數智驅動背景下全域產業數據治理能力提升路徑研究

魏明珠　鄭榮　雷亞欣等

關鍵詞： 全域產業數據治理； 非對稱創新； 定性比較分析； 必要條件分析

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２３．０４．００３

〔中圖分類號〕Ｇ２０３ 〔文獻標識碼〕Ａ 〔文章編號〕１００８－０８２１ （２０２３） ０４－００１７－１１

數字經濟時代， 數據作為要素積累、戰略規劃、模式創新等活動的動力之源， 成為經濟發展中的關鍵生產要素。要發揮數字經濟優勢， 加快產業數字化、智能化轉型， 提高產業鏈供應鏈穩定性和競爭力， 需充分發揮產業數據效能。全域產業是指某一省級或市級行政區的全部產業集合， 對全域產業進行數據治理， 能夠促進數據發揮更大價值， 尤其是政府掌握更多數據資源的情況下， 基于數據協同與共享， 通過精準的數據治理， 促使數據對全域工業、金融、商貿及政務等各個產業均發揮重要作用。從宏觀角度出發， 區別于以往的單一影響因素識別為基礎的傳統數據治理， 全域產業數據治理屬于復雜治理問題。在多任務和多場景背景下， 省級產業科技資源優化的合理配置問題、信息技術應用深度推廣問題和產業數據治理效能提升問題， 是我國產業發展優化和產業數字化轉型的重點和難點，同樣也是全域產業數據治理目標的重點與難點。從微觀角度出發， 在“大物云智移” 等技術愈發成熟的今天， 我國各產業對于數據公開、共享、增值和利用的需求越來越大， 與此同時， 龐大的數據量也給政府、產業本身、產業中的企業等主體的傳統數據治理模式及產業數據管理、整合、監督和分析帶來了新的困難。我國各省級區域在產業發展階段和資源儲備上存在巨大差異的背景下， 如何有效利用龐大的數據量也成為全域產業數據治理的難點。因此， 本研究探索性地提出全域產業數據治理論題， 通過對整個區域產業運行過程中數據要素進行計劃、監督和執行， 對“產業數據要素管理的管理”， 以解決當前存在的問題。以３１ 個省級行政區的全域產業（非某一特定產業）數據治理為實踐背景， 探索不同省級區域之間的產業數據治理能力差異， 對各省級政府提升全域產業數據治理能力提供合理化建議， 賦能產業數字化、智能化發展。

１相關研究與相關概念

１.１相關研究

數據治理的概念最早誕生于企業和各類組織，一方面是對數據本身的治理； 另一方面是依數據的治理［１］ 。目前， 大多數研究聚焦于政府數據治理。從政府平臺、業務流程、信息基礎設施等要素出發， 將政府數據碎片化管理提升至整體化數據治理［２］ ， 從而提出整體性政府數據治理的概念［３］ ，由此構建數據治理標準化協同路徑［４］ 。同時， 以應用場景和治理困境為出發點， 剖析政府數據治理的發展方向［５］ ， 最終提出數據治理在治理主體層面、技術層面、數據層面、業務和服務層面遵循協同共享的發展路徑［６］ 。目前針對數據治理能力的研究大多集中在數字政府建設（技術管理能力、注意力分配）［７］ 、政府公共衛生治理實踐（技術、組織、環境）［８－９］ 、政府數據治理績效（物理維度、事理維度、人理維度）［１０］ 等多重影響因素方面。可以發現， 目前數據治理研究為政府各類治理工作提供了豐富的解釋， 但大多聚焦于某一類型的數據治理， 側重概念梳理和界定， 且更多體現于對數據本身的治理以及借助數據對具體問題的解決方案， 未能充分拓展數據治理的應用場景， 針對產業發展這一特殊場景的適用性還不夠。因此， 本文在政府數據治理研究基礎上， 延伸產業數據治理的應用場景， 重點研究區域范圍內產業數據的協同治理與應用效能的提升問題。由于產業相關數據治理隸屬于數據治理體系， 數據對象雖聚焦在產業運行過程中的各類數據要素， 也同樣可以借鑒政府數據治理的相關體系框架、模型及方法。本文從組態視角， 采用定性比較分析（ＱＣＡ）與必要條件分析（ＮＣＡ）相結合的研究方法解決多重因素的協同效應， 試圖進行以下３ 個方面的研究： ①探尋以“殊途同歸”的方式推動各省級政府的全域產業數據治理能力提升的所有條件組態； ②探尋對全域產業數據治理能力提升更為重要的條件或條件組合； ③探尋條件變量之間的替代關系。

１.２數智驅動背景下全域產業數據治理能力的內涵

本文聚焦全域產業數據治理， 即各省級政府聚焦數據價值的挖掘， 利用“大物云智移” 等智能技術與工具， 通過對數據使用的過程進行監督、評估、指導和執行， 不斷挖掘數據潛力， 促使數據賦能、賦智工業、金融、商貿及政務等全域產業發展的新業態與新模式。從治理主體來看， 是以政府為主導，由產業本身、產業中的相關企業個體、高校科研機構和第三方機構等多元主體共同參與； 從治理對象來看， 產業相關數據作為主要治理對象， 包括產業競爭情報文件、產業開源文本、政府或非政府組織數據相關政策、泛在數據等； 從治理手段來看， 從“技術支撐服務” 的角度將技術嵌入全域產業數據治理結構中； 從治理目標來看， 強調充分利用海量數據， 更好地解決復雜的產業發展和規劃問題， 為全域產業發展提供數據支撐和數據源動力。數智驅動背景下全域產業數據治理能力是以“數據” 和“智能技術” 為驅動進行數據治理， 是在產業數字化、智能化轉型過程中對全域產業數據治理水平的測度， 直接體現在各省級政府通過大數據的收集、加工、分析及應用， 賦能產業數字化發展的程度。

１.３數智驅動背景下全域產業數據治理能力的影響因素

由于目前對全域產業數據治理能力影響因素的相關研究較少， 因此， 通過深度訪談提取其影響因素。訪談對象的限定條件為： ①有過開展產業數字化、智能化工作的相關經驗； ②在產業數據“收集—加工—分析—服務” ４個環節中有過相關的經驗； ③受訪人員的職業、地域具有一定的差異性。最終選擇研究或從事產業數據分析工作或從事數據治理工作的相關政府部門、企業信息部門、高校科研團體、科技情報所及第三方咨詢機構的２２名受訪人員， 訪談對象信息如圖１ 所示， 訪談提綱如表１所示。

匯總訪談資料發現： 相關政府部門認為， 政策頂層設計、“雙資（資源與資金）” 均會影響數據治理能力； 企業信息部門認為， 企業及產業的數字化發展是接受數據治理的關鍵； 高校科研團體、科技情報所及第三方咨詢機構均認為， 用戶對產業數據治理的重視程度、用戶需求表達的準確程度是產業數據治理質量的決定性因素， 同時， 科技情報所強調大數據高精尖人才、專業復合型人才及資金投入是實現數據治理必不可少的“利器”， 高校科研團體強調技術設施及如何準確應用大數據智能技術解決問題也是全域產業數據治理過程中需要重點關注的內容。對訪談資料進行關鍵問題聚類和提取， 并借鑒前人研究， 最終總結出政策環境建設、資金投入強度、資源聚合水平、組織建設水平、產業數字化發展水平、用戶意愿及需求、人才智力保障、技術基礎設施及技術應用能力９個數智驅動背景下全域產業數據治理能力影響因素。為保證指標準確性， 筆者對保留的兩份訪談資料進行分析， 未發現新的二級指標， 通過理論性飽和檢驗。

２理論基礎與研究框架

２.１非對稱創新理論

非對稱創新理論是由中國學者魏江等人提出，聚焦中國情境特征， 探索中國企業的非對稱創新追趕路徑［１１－１２］ 。“非對稱” 聚焦中國情境， 具有資源與路徑兩層含義。一方面是指強政府制度、大市場形態與弱技術體制３ 個方面的特殊資源； 另一方面是指充分利用上述“非對稱” 資源要素， 并將其發展為本身的競爭優勢。強政府制度主要以政府為主導， 通過控制和分配資金、技術等核心要素供給驅動引領創新方向。１４ 億人口紅利帶來宏大的市場規模， 區域間發展水平的“勢能差” 滿足從低端到高端的階梯式全鏈條的市場。弱技術體制是中國長期以來技術落后的積弊［１３］ 。該理論想要突出強調的是中國情境下共通的價值， 不僅僅局限于企業或產業，聚焦全域產業數據治理的具體情境， 各省級政府同樣擁有強政府制度、大市場形態與弱技術體制３ 個方面的特殊資源。而具有差異性數據治理水平的省級政府需要充分利用非對稱資源， 逐步提升全域產業數據治理能力， 從而促進產業整體發展。因此，非對稱創新理論適用于我國全域產業數據治理的研究， 既能夠有效體現相當長時間內我國產業創新發展的特殊國情， 又可以通過區域發展的差異性路徑探尋今后我國產業數據治理能力提升的實施路徑。

２.２研究框架

組態分析中ＴＯＥ框架（技術、組織、環境）、ＷＳＲ理論（物理、事理、人理）是較為常見的研究框架， 但都不能夠完整地表征全域產業數據治理能力。根據前期的實際調研和訪談結果可知， 在數智驅動和復雜治理的大背景下， 全域產業數據治理離不開制度的規范、技術的牽引和市場的賦能， 因此基于非對稱創新理論構建“制度—市場—技術”三維組態框架， 如圖２所示。

２.２.１制度維度

制度環境是全域產業數據治理“施展拳腳” 的組織基礎。制度環境細分為政策環境建設、資金投入強度、資源聚合水平及組織建設水平４ 個二級指標。立足中國制度的特殊情境， 產業發展的部分核心要素掌握在政府手中， 政府通過組織建設、設計政策頂層導向、投入資金支持、聚合多方資源等方式宏觀調控要素分配及約束產業主體行為， 賦能全域產業發展。產業層面的各項活動都與政策制度聯系十分緊密， 對政策的變化和演化趨勢更加敏感。資金投入強度能夠間接體現重視程度。數據資源是產業發展新的生產力要素， 是產業數字化發展的重要利器。在政策環境復雜化、持續加大資金投入強度、聚合多種資源等多因素的共同作用下， 組織建設充分發揮了戰斗堡壘的作用， 對全域產業數據治理能力具有推動作用。

２.２.２市場維度

立足中國情境， 大國市場優勢明顯， 我國數據治理市場具有較大的發展潛力， 但也具有不均衡性和動蕩性。如不同區域的產業數字化發展水平差異顯著， 大數據相關產業載體建設情況不盡相同， 因此， 影響決策主體對數據治理的觀念意識， 從而導致產業主體對數據治理需求差異化。市場的高度動蕩間接促使人才流動。產業數字化發展水平、多元產業主體意愿及需求、人才智力等各種市場要素聯動并發揮交互作用， 進而觸發或阻礙全域產業數據治理能力， 從而影響產業整體發展。

2.2.3技術維度

數字化、智能化的產業建設必然對技術水平有所依賴， 創新數據治理相關技術方法和工具是實現產業數字化發展的有力支撐。技術基礎設施建設是全域產業數據治理發展的基礎， 只有提升信息基礎設施就緒度、優化數據平臺構建， 才能確保相關技術手段與工具在全域產業數據治理過程中發揮有效作用。技術應用能力是數據治理目標完成質量的決定性因素。確保足夠的技術積淀和保障條件， 有助于實現產業多元主體、多類型數據資源和產業創新深度融合， 有效提升對產業數據資源的鑒別、篩選、綜合研判水平， 全面優化數據治理過程。

３研究方法與設計

３.１研究方法： ＱＣＡ與ＮＣＡ相結合

必要與充分因果關系是兩種新興的因果關系解釋。ＱＣＡ 以集合論為研究基礎， 結合定性與定量方法， 探究研究問題因果關系的充分性與必要性，根據必要條件分析及組態分析解釋結果背后的因果復雜性［１４－１５］ 。ＮＣＡ 是基于復雜因果關系的一種全新的必要條件分析法［１６］ 。ＱＣＡ 雖然可以定向判斷前因條件對于結果是否必要， 但無法定量表示必要程度，通過ＮＣＡ 可以定量分析必要條件的效應量以及作為必要條件的瓶頸水平［１７－１８］ 。因此， ＮＣＡ 可以補充傳統的基于回歸的數據分析及ＱＣＡ 方法［１９－２０］ 。本文以ＮＣＡ 為必要條件的輔助研究方法精準推斷全域產業數據治理能力的瓶頸標準， 以ＱＣＡ 為充分條件的主導研究方法探究制度—市場—技術三維組態下全域產業數據治理能力背后的因果復雜性。

３.２數據來源及校準

３.２.１結果變量

研究聚焦各省級政府的全域產業數據治理能力， 利用各省級政府的行業應用指數測度全域產業數據治理能力， 該指數包括政務應用、工業應用、民生應用及重點行業應用４ 個維度， 表示各省級政府利用大數據技術， 融合多源產業數據， 提升工業、金融、政務、商貿、電信、制造業等各產業領域的競爭優勢， 賦能全域產業數字化發展。

３.２.２條件變量

條件變量由研究框架的３個維度細分所得。參考已有文獻， 依據國家統計局的《中國科技統計年鑒２０２１》、中國電子信息產業發展研究院、中國大數據產業生態聯盟的《中國大數據區域發展水平評估報告２０２１》收集整理相關數據。

１） 政策環境建設。以政策環境指數測度各省級政府的政策環境建設， 該指數以相關政策數量、類別（規劃、監管、激勵）為測度內容。只有政策保障持續優化， 才能共同發力數據要素價值創造， 從而為全域產業數據治理提供更好的政策環境基礎。

２） 資金投入強度。以Ｒ＆Ｄ 經費投入強度來測度。Ｒ＆Ｄ 活動是指為增加知識總量， 以及運用這些知識去創造新的應用而進行系統的創造性的活動。將Ｒ＆Ｄ 經費與ＧＤＰ 比值作為資金投入強度的衡量指標， 它反映了不同省級政府對全域產業數據治理的資金支持力度。

３） 資源聚合水平。以產業發展指數作為衡量指標。該指標計算包含了產業規模、企業數量、大數據技術與專利數量、數據開放平臺等相關內容。它體現了各省級政府將傳統產業基礎與新興技術演進趨勢謀篇布局的程度， 即全域產業數據資源聚合水平。

４） 組織建設水平。以組織建設指數作為具體的衡量指標， 即各省級政府的大數據管理機構設立情況與工作內容。該指標以大數據管理機構不斷下沉促進組織保障日益完善， 體現了不同省級政府進行全域產業數據治理時組織建設水平。

５） 產業數字化發展水平。以集聚示范指數作為衡量指標， 即國家大數據綜合試驗區、大數據相關產業載體、大數據新型工業化產業示范基地等建設情況， 以相關產業的數字化特色聚焦， 效應凸顯， 體現了不同省級政府進行全域產業數據治理時產業數字化發展水平。

６） 用戶意愿及需求。用戶意愿及需求是從產業數據治理需求方出發， 產業主體對數據治理意愿越強烈， 資金投入比重越大， 采用Ｒ＆Ｄ經費外部支出作為衡量指標， 該指標是指委托外單位或與外單位合作進行Ｒ＆Ｄ活動而撥給對方的經費， 體現了產業數據治理需求方接受產業數據治理的意愿與需求程度。

７） 人才智力保障。以智力保障指數作為衡量指標， 即大數據相關領域專業人才培養情況和人才擁有數量， 體現全域產業數據治理的人才智力水平， 保障數據治理質量。

８） 技術基礎設施。以信息基礎設施就緒度作為衡量指標， 包括５Ｇ基站數量、ＩＰＶ４ 比例及固定寬帶接入用戶占比等， 它反映了各省級政府的技術基礎設施水平。

９） 技術應用能力。以大數據發展水平指數作為衡量指標， 該指標主要包括基礎環境、產業發展和行業應用等相關要素， 能夠體現全域產業數據治理的技術應用能力。

３.２.３變量校準

數據校準是將原始數據轉換成帶有集合特點的數據， 校準后的集合隸屬度介于０～１ 之間。使用Ｒａｇｉｎ Ｃ Ｃ［２１］ 提出的較為常用的直接校準法， 分別將選取９５％、５０％及５％分位數作為集合完全隸屬、交叉點及完全不隸屬錨點， 具體如表３ 所示。

４結果分析

４.１ＮＣＡ必要條件分析

ＮＣＡ 利用ｘ－ｙ散點圖中的上限線（Ｃｅｉｌｉｎｇ Ｌｉｎｅ）劃分無觀測值區與可觀測區， 以上限線之上的空白區域（Ｃｅｉｌｉｎｇ Ｚｏｎｅ） 來判斷ｘ 條件的必要性（非充分）［７］ 。換言之， ＮＣＡ 是通過ｘ 對ｙ 的抑制效果來確定ｘ 條件的必要程度， 即空白區域面積越大， ｘ條件對ｙ 的必要程度越大， 結果如圖３ 所示， 根據圖中的空白區域可直觀判斷ｘ 對ｙ 的必要程度。采用回歸上線技術（ＣＲ）與包絡上限技術（ＣＥ）兩種上線分析技術對前因條件進行分析， 如表４所示。

ＮＣＡ 要求必要條件必須滿足兩個標準： ①效應量不低于門檻值（ｄ ＝０.１）； ②蒙特卡洛仿真置換檢驗顯示效應量顯著， 即ｄ≥０.１， ｐ＜０.０５［１７］ 。綜上， ＧＧ２、ＧＧ３、ＭＭ１、ＭＭ２、ＭＭ３、ＴＴ１、ＴＴ２ 均是全域產業數據治理能力的必要條件（不充分），其中ＴＴ１、ＭＭ３、ＭＭ２、ＧＧ３、ＧＧ２、ＴＴ２（以ＣＲ方法為準）尤為顯著， 且效應量依次增大。

必要條件瓶頸水平結果通過瓶頸效應量表示當結果變量ｙ 達到觀測范圍內的某一水平（％）時， 條件變量最少要滿足的水平（％）。例如要達到總觀測范圍內全域產業數據治理能力水平的８０％， ＧＧ１ 至少要達到３３.３％水平， ＧＧ２ 至少達到６３ ４％ 水平，ＧＧ３、ＧＧ４、ＭＭ１、ＭＭ２、ＭＭ３、ＴＴ１、ＴＴ２ 分別至少要達到各自的７１.９％、３０.２％、５４.８％、６７.１％、６５.６％、６４.６％、７７.６％的水平。而要滿足全域產業數據治理能力的１０％， 只有ＧＧ２ 是必要條件，其他條件都不必要， 表明ＧＧ２ 是提升全域產業數據治理能力的基礎必備條件。

４.２ ＱＣＡ 必要性檢驗結果

進一步采用ＱＣＡ 方法檢驗條件變量的必要性，結果如表６ 所示。一致性閾值設為０ ９， 高于０.９的條件變量視為必要條件， 可以獨立解釋結果變量。由表６ 可知， 不存在導致高全域產業數據治理能力的必要條件。

由于ＮＣＡ 要求前因條件為真正的原始測量變量， ＱＣＡ 需要將條件變量進行校準， 不是屬性本身程度的量化， 而是判斷某個性質是否存在的信心值， 因此ＮＣＡ 與ＱＣＡ 對必要條件的判斷標準不同。其次， ＱＣＡ 以散點圖對角線為參考線， 而ＮＣＡ 的上限線分析會形成帶截距的參考線， 上限線可能會向上移動或旋轉［１３］ 。因此， ＱＣＡ 必要條件分析的結果集是ＮＣＡ 的子集， 通常前者比后者少， 二者互證互補， 并不沖突［１７］ 。

４.３條件組態的充分性分析

運用ｆｓＱＣＡ３.０軟件對導致高全域產業數據治理能力的條件組態進行分析。可以得到簡單解、中間解和復雜解， 為了保留必要條件， 防止被簡約解簡化， 最終報告中間解。簡約解與中間解同時出現的條件為核心條件， 僅在中間解中出現的條件為邊緣條件［２２］ 。借鑒以往研究， 設置充分性的一致性閾值為０.８； 頻數閾值為１； ＰＲＩ（子集關系一致性）閾值為０.７， ＱＣＡ 組態結果如表７ 所示。根據６個組態的核心條件及背后案例的解釋邏輯， 本文確定了５ 條數智驅動背景下全域產業數據治理能力的提升路徑， 下文將結合相關理論和對應的案例進行具體詮釋。

５數智驅動背景下全域產業數據治理能力提升路徑

５.１結構優化型路徑

組態１和組態２均顯示了資金投入強度、資源聚合水平、用戶意愿及需求和技術基礎設施作為核心條件， 產業數字化發展水平與技術應用能力作為邊緣條件存在時， 通過人才聚集作用彌補政策環境建設與組織建設水平時， 帶來高全域產業數據治理能力。“制度—市場—技術” ３ 個維度均突出作用。首先， 強大的資金支持及豐富的數據資源是數據治理的發展筑基， 資金與資源雙驅動體現強政府制度的服務優勢； 其次， 成熟完善的大市場機制為資源合理配置營造了良好的環境。在高速推動產業數字化發展的加持下， 服務需求方對產業數據治理的重要性認識進一步加強， 用戶多方面、多層次、立體化的需求明確， 為實現數據精準賦能產業發展奠定基礎； 第三， 成熟的競爭性市場機制驅動人力要素與資金要素聚集整合， 使得全域產業數據治理過程實現良性循環； 最后， 良好的技術基礎設施與技術應用能力是穩步推進數智驅動背景下全域產業數據治理能力的重要保障， 為數據治理能力的提升提供了要素支持。充足的人才要素稟賦補充了政策環境建設與組織建設的不足， 此時， 既有的技術能力實現了對政策與組織環境的“智力服務補償”， 使得政策環境和組織建設整體作用不顯著。該路徑結果驗證了“制度—市場—技術” 三維要素對全域產業數據治理能力的積極作用， 符合該路徑的省份主要圍繞東部地區及川渝經濟圈分布并呈區域聚集性。包括以北京為中心的環渤海經濟圈（北京、天津、山東）， 以上海為中心的長三角經濟圈（上海、江蘇、浙江）， 以廣東為中心的泛珠三角經濟圈（廣東、福建）， 以成都和重慶為中心的川渝經濟圈（四川、重慶）。以江蘇省為例， 沿海經濟發達，政府資金豐厚， 產業發展勢頭迅猛， 在“制度—市場—技術” 三方面發展尤為均衡， 發布《江蘇省工業大數據發展實施意見２０２０》， 充分釋放工業數據價值， 建設南京雨花軟件園等新型工業化產業示范基地， 相關從業人員規模逐年上漲， 并在數據資源聚集中具有先發優勢， 全域產業數據治理在工業及重點行業應用中凸顯“頭雁效應”， 相互協同均衡下， 由此形成具有輻射效應的全域產業數據治理能力。湖北省毗鄰川渝經濟圈， 有著相類似的發展特征， 伴隨國內大數據重點企業的落戶和人才培養體系的完善， 大數據發展潛力巨大， 有望成為產業數據發展應用新增長點。可借鑒四川、重慶的做法， 推動產業數字化從無到有、由大變強， 從進企業、入園區到聯通更多產業集群， 同時政府與公共服務部門充分考慮服務需求， 推動大數據發展應用， 從而進一步提升全域產業數據治理能力。

５.２用戶需求牽引下資金和技術驅動型路徑

組態３中， 高資金投入強度、非高產業數字化發展水平、高用戶意愿及需求、高人才智力保障及高技術基礎設施為核心條件， 互補高組織建設水平、非高政策環境、非高資源聚合水平及非高技術應用能力為邊緣條件， 可以產生高全域產業數據治理能力。該組態中， 以用戶需求為牽引， 政府發揮積極作用， 給予足夠的資金支持， 以人才及技術為抓手， 滿足用戶需求， 實現全域產業數據治理。處于這類全域產業數據治理的省份主要為湖南省。尤其在深度訪談時， 湖南省科學技術信息研究所的工作人員強調， 湖南情報所通過檢驗檢測、文獻服務等引流方式強化用戶接受情報服務意愿， 細化不同產業的數據治理需求， 同時匯聚產業協會、第三方機構等專業人才， 形成“資金扶持—用戶需求牽引—技術人才保障” 的良好產業數據治理模式，符合本文用戶需求牽引下資金和技術驅動型全域產業數據治理能力組態解的典型特征。黑龍江省與吉林省在產業數字化發展水平方面仍有較大進步空間， 因此可借鑒該路徑， 以地域特色需求為牽引，通過人才＋技術的雙輪驅動， 發展農業生產數字化、農業農村信息化等， 推動全域產業高質量發展。

５.３產業數字化助力下制度與市場強化型路徑

組態４指出， 高政策環境建設、高資金投入強度、高用戶意愿及需求、高人才智力保障及高技術基礎設施為核心條件， 互補高產業數字化發展水平、非高資源聚合水平、非高組織建設水平及非高技術應用能力為邊緣條件， 可以產生高全域產業數據治理能力。該組態中， 產業數字化的輔助作用凸顯， 通過相關政策大力扶持， 推動市場要素鋪進，在制度和市場雙驅動下， 利用高人才智力及相應技術基礎設施， 充分發揮產業大數據價值， 促進產業數字化發展。符合該路徑的省份為河北省。河北省雄安新區的智慧城市建設在國家大數據綜合試驗區和數字經濟創新發展試驗區的“雙區” 政策環境支持下， 產業資源集聚和政策“洼地效應” 十分突出， 由此強化市場要素資源的全力推進， 包括產業主體借助高端引智助力產業轉型升級、組建河北省連翹產業技術研究院， 有效整合省連翹研究和產業開發等企事業單位的技術優勢、人才優勢、科研條件等， 打破單位藩籬， 形成強大合力， 針對全產業鏈發展的關鍵問題， 開展研究攻關和集成示范推廣， 由此提升產業數據治理能力。遼寧省發布《沈陽市政務數據資源共享開放條例２０２０》， 依托大數據綜合試驗區推動產業數字化發展， 可進一步借鑒河北省做法， 通過該路徑以政策或產業特色為導向， 吸引大數據相關人才與企業， 圍繞本地發展需要， 形成特色化發展驅動力， 促進區域協同發展， 實現經濟提質增效。

５.４技術主導下政策資源加強驅動型路徑

組態５顯示， 高政策環境建設、高資源聚合水平、高人才智力保障、高技術基礎設施及非高產業數字化發展水平作為核心要素存在， 組織建設水平及技術應用能力作為邊緣條件存在， 資金投入強度、用戶意愿及需求作為邊緣條件不存在時， 能夠帶來高全域產業數據治理能力。該路徑表明， 技術資源投入的確可以帶來技術、人才、知識溢出效應， 并補償用戶需求和資金不完善狀況， 同時， 低產業數字化發展也為全域產業數據治理提供了更自由寬松的發展空間。符合該路徑的省份是河南省。河南省具有國家大數據綜合實驗區， 同時構建多個市級大數據管理局， 政務數據高效匯聚、公共數據開放共享、工業數據價值釋放、數據要素交易流通， 強化數據資源匯聚與共享應用， 著力釋放數據價值， 由此持續提升一體化數據治理能力。依托良好的政策基礎環境及聚合資源， 河南省對大數據優秀人才的吸引力也顯著增強， 加強新型技術基礎設施建設， 尤其為工業數據治理效果顯著， 提升了當地工業產業的發展優勢。貴州省同樣具有國家大數據綜合試驗區作為先導試驗， 因此可借鑒河南省做法， 通過該路徑， 強化基礎設施統籌， 開展系統性試驗， 有效打破數據資源壁壘， 充分發揮高水平政策環境與資源聚合的作用， 進一步通過高層次人才引進， 對產業數據使用的過程進行監督、評估、指導和執行， 從而賦能工業、金融、商貿及政務等產業發展的新業態與新模式。

５.５政府助力下依托用戶需求的政策與人才驅動型路徑

組態６指出， 高政策環境建設、高人才智力保障、非高產業數字化發展水平為核心條件， 互補高資源投入強度、高資源聚合水平、高組織建設水平、高用戶意愿及需求、高技術應用能力及非高技術基礎設施為邊緣條件， 可以產生高全域產業數據治理能力。在政府資金、資源及組織的“幫助之手” 作用下， 全域產業數據治理能力提升效果明顯。組態６ 表明， 在產業數字化發展水平不高的省域， 政府提高效率， 給予資金資源的助力， 通過打造高的政策環境、吸納多的專業人才， 可以產生高全域產業數據治理能力。處于這類路徑的省份為安徽省。例如， 安徽省為統籌數據資源， 發布《安徽省政務數據資源管理辦法２０２１》等相關政策文件， 同時通過人才引進政策集聚包括高精尖、技能型、復合型區域人才， 發揮輻射帶動作用， 通過科技對口幫扶項目、國家火炬特色產業基地推薦等數字服務， 建立政府引導下集群產業鏈協同機制， 提升主導產業在細分領域的發展優勢。內蒙古自治區地域廣袤， 電力資源豐富， 氣候條件優越， 國家助力打造基礎設施統籌發展類的大數據綜合試驗區，在數據中心存儲服務、軟件與信息技術服務等方面具備獨特優勢。因此可借鑒安徽省做法， 充分發揮能源優勢， 加大資源整合力度， 強化綠色集約發展； 加強與東、中部地區合作， 實現跨越發展。

６結論

本文在政府數據治理研究基礎上， 延伸產業數據治理的應用場景， 重點研究省級范圍內全域產業數據的協同治理與應用效能的提升問題。基于組態視角， 采用定性比較分析（ＱＣＡ）與必要條件分析（ＮＣＡ）相結合的研究方法解決多重因素的協同效應， 以非對稱創新理論構建研究框架， 綜合制度—市場—技術維度， 形成條件組態并分析得到以下結論： ①我國產業數據治理能力水平分布呈現明顯的區域差異性和集聚輻射效應。自北上廣和江浙地區到中部地區、川渝和東北地區， 再到中西部地區、西南地區依次遞減； ②資金投入強度是數智驅動背景下全域產業數據治理能力的關鍵瓶頸。ＮＣＡ 方法顯示， 技術基礎設施、人才智力保障、用戶意愿及需求、資源聚合水平、資金投入強度、技術應用能力的必要性尤為顯著。ＱＣＡ 必要條件分析顯示，不存在單一要素構成高全域產業數據治理能力的必要條件， 說明促進全域產業數據治理能力的因素是多發性的， 需要同時關注多要素組合的綜合均衡作用； ③存在５ 條提升全域產業數據治理能力的路徑。結構優化型路徑、用戶需求牽引下資金和技術驅動型、產業數字化助力下制度與市場強化型、技術主導下政策資源加強驅動型、政府助力下依托用戶需求的政策與人才驅動型路徑均具有“異曲同工” 的等效性， 為其他要素基礎相似但全域產業數據治理能力不高的省份提供了“殊途同歸” 的路徑借鑒。

本文貢獻如下： ①拓展數據治理的應用場景，針對產業的具體情境， 提出全域產業數據治理能力的提升問題， 并將中國特色的非對稱創新理論應用其中， 擴展了非對稱創新理論的使用情景， 將全域產業數據治理研究情境具象化， 更具有實際意義；②運用多維組態視角研究各省級政府的全域產業數據治理能力提升路徑， 為數據治理研究提供了整合視角。本文不足之處： 研究僅針對固定時間的截面數據分析， 后續研究將從縱向發展角度分析面板數據， 深入探討全域產業數據治理能力的動態演變；本文涉及的條件衡量標準較為多樣， 后續研究可以采用其他指標作進一步檢驗， 以證實本文結論。