大數據產業的屬性與分類界定及其模糊識別研究

李橋興，胡雨晴

（1.貴州大學管理學院，2.貴州大學喀斯特地區發展戰略研究中心，貴州貴陽 550025）

大數據作為信息時代的重要標志之一，已上升至國家戰略并成為國家之間獲取競爭優勢的焦點和手段。在全球范圍內，大數據正逐漸發展成為一種評估國家實力的全新要素[1]，各國紛紛把大數據作為國家重要的基礎性戰略資源，并將大數據技術運用于推動經濟發展、改善民生和提升國家治理能力等方面。我國自十八屆五中全會提出“實施國家大數據戰略”以來，大數據產業已具備一定的發展優勢，技術創新取得明顯突破，應用服務也在不斷推進，同時呈現出豐富的產業形態。大數據產業不僅涉及交通、通信、工業等眾多傳統行業，其他幾乎所有產業都可能與大數據相關，并且不斷促進一大批新興業態產生。實踐先行，在商界和政界采用大數據進行技術創新和產業發展不斷取得新突破的同時，學術界也正在思考大數據產業的理論架構。盡管大數據產業的相關研究已經取得了初步成果，但其基本問題如產業內涵、產業外延及其特征等方面還未形成普遍共識。商界和政界也熱切期望學界能夠在理論上盡快取得進展，以便于指導大數據產業的發展實踐。本研究旨在探討大數據產業的內涵、類別及其特征，并提出大數據企業的模糊識別方法，為大數據產業的未來發展與政策制定等提供理論指導和參考依據。

1 研究來源與文獻述評

“大數據”的概念最早起源于美國，并由麥肯錫公司宣稱“大數據時代”到來，此后大數據逐漸受到各行各業乃至各國的關注。目前關于“大數據”的認識尚未達成完全統一，美國Gartner公司指出“大數據”是需要利用新技術手段進行處理的海量、高速、類型多樣的信息財富[2]。國外學者Yoo S等[3]通過案例分析出大數據產業的服務模式主要分為引入、成長和成熟三個階段。經整理發現，國外針對大數據產業的相關研究主要采用將大數據結合某產業再進行具體分析的方法。如Mohammadpoor M[4]提出大數據在油氣行業中能夠呈現出包括體積、種類、速度、準確性、價值和復雜性等方面的六個主要特征。還有學者研究大數據分析及技術在工業、建筑業、能源密集型制造業、供應鏈管理等行業方面的作用及意義[5-8]。國外研究側重于從大數據應用層面對大數據產業基礎理論進行豐富。

2014年，“大數據”首次寫入我國《政府工作報告》。李克強總理指出：“設立新興產業創業創新平臺，在新一代移動通信、集成電路、大數據、先進制造、新能源、新材料等方面趕超先進，引領未來產業發展”[9]。這也是國內首次將大數據與產業結合到一起并指出大數據為新興產業的一種。目前國內針對大數據產業的相關研究成果基本集中于基礎理論問題，如內涵特征、產業分類、影響因素、技術效率等方面。本節根據研究需要針對內涵特征與產業分類等文獻進行述評。

（1）關于大數據產業的內涵界定。學術界因理解視角的差異而尚未對大數據產業的內涵形成共識。部分學者認為大數據產業實質上是一類信息服務產業。具體來說，大數據產業是建立在互聯網、物聯網的基礎上關于數據服務的一系列產業的總和，涉及到數據采集、加工、處理以及相關的軟硬件制造和研發等，主要由互聯網行業引領發展并能夠快速向傳統行業延伸[10]。由此，大數據產業也可看作是關于信息傳輸、軟件、計算機等現代信息技術產業的下屬產業。還有部分學者結合產業概念來界定大數據產業的內涵。這類觀點普遍認為大數據產業涵蓋了關于大數據產生、管理、分析和應用服務的一切經濟活動，是通過對自身生產的數據或對獲取的數據進行挖掘、應用以創造價值的經濟活動部門[11]。第一類觀點較第二類觀點而言，更偏向于探究大數據產業的產業歸屬問題，主要認為大數據產業應從屬于第三產業，是與信息、計算機、數據等相關的服務業；第二類觀點則主要從產業本身的角度出發，對大數據產業的內涵進行剖析。兩類觀點的側重點和論述角度各有不同，表明學術界對大數據產業的內涵認知還不夠清晰具體。

（2）關于大數據產業特征的研究。該方面成果可概括為兩類：一類是大數據產業的發展問題特征研究，主要剖析了我國大數據產業在發展過程中呈現的若干問題特征，即存在大數據浮夸現象、垂直化發展趨勢明顯、大數據產業生態體系尚未健全等[10]。較國外而言，我國大數據產業鏈并不十分完善，產業創新急需核心技術[12]。另一類是關于大數據產業本身的特征研究，主要集中在數據、技術、決策、服務4個方面，包括數據資產化，即不斷更新的海量數據逐漸成為關系到企業乃至國家之間競爭的一項重要資產[11]；技術高創新性，即大數據產業技術需要不斷進行革新才能夠對大數據進行有效獲取、挖掘和應用，也暗示著技術含量較高，要求相關人員具備相應的專業水平[13]；決策智能化，即利用總體數據克服決策者的有限理性[14]；服務個性化，即通過對大數據進行挖掘來提供精準服務[15]。這些研究對大數據產業特征作了概括論述，但并未將其細分與區分。因此，還需要對大數據產業特征進行更深層次、更全面的研究。

（3）關于大數據產業的分類研究。目前國內外學術界對于大數據產業的分類并沒有統一規定，而且研究成果主要為定性研究并基于不同視角有不同的劃分模式。盡管如此，國內外學術界普遍認為大數據產業的分類大致可分為數據提供、數據服務提供、基礎設施提供以及數據應用等四大類別[16]。

總結以上文獻發現，目前大數據產業的內涵特征和產業分類等基礎研究，一方面由于理論視角的差異導致大數據產業內涵不一致，又鑒于特征是圍繞內涵展開，因此產業內涵不一致也導致了產業特征的研究差異；另一方面，產業分類是建立在產業內涵及其特征基礎上構成的產業概括，而大數據產業的內涵及其特征的不統一也使得大數據產業分類的不明確，導致識別上具有及較大的模糊性，從而妨礙大數據產業/企業的判別以及國民經濟統計核算等實踐活動的開展，同時也鮮有文獻采用定量方法對大數據產業進行識別研究。鑒于此，本文從產業經濟學理論出發，分析大數據產業的內涵與分類，剖析大數據產業的屬性特征和類別特征，并構造模糊隸屬度函數對大數據企業進行模糊識別。

2 大數據產業/企業的內涵界定與屬性特征

產業是企業的集合體，因而大數據企業和大數據產業具有一致的內涵和屬性。辨證唯物觀認為，事物的內涵決定其屬性。因此，本節首先界定大數據產業/企業的內涵，其次根據內涵探討其屬性特征。

2.1 內涵界定

產業經濟學認為，基于同類屬性經濟活動的集合形成產業，即同一產業所有的經濟活動都具有相同或相近的性質[17]，因而大數據產業可歸納為具有某種同類屬性的所有經濟活動的集合。這里需要明確大數據產業具有何種同類屬性。首先，大數據產業的出發點和落腳點均為大數據，是圍繞大數據如何從產生到應用服務的整個生命周期而全面展開，因此大數據產業應以開發、提取并應用大數據價值為其基本屬性。其次，大數據產業作為一種經濟活動，涵蓋了大數據從產生、采集、傳輸、存儲、處理、分析到應用服務等整個價值實現流程，因而在這個實現流程內所涉及的所有經濟活動個體，均可歸屬于大數據產業。基于以上分析，大數據產業就是由具有大數據價值這一基本屬性并為實現該屬性而從事一系列經濟活動的聯合體而構成。這個聯合體的組成單位即大數據企業，則是指把大數據作為生產要素并采用大數據的構成要素如海量數據資源、大數據思維模式、大數據科學技術等向市場或消費者提供有關大數據的商品或服務的社會經濟組織。因此，基于實現大數據價值這個共同屬性的各個大數據企業的經濟活動總和共同構成大數據產業這一聯合體。這里需要注意的是，處于這一聯合體中的大數據企業并非只從事某項單一而可能從事多種類型的經濟活動，即跨行業經營。按照產業經濟學的觀點，只要某一企業具備“實現大數據價值”的基本屬性則可被認為是大數據企業并成為大數據產業的組成個體。因此，大數據產業不能被簡單地采用三次產業分類法進行歸類，不能簡單地歸入到三大產業中的任一產業，它是獨立于現有的一、二、三產業的融合性產業。按照部分學者近期提出的六次產業劃分理論[18]，雖然大數據產業的部分企業可被歸入到第四產業中，但“數據生產”這個環節也是實現大數據價值的經濟活動，即滿足“大數據產業的基本屬性”，因而其相關企業也屬于大數據產業，但顯然該類型企業又明顯地被歸入到第一或二產業中。因此，即使基于六次產業劃分理論也不能將大數據產業簡單地歸入到其中某單一類型產業中。鑒于此，任一產業都可以部分而非全部地產生有關“實現大數據價值”的經濟活動，從而構成大數據產業的企業并不僅僅局限于某單一產業內部。另外，大數據產業的融合性在于不論是一產、二產還是三產，凡是涉及對大數據價值進行開發、提取和應用的企業經濟活動都屬于大數據產業的一部分，即大數據產業是由基于“實現大數據價值”這一同類屬性前提下來自不同產業的大數據企業所構成。根據以上大數據產業/企業的內涵分析并參考其他學者的研究成果，本節給出大數據產業的價值實現流程如圖1所示。

圖1 大數據價值實現流程

2.2 大數據產業/企業的屬性特征

實現大數據價值是大數據產業的內在要求。大數據企業作為大數據產業的組成單位，涵蓋了與大數據產業內在要求相關的經濟活動。明確某一企業是否為大數據企業，實質上就是在判斷其是否屬于大數據產業。因此，大數據企業的屬性特征其實等同于大數據產業的屬性特征。基于IBM提出的大數據具有海量、多源異構、高速、低價值密度和真實性等5大特征[19]，同時參考其他學者關于大數據產業特征的研究成果，本節依據上節成果重新提煉出大數據產業（企業）的4大基本屬性特征，即數據涌現性、信息技術性、強實時性和高融合性，并分別細化相應的二級指標和三級指標，可用于判別某企業是否屬于大數據企業，從而是否屬于大數據產業。以下將逐一進行闡述。

2.2.1 數據涌現性

復雜性科學認為，涌現是指各部分通過特定關系作用使得整體具有而部分所不具有的屬性、特征或功能等特性，就算是幾個簡單的要素經過相互作用都可能涌現出復雜的特性。數據涌現性指通過大量快速增長的數據彼此之間相互作用能夠呈現出原本所不具備的復雜特性，是一種復雜性思維的體現。與其他產業不同，大數據產業的核心要素為大數據，其與普遍意義上的數據不同。根據大數據具有海量、多源異構和高速性等特征，大數據產業/企業的數據涌現性主要體現在來源廣泛并類型各異的數據以高速度增長，能夠在較短時間內形成PB級及以上的龐大復雜數據集。由于相關應用主體過去對數據的標準化要求較高，導致各應用客體所產生的非標準數據往往被作為無效數據而被排除。在大數據產業中，即使是非標準化即半結構化或非結構化數據都成為寶貴的資源，更何況海量、高速的大數據。大數據產業的各構成部分（行業或企業）可看作是一個個相對獨立的復雜系統，各應用主體將某一或某些企業（行業）中所包含設計、生產、加工、銷售等所有的數據匯聚到一起以后，這些數據自身內部將呈現豐富的非線性相互作用。這種由非線性相互作用所產生的相關關系能夠揭示出該企業（行業）原本所無法被呈現的特性，并為企業（行業）的未來發展提供寶貴的價值。在大數據企業中，這種相關關系比因果關系更具價值意義[20]。同時，這些復雜的數據集又從屬于該企業（即系統）的更上一層系統（如行業或產業）的大數據集之一。數據涌現性實質上反映了數據的集聚能力，具體可由數據增長速度、PB級及以上數據量集聚時間兩個指標衡量（見表1）。

表1 大數據企業的數據涌現性特征指標

雖然數據普遍存在于國民經濟的各個行業之中，但是大數據產業中的數據并非簡單積累而是以涌現的形式集聚，同時能夠在較短的時間內實現快速積聚。在互聯網電商行業中，這個現象表現尤為突出。如在“雙11”促銷活動期，不同地區的不同用戶對不同的商品從瀏覽、溝通詢價到下單購買等環節所產生的一系列交易數據，就是在短時間內實現快速增長并形成龐大的動態數據集。

2.2.2 信息技術性

信息技術包括計算機和通信技術、傳感技術等對信息進行管理和處理的一系列技術，主要應用于計算機軟硬件的設計、開發等相關的電子信息領域。大數據產業的信息技術性反映了信息技術在數據價值實現流程中占據的重要地位，并反映在兩個主要方面（見表2）。

表2 大數據企業的信息技術性特征指標

第一，技術先進性。對大數據產業而言，數據是核心要素，大數據產業離不開互聯網、物聯網、云計算等新一代信息技術的支持，各個經濟活動都可能需要相應的新興信息技術來實時捕捉數據。技術先進性具體體現在大數據企業涉及的信息技術含量較高，可由技術相對含量衡量。大數據意味著傳統的軟件技術已無法實現對信息的擷取、管理、處理等操作，需要具有更優化的機器算法和新的處理模式才能適應具有海量、多樣、高速、低價值密度、真實性特征的數據資源。

第二，技術密集性。從大數據產業的內涵可知，大數據產業是圍繞數據從產生、采集、傳輸、存儲、處理到應用整個生命周期而展開的一系列經濟活動的集合體，其中必然會涉及相應的前端采集技術、傳輸技術、存儲技術、處理技術以及對相應設備的設計與制造技術等，形成一個龐大的信息技術密集群。技術密集性可由技術相對密度衡量。大數據企業的信息技術密集群就是一個技術系統，在實現大數據價值的相關經濟活動中，符合技術先進性的環節數量與總環節數之比（達到技術相對含量的環節數/總環節數）為大數據企業的技術相對密度。技術相對密度能夠反映出一個企業系統的技術分布狀況和密集程度。大數據產業/企業的信息技術性對技術有著較高的要求，并且關系著大數據的價值實現這一基本屬性，因此專門從事大數據技術、大數據軟件研發和大數據硬件制造等相關的軟件業、電子設備制造業等成為大數據產業的重要組成部分。

大數據產業所涉及的信息技術不僅技術含量較高而且密集。如智慧環保離不開各類信息技術的支持，特別是需要利用地理遙感、傳感器監測等物聯網技術和互聯網、通信等先進傳輸技術來獲取反映環境狀況的海量數據，以對某區域環境信息進行全方位實時監測，同時還需要數據挖掘等分析處理技術發現污染原因及隱藏災害等，便于及時治理和預先控制。

2.2.3 強實時性

實時性能夠體現系統在一定時間內的反應能力。面對高速增長的海量數據，從采集到應用服務的速度都需要相應提升，從而保證數據的質量。這種速度的提升就是大數據產業強實時性的體現。強實時性意味著高速度，高速度才能準確及時地反映真實情況和預測未來并提供精準服務。大數據產業的強實時性對數據從提取到服務應用整個周期的速率提出了更高的要求，主要體現在數據管理能力、數據挖掘能力和服務應用能力等3個方面，具體表現為數據提取高速度、數據傳輸高速度、數據存儲高速度、數據處理分析高速度以及服務應用高速度等（見表3）。大數據具有的海量高速、多源異構、低密度價值和真實性等“5V”特征表明了數據增長和更新的速度快且時效性強，同時不存在小樣本數據而是總體數據集聚在一起并呈動態快速增長態勢[21]。在此背景下，大數據企業只有通過高速即時處理才能隨時調整企業自身行為并作出反應從而適應企業內外部環境的變化。因此互聯網搜索服務業、交通運輸業等數據資源龐大且強調數據時效性的行業也能成為大數據產業的重要組成部分。例如用戶在互聯網搜索引擎中查詢最新資訊，要求搜索引擎在收到指令時能夠快速在海量復雜的數據集中提取出關鍵信息并提供給用戶，其涉及到數據提取高速度和數據傳輸高速度。又如在城市交通管理系統中，各路況數據通過攝像頭、汽車導航等數據智能采集設備提取各種即時數據并同步傳輸到交管中心，形成一個龐大的動態數據集，同時交管中心需要對動態存儲的數據進行即時分析處理，再將分析結果即時反饋到用戶手機、車輛導航等智能終端設備。

表3 大數據企業的強實時性特征指標

2.2.4 高融合性

大數據產業的高融合性是指有關大數據的理念和技術能夠快速與各行業融合，從而推動產業或企業的轉型升級。系統論認為，一事物與他事物進行融合時，兩者并非簡單聚合，而是通過彼此關聯的各要素之間相互作用、共同變化，并最終形成一個新的整體。大數據與各行業或領域的融合也是如此。根據大數據的特征，雖然在海量數據中，數據之間的相關關系即數據價值很難被發現，但一經挖掘其商業價值是巨大的。大數據產業的高融合性體現在大數據理念和技術能夠與其他行業快速高度融合，實質上就是利用大數據及其相關技術工具來挖掘數據價值，并運用到其他行業以推動產業或企業快速轉型升級的過程。大數據推動產業快速升級并非是將大數據與產業/企業進行簡單聚合，而是包含了產業/企業的轉型發展和結構升級兩個方面。轉型發展主要指其他行業融合采用大數據的理念和技術而發展形成新業態，可由融合發展度進行衡量；大數據技術的應用不僅能有效提高企業生產效率，還能促進信息化水平上升，體現了企業利用大數據來推動結構升級。因此，效率增長比和信息化水平可用來衡量企業的結構升級（見表4）。

表4 大數據企業的高融合性特征指標

大數據產業的高融合性能夠大力推進傳統產業向現代化和智能化升級，是大數據產業融合應用的體現。如傳統金融業利用大數據技術對自身所產生的大數據進行分析處理，幫助金融機構實現風險控制以及對客戶的精準服務，從而帶動傳統金融業快速發展，向大數據金融轉型升級。在大數據與以農業為主的第一產業和以工業為主的第二產業的融合之中，將大數據技術應用到企業產品的研發、設計、生產等流程中，產品研制周期大幅縮短，企業及行業生產效率顯著提高。企業利用大數據思維和技術，幫助組織內部各個部門進行信息化升級改造，使各部門之間實現數據共享、加深協同合作，推動企業朝著信息化、智能化方向發展。

以上分析表明，大數據產業/企業具有數據涌現性、信息技術性、強實時性和高融合性等4大特征，并且各一級特征指標還可以細化為二級三級指標體系。綜合表1至表4，獲得大數據產業/企業的屬性特征指標體系如表5所示。

表5 大數據企業的屬性特征指標體系

3 大數據產業的類別研究

正如上節所探討，大數據企業具有的屬性特征也就是大數據產業具備的屬性特征。然而，判斷某一企業是否屬于大數據產業之外還應明確其是哪一類型的產業。首先，利用屬性特征明確某企業是否是大數據企業；其次，該企業若為大數據企業（從而判斷為大數據產業），則進一步判別其屬于哪一類大數據產業。因此，本節探討大數據產業的分類及其類別特征。

3.1 大數據產業分類

依據大數據產業/企業的內涵理解，大數據產業顯然是一種產業集合體或產業體系，其外延是內涵的外在表現，包括了大數據軟件開發、大數據硬件制造、數據可視化、數據交易等與實現大數據價值直接相關的所有經濟活動，是一個涉及交通、金融、電信、電商等眾多行業的綜合型產業。因此，研究大數據產業不僅僅是理解其內涵，還要把握其產業分類。大數據產業分類即是對大數據產業的外延進行分門別類。在大數據產業分類方面，若干地方政府及其職能部門已經先行先試。如貴州省大數據發展管理局對有關大數據的名詞解釋進行匯編，將大數據產業分為關聯、核心和衍生等三類業態[22]。而《2018中國大數據產業生態地圖》將大數據產業分為基礎支撐、數據服務和融合應用等三層業態[23]。對比分析發現，關聯業態與基礎支撐、核心業態與數據服務、衍生業態與融合應用幾乎相互對應，即后者相當于是前者的具體形式描述（見圖2）。

圖2 大數據產業類別對比

另外，學術界也對大數據產業的類別進行研究并大致概括為數據提供、數據服務提供、基礎設施提供以及數據應用等4大主要部分。政府作為調控者，旨在為大數據產業發展提供宏觀指導。但政府對大數據產業的類別分析較為籠統，并未將提供數據資源的相關行業納入到大數據產業生態之列。學術界普遍認為，大數據產業鏈貫穿數據從生產到應用的整個生命周期，即數據源處于大數據產業鏈的最前端且產業鏈又能直觀反映產業構成，因此數據源提供方必不可少。顯然，學界觀點是對政界觀點的豐富和完善，但同時政界也為學界研究大數據產業提供素材和思路。由于大數據存在于其他所有產業中，不便于大數據產業的統計分析。為了有利于今后大數據產業發展的深入研究與實踐指導，應將大數據產業進行科學分類。

基于圖1提出的數據價值實現流程，本文采用產業經濟學的產業鏈概念，并從產品和服務的角度將大數據產業分為大數據資源供應業、大數據設備供應業、大數據技術服務業和大數據融合應用業等四個大類（如圖3）。大數據資源供應業是指能夠產生并提供海量數據資源的經濟活動，是處于大數據產業鏈前端的數據資源提供者，其主要產品為大數據資源。由于具備海量、多源異構和低密度價值等特征的大數據是開展大數據產業一系列經濟活動的前提，而基于互聯網、物聯網、云計算等信息技術渠道的移動互聯網行業以及電信業與金融業等傳統行業，隨時隨地都在源源不斷地產生數據，因此諸如互聯網行業、電信業等行業往往會成為大數據資源的主要提供者。大數據設備供應業指涉及大數據采集、傳輸、存儲、計算等硬件設備的制造、租賃、批發和零售等活動，其主要產品為大數據設備，包括光纜、網絡設備、高核能計算機、集成電路、大數據一體機等。大數據技術服務業指對大數據產生、采集、傳輸、存儲以及應用過程中產生的技術問題或技術需求所提供的服務以及相應的軟件開發，其主要產品為大數據技術服務，包括前端采集、數據清洗、數據可視化、商務智能挖掘等技術及軟件研發，以及信息處理和存儲支持、大數據管理分析平臺建設、互聯網搜索等圍繞數據提供的相關服務。大數據設備制造業和大數據技術服務業貫穿整條大數據產業鏈并提供相應的設備和技術支持，是保證大數據產業活動順利進行的關鍵手段。大數據融合應用業指位于大數據產業鏈后端的數據應用方。數據應用是大數據產業發展的最終目的[24]，通過前期對數據進行采集、分析和處理等操作，將挖掘到的潛在價值信息應用到各行各業中，發揮數據價值。大數據融合應用業是大數據與各行業的融合發展，包括與互聯網、金融、交通、政務等行業的融合，根據不同領域的需求提供相應的服務和解決方案，推動傳統產業轉型升級。

圖3 大數據產業體系構成

3.2 類別特征

屬性特征可用來判斷某企業是否屬于大數據產業，但是不能用于判斷該企業是哪個類別的大數據產業。基于上述的產業鏈分類角度，可進一步以各類別中的不同經濟對象總結出以下四個大數據產業的類別特征：

（1）數據主體性。大數據資源供應業不同于傳統的以物質資源和圍繞產品生產服務等為主體的經濟活動。雖然數據資源的生產也涉及物質部分，但是其主要對象仍是數據而不是物質產品。因此，大數據資源供應業的顯著特征為數據主體性。大數據資源供應業包括能夠產生并擁有大數據的行業，因而數據主體性包含數據采集和數據存儲兩方面內容，分別可用大數據采集設備資產占比和大數據存儲設備資產占比等指標進行衡量。

（2）設備主體性。在大數據設備供應業中，不論是制造、租賃、批發還是零售，都是針對大數據設備的經濟活動，其對象主體均為大數據設備。因此，從行業中主要經濟對象的角度來看，大數據設備供應業的顯著特征為設備主體性。設備主體性主要表現為對大數據采集、傳輸、存儲、計算等硬件設備的投入水平，可用大數據硬件設備的資產占比進行衡量。

（3）技術主體性。大數據技術服務業與大數據設備供應業相比，更關注技術。大數據技術服務業是針對數據提供技術服務，因而大數據技術服務業的顯著特征為技術主體性，具體體現在大數據技術研發投入、技術人才建設以及技術創新產出等3個方面，分別反映企業內部用于研究開發以大數據技術、軟件為主要創新成果的R&D投入強度（即研發經費與銷售收入之比）、大數據技術員工數占比、大數據新產品效益占比等三個指標來衡量。

（4）應用主體性。位于大數據產業鏈后端的大數據融合應用業，其重點在于大數據的應用，可概括為“大數據+各傳統行業”。在大數據融合應用業中，兩者并非簡單相加，而是將有關大數據的創新成果與經濟、社會等領域深度融合，充分挖掘并發揮大數據資源的潛在價值，并應用于社會資源的優化配置中，從而達到減少成本、提高利用效率的目的。因此，應用主體性為大數據融合應用業的典型特征，體現為大數據為某企業帶來的經濟效益程度，即大數據經濟效益增長貢獻率。

基于以上分析，可歸納大數據產業類別的特征指標體系如表6所示，并采用表7進行指標說明。在某企業屬于大數據產業的前提下，表6可用于進一步判定其屬于哪一類別的大數據產業。

表6 大數據產業的類別特征指標體系

表7 衡量指標的指標說明

4 大數據企業的模糊識別研究

根據本文對大數據產業的內涵界定，所有產業的企業在理論上都有可能產生大量數據并成為大數據企業，即大數據產業可以覆蓋整個國民經濟行業而不僅僅局限于某一個或某幾個行業，因此目前大數據產業范圍的統計研究應屬于當前經濟技術條件下的產業狀態，還不屬于大數據產業的明確分類。模糊隸屬度函數常用于研究產業發展水平的綜合評價等[25]，也有部分學者用于研究文獻分類和漢語詞類劃分等[26-27]。顯然，企業的大數據屬性及其分類也屬于模糊識別問題，因此模糊隸屬度函數可用來描述某企業屬于大數據產業的程度。如前所述，雖然大數據產業目前涉及了通信、交通、商業等眾多社會和行業部門，但是進一步研究某個行業或企業屬于大數據產業的程度，即明確在國民經濟活動中哪些行業/企業的當前狀態屬于大數據產業以及隸屬程度如何，對大數據產業的快速發展以及為政府制定大數據產業的相關政策等具有較重要的實踐指導意義。因此，本節首先描述大數據產業在屬性和類別的模糊性，然后介紹模糊識別過程方法，即通過建立屬性模糊隸屬度函數判斷產業屬性再建立類別隸屬度函數判斷企業所屬的類別；最后采用模擬案例討論某企業的大數據產業屬性及其類別。

4.1 大數據產業的模糊性

大數據產業的模糊性包括屬性和類別兩方面。各種不同屬性的事物共同組成了這個客觀世界，其間聯系千變萬化、錯綜復雜，而事物在不斷的變化之中又相互滲透。絕大多數事物變成它事物并非突變，而是逐步過渡發展的結果。在客觀世界不斷發展的過程中，所有產業都有可能成為大數據產業，即非大數據產業能夠成為大數據產業，而且大數據產業也可能成為另一更高階產業的一部分，或者隨著判別標準的變化而使部分大數據產業變成非大數據產業。同時，大數據產業與云計算、物聯網等新一代信息技術產業緊密聯系，其自身的界限并不明確。因此，在判別某產業是否屬于大數據產業時存在明顯的模糊性，即大數據產業屬性的識別模糊性。依據不同的標準能夠對大數據產業進行不同的分類，同一標準下不同類別之間的界限也并不十分明晰。在已知某行業/企業為大數據產業的前提下，該行業/企業也可能同屬于幾個類別。因此，判別某行業屬于大數據產業的哪一個類別時在識別上也具有模糊性。

4.2 模糊識別方法及過程

目前關于產業的分類方法基本屬于統計分類法，如三次產業分類法、兩大部類分類法、農輕重產業分類法等[17]，還有新提出的六次產業理論[18]、九次產業分類方法等[28]，但鮮有學者運用模糊系統理論對產業進行分類研究。鑒于判斷國民經濟行業屬于大數據產業的程度符合模糊分類的思想，因此本文將模糊隸屬度函數引入到大數據產業的分類研究中。本小節即嘗試采用模糊系統理論的隸屬度函數對大數據產業進行模糊識別。其模糊識別過程如下所述：

（1）某企業大數據屬性的模糊識別。步驟一，根據表5構建每一個三級指標的模糊隸屬度函數。即假設某三級指標C的取值為c（c≥0），其大數據屬性的模糊識別區間[c1, c2]是非負區間，表示當指標值c低于c1時確認該指標C不具有大數據屬性，當指標值c大于c2時確認該指標C具有大數據屬性，當c介于二者之間時表示該指標C部分具有大數據屬性。則可獲得指標C具有大數據屬性的模糊識別隸屬度函數為：

由上面的模糊隸屬度函數公式即P(c)可計算得每一個三級指標的隸屬度值，并記某三級指標Ci的值為xi（i=1,2, ,12）。

步驟二，計算二級指標的模糊隸屬度。即計算某二級指標B下屬所有三級指標對該二級指標的模糊隸屬度綜合值并記綜合值為X。當若干個三級指標有共同的二級指標時，需首先設置每個三級指標相對于該二級指標的重要程度即權重。假設某二級指標B含有n個三級指標并記Ci的權重為qi，其中qi∈[0,1]且（i=1,2, ,n），則該二級指標的模糊隸屬度綜合值X為其下屬所有三級指標的隸屬度與相應權重的乘積之和，即X=。以此類推，可計算出所有二級指標Bj的隸屬度綜合值Xj（j=1,2, ,8）。顯然，若某二級指標只有一個三級指標時，則該二級指標的模糊隸屬度即為其三級指標的隸屬度值。

步驟三，計算一級指標的模糊隸屬度。即某一級指標下屬所有二級指標模糊隸屬度的綜合加權值并記為Y，且其計算過程與步驟二的過程類似。假設某一級指標Am（m=1,2,3,4）含有k個二級指標，且其二級指標的相應權重ωi滿足ωi∈[0,1]和(i=1,2, ,k)，則該一級指標Am的隸屬度綜合值Ym=（m=1, 2, ,4）。顯然，某一級指標只有一個二級指標時，該一級指標的模糊隸屬度即為其二級指標的隸屬度值。

步驟四，計算某企業的大數據產業屬性隸屬度。即參照步驟二和步驟三的計算思路，記某企業的大數據產業屬性隸屬度為Q，對四個一級指標分別設置權重γm∈[0,1]且（m=1,2,3,4），則該企業的大數據產業屬性的綜合隸屬度為Q=Ym。此時Q即表明該企業屬于大數據產業的模糊程度。

（2）某企業大數據類別的模糊識別。若已經判斷該企業屬于大數據產業，則可進一步判斷其屬于哪一個類別的大數據產業。步驟如下：

步驟一，根據表6構建每一個二級指標即衡量指標的模糊隸屬度函數。假設某衡量指標E的取值為e（e≥0），其大數據產業類別的模糊識別區間[e1, e2]是非負區間，表示當指標值e低于e1時確認該指標E不具有大數據產業的某類別特征，當指標值e大于e2時確認該指標E具有大數據產業的某類別特征，當e介于二者之間時表示該指標E部分具有大數據產業的某類別特征。則可獲得指標E具有大數據產業的某類別特征的模糊識別隸屬度函數為：

同樣的，由上面的模糊隸屬度函數公式即P'(e)可計算得每一個衡量指標的隸屬度值，并記某衡量指標Ei的值為ai（i=1,2, ,7）。

步驟二，計算某類別特征的模糊隸屬度。即計算某類別特征Dj的下屬所有衡量指標對該類別指標的模糊隸屬度綜合值并記綜合值為Hj（j=1,2,3,4）。假設某類別特征D含有n個衡量指標并記權重為βi∈[0,1]且（i=1,2, ,n），則D的模糊隸屬度綜合值H=。如此可計算四個類別特征的模糊隸屬度綜合值H1、H2、H3和H4，分別表示該企業含有四個類別特征的程度大小。

步驟三，計算某企業的大數據類別隸屬度。每一類別對應一個類別特征，類別又是以屬性為基礎，因此某企業屬于大數據某類別的模糊隸屬度綜合值Zj為該類別特征隸屬度Hj與該企業的大數據產業屬性隸屬度Q之乘積，即Zj=Q×Hj（j=1,2,3,4）。一般情況下，若Zj0=max1≤j≤4{Zj}，則可認為該企業屬于j0類別的大數據產業。

由于現實的企業可實行多元化戰略即跨行業經營，因此大數據企業也存在跨行業現象，則該企業不一定只屬于大數據產業中的某單一類別，還可能同時屬于多個類別的大數據產業，只不過其類型程度的大小不同。實際操作中，相關部門可以對每個類別設置閾值分別為Z10、Z20、Z30和Z40，則當Zj≥Zj0時，可認為該企業屬于j（j=1,2,3,4）類別的大數據產業，即某企業可同時屬于多個類別的大數據企業。

4.3 模擬案例分析

貴州省某茶葉經營企業實行工貿結合、多元化發展的經營模式，其產品覆蓋茶葉、茶制品、茶葉機械等，包括茶葉的種植與加工以及相關機械制造等業務。為了增加企業效益，該企業融合生產端、需求端和銷售端，構建“大數據+生產+銷售終端”的新型產銷模式：首先，通過互聯網相關平臺精準獲取市場需求數據，以銷定產；其次，采用傳感器等相關設備對茶葉種植全過程實行全方位實時監測并獲取和分析處理相關數據，從而保障茶葉種植與生產的高效率；再次，分析企業在種植、生產與定單交易等方面的數據，精準匹配供需雙方以減少中間環節，幫助企業實現利潤最大化。

現以該企業為例，模擬相關數據以探討該企業的大數據產業的屬性及類別。

（1）獲取各項指標數據及賦權。收集該企業的相關資料，獲取各項指標的數據及權重。假設該企業涉及大數據產業的屬性及類別等指標的原始數據、權重與模糊識別區間如表8和表9所示。

表8 屬性原始數據

表9 類別原始數據

（2）計算該企業的大數據產業屬性的模糊隸屬度。首先根據模糊隸屬度函數公式P(c)，可計算得到每個三級指標Ci的隸屬度xi（i=1,2,...,12），接著采用公式Xj=可計算每個二級指標B（jj=1,2,...,8）的隸屬度綜合值，再根據公式Ym=計算得到每個一級指標Am（m=1,2,...,4）的隸屬度綜合值。如三級指標C2的值為0.2，其大數據屬性的模糊隸屬度為P(0.2)=(0.1-c2)/(0.1-0.5)=(c2-0.1)/0.4，即x2=0.25；同理，計算得到C1的隸屬度即x1=1；由于三級指標C1和C2有共同的二級指標B1，因此計算B1的隸屬度綜合值為X1=0.5×1+0.5×0.25，即X1=0.625；再根據B1的隸屬度綜合值與對應權重的乘積可求得其一級指標A1的隸屬度綜合值為Y1=0.625。

以此類推，所有屬性指標的模糊隸屬度值如表10。最后根據公式Q=Ym得到該企業的大數據產業屬性的綜合隸屬度Q=0.73，表明該企業屬于大數據產業的程度為0.73。

表10 屬性指標運算結果

（3）計算該企業的大數據產業類別的模糊隸屬度。首先，根據模糊隸屬度函數公式P'(e)，可得到每個二級指標Ei的模糊隸屬度值ai（i=1,2, ,7）；然后采用公式H=可計算得到每個一級指標的模糊隸屬度綜合值；最后，根據公式Zj=Q×Hj可計算得到該企業屬于大數據產業各類別的綜合隸屬度。如二級指標E1的值為0.6，其具有大數據該類別特征的模糊隸屬度值P'(0.6)=(0.4-e1)/(0.4-0.8)=(e1-0.4)/0.4，即a1=0.5。同 理，計 算E2的模糊隸屬度a2=1。由于二級指標E1和E2有共同的一級指標D1，因此計算D1的隸屬度綜合值H1=0.4×0.5+0.6×1=0.8。由于一級指標D1為大數據資源供應業的類別特征，因此該企業屬于大數據資源供應業的模糊隸屬度Z1=0.73×0.8=0.584。

同理，該企業屬于其余類別的模糊隸屬度分別為Z2=0；Z3=0.146；Z4=0.73。其運算結果見表11。

取Zj0=max1≤j≤4{Zj}，即Z4=0.73，表明該企業對Z4即大數據融合應用業的模糊隸屬度最大，則可認為該企業屬于大數據融合應用業。但也可假定每個類別的閾值分別為0.5、0.1、0.12和0.7，則有Z1、Z3和Z4同時滿足條件，表明該企業同時屬于大數據資源供應業、大數據技術服務業和大數據融合應用業。

表11 類別指標運算結果

5 結論

我國大數據產業發展雖已初具規模，但仍需加強理論研究以更好地指導大數據產業的發展實踐。鑒于學術界對大數據產業的基本問題尚未形成普遍共識，本文基于產業經濟學理論探討了大數據產業的內涵、類別及其特征，并基于模糊識別方法建立模糊隸屬度函數對企業進行大數據產業的屬性和類別等識別。模擬案例驗證了研究成果的可行性，有望為政府部門及相關行業對發展大數據產業提供理論指導和實踐依據。