数字经济时代数据生产要素化的经济分析

冯 科

(北京大学 经济学院， 北京 100871)

一、问题的提出

随着计算机技术的迅速发展以及移动互联网的出现，以云计算、物联网等为代表的一系列科技创新随之涌现。一方面，科技创新改变了世界，改造了生活的方方面面。另一方面，科技的进步对数据提出了更高的要求，数据以非线性的几何级数速度快速增长，人类处理数据、解决问题的能力得到了全面的提升。这意味着，在农业经济、工业经济时代之后，人类历史上出现了第三种社会经济形态——数字经济。21世纪以来，数字经济在全球都呈现出了飞跃式的发展。《全球数字经济白皮书》显示，2020年，美国数字经济规模达到了13.6万亿美元，居于全球第一。作为一种全新的经济形态，数字经济的界定在学术研究中仍然存在一定分歧，但是总体而言，数字经济的发展以数据为基础，以信息通信技术(ICT)为主要依托，强调经济当中的数字化信息化驱动。也就是说，人类社会进入了数字经济时代之后，生产要素不再局限于传统的劳动、资本、土地等，数据成为一种新的生产要素，并且在数字经济的发展过程中发挥了极其重要的作用，可以说，在数字经济时代下，数据已经成为一种核心资源。

数字经济中数据是一种新的生产要素已经成了人类社会的共识。比如，2017年5月英国《经济学人》就指出，数据是数字经济时代的石油。在中国，党的十九届四中全会首次将数据认定为第七种生产要素。党的十九届五中全会进一步提出推进数据要素市场化改革，加快数字化发展。这为我国数字经济发展指明了方向，注入了动力。2021年3月，《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》中提出，加快数字化发展，建设数字中国。迎接数字时代，激活数据要素潜能，推进网络强国建设，加快建设数字经济、数字社会、数字政府，以数字化转型整体驱动生产方式、生活方式和治理方式变革。规划还提出了数字经济发展的目标，目前数字经济核心产业增加值占GDP比重为7.8%，在2025年，预计这一数字将达到10%。

数据要素在企业以及国家层面都具有十分重要的作用，表现出了不同于传统资产的新特征。数据要素在企业的生产经营和管理决策中发挥极大的作用，同时对社会经济也具有极大的乘数效应，产业的流通和交易引导着数据流向了最重要的环节，使得经济取得了相较于以往成倍的增长。但数字经济是一种全新的社会经济形态，商业模式以及消费者的行为都发生了一系列改变。数据作为一种新的要素，与以往劳动、资本等生产要素存在本质上的区别。什么是数据资产，如何界定和确权都亟须给予明确回答。总体而言，信息和数据的交易机制带来了新的挑战，涉及隐私、第三方信息中介以及政策制定者等方面，原有的各种机制被扭曲[1]。在整个交易过程，数据资产交易与传统交易不同的问题，数据交易的机制设计，数据资产的价值衡量和定价方式等，都需要重新探讨，以达到一种新的交易方式来实现市场出清。

同时，数字经济时代下GDP的核算也面临一系列问题。数字经济之下，交易模式、消费特征等都发生了极大的改变，在这样的大背景下，GDP的核算中涵盖数字化是一个复杂的统计学挑战。同时，数字化的出现使得家庭性的交易也变得更加频繁，GDP原来的核算误差进一步加大。目前，国际机构和各国统计机构也在研究和实践通过卫星账户等方式衡量数字经济带来的福利变化及经济贡献。本文也会对此进行探讨。

二、数据为何要生产要素化

近年来，随着我国数字经济的快速发展，数据扮演着越来越重要的角色，其作为一种生产要素的性质已经在生活中逐渐显现出来。2019年党的十九届中央委员会第四次全体会议通过了《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》，文件中明确指出了要健全劳动、资本、土地、知识、技术、管理、数据等生产要素由市场评价贡献、按贡献决定报酬的机制。这说明从国家层面上讲，已经将数据明确定义为生产要素中的一种，这在经济学上是一项很大的变化。这也进一步表明，数据生产要素已经是我国经济在从高速发展转向高质量发展时期的重点关注对象。

(一)数据成为一种新的生产要素

1.数据的内涵

数据是对事实和概念等表达的一种特殊方式，是事实和信息的载体。数据和信息密不可分，二者很多情况之下是并行的，数据经常被看作信息的一种表现形式或者数字化载体[2]。Jones & Tonetti[3]的研究定义，数据可以被视为信息中不属于“创意”和“知识”的部分，是其中的一部分。因此，数据就拥有了特殊的地位，虽然它不能够直接用于社会生产，无法直接生产经济物品，但却能够凭借其属性在社会生产中发挥重要的作用，从而指导经济物品的生产，而这也正是数据作为生产要素的简单表现。王胜利、樊悦[4]认为数据生产要素能够在生产过程中使劳动生产率提高，使用价值量增加，从而实现更多价值。

2.数据成为生产要素的依据

一般情况下，生产要素是指用于商品和劳务生产的经济资源，而一种新形式生产要素的引入相对来说会有一定的过程，理解生产要素的含义也绝不能仅仅停留在定义层面。首先，如果抛弃Jones & Tonetti[3]的观点，简单地把数据看作数字化的知识和信息，那么这二者很明显是派生于自然和劳动，即信息本身就是自然要素，而知识则是人脑在实践中对信息进行再加工的产物，因此可以说知识是派生于劳动要素，也就从属于资本，这样从资本中直接派生出来的数据也就确实符合生产要素的基本特征。其次，数据的确在现代生产活动中扮演着相当重要的角色，信息也从诸多因素中分离出来，成为生产力中的一个独立因素来发挥作用。最后，数据本质上是一种载体，记载着客观事物的性质、状态和关系等信息，这从另一个角度来说可以看作人类为了某些目的而发明的一种特殊工具，具有明显区别于传统生产要素的独特性[5]。因此，数据是一种独立的现代生产要素，这一观点从理论上讲是具有科学性的。

(二)数据作为生产要素的特征

数据作为生产要素主要有以下四个特征：

第一，数据具有非竞争性。数据可以轻而易举地被复制，并且其传播几乎不需要成本。尤其是多一个人使用数据产品并不会产生拥堵，这就意味着数据至少带有俱乐部商品的特点。更多时候，数据的排他性也难以保证。除非是秘而不宣，否则商业谍战时有发生。这样一来，数据甚至有接近公共品的特点。

第二，数据的边际成本趋近于零。首先，数据的传输成本几乎为零，数据的复制成本也几乎可以忽略。其次，随着软硬件的不断迭代，芯片计算能力、电脑存储能力的不断增强，数据的创作成本在不断下降。因此，对于原始数据二次创作的成本也随之下降。综合来看，数据相关成本为零。而从事实来看，知识产权保护迟迟得不到改善正是源于此。时至今日，通过云服务传播盗版的行为还不能禁绝。

第三，数据的价值存在不确定性。严格意义上说，数据具有事前不确定性，也就是说数据的买方在交易之前如果不了解数据的详细内容，就很难对相应数据进行估值。然而一旦买方充分了解了数据的信息，那么对其来说，该数据的价值就大打折扣，这种情况也被称为信息悖论。另外，数据也存在网络外部性。也就是说使用数据产品的人越多，其价值就越高。然而有很多研究指出，数据规模并非始终体现出规模报酬递增的特点，例如数据量对预测的价值达到顶峰之后可能下降[6]。

第四，数据对于不同使用者的效用大相径庭。数据只有被加工才能产生价值，而相应数据只有被对应行业企业获得才能发挥出真正的价值。这就表明数据是有目标人群的，无法成为股票等金融资产在市场上供大众去交易。相反，由于数据牵扯到的潜在交易对手相对少，价格机制形成可能更接近拍卖，于是研究数据的交易是十分急迫的。

此外，数据还具有即时性、可再生性、强渗透性等很多与其他生产要素不同的特征[7-8]，也正是由于这些特别的特征，数据这种新的生产要素就得以从另外的角度推动经济增长。

(三)数据对经济增长的影响

1.数据要素对经济影响的统计问题

首先要说明的是，在考虑经济增长指标时，人们往往会使用GDP数据，但是，应该明确的是GDP的衡量并不会完全表达出数据在其中的影响，这是因为人们在测算GDP时往往是参考为商品和服务支付的费用，而数据由于自身特点可以被认为没有价格，所以不会对GDP数据产生贡献[9]。也正是由于这一原因，虽然数据对我们生活、经济影响甚大，但不会在GDP上得到充分展示。从某种意义上讲，GDP已经不能完全反映一国经济的真实情况[10]。因此，许多学者认为，现有GDP统计对数据的低估能够解释部分统计数据所显示的生产率增速放缓的现象。正是由于这样，人们生活中所感受到的科技进步和经济发展也就与统计数据所呈现出的结果相悖，因此被定义为索洛生产率悖论的新版本，也称为“现代生产率悖论”[11]。虽然一些实证指出，如果把ICT技术与数据等新要素带来的潜在经济价值也计入GDP，则这种“现代生产率悖论”将不攻自破[12]，但现实中的统计还相对困难，以GDP来衡量经济发展情况仍存在一定的问题。

正是由于这样的原因，我们考虑数据要素对经济发展的影响时就不能够仅仅以GDP等指标来对待，而应当从更微观的层面来考虑数据生产要素影响经济发展的机制。

2.数据对经济增长影响的微观路径

数字经济之下，企业改变了传统的劳动密集型和资源密集型的经济模式，开始步入知识密集型的经济模式。海量的数据资源提高了劳动生产率，缩短了生产各环节的时间，单位时间内创造的使用价值增加[13]。数据要素具有极大的数据挖掘及分析应用价值，是企业获取经济利润的重要源泉。数据的出现也使得企业提高了自己的管理能力，企业决策以数据为导向，能够快速了解到消费者的需求，这拉近了消费者和生产者的距离，提高了效率。甚至有研究表明，数据资产的出现让大公司可以处理更多的信息，拥有更低的成本，从而较之小企业有着更快的发展速度[14]。具体来说，数据对经济增长影响的微观路径主要有以下四个方面。

首先，大数据的发展和应用促进了各个企业开始向数据驱动决策转型，企业决策不再以管理层或某个管理者的经验主义而草草做出，而是高度依据数据分析结果而作出科学判断。从现在的应用情况来看，大数据所产生的数据驱动决策已经带来了更多竞争优势，各企业也纷纷向数据驱动转型，其中尤以制造业为主，一方面提升了企业绩效，另一方面也与ICT资本规模以及技术工人数量等之间相互促进。

其次，数据还能直接提升企业的生产效率。具体来看：第一，数据能够让企业挖掘到更多的股东信息，一方面提高组织内部信息的透明度，另一方面可以使企业提供更个性化、更精准的定制产品和服务，从而提升生产效率。第二，数据能够鼓励企业之间的协同创新。如果企业之间的信息能够实现共享，则很可能从整体角度克服创新的不确定性，试错所产生的总体成本和代价将大大降低，这对企业的未来发展和计划具有重要意义。第三，通过对生产和销售过程中所产生的数据进行分析，企业可以获得对自身经营层面更新的、更优化的指导信息，选取更合理的生产技术来改善经营。

再次，数据通过ICT的投入与企业动态和产业组织方式密切相关。一方面，数据促使企业规模扩大，并推动ICT技术的进步，这是因为大企业能够有更多的业务开展和历史发展，而大企业比小企业更擅长利用金融市场中的大数据来降低资本成本，因此构成了一个“数据反馈循环”。另一方面，超级公司的出现也与这种ICT技术在无形资本上的竞争密不可分，这就给低劳动力带来了高附加值，从而使得市场集中度显著上升和劳动收入份额下降。

最后，数据能够发挥降低信息摩擦的重要作用。随着计算机技术的不断发展，精确的、实时的金融基本面指标将更便捷地提供给专业人士，降低了信息获取成本，减少了信息不对称，提高了金融产品中的价格信息含量，这些新的技术使得行业的基础发生了改变，经营方式和盈利逻辑得以升级，从而推动了金融行业的全面转型。

(四)数据生产要素化促进经济增长的作用机制

1.数据与其他要素间的协同联动机制

数据作为生产要素参与分配是重要和必要的，数据也需要遵循马克思主义政治经济学原理和“以按劳分配为主体，多种分配方式并存”的原则[15]。但是数据影响经济增长的方式同其他生产要素不同，这种全新的要素也需要与其他要素更好地配合，因此我们需要找出更优的数据与其他要素协同联动起来的机制，并探索出关于数据要素的市场化配置机制。王建冬、童楠楠[16]构建了数据要素与其他生产要素协同联动的“五链协同”机制，即“围绕产业链，整合数据链，连接创新链，激活资金链，培育人才链”等环节，以多元异构数据融合为基础，更好地与其他生产要素协同作用。通过“五链协同”，就可以围绕产业链的不同环节，动态连接各链上的不同主体，培育出更适合我国的联动机制，促进数据要素更好地驱动经济发展。谢康等[17]从产品创新的视角，构建了“大数据资源—企业能力—产品创新绩效”链式中介模型开展实证研究，探索了大数据生产要素化的可能性和实现机制。

2.数据要素的市场化配置机制

要建立数据与其他要素之间的联动，其配置就应是市场化的。2020年，中共中央国务院发布了《关于构建更加完善的要素市场化配置体制机制的意见》，明确提出要加快培育数据要素市场，充分挖掘数据要素价值。戚聿东、刘欢欢[18]指出，针对数据参与主体的划分，需要构建多元数据产权体系，并注重改革数据产权体系的实现方式；针对数据参与分配量的界定，需要通过完善并创新数据要素市场的供求机制、竞争机制、价格机制，并根据要素市场失灵现象进行合理规制。要想实现数据的市场化配置，不仅仅要构建数据要素的产权制度体系，还要考虑到进一步完善机制的问题。就像前文中所描述的，数据的确权、定价等一直是学界和产业界的一大难题，数据生产者和控制者之间本就是对立而统一的关系，隐私权、收益权等各项权利的划分本就充满了矛盾。因此，数据控制者的产权一定要在生产者的约束下配置，逻辑就在于控制者的利益取得大部分都是来自生产者，作为控制者理应不侵害生产者的应有权利，其产权应当受到限制。最后，我们应该进一步利用新技术反哺生产关系，利用现代技术实现数据产权的数字化、智能化升级，从而更好地顺应数字经济的发展，为数据产权的完善升级提供新思路，从而保障经济的高质量发展。

3.数据要素的反垄断机制

数据生产要素会面临一些制约。在数字经济时代，数据的生产、收集渠道范围越来越广，收集的成本越来越低，这种数据的纯积累并不会造成恐慌，也不会让各厂商在这方面形成优势，从而排除其他厂商进入。也就是说，数据的特征本就是不拒绝其他厂商进行复制，数据理论上不一定会构成垄断的风险。但是，由于数据量级的快速增长，数据对于平台的作用日益凸显，平台能够利用数据创造出新的资源，从而形成并维持竞争优势，设置进入壁垒，并拒绝其他厂商进入。这样久而久之就会出现垄断，这就会造成更大的损害，也会形成质量、创新和信息安全的隐患[19]。

因此，如何平衡技术创新和垄断之间的关系就成了重中之重。目前的反垄断管制虽还可以适用于数据引发的限制竞争现象，但我们也亟须更新一代的、更加适合我国情况的制度和体系来对垄断和技术进行监管。数据价值的实现本就依赖于数据共享而实现生产要素的增值，每个参与主体通过自身的智慧对数据进行整合、收集、加工和处理，来形成一个新的、属于自己的数据集，从而创造出更大的价值，促进经济的高质量发展。在这里，数据资产如何确权、交易和定价，数字经济核算等仍存在争论，如何对其立法修补，如何优化规制进路，上述问题还需要进一步的探索[20]。

三、数据资产如何确权、交易和定价

(一)数据资产的确权

1.数据资产的界定

数据是世界运转的痕迹。然而噪声占据了数据总量的很大一部分，并非所有的数据都能够被称为数据资产。作为资产首先必须符合资产的定义，也就是三点要求：第一，预期能够产生经济利益；第二，能够被企业拥有或控制；第三，形成于企业过去的交易或事项。显而易见，我们可以把数据资产定义为由企业拥有或控制的、预期能够为企业带来经济利益的、在企业过去的交易或事项中形成的、以物理或电子形式记录的数据资源。这样的例子有很多，例如网易云里的音乐、支付宝积累的个人消费数据、征信数据等。另外，想要成为会计所承认的资产，必须还要保证经济利益很可能流入企业且金额能够可靠计量。很遗憾的是，大部分数据资产并不能符合会计计量的要求，充其量只能反映在企业合并的商誉当中。能够资产化的数据资产都是另辟蹊径的。例如，QQ音乐里面的数字音乐通过版权作为无形资产核算。而类似蚂蚁金服的风控数据，就没有办法界定产权、可靠计量，因而无法被会计所承认。

将以上二者的区别规范化表述就形成了数据分类。数据可以做二分类：一种是数字产品，另一种是数据产品。虽然二者仅仅一字之差，但含义却大为不同。数字产品指的是通过数字化形式保存下来的思想知识创作成果，上文中提到的QQ音乐版权就属于此类。数字产品还包括百度文库里的电子文献、Coursera上的网络课程等。数据产品则是必须通过整合、协同才能发挥作用的一类产品，往往是通过智能设备，如手机、传感器等记录人或事物运动的轨迹、相关信息。本文提到的数据资产在狭义上就是指数据产品。一般来说，前者的产权界定没有什么困难，在实务中运转自如，但是数据产品的产权界定往往有很大困难。

2.数据资产确权的难点

数据资产的确权就是要解决依附于数据的权利归谁所有的问题[21]。产权问题中最常用到的就是科斯定理，即在不存在交易成本的时候，只需要明确产权归属，人们通过市场进行交易就可以自发实现最优的效果。此时，产权的归属仅仅改变个体福利状况，而不影响整体的福利水平。然而，问题在于很多时候交易费用高到难以接受。学者就数据应该赋权给谁有着不同的看法。有一部分研究指出，如果给予数据生产者个人以数据控制权，那么总体上对数据的分享和交易是有促进作用的[22]。但是，更多的研究表明个人和企业拥有数据的控制权究竟孰优孰劣取决于一系列参数，因而成为悬案[23]。数据资产归属问题的一个重要症结在于企业和消费者之间的冲突，企业利用数据资产获利，但这一过程往往伴随着对消费者利益的侵害。举例来说，企业为了逐利很可能滥用数据、不愿意交易数据[3]。目前，比较成熟的做法是将个人信息分为不同隐私和风险等级，给予自然人不同程度的拒绝权、收益权等控制性权利，赋予数据产品持有者(企业)有限制的占有权来解决数据滥用和数据垄断行为。这一点上，美国早有实践。其在不同行业制定不同的隐私保护法案，其中的分级思想值得借鉴。我国各部委也在加紧制定行业分类标准，典型的有2020年央行颁布的金融数据安全分级标准等。

数据资产有自己的特点。从直观上，数据资产和无形资产很相似[23]，但是二者有所不同。无形资产要求该项资产能够从企业中划分出来，同时其形成源自合同性权利或其他法定权利[24]。数据资产即便可以不依赖固定资产单独存在，但是往往都不能满足合同性权利的规定。当然，这主要是源于数据产权归属始终得不到认定。特别是，数据资产对于不同使用者的效用特点，导致由数据资产牵扯到的潜在交易对手相对较少，价格机制形成可能更接近拍卖，于是研究数据资产的交易是十分急迫的。

(二)数据资产的交易

1.数据资产交易的难点

数据资产的交易可以通过企业自身作为卖方来实现，也可以通过第三方数据销售商来辅助交易。就我国的实践来看，第三方数据交易体量小，活跃度低，并非主流形式。这跟数据所有权归属不清晰、企业倾向于进行数据垄断不无关系。同时，日渐趋严的数据安全保护和网络安全审查也使得数据挂牌第三方的交易方式不合时宜。从理论上讲，还存在共享数据的可能，也就是免费向某一群体开放数据使用授权。共享数据看起来非常诱人，尽管可能出现共享带来的协同效应，但是从市场竞争的角度来看，数据资产主动共享对于企业来说都是一个囚徒困境。另外，政府强制企业进行数据共享很可能会适得其反，带来额外的社会成本。这是因为在强制性法令下，企业有动机去降低共享数据的质量，从而给其他市场主体带来额外的使用成本。具体到数据资产交易层面，仍然可以分别考察数字产品和数据产品的交易。

2.数字产品的交易

数字产品的交易方式与博弈论息息相关，主要的形式有捆绑销售、订阅、租赁和拍卖等。捆绑销售非常常见，尤其是在产品协同效应明显的情况下。例如，苹果公司的操作系统只能在公司生产的硬件上合法运行，其实质上就形成一项捆绑销售，而且构成利润的重要来源。订阅付费的方式在音乐软件上很常见，通常是按月收费，在服务期可以访问平台全部的资源。租赁常常与订阅制相配合，以构成价格歧视，尽可能多地榨取消费者剩余。拍卖也是数字产品交易的一种重要手段。最典型的是广告投放中的拍卖，实际上是广告投放商争夺展示内容的位置。这一过程中，广义第二价格拍卖或维克里拍卖被广泛应用。数字产品交易很常见，没有什么困难。

3.数据产品的交易

数据产品与数字产品不同，往往存在产权不明确、价值难估计、不能摊销等特点，其交易机制还处在较为原始的阶段。特别是数据产品不能一条一条地进行交易，其分割性难，这就带来了套利的可能性。无套利定价原则也是数据产品交易过程中需要考虑的要点。

数据产品的交易可分为直接交易和间接交易，二者区别在于数据提供商对于原始数据加工整理的精细程度。直接交易的典型就是金融数据提供商Wind，只进行数据收集整理，不做深加工，由数据买家自行决定数据使用用途。由于数据库体量庞大以及众多下载限制，想要完全实现复制是不可能的。当数据产品的价值可预期、部分可知时，可以采用直接交易的形式。一般来讲，数据提供商会免费提供一些数据样本或者试用的机会，以增强数据价值。如果卖家对数据进行再加工，进而形成一定程度的标准化数据，那么这种交易形式被称作间接交易，通常适用于网络外部性为负的场景。数据交易通常存在信息悖论、转售等问题，特别是转售行为带给数据资产估值很大的变数。这一现象很难根除，通过密封招标、专利权认证等方法只能在一定程度上缓解此现象，无法根除，网盘里各种免费资源就是最好的例子。至于使用区块链等技术手段确实可以在一定程度上实现防止转售、规范秩序的效果，但是这些技术本身就有数据隐私方面的问题，至少在现阶段可行性仍较差。总而言之，这是一个公认的难题，有待后续解决。

(三)数据资产的定价

要交易，自然就要有定价。数字产品定价比较简单且成熟，往往是货币收入和注意力收入的总和[25]。而且市场上有很多现成的定价实例可供参考，公允价值几乎形成。相对来说，数据产品定价困难，不确定性很强，一个重要的表现是数据资产很容易被复制，很难阻止拥有数据资产的消费者进行复制、分享，从而带来定价和交易上的困难[25]。数据产品的定价是人们关注的焦点，现有关于数据产品的定价方式主要有以下三种。

第一，可以通过传统会计学、金融学理论对其定价。视不同情况采用成本法、收益法和公允价值法。成本法也就是采用账面价值法。其计量可靠是个优点，但是太过谨慎会造成价值低估，毕竟历史成本不代表真实价值。收益法通过对合同现金流折现取得对价，在各种参数能够有效估计的情况下是比较有优势的。但是折现率如何估计即便在股权估值中也是充满争议的一件事，而多数情况下估值结果随着参数变化大相径庭。公允价值法是通过参考市场上的其他产品进行定价，类似于股权定价中的相对估值法。但是问题在于数据产品交易市场并未建立，而且不同买家对于数据产品的看法迥异，很难确定出一个公允价值来。另外，基于会计的估值方法可能会存在整体低估的趋势。毕竟数据产品也类似一家企业的产成品，在企业预期未来形势不利的时候将会做出推迟生产的决策，将实物期权引入定价过程或许可以改善这一问题。

第二，可以通过信息熵进行定价。所谓信息熵可以看作信息量的数学期望，是信息理论的核心[26]。直观地讲，信息熵越大，该事件的不确定程度越低，可以理解为波动比较小，那么自然预测的准确程度会较高。显然，信息内容的信息熵越大，有效性越好，交易价格也就越高。

第三，通过资产的多维特征来定价。这是一种工程学常用的方法，往往通过某种算法提取数据特征。特征包括数据成本、数据质量、数据产品的层次和协同性、买方的异质性等[27]，通过建立数据特征与历史数据的函数映射，以拟合的形式实现定价。人工智能算法在这个过程中也有用武之地，关键在于算法的泛化能力如何。总而言之，对数据产品定价是值得讨论和深入研究的议题。

四、数字经济的核算

在数据这一生产要素被发掘和定义，同时数据资产不断为现代生产生活赋能的过程中，两者聚合所形成的数字经济也在不断引起人们的关注。经过过去十多年的长足发展，数字经济对传统经济渗透的深度和广度已经超乎人们的想象。如今数字经济对于促进经济增长有着重要意义，其新型的运作模式创造了大量就业岗位，减少了经营模式中的碳排放量，促进了企业数字化转型[28]。同时，数据作为一种资产，在维护国家安全以及提升我国竞争力等方面也发挥了至关重要的作用。

(一)数字经济面临的统计挑战

1.数字经济产生的变革

近些年来，新的数字经济业态改变了人们的生活方式，颠覆了企业的经营方式，也重塑了宏观经济的运营机制[29]。数字经济时代的兴起给人类社会带来了全方位的革命性变革，生产、交换和消费各个方面呈现出新的面貌。体现在：一是数字经济中出现生产方式变革，实体经济与互联网虚拟经济相融合的跨界经营现象逐渐成为主导，从而产生生产组织体系模糊、企业边界模糊、劳动雇佣关系模糊等问题，对传统产业和市场基础造成创造性破坏[30]；二是数字经济在扩大了商品交换的空间边界的同时，还提高了交易的效率；三是数字经济带来了个性化消费的产生和增长，改变了传统的消费结构，在产业层面拉动了消费的转型和升级[31]。

2.现行统计体系面临的挑战

在此基础上，由工业社会发展起来的传统统计体系，显然已经不适用于数字经济。现行的统计体系面临着新的挑战，主要表现在如下三个方面。

第一，数字经济参与者身份相对模糊[32]。一方面，对生产者的定义越来越模糊。数字技术的广泛使用使得家庭越来越多地执行或参与生产性活动。以往只能由专业化的组织进行生产活动，如今通过例如“滴滴”“饿了么”等数字平台，一些个体或家庭经营也可以灵活地进入该市场。例如，以往人们路面出行要靠公交车或者出租车，如今通过“滴滴”，拥有私家车的人可以直接面向有出行需求的人群，为交通运输带来活力与便利。另一方面，消费者界限也变得越来越模糊。传统定义下的消费者行为也在无时无刻地制造数据，因此，消费者在一定程度上说还是生产者。消费行为也更加多样化，在数字经济下，软件下载等行为也可以看作是主动消费的过程。

第二，数字经济下资产的界定范围相对模糊。在数字经济中，数据已经成为重要的生产要素，导致了更广泛的资产范围。传统的生产要素在生产过程中会不断损耗和贬值。然而，技术和数据一旦产生，就会永远存在，并可以长期重复使用，没有损失或折旧，它是一个从0到1，再到无穷大的过程。例如，微信和抖音这样的应用软件被研发出来，一旦算法被开发出来并变成产品，下载它们几乎不需要任何成本，但这些数据资产也会增值。

第三，非正式交易方式的统计存在挑战[33]。以租赁为例，爱彼迎、自如、安居客等打造了线上租赁平台，其中一些非正式交易的出现，为数字经济规模的测算带来了挑战。同时，数字经济中短期租赁的规模逐渐变大，这就扩大了数据测算值与真实值之间的差距。因为在实际中一般使用长期租金进行核算，而短期租赁的租金会高于长期租赁，随着短期租赁规模的增加，这部分误差会变得越来越大。因此，建立有效的核算机制迫在眉睫。

(二)传统GDP核算方法面临的挑战

1.传统GDP核算方法的不足

在数字经济对传统制造产业的影响下，由制造业主导的传统经济，其一些底层逻辑必须得到重新审视，其中最为突出的就是GDP统计方式的合理性问题。尽管数字经济的前景一片大好，但遗憾的是，在各国当前的GDP统计数据中，尚未显现出数字经济的核心主导地位[34]。正如人们所见，如今许多经济学家仍在使用多年前的GDP统计方法，这种统计方法是不准确的。具体来说，主要表现在以下两个方面。

第一，在数字经济下，有相当一部分产品和服务未被计入当前GDP的统计数据中。现在的经济活动大多数都是用货币进行衡量的，然而在数字经济时代，人们使用的一些服务都是免费的。例如微信、QQ等软件都是供用户免费下载的，通过这些软件发送信息也仅需要少量的流量费，与之前相比几乎没有通信成本。同时，我们在百度等浏览器上搜索信息、通过电子信箱发送邮件、使用云盘存储信息、在大众点评或者美团等软件上查看各种商店的评价等，这些人们几乎未付出以货币计量的成本，所以这些产品和服务没有被计量在GDP的数据中。但是事实上，这些产品或者服务都是有成本的，厂商需要维护支撑其运行的设备，同时需要花费大量的金钱投入到广告中，人们也付出了时间成本和隐私数据[25]。

第二，以往被统计在GDP数据中的一部分内容现在则不再适用。数字经济时代，以往需要收费的内容现在则由一些互联网公司免费提供，因此某些传统产业或者业务正在被削弱。例如，曾经热销的GPS导航产品的销售额正在被快速增长的免费导航应用压缩等。

2.传统GDP核算方法产生的后果

由此引发的一个问题就是，数字经济的出现造成GDP规模的漏统计和增速被低估[35]。在20世纪实体经济时期广泛应用的GDP统计方法已经不再是衡量经济的准确方法，不再适合当今快速创新的、趋向免费的、数字化的数字经济[36]。在如今这个发达的世界经济中，有70%以上的是由消费和服务主导的，但是这一部分的价值却没有很好地体现在现有的经济学统计工具中。正是由于数字经济的信息特征，企业在产品定价、商业模式设计、竞争策略和企业增长方面，会发生翻天覆地的变化，而且这些变化会直接影响到整个宏观经济，影响到GDP的统计。数字经济对核算名义产出水平和物价水平都带来了巨大的挑战，因此需要及时对GDP的核算方法进行改进。

(三)数字经济的核算思路

目前，对数字经济规模进行测度的方法尚不明确，存在方法论和技术上的困难。当前数字经济内涵与外延都存在争议，数据产品和数字产品之间的分界模糊，国内外对相关问题的定义也有差异。现有的分类很难反映数字活动和产品的增长，可能造成会计核算缺失数字活动过程中带来的真实产出，从而忽视了数据本身的价值[37]。然而，如果在尚未达成共识的前提下将数字经济纳入GDP的核算，那么会造成数据的不可比，从而引发更大的问题。为了对数字经济进行更加准确的会计核算，需要同时兼顾宏观与微观两个方面，建立一套逻辑严谨、实事求是、实践可行的数字经济核算框架。

宏观层面，数字经济核算的前提是要能够区分数字经济内部各种参与主体之间的交互。为了能够打造一套科学严谨的核算框架，人们需要对数字经济进行界定[38]。数据、算法等信息技术产物对社会生产生活的影响可以大体分为三类。一是对实体产品或服务交易产生的影响，这方面的典型案例就是电商，例如淘宝和拼多多等。二是交易内容被数字化，尽管存在一定争议。比如，比特币仍然是21世纪以来较为引人注目的金融现象之一，而比特币就是一种完全数字化、无实体的交易内容。三是对生产过程的数字化改造，这种情况已经在社会生活中如火如荼地开展起来，本文不再赘述。

数字经济界定工作完成后，下一步就是要识别核算主体。核算主体可以通过其参与数字经济活动的程度与特征来进行分离。互联网时代家庭部门正在扮演越来越重要的角色，特别是在数字经济领域，居家办公完全可以实现接近公司办公的效果。然而，国民经济核算中，此类私人部门生产活动是不纳入统计的，这就会对失业率的统计存在高估的可能[39]。对于这一类辅助性活动，当达到一定规模后，其信息质量自然会有所提高。此时，应该对辅助性活动进行单独核算，当然这要在技术条件得到满足的情况下进行[40]。

界定产业活动。数字经济核算应该被当作宏观经济核算中的一员，因而根据数字经济核算范围来明确数字经济的产业分类是后续核算的基础与前提[10]。通常情况下，数字经济生产活动可以被分为四个产业大类——数字经济基础设施产业、数字服务产业、电子商务产业以及数字化信息产业。微观上，现有的统计方法还不能有效地衡量数字经济活动，因此，有必要改进统计计量的思想和方法。在国民经济核算过程中，三大产业的核算方式有所差异。农业和工业核算由于产出是明确、具体的，所以适用生产法。而服务业的收入数据水分比较小，所以进行核算时选用收入法。数字经济与实体经济早已融为一体，所以其在三个产业中都有涉足。对数字经济的核算自然也要根据产出分类的差异，适用不同的方法，同时还要考虑中间产品的价值计量问题，因而最终核算方法的选择可能与传统国民经济核算不一致。

(四)数字经济的核算方法

1.现有的数字经济核算方法

围绕数字经济核算方法这个难题，国内外学者已经开展了大量研究，并且取得了初步的成果。当前通用的对数字经济进行测算的方法分为两类。一类是对比法。通过监测关于数字经济活跃程度的指标等，比较不同地区之间数字经济规模的相对差异。另一类是直接法。也就是根据前文所述的界定、识别等步骤，直接加总计算出一定区域内的数字经济规模。

当前国内比较完善的核算方法则涵盖了生产方面的核算和收入分配的核算，在对核算过程中遇到的困难进行详细分析的基础上，通过构建一个具有跨国可比性的数字经济卫星账户架构来对数字经济进行核算。所谓卫星账户，就是核心核算体系，例如，以国民账户体系(SNA2008)为基础的附属核算体系构建。对于现有核算体系未包含的相关经济活动，建立专门的核算账户，对数字经济这一特殊的主体，从供给开始追踪，同时关注整个过程中的资本投入、生产等信息。数字经济卫星账户重点关注细分领域和关键部门，对于数字经济和核算具有重要意义[41]。

2.数字经济核算方法的实施要点

如前文所述，在完善数字经济核算框架过程中，应该重视以下四个问题：一是如何规范数字经济统计范围；二是如何确定数字产品分类；三是数字经济指标体系应该以何种方式构造；四是数据调查方式相对传统流程有哪些创新和差异。在具体实施方面，建议做到以下三个方面。

第一，派生出的数字经济核算框架必须与现有国民经济核算方法相协调，不然宏观数据就会失准、有偏。在这个原则下，倘若不能制定出国际通用的准则，那么本着“如无必要，勿增实体”的理念，就不能把数字经济与现存宏观数据加总或糅合，而只能作为卫星账户之类的补充参考指标。毕竟GDP之类的统计指标创立的初衷之一是“可比”，在没有充分论证的前提下，不宜随意变更计量方法。

第二，充分借鉴和吸收国外经验,但需注重本土与国际相结合。我国经济统计工作较发达国家还有一定差距，还存在着许多与国际准则不接轨之处。在这种情况下，要实事求是地找到符合基本国情国策的核算方法。

第三，鉴于数字经济生产核算涉及的领域较广，层次较复杂，不同层级的核算工作难度差异较大，采用由简入深、从易到难的办法比较容易取得进展。“摸着石头过河”向来是新中国建设过程中的重要原则，要先进行数字经济核算的试点，在小范围内进行测试，待到时机成熟之时再进行全局性的推广。

总而言之，数据作为新的生产要素极大提高了社会生产力，也催生了欣欣向荣的数字经济。然而，现行的国民经济核算体系无法完整地反映数据所发挥的作用以及数字经济的蓬勃发展状况，有必要创建一套新的核算方式以适应生产力的发展。尽管在这个过程中存在很多技术性困难以及标准、范围的模糊，但是面对新的业态模式如何准确计量生产活动这一问题始终是无法回避的。我国在数字经济领域的领先地位彰显出构建全新核算体系的必要性，随着数字经济核算方法的构建与完善，长期以来我国被动接受国际核算准则的情况也将随之扭转。

五、结论与政策建议

(一)研究结论

本文通过探究数据作为一种新的生产要素对经济增长影响的机制，数据资产相关问题以及数字经济时代传统GDP的核算问题，形成了以下几点结论。

一是数字经济时代下，数据要素和传统要素之间若想实现联动协同，数据的配置就应是市场化的。这种市场化使得劳动力从简单的体力劳动中解放出来，利用智力不断形成联动，进而促进经济的高质量发展。而要想实现数据的市场化配置，不仅仅要构建数据要素的产权制度体系，还要考虑到进一步完善机制的问题。

二是数据资产面临着产权定义的困难。本文把数据资产定义为由企业拥有或控制的、能够为企业带来经济利益的、形成于企业过去的交易或事项的、以物理或电子形式记录的数据资源。数据分为数字产品和数据产品。数字产品指的是通过数字化形式保存下来的思想知识创作成果。数据产品则是必须通过整合、协同才能发挥作用的产品，往往通过智能设备记录人或事物运动的轨迹、相关信息。一般来说，主要是数据产品的产权界定还存在困难。

三是数据资产归属于企业或者个人会有不同的结果，这也是现实数据资产确权的关键。目前比较成熟的做法是将个人信息分为不同隐私和风险等级，给予自然人不同程度的拒绝权、收益权等控制性权利，赋予数据产品持有者(企业)有限制的占有权来解决数据滥用和数据垄断行为。

四是数据资产在交易中面临着谁来主导交易的问题。数据资产的交易可以通过企业自身作为卖方来实现，也可以通过第三方数据销售商来辅助交易。就我国的实践来看，第三方数据交易体量小、活跃度低，并非主流形式。这跟数据所有权归属不清晰、企业倾向于进行数据垄断不无关系。从理论上讲，还存在共享数据的可能，也就是免费向某一群体开放数据使用授权。

五是数字经济发展下，新业态新模式不断涌现、产品质量加速提升、隐形福利持续增多等为准确核算国民经济增加了难度。数字经济的出现造成GDP规模的漏统计和增速被低估。在20世纪实体经济时期广泛应用的GDP统计方法已经不再是衡量经济的准确方法，不再适合当今快速创新的、趋向免费的、数字化的数字经济。

(二)政策建议

基于以上结论，本文提出以下政策建议：

第一，合理界定隐私。数字经济之下，数据具有重要的商业价值，但是数据产权的归属显露出了很大的问题。企业所使用的数据在很多时候会侵犯消费者隐私，而消费者几乎无法从这种数据供给中获利，甚至承担了很高的风险。政策制定者应该在个人隐私权益和经济收益之间进行合理取舍，一方面，注重消费者个人的隐私保护，将这些数据置于法规监管的框架中。另一方面，在涉及公共卫生、国家安全等问题上，当预期数据的收益远远大于其带来的隐私风险时，倾向于认定这种数据的使用是合法的。

第二，在交易机制设计中考虑社会福利最大化。目前在数据的交易中，主流形式包括企业和消费者自身的交易，或者引入第三方作为中介。但是无论是哪种方式，总会有人的福利在整个交易中受到损害。政策制定者应该进一步深入探讨数据作为一种新生产要素的经济学含义，设计出更加完善的市场机制和政策手段，在公平和社会福利中达到平衡。

第三，解决交易中的信用问题。在数据的交易过程中，还会涉及商品经济的信用关系。因为数字经济时代，商品交易从线下转移到了线上的虚拟环境中，因此也就更容易出现违约等行为，透明化的交易过程和监管机制十分必要。

第四，引入新兴技术。数据交易中存在信息悖论、信息不对称等问题，新技术的发展也对上述问题给出了新的解决方案。区块链可以通过去中心化、分布式的方式，记录发生在系统中全部信息交流的数据，保证交易的真实性和合法性。政策制定者可以通过区块链等新兴的技术来解决数据资产的交易问题。

第五，改进现有的核算方法。要清晰地定义数字经济时代参与GDP核算的各类主体、所覆盖的行业以及涉及的交易类型，将合理的交易纳入整个GDP核算的框架。现有的统计方法还不能有效地衡量数字经济活动，因此有必要改进统计计量的思想和方法。