数据价值化：研究评述与展望
摘 要
数字经济时代，如何释放数据价值已经成为实业界和学术界关注的焦点和热点。数据价值化以数据资源化、数据资产化、数据商品化和数据资本化为核心阶段，从动态演化的新视角揭示了数据创造价值的过程。目前相关研究比较分散，缺乏系统梳理，尚未形成对数字价值化的完整认知。基于此，本文系统回顾和梳理数据价值化相关研究，首先系统梳理2011至2022年发表的250篇英文文献和117篇中文文献，科学呈现和对比中西方有关数据价值化的细分研究主题；其次整合已有研究明晰数据价值化的概念内涵和特征；接着基于价值链理论构建数据价值化的整合研究框架，明确数据资源化、数据资产化、数据商品化和数据资本化四个阶段的关键数据行为，以及四个阶段的前置因素和结果产出；最后提出未来值得研究的五大议题。本研究明确了数据价值化的知识脉络和研究边界，有助于推动数据价值化的进一步研究。
关键词
数据价值化;文献综述;整合研究框架;未来展望;
作者简介
朱秀梅
吉林大学商学与管理学院教授，博士生导师
林晓玥
哈尔滨工业大学经济与管理学院助理研究员
王天东
哈尔滨工程大学经济管理学院讲师
苗淑娟
吉林大学商学与管理学院副教授
数据是数字经济时代的战略性资源和重要生产力，作为新兴生产要素，已和其他要素一起融入经济价值创造过程之中，不断催生新业态、新产业、新模式，并推动产业加速升级。2023年初国务院提请审议组建国家数据局，意味着数据要素的转化已经上升到国家战略高度。数据价值化、数字产业化、产业数字化、数字化治理共同组成了数字经济的“四化框架”（中国信通院在2021年发布的《中国数字经济发展白皮书》），其中，数字价值化成为核心驱动因素。然而国际知名咨询公司埃森哲发布的研究报告显示，三分之二以上的企业对于如何用好数据仍然一头雾水。与此同时，我国数据要素市场化配置改革刚刚起步，许多尝试犹如“摸着石头过河”，亟待以系统性、创新性的理论研究指引企业数据价值化实践，数字价值化研究也成为激发学者深入探讨的新蓝海。
在理论层面，学者们从不同角度出发对数据为什么以及如何创造价值进行讨论，但这些研究分散于多个学科、多个领域，缺少能够“穿针引线”的整合研究。西方学者率先对数据的特征和数据管理问题展开讨论，并结合供应链管理、营销管理、人力资源管理等具体场景讨论数据的作用和影响。我国学者则特别关注数据形态的演化问题，并围绕数据市场化流通问题展开研究。总体看，数据价值化的中西方研究成果侧重点有所差异，关于数据价值化的内涵和特征、数据价值实现过程等关键问题并没有形成清晰完整的回答。为此，本文拟在文献梳理的基础上融汇已有观点，尝试回答以上关键问题，以响应学界和业界关于数据理论创新的急呼。
基于此，本文以建构式综述的形式，从四个方面推进数据价值化研究。第一，系统回顾和梳理已有研究，明确已有成果的研究脉络和研究主题。利用Cite Space5.8R3软件对与数据价值化相关的250篇英文文献和117篇中文文献进行量化分析，科学呈现和对比中西方研究主题。第二，分析数字价值化的内涵，明晰数据价值化研究的范围和边界。数据价值化作为数据转化为价值的关键过程，能够整合现有较为分散和独立的数据相关研究，并成为极具价值性和挑战性的科学问题。本文结合来源、参与主体、过程、目标结果等价值创造要素提出数据价值化的完整内涵，并比较数据要素和传统要素在对象、范围、效益、模式、创新等方面的差异。第三，构建数据价值化的整合研究框架，推动数据价值化理论体系的构建。中国信通院2021年发布的《中国数字经济发展白皮书》指出“数据价值化”包括但不限于数据采集、数据确权、数据定价、数据交易等，而后学术研究引用和发展了这一观点，提出数据资源化、数据资产化、数据商品化和数据资本化四个阶段。本文整合现有研究，利用价值链理论，揭示数据资源化、数据资产化、数据商品化、数据资本化四个阶段的关键数据行为，并依据“前置因素—实现过程—结果产出”的研究逻辑建立数据价值化的整合研究框架。第四，提出未来需要深入探究的五大研究议题。
总的来看，数据价值化的相关研究数量多、涉及面广，但鲜有研究对此进行整合、总结和提升，研究脉络和研究重点不甚清晰，缺少高质量的综述性学术成果。本文旨在系统展示中西方数据价值化研究主题，并对比分析研究的差异及其原因，进而提出未来值得研究的问题，从而对现有研究进行归纳、总结和提升，以启发和引领后续研究。
结论与未来展望
（一）结论
本文对2011-2022年发表于重要期刊的250篇数据价值化英文文献和117篇中文文献进行系统归纳和拓展提升，明晰数据价值化的研究主题，内涵和特征，讨论数据资源化、数据资产化、数据商品化和数据资本化四个阶段的价值实现过程，构建数据价值化的整合研究框架。研究结论为《“十四五”大数据产业发展规划》中激发数据要素价值的目标提供了较为完整的理论解释，对于构建数据价值化理论体系具有重要推动意义，有力回应了李海舰和赵丽（2021）、尹西明等（2022）等学者发出的加强数据价值化研究的呼吁，也为企业数据利用实践和数据要素市场化配置提供管理启示。主要结论如下：
第一，本文对数据价值化研究进行梳理和述评。通过文献梳理发现，中西方对数据价值化研究的关注重点并不完全相同。数据价值化英文文献研究重点由数据自身的管理演化为数据在具体场景中的应用，主要涉及数据行为、大数据管理、价值创造、大数据能力等主题，以及战略导向、供应链管理、用户管理、营销管理、业务流程管理、人力资源管理、数字技术创新等场景，研究亮点在于结合具体场景细化讨论数据创造价值的过程和机制。数据价值化中文文献研究重点由数据价值挖掘到数据市场化流通，主要涉及数据赋能、数据价值、数据要素、场景、反垄断、数据交易和流通等主题，研究亮点在于从过程视角对数据资源、数据资产、数据商品、数据资本等数据形态进行划分，能够更具体地解释数据价值化的实现过程。
第二，本文明晰了数据价值化的内涵和特征。首先，在融合现有研究中的关系视角和形态视角的基础上，明确数据价值化的内涵。其次，对比分析数据作为新型生产要素，与传统要素在对象、范围、效益、模式和创新方面的差异，在此基础上提出数据价值化的核心特征，即对象上依赖其他传统要素、范围上基于更广泛的生态、效益上能够产生规模经济性、模式上灵活多样、创新上支持自主开发新业态和新模式。
第三，本文构建了数据价值化的整合研究框架。数据价值化包括数据资源化、数据资产化、数据商品化和数据资本化四个阶段，各个阶段中的关键数据行为使数据在数据价值链中流动并创造数据价值，这个过程受到技术、组织和环境等前置因素的影响，能够产生数据价值、经济价值和社会价值。四个阶段的数据行为由围绕数据自身的提质处理，到企业范围内数据与场景相结合，再到数据市场上的数据商品交换，最后涉及整个社会市场经济中的数据投融资。这个过程中数据流动范围越来越大，数据利用程度越来越高。
（二）未来展望
第一，数据治理、数据价值评估、数据交易、数据资本运营、数据资本收益分配等关键数据行为值得未来进一步关注。本文从数据实践需求出发，呼吁未来研究关注如下问题：（1）数据治理方面，分析集中式、分散式与联邦式的数据治理运营模式；探究如何将分类分级工作与数据安全管控的要求结合起来形成数据安全的统一管控策略；从数据结构角度、数据内容来源角度、技术业务角度探讨数据标准分类问题；构建数据质量的技术和管理评估框架；讨论元数据的定义、类型、应用和管理模型；基于数据全生命周期建立数据安全治理能力成熟度模型。（2）数据价值评估方面，探寻市场法、成本法、权益法等传统定价方法之外，适合数据和数据产品低复制成本、较大的价格歧视空间等特征的多角度、多维度价值评估方法。（3）数据交易方面，讨论数据交易权利归属、定价方式和盈利模式。（4）数据资本运营和数据资本收益分配的讨论可以在借鉴货币资本等传统资本理论基础上，探索数据资本独特的投资运营模式、提升运营效率的原则和策略、收益分配机制与演化博弈等问题。
第二，我国数据商品化和数据资本化刚刚起步，急需集思广益指导实践发展，学界可以从数据行为优化和创新研究方法入手。在数据行为优化方面，未来研究可以重点关注如何利用人工智能、区块链等数字技术做出最优的数据买入和卖出决策？如何利用数据服务商等新兴主体促进数据交易？数据资本影响绩效的路径以及资本结构的动态调整等问题。在研究方法方面，受制于现实发展情况，理论研究方法成为主流。随着数据商品和数据资本逐渐普及，届时可以开发专项量表，利用大样本实证、案例、fsQCA、计算机模拟等多种研究方法，建立和验证严格的假设，为促进我国数据交易和流通贡献智慧。
第三，结合数字化转型、数字化创新、数字创业、数字创业生态系统等数字化情景深化数据价值化研究。现有研究对于数据价值化如何驱动企业和生态系统创造数字价值关注有限，这成为数据价值化研究与数字化研究中均亟待破解的问题。未来研究可以重点关注：（1）数据价值化驱动企业进行数字化活动创造效益的机理。数据是企业进行全方位、多角度、全生态链条数字化的核心驱动力，后续研究可以从大数据能力和要素的视角，分别讨论在数据资源化、数据资产化、数据商品化和数据资本化四个阶段中数据行为与利用模式对产品、服务、流程、模式和组织方面的数字化创新与创业的影响，挖掘不同阶段的数字价值产出，以及阶段之间进化的动力。（2）多主体之间协同推进数据价值化影响生态系统层面数字价值创造的机理。在生态系统开发和释放数据价值依赖于高效有序地组织、调动、整合多主体数据，进行更大范围、更深层次、更具活力的数据流动和共享。后续研究可以关注生态系统中多主体协同进行数据价值化活动的路径和机制，以及由此形成的数字价值共创过程和价值分配等问题。
第四，未来可植入中国本土化的独特因素，开展场景化的数据价值化研究。西方学者率先结合供应链管理、用户管理等具体场景展开数据价值化的相关研究并取得了较为丰富的研究成果。然而，我国数据价值化研究起步晚，结合具体场景的讨论十分不足，需要从多场景的角度进一步丰富现有研究。实际上，华为、小米、海尔等为代表的中国企业已经将数据应用于众多具体场景之中，产生了数据与应用场景深度融合的成功实践，为理论研究提供了丰富的素材，因而有必要探究中国企业如何在不同场景、不同行业中如何推进持续的数据价值化过程，从而形成对本土组织实践的新洞察，推动本土理论的创新和发展。
第五，未来研究还应注意到企业作为优势一方，在利用来自用户、员工、供应商等利益相关者的数据来创造新价值过程中存在的潜在风险或消极影响，包括数据垄断、大数据杀熟、数据贩卖、数据泄露等各种数据安全问题，亟需探索如何防范和化解可能的消极影响和风险。同时，企业数据价值化行为规则的构建和数据使用伦理等问题也亟待深入探讨。
来源期刊：《外国经济与管理》
首发时间：2023-10-13 14:01:18
转自：“CNKI学术邦”微信公众号
如有侵权，请联系本站删除！
