4月6日，国家税务总局发布了一组数据：3月份，数字经济核心产业同比增长14.1%，较去年全年提高7.3个百分点。其中， 数字要素驱动业 、数字技术应用业增长更高一些，同比分别 增长24.5% 和19.8%。
随着国家数据总局的设立， 数字经济纳入地方政府KPI考核 ，数字经济未来将迎来强力政策加持+产业趋势带来的成长性 ！ 怎么计算KPI？换算成GDP是比较公平的！
广东拟将数据要素纳入GDP核算
数据交易额今年有望破50亿
“2022年，广州数据交易所、深圳数据交易所相继挂牌成立，当年累计交易额超过17亿元，今年， 广东数据交易额将突破50亿元。”4月13日，“2023数字经济峰会”在香港会展中心举行。
会上，广东省政务服务数据管理局局长杨鹏飞在主题发言中透露，《广东省数据条例》即将出台，广东正研究推动将数据生产要素纳入国民经济核算体系。
总体来说，GDP核算有两种思路，即支出法和收入法。支出法将某一时期内消费、投资、政府需求和净出口相加，得到该期GDP；收入法将某一时期内的工资、利息、利润、地租等要素收入加总，得到该期的GDP。在核算技术上，统计部门往往采用统计调查、普查与利用税收部门数据相结合的方式对GDP进行核算。
今年的广东省政府工作报告中提出，要全面推进广东“数字政府2.0”建设，目前，广东省数字政府改革建设进入2.0阶段。其中包括推动政务服务从“快办”向“好办”提升，全省事项网办率达96.4%，最多跑一次率99.8%，零跑动率92.9%。粤省事平台实名用户超1.81亿，粤商通平台注册用户超1400万。
与数据要素市场体系建设深度融合，是广东省数字政府2.0阶段的显著特征。 早在2021年7月，广东省印发《广东省数据要素市场化配置改革行动方案》，在全国率先启动了数据要素市场化配置改革，形成“1+2+3+X”的总体改革思路。
经过一年多的探索，广东发挥数据要素总牵引作用，稳步推进市场体系培育和数据资源流通交易，加快推动数据从资源向资产转变。
在数据要素市场体系建设上， 广东创新规划了两级数据要素市场体系。广东构建以行政机制为主的一级市场，筹建省公共数据运营管理机构，成立广东数据资产登记合规委员会。
开展数据资产登记试点，佛山市顺德区首批完成6个基于公共数据开发形成的数据产品的资产登记。广东构建以市场竞争机制为主的数据交易二级市场 广州数据交易所、深圳数据交易所相继挂牌成立。开展数据经纪人试点，广州海珠、佛山顺德遴选出首批5家数据经纪人试点企业，形成65个数据产品。
丰猫评论：数据要素是数字经济时代的核心生产资料
今年*会两**期间，”数字经济"是当之无愧的热词之一。在3月5日的第十四届全国人民代表大会第一次会议上，国务院总理在政府工作报告中简述今年工作重点时提出，要大力发展数字经济，提升常态化监管水平，支持平台经济发展。
多位代表委员也提出，当前数据作为新型生产要素，价值尚未得到充分释放，建议疏通数据要素流通的堵点，攻破中小企业数字化智能化升级难点，畅通全产业数字化升级链条，助力产业升级。
在政策方面更有关于数字中国的整体规划文件出台，2月27日下午，*共中**中央、国务院印发的《数字中国建设整体布局规划》中明确提出：到2025年，我国基本形成一体化推进格局，数字中国建设取得重要进展；夯实数字中国建设基础，打通数字基础设施大动脉，畅通数据资源大循环等重磅内容。
本次国务院关于提请审议组建国家数据局，标志着数字中国战略以及数据要素的基础制度顶层设计进入了全面推进落实阶段。
想要深刻认识数据作为当代核心生产要素的战略意义，我们不妨从经济增长规律的基础框架回溯历史发展，更准确地找到当下的时代价值坐标。
我们借用美国经济学家罗伯特·索洛提出的“索洛模型”，一个使用较为广泛的生产函数，作为分析框架，梳理一下影响经济增长的因素。
Y=A*F（R，L，K，E，……）
其中：Y为经济体总收益
A为全要素生产率
括号内为生产要素：R代表土地和自然资源，L代表劳动力，K代表资本，E代表企业家才能。
生产函数是指在一定时期内和技术水平条件下，生产中所使用的各种生产要素的数量与所能生产的最大产量之间的关系。
经济学意义上的生产要素，是指所有经济主体在从事生产经营活动时，都会涉及的主要投入因素与影响因素，生产的过程就是对不同生产要素在时间、空间以相应的资源配置方式进行组合。
在农业经济时代，我们把土地和劳动力视作主要的生产要素；而在工业经济时代，我们又将资本视作核心的生产要素；随着生产力发展与经济形态的演进，又有经济学家主张应将企业家才能、技术、制度等都视作生产要素。
全要素生产率（Total Factor Productivity，简称“TFP”）是一种反映要素使用效率的指标，它指的是扣除各类要素投入的贡献后，所不能解释的产出。
从上述生产函数可以看出，经济增长的动力来自两个方面：一是要素投入数量与质量；二是既定要素投入下的产出增进，也就是全要素生产率的提升。一个社会能否取得最大产出量，不仅取决于投入生产的要素量的多寡，更取决于这些要素是否得到有效配置。
如果用全要素生产率来衡量经济增长的方式，则全要素生产率在经济增长率中所占比重较低的经济增长属于粗放型经济增长，反之则是集约型经济增长。根据全要素生产率的要求，实现集约型增长方式的关键是改善资源配置的效率，提高资源的质量以及技术进步。
我们从生产函数的视角来审视一下中国经济在过去40多年高速增长的情况：在要素投入方面，我们经常提到“人口红利”，大量低成本的劳动力源源不断地投入工业化过程中，对中国经济的增长起到了很大的推动作用；
另外，在过去很长一段时间里，我们通过基建、房地产、土地等投资，形成了大量的，固定资产，以这些资产为抵押品的银行信贷，极大地推进了我国社会信用的扩张，加速了中国经济的“货币化”“资本化”程度，这为中国经济提供了非常稀缺的资本要素；
当然，改革开放之后也涌现出一批批优秀的企业家，其强大的创造力与创新精神不仅带领着企业不断发展，也推动着社会技术与供给能力不断进步。在全要素生产率方面，中国特色的社会主义市场经济体制、土地政策改革、资本市场的一系列创新，都对资源配置效率起到了极大的促进作用。
全要素生产率，本质上是一种资源配置效率，要素组织和资源配置效率的改善、规模经济、知识和技术的发展及其在生产上的应用，都是影响全要素生产率的重要因素。回顾中国经济高速增长的几十年，中国经济的本质问题，是经过高速增长阶段之后，在工业化进程几乎已经结束时，如何保持全要素生产率的增速，这是中国经济在未来必须直面的、最重要的第一性问题。
在我们看来，提高全要素生产率最重要的举措有两条：一是推动“数字新基建”，推动产业的数字化转型；二是更彻底的改革、开放与要素市场的制度化建设，解除生产要素的流动枷锁。而数据要素的流动性和价值释放，就是其中的重中之重，这也是组建国家数据局在顶层设计上的战略意义。
接下来，我们再来剖析一下数据要素对于这个时代到底有什么战略意义。
根据“索洛模型”，Y=A*F（R，L，K，E，……），A代表全要素生产率，F代表关键要素，包括了土地和自然资源（R），劳动力（L），资本（K），企业家才能（E）。
在人类的物质文明发展史上，人、土地、资本、技术在不同的生产力水平阶段，相继成为关键要素，并开启一波新的财富浪潮，率先把握住这些关键要素的人和企业，都会迅速崛起成为新贵。
数字经济狂飙二十年，随着大数据和人工智能日趋成熟，数据成为关键经济要素已经成为时代共识，故而，索洛模型可以调整为：Y=A*F（R，L，K，E，D……），D就是数据。然而，数据这一关键要素，又与其他过往各类关键要素有所不同，主要表现在以下几点：
使用的非排他性
一个人使用了某样数据，并不影响其他人对它的使用；不同的搜集者可以对同一数据源进行数据搜集，互不干扰。
零边际成本
信息的复制与传播成本较低，比特化的数据复制几乎不存在成本。尤其是受摩尔定律影响，大数据及信息传输技术快速进步，信息存储、传输和处理的成本将呈几何级数下降。
累积溢出效应
在现有的技术条件下，规模太小，或者维度太少的数据对于分析是没有意义的。随着数据规模的增大、维度的增加，可能从数据中挖掘出的价值将会呈现出几何级数的上升。
高流动性
不同生产要素存在流动性差异。劳动的流动性要高于土地，技术的流动性要高于劳动，资本的流动性要高于技术，数据的流动性要高于资本。生产要素的流动性差异会影响产品或服务的价值形成过程。流动性越强的生产要素越容易集聚、累积，发挥乘数效应，并可能进一步重构流动性弱的生产要素的资源配置状态。
正是因为数据具有以上特性，所以数据这个要素在数字化基建的加持下，它不仅仅是关键要素（F）的新成员，还为全要素生产率（A）注入了新的能量，让原有生产要素的存在形态和连接方式发生变化，成为赋能其他一切关键要素降本增效的乘数要素。
换言之，数据和数字化不仅在为关键要素（F）做加法，还在为全要素生产率（A）做乘法。对数据要素的确权、定价、交易、流转将再次释放巨大的价值。
正如大数据时代的顶级预言家维克托·迈尔-舍恩伯格在其新书《数据资本时代》中所指出的：大数据和算法时代，将迎来市场的复兴。
数据本体的改进会帮助我们从大量的数据流中提取出有价值的数据，并对其进行多维度分类；匹配算法的进步使我们能够在市场中找到并选择最佳交易伙伴；机器学习系统通过观察我们，可以识别出我们的个人偏好，以及赋予不同偏好不同的权重，甚至当我们做出偏颇的决策时，机器学习系统还会发出提醒，并在我们做出选择时提出建议。
这些技术如果结合起来，将会使我们成为强大的买家或卖家，不仅会使参与者受益，而且将会大大改善整个市场，使其成为协调人类活动的最有效场所。如何让数据匹配机制替代价格机制失灵之处？这需要建立在获取丰富且全面的数据，以及将数据转化为决策的能力之上。