大数据产业发展影响因素研究

周瑛+刘越

〔摘 要〕随着科学技术的日益进步，大数据产业发展日趋迅速，探究大数据产业发展的影响因素，对大数据行业具有重要的现实意义。本文首先在问卷调查法研究结果的基础上，确立了大数据产业发展影响因素的3级评价指标体系，然后利用德尔菲法和AHP法分析确定了各评价指标的权重，并进行一致性检验。最后根据计算结果找出了影响大数据产业发展的3个主要因素，并针对这3个主要因素给予了相关建议。

〔关键词〕大数据；大数据产业；产业政策；评价指标；影响因素

DOI：10.3969/j.issn.1008-0821.2017.08.019

〔中图分类号〕 F492 〔文献标识码〕 A 〔文章编号〕1008-0821（2017）08-0129-06

〔Abstract〕With the increasing progress of technology，the development of big data industry is becoming more and more rapid.And it is essential for big data business to explore impacts of big date industry. Firstly，this paper established the three level evaluation index of big data industry based on a questionnaire survey. Secondly，using Delphi method and AHP method determine the weight of every evaluation index，and also tested its consistency. Finally，according to the results find out three main factors of big date industry development，and gave relevant recommendations.

〔Key words〕big data；big data industry；industrial policy；evaluation index；influce factors

大数据这一概念最早是由美国著名未来学家托夫勒在1980年提出的，根据维克托·迈尔-舍恩伯格和肯尼斯·克耶在其所著的《大数据时代》里提出的关于大数据的特点，人们将大数据定义为用来描述那些使用传统数据管理工具和技术难以处理的、数量庞大的、异构的和非结构化的数据内容[1]。近年来，企业、政府和研究机构对大数据的研究不断深入，尤其是在大数据的应用领域。各个省市都在不断加快大数据产业链的形成，如成立的中国大数据产业联盟、兰州大数据产业园及东北地区大数据产业中心等。大数据产业作为一种新型的产业模式，在催生了一系列商业机会和盈利空间的同时，也存在着其固有的局限性，如大数据产业的市场结构过于单一、数据开放程度较低，同行之间难以进行数据共享等。如何解决这些问题，成为目前大数据研究中的一个热点问题。本文正是基于此，在充分分析大数据产业结构特点的基础上，利用定性与定量相结合的方法，确立以大数据产业影响因素研究为指标体系，通过实证研究的方式，将影响大数据产业发展的因素以量化的方式呈现出来，并根据存在的问题提出相应的对策。

1 大数据产业影响因素的理论分析

1.1 理论分析模型

在对影响大数据产业发展的因素进行理论分析时，主要使用了钻石模型和PEST模型。钻石模型是迈克尔·波特在1980提出的，该模型主要是用于解释特定行业在复杂的战略环境中是如何进行自我定位的[2]。波特认为，影响一个行业发展的因素主要包括生产要素，需求条件，企业战略机构和同行竞争，相关及支持产业四个方面。生产要素是产业发展的基础条件，需求要素是产业发展的直接推动力，关联性和支持产业则影响产业的可持续发展能力，企业策略、结构和企业竞争是产业发展的内部驱动力[3]。 此外，在这四大影响因素之外还存在两大变数，即机会和政府。波特认为，机会可遇不可求，机会可以通过作用于四大影响因素进而影响某个行业的发展。政府是行业发展的间接推动者，政府一方面可以为某个行业提供所需资源，来为该行业的发展创造优良的环境，另一方面，也可以通过出台某些限制政策，为该行业发展施加压力。

PEST模型作为钻石模型的补充，又被称为宏观环境分析，是指影响一切行业发展的宏观力量，包括政治、经济、技术和社会四个方面。任何行业都将受到行业环境的约束，大数据产业也不例外。运用PEST模型对大数据产业进行分析，一方面能够了解该行业目前所处的宏观环境现状，另一方面也可以精准的把握该产业未来的发展趋势，对本文分析大数据产业的影响因素有重要的借鉴意义。

1.2 大数据产业结构分析

產业结构是国民经济中各产业之间和各产业内部的比例关系[4]，根据2016年发布的《中国大数据产业生态地图》一文，大数据产业内部结构由三部分组成，即以数据增值服务为代表的数据服务产业，以数据处理软件为代表的技术支撑产业和以数据应用为代表的融合应用产业[5]，其中数据服务是基础，技术支撑是手段，融合应用是目的，对大数据产业结构进行分析主要从这三个方面进行。

首先在基础的数据服务方面，最显著的特点就是数据开放程度不高，且开放主体主要集中在信息化基础较好的行业和地区，数据服务呈现两极化趋势。其原因主要归结于政府对大数据产业开放引导力度不足、大数据行业资源共享意识不强及部分地区由于经济发展因素所导致的大数据基础设施建设不完善。其次在技术支撑方面，数据库技术和通用数据分析工具等基础性通用数据技术与美国等数据产业发达国家相比差距较大[6]，同时高级研发人员数量少、企业创新战略把控能力低等现状导致产业结构技术支撑能力薄弱，未来发展动力不足。最后就是在数据应用方面，我国大数据产业市场分工不够细化、行业数据维度标准不统一、语义不协同等制约了交易市场的规模发展，阻碍了大数据产业结构和产业集群的形成。

1.3 大数据产业影响因素的提出

根据我国大数据产业结构的特点，结合“钻石模型”和“PEST模型”，得出生产要素、需求条件、机会、企业战略、同行竞争、相关产业、政治因素、社会因素、经济因素、技术因素等都会对大数据产业的发展产生影响，且这些影响因素中具有交叉和重叠的部分。因此为了保证这些影响因素尽可能相互独立且客观全面，本文采用问卷调查法，向具有经济学背景的研究生、教师和企业工作者进行调查。共发放问卷200份，问卷回收193份，回收率为93.5%。通过对问卷调查结果的统计分析及结合上述提出的两个模型，本文得出影响大數据产业发展的因素主要包括：宏观因素、中观因素和微观因素三个方面。

1.3.1 宏观因素

宏观因素是指存在于产业外部和产业发展相关的各类要素[7]。主要包括政府因素、经济因素、社会因素、技术因素和市场因素五个方面。政府因素是指政府通过各种法律法规、行政标准、经济政策等手段，去调整、控制和引导某一产业作用于环境的行为，从而保证该产业能够持续健康的发展。经济因素是指影响产业发展的一个国家或地区的宏观经济状况，主要包括经济发展水平、经济结构、居民收入、消费者结构等方面的情况。社会因素是各种社会性要素相互作用相互影响的总和，包括文化、宗教、习俗等，与政府因素的强制性相比，社会因素对产业发展的影响更多地体现在道德约束上。技术因素是大数据产业发展的重要载体，是衡量大数据产业发展水平的根本标准，主要包括新技术、新工艺、新材料的出现和发展趋势等[8]。市场因素指引着大数据产业的发展方向，在一定程度上决定了大数据产业的发展规模。市场因素包括消费者数量、市场规模、市场结构及市场需求等。

1.3.2 中观因素

中观因素是指对某一行业的发展会产生影响的产业要素。主要包括行业竞争因素、行业标准因素、行业特征因素及行业内部沟通因素四个方面。行业竞争的实质是同行企业在各个方面的较量，包括赢利、销售、组织和核心能力等，是在激烈的市场环境下，同行业的竞争者为了抢夺市场，而采取的一系列具有竞争性质的手段和策略。行业标准是指为一个行业及其相关行业的设备、产品制造商所普遍接受的一套技术语言、参数和规则[9]。行业标准的制定主要是为了规范行业行为、保证产品质量、保护消费者权益。与行业标准联系紧密但又不尽相同的是行业特征，它是由于行业地理环境、业务特点、历史沿革等因素的影响而形成的区别于其他行业的显著象征和标志，主要包括行业生命周期、垄断程度等，行业特征是影响产业发展的一个重要因素。在倡导合作双赢的今天，企业间的良好沟通也会对整个行业的发展起着举足轻重的作用。畅通的沟通渠道、优良的沟通机制能使同行企业间有事互补，少走弯路，共同推动整个行业的繁荣发展。

1.3.3 微观因素

微观环境因素是指存在于企业周围并密切影响其营销活动的各种因素和条件，微观因素通过直接作用于企业而间接影响整个行业的发展，主要包括企业的组织管理方式、研发资金投入、企业人才比重和企业创新战略四个方面。企业的组织管理方式是指为了有效配置企业内部的各种资源以实现企业目标，而按照一定的规则和程序构成的一种责权结构和基于该结构所采用的管理方式，不同的组织管理方式会对企业的发展产生不同的影响。研发资金投入也是影响企业发展的一个因素，尤其是对大数据这种高技术产业来说，研发资金投入对企业技术创新的作用日益增强。面对激烈的市场竞争，企业必须通过合理的资金投入来提高企业的创新绩效[10]。与资金投入因素对应的还有研发人员比重因素，大数据产业高度依赖人的创造和创新能力，它的快速发展，与拥有丰富的人力资本具有重要关联，特别是高素质的大数据相关领域人才发挥着关键性作用，为产业发展打下坚实的人力资本基础，因此企业人员比重对于大数据产业来说也是最核心的要素之一[3]。此外，企业创新战略对整个产业的影响也不容忽视。企业创新战略是企业依据多变的环境，积极主动地在经营战略、工艺、技术等方面不断进行创新，从而在激烈竞争中保持独特的优势的战略[11]。创新战略不仅是国家兴旺发达的不竭动力，也是企业永葆生机的源泉，

2 大数据产业发展影响因素的实证分析

2.1 构建层次分析模型

层次分析法（The Analytic Hierarchy Process）又称AHP法，是运筹学家托马斯·塞蒂在20世纪70年代提出的一种定性与定量相结合的分析方法，它通过层次化、系统化的方式，将定性分析转化为定量分析，提供更加清晰、简明的决策依据[12]。目前广泛应用于管理评价、经济发展比较、影响因素分析等方面。本文正是基于此，根据层次分析法原理和影响大数据产业发展的因素，形成了包括3个一级指标和13个二级指标在内的的大数据产业发展影响因素评价指标体系，即目标层是以大数据产业发展影响因素评价作为总体目标，也是评价模型要获得的最终结果；准则层是以宏观因素（A1）、中观因素（A2）和微观因素（A3）三个一级指标作为评判准则，解决总体评价目标的组成要素和结构功能问题。另外，十三个二级指标分别为政府因素（B1）、经济因素（B2）、社会因素（B3）、技术因素（B4）、市场因素（B5）、行业竞争因素（B6）、行业标准因素（B7）、行业特征因素（B8）、行业内部沟通因素（B9）、企业组织管理方式因素（B10）、研发资金投入因素（B11）、企业人才比重因素（B12）及企业创新战略因素（B13）。基于此，构建的大数据产业发展影响因素模型如图1所示：

2.2 确定指标权重

在建立了大数据产业发展的影响因素评价指标体系后，下一步就需要构造判断矩阵和确定指标权重。本文首先利用专家赋值法，选取了5位经济学和管理学领域的专家，然后根据层次分析法中Saaty给出的9级比例尺度对模型中的各个影响因素进行两两比较并赋值，最后根据赋值结果构造如下判断矩阵：

即层次总排序的一致性检验合格，计算结果有效。

2.3 结果分析

从以上结果可以看出，就准则层的三个一级指标而言，宏观因素对大数据产业发展的影响最大，影响权重为0.6267，其次是中观因素，所占比重为0.2797，最后是微观因素，其权重为0.0936。另外，通过所有子准则层因素的层次总排序可以看出，十三个对大数据产业发展产生影响的因素的先后次序分别为技术因素（0.3066）、行业竞争因素（0.1830）、经济因素（0.1590）、政府因素（0.0938）、企业创新战略（0.0482）、行业标准（0.0455）、市场因素（0.0422）、行业内部沟通（0.0295）、社会因素（0.0251）、研发资金投入（0.0240）、行业特征因素（0.0217）、企业人才比重（0.0161）及企业组织管理方式（0.0054）。

2.3.1 宏观因素

在宏观因素对应的二级指标中，技术因素以权重0.3066占层次总排序的第一位，这说明同任何新兴产业一样，科学技术水平是推动产业发展的内在动力，是影响大数据产业发展最重要的因素。但是目前由于我国科学技术水平等基础条件不够成熟，严重影响了大数据产业的发展速度。其次是经济因素（0.1590）和政府因素（0.0938）分别占总排序的第三位和第四位，这说明大数据产业处于宏观环境中，世界经济水平、区域经济发展速度等也是影响大数据产业发展的主要因素。另外，“政府”是任何一个国家产业发展都不可能回避的因素。中国正处于从计划经济向市场经济过渡以及从经济起飞向实现赶超过渡的特殊时期，政府主导”成为中国当前经济发展方式的重要特点之一[14]，因此政府因素对大数据产业发展产生影响也不容忽视。再次就是市场因素（0.0422）占层次总排序的第七位，有需求才有市场，有市场才能有发展，市场因素也会对大数据产业发展产生影响。然而目前我国大数据产业的市场细分度及相关监督体制还不够完善，这就制约了大数据市场规模的扩大，进而严重影响了产业的发展。最后就是社会因素以权重0.0251占层次总排序的第九位，产业具有社会性，产业发展中的各种活动必然与社会发生联系，因此社会因素也会对大数据产业发展产生一定程度的影响。

2.3.2 中观因素

在中观因素对应的二级指标中，行业竞争因素以权重0.1830占层次总排序的第二位，这说明行业内是否有竞争以及竞争的激烈程度会直接影响到大数据产业的发展，因为只有具有充分的竞争机制，行业才能健康发展。另外行业标准因素（0.0455）和行业内部沟通因素（0.0295）分别占层次总排序的第六位和第八位。任何一个行业都有为该行业内所有成员企业都认可的一个标准，行业标准制定是否完善也是影响大数据产业发展的一个主要因素。目前大数据属于一个新概念，在这个行业内，各企业发展的速度良莠不齐，有的企业发展迅速，有的企业则止步不前，探究其根本原因，就是因为各企业之间缺乏交流，一些好的企业的发展经验不能够被其他企业所借鉴，这就导致了有些企业在发展过程中走了许多弯路[15]，拖慢了整个行业的发展速度。最后是行业特征因素以权重0.0271占总排序的第十一位，这说明作为新兴行业的大数据产业发展有其自身的特点，但也会受制于其独特的行业特征和发展规律[16]。

2.3.3 微观因素

在微观因素对应的二级指标中，企业创新战略因素（0.0482）占层次总排序的第五位，这说明企业有无创新是影响整个行业发展的主要因素。创新在为企业带来良好经济效益的同时，还能够为企业开拓新的产品市场、形成消费者喜好，甚至改变消费者的消费习惯[17]。创新战略因素通过作用于企业而间接影响整个大数据行业的发展方向。其次研发资金投入和企业人才比重分别占层次总排序的第十位和第十二位，大数据产业的发展离不开技术，技术的创新需要资金的投入，因此是否具有充足的研发资金也会影响大数据产业的发展，另外大数据产业的就业规模本身受制于大数据产业的发展，但行业内人才比重决定和影响着未来大数据产业的可持续发展性。大数据产业的人员比重也影响着大数据产业的发展[13]。最后是企业的组织管理方式占层次总排序的第十三位，组织管理是行业发展过程中的重要问题，大数据产业的效益必须通过合适、高效的企业组织管理方式来实现，因此企业的组织管理方式对大数据产业的发展也会产生一定程度的影响。

3 结论及对策建议

3.1 宏观层面

第一要加强核心技术创新研究。大数据作为技术主导型产业，技术进步是大数据产业发展的重要标志，作为技术进步重要手段的技术创新是各个产业发展都无法回避的问题。技术创新是一个全过程的技术经济活动[18]，是促进大数据行业发展的有效手段。因此加強技术创新研究一方面要增加技术创新研发资金的投入，另一方面要健全创新人才激励机制，加强技术知识产权保护，强化信用监督，鼓励和保护技术创新研究活动[19]。

第二要完善相关政策体系，营造良好的产业发展环境。大数据作为技术密集型产业，目前其产业体系还不够完善。因此政府应发挥主导作用，出台有利于大数据产业健康、可持续发展的系列政策方针，构建完善的大数据产业发展体系，保护有序竞争，鼓励合法融资，为大数据产业发展指引正确的方向。

第三要完善市场结构体系，探求符合实际的商业发展模式。构建一个结构完整、机制健全统一开放、竞争有序的市场体系是任何行业发展的首要内容，大数据产业也不例外，借助于完整的市场结构体系，有利于大数据产业有效地配置资源，促进大数据产业又好又快的健康发展。构建完整的市场结构体系一方面要规范政府行为，打破行政性垄断和地区封锁，保障各类产业主体获得平等的市场准入机会；另一方面需要要加强技术市场基础设施建设，规范技术交易行为及各类市场中介组织等，加快我国大数据技术市场的统一开放和国际化[20]。此外，任何产品的市场推广，必须具备可行的商业模式作为技术支撑，但是从整个大数据产业发展历程来看，大数据企业却没有明确的商业模式，总是哪里有利可图就聚集于哪里，严重阻碍了大数据产业的发展速度。解决这一问题的关键就在于探求符合实际的大数据产业模式，促进大数据产业集群的形成及对大数据产业各参与主体进行合理分工，细致产业市场，使大数据产业的发展模式符合社会效益中最大化的原则[3]。

3.2 中观层面

第一是要加强大数据产业内部合作，构建有效的沟通交流平台。沟通是进行管理的重要手段，也是克服资源不足、技术不成熟的有效方式，因此构建有效的沟通交流平台，如成立大数据产业联盟、论坛、俱乐部、网络平台等，不仅是加强产业内部合作的基础，也是整个大数据产业持续发展的重要保证，有利于形成完整的大数据产业链和生态体系。

第二是要鼓励行业内部有序竞争，制定行业应用标准体系。行业竞争是企业经营环境的重要组成部分，行业竞争不仅能够增强企业管理的灵活性，还能够激发各企业对相关问题进行更加深入的思考，为企业带来一定的经济效益。竞争并非排除合作，在大数据产业中各企业间应该要广泛而有节制的利用竞争，如组建团队共同研发、用包容的眼光欣赏各企业的差异等。公平合理的竞争需要一个统一的行业标准，大数据产业也不例外。制定大数据产业行业标准一方面需要政府牵头成立行业标准研发中心，领导行业内各骨干企业进行技术研发，在研发实践中逐步提出相应标准。另一方面加快建设行业标准服务平台，各企业根据其自身的实践经验在该平台上提出相应的行业标准建议，与其他企业进行相互交流、相互学习。以此逐步完善大数据行业标准体系，提升我国大数据产业的发展速度。

3.3 微观层面

第一要明确大数据企业技术创新战略定位。伴随着网络时代的到来，绝大多数大数据企业高度重视企业技术创新战略的管理。但多数企业在制定发展战略的过程中，往往无法明确其技术创新战略定位，这在某种程度上阻碍了整个大数据产业的发展速度。因为企业是大数据产业内部的组成个体，企业技术创新战略的定位会直接影响到大数据产业整体发展。为避免这一问题的发生，企业必须根据自身在大数据产业结构中的客观情景，正确选择适合本企业的发展模式，明确本企业技术创新战略定位。

第二要加强大数据企业研究开发的投入以及技术创新管理。增加研发力量及对技术创新进行管理就是从微观企业的角度，发挥研究开发投入和生产力转化间的协同作用，从而加速大数据产业化进程。

4 结束语

近年来大数据产业发展迅速，政务大数据、工业大数据、农业大数据等数据产业链条不断延伸，但同时在该产业内创新能力不强、市场监督体制不完善、人才建设不足等问题仍然存在。鼓励技术创新、完善政策法规、缓解人才压力是大数据产业发展的必然选择。基于此，本文采用半量化结构的层次分析法来评价大数据产业发展的影响因素，找出了影响大数据产业发展的因素和潜在问题，并针对大数据产业结构的特点给予了相关建议，以期对大数据产业发展有一定的参考作用。

参 考 文 献

[ 1 ] Talia D （2013） Clouds for Scalable Big Data Analytics. Computer 46（5）：98-101.CrossRef Google Scholar.

[ 2 ] Liu，Xin；Mao，Huiyuan.Analysis on Problems of Liaoning Tourism Industry Based on DIAMOND MODEL[C].Huhhot，PEOPLES R CHINA，JUL 26-27，2014.

[ 3 ]陈秋怡. 物联网产业发展的影响因素及作用机制研究[D].南京：南京财经大学，2014.

[ 4 ]崔永涛，王燕，王志强. 产业结构变迁影响因素的统计考察[J]. 统计与决策，2017，（02）：96-99.

[ 5 ]本刊讯. 《2016中国大数据产业生态地图》发布[J]. 金融电子化，2016，（08）：94.

[ 6 ] 慧数.深度解析我国大数据产业发展现状和特点[EB/OL].[2017-2-12].http：//www.jiemian.com/article/1056071.html.

[ 7 ] MBA智库.PEST分析模型[EB/OL].[2017-2-12].http：//doc.mbalib.com/view/894d8e4297c89efd5e8579d86cc098c1.html.

[ 8 ]李颖. 基于PEST方法对我国体育产业发展的相关分析[J]. 河北经贸大学学报，2013，（06）：124-126.

[ 9 ]芮明杰，巫景飞. 行业标准的营销策略研究：交易费用经济学的视角[J]. 中国工业经济，2003，（04）：80-87.

[ 10 ]张艳辉，李宗伟，陈林. 研发资金投入对企业技术创新绩效的影响研究[J]. 中央财经大学学报，2012，（11）：63-67.

[ 11 ]余来文，陈明. 企业战略创新及其决定因素[J]. 现代管理科学，2006，（08）：50-51.

[ 12 ]蒋白桦. AHP层次分析法在化工物流承运商考核体系中的应用[J]. 计算机与应用化学，2012，（07）：900-902.

[ 13 ]汪应洛.系统工程（第二版）[M].北京：机械工业出版社，2003：130-140.

[ 14 ]俞晓晶. 产业发展中的政府因素及其效应研究[D].上海：上海社会科学院，2013.

[ 15 ]王强. 影响企业信息化建设的因素分析[J]. 山东纺织科技，2013，（01）：32-36.

[ 16 ]何菊香，赖世茜，廖小伟. 互联网产业发展影响因素的实证分析[J]. 管理评论，2015，（01）：138-147.

[ 17 ]高婧. 创新战略与追赶绩效：对中国制造业的产业层次分析[D].杭州：浙江大学，2008.

[ 18 ]王凯. 论技术创新与企业发展的关系[D].武汉：武汉理工大学，2002.

[ 19 ] 金波.引领大数据技术创新 加快大数据产业集聚[EB/OL].[2017-3-2]http：//szb.gzrbs.com.cn/gzrb/gzrb/rb/20170416/Articelt19004JQ.html.

[ 20 ] 360百科.现代市场体系[EB/OL].[2017-3-2].http：//baike.so.com/doc/2191094-2318372.html.

（本文責任编辑：孙国雷）