观察一个产业的运行质量，单看龙头企业的数据远远不够。上下游配套的密度与协同的效率，才是决定产业竞争力的深层变量。在这方面，日本与德国的产业组织提供了两种不同的参照，对照它们的做法，可以看出国内产业数据监测中容易被忽视的部分。上下游数据断档时，龙头企业自己的数据也常失真。

日本制造业的特点是系列化的纵向协作：整车厂与零部件企业之间形成长期绑定的供应关系，数据交换深入到生产计划层面，主厂的需求波动可以提前传导到供应商的排产系统。德国则更多依托行业协作网络：中小企业通过行业协会、研究机构与标准组织连接，配套关系相对开放，但技术与标准的信息流通非常密集。两种模式取向不同，但对数据的依赖是共同的。

两种模式各看什么数据

在日本的体系里，衡量产业健康度的关键数据是配套企业的稼动率与主厂的订单预测偏差——长期协作让双方敢于共享敏感数据，协同成本因此很低。在德国的体系里，更受关注的是行业层面的标准演进与共性技术扩散速度，配套关系虽不固定，但信息基础设施确保了协同质量。据公开报道，两国产业界都把上下游信息共享的深度当作产业数据的重中之重，而这恰是国内许多产业监测中相对薄弱的一环。配套关系本身不是壁垒，配套之上的信息流动才是。

可借鉴的三点做法

对照来看，有三点可借鉴：其一，把配套半径纳入产业监测，不只统计区域内有多少配套企业，还要看协作关系的稳定程度与信息对接的深度；其二，鼓励链主企业与核心供应商建立计划层面的数据交换，哪怕从共享三个月的滚动预测做起；其三，发挥行业协会在数据口径与共享规则上的组织作用，让中小企业不必重复自建体系。三点做法的共同点是先易后难，从看得见的数据做起；对中小企业来说，加入共享体系远比自建系统划算。

产业数据的协同视角，改变的是对产业好坏的定义：不是龙头有多强，而是链条上每个环节能否被龙头的需求拉动、被协同的网络托住。日德经验说明，这一层能力需要多年经营，也最值得从现在开始积累。国内产业带密集，协同数据的积累条件并不差，缺的是组织方式与共享意愿。