大數據產業共性技術路線圖研究

王　倩,李天柱

(遼寧科技大學工商管理學院，遼寧　鞍山　114051)

0　引言

產業共性技術是指在很多領域內已經或未來可能被普遍使用，其研發成果可共享并對整個產業或多個產業及其企業產生深度影響的一類技術[1]。產業共性技術處于競爭前階段，發達國家注重運用產業政策支持推進共性技術開發，如美國ATP計劃、日本VLSI研究聯合體、歐盟ESPRIT計劃[2]。中國同樣重視產業共性技術研發，明確提出加快產業共性技術和競爭前技術的研發和推廣工作，并發布《產業關鍵共性技術發展指南(2015年)》，這對產業技術體系構建、產業結構優化升級、增強產業競爭力有著重要助推作用，對于新興產業的形成和培育，搶占科技和經濟制高點具有重大意義。

產業共性技術和共性技術二者一般在概念上不作嚴格區分，國外多使用共性技術概念，中國則普遍認同產業共性技術概念，如產業共性技術研發、產業關鍵共性技術、產業共性技術供給等。通常認為，產業共性技術的應用范圍越廣，其共性能力就越強。學者們分析了產業共性技術內涵[3]、共性技術供給與擴散[4]、產業共性技術測度指標[5]等問題，對共性技術遴選流程和組織架構進行了設計[6]，認為產業共性技術已經進入到研發供給和應用共享兩個階段[7]，并借助產業技術路線圖對共性技術開展技術預見[8-9]。總體來看，先行研究主要集中在產業共性技術理論等方面，對產業共性技術篩選識別的選擇標準和機制則缺乏深入的研究，特別是對目前亟待發展的一些新興產業，更需要政府引導共性技術的發展，大數據產業就屬于這種類型。

隨著大數據時代的到來，大數據產業也將迅速進入蓬勃發展階段，提前對中國大數據產業發展進行戰略籌劃、謀篇布局成為刻不容緩的任務。大數據是一個嚴謹的科技概念，同時也涉及眾多產業和不同領域[10]，特別是當前大數據正處于科技創新和產業發展的前端。為抓住大數據產業競爭的先機，需要通過技術預見明確產業發展需求、確定亟需攻克的共性技術等基礎問題。本文應用專利地圖法對中國大數據產業共性技術進行預見性分析，進而繪制大數據產業共性技術路線圖，嘗試對影響中國大數據產業未來發展的基礎性問題進行回答。

1　產業技術路線圖

1.1　理論內涵

技術路線圖是技術管理的主流工具，它反映了對某一領域前景的看法以及實現這個前景的方法。作為一種實用的工具，使用者的層面和經驗各不相同，對技術路線圖的表現形式和使用技巧也不盡相同，因而產生了不同的流派。以美國為代表的流派關注技術路線圖繪制的結果，把技術路線圖作為一種技術預見工具；而以英國和歐洲為代表的流派，更關心技術路線圖繪制的過程，將其作為一種技術預見和組織學習的過程。技術路線圖可以應用在從微觀到宏觀的不同層面。一般而言，企業層面的技術路線圖比較微觀，更關注繪制過程和組織學習；而產業和國家層面的技術路線圖相對宏觀，更關注繪制的結果。

產業技術路線圖能夠引導企業及科研機構進行技術研發活動，明確產業技術在未來市場的發展機會。產業技術線圖經過長時間的發展和應用過程，目前已初步形成如下特點：①以“市場拉動”為動因，在考慮充分未來市場需求的前提下，分析市場與技術、環境等因素之間的互動；②繪制過程中需要對相關影響因素進行綜合分析，但規劃結果卻是高度概括性的，簡明扼要的指出未來技術發展路徑和發展措施，具有極強的前瞻性；③整合與技術未來發展相關的不同領域的利益相關者，使其明確在技術路線實現過程中應承擔的任務，再通過修正使技術路線圖趨于成型。

需要指出的是，本文聚焦于產業層面的技術路線圖，采用技術路線圖的思維方式，用以分析大數據產業的發展方向、共性技術、實現路徑以及發展策略，因而繪制出的技術路線圖主要是指向性的，而不是具體展開的結果。

1.2　制定流程

科學的制定流程是影響產業技術路線圖能否發揮其作用的關鍵。一般來說，產業技術路線圖的制定主要包括三個階段[11]：①準備工作階段，首先組建工作團隊，明確制定過程中的參與者和領導小組及各成員的主要工作職責；其次界定范圍和邊界，協調各層次間的共性技術、研發基礎等，確保獲取成功的技術發展路徑；最后需獲得政府和相關部門支持，通過政策傾斜引導產業發展，保證規劃結果能夠付諸使用。②核心開發階段，以“市場需求—發展目標—技術壁壘—研發需求”為產業技術發展路徑，最終繪制產業技術路線圖(見圖1)。③后續管理階段，根據市場需求和共性技術的變化定期評價更新，確保產業技術路線圖能夠適應不斷變化的產業發展趨勢。

1.3　專利地圖法

如圖1所示，制定產業技術路線圖需要綜合運用德爾菲法、情景規劃法、頭腦風暴法等多種未來研究方法，下面主要對在共性技術預見中發揮重要作用的專利地圖法進行說明。通過專利地圖法對技術領域的關鍵共性技術進行篩選識別，可以直觀清晰地看出技術領域的發展現狀和趨勢。專利地圖的制作過程主要包括四個步驟[12]：

圖1　產業技術路線圖的核心開發流程

(1)關鍵詞矩陣。針對目標技術領域，以初始關鍵詞收集相關專利文獻；其次從專利文獻中提取關鍵詞，形成關鍵詞列表；再核對每個關鍵詞是否存在于專利文獻中，形成關鍵詞矩陣。關鍵詞矩陣以關鍵詞為橫軸，專利文獻為縱軸，若第i個關鍵詞在第j個專利文獻中存在，點(i,j)用1表示，若不存在，則用0表示，如圖2所示。

圖2　關鍵詞矩陣

(2)聚類分組。利用K-means聚類算法對專利文獻進行聚類分組，使用關鍵詞特征值將專利文獻分成K組(K≥2)，如圖3所示。

(3)關鍵詞語義網絡。由圖4可知，組1中關鍵詞有a、b和c，組2中關鍵詞有c和d，兩組關鍵詞的交集為c，故兩組關鍵詞間的所有節點為(a,b)(c)和(d)。這里認為共同節點的級別高于其他節點，據此畫出(c)指向(a,b)(d)的箭頭，以此類推制作包含一個或多個關鍵詞的語義網絡，如圖5所示。

(4)專利地圖。分析語義網絡中每個專利的最早申請日期，將每個節點中專利的最早申請日期作為該節點日期，如圖6所示。最后，整理綜合語義網絡、專利申請日期和語義網絡節點，完成專利地圖。

圖3　利用K-means聚類算法對專利文獻進行聚類

圖4　分析聚類后每組專利文獻的關鍵詞

圖5　形成關鍵詞語義網絡

2　本文的研究設計

2.1　研究方法

本文主要針對大數據產業技術路線圖的核心開發階段，以“市場需求—發展目標—技術壁壘—研發需求”為研究思路，各環節運用如下研究方法:

(1)市場需求分析。運用德爾菲法、SWOT分析法對市場需求進行分析，為篩選產業共性技術、確定技術組織形式以及組織管理等提供科學依據。具體步驟：①采用德爾菲法獲取數據，圍繞產業的背景、資源現狀、技術及關聯度等進行調研，得出產業發展現狀；②運用頭腦風暴法剖析影響產業發展的有利因素、發展機遇及內外部不利因素，明確推動產業發展的因素和動力，識別產業發展中的不足和劣勢，編制SWOT矩陣。

圖6　結合專利申請日期建立綜合語義網絡

(2)產業目標分析。在市場需求的基礎上，采用德爾菲法、情景分析法凝聚對產業未來發展方向的判定，確定產業技術發展目標。具體步驟：①圍繞產業技術目標進行調研，將調研的目標要素，由專家評判排序，作為情景分析中的信息依據；②在情景分析中，通過對產業技術目標要素的討論分析，凝練出在近期、中期和長期需要解決的產業目標。

(3)共性技術分析。根據產業技術發展目標，識別出產業發展中所需的共性技術。以目標技術領域專利文獻為研究對象，運用K-means聚類、語義分析等方法制作專利地圖，提取共性技術清單。具體步驟參考1.3節中專利地圖的制作過程。

(4)研發基礎分析。綜合上述分析結果，識別產業技術領域中現實與目標間的差距，通過專家頭腦風暴法對技術發展路徑進行討論，明確突破產業共性技術的研發需求。

2.2　研究內容

運用上述研究方法，本文首先對大數據產業在中國經濟發展中的地位進行分析，通過SWOT分析識別未來市場對大數據的需求，確定亟需突破的領域；其次分析大數據產業驅動力，明確產業技術發展目標；再次依據未來大數據產業技術發展目標，通過專利地圖法對未來亟需攻克的大數據產業共性技術進行識別，從而帶動整個大數據產業的技術升級，實現產業發展目標；然后，根據產業共性技術，凝練出大數據產業發展需求及技術發展趨勢，通過明確產業研發需求，促進整個大數據產業的健康持續發展；最后，將共性技術按時間節點要素進行組合和連接，繪制中國大數據產業共性技術路線圖。

3　中國大數據產業共性技術路線圖研究

3.1　產業市場需求分析

在本次研究中邀請35位專家進行德爾菲調查，其中科研院所專家15人、政府機構專家4人、企業單位專家16人。根據專家所在不同領域和對大數據產業的熟悉度，請專家對大數據產業現狀、技術領域和發展趨勢進行分析，并編制SWOT矩陣。

(1)產業發展現狀。中國大數據產業起步較晚，但在政府大力扶持下已成為亟待加速發展的新興產業。2015年國務院印發《促進大數據發展行動綱要》，大力促進大數據產業發展，工信部編寫了《大數據產業發展規劃(2016—2020年)》[13]。此外，地方政府也高度重視大數據產業，截至2016年底，中國已有21個省市出臺有關大數據的產業發展規劃。

大數據產業分為核心產業、關聯產業和衍生產業，能夠通過“互聯網+”的帶動作用滲透到社會多個行業，從而形成整個輻射的產業。大數據核心產業包括大數據服務、基礎軟件、相關軟件和硬件等，圍繞數據資源形成大數據核心業態。大數據關聯產業包括電子計算機制造、電子信息制造、系統集成服務等，能夠促進信息產業集聚發展。大數據衍生產業包括人工智能、工業互聯網、普惠金融和綠色生態等，利用大數據驅動社會經濟生產，帶動經濟轉型升級。目前，中國大數據技術領域主要集中在數據采集和預處理技術、數據存儲與管理、數據挖掘、數據可視化等，這些技術手段可以為大數據相關產業提供深度的分析。然而，中國大數據產業在迅速發展的同時，也存在需要解決的問題。

(2)產業SWOT分析。結合德爾菲調查結果，對中國大數據產業發展現狀與地位進行充分分析后，借助SWOT分析法對大數據產業發展態勢進行剖析，構建SWOT矩陣(見表1)，提出大數據產業今后的技術發展戰略。

表1　中國大數據產業SWOT分析矩陣

中國發展大數據產業具有較大的現實需要和強烈的國家戰略意義：①中國信息化發展水平日益提高，對數據資源的采集、挖掘和應用水平不斷深化，政務信息化水平不斷提升，兩化融合正進入縱深發展的新階段。②在軟硬件方面，國內大數據龍頭企業推出自主研發的大數據基礎平臺產品，如阿里巴巴、華為云服務、浪潮等，還有一批初創的大數據公司，依賴于數據分析工具，提供創新型數據服務，市場需求急劇上升。③在智能分析方面，深度學習等人工智能前沿技術在語音識別、圖像理解、文本挖掘等方面搶占技術制高點。④在開源技術方面，中國對國際大數據開源社區的貢獻不斷增大，對數據分析處理能力提出了新要求。

根據上述分析，針對未來一段時期內中國大數據產業的市場變化和發展趨勢，提出大數據產業在近期(2017—2019年)、中期(2020—2022年)、長期(2023—2025年)應對市場發展需要解決的技術領域。近期亟待解決的優勢領域為數據計算模式與系統、數據可視化及大數據應用等。中期需要突破的潛在領域為數據采集和與處理、數據挖掘及機器學習等。長期需要攻克的滯后領域為數據存儲與管理和大數據隱私與安全。

3.2　產業發展目標分析

2015年中國信息產業收入達到17.1萬億元，比2010年翻了一番，其中大數據技術對經濟增長的貢獻總量占全國GDP的0.52%～0.78%，預計2020年將達到1.2%～1.9%[14]。可見，大數據對中國經濟的拉動作用逐年增強，并顯示出巨大的產業潛力。未來一段時間內，中國大數據產業發展方向為形成大數據產業體系、增加相關產品及服務業務收入、培育大數據應用及服務企業，建設大數據綜合試驗區及大數據產業聯盟。中國大數據產業技術發展主要集中在以下幾個方面：

(1)大數據采集和預處理。數據采集是大數據生命周期中的第一個環節，通過傳感器、社交網絡等方式獲得不同類型的結構化、半結構化和非結構化的多維海量數據。數據采集后企業可以對數據進行挖掘分析，以獲得穩定安全的數據資源。目前，中國在數據采集技術與預處理技術上已積累了一定技術優勢，在全球技術領域中具有較強競爭力。

(2)大數據存儲與管理。隨著互聯網快速發展，數據高速增長對數據存儲技術有了更高要求。已有的分布式數據存儲系統不能有效滿足大數據時代產生的海量數據，相關部門應大力投入對數據存儲系統的研發，是解決海量數據的關鍵。

(3)大數據可視化。數據可視化能夠直觀洞察數據，挖掘出數據的潛在信息。數據可視化廣泛受到關注，相關技術也日益成熟。但數據可視化仍存在許多問題，主要體現在數據分析過程中數據的呈現方式，是未來可視化研究的重點方向。

(4)大數據挖掘。數據挖掘是從大量隨機的、模糊的應用數據中提取人們事先不知道的、具有潛在價值的信息和知識的過程。大數據分析的核心就是數據挖掘，目前需要著重突破的技術有數據挖掘算法、語義引擎和預測性分析等。

(5)面向大數據的機器學習。機器學習是大數據的基石，也是人工智能的核心，利用機器學習相關技術能夠有效對海量數據進行篩選、分類和關聯。目前，機器學習應用已遍及人工智能的多個領域。

(6)大數據隱私與安全。大數據在收集、存儲和處理過程中面臨數據安全風險，數據泄露或虛假數據將導致無效的分析結果。美國和歐盟已提出有關大數據隱私安全的法案，但中國有關大數據的法律法規暫時較為模糊。

通過上述對中國大數據產業技術發展分析，凝練出中國大數據產業在近期亟待突破的技術為數據計算查詢、數據批處理、可視化、應用傳感設備和運算設備技術和移動終端技術等；在中期需要優先突破的技術為數據采集、多模態數據融合、數據預處理、數據挖掘和機器學習等；在長期需要解決的技術為分布式文件系統查詢、高效元數據處理、大數據隱私安全、權限加密技術和硬件加密技術等。

3.3　產業共性技術分析

在德溫特創新索引國際專利數據庫(DII)中，以big data為主題進行精確檢索，檢索時間為2017年4月9日，得到中國大數據相關專利文獻217項，以全文本方式進行存儲。在大數據專利文獻中提取關鍵詞(頻次≥3)，通過對關鍵詞語義的合并篩選，得到關鍵詞列表，見表2。

表2　大數據專利文獻關鍵詞列表

將217項大數據專利文獻進行K-means算法聚類，共分成7組，每組包含的關鍵詞見表3。然后，利用聚類結果形成一個具有7個組的關鍵詞語義網絡，如圖7所示。

表3　每組聚類專利文獻的關鍵詞列表

最終，根據關鍵詞列表、聚類分組情況和專利申請日期，整理出語義網絡中每個節點的頻率及最早申請日期(見表4)。

按照專利地圖制作步驟，完成專利地圖，如圖8所示。由專利地圖可知，大數據產業共性技術發展主要有如下幾種趨勢：

(1)大數據計算模式與系統。由“云服務器—移動終端、云計算”“數據分析、檢測方法—數據終端、云計算”共性技術發展路徑可知，該領域主要包括云計算、查詢、分析、批處理等技術。大數據計算模式與系統是中國大數據的優勢技術，應重點尋求技術突破。

(2)大數據可視化。由“移動終端、云計算—文件系統、顯示屏幕”“文件系統、顯示屏幕—控制系統—個人信息”“文件系統、顯示屏幕—大數據平臺—采集模塊”共性技術發展路徑可知，該領域主要包括可視化、界面、任務并行化等技術。

圖7　關鍵詞語義網絡

節點最早申請日期頻率關鍵詞(序號)12003-04-097大數據(1)海量數據(2)22014-05-236大數據分析(3)32015-09-285個人信息(9)42014-04-085預警(34)52014-11-184采集模塊(5)62015-04-154實時(10)72007-01-104數據存儲(18)82015-09-304存儲單元(24)92013-12-114控制系統(28)102006-06-303云服務器(6)用戶終端(12)112006-11-063通信模塊(11)通信設備(22)122014-10-223大數據平臺(8)132015-12-113采集裝置(14)142016-01-253輸出端(21)152006-12-122移動終端(4)云計算(7)162005-04-152數據包(15)大數據包(20)172006-11-062大數據技術(16)無線網絡(23)收集方法(25)數據采集模塊(30)

續表4

(3)大數據應用。由“實時—個人信息”“大數據分析—預警”“無線網絡—大數據平臺—行為數據”“云服務器、用戶終端—移動終端”共性技術發展路徑可知，該領域主要包括傳感設備及數據、移動終端、一體機等技術。大數據在不同行業的應用是未來發展重點，例如餐飲服務業、工業4.0和政府治理中的應用。

(4)大數據采集與預處理。由“云服務器、用戶終端—通信模塊、通信設備—采集模塊—采集裝置”“大數據平臺—采集模塊—采集裝置”共性技術發展路徑可知，該領域主要包括采集、清洗、數據預處理、數據一致性等技術。大數

圖8　大數據產業共性技術專利地圖

據采集與預處理是當前研究熱點，數據采集、數據融合和清洗是技術領域的重點發展方向。

(5)大數據挖掘。由“數據包、大數據包—大數據規模、大數據分析法、檢測方法—移動終端、云計算”“云服務器、用戶終端—移動終端、云計算—海量數據處理”共性技術發展路徑可知，該領域主要包括數據分析、數據挖掘、統計分析、機器學習等技術。大數據挖掘是當前大數據技術的重要發展趨勢。

(6)大數據存儲與管理。由“數據包、大數據包—數據存儲—大數據平臺”“云服務端、用戶終端—數據存儲—預警—存儲單元”“個人信息—存儲單元—采集裝置”和“檢測方法—文件系統—控制系統”共性技術發展路徑可知，該領域主要包括數據存儲、存儲單元、分布式文件系統等技術。大數據存儲與管理是大數據重要的技術領域，也是未來的研發關鍵。

(7)大數據隱私與安全。由“實時—預警—采集模塊”“大數據平臺—行為數據”“大數據分析—個人信息—存儲單元”共性技術發展路徑可知，該領域主要包括權限、加密、匿名、聚類等技術。目前，大數據在應用中面臨安全風險，大數據隱私安全保護方面需進一步加強。

3.4　產業研發基礎分析

從研發基礎方面看，中國大數據技術研發實驗室、工程中心、產業創新平臺、產業聯盟及投資基金等產業支撐平臺相繼建成，并擁有八個國家級綜合試驗區，分布在貴州、內蒙古、珠江三角洲、京津冀、上海、重慶和沈陽等地，預期引領中國大數據產業協同發展。此外，中國每年設立國家自然科學基金項目支持大數據技術研發，相關研發主體也在積極籌建中。

從技術研發方面看，中國大數據技術目前處于完善階段，在大數據計算模式與系統方面具有一定技術優勢，可視化技術處在積極研發中，應用技術已實現跨領域融合發展，與發達國家相比并無較大差距；數據存儲管理和大數據隱私安全是目前中國相對滯后的大數據技術，有待進一步深入研發；數據采集與預處理、數據挖掘及機器學習等是大數據產業的萌芽技術，鑒于目前已積累的技術優勢，中國有待在數據采集與預處理技術上取得突破性進展；隨著大數據前沿技術研發進展加快，人工智能、機器學習、深度學習等逐漸成為熱點技術，也是未來全球大數據技術的重點發展方向。

4　中國大數據產業共性技術路線圖

為了更直觀地了解大數據產業共性技術發展全局，在上述階段性研究成果的基礎上，對其進行系統性、綜合性考慮，將各部分有機要素按照時間節點進行分層次的有效組合并連接起來，繪制出中國大數據產業共性技術路線圖，見圖9。

圖9　大數據產業共性技術路線圖

5　結論

本文從產業共性技術視角切入，以大數據產業市場需求、發展目標、共性技術及研發需求為研究基礎，綜合多種科學方法進行實證分析，制定出大數據產業共性技術路線圖。通過上述對大數據產業共性技術路線圖的研究，可見中國大數據產業具有良好的產業基礎，為促進中國大數據產業迅速發展壯大，中國政府應當從如下幾方面著手：①提高大數據資源共享程度，加強大數據在政府治理和民生中的應用能力，將大數據潛在價值有效挖掘。②加強大數據共性技術研發創新能力，與國外相比仍有較大差距，應在數據采集處理、分布式數據存儲和數據挖掘等優勢領域尋求技術突破。③提升大數據應用水平，中國大數據應用領域目前存在深度不夠、融合力不強、應用不廣泛等問題，應利用中國市場的規模優勢，推進大數據在行業間與跨行業的融合發展。④完善大數據產業體系建設，健全數據所有權、隱私安全等法律規范，完善數據安全保障體系。

參考文獻：

[1]李紀珍.產業共性技術發展的政府作用研究[J].技術經濟,2005(9):19-22.

[2]薛捷,張振剛.國外產業共性技術創新平臺建設的經驗分析及其對我國的啟示[J].科學學與科學技術管理,2006(12):87-92.

[3]許端陽,徐峰.產業共性技術的界定及選擇方法研究——基于科技計劃管理的視角[J].中國軟科學,2010(4):73-79.

[4]李紀珍.共性技術供給與擴散的模式選擇[J].科學學與科學技術管理,2011(10):5-12.

[5]欒春娟.戰略性新興產業共性技術測度指標研究[J].科學學與科學技術管理,2012(2):11-16.

[6]韓元建,陳強.政府支持產業共性技術研發的遴選流程和組織架構設計[J].中國科技論壇,2015(10):15-21.

[7]賀正楚,張蜜,吳艷,陽立高.生物醫藥產業共性技術服務效率研究[J].中國軟科學,2014(2):130-139.

[8]張穎.湖北大重型數控機床產業技術路線圖研究[D].武漢：華中科技大學,2010.

[9]許曄,左曉利.中國地球空間信息及服務產業技術路線圖研究[J].中國科技論壇,2016(4):30-36.

[10]王倩,李天柱,劉小琴.全球大數據研究的歷史演進:1993—2016年[J].中國科技論壇,2017(7):33-39.

[11]陳家昌.技術路線圖在科技管理中的應用及其前景[J].中國科技論壇,2007(8):79-83.

[12]KIM Y G，SUH J H，SANG C P.Visualization of patent analysis for emerging technology[J].Expert systems with applications，2008，34(3):1804-1812.

[13]中華人民共和國工業和信息化部.大數據產業發展規劃(2016-2020年)[EB/OL].(2017-01-17).http://www.miit.gov.cn/n1146285/n1146352/n3054355/n3057656/n3057660/c5465655/content.html.

[14]韓涵.中國大數據的社會經濟價值研究[R].北京:中國信息通信研究院,2016.