数据正成为驱动经济社会发展的关键生产要素。党的十九届四中全会第一次把“数据”纳入生产要素并参与分配，凸显了数据的重要价值。习近平总书记指出，要构建以数据为关键要素的数字经济。2020年4月，中共中央、国务院印发《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“加快培育数据要素市场”，要求提升社会数据资源价值，加强数据资源整合和安全保护，这为我们发挥好数据这一新型生产要素的作用、推动新质生产力发展指明了方向。

数据要素作为新型生产要素，是数字化、网络化、智能化的基础，是形成新质生产力的重要资源，已快速融入生产、分配、流通、消费和社会服务管理等各个环节，深刻改变着生产方式、生活方式和社会治理方式。我国是全球首个将数据确立为生产要素的国家，2024年5月发布的《数字中国发展报告（2023年）》显示，数据要素市场日趋活跃，2023年全国数据生产总量超32ZB（1个ZB等于十万亿亿字节），同比增长22.44%。海量数据被生产出来后，通过网络等方式传输到云端进行存储、处理与分析，借助物联网、人工智能等方式转化为实际应用。数据要素通过促进科技创新、优化产业结构、提高全要素生产率等方式引发生产力的跃迁，助力新质生产力的发展。

发展新质生产力必须坚持技术创新，以技术创新带动产业革新，特别是以颠覆性技术和前沿技术催生新产业、新模式、新动能。数据要素作为非实体劳动对象的最新表现形式，推动人工智能、物联网、云计算、智能机器人等新兴技术的革新，成为数字技术创新的重要力量。

一方面，数据要素通过提供大量的市场、用户、信息，帮助企业和研究机构识别新的技术趋势、消费者需求和潜在的市场机会。通过对数据要素进行分析将其转化为有价值的洞察，指导技术创新的方向和重点，加速新产品或解决方案的研发进程。另一方面，数据要素为技术创新提供科学的决策支持。通过分析历史数据和实时数据，可以更准确地评估新技术、新方法的潜在价值和风险，从而作出更加合理的资源分配和决策建议，指导技术创新。

数据要素具备资源规模大和使用价值高的基本特征，在各个产业发挥着日益重要的作用，不同产业发生的根本性变化将推动产业结构转型。

首先，数据要素促进生产方式的变革。通过生产过程的自动化、数字化和智能化，传统劳动密集型的生产环节将会被机器和算法取代，推动产业转型的进程。其次，数据要素能优化传统要素的分配环节。我国产业体系经过长期发展沉淀了大量数据，对这些数据进行分析可获取大量信息，如行业发展趋势和市场需求变化。高质量数据能帮助企业及时调整业务方向和战略规划，同时也助力政府在宏观层面上做出更加精准的产业政策和调控措施，培育发展新动能，促进产业结构的优化和升级。最后，数字要素带动消费群体的行为转变。产业结构变化影响消费结构变化，而消费结构在经济循环中引导产业结构变化。数字商品和数字服务会改变既定收入约束下消费者效用最大化行为，消费支出结构的变化反过来会引起市场生产结构的变化，在不同应用场景中数据要素发挥价值倍增效益，将带来产业结构的变化。

数据要素在优化资源配置效率方面发挥了重要作用。生产的数量和质量取决于要素投入和组合效率，数据要素能够突破要素供给约束，赋予生产力新的动力源泉。数据要素与传统要素结合能够推动数字化变革，提升要素配置效率，且数据要素集聚有助于完善数字基础设施，为企业创新创造了良好的数字发展环境。如数字化变革能有效降低企业与企业之间的信息不对等程度，减少企业交易的搜寻成本和监督成本，提高企业全要素生产率。

此外，数据要素作为生产要素的基础，具备流通性；劳动要素在不同产业间进行信息流通和技术融合，带动着产业经济增长。如数据技术与智能制造、金融服务、新能源、新材料等领域的融合，提高了劳动生产率，推动智能制造、数字医疗、智慧农业等新兴产业发展，促进数字经济和实体产业经济深度交融，提高产业全要素生产率。

《“十四五”数字经济发展规划》指出，数据资源规模庞大，但价值潜力还没有充分释放是我国数字经济发展面临的问题和挑战之一。第七届数字中国建设峰会上发布的《全国数据资源调查报告（2023年）》显示，我国数据资源管理和利用整体处于起步阶段，数据资源“产——存——算”规模优势基本形成，数据“供——流——用”各环节主体逐渐丰富，海量数据和丰富场景优势潜力亟需释放。数字资源规模庞大，但数据要素价值潜力如何充分释放是新质生产力发展过程中需要重点关注的问题。

数据要素具有交换价值和使用价值，数据流通是促进数据要素市场发展的重要方式。我国数据要素市场处于初级阶段，数据流通规则、数据相关制度和标准未充分建立，尚未形成高效完整的数据供应链和良好的流通环境。

数字经济时代的竞争，本质上是技术之争、产业之争，更是制度之争。“数据二十条”明确提出以数据产权、流通交易、收益分配、安全治理为重点构建数据基础制度，系统搭建了数据基础制度体系的“四梁八柱”。但数据标准不统一、制度缺失，以及标准不健全制约了数据流通交易。

当前，数据孤岛、数据权属与共享协同问题突出，严重限制了数据要素在经济运行中发挥新动能作用。全国一体化政务数据共享体系现已基本建成32个省级政务数据平台、257个市级政务数据平台、355个县级政务数据平台。但是，从政务数据共享效果来看，跨部门、跨区域、跨层级的政务数据共享水平还处于较低水平，政府各部门之间、不同区域政府之间，甚至不同层级政府之间的政务数据共享数量少、共享质量差，特别是一些涉及公民个人、企业法人的数据几乎都不能共享，从基层政府汇交到上级政府部门的政务数据，大多数也不能共享回流到基层政府部门。

从数据提供者角度而言，由于缺乏国家层面制度上的硬性要求，一些部门及其成员没有把协同工作纳入本部门的日常工作，权责范围划分不清晰，不了解协同工作的具体内容，在协同行动中无法做到有效配合、高效行动；从数据流通的过程来看，不同部门和机构往往因为职能定位、利益诉求、信息资源分配机制等方面的差异，协同工作难以推进、难以形成合力。数据要素交易不仅涉及政府部门之间的协作，还包括与市场主体的互动。各部门数据标准不统一、数据接口不开放、数据共享机制不健全导致不同组织、部门和业务系统之间无法实现数据的高效流通和协同共享。

数据真实准确是数据要素发挥作用的前提条件。当前，数据存在海量异构的特点，数据量大且数据结构复杂，但高质量数据供给缺乏，数据质量成为产业界关注的焦点。究其原因，一方面，是已有数据质量欠佳或结构不完整影响数据的有效供给；另一方面，是数据在收集、存储或处理过程中若存在错误，则基于这些数据的分析和决策将变得不准确或不可靠。

政府和企事业单位虽拥有大量数据，但多数处在数据开发利用的初步阶段，数据分析技术和实力、应用水平不高。数据仅仅存在于不同的系统或组织中而无法转化为实际的业务价值。

数据要素市场建设探索性、创新性很强，国际上没有通行做法可借鉴。目前，我国数据要素流通正处于起步发展阶段，现就如何释放数据要素价值提出以下几点建议。

交易流通是数据要素价值释放的重要途径。只有打造数据要素市场流通体系，畅通数据流通的市场渠道，降低数据流通的交易成本，才能充分激发数据要素市场的活力，让数据持有者有意愿且便利地流通数据，从而真正发挥数据要素的价值。

首先，完善数据流通和监管制度。数据流通与监管，需要制度作为支撑和保障。加快构建数据基础制度，充分发挥我国海量数据规模和丰富应用场景优势，激活数据要素潜能，构建体系完备、规则合理、执行有效的的法律法规和政策体系，明确数据安全和隐私保护的基本原则、责任主体和监管机制，确保法律的权威性和可执行性。形成国家、行业、地方、团体标准的协调配套。其次，健全信息管理规范。建立信息管理制度和流程，包括数据采集、使用、存储、共享和销毁等方面的规范，合理配置数据提供者、购买者、交易平台、数据服务商等相关主体在整个交易流程中的权利、义务和责任，明确数据发布、定价、交易、登记和交付等数据处理的行为规范。最后，健全以政府为主导，多主体共同参与的数据监管体系，既要加强对数据开发利用行为的过程监管，也要提升数字监管技术、完善社会监督激励机制，健全数据安全制度，充分发挥行业协会、企业联盟等在数据标准、数据审计等方面的积极作用，着力形成数据要素价值创造的全生命周期指导体系、监管服务体系。

数字经济时代，跨部门、跨层级、跨地域、跨领域的数据共享与协同将成为未来长期工作的重点。数据共享与协同的目的是围绕要素价值释放开展的数据交互与业务整合，创造多主体数据要素价值的合作共赢。

首先，明晰各数据共享协同部门的权责范围。将各项任务指标条分缕析、科学分配到各协同部门的责任清单中，使跨部门协同工作成为部门的常态化工作，将各部门在协同过程中是否发挥了本部门的优势、是否完成了规定的工作任务、是否履行了本部门的职能作为重要的考核标准，建立有效的沟通机制和协作平台，确保数据要素得到充分的流通和利用。其次，建立数据共享协同激励机制。对开放数据积极性高、数量多、质量优的机构给予相应的税收优惠、资金补贴、项目配套和金融扶持等。支持优势产业上下游企业开放数据、加强合作，共建安全可信的数据空间，建立互利共赢的共享机制。最后，提升数据要素的安全防护水平。加强数据流通的安全防护及隐私保护，建立可信流通体系，结合区块链、安全计算等技术，保障数据安全，防止数据泄露。大力推进多方安全计算、联邦学习、同态加密等隐私计算技术的发展与应用，保障数据提供者的所有权，促进数据跨机构流通，实现数据体系建设及资源归集，管理数据共享资源池，推动数据跨区域、跨部门、跨业务的数据共享，建设数据开放平台。

高质量数据供给是数据要素市场繁荣发展的基础和前提，推动数据要素供给调整优化，提高数据要素供给数量和质量。此外，数据人才是发展新质生产力的重要基础，如何培养高素质的数据人才，激励数据人才发挥最大价值，对于推动数据要素赋能新质生产力具有重要的现实意义。

首先，加快共性数据资源库建设。鼓励科研机构、龙头企业、数商企业等建设行业共性数据资源库，打造高质量大模型训练数据集。在金融、通信、电力能源等数据资源丰富且治理水平较高的垂直行业，建设行业示范特区，开展先行先试，建立完善数据资源供给体系。其次，推动数据通用标准、行业标准建设。鼓励各主体根据行业发展需要，联合业内机构联合制定数据标准，通过制定清晰合理的数据标准、规范的数据处理流程，借助自动化工具定期对数据进行质量检查，及时发现并修正数据中的错误和不一致之处，确保数据的准确性、有效性、一致性和完整性。最后，重视数据领域的人才培养，特别是数据管理、数据分析、数据应用、数据安全等领域人才。推动政府、企事业单位、研究机构、高校开展数据领域多元合作，加强数据从业人员的相关培训和技能提升，开展数字人才国际交流活动，营造良好的人才发展环境。