数据为何能成为生产要素？

数据成为生产要素有深厚的技术和产业背景。

生产要素是对生产过程中为获得经济利益所投入资源的高度凝 练。每当出现经济增长速度快于已知要素投入增长速度时，就可以概 括出新的要素来说明其余要素未能说明的剩余产出。因此，生产要素 是随着生产力的发展而不断扩充的。将数据增列为生产要素的原因在 于它对推动生产力发展已显现出突出价值。数据显著推动生产需要相 应的技术和产业基础，随着数据相关技术和产业的发展，数据逐渐具 备规模大、价值高等特征，演变为推动生产效率提升的重要要素。

20 世纪 70 年代，关系型数据库的发展使数据处理效率大幅提升， 数据推动生产的价值初步显现。在数据库诞生之前，程序员处理数据 时需要直接面对操作系统的底层文件进行针对性开发，无论是数据结 构还是文件格式，执行起来都有较高复杂度。1970 年，埃德加·科德 （Edgar Codd）提出关系型数据库模型，指明了数据库发展的一大重 要方向。随着关系型数据库的成熟，以关系代数为基础的 SQL 语言 的普遍使用，以及 Oracle、DB2 等事务数据库产品的涌现，面向事务 处理的 OLTP（On-Line Transaction Processing，联机事务处理）系统 得到应用，数据的增删改查有了标准工具和组件，数据使用者可以不 再直面操作系统底层环境和数据处理底层逻辑，从而专注于上层应用 系统开发，业务运转效率明显提高。

20 世纪末，挖掘数据价值的需求不断增长，数据仓库与数据分析技术迅速发展，数据在生产中的意义进一步显现。随着 1991 年万维 网的提出，互联网浪潮席卷全球，数据量迅速膨胀，利用数据集进行 信息分析和知识挖掘的需求不断增长。比尔·恩门（Bill Inmon）确立 了数据仓库的概念，提出数据仓库是面向主题的、集成的、相对稳定 的、反映历史变化的、用于支持在线分析和管理决策的数据集合。科 德则认为传统的 OLTP 在性能、适用性、性价比方面已不再适用，于 1993 年提出满足多维分析的 OLAP（On-Line Analytic Processing，联 机分析处理）系统。OLAP 支持复杂的分析操作，提供直观易懂的查 询结果，追求满足大规模聚合分析查询的性能表现。与此同时，机器 学习算法不断创新，人工智能技术正走出第二次低谷期，数据驱动的 分析决策逐渐获得关注。

进入 21 世纪，数据的大规模集中和高维度分析全面推动生产效 率提升。为满足数据大规模存储、高性能计算、在线实时查询等需求， 越来越多的组织开始搭建大数据平台，数据处理和分析方面的技术向 分布式、基于 Hadoop 的体系靠拢，对数据的管理也逐渐规范化。随 着近年来平台经济迅速崛起和移动互联网的普及，数据呈现指数级爆 发的增长趋势，业务数据处理及时性和快速性的需求也不断提升，各 组织从 Hadoop 转向 Storm、Spark 和 Flink 体系，在吸收开源技术的 基础上，不断探索流式计算、秒级采集系统的建设，构建企业级的实 时数据分析体系。随着数据湖、数据中台等概念和技术加速落地，结 合机器学习、人工智能等新兴技术，众多组织对数据进行统一存储计 算和高质量治理，为各类应用提供数据服务，对海量数据实时处理和智能分析的能力不断增强，极大推动了生产效率的提升。

数据技术的发展伴随着数据应用需求的演变，影响着数据投入生 产的方式和规模，数据在相应技术和产业背景的演变中逐渐成为促进 生产的关键要素。因此，“数据要素”一词是面向数字经济，在讨论 生产力和生产关系的语境中对“数据”的指代，是对数据促进生产价 值的强调，即数据要素指的是根据特定生产需求汇聚、整理、加工而 成的计算机数据及其衍生形态，投入于生产的原始数据集、标准化数 据集、各类数据产品及以数据为基础产生的系统、信息和知识均可纳 入数据要素讨论的范畴。

对于数字化转型刚刚开始的企业， 原始数据集是维持业务系统运转、提高业务运行效率的基础资源。对 于数字化较为成熟的企业，其经过清洗、预处理后的数据集具有更高 质量，能够提供更准确、更全面、更有预测力的信息用于分析决策， 可以为企业带来更大的效益。企业还可将自身持有的数据加工成多样 的数据衍生品，在符合法律制度的前提下向外流通，使其他企业利用 数据蕴含的价值参与生产活动。