大数据时代我国经济增长论文
开篇：润墨网以专业的文秘视角，为您筛选了一篇大数据时代我国经济增长论文范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
由于互联网的发展产生了大量的数据，对这些数据应用计算机技术、数学模型、统计分析等进行处理，就有可能成为有价值的、可销售的数据产品，这种基于数字技术下的创新性信息使用方法，提高了决策者的决策效率及可信度，能够引起整个服务业和制造业本质性的改变。因此大数据蕴含着极高的经济和商业价值。对于大数据的概念，企业和学术界目前尚未形成统一的定义。研究机构Gartner将大数据定义为需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。美国国家科学基金会(NSF)将大数据定义为“由科学仪器、传感设备、互联网交易、电子邮件、音视频软件、网站点击流等多种数据源生成的大规模、多元化、复杂的、长期的分布式数据集”。麦肯锡认为大数据是指无法在一定时间内用传统数据库软件工具对其内容进行采集、存储、管理和分析的数据集合。当前对于大数据的特点主要存在两种观点:Dumbill采用IBM公司的观点，认为大数据具有“3V”特点，即数据量大(Volume)、数据类型复杂(Variety)、产生速度快(Velocity)。还有部分学者认为大数据具备“4V”特点，在3V的基础上增加了价值性(Value)。
(1)数据量大(Volume):目前数据的计量单位用太字节、泽字节和尧字节计算。IDC《数字宇宙膨胀:到2020年全球信息增长预测》显示，数字信息每年按照几何级数态势递增，到2020年数字量将达到40ZB。
(2)数据类型复杂(Varie-ty):相对于传统的便于存储的结构化数据，大数据下非结构化数据越来越多，比如网络浏览轨迹、视频、音频、图片、地理位置信息等。数据类型的多样性对数据的处理能力提出了更高的要求。
(3)产生速度快(Velocity):数据的产生和更新频率快，每秒都在即时增加，因此大数据的存储以及实时处理和分析能力是大数据背景下技术创新的关键要求。
(4)价值密度低(Value):存储的数据量大，但是蕴含的价值低。比如一段监控视频时间长达2个小时，但是有用的数据可能只有1～2分钟。数字技术是指对产生于人机交互、物联网等以结构、半结构、非结构形式存储于数据库中的数据，进行提取和集成，以模式识别、数据挖掘、可视化以及统计分析等技术手段，通过数字技术生成模块化的专用数字技术处理软件包，进一步通过模块集成实现决策支持、智能生产、智能服务、预测等技术创新，实现大数据的价值化。根据大数据的特点可知大数据和传统数据的差别主要体现在数据处理技术上，大数据下的数字技术包括传统基本数据处理技术如模式识别、数据挖掘、可视化、统计分析，和高级数据处理技术如移动计算、社会化媒体、物联网、云计算、分析和预测五种技术，这五种数字技术融合后方能产生巨大的技术创新。移动计算指的是计算的实时性、动态性，即人和计算机的实时交互，机器和周围环境的实时交互，通过移动计算，增加了数据使用技术在地点和时间上的灵活性，数据的实时处理是大数据的最核心技术。社会化媒体是指人们可以在社会化媒体平台信息、分享内容、互动交流。社会化媒体平台的使用数据具有“流”的特性，大数据流的特性改变了人们收集和评价信息的方式，也改变了技术创新方式。物联网描述的是物理对象间的连接，这种交互作用发生在机器与机器之间，对象与对象之间。物联网的形成开启了服务创新、生产创新和增值过程的新维度，是新的增值模式和商业模式的基础。云计算指的是一种基于互联网的计算方式，主要解决数据的结构问题和管理问题，共享的软硬件资源和信息按需提供给不同的使用者，通过云计算加快对信息的发现、组织和协调并为技术创新提供服务。分析和预测是对大数据进行关联、趋势性等知识发现技术，由于大数据的海量性、动态性、类型多样性和价值低密度性，有价值的信息隐藏于碎片化的数据关联中，而且随时间的流逝不断减少，因此传统的优化算法、抽样学习的数据挖掘技术、统计分析方法已不适用，基于知识发现的分析和预测技术是大数据的关键技术。针对大数据下的这些数字技术融合就有可能产生技术创新，就可能实现服务智能化、生产智能化、决策智能化等等。大数据时代给经济增长带来了大的变革，这种变革体现在:一是信息化与工业化的融合，大数据时代的本质是互联网基础上的信息技术在经济增长和工业化中的广泛应用，其核心在于信息化与工业化的融合。大数据并不能生产出新的物质产品，也不能创造出新的市场需求，大数据的价值，不仅是大数据技术本身，更是应用创新产生的经济社会价值，能够让生产效率大幅提升，从而使工业制造的生产效率得到大规模提升，并进一步促进经济发展。二是促进产业融合。大数据时代信息化和智能化的广泛使用，使得不同产业或同一产业不同行业相互渗透、相互交叉，最终融合为一体，逐步形成新的产业。在技术融合、数字融合基础上所产生的产业边界模糊化，产业由分立走向融合，产业融合能够通过建立与实现产业、企业组织之间新的联系而改变竞争范围，经济增长效率大幅度提高。三是技术创新发生变化。在大数据背景下科技创新与产业结合程度加强，而且由于信息化的广泛使用，信息化和工业化的深度融合，技术创新的协同性和共享性加强，科技创新与产业结合对经济增长的作用加强。
二、大数据下数字技术创新的新特点
大数据下的技术创新与传统渐进性技术创新有本质的不同，主要体现在创新方法、创新模式、创新管理、创新过程和创新结果五个方面。大数据背景下数字技术基础上的技术创新具有一些新特点:
1．数字技术下的技术创新方法具有组合性传统的技术创新方法基于专业理论、专业技术和市场目标的共同作用，而大数据环境下的数字技术创新方法更多地来源于对不同技术的组合式创新。创新不仅是一种基于理论背景下的基础性创新，而更可能是利用现有的数据技术手段和已有信息进行重新组合，技术创新方法的组合性主要体现在对数字的敏感性洞察以及创意路径实现的组合。对于客户消费行为的数据技术分析可以开发出BI系统。对于共众通信数据分析可以开发舆情系统，KevinSystrom和MikeKrieger将Facebook最受欢迎的照片共享思想植入到智能手机中，开发出了能够改变照片样式的软件。这些说明了数字技术提供了一种组合式技术创新的可能性。
2．数字技术下的技术创新模式具有开放性传统的技术创新模式强调独立创新、合作创新和引进创新模式，这些创新模式聚集对要解决的问题相关领域精通的专业性人才来提供技术创新方案。专业人才具备高精尖科技知识，能够从更加专业的角度提出建议，而大数据下的技术创新能够突破对专业人员和研究领域的限制。数字技术提供了一个开放式的创新环境，每个人都能够在开放平台上对要解决的问题进行新思想的交流与技术创新的实现。纳特•特纳和扎克•温伯格是沃顿商学院学习经济学和创业学的学生，二人虽然没有学过医学知识，但他们创办的公司flatironhealth正在试图用大数据分析技术找到治疗癌症的方法。这种群体力量参与和数字技术爆发出来的无限的智慧正是大数据下技术创新的模式。
3．数字技术下的技术创新管理具有突破性突破性技术创新是基于不同科学原理和技术方法之上的创新，能够使产品具有新的性能和较低成本，且具有毁灭性，能开拓新的市场和潜在的应用，如石英钟的出现给机械表以致命冲击。数字技术下的融和式技术创新是突破性技术创新，单个领域的技术有可能只服务于特定背景下的产品或者服务，而不同领域技术的有效融合则可能衍生出更多的相关性技术创新。在技术进步的过程中，渐进式创新是阶段性的、变革性的，而突破性技术创新是永恒的、革命性的。传统的技术创新需要高成本的投入，大量的人才培养及储备、基础设施的建设、先进设备的研发及引入，通常这些投入需要经历一定的时间才有可能获得创新成果。基于数字技术平台，每个企业、机构甚至个人都成为了创新的主体，创新也不再局限于某一技术领域，而是以多种方式存在。如云端存储服务及数据分析业务就为企业提供了一种成本相对较低的创新思路，从而使得技术创新具有更低成本。
4．数字技术下的技术创新过程具有非线性线性创新和非线性创新是基于创新过程的一种区分。线性创新过程是一个“基础科学－应用科学－设计试制－制造－销售”的单向的、逐次渐进的过程，创新起源于基础研究。非线性创新过程突出了创新的多层次、多环节和多主体参与，在非线性创新过程中创新绝不是从研究到应用的线性链条，从小众到大众的传播过程。数字技术下的技术创新突破了线性技术创新的思维，从创新的方式、主体、阶段等方面进行非线互创新，是企业内外各种与技术创新有关因素相互作用的结果，突出了创新的多层次、多环节和多主体参与。在大数据时代，技术创新被认为是各创新主体、创新要素交互复杂作用下的一种复杂涌现现象，是创新生态下技术进步与应用创新共同演进的产物。
5．数字技术下的技术创新结果具有通用性通用性指能够在多行业使用的创新技术，通用技术创新具有普遍性，能够随着时间推移催生大量的创新，数字技术下的技术创新具有这些特点。数字技术下通用性创新主要是由于创新的方法是组合式创新，对于已有发明或者技术创新，经过组合后有可能产生新的创新。这种创新方法表明，每一次的技术创新会成为未来创新的一块积木，在不断的积累过程中，就产生了持续技术进步。数字处理技术使得所有领域都能够获得海量的数据，并无限制地被复制和重复使用。因此，具有潜在价值的数字化积木式技术创新以前所未有的速度成倍增长，并且还在持续地提供未来组合式技术创新的可能性。
三、大数据时代我国新常态经济增长中数字技术引领技术创新的路径转型
当前中国经济步入以中高速增长为标志的“新常态”，新常态不仅意味着经济增速的放缓，更意味着经济增长动力的转换和经济增长方式的转变，在新常态背景下，中国经济的增长需要实现创新驱动战略的支撑。在新常态的创新驱动中，我国面对大数据下技术创新带来的机遇和挑战，面对传统技术创新的路径依赖和数字技术下技术创新的特点，要发挥我国自身资源优势，实现数字技术引领技术创新，推动我国经济增长潜力开发，就要加快推进数字技术引领技术创新路径转变。
1．实施“政府组织+国企研发”的数字技术创新计划技术创新正在成为大数据时代的发展关键词，而且大数据下的技术创新具有开放性，特别是在数字化工厂方面，实现过程中有大量需要进行标准化的内容，欧美国家在这一方面起步早，已制定出系统集成、安全保障、数字化工厂、能耗等技术标准，因此要积极引进和参与国际化标准工作，同时实施举国体制，发挥政府作用，组织开展我国的技术标准化研究，争夺制造业竞争的话语权。另外，在产品市场规模巨大、产品集成复杂的重大技术创新领域，借鉴“高铁”技术创新模式，由政府牵头，发挥国企研发力量，重点突破某一领域的技术难题。在实施“政府组织+国企研发”的数字技术创新计划中，重点要持续推进大数据平台建设，构建信息共享机制。大数据环境下的技术创新是基于数据库基础上的，因此要持续推进数据库、知识库、云计算库、数据分析库的基础平台建设，大数据下人人都是技术创新者，要构建基于服务的、集成智能分析、快速决策分析的大数据处理支持系统接口，建立促进群体成员之间信息沟通、共享和促进群体技术创新的交互平台，建立开放的大数据技术创新体系、协同创新模式和评估机制，以推动新常态下数字技术对技术创新的引领。
2．建立技术创新的市场机制，引导企业自主创新随着我国经济体制改革的深化和对外贸易的开放，市场化进程不断加深，我国逐渐成为全球最大的产品市场，市场化需求确定了技术创新方向，技术创新中的市场杠杆作用越来越显著，因此要完善大数据下技术创新的市场机制，引导企业根据自身优势及市场需求，发现创新机遇并且进行自主创新。在引导企业自主创新的过程中要强化知识产权保护，制定税收减免政策，激励企业技术创新。企业作为技术创新的主体，在研发新技术、发现新知识过程中形成的无形资产如果无法得到法律的保护，企业就缺乏技术创新的动力。知识产权的清晰界定以及产权保护有助于企业开展自主创新，从技术创新中获得高额收益，从而促进更加长远的技术创新。我国目前对于知识产权界定、保护以及知识使用的制度及法律还不完善，因此，政府应该加大对于知识产权的保护力度，制定相关的制度政策及法律法规保护企业的自主创新成果，鼓励技术创新。此外，要通过税收减免政策激励企业加大技术创新的投入强度。
3．加强数字技术人才培养，实施全球人才引进计划大数据时代的到来使新常态下的中国企业面临新的机遇和挑战，企业应用和行业动态呈现出新趋势和特征:社会网络与社会计算、云计算、协同化软件与技术、新型电子市场与新型电子商务将转变企业运作和组织架构。大数据时代企业的关注点将从传统的决策支持系统、智能系统、数据库建模与设计、信息系统规划、开发方法等方面逐渐转移到以新概念、新技术实行的决策分析、信息安全和风险管理等领域上。大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理，大数据环境下技术创新的实施，需要一大批对于大数据的搜集、处理、分析、决策支持等方面的高层次人才。因此在大数据背景下中国新常态的经济中，要加强数字技术人才培养，实施全球人才引进计划:一方面通过加强我国高校计算机、电子专业建设，调整培养方案，优化教学环境，创新创业项目实施，以培养掌握数字技术基础型人才，加强人才队伍建设，搭建人才创业平台，营造人才创业环境，引导大数据人才创造;另一方面我国需要制定全球数字技术人才引进计划，特别是了解核心技术的专业人才和数据分析师的引进，并为人才的流入做好政策支撑。
4．加大企业数字技术的研发投入力度，优化政府投资结构科研资金投入是保障技术创新的必要条件之一，投资的主体主要是政府和企业，我国政府的研发支出仅次于美国，但是作为技术创新主体的企业投入相对低。根据管理咨询公司思略特的《全球创新1000强》报告，2014年全球企业研发投入达到6470亿美元，这一数字占全球创新总投资的40%，美资企业的研发投入规模位居全球第一，达到2569亿美元，其次是欧资企业达到1938亿美元，然后是位居第三的日资企业达到1167亿美元，中国企业仅有300亿美元。排名前十的企业分别是大众汽车公司、三星公司、英特尔、微软、谷歌、默克公司、丰田公司，还有三家医药企业，其中研发投入分别达到135亿美元和134亿美元，而我国最大投资的公司排在第62位。从投资去向看这些资金主要投资于医疗保健和计算机这两个行业，占据了全球研发总支出的一半，其次为汽车和软件。从企业投入资金数量上看出我国企业投入力度极低，同时与美国投资主要集中于医疗保健、数据信息为代表的新兴技术产业相比，我国投资结构呈现分散局面，因此在新常态的经济增长中要制定针对我国企业的相关政策和考核办法，以加大企业研发投入力度，并汇聚政府的投资于数字技术为核心的战略新兴产业的研发。
作者：茹少峰 李祥丽 杜建丽