Scientific journal

Fundamental research

ISSN 1812-7339

"Перечень" ВАК

ИФ РИНЦ = 1,798

Введение

В последние десятилетия глобальная социально-экономическая система претерпевает мощную трансформацию, связанную не просто с наличием данных, которые существуют во всех секторах экономики и науки, а с резко возросшей стратегической ролью технологических возможностей их сбора, обработки и использования.

Рост объема создаваемых и потребляемых данных в мире (2010–2028) (в зеттабайт) Примечание: составлен авторами на основе источника: Statista. [Электронный ресурс]. URL: https://www.statista.com/statistics/871513/worldwide-data-created/ (дата обращения: 10.12.2025)

Причиной этого сдвига является не то, что данные имеются, а возникновение новых инфраструктур, стандартов, цифровых платформ и алгоритмов искусственного интеллекта, делающих возможной переработку огромных массивов разнородных данных в ценные ресурсы и новые формы экономической деятельности.

Стремительный рост ежегодного объема создаваемых данных в мире наглядно отражается статистикой: в 2023 г. объем генерируемых данных оценивается в 120 зеттабайт (ежедневно создается около 330 млн терабайт данных), а в 2025 г. прогнозируется его увеличение в 1,5 раза, до 181 зеттабайта1. На рисунке представлен график роста объема создаваемых и потребляемых данных в мире (2010–2028)2, он наглядно демонстрирует именно экспоненциальный характер роста в последние годы: 2010–2015 – умеренный линейный рост, а 2020–2028 – резкое ускорение, когда объем данных удваивается каждые 2–3 года. Эти данные подтверждают тезис о том, что мы перешли от этапа «накопления» к этапу «гипергенерации» данных, что требует смены экономических моделей управления этим ресурсом.

В России Ассоциация больших данных (объединяет в том числе «Яндекс», VK и «Сбер») представила стратегию развития рынка до 2030 г. Вариант «Опережающий» предполагает эффект для ВВП в размере 12,5–14,5 трлн руб. (5,1–6,6% ВВП) до 2030 г., однако он потребует в том числе форсированного внедрения технологий Big Data и ИИ в экономику3.

Следует подчеркнуть, что экономическая категория «данные» принципиально отличается от категории «информация», традиционно характеризующей ресурсы, снижающие неопределенность для экономических агентов. В современной экономике сырые данные превращаются в самостоятельный фактор производства, который используется различными компаниями и государствами для создания новых рынков, продуктов и услуг.

В отличие от предыдущих этапов развития, где данные часто были лишь побочным продуктом деятельности организаций, сегодня они становятся объектом стратегического управления и инвестирования, а их объем, качество и доступность определяют конкурентоспособность хозяйствующих субъектов и ускоряют внедрение цифровых платформ, искусственного интеллекта и роботизации [1, с. 172]. Этот эффект характерен не только для технологических гигантов вроде Google, Amazon и Alibaba [2, с. 31], но и практически для всех развитых экономик, которые, как показывает запуск национального проекта «Экономика данных» в России, формируют отдельные государственные программы, ориентированные на развитие инфраструктуры и правового регулирования сферы данных как самостоятельного ресурса экономического роста.

Несмотря на повсеместное признание важности данных, экономическая наука сталкивается с концептуальным кризисом. Классические и неоклассические теории, построенные на анализе дефицитных (конкурентных) ресурсов, оказываются неспособны адекватно описать экономическую природу данных. Такие их свойства, как неконкурентность в потреблении (использование данных одним агентом не препятствует их использованию другим), практически нулевые предельные издержки копирования и распространения, а также мощные сетевые эффекты, входят в прямое противоречие с базовыми постулатами традиционных моделей. Попытки отнести данные к категории «нематериального капитала»4 или «интеллектуальных активов»5, хотя и являются шагом в верном направлении, представляют собой паллиатив, не отражающий их уникальной роли как самостоятельного фактора производства и основы для создания новых рынков. Возникает критический разрыв между экономической реальностью и теоретическим аппаратом для ее описания, что и составляет ключевую научную проблему.

В настоящее время в научной литературе активно предпринимаются попытки осмыслить эти изменения, анализируя трансформацию отдельных отраслей и функций под влиянием экономики данных. Например, изучаются процессы цифровизации логистических операций, где данные и цифровые платформы позволяют оптимизировать цепочки поставок и повысить операционную эффективность предприятий [3]. Другим важным направлением является исследование персонализации предложений и управления продажами, где сбор и анализ клиентских данных становятся ядром для создания конкурентных преимуществ и повышения лояльности [4]. В фокусе внимания находятся и приоритеты цифровой трансформации промышленных предприятий, для которых внедрение аналитики больших данных, промышленного интернета вещей (IIoT) и роботизации становятся условием выживания и роста в новой конкурентной среде [5].

Актуальность исследования обусловлена фундаментальной трансформацией мировой экономической системы, в которой данные становятся ключевым ресурсом и драйвером развития, сопоставимым по значимости с традиционными факторами производства (трудом и капиталом). В условиях экспоненциального роста объемов данных и цифровизации всех сфер жизни происходит смена парадигмы социально-экономического развития. Традиционные экономические теории, базирующиеся на принципах дефицита ресурсов и убывающей отдачи, демонстрируют ограниченную применимость для описания феноменов экономики данных, обладающей свойствами неконкурентности, нулевых предельных издержек тиражирования и мощными сетевыми эффектами. Критически важным становится преодоление теоретического вакуума и разработка нового концептуального аппарата, способного объяснить механизмы создания стоимости в условиях датафикации, природу платформенных рынков и социально-экономические последствия (цифровое неравенство, трансформация рынка труда) перехода к новой модели хозяйствования. Без глубокого осмысления этих процессов невозможна выработка эффективных стратегий государственного регулирования и обеспечения национальной конкурентоспособности в XXI в.

Цель исследования заключается в концептуальном обосновании экономики данных как новой парадигмы социально-экономического развития, включающем выявление специфических свойств данных как экономического ресурса, описание механизмов создания стоимости на основе датафикации и алгоритмической обработки, а также анализ ключевых социально-экономических последствий перехода к данной парадигме для государства, бизнеса и общества.

Научная новизна исследования заключается в обосновании статуса экономики данных как самостоятельной парадигмы социально-экономического развития, качественно отличной от индустриальной модели. В рамках единого концептуального анализа систематизированы фундаментальные отличия данных как экономического ресурса от традиционных факторов производства, доказывающие ограниченность классических теорий дефицита, и выявлена и теоретически обоснована природа парадигмального сдвига, заключающаяся в переходе от линейных цепочек добавленной стоимости к цикличным экосистемным моделям с положительной обратной связью. Практическая значимость работы определяется возможностью использования предложенного теоретического каркаса для государственного управления для разработки стратегий цифрового развития и адаптации антимонопольного законодательства к реалиям платформенных рынков, где доминирование определяется не ценами, а контролем над потоками данных и бизнеса для формирования корпоративных стратегий трансформации традиционных бизнес-моделей в экосистемные, основанные на капитализации данных и сетевых эффектах.

Материалы и методы исследования

Методологическую основу данного исследования составил комплекс общенаучных и специальных методов познания, позволяющих рассмотреть экономику данных как многомерный феномен, трансформирующий социально-экономическую реальность. Исследование базируется на системном подходе, в рамках которого экономика данных интерпретируется как сложная самоорганизующаяся система, включающая в себя технологическую инфраструктуру (цифровые платформы), экономические агенты (производители и потребители данных), институциональные нормы и специфические механизмы взаимодействия (сетевые эффекты). Такой подход позволил выявить эмерджентные свойства системы, не сводимые к сумме свойств ее отдельных элементов, в частности феномен возрастающей отдачи от масштаба в условиях датафикации.

Для уточнения категориального аппарата и демаркации ключевых понятий («данные», «информация», «знания», «цифровой актив») применялся метод концептуального анализа. Он позволил выделить сущностные характеристики данных как экономического блага: неконкурентность, неисчерпаемость и рекомбинаторный потенциал – и обосновать их фундаментальное отличие от традиционных факторов производства (труда и физического капитала), анализируемых в рамках классической экономической теории.

Ключевым методологическим инструментом выступил парадигмальный подход, восходящий к работам Томаса Куна о структуре научных революций [6, с. 226]. В контексте данной статьи он был адаптирован для анализа социально-экономической динамики, что позволило интерпретировать переход к экономике данных не как линейную эволюцию, а как качественный скачок – смену парадигм. Данный метод использовался для идентификации кризиса существующей теоретической модели («индустриальной парадигмы»), проявляющегося в накоплении аномалий (например, «парадокс производительности», нулевая цена цифровых сервисов), которые не находят объяснения в рамках традиционных доктрин.

Для верификации гипотезы о парадигмальном сдвиге применялся сравнительный анализ, и с его помощью было проведено сопоставление индустриальной и датацентричной моделей хозяйствования по ряду критериев: доминирующему типу ресурсов, механизмам создания и присвоения стоимости, характеру конкуренции и организационным формам бизнеса. Эмпирической базой для сравнения послужили данные международных аналитических агентств (IDC, Gartner), отчеты глобальных институтов развития (Всемирный банк, ОЭСР), а также кейс-стади ведущих технологических корпораций (Alphabet, Amazon, Alibaba), демонстрирующие практическую реализацию моделей монетизации данных.

Информационную базу исследования составили труды зарубежных и отечественных ученых в области цифровой экономики, институциональной теории и стратегического управления, нормативно-правовые акты, регулирующие оборот данных в различных юрисдикциях (GDPR), и стратегические документы национального уровня в сфере цифрового развития.

Результаты исследования и их обсуждение

Фундамент классической и неоклассической экономической теории базируется на анализе факторов производства, ключевыми из которых традиционно считаются труд, земля и капитал. Центральной характеристикой этих факторов является их дефицитность и конкурентность в потреблении. Использование единицы физического капитала или участка земли одним экономическим агентом исключает возможность одновременного и полноценного использования этой же единицы другим, и именно этот принцип лежит в основе теории предельной полезности, механизмов ценообразования и моделей рыночного равновесия.

С распространением цифровых технологий экономисты столкнулись с феноменом данных, которые принципиально не вписываются в эту систему координат. Можно выделить следующие их фундаментальные отличия от традиционных экономических благ:

− неконкурентность в потреблении, поскольку один и тот же набор данных, будь то массив транзакций, геолокационных треков или медицинских записей, может одновременно использоваться неограниченным числом пользователей и алгоритмов без потери первоначальной ценности, и это свойство разрушает классическое представление о распределении ограниченного блага и требует пересмотра моделей ценообразования [7];

− нулевые предельные издержки воспроизводства: после того как данные собраны, очищены и структурированы, стоимость их копирования и передачи посредством цифровых сетей стремится к нулю, и это входит в противоречие с законом убывающей предельной производительности, характерным для физического капитала, и создает предпосылки для экспоненциального масштабирования бизнес-моделей;

− сетевые эффекты и положительная обратная связь: в отличие от большинства традиционных благ, ценность данных растет по мере увеличения их объема, разнообразия и количества пользователей, их генерирующих, то есть возникает цикл положительной обратной связи, описанный формулой: «больше данных → лучше алгоритмы → качественнее сервис → больше пользователей → еще больше данных» [8, с. 18], который ведет к естественной монополизации рынков и формированию структур по принципу «победитель получает все»;

− неисчерпаемость и способность к рекомбинации, поскольку данные не истощаются при использовании, а наоборот, их анализ часто порождает новые, еще более ценные данные (производные данные, инсайты). Комбинирование различных наборов данных может приводить к синергетическому эффекту, создавая ценность, многократно превышающую сумму ценностей исходных наборов [9, c. 44].

Попытки интегрировать данные в существующие теоретические рамки привели к активному использованию концепции «нематериальных активов» или «информационного капитала». Однако этот подход, при всей его полезности для бухгалтерского учета и оценки компаний, лишь частично решает проблему. Он рассматривает данные как один из видов капитала, игнорируя их способность фундаментально изменять природу других факторов производства: так, труд все больше осуществляется с использованием данных (платформенная занятость, алгоритмический менеджмент), а физический капитал (станки, автомобили, здания) становится «умным» благодаря встроенным датчикам и постоянным потокам данных (концепция Индустрии 4.0 и Интернета вещей).

Таким образом, данные выступают не просто как новый вид активов, а как метаресурс, трансформирующий всю экономическую систему, и это указывает на исчерпание объяснительной силы традиционных парадигм и на настоятельную необходимость формирования новой теоретической рамки, способной адекватно отразить эту нарождающуюся реальность.

На смену индустриальной экономике, основанной на переработке материальных ресурсов, приходит новая модель, которую определяют как «экономика данных». Признанием этого сдвига на государственном уровне в России стал старт Национального проекта «Экономика данных и цифровая трансформация государства» в начале 2025 г.

В рамках настоящего исследования предлагается следующее определение: экономика данных – это система социально-экономических отношений, в которой сбор, обработка и анализ больших данных с помощью алгоритмов становятся основным источником создания добавленной стоимости, а цифровые платформы выступают ключевой инфраструктурой организации хозяйственной деятельности.

В основе этой системы лежит процесс датафикации – превращение ранее неквантифицируемых явлений, процессов и социальных взаимодействий в измеряемые и анализируемые данные [9, с. 97]. Примерами служат «лайки» в социальных сетях, датафицирующие социальное одобрение; фитнес-трекеры, датафицирующие физическую активность; GPS-треки, датафицирующие перемещение в пространстве – и этот процесс позволяет извлекать экономическую ценность из тех сфер жизни, которые ранее находились за пределами рынка.

Ключевыми элементами, образующими ядро парадигмы экономики данных, являются:

− данные как актив: в новой экономике данные часто называют «новой нефтью», подчеркивая их роль в качестве сырья для производства инновационных продуктов и услуг, но при этом, в отличие от нефти, ценность представляют не столько «сырые» данные, сколько результаты их обработки и анализа (инсайты), и данные становятся стратегическим активом, определяющим рыночную капитализацию и конкурентные преимущества компаний;

Сравнительный анализ индустриальной парадигмы и парадигмы экономики данных

Примечание: составлена авторами на основе источников [3; 4; 5; 8]

− алгоритмы и искусственный интеллект (ИИ): если данные – это «новая нефть», то алгоритмы – это «перерабатывающие заводы», а технологии машинного обучения, нейросети и другие методы ИИ позволяют извлекать из огромных и зашумленных массивов данных скрытые закономерности, строить предиктивные модели и автоматизировать принятие решений, от персонализации рекламы до диагностики заболеваний, и ценность создается в неразрывной связке «данные плюс алгоритм» [10, с. 125];

− цифровые платформы – это доминирующая организационная форма экономики данных, поскольку платформы: социальные сети, маркетплейсы, поисковые системы – выступают как многосторонние рынки, которые не производят контент или товары, а организуют взаимодействие между различными группами пользователей, извлекая ценность из генерируемых ими данных [11], создают инфраструктуру для датафикации и являются основными бенефициарами сетевых эффектов;

− сетевые эффекты являются двигателем роста и концентрации в экономике данных, платформа с большим числом пользователей привлекает еще больше пользователей и поставщиков услуг (прямые и перекрестные сетевые эффекты), что создает мощные барьеры для входа конкурентов и ведет к формированию олигополистических или монополистических рыночных структур6.

Эти четыре элемента, тесно связанные друг с другом, образуют самоподдерживающуюся систему, функционирующую по законам, кардинально отличным от законов индустриальной эпохи.

Использование термина «парадигма» в контексте экономики данных не является простой метафорой, поскольку если опираться на концепцию парадигмальных сдвигов Томаса Куна, предложенную им для описания научных революций, и экстраполировать ее на анализ социально-экономического развития [6, с. 226], то научная революция происходит тогда, когда существующая парадигма – система взглядов, методов и общепринятых аксиом – сталкивается с «аномалиями», которые не может объяснить, и в итоге вытесняется новой, несовместимой со старой, и переход к экономике данных демонстрирует все признаки такого сдвига. В таблице представлен сравнительный анализ индустриальной парадигмы и парадигмы экономики данных по ключевым критериям.

Данный анализ показывает, что экономика данных не просто добавляет новый элемент в существующую систему, а изменяет сами «правила игры» и фундаментальные принципы хозяйственной деятельности. Происходит смена ключевых экономических задач, и вместо вопроса «Как эффективно распределить дефицитный ресурс?» вопросы «Как создать ценность из избыточного ресурса?», «Как оценить актив, который можно использовать бесконечно и одновременно?», «Как регулировать рынки с врожденной тенденцией к монополизации?» выходят на первый план.

Происходит смена фундаментальных установок: экономическая мысль, веками строившаяся на принципе дефицита, вынуждена осмыслять феномен изобилия данных. Модель создания стоимости смещается от производства материальных благ к управлению потоками информации и, как утверждает Шошанна Зубофф, к предсказанию и модификации человеческого поведения [12, c. 300]. Этот сдвиг является системным, он затрагивает не только экономику, но и социальную структуру, политические институты и культуру, что позволяет с полным основанием говорить о нем как о полноценном парадигмальном сдвиге, определяющем контуры общества XXI в.

Парадигмальный сдвиг к экономике данных порождает глубокие, комплексные и зачастую противоречивые последствия, которые проявляются на всех уровнях общества.

На макроэкономическом уровне:

− трансформация источников роста и «парадокс производительности», то есть, с одной стороны, экономика данных создает целые новые отрасли и рынки (облачные вычисления, аналитика больших данных, разработка ИИ-сервисов), которые вносят вклад в ВВП, а с другой стороны, экономисты фиксируют замедление роста совокупной факторной производительности в развитых странах, что получило название «парадокс производительности 2.0» [10, с. 48], и одно из объяснений заключается в том, что многие цифровые блага – поисковые системы, социальные сети, онлайн-карты – предоставляются пользователям бесплатно в обмен на их данные, и их вклад в благосостояние не отражается адекватно в традиционных показателях ВВП;

− рост значимости нематериальных инвестиций: происходит структурный сдвиг в инвестициях – корпорации все больше вкладывают средства не в станки и здания, а в программное обеспечение, базы данных, патенты, бренды и организационные ноу-хау, и это требует пересмотра национальных счетов и моделей оценки национального богатства.

На микроэкономическом уровне (уровне рынков и фирм):

− доминирование платформ и рост рыночной концентрации: сетевые эффекты и экономия на масштабе обработки данных приводят к беспрецедентной концентрации рыночной власти в руках нескольких технологических гигантов (GAFAM в США, BAT в Китае), что создает угрозу для конкуренции, подавляет инновационную активность независимых стартапов и ставит в зависимое положение миллионы малых предприятий и индивидуальных поставщиков услуг [2];

− эволюция бизнес-моделей: наблюдается массовый переход от продажи продуктов к сервисным моделям «всё как услуга», моделям подписки и фримиум-моделям, основанным на косвенной монетизации данных, и ценность смещается от самого продукта к данным, которые генерируются в процессе его использования, и к экосистеме сервисов вокруг него.

На уровне индивидов и общества – социальные трансформации:

− поляризация рынка труда: автоматизация на основе ИИ и анализа данных приводит к вытеснению работников, занятых рутинными когнитивными и физическими операциями, одновременно растет спрос на высококвалифицированных специалистов: Data Scientists, ИИ-инженеров, специалистов по кибербезопасности – и на работников креативных и социальных профессий, требующих эмпатии и нешаблонного мышления [13]. Это ведет к поляризации рынка труда, росту неравенства в доходах и требует создания масштабных систем непрерывного образования и переобучения;

− новые формы цифрового неравенства: если раньше цифровое неравенство понималось как разрыв в доступе к интернету, то теперь оно приобретает новые измерения и возникает алгоритмическое неравенство – разрыв между теми, кто способен понимать, как работают алгоритмы, критически оценивать их результаты и защищаться от манипуляций, и теми, кто является пассивным объектом их воздействия;

− эрозия приватности и «капитализм наблюдения»: в экономической модели, где данные являются главным активом, сбор персональной информации становится тотальным и всепроникающим. Шошанна Зубофф ввела термин «капитализм наблюдения» для описания новой логики накопления капитала, основанной не на производстве товаров, а на предсказании и коммерческой модификации человеческого поведения [12, с. 661].

На уровне государственного управления – институциональные вызовы:

− необходимость нового регулирования, поскольку антимонопольное законодательство XIX–XX вв., ориентированное на контроль цен и долей рынка, оказывается неэффективным против платформ, которые часто предлагают услуги бесплатно, и требуются новые подходы, фокусирующиеся на контроле над данными, обеспечении их переносимости и интероперабельности платформ – ярким примером является Общий регламент по защите данных (GDPR) в Европе [14];

− проблема «цифрового суверенитета»: глобальный, трансграничный характер потоков данных ставит перед национальными государствами сложный вопрос о способности контролировать свою цифровую территорию, защищать данные своих граждан и обеспечивать устойчивость национальной цифровой инфраструктуры [15].

Заключение

Проведенный концептуальный анализ позволяет сделать вывод, что экономика данных представляет собой не просто эволюционный этап развития информационной экономики или «экономики знаний», а качественный парадигмальный сдвиг. Уникальные свойства данных как экономического ресурса: неконкурентность, нулевые предельные издержки, сетевые эффекты – разрушают базовые постулаты традиционных экономических теорий и формируют новую логику создания стоимости, основанную на процессах датафикации, алгоритмической обработке и платформенных бизнес-моделях.

Этот сдвиг влечет за собой фундаментальные и системные социально-экономические последствия: от изменения структуры рынков и источников макроэкономического роста до глубокой поляризации рынка труда и возникновения новых этических дилемм, связанных с приватностью и автономией личности. Признание экономики данных новой парадигмой является необходимым первым шагом к разработке адекватного теоретического аппарата, способного описывать новую реальность, и практических инструментов для управления возможностями и рисками цифровой эпохи.