在今天的数字经济时代，社会数据化的趋势不断加强。数据催生了新的界面和平台，并逐渐主导了人们的生活。数字经济的生产力要素中最具突破性的变革是数据成为劳动对象，数据作为一种强大的生产要素注入到经济活动中，并对资源配置效率产生重大影响。人类劳动也随之发生了转向，成为以生产数据和处理数据为典型形式的数字劳动。

党的十九届四中全会通过的《中共中央关于坚持和完善中国特色社会主义制度、推进国家治理体系和治理能力现代化若干重大问题的决定》（后文简称《决定》）中，首次明确提出“数据”作为生产要素参与分配。2020年3月，又发布了《中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见》（后文简称《意见》），提出土地、劳动、资本、技术、数据五个要素领域的改革方向。那么，如何对数据进行有效治理，使其在资源配置过程中“数尽其用”，是学界和业界共同面临的挑战。

数据具有海量性和实时性的特点，用户在网络平台上无时无刻不在产生数据，这些海量数据被大公司所占有，通过将诸如性别、爱好、年龄、职业等众多关于数据化个人信息进行整合分析，并形成相应的数据群进行交换买卖，进而完成相应的广告推送获取数据资本。因此，网络平台凭借对用户私人数据的无偿使用而形成绝对优势，并可能进一步形成行业的进入壁垒或扩张壁垒，或因数据产品而形成市场支配地位并滥用。

数据正在成为数字经济时代日益重要的战略资源，对国家治理能力、经济运行机制、社会生活方式等方面产生深刻影响。因此有必要加快推进数据治理体系的构建，规范行业秩序，助力数字经济的发展。

任何生产要素都避不开竞争和垄断的问题，数字经济时代下，以数据作为第一要素的企业商业模式和竞争策略，有诸多理论和实践问题亟需解决。同时，数据要素由于与其他生产要素存在复杂的交互作用，也会导致在评价数据要素的贡献及价值分配过程中可能存在的效率失真和公平失范问题。因此，需要通过合适的政策保障来有效配置数据资源，构建基于场景的数据要素的市场化治理体系。

首先，建立数据科学分类体系，解决数据权属问题。

数据作为一种重要的战略资源，需要最大程度地利用好、保护好。从经济学角度看，富足而零边际成本的数据资源的一个显著特征就是“非争用”（共享性），意味着数据可以供多人重复使用。数据可以供不同的主体重复使用并且不存在使用效用递减的问题，相反可以通过不断挖掘数据来发挥其最大功用。但数据在不同主体间的反复使用，又同数据的隐私保护形成矛盾，因此需要设计制度保障体系使数据成为准公共物品，即具有“有限的限用性”。

其次，要促进数据-算法-场景的融合贯通。

数字经济的基石是经济活动的数字化和代码化：所有商业行为都可以被数字化，从而产生数据；一切商业运行的规则都可以用逻辑来表示，也就是代码化。数据如何使用、产生价值并变现是数字经济的核心；商业逻辑的代码化则以算法形式实现，其金字塔顶端是人工智能。所以未来数字经济竞争的着力点会更加着重于如何优化使用数据和如何优化商业逻辑及相应代码化的进程。

而数据和算法的具体价值在不同商业应用场景中会有不同的体现。数据、算法、场景之间相互作用，相互影响，构成了数字经济的三大核心要素。

数据的价值需要通过算法来实现，但其价值在不同应用场景中不尽相同。所以数据有效的价值实现必须对应于相应的算法和场景，这就需要实现基于一定应用场景下的数据和算法间的智能匹配。

另外，确定数据和算法（在特定应用场景下）各自的贡献，从而基于场景的应用价值进行收益分配，也是未来需要解决的难点问题。

最后，建立基于场景的数据-算法收入分配机制。

在市场经济中, 生产要素所有者凭借对生产要素所有权获取收益的方式有很多, 但主要途径有三种:一是把生产要素当作商品，主要通过让渡生产要素的所有权获取收益；二是把生产要素当作“资本商品”，主要通过让渡生产要素的使用权获取收益；三是把生产要素当作资本，就是把生产要素作为各种职能资本使用，在生产经营中赚取利润。

在数字经济时代，数据成为核心生产要素已形成共识。

而算法的优劣将直接影响生产效率、产品质量、生活服务等，算法就是数字经济时代的通行“语言”和生产力体现。

推动数字经济的发展，不仅需要数据，更重要的是一方面要为各行各业的海量数据匹配最合适的算法，充分挖掘数据的内在价值；另一方面，要为人工智能、机器学习算法匹配高质量的训练数据，促进算法的优化迭代升级流转，并落地于合适的应用场景。因此需要构建基于场景化的数据-算法要素市场化配置机制保障，提供完善的数据-算法的确权、追踪、安全、定价、交易、结算、交付、数字资产管理等综合配套服务，发挥数据-算法在数字经济时代的“资本商品价值属性”和“资本职能”，重构公平高效的数据-算法价值链。

• 媒体链接
  上海交大安泰经管教授：构建基于场景的数据要素市场化治理体系