破解大数据产业政策供需失配的难题

来源：中国社会科学网作者：王秀秀

大数据产业是指以数据生产、采集、存储、加工、分析、服务为主的相关经济活动，包括数据资源建设、大数据软硬件产品的开发、销售和租赁活动，以及相关信息技术服务。作为战略性新兴产业，政策扶持较为常见。但政策供给与需求之间存在一定的失配现象，影响了政策落实，偏离了推动产业发展的初衷。

大数据产业的政策供需失配现象

政策工具分为环境政策、需求政策和供给政策三个类型。在2010年至2018年间26个大数据产业政策文本中，三类政策共计124条，再结合几百家企业调查，发现政策供需失配现象普遍存在。

其一，政策工具结构在一定程度上失衡。环境政策、需求政策和供给政策分别为55%、25%和20%，各类占60%以上的政策单元有目标规划与法规管制、技术应用、科技基础与政府信息公开。可见，环境类间接政策使用力度显著高于供需类直接政策。

其二，政策知晓度及利用度呈现双低现象。政策知晓度和利用度刚过平均分3.5分。指向消费者的需求政策知晓度和利用度较差，但针对企业的环境和供给政策受关注易利用。

其三，政策供需匹配度相对不足。三类政策供给需求匹配程度均不到4分。企业需求最高的政策单元税收减免占比63%，而获得税收减免也为最高37%。供给小于需求的政策单元前三位分别为市场信息支持、金融支持和政府数据开放。示范基地建设、场地税费减免、知识产权、个性化技术指导、培训咨询和政府采购等政策单元呈现供给大于需求的样态。

其四，不同生命周期的企业政策知晓度和利用度迥异。成熟期企业对政策知晓度总体最高，但分项较低，因为成熟企业调查对象多为部门员工，他们了解与自己业务相关的某类政策，会以偏概全地认为整体政策知晓度也高。初创期、成长期企业调查对象通常是高管，他们对政策了解全面，各项得分都高。政策利用度方面，成长期企业利用情况最佳。

其五，初创期企业政策供需失配较重。初创期企业政策知晓度高，但利用度不高且政策供需匹配度最低，说明现有政策不利于初创期企业。成熟企业的政策供需匹配度良好，因为他们内部基本形成了良性自生系统，外部政策依赖性下降，政策期望低。

其六，高管和数据技术人员的政策供需匹配度偏低。高管熟悉政策、利用欲望强，期望越高越容易不满意。数据技术人员对数据要求高，数据公开等政策供给不够，造成供需匹配度低。

大数据政策改革的主要方面在供给侧

习近平总书记指出：“当前和今后一个时期，制约我国经济发展的因素，供给和需求两侧都有，但矛盾的主要方面在供给侧。”同样大数据政策改革的主要方面也在供给侧，即改革应以需求为方向指引，对供给侧政策进行结构性调整。

第一，打造开放共享、多主体、高效的政策价值理念。

其一，开放共享体现为秉持包容普惠的基本原则，采取同步分享、增量赋权的政策。这就是说，既要供给政策，也要需求政策;既要微观政策，又要宏观政策，并且各类政策应达至最优比例。最优比例依赖于政府在“赋权性”行业自治、市场内调的互动过程中，针对政策空集或冲突集，以适当政策增量赋权各方。

其二，多主体参与大数据产业化，将主体从分离变为统一，扭转高校和科研院所的职能“锁定”，鼓励先进数据技术走向市场。通过增加供给政策激励企业成立像“达摩院”类的研究院，在大数据基础技术和前沿技术，特别是AI、区块链技术、自我进化型网络等方面取得突破。

其三，贯彻高速高效原则，以大数据技术和前端应用为两翼、培育产业生态为主线、实现“一躯两翼”模式。重点扶持大数据产业中大型先进技术企业，使之快速形成显著优势，实现大企业带动小企业的效果。前端应用是动力，强化用户的产业化参与地位，创造更多的应用场景，促成上下游合作，形成产业链前端倒逼后端的高效互促模式。

第二，把握政策动态性与稳定性关系。政策流变理论和渐进主义思想揭示了政策动态性和稳定性的本质要求。政策流变理论说明产业发展不同阶段适用于不同的政策，政策与产业发展阶段具有一定的适恰性。硬件、软件行业处于成长阶段，大数据应用行业处于初创阶段，应分类制定政策。随着大数据产业链逐步完善，政策也应改变。渐进主义思想认为政策有代际关系，把握这点可使新政策尽快落地开花，也容易迅速被企业利用。因为企业已经积累了利用以往政策的经验，新政策与以往政策衔接得越好，越易于获得渐进效用。比如大数据产业政策中税收优惠、金融支持等政策需具有衔接性，新旧政策不能有天壤之别。

“统分结合”政策的供给侧改革举措

第一，完善政策制度体系。政策是制度的输出，政策效果与制度唇齿相依。政策制度框架包括制定、组织、执行、评估。

其一，自下而上和自上而下互动式政策制定。以产业链节点企业的“痛点”为起点，自下而上地制定产业政策。因政策制定不仅涉及发改委、经信委、科技局等多个职能部门，而且各省市具有地方特殊性，国务院发起，自上至下地制定政策将有利于全局统筹和协调。

其二，政策组织制度创新。成立专门的大数据产业政策小组，小组成员由政府官员、产业联盟机构、高校、典型企业代表等构成，有利于推进共建共治共享的制度体系建设。

其三，充分发挥孵化器、产业园区等组织机构在政企之间的中介作用。在三线、四线城市，可以借鉴“开封微众”的“政府参股模式”，提高政策落实度。其四，在政策评估环节，委托第三方机构，将政策需求方作为重点调查对象，把政策利用率和达成率作为核心评价指标，有助于调整政策供需结构。

第二，分层分类、结构合理、具体可行和内化趋同多管齐下。

其一，政策不能一刀切，需分层分类。产业环境好、基础配套完善地区，大数据产业政策应培育领军企业，扶持示范基地，建立特色产业园区，形成中心到外围的辐射效应。产业发展水平低、产业链低端的小企业聚集区域，减免税费、场地优惠和金融支持等微观且直接的政策应优先采用。在大企业集中的区域，以帮助企业协调省际关系、简政放权和战略布局等宏观且间接的政策为主。

其二，结构合理要求三类政策比例均衡。增加需求政策，适当减少环境政策。需求政策不应增加政府补贴，因为政府补贴反而降低企业成本加成率。反之，可增加技术应用和重大项目的投入，加强供给政策中的税收优惠力度，增加培育孵化器等中介组织机构的政策，以此满足小微企业居多的大数据产业的诉求。市场信息支持、政府数据开放和金融支持应增加，但不宜采用低利率贷款政策，因为低利率无益于优质企业成长。

其三，上下级政策不应形式变化、内容不变，而应层层细化。下级政府的政策一定要细致可行，尽量用量化指标，否则会造成政策虽好，但抽象模糊无法利用。其四，同行业内政策应相似，减少差异性。大数据产业多数为创新型企业，自生能力强，容易获得比较优势。产业政策差异化程度越低，越有利于促进良性竞争。