大数据产业共性技术路线图研究

王　倩,李天柱

(辽宁科技大学工商管理学院，辽宁　鞍山　114051)

0　引言

产业共性技术是指在很多领域内已经或未来可能被普遍使用，其研发成果可共享并对整个产业或多个产业及其企业产生深度影响的一类技术[1]。产业共性技术处于竞争前阶段，发达国家注重运用产业政策支持推进共性技术开发，如美国ATP计划、日本VLSI研究联合体、欧盟ESPRIT计划[2]。中国同样重视产业共性技术研发，明确提出加快产业共性技术和竞争前技术的研发和推广工作，并发布《产业关键共性技术发展指南(2015年)》，这对产业技术体系构建、产业结构优化升级、增强产业竞争力有着重要助推作用，对于新兴产业的形成和培育，抢占科技和经济制高点具有重大意义。

产业共性技术和共性技术二者一般在概念上不作严格区分，国外多使用共性技术概念，中国则普遍认同产业共性技术概念，如产业共性技术研发、产业关键共性技术、产业共性技术供给等。通常认为，产业共性技术的应用范围越广，其共性能力就越强。学者们分析了产业共性技术内涵[3]、共性技术供给与扩散[4]、产业共性技术测度指标[5]等问题，对共性技术遴选流程和组织架构进行了设计[6]，认为产业共性技术已经进入到研发供给和应用共享两个阶段[7]，并借助产业技术路线图对共性技术开展技术预见[8-9]。总体来看，先行研究主要集中在产业共性技术理论等方面，对产业共性技术筛选识别的选择标准和机制则缺乏深入的研究，特别是对目前亟待发展的一些新兴产业，更需要政府引导共性技术的发展，大数据产业就属于这种类型。

随着大数据时代的到来，大数据产业也将迅速进入蓬勃发展阶段，提前对中国大数据产业发展进行战略筹划、谋篇布局成为刻不容缓的任务。大数据是一个严谨的科技概念，同时也涉及众多产业和不同领域[10]，特别是当前大数据正处于科技创新和产业发展的前端。为抓住大数据产业竞争的先机，需要通过技术预见明确产业发展需求、确定亟需攻克的共性技术等基础问题。本文应用专利地图法对中国大数据产业共性技术进行预见性分析，进而绘制大数据产业共性技术路线图，尝试对影响中国大数据产业未来发展的基础性问题进行回答。

1　产业技术路线图

1.1　理论内涵

技术路线图是技术管理的主流工具，它反映了对某一领域前景的看法以及实现这个前景的方法。作为一种实用的工具，使用者的层面和经验各不相同，对技术路线图的表现形式和使用技巧也不尽相同，因而产生了不同的流派。以美国为代表的流派关注技术路线图绘制的结果，把技术路线图作为一种技术预见工具；而以英国和欧洲为代表的流派，更关心技术路线图绘制的过程，将其作为一种技术预见和组织学习的过程。技术路线图可以应用在从微观到宏观的不同层面。一般而言，企业层面的技术路线图比较微观，更关注绘制过程和组织学习；而产业和国家层面的技术路线图相对宏观，更关注绘制的结果。

产业技术路线图能够引导企业及科研机构进行技术研发活动，明确产业技术在未来市场的发展机会。产业技术线图经过长时间的发展和应用过程，目前已初步形成如下特点：①以“市场拉动”为动因，在考虑充分未来市场需求的前提下，分析市场与技术、环境等因素之间的互动；②绘制过程中需要对相关影响因素进行综合分析，但规划结果却是高度概括性的，简明扼要的指出未来技术发展路径和发展措施，具有极强的前瞻性；③整合与技术未来发展相关的不同领域的利益相关者，使其明确在技术路线实现过程中应承担的任务，再通过修正使技术路线图趋于成型。

需要指出的是，本文聚焦于产业层面的技术路线图，采用技术路线图的思维方式，用以分析大数据产业的发展方向、共性技术、实现路径以及发展策略，因而绘制出的技术路线图主要是指向性的，而不是具体展开的结果。

1.2　制定流程

科学的制定流程是影响产业技术路线图能否发挥其作用的关键。一般来说，产业技术路线图的制定主要包括三个阶段[11]：①准备工作阶段，首先组建工作团队，明确制定过程中的参与者和领导小组及各成员的主要工作职责；其次界定范围和边界，协调各层次间的共性技术、研发基础等，确保获取成功的技术发展路径；最后需获得政府和相关部门支持，通过政策倾斜引导产业发展，保证规划结果能够付诸使用。②核心开发阶段，以“市场需求—发展目标—技术壁垒—研发需求”为产业技术发展路径，最终绘制产业技术路线图(见图1)。③后续管理阶段，根据市场需求和共性技术的变化定期评价更新，确保产业技术路线图能够适应不断变化的产业发展趋势。

1.3　专利地图法

如图1所示，制定产业技术路线图需要综合运用德尔菲法、情景规划法、头脑风暴法等多种未来研究方法，下面主要对在共性技术预见中发挥重要作用的专利地图法进行说明。通过专利地图法对技术领域的关键共性技术进行筛选识别，可以直观清晰地看出技术领域的发展现状和趋势。专利地图的制作过程主要包括四个步骤[12]：

图1　产业技术路线图的核心开发流程

(1)关键词矩阵。针对目标技术领域，以初始关键词收集相关专利文献；其次从专利文献中提取关键词，形成关键词列表；再核对每个关键词是否存在于专利文献中，形成关键词矩阵。关键词矩阵以关键词为横轴，专利文献为纵轴，若第i个关键词在第j个专利文献中存在，点(i,j)用1表示，若不存在，则用0表示，如图2所示。

图2　关键词矩阵

(2)聚类分组。利用K-means聚类算法对专利文献进行聚类分组，使用关键词特征值将专利文献分成K组(K≥2)，如图3所示。

(3)关键词语义网络。由图4可知，组1中关键词有a、b和c，组2中关键词有c和d，两组关键词的交集为c，故两组关键词间的所有节点为(a,b)(c)和(d)。这里认为共同节点的级别高于其他节点，据此画出(c)指向(a,b)(d)的箭头，以此类推制作包含一个或多个关键词的语义网络，如图5所示。

(4)专利地图。分析语义网络中每个专利的最早申请日期，将每个节点中专利的最早申请日期作为该节点日期，如图6所示。最后，整理综合语义网络、专利申请日期和语义网络节点，完成专利地图。

图3　利用K-means聚类算法对专利文献进行聚类

图4　分析聚类后每组专利文献的关键词

图5　形成关键词语义网络

2　本文的研究设计

2.1　研究方法

本文主要针对大数据产业技术路线图的核心开发阶段，以“市场需求—发展目标—技术壁垒—研发需求”为研究思路，各环节运用如下研究方法:

(1)市场需求分析。运用德尔菲法、SWOT分析法对市场需求进行分析，为筛选产业共性技术、确定技术组织形式以及组织管理等提供科学依据。具体步骤：①采用德尔菲法获取数据，围绕产业的背景、资源现状、技术及关联度等进行调研，得出产业发展现状；②运用头脑风暴法剖析影响产业发展的有利因素、发展机遇及内外部不利因素，明确推动产业发展的因素和动力，识别产业发展中的不足和劣势，编制SWOT矩阵。

图6　结合专利申请日期建立综合语义网络

(2)产业目标分析。在市场需求的基础上，采用德尔菲法、情景分析法凝聚对产业未来发展方向的判定，确定产业技术发展目标。具体步骤：①围绕产业技术目标进行调研，将调研的目标要素，由专家评判排序，作为情景分析中的信息依据；②在情景分析中，通过对产业技术目标要素的讨论分析，凝练出在近期、中期和长期需要解决的产业目标。

(3)共性技术分析。根据产业技术发展目标，识别出产业发展中所需的共性技术。以目标技术领域专利文献为研究对象，运用K-means聚类、语义分析等方法制作专利地图，提取共性技术清单。具体步骤参考1.3节中专利地图的制作过程。

(4)研发基础分析。综合上述分析结果，识别产业技术领域中现实与目标间的差距，通过专家头脑风暴法对技术发展路径进行讨论，明确突破产业共性技术的研发需求。

2.2　研究内容

运用上述研究方法，本文首先对大数据产业在中国经济发展中的地位进行分析，通过SWOT分析识别未来市场对大数据的需求，确定亟需突破的领域；其次分析大数据产业驱动力，明确产业技术发展目标；再次依据未来大数据产业技术发展目标，通过专利地图法对未来亟需攻克的大数据产业共性技术进行识别，从而带动整个大数据产业的技术升级，实现产业发展目标；然后，根据产业共性技术，凝练出大数据产业发展需求及技术发展趋势，通过明确产业研发需求，促进整个大数据产业的健康持续发展；最后，将共性技术按时间节点要素进行组合和连接，绘制中国大数据产业共性技术路线图。

3　中国大数据产业共性技术路线图研究

3.1　产业市场需求分析

在本次研究中邀请35位专家进行德尔菲调查，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。根据专家所在不同领域和对大数据产业的熟悉度，请专家对大数据产业现状、技术领域和发展趋势进行分析，并编制SWOT矩阵。

(1)产业发展现状。中国大数据产业起步较晚，但在政府大力扶持下已成为亟待加速发展的新兴产业。2015年国务院印发《促进大数据发展行动纲要》，大力促进大数据产业发展，工信部编写了《大数据产业发展规划(2016—2020年)》[13]。此外，地方政府也高度重视大数据产业，截至2016年底，中国已有21个省市出台有关大数据的产业发展规划。

大数据产业分为核心产业、关联产业和衍生产业，能够通过“互联网+”的带动作用渗透到社会多个行业，从而形成整个辐射的产业。大数据核心产业包括大数据服务、基础软件、相关软件和硬件等，围绕数据资源形成大数据核心业态。大数据关联产业包括电子计算机制造、电子信息制造、系统集成服务等，能够促进信息产业集聚发展。大数据衍生产业包括人工智能、工业互联网、普惠金融和绿色生态等，利用大数据驱动社会经济生产，带动经济转型升级。目前，中国大数据技术领域主要集中在数据采集和预处理技术、数据存储与管理、数据挖掘、数据可视化等，这些技术手段可以为大数据相关产业提供深度的分析。然而，中国大数据产业在迅速发展的同时，也存在需要解决的问题。

(2)产业SWOT分析。结合德尔菲调查结果，对中国大数据产业发展现状与地位进行充分分析后，借助SWOT分析法对大数据产业发展态势进行剖析，构建SWOT矩阵(见表1)，提出大数据产业今后的技术发展战略。

表1　中国大数据产业SWOT分析矩阵

中国发展大数据产业具有较大的现实需要和强烈的国家战略意义：①中国信息化发展水平日益提高，对数据资源的采集、挖掘和应用水平不断深化，政务信息化水平不断提升，两化融合正进入纵深发展的新阶段。②在软硬件方面，国内大数据龙头企业推出自主研发的大数据基础平台产品，如阿里巴巴、华为云服务、浪潮等，还有一批初创的大数据公司，依赖于数据分析工具，提供创新型数据服务，市场需求急剧上升。③在智能分析方面，深度学习等人工智能前沿技术在语音识别、图像理解、文本挖掘等方面抢占技术制高点。④在开源技术方面，中国对国际大数据开源社区的贡献不断增大，对数据分析处理能力提出了新要求。

根据上述分析，针对未来一段时期内中国大数据产业的市场变化和发展趋势，提出大数据产业在近期(2017—2019年)、中期(2020—2022年)、长期(2023—2025年)应对市场发展需要解决的技术领域。近期亟待解决的优势领域为数据计算模式与系统、数据可视化及大数据应用等。中期需要突破的潜在领域为数据采集和与处理、数据挖掘及机器学习等。长期需要攻克的滞后领域为数据存储与管理和大数据隐私与安全。

3.2　产业发展目标分析

2015年中国信息产业收入达到17.1万亿元，比2010年翻了一番，其中大数据技术对经济增长的贡献总量占全国GDP的0.52%～0.78%，预计2020年将达到1.2%～1.9%[14]。可见，大数据对中国经济的拉动作用逐年增强，并显示出巨大的产业潜力。未来一段时间内，中国大数据产业发展方向为形成大数据产业体系、增加相关产品及服务业务收入、培育大数据应用及服务企业，建设大数据综合试验区及大数据产业联盟。中国大数据产业技术发展主要集中在以下几个方面：

(1)大数据采集和预处理。数据采集是大数据生命周期中的第一个环节，通过传感器、社交网络等方式获得不同类型的结构化、半结构化和非结构化的多维海量数据。数据采集后企业可以对数据进行挖掘分析，以获得稳定安全的数据资源。目前，中国在数据采集技术与预处理技术上已积累了一定技术优势，在全球技术领域中具有较强竞争力。

(2)大数据存储与管理。随着互联网快速发展，数据高速增长对数据存储技术有了更高要求。已有的分布式数据存储系统不能有效满足大数据时代产生的海量数据，相关部门应大力投入对数据存储系统的研发，是解决海量数据的关键。

(3)大数据可视化。数据可视化能够直观洞察数据，挖掘出数据的潜在信息。数据可视化广泛受到关注，相关技术也日益成熟。但数据可视化仍存在许多问题，主要体现在数据分析过程中数据的呈现方式，是未来可视化研究的重点方向。

(4)大数据挖掘。数据挖掘是从大量随机的、模糊的应用数据中提取人们事先不知道的、具有潜在价值的信息和知识的过程。大数据分析的核心就是数据挖掘，目前需要着重突破的技术有数据挖掘算法、语义引擎和预测性分析等。

(5)面向大数据的机器学习。机器学习是大数据的基石，也是人工智能的核心，利用机器学习相关技术能够有效对海量数据进行筛选、分类和关联。目前，机器学习应用已遍及人工智能的多个领域。

(6)大数据隐私与安全。大数据在收集、存储和处理过程中面临数据安全风险，数据泄露或虚假数据将导致无效的分析结果。美国和欧盟已提出有关大数据隐私安全的法案，但中国有关大数据的法律法规暂时较为模糊。

通过上述对中国大数据产业技术发展分析，凝练出中国大数据产业在近期亟待突破的技术为数据计算查询、数据批处理、可视化、应用传感设备和运算设备技术和移动终端技术等；在中期需要优先突破的技术为数据采集、多模态数据融合、数据预处理、数据挖掘和机器学习等；在长期需要解决的技术为分布式文件系统查询、高效元数据处理、大数据隐私安全、权限加密技术和硬件加密技术等。

3.3　产业共性技术分析

在德温特创新索引国际专利数据库(DII)中，以big data为主题进行精确检索，检索时间为2017年4月9日，得到中国大数据相关专利文献217项，以全文本方式进行存储。在大数据专利文献中提取关键词(频次≥3)，通过对关键词语义的合并筛选，得到关键词列表，见表2。

表2　大数据专利文献关键词列表

将217项大数据专利文献进行K-means算法聚类，共分成7组，每组包含的关键词见表3。然后，利用聚类结果形成一个具有7个组的关键词语义网络，如图7所示。

表3　每组聚类专利文献的关键词列表

最终，根据关键词列表、聚类分组情况和专利申请日期，整理出语义网络中每个节点的频率及最早申请日期(见表4)。

按照专利地图制作步骤，完成专利地图，如图8所示。由专利地图可知，大数据产业共性技术发展主要有如下几种趋势：

(1)大数据计算模式与系统。由“云服务器—移动终端、云计算”“数据分析、检测方法—数据终端、云计算”共性技术发展路径可知，该领域主要包括云计算、查询、分析、批处理等技术。大数据计算模式与系统是中国大数据的优势技术，应重点寻求技术突破。

(2)大数据可视化。由“移动终端、云计算—文件系统、显示屏幕”“文件系统、显示屏幕—控制系统—个人信息”“文件系统、显示屏幕—大数据平台—采集模块”共性技术发展路径可知，该领域主要包括可视化、界面、任务并行化等技术。

图7　关键词语义网络

节点最早申请日期频率关键词(序号)12003-04-097大数据(1)海量数据(2)22014-05-236大数据分析(3)32015-09-285个人信息(9)42014-04-085预警(34)52014-11-184采集模块(5)62015-04-154实时(10)72007-01-104数据存储(18)82015-09-304存储单元(24)92013-12-114控制系统(28)102006-06-303云服务器(6)用户终端(12)112006-11-063通信模块(11)通信设备(22)122014-10-223大数据平台(8)132015-12-113采集装置(14)142016-01-253输出端(21)152006-12-122移动终端(4)云计算(7)162005-04-152数据包(15)大数据包(20)172006-11-062大数据技术(16)无线网络(23)收集方法(25)数据采集模块(30)

续表4

(3)大数据应用。由“实时—个人信息”“大数据分析—预警”“无线网络—大数据平台—行为数据”“云服务器、用户终端—移动终端”共性技术发展路径可知，该领域主要包括传感设备及数据、移动终端、一体机等技术。大数据在不同行业的应用是未来发展重点，例如餐饮服务业、工业4.0和政府治理中的应用。

(4)大数据采集与预处理。由“云服务器、用户终端—通信模块、通信设备—采集模块—采集装置”“大数据平台—采集模块—采集装置”共性技术发展路径可知，该领域主要包括采集、清洗、数据预处理、数据一致性等技术。大数

图8　大数据产业共性技术专利地图

据采集与预处理是当前研究热点，数据采集、数据融合和清洗是技术领域的重点发展方向。

(5)大数据挖掘。由“数据包、大数据包—大数据规模、大数据分析法、检测方法—移动终端、云计算”“云服务器、用户终端—移动终端、云计算—海量数据处理”共性技术发展路径可知，该领域主要包括数据分析、数据挖掘、统计分析、机器学习等技术。大数据挖掘是当前大数据技术的重要发展趋势。

(6)大数据存储与管理。由“数据包、大数据包—数据存储—大数据平台”“云服务端、用户终端—数据存储—预警—存储单元”“个人信息—存储单元—采集装置”和“检测方法—文件系统—控制系统”共性技术发展路径可知，该领域主要包括数据存储、存储单元、分布式文件系统等技术。大数据存储与管理是大数据重要的技术领域，也是未来的研发关键。

(7)大数据隐私与安全。由“实时—预警—采集模块”“大数据平台—行为数据”“大数据分析—个人信息—存储单元”共性技术发展路径可知，该领域主要包括权限、加密、匿名、聚类等技术。目前，大数据在应用中面临安全风险，大数据隐私安全保护方面需进一步加强。

3.4　产业研发基础分析

从研发基础方面看，中国大数据技术研发实验室、工程中心、产业创新平台、产业联盟及投资基金等产业支撑平台相继建成，并拥有八个国家级综合试验区，分布在贵州、内蒙古、珠江三角洲、京津冀、上海、重庆和沈阳等地，预期引领中国大数据产业协同发展。此外，中国每年设立国家自然科学基金项目支持大数据技术研发，相关研发主体也在积极筹建中。

从技术研发方面看，中国大数据技术目前处于完善阶段，在大数据计算模式与系统方面具有一定技术优势，可视化技术处在积极研发中，应用技术已实现跨领域融合发展，与发达国家相比并无较大差距；数据存储管理和大数据隐私安全是目前中国相对滞后的大数据技术，有待进一步深入研发；数据采集与预处理、数据挖掘及机器学习等是大数据产业的萌芽技术，鉴于目前已积累的技术优势，中国有待在数据采集与预处理技术上取得突破性进展；随着大数据前沿技术研发进展加快，人工智能、机器学习、深度学习等逐渐成为热点技术，也是未来全球大数据技术的重点发展方向。

4　中国大数据产业共性技术路线图

为了更直观地了解大数据产业共性技术发展全局，在上述阶段性研究成果的基础上，对其进行系统性、综合性考虑，将各部分有机要素按照时间节点进行分层次的有效组合并连接起来，绘制出中国大数据产业共性技术路线图，见图9。

图9　大数据产业共性技术路线图

5　结论

本文从产业共性技术视角切入，以大数据产业市场需求、发展目标、共性技术及研发需求为研究基础，综合多种科学方法进行实证分析，制定出大数据产业共性技术路线图。通过上述对大数据产业共性技术路线图的研究，可见中国大数据产业具有良好的产业基础，为促进中国大数据产业迅速发展壮大，中国政府应当从如下几方面着手：①提高大数据资源共享程度，加强大数据在政府治理和民生中的应用能力，将大数据潜在价值有效挖掘。②加强大数据共性技术研发创新能力，与国外相比仍有较大差距，应在数据采集处理、分布式数据存储和数据挖掘等优势领域寻求技术突破。③提升大数据应用水平，中国大数据应用领域目前存在深度不够、融合力不强、应用不广泛等问题，应利用中国市场的规模优势，推进大数据在行业间与跨行业的融合发展。④完善大数据产业体系建设，健全数据所有权、隐私安全等法律规范，完善数据安全保障体系。

参考文献：

[1]李纪珍.产业共性技术发展的政府作用研究[J].技术经济,2005(9):19-22.

[2]薛捷,张振刚.国外产业共性技术创新平台建设的经验分析及其对我国的启示[J].科学学与科学技术管理,2006(12):87-92.

[3]许端阳,徐峰.产业共性技术的界定及选择方法研究——基于科技计划管理的视角[J].中国软科学,2010(4):73-79.

[4]李纪珍.共性技术供给与扩散的模式选择[J].科学学与科学技术管理,2011(10):5-12.

[5]栾春娟.战略性新兴产业共性技术测度指标研究[J].科学学与科学技术管理,2012(2):11-16.

[6]韩元建,陈强.政府支持产业共性技术研发的遴选流程和组织架构设计[J].中国科技论坛,2015(10):15-21.

[7]贺正楚,张蜜,吴艳,阳立高.生物医药产业共性技术服务效率研究[J].中国软科学,2014(2):130-139.

[8]张颖.湖北大重型数控机床产业技术路线图研究[D].武汉：华中科技大学,2010.

[9]许晔,左晓利.中国地球空间信息及服务产业技术路线图研究[J].中国科技论坛,2016(4):30-36.

[10]王倩,李天柱,刘小琴.全球大数据研究的历史演进:1993—2016年[J].中国科技论坛,2017(7):33-39.

[11]陈家昌.技术路线图在科技管理中的应用及其前景[J].中国科技论坛,2007(8):79-83.

[12]KIM Y G，SUH J H，SANG C P.Visualization of patent analysis for emerging technology[J].Expert systems with applications，2008，34(3):1804-1812.

[13]中华人民共和国工业和信息化部.大数据产业发展规划(2016-2020年)[EB/OL].(2017-01-17).http://www.miit.gov.cn/n1146285/n1146352/n3054355/n3057656/n3057660/c5465655/content.html.

[14]韩涵.中国大数据的社会经济价值研究[R].北京:中国信息通信研究院,2016.