数据要素助力实体经济转型的路径探究

唐金武 张元

促进数字经济与实体经济深度融合是我国迈向第二个百年目标征程上的一项重要历史任务，数据要素助力实体经济转型是其中的一环。数据要素助力实体经济转型。目前仍存在数据不准确、不充分；数据难以获取；数据孤岛问题；数据分析能力不足。因此，可以从建立数据共享机制、加强数据收集和处理能力、探索数据驱动的商业模式、加强数据安全和隐私保护入手，以期助力实体经济与数字经济的有机结合。

党的二十大报告在建设现代化产业体系部分指出“坚持把发展经济的着力点放在实体经济上”，并且要求“加快发展数字经济，促进数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群”［1］。数字经济作为以数字科技为抓手的新型经济形态，与实体经济的深度融合将有利于不断提升实体经济的循环动力。［2］随着数字化和信息化的快速发展，数据已经成为了实体经济转型升级的重要助力。国务院印发的《“十四五”数字经济发展规划》也明确部署，要以数据为关键要素，以数字技术与实体经济深度融合为主线，赋能传统产业转型升级，培育新产业新业态新模式，不断做强做优做大我国数字经济。［3］要适应国家这一历史任务的需求，首先，要认识数据要素助力实体经济转型的时代要求，在此基础上，才能认识到其存在的现实困境，并针对现实困境提出路径探究。

一、数据要素助力实体经济转型的时代要求

（一）国家的政策支持

1.高质量发展的战略意义。高质量发展是国家的一项长期战略，旨在推动中国经济转型升级，实现可持续发展。数据要素是驱动实体经济高质量发展的关键［4］。高质量发展需要建立现代化产业体系，推动技术创新和提升产业链水平，同时推进数字化转型和发展数字经济。这要求国家在政策和资金扶持上给予数据经济更多的关注和支持。在政策上，可以通过税收优惠、产业规划和市场准入等方面加强支持。在资金扶持上，可以鼓励金融机构加大对数据经济的投入，以及设立专项基金等方式来促进数据经济的发展。同时，高质量发展要求数据经济与实体经济相结合，通过数据技术的应用提升实体经济的效率和质量。

2.中国式现代化的转型要求。中国式现代化是指中国在现代化进程中不断探索的适合本国国情的现代化路径，旨在实现经济、社会、政治等各个方面的全面发展。数据经济的发展是中国式现代化的重要组成部分之一，需要通过加强数据应用和数据治理等方面的建设，实现实体经济的数字化、网络化和智能化转型升级。为促进数据经济发展，需要在数据收集、数据共享、数据安全等方面做出大量努力。需要建立健全数据采集和处理机制，提高数据质量和规范化程度；推进数据资源共享和互联互通，促进数据要素的自由流动；加强数据安全和隐私保护，制定严格的数据安全标准和法律法规，确保数据安全。此外，还需要加强数字人才培养和科技创新，推进技术创新与实体经济深度融合。

（二）数据的天然优势

1.数据驱动的经济发展模式。数据已经成为推动经济发展的关键要素之一，许多企业和行业已经开始使用数据分析和挖掘来优化生产和管理流程，提高效率和降低成本。

2.基于数据的创新能力。数据可以为企业提供创新灵感，帮助企业发掘新的商业机会。在这个数字时代，数据分析和挖掘的技术已经成为企业进行创新的重要手段。

3.数据共享的合作模式。在数据共享的模式下，企业可以通过共享数据来实现更高效的合作，提高供应链的效率，降低成本。同时，数据共享也有助于实现行业之间的合作和交流，推动整个产业链的升级。

4.数据安全和隐私保护的要求。随着数据的增多和使用范围的扩大，数据安全和隐私保护成为了一個重要的问题。企业需要加强数据安全和隐私保护措施，保护用户的个人信息，维护企业的声誉。

二、数据要素助力实体经济转型的现实困境

（一）数据不准确、不充分

实体经济转型需要充分而准确的数据支持，这样企业可以基于实际情况做出准确的决策，提高运营效率，降低成本，增加收益。但现实情况是很多数据不充分或不准确，这给企业的实体经济转型带来了很大的困难。首先，数据不充分会影响企业的决策效果。如果企业在进行实体经济转型时所依据的数据不够全面，那么企业的决策就很可能出现偏差，甚至可能导致转型失败。其次，数据不准确也会对企业的决策产生负面影响。如果企业所使用的数据不准确，那么企业在进行决策时很可能会做出错误的选择，导致企业的实体经济转型不顺利。例如，如果企业的销售数据不准确，那么企业在进行市场预测时就会出现误判，从而影响企业的产品研发和市场推广。此外，数据不充分和不准确也会影响企业的运营效率和盈利能力。如果企业无法准确掌握市场情况，那么企业在进行生产计划和供应链管理时就可能会出现问题，导致生产效率低下，产品质量不稳定，从而降低企业的盈利能力。

（二）数据难以获取

某些数据需要花费大量时间和资源来获取，这对于中小型企业来说是一个难题。此外，一些企业可能不愿意分享自己的数据，这也会导致数据获取的困难。在实体经济转型的过程中，数据是非常重要的资源，对企业进行决策和判断非常关键。然而，对于一些中小型企业，数据难以获取，是实现转型过程中一个巨大的障碍。这些数据可能是来自于市场、行业、竞争对手、客户等方面的数据，它们都能够为企业的决策提供有价值的参考。数据难以获取可能涉及以下几个方面：首先，数据收集难度大。有些数据可能来源比较分散，需要企业花费大量时间和资源进行收集，例如市场调研数据和客户反馈数据等。这些数据的收集需要企业有足够的人力、物力和时间投入，因此很难实现；其次，数据共享难度大。一些企业不愿意分享自己的数据，这可能是因为数据具有竞争优势，或者担心数据泄露造成商业损失。这种情况下，企业难以获得外部数据，也难以利用行业内的数据优势；再次，数据的质量难以保证。有些数据可能存在问题，例如存在误差、重复、不一致等。如果企业不能对数据进行有效地筛选，将导致数据质量差，使得数据分析和决策失去准确性和可靠性；最后，数据标准化难度大。不同企业可能对同一数据的定义和格式不同，这会使得数据无法对接和整合。如果企业不能对数据进行标准化处理，将导致数据无法共享和利用，从而影响实体经济转型的效果。

（三）数据孤岛问题

数据孤岛问题是指企业拥有的数据分散在不同的系统和部门中，缺乏整合和共享，从而难以进行全面的数据分析和应用。这个问题会导致很多难题，例如：信息不完整，不同部门的数据可能不完整或不准确，这使得企业难以获得全面的市场和业务信息，无法做出全面的决策；效率低下，当企业的不同部门之间不能共享数据时，每个部门都需要单独收集和处理自己的数据，这会导致重复劳动、浪费时间和资源；无法融合和分析数据，数据孤岛问题使得数据难以融合和分析，使企业难以洞察和预测，无法及时发现市场机会和挑战；缺乏创新能力，数据孤岛问题使得企业难以获得全面的数据洞察，从而无法创新和开发新产品或服务，无法提高市场竞争力。

（四）数据分析能力不足

数据分析能力不足是实体经济转型面临的另一个现实困境。随着企业数据规模的不断增长，数据分析能力已经成为企业必备的核心能力。但是，由于数据分析领域的技术不断更新和变化，许多中小型企业缺乏这类技能和资源，导致了数据分析能力不足的现状。首先，缺乏专业技能是数据分析能力不足的主要原因之一。许多企业缺乏具备高级数据分析技能的员工，这意味着他们无法充分利用自己的数据资产。此外，由于人力资源和培训成本的限制，企业很难雇用和培训大量的数据分析人员。其次，缺乏专业工具也是数据分析能力不足的原因之一。虽然市场上存在各种各样的数据分析工具，但先进的工具和技术需要高昂的成本，这对于中小型企业来说是一个巨大的负担。此外，即使企业拥有一些工具，但由于缺乏经验和专业知识，他们可能无法充分利用这些工具，从而无法进行深入的数据分析。而缺乏数据分析经验也是数据分析能力不足的原因之一。许多企业可能没有进行大规模数据分析的经验，缺乏实践经验和数据分析的知识，这使得他们无法正确地识别数据中的模式和趋势。在这种情况下，即使企业拥有大量的数据，也很难转化为实际的商业价值。最后，缺乏数据治理和管理也是数据分析能力不足的原因之一。如果企业没有有效的数据治理和管理，那么数据就很容易受到损坏、丢失或滥用，从而影响企业的数据分析能力。

三、数据要素助力实体经济转型的路径探究

（一）建立数据共享机制

企业可以通过建立数据共享机制来克服数据孤岛问题，将不同部门和系统中的数据整合在一起。这可以提高企业对自身业务和市场情况的全面了解，为转型提供更准确的数据支持。在建立数据共享机制时，企业需要考虑多方面因素。首先，需要明确数据共享的目的和范围，以及参与数据共享的企业和部门。其次，需要制定数据共享的规则和标准，包括数据格式、安全性和隐私保护等方面。此外，还需要确定数据共享的技术和工具，以确保数据共享的高效和便捷。在建立数据共享机制时，需要注意一些问题。首先，需要考虑企业内部的数据安全和隐私保护，以确保数据共享不会对企业的核心利益产生影响。其次，需要明确数据共享的法律法规和合规要求，以避免出现违法违规行为。此外，还需要考虑数据共享的经济效益和風险管理，以确保数据共享的可行性和可持续性。

（二）加强数据收集和处理能力

企业可以通过投入资金和人力资源来提高自身的数据收集和处理能力。这可以帮助企业获取更多更准确的数据，并将数据分析和预测应用到实体经济转型的决策中。首先，企业需要明确自身的数据需求和采集目标。根据不同业务和决策需求，企业可以制定相应的数据采集计划，并建立数据采集和处理流程。此外，企业还可以考虑引入第三方数据采集和处理服务，以提高数据收集和处理的效率和质量。

其次，企业需要加强数据管理和保护。企业需要对采集的数据进行分类、整理和存储，确保数据的完整性和可靠性。同时，企业需要采取有效的安全措施来保护数据的隐私和安全，例如数据加密、权限控制等。接着，企业需要建立数据分析团队和技术平台。企业可以招聘数据分析师和技术人员，建立专业的数据分析团队，以确保企业能够充分利用数据进行决策。此外，企业还可以投入资金和资源来建立数据分析和预测的技术平台，以提高数据分析的效率和精度。最后，企业需要加强对数据分析和预测的应用。企业应该将数据分析和预测应用到实际业务和决策中，例如产品开发、市场营销、供应链管理等。这可以提高企业的业务水平和竞争力，同时也为实体经济转型提供更为准确的数据支持。

（三）探索数据驱动的商业模式

数据驱动的商业模式是指企业通过利用数据和先进的数据分析技术，实现商业价值创造和盈利增长的一种商业模式。在探索数据驱动的商业模式时，企业需要考虑以下几个方面：首先，企业需要分析自身的业务和市场需求，确定数据驱动的商业模式的应用场景和价值点。例如，对于一些传统行业的企业，可以通过数据分析来优化生产流程和提高产品质量，以提高企业效率和降低成本；而对于一些新兴的数字化行业，可以通过数据分析和人工智能技术来提高产品和服务的智能化程度，提升用户体验和市场竞争力。其次，企业需要具备一定的数据分析能力和技术基础，以实现对数据的准确分析和预测。这需要企业投入资金和人力资源来建设数据中心、搭建数据分析平台，同时培养专业的数据分析师和技术人才，以实现数据驱动商业模式的落地。

（四）加强数据安全和隐私保护

政府在数据安全和隐私保护方面也发挥着重要作用。政府可以制定相关法律法规和标准，促进企业的数据合规和安全保护。同时，政府还可以提供数据安全和隐私保护的技术支持和咨询服务，帮助企业提高数据安全和隐私保护的能力。另外，政府也可以加强对企业数据收集和处理的监管，确保企业不滥用和泄露个人信息。政府可以建立相关的监管机制和机构，加强对企业数据收集和处理的审核和监管。政府还可以鼓励企业自我监管，加强企业内部的数据安全和隐私保护管理。最后，政府还可以加强对公众的数据安全和隐私保护意识教育，提高公众对自身数据安全和隐私保护的认识。政府可以通过媒体宣传、教育培训等方式，向公众普及数据安全和隐私保护的知识，帮助公众更好地保护自身的数据安全和隐私。

四、总结

本文探究了数字经济中关键的一环，数据要素的内生驱动，以期通过数据要素助力实体经济转型。本文的意义在于：一是，紧紧地依靠国家大政方针进行研究；二是，着力于在数字经济蓬勃发展的基础上，探究数据要素与实体经济发展的有机结合；三是，并为后来研究者提供数字经济与实体经济融合的理论研究。

参考文献：

［1］参见习近平：《高举中国特色社会主义伟大旗帜 为全面建设社会主义现代化国家而团结奋斗——在中国共产党第二十次全国代表大会上的报告》，北京：人民出版社，2022年，第30页.

［2］陆岷峰.新发展格局下数据要素赋能实体经济高质量发展路径研究［J/OL］.社会科学辑刊：1-9［2023-03-16］.

［3］田杰棠，张春花.数字经济与实体经济融合的内涵、机理与推进策略［J］.技术经济，2023，42（01）：25-33.

［4］朱瑞博，底晶，刘芸.激活数据要素着力推动实体经济高质量发展［J］.上海经济研究，2023（01）：23-35.

基金项目：2021年度江苏省高校哲学社会科学研究重大项目“新时代高校网络意识形态舆情风险防范体系建构研究”（编号：2021SJZDA079）；2021年度连云港市第六期“521工程”（第二层次）科研资助项目“新时代网络社会协同治理体系创新研究”（编号：LYG06521202143）；2021年度江苏省“十四五”高等教育科学研究规划（重点调研）课题“新时代青年网络道德异化问题与协同教化机制研究”（编号：ZDDY03）。

作者单位：江苏海洋大学