（一）非竞争性

数据容易存储，而且可复制性强。如果不考虑运行维护和存储成本，几乎可以无限制复制。无论是统计机构发布的调查数据，还是各种互联网平台收集的个人数据，都可以同时被多个用户使用，物理意义上说不会产生任何损失，同时也不会相互影响，非竞争性特征明显。一个典型的例子就是Kaggle设立的机器学习竞赛，相关数据就可以被不同参赛者使用。因此，数据和石油等自然资源不能简单类比，因为后者竞争性，多开采一桶石油，地球上石油储存量就少了一桶（Varian，2019）。反倒是将其比作阳光，似乎更为恰当。当然，实际使用过程当中，数据的获取需要必要的付出及条件，不像获取阳光那样无成本，所以数据仍然存在一定排他性特征（Partially Excludable; Carriere-Swallow和Haksar，2019）。正因为如此，根据非竞争性和一定的排他性，数据可以视为一种准公共产品或者公共品。

（二）互补性

不同来源的数据相互融合，可以提高揭示潜藏线索或者规律能力，增加单一数据源的边际价值,一定程度上可以使数字要素具备规模报酬不变甚至递增的特征。规模报酬不变、网络外部性是经济实现内生增长的重要源泉。Krugman、Romer是为数不多的认识到收益递增的主流经济学家，而圣塔菲研究所的Arthur对此有很系统的研究（复杂经济学，2018）。

也有观点认为，数据作为一种投入要素，边际回报仍然呈现递减特征，这和其他要素没有什么本质的不同。Varian（2019）举例说明，图像识别的精确度会随着训练时投喂的数据量提高而增加，但改进的速度会逐步放缓。但这样的观点只是强调了数据要素的单一应用。尤其值得重视的是，由于数字技术的发展，使得原来很难数字化的行为或事物都可以数字化，真正实现了古老哲学中的“万物皆数”，这就为跨界数字融合创造了前所未有的条件，使原来不相干的领域实现了联结。这也是数字时代创新和价值创造不同于工业时代的重要特征。数据具有非竞争性，能够被用于多个用途，而且后续使用边际成本会不断下降，加上互补性和网络性以及学习效应，数据要素仍可能具有规模报酬递增的特点。

（三）外部性

数据分享的确有助于促进研发、改进产品和服务质量，提高效率，但同时，由于存在信息不对称和平台的市场垄断地位，分享数据的一方未必能够获得足够补偿, 由此产生了隐私外部性（Carriere-Swallow，Haksar,2019）。比如，消费者数据可能在不知情的情况下转移给第三方，导致更多垃圾信息骚扰或不利的价格歧视（Odlyzko，2003）。这些负外部性很难被消费者和数据采集企业内部化。

由于不同数据之间具有关联性，可以用线性规划等方法，从一类已知的数据推断未知数据，从一组用户的行为数据可以推断另一组用户的行为。这样，就可能造成数据公开分享过程当中，用户隐私泄露，引发数据伦理问题。而且还会导致数据过度供给，数据价格过低，从而降低数据市场效率（Acemoglu等，2019）。这也决定了数据要素的安全共享使用，与加密技术的发展密切相关。

另外，数字化企业可能依靠网络外部性，过度集中数据，并获取大量超额收益。掌握或拥有独有的数据，就像掌握了独有的专利和技术一样，可以使数据的掌控者获取一种超额收益。这样，就会强化数据的私有属性，阻碍数据的分享和融合。某种程度上，申请专利和获取独有数据，都是市场主体建立竞争力或护城河的重要方式。

（四）指数级增殖性

数据可以看成是各种有意识或者无意识活动的附属品。数据的应用过程，本身可以产生更多新的数据，加快决策或者算法的迭代。例如，无人驾驶汽车，由基于数据训练得到的算法控制，行驶里程越长，将产生更多场景数据，反过来可以促进算法的进一步优化，形成“数据—算法—数据”的自我积累增长过程。随着整个经济社会数字化的程度提高，智能手机的普及，传感器的广泛应用，宽带传输技术的升级，算力的不断增强，全球互联，万物互联，数据要素呈现指数增长态势。根据IDC估计，到2025年，全球数据预计将达到175ZB，与2019相比，年均增长27%，相当于数据规模三年翻一番。数据规模是经济规模的增函数，超大规模经济体可能因此积累更多数据优势。

数据的指数级增长，会对经济增长产生何种影响，存在一定争议。一种观点认为，数据增加有增长效应（Growth Effect），即数据的规模报酬递增或不变特性，可以实现持续经济增长。由于存在数据反馈环（Data Feedback Loop），企业收集数据，就能够获得更大的市场地位，并因此获得更多数据（Farboodi等，2019）。巨大的门槛效应以及网络外部性，有助于实现规模经济。此外，围绕数字化产生更多类型的产品和服务，扩大了现有的产品服务空间，从而推动经济的可持续增长。但也有反对的观点，认为数据增加仅有水平效应（Level Effect），或者说受制于边际报酬递减，更多的数据并不会使得经济增速的路径发生改变。即使存在规模报酬递增，这种效应也只存在企业内部，无法适用于整个经济。Bajari等人（2018）应用亚马逊的数据进行了实证，表明来自数据规模增加的收益存在上限。

作者：OpenMPC开放隐私计算 https://www.bilibili.com/read/cv18783501 出处：bilibili