从数据到资产、再到关键要素：特征、误区与数字经济融合发展的建议

（本文作者王鹏，北京市社会科学院研究员）

在数字经济时代，数据作为新兴的生产要素，其重要性正以前所未有的速度凸显，成为驱动经济发展的核心引擎。随着信息技术的飞速发展，数据的采集、存储、处理与分析能力不断提升，为各行各业带来了前所未有的机遇与挑战。数据不仅承载着海量的信息，更是企业决策、市场洞察、产品创新和服务优化的关键依据，对于推动经济结构转型升级、提升国家竞争力具有不可估量的价值。鉴于此，本文旨在深入剖析数据的经济特征特质，揭示其作为无形资产所应具备的条件，同时审视当前社会大众在数据认识与实践过程中普遍存在的误区。在此基础上，本文将进一步提出推进数据为关键要素的数字经济发展的策略建议，以期为促进数字经济健康、可持续发展贡献智慧与力量。

一、数据的经济特征特质与利用

（一）数据的经济特征特质分析

在数字经济时代，数据展现出了一系列独特的经济特征特质，这些特质不仅定义了数据的本质属性，也深刻影响了其在经济活动中的应用与价值创造。

一是数据具有非竞争性与部分排他性。数据的非竞争性体现在数据一旦被生产出来，其额外使用的边际成本几乎为零。例如，一家电商平台通过用户购物数据分析来优化商品推荐算法，这种分析不会因其他企业同时使用而减少其效用。这种特性使得数据成为了一种共享资源，促进了信息的广泛传播和知识的快速积累。然而，部分排他性则表明数据的收集、处理和分析能力往往被特定主体所掌握，形成了技术壁垒和市场优势。例如，社交媒体平台通过收集用户数据来提供个性化服务，这些数据对其他平台而言则难以直接获取。这种排他性促进了数据服务的个性化和差异化发展，使得数据成为企业竞争的重要资产。

二是数据表现出规模报酬递增与范围经济的特征。规模报酬递增意味着随着数据量的增加，数据分析的准确性和深度也会相应提高，从而带来更大的经济回报。这种特性鼓励了企业不断积累数据资源，提升数据分析能力，以获取更多的竞争优势。例如，金融科技公司通过分析大量用户交易数据来优化风险评估模型，随着数据量的增加，风险评估的准确性不断提高，进而吸引更多客户和业务。同时，范围经济则强调了数据的多维度价值，即多样化的数据来源能够揭示更多维度的信息，提高数据分析的综合价值。例如，电商平台不仅收集用户的购物数据，还结合社交媒体、地理位置等多源数据来构建用户画像，提供更精准的营销和服务。这种特性促使企业不断拓展数据来源，构建全面的数据生态体系。

三是数据的时效性是其经济特征中不可忽视的一环。数据的价值往往随时间推移而快速贬值，因为市场环境、消费者需求等因素都在不断变化。因此，及时获取和分析最新数据对于企业决策至关重要。时效性要求企业具备快速响应市场变化的能力，以便在竞争中占据有利地位。

（二）数据的经济特征特质如何利用

针对数据的经济特征特质，各级政府企业应采取以下策略来充分利用数据资源：

一是加强数据治理与开发利用能力。建立健全的数据治理体系，确保数据质量、安全性和合规性。同时，提升数据开发利用能力，通过数据清洗、整合、挖掘和可视化等手段，将数据转化为有价值的信息和决策支持。这有助于企业更好地理解市场趋势、客户需求和竞争对手动态，为制定科学决策提供依据。

二是促进数据共享与开放。推动政府和企业开放公共数据资源，降低数据采集成本，提高数据利用效率。加强数据共享机制建设，促进不同领域、不同企业之间的数据流通与合作。这有助于打破信息孤岛，促进创新资源的优化配置和高效利用。

三是注重异质性数据的收集与分析。在扩大数据规模的同时，注重收集来源多样、维度丰富的异质性数据。通过整合不同类型的数据资源，揭示更加全面、多维的市场信息，为决策提供更加丰富和深入的数据支持。这有助于政府和企业更准确地把握市场动态和客户需求变化，提高决策的针对性和有效性。

四是关注数据的时效性与质量。建立健全的数据更新机制，确保能够及时获取最新的高质量数据资源。加强对历史数据的定期清理和分析工作，剔除过时数据对决策的不利影响。同时，加强数据质量控制和校验工作，确保数据的准确性和可靠性。这有助于企业保持对市场变化的敏感性和洞察力，提高决策的时效性和准确性。

五是综合运用多种生产要素。在利用数据资源的同时，注重与其他生产要素（如劳动、资本、技术等）的有机结合。通过综合运用多种生产要素，发挥协同效应和互补优势，提升整体竞争力和适应能力。

二、数据作为无形资产的构建与误区

（一）数据成为无形资产的条件

在数字化时代，数据作为新兴的生产要素，其转化为无形资产的过程需满足一系列严格条件，以确保其价值的有效确认与计量。根据财政部发布的《企业数据资源相关会计处理暂行规定》，数据资源成为无形资产主要通过以下两种途径实现：

一是外购途径。企业直接通过合法交易，购得已确认为无形资产的数据资源。这类资源通常已具备明确的经济价值、技术可信性及可辨认性，能够直接为企业带来经济利益。企业需确保交易过程合法合规，并依据会计准则将购入成本计入无形资产。

二是内部开发途径。企业针对自身经营过程中产生的数据进行深度开发，当开发阶段支出满足“无形资产准则第九条有关条件”时，可确认为无形资产。这些条件包括：1完成该无形资产以使其能够使用或出售在技术上具有可行性；2具有完成该无形资产并使用或出售的意图；3无形资产产生经济利益的方式，包括能够证明运用该无形资产生产的产品存在市场或无形资产自身存在市场，无形资产将在内部使用的，应当证明其有用性；4有足够的技术、财务资源和其他资源支持，以完成该无形资产的开发，并有能力使用或出售该无形资产；5归属于该无形资产开发阶段的支出能够可靠地计量。通过内部开发，企业能够利用自身数据优势，推动流程优化、效率提升及成本降低，进而实现数据价值的内部转化。

（二）数据认识与实践上的误区

一是重“交易”轻“流通（应用）”。当前，部分企业对数据价值的认知存在片面性，过分强调数据的交易属性，忽视了数据在流通与应用中的巨大潜力。数据作为新型生产要素，其核心价值在于通过流通与应用促进信息的高效整合与利用，过分强调数据的交易属性，容易忽视数据在促进市场透明、优化资源配置、提升决策效率等方面的深远影响。

二是形式主义与实效缺失。在数据要素改革的过程中，部分政策、制度及试点项目存在形式主义倾向，重形式轻实效，导致后期落实不到位，未能充分发挥数据要素的实际价值。

三是融资导向下的数据“泡沫”。部分企业为了融资或市值管理等目的，忽视数据要素的场景价值与确权合规等核心要素，盲目进行数据价值的“评估”与“入表”。这种做法不仅可能误导市场投资者，还可能因数据确权不清、合规使用不当而引发法律与声誉风险。

四是公共数据资源的滥用与金融空转。部分地方政府为解决财政压力，将公共数据与行业数据简单置于“城投平台”上，对数据资源进行评估，通过城投平台发债或获得地方性银行的抵押贷款，忽视了对数据资源应用场景的探索与产业赋能的培育。这种做法容易导致金融资源空转，未能有效发挥数据在推动经济发展中的作用。

五是数据培训市场的乱象。当前市场上充斥着各种数据要素相关的培训课程与证书认证，部分机构以营利为目的，培训内容与质量参差不齐，甚至存在与中央精神相违背的情况。这在一定程度上混淆了市场视听，影响了数据人才的培养与数据产业的发展。

三、推进数据要素与数字经济融合发展的建议

一是强化数据要素基础设施支撑。在深入贯彻“东数西算”战略部署的基础上，应优先构建与高端化、智能化发展需求相匹配的算力与存储基础设施体系。这要求我们不仅要加大对高性能计算、边缘计算等先进技术的研发投入，还需研发国产、安全、自主、可控的“可信数据空间”平台，以促进数据的高效流通、安全共享与智能管理。

二是完善数据要素产业政策体系。为加速数据要素产业的成熟与发展，亟需出台一系列针对性强、操作性好的支持政策。具体而言，应明确数据要素型企业的评价标准与认证体系，通过财政补贴、税收优惠、场景开放、算力支持、平台搭建等多维度手段，实施分级分类、精准施策，以激发各类数据要素型企业的创新活力与市场竞争力。

三是深化国资央企数据要素改革引领。加强与国务院国资委等部门的协同合作，积极引导国资央企、国企在数据要素改革中发挥示范带头作用。推动“行业数据要素产业链”与“数据要素共享、流通、创新应用平台”的试点建设，鼓励央企国企从“产业链链长”向“数据链链长”的角色转变，通过数据赋能，提升行业及产业链的整体效能与竞争力。

四是打造数据要素发展先行示范区。选取基础条件优越、特色鲜明的区域，与地方政府紧密合作，共建数据基础制度“先行区”“试验区”及“产业园区”。这些区域应被赋予明确的发展内涵与重点任务，围绕数据要素产业发展、公共数据资源共享流通、数据乘数效应释放等核心议题，探索创新路径与成功经验，形成可复制、可推广的模式，以点带面推动全国数字经济的全面发展。

五是全面推进“数据要素×人工智能”创新发展。将数据要素改革、数据要素产业发展等与AI+深度融合，建立健全高质量数据集管理体系，探索产业协同的发展路径，通过数据要素产业发展为高质量数据集提供源源不断“数据供给”，为人工智能大模型的训练与优化提供丰富的“数据弹药”。

六是构建数据要素标准规范与人才培养体系。在国家数据局及相关部门的指导下，制定详尽、可操作的数据要素工作标准、规范与细则，确保数据要素市场的有序运行与健康发展。同时，建立权威性的“执业证书”体系，加强市场宣导与教育，提升从业人员的专业素养。此外，还需与教育部门紧密合作，推动数据要素相关教材、学科与知识体系的开发，培养既懂技术又懂管理的复合型人才，为数字经济的长远发展提供坚实的人才支撑。

本文仅代表作者观点。