副教授在数字经济发展和治理学术年会（2023）上的主旨演讲
感谢*院长的介绍，也非常高兴能够接着*院长继续发言。在*院长的
演讲中，从管理学视角探讨了如何让数据资本在创新过程中发挥重要作用。我自己曾在2020年发表过一篇题为《数据资本与经济增长路径》的学术
论文，探讨数据作为一种虚拟资本类型的生产要素，对于中国经济增长与结构转型做出的重要贡献。文章发表后，我跟我的合作者开玩笑，说如果当初把题目改成《数据要素与经济增长》的话，可能这篇文章的引用量会翻倍。当然这只是玩笑话，我想强调的重点是，无论是经济学、管理学、社会科学还是其他的社会科学学科，乃至计算机、人工智能等信息科学，在数字经济发展这一研究主题上实现了全方位的交叉与融合，进而形成了数字经济学这样一门新兴学科。今天我的研究主题就是“建设数据要素市场，推进数字经济学的中国实践”，主要是基于自己的一些既有研究以及教学经验，跟各位分享我的一些不成熟的
体会。
首先是我们所处的时代背景，那就是正在不断做强、做优、做大的中国数字经济。
中国数字经济的发展是非常蓬勃向上的。根据《数字中国发展报告（2022年）》，2022年我国数字经济规模首次突破50万亿元
种，《数字经济学》教材超过十种，还有一些分支学科、研究专题类的教材也都相继出版。然而，在相关专业、教材与课程都逐渐完备的背景下，数字经济学“学什么”“怎么学”“怎么用”等问题却尚未得到完全解决，数字经济发展人才培养不断扩容、人才缺口不断扩大的现实矛盾仍然存在。数字经济学科建设与人才培养亟需“提质增效”。
综上所述，我认为需要把数字经济的高质量发展与数字经济学的学科建设密切地结合到一起。推进数据要素市场的建设是当前全球数字经济发展的关键实践，也为数字经济学提供了得天独厚的研究环境与应用场景。我们发现，各主要的经济体都在尝试建立能够促进数据更好地流通，充分地开放的要素市场模式，以谋求或巩固全球数字经济发展者的领导地位。美国坚持以市场为主导数据流通，以行业自律为主、以政府监管为辅；欧盟构建数据全域治理框架，将数据的提供、中介和使用环节分离开来，同时政府部门施行全过程监管；英国旨在推进个人数据要素化，发起Midata数据要素化项目，实施“开放
银行”数据交易战略、共享金融数据。当然，还有诸多可供借鉴的实例，这里我就不赘述了。我们认为，只有尽快建立数据要素市场，妥善配置数据资源、数据资本和数据资产，辅以先进的理论创新引领，才能真正地把中国的数字经济和数字经济学发展好。中国数字经济的学科体系、学术体系、理论体系与话语体系建设，必须与数字要素市场建设协同共进。
具体来看，在中国当前建设数据要素市场的过程中，面临哪些重要的问题？
2016—2021年，我国数据要素市场规模不断扩张，由62亿元快速增长到815亿元，年复合增长率为67.4%。截至2022年12月，我国一共有46家数据交易所，10家省市级大数据集团。在总量迅速增长的同时，我国数据要素市场建设也面临交易规模不足、交易种类偏少、数据标准不统一、场内交易不活跃、市场监管职能不明确等现实问题。
为了更好地发挥数据要素市场配置数据要素、算力要素与算法资源的功能，促进数据要素的合理流通与高效应用，需要妥善解决一系列关于价格形成、激励机制、创新支撑、福利效应与要素治理的关键问题。我们基于“数据价值链”的理论逻辑，在综合考虑重要性、紧迫性与时效性的基础上，归纳出当前数据要素市场建设面临的四个关键问题。
第一，在数据统计测度制度尚不完善的当下，到底如何度量数据的价值、为数据要素定价？已有研究提出了一些可供参考的做法。大多数现有研究通过测度数据要素的生产成本测度数据要素价值，这是从操作性上讲最为可行的做法，但是通过成本法得到的数据价值很有可能是被低估的。还有其他的一些做法，包括测算并且汇总数字经济各产业的增加值，测度SNA生产边界外的数字经济的福利效应，扩展GDP核算框架以包括数字零价产品与服务，以及基于市场和评价贡献为数据要素定价等等。对于测度数据价值，统计界也正在尝试做出改变，最新的国民核算国际标准（SNA2025）正在围绕数据资产开展相关的专题研究与改革探索。然而我们可以预期到，即使在SNA2025中形成了数据资产的测度方法，这个方法也一定是非常基础、高度依赖假设条件的。如何为数据要素的估值与定价提供经济学、管理学的理论支撑，准确把握数据要素对经济发展的贡献，并以此为基础制定相关政策，是我们需要解决的第一个问题。
第二，在应用层面，到底如何将数据要素转化为一种持续的创新动力呢？一些研究指出，我们要鼓励企业之间进行数据共享与协同创新，但这在实际实践中非常困难，很多企业都想自己把数据窖藏于企业乃至部门内部而不愿意共享。也有研究指出要通过数据化可进场实现企业与消费者的协同演化，利用数据预测并采用最优的生产技术以改善产品质量，通过大数据分析提供不涉及隐私问题的“漂白”知识，优化企业内部的创新资源分配等一系列将数据转化为创新资源的具体做法。以上这些研究的一个共同之处是强调数据要素必须通过一个十分复杂的价值创造过程才能成为创新的驱动力，而对于这个过程的研究还需要进一步深入。
第三，很重要的一个问题是，如何理解数据要素流通与应用的社会福利效应，这个问题目前在研究界讨论相对少。一方面，可以通过大数据分析指导社会支出决策、优化公共管理模式，提高社会的整体福利；另一方面，可以通过 ……
相关文章