大数据产业重点领域技术预见研究：以辽宁省为例

王倩++李天柱

摘要：通过技术预见选择能产生最大经济社会效益的战略研究领域，对大数据产业发展具有重要作用。本文分析了大数据产业重点领域选择的影响因素、调研方法、评价指标体系和评价模型。在此基礎上，采用层次分析法确定指标权重，运用模糊综合评价法对备选领域进行综合评价，综合考虑定量和定性的分析结果，研判了辽宁省大数据产业的重点领域，并提出相应的政策建议。

关键词：大数据；技术预见；产业重点领域选择；德尔菲法

中图分类号：F062.3 文献标识码：A DOI：10.3969/j.issn.1003-8256.2017.04.008

The Study on Focus Areas of Big Data Industry Based on Technology Foresight in Liaoning Province

WANG Qian， LI Tianzhu

（Business School， University of Science and Technology Liaoning， Anshan 114044， Liaoning，China）

Abstract： It is of vital function for the development of big data industry to choose the strategic research field through the technology foresight， which produces the greatest economic and social benefits. This paper analyses the influence factors， investigations method evaluation index system and evaluation model of the focus areas of big data industry. Futhermore， this paper decides the weight of the evaluation indices by using analytical hierarchy process， and selects the candidate fields with fuzzy comprehensive evaluation method. It determines the focus areas of big data industry by synthetically considering the qualitative and quantitative analysis results， and puts forward the corresponding policy recommendations.

Keywords： Big data； Technology foresight； Selection of industrial focus areas； Delphi method

0 引 言

技术预见是对未来较长时期内的科学、技术、经济及社会发展进行系统研究，其目标是选择具有战略性的研究领域，分析可能对经济和社会具有最大价值的通用新技术[1，2]。自1971年日本首次组织技术预见活动以来[3]，技术预见在国际上得到了广泛关注，并在生物医疗、信息通信、能源技术等领域取得显著成效[4-6]，APEC、UNIDO、OECD等国际组织也开展了大量技术预见活动[7]。我国在1997年组织了“国家重点领域技术预测”，2003年又针对未来10年的生物、信息和新材料三个领域实施了技术预测[8]。中科院对我国至2050年的科技发展路线进行了预见性研究[9]，全国多地也陆续开展有组织的技术预见工作[10-13]。

大数据时代的到来，使得数据成为重要的基础性战略资源，大数据产业也成为全球科技创新的热点。面对大数据蓬勃发展带来的宝贵历史机遇，充分利用我国大数据产业的规模优势，发挥数据资源的战略作用，对提升政府治理能力、优化民生公共服务、促进经济转型升级具有重大意义。但是，目前正处于大数据产业发展的模糊前端，需要通过科学的技术预见活动确定未来我国大数据产业发展的重点领域，制定相应的产业政策、配置相应的创新资源，从而加速大数据的应用和产业发展。从已有研究来看，美国、德国、日本、韩国目前已开展大数据产业的技术预见[14]，但国内与此相关的实践活动还不多见。不论是国内还是国外，在大数据产业技术预见的方法论方面也缺乏系统和深入的先行研究。

目前国内大数据产业发展已初具规模，但尚未形成产业界定共识。从普遍意义上来讲，大数据产业是指与大数据的产生与集聚、组织与管理、分析与发现、应用与服务相关的经济活动的集合[14]。国内大数据产业在互联网、金融、电信等信息化领先行业的引导和带动下，已完成了初步布局，能够满足基础数据加工生产的全生命周期。由于大数据产业覆盖领域广泛，本文将大数据产业备选领域集中在高端装备制造、新一代信息技术、生物、节能环保、新能源、新材料、新能源汽车等七大领域及社会公共事业领域，主要针对技术预见过程中的产业重点领域选择环节，对大数据产业重点领域选择的依据与方法进行分析，并运用该研究对辽宁省大数据产业重点领域选择实证分析，为大数据产业重点领域的选择提供决策支持。

1 大数据产业重点领域选择的影响因素

从引言对大数据产业的概念转述可知，大数据产业的活动分布在国民经济中的不同产业及产业的不同部分之中，对大数据产业的重点领域开展技术预见，就是要从经济的不同产业部门中，将未来需要重点发展的领域分离出来。在分离和选择产业重点领域的过程中，各种有形的和无形的、国内的和国外的因素都会不同程度的影响对未来的预见性分析。只有明确大数据产业重点领域选择的影响因素，并结合特定区域的实际情况进行具体分析，才能合理地定位出适合特定区域的重点领域。本文在综合考虑大数据产业内涵及特征的基础上，结合产业重点领域选择的相关理论，认为大数据产业重点领域选择的影响因素包括如下五个方面。endprint

1.1 产业重要度

一个产业对国家科技进步和经济发展的重要程度能够反映出该产业能否取得长足发展。大数据虽然已经成为全社会创新创业的基础设施和基础资源，但在一定时期内，大数据的应用对不同产业或产业的不同部分其重要性和紧迫性是会存在差异的，有时这种差异可能很明显。这意味着在选择大数据产业重点领域时，要综合而客观的判断大数据的应用对促进经济增长、改造和提升传统产业、环保和资源综合利用开发以及提高人民生活质量等方面的重要程度，使大数据产业的产出得到有效吸收，其经济效益才会大大提高，从而形成产业自身的竞争优势。

1.2 技术研发水平

虽然大数据已经成为目前全社会关注的热点，但大数据自身还是一项新兴技术，不同产业部门针对大数据技术研发的水平和投入强度必然是影响产业重点领域选择的重要因素和条件，决定着大数据产业未来发展的方向和潜力，较高的技术研发水平能够有效支撑大数据产业的发展，也会对经济起到引领和带动作用。因此，在选择大数据产业的重点领域时，必须考虑该领域针对大数据的研发水平，并着重考虑在有较好技术基础的领域实现率先突破。

1.3 产业发展基础

大数据属于典型的新兴技术，大数据产业则属于典型的新兴产业，因此具有科学含量高、创新能力强、产业生命周期长等特征，其发展应建立在一定的产业基础之上[15]，否则大数据的应用及其对经济社会发展的推动作用都会受到不同程度的抑制。这就决定了在选择大数据产业的重点领域时，要结合各备选领域的发展现状，优先选择那些产业发展基础较好，资源要素比较具有优势的领域，才能更好地发挥大数据的革命性作用，促进大数据产业发展。

1.4 产业影响力预测

产业影响力预测是分析大数据产业的潜在需求，主要倾向于评估产业领域、社会经济和资源环境等三方面的影响程度。大数据产业自身具有较强的转移效应和发散效应，能够通过前向和后向的关联效应促进其他相关产业的发展。因此，在选择大数据产业重点领域时，要重视考虑产业影响力因素，影响力越大，对其他产业的拉动效应和推进效应就越明显，从而更能够发挥大数据对区域科技、产业、经济乃至社会发展的全方位促进作用。

1.5 产业政策导向

由于大数据产业对国民经济发展和国家安全具有重要战略意义，在选择大数据产业的重点领域时，一方面应遵循大数据产业发展的一般规律，另一方面还需考虑国家或区域的战略发展需求，使得最终确定出的产业重点领域既符合国家整体产业发展规划和布局，又能得到中央和各级地方政府的政策支持。因此，在选择大数据产业重点领域时，准确把握产业政策导向非常关键，将直接影响大数据的研发、应用及产业的起飞和发展。

2 大数据产业重点领域技术预见过程

2.1 调查方法选择

德尔菲调查法是一种非见面形式的专家意见收集法，它具有匿名性、统计性和反馈性等特点[16]，能高效的、通过群体间的交流与沟通来解决复杂问题[17]，德国、日本、韩国、法国、澳大利亚等国家都采用这种方法成功进行了技术预见活动[18]。此外，情景分析法、相关树法、专利分析法、技术路线图等方法也被广泛应用于技术预见当中[19]。

相比于一般的技术预见活动而言，大数据产业重点领域选择具有一定难度，主要表现在：（1）大数据产业尚处在成长初期，其未来发展过程中还存在很多不确定性；（2）大数据产业是一个新概念，没有以往的数据可以作为参考；（3）现阶段我国尚未针对大数据产业建立起完善的分类和制度，难以获得公开、权威的统计数据。综合考虑以上因素，我们认为适合采用德尔菲调查法，以构建大数据产业重点领域选择的指标体系，通过向相关领域专家发放调查问卷并收集反馈结果，将专家意见进行由分散到集中的聚类处理，运用定性分析和比较分析对各领域进行综合判断，从而凝练出大数据产业重点领域。

2.2 指标体系构建

构建科学合理的指标体系，是正确选择产业重点领域的前提和基础。指标体系的建立通常要遵循科学合理性、全面性、指導性等原则[20]。基于前述讨论的大数据产业重点领域选择的主要影响因素，本文选择多指标综合评价体系，从多维角度建立大数据产业重点领域选择评价体系。评价体系包括重要度、研发水平、发展基础、影响力预测和制约因素五大类一级指标，并在一级指标下设置若干二级指标，有些二级指标下面还设置一定数量的三级指标，具体指标及评价等级请参见表1。

2.3 评价模型

大数据产业重点领域选择，其评价本身就是一个较为模糊的概念，很难进行精确的定量分析，而大数据产业重点领域选择相对于其他产业选择而言：（1）由于缺乏相应的统计数据，很难直观地进行精确计量；（2）由于大数据产业属于新兴产业，具体的数据资源比较难获取。因此，本文选择将层次分析法与模糊综合评价法相结合，将定性问题转化为定量问题进行分析，具体包括如下环节。

2.3.1 确定评价因素、评价等级

根据表1中的指标体系，定义一级评价指标集，表示第个一级指标。定义二级评价指标集，表示第个一级指标下的二级指标。将指标体系的评价等级分为n个，来刻画每一指标所处状态的n种决断，定义指标所确定的评价等级值 。

2.3.2 构造评判矩阵和确定指标权重

根据指标体系的评价等级，专家经过调研或查阅资料对二级指标进行评价，得到评判矩阵：表1 评价指标体系及评价等级，其中表示第i个一级指标在第j级评价等级上的隶属度，一般将其归一化使之满足 =1。

由于层次分析法能将定性、半定性问题转化为定量计算，使人的思维过程层次化、数量化，逐层比较多种关联因素[21]，为分析和决策提供定量的依据，因此本文选择层次分析法来确定指标权重，主要过程是：（1）构造出各层次的判断矩阵；（2）对判断矩阵进行一致性检验，最终得到各指标的权重。通常定义一级评价指标集各指标对应的权重为，第i个一级指标下的二级评价指标集，各指标对应的权重为。endprint

2.3.3 计算综合评价分数

首先邀请专家对各级评价指标进行打分评价，根据评价结果建立模糊评价矩阵R；其次计算各备选领域的综合评价向量， ；最后，设定评级等级向量，综合评价分数为，按照加权平均原则求出各备选领域的综合评价分数：

3 辽宁省大数据产业重点领域选择的实证分析

3.1 备选领域选择

首先依据辽宁省当前科技发展规划，结合国家大数据产业的发展趋势，并对相关科研院所、企业进行调研、访谈，形成初步调研报告。其次，将调研报告反馈给相关专家，通过专家会议的形式反复讨论，整理形成辽宁省大数据产业备选领域清单：高端装备制造（智能制造装备产业、机器人等智能制造、重大成套装备、航空装备、海洋工程装备、先进轨道交通装备和“互联网+”协同制造）； 新一代信息技术（集成电路、数字视听、现代通信、高端软件、新兴信息服务产业和“互联网+”移民服务）； 生物（生物技术药物、化学药品、现代中药和生物医学工程产业）；节能环保（节能环保技术与装备、资源综合利用和“互联网”绿色生态）； 新能源（太阳能光伏、“互联网+”智慧能源）； 新材料（高品质特殊钢、新型轻合金材料、稀土功能材料、稀有金属材料、先进高分子材料、先进陶瓷和特种玻璃）及新能源汽车7大领域及社会公共事业领域（交通、医疗和文化教育），共设计31项备选子领域。最后，邀请35位具有较高权威的专家进行德尔菲调查，根据专家不同的研究领域和对辽宁省大数据产业的熟悉程度，请每位专家对辽宁省大数据产业备选子领域进行综合评价。其中科研院所专家15人，政府机构专家4人，企业单位专家16人。

3.2 指标权重确定

根据大数据产业重点领域评价指标体系，每位专家查阅有关资料，通过两两比较确定各指标间的相对重要程度，根据萨蒂判断矩阵标度[22]，得到一级指标判断矩阵，如表2所示。

运用yaahp软件求出一级指标判断矩阵CR=0.0183<0.1，据此结果确信一级指标判断矩阵具有较为满意的一致性。将特征向量归一化得到指标权重向量W=（0.2285， 0.2219， 0.2238， 0.1590， 0.1667），同理计算各一级指标下二级指标的相对权重，分别为：

=（0.3007， 0.2633， 0.2191， 0.2169）， =0.0052<0.1

=（0.4706， 0.5294）， =0.0000<0.1

=（0.3614， 0.3378， 0.3007）， =0.0042<0.1

=（0.3796， 0.3240， 0.2964）， =0.0041<0.1

=（0.2190， 0.2490， 0.2698， 0.0959， 0.1663）， =0.0220<0.1

3.3 备选领域综合评价

根据德尔菲调查问卷结果，采用指数法对回收问卷进行数据处理，综合考虑备选领域对辽宁省的重要度、研发水平、发展基础、影响力及制约因素等内容，利用模糊综合评价方法建立评判矩阵。由于备选子领域较多、数据量较大，本文仅以智能装备制造业为例说明计算过程，其他备选子领域的计算过程以此类推。根据专家评价结果，智能装备制造产业的模糊评价矩阵为：

指标权重向量与模糊评价矩阵相乘得到智能制造装备产业的综合评价向量==（0.4344， 0.2598， 0.1328， 0.1005， 0.0724），定义评价等级值向量为V=（V1，V2，V3，V4，V5）T=（100，80，60，40，20）T，则该领域综合评价分数为==（0.4344， 0.2598， 0.1328， 0.1005， 0.0724）·（100，80，60，40，20）T=77.666。同理可得31项备选子领域综合评价结果，选取排名前10的备选子领域，并按照综合评价分数降序进行排列，如表3所示。

3.4 评价结果与综合分析

从上述评价结果可以看出，排名前十的备选子领域涵盖了高端装备制造、节能环保、新能源领域及社会公共事业领域，在综合考虑前期调研和综合评价的结果上，确定這4类领域为辽宁省大数据产业的重点领域，并以此制定分层次的发展计划：

3.4.1高端装备制造领域

智能装备制造、航空装备、海洋工程装备和先进轨道交通装备是综合评价结果较高的子领域。辽宁省高端装备制造业体系较为完善，产业链完整，传统产业聚集显著且龙头企业的大数据水平较高，能够引领高端装备制造业向信息化方向发展，沈阳机床集团、沈鼓集团、大连船舶重工集团等龙头企业的生产工艺水平在国内处于领先地位，具有较好的产业基础条件。辽宁省应强调利用物联网、云计算等大数据技术，缩短制造业产品全生命周期，加快制造业向服务化方向转型。

3.4.2节能环保领域

辽宁省环保产业在产品类别、技术资源以及产业集群化发展上具有一定优势，虽然近年来在全国的位次有所下降，但辽宁省环保产业的科研院所众多，研发实力雄厚，并建立了环保产业园区，形成以高新技术为主的环保产业集群，这为环保产业的大数据发展提供了较好的产业基础。辽宁省要在此基础上逐步实现生态环境的动态监测信息互联共享和大数据分析。

3.4.3 新能源领域

“互联网+”智慧能源领域的综合评价结果最高，辽宁省新能源产业发展迅速，产业规模不断扩大，主导产品制造技术、加工工艺已能达到国内领先水平，使新能源产业集群的发展具有一定优势。辽宁省应结合大数据技术，建设以水力、风力、太阳能和生物质能等可再生能源为主的多能源互联网，以此带动产业规模和技术水平的共同提升，推进智慧能源多元化、规模化发展，努力打造辽宁新能源产业基地。

3.4.4社会公共事业领域

交通、医疗等领域综合评价结果较高。在交通方面，应利用大数据技术推进城市交通管理智能化，基于互联网搭建城市运输公共信息云平台，为公众提供“一站式”查询服务。在医疗方面，利用大数据优化医疗资源分布，加强对医疗机构用药监管监测；加强公共卫生、计划生育信息服务；推进健康医疗与养生、养老等产业协同发展。endprint

3.5 加速辽宁省大数据产业发展的政策建议

开展产业重点领域技术预见，为辽宁省大数据产业发展奠定了基础。为充分发挥技术预见的作用以促进大数据产业发展，建议：（1）结合国家大数据产业发展工作总目标，基于本省的产业基础和实际特点，大力发展“互联网+”产业，实现基于数据的科学决策，建立用数据进行管理、创新的科学机制；（2）推进工业大数据应用，积极鼓励工业企业利用大数据技术在生产过程中实现供应、制造环节的信息数据化、智慧化生产模式，重视产业重构和流程再造，加强数据分析对生产经营决策的服务能力。建立跨行业、跨环节的工业大数据分析应用平台，促进大数据技术、物联网、云计算和3D打印技术等在制造业产业链中的融合运用，推动制造模式转变和传统工业转型升级；（3）发展新兴产业大数据，努力培育大数据技术在互联网金融、政府信息服务、材料化学、生物制药等领域跨界融合的新业态，提升相关产业的数据获取和分析应用能力，充分挖掘数据资源支撑产业创新的潜力，带动传统产业商业模式创新，推动跨领域、跨行业的数据融合发展，以形成同步发展的产业新模式，进而培育新的经济增长点。

参考文献：

[1] Martin B R. Matching social needs and technological capabilities： research foresight and the implications for social sciences （paper presented at the OECD workshop on social sciences and innovation）[Z][J]. Tokyo： United Nations University， 2000：176-179.

[2] UNIDO. Technology Foresight [OL].[2015-01-21]. http：//www.unido.org/foresight.html.

[3] 陳峰.日本第八次技术预见方法的创新[J].中国科技论坛， 2007（8）：132-135.

[4] Kolominsky-Rabas P L， Djanatliev A， Wahlster P， et al. Technology foresight for medical device development through hybrid simulation： The ProHTA Project[J]. Technological Forecasting and Social Change， 2015（97）： 105-114.

[5] Chan L， Daim T. Exploring the impact of technology foresight studies on innovation： Case of BRIC countries[J]. Futures， 2012， 44（6）： 618-630.

[6] Johnston R. Developing the capacity to assess the impact of foresight[J]. Foresight， 2012，14（1）： 56-68.

[7] 李万.APEC，UNIDO，OECD与技术预见[J].世界科学， 2002（8）：40-41.

[8] 李红玲，梅乐.技术预见：从方法的运用到系统的构建[J].科学学与科学技术管理，2006（12）：47-51.

[9] 路甬祥.前瞻世界发展大势 谋划中国科技战略——中国科学院发布《创新2050：科学技术与中国的未来》战略研究系列报告[J].中国科学院院刊，2009（4）：333-337.

[10]李海丽，张士运，王世民.北京未来10年新材料领域技术预见的组织和实施[J].科学学与科学技术管理，2009，30（04）：197-199.

[11]李万.上海区域产业技术路线图的实践与推进思考[J].中国软科学，2009（S2）：145-149.

[12]李兴华.产业技术路线图——广东科技管理创新实践[M].广州：广东科技出版社，2008.

[13]邱立新.高技术产业优先发展领域评价与选择——基于技术预见的实证研究[J].科技管理研究，2010，30（14）：62-65+61.

[14]梁偲.2016技术预见国际研讨会：大数据与技术预见[J].世界科学，2016（6）：36-41.

[15]党兴华，车渊彬. 区域战略性新兴产业重点领域选择研究——以西安航空新材料产业为例[J]. 中国科技论坛， 2014（5）：45-49+61.

[16]曾路，孙永明.产业技术路线图原理与制定[M].华南理工大学出版社，2007.

[17]Turoff M， Linstone H. The Delphi method： Techniques and applications[J]. Retrieved March， 2002（29）： 2006.

[18]穆荣平，任中保，袁思达，乔岩.中国未来20年技术预见德尔菲调查方法研究[J].科研管理，2006（1）：1-7.

[19]李远远.基于技术预见的行业关键性技术选择方法研究[J].科技管理研究，2010，30（3）：119-121.

[20]张良桥，贺正楚，吴艳.基于灰色关联分析的战略性新兴产业评价——以生物医药为例[J].经济数学，2010（03）：79-84.

[21]贺正楚，张训，周震虹.战略性新兴产业的选择与评价及实证分析[J]. 科学学与科学技术管理，2010（12）：62-67.

[22]胡运权.运筹学基础及应用[M].北京：高等教育出版社，2004.

（编辑：张萌）endprint