數據要素驅動企業新質生產力：形成邏輯與培育路徑

〔〔摘要〕〕 數據要素是發展新質生產力的核心要素和關鍵變量。以系統工程學方法論分析數據要素促進企業新質生產力形成的邏輯機理可以發現：在數字技術的作用下，通過數據“萃取—擴散—共創”機理驅動數據要素價值重構，數據要素的潛在價值稟賦得以凸顯；實現價值重構的關鍵在于控制數據要素介入生產系統的熵增“量變”，以及提升其邊際價值實現生產要素價值“質變”，推動形成具有價值報酬遞增和可量化累積效應的自組織系統；數據要素驅動的技術創新迭代和要素資本躍升，有助于明顯改善全要素生產率，催生新質生產力。培育和發展企業新質生產力應著重加強數據要素戰略管理，提升數據基礎設施水平，強化數據

分析處理能力和推動數據業務融合創新。

〔〔關鍵詞〕〕 新質生產力；數據要素；價值重構；形成邏輯；培育路徑

〔〔中圖分類號〕〕F273 〔〔文獻標識碼〕〕A 〔〔文章編號〕〕1000 - 4769 （2025） 02 - 0036 - 09

2023年以來，習近平總書記關于新質生產力的系列重要論述，為我們準確認識和發展新質生產力提供了根本遵循和科學引導。2023年12月，國家數據局、工業和信息化部等17部門聯合印發《“數據要素×”三年行動計劃（2024—2026年）》，提出發揮數據要素的放大、疊加、倍增作用，提高資源配置效率，培育發展新質生產力，實現對經濟發展的倍增效應。“企業新質生產力”是基于數據要素，更快感知、計算、判斷、決策，自行組織生產、服務，由技術革命性突破、生產要素創新配置、企業轉型升級而催生的先進生產力。通常的“大數據”并不能支撐新質生產力發展，只有通過數字技術賦能得到有價值的數據，才可作為生產要素發揮作用。為此，本文構建數據要素在數字技術的作用下逐步轉變為新質態生產要素的理論分析框架，旨在探索基于數據要素價值重構形成新質生產力的邏輯機理，并結合企業實踐探討培育企業新質生產力的基本路徑。

.一、相關研究綜述

“新質生產力”是經濟學領域的新范疇，吸引了眾多學者的積極探討。芮明杰指出，新質生產力是建立在數字技術、算力、智能技術和綠色低碳技術等基礎上形成的生產力，是一種效率更高、質量更高、創造附加價值更高的生產力。高帆對新質生產力概念的提出邏輯進行了分析，認為新質生產力是實踐推動和回應需求的結果，并圍繞結果、要素、要素組合、產業形態和保障方面分析了新質生產力的內涵及其與“一般生產力”的區別。②蔣永穆等則認為新質生產力主要表現為數字、協作、綠色、藍色和開放五大生產力，應從科技創新，要素牽引、核心技術和產業升級等方面培育新質生產力。③其實，新質生產力是一個相對、多維的概念，新質生產力是基于新生產要素、新產業環境而形成的新質態生產力。余東華等從新質生產力和新型工業化關系互動的角度，進一步提出發展新質生產力是推動新型工業化的重要手段。上述研究雖然從不同角度來探討新質生產力內涵和外延，但都強調了新質生產力是基于新生產要素尤其是數據要素的新質態生產力。正如姜奇平把數據能力視為一種新質生產力，并從技術經濟角度提出數據生產力是一種質性技術類的新質生產力。⑤

近年來，“數據驅動”逐漸成為學術界關注的焦點，數據作為生產要素的重要作用日益凸顯。但是，原始數據不具備生產要素的屬性，與傳統生產要素不同，數據要素是虛擬的，不能夠獨立創造價值，無法以獨立的要素形態存在，擁有數據資源只是具備了向生產力轉化的潛在可能。⑥數據要素在與其他生產要素的結合過程中驅動創新和技術進步，提高資源配置效率，推動生產力增長。可見，數據要素通過作用于傳統生產要素介入生產體系，通過重構要素投入及配比而提高生產力，這正是基于數據要素的新質生產力。在此基礎上，許多學者通過分析數據要素與物質化生產要素間的聯系，探究數據作為新生產要素的價值及其潛在的經濟效應。如：數據要素與勞動、資本、技術、管理、知識等既有生產要素結合，提高其邊際產出率或要素配置效率，使既有要素邊際收益遞減的拐點后移或遞減放緩而提高企業生產力⑧；數據要素驅動企業數字化轉型的實現路徑之一是數據通過要素重構的方式提高全要素生產率⑨；數據作為一種新型生產要素從傳統物質資本中剝離，其潛在的經濟效應歸納為“乘數作用”等等。這種潛在經濟效應的釋放實質上就是新質生產力的表現。

綜上所述，現有研究明確了數據要素作為新質生產力的關鍵性新要素，對于生產體系具有乘數作用。數據要素所依附的數字技術，或可提高資本生產效率，是一種資本偏向型技術進步；或提高勞動生產效率，是勞動偏向型技術進步；或認為是同時促進資本和勞動替代技術進步。？？？但現有研究均未將數據要素的替代作用量化并進一步探究其對產出的影響，尤其未將數據價值進一步抽象為理論指標，再將其置入企業的生產函數，通過改變具體要素變量來衡量數據要素的作用效果，量化數據對于生產體系的邊際價值與累積價值，以此探究數據要素對企業新質生產力的作用與價值。本文以數字技術的處理效應為出發點，探究數據要素介入企業經濟系統發揮其潛在價值的內在邏輯機制，無疑具有重要的理論指導和實踐啟示意義。

二、基于數據要素價值重構的企業新質生產力的形成邏輯

要素價值重構理論是對傳統資源基礎理論的發展，該理論揭示了企業對生產要素動態化獲取、加工和利用，進而創造價值形成新優勢的中間過程。①要素價值重構理論能夠解釋企業不同發展階段更新要素配置實現價值創新的內在邏輯。要素配置包括要素結構化、要素整合和要素協同三個基本子過程②，結合數據要素而言，要素結構化在于企業通過獲取、萃取有價值數據及剝離無用數據，從而構建企業發展所需的數據要素庫；要素整合是將加工的數據庫進行擴散或細化來創造企業價值的行為；要素協同則是多個數據要素庫通過協同共創實現規模效應。根據錢學森有關系統工程理論的觀點，基于數據要素配置多元化與可積累的性質，可將其視作企業生產力系統的一個子系統，研究其創新性配置而形成的價值重構與積累過程機理。

（一）基本假設

假定某一企業的生產系統需要體量為Q0、價值尺度至少為N0的數據信息庫進行生產活動的優化。現有一個數據信息庫A的初始體量為Q1，對企業生產活動的價值為N1。由于信息時代數據指數級增長，A的體量膨脹至Q2，但其本身對于該生產活動的價值不變仍為N1，稱其為數據信息庫B。定義U為數據信息庫可被用于優化生產的部分，S為數據信息庫的熵。基于上述條件設定，進行如下分析：

N1gt;N0，Q2gt;Q1gt;Q0

SA∝Q1，SB∝Q2，SB-SA=?S∝ （Q2-Q1） gt; 0

由公式（1）和公式（2）可得，數據體量的膨脹導致數據信息庫的熵增，而熵增的結果導致生產系統可利用的有價值的數據信息減少。

據此，提出命題1：數據體量的膨脹導致信息熵增，進而造成數據貶值。

（二）萃取機理

由命題1可知，在數字信息時代，數據膨脹帶來的信息熵增造成數據貶值這一現象是自發產生的。只有當數據具備噪音低、分布準確、可用范圍廣泛的特征時，對于生產而言才具備一定的價值。因此需要借助外力降低信息熵，減緩熵增的自發過程，提升信息的價值。數字技術提供了可行路徑，既可以通過“篩選作用”讓同等價值尺度的數據信息庫擁有更小的數據體量；又可以通過“處理作用”使同等數據體量的數據信息庫具備更高的生產價值。例如，消費者和用戶對產品的使用數據對于企業的生產而言是極其重要的，但傳統的產品并不具備收集整合使用者數據的功能。海爾利用數字技術將傳統的機械產品升級為數字化智能產品，家電變成了智能化的數據分析傳感器，可實時獲取用戶行為數據并將其傳輸到海爾大數據平臺，將看似無序、雜亂的消費者行為擬合得出用戶準確的行為數據，該數據對企業生產具有極大的潛在價值。④

上述設定所研究的系統是從外部引入的初始數據信息庫，將該信息庫中每一個信息量化為信息元，未經處理的信息元處于雜亂無序的狀態。若將排列有序、方向明確、價值一定的信息元集合定義為信息元向量場，由未被處理的原始信息元交聯而成的信息元集合定義為信息元曲量場。將曲量場中的每一條信息元定義為曲量，數字技術通過作用于曲量場中的每一個信息元曲量，改變其“取向熵”與“平動熵”，使曲量逐步向量化，同時使曲量場逐步轉變為向量場，最終結果是改變系統總熵值，使信息價值得以提升。

我們可分析數字技術作用于曲量場的微觀過程。設曲量場中曲量通過交聯的方式形成集合，取向熵為SD，平動熵為SM。數字技術解決曲量分布的方向問題，可視作其通過整合原本向四周散開且沒有一定分布秩序的曲量從而使SD減小，此時不影響每個曲量本身的不規則性，即曲量本身的價值并未得到改變。可簡述為數字技術對海量信息的歸納分類作用，將具有同一價值取向的信息元歸為一類，從而致使SD減小。

S0=SD+SM （3）S1=SD.Low+SM（SD.Lowlt;SD） （4）

?S=S1-S0lt; 0 （5）

當取向熵減少到最大限度時，極限條件可認為在數字技術的處理下每條曲量都有了向量的方向特征，即信息根據其生產價值被完全劃分與歸類，此時數字技術通過作用于每條曲量本身改變其原本價值。從曲量到向量的這個過程中，信息元的間距變大，從而使系統中信息元的移動空間變大，使信息元移動的可能性增大，進而相對地增大了系統的平動熵 SM。即在數字技術的作用下，原本結合在一起的具有多種不同生產價值的數據信息被分隔開，改變了信息元的內部屬性，使其價值 Vdata 增大。同時，也會導致更多子信息元的產生，多種子信息元在信息空間中的流動與擴散，又會導致數據信息庫體量的增大進而使系統熵增。數字技術通過改變數據的內部屬性使其價值增高，但與此同時會造成數據體量相對增大的負面影響，因此存在“量變”與“質變”的競爭。王超賢等認為數據體量持續增大會導致數據的價值密度下降，而具有一定價值密度的大體量數據庫也不一定具有較大的總體生產價值。①

因此，進一步提出命題2：利用數字技術處理信息時存在一個“最優數據價值體密度——Ρdata”，當數據庫內信息處于該密度空間時，可認為此時數據具備最佳利用效果。

基于命題2，信息元價值的提升必將帶來信息元之間距離的增大，從而增大SM，因此我們定義信息元價值Vdata的增加與信息元之間距離的變化?r成正比，比例系數為D，其邊際含義是利用數字技術提升單個信息元價值所需消耗的成本。平動熵為SM，與信息元的空間運動狀態成正比，比例系數為K，其邊際含義是利用數字技術分離多個信息元所需消耗的成本。根據實際情況可知，由于數據信息“質變”的難度必定大于“量變”的難度，所以價值比例系數D應遠大于空間比例系數K。令?W= （?r）3表示增加距離 ?r 后，空間內信息元運動狀態的增量：

f （?r） =?Vdata-?SM=D?r- 3Kln?r （6）

根據公式（6）可以得到數據價值增加與信息平動熵增加的競爭方程，由一階條件（7）與二階條件（8）可以得到該競爭效應是遞增的存在最小值，且當系數關系滿足條件（9）時，競爭效應始終大于0。即由于價值比例系數D遠大于空間比例系數K這一客觀事實，在利用數字技術將曲量場向量化的過程中，數據的價值增加始終大于體系的熵增。且最優數據價值體密度即公式（10），當?r→ +∞時存在遞增效應，根據一階條件（11）與二階條件（12）可以求得其上確界，由公式（13）給出。

綜上，提出命題3：利用數字技術處理原始數據信息庫可以使其利用價值增大，從而具備優化生產系統的擴散條件。

（三）擴散機理

由命題3可知，當數據信息庫在數字技術的作用下具備一定的生產價值后，企業會選擇將其引入生產體系、優化生產模式以達到一定的經濟目標。例如，三一集團將數據要素賦能到七項關鍵制造工藝，實現了工程機械制造水平的數字化突破，在降低資本與勞動力投入的同時大大提高了產出效率。①

數據要素不直接作用于生產環節，而是改變了傳統生產技術所生產的知識，因此生產要素的價值可以等效為生產要素所產生的知識對于生產活動的價值。在引入數據信息庫之前，企業的生產空間Usystem由傳統生產要素生產的知識所引導，對應的生產知識總量為Ntradition，生產總價值為Ftradition，單位體量知識的邊際生產價值為μtradition；將每一個數據信息庫空間定義為Udatai（i= 1，2，3. . .n，下同），其數據信息體量為Ndatai，單位體量的邊際生產價值為μdatai。當Usystem與Udatai發生交互作用時，會由于兩者的價值之差產生信息擴散驅動效應，將Usystem由于Udatai擴散效應流失體量為?N的信息稱為正效應，即 ?N gt; 0。時間為自然變量T。基于上述設定，考慮單個數據信息庫的擴散作用，構建如下模型：

Usystem→Ftradition= [∑Ntradition? μtradition] -TS0tradition （14）Udatai→Fdatai=Ndatai? μdatai-TS0data（i= 1，2，3...n） （15）Ftraditiongt;Fdatai ?Ngt; 0 （16）Ftraditionlt;Fdatai ?Nlt; 0 （17）

|?N|∝ |Ndata|

不難發現，公式（16）所對應的情況應該普遍發生，而公式（17）對應的情況在現實中難以發生。整個企業原始的總生產要素的生產價值在信息化時代不斷降低，但總量依舊是很大的，只是單個要素的生產價值較低；而引入的數據信息庫是以單一形式隨時間不斷進入企業生產體系內部，其與企業的總生產要素體量相比總量很小，但是其單位價值遠高于企業內部生產要素的單位價值，就邊際生產價值而言，數據信息庫要更勝一籌。如條件（18）所示：

Ftraditiongt;Fdatai μdataigt;μtradition （i= 1，2，3...n） （18）

據此，假設信息時代所帶來的信息膨脹階段為時間T1。時間T1之前，系統內部信息集與外部信息集交換近乎為平衡狀態，表現的效應為信息熵增長緩慢或幾乎不增加，系統內部生產要素價值下降速度慢或幾乎保持不變。但是一旦時間過了T1，也就是數字化時代的到來導致大量信息的誕生，此時信息熵快速增加，對應的系統內部由傳統生產要素所產生的知識的價值快速下降。由公式（14）可以知道，系統內部Ftradition的小值代表了低價值的知識和高信息熵，因此應避免系統內部自由信息熵的小值出現。

命題4：提高企業生產系統的總體生產價值，可以通過避免極大的熵值出現以及提高單位體量的生產要素所具備的邊際生產價值得以實現。

通過引入由數字技術處理后的數據信息庫可以實現這一目標。當數據信息庫擴散入原始的生產空間時，傳統的生產知識總價值與數據信息庫總價值之間由于存在差異化效應，會使數據體量發生正比于該數據信息庫信息體量的變化，本質上是通過數據信息庫的微小量變作用置換出某一體量的傳統生產知識，使得該體系內所有生產要素所產生知識的生產價值相對提高，如公式（19）所示：

Unew→Fnew=∑[（Ntradition-?N）?μtradition+?Ndata? μdata] - （TS0+?S）

?S?S0；?Ndata?Ntradition； μtradition?μdata

Fnewgt;Ftradition （19）

由上述可知，引入數據信息庫這一行為可以使原生產系統發生兩方面的變化。首先是“量變”，一定體量的數據信息庫擴散入原生產系統造成傳統生產數據流失的同時，置換入數字化生產數據，會造成一定程度上熵增的負面影響，但該置換帶來的量變效應極小，因此該負面效應可近似為0；其次是“質變”，當數據信息庫以遠高于原始知識的邊際生產價值擴散入生產體系后，考慮微小的“量變”作用，其相當于提升了整個生產系統所具備生產知識的邊際價值，屬于價值提升的正面影響，有助于企業優化生產模式以達到一定的經濟目的。具體如圖1-a與圖1-b所示。

T1是數字與信息化時代帶來的信息膨脹的時間節點；S01是信息膨脹之前系統熵值增加的上界， F0 是信息膨脹之前系統內生產要素所對應知識的生產價值降低的下界；S02是信息膨脹之后沒有引入數據信息庫的系統熵值增加的上界，Ftradition是信息膨脹之后沒有引入數據信息庫的系統內生產要素所對應知識的生產價值降低的下界；S03與Fnew分別為引入數據信息庫后系統內熵值與生產價值增加和降低的上界與下界；?S→ 0是數據信息庫對系統內信息熵的“量變”效應；?F是數據信息庫對系統內生產要素價值的“質變”效應。

命題5：企業引入數據信息庫后其內部信息熵水平基本保持不變，但生產要素總體的生產價值會有所提高。

（四）共創機理

命題5所對應的情景是企業對單個數據信息庫作出引入決策后原生產系統內部所發生的變化，但實際情況中企業會根據自身需求從外界引入多個數據信息庫，以形成數據的規模化效應來實現生產的智能化與綠色化，數據的規模化必將帶來信息熵的累積。例如，美的工業互聯網整合全流程業務數據以及用戶的行為數據，大量使用人工智能進行工業參數自計算、自學習以及視覺和聽覺檢測。通過這種方式搭建數字化平臺，產生大量有價值的數據，基于對數據的計算、整理和重構，確定各項工業參數、優化具體生產流程，數據驅動提高了企業生產率和要素的生產價值。①

由玻爾茲曼關系式S=KlnW可以知道，熵的大小取決于系統的某一狀態對應的微觀狀態數目的多少，即混亂度的大小。以企業的原始數據信息庫所具備的生產信息為總系統，假設總系統中每一條信息都具有微觀性質，并將其定義為信息元，從外界引入數據信息庫就等價于增加了原始系統內部的微觀狀態數。基于上述設定，建立外部規模化數據信息庫擴散到總系統的數學模型：系統Ia為信息時代下視為封閉系統的信息總庫，系統Ib為與數字經濟相關的數據信息庫，系統Ic為某企業原始數據所對應的生產信息庫，Idata代表數字技術對數據信息庫Ib的處理作用，I （i= 1，2，3. . .n，下同）為經數字技術處i 理 Ia

Ic I1 N1

后具備擴散條件的n類對企業生產有價值的子數 Idata據信息庫。I內所具備的信息元總數為N，每一b 個 I2 2NIi所具備的信息元總數為Ni。如圖2所示。

基于圖2，設定Ic對信息元的總體容納量為M（M?N），Ib中含有N個信息元，現每次從Ib中經過Idata處理后依次引入N1，N2，N3. . .Nn個信息元到Ic中，且∑n Ni=N，將引入信息元子集Ii后信息i= 1元Ni在Ic中分配的不同順序定義為信息元在Ic系統里的不同狀態，則有如下推導：

Max[S（W） ] =S（W0） =KlnW0

由條件（20）和（21）可知，當信息元在Ic中均勻分布時，系統Ic內的熵值會達到最大，即公式（22）；下面基于上述論證，探討當Ni∈ （N，δ）時，信息元Ic在內的分布情況：

在平衡態Ni=N附近做二次泰勒展開并舍去高次項：

P（N ）i = e2（?N）

ˉ

公式（25）表明Ni在平衡態N附近的分布近似于高斯分布，如圖3所示。

信息元集合Ib在自然狀態下被數字技術處理之前可視作

均勻進入系統I，即N =Nˉ，c i 且 N=N，之后信息元在Ii c中∑i= 1

平衡分布，這種數據元擴散行為最終將會使系統Ic總熵值達到最大。若信息元集合Ib被數字技術處理之后進入系統Ic，此時Ni∈ （Nˉ，δ），且∑n Nilt;N，則信息元集合Ib可被視作不i= 1均勻地進入系統Ic，之后信息元處于非平衡分布，因此系統總熵值不會達到最大，據此提出命題6。

命題6：規模化數據信息庫的引入對企業生產系統內部信息熵的影響具有增加效應，但該效應存在上界。

由命題4可知，數據信息庫這一子系統與企業生產的總系統之間形成自組織結構，企業選擇經過數字技術處理后的數據信息庫，從而提升生產要素的生產價值，進而優化自身的生產模式。當數據信息庫以規模化的形式被企業所引入后，數字技術的處理致使每一子數據信息庫的信息體量不同。但在達到一定條件時，系統就可能從原來無序要素對應的低價值狀態轉變為有序要素對應的高價值狀態。由命題5可知，該規模化數據信息庫進入企業生產系統內部后并不會使其信息熵達到最大值，相對而言，也就避免了信息熵的極大值所導致信息生產價值的極小值。考慮到在每個自然信息元集合中信息元總量一定的情況下，具有高價值的信息占比不同，經數字技術處理之后便以總量不同的新的信息元集合的形式進入系統 Ic 。由此給原系統帶來的熵增效應也并非最大的，與本文所提出命題4一致。

三、數據驅動企業新質生產力發展的基本路徑

上述研究表明，在數字技術作用下，數據要素憑借物質化生產要素進行生產信息的價值創造和積累，實現數據要素價值報酬遞增和可量化累積效應，促進了全要素生產率的提升，推動了企業新質生產力的形成。在企業實踐中，通過數據學習和分析，能夠強化技術要素供給，發現新的商業模式、產品和服務，推進企業深度轉型升級從而實現經濟增長。事實上，作為新型生產要素，數據要素的介入會促使企業生產函數發生新的變化，學習效應、規模經濟和范圍經濟會產生新的交叉組合和融合裂變，數據要素不僅可以依靠自身的數量增加和質量提高來提升生產力，還可以通過數字技術來優化和升級數據模型，從而推動技術進步，進而賦能其他生產要素，顯著增強生產要素價值稟賦。因此，全面加強數據要素管理，積極夯實數據要素價值釋放的基礎支撐，充分發揮數據要素的“粘合劑”和“助推器”作用，有助于推動多維度寬領域跨界融合創新，催生企業新質生產力。

（一）加強數據要素戰略管理

一是強化數據要素的戰略制定。把統籌管理企業數據資源放在企業戰略性位置，強化數據驅動發展的戰略認識，因地制宜制定數據戰略。深入推動數據要素價值重構戰略，將數據要素作為驅動企業生產和經營的核心戰略資產。明確數據場景清單、數據資產藍圖和數據戰略技術路線，充分利用數據資產實現企業業務戰略價值。二是強化數據安全戰略。建立數據安全管控體系，完善數據安全標識、數據生產約束以及數據安全管理標準，提高數據安全水平。實現精細化權限管理，制定數據分類和分層控制標識以及內容和明細記錄管控規則，加強數據訪問、使用和處置的全面管控。推進全面采集、記錄和監控數據流動全過程，加強數據風險等級分級、分類，完善自動預報預警體系。三是強化數據戰略執行。設立數據戰略管理部門，負責數據戰略的落地執行，推動跨部門數據協同與共享。建立快速響應的數據戰略反饋機制，優化數據業務流程和決策邏輯，加強數據業務流程和應用系統深度融合。強化數據的戰略優化能力，通過數據建模，形成業務優化的算法模型，將算法模型部署、集成到數據戰略流程應用中，促進數據戰略和業務應用之間相互賦能。

（二）提升數據基礎設施水平

一是推進數據組織平臺化。以新一代數字信息技術運用為基礎，加快推動以云計算、大數據、物聯網等新技術為依托的數據化結構轉型，打造充分利用數據、快速試驗創新、持續交付的數據化平臺，促進從“信息孤島”走向“開放生態”，推進組織數據化深度轉型升級。二是部署數據分析工具。培育全鏈路的數據采集、存取和探索能力，提升數據生產、利用和數據產品開發能力。推動數據標準體系在業務場景中落地，加強數據標準體系的測試、驗證和優化。引入先進的數據分析工具和AI/ML算法，如Python、R、TensorFlow、Spark等，提升數據挖掘和模型構建能力。整合通信技術、運維技術、數據庫技術、開發技術和應用技術，通過云計算、大數據、區塊鏈技術實現對實時、可信、海量數據進行有效地組織、處理和利用，從數據體系上完善數據的整體化承接，實現數據要素價值系統化。三是提升數據智能化處理能力。運用數字建模、數字仿真、數字樣機、數字孿生等技術，搭建基于數據平臺的全流程智能化管理系統，充分發揮數據在管理系統應用場景中智能化的驅動作用。暢通大數據分析和高級算法、多級客戶交互和客戶分析、位置檢測技術、高級人機交互接口、模擬仿真、智能聯接、智能傳感器、物聯網平臺等多項數字技術的運用，深入優化數據驅動技術的運行支撐。

（三）強化數據分析處理能力

一是培養數據人才團隊。高起點實施數據人才強企戰略，創新數據人才團隊培養體系，為新質生產力提供強有力的“新質數據人才”支撐。完善數據人才培育機制，加強校企合作與人才引進。優化數據人才結構，重點培養具有數據戰略能力、數據運營能力和數據分析能力的復合型人才。前瞻性謀劃數據人才成長路徑，組建由數據分析師、數據科學家、業務專家組成的跨職能團隊，提升數據洞察能力和業務理解能力，強化數據驅動人力資本躍升。二是實施數據項目。開展各類數據分析項目，如客戶畫像、市場趨勢預測、運營優化、風險預警等，通過實戰提升數據分級技巧和業務影響力。建立數據驅動的流程體系，用行動去改變思想，讓數據成為業務流程、組織體系的重要參與要素，再通過數據指標、監測反饋來實現流程體系的更新優化。三是構建數據組織文化。營造“用數據說話、靠數據決策”的企業文化，增強管理者數據意識，減少主觀臆斷，尊重數據、依據數據管理。倡導開放、協作、持續學習的數據團隊文化，鼓勵數據人才跨部門、跨職能溝通交流，共同解決復雜數據難題。加強員工對數據驅動發展重要性的認識，提升員工數據認知和數據素養，營造全員數據驅動發展的文化氛圍。

（四）推動數據業務融合創新

一是聚焦行業細分領域，推動數據關鍵核心技術突破。前瞻規劃數據基礎技術平臺、高級數據分析與人工智能技術、數據可視化與交互技術發展方向，整合跨地區跨組織優勢資源，集中優勢資源共同研發細分領域關鍵核心技術。二是強化數據業務協同創新。強化數據協同建模、分享互動、進度協同、版本管理和溝通交流功能，建立體系化數據協同創新機制。將創新流程、審批制度及激勵措施數據化，強化計算資源管理、算法模型管理和技術工具管理，為協同創新提供方便、快捷、開箱即用的數據集合和各類數據技術。建立數據沙箱和測試環境，加快機器人學習和數據建模，建立數據創新人才激勵和優化機制，持續挖掘、刺激和調動數據人才的協同創新主觀能動性。三是強化數據驅動的創新應用。建立一站式數據科學開發環境，集成代碼編輯、模型訓練、版本控制等功能，加速數據科技工作效率。完善數據協同和數據關系規則，強化數據交叉稽核，推進數據加工、分析和挖掘，提升數據創新的價值創造潛能。聯合第三方開發者基于企業數據創新開發應用，形成數據創新生態，推動數據價值的社會化實現。

結語

本文從經濟系統工程理論出發，將數據向量化構建數據信息庫，以此來分析數據生產要素在數字技術作用下的價值重構與積累的過程。進一步地，基于玻爾茲曼分布探討數據生產要素對于企業其他生產要素變量價值的影響，得到結論：企業通過利用數據要素可形成耗散結構，從而提高其他生產要素的生產價值，進而提升其邊際生產力、促進企業技術進步、推動新質生產力形成。與現有研究和文獻相比，本文的理論貢獻可總結為以下兩點：第一，本文提出了一套數理邏輯體系來描述企業數據生產要素價值重構與積累的具體過程，彌補了現有文獻有關數據要素化過程中數理模型與底部理論缺乏的問題。第二，本文結合企業實際探討數據要素驅動新質生產力形成的邏輯，從實踐操作層面揭示了數據價值的本質，拓寬了現有研究對于數據價值的認識，為學術界深入研究數據價值界定的理論框架和分析方法奠定了基礎。

本文的結論對推動企業新質生產力培育和發展有實踐啟示意義。在數字信息時代，企業面臨著傳統生產要素不斷貶值、生產價值日趨下降的風險。針對這一問題，根據本文核心命題5可知，企業應積極運用新一代數字信息技術，建立數據信息庫，不斷更新和豐富自身在生產過程中各個環節的數據要素配置模式，阻止或減緩生產要素貶值的趨勢，形成負反饋調節效應，強化生產要素的價值稟賦，實現企業轉型升級發展。根據核心命題2—6，把企業新質生產力形成過程融入企業生產函數的變量關系分析中：如果輸入變量為生產要素，輸出變量為產出水平，影響變量為數據要素，中介變量為要素的生產價值，那么數據要素通過作用于生產要素的生產價值進而提升產出水平，此即數據驅動新質生產力形成的基本邏輯表達。基于此，企業應采取加強數據要素戰略管理、提升數據基礎設施水平、強化數據分析能力、推動數據業務融合創新等措施，全面強化數據要素價值重構效能，加快推動數據驅動企業新質生產力發展。

（責任編輯：冉利軍）