張欣怡

（安徽財經大學統計與應用數學學院，安徽蚌埠 233030）

隨著信息時代的發(fā)展，互聯網的高度覆蓋以及信息技術與人類生產生活關系日益密切，人類活動帶來的信息導致全球數據呈現爆發(fā)式增長，信息時代進入了新階段——大數據時代。大數據產業(yè)則是在這種背景下，基于各種來源廣泛、數量龐大的數據資源而形成的數據存儲、價值提煉、智能服務與應用的新興產業(yè)，并且近些年隨著物聯網、云計算技術和移動互聯網的迅速發(fā)展，大數據產業(yè)的發(fā)展已經成為經濟增長新的制高點，引起各級政府的高度重視。2014年，大數據首次寫入政府工作報告；2015年，國務院印發(fā)《促進大數據發(fā)展的行動綱要》，成為中國發(fā)展大數據產業(yè)的戰(zhàn)略性指導文件；2016年發(fā)布的《中華人民共和國國民經濟和社會發(fā)展第十三個五年規(guī)劃綱要》闡釋了國家大數據戰(zhàn)略，成為各級政府制定大數據發(fā)展規(guī)劃和配套措施時的重要指導。目前總體來看中國的大數據產業(yè)面臨著前所未有的發(fā)展機遇和向好的發(fā)展趨勢，與大數據產業(yè)相關的企業(yè)數量也在逐年遞增，除少數能夠自己生產數據并將其作為企業(yè)發(fā)展驅動力的大數據“巨頭”企業(yè)，這些企業(yè)多為大數據第三方服務公司，他們專業(yè)針對大數據抓取、處理、分析、挖掘，可以通過將網絡上和現實中散亂分布的信息集中起來，通過強大的處理功能，準確挖掘出所需數據并提煉其深層價值為需求者提供服務。經營能力評價可以判斷這些企業(yè)的經營效益和未來發(fā)展的支撐能力，分析大數據相關企業(yè)的經營能力創(chuàng)造的經濟效益的有效程度，可以為不同經營能力的比較、論證和尋求提高的途徑提供依據。

查閱現有文獻發(fā)現，目前對大數據產業(yè)的學術研究主要分為三類：第一類是在大數據層面上的研究，一些學者用理論論證了大數據當下的應用價值、技術壁壘并構想了大數據在各個部門和產業(yè)的應用手段[1-2]；第二類是直接基于大數據產業(yè)的研究，一些學者以發(fā)達國家對比，從政策、技術、人才、法律和產業(yè)結構等角度用理論論證對大數據產業(yè)的現狀進行了分析與評價[3-5]；第三類則是大數據產業(yè)績效與效率實證研究，這類研究較為少見，根據目前搜集到的文獻，韓先鋒等[6]首次運用DEA方法對中國大數據產業(yè)上市公司的技術效率及分解指標變動趨勢進行了測度和分析；張鐵山等[7]使用因子分析方法研究了大數據產業(yè)公司經營績效與研發(fā)投入的關系；茶洪旺等[8]則從創(chuàng)新能力的層面對大數據產業(yè)上市公司再次進行了DEA技術效率評價。歸納以上文獻，發(fā)現現有的大數據產業(yè)研究多集中于理論上的對于大數據產業(yè)結構化、規(guī)范化的論證，缺乏定量化的實證分析，而僅有的實證研究也多是對大數據產業(yè)創(chuàng)新能力方面的探討，缺少基于經營能力評價指標體系的大數據產業(yè)發(fā)展現狀評價，另外，大數據企業(yè)由于數據處理技術和提供的數據服務側重點不同，可以劃分在不同的大數據產業(yè)鏈層級，而以上研究多側重于地區(qū)差異的探討，缺少對產業(yè)鏈層級的分析。有鑒于此，本文將運用因子分析法，根據大數據產業(yè)相關的43個上市企業(yè)2017年度的17個指標數據對企業(yè)進行經營能力評價，并且基于產業(yè)結構對樣本大數據企業(yè)進行層級劃分，得出研究結果并給出相應的發(fā)展建議。

1 經營能力評價指標體系和分析方法

1.1 評價指標體系構建

企業(yè)經營能力是一個系統反映企業(yè)運營現狀和健康可持續(xù)發(fā)展?jié)摿Φ母拍睿ㄆ髽I(yè)的償債能力、盈利能力、營運能力、發(fā)展能力、現金流能力和技術支持能力6個方面，根據這6個方面，選取17個指標，構造經營能力評價指標體系，見表1。

表1 經營能力評價指標體系

1.2 產業(yè)鏈層級劃分與數據選取

依據數據處理流程，大數據產業(yè)一般劃分為以下層級[8]：

（1）數據組織與管理層，是利用云儲存、分布式文件系統以及各種數據庫對收集到的數據進行組織與管理的大數據產業(yè)經營層級。

（2）數據分析與發(fā)現層，是對數據使用多種分析手段以獲取大數據潛在信息并為其他經營單位提供分析工具、分析技術、分析服務和數據可視化服務的經營層級。

（3）數據應用與服務層，是利用大數據來賦予模型價值，并利用獲取的模型對現實問題進行預測或指導，包括機器學習、人工智能、空間信息流等技術手段，從而基于大數據開發(fā)應用、維護應用運營或對基礎應用二次開發(fā)的經營層級。

（4）全產業(yè)鏈，在大數據產業(yè)鏈中，有一部分企業(yè)的業(yè)務和能力覆蓋了整個大數據產業(yè)鏈，這些企業(yè)包括傳統的IT廠商和大型互聯網企業(yè)，將其定義為全產業(yè)鏈企業(yè)。

基于以上分類，本文選取了比較有影響力的43家開展大數據業(yè)務的上市公司2017年度經營數據，數據來源為Wind數據庫，這43家企業(yè)的信息及分類如表2所示。

表2 中國大數據產業(yè)鏈層級劃分與代表企業(yè)

2 大數據企業(yè)經營能力實證結果與分析

本文所選指標均為比率指標，因此不存在企業(yè)規(guī)模造成的差距問題，但指標中存在正指標（x4～x15）和適度指標（x1～ x3），通過公式-|X-K|將適度指標正向化，其中X是該適度指標變量的值，K是適度值，根據經驗，x1、x2、x3的適度值分別為 200%、100%、50%。然后使用R軟件對處理后的數據進行因子分析，主成分的提取使用的是主成分法，旋轉方法使用的是最大方差法。

2.1 確認待分析的原變量是否適合做因子分析

因子分析要求變量之間存在較強的相關關系，對各個指標變量進行相關分析，得出相關系數矩陣，由該矩陣觀察得到大部分變量間的相關系數都大于0.5，比較適合做因子分析。另外，各指標數據間的KMO檢驗值為0.703＞0.7，因子分析效果較好；Bartlett球形度檢驗值為973.180，相應的sig.值為0，小于給定的顯著性水平0.05，因此可以拒絕原假設，認為各指標變量適合做因子分析。

2.2 構造因子變量

根據企業(yè)經營能力屬性的個數選擇提取6個主成分因子，提取后的6個主成分因子的方差累積貢獻率為88.56%（見表4），大于85%，說明這6個主成分因子構成的模型對本文所選企業(yè)經營能力的評價能夠達到88.56%的解釋度，符合因子分析要求。

表3 KMO和Bartlett的檢驗

表4 使用最大方差法旋轉前后的因子貢獻

表5 旋轉成分矩陣

2.3 主成分因子的經濟意義解釋

由表5的旋轉成分矩陣的成分構成觀察可得，第一個因子F1的主要構成指標為現金流量比率、債務保障率和營業(yè)收入現金比率，對應現金流能力F1；第二個因子F2的主要構成指標為凈利潤增長率和主營業(yè)務，認為是發(fā)展能力因子F2；同理F3、F4、F5、F6、根據各自的主要構成指標，分別對應營運能力因子、償債能力因子、盈利能力因子、技術支持能力因子。

再結合表4觀察每個因子對樣本的方差貢獻率，得到根據每個因子的方差貢獻率數值對6個因子由大到小的排序如下：現金流能力因子、盈利能力因子、償債能力因子、營運能力因子、發(fā)展能力因子、技術支持能力因子，此排序代表了每個能力在企業(yè)經營能力評價中的重要性，這一結論基本符合現代企業(yè)經營理論，可以用于企業(yè)經營能力評價。

2.4 基于各個主成分因子得分的大數據產業(yè)鏈層級經營評價

在對每個企業(yè)各個因子的得分進行分析時，以0為分界點，認為企業(yè)的因子高于0且得分越高代表該企業(yè)在此項因子代表的能力表現越好，反之則認為表現較差，接下來將基于單個因子得分對每個產業(yè)鏈層級的企業(yè)進行各項經營能力的評價。

圖1 基于產業(yè)鏈層級差異的現金流能力因子與發(fā)展能力因子得分散點圖

如圖1所示，觀察這43家企業(yè)各個因子得分的散點圖，首先，在現金流能力方面大部分企業(yè)的得分都大于0，表示它們的現金流能力能夠維持企業(yè)正常運轉，組織與管理層和應用與服務層的企業(yè)現金流能力大于0的公司占比最高，且組織管理層的一家公司得分為2.19，遠超其他企業(yè)，可以認為這兩個層級的企業(yè)在現金流運轉方面較好。

其次，在發(fā)展能力方面，4個層級得分大于0的公司均不多，應用與服務層的企業(yè)表現相對突出，有1家企業(yè)得分為5.38，得分大于0的企業(yè)也相對較多。

圖2 基于產業(yè)鏈層級差異的營運能力因子與償債能力因子得分散點圖

如圖2所示，在營運能力方面大部分企業(yè)得分小于0，在發(fā)展能力與現金流能力方面得分不高的分析與發(fā)現層營運能力大于0的企業(yè)反而最多，其中還包括了一家營運能力得分為3.59的企業(yè)，可以認為分析與發(fā)現層企業(yè)在營運能力這一項表現最好。

在償債能力方面，觀察到得分大于0的企業(yè)較多，其中大部分是應用與服務層的企業(yè)，其他三個層級的企業(yè)在償債能力因子F4得分上均呈現“對半分”的情況。

圖3 基于產業(yè)鏈層級差異的盈利能力因子與技術支持能力因子得分散點圖

如圖3所示，在盈利能力方面，大部分企業(yè)的盈利能力得分都大于0，在盈利能力方面表現較好的是分析與發(fā)現層的企業(yè)，盈利能力得分大部分都大于0并且其中幾家企業(yè)此項得分較高；表現較差的是全產業(yè)鏈層級的企業(yè)，僅有1家企業(yè)的得分大于0，其余的幾家均小于0。

在技術支持能力方面，觀察到除了分析與發(fā)現層的企業(yè)之外，各個層級表現較好的企業(yè)相對于該層級企業(yè)個數都較少，另外，在此項能力評價中有2家企業(yè)在此項得分遠遠領先于其他企業(yè)，它們分別來自應用與服務層和組織與管理層，說明這兩家企業(yè)對技術的投入力度較大。

2.5 基于因子綜合得分的大數據產業(yè)鏈層級經營評價

根據每個主成分因子的貢獻率加權計算43家企業(yè)的綜合得分，并根據產業(yè)鏈層次劃分對各企業(yè)綜合得分進行排序，結果見表6。

由表6可得，從總體上看，在選取的43家大數據上市企業(yè)中，經營能力綜合得分大于0的企業(yè)有23家，占企業(yè)總數的58.13%，綜合經營能力小于0的企業(yè)有18家，占總數的41.87%，我國大數據產業(yè)相關企業(yè)整體經營能力一般。

從不同產業(yè)鏈上看，分析與發(fā)現層的平均企業(yè)得分排在第一，而后全產業(yè)鏈企業(yè)、應用與服務層企業(yè)和組織與管理層企業(yè)排名依次下降。一方面分析與發(fā)現層的企業(yè)綜合得分方差最小，離散程度最小，企業(yè)發(fā)展最平衡；另一方面，應用與服務層的企業(yè)綜合得分方差遠大于其他產業(yè)鏈的企業(yè)，離散程度最大，企業(yè)發(fā)展程度最不平衡，經過觀察，發(fā)現應用與服務層內存在一家綜合得分為-2.412 7的企業(yè)“數據堂”，使得該層級的企業(yè)綜合得分離散程度變大。

表6 基于產業(yè)鏈層級差異的因子綜合得分與排名

3 結論與啟示

3.1 結論

通過對選取的43家大數據產業(yè)的17個經營指標劃分為6個方面的經營能力的因子分析，得到了以這些企業(yè)為代表的我國大數據產業(yè)經營能力的相關結論。

（1）縱觀我國大數據產業(yè)相關企業(yè)的綜合經營能力，數據分析與發(fā)現層的企業(yè)綜合經營能力最好，企業(yè)之間發(fā)展最平衡；其次是全產業(yè)鏈的企業(yè)，企業(yè)綜合經營能力較好，企業(yè)間發(fā)展水平較平衡；第三則是數據應用與服務層，企業(yè)間的綜合經營能力有優(yōu)有劣，發(fā)展非常不平衡；最后則是數據組織與管理層的企業(yè)，這些企業(yè)的綜合經營能力都比較一般。

（2）在經營能力的不同方面，每個層級的企業(yè)有著不同表現。首先，數據組織與管理層的企業(yè)現金流能力最好，部分技術支持能力較強，然而其他方面表現均不理想，這意味著該層級的發(fā)展中經濟支撐能力強，經濟投入力度也比較大，但收效甚微，資本市場效率和技術效率并不高，這可能與我國數據開放度低、數據壁壘嚴重、數據安全法律和市場規(guī)范不完善存在很大關系。其次，數據分析與發(fā)現層在因子得分中整體呈現的經營特點是盈利能力良好，其他方面表現一般；值得注意的是，在大數據產業(yè)整體水平低下的營運能力方面，數據分析與發(fā)現層的企業(yè)仍然保持穩(wěn)定良好水平，這說明該層級的大部分企業(yè)經營能力各方面發(fā)展均衡，從而在綜合能力的評價中能夠獲得最優(yōu)。這一現象表現了社會對數據中潛在信息的需求之大，使得數據分析發(fā)現層的企業(yè)得以在現金流能力一般的情況下獲得較高的盈利水平。再次，數據應用與服務層的企業(yè)整體上與數據組織與管理層的企業(yè)類似，現金流能力和償債能力較強，部分企業(yè)技術投入力度很大，然而其他能力一般。數據應用與服務層是基于大數據進行應用開發(fā)和運營，主要靠技術推動，這種經營情況能夠反映出資本市場效率和技術效率的低下，以至于無法較好推動企業(yè)良好盈利和運營。最后，全產業(yè)鏈的企業(yè)有兩家企業(yè)浪潮信息和阿里巴巴表現較為突出，在現金流能力、償債能力、營運能力、發(fā)展能力、技術支持能力等方面均表現優(yōu)異，其余的企業(yè)在各項能力上表現一般，但整體上發(fā)展比較平穩(wěn)。

3.2 啟示

（1）完善大數據產業(yè)發(fā)展保障機制。一方面要加快大數據相關法律的立法進程，結合我國大數據應用需求，推進全國和地方大數據法律和市場規(guī)范的完善，對數據的采集、共享、安全等方面建立相應的規(guī)章制度并納入法律范疇；另一方面，在大數據重點發(fā)展地區(qū)成立大數據產業(yè)發(fā)展領導部門，負責開展各地區(qū)大數據產業(yè)發(fā)展規(guī)劃、扶持大數據產業(yè)企業(yè)和建設大數據綜合實驗基地等工作。

（2）加大核心技術自主研發(fā)財政投入力度。設立大數據領域的關鍵技術研發(fā)專項資金，提高核心技術的自主研發(fā)創(chuàng)新效率，支持突破一批關鍵核心技術研發(fā)創(chuàng)新與應用，打造屬于我國的具有核心技術自主權的大數據產業(yè)鏈，形成自主可控的大數據技術架構，從而突破制約產業(yè)發(fā)展的瓶頸。

（3）鼓勵大數據技術應用與推廣。完善政府部門、事業(yè)單位采購大數據服務的配套政策，鼓勵社會各界部門、經營企業(yè)采購大數據技術，推廣大數據技術和服務在各個產業(yè)中的應用，讓大數據共享理念引導產業(yè)更好發(fā)展。

（4）加強大數據專項人才培養(yǎng)。各地政府要主動引領，以當地大數據領域研發(fā)項目及產業(yè)化項目做載體的基礎上實施大數據相關人才的吸引，并且聯合高校與科研院所，大力培養(yǎng)一批懂數據采集、懂數學算法、懂數學軟件、懂數據分析、懂預測分析、懂市場應用的復合型“數據科學家”隊伍。