基于创新驱动的大数据产业生态系统发展水平评估

赵海东 李桥兴,2

(1 贵州大学管理学院，贵阳 550025；2 贵州大学喀斯特地区发展战略研究中心，贵阳 550025)

0 引 言

创新是经济发展的根本动力，而大数据产业生态系统则专指由大数据相关企业和为产业活动提供资源的各类中介机构所组成。在产业的生产活动过程中，各种类型的大数据企业和中介机构等作为创新主体，通过相应的创新活动实现大数据企业的可持续发展。随着现代信息技术的不断发展，人们对大数据资源的深度挖掘与应用有效地推动了产业创新体系、生产组织方式和运营管理模式等的持续变革。因而，大数据产业创新生态系统需要将现行经济模式转变为循环经济模式，并使其发展进程模拟生态系统的演进过程而实现生态资源的持续使用[1-2]。近年来，国内外学者持续深入研究产业创新生态系统，其研究内容主要包括：首先是系统界定和系统发展方面，如采用创新系统等理论探讨产业创新生态系统的内涵和特征，并运用系统科学的方法分析其结构和功能[3]；基于生态场理论构建网络作用力模型验证了产业创新生态系统的演化过程[4]；以贵阳大数据产业为案例实证分析产业创新生态系统稳定性的影响因素并提出发展建议[5]；采用自组织理论探讨战略性新兴产业创新生态系统的发展动力[6]；基于产业链角度探讨产业系统发展的动力机制和发展阶段特征[7]；从自然生态角度分析产业创新生态系统中创新主体与创新环境之间的作用关系和动力来源[8]等。其次是产业创新生态系统的发展水平评估，如以创新生态系统为视角的产业绩效评价方法[9-10]；基于投入产出指标体系的BCC与CCR模型评价法[11]；大数据技术产业应用生态系统的区间评价[12]等。再次是评价方法的应用，如运用因子分析法和模糊综合评价法以及回归分析等对产业创新生态系统进行评价[13-16]。基于大数据产业特有的产业特征和创新驱动的视角，本文采用产业创新生态系统理论并从创新主体、创新资源和创新环境等3个维度深入分析大数据产业生态系统发展的动力因素和构建其发展水平评价指标体系，然后以国内8个大数据综合试验区为例进行实证研究。

1 大数据产业生态系统发展的动力因素

产业生态系统的发展过程受到诸多内部因素和外部条件的推动作用。本文拟从创新主体、创新资源和创新环境等3个维度深入分析大数据产业创新生态系统发展的动力因素。

创新主体维度。创新主体是产业创新生态系统发展的基础动力。大数据产业创新生态系统的创新主体主要包括与大数据生产活动相关的数据应用商、资源供应商、设备服务商和服务供应商等产业组织，以及为大数据生产活动提供技术、人才和信息等发展要素的相关支持机构，如高等院校、科研院所、产业园区和试验园区等。大数据产业创新主体的发展不仅体现在各主体的自身发展方面，还包括各主体间的竞争与合作。例如，积极推动大数据相关企业和各大高校以及科研院所开展合作，将有效促成大数据相关企业积极提供资金以支持科研机构开展创新活动，同时高校和科研院所也更积极为大数据相关企业提供大数据专业的人才要素和科研成果；大数据产业链中的各类企业通过集聚建设大数据产业园区，更能促进大数据产业链的有效衔接，使各种创新要素在大数据产业链中获得更有效的利用等。

创新资源维度。创新资源是创新主体实施创新活动所必需的硬件条件，包括资金、人才和技术等。创新活动的有效开展离不开创新资源的及时补充和持续完善。在大数据产业创新生态系统中，创新活动的活跃性往往与资金投入呈正相关关系。大量资金的投入不仅可以为大数据产业创新活动提供足够的硬件设备，还可以促进核心企业落地、优质人才引进和技术研发加速等。另外，大数据产业相对于其他产业而言，其创新生态系统的创新能力特别是持续的创新能力更需要有高水平、高素质的创新型人才作为战略储备。再者，大数据产业创新能力的提升需要大数据技术的进步和带动，因而技术成果的产出速度是整个大数据产业创新生态系统不断发展的强劲动力。鉴于大数据产业相关技术不同于传统产业的信息技术而呈现更高速、更及时和可优化特征，因而大数据技术对大数据产业创新活动更具有突出的作用。

创新环境维度。产业创新生态系统发展的外部环境主要是指产业政策、市场需求和创新文化等方面。大数据产业的外部环境在较大程度上制约着大数据企业的创新行为，但良好的创新环境也能够为大数据产业创新主体在开展创新活动过程中提供丰富的创新资源并加速创新成果的输出速度。产业政策指政府综合考虑社会条件、产业状况和人力资源等诸多因素来制定出能够推动产业长期可持续发展的方针政策。强有力的大数据产业政策可促进产业创新生态系统的发展过程，如《大数据产业发展规划(2016—2020年)》等文件出台为国内大数据企业的培育壮大发挥了重要作用。市场需求是推动产业创新生态系统发展最直接的外部因素。大数据产品/服务的市场需求可推动整个大数据产业系统进行渐进合理的创新，并促使大数据企业通过优化其产品功能和更新其商业模式而更好地维系和满足顾客的现实需求，从而推动整个大数据产业创新生态系统不断进行突破性创新，同时市场需求也通过优化发展要素来集聚企业资源和培育创新能力，使整个产业生态系统和企业组织等获得发展。创新文化在为产业创新活动的顺利开展提供精神保障的同时，也可以为企业吸引来自全球各地的创新人才、建设资金和先进技术等，还可以把企业文化看作是创新知识的产出成果。

2 指标体系构建与权重计算

2.1 数据来源及研究方法

基于对创新主体、创新资源和创新环境等方面的分析，本文构建面向创新驱动的大数据产业生态系统发展水平的评价指标体系(见表1)[7-11,13-16]。为了确保计算结果的准确性和合理性，表1各项指标的数据均从国家、各省区市的政府及其统计部门等官方网站收集以及摘自大数据产业发展报告等。另外，我国8个国家级大数据综合试验区大数据产业发展的侧重点不同，如珠江三角洲侧重于建立跨区域类综合试验区，而内蒙古则侧重于建立基础设施发展类试验区。本文从创新主体、创新资源和创新环境等维度对8个国家级大数据综合试验区的产业创新生态系统发展水平进行评估。

表1 综合评价指标体系

结合所构建的综合评价指标体系以及评估过程的复杂性、不确定性以及部分因素难以量化等特征，本文以因子分析法[10,13]来量化指标权重，并选择模糊综合评价法[15-16]对产业创新生态系统的发展水平进行评价。

2.2 影响因素权重计算

利用SPSS24.0软件中的数据标准化方法和因子分析法等对大数据产业创新生态系统发展水平的评价指标进行分析，得出9个二级指标的“总方差解释”和“成分矩阵”。对总方差解释结果进行分析，可以得知前3个主成分的特征值均大于1，且累计方差贡献率超过85%，这就表明计算结果很好地保留了原始数据的大部分信息，能够很大程度减少数据的复杂性，计算结果具有较强的可信性。对成分矩阵中3个主成分因子的得分矩阵进行线性组合系数结果分析，并按照各主成分方差贡献率占总贡献率的比重，得到综合评价指标的得分系数(见表2)。最后，对所有指标的综合模型得分系数进行归一化处理，即可获得所有一级和二级指标的权重。

表2 综合评价指标得分系数

3 实证分析与讨论

3.1 区域创新能力分析

用Z=(Z1,Z2,Z3)表示选取的3个主成分因子，对成分矩阵中所得出的主成分进行分析可知。

主因子Z1主要解释大数据企业数量、大数据产业基地、大数据研究中心、大数据产业政策、市场需求、创新文化、人才培养和创新技术等8个二级指标，主要体现各地区大数据产业创新生态系统的总体情况，主成分Z1的因子得分函数为：

Z1=0.998U11+0.722U12+0.861U13-0.026U21+0.300U22+0.499U23+0.785U31+0.783U32+0.839U33

主因子Z2主要解释大数据人才培养、大数据创新技术以及大数据研究中心为主的3个指标，主要体现大数据产业创新生态系统中创新资源的投入情况，主成分Z2的因子得分函数为：

Z2=-0.058U11-0.164U12+0.384U13+0.068U21+0.836U22+0.805U23-0.557U31-0.433U32-0.040U33

主因子Z3主要解释大数据产业基金指标，主要体现各地区大数据产业创新生态系统创新资源中产业基金的投入情况，主成分Z3的因子得分函数为：

Z3=-0.006U11-0.275U12+0.176U13+0.956U21+0.058U22+0.135U23+0.258U31+0.293U32+0.199U33

根据每个主成分的得分系数占总得分系数的比例，并进行归一化处理后计算出综合得分函数为：

Y=0.257U11+0.116U12+0.177U13+0.129U21+0.245U22+0.076U23+0.266U31+0.307U32+0.240U33

最后，将8个大数据综合试验区所在省份的原始数据代入3个主成分因子的得分函数和综合得分函数的公式中，计算出各主成分因子得分与综合得分结果并以折线图的形式显示(见图1)。

图1 各主成分得分与综合得分

对8个大数据综合试验区的主成分因子得分情况分析可以看出，主成分Z1的得分情况与综合得分的分布情况相似，贵州、上海、北京和广东四个试验区处于大数据产业创新发展的第一梯队，而内蒙古、辽宁、重庆和河南四个试验区处于大数据产业创新发展的第二梯队；对主成分Z2的得分情况分析可以得知，广东和北京两个试验区在大数据产业创新资源方面遥遥领先，而贵州和内蒙古两个试验区在创新资源的投入情况较弱，这与两地的经济发展情况有关；对主成分Z3的得分情况分析可知，在大数据产业创新基金投入方面，北京、辽宁、重庆、河南、上海和贵州六个试验区的情况较好。

从大数据综合试验区类型的角度来看，在两个跨区域类综合试验区中，大数据产业创新生态系统总体发展状况较好处于第一梯队，但广东在大数据产业基金的投入方面稍有不足；在区域示范类综合试验区中，贵州和上海两个试验区总体发展水平较好处于第一梯队，但重庆在创新基金的投入方面较好；内蒙古作为基础设施发展类试验区缺乏创新资源的投入。

3.2 大数据综合试验区发展水平评估

针对各大数据综合实验区的某个动力因素，本文根据该因素在全国所占比重建立评语集V={v1,v2,…,vm}并对其发展水平进行打分，即前20%对应高水平、20%～40%对应较高水平、40%～60%对应一般水平、60%～80%对应较低水平和后20%对应低水平，同时其相应分数见表3。本文对8个国家大数据综合试验区的各指标打分，并根据相应分数出现的概率来分析每个二级指标在模糊语言评价中的比率，同时根据综合模型得分系数计算出各级指标的权重(见表4)。

表3 动力因素发展评语集

根据以上指标及其权重，采用模糊评价法计算各一级指标的评价结果。以指标U1为例，其合理性评价的具体计算步骤如下：

根据表4所示的各指标在模糊语言评价中的比率及权重计算结果，可以得出U1指标的权重为W1，隶属度矩阵为R1。

表4 大数据产业生态系统发展水平综合评价

W1=[0.47 0.21 0.32]

根据U1指标的权重W1和隶属度矩阵R1计算U1指标的综合隶属度b1，并对b1进行归一化处理。

B1=[0.257 5 0.210 0 0.165 0 0.256 2 0.111 2]

评价等级的确定。根据建立的评语集V，结合U1指标的综合隶属度B1，可以得出U1指标的综合得分为F1。

同理，重复上述计算过程，可以得出U2指标的综合得分为2.942 5，U3指标的综合得分为2.876 3以及总指标U的综合得分为3.003 8。根据各指标的综合得分数，结合表3可以发现：产业创新资源和产业创新环境两方面处于低水平接近一般水平状态，而产业创新主体方面则处于一般水平状态。而根据总体评分结果可知，大数据综合试验区总体发展状况处于一般水平。

4 结论与建议

大数据综合试验区发展状况的评估结果显示，提高产业创新资源投入和改善产业创新环境等能够促进大数据产业综合试验区的发展。基于此，本文结合各评价因素的权重情况从政策、文化、人才和市场等方面来优化大数据产业综合试验区。

加强政策体系建设和完善。任何地方想要培育良好的产业创新生态系统都离不开政府的支持和推动，我国8个试验区的当地政府应当根据本地情况积极出台相关政策来提高其大数据产业创新生态系统的发展绩效。例如，建立完善的财政支持体系，让创新企业得到资金支持并提高其资金使用效率；强化知识产权保护措施和完善人才引进政策等可以为大数据产业系统建立良好的创新环境。

文化领域提振产业建设氛围。文化作为产业创新综合环境中的重要部分，是大数据产业创新生态系统发展的重要影响因素。良好的创新文化能够营造出适合系统发展的创新环境。因此，各试验区可通过强化大数据技术创新的渗透来营造良好的创新文化氛围，也可传播并提升大数据产业创新文化的内涵来促进大数据产业系统发展。

充盈大数据人才库是产业发展的基本保障。大数据产业创新生态系统的发展离不开创新人才的努力付出，而人才主要来源于自行培养和人才引进。在人才培养方面，各属地高校应开设大数据的相关专业并加强校企合作，从而加快大数据产业创新人才的培养过程。在人才引进方面，各地方政府要充分发挥大数据产业园区的作用，为引进人才提供一个良好的创新平台，从而快速吸引人才队伍；提供相应的服务并不断完善其他基础设施以满足大数据高端人才的生活需求；建立完善的人才激励机制激发大数据人才的创新活力等。

大数据产业市场是产业发展的根本着力点。大数据市场需求的拉动能够开辟新的产业市场空间，从而迫使各产业打破原有的平衡状态，促进大数据产业系统的发展实现突破性创新。面临不断竞争的大数据市场经济环境，企业应勇于打破现状，以此来获得持续的竞争优势。