下载掌阅APP，畅读海量书库
立即打开
以数据为关键要素的数字经济，是一种以数字平台为关键组织方式的新型经济形态，数据要素的高效配置也离不开平台。在互联网、金融、电信、交通出行、电子商务、社交网络等众多数据密集型行业，数字平台企业依托于技术、计算、数据、用户规模、治理等优势，在数据生成、采集、管理、组织、流转、交易、应用等整个数据生命周期发挥的作用越来越显著。集中式的大数据交易所、数据中介商、数据经纪服务平台、政府、产业联盟、消费互联网平台、工业互联网平台等都是连接数据供需各方，促进数据供需各方精准匹配，推动数据要素价值实现的重要组织形式。这些平台的存在能极大地降低数据供求各方匹配的搜集、甄别、交易、信任等各类成本，在促进供需双方互动过程的同时，进一步加速海量数据向其汇聚。而随着平台直接或者间接掌握数据资源的增长，平台逐步成为整个数字经济生态系统的关键环节，是数据要素配置过程中最重要的行为主体和组织方式。
图2 数据全生命周期、主要参与者及平台功能
资料来源：课题组绘制。
平台之所以成为数据要素高效配置的载体，因其具有双边市场的属性，市场两侧参与者交互影响，形成交叉网络效应。从数据要素的产生来看，随着平台两侧用户群体的壮大，数据的产生规模和质量（如完整性、多样性和异质性等）也将越来越高。互联网、金融、电信等数据服务平台中产生了大规模的数据，不仅包括数据服务基本业务的数据，还涵盖用户的娱乐社交、位置轨迹、行为感知、市场供需等信息。平台一侧用户对购物、医疗、教育、娱乐等方面的需求越大，另一侧用户的供给量将越多、供给行为也越丰富；平台上直接产生的交互数据、间接反映的平台用户“画像”规模也随之增大。平台和数据中介（如数据经纪商）产生、采集，甚至处理分析海量数据，使原始数据转化为数字化、智能化、有价值的数据要素。
从数据要素的流转和交易来看，除政府、企业等单边的数据发布、开放或交易以外，数据流转交易多依赖于平台或数据中介。数据要素在流转和交易过程中的物理成本（如复制、运输等）极低，但随着可供选择的数据要素无限丰富，与数据搜索、信息甄别和分析相关的成本则越来越重要。
因此，需要平台和数据中介拓展市场双边用户群体，打造流动性市场；及时、准确匹配供需，降低数据要素市场交易成本。Nuccio和Guerzoni指出，数据平台使得数据供需双方或更多边的用户群体之间产生交互，许多数据服务通过双边平台组织方式提供，使得数据的流转交易呈现出双边市场特征
[9]
。中间平台和数据中介不仅将数据要素利用于完善自身的数据服务，以拓展市场双边和更多边用户群体，如提供定制化、差异化的数据产品和咨询服务，也为包括政府、企业、社会和个人在内的市场各边用户群体提供生产性投入要素、满足其需求和消费、支撑其及时决策和行动，以促进整个社会经济资源配置优化。
网络效应是指连接到一个网络的价值取决于已经连接到该网络的其他人的数量；
从需求规模经济来看，当产品或服务在其消费者越来越多时变得越来越有价值，即某一消费者在其他消费者增加产品或服务的消费时获益，该产品或服务体现出网络效应。
随着双边市场发展，尤其是平台发展欣欣向荣，网络效应表现为：一是，单边效应（same-side effects），即市场一边（消费者或厂商）的用户对这一边其他用户（消费者或厂商）的影响，如手机用户吸引更多的手机用户；二是，交叉效应（cross-side effects），即市场一边（消费者或厂商）的用户对另一边用户（厂商或消费者）的影响，如购物平台的消费者吸引商家，商家吸引消费者。
[10]
网络效应具有局部性，“远距离”
的用户增加并不会对现有用户产生影响，因此，网络效应受网络用户规模和网络密度（活跃度）的影响。
数据要素市场的网络效应体现为：（1）“近距离”网络用户的增加将提高数据要素的价值，从而吸引更多用户。例如，当与用户相关联的人群共同使用社交平台时，该平台上流通的数据要素对用户而言更有价值，用户关系网的延伸使得平台用户规模不断壮大。（2）用户对互联网和数字设备的使用，即每一个用户的数据生产、更新和修正活动都将提升现有数据要素的质量，从而使其他用户从中受益。例如，使用网络翻译的用户增多，将使网络翻译通过自我训练和学习更加智能和准确，为其他用户提供便利。以互联网搜索数据为例，使用Google搜索的用户越多，所提供的数据就越多，从而使Google能够不断改善其搜索核心性能，并提高用户的个性化体验。（3）提供数据服务的平台两侧用户可实现高效连接、交互和匹配。一是平台两侧的用户规模将同步增长，如更多的商家吸引更多的消费者，同时消费者的聚集也吸引商家入驻平台，从而丰富双边市场中产生的数据要素；二是根据平台用户的数据信息，进行数据服务供需匹配，从而降低市场交易成本，促进数据要素流转交易。此外，网络效应也可能带来平台等数据服务组织的失败。
市场正反馈作用意味着“强者越强，弱者越弱”，数字经济时代“赢者通吃”的局面多由此而形成。数据要素市场的网络效应产生了正反馈作用，加上数据要素生产的规模经济性，正反馈的作用将更为强大：需求侧用户的增长降低了数据要素供给的单位成本（规模经济性），同时也使数据产品或数据服务对其他用户更具有吸引力（网络效应）；规模经济性和网络效应叠加进一步促进了需求增长，形成极强的市场正反馈作用。
1.数据拓展的多层次性
数据要素可以是原始的数据对象、经拓展和加工处理后的衍生信息集，也可以是包括模型化的预测数据、智能化的数据产品和服务等在内的知识。
原始数据对象仅为数据一次生产者产生的数据，具有数字化（包括记录和量化）单一数据元素——诸如个人信息、方位、行为、感知等的功能。对原始数据对象进行加工处理，通过“混搭”、整合和拓展，形成针对特定领域和场景的衍生信息集——诸如经济数据、人口数据、地理数据、天文数据、文献数据等，衍生信息集之间也可以交叉互补利用。衍生信息集奠定了描述、分析和诊断特定现象的信息基础。无论是基于原始数据对象还是衍生信息集，模型化研究都提供了更高拓展层次的预测数据——宏观至全球气候环境预测、粮食生产预测、人口经济预测等，微观至个人消费行为预测、企业定价策略预测等；深度挖掘分析和创新开发利用赋予了数据新的理解和意义，开创前沿研究、应用软件、新型算法、人工智能等领域。知识具有先导性、智慧性甚至规范性，将对社会经济的运行和发展产生影响。
2.资源价值的多层次性
数据要素作为生产性资源投入，其资源价值因拓展利用的层次而异，相应呈现出多层次性。DIKW系统体现了数据要素从原始数据对象到信息、知识，直至赋予智慧的价值增值（见图3）。
图3 DIKW系统、数据要素价值和技术复杂性
资料来源：课题组绘制。
尽管数据要素规模巨大，但对特定需求而言仍具有不可替代性（或稀缺性），这是数据要素具有资源性价值的基础。在原始数据对象层面，政府和公共机构开放的数据，企业、中间平台和数据中介掌握的数据，受数据搜索、信息甄别和分析相关的成本影响，满足特定需求的数据要素具有稀缺性。因此，原始数据对象首先具有资源性的价值。在衍生信息集层面，对原始数据对象的重组、整合和拓展利用，使衍生信息集具备更强的逻辑性和可利用性，大大增加了数据要素的价值。这一价值不仅包括数据要素的资源性价值，也包括将原始数据对象进行信息化处理的价值。在知识和智慧层面，数据要素对社会经济运行和发展形成反馈，服务于企业生产、政府治理、居民消费、社会管理等多个领域，促进整个社会经济资源配置优化和高质量发展。知识和智慧不仅包括数据要素的资源性价值、将原始数据对象进行信息化处理的价值，也将创造新的社会和经济价值。
3.流转交易的多层次性
数据要素市场以平台为主的组织结构和网络效应使得“数据一次生产者—中间平台和数据中介—数据产品和服务终端用户”呈现交易对象的多层次性。第一，数据一次生产者可直接向终端用户提供数据产品和服务，如苹果公司通过AppleStore向其用户销售软件。第二，当数据产品和服务的供需两侧产生较高的搜寻和甄别成本时，数据一次生产者将通过中间平台和数据中介向终端用户提供数据产品和服务。如苹果公司的开源性平台使得众多软件开发商能够面向庞大的用户群体；同时，用户也能通过平台获得多样化的选择。第三，中间平台和数据中介向终端用户提供数据产品和服务。互联网、金融、电信等服务平台上产生和汇聚了大规模的数据，数据中介也能够从各种各样的渠道采集大量数据，使其具备了向广大用户提供数据要素的能力。例如，出版平台（如Elsevier、Springer）提供文献资料库，数据中介（如Wind、中国知网）开发数据库，直接面向终端用户提供数据产品和服务。第四，中间平台和数据中介之间相互提供数据产品和服务。数据要素在各个中间平台和数据中介之间流转交易，以实现其重复利用、重组整合和创新开发。如FTC所研究的9个数据经纪商中，有7个数据经纪商相互提供数据要素。第五，如果“盗版”是可行的，数据要素也将在终端用户群体中流转交易。
国家网信办：《二十国集团数字经济发展与合作倡议》，http://www.cac.gov.cn/2016-09/29/c_1119648520.htm，2016年9月29日。
国务院发展研究中心创新发展研究部：《数字化转型：发展与政策》，中国发展出版社，2019。
〔美〕杰奥夫雷·G.帕克、马歇尔·W.范·埃尔斯泰恩、桑基特·保罗·邱达利：《平台革命：改变世界的商业模式》，志鹏译，机械工业出版社，2018。
〔美〕卡尔·夏皮罗、哈尔·R.瓦里安：《信息规则：网络经济的策略指导》，孟昭莉、牛露晴译，中国人民大学出版社，2017。
〔法〕让·梯若尔：《共同利益经济学》，张昕竹、马源等译，商务印书馆，2020。
〔美〕托马斯·埃尔等著《大数据导论》，彭智勇、杨先娣译，机械工业出版社，2020。
王磊：《数据要素市场化配置研究》，国家发改委市场与价格研究所内部研究报告，2019。
〔英〕维克托·迈尔-舍恩伯格、肯尼思·库克耶：《大数据时代：生活、工作与思维的大变革》，周涛等译，浙江人民出版社，2013。
〔美〕亚历克斯·莫塞德、尼古拉斯·L.约翰逊：《平台垄断：主导21世纪经济的力量》，杨菲译，机械工业出版社，2018。
中国信息通信研究院：《G20国家数字经济发展研究报告》，2018。
中国信息通信研究院：《大数据白皮书（2019年）》，2019。
Armstrong，M.，“Competition in Two-sided Markets，” RAND Journal of Economics ，2006 （37）.
Bergemann，D. and A. Bonatti，“The Economics of Social Data：An Introduction，” Cowles Foundation Discussion Paper No.2171，https://papers.ssrn.com/sol3/papers.cfm？abstract_id=3360352，2019.
Cicso，VNI White Papers，2018.
Competition Bureau Canada （CBC），“Big Data and Innovation：Key Themes for Competition Policy in Canada，” Competition Bureau Canada Paper，http://www.competitionbureau. gc.ca/eic/site/cb-bc.nsf/eng/04342.html，2018.
Federal Trade Commission （FTC），“Data Brokers：A Call for Transparency and Accountability，” https://www.ftc.gov/reports/data-brokers-call-transparency-accountability-report-federal-trade-commission-may-2014，2014.
Hilbert，M. and P. Lopez，“The World’s Technological Capacity to Store，Communication，and Compute Information，” Science ，2011 （1）.
Jones，C. I. and C. Tonetti，“Nonrivalry and the Economics of Data，” NBER Working Paper No.26260，http://www.nber.org/papers/w26260，2020.
Mankiw，N. G.， Principles of Microeconomics ，2018.
Nuccio，M. and Guerzoni，M.，“Big Data：Hell or Heaven？Digital Platforms and Market Power in the Data-driven Economy，” Competition & Change ，2019，23 （3）.
Rayna，T.，“Understanding the Challenges of the Digital Economy：The Nature of Digital Goods，” Communications & Strategies ，2008 （71）.
Rochet，J. C. and J. Tirole，“Platform Competition in Two-sided Markets，” Journal of the European Economic Association ，2003，1（4）.
Rysman，M.，“The Economics of Two-sided Markets，” Journal of Economic Perspectives ，2009 （23）.
Sokol，D. D. and Comerford，R.，“Does Antitrust Have a Role to Play in Regulating Big Data，” in Blair，R.D. and D. D. Sokol，Cambridge Handbook of Antitrust，Intellectual Property and High Tech，Cambridge：Cambridge University Press，2016.
Stiglitz，J. E. and C. E. Walsh， Economics ，2006.
Toyabe，S.，et al.，“Experimental Demonstration of Information-to-energy Conversion and Validation of the Generalized Jarzynski Equality，” Nature Physics ，2010 （6）.
United Nations Conference on Trade and Development （UNCTAD），“Digital Economy Report，” 2019.
[1] Hilbert，M. and Lopez，P.，“The World’s Technological Capacity to Store，Communication，and Compute Information，” Science 2011（1），pp.60-65.
[2] Toyabe，S.，et al.，“Experimental Demonstration of Information-to-energy Conversion and Validation of the Generalized Jarzynski Equality，” Nature Physics ，2010 （6）.
[3] 国家网信办：《二十国集团数字经济发展与合作倡议》，http://www.cac.gov.cn/2016-09/29/c_1119648520.htm，2016；Nuccio，M. and M. Guerzoni，“Big Data：Hell or Heaven？Digital Platforms and Market Power in the Data-driven Economy，” Competition & Change ，2019，23 （3）。
[4] Rayna，T.，“Understanding the Challenges of the Digital Economy：The Nature of Digital Goods，” Communications & Strategies ，2008 （71）；Jones，C. I. and C. Tonetti，“Nonrivalry and the Economics of Data，” NBER Working Paper No.26260，http://www.nber.org/papers/w26260，2020.
[5] Rayna，T.，“Understanding the Challenges of the Digital Economy：The Nature of Digital Goods，” Communications & Strategies ，2008 （71）.
[6] Pindyck R. S. and D. L. Rubinfeld， Microeconomics ，2013.
[7] Samuelso，P. A. and W. D. Nordhaus， Microeconomics ，2010.
[8] Pindyck R. S. and D. L. Rubinfeld， Microeconomics ，2013.
[9] Nuccio，M. and Guerzoni，M.，“Big Data：Hell or Heaven？Digital Platforms and Market Power in the Data-driven Economy，” Competition & Change ，2019，23 （3）.
[10] Rochet，J. C. and J. Tirole，“Platform Competition in Two-sided Markets，” Journal of the European Economic Association ，2003，1（4）；〔美〕杰奥夫雷·G.帕克、马歇尔·W.范·埃尔斯泰恩、桑基特·保罗·邱达利：《平台革命：改变世界的商业模式》，志鹏译，机械工业出版社，2018。