2024年7月3日，2024中国数字经济发展和治理学术年会在清华大学成功举办。本届学术年会聚焦“数据要素、人工智能与数智时代的理论创新”，邀请国内外40余位专家、学者及机构代表进行主旨演讲和交流。来自清华大学、北京大学、中国人民大学、中国科学院大学、中国社会科学院大学、浙江大学、南开大学、上海交通大学、西安交通大学等高校和数字经济相关科研机构及企业代表共400余人出席线下会议。会议通过多个平台同步直播，当天信息浏览量超过十万人次。
浙江财经大学党委副书记、副校长（主持日常行政工作），浙江大学全球浙商研究院院长魏江以《数据基础观：数据如何创造竞争优势》为题进行了主旨演讲。本文根据魏江教授现场发言内容整理。
魏江教授作主旨演讲
1 “数据要素观”：企业竞争优势的新解析
我记得2023年年会上提出了“数据基础观”概念，初步架构了数据要素如何创造企业价值的理论模型，此后一年里，我和团队围绕这个主题做了一些拓展性研究。由于我提出的“数据基础观”遵循企业理论展开的，因此，我把这个理论聚焦于回答核心问题“竞争优势从哪里来，超越行业平均利率从哪里来”。虽然数据基础观是微观层面研究，但其内涵来自科斯、彭罗斯等的企业经济学理论。今天，我在去年框架基础上，深入剖析什么样的数据能够创造竞争优势？什么样的企业可以利用数据要素创造竞争优势？从而回答数字企业是如何从数据中创造竞争优势。
按照企业理论的传统范式，存在一个基本前提：企业是由什么组成的。比如，资源观理论认为企业是资源束的集合；知识观理论认为企业是显性和隐性知识的集合；能力观理论认为企业是各种能力的组合。“数据基础观”就是要明确企业是不是各种数据的集合（Collection of Data），这是整个理论的基本假设。江小涓教授明确支持“数据要素”这个概念，就说明数据是企业的Factor。
有了数据要素这个概念作为前提，那么，讨论数据怎么创造价值时，我们必须面对三个思辨性的基础问题。
第一个问题，微观层面的数据是不是新事物？答案肯定是否定的，因为人类社会几万年来都在使用数据，数据不是新东西，那么数据是长期存在的，为什么当下既要促进数字经济发展，又不断强调数据管控和数据割裂？
第二个问题，如果我们承认数据要素是成立的，那么，之前的数据要素在经济社会发展中要有所体现，因此，我建议按照数据要素的逻辑，加强政府和企业之间的合作效率，快速修改完善相关制度，更好地牵引数据要素转为数据价值。
第三个问题，数据真的能创造价值吗？微观研究发现，数据能否转化为要素是有一些条件的。比如，菜鸟和中国邮政都是物流企业，都拥有海量数据，而且中国邮政长期以来是拥有物流数据最大的企业，但是，数据要素化上，中国邮政肯定是远远落后于菜鸟、顺丰。那么，菜鸟为什么能把Data转化为Value，但邮政的Data仍是Cost。两者之间的差距就是有没有能力做好数据基础设施和算法创新。再如，希音和美邦都是做服装的，也存在完全不同的竞争优势。
2 数据转化为竞争优势的机制
在实践中，我们发现那些依靠数据在转型的、依靠数据在创造价值的企业，有的有竞争优势，有的并没有竞争优势。那么，接着的问题就是，要创造竞争优势，又需要什么条件？再往下问，这个数据要素能成为企业核心竞争力吗？从微观层面研究，企业不在乎学者和政府如何创造新概念，也不太在乎发多少个“二十条”文件，而在乎能不能赚到钱、有没有利润。
所以，问题就来了，如果说数据是核心要素的话，那现在争论的“华为要不要制造汽车”“银行要不要开线下网点”等问题就比较好回答了。我有个学生就是研究“华为到底要不要自己生产汽车”，我与他说，谈论这个问题的关键是数据时代华为汽车的核心竞争力。由于华为缺乏数据要素层面的核心能力，所以才会纠结于做供应链还是产业链。如果华为汽车把核心竞争力聚焦在“以数据创造优势”上，它为什么要去造车呢？数据要素和生产要素之间是核心优势、互补优势还是辅助优势？当数据对企业核心优势而言是互补要素或辅助要素，而且数据要素能与实践交互的话，那华为汽车就不应该做太大的业务外包，自己也不应该去做太多，否则，无人驾驶汽车产业就会出现不健康生态。
我提出这些思考，是希望能够从管理层面来理性认识数据要素问题。所以基于这样的理论兴奋点，如果我们认为数据是要素的结合，那么，这不是什么新鲜事物，因为数据作为要素，也是长期存在的。企业不能因为拥有数据要素就创造独特优势，还需要独特定位，这个本次报告不展开。今天在座的基本是经济学家，所以，我又在思考下面这个问题：“数据是怎么交易的？”数据作为企业能力的构成部分，数据交易是原材料买卖、数据元件交易还是数据交互？这就是我前面说过的互补资产和核心资产的关系问题。
数字经济有两个部分，今天理论上对企业层面讲得很少，对企业层的Data讲得很少，基本上是技术层面的Digital，比如，大家通常说的ABCD、5G或者RFID，都是Digital技术层面问题。所以，要真正理解“数据是怎么交易”是不容易的，但同时也是十分重要的，如果内在机理不想明白，是会给国家、地方和企业产生巨大浪费的。我举个例子，现在全国各地都在推进企业数据化转型，构建行业大脑、产业大脑，依托行业和产业的龙头企业来推进数字化转型过程，结果怎么样呢？很少看到成功的。结果就是，有的地方投了上亿的钱，没有见到效果，全国层面不知道产生多大浪费。
所以数据作为要素，要素市场形成，是需要更深刻思考的。我做技术创新研究的，我告诉大家一个事实，技术作为要素提出已经超过100年了，请问现在全世界有没有纯粹的技术交易市场？没有！因为技术是不可能像土地那样成为独立生产要素的。我们看生产函数里的Technology，100多年历史上难以探索出要素与市场，根本原因是很清楚的，因为技术不是单独生产要素。
事实是，不管在浙江、北京甚至全国，技术市场是搞不起来的，当技术脱离了生产场景、技术场景、人的场景，而作为一个独立要素，是非常难价值化、资产化评估和投资的。而且存在许多合法性和制度化问题，这些也不展开。按照这样的逻辑，就比较好解释“为什么当下企业几乎没有多少是依靠销售原始数据赚钱的”，也比较好解释“为什么在场内数据交易额那么低（我认为统计数据还是有很大水分的），而场外交易比较大”。如果从理论上说，数据市场能够成立起来，交易能够做起来，场内交易能够成长起来，数据要素就真的可以成为财富了。
基于这样的讨论后，数据最多的是纯公共物品性质，真正企业感兴趣的不是非排他的数据。这是做微观研究都很清楚的，企业感兴趣的是排他的，那么排他的东西是Data吗？毫无疑问，原始Data是公共产品，且可快速迭代。显然，我们不认为纯公共物品是构筑其优势的，可复制、可流动、可编程、可共性的要素是构成不了竞争优势。
3 审慎看待数据要素市场和交易机制
那问题就来了，公共数据用不了，私有数据又难用，怎么办？我认为不能仅仅就数据而谈数据，不能就要素而谈要素，更应该分析数据生产和加工原件，这可能是值得思考的问题：数据要变成要素，首先数据是稀缺的，因为稀缺数据可能马上就能转化成为竞争优势，而实际上99%或者99.9%的数据是不稀缺的，所以需要的是加工能力稀缺性和应用能力稀缺性。
如果认可这个结论，那么，真正难的是数据能否通过加工生产，转变为数据元件，数据元件是数据生产企业的产品和服务。今天那么多计算机科学家和工程师，就在想方设法把数据转为元件，卖给一家家企业，这样每一家企业就可以自己来做模型升级，就可以构筑数据产品和应用，而不是数据本身。
我们再推演下去，数据创造优势的难点，其实“数据二十条”里已经谈到了。我概括一下，难就难在要素化、资产化和价值化。现在不管上海、北京、杭州、重庆、贵阳都在做产业大脑，非常有趣的现象是，地方投入了很多钱，结果基本打水漂。后来，有的地方非常明确提出“要杜绝指尖上的浪费”，原因是在于没有搞明白它的规律，政府头脑发热，到处上产业大脑、城市大脑项目，但企业不感兴趣、产业不感兴趣。我们恰恰忘了，企业需要、客户需要才是根本。现在那些数据，企业真的有需求吗？企业真正需要的是什么？这些问题往往是研究数据经济学、数据的经济学分析的学者不感兴趣的。我认为无论经济学家还是管理学者，要俯身微观企业，去认识数据是独立要素还是互补要素、辅助要素。
结论是，数据如果可以作为独立要素存在，才有可能成立数据要素交易市场；如果它不能作为独立要素存在，它以互补要素或辅助要素存在，就应该做好场外交易，要为数据工厂和场景用户做好交互合作，通过交互方式来实现数据价值的转移和创造。当然这个过程是动态调整的，今天它不可能作为独立要素，说不定明天有可能作为独立要素。比如，技术可能在50年前、80年前在我国几乎就没有市场，但今天技术也是有一定交易的，所以这个问题是动态变化的。对政府而言，理解清楚这个逻辑特别重要，现在政府真的成本浪费太大了，真的不应该一哄而上搞数据要素化转型，我们浪费不起。
我最后的结论是，理论上讲，数据可以成为生产要素，可以有数据交易和数据产业，但实际上，这个过程不能轻易实现，因为有两个重要前提。第一，数据难以独立存在，需要转化为数据元件，需要有生态系统，需要有数据产业系统的支撑。数据不等于数字，要建立健全数据产业系统。第二，数据要素化过程要有完善的互补市场作为协同系统来建立。我国可能当务之急不是数据本身，而是建立和完善互补市场。我考虑，可以给数据要素化根据阶段不同来设计市场，解构数据生产、加工流程的不同阶段，把数据作为不同阶段的要素特征去交易，而且，数据加工在不同阶段是不一样的，比如原始数据阶段、加工数据阶段和加工后的数据阶段是不一样的，要对数据进行解构，分不同阶段来进行分析。
梳理了数据要素，再回到数据使用者企业这边。企业要把数据转化为优势，需要基础能力和核心能力，就应该运用自身算力和算法，把海量数据进行加工和场景化。海量数据本身不稀罕，稀罕的是用Not-so-large model来把稀缺数据资源、数据元件资源、数据互补资源，与客户之间形成快速交互协同，实现数据资产化、价值化、利润化，而不能简单地炒作数据要素这个抽象的概念。
数据要素化的关键是解决企业需求。企业利用数据一定会关心：数据是个什么东西，有什么用，属于谁的，能入股吗，能赚股权吗，能赚多少利润吗，等等问题。这些问题是企业关心的基本问题。如果数据不能入股、不能分享、不能定价、不能盈利，说明这玩意儿根本就没用，企业没有用，怎么能形成交易市场？
数据创造竞争优势源于数据稀缺性。过去讲稀缺性是基于独特性和不可模仿性等逻辑来的，今天判断数据的稀缺性，需要与企业拥有数据后的自生长性、时效性、动态性和交互性来判断。我在与华为高管交流数据要素化时，我特别旗帜鲜明地提出，希望华为汽车把数据要素化和资产化作为核心能力，不要过度把互补要素都抢在自己手里，如果所有要素都全控在自己手里，未来市场就变成了独家垄断，其他人就不跟华为汽车构成生态系统，就会有对手来推翻它。如果华为企业自己把握核心能力，把互补要素和辅助要素通过外包溢出，就能构成良好的产业生态，而自己集中力量把核心要素做得更强。
最后说说未来趋势。我们需要考虑未来数据产业化和产业数据化，通过产业要素化和数实融合，来形成新的数字产业组织体系，这个是非常值得尽快研究的问题。我们还需要分析数据企业如何分化、差异化，而不是一个模式搞数据化、数字化，要特别控制一批大厂依靠数据基础设施来完全垄断某个产业，要坚决杜绝某个企业一统天下的发展格局，这对产业很不利。
我就汇报这些，希望我们在理论探讨过程中不断持续研究，让子弹多飞一会儿，形成未来中国特色的数字创新与管理理论体系。我报告中肯定有考虑不周到的，请大家一定批评指正！
