新质生产力由技术革命性突破、生产要素创新性配置、产业深度转型升级而催生。新质生产力是创新起主导作用，摆脱传统经济增长方式、生产力发展路径，需要新的生产要素作为支撑。自2020年数据正式成为五大生产要素之一以来，数据要素已经成为驱动现代经济和社会发展的主要引擎，是战略性新兴产业和未来产业发展的关键，对新质生产力的形成至关重要。

　　数据要素具有非竞争性、易复制性、部分排他性等完全不同于传统生产要素的特征。因此，在运用和治理数据要素时不能简单地套用传统生产要素的思路，应积极探索适合数据要素的新方法，从而充分挖掘其在经济增长中的潜力。结合数据要素相较于传统生产要素的特殊性，加之目前我国数据要素使用过程中存在的问题，提出如下建议。

　　一、推动数据共享平台和交易市场建设

　　在数据共享平台建设方面，目前各企业较少分享自己的数据，从而无法发挥数据要素的全部潜力，对整个社会造成效率损失。对此，政府可以牵头成立国家级数据共享平台，要求各企业或科研机构提交研发、生产、产品使用过程中产生的数据，将有互补作用的数据汇总后返还给企业和科研机构，并对研发成果给予相应奖励，从而提升各行业创新和运营效率。

　　在数据交易市场建设方面，应加快数据交易所成立速度，以适应我国快速增长的数据要素规模。同时，应注重完善数据交易制度，确保交易市场良好运行。首先，保证数据要素产生过程中各方都获益。数据要经过整理、清洗等步骤才能变为有价值的数据要素，然而这些步骤的实行者很多时候不是数据主体，因此政府应明确规定生产数据要素各方所有权比例确定方法，当交易数据要素获利时按规定分配各方利益。其次，为数据要素定价制定合理程序。数据要素的非均质性使其定价非常困难，政府可考虑放弃统一定价，让数据交易双方在谈判中确定价格并成立第三方监管机构监督谈判过程，确保各方利益不受损。最后，注重对于交易数据类型的监管。由于数据交易非常隐蔽，一些涉及个人隐私、国家安全的数据也会在市场上交易，政府应对交易此类数据的人员进行严惩，保证交易数据的合法性。

　　二、加快推进数据要素相关统计工作

　　目前我国对于数据要素的统计工作还有待完善。现有研究普遍认为，应采用成本法统计数据资产投资的价值，然而该方法主要存在以下两点问题：一方面，没有国家、行业或地区层面的数据资本统计数据。一些经营数据业务的公司也没有将数据业务单独列出来，而是包含在其他业务内，因此无法直接得到用于测算数据资产价值的统计资料。另一方面，在使用成本法计算数据资产价值时普遍依据收付实现制原则，而国民经济核算体系主要依据权责发生制原则，因此在计算出数据资产价值结果后需要根据两种原则的不同进行转换才能将其纳入国民经济核算体系中。

　　基于以上问题，应在使用成本法统计数据要素中劳动力报酬、中间投入、资本服务的价值时注意以下三点：第一，应该对从事数据相关业务的人员有清晰的分类，并明确各职业分类用于数据生产活动的时间占比。现有的职业分类标准已经无法满足成本法中劳动力报酬部分的统计需求，应将数据收集（数据录入员、调查访问人员、调查数据统计人员等）、存储与整理（计算机信息系统管理人员、信息系统测试人员等）、分析（财经分析师、经济学家、社会学家等）各阶段的工作人员进行重新分类，确定各类人员在数据生产活动中投入的时间占总工作时长的比例，运用该比例分别乘以各类人员的工资就能够计算出成本法中的劳动者报酬部分。第二，在整个社会范围内确定数据资产投资中的中间投入是非常困难的，建议对从事数据生产活动的典型企业进行调查，确定这些企业数据生产活动中消耗的直接材料费用、间接材料费用、管理费用、能源消耗费用等中间投入费用之和，并计算出处于数据生产各环节企业中间投入与劳动者报酬的比例，通过该比例推算出整个社会数据资产投资中中间投入部分。第三，由于确定整个社会数据资产投资中的资本服务费用同样困难，建议采用与统计中间投入相同的方法，调查典型企业在数据生产活动中用于土地、建筑物、机器设备的费用，确定该部分费用与劳动者报酬的比例后推算整个社会数据资产投资中资本服务费用部分。将以上三部分加总统计出全社会的数据资产投资价值。

　　同时，国家统计局可以考虑先建立卫星账户。在建立时可参考经济合作与发展组织（OECD）建立卫星账户的思路。明确交易性质，判断交易是否属于数据交易。确定数据的生产者、使用者以及数据产品。在概念框架的基础上，运用供给—使用表统计出各种数据产品和服务的总供给、总使用以及其他相关变量。在成熟的卫星账户基础上，可以考虑将数据资本纳入中心框架中，对国家、行业以及地区层面的数据资本进行测算。

　　三、重视政府数据质量

　　造成统计数据质量问题的原因有客观和主观两类。客观原因方面，首先，应加强政府官员和企业管理者对数据统计工作重要性的认识，并给予政府和企业统计部门足够资金支持，既要升级信息化设备，也需提升工作人员福利待遇，吸引高层次人才进入统计部门。其次，需增强对统计部门在职人员的培训与监管。可以通过定期组织考试来监督统计人员坚持学习专业技能。在此基础上，还要强化对于工作成果的监管。可成立专家小组对统计结果进行匿名评估，实行明确的奖罚制度，保持工作人员的责任心和积极性。最后，应提升各省市、各企业统计部门之间数据的衔接性与协调性，保证各部门数据可融合、统一使用。

　　主观原因方面，需要从数据质量和数据解读两个角度解决。数据质量方面，应对于各个指标进行更加严谨和科学的界定，完善统计工作各个环节的规章制度，减少政府官员在统计数据方面的自主性。同时，应经常组织对统计人员的教育活动，加强《中华人民共和国统计法》执行力度，对违反规定流程、私自篡改数据的统计人员给予严厉的处罚，从而建立一支高效率、实事求是的统计队伍。数据解读方面，首先，在使用数据时不应只关注数据的具体数值，同时应关注指标的详细解释。其次，应该重视数据中的缺失值，将缺失值也当作数据，考虑缺失的原因等。最后，在分析数据时应该考虑数据收集的文化环境和相关者利益，研究这些因素有助于理解数据偏差并进行修复。

　　四、加强个人隐私数据保护

　　数据要素在使用过程中会出现侵犯个人隐私的问题，应主要从以下几个方面进行解决。一是加强技术保护措施。技术是保护个人隐私的重要手段，比如使用加密技术可以保护数据在传输和存储过程中的安全，访问控制技术可以限制对数据的访问权限，匿名化和去标识化技术能够减少数据与个人身份的直接关联。隐私计算技术如安全多方计算、同态加密等，可以在不暴露原始数据的情况下进行数据分析和计算，有效保护数据主体隐私。二是提高企业和组织的数据保护意识。企业应建立严格的数据管理和保护政策，对员工进行数据保护的培训，提高其数据保护意识。还应定期进行数据安全审计，确保数据保护措施得到有效执行。可以考虑建立透明的数据处理展示平台，让用户了解数据的收集和使用过程，增加对企业的信任。三是强化个人隐私保护意识。可以通过教育宣传活动提高公众对自身隐私保护重要性的认识，了解自身数据权利，学会如何保护隐私。主要包括定期更新密码、避免在不安全的网络环境下输入个人信息、审慎授权应用程序访问个人数据等。四是需要建立一套全面的法律法规来明确数据收集、处理、存储和传输的规则。可参照欧盟的通用数据保护条例（GDPR），制定严格的数据保护法律，要求各机构在处理个人数据时必须获得用户的明确同意，并为用户提供数据访问、更正、删除等权利。更重要的是，应明确规定对违反数据保护相关法律的机构进行严厉处罚，保证法律能够得到严格遵循。

　　五、防止市场垄断与歧视弱势群体

　　数据要素很可能通过自身正反馈机制、促使企业吞并与合并、帮助企业滥用支配地位等路径加剧市场垄断。为应对数据要素可能引发的垄断现象，应制定法规，禁止企业利用数据壁垒或数字技术壁垒阻碍其他企业的成长。在此基础上，应强化数据和技术共享机制，在保证创新积极性的前提下让所有企业都能在公平的环境中竞争。对于市场主导企业，必须监管其产品或服务的定价，避免通过低价策略形成垄断。许多主导企业通过补贴等手段迅速吸引用户，借此收集更多数据，优化产品与服务，进而造成用户依赖，阻碍新企业的进入。反垄断机构应确保垄断企业的产品价格真实反映其价值，不得故意降低价格。进一步地，应对科技巨头的并购活动进行严格监管，防止企业通过积累用户数据而获得市场控制权。我国已经在这一领域采取了措施，例如2021年7月，因市场份额过高，腾讯主导的虎牙和斗鱼合并案被叫停。同年11月，国家反垄断局正式成立，其职责之一便是监管互联网行业的反垄断问题。今后需继续加强对科技巨头并购和收购活动的监管，避免企业通过数据集中而控制市场。

　　同时，还应关注数据要素可能造成的个体间不平等加剧。我国已经开始关注这一问题，并在“数据二十条”中强调了大型数据企业帮扶弱势群体的重要性。然而目前数据驱动技术会通过算法从有偏差的历史数据中寻找规律，从而放大社会不平等。因此，算法设计需要考虑如何纠正历史数据的偏差。目前，大多数算法不公开，其有效性和公平性验证也由开发者自行完成。应邀请外部专业人员对算法进行测试，客观评估其局限性和不足，并由专家制定算法公平性的行业标准，以确保算法不会对弱势群体产生歧视。

　　（作者单位：四川省社会科学院经济研究所）