数据要素赋能物流业高质量发展的内涵与思路建议

文/梁子婧

数字经济下，物流业高质量发展已成为数字化重要的落地方向和实践场景，数据要素对物流业高质量发展赋能作用持续凸显，数据要素赋能物流业高质量发展成为当前探讨的热点。

1.相关文献综述

物流业高质量发展是经济增长的重要组成部分，研究数据要素赋能物流业高质量发展的问题，通行的做法是参考数据要素对经济增长研究的理论指导和实践借鉴。从生产要素与经济增长的关系看，国内外学者们的研究取得了巨大发展。如新古典增长模型的建立和发展，充分探讨了四大生产要素，资本、劳动、土地、技术创新等因素对经济增长的贡献；随后，学者们在此基础上增加了制度要素、社会资本要素等对经济增长的效益和贡献率进行深入研究，促成了新的生产要素对经济增长的理论产生。从新生产要素对经济增长的影响看，学者们在新结构增长模型框架下，把数据要素的作用从TFP（全要素生产率）中区分开来，得出数据要素优化配置能够助推数字经济进一步发展；也有学者将数据作为中间产品引入内生增长模型中，并对模型进一步分解，探讨经济增长的新源泉。还有学者结合当前数字经济现实存在的问题，对新构建的生产函数进行多层次分解与科学核算，给出数据要素影响经济增长的理论诠释和运行机制。从数据要素对物流业高质量发展的影响看，目前也成为学界关注的焦点。学者们在传统的生产函数中加入了数据要素，即Y=Ka(ADL)1-a其中，K是资本，L是劳动，D就是数据要素，阐述了数据要素对物流企业微观决策产生影响。也有学者强调在数字经济时代，围绕数据要素技术－经济的复合特征，提炼出数据要素在物流生产力和生产关系中发挥作用，从宏观层面研究数据要素对物流业全要素生产率的影响机制，推进物流业数字化转型和数字物流业高质量发展。

2.数据要素赋能物流业高质量发展的内涵

2.1 数据要素的内涵。当前，数据要素已经列为第五大生产要素，这使得数据要素的战略性地位进一步凸显出来。作为新型生产要素的数据，已经在物流运营中的生产、分配、流通等各个环节中融入，优化和替代。数据要素将继续发挥其重要作用，为社会经济发展提供更强大的动力，推动社会经济向更高层次发展。

2.2 物流业高质量发展的内涵。我国是物流大国，物流业要以产业结构转型升级为契机，通过数字资源的优化配置与整合，提高物流运作效率，促进物流业高质量发展的价值创造和动能转换。近年来，推进物流业高质量发展的政策措施陆续出台，更加聚焦物流业高质量发展的丰富内涵。其中，2019年，包括发展改革委等在内的24个部门联合发文，从25个方面出台措施推动物流行业高质量发展，也体现出物流业高质量发展的内涵包括集群，协调，共享，绿色、开放和生态等多个方面。

3.数据要素赋能物流业高质量发展的科学内涵

基于数据要素是多方向、多维性和多层面的属性，使得数据要素赋能物流业高质量发展的内涵更加丰富，具体体现在以下三个层面（见图1）。

图1 数据要素赋能的内涵层次

第一层，基本内涵。数据要素是数字经济的基因，数据要素在赋能物流业高质量发展中具有基础性作用。这种基础性作用很大程度上源于数据要素本身具有的属性。数据要素的可再生性，及时性等在物流集群中，打造数据产业集群，并从各个企业通过信息的互通互联，弥补低效率和高能耗的弊端基础上，协调加快转变物流发展方式，培育以低碳排放为特征的新的增长点，实现整个集群的运营效率和服务水平的良好生态，提高物流服务的响应速度和准确性。第二层，核心内涵。数据要素是数字经济的核心要素，数据要素在赋能物流业高质量发展中具有核心价值，这种价值进一步促使物流业高质量发展中的转型升级。数据要素与传统要素的结合打破了原有资源的约束，实现物流信息的实时更新。同时，解决好内外联动问题，依托平台功能和信息技术优势，实现数据要素在不同市场开放，让“数据要素真正共享”成为物流业高质量发展的新形态。第三层，延伸内涵。数据要素是数字经济循环流动的血液，数据要素在赋能物流业高质量发展中，对产业链、价值链和供应链具有外溢影响。如市场活动关系链条的数据融合与产业数字化的深度推进，带动以数据要素为纽带，推动产业链和价值链功能链条的数据融合，在各链条之间打通数据要素流动通道，实现其对供应链各环节功能模块和运行环境赋能，让数据要素在供应链循环系统内运转和使用，促进产业链与价值链互促发展。

4.数据要素赋能物流业高质量发展的思路建议

数字经济时代已经到来，物流业高质量发展寻找新的增长动力成为最重要的目标，而数据要素赋能促进物流业数字化转型和产业结构调整，是当前物流业发展的战略选择。基于以上分析，本文提出数据要素赋能物流业高质量发展的思路如下：（1）加大数据要素投入，赋能物流企业数字化转型。在充分认识到数据要素的重要性基础上，要采取实际行动加大对数据要素的投入，为数据分析和应用提供基础。包括数据的采集与分析，物流企业要通过物联网、移动互联网等技术手段，建立健全数据采集体系，对企业内部和外部的数据进行科学分析，形成统一的数据平台，实现智能决策和优化。例如，通过预测分析，了解客户的购买历史和偏好，提前调整库存和运力，降低库存成本；通过实时监控，实现对运输过程的精细化管理，提高运输效率，及时对客户的需求和反馈进行跟踪，提升客户服务满意度，赋能物流业数字化转型加快。（2）促进数据要素融合，赋能物流产业结构加快调整。物流业是典型的复合型产业，包括了运输、仓储、装卸、搬运、包装、流通加工、配送等一系列运营环节，如果进行单一的数据要素分析难以实现其综合价值。因此，需要在数据分析与挖掘的基础上与生产、分配、交易、定价和消费应用等环节内嵌融合，实现数据要素跨时空流动，打破原有生产边界约束，才能更好地发挥其赋能作用。同时，通过大数据技术对收集到的数据进行分析和挖掘，发现物流运营中的痛点和改进空间，与传统要素补充融合，打破部门壁垒，实现数据驱动的协同工作，并不断改变物流运营方式，提高资源配置效率，形成数据要素对物流业产业结构的调整和优化，为物流业高质量发展注入动力。（3）拓展数据要素应用，提升物流供应链循环畅通。数据要素作为一种承载多维、可变信息的集合体，内涵丰富。数据要素赋能物流业高质量发展中，构建多层次的产业关系生态体系，拓展赋能的环节和应用范围。如通过大数据技术分析市场需求和竞争态势，开发新的产品和服务，可以帮助物流企业发掘新的业务机会，创新业务模式；也可以通过与价值链上其他行业的合作，包括研发设计，生产制造，运输，交易和售后等功能链接，以数据要素的形式在各个环节流动，实现产业链和价值链资源共享和互补，拓展新的业务领域。同时，加快物流业数字化转型，引导新兴业态和新的模式发展，增加数据要素赋能的创新和应用，推动数据要素流动中的数字价值链建设，提升物流供应链循环畅通，助力物流业高质量发展。