场域组合视角下数据资源管理的双重价值框架及其应用研究*

张潇月 窦 悦 刘金亚

（1. 北京大学信息管理系 北京 100871；2. 国家信息中心大数据发展部 北京 100045）

1 绪论

1.1 数据资源的价值日趋凸显

当前，数据已成为我国社会经济活动的生产要素，其价值属性日益显现。中共中央、国务院于2022年底发布的《关于构建数据基础制度更好发挥数据要素作用的意见》提出，数据作为新型生产要素，是数字化、网络化、智能化的基础，已快速融入生产、分配、流通、消费和社会服务管理等各环节，深刻改变着生产、生活和社会治理方式[1]。财政部发布的《企业数据资源相关会计处理暂行规定（征求意见稿）》提出，企业数据资源可作为企业数据资产列入报表[2]。上述动态表明，数据资源具有可计量的经济价值，对我国经济社会发展具有广泛的应用潜力。

数据资源的使用者、服务者、管理者都有可能成为数据的生产者，这种供需角色的多重转换加速了数据资源的流转，数据资源的价值体现在从海量数据的相互关联中发现新知。当前，数据资源不是仅被当作组织或社会的静态资产进行管理，而是在流动和转化中经过规模化和有序化处理，以内容整合等创新服务方式发挥价值[3]。对科研产生的数据、代码、本体等数据资源的存储、发布、开放、重用等操作的重要性日趋显现[4]。数据可转化为数据资源并发挥价值，数据资源管理是实现该过程的重要突破口。

1.2 价值维度的模糊性有碍数据资源管理活动开展

众多学者从不同的抽象层次对“数据资源管理”主题进行研究，对作为管理对象的数据资源和作为管理工具的数据资源进行了广泛讨论，为数据资源管理研究提供了坚实的理论基础。但当前基于上述两种视角的研究内容较为独立，且对数据资源管理活动的价值维度梳理难以统一，容易造成数据资源管理活动与机构总体发展目标的脱节。

为发现数据资源管理的新路径，促进我国政府公共数据服务中数据资源管理业务落地，且符合整体社会治理目标，文章通过如下方式进行调研。首先，运用桌面研究方法进行学术文献计量和文献综述，识别数据资源管理的静态价值维度与动态效用作用维度。其次，结合场域理论、价值创造理论提出数据资源管理的双重价值框架，阐明数据资源管理效用协同发展的内涵。最后，以案例验证双重价值转换框架在数据资源管理活动中应用的可行性及应用路径。

2 数据资源管理的价值识别

2.1 静态维度：数据资源管理价值维度

笔者在Web of Science 中进行篇名截词检索，发现最早以“数据资源管理（Data resource management）”为主题的文章可追溯至1973年，时任IBM 研究人员的Uhrowczik发表的Data Dictionary/Directories提出数据是物理和描述层面上的一种资源，需要像组织机构中其他类型的资源一样被管理，并阐述了数据字典的基本原理、发挥的基本功能、构成要素及要素间的组织方式（如实体关系图）、应用示例等内容以集中控制数字资源[5]。关于数据资源管理的内涵，Jain 等在1998年通过文献综述较为系统地给出了数据资源管理的操作性定义，识别出分布式环境中影响数据资源管理活动开展的四个信息系统要素：跨站点数据独立性（Intersite data dependence）、信息系统决策的集中程度（Centralization of IS decisions）、信息系统资源的集中程度（Concentration of IS resources）、数据资源管理相关内容的自动化程度（DRM-related autonomy）[6]。笔者分别在中英文数据库中就2021年（含）前与“数据资源管理”主题有关的学术研究内容进行检索，使用的检索式与年发文趋势见图1。

图1 中英文“数据资源管理”主题文献年发文量统计

以关键词聚类的方式识别数据资源管理活动价值的具体主题，从而进一步分析其价值发挥的层次。去除2019年前发表但未被引用的文章（因其未进入学术交流的领域）、通知、政策法规宣传、专题组稿件序言和重复的文献，最终得到390 篇英文文献和1 221 篇中文文献的核心文献集。使用VOSviewer （1.6.17 版本）选择基于标题和摘要抽取的关键词进行聚类分析，形成的关键词聚类结果见图2。

图2 中英文文献关键词聚类主题结果

根据数据资源是一种特殊的信息资源的观点，结合信息资源管理（IRM）活动的三个主要目标（数据和信息的质量保证、管理功能、整合功能-调和各方需要），文章将关键词聚类结果中的数据资源管理活动的价值归纳为如下三方面维度：①对数据的管理，即数据原值管理，包括为下一步进行数据增值化管理在数据实体层面开展的基础加工准备。②依数据的管理（或将其阐释为“数据辅助的管理活动”），即数据的增值管理，将增值化的数据进一步应用于数据发现、问题解决、机构管理、决策制定等诸多场景。③整合功能：前述两个目标的综合也是数据增值管理的一种方式。

文章进一步在图2 中标出了三大类目标所对应的具体关键词，简述如下。目标一：对数据和信息的管理（数据/信息作为管理对象，原值管理），主要包括主题1—4，其中既涉及对数据和信息实体的存储、加工，也涉及相应技术实现环境的构建，该主题是相对微观的视角。目标二：依照数据资源的管理（数据作为管理工具或依据，增值管理），主要包括主题5“数据资源的开发与利用”，强调基于数据资源所提供的相关服务，对应相对宏观的视角。目标三：整合功能（数据资源同时发挥对象和工具属性），主要包括主题6“大数据生态建设”和主题7“数据治理”，强调将技术、管理和数据资源进行整合从而发挥整体性优势，提升数据资源质量、可用性和价值，挖掘更多潜在应用领域、场景，从而实现从原值管理向增值管理的转化。

2.2 场域识别：数据资源管理价值动态作用场域

由上述分析可知，数据资源管理主要涉及两个静态维度的内容：①原值管理（原始数据资源化），对数据实体和及其流动过程（数据流）的管理，对应数据实体本身的质量。②价值提升与增值管理，重点从数据流和数据价值的接收方视角，更多是基于资源观考察数据在不同场景和业务环节中发挥的作用。③用户的体验亦成为数据资源管理价值作用场域的重要内容。这三个维度共同构成数据资源管理的动态效用维度（见图3）。实践中须将三者结合，才能促进数据资源的增值利用，实现效用协同发展。

图3 整合后的数据资源管理动态效用维度

2.2.1 数据质量层

从政府数据资源质量维度来看，统计数据、上报数据的质量尤其值得关注。有学者重点针对统计数据质量的内容进行了浅层解释和深度解读，浅层解释为单指数据的“准确性”，深度解读数据还应该包括完整性、可比性、及时性这三个方面，指出了数据质量是一个综合性定义[7]。Lee 和 Shon（2000）依据韩国统计实践工作的经验，提出在分析研究统计过程中的基本要素应当包含意识、目的、知识、能力和控制，框架包括业务维度、人的维度以及企业维度等[8]。通过对三个维度的分析，不难看出面向过程的统计是一个不断变化的统计程序，该程序必须被管理、被维护，同时该文还建立了一套统计数据质量评价指标体系，并提出了多种提高政府统计数据质量的方法。这说明，数据质量控制有赖于源头及传递过程的各级把关与校准，同时要从实体管理、业务管理、应用目的等角度制定具体衡量标准，以便在保证准确性的同时发挥价值。

2.2.2 价值析出层

基于管理流程的数据资源管理价值维度：相关学者曾根据数据/信息在各项管理环节中的具体流程来考虑数据价值。如我国学者重点讨论信息生命周期中信息的劳动价值和使用价值二者发挥作用的机制[9]。又如德勤公司在2020年发布的报告《数据价值：理解数据资产的价值》（Data valuation:Understanding the value of your data assets）中，提出了一个评估数据资产价值的综合框架，包括：识别/盘点现有数据资产、识别数据属性、识别现有数据使用案例（use cases）、探索替代/未来数据用例。其中前两个阶段涉及数据的状态，包括:①数据质量：相关性、新近程度、准确性和类型；②目标性（Targetability）/深度/选择能力：针对特定的数据片段（segments）；③来源：治理、采集方法、隐私应用；④广度：对用户和长尾数据（trailer data）的覆盖程度；⑤用例/投资回报率；⑥市场需求；⑦独特性与排他性：类似资源的可获得性[10]。

基于创新观的数据资源管理价值维度：开放式创新为数据生态系统中的数据流动提供了相关理论依据，强调数据要在更大范围内发挥不限于原始创建目的的作用。从数据实体流动的角度来讲，其流程明显延长，价值链条也在相应延伸并向多个方向发展。DCC（Digital Curation Center）的生命周期模型中的transform 的阶段提供了一个示例，其强调从原始的内容中创建新的数据[11]。换言之，相较于传统的生命期（life span）[12]的概念，生命周期更加强调通过数据重用强化现有数据的可持续流转和价值创造能力。有学者认为，开放式创新将从以下五个维度对大数据时代下企业的发展产生影响。行为动机：从经济获利扩展至战略获益；开放对象：从相关者扩散到非相关者；能力塑造：从知识性能力细化为数据性能力，企业需要具备快速综合对比分析能力，使数据的收集、整理、分析、反馈、响应可以在瞬间完成；组织形式：从单一变为耦合；从适应发展到普及[13]。杭州市数据资源管理局也认为，在数据共享与交换基础上的数据细分，能够发挥出数据在管理、决策、监测、评价以及人们生活中的价值[14]。

2.2.3 用户服务层

从用户角度看，众多学者借用经济学、管理学的相关理论，剖析用户对数据相关活动的感知价值。有学者通过访问参加科学数据共享竞赛的本硕博学生发现，科研人员对科研数据检索用户的感知价值维度可分为功能价值、社会价值、认知价值和属性价值。该研究主要侧重于科研用户在数据发现过程中所参考的标准，其中既包括来源选择，也包括对用户个人认知的发展和数据自身的应用[15]。

另有研究着重从整体上说明数字环境中用户体验的内容范围。Schrepp 等在2019年开发了一套较为通用的用户体验内容维度，包括6 个大项，内容可以分为三大类：①吸引力：整体上的维度；②实用质量：效率、清晰简明程度（perspicuity）、可靠性（dependability）；③享受型质量（hedonic quality）：激发程度（stimulation）、新奇程度（novelty）[16]。上述措施为数据资源在开发利用过程中提升用户体验，进而提升数据服务总体效用提供了理论和实践层面的参照。美国数字服务机构的一项重要职能在于关注服务的设计与用户体验，其在2020年发布了政府数字资源服务的13 项“重点（key plays）”，其中与用户体验直接相关的内容包括：理解人们的需求、解决人们从起始到完成整个过程的体验、使其变得简单与易懂（intuitive）、通过使用敏捷和迭代的实践来构建服务、引进有经验的团队、通过可重用性流程管理安全性和隐私性、使用数据驱动决策、默认开放（default to open）[17]。

2.3 数据资源管理双重价值的具体分析

已有研究在论及“数据资源管理”时，通常预设“数据有价值”这一前提，即数据资源兼具显性价值和潜在价值。如有学者指出数据流转要有可用且可靠的数据资源并形成稳健的数据供应链[18]。其中，“可用且可靠”的数据资源体现为显在价值；而通过数据采集、数据挖掘、数据分析等活动，或数据资源的社会运用能够发挥数据资源的潜在价值。例如有学者强调在业务或流程层级融合多源数据，基于政府数据治理的组织架构变化会对数据资源的整合和流动产生影响[19]。在整合多源数据形成数据生态系统时，需注意为用户提供集成的体验[20]，这种整合并扩展服务的方式就是实现多重潜在价值的方式。

将数据作为管理对象，从资源（价值）视角切入的研究得到了学界较多的关注[21-23]。该视角强调在数据的生命周期中通过管理活动沉淀数据资源，进而发挥数据的显性价值（原值管理）。当数据的规模逐渐扩大，流转渠道逐渐增多时，数据的动态特征也会赋予数据新的价值属性。即数据资源不仅可作为组织或社会的静态资产进行管理，还能在动态流转的过程中通过数据资源内容整合在创新服务方面发挥其潜在价值（增值管理）。

2.3.1 数据资源的显性价值分析

数据资源的显性价值是指当前可获得和可实现、能够为使用主体带来益处（收益）的属性。这类数据资源通常包含已有数据源中的存量数据和“开源扩量”形成的增量数据。

现有数据源中的存量数据。此部分数据资源的价值体现在其是某些机构或特定行业独有的、对社会或组织具有重要战略价值的数据资源。例如政府部门的统计数据，作为已有的业务模块，这类数据每年都由诸多部门参与调查、测量、上报，专业性强，能够直接为经济社会相关机构的发展提供参考。又如图书馆在已有的业务活动中形成的管理数据、题录数据、用户借阅数据等，综合使用这些数据能够为资源采购、用户需求挖掘等提供参考。

增量数据源中的新型数据资源。如实验、传感器观测、网络用户行为数据、互联网档案〈包括但不限于社交媒体UGC（用户生成内容）数据、政府留言板数据、可穿戴设备数据、AIGC 数据（人工智能生成内容）〉等，其价值在于能够直接为使用者提供实际应用价值，如交通数据资源和健康数据资源。此类数据资源的特点是数据质量低、分布较分散，但通常在收集/采集过程中已经是序化状态，能够对日常生活、企业运营、社会服务等产生直接价值[24]。

2.3.2 数据资源的潜在价值分析

数据资源的潜在价值指尚未发挥和实现的未来价值，该类价值的识别与挖掘得益于数字技术的不断升级以及数字经济的发展[25]。这些价值通常涵盖数据在其生命周期内、在数据流转过程中以及在支撑相关活动中的潜在价值[26]，主要包括数据资源价值的转移和通过适当手段或方式挖掘出的数据资源未被开发的价值。

数据资源价值的转移。此类数据资源的价值主要体现在数据资源在原有价值的基础上，以数据的开放共享等活动为基础，在保障数据资源合理流动的同时实现数据资源价值的转移，进而形成数据资源新的价值。此类数据资源的特点是灵活性高、渗透性强，可通过社会化服务等手段实现价值。

数据资源未被开发的价值。此类数据资源的价值体现在原有价值空间的再造，通过管理活动和技术手段关联数据资源，各利益相关者共同发挥作用，以形成可被挖掘的价值。此类数据资源数据量大、来源渠道多、价值密度低，但可通过关联分析、流程再造等手段，借助大数据分析、可视化分析等方式挖掘价值，此类数据资源价值的发现和发挥对于管理手段和技术要求较高。

3 场域组合视角下数据资源管理的双重价值框架构建

学界在将数据作为管理对象的研究（流程、模式、技术架构、政策法规等[27-28]）和将数据作为管理工具等方面进行了较多的探索，为数据资源管理研究提供了坚实基础。文章在此基础上集中分析了现有研究对数据资源管理的多维度探讨，并据此构建了适应数据资源管理业务需求的双重价值框架。

“场域（field）”这一概念由布尔迪厄（Bourdieu）提出，是“社会主体由于在不同社会实践中习得的固定偏好（permanent dispositions）而进行行动（actions）与回应（reactions）的处所”。该理论的核心是强调特定领域实践与个体互动间关系的复杂性，提出场域是实践的空间场所[29]，文章认为其是数据资源开发利用活动所存在的、不同抽象层级的空间。在布迪厄的社会实践理论中，另两个贯穿始终的概念为惯习和资本[30-31]。惯习原指以某种方式进行感知、感觉、行动和思考的倾向[32]，文中指当前数据资源管理中的典型实践方式或不同组成要素间的互动方式；资本原指行动者在实践中能够应用的资源条件[33]，文中指各层次中所必需的具体环节、要素。

3.1 基于数据资源开发和利用视角的双重价值框架构建思路

数据资源管理是在显在价值（原值）的基础上不断增加潜在价值并对新价值予以实现（增值）的社会活动。一般意义上的“数据管理”是指存在于“数据库”中的数据，这种形态的数据预设了内部数据结构，侧重于关注数据对某些业务的显在价值，即数据在收集、采集、生产过程中的原始价值（原值），并未对潜在价值与显在价值的关联转化关系进行讨论。因此，有必要从利用和服务的视角来讨论数据双重价值框架中的具体元素和转化路径。

明确价值创造与转化的维度与阶段是建构数据资源管理价值转化框架的基础内容，首先须解决数据资源的价值识别、数据流转周期的层级与划分问题。在数据资源价值识别方面，笔者结合数据资源管理双重价值内涵的划分，整合了价值创造理论和文件双重价值理论的内容：①Lepak等对价值创造（creation）和价值获取（capture）两个阶段的划分，从组织机构层面分析了数据资源的原值管理和增值管理过程中所包含的内容要素[34]。②文件双重价值理论的核心观点在于，对于原始创建机构来说，档案文件不仅具备形成文件初始目的的价值，如政治、法律、文化、管理（administrative）等，也包含文件的从属价值，即作为档案文件的特殊价值，分别是证据（evidence）价值和情报价值（informational value of the data contained therein）[35-36]。 通过整合上述框架，并结合文献计量与综述结果，文章从“价值建构—价值共创—价值共创与实现”三个宏观阶段来进一步建构双重价值框架。

具体环节划分与主体识别。结合当前影响较广的数据生命周期模型，即DCC 的监管（curation）生命周期模型[37]、美国地质调查局（USGS）科学数据生命周期模型[38]、地球观测网络（DataONE）数据生命周期模型[39]、IBM 数据生命周期管理[40]，笔者将文中构建模型的数据生命周期的各环节总结为数据采集与创建、审查与选择、数据摄入、处理、存储、组织、分析、可视化、共享与开放、结果阐释、获取与二次利用、评估与优化，共计12 个环节。而后，研究进一步梳理出数据双重价值分析框架的具体内容，以区分出基础型和增值型的数据资源管理活动，从而厘清数据资源管理机构、用户及其他社会化利用主体间的关系。

3.2 场域组合视角下数据资源管理双重价值的概念框架

综合考量上述模型划分的阶段、要素以及文献研究中的效用场域，笔者建构了包括“资源价值层、数据流动层和服务应用层”在内的数据双重价值实现框架（见图4），其中双重价值主要以“资源价值层”中的原值与增值管理目标命名，以下为框架的具体内容。

图4 数据资源双重价值分析框架

3.2.1 效用维度组合：资源价值层、数据流动层与服务应用层的互动

数据资源管理与数据资源全生命周期的资源价值开发、数据服务密切相关，因此文章构建的双重框架主要包括三层内容的互动，分别是资源价值层、数据流动层和服务应用层。这三个层次为三个场域，既具有明显的边界，又存在规则（惯习）和组成元素（资本）间的互动。

一是资源价值层。主要指数据资源管理的原值、增值活动，通过对数据流动层的具体操作，将实体内容的存在、运动状态数据化并转化成结构化可利用的数据。从体系上来看，数据资源管理活动层的原值管理和增值管理中的潜在价值识别环节属于数据资源的开发活动，具备价值建构的作用。

二是数据流动层。主要指原值与增值管理活动下微观的数据管理流程。增值管理中的潜在价值实现属于数据资源的利用活动，具备价值共创的作用。

三是服务应用层。服务层的问题与潜在需求识别、社会化利用具有价值共创和价值实现的作用。最终服务层的用户需求反馈数据会再次存储在数据资源管理机构，形成面向用户的独特数据资产。

3.2.2 数据资源管理的双重价值：原值与增值管理

数据资源管理活动中的“资源价值层”可划分为数据资源的原值管理和数据资源的增值管理，管理内涵的具体形式、过程流程以及与其他两个层级间的互动如下。

数据原值管理，指数据被创建/采集、经加工处理后实现其原始目的的管理活动，侧重于对数据实体的管理。如政府发布的经济社会发展相关统计数据、经数据化处理后形成的观测数据或用户行为数据、政务活动过程效果记录的业务数据等。其本质上是一种数据资源开发活动，主要指广义上的开发，即形式上的来源扩展、渠道开拓、存量增加、流速加快[41]。主要表现形式包括但不限于：汇总登记，建立资源目录清单，维护更新（动态更新、质量校准），并依据相关政务服务类别进行分类，整合关联（即部门间的数据、数据与服务间的关联）通过相应网站或平台对数据进行开放共享，建立配套的工作制度。对应生命周期的流程包括数据创建与采集，数据审查与选择，以及数据摄入、处理、存储。

数据增值管理有两层含义：潜在价值识别与潜在价值实现。

潜在价值识别，即为方便后续更多机构用户使用而开展的各种形式的数据资源开发活动。这涉及广义和狭义上的开发，既包括原值管理阶段提到的数据资源开发的形式特征（狭义），又包括对信息内容的重组与加工，以及上述两项开发的集合[42]。其主要形式包括但不限于数据组织、数据分析、数据可视化、数据开放。至该步骤结束，相关数据资源仍流向其管理机构所直接面对的用户群体，还未充分流向其他再利用机构以进行社会化利用。

潜在价值实现：基于数据资源设计形成相应的产品或服务，为用户尚待解决的问题提供支持/解决方案，从而发挥数据对整体服务生态系统的支撑效用，包括但不限于数据结果阐述、获取与二次利用、评估与优化。

开放后的数据集与整体服务生态系统的互动，诸如决策支持、服务提升、管理职能、知识传播与扩散、创新发展、管理职能、基于新场景的服务开发与实现等，可更好地满足用户的实际需求，进而实现资源层、数据层和服务层三者间的协调发展。

4 数据资源管理双重价值框架的应用分析：以公共数据资源开发利用为例

随着数据作为生产要素的地位被确立[42]，数据资源的开发利用成为研究中的重要课题。我国可利用、可开发、有价值数据的80%左右都集中在政府。但由于当前实践中存在“重创造轻管理、重数量轻质量、重利用轻增值利用”的现象，产生了数据权属不清、归集无序、应用缺乏等系列问题[43]。在此背景下，“政府数据供应链”的概念被提出。该概念是指围绕政府数据，以大数据管理部门为主体，通过制定统一数据标准、管理统一数据质量、保障数据全生命周期安全，从对供应部门数据的采集开始，到数据的存储、治理、共享交换、挖掘计算、开放，最后将数据供应到需求部门以进行应用，将众多利益相关方连成一个整体的功能网链结构[44]。数据资源管理的双重价值可使政府数据供应链的形成过程得以清晰呈现。

4.1 典型案例选取

在实现数字化转型的过程中，部分先行组织也在关注数据资源潜在价值的作用，通过数据资源的显在价值利用与潜在价值的转化活动，极大提高了数据资源的管理效率。为验证数据资源双重价值框架的有效性，本部分以《政府数据供应链白皮书2.0》中提及的三大试点成果之一的浙江省安吉县的“两山”数据银行为例[44]，阐述数据原值管理与增值管理活动的衔接和转化情况，清晰刻画出数据资源由原值管理向增值管理转化的过程。早在2016年安吉县就被确定为我国第一批“绿水青山就是金山银山”实践创新基地，具有较为深厚的“两山”转化实践基础[45]。

2020年，浙江省安吉县通过数字化手段建立了“数据超市”，将生态环境中的诸多自然资源进行收储、整合和数据化，经过确权、评估后，将自然资源中的数据产品上架到“数据超市（银行）”推向市场，从而实现资源变现[46]。“两山”数据银行或“两山”生态银行的名称由“‘存入’绿水青山，‘取出’金山银山”的理念简化而来，本质上是一种以数字化手段促进自然资源资本化转化的实现机制[47]。安吉县的“两山”数据超市（银行）包括数据中心库、公共数据归集平台（后端）和共享交换平台（前端）。数据中心库负责收集存储数据，归集平台提供给县级部门上传数据，共享交换平台向各部门开放、提供数据，由此建立起一条完整的数据供应链[48]。此外，通过数据赋能政务服务的方式，安吉县有效整合了住建、人社、民政、文旅、生态等诸多方面的数据，并通过新媒体矩阵实现了诸多政务事项的掌上“一站式”办理。

4.2 数据资源管理的实现路径

数据化的方式可拓宽数据资源的来源。数据化（datafication）由Cukier 和Mayer-Schoenberger 于2013年提出，主要是通过数据量化表征世界诸多方面的信息[49-50]，它是一种将现实生活中的主体、客体和实践转化为数据的过程[51]，是数据资源前端开发的形式之一。数据资源管理的实现路径则既要以“扩链条、拓流程”实现资源的规模化管理、开发并彰显数据资源的原有价值，又要通过数据供应链条使数据资源合理流动，最后通过社会化服务等手段实现数据资源潜在价值的识别和发挥（见图5）。

图5 数据资源管理的实现路径

4.2.1 数据原值管理：数据资源开发要“开源开流”

开发多源数据资源，扩展“增值化”开发链条。通过促进多种自然资源“数据化（datafication）”形成数据资源，以确权方式形成相应的（生态）数据资产，促成数据资源从无到有，有效实现对现实资源/情况的数字化映射。通过建立数据目录、项目和产权目录的方式，整合相关数据集，打通数据共享的壁垒，促进资源从零散到整合、从权属模糊到权属清晰的转化。在技术层面建设相关基础设施的同时，跟进配套的工作机制，如安吉县的政务服务模块实行开放式管理，成熟一个、纳入一个[52]。

优化数据资源流向及流程。“连接”其他实体资源与服务，发挥数据（信息）的中介作用[53]。以数据开放、共享来促进其他生产要素的优化配置，如通过线上生活服务帮助本地居民有效对接生活服务资源如钟点工、家政、搬运、上门理发等项目[53]。在此基础上，安吉县“十四五”规划进一步明确了后续智慧城市建设的总体思路和“十四五”期间的绿色智慧城市建设指标，包括数据有效归集率发展至95%，数据共享需求满足率发展至99%，智慧景区数量建成8 个等细化标准[54]，这些基础规划优化了数据资源的流向和流程。

实现已有资源数据化、分散资源规模化、数据权属清晰化。如在生态数据资源管理中，数据资源原值主要是在数字环境中的映射即生态资源数据化；而在政务数据资源原值管理的过程中，其构建了“数据—政务服务”间的映射关系，以及整合了分散数据（政务服务数据规模化）。最终通过对前两个步骤中形成的资源进行权益梳理，以明确相关数据资源权属。

4.2.2 数据增值管理：数据资源利用的“三链协同”

数据链、资源链和服务链的协同发展可有效促进数据的增值利用。通过汇集特色生态资源数据实现生态资源“数据化”，同时结合产权清单和项目清单，在更大范围内匹配“供—需”信息。吸纳社会力量整合闲置的土地和房屋等生态资源，在促进房屋资源与旅游资源建设的同时，提升相关村镇的租金收入，形成一条完整的“（可供开发的）自然资源—数据与产权目录—数据银行与交易规则—生态旅游项目建设—租金反哺当地收入”数据供应链条和“资源—数据—服务”模式的数据资源增值转化路径。

通过归集政务服务数据，以“数据菜单”的形式集成多源数据目录，进一步定制“数据菜谱”。如“两山”数据超市通过汇集和共享相关数据，在疫情防控期间为安吉县商务局提供了全县药店的信息，确保了口罩的及时发放[55]。在此过程中，该县形成了“政务数据归集—数据平台汇总与建立数据关联—按需定制新型的政务服务—促进相关资源的科学配置”这一完整的数据服务链条，形成了“数据—服务—资源”的增值转化路径。

5 结语

文章从场域组合视角，在识别数据资源双重价值的基础上，根据“资源价值层—数据流动层—服务应用层”间的互动关系，构建了数据资源双重价值分析框架，分析了框架内各层的典型要素、流程与互动运作机制。结合该框架详述了浙江省安吉县的“两山数据银行”数据资源管理中的价值转化活动，验证了该模型在实践分析方面的可行性，也更加清晰地指出“两山数据银行”的数据价值增值路径，以便相关数据资源管理机构参考与应用。此外还在案例分析中进一步提出数据资源开发的“开源开流”与数据资源利用“三链协同”的两条路径。研究的不足之处在于目前仅以单独案例验证，后续笔者将尝试采用多案例方式进一步验证该框架的有效性、优化其内部元素并拓展其应用领域。

（来稿时间：2023年10月）