由国家金融与发展实验室副主任杨涛主编的《数据要素：领导干部公开课》近日由人民日报出版社出版发行。本文为该书序言，阐述数据要素对于劳动力、资本、技术等传统要素的价值。
撰文：杨涛，中国社会科学院国家金融与发展实验室副主任杨涛
2020年4月9日，《中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见》正式对外发布，这是中央关于要素市场化配置的第一份文件。《意见》首次将数据与土地、劳动力、资本、技术等传统要素并列为生产要素，并提出「健全生产要素由市场评价贡献，按贡献决定报酬的机制」。这正是对近年来数据在推动经济发展、提升政务效率、加强社会治理等方面发挥的重要作用的充分肯定，也是引领数字经济时代发展的开创之举。
从宏观角度看，党的十九大报告提出要提高全要素生产率。近些年来，经济下行往往归因于TFP下行，这也源于人口红利的弱化、技术贡献度乏力，以及经济结构调整带来的影响。
进一步看，全要素生产率通常指资源开发利用的效率。从经济增长的角度来说，生产率与资本、劳动等要素投入都贡献于经济的增长。从效率角度考察，生产率等同于一定时间内国民经济中产出与各种资源要素总投入的比值。实际上，伴随着数据要素价值的逐渐体现，不仅对不同生产要素都带来深刻影响和广泛冲击，自身的要素贡献也不容忽视，而且更是改变着要素综合利用的生态环境与有机模式。对此，充分发挥数据要素的作用，提升新技术贡献度，正是解决矛盾的重要着力点。
数据：距离LTC减半剩余约10天:金色财经报道，数据显示，距离莱特币（LTC）区块奖励减半时间还有约10天（5,868个区块），减半预计在8月2日进行，届时区块奖励将从12.5 LTC 降至6.25 LTC。[2023/7/23 15:53:33]
众所周知，数据是近年来最时髦的话题之一。对于「大数据」，研究机构Gartner的定义为：「大数据」是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。麦肯锡全球研究所的定义是：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。
可以看到，除了对社会组织、公共服务、人们生活等产生的影响之外，这一数据热潮背后的关注焦点其实还是商业模式，即相关数据仓库、数据安全、数据分析、数据挖掘等围绕大数据的商业利用价值。
在中国市场化改革过程中，数据要素之所以引发如此令人瞩目的关注，也是传统文化理念的巨大差异使然，「大概齐、差不多」的习惯深入人心，公共决策、商业选择、个人行为中充斥着「拍脑袋」现象。当然，这种模糊管理下的信息不对称，亦可能成为另外一种既定利益格局的存在基础。正因为此，当信息爆炸时代快速来临之际，对于打破数据垄断、提高信息透明度、发掘数据财富价值的强烈意愿，迅速在社会不同层面呈现。
Fireblocks报告BitGo TSS钱包存在漏洞，现已修补:金色财经报道，数字资产安全平台 Fireblocks 在加密货币托管公司 BitGo 的阈值签名方案 (TSS) 钱包中发现了一个严重漏洞，使其用户的私钥面临被潜在黑客攻击的风险。据悉，BitGo 在得知该漏洞后于 2022 年 12 月立即暂停了受影响的钱包服务，该漏洞被称为“BitGo 零证明漏洞” 。该公司随后于 2023 年 2 月发布了一个补丁来解决标记的问题，并通知客户在 3 月 17 日之前更新他们的系统。（The block）[2023/3/17 13:11:05]
大数据的历史，可追溯到19世纪末。美国统计学家赫尔曼·霍尔瑞斯为统计1890年的人口普查数据发明了一台电动器来读取卡片上的洞数，该设备用一年时间就完成了原本需耗时8年的人口普查工作，数据处理由此进入新纪元。跨入21世纪，随着云计算等信息技术高速发展，以及社交网络的普及化，大数据被进一步赋予了全新的含义。应该说，在数据化发展严重不足的背景下，我国经济社会发展中强调数据要素的作用，其积极意义非常深远。相较而言，当前世界各国都把推进经济数字化作为实现创新发展的重要动能，在前沿技术研发、数据开放共享、隐私安全保护、人才培养等方面做出了前瞻性布局。
全球移动出行聚合平台Splyt宣布与Binance达成合作:6月14日消息，全球移动出行聚合平台Splyt宣布与Binance达成合作。Splyt将在Binance Marketplace上向用户提供网约车服务，并支持加密货币支付。[2022/6/14 4:25:42]
从微观具体问题看，大数据与互联网、人工智能等技术的飞速发展分不开。金融信息的高速集聚和流动，催生了一批大型金融信息提供商，如成立于1981年的美国彭博资讯。大数据、金融信息与信用管理之间具有天生的内在联系，尤其随着各国小微企业融资和消费金融的迅速发展，金融信息管理日益与信用管理结合起来，多层次的信用信息供给体系更加完善，这对于推动金融交易效率、降低成本和风险起到了重要作用。
需要看到的是，互联网环境下的电子商务、社交网络等，能够发掘和集聚全新的信息资讯，而在搜索引擎和云计算的保障下，又可以低成本建设金融交易信息基础设施，如金融资讯服务、信息中介平台等。实际上，基于大数据挖掘而产生的征信手段创新，能够培育新的金融信贷服务客户。例如，金融科技类企业之所以能够助力小微企业贷款，是因为对小企业来说，缺乏信用评估和抵押物往往难以从传统金融机构获得融资支持，而通过新型数据发掘，可以充分展现小企业的「虚拟」行为轨迹，从中找出评估其信用的基础数据及模式，由此给小微企业信用融资创造条件。当然与国外相比，国内的社会信用管理、金融信息管理都还处于起步阶段。
公告 | BigONE “熊保宝”理财上线二期:据官方公告，BigONE交易平台将于12月17日16点上线“熊保宝”二期BTC理财产品。本期共50BTC总额度，最低0.1BTC起投，投资期限分为10天和45天。
据悉，“熊保宝”是BigONE近期上线的高浮动收益的理财产品。本产品首期总额度20BTC，上线后1分钟投满。[2019/12/16]
与此同时，也要避免走向另外的极端，这就需要相应的冷思考。在大数据的推动者之中，一方面各类新兴互联网企业成为主力，另一方面传统企业也在着力跟随，其根本动力都是发掘新的商业利润来源，以弥补中国经济转型期的投资迷茫。在此过程中，对于个人的利益和诉求还缺乏合理的认识和定位。虽然大数据对进一步理解和服务消费者起到重要作用，但与此同时，一是无序的、低效的、无用的信息轰炸，往往给个人带来「信息过度」的不佳体验。二是在数据成为财富的狂热驱动下，对于个人信息权利的侵犯几乎无处不在。尤其在我国缺乏对个人信息保护的规则，数据过度采集有可能带来更多的争议，反而影响到数据的合理利用进程。
另外，值得我们思考的是，如果原始数据的产生机制，或者保障信息传播准确的外部环境存在问题，那么大数据的技术是否会随之产生更大的信息扭曲？从金融市场的角度来看，大数据在深刻改变高频交易方式、信贷风险判断等环节的同时，也带来了其他潜在风险的积累。如信息误读造成的市场波动突然被放大，以及难以监管的金融产品创新。可以说，在诸多领域都缺乏法律游戏规则约束，更缺乏职业道德约束的情况下，如果初始数据存在问题，那么在此基础上进行的大数据分析，只能起到「南辕北辙」的效果。一旦数据本身的问题太多，则只会带来大数据的灾难。
我们知道，信息不对称的后果是扭曲市场机制，误导市场信息，造成市场失灵。如果处在普遍的信息数据缺乏状态下，经济行为的不确定性也会增加，往往会降低市场效率。反之，如果是海量「冗余信息」也会带来过犹不及，因为即便是20世纪末所谓「信息爆炸」年代，也没有当前阶段如此快速的信息积累。据统计，互联网上的数据每两年翻一番，而全球绝大多数数据都是最近几年才产生的。面对似乎逐渐「供大于求」的数据，如何找到有用的信息成为利用大数据的关键问题。正如美国颇有影响力的预测专家纳特?西尔弗在《信号与噪声》一书中指出的，「如果信息的数量以每天250兆亿字节的速度增长，其中有用的信息肯定接近于零。大部分信息都只是噪声而已，而且噪声的增长速度要比信号快得多。」由此看来，当数据信息铺天盖地而来之时，也可能距离真相与知识越来越远。在现实中，对于一哄而上追求大数据的企业来说，也需要冷静思考下，在信息过度充分的年代，如何真正提取和利用有价值的数据。
大数据如同一把双刃剑，正如许多好莱坞电影中政府对公众无所不在的监控，也表达了现代人对个人信息安全失控的担忧。斯诺登和棱镜事件，则进一步在全球范围的国家之间提出这一疑问。一方面，在不可避免地拥抱大数据时代之前，可能更需要加强对其潜在风险的认识，做好基础性建设工作，如基础数据净化、个人信息保护、国家信息安全等。另一方面，大数据既可用来推动新商业模式的演进，也需要用来通过「抓坏蛋」，间接促进社会信息环境的完善，从而夯实大数据的根基。
总之，新形势下需要充分发挥数据这一新型要素对其他要素效率的倍增作用，培育发展数据要素市场，使大数据成为推动经济高质量发展的新动能。而对于数据基本内涵与质量、市场交易与定价、宏观意义与微观价值、制度保障与支持等，也都是亟待研究的重要命题。
在上述背景下，近年来，国家金融与发展实验室金融科技研究中心、金融科技50人论坛、腾讯金融研究院、北京立言金融与发展研究院共同推动了一系列与数据要素相关的学术研讨，产生了较好的影响。为了面向各界读者进一步通俗易懂地阐述相关知识，我们邀请权威专家学者围绕数据要素的概念范畴、发展状况与价值、面临的挑战、未来展望等，从不同角度进行深入探讨和剖析，希望能够帮助广大党员、干部、群众对这一重大现实问题有更全面的理解。
本书编写时间紧、任务重，各位专家学者给予大力支持，在此谨表诚挚谢意。同时，数据要素领域的研究比较前沿，遇到的问题、研究的层次也各不相同。参与本书编写的各位专家从各自的逻辑视角出发，进行了丰富的论证和研讨。虽然有些观点和看法存在较大差异，但也表明了数据要素领域的研究正呈现百花齐放、百家争鸣的特征。敬请各位读者批评、指正。
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。