一、问题的提出
互联网、云计算、大数据、人工智能等数字技术在生产生活中的应用，既促进了数据的海量生产、交换和流动，又为数据的要素化转化和应用提供了高效可靠的技术支撑。早在2017年12月，习近平总书记在中共中央政治局就实施国家大数据战略进行集体学习时指出，“大数据是信息化发展的新阶段”，“要构建以数据为关键要素的数字经济”，“发挥数据的基础资源作用和创新引擎作用，加快形成以创新为主要引领和支撑的数字经济”。党的十八大以来，我国数字经济高速发展，《数字中国发展报告（2022年）》显示，2022年，我国数字经济规模达50.2万亿元，总量稳居世界第二，同比名义增长10.3%，占国内生产总值比重提升至41.5%。数字经济在国民经济中的地位愈发突出，已逐渐成为稳增长、促转型的重要引擎。我国具有数据规模和数据应用优势，据国际数据公司（IDC）发布的Global DataSphere 2023显示，中国数据量规模将从2022的23.88ZB增长至2027年的76.6ZB，年均增长速度（复合年均增长率）达到26.3%，居全球第一。近年来，数据要素正逐渐成为土地、劳动力、资本、技术之后的驱动经济社会发展的新的生产要素，已快速融入生产、分配、流通、消费和社会服务管理等各环节，加快构建以数据为关键要素的数字经济，取得了积极进展。
党和政府高度重视数据要素的作用，强调数据是数字经济时代的基础性资源、重要生产力和关键生产要素。2020年4月，中共中央、国务院发布的《关于构建更加完善的要素市场化配置体制机制的意见》要求，加快培育数据要素市场。2022年1月，《“十四五”数字经济发展规划》提出，数据要素是数字经济深化发展的核心引擎，对充分发挥数据要素价值作出重要部署。2022年6月22日，习近平总书记主持召开中央全面深化改革委员会第二十六次会议时强调，“数据基础制度建设事关国家发展和安全大局，要维护国家数据安全，保护个人信息和商业秘密，促进数据高效流通使用、赋能实体经济，统筹推进数据产权、流通交易、收益分配、安全治理，加快构建数据基础制度体系”。根据中央的部署，2022年12月，中共中央、国务院颁布的《关于构建数据基础制度更好发挥数据要素作用的意见》进一步指出，构建适应数据特征、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，充分发挥我国海量数据规模和丰富应用场景优势，激活数据要素潜能，做强做优做大数字经济，增强经济发展新动能，构筑国家竞争新优势。
学术界普遍认为，数据要素具备某种特殊的倍增效应，能在经济系统中释放出数倍于初始系统的倍增价值，但鲜有文献从理论上论述数据要素如何发挥倍增作用，也缺乏对其内在逻辑与作用机理的深入论证。基于此，本文研究的问题是：数据要素如何释放价值？数据要素如何发挥倍增作用？如何最大限度地发挥数据要素价值？本文在理论分析的基础上，研究了影响数据要素发挥倍增作用的制约因素，最后从要素层、产业层和制度层提出了对策建议。
二、文献综述及评论
我国政府和学术界提出，数据要素作为新型生产要素，是数字经济的关键生产要素，是数字化、网络化、智能化的基础，在技术—经济新范式的构建中具有重要价值。这是生产要素和经济增长领域的重大理论创新，是推动数字经济发展的理论支撑。学术界关于数据要素价值及其实现机理的研究主要有三个视角。
首先是关于数据要素价值认知的研究。有研究者认为，数据要素区别于原始数据，是一种具有生产效应、可描述的、更小范围的、能作用于其他客体的、具备特殊作用的有效信息。数据要素具备非要素性数据缺乏的创造力和实现价值的能力。一方面，数据本身具有显著的大规模可得性与低成本性，具备成为关键生产要素的前置条件。数据要素的使能性（enabling technologies）促使使用者加大对数据的投入，有利于现存条件下生产状况的改善与技术水平的进步。随着此类通用目的性（general purpose technologies，GPTs）技术的演变、发展和应用，传统产业运用数据提升生产效率将有更广阔的空间。另一方面，数据来源于生产和生活，以生产要素形式存在的数据是经人类劳动行为加工所产生的副产品，本质是一种“组合”过程，有利于新知识、新思想的形成。在这种“组合理论”的生产函数中，数据要素通过关联相关知识产生决策信息，继而促使生产活动的路线更加明确，减少不确定性，是提高生产效率的有力路径。
其次是关于数据要素增值方式的研究。研究者将数据要素增值方式的具体路径归纳为直接增值与间接增值。第一，直接增值是数据要素直接释放价值的一种能力。数据要素从根源上蕴含着个人的劳动，亦可视之为劳动的从属，其本身具有价值属性，在生产活动中能直接释放经济价值。这主要依赖于三种方式：一是数据要素直接促进知识形成。数据要素通过叠加与积累的过程，推动一系列经济活动中的知识水平上升到新的层次，在生产与组织管理中能显著提升价值创造的效率。二是数据要素直接优化匹配效率。数据要素的流通意味着有效信息的传递，互联网、大数据等数字技术的发展与应用能扩大信息的交互、减少供需双方的信息壁垒。在此基础上，企业能准确地为用户提供更为精细化的服务与产品，消费者能在市场中完成更高质量的交易与反馈。三是数据要素直接推动技术水平跃迁。2010年以来，5G通讯、云计算、人工智能等新一代数字技术逐步深入应用，推动传统产业网络化、数字化和智能化，催生新技术、新产业、新服务、新模式。数据要素是数字技术应用的副产品，作为新型生产要素，在推动数字产业化和产业数字化中发挥了重要作用。第二，间接增值是指数据要素与其他要素结合，是实现数据价值增值的关键途径。数据要素基于算力、算法、模型才能创造价值，数据创造价值的基本逻辑有三条：价值倍增（提升传统单一要素生产效率）、资源优化（优化传统要素资源配置效率）、激发创新（激活其他要素替代传统要素的投入和功能）。一方面，数据要素融入生产、分配、流通、消费和社会服务管理等各环节，与劳动、资本、技术等传统生产要素融合，推动最终产品的生产，提高单一要素的配置效率和生产效率，在生产中完成样本数据的扩充与要素赋能，继而实现价值倍增的良性循环。另一方面，数据要素与其他要素结合形成数据资本，数据资本的“两重创新性”是生产力提升的关键。这不仅能直接作为生产要素促进经济增长，也可以通过促进其他生产要素的高效配置，间接提升其他生产要素的使用效率。
最后是关于数据要素的作用效果的研究。研究者从微观、中观、宏观展开了不同层次的探索。在微观层面，数据要素作用机理的主要表现形式是生产效率的提高。数据要素借由搜集、挖掘、分析、处理等系列活动释放其承载的价值信息，通过调整投入—产出比例来提高要素层面资源的协同与配置效率，主要有三个途径：一是数据要素推动信息挖掘，减少经济活动中的不确定性，利于企业掌握精准情报，从而制定专门化的产品服务。二是数据要素激发企业创新活力，企业间的协同、交流、共享行为能最大化地提升创新效率，为生产效率的提升奠定基础。三是数据要素优化技术选择，数据动态反馈机制便于生产方适应消费端的偏好变化，促使高数据存量企业能以最优技术进行高效率的生产。在中观层面，成本控制是影响数据要素作用价值的重要逻辑。数据要素的运用致使搜寻、复制、运输、追踪和验证等成本降低，经济系统的运行更有效率。一系列成本的降低意味着生产、分配、流通、消费全流程优化，运用数据要素的产业和企业将在潜移默化中完成数字化蜕变。数据要素的动态生产周期演变能激发产业的信息、流程、业务及生态的数据化，促进新兴数字化产业链、物流链、服务链、价值链的形成，推动数字化转型的同时能为传统产业带来更高的经济效益。在宏观层面，规模经济、范围经济、网络效应、长尾效应是数据要素促进实体经济稳固增长的机理。一方面，以数据为关键生产要素的数字经济，推动各类资源要素快捷流动、各类市场主体加速融合，提升经济社会各领域资源配置效能，增强经济发展动能、畅通经济循环。数据倍增高质量增长的机制主要是促进企业高质量决策、增进市场高效运行、多要素合成效率提升、驱动高效率创新等，实现了内生的经济增长倍增效应。另一方面，数据网络效应不同于平台网络效应，当产品的价值随数据增多而提升，并且当产品的使用增多会产生数据时，就会产生数据网络效应。随着聚合数据的不断增长，数据对每一位用户的价值也随之提高，更多的数据会继续几乎无限期地产生价值，能给平台经济带来显著的竞争优势与经济价值，促进经济高质量增长。因此，国家发展改革委认为，激活数据要素价值，不仅有利于提高全要素生产率，增强经济发展动能，加快推进质量变革、效率变革、动力变革，而且有利于赋能实体经济，促成新旧动能加快转换，是改造提升传统产业转型升级的新支点，成为构建现代化经济体系的重要引擎。
综上，现有文献对于数据要素的价值认知、价值增值方式和作用效果等问题进行了深入系统的研究，但是关于数据要素倍增效应的界定、数据要素发挥倍增效应的机制的文献则相对较少。虽然有些文献的研究中涉及了数据要素的倍增效应，但鲜有文献明确界定数据要素倍增效应的概念，对数据要素倍增效应的实质与数据要素发挥倍增效应的深层逻辑路径的研究不够深入。本文的边际贡献在于：第一，系统地梳理了数据要素的倍增效应，清晰界定了数据要素倍增效应的概念、内涵和分类，并构建了数据要素倍增效应的理论模型，丰富和拓展了有关数据要素倍增效应的研究。第二，从微观与宏观两个角度分析了数据要素发挥倍增效应的逻辑机理，揭示了数据要素基于决策优化实现价值增值的特征事实。第三，本文从要素、产业、制度三个层面，探讨了数据要素发挥倍增效应的制约因素，为充分激活数据要素潜能、构建数据基础制度体系提出建议。
三、数据要素发挥倍增效应的理论机制
随着数字技术与实体经济融合、数字经济与实体经济融合进一步加深，大数据技术加速发展并不断深入行业应用，数据作为生产要素的价值不断凸显。政府和理论界都在讨论如何激活数据要素潜在价值、如何推动数据生产要素与传统生产要素叠加和融合从而发挥倍增作用等问题，然而对于数据要素发挥倍增效应的本源问题缺乏深入研究。本文从概念入手，揭示数据要素倍增效应的内在机制。
（一）数据要素倍增效应的概念与内涵
1.数据要素倍增效应的界定
倍增效应源于电磁物理学。菲洛·泰勒·法恩斯沃思（Philo Taylor Farnsworth）观察到在真空管内的某些区域会累积带电粒子，提出了倍增器（multipactor）的概念。这个效应被后人称为二次电子倍增效应，指高频腔内电子的一种反复振荡放大的过程。例如，雪崩光电二极管利用倍增效应来放大微弱光信号。经济学中的倍增效应衍生于乘数效应（Multiplier effect），乘数效应是指经济活动中某一变量的增减所引起经济总量变化的连锁反应程度。本文认为，经济学中的倍增效应是指，在给定经济周期中，各类生产要素通过规律性的协同整合机制进入经济系统，产生的经济总量远大于（数倍于）单一生产要素产出的现象。比如，要素生产率是指考虑某种或者某几种要素投入带来的产出的变化，全要素生产率是指各要素（如资本和劳动等）投入之外的技术进步和能力实现等导致的产出增加，通常被视为技术进步对经济发展作用的综合反映。
数据要素进入经济系统，对生产力水平的提高、经济活动的效率提升、技术水平的改进、运行成本的控制等各方面均会发生作用。数据要素能在经济活动中释放价值，得益于其通常借助非线性的协同作用与其他要素有机结合，继而在相互影响下实现全要素生产率的几何倍增，在整体经济效益提升的过程中体现其价值倍增的能力。为更清晰地厘清数据要素价值增值的基本原理，界定数据要素倍增效应的实质，本文从生产要素角度出发，借助简易的经济生产模型分析数据要素的倍增效应对生产系统整体经济价值造成的影响，如图1所示。
在该经济系统中仅考虑劳动（L）、资本（K）、技术（A）、数据（D）这些生产要素。在一个其他条件恒定的生产周期内，可得到原始生产循环流程示意图图1（左）与数据要素参与后的数字化生产循环示意图图1（右）。在未涉及数据要素投入的生产周期内，给定的技术水平A的条件下，原始投入L、K在经过一系列生产环节后所得到的产出流向Y可分为三个部分：①扩大再生产部分，即运用剩余的生产性积累维持后续生产或扩大生产规模的再生产部分。②其他要素流向部分，即经该生产循环创造出的、在后续循环中不继续参与该生产的、可直接流向其他生产系统中的流动产出。显然，其他部分与扩大再生产部分均是可直接观测的、具实体形态的显性价值部分，可统列为显性产出。③伴随生产过程产生的数据要素部分，即经过一系列生产过程中自然而然积累的数据要素，其实质是与经济生产相关联的有效信息的合集，亦可看做生产经验与技术学习的累积。换言之，无论是否运用数据要素开展生产，数据要素的积累依旧是持续进行的，由于此部分产出不易量化观测，本文将之定义为隐性产出。
在图1（左）中，数据要素未直接参与生产循环，伴随生产流程产生的数据要素处于一种未开发的孤立状态。当新的生产流程引入数据要素之后，作为关键生产要素，由数据要素主导的数字化生产推翻了传统的生产模式，与数字化相关联的新技术、新流程、新业态、新模式的持续性渗透深刻地改变了原始生产循环与产业链的组成，更低的成本、更好的服务、更优的产品成为新数字化产业的标志，全产业链的劳动生产率大幅提升，数据要素的倍增效应也得以充分展现。具体而言，图1（右）中数据要素的倍增效应可分为两个部分：一是数据要素的转换倍增效应，即数据要素的初次价值倍增，指数据要素在单一生产周期中将其他要素转换为具备更高价值生产要素的过程。在单次的生产循环中，数据要素能通过与劳动、资本、技术等生产要素的有机结合实现单一要素的价值倍增，产业链的生产率也因此得到提升。二是数据要素的循环倍增效应，即数据要素的再次价值倍增，指充分发挥数据要素循环生产的特性，将伴随上次生产流程的隐性产出（数据要素），再次并入到已有的数据集合中，丰富数据集广度的同时提高后续数据要素在转换倍增中赋能强度的过程。在逐次进行的生产流程中，数据要素助力其他生产要素更大化地释放价值，其他要素亦在丰富积累的过程中反哺数据要素，数据要素的积累形成飞轮效应，在新一轮的生产中将发挥更大的价值。
换言之，由上述模型的逻辑推导可知，数据要素并非一种“无中生有”的全新要素，只是并未在原始的生产流程中得到充分运用。数据要素的倍增效应是经济系统层面的增长，倍增是与传统经济系统相较而言，是数据要素参与到新的经济生产中所发挥的特殊价值。为此，本文对数据要素的倍增效应作出如下界定:在稳定的经济系统中，伴随经济活动产生的数据，在数字技术支撑下持续迭代积累，数据的价值能够得到倍增的现象。在这个界定中，笔者认为，数据要素的倍增效应由两部分组成：一是瞬时性的，提高单一要素价值的转换倍增效应；二是持续性的，优化经济系统循环的循环倍增效应。在两种效应的共同作用下，数据要素能动态地、持续地作用于其他要素并产生更多的数据，数据的倍增带来要素投入的增加和要素投入产出效率提升，最终促进全要素生产率与经济效率的提升。
2.数据要素倍增效应的模型推导
为明晰数据要素倍增效应的深层内涵、完善数据要素的理论框架，本文在此借助道格拉斯生产函数模型，推导数据要素倍增效应的一般表达形式。
参考道格拉斯生产函数的一般表达形式：
结合该式与本文的推导可知，数据要素的单次倍增效应受经济系统内其他生产要素与数据要素的作用程度影响，s、m、n等倍增系数的提升与数据要素的转换倍增效应强度正相关。此外，数据要素的倍增效应在给定生产周期内具备时序性，数据要素完成上一轮生产倍增赋能的同时会持续影响下一轮生产的进行，其循环倍增效应表现为在往复迭代累积的过程中不断提升经济系统内整体的要素价值，这与前文关于数据要素倍增效应的分析是吻合的。
（二）基于决策的数据要素倍增机制
从前文数据要素倍增效应的界定与理论框架可知，数据要素并非独立作用于经济系统，倍增效应的发挥往往伴随着其与其他生产要素的相互作用，这也是数据要素实现价值增值的必要环节。具体到实践之中，经济决策是其主要表现形式，链式决策流程优化则是数据要素发挥倍增效应的深层机制。
所谓决策，狭义上指决定的策略或办法，是人们为各种事件出主意、做决定的过程。事实上，“策”的涵盖面非常广，不同生产要素投入方案、资源配置模式、生产技术方式实质上都是“策”，决策就是最优“策”的确定与落实，是经济行为的根本。数据要素通过决策优化发挥倍增效应主要有两个机制：一是决策优化意味着认知能力的深化，知识与智慧层次的飞跃致使人类对世界的感知、理解、预测和控制能力提高，利于推动价值的发现与创造。二是决策优化能提高经济行为效率，推动生产力的演进，催生新生产模式与变革生产方式，促使生产效率达到新的境界。已知“策”的适配让经济行为趋向帕累托最优，未知“策”的创新能扩展效率的可能性边界，决策优化是经济效率提高的根本。在完整的链式决策中，数据要素通过寻找优“策”、辅助决“策”，最后落实决策，借决策效率的优化完成价值的释放与增值，这即是数据要素发挥倍增效应的深层逻辑。基于此，可将数据要素的倍增效应分为微观、宏观两个方面，如图2所示。
1.倍增效应的微观机理：数据要素驱动企业运行决策
在微观层面，数据要素驱动企业运行决策优化以实现倍增效应。数据参与企业运作的本质是通过发挥数字算力的优势形成智能化闭环，即时地展开生产、处理、传输、分析等系列可度量、可追溯、可预测、可传承的算法活动，凭借数据+算力+算法的有机结合进一步挖掘出新的、具备预知性的有效信息以作用于其他要素，在信息挖掘与积累的过程中降低生产活动中的不确定性，继而推动企业决策的智能化与效率化，发挥倍增效应的同时驱动实体经济数字化转型。具体而言，初步收集的数据经处理整合后，借助可实施的决策在应用场景中释放价值。数据融入场景应用，在数字平台、数字技术等数字化工具的辅助下展现要素属性，在决策链中往复循环，逐步驱使企业作业决策、管理决策与战略决策等环节的流程优化，最终致使经济行为的执行效率提升。具体地，可将该流程分为三个阶段：
第一阶段，决策欲求产生，以数据与算力高度结合为主。在数字时代高技术密度属性下，算力平台蓬勃发展，逐渐成为驱动经济高质量发展的重要引擎。算力的提升为摄取与收集广泛、低成本、大规模可得且存在于客观世界中的数据提供了可能，能够充分发挥算力优势，大量、多样、高效地搜集、挖掘、分析、处理可得数据是该阶段的主要内容。依托一体化的算力服务平台实现对算力、存储、网络及数据等分布资源的整合，继而根据科学计算、工程计算和智能计算等场景需求，向用户输出算力、算法、数据、应用高度协同的一体化资源。在此过程中，无意义的初始数据趋向要素化，数据要素价值初显，微观主体对客观事实的认知与理解亦得到深化。在“认知现状→发现问题→提出问题→处理问题”的过程中，数据要素化与问题导向链的推进同步进行，继而在问题中产生决策欲求以赋能整体流程的实时跟进，这也是企业运行决策与要素价值倍增的源头。
第二阶段，决策行为落实，以数据与算法高度结合为主。算力侧重数据的要素化转变，而算法关注要素价值的释放。“数据+算力”助力决策欲求产生，“数据+算法”则是推动决策行为落实的关键。数据要素驱动决策包括预决策、策分析、终决策三个步骤。从计量经济学角度来看，“策”是生产函数，“决策”即是在给定生产要素中挑选契合的生产函数。在此基础下，预决策是生产函数的预选择，指通过对事物的过去和现在进行科学调查分析、研究以寻找出其发展变化规律，进而利用一定方法或技术来预测未来发展态势、方向、可能和状态，最终为决策落实增加可行性与选择性的甄别过程。策分析是对可供选择的生产函数的期望预判，是算法技术优势与数据要素的深度结合。以信息、网络技术为基础的智能算法本身具有运算强、传输快、全时工作、决策一致性高、失误率低等特点。在数据要素的驱动下，利用不断优化的算法持续挖掘数据，使不同预测周期时效范围内事物的普遍、特殊规律在同一时空中得以呈现，继而依靠其在海量数据搜寻、数据分析、内容生成等方面的技术创新优势，逐步形成一种针对应用场景的靶向选择方案，能大幅提高决策的可实施性与合理性。终决策则是权衡各方案作出的行动选择，决策执行使数据要素的价值得以体现，是企业运行与价值倍增的重要节点。
第三阶段，决策结果反馈，是数据、算力与算法的多维融合。决策落实是数据要素创造价值的开端，决策结果反馈则是实现价值增值的必要手段，以“数据+算力+算法”驱动决策链式优化是其本质所在。具言之，决策执行伴随着新数据的产生与积累，算力算法再次辅助数据的要素化与价值化，逐渐形成往复前进的逻辑流程链。延续前文推导，在此过程中，第p次决策链式流程中的产出为：图片。
2.倍增效应的宏观逻辑：数据要素驱动资源配置决策
四、数据要素发挥倍增效应的制约因素
目前，我国数字经济正转向深化应用、规范发展、普惠共享的新阶段，然而数据要素对提高生产效率的乘数作用和倍增效应，在要素层、产业层、制度层等各方面仍然存在诸多阻碍与制约。为充分发挥数据要素作用，本部分将结合理论框架与典型事实，深入探究数据要素在各层次发挥倍增效应的主要制约因素。
（一）要素层：数据要素积累不充分，要素化流程受限
要素层是数据要素发挥倍增效应的基础。自2020年3月，中共中央政治局常务委员会明确提出“加快5G网络、数据中心等新型基础设施建设进度”以来，我国数据资源供给与数据要素化能力显著提升。2021年，政府数据开放平台数量（193个）较2012年（3个）增长了63倍，大型数据中心占比超80%，新型数据基础建设发展趋势向好。但综合而言，我国对于数据要素的整合能力仍待提升，距离“高存力、高算力、高运力、高安全、高能效”的新时代数据基础设施标准相差甚远，限制了经济决策所需的要素化数据的积累，不利于实体经济的产业结构转型与系统性优化。
其一，从整体上看，我国实体经济的数字化建设处于起步阶段，数字信息基础性建设覆盖不全面、网络联通协调性建设投入不稳定、算力驱动智能化建设开展不充分，致使大量数据资源不能及时完成要素化转变，数据作为关键生产要素的开发利用仍存广阔的提升空间。2022年，国研大数据研究院发布的《数字化采购引领中小企业数字化转型》报告显示，79%的中小企业处于数字化水平较低的初级探索阶段，尚未发挥数据要素的倍增价值。据《中国企业数字化转型及数据应用调研报告》显示，有超过80%的企业数据以非结构化为主，超过90%的企业内部存在数据孤岛，约80%的企业不认可自身数据挖掘能力，同时仅有不到40%的企业采购第三方数据，多数企业缺乏对外寻求优质、合规的第三方数据供应商的意识。因此，系统化建设滞后、数据管理水平不足、数据质量不高等困境严重阻碍了数据要素的积累，是数据要素发挥倍增效应所必须解决的首要问题。
其二，从局部上看，基础性建设中的存力建设相对落后，不能满足急速增长的数据供给与要素化数据的储存需求，限制了数据作为关键生产要素的价值发挥。数据存力是根据不同应用环境需求，以存储容量为核心，包含性能表现、可靠程度、绿色低碳在内的有效保存数据的综合能力（该定义源于2023年4月20日华为和罗兰贝格联合发布的《数据存力高质量发展的数字基石》白皮书）。数据存力是数据要素得以发挥倍增效应释放价值的基石。中国电子信息产业发展研究院根据Gartner、IDC数据进行整理和测算得出，美国数据存力充足性领先全球，高达19.4%，新加坡、德国为18.8%、18.4%，位列第二和第三；而我国行业全闪存占比不足12%，单位GDP的存储容量为23.52，约为新加坡的50%，且新型全闪存储占比为20.3%，仅达全球平均水平的一半（41.3%），整体与发达国家相比存在较大差距。存力不足限制了数据要素化的进度与量度，大量未完成要素化的数据难以被存储，极大地降低了数据要素的平均转化率，是制约数据要素发挥倍增效应的重要因素。
其三，从发展上看，产业数字化程度和区域数字化推进水平的不均衡不充分现象广泛存在，数据要素在部分领域的挖掘、开发、吸纳能力欠佳，不利于数据要素的持续性积累与倍增效应的发挥。以区域差异为例，根据《中国区域数字化发展指数报告》测算结果，我国数字化发展水平由高至低可分为全面引领型、均衡成长型和发展培育型三阶梯。其中，广东、浙江、北京、江苏、上海五省市为代表的第一梯队得分均在0.63以上，具有数字经济体量大、创新要素富集、基础设施完备、数字业态丰富、数字需求旺盛、政策配套完善等特质。而二、三梯队得分较低，资源存量相对匮乏、产业结构及技术创新不足、数据运转流通渠道不畅、缺乏科学有效的整合能力，数据难以发挥关键生产要素的作用与价值。如何让数字化发展从“盆景”演化为“全景”，让数据在全产业、全地区、全领域充分完成要素化转变与积累，则成为数据要素充分发挥倍增效应的要点所在。
（二）产业层：数据要素运用不完善，决策链优化受阻
产业层是数据要素发挥倍增效应的关键。数据要素作用于产业生产，在不同场景中协调生产要素配置，并不断发现、改进，以致最终确定趋向最优化的决策方案实现期望结果。但这种关于数据要素灵活分析与运用处理的能力正是当下所欠缺的，数据驱动决策所追求的最优化结果因此受到制约，数据要素的倍增效应难以充分体现，主要有以下三个方面的原因：
其一，数据算力限制。我国基于具体场景的算力应用与实体产业的融合层次仍待提升，数据要素难以在决策链中得到充分运用。据中国信息通信研究院数据显示，截至2021年底，中国算力核心产业规模超过1.5万亿元，关联产业规模超过8万亿元，算力已经成为拉动中国经济增长的核心引擎之一。然而，其仍面临需求碎片化、配套芯片不强、传输能力不足、无效算力增多、人才紧缺、协同互通困难等诸多挑战。且算力需求增长明显高于算力发展增速，IDC公司发布的DataSphere和StorageSphere报告预测，2025年全球数据总量将增至175ZB，中国数据量规模将于2027年达到76.6ZB，未来我国数据算力压力将不断增加。
其二，数据算法技术的双重效应影响。算法技术在带动经济增长的同时也产生了算法歧视、市场竞争限制等不良影响，进一步诱发多层次的垄断问题并造成经济效率损失。南都反垄断研究课题组发布的《平台反垄断监管观察报告（2021）》显示，2021年1月1日至2021年12月14日，市场监管总局共发布反垄断处罚案例118起，其中89起涉及互联网企业，占总数的75.42%。数字平台垄断趋向多样化、隐蔽化与复杂化，主要原因在于追求技术与效率的算法结构本身无法真正地实现价值中立。随着数字经济的发展，电商平台“二选一”、“大数据杀熟”、隐私泄露及算法滥用等新型垄断现象频繁出现，极大程度地制约了数据要素倍增效应的发挥。
其三，数字领域的人力资源稀缺，以驱动决策优化能力的人才队伍亟待壮大。一是实体经济中客观可投入的专业化数字人才总量不足，中国信息通信研究院发布的《数字经济就业影响研究报告》指出，中国数字化人才缺口约1100万，各层次、各领域、各岗位的人才供给不足问题显著。以农业为例，2021年，数字经济渗透率仅为8.9%，传统农民对数据要素的理解与运用能力严重缺乏，迫切需要新型数字农民引领数字农业的发展。二是投身数字化建设中的人才质量不高，数字化思维理念贯彻不深刻，数字素养仍待提升。从中国社会科学院信息化研究中心发布的《乡村振兴战略背景下中国乡村数字素养调查分析报告》来看，2020年，城市居民数字素养评估的平均得分为56.3分，乡村居民仅35.1分，且农民职业群体的数字素养得分为18.6，比平均值低57%。整体而言，城乡数字素养鸿沟现象突出，人均数字素养不高。在公民数字素养不高的条件下，实现链式决策的最优化、最大化地发挥数据要素倍增效应的预期任重道远。
（三）制度层：数据要素规制不健全，规模化推广受制
制度层是数据要素发挥倍增效应的保障。围绕数据要素形成的数据基础制度将进一步推动我国数字经济治理体系和治理能力现代化，有助于加强数字经济发展顶层设计和体制建设，为经济社会发展注入创新活力。如何分类规划数字化的产业体系，建构、完善并推广数据要素的基础制度则是规模性发挥倍增效应的关键所在，目前仍存以下三个难点：
其一，数据要素权属界定不清晰，未定产权的数据难以用价格机制实现交易，市场存在的成本与摩擦致使效益损失无法避免。例如，数据资源可能涉及多个主体，原始数据拥有者与不同阶段的数据控制者及使用者之间的权属和利益分配问题通常难以解决。数据要素的强包容性决定了其产权所属形式的相对自由，但数据确权缺少权威性机构和明确的规定，且数据产权主体、客体和权能均无完善的法律法规，相关部门对数据要素的公共属性界定不明确，公共数据的开放共享缺乏标准，公共数据价值无法充分体现。长此以往，大量潜在的数据供给者可能会趋向封闭数据，对数据的交易与提供意愿降低，不利于数据要素的价值释放。
其二，数据要素流通不顺畅，数据要素市场缺乏规范化、标准化、系统化的规则，场外交易缺乏完善的具体的制度，限制了数据要素规模化的增值。自2015年，国内第一家大数据交易所——贵阳大数据交易所挂牌运营后，超过80个大数据交易机构相继成立。数据要素市场基础设施及交易环境有所改善，但在数据要素的入场交易及流通等环节中仍存在多重壁垒。从业务模式上看，落地业务基本局限于中介撮合，各机构成立之初设想的确权估值、交付清算、数据资产管理和金融服务等系列增值服务未能实现。从经营业绩上看，机构整体数据成交量低迷，数据市场欠开拓，数据流动能力不足，数据要素发挥倍增效应的路还很长。
其三，数据要素安全及隐私难以保障，缺乏良好的数据运作环境，阻碍数字化进程。IBM Security 和Ponemon Insitute联合发布的《数据泄露成本报告》显示，2021年，数据泄露平均规模达25575条记录，损失成本由386万美元升至424万美元，平均总成本增加了10%，严重阻碍了数据要素的高效、稳定、持续运转。在数据安全保障制度方面，《中华人民共和国数据安全法》对数据分级保护制度、数据安全应急处理机制、数据安全审查制度和数据安全风险评估制度等方面做出了相应的法理规范。《中华人民共和国个人信息保护法》也对个人数据的安全隐私保护制度作出了相应补充。然而，囿于数字要素的规制在不同场景下与有关法规的适配存在差异，现存法律法规对细分领域的安全保障制度亟待完善。数据用户的安全意识薄弱、相关法律的规章制度不健全致使数据丢失与隐私泄露现象频发，为经济决策效率的进一步提升埋下了隐患。
五、结论与建议
本文基于数据要素视角，聚焦要素价值释放及倍增效应的热点问题，沿着“概念界定—逻辑推导—赋能机理—制约因素”的研究路线，构建了数据要素释放价值的理论分析框架，提出数据要素发挥倍增效应的机理是优化链式决策流程以提升经济效率。研究发现：数据要素的倍增效应可以分为转换倍增与循环倍增，在二者共同作用下能动态、持续地促进经济系统整体的全要素生产率与经济效率提升；决策优化是数据要素发挥倍增效应的主要路径，主要由微观数据要素驱动企业运行决策优化和宏观数据要素驱动要素配置决策优化实现。
数据要素要充分发挥倍增效应仍存在许多限制，要素层数据要素积累不充分、产业层数据要素运用不完善、制度层数据要素规制不健全是主要的制约因素。为此，本文提出以下三点建议：
第一，在要素层健全数据整合机制，增加数据要素供给以稳固数字经济发展基础。注重经济生产过程中隐性产出的积累，将隐性产出中的数据资源有序整合是发挥数据要素倍增效应的首要工作。一是加强和优化数据基础设施建设。数据资源汇聚、共享、流通、交易和应用等新需求对基础设施提出新的要求，新型数据基础设施是指支撑数据要素流通的各类硬件设施和软件平台。数据基础设施建设应坚持以点带线、以线促面，分阶段推进各行业、各领域、各地区的数据基础设施建设，逐步提升数据要素的原始积累。二是企业要兼顾数据供给的稳定性与可持续性，协调数据要素的转换倍增效应与循环倍增效应共同发展，促进数据资源的有序扩大开放。具体来说，企业可以应用一站式的BI数据分析平台，将各系统数据进行统一整合、存储、分析，并通过搭建数据仓库，构建按主题模型存放数据的模型层，提升数据整合效用与科学性，构建指标层以提升基础数据的复用程度，继而推动数据管理有效落地，最终实现数据整合、数据管理、数据应用三部分的良性循环，为数据的要素化转变提供坚实基础。
其二，在产业层丰富数据应用场景，提升要素运转效率以探寻高速发展契机。数据的价值在于应用，应用的关键在于场景。发挥数据要素的倍增效应必须以应用场景为基础，运用大数据的理论、技术探寻解决问题的方案与实践。一是产业内要构建全面的数据应用体系，围绕业务线确立自上而下的数据应用行动指南，从顶层设计着手，以企业业务的全流程为思路，构建一条从销售端、生产端到研发端再到支持端的全方位应用。以业务场景为核心，在算法技术与算力基础的支持下，可以借助不同业务和管理视角的数据聚焦企业的关键业务，进一步展开整体的优化改善，继而促使数据要素的倍增效应充分展现，实现企业在不同阶段场景中更高效、准确地作业。二是丰富公共数据价值创造模式。公共数据是数据资源的重要组成部分，加快推进各地区各行业公共数据资源有机融合，激活公共数据价值和潜能是产业层丰富数据应用场景重要工作。确保《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》落地落实，区分使用场景规范授权运营，探索公益与商业相结合的开发利用机制，建立健全公共数据资源供给机制和分类分级授权使用机制、构建以应用场景为牵引的数据开发应用机制，探索公共数据开发利用和市场化运营的反哺机制，强化公共数据资源高效汇聚和公共服务能力持续提升的良性互动机制。三是国家要重视培养细分领域的数字化专业人才，提升要素的运转效率，确保数据要素在各不同场景数字化应用中的倍增效应行稳致远。建设成熟的复合性人才培育系统，包括专门领域的技术培训中心、产学研一体化实践基地等，细化不同领域中数据要素的应用与发展，针对不同场景落实各项专业化的数字人才塑造，如数字农业专精人才、智能制造专精人才、人工智能研发人才等。坚持拓展人才的选拔，加强国际间的技术交流与合作，借助政策性手段激励、孵化、吸纳人才，让数字化人才融入各个领域，赋予传统产业创新动能，为数字经济的长远持续发展提供强劲助力。
其三，在制度层完善数据制度，营造健康的数据流通产业生态，保障数据价值释放。数据要素的规制完善是实现规模性数字化转型的重要条件，也是确保数据要素在数据产权、流通交易、收益分配和安全治理等方面健康发展的前提。一是要强化三类数据要素制度体系建设。第一类是基础类制度，包括数据采集、数据产权、收益分配等推动数据要素化的规则；第二类是发展类制度，包括技术应用、政府数据开放共享、流通交易、跨境流动、数据资产入表等促进数据市场化的规则；第三类是治理类制度，包括数据伦理、数据质量、数据隐私保护、个人信息保护、数据安全等涉及数据安全使用的制度。二是要扎根数据场景应用，以完善流通交易规则为抓手，探索建设差异化的数据交易场所。目前，各级政府正大力推动公共数据在公共数据开放平台和数据交易所实现流通，我国有可能形成政务数据有序开放、公共部门端数据先行“入场”交易、企业端数据“跟随”交易的数据流通交易模式。数据要素市场发展应遵循由简单到复杂、由低级到高级、由单一到多层次、由境内到境外的梯度发展规律。基于数据流通场景，沿着“价值形成—价格发现—竞价成交”的演进路径对数据资源及数据产品的定价机制展开科学化的资产定价评估，并鼓励各方协力创新数据交易流通试点，尽快完善统一、有序、规范的数据要素市场，建设多层次的数据要素流通交易平台。
联系我们请点击：
数邦客
