基于大数据的产业链演变研究.docxVIP

?

?

基于大数据的产业链演变研究

?

?

张轶群杜传忠

内容提要产业链的空间演化过程具有内在的规律性，在新经济时代，大数据赋予产业链更加丰富的内涵。本文从大数据融合视角着重分析了产业链多维度结构，在对典型案例进行分析的基础上，分析指出：在数字经济时代，技术变革促使产业链结构从传统的线性映射结构演化为多维空间结构，产业链的多维空间结构直接影响产业转型升级的方向;大数据与供需链融合作为网络协同的微观基础，影响着价值链的增值，而且，微笑曲线各段附加值差距缩小，在物联网架构下，企业“合作”趋势渐强;从宏观层面来看，大数据具有提高产业链稳定性的作用，但是依靠单一维度的融合不能发挥大数据分析的优势，需要供需链、价值链、企业链、空间链四维协同整合，以达到完善产业链系统的目的。

关键词大数据产业链融合机理

〔〕F49〔〕A〔〕0447—662X（2020）04—0038—09

一、引言

产业链理论的研究对产业融合发展具有重要意义，产业链策略选择也是市场竞争的重要手段。伴随着全球化的快速发展，导致当今世界的竞争方式也产生了巨大变化，数据作为一种新型资源，其社会经济地位愈发重要，这使得大数据与产业链的融合成为经济发展的客观需求。同时随着大数据资源和分析技术的不断提升，大数据为产业转型升级带来了新的突破口。早在1973年，Negroponte便开创性地提出数字技术的出现导致产业交叉，进而引发学者的讨论，但是与发达国家相比，我国的相关研究十分匮乏。近几年，我国政府对大数据、人工智能产业发展的重视力度持续增强，相关政策主要有国务院2015年8月颁发的《促进大数据发展行动纲要》、工信部2017年1月发布的《大数据产业发展规划（2016—2020年）》。在当前人工智能时代，数据要素的融合使得产业链结构发生了新的变化，大数据与产业链之相互关系，以及大数据影响产业发展的作用机理研究是十分必要的。

大数据系统是一个复杂的、提供数据生命周期（从数据的产生到消亡）的不同阶段数据处理功能的系统。对于不同的应用，大数据系统通常涉及多个不同的阶段。按照系统工程方法，大数据系统可分解为数据生成、数据获取、数据存储和数据分析4个连续的阶段。传统的决策模型对海量数据的获取、分析、处理能力有限，尤其难以应对非线性、变结构等开放性复杂决策问题。而基于大数据构建的决策模型不仅可以显著地降低决策复杂度，减少决策过程中的不确定性，还能洞察隐藏在复杂性之下的潜在规律，从而在微观、中观、宏观层面为决策者提供支持。然而一个良好的产业生态需要兼顾架构相似、数据相通、股权相连、运营协同4个方面。构成产业生态的核心标志之一，就是数据的互联互通、数据的融合利用，也正是因为这一点，才使得不同的行业可以有机地整合在一起，跨层级、跨部门、跨产业地提升工作效率。大数据价值系统在产业链任意维度的缺失，必然导致企业或者产业无法协同整合，引发的产业内部不均衡以及对外部环境的不适应，都会阻碍产业转型升级。

早期产业链的概念建立在传统的映射式线性链条结构之上，从资源配置角度看，技术链、产业链和技术创新链三者之间存在的结构性失衡是阻碍规模经济或者范围经济形成的根本原因。产业链的空间动态演化，是产业链内涵深化和空间范围扩大的有机统一，它推动着区域生产要素的重组，引起区域产业结构、空间布局的变动。综合来看，现有研究主要存在两方面问题，其一，产业链的理论与实证研究大多从单一维度展开，缺少新背景下多维度协同整合的理论分析;其二，针对数据融合下的产业链结构变化，缺少大数据与产业链融合的机理分析。本文基于大数据视角，寻找大数据与产业链融合的作用机理，进而探讨企业数字化升级后的产业链发展路径。

二、大数据对产业链演变的作用机理分析

国外相关研究常见的术语是供需链（SupplyChain）、价值链（ValueChain），而“产业链”则较少提到，根据国内外学者的研究成果以及产业链的演化规律，本文从狭义范围上将产业链概括为供需链，即采购原材料并转换为中间产品和产成品，直至到达消费者手中，涉及有形与无形产品以及企业与消费者关系的网状链结。从广义范围上将产业链分成供需链、价值链、企业链、空间链四个维度，产业链本身是一个空间概念，需要从微观基础进行协同整合，大数据正是起到这样的作用。传统研究中提出的产业链整合可以理解为狭义的供需链整合，而由映射式的线性链结演化为空间链结以后，产业链整合应当归结为产业链内部某一环节如何发展的问题，比较前后变化可以发现，前者相对来说属于借助系统外部条件进行协同整合，而后者则是将研究集中到产业链内部的某一方向，解决问题的着力点并不相同。

1.大数据对供需链

由于狭义的产业链可以理解为供需链，所以供需链在产业链理论中十分重要。供需链的产生可以从供给和需求两个方面进行解释，是一个消费需求与生产需