数据成为现代经济生产要素的基础条件和特征有哪些？

　　（1）数据能成为生产要素的基础在于其自身条件

　　数据是对事物的描述的记录，因而可以成为信息和知识的载体，信息来源于自然或人类活动，是能降低不确定性的事物，可以减少生产中的无效投入并优化生产资料配置结构，缩短生产和流通环节的时间；

　　

　　而知识是对信息进行加工凝练验证后的成果，体现的是马克思所说的“科学的发展水平”，基于知识所构成的生产工艺、对生产的组织管理等能提高资本有机构成并提高生产使用价值的效率。

　　因此，基于数据蕴含的信息和知识对于生产的有用性，数据具备了成为生产要素的必要条件。

　　但只具备自身的必要条件不足以让数据成为生产要素，数据作为文本上的记录早已存在但却没有早早被确立为生产要素，一方面，由于记录和运转的耗费、分析计算能力、数据记录量上的不足，纸面数据对生产的意义有限。

　　另一方面，数据的存在既不是物质也不是能量，受当时生产力水平的限制不能直接体现在生产中，并且其重要意义也难被人们所普遍认识，因而未能成为生产要素。

　　进入信息化时代后，电子数据虽然已经诞生而且数据能力有很大的提升，但由于相关的技术尚未成熟，数据能力仍不足，因此数据仍未能广泛地成为生产要素。

　　（2）数据能成为现代生产要素需要外在生产力条件的成熟

　　随着电子信息技术的发展，一方面，数据的采集和储存的量、范围、速度随着技术的发展得到了巨大的进步，数据价值也得到了提升。

　　传感器、分布式储存技术飞速发展，5G网络、数据中心等新型数字基础设施广泛建设，数据的收集可以随时随地进行，从每一个手机或每一个点集中，小到每个人大到整个地区和国家，数据无时不刻不在产生和被收集。

　　

　　以巨量、即时、全方位为特征的大数据时代来临了，根据梅特卡夫法则主张的网络价值等于用户数量的平方，数据中蕴含的价值也随之大大提升了。另一方面，是数据的运算和分析能力进步。

　　数据成为要素只有量、速度和价值上的提升是不够的，还要有相应的能利用大量数据和提炼价值的手段和能力，才能使得数据在生产中能发挥重要作用，这就离不开神经网络、机器学习、深度学习等算法的进步。

　　这也催生了多样化的数字化生产业态，在算法的帮助下数据可以成为训练算法的原料、提供个性化产品的依据、自动化决策的参考、平台运作的轴承、精准调控和治理的工具、改造传统产业的手段、促进社会分工和专业化的动因、经济运行和信息流通的加速器、打开智慧城市和智能生活的钥匙，数据也渗透到了各行各业中，如金融、医疗、工业、电子商务、政府治理等。

　　

　　虽然数据成为现代生产要素的生产力条件已经成熟，但是生产关系条件仍需要进一步完善，隐私保护制度和数据公开、安全、监管、分类、分配制度虽然已有雏形，但仍需要进一步探索和完善，这也构成了行文的意义。

　　（3）数据能成为现代生产要素离不开数字劳动

　　正是数字劳动者的数字劳动使得数据得以形成，直接利用数据进行生产的也是广大的数字劳动者，这使得数据能转化成生产要素。

　　这些劳动者包括采集汇总数据的数据采集工程师、爬虫工程师，传输数据的通信工程师、网络工程师，储存数据的存储工程师、数据库工程师，计算分析数据的硬/件软件工程师，云计算工程师等，这些数字劳动者的数字劳动共同使得数据可以作为生产要素被利用。

　　

　　这种数字劳动呈现出了非实体化的特点，除了计算机设备等实体劳动资料外，劳动对象、劳动工具、劳动过程和生产成果都主要以非实体的形式在计算机或互联网中运行，因此更难以观察和衡量；

　　同时，这种数字劳动又是复杂智力劳动，产生了加倍的简单劳动的价值，对数字经济发展起到了重大的推动作用。

　　（4）数据作为现代生产要素与传统要素的共性和个性分析

　　数据作为一种生产要素而言，具有丰富的属性、内容和用途，与传统要素既存在共性又存在差异。其共性在于，一方面，数据要素具有使用价值，即具有能够满足人们某种需要的属性，属于自然的范畴。

　　这种有用性不是直接的而是表现在数据要素能提取有用信息上，这些信息才是真正人们用以投入生产的东西；

　　另一方面，数据要素也具有价值，其价值是由产生数据的数据生产者或说用户的抽象劳动创造的，属于社会的范畴。而个性在于，数据要素的属性不同导致使用价值和价值运作的过程和形式与传统要素存在差异。

　　这些差异使得数据要素在参与经济活动时体现出了不同的特征，这要求对不同数据的不同特征进行针对性的制度安排，否则会导致数字经济领域出现一些问题。

　　所以需要对数据要素特性进行进一步剖析并找到主要矛盾，进一步分析数据要素特性的影响机制和数据要素参与分配的制度安排。

　　总地来说，数据要素与传统要素的共性决定了它在生产、配置和分配上的共性，例如都要转移其使用价值和价值，都需要进行要有效配置和参与分配，数据要素与传统要素存在差别的个性则也决定了它在生产、配置和分配上的个性。

　　数据的映射性。

　　数据字符串的0和1的排列不是无序的，而是一种记录了对象或者活动的有规律的排列方式，是对现实世界或网络空间的存在和活动的映射，数据的意义并不在于数据本身而是在于被映射的事物和活动，在于其传达的映射信息，这使得广大主体因为数据要素联系起来了。

　　同时，也因为从数据到信息中间经历了映射的过程，因此最后得到的信息可能存在偏差，不一定全部是真实完整的。

　　

　　而传统要素的意义就是自己本身，而与其他要素的关系也不是映射，而主要是独立于其他要素地自然天生，或是由其他要素在生产中构成或形成自身的组成成分。数据的非实体性。

　　数据是一种储存在设备里的字符串，其全部过程并不拥有实物的形态，数据采集是通过传感器把对象或活动转化为电信号，数据传输是信号从不同终端通过如光纤等导向媒体或如卫星等非导向媒体进行的交换。

　　数据的储存是以最小储存单位——存放0和1二进制数的比特保存于储存器中，数据的分析是通过算法对数据内或数据间的规律的发现。

　　

　　无论是电信号还是比特，都不具有实体的形态，也无法物理地折旧和磨损，与土地、资本等传统要素存在物质形态上的差别，后者具备一定的物理形态、数量和规模。这一特点也决定了数据的易复制、流动性等其他特点。

　　数据的易复制性。

　　因为数据本身是非实体的字符串，其复制非常简单，只需发出指令把0和1的字符串完成一次进栈和出栈的操作，即可得到一份一模一样的数据，这样的一次操作除了耗费电量和占用内存外可以说没有成本。

　　这一点上与传统要素的差别巨大，想要再得到一份传统要素，要受到稀缺性的限制，也需要社会分工完成各部分的生产、厂商进行购买和进一步生产组装，而且也不可能得到一份完全一模一样的传统要素。

　　

　　数据的流动性。数据的传播以电信号的形式进行，所以传输渠道不像传统要素一样受限制，只需要前期投入建立新型数字基础设施，之后的传输成本也几乎为零，能轻易实现转移。

　　因而只要具备新基建条件，数据的流动能覆盖到每一个人、每一个组织和企业、每一个国家和地区、每一个时点和时段。

　　而传统要素因为一般具有实物形态，其流动方式要受到其形态的限制，也要受到流动成本的影响，流动的范围有所局限，流动速度也不如数据这般迅速甚至瞬时。

　　数据的可塑性。因为数据是计算机内的比特，所以可以自由地以各种方式进行组合、拆分、放缩、运算、升降维、可视化等操作。

　　经过一系列操作后得到的成果可能看不出原数据的模样，也可能达成“1+1>2”的效果，因此可以说数据是一种具有“无限可能”的要素，数据要素的使用方式随着信息技术创新和数字经济发展还会不断创新。

　　而传统要素的可塑性不如数据，自身由于具备物质形态，很难实现多样化的组合、变形等操作，受其物质形态特性限制的使用方式相对数据而言更单一和固定。

　　以上提到的数据的技术特性，是对数据对行为具有重要意义的属性，并不以全面阐述数据的技术属性为目的，通过这些主要的技术特性分析数据核心矛盾，分析数据的物质生产方式、数据产权、资源配置方式的具体形式，并研究数据核心矛盾是如何影响前者并最终作用于分配的。

　　举报/反馈