数据要素的价值创造贡献：资本—劳动二元渠道估计

【摘 要】 数字经济时代，数据要素是关键生产要素，其价值创造贡献测度直接影响数据要素市场发展，阻碍数据资产、数据资本的会计核算。目前，数据要素相关理论基础不足以推动数据要素市场活跃发展，数据资产会计核算和价值评估指南难以可信方式将数据资产入表。文章以要素的同质性与等价性为假设，基于资本和劳动报酬分离数据要素报酬，估算数据要素贡献，利用戈登模型估算数据资产，依据资本和劳动二元渠道确定数据资本权益。数据要素价值创造贡献的实验估计结果表明，数据要素是互联网公司的关键生产要素，需要高度重视数据资产价值，数据资本权益在员工与股东之间分配比例因数据要素贡献差异而不同。对数据要素报酬提供税收政策激励，有利于促进数据要素市场的发展。

【关键词】 数字经济； 数据要素； 数据贡献； 数据资产； 数据资本

【中图分类号】 F233 【文献标识码】 A 【文章编号】 1004-5937（2024）20-0135-09

一、引言

许多具有较高权威性的报告已经对中国数字经济的发展进行了统计，从总体上能够获得较为直观的数据要素价值的体验和具体解读。2024年5月，国家数据局会同有关方面发布的《数字中国发展报告（2023年）》提出，我国数据要素市场日趋活跃，数字中国赋能效应更加突显，数字经济保持稳健增长。数字经济已经成为经济发展的重要表现形式，数据要素已经成为推动经济发展的关键要素，数据能否科学核算和正确入表，事关数据要素价值创造和新质生产力发展[1]。数字经济是继农业经济、工业经济后最为核心的经济形态变革，数字经济时代，数据作为核心要素起到关键作用。

规范、高效的数据要素市场需要基础制度提供保障。2022年12月中共中央、国务院发布了《关于构建数据基础制度更好发挥数据要素作用的意见》，重在通过优化数据基础制度，从数据要素的权属、市场交易和收益分配进行了数据要素潜能激活，做强做优做大数字经济，增强经济发展新动能，构筑国家竞争新优势，充分实现数据要素的价值。尽管数据要素的权利归属被认为是重点，不同权利归属的要素价值，决定着数据要素的分配能力[2]，但数据要素的价值创造贡献才是要素价值的核心问题。基于大数据合作资产理论分析数据要素价值创造方式潜在价值与即时价值的关系及其实现条件，为本文提供了重要的理论基础[3]。

本文关心的问题是，数据要素作为数字经济时代的关键生产要素，必然由市场评价贡献、按贡献决定报酬，但相对独立的数据要素贡献及其决定的数据资产价值，尚未见到具有接近入表的估计方法。《企业数据资源相关会计处理暂行规定》强调可验证性，而《资产评估专家指引第9号——数据资产评估》强调预期收益，当数据要素和数据资产的价值评估无法兼具可验证性与预期收益（预期产出）时，数据资产会计核算将面临较大的理论和技术难题。

本文可能的创新点在于立足生产函数，从要素分配角度分离并估计资本—劳动二元渠道的数据要素价值创造贡献，为数据要素定价和数据资产核算提供理论和技术支持，是对现有数据要素和数据资产理论的一个补充，在价值估计方法上有一定创新。本文利用互联网行业上市公司数据实验性测算了数据要素价值创造贡献和数据资产价值，证实了数据要素和数据资产在互联网企业的关键地位。

二、文献评述

数据要素的预期价值创造贡献获得了学术界认可。数据资源不等于数据要素，需要整理、聚合、分析，才能成为服务于具体经济产出的数据要素，拓宽经济增长理论边界，优化规模报酬递增的前提条件，改变投入产出质量和效率。“数据+算力+算法”协同劳动和资本，发挥数据的精准经济效应、即时经济效应、网络经济效应、预期经济效应[4]，将数据优势转化为企业竞争优势，实现精准预期、精准决策，优化内部流程，优化核心产品和服务，挖掘消费者潜在需求、开拓新商业模式、创新产品服务[5]，快速迭代创新产品和服务，以开放的生态系统将生产、流通、服务和消费等进行整合，形成平台经济[6]，平台企业利用数据要素不断优化产品或服务，满足用户多样化、个性化需求，产生巨大的消费者剩余。

数据要素具有非竞争性、非排他性。在同一时间数据要素可以为多个主体使用[1]，其价值不会因为使用频率和强度而减少，反而随着使用次数（或应用场景的多样化）的增加而增值，是高位资源、高位要素，可以无限生产、复用、组合、迭代，使得数据要素实现无限供给、非稀缺性供给[7]。数据要素在数字经济时代的创新使用实现数字产业化；赋能经营环节，增强数据要素与实体经济深度融合，促进企业数字化转型，实现产业数字化。

数据要素的转换能力决定了数据价值。数据要素的转换能力在事实上已经因各种专业能力的渗透具有很强的竞争性和排他性以及异质性，满足特定消费需求、生产需求、场景需求，实现非结构化的低价值数据向结构化的高价值数据转变[8]，数据的连接程度越高，用户、产品、服务、内容之间交互程度越深、聚集程度越广，数据的经济价值越高。企业收集、分析、利用头部数据，可以优化头部场景的决策，在差异化的尾部场景中，收集的长尾数据越多，数据的边际报酬越高，数据价值随尾部场景缩放[9]。数据基础设施支撑的数据技术应用存在“边际递增”效应[10]，以需求为导向建设第三方大数据交易平台，有助于提升协调、服务数据要素交易方的技术和能力[11]。

数据资产不易辨认性决定了会计核算的复杂性。数据资产从产出看体现出一种综合数据能力，与商誉具有一定相似性，不易单独确认。数据资产尽管可以采用收益法、成本法和市场法进行评估，其无限复用、组合、迭代导致其潜在价值的影响维度众多，数据需求方的综合应用能力存在较大极差，导致数据资产的价值不易估计。

综上所述，数据作为数字经济时代的一种关键投入，积极推动数据要素市场发展也成为较为重要的共识，认为数据要素应当按照要素贡献参与分配，应当按照市场机制进行配置。数据要素的特性使其在价值创造贡献方面的研究相对匮乏。本文对数据要素的价值创造机制研究和贡献测定是对现有研究的一个拓展。

三、数据要素创造价值的市场机制分析

（一）货币价值创造导向的数据要素需求分析

数据要素直接影响企业的商业模式、规模经济和市场定位，通过改善竞争优势提升企业价值。优步（Uber）、爱彼迎（Airbnb）、跑腿（TaskRabbit）等点对点平台在线交易改善了传统生产要素的配置空间和扩展能力，数据要素的深度参与改变了企业对传统生产要素的需求，价值创造、价值传递的方式及路径，拓展了企业的资源边界、市场边界[12]。

数据要素促进共享平台以及生态系统，利用非结构化数据分析客户的真实需求，对客户进行市场细分，形成微市场[13]，用户的喜欢、评论、分享和点击次数成为判断用户对品牌广告的参与依据[14]，可以更精准地为用户画像，更准确地预测用户需求，用户互动成为平台企业价值创造的推动因素[15]。

数据要素促进了企业轻资产结构演化。移动互联网平台建设能够快速为客户提供零边际成本的增值服务，平台价值随着参与者的增加而增加[16]。轻资产结构推动企业充分利用数据要素投入进行研发、产品设计与营销等软实力投资，以适应互联网平台经济的商业模式创新、经营业态创新，数据资源指标成为揭示企业价值的核心指标，例如月活跃用户。

数据经济时代数据要素对企业战略、商业模式、资产结构产生了重要影响，强化了数据要素在企业价值创造中的核心地位，产生了对数据要素的需求，能够根据数据要素货币价值创造贡献为数据要素确定交易价格，为数据要素供给提供需求信号。

（二）需求导向的数据要素供给成本结构分析

从具有潜在价值的数据资源变成符合市场需求的有价值数据要素，数据价值链包括数据获取、数据存储、数据分析和数据使用4个阶段，各阶段数据成本结构均包括劳动者报酬、中间投入、资本服务成本和其他生产税净额[7]，不同数据价值链阶段的数据成本构成比例可能存在较大差异。

不同来源的数据要素供给成本存在较大差异。政府部门掌握的公共数据以免费方式向所有合法利用数据的公众和单位开放共享；企业信用信息数据开发利用需要数据要素市场交易，存在供给成本和数据提供商的合理利润；消费者交易行为数据主要由平台作为数据要素的供给方，存在数据供给成本。

基于上述分析，数据要素只有按照市场需求进行稀缺性供给，即只有数据要素的交易价格能够覆盖数据要素的供给成本时，数据要素才能以竞争性方式有偿供给，从而推动数据要素市场的发展。

（三）数据要素的市场均衡

数据要素市场需要遵守给定市场规则，通过竞争性交易实现均衡，使得数据要素价格对数据要素需求方有利，对数据要素供给方也有利，推动数据要素市场发展。数据要素的均衡价格和均衡数量与数据要素特定技术条件下的边际贡献有关。特定技术条件下，数据要素的边际贡献越小，均衡价格越低；数据要素的供给成本越高，均衡价格越高。有供给但缺乏需求的数据不是数据要素，不符合数据要素的稀缺属性。

（四）数据要素价格实现的保障

1.数据技术是数据要素价格实现的前提条件。云计算、人工智能等新技术提升了数据处理、分析、挖掘等方面的技术能力，发挥数据要素的产出能力和效率。例如，根据大模型开源开放评测体系——司南OpenCompass对大语言模型在知识、语言、理解、推理和考试五项能力维度的评测结果，GPT-4-Turbo在各项评测中均获最佳表现，国内厂商近期发布的模型紧随其后，包括智谱清言GLM-4、阿里巴巴Qwen-Max、百度文心一言。不同大语言模型对于数据的应用能力影响企业产出，进而影响数据要素的边际贡献和数据要素价格，一定程度上数据技术成为决定数据要素价值创造贡献的关键因素。提升数据技术的先进性、数据技术的可获得性、数据技术的系统性，成为充分发挥数据要素价值的前提条件。

2.法律制度对数据要素价格实现具有激励效应。在国家数据分类分级保护制度下，推进数据分类分级确权授权使用和市场化流通交易，健全数据要素权益保护制度，使数据要素权益人有动力发现数据、收集数据、处理数据和交易数据，使数据要素的价值能够在交易中实现。高规格促进法案肯定了数据要素市场的作用，对数据要素价格形成和价值实现具有重要意义。发挥数据要素市场决定性作用，通过供给和需求发现和决定价格，有利于激励企业对数据要素的产出价值评估其价值实现。

3.公司治理创新是实现数据要素价值的一个内在驱动力。基于数据要素应用的创新活动是一个具有高预期回报、高不确定性的投资机会，极容易受到利益相关者干扰。双股制可以通过提升经理人控制权与职位安全促进企业创新，并提升企业的长期业绩，对于积极创新数据要素使用、收益和数据资产积累具有重要的保障性作用。公司治理创新是实现数据要素价值的一个内在驱动力。

（五）数据要素价值创造贡献估计

由于数据要素与资本和劳动要素具有较深的嵌合性，而会计核算主要围绕资本和劳动要素展开，企业全要素生产率也是围绕资本和劳动两要素进行估计，基于现有研究框架的数据要素的价值创造贡献很难脱离资本和劳动要素进行独立估计。数据要素的需求方关注的要素贡献离不开资本和劳动要素，使数据要素的最终贡献被资本和劳动要素的贡献掩盖，将数据要素的贡献并入资本和劳动要素，高估了资本和劳动的要素贡献。将数据要素贡献从资本和劳动要素贡献中进行分离，是单独估计数据要素价值创造贡献的关键。

生产要素强调投入经济资源的不可或缺性，强调基础性、同质性、等价性，强调不同场景的普遍适用性。只要存在充分竞争的生产要素市场，在均衡条件下生产要素的交易价格与生产要素的贡献就相等。如果劳动、资本、土地、知识、技术、管理等要素均具有明确的均衡价格，则要素实际分配与要素均衡价格的差额需要厘清来源的偶然性与系统性，系统性差额可以归因于数据要素的贡献。由于土地、知识、技术、管理等要素的支出均作为相对确定公开的费用在计算利润前扣除，数据经济中劳动和资本的贡献具有很大的弹性，在没有其他明确可指认的生产要素条件下，从劳动和资本要素二元渠道分离数据经济时代数据要素贡献，具有较高的合理性。

由于资本要素和劳动力要素的理论相对完备，资本要素市场和劳动要素市场发展较为充分，可以根据公开数据获得较为确切的资本要素贡献和劳动要素贡献。为了简化数据要素价值创造估计难度，假设土地、知识、技术、管理等要素贡献在计算企业价值创造前作为费用处理，本文的企业价值创造（V）仅包含劳动、资本和数据要素的贡献，因此，扣除资本贡献（VK）和劳动贡献（VL）即可估算出数据要素价值创造贡献（VD），可以用式1表示。

VD=V-VK-VL （1）

数据要素价值创造的贡献需要采用轧算方法从资本劳动要素的贡献进行分离，可以用式2表示。

VD=VDK+VDL=V- K- L （2）

其中，VDK= K-VK， K表示现有会计方法计量的资本贡献，可以用净资产收益等指标衡量，VK可以用资本必要报酬率计算，两项指标均有较为客观、公认的数据予以支持；VDL= L-VL， L表示现有会计或统计方法计算的劳动贡献，可以用企业员工平均薪酬衡量，VL可以用行业最低或中位数的企业员工平均薪酬计算，两种指标均有较为客观、公认的数据予以支持。

数据要素不仅通过劳动途径创造价值[17]，而且通过资本途径创造价值，因此，本文将归属于数据要素部分的贡献进行分离的方法称之为资本劳动二元渠道估计，可以有效分离资本和劳动报酬中数据要素的贡献部分。

需要说明的是，全要素生产率增长率强调现有可识别全部生产要素投入量不变而生产量仍能增加的部分，主要用来衡量纯技术进步的生产率增长，强调投入的产出效率估计。而数据要素贡献的估计结果重在强调从最终分配角度分离资本和劳动要素中应当归属于数据要素的部分，可以理解为生产要素贡献的再分配，与全要素生产率增长率在内涵上存在较大差异。

为了清晰表达资本劳动二元渠道估计企业数据要素价值创造贡献，计算步骤如下：

（1）以员工薪酬（ L）、净利润（ K）计算一定时期总价值创造V= K+ L；

（2）将员工薪酬（ L）与企业员工人数（N）相除得到企业员工平均薪酬W= L/N，通过与行业中位数企业员工人均薪酬（WI）比较，获得劳动渠道人均数据要素贡献？淄L=max{（W-WI），0}，与企业员工人数相乘获得劳动渠道的数据要素贡献VDL=？淄L×N；

（3）利用行业贝塔系数代入资本资产定价模型计算股权资本必要报酬率（r），与期末净资产回报率（roe）比较获得资本渠道数据要素报酬率R=max{（roe-r），0}，与净资产（E）相乘获得资本渠道的数据要素贡献VDK=R×E；

（4）将资本渠道数据要素贡献（VDK）与劳动渠道的数据要素贡献（VDL）相加得到数据要素的总贡献VD=VDK+VDL。

四、数据要素的贡献测定：以互联网公司为例

（一）研究对象

本文采用证监会2012版行业分类（互联网和相关服务子行业）上市公司作为研究对象，测定数据要素的贡献。本文选择该行业上市公司的主要理由：（1）互联网行业属于数据资源较为集中的行业，包括原创内容资源、匹配数据资源、关系网络资源和1种核心能力——汇聚资源能力，其发展对企业核心价值和竞争优势的提升具有重要意义[18]，数据资源对于企业产出的影响较为突出，可以认为典型的数据要素是关键生产要素；（2）互联网行业具有高度竞争性，人员的数据处理技术水平总体较高，资产结构以数据资源管理为依托，数据要素的权属较为清晰；（3）人员流动的摩擦相对较小，资本流动产生的沉没成本相对较低，且人力资源与资本投入具有较强的竞争性，人力与资本组合的灵活度较高；（4）互联网企业具有明显高于其他行业企业的员工报酬或资本报酬，可以认为是合适的估算数据要素贡献和数据资产价值的实验对象。因此，对高数据要素密度的互联网公司展开研究，可能形成较有说服力的测算结果。

为了提高计算结果的合理性，本文按照以下标准对相关样本公司进行了筛选：（1）由于大部分互联网公司具有较高的创新风险特性，因此，采用财务杠杆提高股权资本回报率的公司不作为研究对象；（2）连续亏损的公司具有明显的不可持续经营趋势，因此本文将非ST公司作为研究对象。基于以上标准，本文分析采用的样本公司共计35家。

（二）数据要素贡献测算的适当性

互联网公司的主要投入要素为三类：劳动、资本和数据，共同协作向市场提供产品或服务。由于细分市场定位不同以及企业投入产出转换的差异性导致要素回报结构呈现出一定的差异性，当互联网公司劳动力、资本要素投入具有极高相似性的条件下，产出差异很可能是因数据要素公司引致。数据与其他生产要素不断融合，形成新的要素组合和要素结构，释放数据生产力。

互联网公司劳动力的主要提供者是具有高技术的专门人才，擅长数据分析和管理，不仅能够提供行业所需、具备必要数据管理技能的行业一般劳动力，也具有提供深度改善数据资源品质、输出特定数据要素的高级数据处理和管理能力，因此，互联网企业员工既提供行业必需的劳动力，获得相应的行业基本劳动报酬，又提供实现数据要素高端化必需的技术投入，获得非劳动报酬的数据要素报酬。因此，互联网企业员工既能获得必要的行业劳动报酬，又能获得数据要素报酬，以至于相同职位不同企业的同年度薪酬差异超过10倍①。

同理，公司股东不仅提供满足符合行业产出的通用资产（例如通用设备），以获得行业平均的资本回报率，需要投资与数据储存、计算、管理高度相关的专用资产（例如专用设备、专有技术、云计算、云储存），还需要投入与数据储存、计算、管理高度相关的专业服务（如具备特殊数据能力的员工），最终使互联网企业股东获得了成分复杂的资本回报。因此，从股东回报分离数据要素价值创造贡献角度具有合理性。

基于上述分析，本文认为互联网企业员工获得超过行业劳动报酬的部分可以归属于一般要素报酬部分；股权资本获得超过行业资本要素报酬的部分可以归属于数据要素报酬部分。因此，互联网企业数据要素贡献从两个渠道相互融合形成（见图1），前述估计方法具有较好适用性。

（三）数据要素贡献测算

1.劳动力渠道的数据要素贡献估计

根据各公司的年报，可以通过查阅相关数据，获得一定时期平均员工总数和平均支付薪酬总额，尽管各家公司的技术类和非技术类员工结构存在一定差异，但总体来看，技术类员工比例较高，具有一定的一致性，即人均薪酬总额可以更为明显倾向于技术类员工，为数据资源能够成为数据要素提供了重要的智力支持。为了避免极端值对行业人均薪酬水平的影响，本文选择了样本范围内的中位数平均薪酬水平作为无数据要素参与互联网企业的基准。根据同花顺数据库，2022年中国互联网行业上市公司中位数员工人均薪酬WI=268 542.08元。见表1。

2.资本渠道数据要素贡献估计

根据同花顺数据库，本文以2022年12月31日为截止日期向前推算100周、最近24个月、最近60个月各家互联网上市公司的市场收益率与上证指数收益率计算得到的贝塔系数。尽管属于同一行业，但由于股票市场定价效率问题，导致各公司的贝塔系数存在较大差异。本文选择样本范围内中位数作为行业风险水平的替代，结合同期上证指数收益率和10年期国债到期收益率，利用资产定价模型测算了行业资本风险报酬率。根据同花顺数据库数据，2022年互联网上市公司的必要报酬率r=-0.99%。见表2。

3.数据要素的贡献结构分析

在具体测算过程中，本文将人均薪酬低于行业中位数的样本归属于数据要素的智力贡献=0，将净资产回报率低于行业资本风险报酬率的样本归属于数据要素的资本投入贡献=0。经过测算，2022年中国互联网上市公司数据要素贡献的中位数=131 324 194.99元，以公司净资产为衡量基础，46家互联网上市公司数据要素贡献的分布如表3所示。

（四）数据资产的核算

数据资产会计处理应当按照《企业数据资源相关会计处理暂行规定》执行，并按照会计上经济利益实现方式，进一步细分为“企业内部使用的数据资源”和“企业对外交易的数据资源”两类，企业内部使用的数据资源，符合《企业会计准则第62号——无形资产》的定义和确认条件的，应当确认为无形资产，此时更符合数据要素需求特征；企业日常活动中持有、最终目的用于出售的数据资源，符合《企业会计准则第1号——存货》的定义和确认条件的，应当确认为存货，此时更符合数据要素供给特征。只有能够采用可信方式对数据资产进行货币计量，才具有入表的合理性。

值得关注的是，现有资产负债表主要围绕股权资本建立平衡关系，从股东角度辨识资产，因此，数据要素能够转化为数据资产的一个重要前提也必须从股东角度展开确认和计量。基于前述数据要素的实验性核算，数据要素归属于股权资本的贡献部分受制于会计核算，净资产回报率服从权责发生制，具有数据要素投入与产出在会计期间不完全匹配的可能性，只要数据要素投入的预期收入（数据要素归属于资本的贡献部分）没有在相应会计期间实现，按照配比原则，相应的数据要素投入应当作为数据资产处理，可以按照无形资产核算方法进行处理。例如，员工渠道能够获得较高数据要素贡献而资本渠道获得较低数据要素贡献的企业（华扬联众、顺网科技、智度股份、迅游科技、三六零、掌阅科技等）很可能应当确认数据资产，并增加相对应的权益；对于同一会计期间能够产生归属于资本的数据要素贡献部分，数据要素投入作为获得收益的代价，应当直接作为获得收入的费用处理。

当员工因参与数据要素价值创造贡献而没有获得即时补偿时，同样也应当确认数据资产，按照无形资产进行核算，同时增加相对应的长期应付款（无法享有分红权）或权益（享有分红权）。例如，员工渠道能够获得较低数据要素贡献而资本渠道获得较高数据要素贡献的企业（天地在线、三六五网、生意宝、若羽臣、川网传媒、瀚叶股份、青木股份、壹网壹创等）很可能应当确认数据资产，公司仅支付了现金薪酬补偿，对于数据要素贡献没有补偿的部分需要根据预期进行价值评估，并结合长期应付款或适当权益确定未来贡献的回报方式。

互联网企业所处的发展阶段决定了资本与劳动的相对重要性，直接影响特定企业数据要素贡献在劳动渠道与资本渠道的分配以及资产与当期收益的分配。例如在企业发展早期，资本渠道的数据要素贡献可能更重要，直接影响数据要素的贡献。

在企业的外部环境较为稳定的条件下，以稳健方式进行估计，采用无风险收益率为折现率（r）（行业必要报酬率更低），数据要素预期贡献的增长率（g）为0，采用戈登模型V=VD/r对2022年互联网上市公司的数据资产价值估算，结果见表4。估计结果表明，数据资产估计价值与账面资产余额的比值分布范围较大，最高值可达12.33倍，最小值也有0.28倍，说明数据资产是账面无法反映的隐形资产，对于互联网企业的发展至关重要，将数据要素作为企业关键生产要素具有核算基础。

上述估计结果的可信度依赖于严格的假设条件，使评估结果存在较强的条件依赖性，但足以说明数据资产对企业的重要影响。当然，数据资产价值评估结果是否可以入表，很可能需要明确数据资产的用途，确保数据资产的有效利用和价值最大化。

五、结论与启示

作为数字经济时代的关键要素，数据要素与资本和劳动两大传统生产要素相比，具有更高的价值创造贡献，已经上升为增强经济发展新动能、构筑国家竞争新优势的战略地位，因此，也应当赋予更高的经济价值，使要素提供者获得更多经济报酬。在要素市场均衡条件下，数据、资本和劳动要素按照要素价值创造贡献分享要素回报。由于数据要素价值创造贡献与资本和劳动要素价值创造贡献相互纠缠，本文采用分离方法从资本和劳动渠道获得数据要素价值创造贡献，并利用互联网企业数据进行估计，证实了数据要素从价值创造贡献来看是互联网企业的关键生产要素，并利用收益法估值模型对数据资产进行了估计，证实数据资产是互联网企业的核心资产。数据资产应当对应数据资本权益，数据资本需要由股东与员工共享，是数据要素创造更高价值的制度性条件，并对现有以股东为核心的资产负债表产生冲击。

尽管数据要素理论仍然处于完善阶段，但数据要素、数据资产和数据资本的管理实践似乎更加超前。为了能够深刻理解数据要素的财务与会计价值，本文建议采用激励性税收政策推动数据资产和数据资本的货币化，为数据要素理论提供实践基础。在数据要素贡献（分配）估计的基础上，对于数据要素权利人所获取的分配收益单独优惠纳税，激励股东和员工积极参与数据要素价值的贡献，积极投资数据技术设施，激发员工数据能力的智力投入，通过数据要素贡献形成数据资产，通过持有数据资本权益参与数据要素分配。

【参考文献】

［1］ 伍中信，毛政珍，吴寓聪，等.产权保护导向的数据资产会计处理［J］.会计之友，2024（13）：8-14.

［2］ JONES C I，TONETTI C.Nonrivalry and the economics of data［J］.American Economic Review，2020，

110 （9）：2819-2858.

［3］ 谢康，夏正豪，肖静华.大数据成为现实生产要素的企业实现机制：产品创新视角［J］.中国工业经济，2020（5）：42-60.

［4］ 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.

［5］ WU L，LOU B，HITT L.Data analytics supports decentralized innovation［J］.Management Science，2019，

65（10）：4863-4877.

［6］ HUKAL P，HENFRIDSSON O，SHA-

IKH M，PARKER G.Platform signaling for generating platform content［J］.MIS Quarterly，2020，44（3）：1177-1206.

［7］ 李海舰，赵丽.数据价值理论研究［J］.财贸经济，2023（6）：5-20.

［8］ 许宪春，张钟文，胡亚茹.数据资产统计与核算问题研究［J］.管理世界，2022（2）：16-30.

［9］ 王超贤，张伟东，颜蒙.数据越多越好吗——对数据要素报酬性质的跨学科分析［J］.中国工业经济，2022（7）：44-64.

［10］ 王欣亮，张家豪，刘飞.大数据是经济高质量发展的新引擎吗？——基于数据基础设施与技术应用的双重效应解释［J］.统计研究，2023，40（5）：103-119.

［11］ 熊巧琴，汤珂.数据要素的界权、交易和定价研究进展［J］.经济学动态，2021（2）：143-158.

［12］ 王琴.基于价值网络重构的企业商业模式创新［J］.中国工业经济，2011（1）：79-88.

［13］ GOYAL M，HANCOCK M Q，HATAMI H.Selling into micromarkets［J］.Harvard Business Review，2012（7/8）：78-86.

［14］ LEE D，HOSANAGAR K，NAIR H S.Advertising content and consumer engagement on social media：evidence from Facebook［J］.Management Science，2018，64（11）：5105-5131.

［15］ 敬志勇，蔡雅祺.基于价值共创的用户互动与抖音IP价值——以美食类博主IP为例［J］.会计之友，2022（21）：8-13.

［16］ MCINTYRE D P，SRINIVASAN A.Networks，platforms，and strategy：emerging views and next steps［J］.Strategic Management Journal，2017，

38（1）：141-160.

［17］ 蔡继明，曹越洋，刘乐易.论数据要素按贡献参与分配的价值基础——基于广义价值论的视角［J］.数量经济技术经济研究，2023（8）：5-24.

［18］ 龙海泉，吕本富，彭赓，等.基于价值创造视角的互联网企业核心资源及能力研究［J］.中国管理科学，2010（1）：161-167.