大數據貴在應用

作者：陳軍君

由管理科學學會大數據管理專委會、國務院發展研究中心產業互聯網課題組聯合編撰的《大數據應用藍皮書2017》日前出版。該藍皮書旨在描述當前大數據在相關行業及典型代表企業應用的狀況，分析大數據應用中存在的問題和制約其發展的因素，並根據當前大數據應用的實際情況，對其未來發展趨勢做出研判。

本書認為，從應用的角度看，大數據並非一個全新的產業，而是與已有產業的融合，對已有模式的改造、升級和替代。制約大數據發展的往往不是大數據本身，而是大數據應用的行業和領域原本存在的問題，如行業管制、行政壟斷、要素不能自由流動……因此，推動大數據應用的發展，需要對不當的行業管理模式進行改革，對既有利益格局進行調整。

在8月26日舉辦的「《大數據應用藍皮書2017》發布暨大數據應用高峰論壇」上，相關專家達成共識：大數據應用或將成為產業升級、製造業升級實現彎道超車的重要路徑。

發展研究基金會副理事長

劉世錦：

大數據應用助力產業升級

從現實情況看，大數據現在有個很大的矛盾：數據產生了很多，應用得很少。即數據的爆炸式增長和還處在朦朧狀態的、甚至還沒有上路的應用之間的矛盾。所以，我們需要思考怎麼將數據的互補性和集成效應利用起來。

不論是市場的數據，還是政府的數據，現在都沒打通，打通之後也未必用得好。問題的關鍵是，得有一個框架——認清想解決什麼問題，而且對該問題本身有很好的理解，從而形成一個理解和解決問題的框架。將數據裝配到框架中一個合適位置，數據方才有意義。

數據開放了，有了數據源；有好的框架將數據裝進去，解決了問題，這樣就創造了價值。創造價值后就有人買單。創造價值，是大數據應用的根本。

大數據應用對於經濟的推動，我很樂觀，它或將成為實現後來居上、彎道超車的重要路徑。原因有以下三點。

一是市場大。對於大數據應用而言，市場是全球最大的，從而保證了流量，保證了充分的實驗「場地」。

二是配套能力強。發展大數據應用需要硬體，配套能力全世界最強。

三是的技術提升速度加快。產業規模擴張已經到了一定階段，需要提升質量。現在面臨數字要素、數據要素新機遇，或許我們提升質量的路徑、方法將與發達國家過去經歷的有很大不同，產生所謂的「后發優勢」，就像有的人從來沒用過固定電話，就直接使用智能手機了。正在經歷的產業升級若將數字、大數據這些新興生產要素加進來，藉助更好的技術，實現彎道超車是有可能的。

大數據應用是一種創新，有其自身的規律，我們務必要尊重創新的規律，為大數據應用留下更大的發展空間。這就涉及到如何處理好政府和市場的關係等問題。此外，大數據應用既是創新，就存在一定的風險，就非常有必要對各行業大數據應用策略和現狀進行研究。因此，組織編寫《大數據應用藍皮書》是非常有意義的一件事，須持續下去。須更加深入、細緻、透徹地研究大數據與實體經濟的融合模式，加速推動產業升級改造。

工程院院士，合肥工業大學管理學院教授

楊善林：

不可忽視大數據的複雜多樣性

大數據是一種資源，它具有決策有用性、功能多樣性、應用協同性、可重複開採性和安全風險性。了解掌握這幾個特性，對大數據應用者而言極其重要。

從大數據應用角度觀察，我們應該給出自己對大數據的定義：大數據是一類能夠反映物理世界和精神世界運動狀態和狀態變化的資源。

何出此言？舉個例子：什麼是金融大數據？

對於金融大數據至少有兩種完全不同的理解：一種理解，金融大數據是金融部門所擁有的數據，比如銀行的數據、保險公司的數據；另外一種理解，那就是用於金融研究的一些數據。這麼一來，範圍就不一樣了，這就涉及大數據的應用協同性問題。

現在很多研究金融大數據的，就利用自己所擁有的數據，來研究金融風險存在的一系列問題。這是利用了大數據具有的決策有用性，所有數據只要分析它的決策就是有用的。但忽略了大數據的功能多樣性、應用協同性、可重複開採性和安全風險性，但這幾個特性對大數據應用者來說不可忽視。而要兼顧這些特性，往往超出了在金融部門長期工作的一些研究者所具有的知識範圍。比如說，把銀行數據和實體經濟的數據放在一起來研究金融風險問題，肯定會比只用金融數據來研究金融風險要準確得多，可以預測到很多銀行家所預見不到的情況。在此情況下，實體經濟數據也成為金融大數據的有效組成部分。

實體經濟的大數據被用來研究金融領域的問題，這就叫大數據應用的協同性。同樣地，銀行的數據不是僅僅用來研究銀行，可以用以研究世界經濟為什麼老是脫實向虛，這就體現了大數據的功能多樣性……

總之，大數據的應用是非常具體的。從目前狀況看，大數據的炒作期已經結束，而圍繞大數據的相關科學研究和商業應用剛剛起步。大數據只有與具體應用領域緊密結合，才能獲得更大的發展。

原國防科技大學信息系統與管理學院院長

譚躍進：國防大數據是搶佔未來戰爭制高點的基石

大數據時代的國防建設需要新的國防戰略思想體系來指導。未來作戰是各軍種一體化行動的聯合作戰，國防大數據產生於此，並可以更好地為未來聯合作戰服務。國防大數據將成為搶佔未來戰爭制高點的基石。

相對而言，國防大數據要求處理數據更高效、數據來源更可靠、數據安全係數更高，注重將重大國防和軍事任務進行數據融合，注重信息防禦和數據安全管理，例如國防動員數據、軍事情報、戰場的實時動態、武器使用維護數據等。掌握國防與軍事大數據的優勢，才能打贏未來信息化戰爭，真正地把握未來戰場的主動權。

大數據是進行信息化戰爭研究的重要手段，在戰場情報獲取、作戰指揮決策等方面能夠發揮重要作用。大數據是制訂國防和軍事戰略計劃的基礎，構建國防和軍事大數據技術平台，是科學制定國家戰略的重要環節。從實踐看，很多重要領域缺數據，因為我們過去不重視，一些領域的大數據建設要從設計開始。

大數據是打破體系內壁壘的有效方法。我軍剛剛進行了一體化聯合作戰的改革，很多體制機制還不健全，原有的各軍兵種之間的差異和壁壘很大。此前，各軍兵種之間各自為戰，各自擁有自主的指揮平台，沒有實現互聯互通，數據規模不等、格式不一、質量各異，無法實現共享。通過大數據加強一體化指揮作戰平台的建設和數據共享，加強各基層部隊搜集數據、存儲數據、共享數據的意識，可大大提高體系作戰能力。

當前，依靠經驗直覺進行作戰指揮的優勢正在急劇下降，大多數軍事強國已經認識到利用國防大數據的意義，將大數據技術作為國防科技發展的重要方向。

對於來說，加強國防軍事數據的發展建設刻不容緩。充分利用國防大數據的潛在價值，樹立大數據理念、完善制度機制、加強數據專業技術人才培養、構建大數據決策支持系統，對推動國防和軍隊建設具有重要的戰略意義。

國家遙感中心地理信息系統部主任

王英傑：大數據應用成就製造業超越

大數據應用可能是未來我們製造業、先進位造業超越發達國家的重要路徑。

大數據應用未來前景很好，但是當前我們的大數據應用領域存在很多問題。

一是不確定性，因為我們採集數據，不是整體或整群，只是部分，決定了樣本的代表性有偏差。

二是共享非常困難，由長期條塊分割造成，亟須建立一套很好的共享機制。

三是結合國情的大數據挖掘、分析、服務做得不到位。

四是不能總Fol l ow（追隨），我們要創新。我在做空間規劃，服務於國家區域決策的時候，發現東方的哲學、東方的思維也是挺好的，如果把這些應用到大數據中，我們會有很多創新。

五是大數據應用方面的複合型人才欠缺。我們不缺技術人才，但管理人才、複合人才，包括集成人才，我們奇缺。

如果我們解決了上述問題，從大數據應用的頂層設計建立標準，那麼製造業或有趕超歐美的可能。

最近在做「一帶一路」研究，我劃分了世界三個製造業中心，最早是在西歐；第二是北美，以美國、加拿大為核心；第三，東亞地區，包括日韓、內地、台灣、香港等，甚至外擴到新加坡。未來製造業最有魅力的將是東亞。東亞面向大海，交通沒有問題；有很好的腹地系統，可很好地支撐整個製造業；此外，東亞地區的外圍，包括東南亞、南亞地區，人口眾多，有很好的市場。要走在前頭，須找到制高點，從哪裡入手？我們不走歐洲、北美走過的老路，我們要走新的路，這個新道路正在探索中——如何通過大數據促進我們的管理更加有效，建立一套現代化的管理體系，通過現代化的管理體系輻射到行業管理，輻射到製造業及市場。一旦建立起這套體系，未來完成製造業轉型升級，完成全球製造中心代際轉化，就大有希望。

國務院發展研究中心產業經濟研究部第一研究室主任

王曉明：

大數據應用須做頂層制度設計

汽車行業產業鏈較長，既涉及產品、製造，又涉及服務和使用，所以汽車領域的大數據應用，鏈條也較長，應用範圍很廣。

汽車行業業已存在的福特生產方式、豐田生產方式，實質是將生產側的效率提升到最高水平。而汽車出廠后在使用端，其效率還有很大的挖掘空間。做個簡單描述：一輛車一天可24小時使用，實際往往只使用三四個小時；一輛乘用車正常可以乘5個人，但是多數時間只坐一兩個人……意味著汽車在使用端，作為社會資源的效率還有非常大的可挖掘空間。

由此，我們是不是可以把汽車製造和使用以及服務看成一個體系，通過大數據或信息化的技術和手段，比如平台，來實現從「製造+服務」的效率最優？這意味著可以通過此路徑實現對豐田生產方式的超越，從汽車大國發展為汽車強國。

汽車行業目前提出三個智能，一是汽車產品的智能化，多指智能網聯汽車；二是汽車製造的智能化；三是智能服務或是智能出行，類似基於滴滴、Uber這樣的平台。三者藉助的支撐性技術具有共性：都是基於數據的採集、傳輸、存儲、處理，在汽車生產、使用的各個環節，提升效率。

這就涉及目前汽車行業數字化的痛點。

第一，從供給角度看，是一個組合性的技術，需要硬體，而這一領域的硬體產品技術大多被國外一些大公司壟斷。

第二，平台，汽車領域未來是多平台支撐的數字轉型發展的體系，包括產品設計平台、製造平台和後端服務和應用平台，因此須探索平台建設。

第三，人才。傳統的汽車行業以機械、電子專業人才為主，汽車業向數字化轉型，複合型人才是最大的缺口，必須加大人才培養力度。

回到大數據應用，大數據已成為生產要素的一種，與人力、資本同等重要。人類進入資本主義社會後，形成了一整套制度體系，來保護、規範、約束人力資本和金融資本使用，包括確權、估價估值以及交易……那麼大數據應用當下最需要的是頂層設計，是制度設計。比如大數據的確權，它歸屬誰？它的所有權怎麼界定？它的使用權怎麼界定？它在交易流轉過程中所有的制度怎麼設計？沒有這樣一套清晰的制度體系，數據孤島、數據共享等難題在所難免。