关于区域数字经济发展，前人们也已经拆解为产业数字化和数字产业化。关于这两个概念，我来阐述下我的一些理解。
1、产业数字化
产业数字化指的是各种各样类型的产业（尤其是传统行业），在进行企业转型升级过程中利用数字化的技术手段提升企业整体竞争力的过程。
数字化转型最终的成效有很多种可能：
- 办公效率提升：利用信息化办公系统、即时通讯工具（钉钉）、RPA机器人等，提升办公效率，所见办公费用支出，起到降本增效；
-
生产效率提升：嫁接数字技术，提升了生产效率，生产质量，生产运行效率；
• 助力经营提升：采用电商对接，扩大企业销售对象范围；精准营销，减少营销成本，增加营销精准度； - 提升客户服务：采用信息化手段，建立与客户直达渠道，为客户提供更优质、更贴身的服务，不断提升客户粘性；
-
战略决策优化：基于经营数据，为决策层提供一手的决策数据，为战略决策的准确性、科学性提供坚实数据基础。
在产业数字化过程中，会释放大量的信息化、大数据、人工智能等各类数字化项目需求。为了实现这些数字化转型需求，所产生处大量的数字化项目需求，大量数字化人才需求，需要具体的企业来承接这些需求。而这些所谓的乙方企业多了，规模大了，就自然繁荣扩大了数字化产业了。
2、数字产业化
很多地方都在高呼要发展数字经济，要实现数字产业化，但发展数字经济的核心和前提是什么？是数字化、信息化的建设需求。打个比方，一个地方要发展一个产业，比如纺织产业，那首要解决的问题是要有海量的订单，有了订单，自然就有承接这些订单的企业，有了这些企业，这个产业自然而然也就发展起来了。
通过刚刚的论证推导出来：如果想发展区域数字经济，核心是需要有足够的数字需求，而这些需求的来源在哪儿呢？这些需求如何通过合理的方式方法进行引导呢？
首先说说数字化需求的来源：
- 政府部门的信息化建设需求，解决业务过程中的信息化；【需求清晰、单价低，竞争激烈】
- 政府部门的创新场景需求，诸如大数据应用、智慧城市、城市大脑等等都可以纳入那个范畴；【需求不清晰、单价高，竞争加剧】
- 企业信息化建设需求，解决正常业务过程中信息化支撑；【标准化、SaaS化】
- 企业数字化转型需求，寻找企业新的增长点；【需求模糊、定制化】
这儿传统的信息化就不多说了，这类企业很多，发展也相对饱和了，短期内难以有巨大发展。而创新型的场景需求、企业数字化转型，都还在路上，能否走出一条康庄大道，还需要观察，我是相对乐观的。但是，创新型场景想要实现，有三方面制约，第一，能否真正产生“价值”，命题的真伪性；第二，技术能否跟得上需求；第三，所需要的生产资料、生产要素是否具备；
是否真正产生的“价值”，是不断探索、发现和挖掘的过程，这个会有所谓的试错成本，这需要头部企业、先进政府进行试错。而第二个技术问题，在目前大数据、知识图谱、区块链、人工智能技术不断发展的今天，很多问题正在解决，只要有足够的需求支撑，我相信，很多技术都会得到突飞猛进。第三个问题，往往被很多人所忽视，“生产要素”的制约，在数字化时代，“数据”是最为重要的生产要素。但无论是政府还是企业，数据孤岛、数据壁垒很多，数据质量问题也普遍存在。而这种数据治理的问题又是摆在面前的第一个拦路虎。那接下来重点说说现今时代下“生产要素”数据的问题吧。
3、生产要素“数据”
有人总结过数据的问题，可以归结为数据“看不到、看不懂、拿不到、拿不全”。
看不到，数据都在业务的生产数据库中，没有一个数据资源目录将这些数据以可视化的方式呈现出来，就像我们看一本厚厚的书，没有目录一样，想要找到所需要的内容，很费力。数据看都看不到，更别谈利用了。
看不懂，数据编目并且发布到目录系统中，但是数据使用者发现还是用不起来。为什么？
回答这个问题，我先做个比方：
将政府打造的数据共享交换体系比作是一个农贸市场，里面商贩售卖各种各样的食材；
委办单位对应的既是食材的生产和售卖者（数据提供者）又是食材的消费者（数据消费者）；
委办单位通过建设信息化系统支撑它的正常业务开展，过程中产生了很多数据。原先很多地方都是直接以系统表结构的作为资源目录的发布方式。这种方式就像是养猪场饲养了很多猪，直接把猪拿到农贸市场中进行售卖。
而食材的消费者，比如他想做一道爆炒猪肝，在旧有的模式下，就必须到农贸市场把整头猪买下，然后回去费很大力气杀完猪，把猪肝给取出来，然后再去做这道爆炒猪肝。这对食材的消费者能力要求就很高了，既要具备屠夫杀猪的能力，还得具备菜肴烹饪的能力，工作难度、工作内容都很大，而且因为对猪不熟悉，特别容易出错。这就导致旧有的这种农贸市场很难正常高效的运转下去（数据看不到、看不懂、拿不到、拿不全）。
新模式下，需要屠夫将一头猪拆解成为：猪肝、猪蹄、猪血、猪肉等，再拿到农贸市场上进行售卖。只有这样，食材的消费者才能方便、放心的使用这些食材，烹饪出更好的菜肴。
对应到现实数据治理领域，就是要对业务系统所产生对原始数据进行筛选、拆解，让数据变成数据使用人员可理解、可使用的数据形态，这个过程我们成为数据资源的深度整理。正是我们很多地方缺失了这个关键步骤，导致我们很多政府打造所谓的政务共享交换体系、数据开放平台，但最终使用者很少，原因就在这儿了。
当然，围绕“数据治理”这个问题，需要讨论的内容太多了，比如数据的确权、数据价值的评估、数据源部门的考核标准和考核机制等等，后续有机会再多写写。
