下载掌阅APP，畅读海量书库
立即打开
不同于传统服务经济，数字服务经济产生与发展的基础是数字化技术，数字化技术是影响数字服务经济发展速度与效率的最关键因素。近年来数字化技术爆炸式发展，从最初的“云计算+大数据”，发展到“ABC”（人工智能、大数据、云计算），再到“ABCDE”（人工智能、区块链、云计算、数据科技、边缘计算），及至后来的“ABCDEHI5G”（人工智能、区块链、云计算、大数据、智慧家庭、边缘计算、物联网、5G），各种新技术层出不穷。那么这些数字化技术到底与数字服务经济发展存在一种怎样的关联呢？
数字化技术的变革，起源于数字服务经济发展的创新要求，以最大限度解决数字服务经济发展中遇到的难题为己任。这些难题的解决结果是数字服务经济得到了持续发展。数字化，其最初的一个技术范式转变，是从PC端互联网向移动互联网演进。移动互联网终端算力的不足，推动了本来是为PC端互联网准备的弹性计算发展为通用的云计算，云计算技术成为数字基础资源基础管理技术。云计算的发展又提升了大数据的处理能力，进而形成将移动终端作为数据采集端的各类应用的大数据分析服务能力，推动大数据技术的全面发展。
实践中，数字服务经济的基础技术是不断发展变化的，而且这种变化更加非连续、不可期，一方面使服务业的行业边界更加模糊、跨界约束弱化；另一方面使服务创新的价值来源也发生了变化，服务的收益从交易价值发展出使用价值。数据不再是服务的载体，更是服务本身，数据分析成为核心任务。产品不再是服务的对象，更是一种新的服务的工具。
因此，在数字服务经济发展中，推动各种数字服务变革的基础技术是一个内涵不断变革的概念，在不同时期，其包含的具体内容是不同的。而在当今这个数字化加速、数字服务经济快速发展的新时期，我们有必要结合实例对数字服务经济发展加以分析。
【案例】办公上云和生产物联的面料生产商高士集团
自2017年1月担任英国面料生产商高士集团首席技术官和首席数据官以来，Hizmy Hassen一直积极推行转型战略。他的目标是让公司6500名为牛仔裤和茶包等产品生产面料的员工能够更高效地工作。
充分的统一的数字化协同办公。高士集团的IT员工采用微软Office 365套件（包括Skype、SharePoint、OneDrive、Yammer和其他工具）替代了原来的IBM Lotus Notes和混乱的文件服务器，以促进分布在全球55个国家和地区的135个工厂、办公室和仓库之间的协作。
ER P和办公上云。Hassen还与微软展开密切合作，将高士集团的SAP HANA ER P迁移到微软Azure云系统上，并从Salesforce.com迁移到微软Dynamics 365。
Hassen认为，“把计算、数据和文件迁移到云端的做法可使我们消除对硬件的依赖。随着将更多的东西迁移至云上，我们不再需要担心安全性，不再需要预测服务器容量，也不再需要与硬件供应商的最新进展保持同步。”
核心生产设备的数字化物联化。这是一个从“工业时代到云数字时代”的至关重要的转变，高士因此可以为越来越多的绕线机配备传感器，物联网的使用可以让高士的数据量从现有的最高90TB增加4倍。高士现在拥有灵活的存储容量，因为它可以在云中随着数据的增长而增长。
数据湖分析预测库存成本和用户需求。为了从物联网数据中获得洞察力，高士还在构建一个包含多个微软应用的数据湖。微软的Cortana智能套件可以根据生产历史、天气和其他因素，预测库存成本、对各类面料的需求、生产量和其他信息。
从上述案例中，我们可以看到数字服务经济发展、数字服务创新实施所依赖的基础技术主要包含三个方面内容，即数据资源协同管理技术（云计算）、数字连接技术（协同办公、设备数字物联）和数据分析技术（数据湖分析预测）。其中，数据资源协同管理技术用于基于服务化对业务流程进行重新编排，从功能化、标准化、服务化，向自动化和智能化迈进；数字连接技术，主要是实现大平台范围内的有效连接；数据分析技术则主要是对业务流的结果和行为进行分析，实现端到端数据共享和打破数据壁垒，改进业务创造价值的过程，提升端到端的效率和客户满意度，推动商业模式和业务创新。具体而言，各部分的价值与作用体现如下。
1.数据资源协同管理技术——目标是全覆盖
基础不牢，地动山摇。数字服务经济发展，首先是数据资源基础的牢固。对于服务企业或组织而言，数字化的第一步必须是做好数据基础，包括数据治理、大数据治理、数据架构（包括数据资产、数据模型、数据标准、数据分布）、数据质量、数据获取/采集及数据价值分析和应用等。只有尽可能全面地把数据纳入管理体系之中，才能更有效地推动数字化发展，驱动企业数字化管理创新、业务创新、产品创新和技术创新，进而推动企业全面走向数字服务经济。
2.数字连接技术——人和物都要连接
建立了数据基础，要实现数据的及时甚至是实时反馈，就用到了数字连接技术。连接技术让人、事、物等实现互联，使互联网、移动互联网、物联网、人联网等最终走向智能互联网。通常用的网络连接技术体系中，可以将软件分为六个层，即嵌入层、边缘计算层、业务服务层、分析服务层、平台服务层、资源层等。
3.数据分析技术——大数据技术
通常，人们将没有经过处理的外部信息称作数据，而将处理后有价值的信息称为信息资源。数字化时代，不仅人群产生数据、机器产生数据，数据自身也产生数据，所有事物在任何时间都在产生数据。数据急剧增长，其数量和复杂程度都达到人类难以用大脑直接处理的地步，传统的计算机程序因为数据数量巨大和类型复杂，也难以在短时间里做出有效分析与判断。这就需要我们利用新的技术——大数据技术来进行处理。
大数据由英语Big Data翻译而来，对它的解释很丰富，但有一条已成共识，“大数据指无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合。”对此，IBM将大数据概括成三个V，即大量化（Volume）、多样化（Variety）和快速化（Velocity）。
大数据首先是数据的总量大，其次是大多为非结构化的数据（即不是EXCEL表那样的规范化、结构化关系数据），更重要的是，这些数据经常需要的是实时处理。实际上，我们现在应用大数据技术的地方太多了。比如，每天出门上班前，无论是坐公交还是开车，我们都会查一下手机给出的路线图，因为说不定此时偶然的交通事故已让那条你多年摸索出来的最佳路线堵得水泄不通。甚至你需要了解今天空气悬浮颗粒中花粉比例会不会突然增高使你的过敏体质强烈反应。在这个过程中，为你提供支持的，就是智慧交通大数据。这些数据是设置在道路上的传感器、监控视频和交通工具中的GPS等设备生产的海量数据。这些数据要形成我们真正需要的信息，需要经过大规模的数据处理分析，还要与包括气象监测设备产生的天气状况数据、工商管理部门采集的大型场地活动数据等结合。这些智能信息并不是简单地告诉用户到达目的地有几条路径或是显示路况信息，而是对多条路径各种情况进行计算，依据用户设定的偏好，提供最佳出行方式和路线。这些信息为用户的出行提供了决策的依据。
这一切都是发生在我们身边的事实，都是大数据技术为我们提供的帮助。这些数据经过实时处理后，转化为有价值的信息、知识和决策选项，以即时可视的方式提供给用户，让用户的生产与生活更加便利和智慧。