激发数据要素价值的机制、问题和对策
|
4.2 数据资产化程度低在消费领域，数据应用于智能推荐、精准营销、供应链金融等场景，给用户和企业都带来生产、生活效率的提升，但目前对数据应用集中在有限场景，应用深度不够、应用广度有待提升。在工业领域，只有部分领军企业在数据应用上进行了深入探索，也取得了发展实效，但大量工业企业的数据应用仍然是单点的、局部的、低水平的。其基本原因包括：企业对数据不重视，“不想用”；数据分析的手段、人才等缺乏，“不会用”；对数据应用规律缺乏认识，数据应用投入大，“不敢用”等。 4.3 数据资本化进程慢数据流通交易、资产估价是数据资本化的前提，但目前还面临多重问题，如数据的产权没有得到明确的界定、数据流通的合法合规性仍未解决、数据定价和评估机制缺少等。这使得企业担心在数据流通中无法获得预期的收益，又失去了数据主权或控制权。根据工业互联网产业联盟于2020年3月开展的“工业大数据利用与管理”问卷调查统计结果显示，在推进工业大数据共享流通时，有86%的企业表示最担心泄露商业机密，有33%的企业担心会失去数据的控制权从而破坏自身的信息不对称优势。 5 加快激发数据要素价值的对策建议 新生产要素的价值创造能力是无与伦比的，但也不是一蹴而就的。历史上，每一种生产要素价值的全面激发都经历了一个由局部到全局、由浅到深的长期历史演进和发展过程。推动其向前发展的力量，既有技术创新的推动，也有制度变革的支撑，有时候甚至靠激烈的社会冲突来推进。例如，劳动力要素价值的释放离不开健全的劳动力市场、完善的劳动保障等，而资本要素价值的释放也离不开遍及全球的金融机构和金融市场。 作为一种新的生产要素，数据对经济社会的放大、叠加、倍增价值已经显现出来。国家已经做出了顶层设计，并正在加快落地实施，领军企业也进行了前沿探索，树立了榜样。数据要素对经济社会的价值巨大，但任务也更加艰巨，需要多方在各个方面进行长期而艰苦的努力。 一是推进数据高质量汇聚，加快数据资源化。组织开展数据资源调查“摸家底”、加快企业信息化“补课”，为全面采集打好基础。推动工业设备数据接口开放、工业通信协议兼容化以及数据的高效互通。支持企业建设大数据平台，加快多源异构数据的融合和汇聚。通过“全面采集、高效互通和高质量汇聚”，形成完整而贯通、高质量的数据链，加快推进数据资源化，为更好地支撑企业在整体层面、在产业链维度推动全局性数字化转型奠定基础。 二是全面深化数据融合应用，推动数据资产化。在需求端，组织开展大数据应用试点示范、大数据竞赛等手段，引导企业加快数据在全流程中的应用，培育数据驱动的新模式、新业态，解决不想用、不敢用等问题。加快数据社会治理中的应用，以大数据为手段支撑政府精准施策、精准管理。在供给端，推动产学研加快合作，突破大数据关键共性技术，支持发展数据产品和服务体系，培育大数据解决方案供应商、向中小企业开放数据服务能力、培育应用生态等手段，降低企业数据应用的成本投入和专业壁垒，解决不会用、不敢用问题。供需双向发力，共同推动数据的全面深度应用，加快数据资产化进程。 三是有序推进数据共享流通，拓展数据要素化。加快完善数据权属，研究制定公平、开放、透明的数据交易规则。构建合理的数据资产价值评估模式和体系，加快发现数据合理的内在价值，为市场这只“无形的手”来指导数据定价奠定基础。鼓励相关单位加快数据的开放共享，提高数据资源价值创造的水平。支持优势产业上下游企业开放数据，加强合作，共建安全可信的工业数据空间，建立互利共赢的共享机制。加快区块链等技术在数据流通中的应用，为数据安全、有序流通提供新的技术方案。加强市场监管和行业自律，以科学合理的规则制度体系作为基本保障，激发数据市场活力，促进数据要素市场化配置。 延伸阅读：
（编辑：应用网_阳江站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |