数据如何作为生产要素，创造价值？
***在2017年中共中央政治局第二次集体学习时强调：“要构建以数据为关键要素的数字经济。”党的十九届四中全会首次提出将数据作为生产要素参与分配。
2020年4月，中共中央、国务院发布《关于构建更加完善的要素市场化配置体制机制的意见》，将数据作为与土地、劳动力、资本、技术并列的生产要素，要求“加快培育数据要素市场”。
如今数据的充分挖掘和有效利用，优化了资源配置和使用效率，改变了人们生产、生活和消费模式，提高了全要素生产率，推动了诸多重大而深刻的变革，对经济发展、社会生活和国家治理产生了越来越重要的作用。因此，数据日益成为重要战略资源和新生产要素。
今天小亿就来为大家说说关于数据要素相关内容，让大家更全面的理解数据要素。
一、数据为什么能成为生产要素？
1.历史背景
生产要素是一个历史范畴，随着经济社会的发展而不断演进。在不同的经济形态下，它有着不同的构成和不同的作用机理。新生产要素的形成，会驱动人类社会迈向更高发展阶段。如图所示，不同历史阶段的生产要素不同：
不同历史阶段的生产要素
而数据并不是一开始就成为生产要素的。从上古时代的“结绳记事”，到文字发明后的“文以载道”，再到近现代科学的“数据建模”，数据一直伴随着人类社会的发展变迁。然而，直到互联网商用之后，人类掌握数据、处理数据的能力有了质的跃升，数据才成为生产要素。
2.所有数据都是生产要素吗？
数据本质上是对物品、服务或经济主体等相关的电子或非电子形式的记录。数据可分为四类数据：
①数据本身就是最终商品或服务，比方我们在线读资讯看视频；
②作为生产要素直接进行交易的数据，比如大数据交易所里打包交易的数据；
③数据作为企业内部生产要素帮助提升最终产品或服务的性能或生产效率，比如引流、效果广告、配送优化等，但并没有在市场中去直接进行数据交易；
④数据作为生产要素在兼并收购或战略合作中有价值体现，但并非直接交易数据，而只是作为并购或合作谈判的一个筹码。
实践中，用户通常接触到的是第一类情形的数据，但它并不是生产要素。第二类和第三类情形的数据是我们通常理解的成为生产要素的数据，而第四类情形目前在业界也很常见。
3.数据成为生产要素是一个渐进的过程
从威廉·配第的“土地为财富之母，而劳动则为财富之父和能动的要素”，到产业革命引发了资本和技术成为推动长期经济增长的关键要素，再到当前数据越来越成为数字经济运转的“新石油”，我们可以看出，任何一种生产要素真正发挥作用都不是一蹴而就的，而是在生产实践中不断融合培育出来的。
如今，以人工智能、大数据、云计算等数字技术为代表的通用目的技术应用表现出显著的数据偏向性技术进步特征，从长期趋势来看，数据要素终将大规模地渗透进生产、分配、交换和消费的各个环节，提升全要素生产率和推动全球经济新一轮持续增长。
二、数据要素如何产生价值？
数据要素的价值在于重建了人类对客观世界理解、预测、控制的新体系新模式。这种模式本质是用数据驱动的决策替代经验决策，即基于数据+算力+算法可以对物理世界进行描述、原因分析、结果预测、科学决策。
如今单独依靠某一种生产要素将很难实现对经济增长的推动作用，数据要素创造价值不是数据本身，数据只有跟基于商业实践的算法、模型聚合在一起的时候才能创造价值。数据和算法、模型结合起来创造价值有三种模式：
1.价值倍增
数据要素能够提高单一要素的生产效率，数据要素融入到劳动、资本、技术等每个单一要素，单一要素的价值会倍增。
2.资源优化
数据要素不仅带来了劳动、资本、技术等单一要素的倍增效应，更重要的是提高了劳动、资本、技术、土地这些传统要素之间的资源配置效率。数据生产不了汽车，生产不了房子，但是数据可以低成本、高效率、高质量地生产汽车、房子，高效率地提供公共服务。数据要素推动传统生产要素革命性聚变与裂变，成为驱动经济持续增长的关键因素。这才是数据要素真正的价值所在。
3.投入替代
数据可以激活其他要素，提高产品、商业模式的创新能力，以及个体及组织的创新活力。数据要素可以用更少的物质资源创造更多的物质财富和服务，会对传统的生产要素产生替代效应。移动支付会替代传统ATM机和营业场所，波士顿咨询（BCG）估计过去10年由于互联网和移动支付的普及。电子商务减少了传统商业基础设施大规模投入，政务“最多跑一次”减少了人力和资源消耗，数据要素用更少的投入创造了更高的价值。
三、对数据要素定价与核算困难的主要影响因素
对于数据要素定价是很困难的，就法学来说，数据隐私、数据产权等等问题恐怕是近年来网络法领域最受争议的话题了，至今难有定论。
而技术经济方面，至少有以下四方面重要的特征共同影响着数据要素的价格形成：
①数据要素具有非常复杂的外部性
②数据生产和使用过程涉及非常多元的主体范围
③数据要素的准公共品属性难以确定
④数据要素的异质性非常显著
由于数据要素的技术经济特殊性，关于它的生产函数、消费者行为学、供需曲线及均衡状态都与传统生产要素有质的区别。综合来看，影响数据要素定价的主要因素包括成本、收入和相对市场力量。
1.成本方面
需要考虑数据采集、存储、传输、分析、应用和管理等环节的累计成本。比如考虑到时延性等因素，数据存储中心往往倾向于建在客户聚集的一二线大城市，但这些大城市对于数据中心的电力使用效率要求都非常高（比如PUE不高于1.4），从而使得数据存储在成本与效率方面面临艰难权衡，从而影响数据要素的价格。
此外，影响数据要素定价的不只是历史成本，还得看重置成本和机会成本。由于互联网行业技术日新月异，并且用户往往同时使用多个竞争性的产品，这使得数据要素的重置成本变化非常快，从而对其定价的影响也非常大。
2.收入方面
需要重点考虑数据要素未来可能带来收益流的贴现，包括现金流贴现法、内部报酬率法、资本市场定价模型等各种方法。比如互联网行业常见的基于智能推荐的效果广告模式，通过统计用户的点击、下载、注册或咨询数量，分析这些行为与最终产品收益流的归因关系，就可以对数据要素进行估价。
还有一种方法是对标估值方法，即如果在当前的经济体系中暂时难以评判其收入潜力，可以通过另外一个（一般来说更成熟的）经济体系中找到一个类似的产品来参考估价，比如滴滴是中国版UBER、Shopee是东南亚版京东等等，那么就可以对其拥有的数据要素进行对标估价。
四、数据交易的八种模式
数据一般具有非竞争性、非排他性，使得其并不适合作为私人产品进行交易，除非采用某种技术手段限制数据被重复使用。但是，对数据需求方而言，政府开放和共享的数据不能满足数据分析的要求，又迫切希望通过交易方式来获得更多数据。因此，产生了一些数据交易的模式。当前，数据商品的交易模式有如下八种，是供求双方根据自身需求的交易模式的选择。
1.直接交易数据模式
交易双方就数据交易的内容和方式进行详细约定，签订数据交易合同，一方交货，一方付款，完成交易。通常，购买方通过某种渠道了解到销售方出售某类数据，经与销售方协商后，签订合同，购买数据。这种模式，比较适合线下“一手交钱，一手交货”的交易，在数据黑市比较普遍，但交易不透明，市场监管难度大。此类交易模式，卖方很难控制买方的行为，特别是买方复制数据并与其他第三方再进行交易的行为。例如，A以1万元的价格出售1份数据给B，却很难保证B不拿这份数据复制100份，以每份1千元卖出去。此类交易模式，也容易侵犯数据主体的权益，购买的数据可能涉及较多法律风险。
2.数据交易所模式
政府牵头成立了一些数据交易所，在政府监管下，在集中场所进行数据供求关系撮合。比如贵阳大数据交易所。类似于股票交易市场，在数据交易所，买卖双方必须注册成为市场成员，通过交易所平台进行数据买卖。但是，由于信息不对称，数据易复制，交易双方担心数据被第三方交易所截留，进行非法套利。早期政府开办的数据交易所，数据交易很清淡。交易双方一旦达成某次交易，就可能不再依靠数据交易所进行下一次的交易。
3.资源互换模式
在移动app中，app服务商通过提供免费的app应用服务，换取用户对个人数据的使用权。资源互换模式也存在一些问题：第一，互联网平台与用户之间地位不平等、信息不对称，用户被迫接受数据授权协议，可能用重要个人数据换取了不太有价值的资讯服务，互联网平台也可能过度收集用户数据，或把从甲业务中收集到的个人数据用于用户不知情的乙业务上，从而造成隐私侵犯和数据滥用问题。第二，用户紧密依赖于互联网平台，难以行使对数据的可携带权，很难将自己的数据开放给或迁移到第三方平台上。第三，用户难以获得对个人数据的合理收益权。
4.会员账户服务模式
数据比较适合俱乐部交易模式。销售商出售数据平台的会员服务，消费者购买会员服务后，可以获得与会员层级对应的数据访问权益。
5.数据云服务交易模式
销售商不直接提供数据，而是提供数据应用的云服务或数据应用系统，消费者购买云服务或系统，通过服务获得数据应用价值。
6.API访问模式
销售商通过应用程序界面（Application Programming Interface，API）将用户数据开放给经授权的第三方机构，以促进用户数据的开发使用。销售方既限定哪些数据可开放，也限定向哪些机构开放。
7.基于数据保护技术的数据交易
使用密码学和隐私计算技术，包括可验证计算、同态加密、安全多方计算、联邦学习、区块链技术等，实现数据加密，从而提供手段限制或规定数据的重复使用次数，推动数据产品转换为私人产品进行交易，或者在不影响数据控制权的前提下交易数据使用权，以便从技术上构建数据交易的产权基础，并能计量数据主体和数据控制者的经济利益关系。
8.利益相关方的数据平台+数据的联盟交易模式
数据消费者共同出资，投资一家“数据平台+数据”的服务商，这家服务商负责生产数据产品，并将产品出售给所有利益相关方。Markit公司成立于2003年，其股东包含主要的CDS做市商。这些金融机构股东把自己的CDS数据上传到Markit，Markit整合得到CDS市场数据后以收费方式对外提供，包括定价和参考数据、指数产品、估值和交易服务等。Markit的股东金融机构在不泄露自己商业机密的情况下，不仅从Markit的工作中获知CDS市场整体情况，还从Markit的业务增长中获得投资收益。
五、小结
当前，数据在全球经济运转中的价值日益凸显，主要国家围绕数据资源抢夺数字经济制高点的竞争日趋激烈。数据价值持续溢出，不仅代表着数据在经济社会中的定位不断提升，也标志着数据背后的内涵不断变革。
与此同时，数据要素产业发展尚未成熟，数据要素市场培育尚未成型，还有许多基础性工作需要解决，首先数据共享开发是数据要素最为基础的环节；其次数据治理是提升数据要素质量、保证数据要素流通合法合规的关键环节，正成为数据要素市场不可或缺的重要板块；最后数据资产化是发挥数据要素价值、培育数据市场的必经之路。
而由亿信华辰自主研发的智能数据治理平台——睿治，可以全方位的解决数据要素的基础性工作，睿治智能数据治理平台融合元数据管理、数据标准管理、数据质量管理、数据集成管理、主数据管理、数据交换管理、数据资产管理、数据安全管理、数据生命周期管理等九大产品模块，打通数据治理各个环节，九大产品模块可独立或任意组合使用，快速满足政府、企业各类不同的数据治理场景。
睿治数据治理平台架构图
