合作中有價值體現，但并非直接交易數據，而只是作為并購或合作談判的一個籌碼。

實踐中，用戶通常接觸到的是第一類情形的數據，但它并不是生產要素。第二類和第三類情形的數據是我們通常理解的成為生產要素的數據，而第四類情形目前在業界也很常見。

3.數據成為生產要素是一個漸進的過程

任何一種生產要素真正發揮作用都不是一蹴而就的，而是在生產實踐中不斷融合培育出來的。如今，以人工智能、大數據、云計算等數字技術為代表的通用目的技術應用表現出顯著的數據偏向性技術進步特征，從長期趨勢來看，數據要素終將大規模地滲透進生產、分配、交換和消費的各個環節，提升全要素生產率和推動全球經濟新一輪持續增長。

二、數據要素如何產生價值？

數據要素的價值在于重建了人類對客觀世界理解、預測、控制的新體系新模式。這種模式本質是用數據驅動的決策替代經驗決策，即基于數據+算力+算法可以對物理世界進行描述、原因分析、結果預測、科學決策。

如今單獨依靠某一種生產要素將很難實現對經濟增長的推動作用，數據要素創造價值不是數據本身，數據只有跟基于商業實踐的算法、模型聚合在一起的時候才能創造價值。數據和算法、模型結合起來創造價值有三種模式：

1.價值倍增

數據要素能夠提高單一要素的生產效率，數據要素融入到勞動、資本、技術等每個單一要素，單一要素的價值會倍增。

2.資源優化

數據要素不僅帶來了勞動、資本、技術等單一要素的倍增效應，更重要的是提高了勞動、資本、技術、土地這些傳統要素之間的資源配置效率。數據生產不了汽車，生產不了房子，但是數據可以低成本、高效率、高質量地生產汽車、房子，高效率地提供公共服務。數據要素推動傳統生產要素革命性聚變與裂變，成為驅動經濟持續增長的關鍵因素。這才是數據要素真正的價值所在。

3.投入替代

數據可以激活其他要素，提高產品、商業模式的創新能力，以及個體及組織的創新活力。數據要素可以用更少的物質資源創造更多的物質財富和服務，會對傳統的生產要素產生替代效應。移動支付會替代傳統ATM機和營業場所，波士頓咨詢（BCG）估計過去10年由于互聯網和移動支付的普及。電子商務減少了傳統商業基礎設施大規模投入，政務“最多跑一次”減少了人力和資源消耗，數據要素用更少的投入創造了更高的價值。

三、對數據要素定價與核算困難的主要影響因素

對于數據要素定價是很困難的，就法學來說，數據隱私、數據產權等等問題恐怕是近年來網絡法領域最受爭議的話題了，至今難有定論。

而技術經濟方面，至少有以下四方面重要的特征共同影響著數據要素的價格形成：

①數據要素具有非常復雜的外部性

②數據生產和使用過程涉及非常多元的主體范圍

③數據要素的準公共品屬性難以確定

④數據要素的異質性非常顯著

由于數據要素的技術經濟特殊性，關于它的生產函數、消費者行為學、供需曲線及均衡狀態都與傳統生產要素有質的區別。綜合來看，影響數據要素定價的主要因素包括成本、收入和相對市場力量。

1.  成本方面

需要考慮數據采集、存儲、傳輸、分析、應用和管理等環節的累計成本。比如考慮到時延性等因素，數據存儲中心往往傾向于建在客戶聚集的一二線大城市，但這些大城市對于數據中心的電力使用效率要求都非常高（比如PUE不高于1.4），從而使得數據存儲在成本與效率方面面臨艱難權衡，從而影響數據要素的價格。

此外，影響數據要素定價的不只是歷史成本，還得看重置成本和機會成本。由于互聯網行業技術日新月異，并且用戶往往同時使用多個競爭性的產品，這使得數據要素的重置成本變化非?？?，從而對其定價的影響也非常大。

2.收入方面

需要重點考慮數據要素未來可能帶來收益流的貼現，包括現金流貼現法、內部報酬率法、資本市場定價模型等各種方法。比如互聯網行業常見的基于智能推薦的效果廣告模式，通過統計用戶的點擊、下載、注冊或咨詢數量，分析這些行為與最終產品收益流的歸因關系，就可以對數據要素進行估價。

來源：數據信息網