中国发展研究基金会副理事长刘世锦
由中国管理科学学会大数据管理专委会、国务院发展研究中心产业互联网课题组联合编撰的《中国大数据应用蓝皮书2017》日前出版。该蓝皮书旨在描述当前中国大数据在相关行业及典型代表企业应用的状况，分析大数据应用中存在的问题和制约其发展的因素，并根据当前大数据应用的实际情况，对其未来发展趋势做出研判。
本书认为，从应用的角度看，大数据并非一个全新的产业，而是与已有产业的融合，对已有模式的改造、升级和替代。制约大数据发展的往往不是大数据本身，而是大数据应用的行业和领域原本存在的问题，如行业管制、行政垄断、要素不能自由流动……因此，推动大数据应用的发展，需要对不当的行业管理模式进行改革，对既有利益格局进行调整。
在8月26日举办的“《中国大数据应用蓝皮书2017》发布暨大数据应用高峰论坛”上，相关专家达成共识：大数据应用或将成为中国产业升级、制造业升级实现弯道超车的重要路径。
中国发展研究基金会副理事长刘世锦：
大数据应用助力产业升级
从现实情况看，大数据现在有个很大的矛盾：数据产生了很多，应用得很少。即数据的爆炸式增长和还处在朦胧状态的、甚至还没有上路的应用之间的矛盾。所以，我们需要思考怎么将数据的互补性和集成效应利用起来。
不论是市场的数据，还是政府的数据，现在都没打通，打通之后也未必用得好。问题的关键是，得有一个框架——认清想解决什么问题，而且对该问题本身有很好的理解，从而形成一个理解和解决问题的框架。将数据装配到框架中一个合适位置，数据方才有意义。
数据开放了，有了数据源；有好的框架将数据装进去，解决了问题，这样就创造了价值。创造价值后就有人买单。创造价值，是大数据应用的根本。
大数据应用对于中国经济的推动，我很乐观，它或将成为中国实现后来居上、弯道超车的重要路径。原因有以下三点。
一是中国市场大。对于大数据应用而言，中国市场是全球最大的，从而保证了流量，保证了充分的实验“场地”。
二是中国配套能力强。发展大数据应用需要硬件，中国配套能力全世界最强。
三是中国的技术提升速度加快。中国产业规模扩张已经到了一定阶段，需要提升质量。现在面临数字要素、数据要素新机遇，或许我们提升质量的路径、方法将与发达国家过去经历的有很大不同，产生所谓的“后发优势”，就像有的人从来没用过固定电话，就直接使用智能手机了。中国正在经历的产业升级若将数字、大数据这些新兴生产要素加进来，借助更好的技术，实现弯道超车是有可能的。
大数据应用是一种创新，有其自身的规律，我们务必要尊重创新的规律，为大数据应用留下更大的发展空间。这就涉及到如何处理好政府和市场的关系等问题。此外，大数据应用既是创新，就存在一定的风险，就非常有必要对各行业大数据应用策略和现状进行研究。因此，组织编写《大数据应用蓝皮书》是非常有意义的一件事，须持续下去。须更加深入、细致、透彻地研究大数据与实体经济的融合模式，加速推动我国产业升级改造。
中国工程院院士，合肥工业大学管理学院教授杨善林：
不可忽视大数据的复杂多样性
大数据是一种资源，它具有决策有用性、功能多样性、应用协同性、可重复开采性和安全风险性。了解掌握这几个特性，对大数据应用者而言极其重要。
从大数据应用角度观察，我们应该给出自己对大数据的定义：大数据是一类能够反映物理世界和精神世界运动状态和状态变化的资源。
何出此言？举个例子：什么是金融大数据？
对于金融大数据至少有两种完全不同的理解：一种理解，金融大数据是金融部门所拥有的数据，比如银行的数据、保险公司的数据；另外一种理解，那就是用于金融研究的一些数据。这么一来，范围就不一样了，这就涉及大数据的应用协同性问题。
现在很多研究金融大数据的，就利用自己所拥有的数据，来研究金融风险存在的一系列问题。这是利用了大数据具有的决策有用性，所有数据只要分析它的决策就是有用的。但忽略了大数据的功能多样性、应用协同性、可重复开采性和安全风险性，但这几个特性对大数据应用者来说不可忽视。而要兼顾这些特性，往往超出了在金融部门长期工作的一些研究者所具有的知识范围。比如说，把银行数据和实体经济的数据放在一起来研究金融风险问题，肯定会比只用金融数据来研究金融风险要准确得多，可以预测到很多银行家所预见不到的情况。在此情况下，实体经济数据也成为金融大数据的有效组成部分。
实体经济的大数据被用来研究金融领域的问题，这就叫大数据应用的协同性。同样地，银行的数据不是仅仅用来研究银行，可以用以研究世界经济为什么老是脱实向虚，这就体现了大数据的功能多样性……
总之，大数据的应用是非常具体的。从目前状况看，大数据的炒作期已经结束，而围绕大数据的相关科学研究和商业应用刚刚起步。大数据只有与具体应用领域紧密结合，才能获得更大的发展。
国防科技大学信息系统与管理学院原院长谭跃进：
国防大数据是抢占未来战争制高点的基石
大数据时代的国防建设需要新的国防战略思想体系来指导。未来作战是各军种一体化行动的联合作战，国防大数据产生于此，并可以更好地为未来联合作战服务。国防大数据将成为抢占未来战争制高点的基石。
相对而言，国防大数据要求处理数据更高效、数据来源更可靠、数据安全系数更高，注重将重大国防和军事任务进行数据融合，注重信息防御和数据安全管理，例如国防动员数据、军事情报、战场的实时动态、武器使用维护数据等。掌握国防与军事大数据的优势，才能打赢未来信息化战争，真正地把握未来战场的主动权。
大数据是进行信息化战争研究的重要手段，在战场情报获取、作战指挥决策等方面能够发挥重要作用。大数据是制订国防和军事战略计划的基础，构建国防和军事大数据技术平台，是科学制定国家战略的重要环节。从实践看，很多重要领域缺数据，因为我们过去不重视，一些领域的大数据建设要从设计开始。
大数据是打破体系内壁垒的有效方法。我军刚刚进行了一体化联合作战的改革，很多体制机制还不健全，原有的各军兵种之间的差异和壁垒很大。此前，各军兵种之间各自为战，各自拥有自主的指挥平台，没有实现互联互通，数据规模不等、格式不一、质量各异，无法实现共享。通过大数据加强一体化指挥作战平台的建设和数据共享，加强各基层部队搜集数据、存储数据、共享数据的意识，可大大提高体系作战能力。
当前，依靠经验直觉进行作战指挥的优势正在急剧下降，大多数军事强国已经认识到利用国防大数据的意义，将大数据技术作为国防科技发展的重要方向。
对于中国来说，加强国防军事数据的发展建设刻不容缓。充分利用国防大数据的潜在价值，树立大数据理念、完善制度机制、加强数据专业技术人才培养、构建大数据决策支持系统，对推动中国国防和军队建设具有重要的战略意义。
国家遥感中心地理信息系统部主任王英杰：
大数据应用成就中国制造业超越
大数据应用可能是未来我们中国制造业、先进制造业超越发达国家的重要路径。
大数据应用未来前景很好，但是当前我们的大数据应用领域存在很多问题。
一是不确定性，因为我们采集数据，不是整体或整群，只是部分，决定了样本的代表性有偏差。
二是共享非常困难，由我国长期条块分割造成，亟须建立一套很好的共享机制。
三是结合国情的大数据挖掘、分析、服务做得不到位。
四是不能总Fol l ow（追随），我们要创新。我在做空间规划，服务于国家区域决策的时候，发现东方的哲学、东方的思维也是挺好的，如果把这些应用到大数据中，我们会有很多创新。
五是大数据应用方面的复合型人才欠缺。我们不缺技术人才，但管理人才、复合人才，包括集成人才，我们奇缺。
如果我们解决了上述问题，从大数据应用的顶层设计建立标准，那么中国制造业或有赶超欧美的可能。
最近在做“一带一路”研究，我划分了世界三个制造业中心，最早是在西欧；第二是北美，以美国、加拿大为核心；第三，东亚地区，包括日韩、中国内地、中国台湾、香港等，甚至外扩到新加坡。未来制造业最有魅力的将是东亚。东亚面向大海，交通没有问题；有很好的腹地系统，可很好地支撑整个制造业；此外，东亚地区的外围，包括东南亚、南亚地区，人口众多，有很好的市场。中国要走在前头，须找到制高点，从哪里入手？我们不走欧洲、北美走过的老路，我们要走新的路，这个新道路正在探索中——如何通过大数据促进我们的管理更加有效，建立一套现代化的管理体系，通过现代化的管理体系辐射到行业管理，辐射到制造业及市场。一旦建立起这套体系，未来完成中国制造业转型升级，完成全球制造中心代际转化，就大有希望。
国务院发展研究中心产业经济研究部第一研究室主任王晓明：
大数据应用须做顶层制度设计
汽车行业产业链较长，既涉及产品、制造，又涉及服务和使用，所以汽车领域的大数据应用，链条也较长，应用范围很广。
汽车行业业已存在的福特生产方式、丰田生产方式，实质是将生产侧的效率提升到最高水平。而汽车出厂后在使用端，其效率还有很大的挖掘空间。做个简单描述：一辆车一天可24小时使用，实际往往只使用三四个小时；一辆乘用车正常可以乘5个人，但是多数时间只坐一两个人……意味着汽车在使用端，作为社会资源的效率还有非常大的可挖掘空间。
由此，我们是不是可以把汽车制造和使用以及服务看成一个体系，通过大数据或信息化的技术和手段，比如平台，来实现从“制造+服务”的效率最优？这意味着我国可以通过此路径实现对丰田生产方式的超越，从汽车大国发展为汽车强国。
汽车行业目前提出三个智能，一是汽车产品的智能化，多指智能网联汽车；二是汽车制造的智能化；三是智能服务或是智能出行，类似基于滴滴、Uber这样的平台。三者借助的支撑性技术具有共性：都是基于数据的采集、传输、存储、处理，在汽车生产、使用的各个环节，提升效率。
这就涉及目前我国汽车行业数字化的痛点。
第一，从供给角度看，是一个组合性的技术，需要硬件，而这一领域的硬件产品技术大多被国外一些大公司垄断。
第二，平台，汽车领域未来是多平台支撑的数字转型发展的体系，包括产品设计平台、制造平台和后端服务和应用平台，因此须探索平台建设。
第三，人才。传统的汽车行业以机械、电子专业人才为主，汽车业向数字化转型，复合型人才是最大的缺口，必须加大人才培养力度。
回到大数据应用，大数据已成为生产要素的一种，与人力、资本同等重要。人类进入资本主义社会后，形成了一整套制度体系，来保护、规范、约束人力资本和金融资本使用，包括确权、估价估值以及交易……那么大数据应用当下最需要的是顶层设计，是制度设计。比如大数据的确权，它归属谁？它的所有权怎么界定？它的使用权怎么界定？它在交易流转过程中所有的制度怎么设计？没有这样一套清晰的制度体系，数据孤岛、数据共享等难题在所难免。
本文转自d1net（转载）