第1章 工业大数据与制造业高质量发展概述
1.1 相关概念界定与辨析
1.1.1 工业大数据的相关概念
1.1.1.1 大数据的内涵与特征
1980年，美国知名未来学家Alvin Toffler发表了著作《第三次浪潮》。在这本经典之作中，大数据（Big Data）被首次提出，并被誉为“第三次浪潮的华彩乐章”。然而，接下来的近20年，受科学技术和计算机运算能力所限，大数据概念仅仅停留在公众想象的层面，并无实质性价值。直到1997年，美国国家航空航天局（NASA）的两位研究员Michael Cox和David Ellsworth（1997）在学术论文中首次引入大数据一词，并简要阐述了大数据的概念，大数据研究才开始崭露头角。1998年，美国硅图公司（SGI）前首席科学家John Mashey结合科学技术，将大数据表述为企业拥有的规模庞大且不断增长的数据，并强调这些数据难以使用现有技术进行存储和分析。进入21世纪后，随着计算机快速发展和互联网迅速兴起，大数据一词再次成为实业界和学术界讨论的热点。2008年和2011年，国际两大顶级期刊Nature和Science先后针对大数据推出专刊，从多个领域详细分析了大数据带来的机遇和挑战，从此，在全球范围内掀起了大数据的研究浪潮。时至今日，大数据概念已经深度融入社会的各个方面，逐渐形成了大数据思想、大数据视角与大数据背景等关键分析维度。
大数据的概念在学术界并未形成共识，其解释存在狭义和广义之分。从狭义层面看，涂子沛（2013）认为，大数据是指数据量非常大，以至于现有技术工具难以提取、存储、管理和分析的数据。Floridi（2012）则认为大数据是指具有异质性、复杂性和多样性的海量数据。这让人们产生疑问，究竟量（规模）达到何种程度的数据才能被称为大数据？根据涂子沛（2013）的观点，当数据的量达到太字节（240）后便可称其为大数据。麦肯锡公司认为并不需要对大数据的数据量设置明确的界限，因为随着科技不断发展，这个标准也可能发生变化。始终不变的是，无论科学技术如何发展，人类总会遇到当前技术难以处理的庞大数据。从广义层面看，大数据被视为一种认知观念。人类借助大数据观察世界、审视问题，并以大数据的视角寻求问题的答案，这体现出一种大数据的思维方式。
学术界对于大数据特征的研究相对较为成熟。例如，在2001年，META Group（麦塔集团，现为高德纳公司）的数据分析师Doug Laney（道格·莱尼）在其研究报告《3D数据管理：控制数量、速度及种类》中详细说明了大数据的三大特征，包括高速度（Velocity）、大体量（Volume）和多样性（Variety），统称为“3V”特征。随后，META Group在分析大数据时意识到大数据价值的重要性，便在“3V”特征的基础上增加了一个新的特征——高价值（Value）。大数据的“4V”特征从此被确立，并沿用至今。
1.1.1.2 制造业大数据的内涵
随着制造技术的不断提升与现代化管理手段的广泛应用，整个制造业生产过程所依赖的数据越来越多，这些数据被称为制造业大数据。不过，学术界对制造业大数据内涵的研究并未达成共识。Wan（2017）认为，制造业大数据是设备数据、产品数据及需求数据的总和；Mourtzis（2016）则认为制造业大数据还应该包括信息知识。徐颖和李莉（2018）将制造业大数据视为实现智能制造而产生的海量数据，将其归为智能制造的附属品。张洁（2016）认为，制造业大数据是工业设备产生、采集和处理的一系列数据，具备桥梁型生产要素特性。根据制造业企业体系结构的划分，制造业大数据主要来源包括产品大数据、价值链大数据、运营大数据和外部大数据。
1.1.1.3 工业大数据的内涵
工业大数据的概念由美国通用电气公司（简称“GE”）在2012年的工业互联网白皮书《工业互联网：突破智慧和机器的界限》中正式提出。就内涵而言，工业大数据和大数据相似，分为狭义和广义两个层面。在狭义层面上，工业大数据是在工业领域中，以智能制造模式为中心，从客户实际需求到产品全生命周期各环节所产生的数据、相关技术和应用的总称（郑树泉等，2017）。狭义层面的工业大数据与制造业大数据在内涵上十分相似，高度重合。在广义层面上，工业大数据包括工业领域生产服务全环节数据集合及与之相关的全部技术和应用。无论从狭义层面还是从广义层面看，均强调工业大数据除具有“数据”内涵外，还具有“技术与应用”内涵。刘怀兰等（2019）认为，工业大数据包括三大部分，即来源、技术及应用。王建民（2016）根据来源将工业大数据分为三类：物联网大数据、企业信息化大数据和跨界融合型大数据，并指出可以通过数字技术直观判断工业大数据的类型。可见，工业大数据是一个比制造业大数据更为宽泛的概念，除拥有制造业大数据的一般特征外，还具有工业大数据技术及应用的特征。
1.1.2 制造业高质量发展的相关概念
1.1.2.1 经济增长质量的内涵
学术界对经济增长质量的研究比较早，且已形成丰硕的学术成果。学术界对经济增长质量内涵的界定，主要存在狭义和广义两种观点。狭义的观点将经济增长质量等同于经济增长效率，常借助TFP进行度量，如Chow等（2002）使用TFP作为衡量经济增长质量的单一指标，任保平等（2012）根据TFP贡献度来衡量经济增长质量。但部分学者认为，仅以TFP对经济增长质量进行判断，具有一定的局限性，包括低估资本积累的重要性，不能全面反映资源配置状况等（郑玉歆，2007）。广义的观点将经济增长质量看成相对于经济增长数量的一个范畴，认为其内涵极为丰富和宽泛（Barro，2002）。学者们常采用多维度评价指标体系对其进行度量，如钞小静和惠康（2009）分别从资源利用率、经济增长结构、生态环境污染程度和经济增长稳定程度四个方面，构建经济增长质量评价指标体系；李斌和刘苹（2012）提出经济增长质量应该兼顾生态环境、经济增长和经济结构等多个维度；魏婕和任保平（2012）认为，经济增长质量还应该考虑社会福利、国民文化素质等因素。可见，广义观点下的经济增长质量是一个相对概念，在对其进行衡量时，既要考虑经济增长数量，又要兼顾生态环境、效率与效益、社会福利和国民文化素质等多维度因素。
1.1.2.2 高质量发展的内涵
党的十九大报告提出：“我国经济已由高速增长阶段转向高质量发展阶段，正处在转变发展方式、优化经济结构、转换增长动力的攻关期，建设现代化经济体系是跨越关口的迫切要求和我国发展的战略目标”。高质量发展是集量和质于一体的综合体。量和质从来不是对立的，量变是质变的基础，质变是量变累积的结果。高质量发展不是一味地只追求数量的高增长，还要兼顾生态环境、社会福利和能源效率等因素。国内外学者对高质量发展均有相似的论断。例如，国外学者Mlachila（2017）就具有相似的观点，国内学者任保平和文丰安（2018）不仅具有相似的观点，还提出高质量发展是经济增长量和质到达一定阶段后的产物，它体现在经济结构优化、新旧动能转换、经济社会协同发展和人民生活水平显著提高等方面。
高质量发展是绝对和相对的统一。高质量发展符合经济社会演变规律，是经济社会发展到一定阶段的产物，属于经济社会高级阶段的一种特征。国内学者刘志彪（2018）指出，高质量发展是由高速度发展转变而来的。在中国经济高速度发展阶段，经济增长主要表现为“规模扩张”和“要素驱动”。而在中国经济高质量发展阶段，经济增长转换为“高效”“公平”和“可持续”，这就是高质量发展阶段的基本判断尺度。张涛（2020）提出，伴随着生产力水平提升和经济社会的不断发展，高质量发展的内涵得以不断丰富。
现代经济学提出经济发展方式有粗放式和集约化两种类别。粗放式发展方式主要依靠资源、资本投入推动经济发展，关注高产出，但忽视了效率和质量。而集约化发展方式主要依靠技术进步和改善生产要素质量来推动经济发展，强调效率和质量。高质量发展是集约化内涵的发展方式，不仅关注投入产出效率，而且聚焦于发展质量。杨伟民（2018）指出，高质量发展是新发展理念的高度聚合，表现为绿色是普遍形态、创新是第一动力、开放是必由之路、协调是内生特点、共享是根本目的。张军扩等（2019）认为，高质量发展的本质是以满足人民日益增长的美好生活需要为目标的高效率、公平和绿色可持续的发展。金碚（2018）认为，高质量发展通过增加使用价值来满足人民日益增长的美好生活需要，其本质特征具有多维性和丰富性。
1.1.2.3 制造业高质量发展的内涵
经济高质量发展和制造业高质量发展之间存在包含和被包含的关系。具体来说，经济高质量发展包含制造业高质量发展，制造业高质量发展包含于经济高质量发展，两者既有延续性又有拓展性。制造业高质量发展的重要意义不言而喻，它不仅是现代经济高质量发展的必然要求，而且是推动中国制造向中国创造转变、制造大国向制造强国转变、中国速度向中国质量转变的核心。不同领域的学者依据党的十九大报告内容对制造业高质量发展进行了研究。例如，苗圩（2018）认为，推动制造业高质量发展必须从制造业质量、效率、动力三方面进行变革；江小国和何建波（2019）提出，制造业高质量发展以提高供给体系质量为首要任务，以技术创新为核心驱动力，以高端、智能、品牌和绿色制造为转型方向，以质量变革、效率变革和动力变革为主要抓手；余东华（2020）将制造业高质量发展总结为竞争力、动力和活力的高度一致，环境、效益和质量的有机统一，品质、结构和速度的相互协调；刘国新等（2020）提出，制造业高质量发展是一种新发展模式，包括创新驱动式发展、开放式发展、全方位发展等，但是所有发展模式的根基在于经济增长效率与效益之间的有机统一；唐晓华等（2020）认为，制造业高质量发展主要围绕产能效率增长和资源能耗控制；付保宗和周劲（2020）认为，国内制造业高速发展已经进入窗口期，制造业高质量发展的重点内容和未来发展方向是产业绿色化、制造智能化、产业结构高端化和生产要素协同化。
1.1.3 概念辨析
（1）工业大数据是工业领域生产服务全环节数据集合及与之相关的全部技术和应用的总称。工业大数据作为生产要素和新一代信息技术进入生产要素体系，参与生产过程，能够显著提高资源配置效率。本书主要从广义层面，紧扣工业大数据作为关键生产要素和新一代信息技术两大重要特征，从数据要素和数字技术两个视角解析工业大数据赋能制造业高质量发展的内在机理。
（2）高质量发展战略已经深深嵌入国民经济各个领域，形成高质量发展理念和高质量发展指导思想，持续优化各行业产业结构和发展模式。制造业高质量发展是中国迈向世界制造强国前列的必经之路，是满足国内人民日益增长的美好生活需要的必然选择。本书将从七个维度构建制造业高质量发展水平评价指标体系，并重点研究工业大数据赋能制造业高质量发展的内在机理，运用数理模型推导和实证检验相结合的方法，证明工业大数据赋能制造业高质量发展的科学性。
（3）相较于制造业大数据，工业大数据的概念更为宽泛，不仅包括海量数据集合，还延伸到相关数字技术应用。本书将扩展工业大数据价值空间，大幅提升其战略意义和使用价值，这是对工业大数据研究的一种尝试性探索。目前，工业大数据研究的核心侧重于大数据在工业体系中的应用，而对于工业大数据如何赋能制造业高质量发展的相关研究相对较少。因此，本书将界定工业大数据的内涵与边界，对工业大数据赋能制造业高质量发展的范式、增值效应传导机制和运作机理等进行研究。