工联网消息(IItime) 陈宏民上海交通大学安泰经济与管理学院教授、行业研究院副院长，上海市人民政府参事，中国管理科学与工程学会副理事长，《系统管理学报》杂志主编。

数据要素是推动数字经济发展的核心引擎，是赋能数字化转型和智能化升级的重要支撑，是国家基础性战略资源。中国是数据生产和应用大国，也是世界上首个提出数据要素理论的国家。党和政府高度重视数据对于经济社会发展和培育新质生产力的重要作用，相继出台一系列重要政策和举措，并成立国家数据局，统筹协调数据要素流通和交易工作。

面向未来，数据要素的价值呈现方式会不断升级。从传统制造到智能制造，技术和模式持续升级的背后逻辑是：问题产生数据，数据创造知识，知识解决问题，周而复始带来提升。传统制造与智能制造的一个区别就在于：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；到了智能制造，这个周而复始过程的载体是在模型上，就变成了算法。

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；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数字化端；第三步是外部辐射，即从内部往外展开，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。这个数字化升级过程也是数据要素成长的过程。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。

作为新质生产力的新型要素之一，数据有何成长规律？如何更好实现数据要素价值？这次演讲，我就围绕相关问题跟大家分享个人的一些思考。

小到产品开发、功能迭代，大到行业转型升级

其发展演化方向越来越多依靠数据引领

数据在数字经济发展进程中循序渐进地扮演着三种不同角色，这也可看作数字经济本身发展的三个阶段：

第一阶段为数据数字化阶段。

通过把各种类型的海量数据信息，包括文字、图像、音频、视频资料实现数字化，使得这些数据传输快捷、使用便利、储存安全，并为数据大规模应用奠定了重要基础。

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工夫。一旦将这本书数字化，瞬间就能送出千万里、触达亿万人，而且几乎是零成本。这就是数据的数字化价值。

第二阶段是数据要素化阶段。

在数字化的基础上，数据可以便利地开发利用，并与其他生产要素如劳动力、土地、资本、技术等融合在一起，产生更多价值，创造更多财富。这时，数据的特征是生产要素，体现出协同增值的效果。

第三阶段是数据驱动化阶段。

数据不仅是一种生产要素，还成为越来越重要甚至是关键性的生产要素。小到一个企业的产品开发和功能迭代，大到一个行业的转型升级，其发展演化方向都越来越多地依靠数据引领。无论是消费者倾向还是公众情绪，都会以数据的形式通过各种渠道呈现出来，驱动经济社会向前发展。这种特性已经在个别行业初见端倪。

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，而且是创造越来越多的价值，所以人们就会有更大动力去采集更多数据，进而将其数字化。

进一步来看，每一种生产要素都有一个循序渐进的成长过程，一般会经历三个阶段：第一个阶段可称为“自用阶段”，第二个阶段为“共享阶段”，最后才是“交易阶段”。

在“自用阶段”，要素资源的拥有者与要素价值实现的受益者是重合的，或者说重合是主流形态。农业社会的男耕女织，就是这一阶段的主要代表。当一类生产要素刚被社会所认识，对其价值还缺乏衡量手段，也缺乏开发工具。围绕这类要素的专业化、规范化体系尚未建立，相关生态和法治环境也没建立。于是，这类要素的价值实现方式主要就是自用。

要素的广泛自用是缺乏效率的。于是，就产生了共享的需求，即在一定的范围内，要素资源的持有者通过交换或共享要素来增加彼此的价值实现。实现交换而不是交易，一个主要原因是定价困难、交易成本高昂。

随着要素价值的持续发现和发挥，社会开发和利用这类要素的动力也在持续增强，要素的标准化、规范化程度持续提升，法治环境也愈加成熟。要素资源的持有者和要素价值实现的受益者可以用市场公认的交易方式分开，由此进入“交易阶段”。

数据要素是很有价值的，不过它的价值实现形态更像一座金字塔：塔基是自用，即绝大部分数据在自用环节上实现价值；塔腰是共享；塔尖才是交易。到了交易阶段，还分为场内和场外。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。

不仅要为数据共享和交易提供各类服务

还要为大规模数据自用提供更有深度的服务

面对数据要素的价值呈现形态、结构及成长规律，我们必须加紧建设数据要素服务市场。

首先，数据要素服务市场要以全面促进数据要素的价值实现为己任，不仅要为数据的共享和交易提供各类服务，还要为当前普遍存在的大规模数据自用提供更加有深度的服务。

其次，数据要素服务市场要根据数据要素价值实现多元化的特征，提供不同类型的服务。在数据自用阶段，数据要素服务市场要对接云平台、软件开发商、数据服务商为其提供服务。这样，即使数据“不出门”，也能提高附加值，包括推进小微企业的数字化转型。在数据共享领域，数据要素服务市场可以为企业集团、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。

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，是可以吸引更多场外交易进场的。当然，进场不能要求太高。在市场培育期，数据要素市场要伴随用户共同成长。

再次，数据要素服务市场要积极推进要素价值实现形态升级。从市场化角度来看，无论是数据共享还是数据交易，都能够进一步提升数据要素的价值。当前，之所以数据只能以自用为主，主要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；缺乏深度的开发加工，就没有广泛的应用场景。这些问题就像“先有鸡还是先有蛋”那样交织在一起。加上缺乏可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。因此，建设统一规范的数据要素服务市场迫在眉睫。

过去20多年，平台这一商业模式在越来越多的行业中拥有举足轻重的地位。特别是在零售、出行、餐饮、旅游等行业，平台已经成为行业发展转型升级的引擎，俨然占据着核心位置。几年前，人们还在为美团是否属于餐饮业而争议；如今，美团已经成为餐饮业里的一家巨头企业，对整个行业的变革可以起到关键性引领作用。

但人们也开始意识到，当平台进入一些服务复杂性更强的领域后，如数据要素市场、工业互联网市场，其在传统领域的优势和价值并没有如预期那般显现出来。由此，完善和创新交易服务平台的功能定位，大力发挥平台对数据要素服务市场的推动和引领作用，显得愈发紧迫。

我们知道，传统产业的结构大多是链状的。随着技术快速发展和柔性化、大规模定制等方面的要求，一些产业开始趋向网状结构。随着平台经济的兴起以及数字化和平台化的融合，又开始出现一些环状的产业结构，即整个产业以平台为核心，由平台向产业的各个环节和各类功能提供不同类型的赋能，形成强大而稳定的商业生态圈。从趋势来看，数据要素产业有可能发展成为这样的产业。

简要地讲，判断一个行业是否适合构建成以平台为核心的组织结构，大致从两方面来看：一是从内在条件，即该行业自身的若干特征来判断，平台化结构调整是否能带来显著价值；二是从外部环境来判断，平台化结构调整是否具有可行性。它实际上包括了两个模型，即“内五力模型”和“外五力模型”。“内五力模型”主要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；“外五力模型”主要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。

从“内五力模型”分析结果来看，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。因为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。但只要这个领域能够对用户风险进行有效控制，推进平台化就是很有价值的。

从“外五力模型”分析结果看，目前推进数据产业平台化的外部环境和条件还不够成熟。因此，我们对于政府管理部门的建议是：积极创造条件，改善外部环境，通过改善产业组织结构来提升产业价值。

总之，在释放数据要素价值、促进数据要素发挥作用的过程中，要注意以下三点：一是深刻认识数据要素的成长规律。无论是政府还是企业，都要因势利导、顺势而为。二是积极培育能够伴随数据要素共同成长的服务市场，既要根据不同阶段数据要素价值实现形态提供有针对性的服务，又要积极营造和改善服务环境，促使数据要素快速成长。三是大力发挥服务平台在培育数据要素服务市场中的引领作用，探索构建环状市场结构，既要借鉴传统领域中典型平台的运营模式，又要注重面对复杂性时的新型功能定位。