当期荐读 2023年第2期·特约稿 | 数据要素价值实现路径研究

马费成　吴逸姝　卢慧质

武汉大学信息管理学院，武汉，430072；　

武汉大学信息资源研究中心，武汉，430072；

武汉大学大数据研究院，武汉，430072

  摘    要

Abstract

识别数据要素价值实现路径对加快数字经济与实体经济深度融合具有重要意义。为探究数据要素价值实现机制与路径，本研究梳理了数据要素的存在方式及属性，在此基础上明晰了数据要素价值实现机制，并基于价值链理论构建基本活动、辅助活动、价值开发在内的价值实现路径。研究表明，数据要素价值实现机制包括主体参与机制、市场化实现机制、权属界定与转移机制。数据采集、数据组织、数据流通、数据利用是数据要素价值实现中的基本路径，而数据安全保护、数据技术支持、数据人才保障三项辅助活动保障了价值实现。

关键词

数据要素　数据要素价值　价值链理论　实现机制　数字经济

01

 引言

信息通信技术与数字技术深度融合，带来数据的急速汇聚，以互联网、物联网为基础的数字经济得以高速增长，成为继农业经济和工业经济之后的较高经济形态。数据是数字经济时代的关键生产要素^[1]。作为国民经济信息化、数字化、智能化的技术基础，数据逐步融入传统产业的生产服务，融入经济循环全产业价值创造过程，为全社会创造出巨大的再生价值。2020年4月9日，中共中央、国务院印发《关于构建更加完善的要素市场化配置体制机制的意见》，将数据与土地、资本、技术、劳动并列为五大生产要素，为数据作为生产要素在市场中发挥价值提供了政策基础。“十四五”时期，我国数字经济转向深化应用、规范发展、普惠共享的新阶段，培育数据要素市场是推动数字经济进一步发展的必然要求。

尽管数据要素蕴含巨大潜能，但我国对于这一新型生产要素的认识尚处于探索期。在确权、定价、交易等关键环节面临的诸多不确定性导致数据要素管理处于较低水平，市场中劣币驱逐良币现象时有发生，市场萎靡，数据要素价值的实现受到阻碍。《“十四五”数字经济发展规划》^[2]中提出充分释放数据要素价值，激活数据要素潜能。对这一要求的清晰认知不仅在于加速数据要素流通，更应该在于数据要素真正加速生产，即数据生产要素价值实现问题。识别数据要素价值实现路径，是探索价值实现优化的基础，对推进数据要素赋能产业数字化和数字产业化，进而引领数字经济高质量发展意义重大。

然而现有关于数据要素价值实现的研究较少，部分学者针对数据价值进行了较为详尽的研究。研究对象除了基础的数据外，还有企业数据、医疗健康大数据、政府开放数据^[3]等。在不同情境下，学者们提出了不同的价值实现路径，如数据生成→数据采集→数据储存→数据处理→数据挖掘→数据应用^[4]，数据需求→数据交易→数据供给^[5]等。数据要素的定位与以往的数据价值存在一定差异性，主要体现在数据要素的市场化特征，强调其在生产经营活动中的价值实现。李海舰等^[6]参考郝寿义^[7]对信息资本化过程中信息形态的划分方法，将数据形态研究过程分为“数据资源—数据资产（产品）—数据商品—数据资本”四个环节，并强调通过市场交换，即“数据商品”环节，实现数据的资本化。肖旭等^[8]强调了数据要素的催化剂作用，其价值在于为社会生产提供科学决策依据，对传统的经济模式与社会生活进行多方面改进。总体而言，现有数据要素价值研究处于起步阶段，相关研究成果较少，且鲜有学者深入探究数据要素价值化的理论机制。为使数据要素得到更加广泛科学的使用，迫切需要研究人员识别与挖掘其潜在价值，并探索价值实现的优化路径。

价值链理论指出，企业通过一系列串联的活动实现价值增值，这些活动可以分为基本活动和辅助活动两大类，基本活动包含进货、生产、出货、市场营销、售后服务等，辅助活动包括基础设施建设、人力资源保障等。在企业价值链体系中，各个活动环节存在差异性，且通过合作实现更大的价值创造^[9]。数据要素在市场中进行价值创造与价值增值，因此，以价值创造为中心的价值链理论适用于数据要素的价值研究。

基于此，本文梳理数据要素概念及其属性，融合价值链理论，系统性阐释数据要素价值实现的路径，打开数据要素赋能数字经济的“过程黑箱”。具体来说，本文主要包括以下内容：①梳理数据要素概念属性；②论述数据要素价值实现机制；③阐释数据要素价值实现路径。期望通过本研究，能为我国数据要素价值实现以及数据要素市场建设提供一定理论参考。

02

数据要素的存在方式

明确数据要素的存在方式是了解其价值的基础。生产要素（factors of production）是指进行社会生产经营活动时的一切必备资源和环境条件，相应的具体形态与主次序列随着经济发展而不断变迁^[10]。传统的经济学认为，最基本的生产要素是资源和劳动，其中资源是指自然资源、土地、能源等“物”的要素；劳动则是“人”的要素，人类利用不断进步的技术将“地球的馈赠”转化为供人类使用的商品和服务^[11]，因此，过去的生产要素市场包括土地、劳动力、资本、技术市场。在新兴技术作用之下，数据经过资产化和价值化后形成的大数据呈指数型增长，使数据满足“关键生产要素”的基本条件，即成本递减、供给增加与应用普及^[12]。其不仅是企业重要的战略性资产，同时显著提升了其他生产要素的利用效率，与其他要素一同参与到经济价值创造过程中，成为具有多重价值的生产资料。

数据是指任何以电子或者其他方式对信息的记录^[13]，该定义仅从技术层面考量，而数据真正产生价值是在其与社会经济活动相结合时。结合生产要素与数据的定义，国家信息通信研究院给出了数据要素定义，即：数据要素是指参与生产经营活动,以电子方式记录并为使用者和所有者带来收益的数据资源^[14]。白永秀等^[15]定义数据要素是数据成为用于生产产品和服务的基本投入因素之一。可以发现，学界对于数据要素概念的讨论并不充分，目前两种定义的区别主要在于对数据要素的定位落脚于数据资源还是生产要素。本文结合两种定义，提出数据要素是以电子方式记录，为使用者和所有者带来收益的生产经营活动基本投入因素之一。

03

数据要素的属性

数据要素作为新兴生产要素，具有以下属性：

（1）需求性。人类从事传统的物质经济活动离不开劳动力、土地等物质资源和能源资源的投入，而现代的信息经济活动依赖于数据要素的投入。随着互联网、大数据、人工智能等新技术对实体经济渗透程度日渐加深，数据要素成为其他要素的“促进剂”，通过与其他要素的相互作用，使其价值倍增。因此，数据已是人类从事经济活动必需的生产要素。

（2）稀缺性。如果一种资源具有生产有用性，但不稀缺，而是取之不尽、用之不竭，则不属于经济资源讨论的范围^[16]。数据作为生产要素的稀缺性主要体现在用户需求上。数据量大面广，而经济活动行为者对于数据要素的需求常常具有很强的选择性，因此需要花费相应的成本以进行数据要素的开发，受限于人力、物力、财力等，经济活动行为者的数据资源拥有量总是有限的。在此情况下，对于用户来说，某一针对性数据要素仍然是稀缺资源。

（3）虚拟性。根据数据的定义可知，数据无论存在于何种物质载体，都表现为非物质的数据状态，具有虚拟存在的特点。同一数据无论记录在纸张还是电脑上，其包含的内容是相同的，价值是相等的。由于这种虚拟性，还可以使得数据要素跨越时空限制，实现数据虚拟化生产、传递和利用，实现泛在赋能，大大强化数据要素的配置能力，提高全要素生产率，产生乘数效应，实现价值倍增。

（4）共享性。传统生产要素的利用表现为占有和消耗，当物质资源或能源资源量一定时，各利用者在资源利用上总是存在着明显的竞争关系，即“你多我就少”。然而数据在产生后对其进行复制、传输、使用的边际成本趋近于零，数据资源的利用突破了土地、资本等传统生产要素的局限性，不存在上述的竞争关系。数据可以被多个经济主体同时使用，使用用户数量的增加并不会影响原数据使用者的利益。这一属性可以将分散的需求、用户体验集中收敛到不同的数字终端、智能终端，在新的空间中实现最优资源配置。

（5）非均质性。同样的数据量所对应的信息量并不相同，其数据价值可能有天壤之别。且数据要素存在“1+1＞2”的规模经济特性。两个看似数据价值较低的数据集合并后，可能可以创造巨大的价值，揭示原来分立的数据集都不能揭示的经济规律^[17]，发挥意料之外的调节和指导作用。

（6）外部性。在数据要素交易过程中，数据有偿使用与“搭便车”行为往往共存^[18]，部分数据使用者并不是数据的收集者或创造者，但其通过外溢的数据获得了经济利益，而本身的数据产权主体并不会得到合理回报。

数据要素的属性决定了其价值实现机制与路径。首先，稀缺性、虚拟存在性和共享性决定了数据要素流通的可能性和必要性，从而可以形成多元主体参与机制与市场化实现机制。其次，正是由于数据要素的非均质性，需要进行数据组织和数据利用，以对各种数据集进行分析，在最少数据量内展现最有效信息，挖掘出数据要素的最大价值。此外，为了减少外部性带来的影响，需要通过数据安全保护、技术支持等手段来打破柠檬市场，为数据要素市场的长足发展提供安全环境。

04

数据要素价值实现机制

生产要素市场化要求一切生产要素均需通过市场交易进入生产领域，数据要素资源配置同样依靠市场的决定性作用^[19]。数据要素价值的实现，涉及参与主体、实现手段、配套机制等诸多方面，其价值实现机制的设计有利于发挥不同主体之间、不同手段之间的协同效应。

4.1　多元主体参与机制

数据要素价值实现，应建立政府为主导、企业为主体、公众参与的多元主体参与机制，该机制的重点是数据价值的充分挖掘，薄弱点是保障数据安全。

首先，政府在政策制定、标准设定、产权界定中应发挥核心和主导作用。企业作为实施主体，既要发展新技术新算法，同时也要承担社会责任，对用户负责，对数据负责，守住数据保护的法律底线。公众是数据的主要来源，在数据要素价值实现过程中应行使权力、享受权利、承担义务、贡献力量。多元参与主体决定了数据将经多次转手，不同主体结合本身的责任、义务、特长及业务理解，会对数据进行不同层面的解读，使数据要素价值得到充分发挥。

其次，政府通过税收和补贴对企业（数据使用者）和公众（数据提供者）之间不对称的成本收益关系进行权威性分配，保证企业无法对公众数据为所欲为。近年来，违反《网络安全法》《数据安全法》《个人信息保护法》的行为时有发生，且大型公司成为重灾区，如2019年Facebook泄露5.53亿用户个人数据，2022年滴滴违法收集用户相册数据、剪切板信息、人脸识别信息等个人数据。因此，政府的政策性、强制性、权威性等特征，使其能够采取控制手段解决多元主体利益矛盾和冲突，使得该机制可以平稳运行。

4.2　市场化运营机制

数据要素的市场化实现机制是将尚未完全由市场配置的数据要素转向由市场配置的动态过程，其目的是形成以市场为根本的调配机制，实现数据流动的价值或者数据在流动中产生价值^[20]。

数据要素市场化实现机制主要包括市场配置、市场定价、市场交易、市场竞争。市场配置数据要素意味着数据产权的独立性和数据交易的自由性，数据要素确权是市场配置的前提。数据的定价需要在确权的基础上，通过专业估价与市场磨合来确定。数据要素交易须克服大企业垄断、行业壁垒等诸多问题，达成数据线上交易和线下服务的高效协作。市场竞争往往由数据要素规模和质量差异引起，这种竞争有利于数据产品创新，但也存在大企业垄断，从而消解竞争的风险。由于市场机制的不完善和产权的天然模糊性，数据要素市场很难自然形成，但是其对于数据要素价值的实现至关重要。

4.3　权属界定与转移机制

数据要素确权是数据交易的前提，是市场参与者的共同诉求，合理清晰的权利界定机制保障了数据提供者和数据需求者的利益，有利于激发数据交易活力。目前较为认可的权属界定与转移机制为“三权分置”机制，认为数据要素权属是一组权利束，有多元化的动态权属结构，包括所有权、使用权、收益分配权等^[21]。数据提供者拥有对原始数据的所有权，因此享有数据分享后所带来的收益和补偿；数据需求者拥有对数据二次加工的所有权，其对数据要素的加工使数据获得增值，从而产生经济效益。享有使用权的用户须获得数据所有者的许可，不能侵犯所有者的权益。数据提供者的收益分配方式包括货币形式和非货币形式，而数据需求者主要以货币形式获得收益，弥补其在数据加工过程中的成本。然而，由于数据类型的多样性，各界学者在制度完善等细节问题中尚未形成统一答案。

05

数据要素价值实现路径

根据价值链理论，企业通过基本活动和辅助活动实现价值增值^[9]，在此过程中价值形态发生改变，因此本研究搭建了以基本活动为主体，在辅助活动的支持下，数据要素完成价值开发的价值实现路径，见图1。其中，基本活动包括数据采集、数据组织、数据流通和数据利用，数据流通使数据采集成为可能，最终形成闭环。数据采集渠道主要包括政府、个人、企业，经过脱敏、模型化、AI化完成数据组织。辅助活动从底层至表层主要包括数据人才保障、数据技术支持、数据安全保护。在此过程中价值形态也进行演变，初始状态时数据要素具有潜在价值，在价值形成的一系列活动后完成数据要素的价值实现。

图1　数据要素价值实现路径

5.1　基本活动

数据要素的价值链包括以下环节：数据采集→数据组织→数据流通→数据利用。基本活动是价值实现的主路径，为不可缺少的实质性活动。

数据采集是数据要素价值链的源头，采集数据的质量在一定程度上决定了最终的价值实现。不同主体采集数据的渠道基本相同，包括政府数据、企业数据、个人数据。政府数据为政府履行职责过程中生成的数据^[22]，如在财政收支、规划文件、执法记录等政府运作过程中生成的数据，来源于政府官方网站。企业数据为企业生产或经营数据，如生产管理数据、运营数据、财务数据等，来源于企业的年报财报、官方网站、相关新闻等。个人数据是个体参与经济活动的副产品，主要包括用户授权的个人信息数据与基于用户使用行为生成的痕迹数据。其中，政府数据与企业数据一般为加工后的披露数据，而个人数据是未经加工的非结构化的原始数据。

数据组织是数据要素价值开发的重要环节。将数据结构化处理之后，其承载的信息被挖掘出来，此时数据才具有价值。在此过程中，数据实现从无序向有序的转换，知识被从大量基础数据中挖掘出来，信息熵降低。数据组织的过程包括脱敏、模型化和AI化^[23]。其中，脱敏是在原始数据集的基础上，对数据资源进行清洗、转化、归集，将敏感或涉及隐私的数据进行脱敏处理，得到具备一般性的数据，可以进行商业分析。模型化是使用机器学习等已有算法对数据进行进一步的模型化开发，获取描述性信息。而AI化将结合企业实际情况，研制出符合客户需求的个性化数据产品和服务。如当收集到用户使用痕迹的原始数据后，对其个人信息进行脱敏处理，得到群体性的脱敏数据集；接着运行简单模型刻画出用户画像；最后结合深度学习等技术形成语言识别、人脸识别等人工智能服务。

数据流通是数据成为生产要素的关键。由于数据要素的共享性与非均质性，数据的使用者越多，其挖掘出的价值越高，数据要素的“溢出效应”越强，生产效能持续倍增。数据流通可以分为经济行为主体内部的流通以及主体与主体之间的流通。首先，经济行为主体内部的数据流通使公司内部信息透明化，有助于员工更全面地了解公司的业务流程，有助于帮助决策者优化决策机制；其次，当公司拥有多个分部时，每个地区的产品价值只有一部分，需要通过数据的流通实现整体的价值。主体与主体之间的数据流通主要发生在政府与企业，企业与企业，政府与政府之间，主要形式为主体的数据采集行为^[24]，体现了社会的分工协作。

数据利用是数据要素价值实现的“最后一公里”。数据“赋智”政府宏观调控、企业精准决策，并将数据应用到多场景中，通过数据要素资源的优化配置，实现数据价值。政府利用数据搭建数字化平台，实现一网通办，让数据多跑路，让百姓少跑路；各行业利用数据实现精准营销、安全生产、智能匹配。尤其在新冠肺炎疫情期间，网购、外卖、直播带货等多种数字经济业态，凭借无接触、精准推送、实时反馈等优势得以快速发展。此外，数据要素与传统生产要素的深度融合，能够显著提高生产效率，壮大发展新动能。以物联网、云计算、人工智能等新型信息技术为驱动的企业，为数据提供了更多可利用的场景，有效推动产业转型升级，鼓励了数字产业化、产业数字化、数字化治理和数据价值化。

5.2　辅助活动

在数据要素价值实现路径中，需要辅助活动来保证基本活动的正常运行，主要包括数据安全保护、数据技术支持、数据人才保障。

维护数据安全、保护数据主体的权益才能保障数据的正常流通。在数据要素价值实现过程中，通常会经历以下四类人员，包括数据生成者、数据收集者、数据处理者和数据使用者，任何人都可以接触数据，都存在泄露、篡改的风险^[25]。在数据交易后，数据接收方可能将数据复制或转售，影响出让数据方的利益。因此，需要建立完善的网络信息安全管控体系。一方面，国家要从整体安全角度对大数据进行集中管理，相关立法部门应在现有信息保护体系的基础上，为当前大数据发展制定新的法律制度，完善相关法律法规，提高信息安全和隐私保护水平^[26]。另一方面，要求企业更新和完善大数据安全和隐私管理技术，学习先进企业在大数据安全和隐私保护方面的技术，建立安全的大数据防御体系，从根本上解决大数据安全和隐私保护问题，最大限度地提高防御未知威胁的效率和有效性，同时对接触数据的人员进行技术培训^[27]。

在对数据资源池进行利用的过程中，需要大量的计算机算力配合适当的算法体系来提供技术支持^[17]。在数据采集阶段，各行各业会采用各式各样的工具获得各类型数据，如传感器数据、RFID射频数据、社交网络数据等，多源异构的数据特征也带来重复建设、效能低下等弊端，根据国务院办公厅印发的《要素市场化配置综合改革试点总体方案》^[28]，领军企业和行业应充分发挥组织作用，推动人工智能、区块链、车联网、物联网等领域数据采集标准化，明确数据格式，划定采集边界，建构组织规范，保障数据采集全面性、多维性和高效性。数据组织阶段涉及到数据脱敏技术、人工智能技术等，以充分挖掘数据价值。数据流通阶段将使用到数据加密技术、防火墙和防病毒技术、协同商业智能、区块链技术等。数据可视化、数据溯源技术等在数据利用阶段发挥重要作用。企业需重视新技术的引进，通过提升数字化能力利用好数据要素价值，为企业带来更多商业价值。

数据的价值最终需要人来实现，为让数据要素发挥出价值，数据人才需要具备以下能力：对异构数据的高度洞察力、数据甄别能力、数据处理能力、数据安全意识。由于数据要素价值实现是个系统工程，单一的知识体系恐难适应经济行为主体对数据的需求，因此，需要具备多学科知识，包括管理学、行政学、政治学、计算机科学与技术、情报学、伦理学等，同时需要时刻关注与数据治理相关的法规政策。具备丰富的理论知识与多元化技能的复合型人才才能推动数据要素的高效配置。

5.3　价值开发

在数据要素价值链基本活动和辅助活动的基础上，数据要素完成了价值开发，从具备潜在价值的原始数据转化为可以创造商业价值、社会价值的数据要素，价值得到了充分开发。

原始数据资源存在潜在价值。此时数据未被开发，通常具有体量大、来源多、非结构化等特点，例如个人产生的信息行为数据，其价值难以体现与释放。数据潜在价值越高，其可开发性越强，判断数据潜在价值的评估可以从以下六个方面展开：①数据来源；②数据量；③发布时间；④数据类型；⑤可靠性；⑥准确性。

数据组织的过程也是价值形成的过程。通过数据组织，数据要素中所包含的价值逐渐显现。经过初步脱敏处理后，数据安全和隐私保护得以确保，数据具备了流通价值。经清洗、模型化开发等基础分析后形成的模型化数据集披露出的信息少且深度非常有限，具有低价值。而AI化数据集体现了创造性智力活动成果，是重要的战略资产，具有较高价值。从原始数据到AI化数据的过程正是遵循了DIKW（data to information to knowledge to wisdom）模型中“数据—信息—知识—智慧”的进阶层次关系，逐步实现数据要素价值。

在数据脱敏、分析的基础之上对数据资源实现高效利用，完成数据要素价值的实现。数据要素价值实现就是数据要素蕴藏的内在价值显化为经济效益、社会效益。政府部门、企业、科研院校和公众等多元主体将开发后的数据互相流通，使要素价值不断被挖掘，并与多行业深度融合，数据要素价值得以实现。在数据利用的过程中，企业实现业务流程的改进，组织绩效的提升，产品和服务的创新，最终带来客户体验和市场份额的提升^[29]；政府的价值包括提高公民生活质量、提高政府管理效率、优化社会经济结构、推动科技创新、促进智慧城市建设和民生服务普惠性等。同时，数据对其他生产要素也具有乘数作用，可以利用数据实现精准识别需求、匹配相应生产要素，放大各要素在社会中的价值。最终，数据要素将推动数字经济新产业、新业态、新模式发展，为经济转型发展提供新动力，实现高质量发展。

06

总结

本文旨在科学认知数据要素价值实现过程，厘清数据要素价值增值过程。这对于促进各类数据协同、提高数据要素的资源配置效率具有重要意义。基于此，本研究明确了数据要素存在方式，提出数据要素是以电子方式记录，为使用者和所有者带来收益的生产经营活动基本投入因素之一；梳理了数据要素的属性包括需求性、稀缺性、虚拟存在性、共享性、非均质性、外部性；明晰了数据要素的价值实现机制包括多元主体参与机制、市场化运营机制、权属界定与转移机制。在实现路径层面，结合价值链理论，从基本活动、辅助活动、价值开发三方面构建框架，还原数据要素的价值实现路径。本研究构建的价值实现路径可以有效地推进数据要素的理论研究，但是研究结论的实践性有待进一步探究，因此，后续的研究可以进一步收集数据，采用实证研究的方法探讨不同应用场景中数据要素的价值实现路径。

参考文献

[1]　欧阳日辉,龚伟.基于价值和市场评价贡献的数据要素定价机制[J].改革,2022(3):39-54.

[2]　中华人民共和国国务院,国务院关于印发“十四五”数字经济发展规划的通知[EB/OL]. [2022-01-12]http://www.gov.cn/zhengce/content/2022-01/12/content_5667817.htm.

[3]　任福兵,孙美玲.基于价值链理论的政府开放数据价值增值过程与机理研究[J].情报资料工作,2021,42(4):56-63.

[4]　杨锐.培育数据要素市场的关键:数据供给的市场化[J].图书与情报,2020(3):27-28.

[5]　梁继,苑春荟.数据生产要素的市场化配置研究[J].情报杂志,2022,41(4):173-180.

[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(8):48-59.

[7]　郝寿义．论信息资本化与中国经济高质量发展[J]．南开经济研究，2020(6):23-33,49.

[8]　肖旭,戚聿东.数据要素的价值属性[J].经济与管理研究, 2021,42(7):66-75.

[9]　Porter M E. Competitive advantage: Creating and sustaining superior performance[M]. Florence:The Free Press, 1985: 48-53.

[10]王夙.加快培育数据要素市场［N］.经济日报，2020-04-16（5）.

[11]田杰棠, 刘露瑶. 交易模式、权利界定与数据要素市场培育[J]. 改革, 2020: 17-26.

[12]陆瑶,卢超,董克,等.从幕后到台前：数据要素化带来图情学科发展机遇与挑战[J].图书情报知识, 2021, 38(6):123-133.

[13]全国人民代表大会常务委员会.中华人民共和国数据安全法[Z].2021-06-10.

[14]中国信息通信研究院政策与经济研究所.数据价值化与数据要素市场发展报告(2021 年)[R].北京:中国信息通信研究院政策与经济研究所,2021:1.

[15]白永秀,李嘉雯,王泽润.数据要素：特征、作用机理与高质量发展[J].电子政务,2022(6):23-36.

[16]马费成.信息经济学[M].武汉:武汉大学出版社, 1997: 42.

[17]李直,吴越.数据要素市场培育与数字经济发展——基于政治经济学的视角[J].学术研究, 2021(7): 114-120.

[18]何玉长,王伟.数据要素市场化的理论阐释[J].当代经济研究,2021(4):33-44.

[19]王璇,窦悦,黄倩倩,等.全国一体化大数据中心引领下超大规模数据要素市场的体系架构与推进路径[J].电子商务, 2021(6): 20-28.

[20]国家工业信息安全发展研究中心.2020-2021年中国数据要素市场发展报告[R].北京:国家工业信息安全发展研究中心,2021:3.

[21]卢黎歌,李婷.我国数据要素统一大市场构建目标、存在问题与对策分析[J].理论探讨,2022(5):163-167.

[22]严宇,孟天广.数据要素的类型学、产权归属及其治理逻辑[J].西安交通大学学报(社会科学版), 2022, 42(2):103-111.

[23]黄倩倩,赵正,刘钊因.数据流通交易场景下数据质量综合管理体系与技术框架研究[J].数据分析与知识发现,2022,6(1):22-34.

[24]熊丙万.私法的基础:从个人主义走向合作主义[J].中国法学,2014(3):138-155.

[25]Du J. Research on enterprise information security and privacy protection in big data environment[C]//2021 3rd International Conference on Machine Learning, Big Data and Business Intelligence (MLBDBI),Taiyuan, China. Piscataway: IEEE, 2021: 324-327.

[26]Li Z, Hu X. Research on data security and privacy protection in the context of big data[J]. Internet of Things Technology, 2020, 10(6): 76-78.

[27]何迪. 大数据环境下的数据隐私保护问题研究[J].数字通信世界，2017(6):138-140.

[28]国务院办公厅关于印发要素市场化配置综合改革试点总体方案的通知[EB/OL].[2021-12-21].http://www.gov.cn/zhengce/content/2022-01/06/content_5666681.htm.

[29]Grover V, Chiang R H L, Liang T P, et al. Creating strategic business value from big data analytics: A research framework[J]. Journal of Management Information Systems, 2018, 35(2): 388-423.

（收稿日期：2022-12-07）

作者简介

马费成（通讯作者），教授，博士生导师，研究方向为情报学理论与方法、大数据分析与应用，Email：[e-mail]；

吴逸姝，硕士生，研究方向为数字信息资源管理、社交媒体信息传播研究；

卢慧质，硕士生，研究方向为数字信息资源管理、用户信息行为研究。

* 原文载于《信息资源管理学报》2023年第2期，欢迎个人转发，公众号转载请联系后台。

* 引用格式

马费成，吴逸姝，卢慧质.数据要素价值实现路径研究[J].信息资源管理学报，2023,13(2):4-11.

往期 · 推荐

▲点击访问信息资源管理学报小程序

制版编辑 | 王伊杨

审核 | 于阿媛

长按识别二维码关注我们

信息资源管理学报

微信号

xxzyglxb

分享、在看与点赞

只要你点，我们就是朋友😊