数据要素作为数字经济发展的核心引擎，只有经过交易流通与传统要素融合，才能在生产经营活动中的特定场景下使用并产生效益，释放其经济价值。因此，安全、规范、高效的数据交易市场是实现数据要素市场化配置的关键抓手，能够使数据资源流向市场最需要的领域和方向，优化数据资源配置效率，使数据要素价值得到最大化挖掘。数据要素市场培育需要顶层制度设计与实践方案落地的双重赋能。
数据要素市场化配置还需搭建数据运营生态体系，促进数据交易活跃度。数据运营生态是数据深度开发、创新利用及数据增值的源头活水，是促进数据交易持续繁荣的动力。围绕数据要素采集治理、加工处理、资产定价、合规评估、标准规范、安全保障等重大课题构建全链生态，引导多方主体参与数据交易、合力完善数据交易标准体系，深度挖掘数据潜在价值，保障数据安全有序流动，促进数据要素规模化、可持续性交易。
1、数据要素的定义与特征
首先，原始数据本身的价值往往很低，需要通过加工和分析将非结构化的字节转换为具有实际应用价值的信息，因此数据要经过采集、清理、加工和分析等系列过程才能成为生产要素。其次，数据要素蕴含着大量关于实体经济的信息，信息是数据产生价值的本质原因。因此，数据要素应承载知识与信息，是有价值的数据。基于以上观点，本报告定义数据要素如下：数据要素是指“原料”状态的数据经加工处理形成机器可读、可参与流通交易、可投入生产活动并得以应用发挥使用价值和经济效益的数据。
数据要素作为新型生产要素，与资本、劳动、土地、技术等传统要素相比，呈现出非竞争性、非排他性、非稀缺性、价值异质性、边际收益递增五大特性。
- 非竞争性
任何主体使用数据都不会对数据产生质量损耗，进而不会影响其他主体的使用和利益
- 非排他性
数据可无限复制给多主体同时重复使用，一个主体对数据的使用，并不会阻止其他主体利用该数据
- 非稀缺性
数据要素是可再生的，万物数据化使海量数据可以持续产生并快速积累
数据要素不仅不会损耗，还能够自我繁衍，能在使用中继续创造数据资源
- 价值异质性
数据要素价值具有很强的场景依赖性，相同数据的可用性与价值在不同应用场景下存在差异。
- 边际收益递增性
数据要素具有规模经济特性。数据的体量越大、维度越多、种类越丰富，越有利于数据交互汇聚，释放数据要素价值。
2、数据要素价值形态演进
数据要素的“原始数据—数据资源—数据资产—数据资本”的数据形态演进过程，也是“使用价值创造—数据价值实现—价值增值”的价值形态演进过程。
- 数据资源化
将原料状态的数据加工形成机器可读、可参与流通交易并投入生产应用的数据资源，是数据使用价值实现的阶段
具体表现为通过数据采集、存储、清洗、加工、分析、标记、标准化、挖掘等生产环节形成可流通应用的数据生产要素
- 数据资产化
数据资产化是数据通过市场的流通交易给数据使用者、加工者、生产者带来经济利益的过程
是实现数据价值的阶段。本质是形成数据交换价值，初步实现数据价值的过程
- 数据资本化
数据资本化是指数据资产的交换价值被充分挖掘和无限放大，形成对数据 劳动者的劳动成果的无限次重复使用，并生成价值增值的数据资本
以股权化、证券化等多种方式运营数据资本，数据资本不仅占有数据资产中的剩余价值，还将剩余价值用于扩大再生产
3、数据要素是数字经济发展的核心引擎
数据要素作为驱动数字经济发展的核心引擎，主要通过何种路径带动数字经济的发展？数据要素不仅作为新型生产要素催生出新产业新业态创造新价值，还具有溢出效应促进产业优化升级；不仅对数字经济本身产生影响，还能创新商业模式提升数字经济效率，并促进制度动态优化赋能数字经济发展。本报告基于以上研究分析，从新型生产要素驱动价值创造、溢出效应促进产业优化升级、长尾效应驱动商业模式创新、治理效能推动制度迭代优化四个视角出发，阐述数据要素作为数字经济发展核心引擎的内在机制。
新型生产要素驱动价值创造。数据作为新型生产要素，一方面自身催生了新产业与新业态并创造新价值，为数字经济培育新的增长点；另一方面对传统生产要素产生替代效应，推动生产要素配置方式发生本质性改变，优化资源要素结构，提升匹配效率。除了替代效应之外，数据要素还能与传统生产要素融合发挥乘数效应，放大土地、资本、劳动、技术等传统生产要素在社会流转中产生的价值，用更少的资源要素投入创造更大价值。
溢出效应促进产业优化升级。数据具有突出的溢出效应，数据流带动资金流、人才流、物资流，不断突破地域、组织、技术边界，促进资源配置从单点优化向多点优化演进，从局部优化到全局优化演进，从静态优化向动态优化演进，显著提升资源的配置效率和水平。数据要素通过非线性溢出效应促进产业融合、空间溢出效应推动产业关联两种路径对产业优化升级发挥“核聚变”效应。首先，数据要素与其他生产要素融合并广泛渗透，促进产业边界模糊进而实现产业融合，不同产业间交叉重组推动传统产业智能化升级，实现数字经济增值。其次，数据要素打破时空界限，压缩时空距离，增强了区域间经济活动关联的广度和深度，通过高协同性、网络效应与正反馈效应形成互动性强的产业集群，拉通产业之间的互动关联。基于以上两种路径，数据要素通过溢出效应完成对产业结构的深度改造与调整，实现产业转型升级。
长尾效应驱动商业模式创新。数据要素通过平台化、在线化汇聚，使得各业务环节和产业链条相互渗透融合，催生出个性化与多样化的产品和服务，差异化需求得以满足，大量非主流市场的价值创造形成总量叠加，从而大大超过主流市场，形成“长尾效应”。“长尾效应”应用于商业模式创新中，企业依靠某种主营业务积累用户，以此为基础开发多样化的定制型服务，以满足更多尾部的、边缘化的消费需求，市场边界得以扩展。因此，长尾效应要求个性化、定制化的异质性产品与服务，驱动市场主导由供给方到需求方转变，催生出需求驱动的新型商业模式C2B，提高交易效率与生产效率。数据要素融合还能促进供需精准匹配：一方面刻画用户画像，实现“点对点”、“点对面”精准营销；另一方面，打通层级、行业之间的信息壁垒，减少信息不对称问题，实现供需精准匹配。
治理效能推动制度迭代优化。数据要素具备治理效能，政务服务、城市治理、公共政策等领域数字化进程逐步推进，通过“执行-反馈-优化-再反馈”动态迭代效应指导科学决策，倒逼传统制度随数字经济发展进行适应性创新，灵活应对市场变化，增强宏观调控能力，引导资源要素优化配置，推动政策优化更好赋能数字经济发展。
图 1-3 数据要素驱动数字经济发展的体系框架
本文摘编自北方大数据交易中心、天津滨海数字生态研究院联合编写的《数据要素市场化配置与数字生态体系建设白皮书》，全文下载：
数据要素市场化配置与数字生态体系建设白皮书
更多标准、白皮书、报告等高质量纯净资料下载，在文末扫码关注官方微信公众号“idtzed”，进入公众号菜单“治库”，或按自动回复发送引号内关键词。
相关内容推荐和下载：
数治入门：什么数据？什么生产要素？什么数据要素？
激活数据要素的根本目的是为经济社会生产创造更大的价值，数据支撑业务贯通和促进数智决策的价值仍需要持续释放，数据流通对外赋能的价值也应逐步发挥。
一条评论