中国大数据产业高水平发展的多元路径选择——基于TOE框架的组态分析

冯朝睿,陈 畅

(昆明理工大学 管理与经济学院,云南 昆明 650093)

人类的发展史就是一部科技的进步史。技术的变迁在一定程度上映射了国家的治理状况和产业发展状况,而技术的变革是新产业发展最深刻的原因之一。随着第四次工业革命的纵深推进,大数据、区块链、人工智能、量子力学等新兴科学技术深刻影响着社会经济生活的范式,以数据驱动为核心特征的传统产业数字化成为国家市场化改革的重要议题。当前,全球经济呈现出疲软脆弱和不稳定的状态,中美贸易摩擦不断升级,新冠肺炎疫情席卷全球并呈现全球突发态势,国际关系错综复杂, “黑天鹅” “灰犀牛”事件频发,国际环境异常复杂。在我国经济面临“增长速度换挡期”“结构调整阵痛期”和“前期刺激政策消化期”叠加的困境下,大数据产业的经济社会价值更加显著。据2020年5月国务院《政府工作报告》显示,推动制造业升级和新兴产业发展,培育新兴产业集群是市场经济发展的重要方向和目标。大数据产业以数据采集、存储、管理、挖掘、分析、应用以及数据产品的评价和交易为基础,以蕴含的巨大经济价值、社会价值和战略价值为突破点,催生着新的商业创新模式。作为新形态的新兴产业,大数据产业旨在利用前沿信息技术,通过产业链信息化重塑产业结构、优化商业模式、增加经济动能来提升我国市场经济的发展水平。

在信息化时代,大数据已成为一种重要的战略资源,如何高效利用大数据推动产业的快速发展是我国建设网络强国面临的重大课题。党的十九大描绘了新时代大数据发展的蓝图,提出了建设数字中国,建设智慧城市,以培育新动能来发展数字经济的战略构想[1]。 《大数据产业发展规划(2016—2020年)》提出,到2020年形成技术先进、应用繁荣、保障有力的大数据产业体系。十九届五中全会也提出了实现信息化、产业链现代化的发展目标。近年来,我国大数据产业发展处于快速推进期,市场规模呈爆发性增长态势,涉及的领域包括电子商务、电信、金融、医疗、教育等。数据显示,2019年中国大数据产业规模达5 397亿元,同比增长23.1%。在国家大数据战略深入实施的背景下,全国大数据产业发展势头良好。

基于此,充分挖掘大数据的价值,探究影响大数据产业发展的主要因素,找到适合各区域大数据产业发展的路径对于将大数据产业作为新的经济增长点加以培育意义重大。中国由于历史及区位原因,产业发展呈现东强西弱的态势。在大数据时代表现为不同地区的技术创新水平、技术基础设施建设、人才储备等层次不齐,使大数据产业发展的层次和规模差异较大。因此,本文从技术、组织、环境三重视角探讨我国大数据产业发展水平的提升路径,并从条件变量的替补关系中找到弥补各省份所欠缺核心要素的路径,为各区域大数据产业发展提供借鉴,助力各区域大数据产业高质量、有特色快速发展。

一、文献综述与分析框架

(一)文献综述

1.大数据产业发展的实践经验。高效利用大数据已成为我国乃至全世界产业升级的必经之路,从现实发展速度来看,各国关于大数据的竞争日益激烈。美国早在2012年就印发了《大数据研究和发展计划》;英国于2013年推出“数据能力战略”;法国同年公布《法国政府大数据五项支持计划》;2013年8月澳大利亚也发布了“公共服务大数据战略”。现阶段,我国大数据产业处于高速发展期,产业数字化规模不断扩大,形成以8个国家大数据试验区为引领,京津翼、长三角等四个集聚区域协同发展的格局,一些新型智慧城市的大数据产业也发展迅速。北京市大数据产业水平位于国内第一梯队,云计算产业规模在2019年达4 300亿元,涵盖软硬件、基础设施、云计算平台、应用支持型服务等领域。作为“宽带中国”示范城市的天津,其大数据产业发展相当迅速,四大城区成为大数据产业集聚地,腾讯、搜狐、58同城等龙头企业汇集。陕西依托人才、科技和产业优势全面提升新兴产业发展水平,全省2019年战略性新兴产业增加值增长8.1%,高技术产业较上年增长11.1%[2]。贵州省是欠发达地区中大数据产业发展较好的典型区域。据新华网2019年12月11日报道,截至2019年,贵州省大数据产业规模超过8 000亿元,预计到2020年底将超过万亿元;此外,还衍生出智慧健康、智慧交通、智慧制造等多种新业态。

2.大数据产业发展的研究进展。学者们主要从以下三个方面对大数据产业展开研究:一是大数据产业的内涵阐释。迪莉娅[3]56-60指出,大数据产业涵盖大数据管理、分析和应用服务等一切经济活动,是对数据进行挖掘、应用以创造价值的经济活动部门。朝乐门等[4]则认为大数据产业是建立在互联网等基础上关于数据服务的一系列产业的总和,涉及数据采集、加工、处理以及相关的软硬件制造和研发等。邓子云等[5]提出大数据产业是对大数据进行有效获取、挖掘和应用且集聚较高技术含量相关人员的产业。李永红等[6]从大数据价值链的角度出发,挖掘了大数据数据量、数据质量、数据分析能力和大数据价值链的价值内涵。二是大数据产业的特征和价值逻辑。迪莉娅[3]56-60认为,大数据产业特征主要集中在数据、技术、决策、服务等方面。李桥兴等[7]则认为,大数据产业具有数据涌现性、信息技术性、强实时性和高融合性这四大基本属性特征。从价值维度和理论逻辑角度,肖旭等[8]提出数字技术具有对产业实现高质量发展的价值影响,在重构产业组织竞争模式、产业组织升级、提升产业效率上意义重大。Burton等[9]认为大数据具有一系列关键特征:数量、速度和多样性,还具有穷举性、分辨率、索引性、关系性和可扩展性。三是大数据产业发展的问题和影响因素。万岩等[10]梳理了大数据产业发展过程中所面临的一系列问题,从大数据产业生态方面提出政府和公共部门应采取的措施。王亿[11]从波特钻石模型、PEST模型及HAP法三个理论维度进行分析,得出技术、行业竞争、政府是影响大数据产业发展的三个主要因素。吕静韦[12]结合波特竞争力理论和波特钻石模型构建了新兴产业发展动力指标体系,通过定量分析得出技术创新和市场能力要素的发挥失常是新兴产业发展不足的主要原因。廖秉宜[13]从加快传统广告业的产业转型升级、构建和优化数字广告业的新生态、增强数字广告代理商的核心竞争力以及完善外资并购的法律法规等方面提出应对大数据时代广告产业挑战的措施。

综上所述,国内外学者对大数据产业发展相关问题的研究大多从大数据产业的内涵、特征、存在的问题及影响因素等角度进行描述性分析和规范性讨论,并提出有利于大数据产业发展的政策建议,但缺少基于数据模型的实证分析,尤其欠缺基于多重条件之间协同效应的实证分析。基于此,本研究基于TOE框架,以中国31个省市自治区大数据产业发展现状为案例,通过模糊集定性比较分析方法阐释影响我国大数据产业发展的因素间复杂互动的本质。

(二)理论视角与分析框架

基于技术应用情境的TOE框架由Tornatzky和Fleischer建立,是一个基于组织层面的理论模型[14],其本质上是一种基于技术应用情境的综合性分析框架,最初应用于分析企业采纳创新技术的影响因素[15]。TOE框架主要分为技术、组织和环境三个维度。其中:技术因素主要是与信息技术创新相关的特征,如技术的相对优势、兼容性、成本、复杂性等;组织因素指的是组织的特征,包括规模、类型、结构、财政、领导支持等;环境因素则代表着组织所处的具体环境,涉及政治、经济、社会、文化、人口等方面[16]。TOE框架综合考虑了组织的外部因素及技术本身的特点,具有较强的系统性且结构清晰具有柔性,目前该理论框架仍被广泛应用于创新采纳影响因素分析[17]。本文以TOE框架的三个维度为支撑,搭建影响我国大数据高水平产业发展的分析框架(见图1)。

图1 大数据产业发展的分析框架

1.技术因素,具体包括技术创新能力和技术基础设施建设两个二级条件。在技术和组织相互作用过程中,工作实践、组织过程和现有技术的适当结合可作为支持机制,为新技术的正常运行提供必要的基础结构[18]。然而,并非所有的技术投资都可以提高组织敏捷性,尤其是技术不满足组织需求时,组织将会面临战略实施过程中的巨大压力[19]。技术创新能力可使组织在日常管理中战略性地使用技术资源,有助于资源的战略优化和操作优化,从而有效解决这一问题[20]。而技术基础设施为企业和国家进行技术创新提供了基本平台,其主体可以是政府,也可以是企业。政府通过制定和实施技术基础设施政策主导其发展,直接提供或间接促进技术基础设施建设,为技术创新和推广应用提供各种软硬件支撑,保障企业顺利吸收先进技术并逐步提升技术自主创新能力[21]。随着技术创新水平的逐渐提高,若缺乏必要的技术基础设施支撑,将降低大数据产业整体应用的绩效水平。

2.组织因素,具体包括组织的财政资源供给和组织规模两个二级条件。Barnry[22]、Grant[23]认为组织掌握的财政资源是组织运行与发展的基本保障,即技术创新活动和新技术应用所必须的科技投入[24]。因此,财政资源给予了大数据产业物质支撑,对其发展意义重大。另外,组织规模等内部资源比组织的外部资源更重要[25]。技术的创新需要利用具有竞争力的资源,实现互补性资产和运行机制的有机融合[26]。

3.环境因素,具体包括经济发展水平和大数据发展水平两个二级条件。环境因素聚焦影响组织技术创新应用的可行条件、交互关系及外在约束等。任何类型组织的决策行为,都应置于社会情境中进行综合考量,即应对技术创新应用的外部环境给予更多关注[27]。经济发展水平反映了我国不同地区的工业化、城市化水平,是一定区域内经济发展内部因素和外部因素共同作用的结果。经济水平较高的地区在保证现有模仿创新及自主创新水平的基础上,不断提升技术引进水平,聚焦国际技术的前沿动向,通过正确预测我国的技术进步和商业化前景,完善产品设计并维持地区竞争优势[28]。大数据是数字产业和信息化发展的产物,不仅是指掌握亟待挖掘潜在价值的存量信息,而且是基于智能决策算法的专业化处理思维和研究范式,满足了大数据产业对海量数据传输、存储、处理的需求,带动了大数据产业链迅速成长。

二、研究方法、数据与变量

(一)研究方法

定性比较分析法(QCA)是研究多种因素与特定结果之间关系的一种方法。其基本原理是以集合论和布尔代数运算为基础,探究多个前因变量如何对结果变量产生影响,即通过多案例比较分析,找出不同条件组态模式与最终结果间的逻辑关系,从而揭示埋藏在现象背后的复杂因果机制[29]。与其它量化方法不同的是,QCA寻求因果条件组合和结果之间的联系,反映因果条件与结果之间的充分性规则。

根据具体操作方法,定性比较分析(QCA)可分为清晰集定性比较分析(csQCA)和模糊集定性比较分析(fsQCA)。事实上,csQCA只是fsQCA的一个特例,fsQCA具有更显著的优势[30]。因此,本文将从组态的视角,采用fsQCA开展实证检验,分析中国31个省(市、区)大数据产业发展的多重影响因素与驱动机制。

(二)变量测量及校准

结合已有的研究并根据变量数据的可获取性、科学性及时效性等原则,本文选取中国31个省(市、区)为研究对象,主要变量数据来源于《中国统计年鉴2019》《中国大数据区域发展水平评估白皮书(2020年)》等(见表1)。

1.结果变量。研究选取赛迪智库信息化与软件产业研究所发布的《2020年中国大数据区域发展水平评估白皮书》中的大数据产业发展指数评估排名作为结果变量的测量指标。在该报告中,大数据产业发展指数的评估排名是综合基础环境、产业发展、行业应用3个一级指标、13个二级指标及30余项三级指标综合分析后的结果,能科学客观地反映各省大数据产业发展的程度。

2.条件变量。技术创新能力采用技术市场成交额作为衡量指标,成交额越高表明该省的技术创新能力越强;技术基础设施建设采用信息基础设施就绪度作为衡量指标,就绪度越高表明该省的技术基础设施建设越好;财政资源供给采用R&D经费投入额作为衡量指标,经费投入额越大表明该省的财政资源供给越强;组织规模采用大数据企业数量作为衡量指标,大数据企业越多表明组织规模越大;经济发展水平采用人均地区生产总值(GDP)作为衡量指标,人均GDP越高表明该省的经济发展水平越好,即大数据产业发展的经济环境越好;大数据发展水平采用大数据发展指数作为衡量指标,指数越高表明大数据发展水平越高。

表1 变量名称、测量及数据来源

3.数据校准。在fsQCA中,数据校准是研究者根据实践经验和理论知识设定标准,调整变量数据,将变量数据转化为[0,1]之间的模糊隶属度的过程。根据变量的数据类型,借鉴Ragin[31]190-212提出的直接校准法,确定大数据产业发展变量的三个锚点,即完全隶属点、交叉点、完全不隶属点,对应的隶属度分别为0.95、0.5、0.05,从而将原始变量数据转换成位于0～1之间的数据。关于完全隶属点、交叉点、完全不隶属点三个锚点的选择,参照既有研究的做法,分别选取样本数据的95%分位数、中位数、5%分位数[32]。由此,各变量校准锚点见表2所示。

表2 各变量校准锚点

三、实证分析与结果

(一)单个条件的必要性分析

在进行模糊集真值表程序分析之前,需检验条件变量是否为结果变量的必要条件,一般用一致性和覆盖率来衡量。一致性能够反映结果在多大程度上需要前因变量,覆盖率则表示有多少样本能够解释前因条件存在的必要性。通常,若某条件的一致性大于0.9,则认为该条件是结果变量的必要条件,符合必要条件检测标准[33]。本文采用fsQCA3.0软件对各条件变量的必要性进行检验(见表3)。

由表3可知,在高水平大数据产业发展成效的必要条件分析结果中,除了大数据发展水平(Informationalization)这一条件变量的一致性高于临界值0.9,其它条件变量的一致性均低于或等于0.9。该结果表明,较高的大数据发展水平是解释高水平大数据产业发展成效的必要条件。在低水平大数据产业发展成效的必要条件分析结果中,缺乏组织规模(～Business)与缺乏大数据发展水平(～Informationalization)这两个条件变量的一致性均高于临界值0.9,说明这两个条件是解释低水平大数据产业发展成效的必要条件。

(二)条件组态分析

在fsQCA3.0软件分析过程中,将我国31个省(市、区)大数据产业发展相关变量数据的一致性阈值设置为0.80,频数阈值设置为1,最终共得到简单解、中间解和复杂解三种类型。一般而言,中间解优于其余两种解[34],且更具有普适意义。因此,本文采用中间解对高水平大数据产业发展成效的实现路径进行深入分析。此外,根据Ragin[31]190-212的研究结果,将简单解与中间解中都出现的条件变量视为核心条件,将中间解中出现但未在简单解中出现的条件变量视为边缘条件,最终得到了高水平大数据产业发展的4条组态(见表4)。

表3 必要性条件分析

表4 高水平大数据产业发展的条件组态分析

表4呈现了高水平大数据产业发展的4条实现路径。其中,每一纵列代表了一种可能的条件组态。这4条路径的总体一致性为0.94,表明满足这4种条件组态的案例中有94%表现出高水平的大数据产业发展成效;而总体覆盖度0.86,则意味着86%的高水平大数据产业发展成效案例可以被这4种条件组态解释。基于以上4种条件组态,可对技术、组织和环境在驱动大数据产业高水平发展中的差异性适配关系进行具体分析。

1.财政资源支持下的大数据发展水平驱动型。该路径表明有充足财政资源支持的省份拥有较强的大数据发展潜能,也呈现出较高的大数据发展水平。其中,大数据发展水平(环境)为核心条件,财政资源供给(组织)为边缘条件。这条路径表明,相比于其它条件而言,大数据发展水平与财政资源支持的联合匹配能充分解释案例中某些省份产生高水平大数据产业发展的原因,即环境条件和组织条件的协同驱动能一定程度上弥补技术能力缺乏对大数据产业高水平发展带来的影响。另外,该路径能解释34%的高水平大数据产业发展案例,但仅有4%能唯一被这条路径解释。

2.财政资源支持下依托组织规模与技术基础设施驱动型。该路径表明在大数据发展水平较高的省份,当组织规模较大、技术基础设施建设完善时,将财政资源更多投入到这一新兴产业能产生高水平的大数据产业发展成效。在该路径中,以大数据发展水平(环境)为核心条件,组织规模、财政资源供给及技术基础设施建设为边缘条件,表明以大数据发展水平为核心,较大数量大数据企业、良好技术基础设施建设及较强财政资源供给联合发力,将有效弥补技术创新能力不足和经济发展滞后带来的影响。这条路径的覆盖度为0.57,唯一覆盖度为0.03,说明该路径能解释57%的高水平大数据产业发展案例,但仅有3%能唯一被这条路径所解释。

3.财政资源支持下依托经济发展、技术创新和组织规模驱动型。该路径表明对于经济发展较好的省份,在拥有较大数量的大数据企业、较强的技术创新能力及完善的技术基础设施建设情况下,如果以经济发展水平(环境)、技术创新能力(技术)为核心条件,组织规模和财政资源供给为边缘条件,将财政资源更多地投入到大数据产业发展上会产生高水平的大数据产业发展成效。这意味着,技术条件和组织条件的协同作用能够打破大数据发展水平较低带来的局限。该路径的覆盖度为0.32,唯一覆盖度为0.02,表示这条路径能够解释32%的高水平大数据发展案例,但仅有2%能唯一被这条路径解释。

4.技术—组织—环境联合驱动型。该路径表明拥有较好的大数据发展环境和较高的经济发展水平的省份,大规模的大数据企业、完善的技术基础设施建设、较强的技术创新能力能够协同产生高水平的大数据产业发展成效。其中,大数据发展水平(环境)、技术创新能力(技术)和经济发展水平(环境)为核心条件,组织规模(组织)和技术基础设施建设(技术)为边缘条件。这表明,以技术和环境条件为核心驱动力并辅以组织规模,能够弥补财政资源供给不足给大数据产业发展带来的影响。该路径的覆盖率为0.72,唯一覆盖率为0.21,说明这条路径能够解释72%的高水平大数据产业发展案例,约21%能被该路径解释(见表5)。

表5 高水平大数据产业发展条件组态的对应省份

研究表明全国31个省(市、区)中21个省(市、区)的大数据发展水平较高,呈现了4种条件组态及其对应的实践案例。其中,贵州省是典型的组态1发展路径。作为国内首个大数据综合建设试验区,贵州省近几年在大数据产业发展上取得了巨大成就。贵州省得天独厚的地理气候为大数据产业发展奠定了环境基础;同时,贵州省得到了国家层面的大力支持,通过制定一系列与大数据产业相关的政策,为大数据发展创造了条件。贵州省在国务院发布《促进大数据行动纲要》后的1个月就启动了全国首个大数据综合试验区建设工作,行动的速度之快、目标之准在全国也是屈指可数。北京、天津、浙江、广东等东部沿海地区及湖北、河南等中部地区的高水平大数据产业发展情况符合组态2的发展路径。作为其中的典型案例,广东省目前已形成了“一区两核三带”的产业布局,产业规模也是全国领先,其中医疗、教育、金融等行业大数据应用市场活跃,初步形成大中小企业协同发展的态势。同时,在国家政策的引导和国家财政资源的支持下,广东省成立了大数据管理局以加强组织领导和统筹协调;建立联席会议制度、出台发展政策和行动计划打造全省一体化的创新创业生态并逐步建立大数据标准规范[35]。组态3能解释中部地区安徽和湖南大数据发展路径。两省地处中部地区,湖南省在技术基础设施建设方面的水平与东部相比仍有一定差距,但近几年省内大数据产业发展迅速。同时,东江湖大数据中心一期正式启用,共设有3 000个机架,华为、阿里等19家公司签订落户该园区协议[36],同时,已完成部分投资或部分已投入运营的数据中心还有证通电子长沙云谷数据中心、中国联通湖南长沙云数据中心、永州(华为)云计算数据中心和益阳芙蓉云计算中心等机构[37]。另外,国家超级计算长沙中心、国家北斗数据中心湖南分中心等机构设立在此,推进了大数据在城市管理、交通、物流及紧急预警等方面的发展,大大提高了湖南省自主创新能力。省内一批掌握高端技术和人才的科研院所也为湖南省大数据创新发展和应用提供了技术支撑,加快了本省整体的大数据产业发展步伐[38]。组态4能解释包括北京、上海、浙江等东部沿海地区,湖北和山西等中部地区,辽宁、山东等东北地区的高水平大数据产业发展情况。上海拥有良好的信息化基础,经济发展水平也一直很高,为了契合国家大数据发展战略,上海发起和设立了大数据产业投资基金,为大数据企业落沪创造了良好的资金环境;同时,上海在公共治理、科技创新、公共服务基层社会治理等领域也推动了大数据的融合发展。

(三)条件变量的潜在关系分析

为进一步探究影响高水平大数据产业发展成效的技术、组织、环境因素间的潜在替代关系,本文对上述得到的路径进行各组态的异同比较(见图2)。

图2 条件变量间的潜在替代关系

1.对比条件组态1与条件组态3可以发现,财政资源供给力度较大的省份,组织规模(组织)、经济发展水平(环境)和技术创新能力(技术)的条件组合与大数据发展水平(环境)存在相互替代的潜在关系。

2.对比条件组态1和条件组态4可以发现,大数据发展水平较高的省份,技术创新能力(技术)、技术基础设施建设(技术)、组织规模(组织)和经济发展水平(环境)的条件组合与财政资源供给(组织)存在相互替代的潜在关系。

3.对比条件组态2和条件组态4可以发现,技术创新能力(技术)和经济发展水平(环境)的条件组合与财政资源供给(组织)存在相互替代的潜在关系。

4.对比条件组态3和条件组态4可以发现,技术基础设施建设(技术)和大数据发展水平(环境)的条件组合与财政资源供给(组织)存在相互替代的潜在关系。

从上面的潜在替代关系分析可知,大数据发展水平和财政资源供给这两个条件在大数据产业发展中发挥更重要的作用。在特定的客观禀赋条件下,这两个条件能发挥出两至四种条件组合所具有的协同作用。从更深层次来看,在技术、组织以及环境条件中的任一单一条件均无法替代这三者联合产生的协同效应。综上所述,对于新兴产业发展来说,财政资源供给(组织)和大数据发展水平(环境)具有更重要的现实价值。

(四)研究结果的稳健性检验

在fsQCA中,研究结果的稳健性检验是十分重要的一个步骤。稳健性检验通常仅针对条件组态的充分性分析,主要原因是研究者对结果的充分性组态更感兴趣;另一个原因则是必要条件分析结果的敏感性及研究者带入的主观性要远远低于条件组态的充分性分析[39]1312-1323。关于稳健性检验方法,Krogslund等[40]认为参数设定威胁和模型设定威胁是影响检验结果的两个主要原因。前者指的是QCA分析过程中校准点、一致性阈值和频数阈值的选择差异对结果产生的影响;后者则是指QCA研究中包含条件的差异会带来不同的结果[39]1312-1323。本文是基于31个省 (市、区)大数据产业发展案例为集合基础的研究,故选择以集合论特定方法来检验结果的稳健性。在检验过程中,将一致性阈值由0.80提高至0.90后的组态结果是原组态结果的子集(见表6),即表6中组态1、组态2与组态3分别是表4中组态1、组态2与组态4的子集。由此证明研究结果具有稳健性。

表6 提高一致性阈值的稳健性检验

四、结论

纵观世界历史,不难发现,技术和工具是国家治理、产业发展的重要内容,而先进技术和工具在国家治理与新产业发展中扮演着推手的作用。中国大数据产业的发展是政府政策与技术耦合适配的结果,也是中国政府主动拥抱先进技术、改进公共政务服务能力与水平的政策选择。大力发展大数据产业不仅能大规模带动各地区的内生动力增长、促进我国经济健康发展,还能提高产业链现代化水平、推动现代产业体系的形成。本文通过构建中国情境下的大数据产业发展TOE分析框架,采用fsQCA方法,从技术、组织、环境三重视角探讨我国大数据产业发展水平的提升路径。

1.大数据高水平发展是促进大数据产业发展的必要条件。在数据时代,大数据己经由技术概念炒作逐步走向大规模的商业化、产业化阶段;同时,大数据产业市场潜力巨大,产业关联效应明显,辐射带动作用强。在现如今国内经济“内忧外患”的情况下,提升地区大数据发展水平,促进大数据产业健康发展,不仅有利于增强政策执行力,还能不断提高企业运作效能和服务水平。因此,我国各地区在因地制宜制定大数据产业发展路径时,应将相关重点放在提升大数据发展水平上。

2.在特定客观条件组合下,大数据发展水平与财政资源供给这两个条件的组合作用效果等同于其它几种条件的协同作用效果。一般而言,资本投入是企业开展创新活动的经济基础,而财政资源供给是大数据企业维持创新活力的保障,没有财政经费支撑的企业市场,大数据产业发展就会成为无源之水。当前,我国多数大数据企业处于初创或扩张阶段,企业新技术、新产品和服务的开发离不开大量的资金支持。因此,各地区在发展大数据产业过程中,需将财政资源供给、大数据发展水平和其它各因素进行协同配置,发挥协同效应以提升区域大数据产业发展水平,促进大数据产业体系的科学管理。

3.存在四条驱动大数据产业高水平发展的路径:财政资源支持下的大数据发展水平驱动型、财政资源支持下依托组织规模与技术设施驱动型、财政资源支持下依托经济发展、技术创新和组织规模驱动型以及技术-组织-环境联合驱动型。其中,以财政资源供给为支撑的路径最多。因此,各地区要在积极发挥本省产业优势的基础上,高度重视政府财政资金的重要作用,争取充足的资金为本省大数据产业发展提供保障。从中央来看,主要是投入大量的财力,推进大数据相关项目的实施;从地方政府来看,主要是通过编制大数据发展资金预算,设立大数据园区项目,以政策优惠条件激励大数据企业的技术创新活动。