树立数据发展观

高新民

数据是国家基础性战略资源和重要生产要素，是当代驱动经济发展质量变革、效率变革、动力变革的新引擎[1]。早在2004年，中共中央办公厅、国务院办公厅发布《关于加强信息资源开发利用工作的若干意见》（中办发〔2004〕34号），提出信息资源作为生产要素、无形资产和社会财富，与能源、材料资源同等重要，在经济社会资源结构中具有不可替代的地位，已成为经济全球化背景下国际竞争的一个重点。由此，信息资源作为生产要素的理念被首次提出。2020年4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》（中发〔2020〕11号），指明加快培育数据要素市场，建立健全数据流通管理体制机制[2]，首次把数据提升至与土地、资本、劳动力、技术等传统要素并列的高度。2022年12月，《中共中央、国务院关于构建数据基础制度更好发挥数据要素作用的意见》是首部从生产要素高度部署数据要素价值释放的国家级专项政策文件，指出数据作为新型生产要素，是数字化、网络化、智能化的基础，已快速融入生产、分配、流通、消费和社会服务管理等各环节，深刻改变着生产方式、生活方式和社会治理方式。文件还指出，以维护国家数据安全、保护个人信息和商业秘密为前提，以促进数据合规高效流通使用、赋能实体经济为主线，以数据产权、流通交易、收益分配、安全治理为重点，深入参与国际高标准数字规则制定，构建符合数字经济发展规律、保障国家数据安全、彰显创新引领的数据基础制度[3]。以上一系列政策文件将充分发挥数据要素价值、推动数字经济发展上升至国家战略高度。

一、数据要素价值化的关键

数据要素是一个崭新的生产要素，当今社会对数据的重要性已经达成共识。各单位为了促进和鼓励数据流通，纷纷组建数据交易中心。但目前仍然面临数据质量不高，安全水平不足、数据流转不畅以及数据应用不深等问题，影响我国海量数据潜在优势的发挥。对此，笔者认为，发挥数据价值的关键有两条：首先要理顺数据流转机制的思路；其次要构建支持安全可信流通的数据基础设施，包括技术基础架构和制度基础架构，两者缺一不可。

二、数据要素与传统要素的区别

数据要素是新型生产要素，新在哪里？厘清其与传统要素的区别十分重要，这对于理顺流通体制和设计数据基础设施具有重要作用。笔者认为，两者区别主要体现在以下五个方面：

一是泛在性。随着信息技术的发展，各种传感器、终端和连接不断扩展，人类社会正在迈入“泛在感知，万物互联”的新时代。数据无处不在，无论是简单的文本、图像，还是复杂的视频、音频，乃至位置、运动、环境等多源异构数据，都以前所未有的速度和规模被产生，并被记录下来。从个人的日常生活，到企业的运营管理，再到城市的公共服务，所有领域都在以指数级的速度产生着海量数据。

而继互联网、移动网之后，以5G为代表的新一代信息技术的发展，进一步释放了数据的力量，面向人与人、人与物、物与物的智能连接，开启了“一切皆数据”的新时代。日常生活中的一言一行和微小操作，都将被数据化；企业内外部的工作流，也将被数据贯穿；城市的运行也将被数据支撑。甚至，随着AR、VR、人工智能等技术的不断创新，人们还将迎来沉浸式的元宇宙时代，虚拟世界也将通过海量数据的计算建模实现运行。可以说，我们正在逐步进入一个“数据即一切”的新时代，数据的存在和应用呈现出逐步扩展的泛在性。

二是映射性。数据是对物理世界事实的描述和过程的记录，具有反映物理世界的映射属性。

数据通过文字、图像、视频、传感器等数字化形式反映现实世界中的各种事物、事件和过程，可看作是现实世界的数字映射或镜像。数据来源于人类对客观世界的感知、记录和数字化抽象。一个系统产生的数据，是该系统及其环境状态和运动过程的数字表示。

与此同时，数据也反过来影响和改变着现实世界。大数据分析引导决策，公共数据开放为公众创造价值，工业互联网优化生产。数据正重塑现实，变革人类世界。

三是易变性。数据的数量、规模、质量、价值等都会随着时间、空间、场景以及应用目的的不同而变化。

从时间维度看，随着时间的推移，同一系统或源头产生的数据量会不断增加，规模会不断扩大。与此同时，数据收集技术的进步也会提升数据质量。

从空间维度看，受到地理、气候、文化、技术等条件的影响，不同地区或行业系统的数据特征存在差异，同一数据来源在不同区域的应用价值也会有所不同。

从应用场景看，不同的使用环境和应用目标会对数据提出不同的要求。例如，制造业对工艺数据的需求与个性化推荐对用户画像的数据需求是不同的。数据的适用性会根据场景发生变化。

从目的看，同一数据集可为多个领域的不同应用创造价值。数据本身并无固定价值，其价值需要在不同应用中实现，因此其经济价值与应用场景和目标密切相关。

所以，从多维度来看，数据都存在高度的可变性、情境依赖性，数据的规模、质量和价值都需要结合具体情况进行合理判断。数据的数量、质量和价值的可变性，是数据经济的一大基本特征。

四是赋能性。数据本身只是事实的记录，它的价值和意义是有限的，需要经过加工转换，通过对实体要素优化配置和赋能体现其价值。

众所周知，数据的增值链模型表现为DIKW，即：数据（data）－信息（information）－知识（knowledge）－智慧（wisdom）的金字塔模型。DIKW金字塔模型描述了数据增值的不同阶段。随着这一过程的深入，数据的价值将得到不断提升。

数据价值的最终体现还包括服务于各类实体要素，如人力、资本、技术等的优化配置，以及管理决策、经济运行、社会服务等方面的提升。数据对实体经济和社会发展的赋能作用，是其价值的核心所在。所以，数据价值应当从增值和赋能的角度进行审视，只有将数据转化为对实际生产要素配置、决策等方面的改进，其价值才能真正体现出来。

五是重用性。数据易于复制和传播，可重复使用，其价值与复用度和传播范围呈正相关关系。

数据可以轻松地在不同存储系统、终端和网络间复制、移动和传播。这种可复用性使数据区别于传统资源。数据可以同时为多个用户创造价值，同一数据集可适用于不同目标。例如，地理空间数据可用于城市规划、物流运输、环境管理等领域；社交数据可用于精准营销，也可用于学术研究；医疗数据可重复使用于人工智能辅助诊断、新药研发、流行病防控等。

数据产品和服务的交付亦体现了数据复用性。数据提供商可针对不同消费者打包数据集并许可其使用。数据的广泛复用提高了其投资回报率。

同时，技术的进步也在降低数据的复制、存储和传播成本，有助于提高数据复用的深度和广度。复用度越高，数据网络效应就越明显，其价值也就越大。因此，数据复用性是数据价值实现的关键所在。

三、数据发展观四要点

由于数据要素具有独有的特性，因此要建立有别于其他生产要素的新型发展观，即数据发展观。笔者认为，数据发展观至少包括以下四个要点。

（一）尊重数据主权

尊重数据主权是推进数据安全流动及数据价值共享共治的前提。数据主权是指对数据的控制权和决定权，蕴含了数据的产权、使用权、收益权等多重属性。不同主体对数据享有不同程度的主权，如个人对其隐私数据拥有控制权、企业对商业数据具有收益权。

在推动数据要素流通的过程中，各行为体必须充分尊重各类数据主体的主权，不能随意侵犯数据的控制权、使用权和收益权。同时，也要注意平衡不同数据主体之间的权利要求，实现多方共赢。

在不触及数据主权的前提下，相关人员可以通过脱敏和匿名化处理的方式将原始数据转化为可共享的数据资源，以实现更大范围的开放流通；可以通过制定数据共享协议、建立可信数据交易中心等方式，推进脱敏共享数据的多方治理，实现数据主权的共管共治。由此可见，充分尊重数据主权是数据要素流通的基本前提和底线。

（二）安全自由流动

数据安全是前提，但要与数据应用程度相平衡，不应由此增加数据自由流动的障碍，包括认识上和制度上的障碍，因此要平衡安全与自由流动之间的关系。充分保障数据安全是数据流动的重要前提，否则可能导致数据泄露、被篡改等后果。因此，需要建立健全的数据安全技术体系和制度体系，以保护关键数据资产。

但是，过度的安全考虑和严格的数据局域化管制也会阻碍数据的自由流动，影响数据发挥价值。因此，在保障数据安全的基础上，应打破部门和地区间数据流动的“壁垒”，构建统一开放、标准互联、权威可控的安全流通体系。这需要转变安全观念，采用基于风险、动态管控和信任计算的安全机制，降低数据流动负担，实现对数据安全和流动性的平衡化治理。

（三）多元流动机制

不同数据资源（分级分类）和不同场景下设计数据多元流动机制，包括：开放、共享，公共数据资源的授权使用和市场化交易；按规定不参与流动的自用数据和涉密数据相关制度要清晰化、最小化；数据要素市场配置不宜笼统化、唯一化，要按照分级分类和场景需求原则逐步完善和扩展。

（四）基于对象化的数据基础设施

数据基础设施是指支持数据互操作以及建模分析的基本技术支撑。它与通信网络，储存网络，算力网络一样，是数字基础设施的重要组成部分。

基于对象化的数据基础设施架构应包括两个部分：一是制度架构；二是技术架构。为了有效流通和配置数据要素，需要在制度和技术上赋予数据“对象”属性，使其可识别、可寻址、可管理。对象化是实现数据要素化的前提。在制度层面，需要在尊重数据主权基础上明确数据可发现、可访问、可互操作、可重用的规范要求，以及流通规则形成机制，使数据成为独立的管理对象和流通对象。在技术层面，需要建立统一的数据标识体系、存储描述格式、注册发现机制、授权验证机制等，以支持对数据对象的全生命周期管理。数据对象技术体系应具有开放性、分布性等特点。对象化的数据基础设施为实现数据要素流通价值奠定了坚实的基础。只有这样，才能推动数据从要素到资产的转化，让数据安全、高效、充分地发挥作用。

总之，科学、适用的数据发展观有助于人们正确认识和把握数据这一新型生产要素的基本属性和规律，为更好地激发数据潜力、规避数据发展中的潜在风险提供了指导思想和行动原则。特别是当前我国正处于数字化转型的关键时期，树立数据发展观，有助于避免管制经验不足带来的阻碍，实现良性互动的制度设计，为新旧动能转换凝聚共识，对推动我国数字化转型、充分发挥数据价值、实现智能化发展，具有重要的实现意义。