数据要素化是一个发展过程，即运用“全面的、联系的、运动的”观点，把握数据特性及其价值运动规律，以更好发挥数据要素作用的过程。在这个过程中，主要涉及两个基本问题：第一个问题是“人与数据的关系”，即数据生产力；第二个问题是围绕数据所形成的“人与人的关系”，即数据生产关系。数据生产力是生产的物质内容，数据生产关系是生产的社会形式，二者辩证统一构成数字化、网络化、智能化的数据生产方式。1. 数据生产力是人们在劳动过程中形成的解决社会数据需求和数据供给之间矛盾的实际力量，是改造数据和影响数据并使之适应社会数据需要的客观物质力量。具体包括：数据能力、数据素养、数据计量、数据处理、数据治理、数据估值、数据应用、数据基础设施等。2. 数据生产关系是指人们在数据生产创造过程中形成的不以人的意志为转移的社会关系。具体包括：数据基础法规制度、数据治理体制两个层次，即第一个层次聚焦数据生产资料所有制形式和收益分配方式，属于数据生产关系的本质层次，反映着数据生产关系的根本性质。第二个层次包括数据管理组织体系、数据流通市场体系、数据要素统计核算体系及数据监管体系等，反映的是数据要素的配置方式，属于数据生产关系的运行层次。数据发展不平衡不充分是当下数据要素化“最大的实际”当下，“数据割据”局面已经形成，有价值的数据资源被掌握在公共管理与公共服务机构、大型数字平台企业、行业垄断性龙头企业等“数据大户”手中，而社会公众、中小微企业虽然是数据的产生者沦为“数据贫农”。
据清华大学《中国地方数据发展报告（2023年）》显示，我国数据发展不平衡不充分，整体处于起步阶段，数据要素供给与需求匹配度均值为0.41，供给侧结构性矛盾突出。如何将“数据大户”持有的数据生产资料，通过市场化手段，流向社会公众和中小微企业，实现还数于民，赋能中小微企业数字化发展，增加企业群众对数据财富的获得感，才是破解数据要素化难题的题眼。1. 敢肯硬骨头。推进数据要素化，光靠喊口号、敲锣打鼓是不行的，应抓住数据供给侧结构性矛盾，政府先行，先立后破，敢于打破数据割据局面，促进数据流通，释放乘数效应。现在爬坡过坎阶段，的确到了下大决心、拿大主意的时候了，需要实质性突破理论困境、能力困境，打通数据要素化“最先一公里”，切实加大理论供给、能力供给、基础制度供给、数据供给。2. 数据要素X≠大数据行动计划。“数据要素X”应面向未来的，超脱于一般的大数据行动计划，以期能给生产、生活、治理方式带来脱胎换骨式的质变。只有数实融合、全要素协同，才能转化为现实生产力，即需要跨学科、高水平、创新型的“劳动力”投入，高风险、高收益、可持续的“资本”投入，超维度、高质量、高价值的“数据”供给，强泛化、深结构、自适应的算法处理，智能化、网络化、绿色化的算力支撑。3. 生产工具才是生产力发展水平的重要标志。国外以生成式AI为代表的数据生产工具已经遥遥领先了，反观国内仍在数据生产资料层面打转悠，迟迟不能破题，反而上下盲目热衷于数据交易变现，似乎只有交易才能发挥数据价值，为了变现而交易，击鼓传花，没人关心数据是否实质性进入生产过程，捡了芝麻丢了西瓜。4. 要素市场和产品市场不能混为一谈。厘清二者区别与联系、位势与市场化程度、配置重点与方式，对推进数据要素化至关重要。要素市场是产品市场的基础，产品市场是要素市场的延伸，前者市场化程度远远低于后者。要素市场提供资源，而产品市场则利用这些资源生产产品并销售给最终消费者。5. 不要把手段当目的。数据资源化、资产化、资本化是手段，公共数据授权运营、企业数据资产入表、数据资本入股等也是手段，数据价值化应用才是目的，手段要服务于目的，若以手段为目的，将会导致数据空转而不能实质性进入社会生产系统，最终损害真正目的。6. 超越场内场外二元对立思维定势。单一数据流通模式难以满足多元市场需求，场外、场内长期并存成为必然，场外交易依旧在当下和未来较长时期内占据主导位置。要着眼构建全国统一大市场，超越场内场外之分，“书同文、车同轨、统一度量衡”，适宜数据流通特性的市场结构，培育多层次、多元化数据流通生态。7. 数据发展的根本引领是价值观的引领。数字时代数字化、网络化、智能化大生产方式与工业时代标准化、规模化的流水线生产方式将大相径庭，这决定了用工业时代的“老办法”来解决数字时代数据要素“新问题”，无异于缘木求鱼、南辕北辙、背道而驰。要改造和培育面向数字时代的数据价值观，遵循“信息大于物质”、“互联重于拥有”、“差异性优于齐一性”的价值取向，培植超越私有的公共精神。