工业大数据产业的灰色投入产出特征分析

范业才 王玲玲

（江苏大学 财经学院，江苏 镇江 212013）

一、引言

大数据时代，数据成为新的生产要素，对推动经济发展发挥着至关重要的作用。以互联网、大数据、人工智能为代表的新一代信息技术蓬勃发展，对各国经济发展、社会进步以及人民生活产生了深远影响。如今全球大数据进入加速发展时期，我国大数据产业不断发展壮大。习近平总书记高度重视大数据产业的发展，指出要推动实施国家大数据战略，加快建设数字中国。

2020年4月28日，工业和信息化部出台《关于工业大数据发展的指导意见》，明确提出要深化数据应用、促进产业发展，以大数据融合创新驱动制造业转型升级、以产业要素新供给赋能制造业创新发展，是构建以数据为关键要素的新型制造体系、充分释放数字经济潜能的重要途径，是关乎制造业数字化转型、新旧动能转换和高质量发展的长远之计。作为制造业转型升级的重要战略路径，工业大数据产业是工业互联网发展的核心，对我国深入实施工业互联网创新发展战略、加快形成以创新为主要引领和支撑的数字经济具有重要意义。

已有学者对工业大数据产业发挥的重要作用进行研究，Basanta-Val（2018）、刘倩（2019）、王建民（2017）、杨梽永（2020）、孙立（2016）认为工业大数据产业对于帮助企业决策、降低维护成本、支撑区域科技创新和全社会的创新转型发展、提高企业效益以及促进“两化融合”起着至关重要的作用[1-5]。

工业大数据产业尚处于起步阶段，受限于数据的可得性，梳理文献发现关于工业大数据产业的量化研究成果相对较少。相关研究主要面向大数据产业整体，如庞路静和张目（2020）采用犹豫模糊语言TOPSIS灰色关联投影法对大数据产业发展水平进行测度[6]。沈俊鑫和李爽等（2019）采用模糊集定性比较分析方法分析多发性因素对大数据产业发展能力影响机制[7]。赵传仁和戴俊丽（2017）利用Malmquist生产率指数方法测算中国大数据企业全要素生产率[8]。从量化层面厘清工业大数据产业的发展特征，对于针对性地制定工业大数据产业发展规划和长期预测规划具有重要意义，本文以此为研究的主要方向。

投入产出法是宏观经济分析的一种重要方法，很多学者将其应用于各种领域分析具体问题，如Yang和Ingwersen等（2017）将投入产出法运用到可持续材料管理应用中[9]。卢方元和张世芊（2021）以及范云菲和何涛（2021）将投入产出法运用于现代服务业以及先进制造业中，测度产业的投入产出效应[10-11]。Bruckner和Wood等（2019）运用投入产出法研究了环境、农业和贸易三者之间的相关问题[12]。马燕（2020）、方大春和王海晨（2017）使用投入产出法对科技创新问题和产业结构问题进行研究，并得出具体的测算结果[13-14]。此外投入产出法也被齐亚伟和陈洪章（2017）、李小敏（2018）运用于区域经济领域和文化产业领域中[15-16]。灰色系统理论在处理贫信息数据问题时具备独特优势，本文将灰色系统理论与投入产出法深度结合，构建工业大数据产业灰色投入产出表，用于测算和分析工业大数据产业的投入产出特征和所蕴含的数据新动能，明晰我国工业大数据产业发展过程中存在的优势和劣势，为我国工业大数据产业高质量发展提供理论依据。

二、工业大数据产业灰色投入产出表的构建与说明

本文将灰色系统理论用于投入产出表的调整、工业大数据产业相关部门的选择以及工业大数据产业数据信息的挖掘中，具体说明如下。

（一）工业大数据产业灰色投入产出表部门的选择

刘思峰等（2017）提出的灰色相似关联度是灰色系统理论中的一种分析方法，基本思想是根据序列曲线几何形状的相似程度来判断不同序列之间的联系是否密切[17]。本文借鉴该方法确定工业大数据产业灰色投入产出表中的部门，将其用于测度产业部门间联系的密切程度，其优点在于从各产业部门的发展轨迹入手，发展轨迹相似即可认为产业间的关联度较高，产业部门短期内的变动并不影响灰色相似关联度的测度。对于现实生活中出现的被带动产业发展滞后于起带动作用产业的情况而言，相应量化测度结果更能准确反映实际情况。因此本文依据灰色相似关联度对我国工业大数据产业和国民经济各产业部门内在经济联系展开分析，并据此选择灰色投入产出表中的产业部门。

选取2009—2020年《中国统计年鉴》中各产业部门的增加值数据，根据灰色相似关联度的计算方法，借助灰色系统理论建模软件，以各产业的增加值为比较序列，工业部门的增加值为参考序列，计算灰色相似关联度，结果见表1。

表1 我国工业部门与各产业部门相似关联度及其排序

由表1可知，排序后五位的产业部门分别为“卫生、社会保障和社会福利业”“居民服务和其他服务业”“住宿和餐饮业”“文化、体育和娱乐业”“水利、环境和公共设施管理业”，说明现阶段这些部门与工业大数据产业的联系较弱，为更清楚地说明问题、分析问题，在选择部门时剔除关联度最低的五个部门，剩下的部门分别为“公共管理和社会组织”“批发和零售业”“金融业”“房地产业”“教育”“交通运输、仓储和邮政业”“租赁和商务服务业”“科学研究和技术服务业”“信息传输、软件和信息技术服务业”，将保留的产业部门与工业大数据产业进行进一步分析。

（二）工业大数据产业部门的拆分

在初步选择部门的基础上，结合本文研究的主题，为进一步突显工业大数据产业，将工业大数据产业从工业部门中拆分出来。拆分比例的设定，根据中国电子信息产业发展研究院发布的《中国大数据产业发展水平评估报告（2018年）——大数据产业发展的测算、评估与动态分析》（以下简称《评估报告》）中的大数据发展指数，假定大数据活动产值占大数据总产值的比重与相应产业中间消耗占总产出的比重相同。由《评估报告》可知2017年我国工业大数据产业发展指数为24.28，占总指数的7.96%，计算出2017年、2018年我国工业大数据产业产值分别为373.9669亿元、477.4046亿元，工业大数据产业产值占当年工业部门总产值的比重分别为0.0276%和0.0327%，该比例即为2017年、2018年投入产出表中工业大数据产业的拆分比例。由于缺少2018年度工业大数据产业发展的指数数据，结合我国工业大数据产业的发展尚处起步阶段这一客观事实，本文将上述比例作为2018年投入产出表中工业大数据产业的拆分比例。在此基础上对投入产出表进行调整，分别将2017年度149×149部门的投入产出表以及2018年度153×153部门的投入产出表调整为13×13部门工业大数据产业灰色投入产出表，为后续进一步分析做好准备。

（三）工业大数据产业投入产出表信息提炼步骤

借助调整后的投入产出表测度工业大数据产业的直接经济效益、间接经济效益以及产业带动效益，应用灰色投入产出法，进一步提升工业大数据产业发展的协调水平，具体测算步骤如图1所示。

图1 工业大数据产业投入产出特征测度步骤示意图

三、工业大数据产业投入产出特征测算

按照图1所示的思路和步骤，测算工业大数据产业结果如下：

（一）工业大数据产业总体发展状况测度

计算得到，我国工业大数据产业2017年、2018年发展协调度指数分别为-0.0551、0.6225。影响力系数是反映一个产业的后向关联程度的指数，指某一产业的最终需求变化一个单位时所引起的国民经济的总产出的变化量，社会平均影响力系数为1。感应度系数是反映一个产业的前向关联程度的指数，指某一产业的初始投入变化一个单位时所引起的国民经济的总产出的变化量，社会平均感应度系数为1。根据调整后的投入产出表计算出2017年、2018年各产业部门的影响力系数及感应度系数。我国各产业部门影响力系数、感应度系数及排名见表2、表3。

表2 产业部门影响力系数及排名

表3 产业部门感应度系数及排名

（二）工业大数据产业经济效益测算

直接经济效益是指部门在生产经营活动中，直接投入带来的经济效益，本文从物化劳动消耗、活劳动消耗和GDP的占比三方面来体现；间接经济效益是通过部门之间的联系从其他部门获得的效益，本文从关联效益和引致效益两个方面来体现。关联效益是指在产业部门正常运行时会消耗其他部门的产品，其他部门生产产品也会消耗本部门的产品，由此产生的效益即为关联效益，可分为后向拉动效益和前向推动效益，而引致效益是指大数据产业的发展会带动其直接相关产业发展，直接相关产业又带动其相关产业的发展，以此依次传递下去产生的效益。

根据调整后的投入产出表，计算出我国2017年、2018年工业大数据产业的经济效益见表4。

表4 工业大数据产业经济效益

四、工业大数据产业投入产出特征分析

结合测算结果，发现我国工业大数据产业部门发展有以下特征：

（一）工业大数据产业协调发展状况形势向好

根据测算结果可知我国工业大数据产业总体协调发展指数已由2017年的-0.0551转变为2018年的0.6225，协调状况已由不协调发展转变为协调发展状态。在单位等腰三角形内画出工业大数据产业经济结构向量图，即可直观地观察工业大数据产业整体协调发展状况。我国2017年、2018年工业大数据产业经济结构向量图如图2所示。

图2 2017年、2018年工业大数据产业经济结构向量图

由图2中2017年工业大数据产业经济结构向量图可见，在三角形AOB中，当R1向R2靠拢时（即向OA靠拢），最终产品率s下降，因此R1和OB之间的区域为工业大数据产业协调区域，R1和OA之间的区域为工业大数据产业不协调区域。2017年工业大数据产业生产结构X位于不协调区域，2018年随着大数据技术的发展、大数据技术与制造业的不断融合促进产业发展，生产结构X位于协调区域。

将特征比例与现实比例进行比较可知，2017年R1

综上可知，我国工业大数据产业发展状况已经由不协调发展状态转向协调发展状态。虽然我国大数据产业发展尚处起步阶段，但发展速度可观，而且我国工业发展速度稳定、产业基础稳固，未来工业大数据产业发展空间可观。虽然我国工业大数据产业协调度水平依旧较低，但我国产业结构调整以及发展方向是正确的，通过不断调整产业结构和宏观调控，未来我国工业大数据产业发展有很大的提升空间。

（二）工业大数据产业带动作用明显

从测算结果看，我国工业大数据产业2017年、2018年影响力系数及感应度系数均大于1，即高于全社会平均水平，且2017年时我国工业大数据产业影响力系数在全产业部门中排名第一，说明工业大数据产业相对其他产业部门对于国民经济发展的促进作用最大，工业大数据产业带动一般产业发展的作用也是最大的，这也符合经济发展规律。2018年我国工业大数据产业影响力排名处于全行业部门第二位，但影响力系数水平相对稳定。

工业大数据产业的感应度系数在全产业部门中排名处于中等水平，说明工业大数据产业投入产出变化受其他产业部门的波及影响程度处于中等水平，对国民经济发展的推动作用处全产业中等水平。2017年、2018年感应度系数水平排名不变，说明我国经济发展过程中产业结构相对稳定。

上述分析中已知感应度系数和影响力系数的社会平均水平均为1，但每一产业分别从最终需求和初始投入影响国民经济总产出，因此为了全面反映我国工业大数据产业对国民经济的拉动作用，分别以影响力系数为X轴、感应度系数为Y轴，（1，1）为坐标原点建立平面直角坐标系，将各个产业部门在坐标系中表示，示意图见图3、图4。

图3 2017年各产业部门带动能力分布图

图4 2018年各产业部门带动能力分布图

从图3、图4可知，2017年、2018年我国各产业部门总体发展态势保持不变，各个象限中产业分布保持不变，但相对发展水平正朝着更好的方向发展。综合工业大数据产业的影响力系数和感应度系数看，2017年、2018年工业大数据产业的影响力系数均大于感应度系数，这表明我国工业大数据产业受国民经济发展的拉动程度低于其对国民经济发展的带动程度。即我国工业大数据产业发展中对国民经济发展的带动作用明显，对国民经济发展的拉动作用仍有发展空间。

（三）工业大数据产业产生的经济效益已初具规模

从测算得到的工业大数据产业直接经济效益看，我国工业大数据产业2017年增加值仅为91.7308亿元，对GDP的贡献率仅有0.0110%，随着技术的不断创新，工业大数据产业的不断发展，2018年我国工业大数据产业增加值达到358.7286亿元，贡献率上升至0.0392%。生产（中间）投入率表示工业大数据产业每生产1亿元总产出要消耗多少亿元的货物和服务。我国工业大数据产业生产消耗率保持稳定，2017年工业大数据产业生产消耗率为75.4709%；2018年生产消耗率有所下降，数值为75.1414%。从工业大数据产业的物化劳动消耗经济效益看，我国工业大数据产业单位中间投入创造的产出由2017年的1.3250增长到2018年的1.3308，说明产业结构调整和技术发展降低了工业大数据产业发展中的物质消耗。

从测算得到的工业大数据产业间接经济效益看，2017年、2018年我国工业大数据产业对国民经济发展带来的间接经济效益处于增长态势。相较于总体，工业大数据产业对国民经济发展产生的前向推动效益是需要提高的部分，工业大数据产业产生的间接经济效益总量从2017年的672.6884亿元上升至2018年的799.9673亿元。由此可知，我国工业大数据产业发展态势良好，且能带来较高的间接经济效益。

从总体看，我国工业大数据产业刚刚处于起步阶段，产生的经济效益已经十分可观。工业大数据产业产生的增加值与间接经济效益，2017年、2018年对GDP的贡献率分别为0.092%和0.1266%，增速达到37.6176%。我国工业发展基础牢靠、产业链配套完善、发展环境好，是我国工业大数据产业发展的优势条件，我国工业大数据产业方兴未艾，经济效益初具规模，发展前景良好。

（四）技术创新对工业大数据产业发展的引领作用有待提升

综上，我国技术创新对工业大数据产业发展的引领作用还有很大的提升空间。从带动效益看，2018年我国科学研究和技术服务业的影响力系数排名第一，对一般产业的带动作用超过了工业大数据产业，这说明技术创新在国民经济发展中发挥着越来越重要的作用。结合工业大数据产业单位产出消耗的活劳动量数据看，虽然我国工业大数据产业的单位中间投入创造的产出值有所上升，但单位产出消耗的活劳动量也随之上升，单位产出消耗的活劳动量从2017年的2.3983上升到2018年的2.4091。从劳动报酬产出率看，从2017年的41.6961%下降到2018年的41.5093%。

技术创新是推动工业大数据产业发展的直接动力，是提升竞争力的战略支撑，技术创新在生产过程中可以降低劳动成本，提升生产效率，但从测算结果看，当前我国工业大数据产业发展中消耗的活劳动量上升、劳动报酬生产率下降说明其劳动生产率有所下降。我国工业大数据产业发展投入的劳动量较高，其自动化程度较低。技术创新将带动产业劳动生产率的上升，因此技术创新对于我国工业大数据产业发展的引领作用有待加强。

五、对策建议

工业大数据产业作为具有国家战略意义的新兴产业，它的发展对于推动制造业转型升级、转变工业系统运营模式、优化产业结构具有深远意义。结合现有特征，进一步促进我国工业大数据产业的发展可以从以下三方面入手。

（一）积极调整产业结构，推动工业大数据产业协调发展

增加产值比例、调整产业结构对于促进工业大数据产业发展是行之有效的方法。为了更好地促进工业大数据产业向更协调的状态发展，要不断积极调整产业结构。一是以市场为导向，调整行业组织结构。对于能耗高、产品质量低、生产过程污染大的企业，要坚决关停，提高单位投入创造的产出值；对于发展前景良好的公司，要积极挖掘发展潜力，促使这些企业发挥引领作用，带动全产业的发展；对于科技创新型企业，出台各类政策坚决支持工业大数据产业的科技创新活动。二是优化企业营商环境。保障工业大数据相关企业的合理合法权益，通过法律保障企业发展的全过程，优化工业大数据产业发展的营商环境；修订促进工业大数据产业发展的激励政策，从不同方面保障工业大数据产业发展，改善全产业发展外部基础环境，增强工业大数据企业发展信心，不断促进协调发展。

（二）推动工业大数据基础性产业发展，提升工业大数据产业发展推动能力

我国工业大数据产业发展过程中的感应度系数处于中等水平，即我国工业大数据产业对国民经济发展的推动作用还有提升的空间。由结果可知当前感应度系数较大的产业有租赁和商务服务业、交通运输、仓储和邮政业以及第一产业，即这些产业在经济发展中处于基础性的战略地位，对经济发展具有拉动作用。因此为更好发挥工业大数据产业的基础性带动作用，一是要积极调整发展战略，推动工业大数据产业内的基础产业发展，基础产业是影响和决定工业大数据产业发展质量、产业链控制力和竞争力的关键，是工业大数据产业高质量发展的必要条件。鼓励基础产业发展可以夯实工业大数据产业的发展根基，也可以带动相关产业的发展。二是要鼓励工业大数据产业创新研发团队加强核心基础零部件、关键基础材料的研发。增强关键和核心技术供给能力，为相关产业的发展、革新提供基础，避免“卡脖子”现象的发生，大力提高工业大数据产业的推动能力。

（三）加快技术创新，释放创新引领新动力

2018年科学研究和技术服务业的影响力系数已经超过工业大数据产业，成为排名最高的产业，说明技术创新在国民经济发展中发挥着越来越重要的作用，结合工业大数据产业的单位产出消耗的活劳动量和劳动报酬产出率看，我国工业大数据产业面临着两大困境：一是技术创新对工业大数据产业发展的引领作用不强；二是工业大数据产业中高端人才短缺。为解决当前面临的问题，一要加快推进科研成果向实际项目转化，以企业的实际需求为导向，针对性地进行科技成果转化创新工作，创新科技成果转化形式，以解决企业实际需求为目的寻求合作，整合全社会多种资源，跨学科、跨领域多方合作实现企业关键核心问题的突破，提升企业的核心竞争力。二要加强产学研深度融合，积极推动产学研协同创新。推动企业、科研机构、高校、社会组织、创客等创新主体协同创新，相关部门应加强各主体间的交流沟通，将企业以及社会的需求传达到创新人员，深化全方位合作，让机构、人才、装置、资金、项目都充分活跃起来，推动形成技术创新强大合力。三要加强人才培养，突破人才瓶颈，提升我国工业大数据产业的竞争力，改革教育教学方式，培养符合产业发展要求的创新应用型人才。针对性地培养符合产业发展要求的人才，培育一批在工业大数据产业发展中具有重要影响力和主导能力的领军人才，加快我国工业大数据产业向具有国际竞争力的现代产业转变，突破当下存在的人才瓶颈，推动解决工业大数据产业的人才缺口，提高我国工业大数据产业发展水平和竞争实力。