数据生产要素的结合机制——互补性资产视角

林志杰，孟政炫

(清华大学 经济管理学院，北京 100084)

一、引 言

随着互联网、物联网等信息技术的兴起，万物互联的社会和经济形态已经慢慢成为现实。如今，大数据、人工智能、云计算等技术的兴起让数据的创造、积累和处理的速度今非昔比，数据在经济发展中的重要性日益凸显。如何将这些数据应用到实际问题，推动产业和经济的数字化转型，成为了各个国家、各个企业所关注的问题。十九届四中全会通过的《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》首次将数据纳入到与劳动、资本、土地、知识、技术和管理并重的七大生产要素中，要求健全生产要素由市场评价贡献、按贡献决定报酬的机制。这标志着我国经济和社会的数字化转型已经提上议事日程，数字经济成为了我国未来的发展战略目标，数据要素成为了未来经济增长的新驱动力。根据《中国互联网发展报告2020》，2019年全国数字经济的增加值规模达到35.8万亿元，占国内生产总值的36.1%。在规模上较之去年增长14.4%，在国内生产总值的比重上较之去年也有所上升，意味着数字经济在中国经济中的价值日益凸显。

在数字经济中，如何将数据与其他生产要素结合起来，发挥出自身所具有的价值潜力，是数字经济创造价值的关键，也是未来数字经济发展的重要方向。当前，新信息技术的广泛应用与数字化体系的建立让越来越多的企业将数据应用于生产和运营当中，降低了企业的运营成本，提升了企业的运营效率，对企业业绩产生了积极影响。同时，当前不断增加的数据量与不断完善的大数据技术，使得消费者的个性化需求能够最大程度地得到满足。大数据的大容量性(Volume)、多样性(Variety)和快速性(Velocity)特征使得企业能够基于消费者数据所呈现的动态需求对产品和服务进行设计和调整，让更多的消费者参与到产品的设计过程当中，形成了产品的适应性创新，推动了数字经济的增长。

然而，目前，关于数字经济与数据要素的研究主要集中在数据要素所具有的特征和数据要素所能够创造的价值方面，关于数据要素如何与其他生产要素产生结合的研究相对缺乏，数据要素与其他生产要素的结合逻辑与影响机制还有待进一步研究。针对现有理论缺口，本文从互补性资产理论出发，探讨数据要素与技术、资本和劳动生产要素的结合机制，完善数字经济领域的理论缺陷，为数据要素的现实应用提供理论框架。

二、相关文献综述

(一)互补性资产

互补性资产的概念由Teece[1](1986)提出，Teece认为企业要从创新中获得商业上的成功，不仅需要技术上的创新，还应具备与获取经济利益密切相关的专业化制造能力、分销渠道、服务网络、客户关系、配套技术等互补性资产。一般而言，互补性资产主要从两个角度进行分类：

第一，从企业创新产品与互补性资产的依赖程度角度，将互补性资产分为通用互补性资产(General complementary asset)、专用互补性资产(Specialized complementary asset)和共同专用互补性资产(Co-specialized complementary asset)。其中，通用互补性资产可以通过市场交易获得，不需要企业另外进行定制，因此,通用互补性资产是企业创新能力形成的基础[2]。专用互补性资产则具有排他性，通常出现在率先进行创新的企业当中。定制化、无法复制的专用互补性资产，是这些企业的创新产品在市场获得收益的前提[3]。通过专用互补性资产，部分具有技术优势的企业排除了其他玩家的加入，形成了技术的垄断。而共同专用互补性资产介于二者之间，企业的创新产品与共同专业性互补资产形成双边依赖。

第二，从资产的功能角度，可以将互补性资产分为营销资源、生产资源和人力资本[4]。这种分类角度印证了技术创新转化为经济收益需要其他要素的加入与结合的观点，强调了技术创新与其他生产要素结合产生的协同效应。其中，营销资源与生产资源对应资本生产要素，技术创新与资本生产要素的结合能够提升企业在营销和生产层面上的效率，为企业带来经济收益；人力资本对应劳动生产要素，技术创新与劳动生产要素的结合促进了企业内部人力资本分配的合理性与有效性，提升了企业的运营效率，扩大了企业的收入。

基于互补性资产理论，我们可以对市场中的企业竞争行为以及企业的技术创新行为进行解释。例如，Teece[1](1986)提出，技术创新的商业化是一个创新者、模仿者和互补性资产拥有者三者之间的博弈。创新者具有的技术水平优势并不能直接转化为商业收益，这是由于创新企业缺乏互补性资产导致的。因此，创新企业会与互补性资产拥有者进行合作，使得互补性资产拥有者可以通过自身所具有的互补性资产开展新的业务，从而创造收益[5]。

数据要素的加入，可以从企业内部和市场竞争层面影响企业的技术创新行为。在企业内部，数据要素的加入不仅能够提升通用互补性资产的使用效率，还能够促进专用互补性资产的模仿和创新；在市场竞争层面上，数据与技术生产要素的结合可以减少企业之间的信息不对称，提升市场的创新活力。

综上，互补性资产是企业技术创新经济收益的前提和关键。在数字经济中，数据要素的加入如何影响企业的互补性资产，从而影响企业的创新行为和经济收益是本文的研究重点。

(二)数据作为生产要素所具有的特征

1.生产要素。经济增长是经济学一直致力于研究的问题，而生产要素是研究经济增长时不可忽略的研究对象。生产要素是进行生产所必须投入的要素，是一切生产行为的基础，是经济增长的主要来源。最初，土地、资本和劳动被归类为核心生产要素。而随着社会和经济的发展，生产要素的形态与重要性也不断发生演变。

在农业经济时代，最重要的生产要素分别为土地和劳动。18世纪60年代，蒸汽机的发明标志着人类进入了蒸汽时代，人类开始从农业经济过渡到工业经济。随着蒸汽机的使用，机器开始取代人力，包含机器设备的资本要素慢慢成为了第一生产要素。19世纪中期，电力和内燃机的发明让人类真正地完成了工业化转型，生产规模得到再一次扩大，资本在生产函数的重要性得到不断加强。进入20世纪，随着第三次工业革命的发生，计算机技术、原子能技术、生物工程技术等技术的应用使得知识、技术和管理也被视为核心生产要素。虽然在这个阶段资本仍是第一生产要素，但是知识、技术和管理在生产函数的重要性已得到显著加强，被许多学者认为是经济增长的核心驱动力。如今,随着互联网的广泛应用与大数据、云计算、人工智能等技术的快速发展，数字化、信息化成为了社会发展的大趋势，象征着数字经济的到来。在数字经济中，数据俨然成为了第一生产要素。如何跟上经济发展的潮流，有效地将数据应用到实际问题当中，成为了各个国家、各个企业所关注的重要问题。

2.数据要素。生产要素是讨论一切生产行为的基础，然而在不同经济发展阶段，不同生产要素的重要性是存在差异的。在农业经济中，第一生产要素是土地；在工业经济中，第一生产要素是资本；而在数字经济中，数据成为了第一生产要素[6]。目前，已经有许多学者对生产函数进行了调整，将数据作为生产要素加入到生产函数当中[7]。由于数据无法独立地创造价值，因此,数据要素与传统生产要素的结合是数字经济创造价值的根本来源。那么，数据要素的哪些特征推动了数据要素与其他生产要素的结合并为数字经济带来了价值？

首先，数据要素无法自发地创造价值。数据不是一种能够以独立的要素形态存在的生产要素。它本身不会自发地创造价值，但它可以推动企业在产品、技术等环节上的创新，促进企业和组织有效决策的形成，提高劳动效率[8-9]。也就是说，数据要素能够将现有的生产要素联系起来，促进要素之间产生协同效应，提升企业及组织各个运行环节的效率[9]。如今，平台经济的兴起也印证了该特征。许多行业领先、具有代表性的平台企业，如滴滴出行、美团外卖、小猪短租等企业，都是将数据与其他生产要素结合起来，为消费者提供相应的服务和产品，从而创造价值。如何促进数据要素与其他生产要素的结合，是数字经济价值创造的关键所在。

其次，数据要素所具有的高流动性特征使得数据要素与其他生产要素的结合能够给经济社会带来更多价值。不同生产要素之间的流动性是存在差异的，而数据要素是一个具有高流动性的生产要素。流动性越强的生产要素越容易集聚、累积，发挥乘数效应，并重构流动性弱的生产要素的资源配置状态[10]。因此，数据要素与其他生产要素的结合，能够重构其他生产要素的配置，提升企业的生产效率。

此外，数据要素所具有的零边际成本特征能够让企业有效地控制成本并扩大收入。数据要成为生产要素需要经过以下步骤：数据的产生、收集、传输、存储、处理、分析、挖掘和应用，而数据作为一个具有记录性，记录一个实体或事件的特征的生产要素，它的产生过程需要存在一个主体[11]。数据的记录性也就意味着在形成数字化体系后，企业能够以接近零的边际成本产生新的数据，企业只需要在原有的生产过程中增加一个数据记录过程。同时，数据的可复制性和易传播性也让企业的数据能够以更低的成本获得并利用，发挥数据的内含价值。数据的零边际成本特征对降低企业成本和提高企业收入有着重要意义。鉴于数据的零边际成本特性，如何将数据要素与资本要素结合起来，将数据应用于企业日常运营过程成为了企业关注的问题。

数据的加入也能够帮助企业提升运营效率，推动企业创新。数据作为一种使能技术能够促进企业更有效地利用现有技术，让现有技术得到改进和提升，为技术的使用者架设事实知识和专有技术之间的缺口，使技术的使用者能够节省熟悉该技术机理的时间，更快地适应该技术[12]。具体而言，数据可以帮助企业更高效地获取或使用通用互补性资产或共同专用互补性资产，提升企业的技术创新。也就是说，数据要素在投入使用之后，其包含的信息和知识能够推动企业更有效地利用现有技术，对现有技术进行改进或整合，推动企业创新。

同时，数据作为一种通用目的技术也能够推动企业不断改进和创新。通用目的技术这个概念是由Bresnahan和Trajtenberg[13](1995)提出的，他们认为通用目的技术具有以下特征：可以广泛地应用于各个领域、持续促进生产效率的提高、促进新技术创新和新产品生产、优化现有的运营管理模式。如今，数据被广泛应用于金融、医疗、餐饮、影视等行业，企业的生产过程也逐渐往数字化转型。显然，数据要素是一种通用目的技术，企业将其应用于实际问题能够推动企业对现有业务进行改进和创新，提升企业业绩。

尽管数据作为生产要素有着很大的潜力，但是在现实中仍然有大量企业无法充分利用数据要素中内含的价值来改进企业的运营效率从而提升企业业绩。因此，如何推动数据要素与其他生产要素的结合成为了学术界关心的问题。王建冬等[8](2020)认为，数据要素与其他生产要素的结合需要先通过数字产业化来建立起数字化体系，为不同要素之间的流转提供环境，再通过产业数字化提升要素之间的流转速度；陈剑等[14](2020)则认为，为了充分发挥数据要素的潜力，企业需要具备能够处理大数据的基本条件。

总体而言，数据要素是一种新兴的生产要素，同时充满了潜力。当企业能够有效地将数据要素应用于企业日常运营过程当中时，企业势必能够在数据与其他生产要素的结合过程中推动企业在技术、收益和流程上的创新，为企业带来收益。数据要素的特征及重要性见表1。

表1 数据作为生产要素所具有的特征及其重要性

(三)大数据“4V”特征对数据作为生产要素的影响

随着互联网、物联网、云计算、人工智能等技术的快速发展和广泛应用，数据的产生和积累速度今非昔比，由此产生了大数据的概念。大数据不仅仅代表着大规模数据，它还代表着一个高速的、实时的流数据。因此，大数据具有“4V”特征，分别为大容量性(Volume)、多样性(Variety)、快速性(Velocity)和低价值密度性(Value)[15]。

大数据的大容量性体现在数据的存储上。随着硬件和软件性能的提升，数据的产生速度和积累速度越来越快，数据存储的容量也因此越来越大。如何将海量数据应用于实际问题是数字经济创造价值的关键。大数据的多样性特征体现在其复杂的数据来源和数据类型。大数据不仅包含传统的结构化数据，还包括半结构化和非结构化的数据。大数据的多样性特征也使得数据的处理存在困难，企业及组织如何对多样化的数据进行处理是大数据创造价值的前提。大数据的快速性体现在数据的收集、处理和应用的速度上。对于企业而言，大数据技术的应用能够实时地反映企业的信息。企业根据这些实时更新的数据即时进行分析并进行动态调整，能够推动企业产生成本创新和流程创新，提升企业的运营效率[16]。大数据的低价值密度性意味着如果企业不能在海量数据中提取出有效的信息，那么，大数据就将变得毫无意义。大数据的大容量属性无法直接地转变为企业绩效的提升[17]，企业除了对数据进行收集和处理以外，还需要对数据进行深度分析和挖掘[18]，提取出对企业有意义的信息。

而大数据的“4V”特征能够提升数据要素与其他生产要素的结合效率与有效性，如图1所示。首先，大数据的“4V”特征保证了数据本身所包含的信息的价值。结合数据的零边际成本特征，企业可以将具有价值的数据应用于不同业务、不同企业甚至是不同行业当中，提升社会整体的经济水平。比如，随着消费者对个性化需求的重视越来越高，越来越多的企业开始开展个性化定制服务。而大数据的大容量性、多样性和快速性使得消费者的个性化需求尽可能地得到了满足，让更多的消费者参与进产品设计过程当中，形成了产品的适应性创新[19]。

图1 大数据的“4V”特征促进数据与其他生产要素的结合效率

除此以外，大数据的“4V”特征，尤其是大容量性、多样性与快速性提升了数据要素与其他生产要素的结合效率。现实中，企业的生产、运营、研发等过程是复杂且多变的，为了让数据更有效地加入到这些过程当中，需要有大量的数据、多样的数据种类与数据来源以及较高的数据处理效率的支撑。大数据的“4V”特征让数据与其他生产要素的结合成为了可能，弥补了数据作为生产要素无法自发创造价值的缺点。

综上，可以得出以下结论：(1)大数据的“4V”特征能够加强企业对数据的理解，提升企业的创新能力、收益能力和生产效率[20]；(2)大数据的“4V”特征能够提升数据与其他生产要素的结合效率与有效性，推动数字经济的发展。

三、数据与核心生产要素的结合机制

(一)数据要素与其他生产要素结合的前提

数据要素的内含价值已经被许多学者研究，但是仍有大量企业无法通过将数据要素与其他生产要素结合在一起提升业绩，这是因为在建立数字化的大数据资源体系并进行利用前，企业还不具备能够处理大数据的基本条件[14]。换言之，数据要素与其他生产要素的结合需要满足一定的前提条件。

企业和组织需要推动产业的数字化转型，建立起要素的数字化体系。随着大数据技术的快速发展，尽管目前已有大量的数据应用于企业的生产和运营过程当中，但是仍然存在不少要素不能以数字化形式进行存储和表示的问题。为了保证不同要素之间的高速流转，发挥数据要素的高流动性优势，企业和组织必须先建立起一套完整的信息数字化体系，以数据的形式将实体经济中的各种要素记录到数据中心和数据库中，建立庞大的信息数字化体系。如今，由于硬件和软件性能的提升，数据的收集和存储不再是一个难题。但是如果没有对产业进行数字化的升级，那么数据要素的潜力也就无法发挥出来。因此，推动产业的数字化转型，建立要素的数字化体系是数据要素与其他生产要素进行结合并创造价值的前提。

当建立了完善的数字化体系并积累了足够多的数据之后，企业可以利用云计算、人工智能等技术对海量数据进行智能化的管理，使得数据的产生、收集、传输、存储、处理等步骤都变得更加及时、高效和智能。之后，企业就可以利用这些数据进行大数据分析，从海量数据中挖掘、提炼并应用到实际的问题当中，为企业提供商业洞察力，促进企业在技术、收益和流程上的创新，推动企业向商业智能的转型，提升企业的生产和运营效率，为企业带来收益[21-22]。在具备了处理大数据的基本条件以后，企业才能够将数据要素与其他生产要素结合起来并创造价值[23]。以下探讨数据要素与其他生产要素的结合机制及数据与三种核心生产要素的结合所能带来的协同效应。

(二)核心生产要素的选取

数据作为桥梁型生产要素，不仅能与传统生产要素产生结合并创造价值，还能够促进传统生产要素之间产生更密切的联系[9]。由于不同生产要素之间存在着差异，导致数据与这些生产要素的结合存在机制上和重要程度上的区别。从要素流动性的角度来看，技术与知识的流动性是高于资本、劳动、土地和管理生产要素的。因此，数据与技术和知识生产要素的结合效率会高于资本、劳动、土地和管理生产要素。从生产过程的参与度来看，资本、劳动和土地生产要素是直接参与到生产过程中的，而技术、知识与管理生产要素更多的是依附在其他生产要素当中、间接地参与到生产过程的。这也就意味着数据要素与资本、劳动和土地生产要素的结合能更直接地影响企业的生产过程。

本文基于互补性资产理论，选取了技术、资本和劳动生产要素作为核心生产要素，探讨这些核心生产要素与数据要素的结合机制。主要原因如下：首先，技术创新是互补性资产理论的前提，一切讨论都是基于企业进行了技术创新进行的。同时，技术创新是经济增长的主要来源。技术创新不仅能提升企业的生产效率，还能在相同资源的情况下生产更多的产品，将生产可能性边界外移，造福全社会。也即是，技术创新能够带来生产效率的提升，推动企业更有效地利用资本和劳动生产要素，形成成本创新和流程创新。当前，已经有越来越多的企业、国家增加了对研发的投入，这些现象都展现了技术创新在经济增长中的重要性。其次，国家统计局数据显示，在2019年我国的国内生产总值当中，第一产业、第二产业和第三产业增加值分别占据国内生产总值的7.1%、39.0%和53.9%(1)数据出自国家统计局中华人民共和国2019年国民经济和社会发展统计公报(2020年)。http://www.stats.gov.cn/tjsj/zxfb/202002/t20200228_1728913.html。可以看出，我国当前的经济增长核心在于第二产业和第三产业。因此，与之相关的技术、资本和劳动生产要素应是经济社会最为关注的生产要素。可以说，资本和劳动生产要素是经济增长的基础，而技术是经济增长的核心驱动力。随着数字经济的到来，如何促进数据与这三种核心生产要素的结合是推动我国数字化转型与发展的关键所在。

以下将从互补性资产的角度出发，分别探讨数据与技术、资本和劳动生产要素的结合机制。

(三)数据要素与技术要素的有机结合

随着数字经济的到来，数据成为了第一生产要素。同时，技术对于经济增长的作用依然显著，企业的创新能力依然是影响企业绩效的重要因素[24]。因此，研究数据要素与技术要素的结合机制是促进技术进步、推动经济发展的关键。对于企业来说，数据的加入能够提升企业的技术创新水平，如图2所示。

图2 互补性资产视角下企业的技术创新

从互补性资产的角度来讲，数据的加入能够让企业更有效地利用数据驱动的通用互补性资产提高企业的技术创新效率。数据作为一种使能技术，其所具有的性质能够让企业节省熟悉技术机理的时间，使得企业能够更快地吸收和消化现存技术。数据的这种性质大大地降低了创新企业进入某一产业的门槛，推动企业更快更有效地利用数据驱动的通用互补性资产，促进了企业的技术创新[25]。数据的加入让创新企业对通用互补性资产的使用效率获得提升，然而对于现存企业来讲，企业无法发挥自身所具有的技术或互补性资产上的优势。因此，现存企业需要进入新的技术领域，否则自身的领先优势将会逐渐缩小。但是对于整体市场来说，数据要素的加入能够提升市场整体的创新活力，推动市场发展。

除通用互补性资产以外，数据要素的加入也能够促进数据驱动的专用互补性资产的产生。对于现存企业来讲，数据的存在让现存企业能够基于数据定制专用互补性资产，维持企业在市场中的领先优势；对于创新企业来说，数据的存在能够让企业在与现存企业进行合作时更有效地利用专用互补性资产，甚至能够通过数据对专用互补性资产进行模仿或创新，从而形成属于自己的专用互补性资产。

从企业内部层面来讲，随着数字化体系的建立，企业可以利用大数据的大容量和多样性属性，对当前企业的经营、生产、营销等环节进行一次全方位的扫描，观察当前在各个环节中技术的使用效率情况，找到企业日常运行环节中效率低下的阶段，对该阶段中使用的技术进行改进或重组，推动企业向创新驱动和智能制造转变，提高产品质量和生产效率[26]。例如，网易猛犸大数据平台在汽车焊装工艺中的应用，提高了汽车的研发效率。网易猛犸大数据平台所具有的大数据处理和分析技术，使得企业在进行汽车研发时，可以根据不同板材、车身、设备等信息，返回最优焊接信息，对现有工艺参数进行优化，缩短研发周期，提高研发效率[27]。

同时，随着云计算技术的蓬勃发展，许多企业通过云平台对企业的资源进行管理。云计算是计算服务的提供，其通过对硬件资源的虚拟化，对资源进行存储、分配和管理，并通过互联网为用户提供服务。云计算技术的应用使得企业不再局限于时间和空间，不再局限于硬件和软件的性能，用户可以随时随地通过互联网和云计算服务进行在线浏览、编辑文档，保障了企业处理海量信息的能力[28]。随着产业的数字化转型程度逐渐加深，云计算作为数字经济的基础平台，推动企业实现对项目的灵活管理，提升企业的运营效率，对企业的技术创新产生积极的影响。

除此以外，随着对知识产权保护意识的越来越强，许多企业开始将区块链技术应用于企业数据的存储当中。区块链则改变了企业传统的数据存储方式。区块链主要有两个特征，分别为去中心化和不可篡改性。区块链的去中心化属性保证了数据的公开透明，不可篡改性保证了数据的可信度。正因为这两个特征，区块链被应用于多个领域中。例如，在金融、医疗、版权保护等领域都可以见到区块链的影子。企业的数据通过被加密打进区块链之后，数据变得公开透明，而又无法被盗用或篡改，保障企业的数据和知识产权的安全，对企业的技术创新有着积极的影响[29]。

总之，数据要素的加入能够促进市场整体的创新活力。对于创新企业而言，数据的加入能够提升企业使用互补性资产的效率；对于现存企业而言，虽然数据的加入会一定程度上减少企业的领先优势，但是也促进了企业对专用互补性资产的开发，长远来看是有益的。而云计算和区块链技术的应用也保障了有效的数据管理，促进企业内部技术创新的形成。

(四)数据要素与资本要素的有机结合

资本在第二次工业革命后成为了第一生产要素，成为了一切生产行为的基础。随着数字经济的到来，数据与资本生产要素的结合成为了各个领域所关注的问题。在此基于互补性资产理论，从企业的成本角度探讨数据与资本生产要素的结合机制。

企业要从技术创新中获得商业化收益，不仅需要企业在技术上取得突破，还需要与商业化密切相关的互补性资产。从资产的功能角度，互补性资产可以被分为营销资源、生产资源和人力资本。数据要素的加入，主要从营销资源和生产资源这两个层面影响企业的成本，形成成本创新，如图3所示。

图3 互补性资产视角下企业的成本创新

第一，规模经济效应使得企业获取作为生产资源互补性资产的成本下降。当企业形成技术创新后，企业需要将作为生产资源的互补性资产投入到创新产品的制造过程当中，包括一般性目的的生产设备、生产原材料等。数据要素的加入能够推动互补性资产形成规模经济效应，降低获取作为生产资源的互补性资产的平均成本。基于数据的零边际成本特性，随着数据的不断积累，企业获取互补性资产的平均成本会逐渐下降，为企业带来成本优势，扩大企业的生产规模[30]。

第二，数据要素的加入能够减少生产原材料的损耗和库存费用，减少作为生产资源的互补性资产成本。通过建立数字化体系，企业可以对生产过程进行实时监测，对出现生产资料损耗的环节进行及时处理，减少相关生产资料的损失，提升生产材料的使用效率，解决企业内部运营环节中的信息不对称问题，使企业能够在相同成本下生产更多的产品。除此以外，数据要素的加入还能够降低库存费用。企业的生产过程不仅包括对原材料的加工，还包括对原材料的购买、存储和对产成品的存储、运输等过程。当企业内部建立起数字化体系，并对这些过程进行数字化转型后，企业就可以结合大数据技术，发挥大数据的快速性特征，对库存环节进行实时监测和动态管理，降低原材料和产成品的库存率，减少企业的存储和管理成本。

第三，范围经济效应使得企业获取作为营销渠道的互补性资产的成本下降。数据要素的加入能够推动企业的业务产生范围经济效应，使企业能够以更低的成本开展新的业务，从而扩大企业收入。企业在建立了一定的用户规模之后，能够持续地以接近零的成本积累客户数据，并将这些数据应用于新业务当中。这种模式使得在数字经济中，赢家通吃的现象频繁出现，龙头企业能够以更低的成本开展不同业务，提升业务的多样性，扩大企业的收入来源[31]。例如，苏宁集团建设的全场景智慧零售大数据平台，让苏宁在企业内部建立起统一的数据仓库，集中管理八大产业的业务数据，并统一整个苏宁集团的数据对接口径。其带来的结果是苏宁拼购、苏宁推客、苏宁极物、苏鲜生、零售云、苏宁小店等一系列智慧零售产品业务的开展。苏宁集团通过全场景智慧零售大数据平台的应用，成功发挥了范围经济的优势，增加了企业的收入来源[32]。

第四，数据要素的加入推动营销模式数字化，促进营销的有效性。除对创新产品的生产以外，有效的营销策略也是技术创新创造收益的关键。通常，创新企业会与具有营销渠道这一互补性资产的企业进行合作，从而创造收益。随着我国数字化进程的加快，市场中已经诞生出了许多新型的营销模式，最为经典的有网红经济和直播带货。如今，流量是所有企业营销最为关注的问题，而网红的粉丝集体能够确保网红经济这一营销模式的流量，保证营销的曝光率。网红可以通过在个人社交账号上进行推销或直播带货，将粉丝转化为购买力，从而创造收益。除此以外，大数据技术也越来越多地应用于企业的营销当中。在进行产品营销时，可以通过收集各种来源、各种类型的关于消费者的数据，对消费者的购买能力、需求、偏好进行概括，并针对不同特征的消费者进行广告的精准投放、提升广告转换率，使得企业能够在相同的营销成本下吸引到更多的消费者。例如，意大利专业家居品牌博洛尼与讯飞AI营销进行合作，推动了品牌的精准营销。讯飞AI营销通过对关键词和家居类APP用户使用习惯的分析，为博洛尼筛选出目标客户，并在讯飞输入法、今日头条、一点资讯等APP中，对品牌进行全方位曝光。博洛尼与讯飞AI营销的合作有效地提升了博洛尼的品牌知名度，在短时间内展示超过200万次，总点击量超6万次。企业的广告转化率得到了提升，实现了企业获客成本的显著降低[28]。

综上，数据要素的加入能够降低企业获取作为生产资源和营销资源的互补性资产的成本，使企业能够从技术创新中获得商业上的成功。数据作为桥梁型生产要素，提升了技术与资本生产要素的结合效率和有效性。

(五)数据要素与劳动要素的有机结合

企业的运营包括产品的设计、生产、仓储、运输、质量管控等过程。在这些过程中，企业需要投入人力、脑力等作为劳动生产要素。数据要素与劳动要素的结合，能够促进作为人力资源的互补性资产的更合理、更高效的运用，促进其他互补性资产的形成，推动技术创新的商业化，形成流程创新。

随着大数据技术的蓬勃发展，数据要素的加入使得企业能够实时地获取各个运营环节中的相关数据，并快速地对此进行调整，发挥大数据的快速性特征，从而缩短企业生成互补性资产的时间，提升技术创新的商业化效率，如图4所示。以下将从互补性资产的角度探讨数据要素与劳动要素的结合如何在产品的设计和生产过程中形成了流程创新。

图4 互补性资产视角下企业的流程创新

首先，数据要素的加入能够推动产品的适应性创新，提升产品设计的效率和有效性。对企业而言，产品的设计也是互补性资产[33]。企业的技术在获得突破后，企业需要通过产品设计将技术具体化、商业化。随着消费者对个性化需求的重视程度不断上升，许多企业开始开展产品的个性化定制服务。传统来讲，消费者无法直接地参与到产品的设计过程，通常的情况是由企业通过市场调研了解消费者的需求和偏好后对产品进行设计，意味着消费者只能间接地参与到产品设计过程当中，无法直接地对产品进行设计或修改，只能接受无差别的产品。但是通过产品的个性化定制服务，消费者能够有效地反映自己的需求和偏好，参与到产品的设计环节，提高其购买行为的满意度。而对于企业而言，消费者参与产品设计不仅能让企业吸引到更多的潜在用户，而且还能够让企业直接地获得关于消费者的偏好和需求的数据，对产品的设计、创新和营销都有着积极的影响[34]。消费者与企业之间的互动与合作促进了双方的交易、交流和参与，形成了产品的适应性创新，实现了双方的价值共创[35]。

例如，在美妆产品领域，企业可以通过皮肤检测和基因检测，获取每个用户的皮肤及基因特征，并根据用户的特征提供定制化的护肤产品和服务。美妆企业自然堂则开展了私人订制护肤品服务，利用人工智能技术和临床专业分析的CK MC760仪器，分析每个用户的肌肤，提供定制的护肤产品和服务。之后，企业还会对消费者的肌肤状态进行追踪，不断完善护肤产品。

其次，数据要素的加入能够提升作为生产资源互补性资产的形成效率。企业的生产过程是复杂的，包括接受订单、购买原材料、对原材料进行加工、成品的存储、运输等过程。企业为了保证生产效率，通常会预先对各个环节做出假设，并根据假设对生产要素进行分配。但是在现实中，由于常常会出现不可预测的事件，企业原先的假设不能很好地反映现实的情况，使得企业生产的效率降低。而大数据的快速性属性能够让企业快速地获取企业生产过程中的相关数据，使企业不再局限于原先较为单一的假设，而是能够根据实时的数据对产品的生产过程进行动态调整。通过实时监测和动态调整，企业能够更有效地分配生成互补性资产的生产要素，其中，包括人力资源等劳动生产要素。数据要素的加入，使企业能够缩短生产资料储备时间、缩短劳动过程中断的时间，从而缩短企业整体的生产时间，提升生产效率[36]。

当前，越来越多的企业为了提升企业各个环节的运营效率，将云计算、人工智能等技术运用到企业的日常运营当中，推动企业的商业智能转型，促进商业智能难题的解决。云计算能够对程序化的组织流程资源进行配置，以满足计算资源实时变化的配置需求，帮助企业提升运营效率[37]。而人工智能技术的应用能够推动企业向商业智能转型升级。通过大数据、云计算以及人工智能算法的结合，企业能够更有效地利用企业的数据，对未来情况进行预测，提升企业的运营效率。

总之，数据要素的加入能够从产品的设计和生产方面提升互补性资产的生成效率，推动企业技术创新的商业化进程，形成流程创新，为企业带来额外收益。同时，高速发展的云计算和人工智能技术也让更多的企业向商业智能模式转型，提升了企业在各个环节上的运营效率。

四、总结与展望

数据要素已经成为了经济增长的新驱动力，如何将数据要素应用于现实问题是数字经济创造价值的关键。但是数据由于其独特的性质，无法自发地创造价值，需要与其他生产要素结合才能将自身内含的价值转移出去从而创造价值。尽管关于数据要素所具有的特征以及数据要素所能创造的价值有较多的研究，但是学术界缺少对数据要素与其他生产要素结合机制的深入探讨，对数据要素的现实应用缺乏理论指导。

本文从互补性资产理论出发，分别研究了数据要素与技术、资本和劳动要素的结合机制，弥补了现有理论缺口，为数据要素的现实应用提供了理论基础。数据要素与技术要素的结合，能够提升创新企业使用互补性资产的效率，同时也促进了现存企业对专用互补性资产的开发。除此以外，数据要素能够让企业对现有运营过程进行全方位扫描，对效率低下的阶段所使用的技术进行改进或重组，产生技术创新。

数据要素与资本要素的结合，能够降低企业获取作为生产资源和营销资源的互补性资产的成本，产生成本创新，推动企业技术创新的商业化进程。具体而言，数据要素的加入能够使企业内部产生规模经济和范围经济效应，使企业的生产平均成本和营销平均成本得到下降；同时，数据要素的加入能够减少原材料的损耗和库存费用，从而降低获取互补性资产的成本；最后，数据要素的加入使得企业的营销有效性获得提升，降低了获客成本。

数据要素与劳动要素的结合，能够提升产品设计和产品生产过程中所需要的互补性资产的生成效率，推动企业技术创新的商业化进程，产生流程创新。具体而言，大数据的快速性使得企业能够让消费者参与进产品的设计过程，形成产品适应性创新，提升产品设计的效率和有效性；同时，数据要素的加入使得企业能够对生产环节进行动态调整，缩短生产时间，提升生产效率。除此以外，快速发展的云计算和人工智能技术也让更多的企业向商业智能模式转型，提升了企业在各个环节上的运营效率，形成流程创新。

尽管数据要素能够为企业带来技术、成本和流程上的创新，但是数据作为一种新兴的生产要素，目前对于数字经济以及数据要素的法律法规还比较缺乏，比如数据的产权一直存在不明确的问题，同时，数据要素的投入也会涉及到个人隐私问题等。此外，在现实中还存在技术和人才上的约束，使得企业不能有效地将数据要素应用于现实问题当中。对于未来数字经济的发展，这些问题都应得到重点关注。

总之，数据作为核心生产要素，与其他生产要素的协同效应是未来经济发展的新驱动力。在未来的研究中，学术界可以继续深入研究数据要素与其他生产要素的结合机制，完善现有的理论空缺，构建完整的数据要素的现实应用理论体系。同时，学术界还应该探讨影响数据要素结合效率的因素和提高方法，为数据要素与其他要素的结合提供最合适的环境，推动全社会的数字化转型，推动数字经济的发展。