管星淼,秦兴方

中共十九届四中全会将数据正式纳入生产要素之列，并在《中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见》中提出了市场化配置的基本原则和方向。与实践相比较，学术界对数据要素的研究相对滞后，尤其是有关数据要素的属性，人们大多聚焦于数据要素的技术性及其创新、创造功能，而很少关注数据要素的社会性及其与技术性交互作用所产生的外部性。这是有失偏颇的，是对数据要素的误读，并且有可能在数据要素利用中出现偏差，有必要从马克思主义政治经济学的角度进行深度解剖，以便为数据要素的科学利用提供理论支撑。

一、数据要素是大数据时代特殊的劳动产品

自从世界有了物质，量与质就同时存在。但是，只有产生了人类社会，人们在改造客观世界的过程中，才逐步将这些反映客观事物某种运动状态的、未被加工、解释的各种信号，以文本、数字、事实和图像等形式记录出来。这些通过感觉器官或观测仪器感知，被大脑感知的最初印象或最原始的记录，就是今天人们所说的数据。不过，在人类社会早期，都是自给自足的小生产活动，生产范围极其有限，生产力水平非常低下，所以，数据非常简单，不需要复杂的计算和分析，在人们的生产和生活中仅仅起着辅助性作用。即使人类发展到商品经济阶段，随着商品交换规模和范围的不断扩大，数据的数量、种类不断增多，数据的重要性也不断提升。这一时期，尽管商品生产经营者可以精确记录、计量自己的经济活动数据，但对整个社会来说，这些数据都是孤立的、分散的、零乱的，其价值很低。在单个生产经营者面对整体市场时，既面临着数据不完全的制约，又面临着经济活动主体之间数据不对称的约束。他们为了获得这些数据，需要付出很大的搜寻成本。为了科学决策，统计分析成为赢得市场的专业活动。人们不断收集、加工和整理数据，从中提取有价值的信息并形成对业务有帮助的结论。但是，统计分析主要围绕能否通过用少量的抽样数据来推测真实世界，用平均数来判断总体，用数学模型来预测未来而展开。即使统计手段和统计方法再先进，包括借助计算机来辅助分析以提高效率，人们仍然无法从根本上解决数据不完全、数据信息不对称、数据失真、数据传递不及时等问题。尽管数据分析对于科学决策必不可少，数据的地位有了极大提升，但数据仍然只是统计分析的来源或对象，而不是独立的生产要素。

数据真正成为独立的生产要素，是人类发展到大数据时代，也就是可以利用互联网、人工智能、云计算、区域链等现代技术采集和处理海量数据时代的产物。根据麦肯锡全球研究所的定义，大数据指规模大到在获取、存储、管理和分析方面极大地超越传统数据库软件工具能力的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低的特征。(1)McKinsey Global Institute，“Big Data: The Next Frontier for Innovation, Competition, and Productivity”，May 1，2011，https://www.mckinsey.com/～/media/McKinsey/Business%20Functions/McKinsey%20Digital/Our%20Insights/Big%20data%20The%20next%20frontier%20for%20innovation/MGI_big_data_full_report.pdf.从传统数据到大数据，是现代信息通信技术发展的结果，期间至少经历了三个阶段：第一阶段是数据库在生产、销售、诊疗等运营系统中的广泛使用，数据在运营活动中产生并被记录在数据库中，数据的产生是被动的；第二阶段源于互联网的诞生，尤其是以博客、微博和微信为代表的新型社交网络和以智能手机、平板电脑为代表的新型移动设备的出现，数据呈现飞跃式增长，并具有主动式产生的特点；第三阶段是感知式系统的广泛使用，使数据量呈现爆炸式增长并最终导致了大数据的产生，数据的产生进入自动化阶段。大数据的产生是数据成为独立生产要素一个方面的原因，即大数据为数据成为生产要素提供了丰富的原始材料，这些海量的、不同来源、不同形式、包含不同信息的数据有可能被整合、分析，从而有可能发现传统数据很难发现的新知识，创造新的价值。另一方面，更为重要的是，现代科技创新为大数据的采集、加工、挖掘、处理并成为有用的信息、经验、知识，以及发现规律创造了条件。其中，信息感知和采集终端提供了采集海量数据的手段，云计算技术提供了大数据分析的手段，区块链技术提供了整合各类数据和信息的手段。与传统数据分析相比较，大数据分析可以完成许多传统数据分析在可承受的时间范围内无法完成的任务。特别是，大数据分析能够借助现代工具，对各种类型的全量数据进行捕捉、管理和加工处理，从而使数据之间建立相互联系，形成能够回答特定问题的文本或被解释具有某些意义的数字、事实和图像等形式的信息，揭示事实中所隐含的某种因果关系，回答诸如谁、什么、哪里、何时等问题。不同于传统数据，经过特殊处理加工的大数据是具有更强决策力、洞察发现力和流程优化能力的信息资产，从而成为新科技革命新经济下不可或缺的生产要素。

数据成为生产要素的历史演进，揭示了数据要素是一个历史范畴，其本质上是一种特殊的劳动产品。一方面，数据要素不同于传统数据，是一种劳动产品，是人们利用现代化技术和工具对大数据进行采集、加工、挖掘、处理的产物。与普通的劳动产品一样，它是具体劳动的结果，具有使用价值。在市场经济下，用于交换的数据要素又是商品，具有价值。另一方面，数据要素不是一般的劳动产品、商品，具有特殊性。这种特殊性不只是体现在产品形成过程及其存在形式上，也不是价值上的特殊性，而是这种产品或商品使用价值的特殊性。在生产要素体系中，劳动、土地是财富生产的原始要素或基础要素，而技术要素本质上是人们在探索提高劳动生产率和资源利用效率过程中派生出来的生产要素，资本则是商品经济或市场经济的产物，也属于派生性要素，而数据要素则是社会化生产发展到大数据时代，是在劳动、土地等原始要素和技术、资本等派生性要素共同作用中再派生出来的，属于再派生性要素。这种再派生性，决定了它既不可能离开其他生产要素的作用而独立存在，更不可能离开其他生产要素独立地发挥作用。数据要素只有在与其他生产要素的广泛而深入的结合中才能充分发挥其使用价值，并证明其价值。

数据要素可以从多重角度划分。一是从技术角度，可以分为结构化数据、半结构化数据和非结构化数据。二是从数据来源划分，主要有传统企业数据，如包括客户关系管理系统产生的消费者数据、企业资源计划数据、库存数据以及账目数据等；基于智能设备所产生的数据，主要包括机器和传感器数据，如智能电表、智能温度控制器、智能仪表等工业设备传感器或设备日志，以及连接互联网的家用电器等自动向中央服务器传输的数据；个人行为数据，如利用智能手机和平板电脑等移动设备上的App、博客、维基等社交媒体所产生的各类数据，包括个人交易数据、个人信息资料或状态报告事件等；交易数据，包括POS或电子商务购物等数据。三是从数据要素利用的价值取向上，可以分为商业数据和公共数据，其中，商业数据是以赢利为主要取向，由各类市场主体开发数据平台并进行采集、挖掘、加工和利用的数据，具有私人产品性质；公共数据主要是由国家或政府等非营利组织开发数据平台并进行采集、加工和利用的数据，具有公共产品性质。自然科学相关学科重点关注的是第一、二两个角度，而政治经济学则更加关注第二、三两个角度。

二、数据要素的技术性借助社会性实现及其倍增效应

既然数据要素是一个历史范畴，是一种特殊的劳动产品，那么，它就具有两重性，即既具有自然属性或技术属性，也即有用性(以下简称“技术性”或“有用性”)，又具有社会属性(以下简称“社会性”)，也即包含错综复杂的利益关系，其中最主要的是经济利益关系。这两重属性是密不可分的，在数据要素机体内并存。对于数据要素的两重性，自然科学相关学科更多关注数据要素的技术性，而政治经济学则更多关注数据要素的社会性，这是由学科属性和任务所决定的。目前，无论是在自然科学还是包括政治经济学在内的社会科学领域，强调数据要素技术性的研究偏多，而对数据要素的社会性，或者联系社会性来分析技术性的研究明显偏少。从科学利用数据要素的角度出发，马克思主义政治经济学必须鲜明地表达自己的观点。

毫无疑问，数据要素首先是一种技术要素，具有技术性。这种技术性是数据成为生产要素过程中内生的，不以大数据时代任何社会制度和体制背景的差异而改变。众所周知，自从新一代信息通信技术形成了移动互联网、物联网、社交网络、数字家庭、电子商务等新型应用形态后，这些应用就不断地产出海量的数据碎片，其计量单位已从Byte、KB、MB、GB、TB，发展到PB、EB、ZB、YB，正在向BB、NB、DB衡量转变。但是，这些大数据还不是现成的生产要素，其使用价值或价值利用密度很低，而运用传统的人工处理办法，甚至用单台的计算机也很难采集或加工这些数据，更谈不上找到其内在规律，唯有借助以信源管理、数据采集、数据传输、数据存储、数据处理、数据展现和系统监控为基本架构的大数据平台(2)《基于大数据平台的互联网数据采集平台基本架构介绍》，2020年4月6日，https://baijiahao.baidu.com/s?id=1663218855141262957&wfr=spider&for=pc.，采用分布式计算架构，依托云计算的分布式处理、分布式数据库、云存储和虚拟化技术等云技术和区块链技术。(3)《详细解读大数据、人工智能、区块链、云存储、企业信息化等技术》，2020年2月18日，https://www.sohu.com/a/374109551_120521409.由此，数据碎片才能成为有用的信息，这些有用的信息再通过交换或推广反馈到各种应用业态中去，真正发挥作为生产要素的作用。这些分析表明，数据要素的技术性包括但不仅限于以下特征：数据不是天然的生产要素，但一旦成为生产要素后就必然具有有用性；数据成为要素，依赖于大数据的采取、加工、挖掘、处理的技术和方法，这些技术和方法既决定了数据要素使用价值的数量，又决定了数据利用价值的高低；数据要素本身是海量的、动态的、极速变化的数据集合，其天生是复数，而不是单数。

作为一种特殊的劳动产品，数据要素的技术性就不可能独立存在，必然与其社会性并存且相互作用、相互影响。一方面，在数据成为生产要素的过程中，也即数据采集、加工和处理等环节，人们追求经济利益或社会利益最大化的内在动机，是数据成为生产要素的最主要的动力。其中，在数据采集环节，大数据平台如何构建和数据采集的具体技术、方法等，主要涉及数据要素的技术性，但是，建设数据平台的目的，或者谁来建设并为谁服务，平台建成后谁有权采集数据和有权采集哪些数据(4)唐要家：《数据产权的经济分析》，《社会科学辑刊》2021年第1期。等，则是复杂的社会问题，体现了数据要素的社会性。公共数据平台及其数据要素追求社会利益最大化，体现公益性、共享性，而商业数据平台及其数据要素追求利润最大化，体现私人性、有偿性。在不同的利益关系驱动下，数据采集的对象、重点、范围等也会呈现技术性差异。在数据加工、挖掘和处理环节，数据分析、挖掘的技术和方法属于技术问题，但数据如何处理并展示，也交织着价值取向问题。其中，算法就是一个很好的例证。算法本身是一个技术问题，但在实践中却体现着复杂的社会关系。在大数据时代，数据平台公司能够对用户的每一次刷卡、网页搜索、定位、点赞等行为进行实时追踪，掌握用户的情绪脉搏及其行为，并通过进一步分析，可以有针对性地为每一个用户定制并持续推送只适合该用户的商品、服务、阅读内容等。不仅可以影响用户的经济决策，还能够影响其价值判断、政治选择倾向。这里不仅涉及用户的隐私保护，还涉及相关利益主体之间的关系协调甚至各种安全问题。

另一方面，在数据作为生产要素后的交换和利用环节，数据要素的社会性得到更充分的彰显，数据要素的技术性和社会性交互作用，其技术性借助社会性得以实现。其中，在数据要素交换环节，数据要素的交换也是一种利益交换，需要遵循市场交换的基本法则——等价交换，是数据要素供需双方平等的权利交换。只有交换成功，数据要素的有用性才能真正体现。否则，这些数据要素与数据碎片并无差异。而成功的交换，既需要数据要素供给与需求的有效对接，更需要有体系完善、规则健全的数据要素市场，需要数据确权，包括数据进入市场前明晰产权归属和数据交换后的产权保护。与其他生产要素或工业产品相比较，数据要素存在可复制性强的弱点。如果数据产权不清和保护不力，不能根据数据产品的属性、特点、数量、质量、格式、重要性、敏感程度等因素进行分类分级管理，就会产生极大的利益纷争，从而对数据要素的开发产生巨大的抑制性。在现实中，很多数据之所以不能被集成、处理和共享，主要是复杂的地区、部门、企业或个人利益关系的障碍，而非技术手段不能为之。这表明，如果不能理顺数据要素内在的社会利益关系，其技术性或有用性也就无法实现。在数据利用环节，数据要素的社会性——人们利用数据要素追求经济或社会利益最大化的内在动力与外在的竞争压力共同作用，不仅使数据要素的技术性得以实现，而且还会产生放大效应，主要体现在数据要素对其他生产要素配置效率的倍增效应。这种倍增效应通过两条途径实现，一是从数据要素中直接衍生，即一旦数据要素的有用性得到社会认可，在强大的利益刺激下，将会催生出面向数据市场的新技术、新产品、新服务、新业态。例如，在硬件与集成设备领域，数据要素将促进芯片、存储产业发展，催生出一体化数据存储处理服务器、内存计算等市场。在软件与服务领域，数据要素将引发数据快速处理分析技术、数据挖掘技术和软件产品的发展。另一条是间接途径，即传统生产要素所有者基于数据要素利用对社会利益或经济利益最大化目标实现的潜能，将数据要素与传统生产要素黏合起来，推动事业或产业发展的智能化、智慧化，从而使传统生产要素的配置效率倍增。(5)《促进数据要素有效参与价值创造和分配》，《人民日报》2020年1月22日。例如，在农业、制造业领域，数据要素与传统生产要素结合，促进传统农业向数字农业、传统工厂向智慧工厂方向转变，促进农户、企业更加有效地对接市场，根据大数据决策生产什么、生产多少、如何生产，根据市场动态选择或调整生产经营方式。在商业服务领域，数据要素与传统要素结合，为精准发现目标市场、客户偏好和选择适宜的流通服务方式、市场营销策略提供决策支持。在公共服务领域，数据要素与传统要素结合，推动城市交通管理、治安管理、社区管理向智慧化方向转型，推动了智慧城市交通、智慧老年服务、智慧社会管理、智慧医疗产业或事业的兴起。2020年新型冠状病毒疫情的全球流行是人类的一场灾难，但又是对数据要素倍增效应的一次大“检验”。在这场“检验”中，我国各级政府和社会管理机构尤其是医疗部门借助大数据，精准高效地开展疫情监测分析、病毒溯源、患者追踪、社区管理；科研人员利用大数据，加快病毒检测诊断、疫苗新药研发；企事业单位加强数据管理应用并借助远程教育、视频会议、网上订购等，保证了疫情期间学习、工作有序开展，这是2020年我国能够成功控制疫情并在全球主要经济体唯一保证正增长的主要奥秘之一。也正是在这个意义上，数据要素为高质量发展提供了新动能。

由此可见，数据要素的技术性是不可能脱离社会性而孤立存在的。在大数据时代，突出数据要素对高质量发展的新动能作用是必要的，但这并不等于只注重数据要素的技术性而忽视其社会性。理论上，没有数据要素的社会性，也就没有数据要素的技术性。在实践中，只有解决好数据要素形成和利用过程中的社会利益矛盾或冲突，充分发挥好利益激励、竞争约束和政府调节功能，才能使数据要素潜在的有用性成为现实有用性(6)谢康、夏正豪、肖静华：《大数据成为现实生产要素的企业实现机制：产品创新视角》，《中国工业经济》2020年第5期。，发挥对其他生产要素配置效率的倍增效应。

三、数据要素的社会性以技术性为介质而催生及其外部性

数据要素的社会性是技术性实现过程中，也即数据要素采集加工处理、交换、分配和利用的具体方式、规则、秩序等关系的反映，也即是依附技术性或以技术性为介质而催生的各种社会关系。在这个意义上，数据要素的社会性是由技术性决定的。没有技术性，也就谈不上社会性。与其他生产要素相比较，由于数据要素的技术性具有特殊性，即既只能在其他生产要素的相互作用过程中产生，又必须与其他生产要素相黏合才能体现其有用性，而且一旦有效黏合，将对其他生产要素的配置效率产生倍增效应。因此，这种特殊性就催生出数据要素社会性的新特征。政治经济学的任务不仅要揭示由数据要素技术性决定的社会性，而且要探寻其新特征、新规律。

在生产要素体系中，生产要素的黏合有两种形式，第一种形式是一种生产要素主动黏合另一种或几种生产要素并投入生产过程。在市场经济下，根据生产要素黏合其他要素的动力和能力强度，资本要素是所有要素中黏合力或黏性最强的，它几乎可以而且能够黏合其他一切生产要素。在资本黏合前，各种生产要素都有其独立性及其自身的生产力，如劳动生产力、土地或资源生产力、技术生产力等。但是，在资本黏合后，不仅这些生产要素是资本的，而且这些生产要素的生产力也都成为资本的生产力。“劳动的一切力量都显现为资本的力量”(7)《马克思恩格斯文集》，第5卷，人民出版社，2009年，第701、589、699页。，“同历史地发展起来的社会劳动生产力一样，受自然制约的劳动生产力也表现为合并劳动的资本的生产力。”(8)《马克思恩格斯文集》，第5卷，人民出版社，2009年，第701、589、699页。同样，技术生产力也转化为资本的生产力，能使资本具有更高的生产力。“科学和技术使执行职能的资本具有一种不以它的一定量为转移的扩张能力。同时，这种扩张能力对原资本中已进入更新阶段的那一部分也发生反作用。资本以新的形式无代价地合并了在它的旧形式背后所实现的社会进步。”(9)《马克思恩格斯文集》，第5卷，人民出版社，2009年，第701、589、699页。在这里，资本所起的作用不只是将分散在所有者手中的生产要素黏合、合并投入生产过程，更关键的是使这些生产要素产生化学反映，从而创造出更高的生产力。也正是在这个意义上，马克思、恩格斯都认为，资本具有伟大的文明作用，资本主义社会与它之前的社会相比具有巨大的历史进步性。

第二种形式是一种生产要素被另一种或几种生产要素所黏合，在新科技革命新经济产生以前的相当一段时期，除了劳动、土地这两个原始生产要素外，技术要素是被其他生产要素黏合最多的要素。在大数据时代，数据要素将成为被其他生产要素黏合最多的生产要素。它可以被劳动要素黏合，提高劳动生产力；被土地所有者、承包者或经营者与土地黏合，促进土地的集约化、精细化、科学化利用，提高土地生产力；被资本、技术等要素所有者与资本、技术等黏合，提高资本生产力和技术生产力；被企业家才能要素所黏合，提高企业管理效率和制度创新效率，等等。很显然，与资本黏合其他生产要素，也即资本在购买其他生产要素并投入生产过程所创造的生产力表现为资本生产力不同，数据要素在被其他生产要素黏合，也即其他生产要素所有者通过数据共享、自我学习、购买等多种途径，将数据要素与其他生产要素有机结合并创造出生产力后，并不会改变其他生产要素及其生产力的性质。在这个意义上，资本是其他生产要素的化学黏合剂，而数据则是其他生产要素的物理黏合剂。

在数据要素不被资本黏合的情形下，数据要素的物理黏合剂这一技术性特征将会催生出一系列新型社会关系。在微观层面，数据要素技术性的新特征，促进了劳动、技术、知识与数据要素的直接结合，促进了社会自主创业创新活动，以及网络营销、网络直播、网络技术服务等新型就业形态的产生，从而为市场经济下人们凭借知识、技能直接实现自身利益提供了可能性，跳出了要么拥有资本、要么出卖自身劳动力这一非此即彼的个人利益实现范式，是一种新型的劳动与知识关系、劳动与技术关系和劳动者之间的关系。在宏观层面，公共数据资源是大数据时代国家的基础性战略资源，是国民经济和社会有效调节的指示器。数据资源的广泛应用能够最大限度地克服宏观决策中的信息不准确、不及时、不完全问题，既为国民经济运行中更加自觉地利用按比例规律提高了可能性，也为政府更全面、更准确、更及时地观察、分析和把握社会矛盾的产生、发展和演化趋势提供了可能性，从而形成新型的计划与市场关系、政府与企业关系。

在数据要素被资本黏合的条件下，数据作为最具有被其他生产要素黏合需求的要素，而资本作为最具有黏合其他生产要素能力的要素，两者结合将会使数据要素及其生产力的性质发生根本性的改变，即数据归资本所有，数据生产力转化为资本生产力。在这一情境下，由数据要素的技术性决定的社会性也呈现出新的变化。一方面，在利润最大化和竞争优势推动下，资本就会引入更加先进的技术及其设施、更高水平的专业技术人才，建设更高层次的数据平台，不断提升数据采集、加工、挖掘和处理能力，促进数据要素规模化、专业化、集成化和服务精准化。由此，数据要素的技术性或者有用性，特别是被黏合性和对其他生产要素配置效率的倍增效应将会不断放大。另一方面，在被资本黏合后，数据要素的性质也会发生变化，即数据要素通常已经转化为数字资本、网络资本，数据要素的扩张力也将毫无疑问地转化为数字资本或网络资本的扩张力。生产力决定生产关系，两者的结合在生产力领域的扩张力，必然会引起社会关系的巨大调整。这种调整既有可能具有正外部性，也有可能具有负外部性。

从数据要素的供给端看，数据与资本相结合在生产力领域所产生的扩张效应和利益刺激，将会吸引越来越多的资本向数据领域转移，从而促进开发与利用呈现几何级数式的增长，从而加速经济主体行为数据化、市场运行透明化、政府管理智慧化的进程，进一步助推新型劳动关系、政府与市场关系等新型社会关系的成长。但是，在社会主义市场经济条件下，资本的逐利性不会改变。如果不能有效管控，资本与数据要素结合的负外部性不可低估。其中最典型的是由数据垄断引致的利益冲突和安全隐患。众所周知，大型商业数据平台具有知识与技术密集、人才密集、资本密集的特点，一般都是由规模较大的网络资本或者与其他产业资本联合建设，随着其掌控的数据规模的不断扩大，其竞争优势越来越明显，而且会产生数据垄断。一方面，在经济领域，数据平台公司为获得超额利润，有可能采取垄断协议的方式，即借助于算法或数据的反馈机制，共同做出使彼此都能获益的经营决策，排除偏离协议的其他经营者，也有可能滥用市场支配地位的方式(10)洪银兴：《“互联网+”市场的经济学分析》，《教学与研究》2020年第3期。，如基于消费数据分析的价格歧视、通过不公正协议条件获取用户隐私、“二选一”、封锁屏蔽行为等，以及经营者集中方式，即以增加数据拥有量和强化数据控制力为目标的数据驱动型经营者集中，放大互联网领域“赢者通吃”的竞争效应。这些垄断行为，具有破坏市场竞争秩序，损害消费者、用户的合法权益，以及抑制中小企业创新能力、弱化经济社会发展动能和降低全社会福利等负外部效应。另一方面，资本主导下的数据垄断还会影响社会舆情、政治选择，诱导人们作出符合资本意向的价值判断。纪录片《隐私大盗》讲述了特朗普团队利用剑桥分析提供的人工智能和大数据技术抹黑希拉里、操控摇摆选民。在大选中，特朗普团队借助剑桥分析公司，从脸书(Facebook)购买到了约5 000万份个人信息并进行数据分析，筛选出了一批摇摆立场的选民，接着定制了个性化并带有某种偏向的内容进行定制化广告推送，通过博文、视频、广告对他们狂轰滥炸，人们在潜移默化中被“洗脑”，直到他们选择剑桥分析想让他们选择的特朗普。在2020年美国大选中，民主党以其人之道还治其人之身，依靠偏向民主党的谷歌、推特(Twitter)和脸书等公司，用算法反复给人们推送偏向拜登的内容，在一定程度上对美国大选结果产生了影响。

从数据要素需求端看，人们对于资本黏合数据要素所产生的放大数据要素对其他生产要素配置效率的倍增效应耳熟能详，对于生产力发展所带来的社会关系的优化效应也有共识。但是，要将数据要素潜在的需求转变为现实的有效需求，并且能够产生倍增效应或者优化效应，都是有条件的。如果条件不具备，不仅不能产生有效需求，而且还会引致数据贫困及其社会关系领域的负外部性。例如，在个体或某些特定群体层面，数据要素正在深刻改变着人们的就业方式、工作方式和生活方式，但是，个体或群体之间数据应用的能力存在差异。在大数据时代，那些缺乏数据利用的相关知识、技能，或者虽然有知识或技能但缺乏应用数据的能力，特别是缺乏基本物质条件的个体或群体，就面临着数据贫困的困扰，并因此而影响其职业选择、收入来源及其水平，出现严重的现代生活不适症，甚至会出现物质与精神的双重贫困。如果这种效应与市场作用相叠加，就会进一步放大对文化水平较低、收入较低等社会阶层的极化效应，加剧职业分化、收入分化、生活方式分化，形成和谐社会建设的新障碍。在区域层面，数据的广泛利用必须以具备与此相配套的基础设施条件和一定的人才储备为前提条件，而条件差距会放大区际发展差距。其中，城乡之间数据应用条件的差距——新基础设施建设滞后、中心城市对乡村人才的极化、农村人口购买能力相对有限和应用数据要素能力相对偏弱等，将会成为放大城乡发展差距的新诱因。如果数据要素由资本垄断，农民在市场中的弱势地位则更加凸显。长期以来，农民丰产不丰收的主要原因之一是由于农民不能分享流通环节的收益。传统模式下，这一环节的多数收益为农产品中介商所控制，而大数据时代，则有可能为平台企业所瓜分。

所以，对于数据要素，纯粹从技术层面考虑问题是不够的。要最大限度地挖掘数据要素的正外部性并有效防控其负外部性，既需要技术层面的科学探索，也需要从社会关系协调角度进行制度设计。一方面，从发挥数据要素正外部性的角度看，对公共数据和商业数据要分别治理。其中，在公共数据领域，要坚持优先推进公共数据共享的理念，制定出台公共数据共享责任清单(11)戴双兴：《数据要素：主要特征、推动效应及发展路径》，《马克思主义与现实》2020年第6期。，建设公共数据共享平台，运用5G、物联网、人工智能等信息技术，创新农业、工业、交通、教育、安防、城市管理、公共资源交易等领域的数据开发利用场景(12)唐要家：《数据产权的经济分析》，《社会科学辑刊》2021年第1期。，实现公共数据全面采集、全程、全景覆盖(13)王淼：《数字经济发展的法律规制——研讨会专家观点综述》，《中国流通经济》2020年第12期。，推动地区间、部门间数据共享交换，促进政务数据进一步融入要素市场，通过配套差异化的安全控制措施，保障政务数据在共享开放过程中的可监测、可追溯。在商业数据领域，从提升数据开发与利用价值出发，支持构建多领域数据开放利用场景、分类分层建设数据要素市场，建立健全融数据开发、数据确权、数据交易、贡献评价与定价、报酬分配、数据安全保护于一体化的资源配置机制体系和治理规则体系，鼓励企业参与数字领域国际规则和标准制定。(14)《加快数据要素市场运行机制建设》，《经济日报》2020年9月4日。另一方面，从防控数据要素负外部性的角度看，从数据要素采集到利用的诸环节，需要制订数据分类分级标准(15)李刚、张钦坤、朱开鑫：《数据要素确权交易的现代产权理论思路》，《山东大学学报(哲学社会科学版)》2021年第1期。和安全管理规则，大力推进数据法治化建设，重点明确数据开发主体的所有权和自主使用、共享、开放和交易等权利，规范数据交易主体的资质、权责清单和交易规则，抑制数据垄断行为，确保数据及交易过程可追溯、可审计，加强数据控制者对公民或企业数据的收集、使用、加工、传输等行为监督和安全审查制度，保护个人隐私、企业商业秘密和国家安全。在数据贫困治理方面，加强对落后地区、农村地区在新基础设施建设、教育培训等方面的政府投入和社会支持，加强数据要素应用的科学普及、技术推广和志愿服务，使数据要素不会成为脱贫地区和群体返贫的新因素，而是走向共同富裕和现代化的新动能。