六盘水市大数据与实体经济耦合发展态势及其协调机制研究

刘平清 宁宝权

摘要：通过构建六盘水市大数据发展与实体经济发展评价指标体系，利用改进的CRITIC法进行客观赋权，引入耦合协调模型对六盘水市大数据与实体经济耦合发展态势及其协调机制进行研究。结果表明，六盘水市大数据与实体经济的融合发展呈勉强协调级别，耦合度评价级别大致呈“弱耦合—中等耦合”的变化态势，从长远来看大数据发展能促进实体经济的发展。

关键词：六盘水市;大数据发展;实体经济;耦合协调性

中图分类号：F222;O213             文献标识码：A

文章编号：1009-3044（2021）09-0005-03

开放科学（资源服务）标识码（OSID）：

党的十九大报告中提出推动互联网和大数据的发展，并指出需要加强人工智能和实体经济的深度融合，这意味着数字经济的“红利”大规模产生的时代已经来临[1]。大数据技术给经济社会的发展、国家的管理、社会的治理、人民的生产生活带来了重大而深远的影响，数据成为指挥实体经济运行的“大脑”和“中枢”，充分发挥主导产业运行的决定性作用。目前，我国正处于新旧动能转化的特殊时期，推进大数据产业和实体经济深度融合发展，利用大数据改造传统产业发展模式培育新的生产动力，符合我国经济发展客观需要，对实现创新驱动实体经济的深刻变革具有重大意义，且具有广阔前景。

目前实体经济与大数据的融合发展，主要集中在大数据与实体经济发展及大数据促进产业转型升级，闫树[2]认为大数据发展对经济结构转型具有深远的影响，培育完善的大数据产业体系结构，拓展大数据在各个行业中的应用，并利用大数据技术来推动传统行业的转型升级;黄丽秋等[3]提出，从大数据供给侧方面出发，促使管理的精准化，以推动实体经济和大数据产业的深度融合，在产品设计与生产前，充分通过大数据技术做预测，进而实现个性化生产定制，推动企业及社会经济可持续发展;梅宏[4]在大数据与实体经济融合中指出数字化信息、数据挖掘技术的创新发展和数据资源的大量积累，为数字经济的全面发展提供了可能，健全了数字经济发展的生产要素，催生了共享经济、平台经济和算法经济等新经济形态，让生产力的变革创新变得更具活力。著名的经济学教授罗默（ Paul M.Romer） [5]指出国家或地区在有限资源的条件下， 需要将资源进行集中，并利用优势技术集中资源用于优势产业，再以此带动其他产业的协调发展，进而让产业结构得到升级优化和全面发展。因此，為顺应时代的发展，提升我国的综合国力，推动数字经济的普及，着力于推动大数据产业的发展，以实现资源共享，促进产业结构调整和转型升级[6][7]。相关的研究中主要以定性研究为主，定量研究的文献相对匮乏。本文应用系统耦合的理论来研究“大数据+实体经济”发展的交互耦合效应，对大数据产业与实体经济产业深度融合发展做量化研究。

由于大数据兴起较晚，目前关于实体经济与大数据耦合发展方面的研究并不多，定量方面的研究更少，而仅有的研究也主要集中在具体的产业，欠缺系统研究实体经济与大数据产业的融合情况，本文结合贵州省六盘水市大数据发展战略研究实体经济融合发展问题的成果更是缺乏。本文立足于六盘水市实体经济与大数据产业的深度融合，通过“大数据+实体经济”模式建立耦合协调模型，分析当前“大数据+实体经济”的耦合发展态势，为六盘水市大数据与工业、农业及服务业深度融合发展建言献策，为六盘水市大数据深入融合发展提供决策参考。

1 变量的选取及数据来源

1.1 数据来源

本文针对2015-2018年贵州省六盘水市大数据与实体经济耦合发展态势及其协调机制进行研究，数据来源于六盘水市政府数据开放平台、《贵州省统计年鉴》及政府官方网站等。

1.2 构建指标体系

大数据与实体经济耦合发展系统是一个复杂的多因素系统，在遵循系统性、层次性和可操作性等原则的基础上，本研究从大数据发展系统和实体经济系统两方面构建大数据与实体经济耦合发展指标体系，指标体系的主要内容如表1所示。

2 基础知识介绍

2.1 指标标准化

在实际问题的分析中，一般需要对数据做标准化处理，但由于指标本身的属性不同，标准化公式有一定差异，对高优指标和低优指标需要做分别处理。评价指标矩阵表示为[F=（xij）m×n]，标准化后矩阵为[Y=（yij）m×n]，则换算公式为：

对于高优指标：[yij=xij-（xij）min（xij）max-（xij）min]                       （1）

对于低优指标：[yij=（xij）max-xij（xij）max-（xij）min]                       （2）

2.2 耦合协调模型

系统耦合是将多个性质相似的系统整合后对相互协同情况进行分析的一种方法。在耦合系统中，各个子系统之间相互影响程度称为“耦合度”，通过建立数量相关模型，并定量的计算出耦合系统中各要素相互作用所产生的经济、自然和社会效益，同时利用耦合度指标对整体系统的耦合协调程度做数值计算，系统耦合理论在实际应用中具有很好地实践价值。鉴于六盘水市大数据与实体经济耦合发展态势及其协调机制研究是一个复杂多因子系统问题，利用耦合度模型可以较好地反应各个子系统之间的协调程度;并且可以用来衡量系统内部各要素协调性状况的具体情况，对全面认识系统具有重要意义。

[C=f（x）×g（x）f（x）+g（x）2212]                     （3）

式中：[f（x）、g（x）]分别为各年大数据发展子系统、社会经济子系统承载力水平;[C]为各子系统的耦合度，其取值为[[0 ， 1]]。

[T=?f（x）+βg（x）]                              （4）

[D=C×T]                                 （5）

式中：[D]为耦合协调度，[D]值越大，代表两系统协调程度越好;[f（x）、g（x）]分别为各年大数据发展系统、实体经济系统的评价值;[?、β]为待定系数，由于每个系统同等重要，各待定系数的取值为[12]。

2.3 改进CRITIC赋权法

CRITIC法[8]是一种常用的客观赋权法，其思想是用标准差表示各个个案之间取值差距的大小;并用指标之间的相关性来评价指标的冲突性，其中[i=1m（1-rij）]表示第[j]个指标与其他指标的冲突量化指标，[rij]为第[i]个指标与第[j]个指标之间的相关系数。根据上面介绍及CRITIC方法可计算第[j]个指标包含信息量 [8]为：

[Cj=σjμji=1m（1-rij）]                             （6）

[Cj]越大表明第[j]个指标包含的信息量越大，则指标[j]的重要性相对也越大。

第[j]个指标权重为：

[wj=Cjj=1nCj]                             （7）

则可得权重向量[w=（w1，w2，...，wn）T，1≤j≤n]

3 结果与分析

3.1 六盘水市大数据发展子系统与社会经济子系统的得分变化

根据上述模型及计算方法，计算2015-2019年六盘水市大数据发展系统与实体经济系统得分变化，具体结果见图1。

2016-2019年间六盘水市大数据发展系统和实体经济系统得分呈现出不同的變化态势，其中大数据发展子系统得分呈逐年上升的趋势，这与六盘水市大力发展大数据产业有着密切的关系，同时在2015-2017年六盘水市经济发展较快，得分呈现逐年上升的趋势，但是在2017年以后，六盘水市经济逐渐下滑，这主要与六盘水市转变经济发展方式有关，过去以煤炭及重工业为主进行发展，现在转变为以旅游为主的发展模式。

3.2 六盘水市大数据发展系统与实体经济系统耦合协调分析

2015-2019年间六盘水市大数据发展系统与实体经济系统耦合协调评价值变化结果见表3。

由结果可知，2016-2019年间六盘水市大数据与实体经济耦合协调度发展态势大致呈增长的状态，2015-2016年六盘水市大数据发展系统与实体经济系统为弱耦合，表明六盘水市大数据发展处于初级阶段;2016-2019年六盘水市大数据发展系统与实体经济系统为中等耦合，经济发展与大数据发展还处于勉强协调的状态。

4 结论及建议

本文主要对六盘水市大数据与实体经济耦合发展态势及其协调机制研究，通过分析，得到的结论有：（1）从耦合性的角度看，六盘水市大数据与实体经济发展呈“弱耦合—中等耦合”的态势，总体呈上升的态势，这说明六盘水市大数据产业近年来发展较快，但是还是处于中等耦合发展的态势，六盘水市大数据与实体经济的耦合发展还有较大的空间;（2）从协调性的角度看，六盘水市大数据与实体经济发展呈“中度失调—轻度失调—勉强协调”的态势，总体上呈上升的趋势。从耦合协调性的分析结果可知，六盘水市大数据发展系统与实体经济系统的耦合协调性要得到综合提高首先要依靠自身水平的提高，从未来发展来看，大数据的发展能促进实体经济的发展。

基于上述结论，提出如下政策建议：（1）培育数字经济新型市场主体。依托大数据产业招商行动、数博会六盘水分论坛等招商引资引智平台，结合六盘水市定位，在物联网、无人机方面引进一批有实力的有影响的企业，并配套引进一批应用商和数据生产者，将产业体系化，以此吸引一批关联企业到六盘水投资，建设大数据“加工厂”;（2）推动“四型”数字经济加快发展。加快发展数据采集、集聚与存储、数据加工处理分析、数据交易等资源型数字经济。加快发展人工智能、软件研发及外包、数字化研发制造等技术型数字经济;（3）提高政府治理能力。运用大数据提升政府治理能力，健全完善“云长制”，加快实现大数据与政府治理深度融合，促进政府治理精准化。

参考文献：

[1] 王建冬，童楠楠.数字经济背景下数据与其他生产要素的协同联动机制研究[J].电子政务，2020（3）：22-31.

[2] 闫树.大数据：发展现状与未来趋势[J].中国经济报告，2020（1）：38-52.

[3] 黄丽秋，王媛玉.贯彻十九大精神 推动大数据与实体经济深度融合——大数据时代的供给侧精准化管理[J].商业研究，2018（9）：1-7.

[4] 梅宏.大数据与实体经济融合是重要方向[J].当代贵州，2018（21）：72-73.

[5] Romer P M.Endogenous technological change[J].Journal of Political Economy，1990，98（5，Part 2）：S71-S102.

[6] 陈炳松.加快大数据与实体经济深度融合的研究[J].中国信息化，2019（11）：90-93.

[7] 陈德余，汤勇刚.大数据背景下产业结构转型升级研究[J].科技管理研究，2017，37（1）：128-132.

[8] 刘平清，张鹏，宁宝权.基于改进CRITIC-G1法的混合交叉赋权与TOPSIS模型的节水灌溉项目优选[J].节水灌溉，2019（12）：106-109.

【通联编辑：梁书】