2020年12月召开的中央经济工作会议将“强化国家战略科技力量”作为2021年要抓好的重点任务之一。充分发挥科技创新力量，关键环节之一是科技成果转化和产业化。在数字经济相关产业的科技成果转化中，尤其需要注意把握数据要素本身的特征，促进相关科技成果转化，发挥市场机制作用，提升数字经济产业发展水平。

数据要素的产生者和拥有者分离

数字经济是以数字技术为基础的经济形态，在用户、组织和设备通过因特网、移动技术和物联网构成的相互连接基础上运行。因此，数据是数字经济的关键生产要素，数字经济所具有的高渗透性、规模经济等性质也来自于数据本身的非竞争性。经济学理论告诉我们，基于生产要素的分配规则影响着生产要素的提供，进而影响生产要素的使用、积累和创新。所以，数据要素的高效配置，是推动数字经济产业发展的关键一环。

数据作为一种生产要素，有着与其他生产要素不同的特点。数据要素的产生者和拥有者是分离的，数据资源来自于千千万万的用户行为记录，经过数据采集、清洗和加工后成为数据要素，而产生数据的用户不再是数据要素的拥有者。

数据要素的价值实现特征

生产要素在价值实现中的作用决定了其在收入分配中所应占有的份额。劳动、资本、土地、知识、技术、管理这几种生产要素直接进入产品和服务的生产环节，然后产品和服务通过市场销售实现其价值，各种生产要素相应获得报酬。而数据作为一种生产要素，实现价值的途径有所不同。

首先，数据要素的价值派生于决策的价值。数据要素本身并不具有价值，对其的需求是由对于高质量决策的需求所派生的，其价值也派生于决策的价值。第二，数据要素通过其他生产要素间接实现价值。只有准确理解数据资源的产生过程和特点，才能形成高质量的知识、技术和管理。第三，数据要素的价值通过数据产品和服务实现。

把握数据要素特征，支持基于数据要素的成果转化

数据要素支持了数字经济产业等战略性新兴产业的发展，但数据要素的特征也影响了基于数据要素的科技成果转化。因此，我们需要把握数据要素的特征，提升基于数据要素形成的科技成果转化，从而促进数字经济战略性新兴产业的发展。

基于数据要素形成的科技成果既包括数据产品和服务，如订制的数据库等，也包括主要基于数据资源形成的算法等发明专利。科技成果转化问题的本质是不同主体之间的利益分配。根据新制度经济学中的科斯定理，在产权明晰，交易成本为零的条件下，不同利益主体之间可以形成最有效的分歧解决方案。因此，科技成果转化的“中梗阻”问题，从本质上看就是转化过程各环节参与者对于相对贡献无法形成共识，而制度性交易成本过高，因此无法自发解决分歧。

因此，要促进基于数据要素的科技成果的转化，首先就需要明确成果形成过程中不同生产要素的贡献程度，明晰科技成果所有权问题。基于数据要素形成的科技成果，如各种算法、数据库、集成系统等，其价值来源主要在于数据要素，以及科技工作者提供的知识、技术、管理和劳动。其中数据要素或者是通过科研人员的主动收集、或者是通过订制数据产品和服务而进入生产。而主动收集数据所耗费的劳动和资本已通过设备费、使用费和劳务支出的形式获得相应报酬，数据产品和服务通过数据使用费的方式支出，所以科研人员的贡献在剩余的价值形成中占据主要的地位，理应获得主要的收益份额。

第二，切实降低制度性交易成本，简化成果转化环节。我们需要在教育和科技领域进一步贯彻落实“放管服”改革精神，增强对于科研人员的信任度，大幅度简化审批环节，充分利用各种数据资源进行精细化、敏捷化监管，营造良好的科研成果转化环境。

第三，鼓励科研人员生产和积累数据要素。数据要素的价值也来自于其质量，高质量的数据要素对于后续高品质科研成果的形成具有重要作用。但是，现行的科研评价导向对于高质量的数据要素生产关注还不够，对于其成果的价值认识还不足。数据要素是科研成果形成的基础，我们需要改进科研成果评价体系，建立调动科研人员收集数据资源的动力机制，促进数据要素这种公共品的生产、积累和分享。

最后，促进数据产生者、拥有者和使用者共同参与科研成果的生产，使科技成果适应市场需求。数据要素实现价值的特性决定了其成果的形成必须是多方参与的，数据要素使用者与拥有者的联合生产形成满足使用者需要的订制数据库，可以说并不存在成果转化问题。而公众作为数据的产生者，参与科研成果的生产则可以减少科技成果可能导致的风险，约束成果的发展方向，如人工智能、人脸识别技术、用户画像等的应用场景等，避免产生“大数据杀熟”“二选一”等行为，从而使科技成果更好满足市场需求，提升人民群众的满足感和获得感。因此，可以借鉴生物和医学研究领域的伦理审查模式，设计相关的数据要素使用准则，要求在使用数据要素进行科研时预先提交使用计划进行审批。

(作者 梁平汉 中山大学中国公共管理研究中心研究员、政治与公共事务管理学院教授)

关键词： 数据要素，数字经济产业