为了成功运营而收集、汇总和分析数据的过程对公司来说并不是什么新鲜事。然而，近年来，公司使用的数据的数量和种类急剧增加。至关重要的是，越来越多地使用数据作为生产中的(未经测量的)投入，可能会导致产出和生产率等关键经济统计数据严重缺陷(OECD 2020年)。
2019冠状病毒病正在加速我们私人和职业生活的数字化转型(Coyle和Nguyen 2020)，将数字商业模式推向经济的最后一个角落。这也意味着越来越多的数据被生产出来，并被用于创造新的产品和服务。无论是从数据治理的角度(Savona 2020, Aaronson 2020)，还是从数据所有权和隐私监管的角度(Bergemann等人2020,Jones和Tonetti 2020)，都广泛讨论了数据价值的作用。这些都是重要而紧迫的问题，有助于更好地理解数据的经济价值，并有助于发展经得起未来考验的经济统计。
在最近的一篇论文(Nguyen and Paczos 2020)中，我们更详细地讨论了其中一些问题。我们开发了一个基于企业如何将数据货币化的框架，并提出了与数据经济价值相关的数据类型和特征的分类法。根据现实世界的例子，我们讨论了企业用于将数据货币化的策略，并区分了四种主要类型:
1.数据的销售或许可
2.销售全新的数据相关产品
3.利用数据来改进或增强现有产品
4.利用数据提高整体生产能力和效率
在这个框架的基础上，我们提出了企业可以成为的概念数据功能或data-enhanced．一般来说，数据支持的企业已经制定了完全依赖数据的创收战略。如果没有大量数据和先进的数据分析，它们就不可能存在(另见Li等人2019年关于衡量在线平台数据价值的文章)。另一方面，数据增强的企业利用数据来更好地协调现有的业务操作，促进决策，并引入改进的商品和服务。然而，数据和数据分析并不能改变或决定他们的核心业务模式。
我们将这些策略放在一个跨不同商业模式的数据货币化策略框架中(见图1)，该框架可用于评估企业依赖数据产生收入的程度。
图1框架:跨业务模式和部门的数据货币化
为了进一步研究数据在价值生成过程中的使用方式，我们详细阐述了由数据收集、聚合、分析和货币化四个阶段组成的“数据价值链”的概念。考虑到数字化能够实现不同阶段的物理分离，我们得出在不同阶段之间移动必然涉及数据流。虽然这些流动通常发生在数据中心和单一国家内，但原则上也可以跨越多个国家和司法管辖区。
因此，跨境数据流动与经济价值的创造直接相关(Tomiura et al. 2019)，特别是因为在许多国家复制阶段的成本往往高得令人望而却步。最后，由于数据货币化本身可以用来收集更多的数据，我们建议将“链”更好地称为“周期”(见图2)。
我们继续回顾现有的数据分类法，这些分类法在考虑数据的经济(或业务)价值时很有用。这很有用，因为人们需要同时考虑存在的不同类型的数据(例如个人的，非个人的)以及使数据有价值的特定特征(或一些数据比其他数据更有价值)。
我们得出结论，有几种方法可以将数据结构成不同的类型。人们可以强调数据的使用或访问权利，数据的主题或来源，数据生成的方式(例如机器生成还是用户生成)，或资金来源(就谁为数据收集付费而言)。就特征而言，数据通常更有价值，如果它们是可链接的、可访问的、分类的、及时的、值得信赖的、有代表性的和稀缺/排他性的。
虽然我们在论文中更详细地讨论了这些类型和特征，但我们意识到这不是一个详尽的列表，还有无数其他类型和特征可以指定。我们的目标是捕捉最重要的维度(未来可能会发生变化)，并将重叠最小化。
图2数据值周期
在本文的最后一部分，我们转向经济测量和不同方法的可行性。例如，基于成本的方法已被证明在加拿大有效(加拿大统计局2019年);其他基于市场价格或实际数据驱动收入的方法更具实验性，开发程度较低。
我们提出了一个概念性框架，旨在推进关于现代经济中越来越多地使用数据和数据流所带来的测量挑战的急需的辩论。然而，随着数据成为地球上最重要(也是最有价值)的经济资源之一，未来几年还需要进行更多的研究和讨论。我们需要问:‘除了在公司资产负债表上，我们是否到处都能看到数据?”
参考文献
Bergemann, D, A Bonatti和T Gan(2020)，”《社会数据经济学》，考尔斯经济学研究基金会讨论论文。
Aaronson, S A(2019)，”数据是一个发展问题， CIGI第223号文件。
Coyle, D和D Nguyen(2020)，“评估线上和线下商品:新冠肺炎的影响”,Covid经济学33: 110 - 124。
经合组织(2020),衡量数字经济的共同框架路线图经合组织《G20数字经济工作组报告》，经合组织出版社，巴黎。
琼斯，C I和C托内蒂(2020)，“非竞争与数据经济学””,美国经济评论岩石力学与工程学报，39(9):2819-58。
Li, W C Y, M Nirei和K Yamana(2019)，”数据的价值:数字经济中没有免费的午餐， RIETI讨论论文19-E-022。
Nguyen, D和M Paczos(2020)，“衡量数据和跨境数据流的经济价值:业务角度， OECD数字经济论文第297号，OECD出版社，巴黎。
Tomiura, E, B Ito和B Kang(2020)，”跨国传输数据的公司特征:来自日本公司级数据的证据，讨论论文No.20-E-048，东京经济贸易工业研究所。
萨沃纳，M (2019a)， "数据的价值:朝向重新分配数据的框架， SPRU工作文件2019-21。
加拿大统计局(2019)，”加拿大数据的价值:实验性估计， 7月10日。
