数据资产对长期经济增长影响的研究

一、数据资产的要素特征

随着数字经济时代到来，数据成为继土地、劳动、资本等之后的又一重要生产要素。数据作为生产要素主要有以下四个特征：（1）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，甚至有接近公共品的特点，数据被共享使用的次数越多，价值越大。（2）成本趋近于零。传输成本、复制成本、创造成本几乎为零，这也使得知识产权保护迟迟得不到改善，通过云服务传播盗版的行为还不能禁绝。（3）价值存在不确定性。数据的价值受其准确性、真实性和完整性影响。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。（4）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。同一数据在不同的应用场景会产生不同的价值，例如交通出行数据，网约车公司可以利用它匹配司机和乘客，提高出行服务效率，XX部门则可以利用这些数据优化道路建设，提高交通服务质量。

此外，数据还具有即时性、可再生性等很多与其他生产要素不同的特征，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。

二、数据对长期经济增长过程的影响

据目前研究来说，数据具有明确的经济所有权归属和收益性，具备了 2008 年 SNA 中“资产”的基本要素，可以认定数据为非生产资产。数据资产在宏观经济视角下的影响主要体现在以下几个方面：第一，数据能够与其他要素协同联动，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。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。数据要素与其他生产要素协同联动，共同打造“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。第二，数据要素的市场化配置机制，2020 年中共中央xxx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。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。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。第三，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。平衡好技术创新和垄断之间的关系，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，如何优化规制还需要进一步的探索。

三、数据资产价值的核算方法

测度数据资产价值的关键问题是如何在统计实践层面，获取国民经济核算原则下的劳动者报酬、中间投入、固定资本消耗、固定资本净收益和其他生产税净额的详细统计数据。目前中国乃至全世界范围内数据市场存在交易标准、规则及法律不完善等问题，绝大多数数据资产属于自产自用型，数据资产原件的市场交易极少。鉴于此，在市场交易信息不充分的情况下，在国民经济核算实践中，自给型和交易型数据资产原件均可采用成本法估价，借鉴自产自用知识产权产品价值核算思路开展基于成本法的数据资产的价值核算，也具有较强的可操作性。《知识产权产品资本测度手册》（OECD，2010）及《弗拉斯卡蒂手册：研究与试验发展调查实施标准》（OECD，2015）提供了使用成本法推算自给型知识产权产品的固定资本形成总额的指导准则和调查实践经验，视不同资料来源及其完备性，建议具体结合使用“需求法”和“供给法”对总成本进行推算，然后比较两种结果，以互相验证校准。其中，“需求法”是指基于法人单位的统计调查，获取调查单位从事数据生产活动的详细的成本费用信息，进而直接得到数据资产的成本估计值。“供给法”是指利用数据生产活动中的劳动人员数和生产时间比例推导得出劳动投入量，然后用劳动投入量乘以工资率，加上其他非劳动成本，即可间接推算专门从事数据生产活动的总成本。两种方法的信息来源不同，但所指的成本类型和内容是一致的，没有孰优孰劣之分，若能分别使用两种方法并进行比较调整，无疑是最好的选择。结合使用需求法和供给法。具体地：一方面，采用需求法，可选取数据密集型法人单位作为样本试点，有针对性地设计基层法人单位数据生产活动的成本费用专项调查，直接收集得到详细的、准确性较高的数据生产活动相关人员劳务费用、直接投入费用、固定资产使用等数据，并进一步通过口径调整和数据转换，得到符合国民经济核算原则的生产成本构成；另一方面，结合供给法，在剩余待估样本法人单位中仅开展劳动成本调查，并利用上述样本单位调查数据推算出数据生产活动成本构成中的相关资本服务成本、中间投入成本与劳动成本的比率，用于推算非调查单位的资本服务成本以及中间投入成本，进而得到非调查单位的数据生产活动总成本。此时，基于供给法的数据资产价值估算公式如下：

成本法数据资产价值=直接从事数据生产活动的工作时间占其实际工作时间的平均比例×相关职业类型人员总数×职工平均工资+用于数据生产活动的中间投入成本+与数据生产活动相关的资本服务成本+其他生产税减补贴

值得注意的是，应结合前述成本法的具体核算原则，对上述以总成本为基准的数据资产价值进行调整，以充分反映数据资产因有别于一般知识产权产品的独有特征对数据资产价值的影响。鉴于统计与核算的客观性和可操作性，我们不考虑诸如应用场景模式、准确性、真实性和完整性等目前难以标准化或量化的主观特征，仅考虑其中可被统计调查和衡量的客观特征：（1）数据最终是否被应用于具体场景。没有投入应用场景的数据只发生了成本，没有带来价值，则数据资产价值为零。（2）数据资产使用者数量和使用次数应乘以数据资产总成本。当数据资产第一次被使用时，它的价值即以总成本来衡量，后续使用人次的增加将增加数据资产的价值，以反映数据价值的累积性。利用这些特征对基于成本法的数据资产价值估算方法进行调整，将有助于突出哪些信息最有价值（使用频率最高），哪些信息的投资回报率（价值与成本之比）最高，从而可以进行有效的数据管理和资产定价（Moody and Walsh，1999）。由此，本文提出对基于成本法的数据资产估计方法进行以下调整，最终得到基于“调整的成本法”数据资产价值的估算公式：

调整的成本法数据资产价值=数据资产的总成本×是否被应用于具体场景（“是”则取值“1”；“否”则取值“0”）×使用者数量×使用次数

总之，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，亟需尽快合理界定隐私，建立完善法律保障机制，积极探究适合当前经济发展的数据资产价值核算方法，以期能够准确的计量各项经济指标。