带你读《数据资产》第一章绪论1.4 数据要素(一)

简介: 《数据资产》第一章绪论1.4 数据要素

1.4      数据要素

 

2020年 4月,中共中央、国务院发布《关于构建更加完善的要素市场化配置体制机制的意见》,将数据与土地、劳动力、资本、技术等传统要素并列,并将其作为第五大生产要素,指出要加快数据要素市场培育。数据的生产价值获得充分认识和肯定,数据作为生产资料和基础资源必将推动数字经济的发展。


1.4.1         数据生产与再生产

 

一般地,数据生产得到的是数据资源或者数据的初级产品,可以直接供最终用户使用,也可以作为原材料(初级产品)进行再生产,形成高级别的数据产品或数据服务[8,26]。

(1)数据生产

数据生产一般是指将现实事务信息化,从而在网络空间形成数据,也包括直接将数据输入网络空间。例如,证券交易行情数据是证券交易所信息化系统生产的数据,统计局的人口数据是人口普查员直接录入的数据,摄像头则直接采集图像数据。

信息化是数据的主要来源。信息化将人们过去手工做的事情转换成由计算机来做,计算机在处理业务时会产生数据;信息化还通过摄像头、录音笔、传感器、医疗仪器、射电望远镜等电子仪器设备将现实的事物采集到网络空间中变成数据。本质上,所有信息化的结果都是在网络空间中形成数据。因此,从信息化的视角来看,数据是信息化的副产品;但从网络空间的视角来看,信息化的本质是生产数据的过程。

除了信息化,人们还直接在网络空间中创造数据,例如,直接在键盘上输入现实中没有的数据或者编写程序代码。

(2)数据再生产

数据再生产是指根据已有的数据运用数据技术生产出新的数据的过程。数据再生产包括数据汇集、数据清洁、数据可视化、数据分析、人工智能等,也包括计算机病毒的传播和变异等。例如,搜索引擎将各个   Web   网页的数据组织起来形成新的数据,这是一个数据再生产过程,然后搜索引擎利用再生产形成的数据向用户提供数据服务;又如,证券信息服务商根据证券交易所的证券行情数据,再生产 K线图、移动平均线、KDJ图、布林线(BOLL)图等新的数据;又如,企查查将全国工商登记数据进行了再生产。大部分数据处理、数据分析技术可以用于数据再生产。

从数据的生产者来看,数据可以分为私有数据、公共网络数据、多方生产的数据[10]。

(3)数据存储

生产的数据需要存储在网络空间。一般来讲,数据生产者可以自己妥善存放自己生产的数据,也可以将数据存储在云服务商的云存储设备中。多方生产的数据通常被存储在平台服务商的存储设备中。                                                                                                        

 

 

1.4.2         数据产业

 

     数据资源的开发变成一个社会需求,并形成战略性新兴产业——数据产业。数据产业是网络空间数据资源开发利用所形成的产业,其产业链主要包括从网络空间获取数据并进行整合、加工和生产,数据产品传播、流通和交易,相关的法律和其他咨询服务。数据产业包括数据资源建设与流通、数据技术开发与销售、数据产品与服务 3个主要方面,具备第一产业的资源性、第二产业的加工性和第三产业的服务性,是战略性新兴产业[10]。在产业数字化和数字产业化的大背景下,数据是生产要素,任何经济形式都需要大数据的支持。大数据在创造新产业的同时,也在促进传统产业的转型升级。图1-2展示了数据产业的内涵,主要包括数据资源、

数据技术和数据应用 3个方面[10]。一方面,用当前的技术和数据解决社会发展、经济建设、工作生活等各种问题;另一方面,探索研究新的数据技术、完善技术,形成技术产品,把握大数据的核心技术,形成核心竞争力。

image.png

图 1-2数据产业的内涵

 

数据产业模式[10]是指“收集数据、分析数据、提供服务”的商业模式。早期的数据服务并不涉及数据分析,例如早期的谷歌搜索服务、SCI论文引用服务、门户网站等。现在的数据服务增加了“分析数据”的工作,挖掘了数据包含的价值,实现了数据资源的开发利用。通过“分析数据”发现的价值应用广泛,例如,通过分析电子商务数据可以预测经济状况、地区消费水平和消费习惯等。

数据领域里最重要的工作是收集、积累数据资源,使得数据资源在解决实际问题的时候“够用、可用、好用”。由于“数据引力效应”已经形成,“服务换数据”已经成为一种主流商业模式,例如,以互联网为代表的“边服务边收集数据”或者“服务换数据”。“数据引力效应”有利于创造出更多更好的服务,将推动数据产业快速发展,有利于社会发展。“数据引力效应”是指数据领域存在的“数据越多、服务越好,服务越好、数据越多”这样一种数据越来越集中的现象。“数据引力效应”正创造大量新型数据产业模式,移动互联网使得数据服务无处不在、无时不在。极强的正反馈效应,即所谓的“强者更强”,使得产业的产生和毁灭都远远快于工业时代。

相关文章
|
机器学习/深度学习 安全
深度学习McCulloch-Pitts模型
深度学习McCulloch-Pitts模型
790 0
|
机器学习/深度学习 编解码 并行计算
论文阅读笔记 | Transformer系列——CSWin Transformer
论文阅读笔记 | Transformer系列——CSWin Transformer
1545 0
论文阅读笔记 | Transformer系列——CSWin Transformer
|
6月前
|
弹性计算 安全 Linux
零基础实战:阿里云ECS云服务器OpenClaw(Clawdbot)部署+本地系统搭建+大模型API对接指南
2026年,OpenClaw(原Clawdbot)作为轻量化开源AI代理框架,凭借跨平台兼容、大模型无缝集成、多场景自动化能力,成为个人与小型团队搭建智能助手的首选方案。本文完整覆盖2026年阿里云轻量服务器部署及本地MacOS/Linux/Windows11部署OpenClaw(Clawdbot)步骤流程及阿里云千问大模型API配置或市场上免费大模型Coding Plan API配置及常见问题解答,以阿里云ECS云服务器为核心部署方案,同步补充本地全平台搭建方法,所有代码命令可直接复制,全程无复杂操作,新手也能一次成功落地。
805 1
|
小程序 安全 关系型数据库
专业打造一款圈子源码软件系统 / 后端 PHP 搭建部署一样实现利益化
本教程详解基于PHP后端与Uni-app的小程序开发全流程,涵盖技术选型、环境搭建、源码导入、接口对接及功能实现。采用Laravel/Symfony框架,结合MySQL/PostgreSQL数据库,使用WebSocket实现实时通信,并集成IM SDK实现音视频聊天。前端使用Uni-app开发,支持跨平台运行。教程包含完整部署流程与安全优化方案,助力快速搭建高性能、安全稳定的小程序系统。
811 5
|
存储
原码,补码的除法
原码,补码的除法
1262 1
|
安全 网络安全 网络虚拟化
OCSP
OCSP
1161 5
|
人工智能 编解码 测试技术
阿里云通义千问发布多款AI大模型 多模态、长文本能力全面升级!
阿里云通义千问发布多款AI大模型 多模态、长文本能力全面升级!
|
监控 前端开发 API
错误码设计规范探索
本文介绍了错误码设计规范,包括模块化分层、错误码结构及定义、可扩展性与可维护性等方面。错误码用于标识程序中的特定错误,便于快速定位和解决。文中详细描述了全局通用错误码和业务错误码的设计方法,并提出了5-6位数字编码方案,确保错误码的唯一性和可读性。同时,强调了错误码与日志系统的集成及多语言支持的重要性,提供了多个参考文献供进一步学习。
2500 3
|
缓存
计算机网络——数据链路层-可靠传输的实现机制:回退N帧协议GBN(无差错情况、累积确认、有差错情况、发送窗口尺寸)
计算机网络——数据链路层-可靠传输的实现机制:回退N帧协议GBN(无差错情况、累积确认、有差错情况、发送窗口尺寸)
2118 0
计算机网络——数据链路层-可靠传输的实现机制:回退N帧协议GBN(无差错情况、累积确认、有差错情况、发送窗口尺寸)
|
存储 监控 安全
安全防御之恶意代码与防护技术
恶意代码是指没有作用却会带来危险的代码。通常把未经授权便干扰或破坏计算机系统、网络功能的程序或代码(一组指令)称之为恶意程序。恶意程序包括计算机病毒、木马、蠕虫等。恶意代码的防范,不是单靠一种或几种技术就能解决的,而要靠技术、管理以及用户安全意识的共同防范,只有三者相结合才能最大程度地防止恶意代码对系统和用户信息的破坏。
978 0