数据经济学 赵昌文 戎珂著 中信出版社图书 正版

《数据经济学》一书是探索数字经济时代的重要著作。在数据已成为第五大生产要素的背景下，本书深入剖析了数据经济学的核心理念、市场结构、治理机制以及未来发展趋势，为读者提供了全面而深入的理论框架和实践指南。
本书的一大亮点在于其系统性。从数据经济的定义、特点到数据市场的运行机制，再到数据治理的策略与实践，作者都进行了深入而详尽的阐述。同时，本书也充分展现了其前瞻性，不仅深入分析了当前数据经济的发展现状，更对未来的发展趋势进行了预测和展望。本书在理论探讨的同时，也注重与实践相结合。作者结合国内外数据经济发展的典型案例，为读者展示了数据经济学在实际应用中的巨大价值和潜力。这种理论与实践相结合的方法，使得本书既适合学术研究者深入研读，也适合企业家和管理者作为决策参考。
作为一门新兴且综合性强的学科，数据经济学具有鲜明的时代特征和实践意义，对我国经济、社会等领域产生了深远的影 响。这本书力求突破传统经济学的分析框架，运用数据经济的 独特视角，探索数据经济运行规律及其对我国经济乃至全球经 济的重要影响，构建数据从生产、交换到分配、消费的全体系分析框架，并归纳数据经济学的基本原理。
本书重点关注数据经济规律、微观市场数据供需、中观市场数据结构、宏观市场数据影响及数据资产核算与数据 要素参与收入分配的体系建设等重要问题。内容涵盖数据经济 学的内涵特征和研究范畴、数据要素的稀缺性、数据市场均衡 等原理。从微观角度，深入分析了数据的供给、需求和市场等 方面，尝试构建了数据供给侧的成本函数和数据需求侧的收益 函数，以揭示数据市场的内在机制；从宏观角度，探讨了数据 经济的宏观目标、数据资产核算以及数据要素参与收入分配等 问题，以揭示数据经济在宏观经济调控中的作用。此外，这本 书还探讨了数据经济的全球趋势，包括数据流动的全球化、跨 境数据安全以及相关的国际规则和全球治理机制。作者在此基 础上提出了独到的观点，并进一步提出了切实可行的具体建 议，为数据经济学打造了坚实的理论基础。
前 言 I
一章  数据经济学导论
一节 什么是数据经济学 2
第二节 数据经济学对经济学的拓展和贡献 9
第三节 全球视域下数据经济学的核心研究议题 19
第二章  数据经济学的基本原理
一节 数据要素具有非物质性 28
第二节 数据打破了资源稀缺性的假设 29
第三节 数据一定程度上仍具有特定稀缺性 31
第四节 数据具有非竞争性 33
第五节 数据在经济活动中体现出有限排他性 35
第六节 数据要素的边际收益可实现递增 36
目  录
V第七节 数据产品 / 服务的边际成本趋于零 38
第八节 数据要素的规模报酬递增 39
第九节 数据要素价值的非独立性 42
第十节 数据要素对传统生产要素的增益 45
第三章  数据的供给
一节 数据的来源 50
第二节 数据的权属 59
第三节 数据供给侧的成本函数 67
第四章  数据的需求
一节 数据的应用场景 75
第二节 数据的买方异质性 82
第三节 数据需求侧的收益函数 90
第五章  数据市场类型、结构与交易模式
一节 数据三级市场 96
第二节 数据市场结构 101
第三节 数据交易模式 109
第六章  数据市场均衡
一节 数据市场均衡理论 123
第二节 数据级市场定价 135
数据经济学
VI第三节 数据二级市场定价 139
第四节 数据三级市场定价 143
第七章  数据经济的宏观目标
一节 数据经济与经济增长 150
第二节 数据经济与物价稳定 156
第三节 数据经济与充分就业 162
第四节 数据经济与国际收支平衡 166
第八章  数据资产核算
一节 数据资产与数据价值链 173
第二节 数据资产价值测度方法 177
第三节 数据资产核算实践 186
第九章  数据要素收入分配
一节 数据要素参与收入分配的理论前提 201
第二节 数据要素参与收入分配的难点 209
第三节 数据要素参与收入分配的理论进路 219
第十章  数据经济治理
一节 数据经济治理的主要内容 226
第二节 数据交易市场监管 231
第三节 数据反垄断治理 238
目  录
VII第十一章  数据经济的对外开放
一节 开放条件下的数据经济 250
第二节 开放条件下数据流动的安全性考量 258
第三节 跨境数据流动的全球治理 262
第十二章  数据经济学未来展望
一节 数据经济学的综合性不断加强 270
第二节 数据经济学的时代性日益彰显 283
第三节 数据经济学的理论性与实践性融合并进 300
赵昌文，中山大学吴小兰讲席教授，岭南学院教授，中山大学国家发展研究院院长；国务院特殊津贴专家，国家“高层次人才特殊支持计划”哲学社会科学军人才，中宣部2017年文化名家暨“四个一批”人才，国家哲学社会科学基金重大项目首席专家，新世纪优秀人才。曾任中国国际发展知识中心主任，国务院发展研究中心产业经济研究部部长、企业研究所所长，四川大学党委常委、副校长等。长期从事发展经济学、产业经济与产业政策、金融改革与发展、国资国企改革等领域的理论和政策研究。负责完成中央交办的政策研究、评估任务50余项，撰写政策研究报告120余篇，主持完成国家自然科学基金等50多个项目，出版中外文著作40余部，在国内外学术期刊发表论文160余篇。
戎珂，清华大学长聘教授、博士生导师，清华大学社会科学学院经济学研究所副所长，爱思唯尔中国高被引学者，青年长江学者，《数字经济》（Journal of Digital Economy）创刊主编。本科就读于清华大学自动化专业，研究生就读于剑桥大学工程学专业并获工学博士学位。研究方向为商业/创新生态系统、数字经济和数据生态。曾在UTD24、《中国社会科学》、《管理世界》等期刊发表论文70余篇，出版《数字经济学》、《数据要素论》和《商业生态系统》（Business Ecosystems）等专著及教材。主持国家社科基金重大项目、国家自然科学基金项目，以及国家高端智库、中国电子、华为、字节跳动、腾讯等支持的 20余个项目。获北京市和浙江省哲学社会科学优秀成果奖一等奖，高等学校科学研究优秀成果奖（人文社会科学）以及中国信息经济学会创新成果奖。
数字经济的实践远远走在理论的前面。构建数字经济理论是时代的呼唤。作为一种新的生产要素，数据有很多与传统生产要素不同的特性。《数据经济学》是探索数字经济理论的前沿成果，值得一读！
——国务院发展研究中心研究员 隆国强
随着数字技术的迅速发展，数据量呈爆发式增长，数据已经成为数字经济时代的关键生产要素，正在深刻地影响着企业的生产经营方式、政府的治理方式和居民的生活方式，成为经济发展的新引擎。数据要素的重要作用引发了一系列经济理论的创新，数据经济学应运而生。赵昌文、戎珂等学者的重要著作《数据经济学》对数据要素的基本特征、数据供给与需求、数据市场、数据资产核算、数据要素参与收
入分配、数据治理、数据跨境流动等数据经济学基本问题进行了系统深入探索，对促进数据经济学理论的发展具有重要意义，对深入理解数据经济学具有重要参考价值。
——国家统计局原副局长，北京大学国家发展研究院特约研究员 许宪春
数据之于数字经济时代，犹如石油之于工业经济时代。工业革命以来，石油资源供给长期成为一国乃至全球经济增长的约束条件。数据资源开发利用的条件是什么呢？是取之不尽，用之不竭，还是同样遵从物质资源的开发利用规律？哪些国家具有更好的数据资源禀赋和发展优势？在数据市场发展中，如何更好地处理政府与市场的关系？这些问题都可以在赵昌文教授等学者的《数据经济学》中找到答案。
——牛津大学国际发展学院教授，英国社会科学院院士 傅晓岚
数据经济学的基本原理
数字经济被认为是继农业经济和工业经济之后一种新的经济形态，其重要特征就是数据成为新的生产要素。农业经济时代，劳动力和土地为主要生产要素；工业经济时代，资本和技术成为新的生 产要素。随着信息技术的飞速发展和生产生活的数字化，数据正逐 渐成为关键要素。与传统的土地、劳动力、资本等生产要素相比，数据表现出广泛存在、可复制、可共享、可无限增长的特性，似乎改变了经济学研究的底层逻辑，即稀缺性约束条件下的优资源配 置问题。本章试图从数据本身的特质、数据的经济属性、数据的赋 能属性等方面展开，探索数据经济学的基本原理。
一．数据要素具有非物质性
生产要素具有实体和虚拟两种形态。传统的生产要素中土地和劳动力都是实体性的生产要素。资本要素则是虚实兼有，既有固定资产、金属货币等实体形态，也有数字货币、金融产品等虚拟形态。技术要素也是虚实兼有，科技产品和服务既可能是虚拟 性的，也可能是实体性的。与这些相比，数据要素主要是虚拟性 的，这是数据要素与传统生产要素的关键差异之一。
数据作为一种非物质性的要素，主要是以数字、符号等形式存在于计算机存储器中。回顾人类认识和定义数据的历史，我们 可以看到，数据的内涵、外延和应用随着数据生成和加工使用工 具的发展而不断发展。自然界的运动变化和人类活动都是给定的 客观事实，它们会产生痕迹，对这些运动和活动的观察与记录就 会产生数据。当记录方式从手工纸质时代到计算机时代再到大数 据时代，数据量呈现几何式增长，数据的形式不断丰富，数据的 含义已不再局限于计算机领域，而是泛指有定性或定量的描述。
在今天的数据时代，原始数据的表现形式，也不仅仅是简单、 常用的数字，也可以是文字、图像、声音等。
具体来说，数据的非物质性体现在以下四个方面。
一是数据要素无法以独立的要素形态存在而需要依附现代信息网络等载体。数据的非物质性使其很难成为传统物权的客体，这是导致数据资源难以遵循传统物权的主要原因。
二是数据资源不会发生有形损耗。因此，数据可以被他人近 乎零成本、快速、无次数限制地复制，可以跨越时空限制而被共 享和共用。
三是数据的非物质性使其具有可变性。数据资源在流通过程 中可能形成新的数据，对既有数据进行替换、迭代更新。
四是非物质形态的数据要素仍需与劳动力和技术等其他生产 要素结合才能发挥其对经济增长的价值。这就决定了数字经济的 一个重要特征也是对数据等非物质性要素的依赖，数字经济发展 需要与制造业、服务业等实体经济部门相结合。
二、数据打破了资源稀缺性的假设
经济学理论中，“稀缺”通常被用来描述资源的相对有限性。
一般来说，传统要素会在使用过程中出现数量减少或质量下降的 情况。比如，自然状态下，土壤肥力下降或者污染会导致土地要 素生产力损耗；货币和金融产品对于同一个人而言是无法重复使 用的，工业厂房和机器在生产过程中使用价值会因折旧而减损； 相对于社会和个人的无限需要和愿望而言，劳动力也是稀缺的， 劳动力资源的稀缺性表现为消费劳动力资源的生产能力、支付手 段的稀缺性。总之，传统生产要素都是基于有限的资源，其数量 和质量、价值和稀缺性在特定时间和地点是相对固定的。
不同于传统要素，数据广泛存在，只要有自然和人类活动，数据量就会持续不断地增长。根据由未来侦察战略与分析公司为 美国陆军负责研究与技术的副部长助理撰写的《2016—2045 年新 兴科技趋势》的报告显示，全球新产生的数据量大约每两年翻一 番。这堪称大数据摩尔定律，数据大爆炸是然的A。也就是说，数据要素具有可再生性，这使得数据有了非稀缺性的属性。数据 可以被复制、共享和加工再生。例如，数据库可以通过复制和备
份生成多份完全相同的副本，这些副本具有相同的数据结构、内 容和质量。这种可复制性意味着数据的价值和稀缺性是相对可控 的，可以通过有效的数据管理和分析来增加其价值和降低其稀缺 性。数据也可以通过交换、集成、协作分析等方式产生新的数据 资源，这些共享和合作可以使不同的数据资源相互补充和增强。
数据还可以被加工再生，如根据实际情况和需要新增、删除、修 改数据记录等。这些更新和修订可以使数据更加准确、完整和实 时。数据也可以通过数据清洗、预处理、统计分析、机器学习等多种数据处理和分析技术进行加工和转化。这些技术有利于从原 始数据中提取出更多的信息和知识，从而产生新的数据资源。
总之，数据不会因使用而耗尽，反而会因使用而产生，在不 断被使用的过程中会越来越多，即可以通过持续地收集和更新， 得到新的数据。可以说，数据量将无限增长，这在一定意义上打 破了数据资源具有稀缺性的说法。
三、数据一定程度上仍具有特定稀缺性
从上一节中我们看到，数据看似可以无限供给，似乎是不稀缺的，但人们往往发现，具有特定使用价值的数据资源仍然稀缺。因此，在一定程度上，数据要素在使用过程中仍然具有特定稀缺 性。现实中我们总是感到缺少所需要的数据，为了实现某个特定 目标或者任务，往往需要专门去生产或购买数据。这说明有用的 数据或者作为生产要素的数据仍然具有稀缺性，这种稀缺性来自 数据产生和使用过程中的约束条件。
如前文分析，数据是对事实观察、抽象、表示、记录的过程。
显然，数字作为结构化数据，其抽象化的程度要高于图像、声音、视频等数据形式，因此，制定抽象化规则和掌握规则的人的因素 就对数字化数据的质量或者说数据可信度有更大影响。只有在特 定的条件下，符合完整性、及时性、准确性等一系列要求的数据，才可以表现特定事实。因此，数据是事实的表现，但不等于事实， 而是对事实的某种程度的抽象。至于要对事实的哪些特征进行抽 象，以怎样的方式进行抽象，往往需要预先确定规则，而这些规 则将为创建和解读数据提供重要指导。可以说，记录、处理“事 实”的工具和方式成为数据表现形式和数据量的约束条件。如经 济学中用到的数据是指用于描述经济现象和经济行为的数字、事 实或统计量，通常是通过统计学方法收集、整理和分析而来。
因此，本质上讲，数据要素是有人和计算机等设备参与生产 的一种刻画“事实”的初级产品，这种初级产品的生产有三个制 约因素。在一定程度上，数据要素的稀缺性体现在：一是受制于 算力。数据的产生依赖算力，而算力需要相应的物质基础来支持， 尤其取决于数字基础设施如数据中心等，这种稀缺性与资本的稀 缺性相关联。依靠数据中心等数字基础设施，实现数据存储、交 互和使用，是银行业、信息业等各类行业商业模式的基础。以
数据中心为例，近 10 年来，世界对数据中心服务的需求增长强 劲。根据国际能源署（IEA）等的研究估计，2010—2020 年全球 互联网流量增长了近 16 倍，数据中心计算负荷增长了 8.4 倍；数 据中心能源消耗增加 13%—65%，约占全球电力需求的 0.9%—
1.3%A。二是受制于算法。数据要素的开发依赖算法，也就是数据 记录和处理工具。算法开发的技术门槛高，合格劳动力稀缺，也 就是说，数据开发与劳动力和技术的稀缺性相关联。由于算力和 算法有稀缺性，对数据的可获得性、质量和准确性、时效性、实 时性等方面产生影响，从而数据资源也就有了稀缺性。三是受制 于个人隐私保护规则。与人相关的数据采集和使用受隐私保护法 规的限制，这也造成了数据资源的稀缺性。
四、数据具有非竞争性
竞争性是指一个人使用某种物品将会减少（限制或避免）其 他人对该物品的使用A。消费者对其使用的增加会引起生产成本的 增加，每多提供一件或一种该物品，都要增加生产成本，这是判 断经济学中物品是否具备竞争性的一种特征。经济学中的大多数 商品都是具有竞争性的，例如我们日常穿的衣服、开的汽车、用 的文具，这些物品一旦一个人使用，则别人就不能同时使用。反 之，非竞争性是指在消费过程中一些人对某一产品的消费不会影 响另一些人对这一产品的消费，受益者之间不存在利益冲突。
与传统生产要素相比，数据是无限可用的，现有数据可以同 时被任意数量的经济主体使用，而不会导致其数量减少或者价值降.低。例如，100 万个标记图像的集合或 1 万辆汽车行驶 1 万英里所生成的数据可以被任意数量的公司、个人或者机器学习算法同时使用，而不会导致其他任何人可用数据量的减少。因此，数据是非竞 争性的。从边际成本角度来看，数据生产和传输过程中，每增加一 单位的数据，其边际成本就越接近于零。也就是说，与传统的物理 产品不同，数据可以被无限制地复制和传播，而不会导致成本的显 著增加。例如，一首歌曲、一部电影或者一本书可以通过数字化的 方式无限次地复制和传播，一组软件代码可以被无限次地复制和使 用，而不会增加额外的成本。由此，数据具有了非竞争性。
数据的这种特殊性质使信息技术应用的成本和门槛降低，为 信息技术应用带来了更多的机会和创新。同时，该特征使得数据 的使用和共享变得更加容易和便宜，从而促进了数字产品和服务 的创新和发展。例如，在广告营销中，数据可以帮助企业更好地 了解消费者的需求和行为，从而使企业更有效地推广产品和服务。
在医疗保健领域，数据可以帮助医生更好地诊断和治疗疾病，有 助于提供更加个性化的医疗服务。但是，数据的边际成本趋近于零也带来了一些问题和挑战。例如，数据的无限复制和传播可能 导致数据的质量下降和隐私泄露的风险增加。