陈宏民：加快培育数据服务市场，促进数据要素成长

       2024年2月23日，中国数字经济发展和治理学术年会（2024）在浙江大学成功举办。本次大会聚焦“数字产业发展与范式变迁”“数字产业发展”“数字组织发展变迁”三大主题，国内外40余位数字经济领域著名专家以及在数字产业实践中取得优异成果的机构代表进行了主旨演讲和交流。

　　上海交通大学安泰经管学院教授、行业研究院副院长陈宏民教授以《加快培育数据服务市场，促进数据要素成长》为题进行了主旨演讲。本文根据陈宏民教授现场发言内容整理。

　　陈宏民教授作主旨演讲

　　一、数据要素的成长规律

　　我国政府高度重视数据对于发展经济社会和培育新质生产力中的重要性，率先提出数据要素是重要的生产要素的观点。这几年国家相继出台了一系列的重要政策和举措，尤其是在前年年底发布的“数据二十条”，以及去年年初成立国家数据局。各部委也快速行动起来，财政部积极推进数据入表，国家发改委积极做数据资源的盘点。

　　关于数据，有几个重要问题值得探索。

　　第一，数据要素有多少？既然是重要的生产要素，我们自然希望知道自己的“家底”。比如土地资源，我国有960万平方公里的土地，有19.18亿亩耕地。再比如劳动力资源，我国有14亿人口，有7.7亿劳动力等。

　　最近国家数据局联合相关部门在全国范围开展数据资源调查。在这方面我们也花了不少时间和精力去探讨数据资源盘点的方法和路径。我们发现，这个“家底”很难盘点，不像土地和劳动力那么具有显性，数据太难盘点。从这次国家数据局出台的调查报告里的众多维度，也反映了这一点。

　　第二，数据与数字经济是什么关系呢？我曾提出一个“数字经济三阶段”的观点，在很多场合分享过。我认为数字经济的发展大概可以分为三个阶段：

　　第一步是数据数字化阶段。把大量数据信息通过数字化形式呈现出来。比如把一本纸质书从北京送到上海，即便快递闪送也得花半天一天时间；如果要送给一千个人则要印一千本，印刷运输都是成本，加上时间成本。但是一旦将这本书数字化，瞬间就能送达千万里，传达亿万人，这就是数据的数字化价值，带来的效果就是快捷、便利、安全。

　　第二步是数据要素化阶段。在数字化的基础上，把数据作为一种生产要素，和其他生产要素比如劳动力、土地、资本品、技术等融合在一起，产生更多价值，创造更多财富。这个时候它的特征是增值、协同。

　　第三步是数据驱动化阶段。数据不仅是一种生产要素，而且正在成为越来越关键的生产要素，小到一个企业的产品开发、更新迭代，大到一个行业的转型升级，都是数据驱动引领。这种特性已经在一些企业或者在个别行业初见端倪。

　　这三个阶段不仅循序渐进，还会周而复始。即随着数据要素化、驱动化，还有越来越多的数据变得数字化。因为数据能产生价值，能创造越来越多的价值，人们就会有更大动力去采集更多数据，将其数字化。这也是数据要素很难盘点的一个重要原因。土地是不可能一年翻一番的，但是数据资源是可能一年翻一番的，所以静态盘点的意义就不是很大。

　　第三，如何衡量数据要素的贡献？所谓生产要素，是社会财富创造的源泉。比如2023年整个中国的GDP是126万亿，这么多社会财富在理论上就应该是由五大生产要素创造；数据作为其中一个生产要素，它贡献了多少呢？按照统计局的计算，数字经济有50万亿左右，但是这跟数据要素对于财富创造的贡献是两回事。数据要素的贡献究竟有多少、是以什么样的形式实现的、如何度量？这也是摆在大家面前亟待解决的问题。

　　当前，从政府到企业，相当多的注意力都集中在数据要素流通方面。江小涓老师讲，这是业界在关注，学界的注意力不能仅仅局限在此。我很同意这个说法，而且我认为即使业界也不能仅仅把注意力集中在数据流通和交易上，因为它规模太小了。

　　根据统计，2021年的数据交易规模，场内+场外只有120亿；而同年中国GDP是120万亿，也就是说数据交易规模只有当年GDP的万分之一。这还不是冰山一角，而是九牛一毛！显然我们不能把数据交易规模作为数据要素贡献的衡量指标；或者说，数据要素对财富创造的贡献主要不是通过交易来呈现价值的。

　　那么，当前数据要素价值呈现的主要形式是什么呢？我们做了一些关于生产要素的研究，尤其关注数据要素与其他生产要素相同的地方。我们认为，每一种生产要素都有一个成长过程，这个过程大概经历三个阶段：第一可称为“自用阶段”，第二为“共享阶段”，最后才是“交易阶段”。比如几千年来劳动力都是非常重要的生产要素；但是这种要素对中国人来说，直到近代，其价值的实现方式都不是通过交易；劳动力市场的交易规模一直很小。

　　其价值实现形式是“自用”，即以家庭为单位的男耕女织，也就是自己家里用的。农田也主要是农民自耕。当然有一些地主，雇佣农民种地；也有土地交易，但这些在这类要素总量里不占很大比例。而且这种交易模式还不被社会所认同，许多革命的口号都是“耕者有其田”，其实就是主要生产要素都以“自用”为主。

　　当一种生产要素初步被社会认识，但是它缺乏共识，而且这个要素的专业程度比较低，规范性比较差，而且社会也缺乏增值技术，也没有法治和生态环境来保护它的时候，这种要素的价值实现方式主要就是自用。当然，要素自用的效率肯定是低的，规模效应，专业分工等等都没法实现。于是就产生了“共享”的需求，即在一定的范围内相互交换。要素交换而不是交易的主要原因还是定价困难，交易成本高昂。现在的数据要素也有一些是在一个群体内进行共享，如某个行业里的一个利益共同体；某个企业集团内部等。

　　这个共享通常是因为价值逐渐形成的共识，是在一个小区域内形成的共识，是它在定价、交易化程度还不够的时候，会出现一些共享，接着会进入交易阶段。今天劳动力要素是以交易为主，每个人的劳动力都是为别人服务，而每个人所得到的服务都是别人给我们的服务，这就是一种以交易为主要价值呈现的要素实现方式。但是今天数据要素还远远没有到这个程度。

　　以智能制造为例。我们认为，当前制造业、金融业和平台型企业大概是数据要素应用频率最高，价值实现最大，数据资源最丰富的领域。从传统制造到智能制造，制造的技术和模式是在持续升级。我们知道，制造水平的提升，背后的逻辑都是：问题产生数据，数据创造知识，知识解决问题；这样周而复始地提升。传统制造与智能制造最大的区别，就是前者这个周而复始过程的载体是在人身上，所以经验变得很重要，无论是蓝领和白领经验都很重要。

　　到了智能制造环节，这个周而复始过程的载体到了模型上，就变成算法。这个进步当然是非常大的跨越，但是从数据使用的角度来看，无论是传统制造还是智能制造，企业数据作为要素依然是处在自用环节。企业的数据是不愿意共享的，对企业来说最好是你帮他建系统，你帮他提供各种各样的工业软件，帮助他提升数据价值，但是数据是在内部的，数据创造越来越多的价值，但是这个价值是自我实现的。

　　向未来看，在智能制造领域，数据要素的价值呈现方式是会升级的。很多智能制造企业的数字化转型往往第一步是点状突破，通过追求一些精益生产、降本增效来实现。

　　接下来第二步是内部延伸，从最初突破的点向周围展开，最终实现端到端，即从研发、制造、销售以及售后服务的端到端数字化。

　　第三步是外部辐射，即从内部再往外展开，前端到供应商，后端到经销商甚至直接对接最终用户，实现全产业链的数字化。而这个数字化升级的过程同时也是数据要素成长的过程。在点状突破的时候是以数据自用为主；到内部端到端时就存在数据部门的自用和部门与部门之间、子公司与子公司之间进行内部分享。发展到整个产业链上，数据就不仅是自用，而且有共享，还会有越来越多的交易。

　　总之，我们要充分意识到，数据要素需要一个成长的过程。数据要素是很有价值的，不过它的价值呈现形式更像一座金字塔，塔基是自用，即绝大部分数据在自用环节上实现自身价值；塔腰是共享，塔尖才是交易。即便交易还分为场内和场外；事实上现在场外交易占整个数据交易量的90%左右。

　　从业态来看，智能制造领域的数据主要处在自用环节；金融行业的数据在自用基础上还要从外面买一些，金融机构之间的数据共享也比较多。平台型企业的数据赋能业务较多，属于用他人的数据为他人创造价值，交易量较大。

　　二、数据要素服务市场伴随要素共同成长

　　面对这样的数据要素的成长规律以及当前的价值呈现形态，数据要素服务市场应该做些什么呢？

　　首先，数据要素服务市场应该是针对数据的不同价值变现方式，提供不同服务。比如对自用的领域，市场要对接云平台、软件开发商、数据服务商为其提供服务；数据不出门，提高附加值，尤其是小微企业的数字化转型。对于数据共享领域，可以为企业集团、行业联盟等构建局部数据交换规则，促进共享便利化，打造数据共同体。

　　比如对一些大型企业集团来说，从外部来看是数据自用，从内部来看是数据的共享和内部的交易，KPI里面要能够体现数据价值。针对数据交易，现在很多交易所做的是把场外交易搬到场内来。如果现有的交易场所能够加强合规性背书，促进多场景应用，是可以吸引场外交易进场的，当然背书不能要求太高。今天上午魏江教授也在说，规则太多是不利于数据市场的发展，数据要素市场要伴随用户共同成长。

　　其次，数据要素服务市场要积极推进要素价值变现方式的升级。无论是数据共享，还是数据交易，都能够提升数据要素的价值。当前之所以数据只能以自用为主，是因为没有良好的生态环境。缺乏丰富而深度的应用场景，就没有公认的市场价格；缺乏合理的市场价格，就没有专业而有针对性的开发加工；而缺乏深度的开发加工，就没有有效的应用场景。这一切问题就像“先有鸡还是先有蛋”那样，交织在一起；加上缺乏信赖的交易场所和有效的交易规则，更使得长长的产业链运行艰难。

　　最后，要大力发挥数据交易服务平台在市场中的作用。平台对于越来越多的行业来说都是非常重要的；在不少行业中，平台正在成为其发展转型升级的引擎，占据着核心位置。比如餐饮业，十年前美团还刚刚成立；八年前人们还在为美团是否算一个餐饮企业而争议；可是在今天美团已经成为餐饮业里最重要的一家企业，引领着行业的发展。

　　那么数据产业是否可能和应该发展成为一个以若干平台为核心的产业呢？关于一个行业是否适合推进平台化，我有一个所谓“双五力”模型的理论分析框架。今天时间关系，来不及展开。简要地讲，判断一个行业是否适合推进平台化，大致从两方面来看：一是从内在条件，即该行业的自身特征来判断，推进平台化是否能带来显著价值。

　　我有一个所谓“内五力模型”，从该行业的市场集中度、信息透明度、规模经济强度、产业链长度以及用户的风险度等五个维度加以分析，综合判断其价值。二是从外部环境来判断，推进平台化是否具有可行性。我有一个所谓“外五力模型”，从该行业面临的政策法规、技术环境、用户偏好、盈利模式和主流企业接受度等五个维度去分析，综合判断其可能性。

　　因此，一件事是否值得去做，无非看这两个方面，如果既能带来很大价值，又具有相当可能性，自然应该毫不犹豫去做；如果能带来很大价值，但是可能性不大，那么就要设法积极去创造条件，或者做好准备，一旦环境许可抢先入局。

　　针对数据要素产业，我们也做过一个“双五力模型”分析。简要地讲，内五力分析的结果，其他四个维度都是非常适合推进平台化的，只有用户风险这个维度不适合。数据行业的用户风险是很大的，政府关心公共安全，企业关心商业机密，消费者关心个人隐私。只要这个领域能够把用户风险有效控制，推进平台化是很有价值的。

　　外五力模型分析的结果不太理想，即推进数据产业平台化的外部环境还是有不少欠缺的地方。也就是说，在数据要素产业推进平台化总体而言价值很大，但是外部环境和条件还不够成熟。因此，我们对于那些跃跃欲试的企业提供的基本建议是：一方面积极创造条件，改善外部环境，另一方面抢先占位，循序渐进。

　　我们知道，传统产业的结构大都是链状的。随着技术快速发展和柔性化、大规模定制等方面的要求，一些产业呈现出网状结构。然而随着平台经济的兴起，以及数字化与平台化的融合，正在出现一些环状的产业结构：即整个产业是以平台为核心，各种各样的功能和环节绕在平台上，形成强大而稳定的商业生态圈；平台牵引着产业的转型升级。我们觉得，数据要素产业有可能成为这样的行业。

↓↓了解更多资讯，请识别下方二维码↓↓

国脉集团

国脉集团是数据资产化先锋企业，主要提供培训、咨询和产品设计服务。为数据资源拥有者提供专业、规范、合规的全流程资产化服务，提升机构数据管理服务能力，实现数据资源价值最大化。运用最先进的培训理念方法和平台工具提供高绩效培训服务。研发“一头一体两翼”企业数据资产化咨询服务方法论，提升数据资产化战略设计、就绪度评估与咨询、入表和产品化全流程咨询服务。基于战略思维和实操需求研发“易”系列产品，并与数源方合作研发系列数据产品。

主要课程

主要课程包括数据资产入表、数据经纪人、公共数据运营和政府CDO、数据精品等精品课程。

数据产品

主要产品：数据易投、数据易贷、数据易保、数据易售。