文_李勇坚

随着数字技术全面渗透到社会经济生活的各个方面，数字技术正在创造一种将人类社会政治和经济活动几乎所有方面“数据化”的新型经济，其核心是将社会经济生活过程最大程度数据化，并以数字的形式通过网络将人、机器和社会联结起来。在这个过程中，数据的作用日益重要，成为一种关键生产要素。

我国高度重视数据作为一种新型生产要素的关键作用及相关研究。2017年12月，习近平总书记在主持中央政治局第二次集体学习时强调指出，“要构建以数据为关键要素的数字经济”，首次明确了数据是一种生产要素。其后，党的十九届四中全会提出，健全劳动、资本、土地、知识、技术、管理、数据等生产要素由市场评价贡献、按贡献决定报酬的机制。第一次以政府文件形式明确了数据作为生产要素参与社会分配。2020年4月，《中共中央 国务院关于构建更加完善的要素市场化配置体制机制的意见》正式发布，对构建数据要素市场进行了顶层设计。2021年12月，《数字经济“十四五”规划》公布，对数据要素市场建设进行具体部署。2022年1月，《要素市场化配置综合改革试点总体方案》出台，对数据要素的流通交易、开发利用、安全保护等具体问题综合改革试点提出了明确要求。6月22日，中央全面深化改革委员会第二十六次会议审议通过《关于构建数据基础制度更好发挥数据要素作用的意见》，对数据要素的收益分配问题提出具体要求，即“要完善数据要素市场化配置机制，更好发挥政府在数据要素收益分配中的引导调节作用，建立体现效率、促进公平的数据要素收益分配制度”。至此，我国关于数据要素收益分配的整体框架已形成。

与此同时，我国数字要素市场也加快发展。据国家工信安全中心测算数据，2020年我国数据要素市场规模达到545亿元，“十三五”期间市场规模复合增速超过30%；预计到2025年，我国数字要素市场规模将达到1749亿元。而如果考虑到数据价值链上的全部增值环节，则该市场的规模更大。根据工信部“十四五”大数据产业发展规划，2020年底我国大数据产业规模已超过1万亿元，到2025年将超过3万亿元。根据欧盟委员会的测算，2020年，欧盟个性化数据的价值将达到1万亿欧元，占欧盟gdp的近8%。

虽然数据作为生产要素在生产过程中已发挥出巨大作用，但是从社会经济现实来看，数据要素应用到社会经济生活中所获得的收益并没有被公平分配，大部分收益被一些巨星企业拿走。很多研究成果表明，数字时代的巨星企业，与工业时代的大企业有着本质区别，这些企业的资产大多是无形资产（intangible capital）或者数字资本（digital capital），数字化程度一般都比较高。巨星企业利用这些数字资本，形成了超高的市值。而普通用户作为数据的生产者或者数据源，并没有获得相应的收益。更为重要的是，由于缺乏良好的数据要素收益分配机制，数据价值链不能很好地耦合，数据在社会生产中的作用还远没有发挥出来。根据idc的分析，在全球所产生的全部数据中，有1／4具有通过分析应用到生产领域的潜力，然而，当前全球数据中已进行标注的只有3%，获得深度分析应用的只有0.5%。数据交易也受到制约，据不完全统计，自2015年以来，全国各地已成立市场化数据交易所39家（其中6家已注销），而剩下的30余家中，有近一半基本处于业务半停滞状态。

因此，建立高效公平的数据要素收益分配制度，对促进数据要素的流通交易、分析应用、价值发挥具有重要意义。然而，数据要素不同于既有的资本、劳动力、土地等相关要素，其价值发挥取决于不同的场景和不同的应用过程，也取决于价值链上的合作伙伴，其非竞争性和部分可排他性、协同性等经济学特性使其价值分配面临不少难题。笔者认为，要解决数据要素价值分配上的实践难题，应从数据价值链理论出发，根据数据价值链的增值过程，对相关主体进行收益分配，从而解决数据要素收益分配的难题。

数据要素虽然具有资产和生产要素的基本特征，但由于其特殊性，难以形成高效的交易市场和价格机制，因此，难以完全通过市场化配置实现收益分配。

数据主要通过对现有生产要素进行强化从而为生产过程创造价值，在这个过程中，数据要素的投入是非常复杂的，因为在实际应用过程中，往往需要投入更多来源的数据才能发挥出应有的价值。在很多情况下，数据的价值大于其部分的总和，在具体的生产过程中，数据要素要发挥作用，还要取决于具体的业务模式，而数据要素投入到生产过程后，其产出也是多元化的，既包括传统的产出，还会有一个重要的副产品，即更多的数据。这些复杂性，使直接评估数据所带来的经济效应具有一定的困难。从效用上看，数据对人的价值和对机器的价值是完全不对称的。

数据要素在使用上具有非竞争性，这意味着数据的使用不会被消耗，可以以接近零的边际成本重复使用，这不同于土地、资本等其他要素。这种非竞争性使数据的规模报酬比较复杂，即使在局部的单一应用场景可能会出现规模报酬递减，在宏观上也会呈现规模报酬递增。数据的零边际成本特性，使数据生产者不能按照边际成本来获得收益。数据使用还有一定的外部性，数据要素在使用过程中，可能会损害消费者的隐私以及企业的商业秘密，这将带来负外部性；而数据的大量使用，也可能为企业供应链带来效率的提升，这是一种正外部性。这种复杂的外部性，也使数据要素的收益分配难以简单地通过市场机制来实现。

数据要素本质上是一种协同要素，通过与资本、劳动、人力资本、技术等深度融合，才能更好发挥其促进生产率提升的作用。数据只是一种创新的原料，数据单独存在的价值是有限的，必须与技术等其他要素协同。国际治理创新中心高级研究员丹·奎利雅克指出，对人类而言，大数据是无意义的噪音；对计算机来说，它是一个信息矿。正是计算机从这种噪音中提取系统信息的能力支撑了大数据的价值主张和基于它的算法。在价值创造过程中，数据、数据分析以及由此产生的内容和服务创新，共同发挥作用，为价值链的参与者创造价值。因此数据最多的公司不一定必然在市场竞争中获胜。比尔·施玛泽认为，数据可能是新的石油，也可能是世界上最有价值的资源，但隐藏在数据中的分析洞察将决定谁是真正的赢家和输家。

从本质上看，数据定价机制需要更多地依赖于市场机制，且主要依托数据交易市场。“数据货币化”分为直接货币化和间接货币化。直接数据货币化通常采用交易的形式，而间接数据货币化涉及整个价值链，与业务流程有关。直接货币化可通过交易定价的方式实现数据的价值分配过程，但是这种交易定价方式是低效的。交易定价并没有完全体现数据的价值，这使数据价值链中的价值分配并不公平，不利于数据要素发挥出应有的价值。例如，在消费互联网领域，数据价值的一个指标是消费者从互联网获得的免费服务的价值。2017年，有学者估计这一数字约占美国gdp的1.8%，即3000亿美元左右。然而，这些数据为相关领域的互联网公司创造的价值达数万亿美元。而且，由于平台作为数据处理者和控制者未能就数据获取支付足够的对价，他们倾向于囤积数据而非共享数据，这也使数据的价值未能完全发挥出来。世界四大会计师事务所之一德勤在2017年进行的一项研究发现，通过以开放的方式共享数据，伦敦交通局每年可以节省100万英镑的客户支持成本。然而，通过使用将这些数据与其他资源相结合的应用程序，乘客平均每年可节省价值7000万～9000万英镑的时间。

要解决数据收益分配中所存在的问题，一个重要的方向是基于数据价值链对数据要素收益进行分配。

数据价值链的概念源于价值链，是指从原始数据到最终价值实现的全过程。从整体上看，数据价值链既可以在企业内部完成，也包括企业之间的合作，并构成大数据生态的核心。

图1 大数据生态系统的微观、中观和宏观层面

数据价值链与其他价值链（例如制造业的价值链）相似，因为它将流程分解为各种子系统，每个子系统都涉及输入和输出。这些系统以及输入和输出的管理方式会影响质量、成本，并最终影响所有价值链中最终产品的利润。数据价值链与其他价值链的一个明显的区别是，数据价值链的最终产品通常是可操作的策略改进，而不是有形的产品或服务。因此，数据价值链所创造的最终产品价值与场景有着密切关系，而与数据是否进行市场化交易无关。

与数据价值链相关的一个概念是“数据价值循环”。这反映了数据价值链不同于其他价值链的另一个重要特征，在数据应用与货币化过程中，可能会产生新的数据，这些数据输入到数据价值链中，能够强化原有数据集的价值。同样，收集更多数据也可以推动用于数据分析的算法的改进。

从数据要素收益分配来看，数据价值链必须正确切割，这种切割一方面与技术有关，另一方面与价值创造过程有关。数据价值链的切割要能够体现每个环节的价值增值过程。据此，我们认为，数据价值链可以分为数据生成、数据采集与汇聚、数据预处理、数据存储、数据分析、数据可视化和数据展示等七个环节。每一个环节都能够参与数据价值创造，从而获得相应的收益。

数据的价值创造是一个连贯的过程，对数据价值的评估需要在这个连贯过程的基础上进行，即在对数据要素收益分配过程中，需要基于全价值链的视角进行。

根据数据价值链的定义，可以构建一个基于数据要素收益分配的新机制。

一是积极推动数据货币化方案，建立数据价值链最终产品的价值确定机制。数据价值链最终产品能够解决数据交易过程中的信息不对称问题，从而建立有一定普适性的估值体系，形成相对简单而明确的价格形成机制。而数据最终产品的价格，可视为数据价值链各环节所创造的总价值，作为数据要素收益分配的基础。

二是确立从数据价值链主体功能出发的数据收益分配思路。从价值链出发，而非从所有权主体出发，对数据价值创造过程进行分析，能够避免数据确权问题带来的收益分配问题。现有的很多研究文献都倾向于对“数据先确权，再分配收益”，这种思路在理论上很完美，但在实践中难以施行，因为先确权的思路并没完全考虑数据要素的经济学特征（如非竞争性、强协同性），在确权之后，交易双方因存在严重的信息不对称，加上信息交易的“阿罗悖论”，不利于将数据要素的价值发挥出来。而从数据价值链主体出发，不盲目强调数据所有权，而是强调相关各方在数据价值创造过程中的主体地位和贡献，更容易实现合作和价值共创。

三是深入研究数据价值链各个主体贡献度的模型。综合运用经济学、管理学、会计学等相关学科的知识，能够对数据价值链各主体的贡献度进行量化评估，从而作为收益分配的基本标准。

四是引入市场机制，允许数据价值链各个环节进行竞争，动态调整收益分配机制。数据价值链是一个开放的动态过程，这个过程可以扩展为大数据生态，并可持续引进各类主体，形成良性竞争，更好地发挥数据要素的价值。

基于数据价值链构建数据要素收益分配机制，能够兼顾各方利益，实现数据要素作用的充分发挥。因此，需要在政策上对此予以支持。

基于数据价值链进行数据要素收益分配，其前提是数据价值链的各个环节有较高程度的标准化。只有基于标准化的数据输入、聚合程度、处理程序、分析程序等，才能对各个环节的贡献度作出较为准确的评估，从而使其获得相应的收益。

在现有的研究成果中，对数据价值链的理论框架等仍有不少争议，例如，数据价值链的具体环节，有四环节说，直到九环节说，如何进行标准化分解，仍需要加强基础理论研究。

按照数据价值链进行收益分配，涉及各环节的贡献评估等，这需要有相关的技术支撑。例如，中国科学院院士姚期智团队于2021年底发布了数据要素定价算法及要素收益分配平台，根据博弈论的合作博弈理论，来确立不同的数据对于决策模型的贡献度，从而确定其收益分配。这就是利用技术来确定数据生产环节对数据最终产品的贡献。在引进数据价值链概念之后，可以进一步对该平台的技术进行持续改进，从而使其能够适用越来越多的场景。