本文摘要：数字技术革命是人类历史上最广泛、最快节奏的技术革命，数据已成为国家重要的战略资源和核心创新要素，数据要素的市场化配置是推动数字经济高质量发展的前提基础。而数据与政府天然的内在联系决定了要推动数据要素市场健康发展，必须深化政府数据治理方式变
数字技术革命是人类历史上最广泛、最快节奏的技术革命，数据已成为国家重要的战略资源和核心创新要素，数据要素的市场化配置是推动数字经济高质量发展的前提基础。而数据与政府天然的内在联系决定了要推动数据要素市场健康发展，必须深化政府数据治理方式变革。
1 “资产”与“要素”：两个不同的观察视角
2009年《数字英国》报告将数据描绘为“创新货币”和“知识经济的命脉”，2019年《加拿大数字宪章》提出支持数据驱动型经济以带动整体增长。目前，数据数量、种类、内容、流动速度的增加以及与人工智能、区块链、5G等技术形态与实体经济的深度融合，所蕴含的巨大社会和经济价值不仅受到各国政府的高度重视，成为拉动数字经济的制高点，也标志着人类社会迈向数据驱动的经济社会发展范式的转变。
2019年，《中共中央关于坚持和完善中国特色社会主义制度推进国家治理体系和治理能力现代化若干重大问题的决定》中首次将数据增列为生产要素。刘鹤副总理总结到：“数据作为生产要素，反映了随着经济活动数字化转型加快，数据对提高生产效率的乘数作用凸现，成为最具时代特征新生产要素的重要变化”[1]。
从强调数据的资产属性升华到生产要素属性，概念背后揭示的是两种不同的观察视角与分析框架，对政府数据治理理念与治理方式提出了不同的要求。资产视角下的政府数据治理，聚焦于数据的资产属性，要求政府像对待其他重要资产那样，以战略性方式管理数据，实现数据资产价值的保值增值。
其工作着眼点是从供给环节考察数据质量、数据流通、数据增值加工、数据基础服务等关键问题，并建立起覆盖数据采集、使用、流通、存储等全流程、全方位的政府数据资产管理框架，进而实现数据价值结构的优化;而要素视角下的政府数据治理，则站在需求端，更加强调数据价值的市场转化与数据创新的用户收益。
因而，需要从数据开发利用的生产环节和市场环节入手，业务管理边界应在数据资产管理基础上扩展到更广阔的社会视角，通过数据资源配置、数据确权、合作伙伴关系、数据市场培育与市场激励等推动数据价值辐射范围的外移，促进数据驱动的创新，带动产业升级，刺激数据消费，培育数据经济新动能。
站在数据资源供给侧结构性改革角度，以数据资产价值实现为中心的数据治理，所要解决的主要矛盾并不是数据供给量问题，而是数据价值结构优化基础上的供给质量与供给能力问题;而以数据要素培育为中心的数据治理，更加聚焦数据服务的有效供给，更加重视用户的需求偏好、数据消费与效益创造，既涉及到数据驱动型经济结构调整与发展模式，也触及数据产业链经营模式与利益平衡问题。
同时，二者之间还有着紧密的内在联系和逻辑分工。一方面，均围绕数据价值实现这一主线建构上下游数据业务框架，前者偏重于供给端，以提供数据的政府机构为中心，后者注重从需求端解决政府数据供给与需求错位问题，降低无效或低端数据供给，旨在形成以用户需求为中心的数据价值实现体系;另一方面，均统一于数据资源供给侧结构性改革过程中政府数据采集、加工、传播、利用等管理职能、组织实施、技术方法等全面优化。
二者理念、目标的差异使得它们在数据资源供给侧结构性改革的实施路径与方法举措上有着鲜明的特色，共同构成了政府数据资源开发利用的整体性治理框架，内嵌着从“政府”到“市场”、从“产品”到“要素”、从“数据管控”到“开放共享”、从数据利用到提高数据经济增长率等数据治理逻辑的递进与深入。
2 “成本”与“效益”：两个不同的价值导向
数据是数字创新的重要来源，在数据价值的生成转换过程中，政府数据服务供给的成本补偿与激励方式对于数据要素的市场化配置显得尤为重要，直接影响到政府拉动数字经济的公平性和效率性。没有激励或者激励不足，盘活数据存量的内生动力有限，数据开放的数量、质量难以得到保障，而激励过度，则导致数据公共空间挤压和包容性数据经济发展受损。
20世纪90年代以来，在市场化改革和企业家政府驱动下，欧洲国家先后对包括政府数据在内的公共数据供给采取了成本回收定价、部分成本回收定价以及边际成本定价、免费等做法，得出的普遍性共识是政府部门及其所属机构以经济激励为目的的数据开发与出售会导致数据产业发展的扭曲与公共利益的损害。同时，数据出售的收入并不能覆盖政府数据生产维护的成本。
可见，以成本为中心的数据治理需要正视两个问题，一是从政府数据中得到的收益并不能精准量化，数据要素升级需有持续性的资金投入以实现数据资本的存量增加和价值提升，资金压力会制约政府数据项目的可持续性开发进而削弱政府数据供给能力;二是政府数据成本节约追求的是有限成本支出带来的数据效益最大化，从数据治理水平提升与促进数据价值生成着手，规范数据标准、提高数据质量、优化数据流程都能达到加速数据流动、推动数据利用、增进价值生成并控制成本的目的。
如果说以成本为导向的数据治理系行政成本削减压力下政府向内挖潜的现实折中，那么，以数据效益最大化实现为目标的数据治理则是政府数据赋能向外辐射的理性选择。牛津经济研究院和华为联合发布的研究报告预测，2015-2025年,由于“+智能”时代的到来，数字经济将占到全球经济的15%-24%[2]。随着数据驱动的新产业、新业态、新应用、新模式的不断涌现，以效益为导向的数据治理在激发创新活力、促进数据要素市场健康发展的同时，还需要摆正效益观念，妥善处理好以下几方面的关系：
(1)应追求数据要素经济效益与社会效益的同步提高。正如数字经济与数字社会之间存在着彼此依存互为促进的紧密共生关系，围绕数据挖掘、数据分析而衍生的数据价值链是一个动态复杂的多元价值体系，既能够带来可观可计量的直接收益，也能够创造出造福社会的巨大数据红利。因而，数据效益的聚焦点必须超越将成本利润作为目标追求的传统效益观念，并注重数据开发利用过程中所释放出的行政效益、文化效益、社会效益等整体数据价值的实现。
(2)应坚持数据资源政府供给与社会供给的协同共进。数据要素的市场配置意味着数据供求关系发生了深刻变化，以政府为主体的数据供给结构、供给质量与用户需求之间的适配性较差，而以市场为主体的高质量数据供给则是释放数据附加值潜力的关键。在鼓励基于数据关联、数据挖掘、数据智能等开展的数字产品经营模式创新，促进数据生产要素高效利用的同时，必须清醒认识到市场供给的局限，需要政府在基础数据供给，保障数据共享，维护数据公平，发展包容性数据经济方面发挥积极作用。
(3)应实现数据开发与数据权保护的并行递进。数据资源区域间和机构间获取利用的不平衡、平台产品开发中的个人数据泄露、人群歧视、数据滥用等现象，折射出的本质是不同群体数据关系协调与数据利益平衡问题。安全、可信任的数据利用生态是数据驱动型经济发展的前提，数据市场的繁荣不能以牺牲国家安全、商业秘密和公民隐私为代价。
(4)应增进数据市场公平性与创新性的融合发展。数据驱动型经济是建立在“信息不对称”之上的，具有强大计算能力的公司比没有这种计算访问权的公司更容易提取和利用数据来创建新产品和服务[3]。尽管数据赋能蕴含了巨大的创新创业潜力，不同类型的企业在数据产业链中可以展现出价值创造的多样性，但数据市场的规模经济与网络效应会带来赢者通吃的格局，一些平台型企业会利用算法合谋、价格歧视、捆绑销售等非正当竞争巩固其垄断地位，造成市场公平性与创新性的脱节，必须加以防范。
3 “管理”与“治理”：两个不同的范式转化
2012年，澳大利亚信息专员办公室针对政府部门开放公共信息的调查发现，很多政府机构将实施数据资产管理视为最难实施的原则， 76.9%的机构报告最困难的事情是建立和维护信息资产登记注册[1]。由此可见，尽管政府在发展数字经济以及促进数据开放和大数据利用的创新方面应发挥主导和促进作用，但数据要素市场的发展使得传统政府数据管理方式面临挑战：如数据理念从部门管控到开放再利用的转变，数据调控从指令性配置向计划与市场并重的转变，数据流通从封闭的体制内运转到开放的社会大循环转变，数据激励从单一的部门收入和成本节约到市场收益、社会福祉的转变，数据供给从一元主体到多元共治等覆盖数据生命周期的全面调整。
数据方向论文范例：新基建背景下的大数据中心行业洞察
我国数据要素市场培育具有突出的数据集聚优势和强大的政府动员能力,但“由于数据作为生产要素转化为新型生产力尚处于初级阶段，数据资源的应用方式、管理模式、组织机制、运营环境等生产关系的调整仍有待探索”[5]。换言之，政府部门应充分把握数据驱动型经济的发展规律，并从制度创新、平台搭建、市场引导、基础数据供给等方面对数据要素市场建设做出灵活准确的快速反应，着力通过数据治理方式的调整真正实现粗放型数据供给向精准集约型供给的转型升级，并带动我国数字经济的快速发展。
参考文献：
[1] 刘鹤.坚持和完善社会主义基本制度[N].人民日报，2019-11-22(6).
[2] 华为、牛津经济研究院(OXFORD ECONOMICS).数字溢出——衡量数字经济的真正影响力[EB/OL].[2020-04-17].
[3] Ciuriak，Dan.The Economics of Data:Implications for the Data-driven Economy.In Data Governance in the Digital Age[EB/OL].[2020-03-20].Waterloo，2018，ON:CIGI.
[4] John McMillan.Open public sector information: from principles to practice- Report on agency implementation of the Principles on open public sector information[EB/OL].[2016-07-21].
[5] 李颖.以新基建推动释放数据价值加快虚体经济与实体经济融合[EB/OL].[2020-04-16].
作者简介：夏义堃
转载请注明来自发表学术论文网：http://www.fbxslw.com/dzlw/24280.html
