论文部分内容阅读
摘 要：文章从大数据产业集群的内涵入手，提出了以专利和IT产业等指标的带权重因子的产业集聚度模型。并利用该模型对苏州市大数据产业集群现状进行实证分析，结果表明该模型的结果符合实际情况，模型是可行的和有效的，具有很好的实际应用价值。它为大数据及其它产业集群的研究提供了新的可行途径和有效手段。
关键词：产业集聚；集聚度评价模型；大数据产业
中图分类号：F272 文献标识码：A
Abstract： From the point of view of connotations of the big data industry， the paper proposes the industrial agglomeration model with weighted factors based on patents and IT industry， which can be used to analyze the status of big data industry in Suzhou. It demonstrates the model by example in Suzhou and the results show that the model is feasible， effective and good practical value. It provides a novel feasible way and effective means to analyze the industrial clusters problem in detail.
Key words： industrial agglomeration； agglomeration evaluation model； big data industry
0 引 言
大数据产业是伴随着互联网产业的崛起而产生的，这种创新的海量数据处理技术在电子商务、现代物流、智慧交通、智慧医疗、社交网络等方面得到应用，并取得巨大的商业成功。当前大数据产业还处于构建的初期，呈现规模很小、增速快的特点，据Wikibon公司的报告，2013年全球大数据市场总体规模为181亿美元，年度增幅达61%，预计到2017年还将维持30%的年增速[1]。
大数据产业集群的研究是个非常新的课题，大数据产业的数据调查也非常困难，很多政府、企业的数据并没有严格区分产业或者数据的性质。本文总结和分析了大数据产业的内涵，提出以专利和IT产业等为切入点来研究大数据集群的集聚状况，并建立了产业集群集聚度的评价模型；同时，以苏州市为例对模型进行了实证研究。
1 大数据产业的内涵
大数据产业链包括“从数据采集、存储处理、数据分析、呈现应用、数据安全到数据设备和软件”等一系列环节[2]。大数据所采用的技术非常庞杂，包含的内容非常广泛。针对不同的应用领域，其提供的服务及应用场景均有所不同，表1是对大数据在各应用领域的概括。
从表1中可以看出：大数据所采用的技术非常庞杂，包含的内容非常广泛，导致大数据产业集群的研究非常困难，本文从实际出发，以专利和IT产业等为切入点来评价大数据产业集群的集聚度。
2 产业集群的基本理论及优势
（1）基本理论。哈佛大学迈克尔·波特教授（Porter，1998）提出了产业集群概念，后来，众多学者将产业集群定义为[3]：基于一定的技术和社会经济结构的相关企业在特定空间集聚而成的网络。其特征主要有：①临近性和集聚性，产业集聚具有地理上的临近和空间上的集聚；②专业化分工和经济协作；③网络化的组织结构；④共同的文化背景。
产业集群的理论主要包括[3-4]：马歇尔的外部经济理论；韦伯的产业区位理论；科斯的新制度经济交易费用理论；道格林、弗莱克的新竞争优势理论；波特的钻石模型理论；保罗·克鲁格曼、藤田昌久的新经济地理学规模报酬递增理论；杨小凯的分工与专业化理论；戴伟明、陈晓红的博弈论分析理论等。
（2）产业集群的优势。产业集群的竞争优势主要体现在以下几个方面[4-5]：①专业化分工提高效率；②交易成本降低；③获得外部经济效益；④劳动力市场共享，提高了劳动力市场的效率；⑤在竞争与合作的博弈中获益；⑥创新能力得到提高；⑦“区位品牌”效应。
3 带权重因子的产业集群集聚度评价模型
产业集群集聚度（Cluster Agglomeration Degree，CAD）是产业集群集聚水平的评价指标。根据产业集群集聚的实质，产业集群集聚度是指某一领域产业集聚在空间上的集聚程度大小与内部联系上凝结程度大小的总体度量，即综合表现为产业集群的纵向联系性、横向竞争性以及相互作用性。本文构建的带权重因子的产业集群集聚度的模型如下：
CAD■=■
式中：i为第i个产业，j为第j个地区，x■表示第j个地区的第i个产业的产出指标（如智能电网和物联网产业产值、生物技术和新医药、软件和集成电路等指标），α■表示第j个地区的第i个产业的产出的权重因子。其经济含义是一个给定区域中产业占有的份额与整个经济中该产业占有的份额相比的值。CAD大于1意味着高于平均积聚，说明该地区该产业有比较优势，即当CAD大于1时，产业呈集群态势发展。
4 案例研究
4.1 苏州市大数据产业集聚的现状及指标选择
针对苏州市大数据产业的产业集群集聚度现状，本文选取智能电网和物联网产业产值、生物技术和新医药、软件和集成电路、计算机、通信和其它电子设备制造业、医药制造业、汽车制造业、规模以上工业总产值、能源消耗、占地面积等参数作为评价指标，对苏州市不同区、市进行产业集聚度对比分析。
具体而言，在专利申请及授权方面，2013年，苏州市各个区（县）中，高新区、工业园区、昆山、吴中区及吴江区的专利申请量相对较大，而工业园区、高新区及昆山的专利授权量相比其它区来讲要占的比重相对较大[6]。具体数据见图1。
2013年，苏州市在智能电网和物联网产业方面总产值1 382.21亿元，各区所占比重如图2所示。如图2可知，昆山、张家港、工业园区、常熟、吴江区、高新区占的比重较大。
图3给出了2013年初苏州市各区人口的比例图：
其它数据不一一列举，可以查看苏州市统计年鉴获得[6]。
4.2 苏州市大数据产业集群的集聚度分析
采用上述评价指标，利用带权重因子的产业集群集聚度模型，对苏州市不同区、市进行产业集聚度对比分析，求解得到的结果如表2所示。
由表2可知，相对于传统的医药制造业、汽车制造业、传统生物技术和医药产业来讲，作为大数据产业代表的智能电网和物联网、软件和集成电路及计算机、通信和其它电子设备制造业相对较弱，说明苏州市大数据产业集群仍处于由政府导向的孕育阶段；针对苏州市大数据产业，其中工业园区的、常熟、张家港、昆山等市区相对其它区来讲相对较优，即该产业呈集群态势发展，与实际情况相符合。
5 结 论
本文从大数据产业集群的内涵入手，在回顾产业集群基本原理和优势的基础上，提出了以专利和IT产业等指标的带权重因子的产业集聚度模型。针对苏州市大数据产业集群现状，本文利用该模型对其进行了详细的分析，分析结果表明该模型的结果符合实际情况，模型是可行的和有效的，具有很好的实际应用价值。它为大数据及其它产业集群的研究提供了可行途径和有效手段。
参考文献：
[1] 赵国栋，易欢欢，糜万军，等. 大数据时代的历史机遇：产业变革与数据科学[M]. 北京：清华大学出版社，2013.
关键词：产业集聚；集聚度评价模型；大数据产业
中图分类号：F272 文献标识码：A
Abstract： From the point of view of connotations of the big data industry， the paper proposes the industrial agglomeration model with weighted factors based on patents and IT industry， which can be used to analyze the status of big data industry in Suzhou. It demonstrates the model by example in Suzhou and the results show that the model is feasible， effective and good practical value. It provides a novel feasible way and effective means to analyze the industrial clusters problem in detail.
Key words： industrial agglomeration； agglomeration evaluation model； big data industry
0 引 言
大数据产业是伴随着互联网产业的崛起而产生的，这种创新的海量数据处理技术在电子商务、现代物流、智慧交通、智慧医疗、社交网络等方面得到应用，并取得巨大的商业成功。当前大数据产业还处于构建的初期，呈现规模很小、增速快的特点，据Wikibon公司的报告，2013年全球大数据市场总体规模为181亿美元，年度增幅达61%，预计到2017年还将维持30%的年增速[1]。
大数据产业集群的研究是个非常新的课题，大数据产业的数据调查也非常困难，很多政府、企业的数据并没有严格区分产业或者数据的性质。本文总结和分析了大数据产业的内涵，提出以专利和IT产业等为切入点来研究大数据集群的集聚状况，并建立了产业集群集聚度的评价模型；同时，以苏州市为例对模型进行了实证研究。
1 大数据产业的内涵
大数据产业链包括“从数据采集、存储处理、数据分析、呈现应用、数据安全到数据设备和软件”等一系列环节[2]。大数据所采用的技术非常庞杂，包含的内容非常广泛。针对不同的应用领域，其提供的服务及应用场景均有所不同，表1是对大数据在各应用领域的概括。
从表1中可以看出：大数据所采用的技术非常庞杂，包含的内容非常广泛，导致大数据产业集群的研究非常困难，本文从实际出发，以专利和IT产业等为切入点来评价大数据产业集群的集聚度。
2 产业集群的基本理论及优势
（1）基本理论。哈佛大学迈克尔·波特教授（Porter，1998）提出了产业集群概念，后来，众多学者将产业集群定义为[3]：基于一定的技术和社会经济结构的相关企业在特定空间集聚而成的网络。其特征主要有：①临近性和集聚性，产业集聚具有地理上的临近和空间上的集聚；②专业化分工和经济协作；③网络化的组织结构；④共同的文化背景。
产业集群的理论主要包括[3-4]：马歇尔的外部经济理论；韦伯的产业区位理论；科斯的新制度经济交易费用理论；道格林、弗莱克的新竞争优势理论；波特的钻石模型理论；保罗·克鲁格曼、藤田昌久的新经济地理学规模报酬递增理论；杨小凯的分工与专业化理论；戴伟明、陈晓红的博弈论分析理论等。
（2）产业集群的优势。产业集群的竞争优势主要体现在以下几个方面[4-5]：①专业化分工提高效率；②交易成本降低；③获得外部经济效益；④劳动力市场共享，提高了劳动力市场的效率；⑤在竞争与合作的博弈中获益；⑥创新能力得到提高；⑦“区位品牌”效应。
3 带权重因子的产业集群集聚度评价模型
产业集群集聚度（Cluster Agglomeration Degree，CAD）是产业集群集聚水平的评价指标。根据产业集群集聚的实质，产业集群集聚度是指某一领域产业集聚在空间上的集聚程度大小与内部联系上凝结程度大小的总体度量，即综合表现为产业集群的纵向联系性、横向竞争性以及相互作用性。本文构建的带权重因子的产业集群集聚度的模型如下：
CAD■=■
式中：i为第i个产业，j为第j个地区，x■表示第j个地区的第i个产业的产出指标（如智能电网和物联网产业产值、生物技术和新医药、软件和集成电路等指标），α■表示第j个地区的第i个产业的产出的权重因子。其经济含义是一个给定区域中产业占有的份额与整个经济中该产业占有的份额相比的值。CAD大于1意味着高于平均积聚，说明该地区该产业有比较优势，即当CAD大于1时，产业呈集群态势发展。
4 案例研究
4.1 苏州市大数据产业集聚的现状及指标选择
针对苏州市大数据产业的产业集群集聚度现状，本文选取智能电网和物联网产业产值、生物技术和新医药、软件和集成电路、计算机、通信和其它电子设备制造业、医药制造业、汽车制造业、规模以上工业总产值、能源消耗、占地面积等参数作为评价指标，对苏州市不同区、市进行产业集聚度对比分析。
具体而言，在专利申请及授权方面，2013年，苏州市各个区（县）中，高新区、工业园区、昆山、吴中区及吴江区的专利申请量相对较大，而工业园区、高新区及昆山的专利授权量相比其它区来讲要占的比重相对较大[6]。具体数据见图1。
2013年，苏州市在智能电网和物联网产业方面总产值1 382.21亿元，各区所占比重如图2所示。如图2可知，昆山、张家港、工业园区、常熟、吴江区、高新区占的比重较大。
图3给出了2013年初苏州市各区人口的比例图：
其它数据不一一列举，可以查看苏州市统计年鉴获得[6]。
4.2 苏州市大数据产业集群的集聚度分析
采用上述评价指标，利用带权重因子的产业集群集聚度模型，对苏州市不同区、市进行产业集聚度对比分析，求解得到的结果如表2所示。
由表2可知，相对于传统的医药制造业、汽车制造业、传统生物技术和医药产业来讲，作为大数据产业代表的智能电网和物联网、软件和集成电路及计算机、通信和其它电子设备制造业相对较弱，说明苏州市大数据产业集群仍处于由政府导向的孕育阶段；针对苏州市大数据产业，其中工业园区的、常熟、张家港、昆山等市区相对其它区来讲相对较优，即该产业呈集群态势发展，与实际情况相符合。
5 结 论
本文从大数据产业集群的内涵入手，在回顾产业集群基本原理和优势的基础上，提出了以专利和IT产业等指标的带权重因子的产业集聚度模型。针对苏州市大数据产业集群现状，本文利用该模型对其进行了详细的分析，分析结果表明该模型的结果符合实际情况，模型是可行的和有效的，具有很好的实际应用价值。它为大数据及其它产业集群的研究提供了可行途径和有效手段。
参考文献：
[1] 赵国栋，易欢欢，糜万军，等. 大数据时代的历史机遇：产业变革与数据科学[M]. 北京：清华大学出版社，2013.