推动制造业与大数据融合实现转型发展
作者：天津商业大学经济学院副院长、教授 吕明元；天津商业大学经济学院硕士研究生 苗效东
加快我国制造业高质量发展，推进大数据和实体经济深度融合，是党的十九大报告提出的实现经济高质量发展的重要举措。2019年是天津市智能制造的“攻坚年”。
2019年1月，《天津市大数据发展规划（2019-2022年）》和《天津市促进大数据发展应用条例》正式出台实施，旨在营造大数据发展的良好环境，建设数字天津，使大数据成为推动天津高质量发展的新动能，尽快建成全国先进制造研发基地。
我市制造业与大数据融合发展初见成效
第一，大数据产业集聚效应初步显现。2013年，我市出台《滨海新区大数据行动方案（2013-2015）》，我市贯彻落实京津冀协同发展战略，依托北京中关村信息产业的技术优势和“京津冀国家大数据综合试验区”，培育和承接了一大批大数据企业和重点项目，是目前我国大数据企业集聚最多的地方之一，形成了京津冀大数据走廊格局。
第二，大数据技术创新取得突破。我市依托大数据产业发展试点和重点示范项目，促进大数据和实体经济融合发展。大数据领域的专利申请数量呈快速增长模式，依托于大数据发展平台、大数据孵化产业基地与众创空间，科技“小巨人”企业正逐步成为引领我市科技创新的重要主体。
第三，大数据助力我市制造业转型升级成效明显。一是“改造”。通过改造和升级制造设备，优化工艺技术流程，提高制造业自动化和信息化。二是“融合”。深化大数据技术与企业管理融合，实现生产的智能化、高端化和柔性化。三是“重构”。制造业企业依托大数据服务平台，进行研发、设计、生产、营销、物流、售后等全产业链环节的创新，重构商业模式，推动制造业的服务化转型。
我市制造业与大数据融合存在的问题
第一，大数据与实体经济融合的产业体系有待完善。我国目前尚未形成大数据产业统一的统计口径，对大数据产业的描述多为“大数据相关产业”等模糊性概念。我市着力打造的智能科技产业既是大数据、云计算、人工智能等新技术的应用成果，也是大数据产业体系中的重要部分，产业界定不清会带来规划上的不兼容。同时数据资源的开放、共享的程度较低、数据权属不清、数据交易效率不高等基础性产业体系也不成熟，这些都将对大数据与实体经济尤其是制造业的深度融合带来不利影响。
第二，设备连接不足，制造业企业应用大数据的基础较弱。近年来制造业企业创新热情不高，大数据领域的大部分创新成果仍集中在高科技公司和互联网公司，制造业企业的创新则集中在工艺和产品方面，商业模式创新占比较低，企业设备数字化率和装备数控化率较低。制造业企业在应用大数据时，在技术研发、应用以及设备更新等方面，面临的转型成本高、风险大，因而企业转型意愿不高，导致大数据在制造业企业落地难，企业承载能力较弱等问题。
第三，工业大数据整体仍处于起步阶段，相关研究成果不足，成果转化率低。目前大数据应用最多的领域仍集中在金融、电商、政务、医疗等方面，工业大数据的应用还刚起步，加之制造业生产的复杂性和行业投入要素的异质性，大数据在制造业中的应用场景和模型不足。同时，大数据方面的技术供给与制造业转型需求的匹配不足，科研成果转化成本高，转化率低。
第四，大数据人才短缺制约了制造业与大数据融合的步伐。我市大数据和制造业的融合，对两类人才存在需求，一是大数据领域的专业技术人才，主要是负责大数据核心技术领域的成果研发和技术创新；二是制造业方面的大数据应用人才。推动我市制造业和大数据的跨界融合，势必需要既了解制造业业务发展需求，同时也掌握大数据专业技术和管理的复合型人才，他们是真正推动大数据和制造业融合的关键。
推动我市制造业与大数据融合的对策思考
第一，提高数字化基础设施建设水平，激发企业在大数据领域的“双创”热情。一是完善大数据领域的基础设施建设，加快工业大数据核心技术和相关产品的研发、成果转化与应用；二是要尽快完善大数据技术标准，修订和完善数据安全和使用方面的相关法规，如数权法和数据共享开放的相关规定等；三是要通过政策引导和金融财政支持，深化财税金融体制改革，引入民间资本，支持企业加快技术改造和设备更新，提高“双创”热情。
第二，培育和完善大数据产业体系。建立大数据产业统一的统计口径，界定产业边界，促进数据共享和数据交易；加大研发投入，推进科研体制改革，加强知识产权保护，建立研发激励机制，在大数据关键领域打造出一批具有国际竞争力的技术产品；打造良好的营商环境，通过相关政策支持和战略规划，以龙头企业为核心，鼓励大数据领域的创新创业活动。
第三，健全大数据的理论基础研究和社会应用研究。大数据是一门以数据为核心的交叉性科学。要完善大数据学科的理论基础研究，探究大数据的生命周期和演化规律，为大数据和制造业融合的实践活动提供理论支持。此外，在社会应用方面，要深入推进大数据和实体经济的融合，总结大数据在制造业中的典型应用场景，以及驱动制造业转型升级的原理和机制，从而更好地制定行动规划推进大数据与制造业的融合，以创新引领发展新模式。
第四，建立有效的人才培养和引进机制。一是建立完善的、多层次、全方位的产学研合作方案，在高校不仅要开设大数据相关学科，也要强化高校与企业、研究所的实践对接，加强校企联系，培养大数据领域的复合型人才；二是建立市场化的人才选聘和激励创新机制。一方面通过市场力量完成对一部分信息技术人才的大数据专业技术改造，实现技术人员的转型；另一方面要完善人才引进的政策体系，加大资金支持力度，同时利用市场力量吸引和集聚海内外优秀人才。