《数字经济学通论》课件 第二章 数据：新型生产要素

《数字经济学通论》吕本富、刘颖、彭赓、端利涛高等教育出版社，2025年10月第二章

数据：新型生产要素Outline什么是数据数据的经济学分析数据的技术分析数据的运营数据的治理什么是数据01狭义上，数据是用以量化描述事物特征或状态的数值。广义上，数据是指数据对象及其相关属性的集合，是对客观事件进行记录并可以被鉴别的符号，

是关于事件的一组客观的事实描述。数字经济时代，数据的形态与内涵更是发生了深刻的变化。

5数据定义的狭义与广义1.1数据的定义和特征信息信息则是在此基础上，

通过编码、

解释等方式对数据进行加工处理后得到的产物。

它不仅包含数据的原始内容，

还附加了人类对数据的理解、

分析和判断，

是数据经过“智慧加工”后的结果。

数据数据强调的是对物理世界未经加工、

未经解释的原始记录，

它是客观存在的事实或现象的直接映射。61.1数据的定义和特征加拿大统计局从经济活动的视角出发，对数据的定义进行了进一步的阐述，指出数据是已经转化为数字形式的、对现实世界的直接观察结果。这种数字形式的数据不仅便于储存、传输和加工处理，还为数据的持有者提供了挖掘新知识、新信息的可能。数据可以重复使用数据具有独特的非竞争性与非排他性特征，

这两个属性确保了数据可以同时被多方使用，

且其效用并不因使用次数的增加而减损，

从而支持了数据高效流通与广泛应用。数据的数量呈指数级增长随着科技的进步和物联网、

大数据等技术的广泛应用，

数据以前所未有的速度生成和积累。数据的数量增长的指数化特征，

是数据生成技术本身特点的直接体现。数据价值具有场景依赖性数据价值灵活多变，紧密依附于具体的应用场景，

不同的舞台赋予其迥异的价值面貌。最新、

即时的数据往往蕴含着更大的价值潜力，

成为驱动决策优化与业务创新的关键要素。71.1数据的定义和特征数据的特征表现为三个方面：2014年3月，“大数据”这一术语首次被正式纳入我国政府工作报告之中。2016年3月，《中华人民共和国国民经济和社会发展第十三个五年规划纲要》

明确提出“实施国家大数据战略”。81.2数据与算力、算法的关系社交媒体每天产生的数据量PB级别一个高清视频文件大小GB级别云计算公司的数据中心总存储量EB级别一个硬盘的标准容量TB级别计算力即生产力以超级计算为支柱的算力经济学日益成为评判地区数字经济发展成熟度的重要标尺。超级计算机则是国家科技实力与综合国力的重要象征。

91.2数据与算力、算法的关系数据与算力10数据挖掘的核心算法包括：分类算法（如C4.5、朴素贝叶斯、支持向量机（SVM）、KNN、神经网络、Adaboost以及CART（分类与回归树））聚类算法（如K-Means算法与EM算法）关联规则（如PageRank算法与Apriori算法）数据与算法1.2数据与算力、算法的关系数据：好的食材基础数据数据预处理：Feature提取等算法：好的器具Model的选择统计、机器学习、深度学习……不同Model的适应性分析：好的厨艺如何使用数据？如何综合使用多种Model？需要结合领域知识数据作为关键生产要素的崛起，

深刻契合了马克思关于生产力本质的论述：（1）体现了创造社会财富的能力；（2）蕴含着管件生产要素随着人类需求变化不断演进的动力机制。数据作为一种非排他性资源，能够跨越地域限制，被全球范围内不同主体同时利用而不减损其价值。内部因素数据的生产要素属性植根于数字技术持续进步的坚实基础之上。人类价值观的动态变迁深刻推动了数据成为核心生产要素的进程。

数字经济时代追求的不仅是物质财富的持续增长，

更是物质与精神财富的双重飞跃，

而数据作为关键生产要素，

正是这一高水平发展目标实现的重要引擎。外部因素111.3数据要素数据要素是指那些以电子形式存在的，通过计算的方式参与到社会生产经营活动中，为所有者或使用者带来经济效益的数据资源。数据的经济学分析02非竞争性规模效应正外部性同一数据资源能够同时被多个主体利用，

且新增用户的使用并不会削弱既有用户或数据原始持有者的数据价值。

内在地要求开放共享作为其价值最大化的必由之路，

这一特性赋予了数据要素以公共产品的部分属性。

数据的非竞争性特质显著增强了规模报酬递增的效应。数字经济下降数据要素纳入生产函数：体现在数据收集型企业生产效率的显著提升上。通过多种途径展现：改善运营流程、

激发创新活力、

优化资源配置，

从而全面提升企业组织效率与用户体验132.1数据要素的经济特征通过深度数据挖掘技术，

将现有数据转化为对企业具有战略价值的信息资产，

进而驱动企业成长与发展。

数据要素已成为企业不可或缺的稀缺性生产要素。14微观经济效应2.2数据要素的经济效应数据要素对于增强企业的数据处理能力具有显著作用。数据要素在提升企业业绩与价值评估方面发挥着关键作用。在当前的GDP

核算体系中，

数据生产要素的广泛应用及其所创造的经济价值尚未得到充分的体现和认可。

数字经济蓬勃发展，亟须对GDP核算体系进行创新与调整，

以更加全面、

准确地捕捉并反映数据生产要素对经济增长的贡献，

从而更真实地描绘出一国经济的全貌与活力。15宏观经济效应2.2数据要素的经济效应通过计量数据生成过程中的成本，涵盖获取、收集、整理、分析及应用等环节，体现数据资产的经济投入价值。成本法01依据市场上相似数据资产或服务的交易价格确定数据资产价值，参照企业购买数据所需支付的市场价格。通过对比市场交易价格，直观反映数据资产的市场价值，适用于有明确交易数据的场景。市场法02收益法将数据资产视为能产生未来经济利益的资源，基于未来现金流预测贴现计算价值，体现潜在贡献。收益法类比金融资产，采用贴现技术量化数据资产价值，适用于预测数据未来收益的场景。收益法0316数据要素价值评估方法2.2数据要素的经济效应数据的技术分析03DIKW层次结构，亦称“知识层次结构”“信息层次结构”或“知识金字塔”，由阿克夫（Ackoff）提出。该结构从信息系统的视角深刻剖析了数据（Data）、信息（Information）、知识（Knowledge）与智慧（Wisdom）之间的层级关系，并明晰地展示了这些要素间相互转化与演进的动态过程。3.1DIKW层级结构体系193.2数据获取和存储技术案例：每日产生的数据量据统计，

全球用户每天产生50亿次互联网搜索请求，发出5亿条推特，

发送2940亿封邮件；Facebook上每天产生4PB

数据；

每辆联网的汽车创造出4TP的数据；WhatsApp上发送出

620亿条信息。1—直接解析网页源代码优势：高效，

能够迅速捕获网页上的数据。

局限性：高速度往往使得数据抓取行为更易被服务器端察觉，

进而可能触发IP

访问限制。

更适宜应用于内容完全静态化的网页，

或是那些在页面初次加载时即可完全呈现所需数据的场景，

亦或是对用户登录及权限控制未实施或仅实施简单加密措施的页面。主流工具包括：Python编程语言中的Urllib库、Java的网络爬虫技术数据的获取技术数据的获取技术2—模拟浏览器操作通过模拟真实浏览器的操作来捕获数据，

关键在于确保模拟过程中的Header属性信息与真实浏览器一致。优势1：能够高度模仿用户访问行为，

从而大大降低了被服务器端识别的风险。

优势2：能够实时获取网页各元素的最新状态，

有效克服了直接抓取网页源代码时可能遇到的动态内容无法捕捉的问题。局限性：模拟浏览器操作的复杂性导致了数据抓取速度相对较慢。3.2数据获取和存储技术数据的持久保存与有效利用，

离不开数据存储技术的支撑。

213.2数据获取和存储技术数据的存储技术分布式存储集中式存储构建于一台或多台高性能主计算机

（主机）

之上，

这些主机构成系统的核心节点，

负责集中存储所有数据，

并集中处理整个系统的所有业务功能。最大的特点在于部署架构的简洁性。将数据分散存储于多台相互独立的物理设备上，

形成了一种灵活高效的存储网络。

这一变革通过架构的重构，

极大地提升了数据的利用价值，

并赢得了业界的广泛认可。223.2数据获取和存储技术数据的存储路径包括：MPP（MassiveParallelProcessing，大规模并行处理）架构的新兴数据库集群由多个SQL（StructuredQueryLanguage，结构化查询语言）

数据库节点构建而成，

形成数据仓库系统。适用于存储高密度价值数据，并适用于长期存储与频繁访问的场景。

数据一体机由集成化的服务器集群、高性能存储装置、定制化的操作系统、经过优化的数据库管理系统，以及一系列预安装且经过深度优化的数据处理、查询与分析软件组成。采用全分布式新型体系结构，突破数据处理的扩展瓶颈并确保高可用性。全面覆盖软硬件一体全链条，

精准满足个性化定制需求。

基于分布式计算（Hadoop）的技术扩展与封装旨在攻克传统关系型数据库在处理复杂、庞大或异构数据（尤其是半结构化与非结构化数据）时的局限性。3.2数据获取和存储技术统计学习方法判别式人工智能生成式人工智能分布式机器学习朴素贝叶斯决策树统计学习方法自适应提升算法分类与回归树判别式人工智能大语言模型（LargeLanguageModel）特点：参数规模大、泛化能力强、支持多模态生成式人工智能联邦学习（FederatedLearning）能够保护数据隐私，

提高数据利用效率分布式机器学习24K-Means聚类算法最大期望算法K邻近算法神经网络支持向量机3.3数据挖掘技术数据的运营04形成条件由企业交易活动或具体事项生成企业拥有或控制预期能为企业带来经济利益平台交易增进交易信任，提升成功率优化交易效率，降低成本强化资源管理，增进社会福利264.1数据资产数据资产是指特定主体合法拥有或者控制的，能进行货币计量的，且能带来直接或者间接经济利益的数据资源。274.1数据资产数据资产化的挑战：数据产权的界定模糊数据的可复制性易引发隐私侵犯与数据泄露等广泛问题数据产权的模糊性进一步加剧了隐私保护与数据安全的挑战对所有权、

隐私及安全的顾虑也构成了数据开放与流通的障碍数据的定价与估值机制尚不成熟数据的非竞争性与无限共享潜力从数据中挖掘的价值呈现高度不确定性大数据交易平台模式行业性数据确权机构专业数据服务商大型互联网企业数据确权的形式1数据的无限性与传统产权理论的稀缺性基础相悖数据的非排他性特征显著数据正外部性特征影响尚无法直接援引法律对财产权的既有解释与界定数据产权的挑战2284.2数据产权的确定294.3数据要素价格数据要素价格形成的特殊性数据要素的高度外部性数据要素的生产和使用过程涉及广泛的多元主体数据要素的排他性界定模糊数据要素在数据结构、来源、时效性及应用场景等异质性突出数据要素定价的依据必须遵循市场化原则，

即让市场在数据资源配置中发挥决定性作用。数据交易所产生的最终收益应当实现共享，

以确保数据要素的原始贡献者及二次加工者均能享有相应的财产权益。直接交易模式数据交易所模式资源互换模式会员账户服务模式数据云服务交易模式应用程序接口访问模式基于数据保护技术的交易模式利益相关方联盟交易模式304.4数据交易数据交易的模式政府引领型遵循“政府引导、

企业参与、

国资控股、市场化运作”的基本原则。多由地方国有企业携手大数据行业领军企业作为核心股东共同设立实施了严格的会员准入制度。产业联盟驱动型以构建数据生态为核心。致力于整合产业链上下游数据资源，

为联盟成员及合作伙伴提供高效、

精准、低成本的数据服务。

有效促进了数据资源的流通与交易。服务商主导型由拥有丰富数据资源或技术优势的数据服务商主导。以专业化、

高品质、

实用性为显著特征。实现了大数据价值的深度挖掘与广泛传播。互联网企业赋能型依托国内领先的互联网公司不仅服务于自身的业务发展，

也广泛对外提供数据服务。推动了数据价值的最大化实现。314.4数据交易数据交易平台的类型数据所有权归属尚存争议，基于此的使用权、

处置权等权能界定则更为复杂。

估值体系受到数据类型、

完整性、

精确度、时效性、

稀缺性等多重因素影响，且当前关键环节技术创新之后。国内大数据交易平台普遍面临资金、

人才及经验匮乏的困境，平台综合实力难以显著提升。权属界定模糊估值机制不成熟平台投入有限324.4数据交易数据交易存在的问题数据的治理05345.1数据生命周期管理数据生命周期管理模型：CSA模型该模型专为云计算环境中的数据安全设计，

涵盖了数据生命周期的六个关键阶段：

创建、

存储、

使用、

共享、

归档及销毁，

为云计算中的数据管理提供了全面的指导。生态信息学模型通过一系列创造性工具和方法———包括计划、收集、质量保证、描述、保存、发现、集成与分析八个阶段———促进新知识的构建与分享。JISC模型聚焦于促进用户间的数据共享，其结构由七个紧密相连的阶段构成：计划、创建、使用、评估、发布、发现与复用，为科研数据的有效流通与再利用提供了系统化的管理框架。数据时刻处于连接状态，其可访问渠道多样，

使得网络犯罪威胁无所不在。用户倾向于使用易于记忆的简单密码，

尽管这显著增加了被破解的风险。自动化安全系统对于维护数据机密性、

完整性和可用性至关重要。

缺乏此类系统可能导致重大安全漏洞。各类组织日益依赖云服务来存储数据，对云服务的加密策略要求更高。远程访问敏感数据的安全策略可能不如预期严格，

为恶意行为者提供了可乘之机。自动化安全措施缺失云存储的安全考量密码策略薄弱与验证不足远程办公与自带设备办公普遍存在的威胁355.2数据安全及管理数据泄露的原因数据加密标准（DES）算法一种分组密码，以64位为分组长度对数据进行加密，

密钥长度为56位，

加密解密用同一算法。三重数据加密标准（3DES）算法基于DES的对称算法，对一块数据用三个不同的密钥进行三次加密，强度更大。高级加密标准（A