中國省域大數據與制造業融合測度分析
——基于2013—2018 年中國省級面板數據

呂明元，麻林宵

（天津商業大學經濟學院，天津 300134）

一、引言

作為實體經濟的主體，制造業的高質量發展是中國經濟從勞動資本密集推動的外延性增長轉向技術密集推動的內涵式增長的重要保障。而在外貿環境、投資環境、市場環境等不確定性加劇的背景下，近年來中國制造業的轉型不僅面臨著來自發達國家積極部署的“再工業化”戰略造成的高技術沖擊和來自其他發展中國家制造業的低勞動力成本沖擊的雙重壓力，還面臨制造業自身利潤水平低下、企業間惡性競爭等導致的投資吸引力下降的問題（焦勇，2020）。尤其在2020 年國內外新冠疫情的重大沖擊下，制造業急需調整失衡結構、恢復生產效率和重塑競爭優勢。

在眾多因素的制約下，制造業如何實現轉型走出發展困境是亟需解決的問題。當前，世界經濟正加速向以數字生產力為標志的新階段邁進，以人工智能、數字化革命為代表的大數據應用將實現空前的技術進步（曹靜和周亞林，2018），大數據與制造業融合已經成為傳統制造業走向智能制造的關鍵途徑。一方面，大數據是在復雜、繁多、龐大的多樣數據中進行的快速獲取信息、創造巨大價值的新的技術手段（Villars et al，2011），大數據能夠利用網絡物理系統（C0S）實現物理世界和虛擬世界的融合，使整個制造系統變得越來越智能（Zheng et al，2018），不斷為制造業發展注入活力；另一方面，數據本身已成為一種新型生產要素（Thomas et al，2014），通過參與制造企業的價值分配過程，大數據能夠改善傳統制造業資源配置扭曲的現狀（謝康等，2020）。同時，大數據本身的生產和運營也是一種綠色產業，蘊含著巨大的經濟價值（許憲春等，2019）。如今，推進大數據與制造業深度融合已經成為實現制造業高質量發展的重要途徑，但大數據具體如何與制造業實現融合？如何基于大數據與制造業的融合內涵構建能夠客觀評價大數據與制造業融合程度的測量指標？及全國各省份大數據與制造業的融合達到了何種程度？這些問題尚未得到準確的回答。鑒于此，本文探索性地分析大數據與制造業融合的內在機制，通過構建大數據與制造業融合水平評價指標體系，對中國29 個省市（未包含寧夏、西藏與港澳臺地區）的大數據與制造業融合水平進行測度與評價，以期為未來大數據與制造業深度融合提供指導建議。

二、文獻回顧

（一）大數據與制造業產品融合應用的研究

數字化環境下，在大數據逐漸加強聯結現實世界與虛擬世界、精準匹配歷史數據與即時數據的過程中，消費者的異質性需求更加趨向于顯性化和細碎化（張亞斌和馬莉莉，2015），消費者的行為變化趨于移動化、社會化和個性化，隨之帶來的是產品變得更加智能和互聯，產品創造過程更加傾向于按需生產和個性化定制（Kusiak，2015；Wen 和Zhou，2016；陳劍等，2020）。與傳統的“漏斗”式顧客參與產品開發模式相區別（李海剛，2011），在大數據分析技術和互聯網參與平臺的結合下，消費者能夠通過虛擬社區與企業進行雙向持續互動，進而不斷延長消費者參與產品開發的時間（Brodie et al，2013）。隨著數據采集、數據存儲、數據可視化分析等技術的不斷成熟，基于對消費者偏好、需求、反饋等數據的處理，產品開發逐漸以一種基于迭代的演化方式進行（McGuire et al，2012；陳以増和王斌達，2015）。依據產品設計過程的關鍵標準、使用類別、元素和產品等數據信息，Yu 和Zhu（2016）認為數據驅動的產品設計有兩種模式：一種是基于用戶需求“具體數據”的產品設計，即“產品-數據-產品”模式；另一種是基于產品所處環境“抽象數據”的價值設計，即“數據-產品-數據”模式。

（二）大數據與制造業企業融合應用的研究

大數據與制造業企業融合應用的研究主要集中在大數據對制造企業的生產效率、決策行為和商業模式的影響，強調大數據在制造業產品設計、供應鏈管理、生產制造、營銷服務等環節中所發揮的巨大應用價值（Ittmann，2015；Ray et al，2015；0ietro et al，2018；孫新波等，2019；卞亞斌等，2019）。

隨著數據挖掘技術和算法的成熟，制造企業能夠利用大數據處理體系結構框架，實時檢測產品質量，降低企業的投資成本和人力成本，進而提高企業的生產效率（Syafrudin et al，2017；Sim，2019）。例如，Majeed et al（2019）基于提出的大數據分析框架，開發了包括大數據獲取和集成、大數據挖掘和知識共享機制在內的關鍵技術，優化了增材制造工藝的質量、能耗和生產效率。Steiner et al（2017）將大數據分析應用到鋼鐵廠的耐火材料生產中，發現不僅可以減少危險工作環境中的人力資源，還可以依據大量可靠的數據制定更精準的決策。此外，企業基于大數據分析，能夠實現價值主張創新、關鍵業務和流程創新、收益模式創新，并重構外部關系網絡和價值網絡，重塑制造企業的發展理念、供需方式和生產結構，帶來全方位的商業模式革新（李文蓮和夏健明，2013；易加斌和徐迪，2018；Bogdan，2013）。

（三）大數據與制造業產業融合應用的研究

從中觀層面上看，大數據與制造業產業融合應用的研究主要集中在利用數據分析技術和大數據資源促進制造業網絡化、智能化、綠色化和服務化轉型。大數據在制造業業務流程中的應用，能夠幫助制造業實現個性化定制、智能化生產、網絡化協同和精益化管理，助力制造業提質增效和轉型升級（房建奇等，2019）。張伯旭和李輝（2017）基于對國外利用“互聯網+”改造制造業的模式和經驗的分析，認為“互聯網+”與制造業的融合將帶來以智能制造、定制制造、網絡協同制造為主的制造范式變革和以制造業服務化、數字化商業為主的運營方式變革；而張潔等（2019）較為系統地分析了大數據驅動智能制造的科學范式、理論方法與使能技術，為大數據與制造業的深度融合提供了可行路徑。此外，Zhang et al（2018）基于提出的大數據驅動分析框架，利用能源大數據采集、挖掘和分析，將能耗和能源成本分別降低3%和4%，推動能源密集型制造業實現可持續發展。隨著大數據的深入應用，也有學者開始展開實證研究。例如，李成剛（2020）以中國30 個省市13 年的面板數據為樣本進行實證分析，結果表明大數據發展對實體經濟的提升具有顯著的正向影響；呂明元和苗效東（2020）以中國25 個省份13 年的制造業面板數據為樣本進行實證分析，證明大數據能夠有效促進中國制造業結構的高級化和合理化。

（四）大數據與制造業融合水平評價的研究

目前，學術界關于大數據與制造業融合水平評價的相關研究主要集中于對制造業“兩化融合”、互聯網與制造業融合、智能化和信息化水平的評估。

就兩化融合水平評價而言，支燕等（2012）基于投入產出表研究了制造業15 大產業的兩化融合度及其變化特征，發現資本與技術密集型制造業融合度明顯高于勞動密集型產業；張遼和王俊杰（2018）同樣從投入——產出的角度測度了中國制造業2006—2015 年兩化融合水平，結果表明我國制造業的兩化融合水平呈現出東部高而中西部低及三大區域內部存在十分明顯的時空分異的特征。就互聯網與制造業融合水平評價而言，柴雯和馬冬妍（2018）以中國兩化融合服務平臺的8 萬多家企業數據為樣本，從制造業雙創平臺建設、培育新模式新業態和新型工業基礎設施三個維度，綜合評價了我國互聯網與制造業的融合發展水平；李曉磊（2019）從技術融合、產品融合、業務融合、市場融合和管理融合5 個維度，以2016—2017 年我國東中西部208家小微企業為樣本，測得互聯網+小微企業處于中高度的融合水平。此外，張旺（2019）利用系統協調系數法，從數字化、網絡化、智能化和服務化測算了湖北省的制造業四化融合水平，結果表明湖北省制造業四化融合正處于良好融合發展態勢。高曉雨等（2017）基于中國兩化融合服務平臺上70000 余家企業數據，從基礎環境、產業應用、效益與影響三個維度來測算中國制造信息化指數，發現全國制造業水平呈現“東南沿海高、西部內陸低”的態勢；吳敏潔等（2020）采用潛因子模型，從產品智能化、生產智能化、服務智能化、裝備智能化、管理智能化5 個維度對中國各省份智能制造發展水平進行評估；萬曉榆等（2020）從基礎環境、產業發展、智能制造、融合應用和創新能力5 個方面衡量了我國的智能化發展水平；陳疇鏞和許敬涵（2020）從技術變革、組織變革和管理變革三個維度，綜合評價了浙江軸承企業的數字化轉型能力。

總體來看，現有文獻一部分從不同角度分析了大數據與制造業產品、企業和產業的融合應用，部分學者綜合評價了制造業兩化融合、制造業與互聯網融合水平等。但具體針對大數據與制造業融合機制的系統研究還相對較少，全面客觀評價大數據與制造業融合水平的研究明顯不足。鑒于此，本文在界定大數據與制造業融合內涵的基礎上，首先系統分析大數據與制造業的融合機制，然后從融合基礎、融合應用、融合動力和融合效益四個維度構建評價大數據與制造業融合水平評價指標體系，并對中國29 個省市的大數據與制造業融合水平進行測度與評價，以期為后續大數據與制造業深度融合發展提供理論指導和實踐依據。

三、大數據與制造業融合內涵與機制

（一）大數據與制造業融合的內涵

大數據與制造業融合是5G 時代對兩化融合的進一步深化與提升，其內涵是以互聯網、云計算、大數據、人工智能等新一代信息技術為核心驅動力，以促進制造企業數字化轉型為主線，以工業大數據、工業互聯網平臺為抓手，以積極培育制造業新模式、新業態為載體，以5G、數據中心、工業大數據等為代表的新型基礎設施為支撐（柴雯和馬冬妍，2018），將大數據與傳統制造業務緊密結合，利用數字化技術、大數據分析方法、數據生產要素等優化制造業原有的生產流程，重塑制造業的商業模式、管理決策模式、組織架構、產業鏈協同模式等，通過個性化定制、智能化制造、協同化生產和高效化管理，實現制造企業在技術研發、生產管理、質量把控等環節的生產效率和效益發生質的飛躍，最終實現制造業的數字化、網絡化、智能化和綠色化轉型。

制造企業是數字經濟時代大數據與制造業融合的發展主體，智能制造是大數據與制造業融合的未來發展方向。在融合過程中企業將大數據技術、思維、分析應用到傳統制造業的整個生命周期，通過數據、信息、資源的開放共享與技術創新，不斷催生新的制造范式和發展模式，從而促進傳統制造業轉向智能制造。大數據與制造業的融合不是簡單的制造業利用大數據的過程，而是全方位的深度融合。深入推進大數據與制造業融合是兩化融合在數字經濟時代的具體體現，也是未來制造業提升競爭力的主要發展方向。

（二）大數據與制造業融合機制分析

1.大數據與制造業產品的融合機制

（1）大數據驅動產品制造以用戶體驗為中心，產品供給隨需而變，并催生產品形態變革。在數字技術應用持續深入與疫情防控及電子商務平臺快速發展的疊加效應下，消費者需求更加趨向于多元化、虛擬化、個性化和場景化，對產品的追求逐漸從實物產品轉向數字產品與產品服務并重，并期望獲得全方位的場景體驗與在線解決方案。而大數據賦能環境下，制造業企業能夠通過工業互聯網等平臺采集消費者歷史瀏覽頁面、消費記錄、交易信息、在線評論等數據集及時精準地了解消費者對不同產品顏色、型號、性能等參數的潛在需求，并以智能化的數據分析技術為支撐，進一步挖掘和預測消費者的深層次需求，以需定產，不斷生產出以滿足不同用戶需求和用戶體驗的個性化產品，促進產品生產由大規模制造轉向定制化制造并形成最終產品。隨著用戶產品體驗過程中的動態需求變化，制造企業基于數據反饋能夠隨時對特定產品進行功能和形態上的調整，生產出不斷匹配用戶需求且具有成長特性的產品。

（2）大數據無限接近消費者的典型特征促使產品研發由經驗驅動轉向數據驅動。傳統消費模式下，企業往往先通過與領先用戶等特殊消費者取得互動或依靠中間渠道尋求用戶來獲取產品設計、用戶需求等相關信息，再基于以往的銷售數量和組織經驗不斷研發新的產品，這種由經驗驅動的產品研發也帶來了研發周期長、成本高、風險高等問題。但數字化環境下，依靠產品相關的大數據樣本集和數據分析技術，制造業企業與消費者之間的互動變得更加敏捷，任何普通消費者都能夠通過與企業的實時互動將其行為數據化為可被企業搜集和分析的數據，進而參與到企業的產品研發過程中，并基于用戶的產品體驗滿意度數據集逐步實現產品的漸進式創新。此外，隨著數字仿真、虛擬現實、數據可視化等技術的發展，企業不僅可以從整體上預判市場群體消費趨勢，也能夠從個體上構建詳細的消費者行為畫像，還能從海量數據中挖掘新的用戶市場，并依托大數據模擬不同情境下的產品設計模型，形成持續演進的產品創新系統，從而有效提高產品研發效率，降低企業產品研發成本和研發風險。

（3）大數據驅動企業實時動態優化產品定價策略。傳統的產品定價更多的是基于一定的市場價格和有限的銷售數量、消費者需求分布信息等進行特定范圍內的調整，而大數據情境下，龐大的非結構化的用戶產品評論數據成為企業定價的重要信息來源。基于原始的消費者產品評論數據，企業能夠在線選擇產品客戶，對不同產品功能進行細分，并獲得不同消費者對不同產品功能的相對偏好，進而預測未來銷售變化，確定產品定價能力。此外，日益成熟的數據分析和數據挖掘技術使得企業可以通過適時精準地為消費者提供相似或心儀產品的點擊頁面，利用優惠政策和福利活動將消費者的潛在需求和深層次需求轉化為真實需求，增加產品收益；另一方面，企業可以針對不同消費者的偏好差異對產品做出準確的定位，實現不同銷售渠道或不同細分市場上的差異化定價。

2.大數據與制造業企業的融合機制

（1）大數據與前端研發融合，以創新驅動發展。一方面，大數據為制造企業提供了新的開放式創新平臺。大數據時代，企業可以獲取內部和外部的各種數據，這些數據將企業內部科研人員、外部研發機構、消費者連接在一個信息網絡中，降低了企業的信息交易成本和創新成本；另一方面，大數據技術融合到企業創新模式的模擬分析，提高研發效率。傳統的新產品、新工藝大都是企業創新生產后加以試用，發現其中的問題再加以改進。大數據技術的利用可以對企業的創新想法和設計理念虛擬出研發設計的過程，再運用計算機系統加以分析、評估和優化，這極大地縮短了企業的研發周期，減少了后期技術改進的工作，降低企業的成本消耗。

（2）大數據與中端物流融合，創造增值空間。一方面，制造企業通過在線數據分析平臺控制采購的成本和質量，合理分配資金的使用。大數據打破了傳統物流的地域限制和信息壁壘，企業通過收集的數據預測各大供應商原材料的價格變動趨勢，實時觀測原材料的數量、質量、供應渠道等情況，制定合理的采購計劃，提高采購資金的利用率；另一方面，制造企業通過大數據與人工智能技術優化運輸渠道，實現智能配貨和智能選車。在產品運輸之前，企業可以通過供應商和銷售商在線經營數據的反饋，提前選擇最優的配送中心。在運輸過程中，企業可以隨時在線追蹤人貨車的配置情況，以及各地不同路段的交通狀況，選擇最合理的配送方式。例如貴州推出的貨車幫平臺公司，就是依托大數據整合運輸供需信息，以車貨匹配為核心，為貨主選擇最優的運輸車輛，為車主提供合適的貨源信息，進而大大提高運輸效率，減少資源浪費（許憲春等，2019）。

（3）大數據與中端制造融合，實現智能制造。數字經濟時代，大數據作為一種數字技術和生產要素運用到制造企業的生產運營中，不僅可以通過其自身蘊含的技術進步作用優化生產流程，還可以與其他生產要素重組融合，在生產模式、制造系統、經營管理等方面帶來新的技術革新。在大數據、人工智能、云計算等各種數字技術的賦能下，依托于各部門數據的集成和分析，制造企業能夠實現實時的生產可視化監控管理及時快速收集與產品設備相關的信息，提前預警設備故障并進行預測性維護。基于對生產過程中原材料及中間產品的實時數據監測，企業可以運用數據分析技術和算法動態調整生產計劃及時調整企業的資源配置狀況，提高企業生產控制與管理決策的敏捷度。此外，制造企業依托大數據通過系統集成能夠實現柔性生產和大規模智能定制，甚至使個性化定制與大規模標準化生產同時實現成為未來多場景下的先進制造模式。

（4）大數據與營銷和售后融合，打造品牌效應。隨著電子商務的快速發展，大數據營銷逐漸成為企業的主流銷售方式。在大數據賦能下，制造企業能夠依靠對用戶需求、產品制造、市場動態等相關數據集的挖掘和分析，不斷拓展新的營銷渠道，分析各種營銷渠道之間的關系及為企業帶來的價值，并衡量不同營銷渠道對特定消費群體的影響，以此有針對性地分割消費者市場，利用消費者的過往需求和未來消費傾向，對產品實施合理精準的定價與宣傳策略，不僅能夠提高企業營銷效率，降低成本，還能最大程度維護用戶流量和企業價值。如今，用戶體驗更注重的是有形或無形產品與各種增值服務的結合，制造企業能夠利用大數據技術遠程監控用戶對產品的評價和反饋及時發現問題并對產品實施高效維護，提升用戶的產品體驗和服務質量，打造獨特的企業品牌。

3.大數據與制造業產業的融合機制

（1）作為一種新型數字技術，大數據與制造業產業具有天然的融合性，其主要體現在兩個方面：一是大數據技術對傳統制造業的滲透與替代；二是制造業技術邊界處實現技術創新。數字經濟時代，大數據作為一種通用目的技術，具有使用廣泛、高滲透性、持續創新、高融合性等典型特征，能夠發揮較強的關聯和帶動效應。目前大數據已經廣泛應用到傳統制造領域，不僅能逐漸實現對落后制造技術的替代，催生出服務型制造、智能制造、網絡化協同等現代制造模式，推進傳統制造業數字化轉型，而且能帶動物聯網、云計算等相關數字技術在制造業內的應用和發展，促進生產部門的技術革新。

（2）大數據擴展傳統產業關聯關系。一方面，數字技術在現有不同部門之間的滲透深化了產業間技術關聯和分工合作，網絡和平臺的發展使得產業間虛擬集聚效應更加明顯，尤其在工業互聯網強大的連接作用下，傳統制造業與信息技術服務業的邊界逐漸模糊，各產業鏈、供應鏈、價值鏈等伴隨新興技術的擴散變得更加協同和智能，逐漸實現全新的數字化、網絡化和智能化的產業生態系統；另一方面，以大數據產業為代表的新型數字產業與傳統制造業實現良性互動。隨著數據交易和相關數字技術服務的形成與發展，大數據本身已經形成相對獨立的產業生態體系，且技術創新和技術外溢效果顯著。在大數據產業自身不斷創新發展的同時，利用技術融合創新和網絡協同效應對傳統制造業部門進行數字化改造。同時，在大數據變革制造業及產業化應用的過程中，制造業需求側和供給側的響應又倒逼大數據產業不斷升級。

（3）大數據作為數字經濟時代的核心生產要素，不僅能夠直接投入到制造業生產過程中，還能夠與其他生產要素重新組合引入生產系統，使得要素結構向虛擬化和高級化方向發展，推動傳統制造業向技術和知識密集型方向轉變。同時，數據以其易復制共享、無限供給、邊際成本幾乎為零等特性，不僅能突破傳統要素的利用限制，還能促使生產者、消費者和各相關利益主體均能參與到制造業的價值創造過程中，從而提高制造業的要素配置效率和生產效益，形成更加高效的產業鏈。

比較兩組眼底病轉歸率、眼壓升高、眼內炎癥及玻璃體出血等并發癥發生率。明顯有效;改善或消失臨床癥狀,疤痕的疤痕和消失的病變;有效:改善臨床癥狀,疤痕的大部分病變,減少病變。眼底病變的預后率顯著,有效百分率之和。

四、大數據與制造業融合水平測度與評價

（一）指標構建與說明

1.指標體系構建

本文在界定大數據與制造業融合內涵的基礎上，依據科學性、系統性、可操作性等指標體系構建原則，借鑒孫承志（2020）的相關研究，從融合基礎、融合應用、融合動力和融合效益4 個維度選取24 個指標，構建大數據與制造業融合水平評價指標體系（表1）。

表1 大數據與制造業融合水平評價指標體系

2.指標說明

本文從融合基礎、融合應用、融合動力和融合效益4 個維度全面衡量大數據與制造業的融合水平。融合基礎是大數據與制造業融合發展的前提，融合應用是制造業在與大數據全方位的融合過程中不斷向網絡化、數字化、智能化和服務化發展的應用水平，融合動力是未來大數據與制造業實現深度融合的核心支撐，同時融合效益是全面體現大數據與制造業在其深入融合下帶動制造業轉型升級的效果。

其中，在融合基礎層面，大數據與制造業的融合發展離不開完善的信息基礎設施和交通基礎設施。參考劉軍等（2020）、徐星星（2020）和焦勇等（2019）的相關研究，本文選用各省份互聯網寬帶接入端口、移動電話普及率、移動電話交換機容量、光纜密度、寬帶普及率、固定寬帶用戶平均下載速率，以及鐵路強度，來衡量大數據與制造業融合發展的基礎環境。其中光纜密度用各省份光纜線路長度與省域面積之比來表示，寬帶普及率用各省份寬帶接入用戶與總戶數之比來表示，鐵路強度用省際鐵路里程與省域面積之比來表示。各項融合基礎指標數值越高，說明該省份的現代化基礎設施水平越高，則更利于大數據與制造業的融合發展。

在融合應用層面，參考張旺（2019）、萬曉榆等（2020）和吳敏潔等（2020）的相關研究，本文選用各省份每百家企業擁有網站數、每百人使用計算機數、有電子商務交易活動企業數所占比重、電子商務交易額占GD0之比、信息傳輸、軟件和信息技術服務業從業人員、信息傳輸、軟件和信息技術服務業固定資產投資占GD0之比，以及新產品銷售收入占比，來衡量大數據與制造業的融合應用水平。各項融合應用指標數值越高，說明該省份大數據與制造業融合的效果越佳。

在融合動力層面，技術進步和人力資源作為信息時代產業發展的硬動力和軟實力，是驅動大數據與制造業深度融合的核心動能。參考程廣斌和楊春（2020）的相關研究，本文選用R&D 經費投入強度、國內三種專利授權數、技術市場成交額、R&D 人員全時當量，以及每十萬人口高等教育平均在校學生數，來衡量大數據與制造業的融合動力水平。各項融合動力指標數值越高，說明該省份大數據與制造業融合發展的潛力越大。

此外，在融合效益層面，參考高曉雨等（2017）和李成剛（2020）的相關研究，本文選取全員勞動生產率、計算機、通信和其他電子設備制造業利潤總額、儀器儀表制造業利潤總額、軟件業務收入，以及單位地區生產總值電耗，來衡量大數據與制造業融合的融合效益。其中，除單位地區生產總值電耗之外，其余各項融合效益指標數值越高，說明該省份大數據促進制造業提質增效的水平越高，大數據與制造業的融合水平也越高。

3.樣本選取與數據來源

基于數據的可得性，本文選取我國2013—2018 年29 個省份（自治區、直轄市）①鑒于港澳臺、寧夏和西藏部分指標數據缺失較多，故不包含在本文樣本范圍內。相關數據進行分析。各指標所用數據主要來源于國家統計局網站、各省市2014—2019 統計年鑒及歷年《中國工業統計年鑒》《中國科技統計年鑒》《中國第三產業統計年鑒》《中國寬帶普及狀況報告》等，對于個別的缺失數據采用均值法進行補充。

4.測度方法

基于面板數據的適用性，為客觀準確地比較全國各省份大數據與制造業的融合水平，本文參考程廣斌和楊春（2020）的相關研究，選用客觀賦權評價法中改進后的熵值法，來確定各個指標的權重，進而對各省份大數據與制造業融合的綜合得分進行評價。

（1）指標說明：設有r個年份，n個省市，m個指標，則XθijXθij為第θ年省份i的第j個指標值。

（2）指標標準化處理：由于各指標之間量綱不同不具可比性，需要對數據進行標準化處理。

正向指標標準化：

負向指標標準化：

（3）對標準化后的數值進行平移處理：為避免求熵值時出現零和負值而使對數處理無意義，對標準化后的數值進行平移處理，即

（4）確定第i年份第j項指標值的比重：

（5）計算第j項指標的信息熵值：

其中：K=。

（6）計算第j項指標的信息效用值：

（7）計算各指標的權重：

（8）計算各省份大數據與制造業融合發展水平的綜合得分：

基于改進后的熵值法與2013—2018 年中國29 個省份的面板數據，得到24 個大數據與制造業融合水平評價指標的權重值（表2）。

表2 大數據與制造業融合水平評價的指標權重

（二）結果分析

1.2013—2018 年全國各區域大數據與制造業融合水平評價

從全國各區域來看②按國家統計局劃分標準，對應本文樣本范圍，東部地區包括北京、天津、河北、上海、江蘇、浙江、福建、山東、廣東、海南、遼寧11 個省、自治區、直轄市；中部地區包括山西、安徽、江西、河南、湖北、湖南、吉林、黑龍江8 個省、自治區、直轄市；西部地區包括內蒙古、廣西、重慶、四川、貴州、云南、陜西、甘肅、青海、新疆10 個省、自治區、直轄市。，總體上2013—2018 年全國整體及東中西三大區域大數據與制造業融合水平均呈現持續增加的趨勢，其中東部地區大數據與制造業融合水平遠遠領先于中西部地區，且高于全國平均水平；中西部地區大數據與制造業融合水平均低于全國平均水平，且西部地區成為全國大數據與制造業融合水平最低的區域（圖1）。此外，2018 年全國整體大數據與制造業融合水平為0.344241，同比增加18.64%，較2013年增加107.72%；2013—2018 年，全國整體大數據與制造業融合水平的增速分別為13.42%、19.26%、13.34%、14.20%和18.64%，這也直接表明2013—2018 年全國整體大數據與制造業正以較快的速度實現深度融合（表3）。從東中西部地區來看，2018年東部地區大數據與制造業融合水平為0.455449，同比增加16.35%，較2013年增加81.23%；2018年中部地區大數據與制造業融合水平為0.291039，同比增加20.69%，較2013 年增加133.22%；2018 年西部地區大數據與制造業融合水平為0.266116，同比增加21.25%，較2013 年增加154.42%，這表明中國大數據與制造業融合水平呈現東-中-西部地區依次遞減的趨勢，但大數據與制造業融合發展增速卻呈現與之相反的態勢，表明未來中西部地區大數據與制造業具有較大的融合發展潛力，并有望縮小與東部地區的融合發展差距。

圖1 2013—2018 年中國分區域大數據與制造業融合水平評價值變化情況

表3 2013—2018 年全國各區域大數據與制造業融合水平

2.2013—2018 年各省市大數據與制造業融合水平評價

首先，從總體上來看，2013—2018 年我國29 個省市的大數據與制造業融合水平均呈現出持續增長的態勢，且融合水平的增速較為平均，這表明各省市的大數據與制造業融合水平均在不斷提高（圖2）。從2013—2018 年我國29 省市大數據與制造業融合水平評價值及排名來看（表4），各省市的大數據與制造業融合水平在時間與空間上呈現出發展不平衡不充分的典型特征，各省市之間大數據與制造業融合水平表現出明顯的差距。具體來看：

圖2 2013—2018 年各省市大數據與制造業融合水平的評價值變化情況

表4 2013—2018 年各省市大數據與制造業融合水平

第一，在2013—2018 年間北京、廣東、江蘇、上海和浙江的大數據與制造業融合水平始終穩居前五之內，處于絕對的領先水平，其中2018 年北京、廣東、江蘇、上海、浙江的大數據與制造業融合水平評價值分別為0.640912、0.656172、0.591958、0.530220、0.496278，分別同比增加15.25%、17.80%、14.14%、14.53%、16.20%，預計未來將以更快的增速保持增長。依托先決的經濟基礎與資源稟賦優勢，北上廣江浙地區在政策出臺、數字化基礎設施建設、數字技術研發、數字產業發展、創新人才等方面具備明顯的發展優勢。例如，北京依托中關村科技園雄厚的科研實力，在大數據、人工智能等數字化技術研發與智能化產業培育方面形成核心優勢；上海、江蘇、浙江依托長三角經濟圈制造業集群，大力發展工業互聯網、大數據、云計算、機器人等智能制造技術，并擁有像杭州阿里巴巴能夠引領一個地區數字產業化和產業數字化創新發展的領軍型企業，快速推動大數據等在多領域多場景下的深度應用；廣東同樣擁有像華為、騰訊等數字化水平較高的龍頭企業，在珠三角經濟圈和粵港灣大灣區的發展機遇下，大力推動企業“上云上平臺”，深化“互聯網+先進制造業”“5G+AI+制造業”，實現制造業數字化、智能化領先發展。

第二，山東、天津、四川、福建、陜西、湖北、河南、重慶8 個地區的大數據與制造業融合水平緊隨北上廣江浙地區之后，處于全國相對較好的發展水平。其中較為亮眼的是陜西、四川和重慶成為西部地區大數據與制造業融合發展的頂尖力量，尤其是近年來四川和重慶兩地以推動成渝地區雙城經濟圈建設為契機，力求打造相互支撐、相互融合的川渝現代制造體系，主攻構建先進制造業集群，從政策和產業層面著手，快速推動制造業智能化轉型。

第三，廣西、山西、貴州、黑龍江、云南、內蒙古、甘肅、青海、新疆9 個地區的大數據與制造業融合水平較為落后，尤其是甘肅、青海和新疆地區在2013—2018 年間幾乎始終處于全國最后三名。其中貴州作為全國首個國家級大數據綜合試驗區，依托自身在大數據應用和數字技術研發方面的優勢，持續加速推動大數據與制造業的融合發展，在2013—2018 年間不斷提升在全國的排名。但對于甘肅、青海、新疆等經濟發展落后的地區，既缺乏大數據與制造業融合過程中基礎設施建設的資金支持，又難以聚集與新型數字化轉型相關的技術與人才，還沒有數字化程度較高的龍頭企業引領發展，進而導致大數據與制造業融合發展速度較慢。

其次，為了更加直觀地反映我國各省市之間大數據與制造業融合水平的差距，本文繪制了如圖3 所示的2013—2018 年我國29省市大數據與制造業融合水平的年平均評價值。從整體上看，東部地區大數據與制造業融合水平遙遙領先，其中北京、廣東、江蘇、上海和浙江的大數據與制造業融合水平遠遠領先于其他地區，其大數據與制造業融合水平年平均評價值均達到0.36 以上；中部地區大數據與制造業融合發展較為均衡，其中湖北、安徽、河南與湖南的大數據與制造業融合水平較為接近，并引領中部地區的發展；而西部地區的大數據與制造業融合水平呈現出兩極分化的態勢，其中四川成為西部地區大數據與制造業融合發展的重要增長極，陜西和重慶依托自身的發展優勢也引領西部地區的大數據與制造業融合發展，但甘肅、青海、新疆等地區由于缺乏相關的政策、資金、技術與人才的支持，其大數據與制造業融合水平相對較為落后。此外，從單個省份的大數據與制造業融合水平來看，排名第一的北京（0.505475），其大數據與制造業融合水平的年平均評價值是排名最后的新疆（0.134936）的3.7 倍以上，這也表明目前我國各省份間大數據與制造業融合水平的差距呈現出兩極分化的態勢。

圖3 2013—2018 年各省市大數據與制造業融合水平的年平均評價值

為了更好地區分我國29 個省市大數據與制造業融合水平，本文借鑒劉軍等（2020）的劃分標準，將29個省市的大數據與制造業融合水平劃分為四個梯隊，其中大數據與制造業融合水平在全國平均水平1.5 倍以上的為高度融合地區；高于全國平均水平的為中度融合地區；在全國平均水平0.75 倍以上的為低度融合地區；其余的為欠融合地區。其結果見表5。

表5 2013—2018 年各省市四個梯隊大數據與制造業融合水平的區域分布

其中：高度融合地區得分高于0.3666，包括北京、廣東、江蘇、上海和浙江5 個省市，且均位于東部地區，這5 個省市的大數據與制造業融合水平遙遙領先；中度融合地區得分介于0.2444～0.3666，包括天津、山東、四川和福建4 個省市，除四川位于西部地區外，其余省市均位于東部地區；低度融合地區得分介于0.1833～0.2444，包括遼寧、陜西、湖北、安徽、河北、河南、重慶、湖南、海南、吉林和江西11 個省市；欠融合地區得分低于0.1833，包括山西、黑龍江、內蒙古、廣西、云南、貴州、甘肅、青海和新疆9 個省市，除山西和黑龍江位于中部地區外，其余均位于西部地區，這9 個省市的大數據與制造業融合水平相對落后，仍具有較大的發展空間。從整體分布上看，高度融合地區東部省市占100%；中度融合地區東部省市占75%，西部省市占25%；低度融合地區東部省市占27%，中部省市占55%，西部省市占18%；欠融合地區中部省市占22%，西部省市占78%。這更進一步表明我國大數據與制造業融合水平在空間上呈現出“東-中-西”及“沿海-內陸”依次遞減的態勢，這也與我國不同區域經濟發展水平存在差異的現狀相符。由于各區域間大數據、云計算、人工智能等信息技術的差異和信息資源分配的不均衡，使得相對落后的地區還無法真正享受到新一輪數字革命釋放的“數據紅利”，抑制了大數據與制造業的融合發展，使得大數據與制造業融合發展不平衡的問題依然比較顯著。

五、主要結論與政策建議

（一）主要結論

本文以2013—2018 年中國29 個省市為樣本，在系統分析大數據與制造業產品、企業、產業融合機制的基礎上，從融合基礎、融合應用、融合動力和融合效益4 個維度構建大數據與制造業融合水平評價指標體系，并測度了中國29 個省市的大數據與制造業融合水平。研究表明：①從總體上看，大數據與制造業的融合程度在不斷加深。主要體現在全國及29 個省市的大數據與制造業融合水平均在逐年增加，且各省市大數據與制造業融合水平的增速均保持遞增的趨勢；②從區域之間來看，東部地區大數據與制造業融合水平明顯高于中西部地區。其中位于高度融合地區的5 個省市均位于東部地區，而位于欠融合地區的9 個省市均位于中西部地區；③從單個省份來看，北京、廣東、江蘇和上海的大數據與制造業融合水平遙遙領先，而云南、貴州、甘肅、青海和新疆的大數據與制造業融合水平相對較為落后，且各省市之間大數據與制造業融合水平的差距呈現出兩極分化的態勢。

（二）政策建議

（1）加強制造業數字化基礎設施建設，為大數據與制造業融合發展構建良好的基礎環境。數字經濟時代，完善高效的數字化基礎設施對制造企業進行大數據分析、實現智能化轉型有著基礎性的支撐作用。為此，一應當加強對5G 網絡、物聯網、人工智能、區塊鏈等為代表的基礎設施建設的投資力度，積極構建大數據網絡中心、智能計算中心和工業互聯網平臺，提升實時數據采集、存儲、處理和分析的能力；二應加強工業機器人、智能芯片、智能傳感設備等智能系統的建設，加快建設數字資源共享平臺。

（2）鼓勵和推動大數據等數字技術研發創新。一是企業要加強數字化裝備的投資與核心技術的突破，深入探索大數據在制造業領域多功能多場景的應用模式；二是政府要大力給予制造企業專注于研發大數據核心技術、高端設備和芯片等技術的資金支持和政策支持，鼓勵以先進制造企業為主的經濟主體積極開發利用數據資源和數字技術；三是地區要積極實行對外開放，通過追蹤和學習國外先進數字技術與融合經驗，加快國內數字技術的研發與制造業智能化轉型模式的創新，推動大數據與制造業深度融合。

（3）加快大數據人才隊伍建設。一應當建立大數據與制造業融合研究中心及數字技術培訓基地，鼓勵政府、企業、科研機構與高校深度合作，加強數字技術高端人才的培育；二是企業應制定相應的數字人才培養計劃及薪資福利政策，積極引進與大數據與制造業融合發展相適應的高層次領軍人才和相關研究人員，以此促進創新要素資源的集聚和利用；三是加快改革高校人才培養機制，積極開設與大數據應用相關的學科，建設復合型人才培養的綜合實驗室，尤其是具備計算機技術和素養的人員，使其積極融入到制造業數字化、智能化轉型的實際操作中，逐步建立促進大數據與制造業融合發展的先進化、專業化和國際化人才隊伍。