大数据产业的区位偏好研究

刘 宣 金乐天

(1.中山大学地理科学与规划学院副教授，博士；2.中山大学地理科学与规划学院硕士研究生)

大数据产业的区位偏好研究

刘 宣1金乐天2

(1.中山大学地理科学与规划学院副教授，博士；2.中山大学地理科学与规划学院硕士研究生)

随着信息技术的高速发展，大数据产业正越来越受到重视。目前理论研究和现状实践和均缺乏对大数据产业的区位偏好、空间需求等方面的讨论。本文结合大量实例从大数据产业的产业链出发，分析各环节涉及行业及其区位偏好等特征。研究认为，大数据产业链分为网络服务、数据存储与处理、数据交易、数据挖掘与解决方案、第三方产业和终端设备等六个环节。主要的生产性服务环节中，各企业对自然条件、基础设施、劳动力、主要成本等因素有着不同的要求，区位偏好指向不一，以统一的郊区园区形式提供用地很难满足具体行业需求，需要更为精细的分类用地引导。

大数据；大数据产业；区位偏好

在云计算、移动互联网等技术变革推动下，消息传递变得十分便捷，互联网在人们日常生活中扮演着越来越重要的角色，大数据时代已悄然来临。[1]大数据是指无法在可容忍时间内用传统IT技术和软硬件工具对其进行感知、获取、管理、处理和服务的数据集合，其意义不在于拥有多大规模的海量数据，而在于提取隐藏在海量数据中有价值的信息。[2-3]

伴随着数据爆炸性增长，与大数据相关的数据收集、挖掘、整理、分析等业务形态相继出现，专业公司不断增加，并形成了前后联系的产业链体系。以数据处理为核心、辅助决策为目的的大数据产业正在发展成为一个在信息时代中具有重要战略地位的新兴产业并受到各国相关部门的重视。[4]截至2015年，我国大数据相关产业总体规模达到115.9亿元。[5]基于现有发展的态势和未来的前景，中国政府于2015年出台了《促进大数据发展行动纲要》等一系列政策支持大数据产业的发展，地方政府也在空间布局、产业发展等具体方面出台了一系列规划方案。

新兴产业的发展需要与之特征相适应的空间支撑。现有对大数据产业的研究多关注大数据的战略定位及现状、[6-8]开发技术[9-10]和对其它产业的决策支持[11-13]等，缺乏对大数据产业的区位偏好、空间需求等方面的讨论。本次研究从大数据产业链的环节分解出发，剖析各个环节对应行业的生产运营模式，进而推导出各行业的区位偏好和空间使用特征，以期为未来大数据产业的规划和管理提供借鉴和参考。

一、大数据产业链及相关行业分析

英国著名电信人Kith Willetts曾以俄罗斯套娃的形式将数字生态系统分为八个环节，既包括了光纤、基站、终端设备等硬件条件，也包括了应用程序等数字服务(见图1)。

在国内，大数据产业专业分工尚未达到图1所示的复杂程度，学术界对大数据产业如何分类也尚缺乏一个清晰的界定。[6]池莲依据“数据营销模式”和“产业价值模式”的不同分别对大数据产业进行了分类；[15]钱小聪从生态学的角度剖析了大数据产业的特点并认为大数据产业由六大基础体系构成，[16]但上述分类仅涉及数据层面，如数据内容业、数据服务业以及相关的软硬件制造业等。本文结合已有研究和对中兴等全产业服务企业的调研认为，图2较为清晰地表达了我国大数据产业发展的现状和趋势。首先，网络服务环节负责架设数据流通渠道，通信电缆、基站以及各类网络运营商等都隶属于此。其次，数据经过收集后，服务器会依据数据结构、产生时间等不同分门别类存放于数据中心，若有些企业不具备构架服务器的条件或其服务器过为分散、工作效能低，存储量更大的云服务中心能为这些企业提供优质的数据存储、计算等功能。再次，当企业收集到的用户数据已经不能满足自身需求时，数据交易就显得尤为重要，数据交易中介商会根据数据时效性、深度性、完整性以及数据的结构等特点为交易的海量数据进行价格标准的制定，同时提供数据清洗、建模分析等功能。然后是数据挖掘企业依第三方产业要求对海量数据进行挖掘分析提取里面有价值的信息规律，从而为现实问题提供解决方案。最后则是第三方企业通过数据挖掘所得信息规律为用户提供更加优质的服务，这种服务既可以是现实中的实体服务，也可以是通过终端推送方式提供的互联网虚拟服务。我国大数据产业主要落在生产性服务业和先进制造业。由于终端提供环节的设备制造基本遵循着制造业区位选择规律，本文主要讨论大数据产业中生产性服务业部分的行业特点和区位偏好。将上述大数据产业链各环节(生产性服务业部分)与国民经济行业分类一一对应，可梳理出我国现有大数据产业的服务类型和产业基础(见表1)。

图1.数字生态系统[14]25-60

图2.大数据产业链

二、大数据产业相关行业(生产性服务业)特征分析

1.网络服务。

固定电信服务、移动电信服务属于硬件设施服务，主要由各类型通信基建企业提供，此类企业以承包有线网络的架构和无线网络设施的建设并提供维护、保养等服务为主要业务，拥有庞大的建设工人团队。有线网络的载体是通信电缆，无线网络的载体是基站，不同地方基站造价、耗时相差巨大。互联网接入及相关服务和其他电信服务主要指网络接入服务。此类服务不仅需要大量的技术工人负责日常线路安装、维护、保养等工作，还需要相当数量的前、后台客服人员以及市场营销人员，管理人员和研发人员相对较少。

表1. 大数据产业链各环节(生产性服务业部分)内容及其相关行业

2.数据存储与处理。

(1)数据中心。数据中心主要用于企业数据的存储与灾备。大型金融、通信、互联网等企业，如中国银行、中国移动、苹果等，都会建设独立的数据中心以满足运营需求，而许多小型企业由于建设、人力等成本问题则会选择购买其他数据中心提供的服务。数据备份是数据从数据中心流向灾备中心的一个过程，分为实时备份和定时备份两种方式。根据规模大小不同，数据中心的工作人员数量从十多人到上百人不等，其中大型数据中心需齐全配置设备技术人员、工程师、网络与电信人员以及系统运维人员，并且进行24小时轮值。另外，数据中心对工作人员素质要求也较高：技术人员需持有政府要求的岗位职业资格证书以及上岗前必须经过专门的培训。数据中心不仅前期建设耗费资金巨大，而且运营中能耗支出也相当惊人。通常而言，数据中心的电费支出占了运营成本的40%上下，如果是大型或超大型的数据中心，这个比例甚至会攀升到60%附近，因此建设节能、低排放、可持续的绿色数据中心逐渐成为共识。

(2)云服务中心。云的概念早在2001年就已经被提出，并随着2007年IBM公司云计算计划的启动逐渐为人们所熟知。云服务中心一般分为三个部分：数据技术咨询服务(即客服中心)、信息系统集成服务(即云计算中心)以及呼叫中心。客服中心主要职责为接待客户和参观介绍；云计算中心是大量服务器的集中地，建设上和数据中心相似，但在机房结构、系统架构等方面上进行了专门的调整优化，承担数据处理、资源分配的功能；一部分云服务中心会设置呼叫中心，利用大数据技术对客户进行电话接待、回访。云服务中心三个部分可以同时落于一处，也可以相互分开。人员配置方面，客服中心主要为营销专员、接待人员等，数量在10至20人左右，日常工作为客户接待、参观、解说等；云计算中心和数据中心相似，内部机柜众多，需要较多运维人员；呼叫中心依据规模大小的不同工作人员数量从几十人到上万人皆有可能。此外，云计算中心也需耗费规模巨大的水电资源，但由于云服务平台可对资源进行优化分配的特点，所以许多企业会在服务器空闲时将其关闭以降低能耗成本。随着建筑节能、能源利用效率等技术进一步提升，云计算中心和数据中心的能耗成本也在不断下降。

(3)数据交易。近年来，不仅数据总量和数据种类大幅度增加，数据交易也日益增多。数据交易在国内才刚起步，因此国家对其并没有专门的行业划分。和国内相比，国外的数据交易已较为成熟，如美国的Factual公司按浮动价格同时向大公司和规模较小的软件开发商出售数据，依据数据的规模从小到大、价格从免费增至成百上千万元，其客户包括了Facebook、AT&T等知名企业。数据交易企业的盈利来源也正是作为中介的提成费用以及相应的数据处理费用。

(4)数据挖掘与解决方案。数据挖掘与解决方案环节包括数据处理和存储服务以及软件开发两个部分。数据处理和存储服务是指企业依据客户需求为其进行数据统计、数据分析、数据挖掘并交付处理结果、分析报告或解决方案的过程；软件开发是指企业针对客户特定要求进行大数据相关软件的开发。近年来，互联网资源的爆炸性增长、新技术的不断进步促使数据处理企业接连涌现。除技术条件以外，这些企业或部门还需对金融、交通、医疗等产业有必要的了解，能够根据客户的需求以及不同的数据类型进行数据挖掘模型的开发。为了能够深入了解客户的需求，数据处理企业对落地区位要求较高。数据处理类的高端人才招聘非常之困难，这也造就了数据处理人员的高薪资：通常年薪在10至20万左右，工作阅历丰富、经验充足的人薪资甚至会翻倍。除了高薪，便利的生活条件等也是吸引人才的主要手段。

(5)综合服务。以上五个环节依据大数据产业中不同的功能划分而来，然而现实中有一部分企业是跨环节的。国内名气较大的综合服务提供商有腾讯、阿里巴巴、中兴等，国外有雅虎、谷歌、亚马逊等。这些大型企业根据自己的业务发展需要，拥有独立的数据中心、云服务中心以及包括前端销售、后台研发、市场开发等一套完整的部门体系以及相应的大数据发展计划。其目的部分是为了云产品的开发，如中兴、华为等，部分是为了更加有针对性地为用户提供其它服务并从中产生利润，如阿里巴巴、亚马逊等。

三、大数据产业(生产性服务业)的区位偏好分析

本文对大数据产业的区位偏好主要从自然条件、基础设施、劳动力、主要成本和其它因素等五个方面进行描述。

1.网络服务。

基站建设最主要考虑的是信号的覆盖范围以及成本问题。我国基站主要分为宏站、微站和室分三种。宏站包括了铁塔和机房，覆盖范围大，多见于野外；微站覆盖范围小，用于城市等人多密集场所且形态多样；室分则主要用于室内。无论是宏站还是微站，都要遵循最基本的选址原则：避免附近有高大建筑物阻挡、减少居民楼使用纠纷、避免强电磁波干扰、避免经常有较大震动或强噪音地点以及要求有可靠的供电和安全环境等[17]。提供网络服务的运营商是大数据环节中与用户直接相关联的一环，其中覆盖范围最广、和用户联系最紧密的就是营业厅。营业厅在选址时考虑较多的因素分为三个方面：人口规模、消费水平和交通条件。近年来，由于网络营业厅、电话客服等更加便捷的业务办理模式的兴起，营业厅的数量逐渐呈现出降低的趋势。

2.数据存储与处理。

(1)数据中心。因内部设备密集、安全系数要求高等特点，数据中心是大数据产业链上对区位环境要求最高的一个环节。在选址要素上，数据中心最先考虑的是当地的地理条件：要求所在区域的自然地理条件安全稳定同时远离工厂、变电站等建筑，以避免自然灾害、人为的强电磁辐射等对存储数据和通讯环境的破坏。其次，由于占地规模较大和对电力、通讯等基础设施需求高，数据中心通常位于城市外围靠近供电枢纽等地价、电价较为便宜的地区。最后则是完善的周边生活设施条件。灾备中心在选址方面与数据中心的需求相近。但在交通设施需求方面，灾备中心对附近的交通通达性要求比普通的数据中心高，目的在于方便客户在事故发生时，赶到灾备中心进行数据恢复业务。

表2. 数据中心和灾备中心区位选择案例

(2)云服务中心。依据承担功能不同，云服务中心各部门的区位偏好有所不同。客服中心对空间总体需求较低，只需配备完善的接待室、展览厅等即可，但为方便客户前来参观与办理业务，对道路网络的要求较高，因而通常选址于城市中心区、高新区等交通便利的地方。云计算中心和数据中心的区位影响要素和空间偏好相似，通常落地于安全、人流较少的郊区。考虑到高昂的建设成本以及运营管理投入，呼叫中心一般多选址在城市郊区，这样既能享受完善的电力、通讯系统，也可以就近招聘大量低水平劳动力。

表3. 云服务中心区位选择案例

(3)数据交易。数据交易企业主要是为客户提供一个交易平台，并不涉及数据的深入挖掘分析，对高端的计算机人才指向较弱；另一方面，数据的交易方式不要求企业位于交通可达性高的地方，但要求企业拥有完善的网络系统。据此，数据交易类企业倾向落地于靠近城市中心地区的片区，如北京数海科技有限公司位于海淀区东冉北街9号(见表3)。

(4)数据挖掘与解决方案。员工少、学历高、精英化程度高是数据处理类企业的一个重要特点。影响数据处理类企业的选址区位偏好中最重要的因素是对高端人才的需求。数据处理类企业为了能够在抢夺人才资源的竞争中占据优势，通常会在租金能够承担的基础上，将公司位置选择在城市中心区或其附近交通可达性高、信息交流便捷、生活条件舒适的区域，这也同样有利于与客户接触(见表4)。

表4. 数据处理类企业区位选择案例

(5)综合服务。综合服务提供商的企业规模非常庞大，每个部门对劳动力素质、能源条件、交通情况的需求各不相同，因此部门之间对落地区域的综合条件要求也有所不同(见表5)。例如，公司总部一般对所在地要求很高，如发达的基础设施、各类高端人才、健全的金融服务体系、良好的生活环境等；研发部门因对高学历、高技术人才需求旺盛，高校密集、生活条件优越的城市是首选之处，所以会出现同一公司不同部门分别位于不同片区甚至不同城市的情况。另外，部门承担的功能也是影响落地地点的重要因素，如中兴在深圳拥有三个办公区，位于南沙区的中兴总部、位于西丽留仙苑的大型数据中心和设备生产以及物流中心、位于大梅沙的培训基地，同时还在全国其他许多城市有研发中心、办事处等机构。

表5. 综合服务类企业总部区位选择案例

大数据产业各环节关注的要素对于区位选择以及空间规模需求有较大差异。如网络服务环节营业厅趋向于人口密集的区域，数据中心以及云计算中心则偏向于安全、人流较少的郊区，云服务中心环节中的客服部门、数据处理类企业、大型企业的总部以及研发部门等在运营成本、生活水平方面有不同的要求，但都指向城市中心区；呼叫中心因运营成本高选择城市郊区；数据交易类企业依据不同的政策支持选择在城市高新区或靠近城市中心区(见表6)。

表6. 大数据产业各环节区位偏好

四、结论与讨论

随着信息技术的高速发展，数据成为一种新型资产，也是新型服务的基础。与之密切联系的大数据产业正越来越受到重视，地方政府希望以各项政策优惠吸引相关企业落地并形成产业链带动当地经济的发展。充足的土地供给是重要的支持之一，其中又以在郊区修建大面积的大数据产业园园区最为典型。然而城市郊区集中大量供地的园区模式是否符合产业的需求，在已有研究与实践中仍较少提及。本文结合大量实例，将大数据产业链分为网络服务、数据存储与处理、数据交易、数据挖掘与解决方案、第三方产业和终端设备等六个环节分析其区位偏好及空间需求。研究表明，各生产性服务环节中的企业对自然条件、基础设施、劳动力、主要成本等因素有着不同的要求，区位偏好指向不一，简单笼统地统一以郊区产业园形式为大数据产业提供发展空间失之粗简，难以很好满足具体大数据行业的需求。在土地供给上对大数据产业的支持应该是首先考虑地方要素禀赋和经济发展目标，确认要发展的大数据产业具体类型或环节，再因应不同环节的需求在城市不同区位供给用地。比如，城市有劳动力优势，可在临近技术学校或廉价住房的城市郊区提供呼叫中心所需空间；如需鼓励及培育创新性的服务业，则可以考虑与旧工业区旧城更新相结合，在城市中心区位为数据解决方案服务和大数据研发业务提供租金较低的办公空间等。总体而言，在确认地方经济所需要的大数据产业类型的基础上，适时地在合适区位提供空间，才能对大数据产业的发展起到有效的支撑作用，进而促进地方经济的整体发展。●

[1]马建光，姜巍．大数据的概念、特征及其应用[J].国防科技，2013，(2).

[2]李国杰，程学旗.大数据研究：未来科技及经济社会发展的重大战略领域——大数据的研究现状与科学思考[J].中国科学院院刊，2012，(6).

[3]高会聪，戴峰.我国大数据产业发展面临的挑战及对策[J].电子商务，2013，(10).

[4]王伟玲.大数据产业的战略价值研究与思考[J].技术经济与管理研究，2015，(1).

[5]中国信息通信研究院.中国大数据发展调查报告(2015年)[EB/OL].http://www.catr.cn 2016.3.28.

[6]迪莉娅.我国大数据产业发展研究[J].科技进步与对策，2014，(4).

[7]Weng W H& Lin W T. Development Trends and Strategy Planning in Big Data Industry[J]. Contemporary Management Research, 2014,(10).

[8]张引，陈敏，廖小飞.大数据应用的现状与展望[J].计算机研究与发展，2013，(S2).

[9]王成红，陈伟能，张军等.大数据技术与应用中的挑战性科学问题[J].中国科学基金，2014，(2).

[10]王树良，丁刚毅，钟鸣.大数据下的空间数据挖掘思考[J].中国电子科学研究院学报，2013，(1).

[11] Brown L H, Issa H & Lombardi D R. Behavioral Implications of Big Data’s Impact on Audit Judgment and Decision Making and Future Research Directions[J]. Accounting Horizons, 2015,(2).

[12]Kim G H, Trimi S & Chung J H. Big-data Applications in the Government Sector[J]. Communications of the Acm, 2014, (3).

[13]李文莲，夏健明.基于“大数据”的商业模式创新[J].中国工业经济，2013，(5).

[14]Keith W.数字经济大趋势[M].徐俊杰，裴文斌译.北京：人民邮电出版社，2013.

[15]池莲.谈大数据产业形成路径及其产业集群发展动力机制[J].商业经济研究，2015，(17).

[16]钱小聪.大数据产业生态圈研究[J].信息化研究，2013，(6).

[17]刘霄,任毅.无线基站选址原则与实践[J].电信工程技术与标准化，2007，(3).

(责任编辑：林先扬)

本文系国家社科基金项目《以城郊农村后生产性转变为特征的新型城镇化路径研究》(编号：14BJY053)的阶段性研究成果。

F069.9

A

1003-7462(2017)03-0116-07

10.13977/j.cnki.lnxk.2017.03.018