基于政策地图的中国大数据产业发展政策变迁

田国华

【摘 要】随着大数据时代的到来，人们的生活、工作、思维都发生了重大变革。大数据产业链如何构建和延伸已成为信息技术高速发展的必然要求。文章运用利益相关者理论，研究了中国大数据产业发展的政策变迁，绘制出产业政策地图，从而明确了产业政策的制定策略和发展路径。

【关键词】大数据;利益相关者;政策地图

【中图分类号】F49 【文献标识码】A 【文章编号】1674-0688（2020）11-0001-03

0 引言

随着工业4.0时代的到来，自动化和信息化不断融合，大数据与人工智能俨然成为新工业时代的本质所在和应有之义。大数据是人工智能发展的基础和催化剂，而人工智能是大数据的一种终极表现形式。两者都体现了对互联网海量信息数据的处理和利用。大数据开启智慧生产生活，正在改变着人的思维模式、生活习惯、工作方式等各个方面。

1 大数据产业发展历程

中国大数据产业的发展经历了三大历史节点。

2015年3月5日，李克强总理在十二届全国人大三次会议上的政府工作报告中首次提出“互联网+”行动计划，这是我国大数据产业发展的第一个节点。在此之前，自1980年著名的未来学家A.托夫勒的著作《第三次浪潮》首次提出大数据，到2009年大数据成为行业流行词汇的30多年间，大多数人只是对大数据的概念、发展历程及特征等进行懵懂的猜测和认识;在此之后，人们开始转变观念，将重点转移到大数据产业发展上来。

2015年8月31日，国务院办公厅发布《促进大数据发展行动纲要》，进行大数据产业发展的战略布局，上升为国家战略，是大数据产业发展的第二个节点。此后，我国将大数据作为基础性战略资源，全面促进大数据产业发展。

2017年7月8日，国务院发布《新一代人工智能发展规划》，是我国认知和发展大数据产业理念的重要提升，是大数据产业发展的第三个节点。战略目标三步中的第一步就是要突破大数据智能的关键技术。基础理论就是大数据智能理论，研究数据驱动与知识引导相结合的人工智能新方法。

时至2020年，正值国内各大经济体和大数据综合实验区“行动计划”的收官之年。厘清国家及地方大数据及相关产业的政策脉络，评价产业政策效果，从而把握未来政策制定方向对大数据产业乃至实體经济都意义深远。

2 研究现状

目前，国内对大数据政策的研究主要集中运用政策工具[1]对政策文本进行分析。例如，周京艳等[2]人运用文本计量法从政策工具的视角分析了18份国家级大数据政策，并讨论了政策的合理性。刘亚亚[3]运用“政策工具 政策主题词”二维分析框架分析了2000年以来的大数据政策文本。此类研究的分析框架源于Roy Rothwell 和Walter Zegveld的政策工具分类法，将政策工具分为供给面、需求面、环境面3个层面。苏峻在相关研究中均采用了该分类法，并进行了项目的细分。

政策设计是政府及职能部门为了解决某一特定问题，搜集信息，运用科学方法设计出的一种行动方案。此方案的形成是一个动态过程。政策设计的具体步骤为提出问题、分析问题、议程及政策制定。国家及地方政府的政策设计通常是具有明确目的有组织的行为，而政策地图则为政策设计提供了更加高效的工具。

本文运用利益相关者理论对大数据产业发展的利益相关群体进行识别，明确其相关利益活动，绘制出大数据产业的政策地图，根据产业发展目标，制定激励利益相关者进行特定活动的政策，从而促进大数据产业的发展。

3 政策逻辑

3.1 大数据是信息价值链和技术价值链双链联动的新业态

随着云计算与人工智能的发展，经济社会高速发展，大数据技术的应用使得人工智能成为现实，云计算得到了广泛的应用。在创新链引领的产业链中，大数据产业链是信息价值链和技术价值链双链联动构成的新业态。

3.2 大数据是助力经济转型的助推器

当前，我国经济发展尚处不均衡的状态，八大综合经济区的经济发展状况可以分为3个梯度。第一梯度：发达区域经济。北部沿海、东部沿海和长江中游三大综合经济区在全国经济发展中处于领先地位。第二梯度：中等发达区域经济。南部沿海经济区的福建、广东、海南，是重要的对外输入输出型经济发展区域。第三梯度：发展中区域经济。

第三梯度甚至是第二梯度的部分区域为全国经济发展发挥了基础性作用，然而在老、重、落后工业向创新型、高质量经济转型发展中，急需找到新的经济增长点，大数据与人工智能无疑是创新转型发展的突破口。这些区域大多有一定的传统产业基础，运用大数据技术助推传统产业提质升效、转型发展是必经之路。

4 政策设计：政策地图

4.1 利益相关者的识别

公共政策的利益相关者是指影响政策过程，对政策受众产生外部性的组织或个人，通常表现为受众的收益或损失。大数据产业政策具有公共政策的属性。

目前，在组织情境下，学者最多采用和讨论的是米切尔评分法，这一方法更具科学性和可操作性。但该方法的3个维度无法完整反映组织和利益相关者之间利益互动的本质。加之大数据政策属公共政策，是对全社会的公共利益所做的权威性分配，其自身不具备获取利益的能动性。综上所述，本文采用多维细分法的Clarkson分类法，分为主要利益相关者和次要利益相关者。

主要利益相关者分为制度决策层（政府、八大综合试验区）和制度影响层（政府、互联网企业、高校及科研院所、用户）。次要利益相关者是指其他组织和个人。

4.2 利益相关活动的识别

大数据产业利益相关者活动主要有7类，其中数据采集与数据运维的主体基本是一致的。

（1）数据采集。政府职能部门、互联网企业、运营商是当前大数据资源的占用者。此外，根据用户需求运用网络爬虫或网站公开API等途径也可以获取网络大数据资源。由于网络数据质量参差不齐，因此数据采集工作完成后必须进行数据清洗。

（2）数据存储及管理。大数据存储及管理的参与主体是互联网企业，国内主要有“华为”“数据堂”等，以及以“阿里巴巴”“京东”等为代表的电商企业。各企业对大数据资源进行存储和管理，并形成一系列产品。

（3）数据挖掘分析。互联网企业、高校及科研院所主要参与数据挖掘分析的软件开放及算法实现。数据挖掘分析的质量和效率会直接影响大数据应用领域的广度和深度，这一活动是大数据产业发展的关键。

（4）数据运维。通常数据的采集者即数据运维者。国家8个大数据综合试验区及地方政府致力基础设施的建设，大数据存储、管理、交易等各类平台的搭建，推动大数据的开放共享。当前，政务大数据的建设及运维已经完成，数据的开放和共享提升了数据的价值。

（5）数据应用。大数据应用处于信息产业链及技术价值链的下游，通过挖掘数据的隐藏价值进一步推动大数据各个环节的发展和成熟。

（6）数据标准与规范。大数据标准与规范体系作为大数据产业发展的前提条件，贯穿从数据生产到应用的整个生命周期。数据的标准体系尤其是数据接口标准对数据共享、分析、决策都至关重要。参与大数据标准规范制定的主体主要有中国电子技术标准化研究院、全国信息技术标准化技术委员会、互联网企业、占有数据资源的职能部门及其他各行业的标准化制定组织。

（7）数据安全。随着数据的增加，越来越多的数据实现开放共享。数据泄露严重、信息访问权限劃分不明晰、个人信息滥用等问题层出不穷。大数据因其高度分散、容量大、变化快的特点，想要保障数据安全十分困难。只有构建网络空间安全保障、加强关键信息基础设施保护、强化数据加密、保护个人敏感信息等，才能切实保障数据安全。数据安全的活动主体有中国电子科技集团公司第30研究所、360企业安全集团、浙江蚂蚁小微金服公司等。

4.3 大数据产业政策地图

根据利益相关者和相关利益活动的识别，绘制政策地图见表1。空白部分表示政策尚未覆盖的活动，有待进一步地规划和设计。

5 结语

政府及国家大数据综合试验区对大数据产业全周期进行顶层设计，侧重基础设施、各类平台的建设;注重数据标准与规范的建立，以及数据安全的立法保护。对于互联网企业，完善其准入制度，明确安全责权关系，在产业中承担数据分析挖掘和应用的职责;但在数据数据采集运维及管理方面的政策较少，应进一步明确其标准化接口，以实现政府、企业、高校数据的互联互通，共用共享。高校及科研院所作为人才培养和大数据关键共性技术研发的承担者，应加大“产、学、研”联合，建立产业联盟，尽快攻关关键核心技术。其他组织及个人的参与度相对较低，应进一步增加其他领域与大数据的结合，形成产业融合、联动、互补的局面，以增强大数据产业的辐射能力。

参 考 文 献

[1]黄萃，苏竣，诗丽萍，等.政策工具视角的中国风能政策文本量化研究[J].科学学研究，2011，29（6）：876-

882，889.

[2]周京艳.政策工具视角下我国大数据政策的文本量化分析[J].情报探索，2016（12）：7-16.

[3]刘亚亚.中国大数据政策体系演化研究[J].科研管理，2019，40（5）：14-23.