让数据资源发挥其应有的价值

　　在我国，数据增长势头迅猛。据国际数据公司（IDC）的测算，2025年，我国的数据总量将跃居全球首位，占全球数据总量的27.8%，远超美国的17.5%。我们通常将数据视为重要资源，甚至将其视为重要资产。若能充分挖掘和利用如此庞大的数据规模，让数据资源发挥其应有的价值，对于中国未来的发展将具有深远的意义。

　　数据要素化的挑战。在数据开发利用的过程中，面临着复杂的挑战。这些数据往往蕴含着与原有业务紧密相关的信息，且与原有系统平台的关联者之间存在着密切的联系。因此，在开发利用这些数据时，必须关注数据中所隐含的相互关联方及其之间的利益关系。当我们聚焦于数据要素化时，不难发现，这实际上是一个跨利益主体的数据治理过程。必须探索新型的数据架构体系和数据治理理论方法，以应对日益增长的跨利益主体数据治理需求。

　　数据的价值并不仅仅在于其本身的要素化、资本化或资产化，更重要的是如何将这些数据与传统数据要素与传统要素的融合，是催生更多知识和智慧的关键。数据本身并不直接呈现价值，其价值在于与传统要素如土地、劳动力、资本和技术等的结合。通过与这些要素的融合，数据能够激发原有要素的价值倍增效应，从而真正实现其内在价值。数据要素化的根本目的在于促进知识和智慧的产生。因此，需要推动数据的跨组织流动，通过流动实现数据与传统要素的融合，进而达成数据要素化的目标。这一点已逐渐成为共识。

　　激活数据要素价值的途径和机制主要有三条：一是多元数据的融合，二是多场景多主题的复用，三是多种要素的协同。多元数据融合在普惠金融等领域得到广泛应用，通过获取小微企业数据并进行画像，可以降低金融风险。多主题复用方面，如航旅纵横等平台通过集成数据，为机场、航空公司、酒店和网约车公司等提供个性化服务，甚至形成数据产品和数据接口，为市场进一步赋能，构建庞大的生态体系。

　　在推进数据要素化的过程中，数据要素与传统要素的融合是至关重要的。我们将数据视为新兴生产要素，并将其与传统要素相结合，以产生新质生产力，进而促进产业的转型升级。多要素协同是理解数据要素化配置的重要特征。并非单纯依靠数据量的多少或数据资产的入账，就能自动产生价值。数据的价值取决于其与劳动力、资金、资本、人力等传统要素的整体组合方式，只有实现这种组合，数据要素的价值才能出现倍增或叠加放大的效应。

　　在探索数据要素化及其价值释放的过程中，面临诸多挑战。数据具有独特的属性，这些属性与传统要素存在显著差异。例如，数据的内生性问题便是其中之一。进行数字化的根本目的并非单纯为了产生数据，而是为了推动业务创新。数据是业务创新的产物，具有内生性。当这些数据需要进行市场化配置，实现跨组织流动时，就会涉及与原有业务场景的关系，以及原有业务场景相关方对数据权益的确认，进而引发数据产权问题。

　　当前，数据开放程度有限，共享意愿普遍较低，尤其是公共数据的共享意愿更为薄弱。这一问题的根源在于缺乏有效的保障机制来确保数据提供者的权益。尽管我国数据规模位居全球前列，但数据供给的质量与数量仍存在巨大差距。我们不仅面临数据本身的质量、标准和互操作性问题，还面临制度和政策供给的不足。因此，加强数据开发利用的激励制度建设，是推动人工智能发展、缩小与国际差距的关键所在。当前在公共数据授权运营过程中存在两大问题：数据如何从数源部门流出，让大数据集团能够进行运营开发；在数据运营方与广大市场主体之间，也存在市场垄断的风险。

　　数据要素化的政策建议。为了破除这两大障碍，提升公共数据授权运营的成效，必须从根本上思考推进公共数据授权运营机制设计的合理性问题。一方面，需要建立激励机制，鼓励公共机构将数据共享出来；另一方面，要确保市场公平，防止数据垄断现象的出现。只有这样，才能有效推动公共数据的开发利用，为经济社会发展注入新的动力和活力。（社会科学报社融媒体“思想工坊”出品 全文见社会科学报及官方网站）