统计数字化转型论文参考文献

1. 什么是数智化 企业数智化简单而言即企业数字化+智能化。 数字化指企业所有经营活动从开始到结束全链路的在线化协同、数字化协同。例如从原材料供应到生产制造、供应链、营销、交付、客户服务及售后全流程。 数字化意味着企业每个环节的信息都可以通过数字来呈现，例如生产信息、销售信息、物流信息、消费信息、客户信息等。 智能化指事物(例如软件系统)在计算机网络、大数据、云计算、物联网、AI等技术的支持下具有的高级能力，例如智能协同链、智能分析与预测，帮助企业更好的洞察趋势与预防风险，提高企业应对市场变化与风险的能力。 数智化转型的本质是在数据+算法定义的世界中，以数据的自动流动化解复杂系统的不确定性，优化资源配置效率，构建企业新型竞争优势。 2. 为何说企业数智化转型迫在眉睫 数字化转型的初心就是如何应对变化，市场变了、用户变了、产品变了、技术变了，企业如何适应市场+用户+产品+技术的快速变化，企业如何在不确定性的世界中进行决策。 （引用自国资委印发《关于加快推进国有企业数字化转型工作的通知》） 2.1 宏观层面：经济与技术的快速发展，推动产业升级 中国在全球范围内快速发展，企业的竞争不再是国内市场竞争，而是国际化竞争。同时，各类技术的成熟加速产业升级浪潮。随着基础云设施、大数据、云计算、AI人工智能、智能家居、物联网、区块链、PAAS、SAAS技术的成熟与落地应用，更加快产业的技术升级浪潮。 经济及技术的快速发展，市场迭代速度越来越快，各种不确定性也越来越多。要求企业这个大系统能快速应对各种市场变化。 “数字化”“数字中国”已被列为“十四五”规划的核心之一，数字经济席卷各行各业，新一轮的商业马拉松已开始。无形的革新正在重塑商业大环境。企业如不跟随市场进行变革与升级，终将被市场淘汰。 2.2 中观层面：行业竞争加剧 随着中国人口红利、政策红利等利好因素的消失，市场由增量市场转向存量市场。 增量竞争时代强者已经抢占了存量市场大部分份额，市场已然僧多粥少，行业同质化竞争加剧，市场为王。 企业唯有从战略上进行产业数智化升级，构建消费者和产品双驱动核心，才有可能赢得竞争。 2.3 微观层面：数字新生代的需求已变 00后、10后逐渐成为市场消费主角，作为移动互联网和数字环境中的原住民，毫无疑问已成为数字新生代。传统的消费者更多关注产品性价比、产品功能、耐用性等需求，而新一代消费者更多的关注内容、服务、参与度、社交体验、分享与交流等体验诉求。 一百多年前，福特说：“不管消费者需要什么，我生产的汽车都是黑色。”2019年，“双11看中国”活动过程中，欧莱雅中国总裁说：“22年前进入中国时，美妆行业是千人一面，现在是一人千面。”这就是我们今天面对的市场客户需求发生的变化：个性化、场景化、实时化、互动化、内容化。 对于一个企业来说，数智化转型及其所要解决的核心问题就是：如何去满足海量的、碎片化的、实时的、多场景的客户需求。 3. 企业数智化转型方法 数字化转型的核心要素，即意识+平台+工具+组织。 以消费者运营为核心，实现消费端与供给端全要素、全场景、全生命周期的数据智能，建立企业智能运营和决策体系，持续推动企业产品创新、业务创新、组织创新，构建强大的新竞争优势。 组织管理与意识变革新，业务数字化、数字业务化管理要求； 产品创新智能化，打造差异化、场景化、智能化的数字产品和服务； 生产营销智能化，构建生产与营销双向驱动与智能调节机制； 用户服务敏捷化，建设数字营销网络；构建智能服务场景；建设敏捷响应服务体系； 全链路协同与智能化，建设全链路高效协同与智能调节； 终极版图：数字孪生，在比特的世界中构建物质世界的运行框架和体系，构建人类社会大规模协作新体系 4. 企业数智化转型成功的四个关键要素 4.1  适合本企业的解决方案 数智化转型是否成功的关键在于方案选型，怎样来选取适合本企业发展的解决方案，选型成功即成功了一半。 能满足本企业的企业战略、业务架构及未来5-10年的发展方向需要 采用先进、成熟、稳定的云技术架构 业务全链路覆盖，高效协同与智能调节 统一的数据治理体系，采集汇聚全业务链数据，建设大数据平台 具备可扩展性，可满足业务在方向和规模上的发展需要 具备灵活性 具备集成融合能力，可快速集成各类上下游合作伙伴系统 具备安全性与保密性 4.2  来自战略管理层的绝对支持 数智化转型本质上是企业经营管理与分工协同、员工工作技能与要求、工作习惯的彻底变革，纯互联网企业因其原生于互联网，本身具备数智化转型条件，不具备难度。 而对于传统企业来说，数智化转型是一项颠覆性的变革，需要战略管理层的绝对支持。如战略层不支持，综合作者10年企业解决方案设计与实施经验来看，转型有80%可能无法执行下去，失败无法避免。 4.3  来自中层、基层的绝对执行 数智化转型的落地80%依赖中基层的绝对执行，执行到位，成功势在必然。 4.4  有效的反馈与调优机制 数智化转型涉及到企业的方方面面，企业在数智化转型过程中不光是实施，同时需要通过效果数据、使用反馈来持续调优，并跟随市场和消费者的变化，打磨出适合本企业最高效的数字智能运转体系。 5. 转型成功的主要衡量指标 5.1 业务可视化 所有主体业务是否全程可视、留痕 所有业务环节是否可通过数字(byte)呈现 所有业务的关键KPI指标、公司KPI指标、部门KPI指标的目标值、完成情况、完成风险度是否清晰可视 5.2 有效协同与智能驱动、调节 产品设计、生产、供应链、市场、营销、消费者、客服与售后全链路是否形成有效的协同链 协同链之间是否在有效协同与智能驱动、调节，例如产品的市场反馈、消费者反馈是否第一时间触达企业，并作用到产品及渠道等，渠道、门店的销售数据是否有智能调优机制。 5.3 销售与预测 是否有清晰的产品目标消费者画像、客户消费模型、会员智能营销系统 是否具备预测与洞察能力，例如可预测产品销售趋势、洞悉潜力产品机会 是否具备风险预测能力 5.4 智能应用水平与范围 智能设计 智能生产 智能供应链 智能营销 智能客服 智能协同链 智能决策 6. 行动计划 企业转型迫在眉睫，您准备好行动了吗？ 参考文献： 国资委印发《关于加快推进国有企业数字化转型工作的通知》 安筱鹏：一文讲透数字化的8个关键问题

文 | 董小英 编辑 | 张齐齐

来源 | 数字产业创新研究中心

随着大数据、人工智能、区块链等技术的发展，企业数字化转型浪潮愈演愈烈。近年来，国家提出数字强国战略，把数字经济作为中国增长的新动能。企业应该如何做好自身的“数字化能力培养”，在这场无硝烟的竞争中取得胜利。

在百望云联合数字产业创新研究中心、锦囊专家共同举办的《弹性跨越 数创未来 2020中国企业数字化转型论坛》活动中，北京大学光华管理学院教授、数字产业创新研究中心主席董小英老师进行《跨越能力陷阱——企业数字化转型的机制创新》的演讲，为大家答疑解惑。

以下是演讲实录

一、企业数字化转型的背景

企业数字化转型的背景如何理解、设立怎样的目标、需具备哪种能力、转型要素有哪些。在转型发展过程中，从人类大的发展格局来看，每次文明的迁移都是由技术驱动。英国纺织技术使农业文明走向工业文明，美国信息技术使工业文明走向信息文明。而现在，随着中美德数字技术的发展，信息文明正在走向绿色文明。可以说，当今世界经济转型的关键节点就是新一代的数字技术。

泰安作为山东省的智能制造重镇，虽然城市不大，但在智能制造方面投入很大。他们专门成立由六名院士组成的专家委员会，来推动智能制造发展。将来整个制造体系，即供应链以及使用的能源一定得是绿色，而绿色供应链就是靠数字化来实现。所以，将来如果线上能力不足，会在发展中遇到非常大的困难。

近10年来，随着信息技术的发展，智能手机的出现和在线交易能力的提升为我们的衣食住行提供了巨大的便捷。从全球发展来看，移动互联网铸就美国巨大的四到五个在线企业板块。以往，中国对技术发展的认知比较延迟，但现在，中国年轻创业者的反应速度非常快。中国和美国的平台性企业，现已经涨到全世界的90%，欧洲只占到4%。将来，基于平台的竞争会在各个行业领域无处不在。特别是工业互联网，工业制造业的在线化、平台化、数据化以及智能化的体系孕育着数万亿美元的巨大的市场的规模，是全球竞争的制高点。例如美国对中国华为5G的针对和禁止，体现了 科技 竞争的惨烈，大家争先恐后在竞争中占据领导地位。

数字经济最核心的两个方面：平台和数据。作为财务人员，不在竞争战略的一线，感受不到数字化转型投入给企业带来怎样的价值，财务人员做数字化负责人时，才会推进有力。当然，有时财务人员对数字化价值理解不到位。因为数字化的投入，需要3到5年才产生带动效应，不能为企业快速的带来现金流，所以财务总监在数字化投入上可能持反对意见。实际上，如果企业没有这样的能力构建，整个企业的速度就会慢下来。

平台企业最重要的一个功能就是基础设施。比如我们无法想象离开手机的生活。对于一些年轻人来说，出行时宁愿做高铁也不坐飞机，脱离不了WIFI的环境。另外，手机的功能越来越多元，越来越多的功能都集成在手机上。平台企业的边界拓展能力非常强。比如滴滴出行，我们即可以说它是 科技 行业也可以说是出租行业，但本质业务还是交通出行。滴滴服务占到中国市场的97%。作为出租公司，如果没有平台，业务不可能做到如此广泛。同时，边界甚至可以跨境。比如蚂蚁金服计划上市，当掌握了海量的客户资源的时候，跨界变得比传统行业要容易，并且这样的企业保持一种高度的开放性。企业打造巨大的生态组合，生存能力与竞争力都会大大提高。

近年来，数据的量增长迅猛。根据联合国贸发组织的统计，我们看到中国的年均数据在逐渐增加，占比达到41.9%，超过世界其他国家。中国的数字经济已经开始提速，而且市场容量很大，数据密度很大，对未来人工智能的发展打下坚实基础。例如，阿里巴巴已经成为最大的数据平台，在后疫情期间也开始像世界其他地方拓展，和亚马逊形成直接竞争关系。

讲到中国经济发展的要素，资本、人才、土地和技术都是关键性要素，这么多年，国家第一次从战略角度提出数据是生产要素。中国过去30年的发展靠自然资源驱动，但这些资源逐渐枯竭。最近提出生产要素是关键性的，要将其市场化。数据资源从不同的视角去开发，隐藏的价值都可能被挖掘出来。这意味着数据资源的价值取值不尽、用之不竭。数据就像阳光，具有普惠性。但是，做数据挖掘处理和数据分析的人才匮乏。根据CDO调研结果发现，某些领导对数据部门要求很高，但投入不够，说明了上层领导缺乏数据的战略价值意识。

建立平台以后，将所有交易沉淀在平台上，通过数据的采集、清洗和整合，形成数据看板，将数据可视化，形成多元数据看板。企业根据这些数据改善管理。通过数据驱动产品创新，降低成本，提高效率，实现数据洞察，发现新商业价值。企业实现数据驱动业务和数据驱动管理，实现数据的增值。这个时候中国的整体经济开始转向数字经济。当然，实现成熟的数字经济，我们还有漫长的路要走。

企业数字化转型面临着内外两方面压力。现如今，客户要求越来也高。比如，用户对下载速度的要求很高，速度要快、广告信息投放要精准，和用户需求匹配。基于客户需求，供给端即企业就要进行良好的交互。在人工交互或者机器人等智能交互后，想要提高速度，就需要进行整合，建立数据和信息系统连接的数字神经网络，消除信息孤岛。

那么，信息化与数字化有什么不同？信息化是局部流程、局部环节和局部资源。以财务工作举例来说，当采购或销售出现违规行为，工作人员只能做事后管理。ERP系统出现后，可以控制超预算行为不发生，变成事前管理。但今天，只是财务流程数字化还不够。企业要做到设备的数字化、生产过程的数字化、客户服务交付的数字化和物流的数字化。所以，数字化在速度、广度、深度、精度、强度和细节六个维度都是在信息化基础上进行非常大的拓展。

二、企业数字化转型的目标

生存和发展是数字化转型最底层的目标，企业数字化的本质还是要解决企业管理中的痛点。例如财务数据的核算要快速且精准，就是把数据整合的速度加快。例如业绩部门年终发奖金时，基于数据来给出业绩的驱动指标。所以，数字化可以带来怎样的生态？基于长期的企业数字化研究积累，总结出企业数字化转型的“六不”目标：

1、产品服务不淘汰。很多产品没有智能化能力，很可能就会被淘汰。

2、管理决策不犯错。以前企业决策依靠人的经验，现在依靠机器识别，精细化程度明显增高。

3、价值运营不掉链。在供应链整个体系中，有很多的问题和梗阻，价值链和供应链的数字化，要打通这些梗阻，快速的做到上下游的无人交易，基于全机器流程，结果真实及可信。

4、客户服务不落伍。即线上服务，客户体验至上。

5、商业模式不翻车。现在的数字原生企业就是商业模式创新的典型代表。所以商业模式要重点考虑如何实现在这种这种颠覆式的变革中不翻车，锁住客户和争夺市场。

6、生态伙伴不掉队。在生态中，我们的合作伙伴都是并行的，如果你不在线上，别人在线上跑得很快，你可能就要掉队了。

经调研，企业的信息化和数字化过程中，最受益的就是报销问题。以前报销流程繁杂，没有数字化的过程支撑，给财务人员带去很大的麻烦。经报销过程简化后，大大提升整个企业的效率。IT行业互联网行业称作数字原生企业，因为在客户、员工上网等都会产生数字轨迹，而传统企业没有数字轨迹的支撑。所以，数字化转型对于传统行业来说挑战更大。传统行业数字化转型，既要把传统的事做好，还要像互联网企业一样，管理好所有的资产，即先把所有的资产数字化，包括财务资产的数字化。对于互联网企业，本身就有数字孪生。它依靠大量的消费者，描绘出用户画像，画像越多越细致，推广就越精准。在这个过程中，会积累大量的数字资产。比如阿里数据中台，上联服务市场拓展，下联基础数据是极其关键的战略资产。它的数据分析能力非常强，数据汇集量越多，平台价值越大，获取数据的便捷性越高。如果传统企业不做转型，慢慢就会被数字化企业淘汰。

对传统企业来说，要做数字化转型需解决四个问题：

1、速度：决策的速度，供应链的编排。转型速度方面的关键问题是思维认知的问题，企业的高层领导要组织变革。

2、范围：对象与过程，边界和生态。过去传统企业的内核都不是靠数字化来做，这些过程要数字化，就需时间和精力的花费。

3、规模：弹性与伸缩，模块与复制。将平台的技术能力复制到所有的分子公司甚至客户，打造一个数字化生态，用数据创造价值。数据管理第一次做起来很难，但是复制利用的成本几乎可以忽略不计。

4、价值：商业模式，价值分配。其一，通过数字化转型，新旧数据随时调取，各种指标精准测量，实现数据资源的重用。其二，资产可以复制，数据可以输出。通过控制平台架构，进行商业售卖来收取一定的费用，降本增效。数据的价值链给企业带来创造价值。其三，能力的建设中最难的数据管理，以前财务部的纸面数字变为数字化表示。

三、企业数字化转型的能力

数字管理价值链由六个环节构成：数据采集、数据标准、数据质量、数据整合、数据分析、数据文化、数据价值、数据资产和数据采集。

对于数据采集，以前都是靠人工录入，容易出错且容易作假。所以，数据采集的关键是人工介入越少，数据越真实可靠。将来整个供应链的交易都会靠机器自动进行数据采集，确保数据的真实性、可靠性和高效，形成清洁、完整与一致的数据湖。

对于数据质量，包括五个方面。第一，数据真实，尤其对财务人员来说，不要做假账。第二，数据可得。第三，数据具有可解释力。数据量大，却不具备数据分析，则数据没有价值。第四，数据可靠。数据要展示企业的真实运行情况。第五，数据共享安全治理。企业应考虑数据政策、数据整合和数据分享。确保数据不被一个部门垄断，避免产生数据治理问题。

数据质量的管理框架也尤为重要。企业要对质量进行策划、控制质量、改进质量、测验质量。在这个过程中，要发展源数据和主数据，企业部门要分工明确，职责必须标准化。

另外，就是资产数据化。要把表单整个流程全部数字化，这件事要花费时间去做。特别对于传统企业来说，数字化就是一场马拉松。因为要把整个过程和资源一步步数字化，是一个持续投入过程，但也是企业数字化最重要的力量积蓄。买好设备、加人工智能、语音识别等都不是真正的数字化。数字化就是整个业务的底层，数字化转型过程中，先进行资产数据化，资产数字化以后作为管理运营工具，后边才能实现数据增值。

企业业务部门和IT部门要做到数据共享，确保业务部门可以及时得到想要的数据和信息。比如华为，新员工刚上任，也可以立刻获得客户的背景甚至喜好。比如设备的维修 历史 ，潜在问题等数据可以清晰呈现，帮助人员精准维修。

对于财务人员来说，数字化转型既是机遇也是挑战，大家要高度重视转型压力。在全要素、全过程、全链条和全领域的财务数据集成过程中，财务的视角会更大，获取数据更多。以财务为核心和整个业务环节对接的整合过程，即数字孪生，将来企业所有方面都会和财务发生关联。现在农业、建筑业、传统制造业等很多企业都提出个性化和数字化。在将来行业的发展中，所有岗位都需要数字化技能，所以大家要高度重视，如果不做自我转型，数字技能没能掌握，工作中就会产生问题，就会被行业淘汰。

四、企业数字化转型要素

这次疫情大大提速了全球企业的数字化转型，但困难也随之而来。在数字化转型过程中，每个企业的能力是不同的。对于有些企业，只依靠单一的逻辑思维和知识体系来运行发展，沉浸在舒适区内，陷入能力陷阱。当企业想要有所变革，就需要找到自身的能力缺口，即增加新理念，新技术，寻找新的发展空间。实现新技术和材料之间的融合，就打破了能力距离。财务人员不一定去做销售数字化的工作或研发，只需把财务的能力和数字化深度结合，经基于底层财务的管理体系数字化以后，加速企业转型。所以，对财务人员来说，强项还是才能，加之数字化的手段，消除能力距离也不是很难实现。

在数字化转型的新能力构建中，中小型企业缺人才和知识。数字化过程是变革和创新的过程。企业也有很多担心，比如数据隐私问题。对创新型企业来说，主要是行为约束。经调研，在词频统计中，我们发现，企业数字化转型最大的问题就是缺少数据方面的人才。数据、思维和业务都需要我们在数字化过程中克服。

最后，在数字化转型过程中，大家要具备企业家和二次创业精神，目标明确，持之以恒，坚定的向前走。数字化转型的趋势不可更改。以上就是今天和大家分享的内容，也祝大家的企业数字化转型行得通！谢谢大家。

摘   要 继农业经济和工业经济之后，经济体正处于一个更先进更高级的经济阶段——数字经济。通过数字、信息技术与实体经济的深度融合，传统产业正不断向数字化、智能化水平发展。因此本文对国内外相关文献进行梳理总结,为深入研究数字经济与实体经济融合的发展提供理论参考。 关键词： 数字经济；实体经济；数字经济与实体经济融合；产业转型升级 一、数字经济与实体经济的涵义 （一）数字经济的涵义 什么是数字经济？最早提出“数字经济”概念的是DonTapscott，DonTapscott（1996）在《数字经济：网络智能时代的希望和危险》中指出，数字经济是“利用比特而非原子”的经济。[1]随着数字技术的日新月异，数字经济涉及的范围越来越广，各国对数字经济的理解及发展重点也大相径庭。 在中国，一般以2016年杭州峰会《G20数字经济发展与合作倡议》的表述为准，提出“数字经济是指以使用数字化的知识和信息作为关键生产要素、以现代信息网络作为重要载体、以信息通信技术的有效使用作为效率提升和经济结构优化的重要推动力的一系列经济活动”。[2]同中国一样，韩国和俄罗斯也认为数字经济是一种经济活动，但是韩国对其的定义更为广泛，认为“数字经济是基于互联网在内的所有信息通讯产业为基础的所有经济活动”；俄罗斯认为这种经济活动是用来保障国家利益的。[3]反观美国、法国，对数字经济的理解是基于数字经济的测算，美国对于数字经济的测算包括电子商务和数字服务两部分[4]，法国则是从行业的角度来进行测算的。英国研究委员会（2010）对数字经济的理解着眼于产出角度，认为其是通过人、过程和技术发生复杂关系而创造社会经济效益。[5]澳大利亚则认为数字经济是一种通过互联网、移动电话和传感器网络等信息和通讯技术，实现经济和社会的全球性网络化的社会进程。[6] （二）实体经济的涵义 次贷危机之后，各业界频繁使用“实体经济”，美联储从行业市场区分的角度将实体经济定义为除去房地产市场和金融市场之外的部分。刘骏民（2003）却不主张这种做法，他认为实体经济是以成本和技术支撑的价格体系。[7]而成思危（2003）从物质生产角度对实体经济进行定义，他认为实体经济就是与具体的产品生产及为增加产品价值的经济活动。[8] 但对于服务业是否属于实体经济，学者们的争议不断。金碚（2012）认为实体经济应该包括一、二、三产业中直接服务业和工业化服务业[9]，所以金碚认为部分服务业也隶属于实体经济。同时，金融时报词典（Financial Times Lexicon）和经济术语（Economic Glossary）中都认为实体经济是一种可以通过使用各种资源生产商品和服务一满足人们的生活需求的经济活动。吴秀生和林左鸣（2006）对此持相反的意见，他们认为实体经济仅仅包括物质生产活动，[10]服务业不属于实体经济，应隶属于广义虚拟经济。刘晓欣（2011）则根据马克思的“物质生产与非物质生产分类”来定义实体经济，她认为狭义的实体经济包括工业、农业、建筑业和商业以及相关的物质生产但不包括服务业，但广义的实体经济包括第一、二产业，还有部分第三产业，如虚拟经济、高端服务业。[11] 二、数字经济与实体经济融合的基本理论 （一）数字经济与实体经济融合的内涵 数字经济与实体经济融合是近几年才提出来，因此学者们对这个概念研究的不多，同时融合涉及不同方面、层次、内容，是一个极为抽象、宽泛的概念。其中于乐和潘新兴（2012）认为：狭义的是指数字信息技术与工业、农业、建筑业和商业以及相关的物质生产相结合的过程；广义的是指工业化的社会进程和数字化的社会进程相结合的进程。[12] （二）数字经济与实体经济的互动关系 1、实体经济是数字经济的基础 学界对于数字经济是融入而不是取代实体经济这一观点达成共识。十九大报告指出，“建设现代化经济体系，必须把发展经济的着力点放在实体经济上”，这无疑奠定了实体经济的基础性地位，我国全面小康的目标不能片面的强调数字化，而应从整体全面的角度出发，将数字经济融入农业、工业、服务业，整体推进我国工业化、现代化目标的实现。（于乐，潘新兴，2012）离开了实体经济，数字经济就会成为无本之木，无源之水，数字化和工业化是经济发展的两面，两者缺一不可。 国内学者普遍认为数字经济是融合性经济。闫德利（2018）认为，数字经济与实体经济融合的产物就是“数字化的实体经济”，它是数字经济主要的组成部分，其主体属于实体经济[13]；邬贺铨（2016）基于数字经济就是数字化的工业经济、数字化的农业经济的理解，认为数字经济就是实体经济[14]。马云（2018）也指出数字经济本身就是实体经济，它们既非各自独立存在，更非相互对立地存在，因为只有拥抱了数字技术的实体经济，包括制造业、服务业、流通业，才是真正健康、有前景的实体经济。 2、数字经济是实体经济的动力源泉 国内外学者对数字经济的认识基本呈一致观点，他们认为数字经济能够驱动实体经济发展，是实体经济的动力与源泉。其中Brookes, Martin和Zaki Wahhaj（2000）通过观测电子商务对日本和美国宏观经济的影响，认为电子商务作为信息技术应用的典范，将成为经济增长的新生力量。[15]另外，Georgion（2009）测算电子商务对英国、德国等13个西欧国家经济的影响，结果发现电子商务通过提升公司市场表现进一步促进经济增长。[16] 王亚男（2011）基于中国制造业的发展现状，结合制造业的优势和不足，提出了数字经济与实体经济融合不仅能改变制造业原有的增长模式提升制造业的竞争力，更能通过发展生产性服务业寻找制造业新的增长点。[17]刘吉超和庞洋（2013）认为基于信息技术的制造数字化革命和分布式能源互联网的普及应用，将带来分布式、社会化、网络化的大规模定制的生产方式，形成分散、开放、合作的社会商业架构和商业模式，以信息化改造生产制造和经营管理全流程、通过服务化将经营重心向产业价值链的两端延伸、推动制造业向绿色化方向发展，是制造业提升竞争力的主要路径。[18]马化腾（2017）认为，“互联网+”是数字经济发展的手段，目前“互联网+”带来的各行业的改变只是开始，但在不久的将来，数字经济的发展将会重塑各个行业的核心竞争力。[19]陈养才（2018）发现煤炭行业在两化融合的推动下，转型升级效果显著，具体体现在产业结构发生调整、产业技术得到升级、实现产业化发展、煤炭清洁高效利用水平提高，煤炭绿色发展落到实处以及煤机装备制造水平提升。[20] 三、数字经济与实体经济融合的国内外研究综述 （一）国外研究进展 由于西方发达国家是在工业化进程完成之后才开始信息化发展，所以国外学者直接探讨数字经济与实体经济的融合问题比较少，多数是研究信息技术与产业转型、企业发展之间的关联。KevinM.Stolarick（1999）认为将信息技术嫁接到传统产业、产品和工艺方面，会提高相关企业的生产率。正如Salvador和Ikeda所说，互联网可以通过信息透明化释放巨大的价值，大数据时代会产生新的产业形态和组织间管理规则。 然而，Michael等（2001）认为，信息化技术的应用并不一定能够直接增强制造业企业的竞争优势，对竞争优势的潜在贡献则是通过其对独特组织能力的开发和利用的影响。[21] Anna Giunta和Francesco Trivieri（2007）通过对约1.7万家公司进行了抽样调查，并使用IT采用指数作为因变量，对这些公司进行了有序的probit分析，研究结果显示，企业规模、地理位置、员工的职能构成、研发活动、分包、出口和企业之间的合作都是意大利中小型制造企业采用信息技术的重要决定因素。[22]。 Moosa（2011）通过研究数字经济与实体经济融合和制造业企业之间的关系，发现融合中的企业能够利用信息化网络来构建拓展生产模式，从而实现网络化、集约化制造，能够显著提升制造业和客户之间的联系，进而利用更加人性化的生产组织来降低经营风险。[23] Concetta Castiglione（2012）使用translog和Cobb-Douglas生产函数来估计1995年至2003年期间意大利制造公司的信息通讯技术（ICT）对技术效率(TE)的影响，结果信息通讯技术（ICT）投资对企业的技术效率（TE）有显著的正向影响。[24] （二）国内研究进展 国内学者在数字经济与实体经济融合发展的实证研究主要是对企业效益或产业转型升级的影响上进行研究。实证研究结果均表明，数字经济与实体经济融合会促进产业结构转型升级，对企业效益具有显著的促进作用。同时由于各地区融合水平各有差异，导致融合对产业结构升级的作用效果存在较大差异。 何帆和刘红霞（2019）利用A股2012～2017年数据考察实体企业数字化变革的业绩提升效应，实证结果显示数字化变革显著提升了实体企业经济效益，而且发现通过数字技术的应用降低成本费用、提高资产使用效率以及增强创新能力，可以有效实现企业数字化变革的经济效益提升。[25]李晓钟和黄蓉（2018）为研究分析了实体经济（纺织产业）与数字经济（电子信息产业）融合发展及其驱动纺织产业竞争力提升的机理,基于产业融合理论，通过构建两大产业融合评价模型，实证结果显示数字经济发展程度与两大产业耦合协调度和产业融合水平呈正相关，同时发现数字经济发展水平对纺织产业创新能力、出口规模及出口质量等起到显著的促进作用。[26]杨德明和刘泳文（2018）为探讨“互联网+”对传统企业业绩的影响，采用2013—2015年中国上市公司相关数据，并构建反映传统企业实施“互联网+”的指标，实证研究发现传统企业与互联网的融合显著提升了公司业绩[27]。倪萍（2013）基于重庆市数据对高新技术产业与现代服务业的关联性分析，结果表明，促进高新技术产业发展，推动信息化建设，会显著加快重庆市服务业的发展和产业结构转型，且后续作用会互相产生积极发展的影响，[28] 在数字经济与实体经济融合提出之前，被称作两化融合，即信息化与工业化融合。由于两化融合提出较早，国内学者对其研究较为丰富。主要研究工业化和信息化融合水平对制造业产业结构升级的影响效果、作用机理与区域差异。 张亚斌等（2014）利用协调发展系数法和SBM-Luenberger指数法分别测度了区域两化融合质量和工业绿色全要素生产率，实证结果表明，重化工业化趋势不利于工业绿色全要素生产率的改善，而区域两化融合质量的提升可以有效改善，提高区域工业环境质量绩效，进而促使工业向绿色发展转型。[29]谷唐敏（2016）通过对全样本面板数据的固定效应模型和随机效应模型采用系统广义矩估计进行回归分析我国30个省市2010－2014年考察两化融合对我国制造业转型升级发展的影响效果与区域差异。结果显示：两化融合影响制造业转型升级呈现显著区域差异性，其中东部地区的影响程度最大，但东、中两部地区的促进作用却逐步减弱。[30]焦勇和杨蕙馨（2017）研究表明，两化融合耦合程度和增值能力、政府干预显著促进产业结构向合理化与高级化发展，同时发现不同区域融合对产业结构高级化具有显著的异质性影响，而对产业结构合理化呈现出正向影响。[31]刘桂林（2017）以基础环境、工业应用和应用效益三个测度两化融合水平的分指标探讨了两化融合对我国产业结构升级的影响和作用机理。研究表明，基础环境和应用效益对产业结构合理化的影响相对显著，其作用机理主要是通过提升应用效益推动产业结构高级化。[32]马欢欢（2018）分析了工业化和信息化融合水平对制造业产业结构升级的作用机理，结果表明，两化融合水平对制造业产业结构升级有着显著的正向效果，且作用最强；且不同区域的工业化和信息化融合水平不同，其作用也存在明显的差异，对东部地区具有促进作用，而对中西部地区起到一定的抑制作用。[33] 四、数字经济与实体经济融合发展中面临的主要问题 我国数字经济发展仍处于初级阶段，在网络信息技术与实体经济融合的过程中，同样会出现诸多问题。而我们只有充分了解认识融合发展中问题，并及时解决，才能够持续推进数字经济与实体经济深度融合、健康发展。 （一）产业结构发展失衡 网络信息技术与实体经济加速融合应用，促进了一二三产业转型升级，但发现存在三次产业数字经济发展不均衡问题，第三产业数字经济发展远超一、二产业；而且，发达地区与欠发达地区数字经济发展极不不均衡；同时，数字经济生产领域技术、资源投入不如消费领域多，在创新、设计、生产制造等核心环节变革上远低于发达国家。（鲁春从，孙克，2017[34]；孙克，2017[35]） （二）传统产业转型压力大 数字时代的到来，给传统产业转型升级提供了很好的契机，但是由于许多传统企业数字化转型的实力普遍不足，存在着资金、技术和融合性人才缺乏，而导致缺乏创新，数字技术运用水平低下，以及涉及数字技术的领域其从投入应用到产生收益周期较长，亟需完善传统产业软硬件的基础发展。（严震，2018[36]；康伟，姜宝，2018[37]；方晓红，2019）同时，由于数字经济与实体经济加速融合，使得实体经济逐渐出现企业退出、不良资产积累等问题，对实体经济造成不小的冲击，反过来因为融合后主体、行为、环节更为复杂，联系更为紧密，从而导致无论哪个环节出现问题便极可能波及整个经济。（孙克，2017） （三）新旧动能转换支撑不足 数字经济驱动传统产业转型升级，但多数传统产业存在着高转换成本、搞试错成本和风险、大信息化投入、强资产专用性、长投资周期、等运用数字信息技术的动力不足问题；传统产业存在着较强的固化思维，使得数字信息技术子在实体经济中应用难度大，并且由于新兴产业刚进入，行业标准不够完善甚至缺乏，严重制约了企业前进的脚步；由于传统企业内部大多信息化基础较差，应用数字技术的能力不足，使得企业内部基础无法与外部服务体系相协调。（方晓红，2019）同时，由于数字经济与实体经济融合发展会使得企业原因的生产方式、生产模式发展变革，会对传统产业相关部门造成不小的冲击，因此这些组织部门需要进行调整以适应变化，但据研究表明，这个适应性调整的时间，即从数字信息技术投入到产生收益所需时间为3-10年。（孙克，2017） （四）高层次人才缺乏 数字经济产业在我国属于战略性新兴产业，精通互联网、大数据、人工智能等专业知识的人才本来就缺乏，而数字经济与实体经济融合便要求复合型人才，这远不能满足融合发展的现实需求。特别地，对于依稀中小制造企业来说，由于缺乏高素质复合型人才，无法实现互联网等数字技术与生产制造产业完美的进行融合，从而严重制约了其发展。（方晓红，2019）同时，普通高校培养方向重理论、轻实操，课程设置跟不上企业实际需求。（康伟，姜宝，2018） （五）自主创新能力差 近年来，虽然我国数字经济发展迅猛，但是，从技术方面来看，我国数字经济只是在电子商务、移动支付、共享经济等应用领域的技术创新能力较强，而在生产领域的核心技术创新能力仍然较弱。（方晓红，2019）从制造业的技术创新能力来看，我国的技术创新力水平低下，其中关键技术、核心技术主要来源于国外。从目前来看，我国本土制造业企业并没有没有形成技术扩散后的吸收和自主创新的良性循环，反而大多数企业基于眼前的利益，往往在引进核心技术后便进行模仿，以至于制造业产品仍处于产业链低端的状态。（王亚男，2011） 五、总结性评述 （一）评述 综上所述，学者对于数字经济与实体经济融合发展的研究，对我国传统产业的转型升级具有非常重要的意义。可以发现西方学者直接研究数字经济与实体经济融合影响产业结构转型升级的文章较少，大多是研究信息技术与企业发展之间的关系；国内学者对两化融合研究相对较为丰富，然而对数字经济与实体经济融合的实证研究仍旧太少。但实证分析侧重于研究对产业结构升级的影响，即基于整个国家或区域的视角研究产业间的转型升级，没有具体到某个省市、某个产业内的转型升级。由于我国各省份产业发展状况存在明显的地域差异，各地区的主导产业不同，研究产业结构升级对具体产业的发展不具有针对性，相关建议适用性不强。 从目前文献来看，对于数字经济的研究大多基于“数字”或信息技术视角，从经济视角的较少，并且由于数字经济与实体经济融合是2016年才提出来的，因此这方面的研究咨询机构、互联网企业等相比学者来说进行了较多的研究，其中具体的细分领域入手进行的实证和案例研究较多，系统性的理论分析较少。 （二）展望 数字经济发展历史并不长，且仍处于初级阶段，未来数字经济与实体经济容融合发展还有很大的研究空间，需要加强相关理论与实证的研究。理论方面，今后的研究应该更加注重数字经济与实体经济融合的本质与内涵，来挖掘数字经济的价值对传统产业的作用机理，为传统产业转型升级指出明确的道路；实证方面，今后的研究可以具体到省市的具体产业为研究对象，分析数字经济与实体经济融合水平对产业结构转型升级的具体作用，以弥补目前研究领域的空白。 同时，现今的研究对数字经济与实体经济测定的研究相对较为丰富，但是缺乏系统的关于数字经济与数字经济融合测度的指标，因此今后应注重融合的测度及评价。因为科学系统的评价体系是推动数字经济与实体经济深度融合发展的必要条件，不仅可以准确把握数字经济的特点，还充分考虑到实体经济的结构特征。此外，评价指标体系的构建正是为了反映两者融合的成熟度，从而可以指标帮助企业及政府有效找出融合过程中存在的问题。因此，评价指标体系的构建是数字经济与实体经济融合发展今后研究中的一大重点，应该分别构建一套完备、系统、权威的总体评价指标模型和反映区域、各行业的评价指标模型。 参考文献: [1] Don Tapscott. The digital economy:Promise and perilin the age of network and intelligence. Vol.1.NewYork:McGraw-Hill，1996. [2] Предложения Экспертногосоветапри Правительстве Российской Федерациипоразра боткепрограммы《Цифроваяэкономика》.23января 2017г.Цит.поэл.версии .（2017.2.27）. [3] ErichH.Strassner，BEA Advisory Committee.Measuring the Digital Economy[EB/OL].  . [4] UKGovernment，Digital economy act2010[EB/OL].  . [5] Australian Government.National digitale conomy strategy[EB/OL].   economy strategy. [6] Brookes,Martin,Zaki Wahhaj. The Shocking Economic Effect of B2B[M]. Goldman,Sachs & Co. Global Econimics,Februrary 3.2000. [7] Georgiou,M.N. E-Commerce has a Postive Impact on Economic Growth: A Panel Data Analysis fou Western Europe [R].2009. [8] Haltiwanger J, Jarmin R S.Measuring the Digital Economy[J].E.byrnjolfsson&B.kahin Understanding the Digital,2000. [9] Bo C.The Digital Economy:what is new and what is not[J].Structural Change&Economic Dynamics,2004,15(3):245-264. [10] Michael J Zhang, Augustine A Lado. Information systems and competitive advantage:a competency －based view[J]. Technovation,2001,21(3). [11] Anna Giunta, Francesco Trivieri. Understanding the determinants of information technology adoption: evidence from Italian manufacturing firms[J]. Applied Economics,2007,39(10). [12] Imad Moosa. On the U.S.－Chinese trade dispute[J] Journal of Post Keynesian Economics, 2011,34(1). [13] Concetta Castiglione.Technical efficiency and ICT investment in Italian manufacturing firms[J]. Applied Economics,2012,44(14). [14] 引用自《二十国集团数字经济发展与合作倡议》 [15] 刘骏民. 虚拟经济的理论框架及其命题[J]. 南开学报:哲学社会科学版,2003(2):34-40. [16] 成思危. 虚拟经济探微[J]. 南开学报：哲学社会科学版,2003(2):23-28. [17] 金碚. 全球竞争新格局与中国产业发展趋势[J].中国工业经济,2012(5):5-17. [18] 吴秀生,林左鸣. 以广义虚拟经济的视角定位“新”经济[J]. 经济体制改革,2006(2):12-16. [19] 刘晓欣.个别风险系统化与金融危机——来自虚拟经济学的解释[J]. 政治经济学评论,2011(4):005. [20] 于乐,潘新兴. “两化融合”相关问题研究综述[J]. 价值工程,2012,31(14):148-150. [21] 闫德利. 数字经济是融合性经济,其主体属于实体经济[J]. 中国信息化,2018(06):99-100. [22] 邬贺铨. 邬贺铨:数字经济就是实体经济[J]. 南方企业家,2016(12):18. [23] 王亚男. 两化融合中我国制造业的机遇、挑战与发展[J]. 北京邮电大学学报(社会科学版),2011,13(02):75-82. [24] 刘吉超,庞洋. 两化融合背景下制造业竞争力的提升路径[J]. 未来与发展,2013, 36(11):69-73. [25] 马化腾. 数字经济与实体经济的分野终将消失[J]. 中国经济周刊,2017(18):82-83. [26] 陈养才. 深入推进两化融合促进煤炭工业转型升级[J]. 中国煤炭工业,2018(06):8-12． [27] 何帆,刘红霞. 数字经济视角下实体企业数字化变革的业绩提升效应评估[J]. 改革,2019(04):137-148. [28] 李晓钟,黄蓉. 工业4.0背景下我国纺织产业竞争力提升研究——基于纺织产业与电子信息产业融合视角[J].中国软科学,2018(2):21-31. [29] 杨德明,刘泳文. “互联网+”为什么加出了业绩[J]. 中国工业经济,2018(05):80-98. [30] 倪萍. 两化融合对现代服务业影响的统计研究[D]. 重庆工商大学,2013. [31] 沈裕谋,张亚斌. 两化融合对中国工业绿色全要素生产率的影响研究[J]. 湖南科技大学学报(社会科学版),2014,17(03):70-77. [32] 谷唐敏. 两化融合对我国制造业转型升级的影响与区域差异[D]. 江西财经大学,2016. [33] 焦勇,杨蕙馨. 政府干预、两化融合与产业结构变迁——基于2003-2014年省际面板数据的分析[J]. 经济管理,2017,39(06):6-19. [34] 刘桂林. 信息化和工业化融合能否推动产业结构升级?——基于中国省际面板数据的经验分析[J]. 现代管理科学,2017(10):48-50. [35] 马欢欢. 工业化和信息化融合水平对制造业产业结构升级的影响[D]. 上海师范大学,2018. [36] 鲁春丛,孙克. 繁荣数字经济的思考[J]. 中国信息界,2017(02):32-35. [37] 孙克. 促进数字经济加快成长促进数字经济加快成长:变革、问题与建议[J]. 世界电信,2017(03):31-36. [38] 严震. 四川数字经济和实体经济融合问题初探[J]. 四川省情,2018(09):3-64. [39] 董浩,韩文泉. 山东省数字经济与实体经济融合发展研究[J]. 山东纺织经济,2019(03):5-7. [40] 卢永真,杜天佳,王佳佳,袁雪. 实体与数字经济融合助推高质量发展[J]. 国家电网,2019(02):24-25. [41] 张丽哲. 数字经济与实体经济评价的差异分析[J]. 改革与开放,2018(24):37-39. [42] 严震. 四川数字经济和实体经济融合问题初探[J]. 四川省情,2018(09):63-64. [43] 倪晓炜,张海峰. 中国数字经济发展路径[J]. 中国电信业,2018(08):75-77. [44] 周士跃. 科技创新与经济发展融合问题研究综述[J]. 中共乐山市委党校学报,2018,20(03):72-75. [45] 杨德明,刘泳文. “互联网+”为什么加出了业绩[J]. 中国工业经济,2018(05):80-98. [46] 王春晖. 实体经济与数字经济融合构建现代化经济体系的基石[J]. 通信世界,2017(33):9. [47] 许旭. 我国数字经济发展的新动向、新模式与新路径[J]. 中国经贸导刊（理论版）,2017(29):49-51. [48] 司晓,孟昭莉,王花蕾,闫德利. 数字经济:内涵、发展与挑战[J].互联网天地,2017(03):23-28. [49] 陈畴镛. 把握数字经济机遇培育发展新动能的建议[J]. 决策咨询,2017(01):11-12. [50] 康伟,姜宝.数字经济的内涵、挑战及对策分析[J].电子科技大学学报（社科版）,2018,20(05):12-18. 文章写于2019年6月，仅供参考！

摘 要：大数据的产生给未来信息技术带来新的机遇与挑战。大数据对数据处理的有效性、实时性提出了更高要求，需要根据大数据的特点对当前数据处理技术实施变革，从而形成更有益于大数据采集、存储、处理、管理、分析、共享的新兴技术。本文从大数据的产生与发展、特征、主要应用以及大数据所带来的挑战等方面进行阐述与分析。

关键词 ：大数据 物联网 信息处理 海量计算

一、大数据的产生与发展现状

随着物联网、云计算等信息技术的飞速发展，大数据技术(Big Data)也越发进入人们的视线。大数据是用传统方法或工具很难处理或分析的数据信息。目前，人们对大数据的理解还不够全面和深入，关于大数据的含义也没有一个统一的定义。亚马逊大数据科学家John Rauser认为：大数据是超过任何一台计算机处理能力的庞大数据量。Informatica 的中国区首席顾问但彬指出：大数据是海量数据与复杂类型的数据的结合。而维基百科则把大数据定义成诸多大而复杂的、难以用当前数据库处理的数据集合。

大数据研究受到国内外学术界和工业界的广泛关注，已成为当今信息时代全世界讨论的热点。2008年，Nature杂志就推出大数据专刊，计算社区联盟也在同一年发表了报告《Big data computing; Creating revolutionary breakthroughs in commerce， science and society》，报告阐述了解决大数据问题所需的关键技术以及所面临的挑战。美国奥x政府于2012年3月在白宫网站发布了《大数据研究和发展倡议》，提出了通过收集、处理海量、复杂的数据信息，从而提升能力，加快科学和工程领域的创新步伐，转变学习教育模式，强化美国本土的安全”。2011年1月，微软公司同惠普公司合作开发了一系列能够提升生产力，同时提高决策速度的设备。此外，欧盟委员会也提出驾驳大数据浪潮的战略思路，日本发布的《面向 2020 的 ICT综合战略》也提出需要构造大量丰富的数据基础。

近年来，我国也积极开展对大数据的研究。2011年10月，工信部确认京沪深杭等 5 城市为“云计算中心”试点城市。2012年6月，中国计算机学会青年计算机科技论坛也举办了“大数据时代，智谋未来”学术报告研讨会。大数据及其科学研究方法涉及应用领域很广，并将与国计民生密切相关的科学决策、金融工程以及知识经济领域紧紧接合。

二、大数据的特点

目前，企业界和学术界都一致认为，大数据具有4个“V”特征，即：容量(Volume)、种类(Variety)、速度(Velocity)和至关重要的`价值(Value)。

(1) 容量(Volume)巨大。海量的数据集从TB 级别提升到PB 级别。

(2) 种类(Variety)繁多。大数据数据源有多种，数据格式和种类不同于以前所规定的结构化数据范畴。

(3)价值(Value)密度低。如视频的例子，在不间断连续监控的过程中，可能有意义的数据仅有一两秒。

(4)速度(Velocity)快。包含大量实时、在线数据处理分析的需求1秒钟定律。

三、大数据应用的领域

大数据产业的发展将推动全球经济由粗放型向集约型转变，这将对提升企业整体竞争力和政府监管能力具有意义深远的影响。

商业作为大数据的重要应用领域。沃尔玛公司通过对消费者购物行为等一系列非结构化数据的分析，了解不同顾客的购物习惯，公司从所销售的数据进行分析，从而选出适合在一起搭配出售的商品;淘宝也针对买家开设了大数据平台，为客户量身打造了一整套完善的网购体验产品。

大数据在金融业也起到了至关重要的作用。美国Equifax公司利用大数据技术，通过对其的数据库中与财务有关的记录海量信息进行索引处理和交叉分享，从而得到客户的个人信用等级，以推断出客户的支付需求与能力。

随着大数据在医疗与生命科学研究过程中的广泛应用和不断扩展。2010年，中国公布的《十二五规划》指出：要重点建设国家级、省级和地市级三级医疗卫生信息平台，建设电子病历和电子档案两个最为基础的数据库。各级医院也将在医疗信息仓库、数据中心等领域加大投入，医疗数据信息的存储将愈加被关注，医疗信息中心的关注焦点也将由传统的计算领域转为存储领域。

除此之外，大数据在制造业领域也有着广阔的应用。制造业企业积累了广泛的数据信息，在开展对业务数据进行技术管理的同时，企业需要通过大数据处理技术来帮助决策者从数据库储存的海量信息中找到有价值的信息，并且对其进行分析处理，从而增强决策的正确性、规避风险。

四、大数据所面临的挑战

大数据技术使人们能够更好地利用之前不能使用的各个数据类型，找出被忽略的信息，促进企业组织更加高效、智能。但随着对大数据研究的不断深入，人们也更加意识到当大数据技术向人们敞开“方便之门”的同时，也带来了众多的挑战：

(1)大数据需要更为专业化的管理技术人才。

(2) 大数据的合理利用需要解决容量大、类别多和时效性高的数据处理问题。

(3)大数据的利用对信息安全提出了更高要求。

(4)大数据的集成与管理问题。

这些挑战已成为关系到未来大数据发展的重要因素，同时也成为未来引领大数据发展的推动力。

五、结束语

大数据已经逐步渗透到人们工作生活的诸多领域中，对于大数据的研究也在不断的深化。本文针对大数据的产生与发展、特征、主要应用以及大数据所带来的挑战等方面进行阐述与分析。大数据的发展还处于初级阶段，还有更为广阔的空间需要人们不断开拓，如何合理地利用大数据、更加高效地处理大数据来为人们服务仍需要广大研究者不断地研究和探索。

参考文献：

[1]刘智慧，张泉灵.大数据技术研究综述[J].浙江大学学报，2014，46(6)：957- 972.

[2]严霄凤，张德馨.大数据研究[J].计算机技术与发展，2013，23(4)：168-172.

[3]刘俊.基于大数据流的Multi-Agent系统模型研究[J].计算机技术与发展， 2007，17(5)：166-169.