基于扎根理论的数据要素价值释放机理研究

郑文慧 杨昀

［摘要］数字经济时代，数据迎来“爆炸式”增长，数据已成为继劳动力、土地、资本、技术之后最为活跃的生产要素，为数字经济发展注入了新的活力。充分释放数据要素价值已成为推动经济高质量发展的关键。文章借助扎根理论，通过对92份经济管理类核心期刊文本资料进行编码分析，从技术应用、市场化流通、场景化应用三个环节探索数据要素价值释放机理，构建了数据要素价值释放理论模型，以求最大程度激发数据要素价值。

［关键词］数据要素价值；扎根理论；技术应用；市场化流通；场景化应用

［中图分类号］F490［文献标志码］A［文章编号］2095-0292（2024）01-0088-06

［收稿日期］2023-11-10

［作者简介］郑文慧，贵州财经大学会计学院硕士研究生，从事财务管理理论与实务研究；杨昀，金陵科技学院商学院教授，博士生导师，博士，从事风险投资、科技金融、资本市场研究。

一、引言

数字经济时代，各行各业呈现数据井喷式增长态势。党的十九届四中全会首次明确提出将数据纳入生产要素行列参与分配，数据成为继劳动力、土地、资本、技术之后的生产要素新形态。中共中央、国务院《关于构建更加完善的要素市场化配置体制机制的意见》进一步提出加快培育数据要素市场，提升社会数据资源价值。数据展现出其不可估量的要素效率提升能力、资源配置基础能力、价值发掘与增值能力（王谦、付晓东，2021）［1］，在价值创造过程中扮演重要角色，成为驱动经济增长和社会进步的关键战略性资源。

当前，学术界、产业界已从多个视角对数据要素展开深入探讨。然而，现有研究主要集中在数据要素价值属性、作用机制、影响因素及其与经济增长的关系等理论论证方面，对于数据要素价值释放机理缺乏深入研究，数据要素价值释放机理尚不清晰（阳巧英、夏义堃，2023）［2］。充分释放数据要素价值，是驱动经济创新发展的重要抓手，能够有效引领经济社会高质量发展（蔡继明，等，2022）［3］。鉴于此，本文运用扎根理论及三级编码技术，对数据要素价值释放的内在机理进行研究，以期进一步厘清数据作为关键生产要素如何释放价值的基本逻辑，丰富数据要素相关理论研究。

二、文献综述

数据作为关键生产要素所带来的巨大价值，越来越受到学术界的广泛关注。当前，国内外学者对数据要素价值的研究主要从数据要素价值构成和数据要素价值实现两个方面展开。

（一）数据要素价值构成

数据要素的价值包括数据本身固有的潜在价值和数据要素在流通过程中显现的价值。一些学者基于数据生命周期视角，将数据要素价值按照演进形态分为潜在价值、交易价值、使用价值和创新价值四个层次，并分析了各个层次之间的转化关系（Francesco et al.，2023）［4］。关于数据要素本身是否创造价值，学术界存在一些不一致的观点。一些学者认为数据要素的贡献在于数据要素本身创造的价值，数据要素也是剩余价值的重要源泉（庄子银，2020）［5］。另一种观点则认为数据要素可以提高劳动生产率，但其本身并不直接创造价值（Jones and Tonetti，2020）［6］，而是通过价值倍增、投入替代和资源优化三种模式来实现价值增值（陈书晴，等，2022）［7］。数据要素最终会带来数据价值、经济价值和社会价值（朱秀梅，等，2023）［8］。现有研究对数据要素的价值属性展开了深入探讨，但仍缺乏统一的概念界定与理论体系。

（二）数据要素价值实现

数据要素在社会生产经营管理活动中释放价值，需要经历数据形态的多次演进过程。一些学者从数据生命周期的角度，提出数据价值链的概念，将数据价值创造过程拆分为多个相互关联的环节，阐明了数据在企业生产环节中的价值生成机制（Faroukhi et al.，2020）［9］。之后，更多学者基于数据价值链视角展开研究。然而对数据形态界定不一致导致了我国学者对于数据要素价值实现阶段的划分存在差异。部分学者认为数据要素价值实现的逻辑是在提高数据质量的基础上，明晰数据产权，评估数据价值，促进数据流通和交换，增加数据应用，以实现数据价值增值，即数据要素价值实现要经历数据资源化、资产化、资本化三个阶段（唐要家、唐春晖，2022）［10］。然而也有研究提出数据形态从数据资源、数据资产、数据商品到数据资本的演化过程，将数据价值实现划分为数据资源化、数据资产化、数据商品化和数据资本化四个阶段（李海舰、赵丽，2021）［11］。也有学者着眼于数据要素价值的实现途径，总结归纳出业务贯通、数智决策、流通赋能三次价值释放（王泽宇，等，2023）［12］。现有研究解构了数据要素价值释放过程，但由于不同数据形态的概念重合交叠，尚未深入揭示数据要素价值释放的内在机理。

综合来看，当前学术界对数据要素价值的研究已取得了一定进展，多数学者基于数据生命周期和数据形态的视角展开研究，探讨了数据参与价值创造与转化的逻辑，但是鲜有研究聚焦数据要素本身的价值释放机理这一原理性问题，关于数据要素价值释放规律的底层逻辑尚未形成系统的理论解释。数据要素价值释放机理的研究对于理解数据要素的内涵和特征，促进数据要素市场化配置，推动数字经济高质量发展具有重要意义。因此，本文利用扎根理论研究方法，对数据要素价值释放机理进行研究，以期厘清数据要素在哪些环节释放出其作为关键生产要素的价值，为最大化激发数据要素价值潜能，更好发挥数据要素作用提供有益借鉴。

三、研究设计

（一）研究方法

扎根理论是在文献和经验资料的基础上，基于科学化的编码分析，从资料数据中抽象出概念和范畴，进而构建理论的一种自下而上的归纳式研究方法（苏贝，2018）［13］，当现存框架不能清晰解释现实中涌现出的新事物时，其文本意义与理论挖掘优势明显。本文采用扎根理论研究方法来探究数据要素价值释放机理，主要基于以下两个原因：首先，数据要素价值释放过程是一個非结构化、诸多因素交织的复杂系统，传统定量研究难以阐述其背后的实质性理论。扎根理论作为一种定性研究技术，通过对繁琐细致的现象进行分析，可以发现其背后的概念及概念间的逻辑关系，十分契合本研究的探索性特点。其次，扎根理论直接在现实资料基础上通过归纳式编码建立理论，能够有效避免预设的理论假设对研究结论产生干扰，更能真实反映数据要素价值释放内在机理。

（二）样本选取与数据收集

扎根理论所需资料，可源于调研访谈等一手资料，也可源于文献资料等二手资料。考虑到资料的代表性、权威性、真实性与可获得性，本文以南京大学中国人文社会科学综合评价研究院发布的CSSCI（2021-2022）来源期刊目录、扩展版目录及北京大学图书馆发布的中文核心期刊目录中《管理世界》《南开管理评论》等经济管理类核心期刊为样本（席锐、王治，2023）［14］。同时，考虑到在2019年党的十九届四中全会首次将数据作为生产要素参与分配之前，鲜有研究涉及数据的生产要素这一属性，因此，本文将文献检索时间限定为2019年至2023年。为保证全面覆盖与数据要素价值释放机理相关的研究，本文选定“数据”“数据要素”“数据资本”“数据资源”“数字化”“价值”等作为组合检索词，并将检索条件设定为主题词、关键词或全文展开搜索，筛选其中与数据要素价值相关的文献。最终通过以上方式得到92份有效文献作为本研究的原始资料，并预留其中1/3作为后续理论饱和度检验的样本（骆达，等，2023）［15］。

本文严格按照扎根理论的三级编码法进行分析，从原始资料中抽象出概念类别，理清关系并建构理论。

（一）开放性编码

开放性编码是在广泛收集原始资料的基础上，对分散、不成体系的原始资料进行比较分析，提炼初始概念并初步抽象出范畴的过程（李志刚，2019）［16］。本文遵循开放性编码的要求，借助定性研究软件Nvivo11进行编码。首先，将整理好的61份文本资料导入Nvivo11相应文件夹中，逐行逐字审查筛选，提取其中涉及“数据”“数据要素”“数据资本”“数据资源”“数字化”“价值”等词语的句子贴标签。其次，根据语意相同或相近原则，对标签数据反复推敲整理，合并内涵相同的标签，并删除出现频次低于两次的标签，初步提取出68个初始概念。然后，对提取出的存在交叉关系的概念进一步剖析提炼，最终抽象出18个副范畴，参见表2。表2开放性编码部分结果

获取F11数据感知将现实世界客观事物的特征信息按一定规律变成为人类和机器可理解与认知的通信信号输出。F12数据标注提取车辆周围环境中的车道线、交通标志、行人、障碍物等有用信息，给它们打上相应的标签，以便训练和评估智能驾驶系统。F13数据采集使用传感器和各类信息化办公软件等采集内部的设备运行数据和运营数据，并通过互联网平台和爬虫技术等采集外部的供应链和用户需求等数据。F14数据联接交互人、物、设备、基础设施与生产生活数据联接交互。F15数据整合共享把不同医院、医疗机构和社区所产生的数据串联在一起。F16产业数字化

带来增量数据产业数字化进程促使各类医疗数据、金融数据、视频数据、工业数据不断丰富，同时，各类数据的采集、开发和应用，进一步推进了各领域的产业数字化进程，进而产生更为丰富的数据资源，形成数据生态的良性循环。F17数据传输5G网络、固定宽带网络与卫星网络相结合，联接了末端海量的设备和终端，为其提供业务接入和数据传递。F2数据

处理F21数据清洗去除无效数据以提高数据的质量和可用性。F22数据脱敏化原始数据经过脱敏化处理后形成初级数据产品，实现敏感隐私数据的可靠保护，降低数据敏感度减少隐私风险。F23数据标准化在算法和算力的支持下，人脸识别和视频结构化技术可以将原本需要人工查验的视频流，快速转化为可实现实时对比的结构化数据库。…… …… ……（二）主轴编码

主轴编码是在开放性编码的基础上，重新梳理编码资料，发现和建立开放性编码所得初始范畴之间的内在关联，提取主范疇的过程（李志刚，2019）［16］。本文对开放性编码所得18个副范畴进一步对比分析，按照其逻辑关联归类整合，最终归纳出技术应用、市场化流通、场景化应用3个主范畴，主轴编码结果见表3。以“技术应用”为例：数据要素从初始数据形态不断演进到最终释放价值必须依托新一代信息技术，为数据获取、处理、存储、分析等环节提供算法、算力方面的支持，提高各环节的处理能力和效率，从源头上激活数据价值。表3主轴编码形成的主范畴及内涵

主范畴 副范畴 内涵释义A1技术应用A11数据获取、A12数据处理、A13数据存储、A14数据分析数据要素从最初零散、碎片化、低质的初始数据形态到最终发挥价值需要经历收集、处理、存储、分析等过程，这一过程离不开各类技术的有效支持，依托技术应用将初始数据转化为具有实际经济价值的高质量数据资源，为组织和个人带来实际经济效益与社会效益。A2市场化流通 A21数据确权、A22数据定价、A23数据交易、A24数据流通、A25数据要素市场生态完善的数据产权、定价、流通、交易、分配等制度，可以促进数据市场化流通，将分散在不同系统和组织中的数据整合起来，流向市场最需要的领域和方向，激发数据要素创新活力与价值潜能。A3场景化应用A31融合传统生产要素、A32智慧交通、A33智慧医疗、A34智能制造、A35智慧教育、A36智慧农业、A37智慧金融、A38城市治理、A39新零售数据要素融合传统生产要素广泛应用于农业、交通、医疗、教育、金融等现实经济场景，二者共同构成一种强大的驱动力，为实体业务带来新的机遇，也为数据要素价值释放创造更广阔的空间。

（三）选择性编码与模型构建

选择性编码是一个从初始概念、副范畴和主范畴中归纳提炼确定核心范畴，并根据故事线来剖析主范畴之间内在逻辑关系，建立理论模型的过程（李志刚，2019）［16］。本文在开放性编码、主轴编码的基础上，通过反复对比分析，深入挖掘主范畴的本质内涵，提炼出能够统筹整合“技术应用、市场化流通、场景化应用”这3个主范畴的核心范畴：数据要素价值释放机理，并构建了理论模型，如图1所示。

围绕“数据要素价值释放机理”这一核心范畴的“故事线”为：数据要素价值释放的起点在于技术应用，依托技术对数据进行收集、处理、分析提升数据质量，赋予其使用价值，并通过建立健全数据要素的产权、流通、交易、分配等制度，促进数据市场化流通，使数据资源流向市场最需要的领域和方向，而后创新性的应用于具体业务场景中，与资本、劳动、技术等传统生产要素融合，激发数据要素的创新活力与价值潜能。图1数据要素价值释放理论模型（四）理论饱和度检验

为对已经建构的理论模型进行饱和度检验，本文对预留的31份原始资料进行新一轮编码。结果显示，模型中提炼的各个范畴已经比较完备，未出现新的范畴及相关关系，表明该模型已达到理论饱和（李志刚，2019）［16］。

五、模型阐述

（一）以技术应用激活数据使用价值

数据要素从最初的原始数据形态到参与社会生产经营管理活动并发挥其价值，要经历一系列的演进过程。数据要素价值释放的起点在于技术应用。根据国家互联网信息办公室发布的《数字中国发展报告（2022年）》 显示，我国数据资源规模增长迅速，2022年我国数据产量已达81ZB，同比增长227%，全球占比达105%，位居世界第二，数据产量十分丰富。然而由于数据来源分散，繁杂冗余，脏数据、假数据规模较大，存在数据质量不够、标准不一致、碎片化、分散化等问题，真正开放、共享、可使用的数据量很小，不经过处理难以产生实际价值（蔡继明等，2022）［3］。唯有经过数据采集、汇聚、清洗、加工等技术处理，才能将这些原始的、零散的、低质的数据转化为可利用、可共享的具有实际经济价值的高质量数据资源，才能充分发挥数据在社会生产经营管理活动中的价值属性和功能作用，为各行各业提供决策支持和创新动力。

原始数据到数据资源这一处理过程在很大程度上重新构建了数据关系，大大提升了数据质量，数据资源被赋予了使用价值，为释放数据要素价值奠定了基础。要实现这一过程，技术的有效运用是至关重要的。因此，释放数据要素价值首先需要着眼于技术，为技术持续改进升级投入更多的关注度，致力于提升数据处理的效率、准确度及普及程度，保证数据前期收集和处理效率，为后续开辟更大的价值潜力空间。

（二）以市场化流通挖掘数据潜在价值

数据要素涉及的主体繁多，其本身结构和分布的不均衡性导致利用效率和价值潜力难以得到充分发挥，需要依靠市场机制进行流通和交易来挖掘数据的潜在价值。

数据的使用价值在于对产业生产效率和市场运行效率的普遍提升作用，而这种提升作用又高度依赖于数据的规模质量、多源融合和应用场景。只有通过市场化流通，才能实现数据的高效配置、优化组合和创新应用，从而充分发挥数据的规模效应和网络效应，激发数据的潜在价值。一方面，依托于数据可复制、可共享、非竞争性等优势特征，数据要素在不同主体、领域、地域之间进行使用和流通的过程中不会被损耗，反而会产生更丰富的知识和信息（张昕蔚、蒋长流，2021）［17］，形成数据的正反馈循环，从而使得数据具有持续增值的潜力，提高其利用效率和价值。越大规模、越高维度的数据汇聚融合更有利于发现数据之间的关联和规律，支撑企业决策和创新，实现价值倍增，使得规模报酬递增效应充分显现。另一方面，数据具有较强的创新性和驱动性，可以通过算力、算法、模型等技术手段对数据进行加工、分析、应用等操作，产生新的知识、产品、服务、商业模式等。这使得数据可以不断创造新的价值，并推动其他生产要素的创新和升级，实现价值的转化和增值。

市场化流通是数据要素价值释放的关键。通过建立健全数据要素的产权、流通、交易、分配等制度，将分散在不同系统和组织中的数据整合起来，打破数据孤岛，促进数据市场化流通，使数据资源流向市场最需要的领域和方向，实现优质数据的多源融合和多场景应用，激发数据要素的创新活力和价值潜能。例如，在医疗领域，通过市场化流通，医院、药企、保险公司等各方可以共享和交换医疗数据，从而提高医疗服务质量和效率，降低医疗成本和风险，创造出更多的医疗价值。市场化流通不仅可以提高数据的配置效率，降低交易成本，还可以提升数据的激励效率，激发数据供给者、需求者和开发者的积极性和创造力。市场化流通还可以促进数据要素的融合发展，使不同企业能够获取更多数量、更多维度、更高质量的数据，从而形成更大的规模经济和范围经济效应，增加数据要素的价值。

（三）以场景化应用释放数据扩展价值

作为新时代的战略资源，数据资源能够反映经济社会运行的规律及特征，为各行各业提供决策支持和创新动力，富有极大的价值潜力。然而，数据资源本身并不能直接创造大量价值，也不能直接参与价值分配（Ylijoki and Porras，2019）［18］，唯有应用于具体业务场景中，与资本、劳动、技术等传统生产要素融合，方能实現产业层面的价值创造，释放数据扩展价值。

数据要素是新时代的战略性生产要素，它与传统生产要素有着本质的区别。相较于传统生产要素，数据要素的价值实现更加依赖于场景的应用。根据不同的使用需求和场景，将数据要素应用于旅游、农业、工业、民生服务和社会治理等丰富多元的行业领域中，结合行业特点和市场需求，开发出适应不同场景的解决方案，利用数据分析、数据服务、数据产品等方式，将数据转化为有价值的信息和知识，从而提高数据的使用效率和价值实现。通过数据要素的场景化应用，可以提升产业网络化、智能化水平，推动产业数字化转型，培育新型产业生态，颠覆传统的资源配置方式，打造全新的经济增长点。此外，数据要素不仅能够应用于现实业务场景中实现生产过程，更重要的是能够显著提升其他生产要素之间的资源配置效率。具体而言，场景化应用中数据要素与传统生产要素融合，通过挖掘开发经济活动的数据存量、流量和增量资源，有效驱动劳动力、资本、土地、技术等传统要素实现网络化共享、集约化整合、协作化开发和高效化利用（杨佩卿，2020）［19］，在很大程度上显著提升传统生产要素利用效率，推动其实现价值增值。数据要素对传统生产要素具有极大的倍增效应，传统生产要素用数据赋能后更加高效、精准，有效释放数据要素扩展价值。场景化应用是数据交易和数据服务的重要方式，它可以有效解决数据权属不清、数据安全与隐私保护、数据集中化等制约数据交易的问题，促进数据的合规与高效流通使用，充分发挥数据的规模效应和网络效应，提高数据资源利用效率。

六、研究结论

本文基于扎根理论，对数据要素价值释放机理进行研究发现数据要素价值释放涉及技术应用、市场化流通、场景化应用三个环节。技术应用是数据要素价值释放的起点，5G、云计算、物联网、工业互联网、人工智能、区块链等信息技术融合应用于数据的收集、处理、存储和分析全过程，大幅提高数据质量，使其由繁杂冗余的初始数据形态转变为具有实际应用价值的资源，激活数据的使用价值，为后续价值释放奠定基础。而后数据进入市场领域，依靠市场机制进行流通交易，将分散在不同系统和组织中的数据整合起来，打破数据孤岛，使数据资源流向市场最需要的领域和方向，为数据的进一步应用创造了条件。通过市场化流通，数据得以广泛应用于具体业务场景中，真正纳入社会生产过程，数据要素价值最大化得以实现。总之，技术应用、市场化流通、场景化应用三个环节相互依赖、相互促进，通过有效的技术应用，数据得以优化和加工，而市场化流通和场景化应用则将这些优化后的数据转化为实际的生产力，充分释放数据要素价值，推动数字经济繁荣和创新发展。

当前，无论政府、企业还是个人均拥有海量的数据资源，然而受限于技术水平不足，制度规范不够完善，大部分数据仍无法在市场上进行流通和应用，一定程度上阻碍了数据要素价值释放。因此，政府、企业、研究机构应多方合作投入资源人才，推动技术难题攻关，提升数据要素的采集、存储、处理、分析、应用能力，推动数据标准化、共享化、智能化发展，保障数据质量和安全。同时，应持续推动数据要素市场化体系健全，完善数据要素产权制度，明确数据的权属、责任、利益等，保障数据提供方、需求方、中介方等各参与主体的合法权益，进一步规范数据要素交易机制，建立数据要素的估值、定价、交易、结算等流程和标准，促进数据要素的高效流通与合理分配。

［参考文献］

［1］王谦，付晓东.数据要素赋能经济增长机制探究［J］.上海经济研究，2021（4）：55-66.

［2］阳巧英，夏义堃.我国数据要素价值形成机理、影响因素与实现路径——基于扎根理论的分析［J］.图书与情报，2023（2）：12-22.

［3］蔡继明，劉媛，高宏，等.数据要素参与价值创造的途径——基于广义价值论的一般均衡分析［J］.管理世界，2022，38（7）：108-121.

［4］Francesco S， Daniela C， Yasar J. Creating value from Big Data： a knowledge assets-based view［J］. Knowledge management research & practice， 2023，21（4）：714-724.

［5］庄子银.数据的经济价值及其合理参与分配的建议［J］.国家治理，2020（16）：41-45.

［6］Jones C I， Tonetti C. Nonrivalry and the Economics of Data［J］. American Economic Review， 2020， 110（9）：2819-2858.

［7］陈书晴，任昊翔，陶思佳，等.数据要素与多元市场主体融合机制研究［J］.信息通信技术与政策，2022（1）：2-10.

［8］朱秀梅，林晓玥，王天东，等.数据价值化：研究评述与展望［J］.外国经济与管理：1-16.

［9］Faroukhi A Z， Alaoui I E， Gahi Y， et al. Big data monetization throughout Big Data Value Chain： a comprehensive review［J］. Journal of Big Data， 2020， 7（1）：1-22.

［10］唐要家，唐春晖.数据价值释放的理论逻辑、实现路径与治理体系［J］.长白学刊，2022（1）：98-106.

［11］李海舰，赵丽.数据成为生产要素：特征、机制与价值形态演进［J］.上海经济研究，2021（8）：48-59.

［12］王泽宇，吕艾临，闫树.数据要素形成与价值释放规律研究［J］.大数据，2023，9（2）：33-45.

［13］苏贝，杨水利.基于扎根理论的制造企业智能化转型升级影响因素研究［J］.科技管理研究，2018，38（8）：115-123.

［14］席锐，王治.新时代优秀编辑综合评价指标体系构建与应用——基于扎根理论的质性研究［J］.中国编辑，2023（7）：71-75.

［15］骆达，李祥飞，龚超.基于扎根理论和结构方程的分级诊疗绩效评价模型构建研究［J］.中国医院，2023，27（7）：31-35.

［16］李志刚，韩炜，何诗宁，等.轻资产型裂变新创企业生成模式研究——基于扎根理论方法的探索［J］.南开管理评论，2019，22（5）：117-129.

［17］张昕蔚，蒋长流.数据的要素化过程及其与传统产业数字化的融合机制研究［J］.上海经济研究，2021（3）：60-69.

［18］Ylijoki O， Porras J. A recipe for big data value creation［J］. Business Process Management Journal， 2019， 25（5）： 1085-1100.

［19］杨佩卿.数字经济的价值、发展重点及政策供给［J］.西安交通大学学报（社会科学版），2020，40（2）：57-65+144.