摘要：随着信息技术的迅速发展，全球数据呈现爆炸式增长、大规模集聚的特点，数据将会是未来社会数字化、信息化发展的重要战略资源，成为数字经济时代的关键要素。 本文通过深入剖析数据要素的特征，阐述国民经济核算中数据生产要素统计核算的必要性，厘清数据要素定价和核算困难的深层原因及主要影响因素，探讨数据经济价值的来源，为深刻理解数据要素的经济学逻辑、重构数据生产关系提供基础，并为我国构建数据要素驱动的经济发展新格局提供帮助和参考，更好地促进数据的共享和融合。
关键词：数据要素;生产要素;统计核算
一、数据生产要素统计核算的现状分析
2019年10月，在党的十九届四中全会决议中，数据作为生产要素纳入经济核算中首次被提出，这一决定不仅体现了数据在国民经济生产活动中的重要性，同时也为未来要素市场的发展趋势提供了方向。2020年1月，国家统计局局长在全国统计工作会议报告中也提出要将数据生产要素统计核算工作作为未来工作部署中的重点。但是，数据量高速增长的同时，作为一种中间品投入，对数据要素的定价机制及其经济价值统计或会计核算的研究探索都才刚刚开始。互联网信息技术的不断发展，推动了经济的发展也改变了我们的生活方式，我们成为数据的使用者也成为数据的生产者。而区块链、物联网、云计算、人工智能等新一代信息技术的出现更是奠定了数字经济时代的到来。统计核算离不开数据，数据是统计的灵魂，而针对数据的收集、整理、分析更是一项长期性的统计工作内容，数据信息的价值也越来越得到大家的广泛认可，它已经成为我们社会经济活动中不可忽略的重要要素。
但实际上，我们对数据产生的经济影响还缺乏系统性的认知，作为非传统商品的数据该如何定义归类?其经济价值来自哪里?在国民经济核算中如何对数据价值进行核算?从不同的工作管理角度出发，至今都没有就如何测算数据投入品的经济价值达成共识，而这是企业和政府决策者把握未来数字化发展浪潮必须直面的问题。而且在国民经济核算体系，我们不难发现关于资产的核算范围中并未出现过数据生产要素，因此需要加强对相关理论和政策的研究。
二、数据生产要素统计核算的必要性
在经济发展的不同时期，有适应和支配经济发展的重要生产要素。在农业经济时代，土地和劳动力是推动农业经济发展的主要生产要素;进入工业经济时代后，技术和资本取代了土地和劳动力，成为主导工业经济发展的主要生产要素;随着技术的创新，以计算机为代表的现代信息技术为数据处理提供了方法和手段，数字技术已经从促进经济发展的工具发展为促进经济发展的核心。我们逐渐进入数字经济时代，数据正成为企业、社会和国家未来竞争的关键资源，相应地，数据成为主导数字经济发展的关键生产要素。全球数据规模呈现爆发式增长，但大多数的数据并没有得到有效分析应用。
作为人口大国和制造大国，我国的数据生产量已经在国际上名列前茅，跻身数据资源大国。在我国的经济增长中，数据作为生产要素的作用不容小觑，而对数据要素作用的关注也从本质上确认了数字经济在国民经济中的重要作用。目前，我国的数字经济规模已经达到4.73万亿美元，占GDP的34.8%，位列全球第二。
处这个时代的企业都不能否认数据的价值，它提高了市场经济资源配置的效率，也成为企业应对疫情、寻找出路的有效方式。如果没有数据，我们将由于未知对疫情产生恐慌，如果没有数据平台，我们的企业将无法正常运营和持续。数据为全民抗击疫情提供了保障，也为企业复工复产提供了机会，数据正潜移默化地影响着我们的经济发展模式。
此时我们意识到传统生产要素已无法满足当前的经济核算需要，在社会价值创造活动中，将数据作为生产要素进行统计核算有其必要性。三、数据生产要素的独特特征
传统的经济学认为资本和劳动是最基本的生产要素。随着经济和社会的不断发展，数字技术蓬勃发展，人类的生产生活与数字技术有了更深、更广的融合。爆发增长、海量集聚的全球数据已经融入经济价值创造过程，其激活其他生产要素的巨大作用，成为推动生产力发展、经济高质量发展的新动能。但数据并不能直接参与生产，必须要先转化为有生产价值的信息。加快培育发展数据要素市场，需要首先认清数据作为一种新的生产要素所呈现出的独特特征。作为新的生产要素，从本质上讲，相比于资本、劳动力和技术等传统生产要素，它具有四个特征，即非稀缺性、异质性、非排他性和衍生性。
第一，非稀缺性。传统要素具有稀缺性，属于有限的资源，因为它会在资源配置使用过程中产生消耗。而数据是近乎无限可分的工具。随着手机、电脑的广泛应用，各类软件的不断开发，我们每天都在生产数据、使用数据。数据的使用与生产形成了一个循环，数据源源不断，它的价值也在这个过程有所变化，但是数据的边际价值并不会随着数据总量的增加而降低。数据在参与生产过程后仍然存在，不会被消耗，可以重复使用多次。而且数据在被使用过程中又会产生新的数据信息，可以进一步增加数据量。数据的“非稀缺性”特点为数据的价值赋予了更多的可能性。第二，异质性。传统生产要素中资本和劳动力具有一定的同质性，可以可靠计量核算，而且所具有的单位货币价值无显著差异;虽然具体实践的劳动力之间会存在明显的差异，但这些差异只是在一定程度上存在，同质性仍然明显。不同技术之间的差异更大，所以我们经常使用专利数据来衡量创新能力，尽管其准确性值得怀疑。但这些数据与上述数据有很大不同。同一单位存量的数据所能输出的价值完全不同，因此不仅无法通过数据量衡量一家公司的价值，同一行业类型公司的数据量进行横向比较几乎也是不可能的。相同的数据总量对于不同的使用者而言它的价值是截然不同的，这在数据生产过程中非常常见。
第三，非排他性。经济学意义上的排他性是指排除他人使用技术的可能性。例如，如果一家公司获得了使用或开发某一产品的专有权，其他公司不能同时使用该产品。但数据是非排他性，只要在数据的生产和使用过程中获得权限，数据就可以不断复制粘贴，不断修改完善，最终被很多主体拥有使用，而且没有时间限制。数据的非排他性是一面双刃剑，它既推动了数据生产要素的发展，也带来了数据安全隐患。因此数据要素市场培育有必要明确数据所属权、使用边界，注重数据安全隐患，以促进数据的提供和有效使用。
第四，衍生性。数据要素不同于传统数据，是一种劳动产品，是人们利用现代化技术和工具对大数据进行生产、搜集、存储、加工、分析、服务等多个环节的产物。
在生产要素体系中，劳动、土地是财富生产的原始要素或基础要素，而数据要素则是社会化生产发展到大数据时代，是在劳动、土地等原始要素和技术、资本等派生性要素共同作用中再派生出来的，属于衍生性要素。这种衍生性决定了它既不可能离开其他生产要素的作用而独立存在，更不可能离开其他生产要素独立地发挥作用。数据要素只有在与其他生产要素的广泛而深入的结合中才能充分发挥其使用价值，并证明其价值。四、数据要素定价和核算的影响因素随着新兴技术的广泛应用，数据作为生产要素的属性越来越明确，成为第四次科技革命的“石油”。数据元素的价格机制及其经济价值统计核算对于国民经济价值和有效分配数据资源具有重要意义。
从数字资源到数字资产，将数据作为生产要素是一个循序渐进的过程。在数据元素的定价中，最困难的地方不是它的无形性，而是它的可辨认性。数据元素难以定价的原因如下：首先，数据元素具有非常复杂的外部性。
整个数字经济的主要商业模式是基于外部交叉作用下的补贴价格。其次，数据元素的创建过程涉及很多环节，比如感知、收集、传输、存储和计算，参与者的多样性让数据元素的产权和价格尤其难以确定。最后，部分数据涉及数据创造者的安全很难将数据元素完全归为公共品属性。在大多数情况下，数据是非竞争性的，相反，其排他性是不确定的。而影响数据要素定价的因素主要包括以下三个方面，即成本、收入和相对市场力量。第一是成本。在市场经济体制下，应考虑数据搜集、存储、传输、分析、应用和管理的累积成本。
因为影响数据要素定价的不仅是历史成本，还包括重置成本和机会成本。互联网行业技术日新月异，用户往往同时使用多个具有竞争力的产品。所以数据要素的重置成本变化非常快，对其价格影响很大。在收益方面，需要注意数据要素在未来可能带来的现金流，通过现金流贴现法、内部报酬率法、资本市场定价模型等各种方法去估计数据的当前价值。抑或是通过比较评估法来进行未来收益确定，选取成熟体系中最为接近数据要素的产品作为参考，从而实现估价。除此以外，实际交易中，数据所有者总是希望获得更多基于成本的补偿利润以实现经济利益，而潜在买家则希望获得更多的消费者盈余。最终均衡价格取决于双方的议价能力或相对市场能量，这必须在特定的交易场景中实现。
数据生产要素的统计或核算与价格机制密不可分，而价格机制的确定与具体的交易情景密不可分。根据不同的市场结构，引入不同的价格生成机制，这与其他生产要素完全不同。因此，我们不能像核算一般生产要素那样，相反，我们应该重点针对一些典型的应用场景，如社交网络、电子商务、游戏和金融支付进行数据价值的核算。同时，我们还必须解决数据所有权和所有者身份的问题，动员更多的市场参与者进行去中心化的统计核算，这样才能真正准确地看到数据要素的价值变化趋势。面对新的要素市场，无论是企业还是国家都不能置身事外，必须以战略眼光把握先机、抓住机遇、打开格局，才能在新一轮信息革命中占有一席之地。
五、数据生产要素的经济价值来源
随着新一代信息技术与实体经济的深度融合，数据搜集、数据整理和数据算法的不断进步，在生产创造过程中数据作为生产要素已经开始发挥价值。比如公司利用信息平台中的大量销售数据来实现生产管理，实现“零库存”，深度挖掘消费者相关数据，有针对性实现客户特定的需求，并通过产品售后的反馈数据来改进研发和设计。通过对企业生产、运营、销售活动的过程管控，将数据的搜集、挖掘、分析和反向控制用于优化生产过程。越来越多的行业决策正在从以企业为中心转向以数据为中心。在医学领域，大数据可以提高诊断的准确性和药物的有效性;在商业领域，大数据分析使零售商能够实时捕捉市场动态并快速响应;在公用事业领域，大数据在治理体系和治理能力现代化方面发挥着重要作用。数据要素的价值在于重建一个新的系统和商业模式来理解、预测和控制客观世界。从生产到分配再到交换消费，每一步都有数据的参与，每一步都会产生海量数据。
通过对数据的有效分析和使用，商家可以针对用户进行个性化推荐，政府也可以实现服务智能化、精准化。以信息流带动技术流、资金流、人才流、物资流，用户需求与资源供给被更有效地匹配，迸发出强劲的发展活力。如今，仅仅依靠某种单一生产要素很难促进经济增长，数据本身并不能创造价值，但通过基于商业实践的算法、模型聚合可以产生价值。数据和算法、模型结合起来创造价值有三种模式：
第一，价值倍增。数据是企业和社会所关注的重要战略资源，可以带来科学理论的突破和技术进步，从而大大提高劳动生产率，创造更多价值。
第二，资源优化。未来我们每个人的衣食住行、生活起居，都将有大量的数据记录，通过大数据的技术途径进行“全量数据挖掘”，最后利用分析结果进行“资源优化配置”，将这些数据转换成有价值的商业数据。数据虽然无法生产商品、提供服务，但是数据可以找出更符合用户需求的产品和服务，并有针对性地调整和优化社会生产关系。
第三，投入替代。数据可以激活其他要素，提高产品和商业模式的创新能力，增强个人和组织的创新能力。
数据元素可以用更少的物质资源创造更多的物质财富和服务，这将对传统生产要素产生替代效应。大数据可以使得现代流程变得越来越自动化，如移动支付、移动出行、线上购物体验、人工智能等，大数据正在以人们无法想象的方式改变人们的生活方式。
数据所带来的经济价值是难以估量的，因为数据已经融入我们的生产生活中，它不仅提高了社会资源的使用效率而且改变了企业的商业模式，促进了人类社会向网络连接、数据平台和一体化发展的数字经济新时代迈进。总结目前我们已步入数字经济时代，在这场新信息革命中，数据的统计核算对于经济的发展、生活的模式和国家的治理都有重要意义，所以对于数据价值的认识和测量都是极其关键的。在理论方面，关于数据生产要素的基本概念、划分类别、经济特征、定价机制和核算方式等尚未达成共识，还需要进行深入讨论。
在实践方面，数据生产要素的特征也使得数据的权益归属判定以及保护的难度系数变大，对数据进行价值核算的难度和工作量也变大，且涉及大量估算。数据要素的规模化、高效率利用离不开有效的数据要素市场与数据统计核算，更进一步地涉及数据权属的划分与分配。加快数据利用近在眼前，更带有紧迫性。
中央文件明确提出，要充分激活数据资源的经济价值，应采取加快培育数据要素市场、推进政府数据开放共享、提升社会数据资源价值、加强数据资源整合和安全保护等相应举措。随着数据要素市场加快培育，数据治理能力不断提升，相信数据在未来肩负起国民财富使命的同时，更能为经济社会发展赋能，为全面建设社会主义现代化国家提供不竭动力。
参考文献：
[1]李静萍.数据资产核算研究[J].统计研究，2020，37(11)：3-14.
[2]杜庆昊.数据要素资本化的实现路径[J].中国金融，2020(22)：34-36.
[3]吴绪亮.制度设计是数据要素定价的关键[N].经济日报，2020-10-23：011.
[4]陆岷峰，欧阳文杰.数据要素市场化与数据资产估值与定价的体制机制研究[J].新疆社会科学，2021(01)：43-53+168.
[5]管星淼，秦兴方.数据要素的双重属性及其交互效应[J].教学与研究，2021(08)：68-76.
[6]李海舰，赵丽.数据成为生产要素：特征、机制与价值形态演进[J].上海经济研究，2021(08)：48-59.
[7]王虎善，陈海林.数据价值怎么算———统计核算视角下的数据生产要素分析[J].中国统计，2020(08)：34-36.
[8]徐燕雯.数字经济背景下数据资产的核算[J].商业会计，2021(07)：96-98.
[9]任晓波.如何认识和测算数据的经济价值[J].竞争情报，2021，17(02)：2-10.
作者：王江容
推荐阅读：企业会计核算规范化管理研究
