工業大數據產業的灰色投入產出特征分析

范業才 王玲玲

（江蘇大學 財經學院，江蘇 鎮江 212013）

一、引言

大數據時代，數據成為新的生產要素，對推動經濟發展發揮著至關重要的作用。以互聯網、大數據、人工智能為代表的新一代信息技術蓬勃發展，對各國經濟發展、社會進步以及人民生活產生了深遠影響。如今全球大數據進入加速發展時期，我國大數據產業不斷發展壯大。習近平總書記高度重視大數據產業的發展，指出要推動實施國家大數據戰略，加快建設數字中國。

2020年4月28日，工業和信息化部出臺《關于工業大數據發展的指導意見》，明確提出要深化數據應用、促進產業發展，以大數據融合創新驅動制造業轉型升級、以產業要素新供給賦能制造業創新發展，是構建以數據為關鍵要素的新型制造體系、充分釋放數字經濟潛能的重要途徑，是關乎制造業數字化轉型、新舊動能轉換和高質量發展的長遠之計。作為制造業轉型升級的重要戰略路徑，工業大數據產業是工業互聯網發展的核心，對我國深入實施工業互聯網創新發展戰略、加快形成以創新為主要引領和支撐的數字經濟具有重要意義。

已有學者對工業大數據產業發揮的重要作用進行研究，Basanta-Val（2018）、劉倩（2019）、王建民（2017）、楊梽永（2020）、孫立（2016）認為工業大數據產業對于幫助企業決策、降低維護成本、支撐區域科技創新和全社會的創新轉型發展、提高企業效益以及促進“兩化融合”起著至關重要的作用[1-5]。

工業大數據產業尚處于起步階段，受限于數據的可得性，梳理文獻發現關于工業大數據產業的量化研究成果相對較少。相關研究主要面向大數據產業整體，如龐路靜和張目（2020）采用猶豫模糊語言TOPSIS灰色關聯投影法對大數據產業發展水平進行測度[6]。沈俊鑫和李爽等（2019）采用模糊集定性比較分析方法分析多發性因素對大數據產業發展能力影響機制[7]。趙傳仁和戴俊麗（2017）利用Malmquist生產率指數方法測算中國大數據企業全要素生產率[8]。從量化層面厘清工業大數據產業的發展特征，對于針對性地制定工業大數據產業發展規劃和長期預測規劃具有重要意義，本文以此為研究的主要方向。

投入產出法是宏觀經濟分析的一種重要方法，很多學者將其應用于各種領域分析具體問題，如Yang和Ingwersen等（2017）將投入產出法運用到可持續材料管理應用中[9]。盧方元和張世芊（2021）以及范云菲和何濤（2021）將投入產出法運用于現代服務業以及先進制造業中，測度產業的投入產出效應[10-11]。Bruckner和Wood等（2019）運用投入產出法研究了環境、農業和貿易三者之間的相關問題[12]。馬燕（2020）、方大春和王海晨（2017）使用投入產出法對科技創新問題和產業結構問題進行研究，并得出具體的測算結果[13-14]。此外投入產出法也被齊亞偉和陳洪章（2017）、李小敏（2018）運用于區域經濟領域和文化產業領域中[15-16]。灰色系統理論在處理貧信息數據問題時具備獨特優勢，本文將灰色系統理論與投入產出法深度結合，構建工業大數據產業灰色投入產出表，用于測算和分析工業大數據產業的投入產出特征和所蘊含的數據新動能，明晰我國工業大數據產業發展過程中存在的優勢和劣勢，為我國工業大數據產業高質量發展提供理論依據。

二、工業大數據產業灰色投入產出表的構建與說明

本文將灰色系統理論用于投入產出表的調整、工業大數據產業相關部門的選擇以及工業大數據產業數據信息的挖掘中，具體說明如下。

（一）工業大數據產業灰色投入產出表部門的選擇

劉思峰等（2017）提出的灰色相似關聯度是灰色系統理論中的一種分析方法，基本思想是根據序列曲線幾何形狀的相似程度來判斷不同序列之間的聯系是否密切[17]。本文借鑒該方法確定工業大數據產業灰色投入產出表中的部門，將其用于測度產業部門間聯系的密切程度，其優點在于從各產業部門的發展軌跡入手，發展軌跡相似即可認為產業間的關聯度較高，產業部門短期內的變動并不影響灰色相似關聯度的測度。對于現實生活中出現的被帶動產業發展滯后于起帶動作用產業的情況而言，相應量化測度結果更能準確反映實際情況。因此本文依據灰色相似關聯度對我國工業大數據產業和國民經濟各產業部門內在經濟聯系展開分析，并據此選擇灰色投入產出表中的產業部門。

選取2009—2020年《中國統計年鑒》中各產業部門的增加值數據，根據灰色相似關聯度的計算方法，借助灰色系統理論建模軟件，以各產業的增加值為比較序列，工業部門的增加值為參考序列，計算灰色相似關聯度，結果見表1。

表1 我國工業部門與各產業部門相似關聯度及其排序

由表1可知，排序后五位的產業部門分別為“衛生、社會保障和社會福利業”“居民服務和其他服務業”“住宿和餐飲業”“文化、體育和娛樂業”“水利、環境和公共設施管理業”，說明現階段這些部門與工業大數據產業的聯系較弱，為更清楚地說明問題、分析問題，在選擇部門時剔除關聯度最低的五個部門，剩下的部門分別為“公共管理和社會組織”“批發和零售業”“金融業”“房地產業”“教育”“交通運輸、倉儲和郵政業”“租賃和商務服務業”“科學研究和技術服務業”“信息傳輸、軟件和信息技術服務業”，將保留的產業部門與工業大數據產業進行進一步分析。

（二）工業大數據產業部門的拆分

在初步選擇部門的基礎上，結合本文研究的主題，為進一步突顯工業大數據產業，將工業大數據產業從工業部門中拆分出來。拆分比例的設定，根據中國電子信息產業發展研究院發布的《中國大數據產業發展水平評估報告（2018年）——大數據產業發展的測算、評估與動態分析》（以下簡稱《評估報告》）中的大數據發展指數，假定大數據活動產值占大數據總產值的比重與相應產業中間消耗占總產出的比重相同。由《評估報告》可知2017年我國工業大數據產業發展指數為24.28，占總指數的7.96%，計算出2017年、2018年我國工業大數據產業產值分別為373.9669億元、477.4046億元，工業大數據產業產值占當年工業部門總產值的比重分別為0.0276%和0.0327%，該比例即為2017年、2018年投入產出表中工業大數據產業的拆分比例。由于缺少2018年度工業大數據產業發展的指數數據，結合我國工業大數據產業的發展尚處起步階段這一客觀事實，本文將上述比例作為2018年投入產出表中工業大數據產業的拆分比例。在此基礎上對投入產出表進行調整，分別將2017年度149×149部門的投入產出表以及2018年度153×153部門的投入產出表調整為13×13部門工業大數據產業灰色投入產出表，為后續進一步分析做好準備。

（三）工業大數據產業投入產出表信息提煉步驟

借助調整后的投入產出表測度工業大數據產業的直接經濟效益、間接經濟效益以及產業帶動效益，應用灰色投入產出法，進一步提升工業大數據產業發展的協調水平，具體測算步驟如圖1所示。

圖1 工業大數據產業投入產出特征測度步驟示意圖

三、工業大數據產業投入產出特征測算

按照圖1所示的思路和步驟，測算工業大數據產業結果如下：

（一）工業大數據產業總體發展狀況測度

計算得到，我國工業大數據產業2017年、2018年發展協調度指數分別為-0.0551、0.6225。影響力系數是反映一個產業的后向關聯程度的指數，指某一產業的最終需求變化一個單位時所引起的國民經濟的總產出的變化量，社會平均影響力系數為1。感應度系數是反映一個產業的前向關聯程度的指數，指某一產業的初始投入變化一個單位時所引起的國民經濟的總產出的變化量，社會平均感應度系數為1。根據調整后的投入產出表計算出2017年、2018年各產業部門的影響力系數及感應度系數。我國各產業部門影響力系數、感應度系數及排名見表2、表3。

表2 產業部門影響力系數及排名

表3 產業部門感應度系數及排名

（二）工業大數據產業經濟效益測算

直接經濟效益是指部門在生產經營活動中，直接投入帶來的經濟效益，本文從物化勞動消耗、活勞動消耗和GDP的占比三方面來體現；間接經濟效益是通過部門之間的聯系從其他部門獲得的效益，本文從關聯效益和引致效益兩個方面來體現。關聯效益是指在產業部門正常運行時會消耗其他部門的產品，其他部門生產產品也會消耗本部門的產品，由此產生的效益即為關聯效益，可分為后向拉動效益和前向推動效益，而引致效益是指大數據產業的發展會帶動其直接相關產業發展，直接相關產業又帶動其相關產業的發展，以此依次傳遞下去產生的效益。

根據調整后的投入產出表，計算出我國2017年、2018年工業大數據產業的經濟效益見表4。

表4 工業大數據產業經濟效益

四、工業大數據產業投入產出特征分析

結合測算結果，發現我國工業大數據產業部門發展有以下特征：

（一）工業大數據產業協調發展狀況形勢向好

根據測算結果可知我國工業大數據產業總體協調發展指數已由2017年的-0.0551轉變為2018年的0.6225，協調狀況已由不協調發展轉變為協調發展狀態。在單位等腰三角形內畫出工業大數據產業經濟結構向量圖，即可直觀地觀察工業大數據產業整體協調發展狀況。我國2017年、2018年工業大數據產業經濟結構向量圖如圖2所示。

圖2 2017年、2018年工業大數據產業經濟結構向量圖

由圖2中2017年工業大數據產業經濟結構向量圖可見，在三角形AOB中，當R1向R2靠攏時（即向OA靠攏），最終產品率s下降，因此R1和OB之間的區域為工業大數據產業協調區域，R1和OA之間的區域為工業大數據產業不協調區域。2017年工業大數據產業生產結構X位于不協調區域，2018年隨著大數據技術的發展、大數據技術與制造業的不斷融合促進產業發展，生產結構X位于協調區域。

將特征比例與現實比例進行比較可知，2017年R1

綜上可知，我國工業大數據產業發展狀況已經由不協調發展狀態轉向協調發展狀態。雖然我國大數據產業發展尚處起步階段，但發展速度可觀，而且我國工業發展速度穩定、產業基礎穩固，未來工業大數據產業發展空間可觀。雖然我國工業大數據產業協調度水平依舊較低，但我國產業結構調整以及發展方向是正確的，通過不斷調整產業結構和宏觀調控，未來我國工業大數據產業發展有很大的提升空間。

（二）工業大數據產業帶動作用明顯

從測算結果看，我國工業大數據產業2017年、2018年影響力系數及感應度系數均大于1，即高于全社會平均水平，且2017年時我國工業大數據產業影響力系數在全產業部門中排名第一，說明工業大數據產業相對其他產業部門對于國民經濟發展的促進作用最大，工業大數據產業帶動一般產業發展的作用也是最大的，這也符合經濟發展規律。2018年我國工業大數據產業影響力排名處于全行業部門第二位，但影響力系數水平相對穩定。

工業大數據產業的感應度系數在全產業部門中排名處于中等水平，說明工業大數據產業投入產出變化受其他產業部門的波及影響程度處于中等水平，對國民經濟發展的推動作用處全產業中等水平。2017年、2018年感應度系數水平排名不變，說明我國經濟發展過程中產業結構相對穩定。

上述分析中已知感應度系數和影響力系數的社會平均水平均為1，但每一產業分別從最終需求和初始投入影響國民經濟總產出，因此為了全面反映我國工業大數據產業對國民經濟的拉動作用，分別以影響力系數為X軸、感應度系數為Y軸，（1，1）為坐標原點建立平面直角坐標系，將各個產業部門在坐標系中表示，示意圖見圖3、圖4。

圖3 2017年各產業部門帶動能力分布圖

圖4 2018年各產業部門帶動能力分布圖

從圖3、圖4可知，2017年、2018年我國各產業部門總體發展態勢保持不變，各個象限中產業分布保持不變，但相對發展水平正朝著更好的方向發展。綜合工業大數據產業的影響力系數和感應度系數看，2017年、2018年工業大數據產業的影響力系數均大于感應度系數，這表明我國工業大數據產業受國民經濟發展的拉動程度低于其對國民經濟發展的帶動程度。即我國工業大數據產業發展中對國民經濟發展的帶動作用明顯，對國民經濟發展的拉動作用仍有發展空間。

（三）工業大數據產業產生的經濟效益已初具規模

從測算得到的工業大數據產業直接經濟效益看，我國工業大數據產業2017年增加值僅為91.7308億元，對GDP的貢獻率僅有0.0110%，隨著技術的不斷創新，工業大數據產業的不斷發展，2018年我國工業大數據產業增加值達到358.7286億元，貢獻率上升至0.0392%。生產（中間）投入率表示工業大數據產業每生產1億元總產出要消耗多少億元的貨物和服務。我國工業大數據產業生產消耗率保持穩定，2017年工業大數據產業生產消耗率為75.4709%；2018年生產消耗率有所下降，數值為75.1414%。從工業大數據產業的物化勞動消耗經濟效益看，我國工業大數據產業單位中間投入創造的產出由2017年的1.3250增長到2018年的1.3308，說明產業結構調整和技術發展降低了工業大數據產業發展中的物質消耗。

從測算得到的工業大數據產業間接經濟效益看，2017年、2018年我國工業大數據產業對國民經濟發展帶來的間接經濟效益處于增長態勢。相較于總體，工業大數據產業對國民經濟發展產生的前向推動效益是需要提高的部分，工業大數據產業產生的間接經濟效益總量從2017年的672.6884億元上升至2018年的799.9673億元。由此可知，我國工業大數據產業發展態勢良好，且能帶來較高的間接經濟效益。

從總體看，我國工業大數據產業剛剛處于起步階段，產生的經濟效益已經十分可觀。工業大數據產業產生的增加值與間接經濟效益，2017年、2018年對GDP的貢獻率分別為0.092%和0.1266%，增速達到37.6176%。我國工業發展基礎牢靠、產業鏈配套完善、發展環境好，是我國工業大數據產業發展的優勢條件，我國工業大數據產業方興未艾，經濟效益初具規模，發展前景良好。

（四）技術創新對工業大數據產業發展的引領作用有待提升

綜上，我國技術創新對工業大數據產業發展的引領作用還有很大的提升空間。從帶動效益看，2018年我國科學研究和技術服務業的影響力系數排名第一，對一般產業的帶動作用超過了工業大數據產業，這說明技術創新在國民經濟發展中發揮著越來越重要的作用。結合工業大數據產業單位產出消耗的活勞動量數據看，雖然我國工業大數據產業的單位中間投入創造的產出值有所上升，但單位產出消耗的活勞動量也隨之上升，單位產出消耗的活勞動量從2017年的2.3983上升到2018年的2.4091。從勞動報酬產出率看，從2017年的41.6961%下降到2018年的41.5093%。

技術創新是推動工業大數據產業發展的直接動力，是提升競爭力的戰略支撐，技術創新在生產過程中可以降低勞動成本，提升生產效率，但從測算結果看，當前我國工業大數據產業發展中消耗的活勞動量上升、勞動報酬生產率下降說明其勞動生產率有所下降。我國工業大數據產業發展投入的勞動量較高，其自動化程度較低。技術創新將帶動產業勞動生產率的上升，因此技術創新對于我國工業大數據產業發展的引領作用有待加強。

五、對策建議

工業大數據產業作為具有國家戰略意義的新興產業，它的發展對于推動制造業轉型升級、轉變工業系統運營模式、優化產業結構具有深遠意義。結合現有特征，進一步促進我國工業大數據產業的發展可以從以下三方面入手。

（一）積極調整產業結構，推動工業大數據產業協調發展

增加產值比例、調整產業結構對于促進工業大數據產業發展是行之有效的方法。為了更好地促進工業大數據產業向更協調的狀態發展，要不斷積極調整產業結構。一是以市場為導向，調整行業組織結構。對于能耗高、產品質量低、生產過程污染大的企業，要堅決關停，提高單位投入創造的產出值；對于發展前景良好的公司，要積極挖掘發展潛力，促使這些企業發揮引領作用，帶動全產業的發展；對于科技創新型企業，出臺各類政策堅決支持工業大數據產業的科技創新活動。二是優化企業營商環境。保障工業大數據相關企業的合理合法權益，通過法律保障企業發展的全過程，優化工業大數據產業發展的營商環境；修訂促進工業大數據產業發展的激勵政策，從不同方面保障工業大數據產業發展，改善全產業發展外部基礎環境，增強工業大數據企業發展信心，不斷促進協調發展。

（二）推動工業大數據基礎性產業發展，提升工業大數據產業發展推動能力

我國工業大數據產業發展過程中的感應度系數處于中等水平，即我國工業大數據產業對國民經濟發展的推動作用還有提升的空間。由結果可知當前感應度系數較大的產業有租賃和商務服務業、交通運輸、倉儲和郵政業以及第一產業，即這些產業在經濟發展中處于基礎性的戰略地位，對經濟發展具有拉動作用。因此為更好發揮工業大數據產業的基礎性帶動作用，一是要積極調整發展戰略，推動工業大數據產業內的基礎產業發展，基礎產業是影響和決定工業大數據產業發展質量、產業鏈控制力和競爭力的關鍵，是工業大數據產業高質量發展的必要條件。鼓勵基礎產業發展可以夯實工業大數據產業的發展根基，也可以帶動相關產業的發展。二是要鼓勵工業大數據產業創新研發團隊加強核心基礎零部件、關鍵基礎材料的研發。增強關鍵和核心技術供給能力，為相關產業的發展、革新提供基礎，避免“卡脖子”現象的發生，大力提高工業大數據產業的推動能力。

（三）加快技術創新，釋放創新引領新動力

2018年科學研究和技術服務業的影響力系數已經超過工業大數據產業，成為排名最高的產業，說明技術創新在國民經濟發展中發揮著越來越重要的作用，結合工業大數據產業的單位產出消耗的活勞動量和勞動報酬產出率看，我國工業大數據產業面臨著兩大困境：一是技術創新對工業大數據產業發展的引領作用不強；二是工業大數據產業中高端人才短缺。為解決當前面臨的問題，一要加快推進科研成果向實際項目轉化，以企業的實際需求為導向，針對性地進行科技成果轉化創新工作，創新科技成果轉化形式，以解決企業實際需求為目的尋求合作，整合全社會多種資源，跨學科、跨領域多方合作實現企業關鍵核心問題的突破，提升企業的核心競爭力。二要加強產學研深度融合，積極推動產學研協同創新。推動企業、科研機構、高校、社會組織、創客等創新主體協同創新，相關部門應加強各主體間的交流溝通，將企業以及社會的需求傳達到創新人員，深化全方位合作，讓機構、人才、裝置、資金、項目都充分活躍起來，推動形成技術創新強大合力。三要加強人才培養，突破人才瓶頸，提升我國工業大數據產業的競爭力，改革教育教學方式，培養符合產業發展要求的創新應用型人才。針對性地培養符合產業發展要求的人才，培育一批在工業大數據產業發展中具有重要影響力和主導能力的領軍人才，加快我國工業大數據產業向具有國際競爭力的現代產業轉變，突破當下存在的人才瓶頸，推動解決工業大數據產業的人才缺口，提高我國工業大數據產業發展水平和競爭實力。