大數據產業重點領域技術預見研究：以遼寧省為例

王倩++李天柱

摘要：通過技術預見選擇能產生最大經濟社會效益的戰略研究領域，對大數據產業發展具有重要作用。本文分析了大數據產業重點領域選擇的影響因素、調研方法、評價指標體系和評價模型。在此基礎上，采用層次分析法確定指標權重，運用模糊綜合評價法對備選領域進行綜合評價，綜合考慮定量和定性的分析結果，研判了遼寧省大數據產業的重點領域，并提出相應的政策建議。

關鍵詞：大數據；技術預見；產業重點領域選擇；德爾菲法

中圖分類號：F062.3 文獻標識碼：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

技術預見是對未來較長時期內的科學、技術、經濟及社會發展進行系統研究，其目標是選擇具有戰略性的研究領域，分析可能對經濟和社會具有最大價值的通用新技術[1，2]。自1971年日本首次組織技術預見活動以來[3]，技術預見在國際上得到了廣泛關注，并在生物醫療、信息通信、能源技術等領域取得顯著成效[4-6]，APEC、UNIDO、OECD等國際組織也開展了大量技術預見活動[7]。我國在1997年組織了“國家重點領域技術預測”，2003年又針對未來10年的生物、信息和新材料三個領域實施了技術預測[8]。中科院對我國至2050年的科技發展路線進行了預見性研究[9]，全國多地也陸續開展有組織的技術預見工作[10-13]。

大數據時代的到來，使得數據成為重要的基礎性戰略資源，大數據產業也成為全球科技創新的熱點。面對大數據蓬勃發展帶來的寶貴歷史機遇，充分利用我國大數據產業的規模優勢，發揮數據資源的戰略作用，對提升政府治理能力、優化民生公共服務、促進經濟轉型升級具有重大意義。但是，目前正處于大數據產業發展的模糊前端，需要通過科學的技術預見活動確定未來我國大數據產業發展的重點領域，制定相應的產業政策、配置相應的創新資源，從而加速大數據的應用和產業發展。從已有研究來看，美國、德國、日本、韓國目前已開展大數據產業的技術預見[14]，但國內與此相關的實踐活動還不多見。不論是國內還是國外，在大數據產業技術預見的方法論方面也缺乏系統和深入的先行研究。

目前國內大數據產業發展已初具規模，但尚未形成產業界定共識。從普遍意義上來講，大數據產業是指與大數據的產生與集聚、組織與管理、分析與發現、應用與服務相關的經濟活動的集合[14]。國內大數據產業在互聯網、金融、電信等信息化領先行業的引導和帶動下，已完成了初步布局，能夠滿足基礎數據加工生產的全生命周期。由于大數據產業覆蓋領域廣泛，本文將大數據產業備選領域集中在高端裝備制造、新一代信息技術、生物、節能環保、新能源、新材料、新能源汽車等七大領域及社會公共事業領域，主要針對技術預見過程中的產業重點領域選擇環節，對大數據產業重點領域選擇的依據與方法進行分析，并運用該研究對遼寧省大數據產業重點領域選擇實證分析，為大數據產業重點領域的選擇提供決策支持。

1 大數據產業重點領域選擇的影響因素

從引言對大數據產業的概念轉述可知，大數據產業的活動分布在國民經濟中的不同產業及產業的不同部分之中，對大數據產業的重點領域開展技術預見，就是要從經濟的不同產業部門中，將未來需要重點發展的領域分離出來。在分離和選擇產業重點領域的過程中，各種有形的和無形的、國內的和國外的因素都會不同程度的影響對未來的預見性分析。只有明確大數據產業重點領域選擇的影響因素，并結合特定區域的實際情況進行具體分析，才能合理地定位出適合特定區域的重點領域。本文在綜合考慮大數據產業內涵及特征的基礎上，結合產業重點領域選擇的相關理論，認為大數據產業重點領域選擇的影響因素包括如下五個方面。endprint

1.1 產業重要度

一個產業對國家科技進步和經濟發展的重要程度能夠反映出該產業能否取得長足發展。大數據雖然已經成為全社會創新創業的基礎設施和基礎資源，但在一定時期內，大數據的應用對不同產業或產業的不同部分其重要性和緊迫性是會存在差異的，有時這種差異可能很明顯。這意味著在選擇大數據產業重點領域時，要綜合而客觀的判斷大數據的應用對促進經濟增長、改造和提升傳統產業、環保和資源綜合利用開發以及提高人民生活質量等方面的重要程度，使大數據產業的產出得到有效吸收，其經濟效益才會大大提高，從而形成產業自身的競爭優勢。

1.2 技術研發水平

雖然大數據已經成為目前全社會關注的熱點，但大數據自身還是一項新興技術，不同產業部門針對大數據技術研發的水平和投入強度必然是影響產業重點領域選擇的重要因素和條件，決定著大數據產業未來發展的方向和潛力，較高的技術研發水平能夠有效支撐大數據產業的發展，也會對經濟起到引領和帶動作用。因此，在選擇大數據產業的重點領域時，必須考慮該領域針對大數據的研發水平，并著重考慮在有較好技術基礎的領域實現率先突破。

1.3 產業發展基礎

大數據屬于典型的新興技術，大數據產業則屬于典型的新興產業，因此具有科學含量高、創新能力強、產業生命周期長等特征，其發展應建立在一定的產業基礎之上[15]，否則大數據的應用及其對經濟社會發展的推動作用都會受到不同程度的抑制。這就決定了在選擇大數據產業的重點領域時，要結合各備選領域的發展現狀，優先選擇那些產業發展基礎較好，資源要素比較具有優勢的領域，才能更好地發揮大數據的革命性作用，促進大數據產業發展。

1.4 產業影響力預測

產業影響力預測是分析大數據產業的潛在需求，主要傾向于評估產業領域、社會經濟和資源環境等三方面的影響程度。大數據產業自身具有較強的轉移效應和發散效應，能夠通過前向和后向的關聯效應促進其他相關產業的發展。因此，在選擇大數據產業重點領域時，要重視考慮產業影響力因素，影響力越大，對其他產業的拉動效應和推進效應就越明顯，從而更能夠發揮大數據對區域科技、產業、經濟乃至社會發展的全方位促進作用。

1.5 產業政策導向

由于大數據產業對國民經濟發展和國家安全具有重要戰略意義，在選擇大數據產業的重點領域時，一方面應遵循大數據產業發展的一般規律，另一方面還需考慮國家或區域的戰略發展需求，使得最終確定出的產業重點領域既符合國家整體產業發展規劃和布局，又能得到中央和各級地方政府的政策支持。因此，在選擇大數據產業重點領域時，準確把握產業政策導向非常關鍵，將直接影響大數據的研發、應用及產業的起飛和發展。

2 大數據產業重點領域技術預見過程

2.1 調查方法選擇

德爾菲調查法是一種非見面形式的專家意見收集法，它具有匿名性、統計性和反饋性等特點[16]，能高效的、通過群體間的交流與溝通來解決復雜問題[17]，德國、日本、韓國、法國、澳大利亞等國家都采用這種方法成功進行了技術預見活動[18]。此外，情景分析法、相關樹法、專利分析法、技術路線圖等方法也被廣泛應用于技術預見當中[19]。

相比于一般的技術預見活動而言，大數據產業重點領域選擇具有一定難度，主要表現在：（1）大數據產業尚處在成長初期，其未來發展過程中還存在很多不確定性；（2）大數據產業是一個新概念，沒有以往的數據可以作為參考；（3）現階段我國尚未針對大數據產業建立起完善的分類和制度，難以獲得公開、權威的統計數據。綜合考慮以上因素，我們認為適合采用德爾菲調查法，以構建大數據產業重點領域選擇的指標體系，通過向相關領域專家發放調查問卷并收集反饋結果，將專家意見進行由分散到集中的聚類處理，運用定性分析和比較分析對各領域進行綜合判斷，從而凝練出大數據產業重點領域。

2.2 指標體系構建

構建科學合理的指標體系，是正確選擇產業重點領域的前提和基礎。指標體系的建立通常要遵循科學合理性、全面性、指導性等原則[20]。基于前述討論的大數據產業重點領域選擇的主要影響因素，本文選擇多指標綜合評價體系，從多維角度建立大數據產業重點領域選擇評價體系。評價體系包括重要度、研發水平、發展基礎、影響力預測和制約因素五大類一級指標，并在一級指標下設置若干二級指標，有些二級指標下面還設置一定數量的三級指標，具體指標及評價等級請參見表1。

2.3 評價模型

大數據產業重點領域選擇，其評價本身就是一個較為模糊的概念，很難進行精確的定量分析，而大數據產業重點領域選擇相對于其他產業選擇而言：（1）由于缺乏相應的統計數據，很難直觀地進行精確計量；（2）由于大數據產業屬于新興產業，具體的數據資源比較難獲取。因此，本文選擇將層次分析法與模糊綜合評價法相結合，將定性問題轉化為定量問題進行分析，具體包括如下環節。

2.3.1 確定評價因素、評價等級

根據表1中的指標體系，定義一級評價指標集，表示第個一級指標。定義二級評價指標集，表示第個一級指標下的二級指標。將指標體系的評價等級分為n個，來刻畫每一指標所處狀態的n種決斷，定義指標所確定的評價等級值 。

2.3.2 構造評判矩陣和確定指標權重

根據指標體系的評價等級，專家經過調研或查閱資料對二級指標進行評價，得到評判矩陣：表1 評價指標體系及評價等級，其中表示第i個一級指標在第j級評價等級上的隸屬度，一般將其歸一化使之滿足 =1。

由于層次分析法能將定性、半定性問題轉化為定量計算，使人的思維過程層次化、數量化，逐層比較多種關聯因素[21]，為分析和決策提供定量的依據，因此本文選擇層次分析法來確定指標權重，主要過程是：（1）構造出各層次的判斷矩陣；（2）對判斷矩陣進行一致性檢驗，最終得到各指標的權重。通常定義一級評價指標集各指標對應的權重為，第i個一級指標下的二級評價指標集，各指標對應的權重為。endprint

2.3.3 計算綜合評價分數

首先邀請專家對各級評價指標進行打分評價，根據評價結果建立模糊評價矩陣R；其次計算各備選領域的綜合評價向量， ；最后，設定評級等級向量，綜合評價分數為，按照加權平均原則求出各備選領域的綜合評價分數：

3 遼寧省大數據產業重點領域選擇的實證分析

3.1 備選領域選擇

首先依據遼寧省當前科技發展規劃，結合國家大數據產業的發展趨勢，并對相關科研院所、企業進行調研、訪談，形成初步調研報告。其次，將調研報告反饋給相關專家，通過專家會議的形式反復討論，整理形成遼寧省大數據產業備選領域清單：高端裝備制造（智能制造裝備產業、機器人等智能制造、重大成套裝備、航空裝備、海洋工程裝備、先進軌道交通裝備和“互聯網+”協同制造）； 新一代信息技術（集成電路、數字視聽、現代通信、高端軟件、新興信息服務產業和“互聯網+”移民服務）； 生物（生物技術藥物、化學藥品、現代中藥和生物醫學工程產業）；節能環保（節能環保技術與裝備、資源綜合利用和“互聯網”綠色生態）； 新能源（太陽能光伏、“互聯網+”智慧能源）； 新材料（高品質特殊鋼、新型輕合金材料、稀土功能材料、稀有金屬材料、先進高分子材料、先進陶瓷和特種玻璃）及新能源汽車7大領域及社會公共事業領域（交通、醫療和文化教育），共設計31項備選子領域。最后，邀請35位具有較高權威的專家進行德爾菲調查，根據專家不同的研究領域和對遼寧省大數據產業的熟悉程度，請每位專家對遼寧省大數據產業備選子領域進行綜合評價。其中科研院所專家15人，政府機構專家4人，企業單位專家16人。

3.2 指標權重確定

根據大數據產業重點領域評價指標體系，每位專家查閱有關資料，通過兩兩比較確定各指標間的相對重要程度，根據薩蒂判斷矩陣標度[22]，得到一級指標判斷矩陣，如表2所示。

運用yaahp軟件求出一級指標判斷矩陣CR=0.0183<0.1，據此結果確信一級指標判斷矩陣具有較為滿意的一致性。將特征向量歸一化得到指標權重向量W=（0.2285， 0.2219， 0.2238， 0.1590， 0.1667），同理計算各一級指標下二級指標的相對權重，分別為：

=（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 備選領域綜合評價

根據德爾菲調查問卷結果，采用指數法對回收問卷進行數據處理，綜合考慮備選領域對遼寧省的重要度、研發水平、發展基礎、影響力及制約因素等內容，利用模糊綜合評價方法建立評判矩陣。由于備選子領域較多、數據量較大，本文僅以智能裝備制造業為例說明計算過程，其他備選子領域的計算過程以此類推。根據專家評價結果，智能裝備制造產業的模糊評價矩陣為：

指標權重向量與模糊評價矩陣相乘得到智能制造裝備產業的綜合評價向量==（0.4344， 0.2598， 0.1328， 0.1005， 0.0724），定義評價等級值向量為V=（V1，V2，V3，V4，V5）T=（100，80，60，40，20）T，則該領域綜合評價分數為==（0.4344， 0.2598， 0.1328， 0.1005， 0.0724）·（100，80，60，40，20）T=77.666。同理可得31項備選子領域綜合評價結果，選取排名前10的備選子領域，并按照綜合評價分數降序進行排列，如表3所示。

3.4 評價結果與綜合分析

從上述評價結果可以看出，排名前十的備選子領域涵蓋了高端裝備制造、節能環保、新能源領域及社會公共事業領域，在綜合考慮前期調研和綜合評價的結果上，確定這4類領域為遼寧省大數據產業的重點領域，并以此制定分層次的發展計劃：

3.4.1高端裝備制造領域

智能裝備制造、航空裝備、海洋工程裝備和先進軌道交通裝備是綜合評價結果較高的子領域。遼寧省高端裝備制造業體系較為完善，產業鏈完整，傳統產業聚集顯著且龍頭企業的大數據水平較高，能夠引領高端裝備制造業向信息化方向發展，沈陽機床集團、沈鼓集團、大連船舶重工集團等龍頭企業的生產工藝水平在國內處于領先地位，具有較好的產業基礎條件。遼寧省應強調利用物聯網、云計算等大數據技術，縮短制造業產品全生命周期，加快制造業向服務化方向轉型。

3.4.2節能環保領域

遼寧省環保產業在產品類別、技術資源以及產業集群化發展上具有一定優勢，雖然近年來在全國的位次有所下降，但遼寧省環保產業的科研院所眾多，研發實力雄厚，并建立了環保產業園區，形成以高新技術為主的環保產業集群，這為環保產業的大數據發展提供了較好的產業基礎。遼寧省要在此基礎上逐步實現生態環境的動態監測信息互聯共享和大數據分析。

3.4.3 新能源領域

“互聯網+”智慧能源領域的綜合評價結果最高，遼寧省新能源產業發展迅速，產業規模不斷擴大，主導產品制造技術、加工工藝已能達到國內領先水平，使新能源產業集群的發展具有一定優勢。遼寧省應結合大數據技術，建設以水力、風力、太陽能和生物質能等可再生能源為主的多能源互聯網，以此帶動產業規模和技術水平的共同提升，推進智慧能源多元化、規模化發展，努力打造遼寧新能源產業基地。

3.4.4社會公共事業領域

交通、醫療等領域綜合評價結果較高。在交通方面，應利用大數據技術推進城市交通管理智能化，基于互聯網搭建城市運輸公共信息云平臺，為公眾提供“一站式”查詢服務。在醫療方面，利用大數據優化醫療資源分布，加強對醫療機構用藥監管監測；加強公共衛生、計劃生育信息服務；推進健康醫療與養生、養老等產業協同發展。endprint

3.5 加速遼寧省大數據產業發展的政策建議

開展產業重點領域技術預見，為遼寧省大數據產業發展奠定了基礎。為充分發揮技術預見的作用以促進大數據產業發展，建議：（1）結合國家大數據產業發展工作總目標，基于本省的產業基礎和實際特點，大力發展“互聯網+”產業，實現基于數據的科學決策，建立用數據進行管理、創新的科學機制；（2）推進工業大數據應用，積極鼓勵工業企業利用大數據技術在生產過程中實現供應、制造環節的信息數據化、智慧化生產模式，重視產業重構和流程再造，加強數據分析對生產經營決策的服務能力。建立跨行業、跨環節的工業大數據分析應用平臺，促進大數據技術、物聯網、云計算和3D打印技術等在制造業產業鏈中的融合運用，推動制造模式轉變和傳統工業轉型升級；（3）發展新興產業大數據，努力培育大數據技術在互聯網金融、政府信息服務、材料化學、生物制藥等領域跨界融合的新業態，提升相關產業的數據獲取和分析應用能力，充分挖掘數據資源支撐產業創新的潛力，帶動傳統產業商業模式創新，推動跨領域、跨行業的數據融合發展，以形成同步發展的產業新模式，進而培育新的經濟增長點。

參考文獻：

[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.日本第八次技術預見方法的創新[J].中國科技論壇， 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] 李萬.APEC，UNIDO，OECD與技術預見[J].世界科學， 2002（8）：40-41.

[8] 李紅玲，梅樂.技術預見：從方法的運用到系統的構建[J].科學學與科學技術管理，2006（12）：47-51.

[9] 路甬祥.前瞻世界發展大勢 謀劃中國科技戰略——中國科學院發布《創新2050：科學技術與中國的未來》戰略研究系列報告[J].中國科學院院刊，2009（4）：333-337.

[10]李海麗，張士運，王世民.北京未來10年新材料領域技術預見的組織和實施[J].科學學與科學技術管理，2009，30（04）：197-199.

[11]李萬.上海區域產業技術路線圖的實踐與推進思考[J].中國軟科學，2009（S2）：145-149.

[12]李興華.產業技術路線圖——廣東科技管理創新實踐[M].廣州：廣東科技出版社，2008.

[13]邱立新.高技術產業優先發展領域評價與選擇——基于技術預見的實證研究[J].科技管理研究，2010，30（14）：62-65+61.

[14]梁偲.2016技術預見國際研討會：大數據與技術預見[J].世界科學，2016（6）：36-41.

[15]黨興華，車淵彬. 區域戰略性新興產業重點領域選擇研究——以西安航空新材料產業為例[J]. 中國科技論壇， 2014（5）：45-49+61.

[16]曾路，孫永明.產業技術路線圖原理與制定[M].華南理工大學出版社，2007.

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

[18]穆榮平，任中保，袁思達，喬巖.中國未來20年技術預見德爾菲調查方法研究[J].科研管理，2006（1）：1-7.

[19]李遠遠.基于技術預見的行業關鍵性技術選擇方法研究[J].科技管理研究，2010，30（3）：119-121.

[20]張良橋，賀正楚，吳艷.基于灰色關聯分析的戰略性新興產業評價——以生物醫藥為例[J].經濟數學，2010（03）：79-84.

[21]賀正楚，張訓，周震虹.戰略性新興產業的選擇與評價及實證分析[J]. 科學學與科學技術管理，2010（12）：62-67.

[22]胡運權.運籌學基礎及應用[M].北京：高等教育出版社，2004.

（編輯：張萌）endprint