【摘 要】隨著大數據時代的到來，人們的生活、工作、思維都發生了重大變革。大數據產業鏈如何構建和延伸已成為信息技術高速發展的必然要求。文章運用利益相關者理論，研究了中國大數據產業發展的政策變遷，繪制出產業政策地圖，從而明確了產業政策的制定策略和發展路徑。

　　【關鍵詞】大數據;利益相關者;政策地圖

　　0 引言

　　隨著工業4.0時代的到來，自動化和信息化不斷融合，大數據與人工智能儼然成為新工業時代的本質所在和應有之義。大數據是人工智能發展的基礎和催化劑，而人工智能是大數據的一種終極表現形式。兩者都體現了對互聯網海量信息數據的處理和利用。大數據開啟智慧生產生活，正在改變著人的思維模式、生活習慣、工作方式等各個方面。

　　1 大數據產業發展歷程

　　中國大數據產業的發展經歷了三大歷史節點。

　　2015年3月5日，李克強總理在十二屆全國人大三次會議上的政府工作報告中首次提出“互聯網+”行動計劃，這是我國大數據產業發展的第一個節點。在此之前，自1980年著名的未來學家A.托夫勒的著作《第三次浪潮》首次提出大數據，到2009年大數據成為行業流行詞匯的30多年間，大多數人只是對大數據的概念、發展歷程及特征等進行懵懂的猜測和認識;在此之后，人們開始轉變觀念，將重點轉移到大數據產業發展上來。

　　2015年8月31日，國務院辦公廳發布《促進大數據發展行動綱要》，進行大數據產業發展的戰略布局，上升為國家戰略，是大數據產業發展的第二個節點。此后，我國將大數據作為基礎性戰略資源，全面促進大數據產業發展。

　　2017年7月8日，國務院發布《新一代人工智能發展規劃》，是我國認知和發展大數據產業理念的重要提升，是大數據產業發展的第三個節點。戰略目標三步中的第一步就是要突破大數據智能的關鍵技術。基礎理論就是大數據智能理論，研究數據驅動與知識引導相結合的人工智能新方法。

　　時至2020年，正值國內各大經濟體和大數據綜合實驗區“行動計劃”的收官之年。厘清國家及地方大數據及相關產業的政策脈絡，評價產業政策效果，從而把握未來政策制定方向對大數據產業乃至實體經濟都意義深遠。

　　2 研究現狀

　　目前，國內對大數據政策的研究主要集中運用政策工具[1]對政策文本進行分析。例如，周京艷等[2]人運用文本計量法從政策工具的視角分析了18份國家級大數據政策，并討論了政策的合理性。劉亞亞[3]運用“政策工具 政策主題詞”二維分析框架分析了2000年以來的大數據政策文本。此類研究的分析框架源于Roy Rothwell 和Walter Zegveld的政策工具分類法，將政策工具分為供給面、需求面、環境面3個層面。蘇峻在相關研究中均采用了該分類法，并進行了項目的細分。

　　政策設計是政府及職能部門為了解決某一特定問題，搜集信息，運用科學方法設計出的一種行動方案。此方案的形成是一個動態過程。政策設計的具體步驟為提出問題、分析問題、議程及政策制定。國家及地方政府的政策設計通常是具有明確目的有組織的行為，而政策地圖則為政策設計提供了更加高效的工具。

　　本文運用利益相關者理論對大數據產業發展的利益相關群體進行識別，明確其相關利益活動，繪制出大數據產業的政策地圖，根據產業發展目標，制定激勵利益相關者進行特定活動的政策，從而促進大數據產業的發展。

　　3 政策邏輯

　　3.1 大數據是信息價值鏈和技術價值鏈雙鏈聯動的新業態

　　隨著云計算與人工智能的發展，經濟社會高速發展，大數據技術的應用使得人工智能成為現實，云計算得到了廣泛的應用。在創新鏈引領的產業鏈中，大數據產業鏈是信息價值鏈和技術價值鏈雙鏈聯動構成的新業態。

　　3.2 大數據是助力經濟轉型的助推器

　　當前，我國經濟發展尚處不均衡的狀態，八大綜合經濟區的經濟發展狀況可以分為3個梯度。第一梯度：發達區域經濟。北部沿海、東部沿海和長江中游三大綜合經濟區在全國經濟發展中處于領先地位。第二梯度：中等發達區域經濟。南部沿海經濟區的福建、廣東、海南，是重要的對外輸入輸出型經濟發展區域。第三梯度：發展中區域經濟。

　　第三梯度甚至是第二梯度的部分區域為全國經濟發展發揮了基礎性作用，然而在老、重、落后工業向創新型、高質量經濟轉型發展中，急需找到新的經濟增長點，大數據與人工智能無疑是創新轉型發展的突破口。這些區域大多有一定的傳統產業基礎，運用大數據技術助推傳統產業提質升效、轉型發展是必經之路。

　　4 政策設計：政策地圖

　　4.1 利益相關者的識別

　　公共政策的利益相關者是指影響政策過程，對政策受眾產生外部性的組織或個人，通常表現為受眾的收益或損失。大數據產業政策具有公共政策的屬性。

　　目前，在組織情境下，學者最多采用和討論的是米切爾評分法，這一方法更具科學性和可操作性。但該方法的3個維度無法完整反映組織和利益相關者之間利益互動的本質。加之大數據政策屬公共政策，是對全社會的公共利益所做的權威性分配，其自身不具備獲取利益的能動性。綜上所述，本文采用多維細分法的Clarkson分類法，分為主要利益相關者和次要利益相關者。

　　主要利益相關者分為制度決策層(政府、八大綜合試驗區)和制度影響層(政府、互聯網企業、高校及科研院所、用戶)。次要利益相關者是指其他組織和個人。

　　4.2 利益相關活動的識別

　　大數據產業利益相關者活動主要有7類，其中數據采集與數據運維的主體基本是一致的。

　　(1)數據采集。政府職能部門、互聯網企業、運營商是當前大數據資源的占用者。此外，根據用戶需求運用網絡爬蟲或網站公開API等途徑也可以獲取網絡大數據資源。由于網絡數據質量參差不齊，因此數據采集工作完成后必須進行數據清洗。

　　推薦閱讀：交通時空大數據分析平臺設計與實現