摘要：大数据作为基础性战略资源，是推动我国产业结构升级、经济转型与高质量发展的关键性源动力。本文阐明大数据技术发展对产业结构升级的三重影响机制，即通过提升价值链环节和产业组织效率实现产业结构高效化，通过产品升级、产业链延伸和新产业塑造实现产业结构高度化，通过推动企业生产过程绿色化和加强政府环保监管实现产业结构绿色化。为充分发挥大数据技术对我国产业结构优化升级的作用，需要进一步推动数据资源开放流通，建立完善相关法律法规，并提升大数据技术在基础硬件设备和应用软件方面的自主研发水平。
关键词：大数据;产业升级;产业组织;数字经济;
随着经济发展，以数量和规模扩张为特征的传统粗放式经济增长模式难以支撑可持续发展，需要构建注重质量与效益的新发展模式，客观上要求加快产业结构优化升级的步伐。当前，全球正步入数字经济时代，大数据日渐成为国家基础性战略资源和重塑全球产业结构、改变全球竞争格局的关键要素。为了在全球竞争中占据优势地位，欧美各国积极推动大数据战略，以挖掘和释放数据价值。我国在2015年《中共中央关于制定国民经济和社会发展第十三个五年规划的建议》中首次提出“实施国家大数据战略”;2017年党的十九大报告指出：“推动互联网、大数据、人工智能和实体经济深度融合”;2022年党的二十大报告进一步提出：“加快发展数字经济，促进数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群”。数字经济背景下，全球范围内大数据技术发展与运用已成为大势所趋，为此，有必要研究大数据技术发展对产业结构优化升级的影响机制，发挥大数据技术对传统产业转型升级和新兴产业发展的促进作用，从而推动我国经济高质量发展。
一、大数据技术发展与我国发展现状
大数据技术发展大致经历萌芽阶段（1980-1999）、迅速发展阶段（2000-2009）及广泛应用阶段（2010-至今）。1989年，在第11届国际人工智能联合会专题研讨会上首次提出数据库中知识发现的概念；1995年，加拿大“知识发现与数据挖掘”国际研讨会上第一次提出“数据挖掘”的概念。此后，关联算法、遗传算法、分类算法等数据算法不断涌现。2003-2006 年间，谷歌公司相继发布以分布式为特征的全新大数据技术体系。2006年，Apache软件基金会开发的Hadoop开源分布式大数据技术平台极大地促进了大数据应用系统的迅速发展及系统之间的协同创新，加快大数据技术研发与应用速度。2009年，伯克利大学开发了通用集群计算平台Spark, 大幅提高了大数据处理速度。2010-2014年，大数据技术迎来大规模商业应用，形成了包括硬件平台、数据存储和管理、计算处理、数据分析、可视化数据展示、应用和服务等环节的多层次技术栈，并广泛应用于互联网、电信、金融、零售、交通等多个行业和领域，深度参与到社会生产与再生产过程。
与发达国家相比，我国大数据技术发展具有起步晚、发展快的特点。最初，国内互联网企业基于国外底层技术和开源软件建立大数据平台。2009年，腾讯搭建第一个Hadoop集群为大数据存储与计算提供基础技术支撑；阿里巴巴也推出以开源Hadoop系统为基础的大数据平台“云梯”1号。2010年，阿里巴巴自主研发超大规模通用计算操作系统“飞天”上线，并于2014年发布基于自主飞天系统的大数据计算平台MaxCompute。2014年，腾讯第一代开发计算平台TDW开源；2016年，腾讯自研第三代计算平台Angel。近年来，我国大数据技术进入迅速发展和广泛行业应用阶段。2019年，腾讯面向全球开发者开源实时数据采集平台TubeMQ、资源管理容器平台TKE和分布式数据库TBase。阿里、腾讯、华为等企业相继推出云原生数据库产品，建立了Data Studio、WeData等数据开发平台，不断提升数据资源的利用效率。
大数据技术的迅猛发展不仅能够推动以大数据产业为代表的新兴产业，还能广泛渗透到传统产业部门，改善其生产技术体系和工艺水平，为传统产业转型升级注入新动力，促进产业结构向高效化、高度化、绿色化方向转变，推动产业结构转型升级。
二、大数据技术发展对产业结构高效化的影响机制
（一）促进价值链各环节优化升级
大数据技术广泛应用在价值链各环节，能够显着提高各环节效率与智能化水平，促进企业内效率提升与附加值增加，最终推动整条价值链的效能跃迁。
1.研发设计环节的优化升级。
大数据技术有助于提高企业研发决策精度，系统描绘产品需求图谱和行业内竞争画像，辅助确定产品创新方向。同时，大数据可视化对不同方案结果进行展示，能节省新产品上市后市场反馈与更新迭代时间，缩短产品研发周期；通过将多次研发设计的实验数据进行存储整理，建立算法模型，有效减少产品测试次数与研发支出。
2.生产管理环节的优化升级。
运用大数据技术可以对生产工艺过程和设备运行状况进行实时监测和反馈，显着减少因设备问题造成的费用支出；同时运用基于大数据的“数字孪生”技术等构建产品虚拟仿真模型并进行海量测试实验，能以极低试错成本提升制造工艺水平，在提升产品质量的同时有效降低能耗。构建大数据管理系统能够实现对企业内各部门、机器、员工和产品之间的数字化连接，利用动态数据流呈现各项目运行情况，有利于下放决策控制权，减少统一移交决策中心的沟通成本。依靠大数据分析系统提取员工沟通数据中的有效信息，优化员工间沟通协作，使各部门进行全周期的高频实时交互（徐宗本等，2014）。
3.销售环节的优化升级。
企业能够借助大数据算法，基于分析消费者数据、行为数据等特征生成用户画像，为不同消费群体制定个性化营销方案。还能根据用户消费习惯，实时调整价格引导消费者购买行为，不断优化库存结构，降低存储成本和库存调度费用。通过重构商业营销模式，将线下门店与线上营销渠道相结合，促进销售环节的效率提升。
4.物流配送与售后服务环节的优化升级。
大数据技术能够有效提高物流配送效率，减少商品配送时间，通过对车辆和货物信息进行搜集整理并智能装载，显着提高车辆空间利用率，实现高效车货匹配；大数据技术还能用于运输检测，及时追踪路况和运输车辆实时状态，避免车辆损坏造成延误和再装载费用，有效提升配送效率，降低运输成本。通过在产品内部安装传感器，厂商能获取产品使用过程中的监测指标，及时准确判断问题并提供相应解决方案，有效提升售后服务的范围与效率。
（二）促进产业组织升级
信息时代的产业组织逐渐从垂直整合架构转变为网络协同架构，形成产业链群生态系统。大数据技术能够有效推动企业间动态联盟的建立与开放式网络创新平台的形成，促进企业间交流互动的效率提升与模式转化，实现产业组织升级和资源的充分流动与合理配置。
1.促进企业间静态协作向动态联盟体发展。
企业借助大数据技术能快速找到合适的联盟伙伴，并对联盟内企业进行多维度综合评价，分析各企业资源和技术优势，实现联盟内部资源的有效配置。基于大数据模拟与预测技术能够探索新型企业动态联盟体，打破原产业链中研发、生产、销售的固定顺序，推出资源能源配置效率提升的其他潜在组合方式。此外，大数据可视化还在一定程度上解决了企业之间产品和技术流转的信任问题，通过大数据追根溯源降低企业间协作风险，保证动态联盟体合作安全与合作效率。
2.推动封闭式价值创造模式向开放式产业互联网平台发展。
大型制造企业和互联网企业运用大数据技术构建起企业间协作方式，不断将利益相关方纳入其中，形成由其主导的开放式网络平台。大数据技术是构建网络平台设施的先导技术，也是企业间实现实时、海量数据与技术互通的基础保证。在生产制造平台中，通过不断加强机器、系统、工业网络设备之间的互联互通，帮助企业实现对生产过程的全面监控，更好地适应柔性化、个性化制造趋势；在交易平台中，对产品、产业与技术相关信息进行集成和展示，反映供需关系的实时变动，方便企业根据市场信息及时调整生产计划。通过大数据技术推动开放式产业互联网平台建设，能充分发挥企业网络在生产要素配置中的优化与集成作用，促进产业组织总体效率提升。
图1 大数据技术促进产业结构高效化的机制
三、大数据技术发展对产业结构高度化的影响机制
（一）促进产品和服务升级
产品升级是产业升级的重要标志。企业借助生产流程、内部管理和消费市场中产生的大数据，可以提升产品加工度、技术水平与产品附加值，最终实现产品和服务的迭代升级。一方面，大数据技术通过甄别消费者的差异化需求推动产品和服务的个性化升级。企业可运用大数据技术以极低的搜寻与分析成本获取消费者特定的需求信息，不断积累个性化定制专用模块与标准化通用模块，根据用户需求做出灵活调整和有机集成，实现各模块部件在数量上的匹配与在时间、空间上的协调，进而实现产品的大规模定制（吴义爽等，2016）。另一方面，大数据技术还能与物联网、人工智能等技术广泛结合，帮助产品实现智能化升级。大数据技术不仅能将产品使用过程中产生的蕴含决策价值的数据及时提供给生产者与使用者，还能将这些数据嵌入产品功能设计中。当汇聚的数据量足够多时，通过大数据挖掘技术和人工智能技术的共同发展迭代，产品将随用户需求变化而进行智能化升级。
（二）促进产业链的前后向延伸
大数据技术能够促进产业链向前端延伸和拓展，通过充分挖掘适宜生产和经营的外部条件、生产种类等信息，拓宽为主要产品和服务提供前端辅助决策的产业链环节。例如在旅游业中，大数据技术被广泛应用于实时获取世界各地热门景点的运营状况数据，有助于旅游产业链向前延伸至旅游资源的规划开发与设计环节，提升旅游业价值链长度。大数据技术还能够推动产业链向后端延伸，尤其是促进制造业的服务化转型升级。例如汽车制造厂商通过建立关于汽车行驶数据、维修保养信息的大数据分析平台，及时获取用户使用信息，据此推断消费者潜在需求，将产业链向后延伸至辅助驾驶、实时导航、金融保险等配套业务。
（三）推动新兴产业的产生及产业间升级
大数据技术发展对产业结构高度化的推动作用还在于塑造新兴产业，形成大数据及相关产业，实现产业结构向知识技术密集型的转型发展，不断提升产业加工度与产品附加值，最终推动产业结构从低级向高级演变。截至2022年，我国大数据产业规模已达1.3万亿元（中国信息通信研究院，2023）,大数据相关产业主要包括大数据基础硬件设备制造业和软件技术开发与服务业。数据基础硬件设备制造业包括数据采集设备、传输设备、计算与存储设备等制造业。软件技术开发与服务业包括大数据计算软件、查询与存储软件、数据分析与挖掘软件、基础平台软件、平台管理软件、系统工具软件、大数据应用服务等相关产业。
与此同时，大数据技术还通过与其他新兴技术结合，与制造业等传统产业融合发展，形成新产业或新业态。例如，大数据技术与人工智能、传感器技术有机结合，为智能机器人提供持续更新的学习样本，使传统工业机器人向可以感知、分析、学习和决策的智能机器人演变，推动智能机器人产业的发展。大数据、人工智能技术还与增材制造技术有机结合，促进增材制造业的发展，为增材制造的工艺、材料、结构设计的跨越式升级奠定充分的技术基础，使其更加形性主动可控（卢秉恒，2020）,更有利于结构复杂零件的直接制造和批量定制。
图2 大数据技术促进产业结构高度化的机制
四、大数据技术发展对产业结构绿色化的影响机制
（一）促进企业生产过程的绿色化
1.降低原材料和能源消耗。
通过大数据技术对生产流程各个环节、企业生产内外部环境进行数据监测，管理者能够对原材料转化率、能源利用率等指标进行实时分析，准确发现资源、能源利用率较低的环节，从而有针对性地进行管理与技术创新。
2.推动污染物的循环再利用。
大数据技术能够加快污染物循环再利用体系的构建速度，为产业间进行污染物再利用提供有效的技术支持，通过对地区的产业结构、环保情况、污染物化学成分、物质含量等信息进行采集，建立以废治污的资源化循环链，能够有效推动企业参与到污染物循环再利用环节中，减少企业生产给环境带来的污染。
3.促进零部件的再利用和再制造。
利用大数据技术精确定位零部件受损部位，制定相应修复流程，以达到原有质量水平，可大幅节省产品制造成本，降低资源能源消耗和环境污染。大数据技术还用于搭建产品零部件交易平台，按照品牌、款式、规格对零部件进行分类，解决再制造产品销售过程中的信息不对称，提高零部件再利用和再制造市场供需匹配效率。
（二）推动政府环保监管水平提升
政府运用大数据技术，结合云计算、物联网等前沿技术可建立智慧环保系统，构建大数据环保监管平台。通过大数据可视化观测区域内各环境监测点位的污染物浓度等信息，分析各点位污染情况及变化，为环境监管与治理提供数据支持。一是汇聚多维度企业数据，完善环保监管体系。大数据监管系统能够整合企业基本情况、排污许可与污染排放、废物处理等相关数据信息，使环评指标更加全面；将排污许可证制度同环境监管平台相连接，通过建立“一企一档”信息系统，将企业所有生产和排污动态信息都纳入平台监管，实现了企业环保监管工作的数字化和常态化。二是代替人力实现动态监管，提高监管执法效率。辅助监管执法部门实现对企业全天候的环保监测，解决了传统监管模式检测时间长、监管人员不足的问题，倒逼企业实施绿色化转型。三是助力预测地区环境趋势，辅助政府政策制定。政府部门利用大数据环保监管平台，通过数据分析挖掘出污染物和环境质量变化规律，据此建立科学模型，准确预测未来一定时间环境变化趋势，并根据气候特点、污染来源、产业特征制定环境规制政策，激励企业环保技术创新和绿色化转型，促进清洁型产业发展和产业绿色化升级。
图3 大数据技术促进产业结构绿色化的机制
五、我国大数据技术发展存在的主要问题及相关政策建议
“十四五”时期是我国向高质量发展和数字经济迈进的关键期，为此，应针对当前我国大数据技术发展面临的主要问题，采取适当的政策措施，以充分发挥大数据技术对产业结构优化升级的带动作用，促进国民经济整体效率的提升。
（一）当前我国大数据技术发展中存在的主要问题
首先，我国大数据基础技术同国际领先水平存在一定差距。在核心器件、算法等领域普遍存在空心化问题，在大数据管理、处理系统和工具方面还普遍依赖国外开源软件。
其次，我国硬件基础设施仍不完善。传感器设计、制造等核心技术与发达国家有明显差距，网络基础设施发展较为滞后，导致网络运行速度慢、安全性较差，限制了大数据技术的广泛应用。
再次，数据资源开放共享程度较低。政府部门数据开放的深度和广度仍然不足；商业数据流通和共享机制尚不健全，导致很多企业缺乏数据共享动力。
最后，在大数据安全和标准制定方面仍需完善。2021年《中华人民共和国数据安全法》及《个人信息保护法》虽确立了数据应用与安全审查等基本制度，但许多细节仍有待完善。
（二）促进大数据技术发展的相关政策建议
首先，要进一步完善数据安全法律制度及实施细则。一是对大数据进行分类分级，根据行业类型、经济主体、数据类型及其敏感性等确定相应的数据收集和应用规则，建立数据信息安全保障体系；二是进一步制定互联网、电信等行业的数据安全管理标准，为经济主体开展数据安全治理提供指引；三是进一步明确个人信息处理活动中数据主体的权利和处理者的义务，并确立相关问责机制。明确居民数据合理使用与隐私保护之间的法律界限，完善个人信息匿名化和去标识化，重点解决人脸识别数据保护和跨境数据流动等突出问题。
其次，要加快完善与大数据技术相关的硬件基础设施建设。尽早攻克传感器及芯片的关键技术，解决我国工业基础类传感器“有器无芯”问题，保证大数据的采集与广泛应用；加快互联网终端设备和家庭网关的升级改造以支持Ipv6应用；推动大数据技术与物联网、5G、区块链等其他数字基础设施高质量融合，确保数据传输的高速度与低时延。
再次，促进大数据相关软件技术自主研发与推广应用。建立产学研一体化大数据技术创新体系，以支持核心基础技术与应用技术自主研发；注重发挥领先互联网科技企业对大数据技术开源的带动作用，积极培育传统行业企业的大数据思维，扩大大数据技术行业应用范围。
最后，推动数据资源的开放、共享与流通。要大力推动国家统计局等政府部门公开和共享公共数据，建立完善的数据索引与API接口；还要积极引导不同组织间的数据流通，完善信息公开与数据共享机制，解决数据统计标准、确权、定价、交易规则等制度难题，改善数据碎片化、数据融合难等问题，保证数据的可流动性和可得性。
参考文献
卢秉恒增材制造技术一-现状与未来[J]. 中国机械工程, 2020,31（01）:19-23.
义爽，盛亚，蔡宁基于互联网+的大规模智能定制研究一青 岛红领服饰与佛山维尚家具案例[J] .中国工业经济, 2016,（04）:127-143.
徐宗本，冯芷艳,郭迅华，等大数据驱动的管理与决策前沿课题[J]管理世界, 2014.（11）:158-163.
中国信息通信研究院.大数据白皮书（2022）[R/OL].（2023-01） [2023-01-20] http:/www.caict.ac.cn/kxyj/qwfb/bps/202301/P020230104388100740258.pdf
