大規模協作模式下產品動態連續創新決策

杜元偉 單玉坤 權錫鑒

摘 要：為了解決大規模協作模式下產品動態連續創新決策問題，首先結合大數據、產品動態連續創新理論分析了大數據的驅動作用;然后，從診斷界面、創意界面、行為界面、選擇界面4個層面對創新界面系統進行分類辨識，并分析了每類界面中的信息需求以及各類參與主體發揮的作用;在此基礎上，結合復雜系統、管理決策等理論，分別針對4類界面構建了相應的決策信息提取機理;最后，通過借鑒信息融合、多目標規劃等理論構建了各類創新界面中決策信息整合機理，并分析了創新界面系統中可能使用的決策分析方法。本研究不僅結合參與主體的類型特征有所針對地提取有價值的產品創新信息，而且還能夠通過整合產品創新信息實現創新方案的識別和優選，有利于提高產品創新效率、保證產品創新效果。關鍵詞：大規模協作;產品創新;動態連續創新;創新決策機理;大數據中圖分類號：F 272.3

文獻標識碼：A 文章編號：1672-7312（2019）05-0517-15

Abstract：In order to solve the decision-making problem of product’s dynamical continuous innovation in the large-scale collaboration mode，firstly，the driving effect of big data is analyzed by combining big data with product’s dynamical continuous innovation theories.Then，this paper classifies and identifies the innovative interface system from four aspects of diagnostic interface，creative interface，behavioral interface and select interface，and analyzes the information needs of each type of interface and the role of each kind of participant in the process.On this basis，this paper builds the extraction mechanism of decision-making information for four kinds of interfaces by combining complex systems，management decisions and other theories.Finally，this paper constructs the integration mechanism of decision-making information in various innovation interfaces based on the theory of information fusion，multi-objective planning and other methods，and analyzes the method of decision analysis that may be used in the innovation interface system.The characteristics of this research is that it can not only extract the valuable product innovation information according to the type characteristics of the participant，but also realize the identification and optimization of the innovation scheme by integrating the product innovation information，which is beneficial to improve the efficiency and effect of product innovation.

Key words：large-scale collaboration;product innovation;dynamically continuous innovation;innovation decision mechanism;big data

0 引 言黨的十九大報告指出，實施創新驅動發展戰略，要打破區域和部門利益的藩籬，鼓勵各個領域、各具專長的科研人員充分發揮學科交叉的優勢，實現協同創新。這是黨中央國務院在深刻把握當代科學技術與經濟發展規律的基礎上，為我國未來發展打造核心驅動力做出的重大戰略部署，同時也為現代企業在大規模協作（Mass Collaboration）模式下開展產品創新創造了條件。所謂大規模協作，是全球大量獨立個體在沒有正式組織結構和嚴格強制權力關系的條件下基于共同理解而自愿參與的松散式、靈活式、非正式的協作。憑借其開放、對等、共享、全球運作4項原則，參與主體可以靈活高效地溝通學習、協作創新，正因如此許多企業尤其是世界知名企業已經自覺不自覺地應用該種方式開展各種創新活動并取得了初步成效。在國外，大規模協作使寶馬的研發周期從2年縮減至半年，使Linux Kernel的軟件系統以周為單位不斷更新，使Wikipedia的網站內容時刻都在變化，使寶潔的研發能力提高了大約60%而創新成本卻下降了20%，使黃金公司發現了洪湖礦床上110個目標且其中80%后來證明存在大量黃金[1]。在國內，淘寶、騰訊、新浪、當當等公司都利用大規模協作（如商品評論、微博互聯、智能推薦）獲得了巨大的商業成功，尤其值得一提的是，為推動4G網絡向5G的演進，華為聚焦“用戶感知”，分別從網絡、體驗、業務、技術等方面與全球30余家通信運營商、行業聯盟和機構、垂直行業領導廠商等建立了緊密的合作關系，在大規模協作的基礎上發布了新一代Easy Macro解決方案和新一代3D MIMO解決方案。不難發現，無論是在國外還是在國內，由大量獨立個體圍繞產品創新產生的大數據正驅動著產品的不斷改進和持續優化，大規模協作模式已經不知不覺地被應用于產品創新之中。

如果說大規模協作在2G/3G時代還是一個“神話”，那么在4G網絡已經普及、5G時代即將到來的大數據時代，信息技術將為打破“神話”創造充分的條件。利用大規模協作模式開展產品創新，能夠打破空間界限、提高協作效率、實現信息和知識的瞬間流動，在競爭加劇和創新加速的今天對于組織無疑具有極其重要的作用[2]。正如Tapscott和Williams在《維基經濟學》一書中所指出的：“大規模協作是指用戶依托于互聯網平臺，通過大范圍、大數量、充分參與以及相互協作的方式來創造新價值的過程。

大規模協作正在改變公司和社會利用知識和能力進行創新和價值創造的方式，今后的經濟將會按照該種發展方式進行組織[3]。”大規模協作產品創新不僅能夠擴大創新信息資源，促進超大規模主體之間的專業技術知識融合，而且還可以靈活組織部署，從多方視角對創新信息進行評價、過濾和篩選，從而能夠大幅度提升組織創新能力、有效地應對競爭環境變化[4]。然而，參與主體多樣、主體數量龐大、主體關系對等、知識分布廣泛等特點卻加劇了組織開展產品創新的難度。原因在于：其一，在大規模協作模式下，參與主體不僅有組織的內部成員（管理者、決策者、操作者、技術員等）和其他利益相關者（上下游企業、咨詢機構、科研機構、管理機構等），而且還有分布于世界各地的社會大眾（用戶、潛在用戶等），他們都有發表言論、自由平等的話語權，但專業背景、技術領域、價值觀念等方面的諸多差異卻極易導致源于不同主體的信息其可利用程度大不相同，如何結合參與主體的類型特征有所針對地提取有用信息對于提高創新效率與保證創新效果至關重要。其二，參與主體的類型多樣性與數量龐大性，必然會衍生出五花八門、為數眾多的創新方案（亦可理解為創意），為利用群體智慧、開拓創新思路創造了條件，但首要前提是能夠從中識別出最優的創新方案，如何整合源于不同類型參與主體的信息與知識實現創新方案的優中選優對于保證產品創新的科學有效性尤為重要。需要說明的是，產品創新可以劃分為連續創新、非連續創新、動態連續創新[5]，其中，前兩類或者是僅對原有產品進行細微完善（如操作系統的更新），或者是徹底打破原有產品（消費）模式（如計算機由電子管數字機逐步演變為大規模集成電路機），第三類介于前兩類之間，要求對原有產品加以一定程度的改進但非徹底打破（如iphone、kindle、小米、華為、戴爾等產品的換代）[6]。動態連續創新不僅可以繼承前兩類產品創新的優點，而且也能夠在一定程度上規避二者的缺點。有鑒于此，文中以產品動態連續創新問題為對象，針對大規模協作模式下存在的參與主體多樣、主體數量龐大、主體關系對等、知識分布廣泛等特征，基于大數據驅動視角構建一套能夠涵蓋從“創意產生”到“創意評價”再到“創意優選”全過程的大規模協作模式下產品動態連續創新決策機理。

1 理論基礎

1.1 大規模協作的定義、特征、運行機理大規模協作最早出現在《維基經濟學》一書，書中將用戶依托于互聯網以大范圍、大數量、深入參與及互相協作的方式創造新價值的過程描述為“大規模協作”，并指出大規模協作是經濟模式的一次巨大變革、意味著新協作時代的到來[7]。大規模協作是由全球的社會大眾基于不同的動機自發貢獻自己的知識，以互聯網為平臺通過相互協作來完成產品創新設計[8-9]。后來有學者嘗試結合不同研究對象對此概念進行了個性化延伸。如：以網絡為對象，其被定義為大規模的人們以互聯網為媒介利用各種交互工具及其電腦協作工具創造無限可能新價值的集體行為[10-11];以企業為對象，其被定義為全球大量獨立個體基于共同理解而自愿參與的松散式協作，其中不存在正式而嚴格的組織結構和強制權力關系，但人們卻因此能夠更加靈活高效地進行溝通協作[12-13]。另外，從供應鏈的視角可將大規模協作定義為各成員企業以有效的運行規則為指導，通過相互協作、共擔風險，為實現整體目標而共同制定創新方案以及實施方案的協作方式[14]。在大規模協作定義的基礎上，亦有一些學者對其特征進行了分析。具體可以歸納為：任務導向特征，之所以自發地開展協作是為完成某項任務或實現特定目標[15];超大規模特征，參與主體規模巨大、非一般協作方式所能及;Wiki速度特征，組織能迅速進行跨地域、跨文化全球性互動以應對不斷變化的市場需求[16-17];知識整合特征，強調整合分布性知識、創造更大價值[18]。另外，為了提高運用大規模協作進行價值創造的效率，一些學者從參與動機和協作過程2個視角對其運行機理進行了探討。就參與動機而言，經濟性動機和非經濟性動機是現階段探討的主要論題。如：有的學者認為以在線合作方式存在的大規模協作就像在信息不對稱時代的物物交換，其動機可以概括為預期的互惠聲譽、物質回報、內在享樂、社會心理等[19-20]。有的將參與動機分為平衡回報價值與機會成本后的直接報酬以及由在線活躍表現獲得可能工作機會的間接報酬[21-22]。還有的在檢驗各種動機組合對大規模協作用戶參與影響的基礎上探究了不同主體類型與各種動機之間的關系[23-24]。就協作過程而言，有的學者通過建立參與過程模型分析大規模協作用戶管理方法，提出參與主體之間的價值分享機制是使協作得以順利運行的重要保障[25]。有的基于蟻群覓食的締結默契（Stigmergy）過程，將大規模協作參與主體視為分布式智能主體，并分析提出智能主體是通過彼此交互來改變其他主體行為、引發宏觀新現象的結論[26]。有的在研究Web2.0技術功能的基礎上指出，具備簡單交互作用的各種社會性軟件正在讓整個互聯網不斷衍生出新的協作關系和新的信息系統形態[27]。有的學者對開源生產過程中的網民知識共享行為及激勵設計關系進行了研究，進而提出了促進知識共享行為的激勵機制[28]。還有的認為大規模協作是以同儕制為主要支撐、以科層制與市場制為輔助力量，通過同儕生產、質量控制以及創意交換等運行機制促進知識創新與價值創造，最終實現大規模協作目的的過程[29]。技術創新活動正在向著非線性、網絡化、全球化等方向發展，與之相對應的是技術創新模式也正在由傳統的以線性和鏈式為主的模式向以多元創新主體合作為基礎的大規模協作創新模式轉變。大規模協作創新模式越來越受到學術界和政府部門的關注，將成為提高創新競爭力的一種新型組織和創新過程[30]。1.2 產品創新中的客戶協同在全球競爭節奏加快的同時，客戶需求也正在向著多元化和個性化方向發展，為有效地應對劇烈波動的市場環境、為客戶提供滿意的創新產品，企業必須突破傳統的封閉創新模式，充分整合吸納外部的創新資源，形成獨具特色的開放式創新模式，而客戶協同正是企業實現這種創新轉變的有效模式之一[31]。蘋果公司的快速發展正是得益于充分重視客戶參與、圍繞客戶需求研發與銷售產品[32]。客戶協同產品創新通過吸收并行工程、大規模定制、動態聯盟等先進理念，利用各種網絡化的協同工作環境、創新設計工具以及知識融合技術，使客戶與專業設計人員可以共同進行產品創新，最大程度滿足客戶需求、降低產品創新風險[33-34]。這種產品創新方式既重視獲取個性化的客戶需求，也強調集成客戶的知識、經驗和技能，從而實現客戶與專業設計人員的優勢互補，激發群體創造力，縮短產品開發時間[35-36]。目前國內外專家學者從主體類別屬性、任務協調分配、知識共享管理、突發事件處理等方面對客戶協同產品創新問題進行了一些研究。其中比較有代表性的觀點是：Hippel等在對美國企業創新行為進行大量實證調研后，提出了領先客戶（Lead User）和客戶創新（Customer Innovation）的概念，并指出超過一半以上的創新成果發生在企業與客戶之間的結合點，以領先客戶為主導的客戶創造力對產品創新的實現具有重要作用[37]。Fatih等通過引入時間模糊集刻畫協同設計任務完成時間節點具有非精確性的問題，并運用模糊時間Petri網和動態規劃相結合的方法構建了旨在縮短產品設計周期的效率模型[38]。張雪峰等從企業的視角出發，以將每項產品創新任務與合適的客戶相匹配為目的，提出客戶與任務模糊匹配度度量方法，建立匹配模型，并采用模糊數排序方法求解，從而得出合理的任務與客戶匹配方案[39]。楊育等指出，知識本身的分散性/多樣性/異構性、主體的主觀認知能力差異性、創新對象的客觀復雜性，使創意信息在表述時缺乏統一的描述方法，具有不規范、多樣化、非結構化等特征，會影響創新主體間知識的獲取和共享[40-41]。陳倩等在客戶協同產品開發模糊前端階段，為提高創意知識獲取的準確性，提出了一套基于模糊概念分析和模糊認知圖的創意知識獲取方法，其針對創意知識發散、多樣等特點，結合模糊概念分析與本體理論對不同創意知識提出了考慮粒度的知識表達方法，解決了客戶協同產品開發模糊前端階段創意知識難以準確描述問題[42]。王小磊等針對客戶協同產品創新過程中的多主體創意沖突問題，采用二元語義方法分析多主體設計目標沖突產生的原因，并以滿意度最大化為目標建立了相應的沖突協調模型，實現了多主體創意協調和產品創新方案的高效優化[43]。在客戶協同產品創新過程中，需要注意整體性和動態性的相互協調，整體性要求企業與客戶之間進行深層次的互動交流，從而可以確保雙方優勢的充分發揮，而動態性則是要求企業和客戶密切關注市場環境的變化并及時制定相應的對策方案[44]。不難發現，大規模協作已經成為互聯網時代的一種新型生產模式，其存在的特征和固有的運行機理已經被應用于解決包括產品創新在內的各類管理問題;而在產品創新過程中，企業為了提高生產效率、保證產品質量、維系市場競爭優勢，已經開始通過與客戶協同的方式滿足客戶越來越高級化、個性化的需求。無論是對于大規模協作還是對于產品創新，彼此之間相互融合的趨勢愈加強烈和迫切。在大規模協作模式下開展產品創新不僅能夠擴大創新信息資源，促進超大規模主體之間的專業技術知識融合，而且還可以靈活組織部署，從多方視角對創新信息進行評價、過濾和篩選，從而能夠大幅度提升組織創新能力、有效應對競爭環境變化。令人遺憾的是，產品創新目前還停留在通過客戶協同產生創意的初級階段，而尚未注意到在大規模協作模式下參與創新過程的還有組織內外部成員、社會大眾等其他類別的主體，更未意識到創意由產生到評價、過濾和篩選對保證產品創新效率和效果的重要性。

2 大數據與產品動態連續創新決策2008年，《Nature》雜志出版專刊《Big Data》，基于多學科實際研究現狀系統的介紹了“大數據”所蘊含的潛在價值與挑戰（Lynch，2008），自此“大數據”正式登上了科學研究舞臺，并成為各學科中的研究熱點。2011年，《Science》雜志出版的專刊《Dealing with Data》，標志著“大數據”時代的到來。2012年3月美國奧巴馬政府發布“大數據研究和發展倡議”，正式啟動大數據發展計劃，隨后英國、加拿大、澳大利亞、法國、日本等30多個國家也相繼啟動了大數據計劃，Google、IBM、EMC、惠普、微軟等公司都在積極搶占大數據技術市場[45-46]。在我國，自2012年5月以“大數據科學與工程——一門新興的交叉學科？”為主題的香山會議召開以來，以李國杰院士為核心的計算機科學領域的專家學者紛紛圍繞“大數據”定義的“數學科學”的理論架構與算法應用等問題進行了綜述性的歸納與探討[47];國家自然科學基金委管理科學部也組織了“大數據背景下的商務管理”系列研討，提出了大數據背景下商務管理的若干前沿研究課題[48]。工信部2014年國家物聯網重大應用示范工程、發改委2014年4G專項、國家自然科學基金委2014年重點基金、科技部2015年國家科技支撐計劃及863項目均專門設立大數據研究、示范應用的項目指南。2015年8月31日，國務院以國發[2015]50號印發《促進大數據發展行動綱要》，其中明確提出了促進大數據發展的三大重點任務和十項工程。2016年12月，中國信息通信研究院發布大數據白皮書，重點從大數據技術發展、數據資源開放共享、大數據在重點行業的應用、大數據相關政策法規等4個方面分析了最新進展。2017年5月，國家發改委、貴州省政府共同主辦中國大數據產業峰會，組織“云上貴州”大數據商業模式大賽，展示了大數據應用、大數據軟件及服務等方面的最新科研成果。由此可見，大數據雖然在近幾年才登上科學研究舞臺，但已在國內外掀起了一場從不同學科視角開展研究和應用的熱潮。產品動態連續創新的概念是由Robertson在20世紀60年代提出的，他認為動態連續創新主要表現為“創造新產品或對原有產品進行改進，其改變效應要超過連續創新，用戶為適應該類創新需要一定程度上改變現有的行為模式”。文中認為，動態連續創新相對于非連續創新、連續創新而言尤為適合依托于大規模協作模式開展產品創新活動。原因在于：在連續創新中，雖然用戶對原有產品提出的改進意見對該類創新有一定的參考價值，但是該類創新一般利潤較低，如操作系統更新都是免費的;在非連續創新中，用戶必須重新學習和認識創新產品、徹底改進原有消費模式，其對原有產品提出的改進意見對該類創新的可利用價值一般不大，此外該類創新投入較大，如計算機在技術變革中需徹底改變原有生產線;在動態連續創新中，組織能夠方便地從大規模的用戶體驗中獲取對原有產品的改進信息，用戶對于新產品只要在遵循原有使用習慣的基礎上進行簡要學習即可快速上手，并且該類創新無需徹底改變原有生產線，僅需要對原有生產線進行改進升級便可投入使用，投入成本較小，所以此類創新有利于研發出滿足用戶多樣化需求的新產品，也能夠為組織在特定時期內創造更大價值做出貢獻。在大規模協作模式下，大數據能夠全方位地為產品動態連續創新創造充足的數據支撐條件。主要體現在以下2個方面。其一，舍恩伯格指出，大數據的“大”，并不是指數據本身絕對數量大，而是指處理數據所使用的模式“大”：盡可能地收集全面數據、完整數據和綜合數據，同時使用數學方法對其進行分析和建模，挖掘出背后的關系，從而預測事件發生的概率。在產品動態連續創新決策中，“大”模式表現為社會化的價值創造（在組織內部成員、其他利益相關者、社會大眾等大規模主體的廣泛參與下完成產品創新決策）、網絡化的企業運作（利用Web3.0、界面管理等現代化的信息技術或運作模式提取各類參與主體針對產品動態連續創新問題分享的觀點、做出的判斷、賦予的偏好）、實時化的市場洞察（盡可能實時地收集信息、做出低風險/高回報的產品創新決策）。其二，包括產品創新領域在內的各行各業對數據的依賴性有增無減，甚至以數據為基礎的定量分析方法也有逐步取代耗時耗力的以專家為基礎的定性分析方法的趨勢，使得管理決策越來越依賴于數據而非經驗和直覺。在產品動態連續創新決策中，用戶的需求、產品的創意、企業的選擇等信息均來源于各類參與主體，但是受知識背景、專業領域、分享平臺等多方面主客觀因素的限制，由參與主體給出的有關產品創新的認知信息其表現形式會存在很大差異，通常會具有大數據的4V特征[49-51]——Volume（大量）：2015年全球的數據總量約為8.6ZB，并且每秒鐘通過網絡傳輸的數據總量已超過了20年之前互聯網的總存儲量，預計到2020年全球的數據總量將達到40ZB;Velocity（高速）：數據進出速度快，對數據處理能力以及決策能力要求快速、高效;Variety（多樣）：數據種類不僅包含常規意義上的關系數據或數據倉庫數據，而且還包括圖片、流媒體、社會網絡信息等全新數據類型;Value（價值）：信息價值雖大，但其中的冗余信息也很多。由此可見，如何對具有4V特征的創新決策數據信息進行有效提取和科學融合，是開展產品動態連續創新決策需要重點考慮的關鍵問題。

3 產品動態連續創新決策過程依據產品創新、決策分析等理論的基本觀點，文中遵循“發現問題→分析問題→解決問題”的原則，以第i代產品為例，通過對第i代產品方案的實施監督，發現其中存在的問題，由此展開新一代產品創新決策過程，可將其劃分為發現問題/識別機會、制定創新目標、構建創新方案、評價創新方案、選擇產品創新方案（第i+1代產品）、實施與監督6個步驟。由此，產品創新決策過程循環往復，實現了產品動態連續創新，從而更好地滿足客戶的消費需求，具體如圖1所示。

3.1 發現問題/識別機會發現問題是決策的前提，是確定目標的基礎。企業管理者需要比較產品的現狀與預期的狀態之間是否存在差異，如果產品的進展沒有達到企業期望的水平，那么就可能存在問題。在進行產品動態連續創新過程中，決策問題的內容就是通過對第i代產品方案的實施監督，發現該產品方案的弊端與不足，從而決定應采用何種方案來改進產品質量、性能、包裝等，機會則是指有利于進行產品創新的所有狀況。為了進一步明確和解決決策問題，需要廣泛收集與決策問題相關的大量資料以及信息。而產品創新決策問題的性質和復雜程度則決定了所需資料的數量以及搜集信息的范圍。在大規模協作模式下，所需信息（產品創新信息）既可能來源于企業內部的歷史性資料，也可能來源于企業外部的市場發展態勢信息。在收集資料的過程中，要特別注意資料的真實性與及時性，要隨著周圍環境的變化及時更新資料信息。在收集到所需信息之后，應該立即采取切實有效的方法對信息予以整合、分析、解釋。將產品創新決策信息按照一定的標準（如性能、包裝、外觀等因素）進行劃分和歸類，有利于抓住其中的關鍵信息，從而可以更加明確所需解決的決策問題以及創新機會。

3.2 制定決策目標目標是決策的方向，在明確決策問題之后，就要針對問題確定決策目標。只有明確了決策目標，才能避免決策的失誤。總體來說，決策目標是企業對預期經濟效益的反映，而在產品動態連續創新決策過程中，決策目標可以是對產品的數量、質量以及規格等方面的具體規定。在制定決策目標時，必須充分考慮其明確性、可行性、合理性、層次性以及一定的彈性。通過前文可知，在大數據驅動下，各類參與主體所提供的產品創新信息具有“4V”特征，不僅數據量龐大，而且其中包含眾多的隱含信息、不相關信息甚至沖突性信息，因此，該環節首要解決的問題就是從數據量龐大且價值密度較低的信息中識別出有價值的信息，并通過處理形成分析報告，最終由各類參與主體結合分析報告制定決策目標。

3.3 構建備選方案在明確產品動態連續創新的決策問題和創新目標之后，應根據企業的內外條件，借助于各類參與主體的群體智慧，集思廣益，形成盡可能多地具有創造力的方案，可供選擇的方案越多，解決辦法越完善。構建備選方案的過程是一個創造性的過程，在這一階段，各類創新決策主體必須開拓思維，充分發揮自由想象力。此外，歷史性經驗、創造性以及關注產品創新方面的最新實踐都有助于擬定備選方案。這個過程可以分為2個階段：一是思維發散階段，二是思維收斂階段。在思維發散階段，需要從多種視角獲取與產品動態連續創新有關的各種創意信息。在思維收斂過程中，需要對通過思維發散而獲得大量創意信息進行整合分析，從而擬定出盡可能多地產品創新方案。

3.4 分析評價方案備選方案擬定之后，決策者應對每一個方案的可應用性和有效性進行檢驗，要考慮到各個方案在實施后將可能遇到哪些客觀情況。在產品動態連續創新過程中可能會遇到各種突發情況導致創新過程中斷，為了最大程度地降低創新風險，企業必須事前做好充分準備，對可能遇到的各種客觀情況予以全面周到的考慮。此外，為便于后續工作，企業應在考慮各種客觀情況的基礎上，對每種創新方案為企業帶來的經濟效益、方案實施的可行性和風險性以及可能帶來的影響做出準確的評估。

3.5 選擇滿意方案該環節的主要作用在于根據產品動態連續創新目標對各個創新方案經濟效益的定性分析和定量計算結果，進行比較和評價，對各個方案的優劣、弊端、得失全面地加以權衡，從中挑選出一個令各類參與主體都最為滿意的方案作為最終的決策方案。對所擬定的每個創新方案進行客觀、科學評估是方案選擇的基礎，在選擇時必須充分重視評估的意見，通常情況下是以創新目標為選擇標準。

3.6 實施與監督創新決策的最終目的，在于通過創新方案的實施而取得公司預期的效果。因此，在選定產品創新方案之后，必須要組織企業內部各有關部門以及相關人員實施創新方案，開展對新產品的研發、生產、銷售及售后等工作。此外，方案的實施者還應通過各種信息反饋，檢查創新方案實施后所取得的實際效果，并將其與預期的效果相比較，以檢查創新目標的實現程度，從而判斷之前的決策是否正確，如果實際效果與預期效果基本一致，說明之前的決策分析及創新決策方案是正確的，反之，則說明之前的創新決策存在一定的問題，這時，需要進一步檢查失誤的原因，并對原定創新方案進行適當修正。

4 產品動態連續創新界面系統考慮到界面管理理論在解決多主體沖突、消除界面障礙、提高合作效率等方面具有獨特優勢，有利于解決由主體關系對等、知識分布廣泛而帶來的決策信息分類與整合困難問題。為此，結合界面管理理論對界面的定義（界面是系統相關單元之間的交互平臺，是單元之間接觸方式和機制的總和，單元之間價值創造要素和機制的集合構成了界面的基本內容）[52]，文中將產品動態連續創新決策問題中需要參與主體開展討論并提供認知信息的問題視為創新界面，然后將所有創新界面按照特定關系組成的整體視為創新界面系統，在此基礎上通過系統地辨識各類創新界面為科學有效地提取參與主體的認知信息提供交互平臺。并且，為了提高決策效率、保證決策效果，對產品動態連續創新決策過程中需要多方交互、提取重要決策信息的創新界面系統進行識別也是必要的。為此，下面在分析創新決策主體類別的基礎上，對創新界面系統的主體、客體以及內部結構進行詳細介紹。

4.1 創新界面主體在基于大規模協作模式開展產品動態連續創新的決策過程中，各個環節的決策信息都是由各類參與主體所提供的。教育背景、價值取向、專業技術、認知能力等方面的諸多差異，造成了不同類別參與主體對整個創新決策過程的重要程度并不相同。在產品動態連續創新決策中，可能的參與主體大致可以劃分為企業內部成員、社會大眾、其他利益相關者3類，他們在決策過程中發揮著各自應有的作用。

4.1.1 企業內部成員企業內部成員是產品動態連續創新的發起者、管理者、決策者、利益享有者，會參與產品創新決策的全過程。該類參與主體主要包括經營管理人員、技術研發人員、生產管理人員、市場營銷與售后人員。經營管理人員包括董事長、總經理以及各職能部門經理等管理類人員，他們是創新方案的最終選擇者;技術研發人員，負責從技術層面設計產品的核心功能;生產經營人員，包括加工、裝配、包裝以及設備維修和檢測等員工，他們負責將產品從方案轉化為實物，可以在流程管理方面提供產品改進建議，是產品創新方案的實現者;市場銷售人員，他們是與用戶接觸最為密切的人員，可以了解到用戶的產品需求以及市場需求;售后服務人員，在產品出售之后提供各種相關服務，可以在后續的追蹤跟進階段與用戶保持密切聯系，及時獲得用戶的反饋信息，從而獲得更多的產品改進建議。

4.1.2 社會大眾社會大眾是指能夠發布、接收、提供與產品創新相關信息的各類社會人員，其概念外延比較寬泛，但在各類人員中有2類個體會對產品動態連續創新起到重要作用，即當前產品的使用者（現實客戶）和下一代產品的潛在購買者（潛在客戶）。現實客戶是指曾經購買并使用過當前產品的用戶，他們對產品的優勢和不足都有著全面的認識，有能力在產品動態連續創新過程中從如何完善現有產品視角給出創意性信息。潛在客戶是指那些雖然現在沒有購買和使用當前產品，但是對下一代產品所提供的功能和服務有所需求、有購買能力和購買決策權的群體，他們對下一代產品在功能和服務上有自己獨特的期望，有能力在產品動態連續創新過程中從產品功能需求視角給出創意性信息。需要特別指出的是，無論是現實客戶還是潛在客戶，他們除了能給出產品創意性信息以外，還能對產品創意方案給出是否能滿足自身需要或者達到個體期望目標的決策信息。

4.1.3 其他利益相關者Freeman在《戰略管理：一種利益相關者的方法》一書中將利益相關者定義為是能夠影響組織目標實現與否或被組織目標實現過程影響的所有個體和群體。利益相關者按照擁有資源數量、影響企業程度等方面的差異可以被劃分為經濟利益相關者和社會利益相關者2類。前者是與企業有經濟往來的相關群體，如債權人、內部服務機構、供應商、競爭者等，他們能夠從不同產品創新方案對其利益滿足程度視角提供多方面的創新決策信息，從而影響產品創新方案的評價和優選。后者是與企業存在社會利益關系的相關群體，如政府機關、媒體以及特殊群體等，他們能夠從各種產品創新方案對社會利益的影響程度視角提供相關創新決策信息，以此影響產品創新方案的評價和優選。

4.2 創新界面客體文中將產品動態連續創新中的創新界面劃分為診斷界面、創意界面、行為界面、選擇界面，在此基礎上分析不同類別的參與主體對解決各類創新界面問題的作用，具體如圖2所示。

4.2.1 診斷界面在大規模協作產品動態連續創新過程中，診斷界面的作用在于通過對上一代產品創新方案的實施與監督，發現其中存在的問題，從而進一步識別機會、制定決策目標。這個過程側重的是盡可能多地獲取與產品創新決策問題以及決策目標相關的信息，而在大規模協作模式下，這些信息是由各類參與主體所共同提供的。其中，為明確決策問題而收集的信息既可能來源于由廣大用戶所提供的有關產品需求的信息（如產品外觀、包裝等），也可能來源于由其他利益相關者所提供的有關產品創新發展趨勢的信息，還可能來源于由企業內部成員所提供的歷史性內部資料信息。

同樣的，產品創新目標也是由企業內部成員、其他利益相關者以及社會大眾共同做出的選擇，各類參與主體都可以借助于大數據平臺影響創新目標的制定過程。如用戶可以在交互平臺上發表對產品外觀以及相關性能的要求從而影響創新目標中對產品規格的制定;上下游企業可以通過對所需物料的限制以及產品銷售量來影響創新目標中對產品數量及質量的規定;企業內部成員可以通過對收集到的各種有關產品創新信息的整理分析得出合理的產品創新目標。

4.2.2 創意界面在大規模協作產品動態連續創新過程中，創意界面的作用在于充分利用各類參與主體的發散性思維，通過頭腦風暴等方法，根據決策目標擬定盡可能多地備選方案，具體來說，就是要盡可能多地產生與實現產品動態連續創新有關的各種創意方案，這個過程側重的是盡可能多地獲取與產品創新方案相關的信息。在大規模協作模式下，規模龐大且種類繁多的用戶群體可以從多種視角出發，通過發散性思維，為實現產品創新提供各種創新性意見（如有關產品的包裝、材料、性能等方面）;企業的合作伙伴（如供應商）與企業建立了良好的資源互補關系，會從不同的角度（如資源的可持續利用）為實現產品創新提供更多創意;企業的內部成員可以利用第一手資料掌握更為全面的產品創新信息，繼各類參與主體的發散性思維之后通過思維收斂過程來整合其他參與主體提供的產品創意，從而擬定出更為科學合理的創新方案。

4.2.3 行為界面行為界面的作用在于通過科學的定性分析和定量計算對各方案在各種客觀情況下可能帶來的經濟效益及其效益大小做出具體、準確的評估，并在對各方案進行詳細分析和論證地基礎上，挑選出最有效、最恰當的解決問題的措施，這個過程側重的是盡可能多地獲取與產品創新方案評價相關的信息。在大規模協作模式下，作為購買者和使用者的廣大用戶可以從對產品的感知程度以及認可程度等方面對創新方案給出評價信息;其他利益相關者可以針對產品的資源供給和用戶需求等方面給出相應的評價信息;企業內部成員則可以在綜合整理分析各方意見的基礎上對各方案予以全面的評價。

4.2.4 選擇界面選擇界面的作用在于經過對每個方案的優劣、弊端、得失等各方面的綜合比較分析，從中挑選出令各方都較為滿意的創新方案，這個過程側重的是盡可能多地獲取與產品創新方案優選相關的信息。在大規模協作模式下，廣大現實/潛在用戶會從創新方案對個性化需求滿足程度視角、其他利益相關者會從創新方案對合作目標的滿足程度視角、企業內部成員會從創新方案對組織帶來的價值大小及可執行程度視角，給出價值判斷信息或者偏好選擇信息，通過對各類信息的整合從眾多創新方案中選擇最為有效可行的方案。

4.3 創新界面系統的內部結構選擇界面的作用在于經過對每個方案的優劣、弊端、得失等各方面的綜合比較分析，從中挑選出令各方都較為滿意的創新方案，這個過程側重的是盡可能多地獲取與產品創新方案優選相關的信息。在大規模協作模式下，廣大現實/潛在用戶會從創新方案對個性化需求滿足程度視角、其他利益相關者會從創新方案對合作目標的滿足程度視角、企業內部成員會從創新方案對組織帶來的價值大小及可執行程度視角，給出價值判斷信息或者偏好選擇信息，通過對各類信息的整合從眾多創新方案中選擇最為有效可行的方案。

4.3.1 主體之間的關系在大規模協作產品動態連續創新的決策過程中，企業內部成員、其他利益相關者以及社會大眾之間通過相互協作、知識共享、信息互補等方式，為實現產品創新貢獻自己的力量。企業內部成員作為產品創新的發起者、管理者、決策者、利益享有者，在這3類參與主體中處于主導地位，統籌規劃各類決策信息的提取與整合。在企業內部成員的引導下，社會大眾和其他利益相關者為產品創新提供各種創新目標、創新方案以及創新方案評價與優選的決策信息。同時，社會大眾和其他利益相關者也會制約企業內部成員的行為，使其最終選擇的產品創新方案必須符合所有參與者的共同追求。社會大眾（現實客戶與潛在客戶）作為產品創新的參與者、使用者，在這3類參與主體中處于核心地位。企業內部成員和其他利益相關者都應該圍繞客戶開展市場調研分析，在此基礎上提供各種產品創新決策信息。其他利益相關者作為產品創新的參與者、利益享有者，在這3類參與主體中處于基本地位，以客戶為核心，在企業內部成員的主導下，從自身利益的視角為產品動態連續創新提供各種決策信息。

4.3.2 客體之間的關系文中將產品動態連續創新決策過程中的創新界面劃分為如上文所述的4類界面：診斷界面、創意界面、行為界面、選擇界面，這4類界面并不是相互孤立的，而是處于層層遞進、緊密相連的狀態之中，按照產品動態連續創新決策的過程來設計，由創意目標（診斷界面）到創意產生（創意界面）到創意評價（行為界面）再到創意優選（選擇界面）。文中在此基礎上分析不同類別的參與主體對解決各類創新界面問題的作用，從系統整體論視角將所有界面視為一個創新界面系統并分析其內部構成要素以及要素之間的關系（創意界面是基于診斷界面中的創新目標展開研究，行為界面與選擇界面二者分析對象均是創意界面中的創新方案，并且選擇界面是基于行為界面展開分析）。

4.3.3 主客體之間的關系在大規模協作模式下，診斷界面、創意界面、行為界面以及選擇界面所需要的各種決策信息都是由各類參與主體所共同提供的。需要注意的是，為提高創新效率、保證創新質量，圍繞創新決策問題，一方面要重視對參與主體關心問題的歸納整理，利用特定問題充分調動他們參與協作的積極性，另一方面也要注意通過分析特定問題之間的關系對各類信息予以充分融合，發揮大規模協作的涌現效應。文中認為，在創新方案產生階段（診斷界面與創意界面），需要淡化參與主體之間的邊界，參與主體應該自由協作，建立起松散性、靈活性和非正式的協作關系，所有參與主體都應該視為社會大眾，從諸多視角拓寬創新思路，為實現產品動態連續創新甚至是突破式創新創造條件;而在創新方案篩選階段（行為界面與選擇界面），需要強化參與主體之間的邊界，不同類型的主體都應結合自身需要做出對創新方案的價值判斷，如組織內部成員應基于組織自身特點判斷創新方案對于組織的適用程度、（現實的/潛在的）產品用戶應結合自身需要判斷創新方案對個性化需求的滿足程度、組織其他利益相關者應根據合作關系判斷創新方案對合作目標的實現程度，等等。只有這樣才能擴大產品實現的多樣性空間，降低組織的創新路徑鎖定風險、內部操作風險、市場轉化風險等。

5 產品動態連續創新決策機理體系如前文所說，大規模協作模式下產品動態連續創新界面可以分為診斷界面（探討決策目標如何制定）、創意界面（探討創新方案如何優質高效的產生）、行為界面（探討創新方案對個性化需求滿足程度）、選擇界面（探討創新方案對組織目標以及利益相關者目標的實現程度）。文中將基于上述4類界面，分別探討其決策信息分類提取機理、決策問題的不確定表達、決策信息整合機理以及決策分析方法，具體如圖3所示。

5.1 信息分類提取機理大規模協作模式下，各類參與主體都能針對產品動態連續創新問題在各種類型的創新界面上發表言論、自由探討。然而，不同類型的創新界面對參與主體“索取”的信息類型并不相同，即診斷界面需要大量的目標性決策信息、創意界面需要突發奇想的創意性信息、行為界面需要對創新方案在滿足個性化需求上的認知性信息、選擇界面需要創新方案在滿足分布式目標上的判斷性信息。上述方面決定了在各個創新界面上不同類別參與主體發揮的作用程度有主次之別。因此，結合創新界面的問題特性，充分調動參與主體協作創新的積極態度，科學有效地設計主要和次要參與主體的推斷信息提取機理，是大規模協作模式下產品動態連續創新中需要解決的首要問題。如前文所述，針對產品動態連續創新決策問題由大規模參與主體給出的認知信息一般具有“4V”特征。Volume（大量）：數以萬計乃至數以億計的參與主體都可以基于自身掌握的信息、經驗、知識發表觀點和見解;Velocity（高速）：利用電腦、手機等各種終端設備可以隨時隨地參與產品動態連續創新決策;Variety（多樣）：信息可能以多源、異構、多模態、不連貫語法或語義等多種形式存在;Value（價值）：給出的信息中可能存在大量不相關甚至沖突性信息，產品動態連續創新的知識“提純”難度高。文中認為，在大規模協作模式下，當“目的性”并非十分明確時，產生數據的“4V”特征會尤為明顯，而當“目的性”相對明確時，產生數據中的Variety（多樣）和Value（價值）2個特征將能通過涉及相應的信息提取模式得到一定程度的改善。如診斷界面和創意界面“索取”的是產品改進的創意，其提取信息可以側重于“語義描述+圖片展示”等方式呈現，行為界面和選擇界面“索取”的是認知判斷性信息，其提取的信息可以側重于“數值判斷+語義說明”等方式呈現[53-54]，顯然，數據由“多樣”變為“幾樣”（在一定程度上削弱信息的多樣性，但不能奢望完全剔除這種多樣性）、由“價值低”變為“價值高”（推斷的數值將能直接應用于創新決策之中，當然，所設計的數值推斷方式要能充分反映參與主體的真實認知、要能刻畫認知信息中存在的諸如隨機性、模糊性、不完備性等不確定性）。鑒于上述原因，文中遵循匹配性與適用性雙重原則（信息提取模式既要與界面需求信息相匹配又要與參與主體的認知能力相適應），結合當前階段的信息技術進行決策信息提取機理的設計，充分發揮“人機結合”優勢，讓參與主體能夠將精力集中于對產品動態連續創新問題的認知上而非對“信息該如何表達和傳遞”的糾結上。在有關大規模協作的研究成果中，雖然在定性理論、定量方法等方面存在著諸多有待完善之處，但其中不乏對大規模協作創新成功案例的介紹分析。為此，診斷界面和創意界面中決策信息的分類提取模式可通過分析總結一些大規模協作中的典型案例經驗，結合開放式創新、信息技術、決策分析等理論的基本觀點進行構建[55]。如：Dell公司基于Web 2.0技術開展了大規模協作創新，通過對其創意（IdeaStorm）、博客（Direct2Dell）、視頻（StudioDell）等模塊功能的分析，可以總結出，利用在線平臺，用戶可以全程參與創新過程，即在產品開發之初可以提出創意和要求、在開發過程中可以協助提出技術方案、在產品上市后可以提出反饋意見、用戶之間可以相互交流與協作互助等等。另外，行為界面、選擇界面的決策信息的提取可以借助于網絡投票、QQ群聊、論壇社區等信息技術實現。需要強調的是：診斷界面和創意界面側重的是盡可能多地獲取產品創新方案信息，而行為界面和選擇界面側重的是從眾多的創新方案中識別出最優方案，為此可將頭腦風暴方法中的基本原理融入到上述模式設計中。如：為了得到更多地創新方案，在診斷界面和創意界面中參與主體需遵循直接頭腦風暴方法中自由思考、延遲評判、以量求質、結合改善的原則;為了能對創新方案進行有效篩選，在行為界面和選擇界面中需遵循質疑頭腦風暴法中對提出的重要創新方案逐一質疑的原則[56]。

5.2 決策問題的不確定表達機理參與主體在知識背景、風險偏好、價值取向等方面的差異性，導致了在各類創新界面上獲得的決策信息具有數量規模龐大、類型復雜多樣等“4V”特征。如何結合決策信息特征對產品動態連續創新中的決策問題進行描述，不僅關系到源于各類創新界面上決策信息的有效表達，而且關系到整合決策方法的科學構建。鑒于上述原因，對于大規模協作模式下該類創新中的決策問題表達問題，可以采用不確定方式描述創新界面中的決策信息，其關鍵技術方法是行為科學中的前景理論。前景理論是由2002年諾貝爾經濟學獎的獲得者Kahneman等提出的可以更現實的反映和描述實際辯優過程的行為決策理論[57-58]。該理論將決策問題可能出現的狀態稱為結果，將各種結果及其發生概率所組成序列稱為前景。在前景理論中，作為決策依據的前景價值是由結果的價值和對概率進行轉換的概率權重所決定的，其中，結果價值是判斷可能結果對實現自身目標的貢獻程度，概率權重是判斷人們的風險偏好態度對完成預期目標的影響程度[59-60]。具體過程為：對診斷界面中的大量信息予以歸納整理從而識別問題、發現機會并制定決策目標，將創意界面中的創新方式視為擬進行優劣排序的備選方案，利用包含結果與概率2個要素的前景描述行為界面中的用戶感知信息，利用結果價值和概率權重描述選擇界面上價值判斷信息和風險偏好信息。借助前景理論對大規模協作模式下產品動態連續創新中的決策問題予以表達，一方面有利于對各類創新界面中決策信息的結構化提取（由結果和概率組成的前景是對行為界面中具有“4V”特征的決策信息進行整合得到的），另一方面也有利于創新界面系統中決策分析方法的建模（包含結果價值和概率權重的前景價值是對選擇界面中的決策信息進行整合得到的）。

5.3 決策信息整合機理遵循創新界面中決策信息分類提取機理，能夠得到一系列有利于產品動態連續創新的解決方案（創新方案）以及與其相關的決策信息，為進行方案優選創造了條件。然而，參與主體的超大規模特性勢必會導致決策信息在數量上極其龐大（Volume）、在類型上復雜多樣（Variety）、在時間上隨時產生（Velocity）、在空間上個體信息價值小但總體信息價值大（Value，此時需要克服個體信息之間的冗余和沖突）。上述“4V”特征在產品動態連續創新中將導致：在診斷界面中，參與主體所提供的產品創新目標信息數量龐大且價值密度低，導致創新目標模糊;在創意界面中，參與主體自由協作、交流互動會產生諸多創新方案，方案與方案之間又可以進行交叉融合衍生出新的方案，從而造成創新方案數量可能極其龐大;在行為界面中，參與主體能以獨立方式或以交互方式給出創新方案滿足個性化需求的認知性信息，但是，知識背景的多樣性會造成他們所給出的決策信息具有差異性，主觀認知能力的有限性又會造成決策信息具有不確定性;在選擇界面中，參與主體可能從創新方案對組織帶來的價值大小及可執行程度視角，也可能從創新方案對利益相關者合作目標的滿足程度視角，給出價值判斷信息或者偏好選擇信息，而參與主體在風險偏好、價值取向等方面的諸多不同會使上述信息具有差異性甚至沖突性。需要說明的是，在分時段汲取各類創新界面中的決策信息時可能需要實時融合個體信息而為（某類或全部）參與主體及時地觀測信息整體態勢提供參考。如：在診斷界面和創意界面上，實時觀測整體態勢有利于及時發現有價值的觀點并對其進行持續高效地改進;在行為界面和選擇界面上，實時觀測整體態勢便于感知信息缺失視角（如某類主體的需求或利益未得到反映）從而有利于獲取具有全面性和系統性的決策信息;特別地，對于發起產品創新的組織而言，實時觀測整體態勢既有利于對產品動態連續創新決策的過程控制，又有利于平衡決策效率與決策效果之間的矛盾關系（當產生的決策信息足以作出最優化產品創新決策時即可結束），從而為降低決策成本、把握市場先機創造條件。有鑒于此，圍繞大規模協作模式下產品動態連續創新中的上述問題，文中對各類創新界面以及創新界面系統中決策信息的整合機理開展研究，以期解決具有龐大性、多樣性、不確定性、沖突性等特征的決策信息整合問題，實現對各種決策信息的結構化處理及創新方案的優選決策。創新界面中決策信息的整合問題可以劃分為：診斷界面的決策目標信息整合，創意界面的創新方案信息整合，行為界面的結果信息整合、概率信息整合，選擇界面的結果價值信息整合、概率權重信息整合。前三類整合問題即決策目標信息整合、創新方案信息整合和結果信息整合，關注的是對不同領域知識的交叉融合創新或者全方位專業推斷，屬于定性分析的范疇，因而可以結合決策問題實際情況依據相關理論和技術進行整合機理設計。如：在創意界面中強調決策信息的智能整合與推薦，一方面可以利用信息技術將產生的創意實時推送到用戶終端，使參與主體都能及時了解最新創意并對其做出推薦（創意推薦強調簡便性，可以考慮通過“點贊”或“分級”等方式實現），在此基礎上通過整合所有推薦結果實現對創意的實時智能推薦，另一方面參與主體也可以結合自身感悟對其認為有價值的創意進行改進，并通過分析創意之間的因果關系或者關聯關系自動識別創意之間的演化過程。后三類整合問題即概率信息整合、結果價值信息整合和概率權重信息整合，側重于從不確定認知、價值判斷、風險偏好等視角對決策問題的定量描述，故對于他們的整合應構建相應的整合方法。如：概率信息整合強調實時整合對個性化需求滿足程度的認知性信息，可以結合網絡投票技術和Dempster-Shafer證據理論予以實現[61-62]。具體地，按照預先設定等級（可以視為整合后的結果信息）提取參與主體對創新方案滿足個性化需求的程度性信息，因為創新方案數量可能較多、主觀認知能力亦有限，故由參與主體給出的推斷信息應具有不完備性（如：完全不知道、部分不知道、在一定程度上知道等）并且源于不同參與主體的推斷信息可能具有差異性甚至沖突性，可以利用具有描述不完備信息能力且能融合該類信息的Dempster-Shafer證據理論對決策信息進行實時整合。對于結果價值和概率權重信息，強調在分布式交互的基礎上動態整合各方利益主體的判斷性信息（參與主體之間相互交流和學習能夠促進知識的傳遞和轉移，有利于逐步深化對決策問題的認識和理解，故隨著交互的逐步深入，參與主體的認知信息將會越來越明確），可借助確定性等價（Certainty Equivalence）關系或價值權衡（Trade Off）原理、以參數或者非參數方式提取相關參與主體的決策信息，然后利用最小化方差思想分類構建相應的決策信息整合方法[63]。

5.4 決策分析方法構建機理創新界面系統中的決策分析方法的作用在于，從對不同類型參與主體整合出的具有差異性甚至沖突性的決策信息中提取能夠最優協調各方滿意度的有效信息，在此基礎上實現對所有創新方案的排序和優選。在構建該方法時，按照不同類型參與主體之間的異質關系可將創新界面系統中的方案排序抽象為多目標決策問題。由于大規模協作中參與主體的類型跨度較大，每一個類型的參與主體都從特定的群體視角審視創新方案可能產生的現實價值，因此在綜合協調各個視角的決策信息時應注意整合方法的公平合理性。在決策分析方法構建過程中，可通過引入各類型參與主體對創新方案的滿意度指標構建決策分析方法。具體而言，首先應用模糊集理論建立用于刻畫不同類型參與主體滿意度的模糊成員函數，然后在引入主體類型權重的基礎上利用多目標規劃方法協調不同類型主體的滿意度平衡關系，最后通過最優化方法獲取能夠令各方滿意度達到Pareto最優的創新方案。需注意的是，在方法構建過程中，用于反映各類型主體之間相對重要程度的主體類型權重需要事先確定，其確定方法可考慮通過線性加權、層次分析、網絡分析、TOPSIS、多屬性決策等方法予以確定[64-66]。

6 結 語文中以產品動態連續創新為對象，將大規模協作與大數據進行深入交叉融合，從“創意目標”到“創意產生”到“創意評價”再到“創意優選”4個層面研究其創新決策的全過程，構建大規模協作模式下產品動態連續創新的決策機理，不僅有利于集成全球范圍內的多樣性知識資源、保證產品質量，而且有利于依托互聯網技術實現信息與知識的瞬間流動、提高產品創新效率。文中對大規模協作模式下的產品動態連續創新決策問題開展研究，既有利于深化產品創新理論又有利于針對特定類型問題完善大數據驅動決策方法，具有重要的理論意義。該機理模型在一定程度上為組織開展大規模協作產品動態連續創新給出了解決方案，可以結合參與主體的類型特征有所針對的提取有用信息，并整合不同類型參與主體的信息與知識實現創新方案的優中選優，從而保證了組織創新的科學有效性與應用可行性。此外，文中是適應創新型國家戰略、提高我國企業創新能力的現實需要。“十三五”規劃中明確提出“實施創新驅動發展戰略”，指出“把發展基點放在創新上，以科技創新為核心，以人才發展為支撐，推動科技創新與大眾創業萬眾創新有機結合，塑造更多依靠創新驅動、更多發揮先發優勢的引領型發展”以及“把大眾創業萬眾創新融入發展各領域環節，鼓勵各類主體開發新技術、新產品、新業態、新模式，打造發展新引擎”，并強調“把大數據作為基礎性戰略資源，全面實施促進大數據發展行動，加快推動數據資源共享開放和開發應用，助力產業轉型升級和社會治理創新”等重要方針政策。這是黨中央國務院在深刻把握當代科學技術與經濟發展特征的基礎上，為我國未來發展打造核心驅動力所做出的重大戰略部署。在這一時代背景下，文中結合參與主體多樣、主體數量龐大、主體關系對等、知識分布廣泛等特點，從大數據驅動視角提出一套能夠充分發揮大規模協作產品創新靈活性、能夠科學整合超大規模參與主體知識的機理和模型，是適應我國建設創新型國家戰略的現實需要。

參考文獻：

[1] Tapscott D，Williams A D.Wikinomics：how mass collaboration changes everything[M].New York：Portfolio Trade，2006.[2]趙 坤，郭東強.眾創式創新：源起、歸因解析與認知性框架[J].科學學研究，2016（07）：1086-1095.

[3]Tapscott D，Williams A D Williams.Macrowikinomics：rebooting business and the world[M].New York：Portfolio Penguin，2010.[4]呂一博，施蕭蕭，冀若楠.開放式創新對企業漸進性創新能力的影響研究[J].科學學研究，2017（02）：289-301.[5]段萬春，蘇 佳，杜元偉.基于交叉效率的產品動態連續創新創意評價方法[J].科技進步與對策，2016（11）：114-121.[6]何 穎，唐葆君，孫 星.創新管理[M].北京：經濟管理出版社，2009.[7]孟 稻，孔令柱.社會網絡理論下“大眾生產”組織的網絡治理研究[J].經濟管理，2014（05）：70-79.[8]鐘經文.迅速興起大眾創業萬眾創新熱潮[N].經濟日報，2015-12-18（001）.[9]張曉冬，周宏麗，胡 楊.大規模協同環境下知識協作網絡的動態魯棒性研究[J].計算機集成制造系統，2017（02）：1-14.[10]趙夫增.互聯網時代的在線社區生產模式研究[J].科學學研究，2009，27（04）：546-553.[11]李斌勇.基于云服務平臺的多聯盟企業群協同技術研究[D].重慶：西南交通大學，2015.[12]趙夫增，丁雪偉.基于互聯網平臺的大眾協作創新研究[J].中國軟科學，2009（05）：63-72.[13]Abdalla H，Chant.An integrated design framework for mass customization in the consumer electronics industry[J].International Journal of Computer Applications inTechnology，2011，40（01-02）：37-52.[14]王 瑤.基于客戶協同的供應鏈創新研究[D].大連：大連工業大學，2015.[15]張 建，劉 民.網絡經濟環境下企業發展模式的創新[J].東岳論叢，2015，36（11）：74-78.[16]羅 珉，王 雎.跨組織大規模協作：特征、要素與運行機制[J].中國工業經濟，2007（08）：5-14.[17]Moon S K，Shu J，Simpson T W.A module-based service model for mass customization[J].Service Family Design，2011，43（03）：153-163.[18]張 碩，李英姿，張曉冬.大規模協同設計過程復雜性分析及主體行為層次模型構建機[J].科技進步與對策，2014（19）：1-5.[19]Potter A，Mcclure M，Sellers K.Mass collaboration problem solving：a new approach to wicked problems[C].IEEE，2010.[20]Richter S，Kuhn H，

Aregbe Y.Improvements in routine uranium isotope ratio measurements using the modified total evaporation method for multi-collector thermal ionization mass spectrometry[J].Journal of Analytical Atomic Spectrometry，2011，26（03）：550-564.[21]Li Q，Wu D D，Fu R.Mass collaboration in earthquake risk management[J].Human and Ecological Risk Assessment，2010，16（03）：494-509.

[22]常 靜，歐瑞秋.百度百科大眾生產者的激勵研究[J].科技與經濟，2014，27（02）：81-85.[23]Le Q，Panchalj H.Modeling the effect of product architecture on mass-collaborative process[J].Journal of Computing and Information Science in Engineering，2011，11（01）：1-12.[24]解學梅，劉絲雨.協同創新模式對協同效應與創新績效的影響機理[J].管理科學，2015，28（02）：27-39.[25]李德毅，張海粟，王樹良.維基的詞條質量檢測研究[J].武漢大學學報（信息科學版），2011，36（12）：1387-1391.[26]Tkaca N.Wikipedia and the politics of mass collaboration[J].Journal of Media and Communication，2010，2（02）：40-53.[27]張樹人，方美琪.Web2.0與信息系統復雜性變革[M].北京：科學出版社，2008.

[28]李曉方.激勵設計與知識共享——百度內容開放平臺知識共享制度研究[J].科學學研究，2015，33（02）：272-278+312.[29]謝偉聰，楊建梅.維基百科貢獻者中的人類動力學模式[J].科學學研究，2010，28（10）：1454-1458.[30]趙增耀，章小波，沈 能.區域協同創新效率的多維溢出效應[J].中國工業經濟，2015（01）：32-44.[31]岳 英，萬映紅.客戶協同創新維度及構成實證研究——以知識密集型服務業為例[J].科技進步與對策，2016，33（13）：106-112.[32]劉 剛，熊立峰.消費者需求動態響應、公司邊界選擇與商業生態系統構建——基于蘋果公司的案例研究[J].中國工業經濟，2013（05）：122-134.[33]邢青松.客戶協同產品創新效率及其關鍵影響因素研究[D].重慶：重慶大學，2012.[34]張雪峰，楊 育，于國棟.面向產品創新任務的協同客戶利益分配機制[J].計算機集成制造系統，2015，21（01）：13-20.[35]李 斐.客戶協同產品創新知識系統及其若干關鍵問題研究[D].重慶：重慶大學機械工程學院，2014.[36]李 剛，白影波，許德惠.客戶參與新產品上市速度——基于中國制造業的實證研究[J].科研管理，2014，35（02）：94-103.[37]Hippel E V.Democratizing innovation[M].New York：MIT Press，2005.[38]TüysüZ F，Kahraman C.Modeling a flexible manufacturing cell using stochastic petri nets with fuzzy parameters[J].Expert Systems with Applications，2010，37（05）：3910-3920.[39]張雪峰，楊 育，蘇加福.產品創新任務與協同客戶匹配策略與模型[J].科學學研究，2016，34（01）：142-150.[40]楊 育，王小磊，曾 強.協同產品創新設計優化中的多主體沖突協調[J].計算機集成制造系統，2011，17（01）：1-9.[41]宋李俊，龔 立.知識驅動的客戶協同產品創新研究[J].科技管理研究，2014（08）：14-18.[42]陳 倩，楊 育，張雪峰.客戶協同產品開發模糊前端階段創意知識獲取[J].計算機輔助設計與圖形學學報，2017，29（01）：145-154.[43]王小磊.客戶協同產品創新中沖突協調與消解的關鍵技術研究[D].重慶：重慶大學，2010.[44]王 方.面向客戶關鍵需求的產品協同創新方法研究[D].西安：西安電子科技大學，2016.[45]Mcafee A，Brynjolfsson E.Big data：the management revolution[J].Harv Bus Rev，2012，90（10）：60-66+68+128.[46]何 軍.大數據對企業管理決策影響分析[J].科技進步與對策，2014（04）：65-68.[47]李國杰.大數據研究的科學價值[J].中國計算機學會通訊，2012，8（09）：8-15.[48]馮芷艷，郭迅華，曾大軍.大數據背景下商務管理研究若干前沿課題[J].管理科學學報，2013（01）：1-9.[49]

Lavalle S，Lesser E，Shockley R.Big data，analytics and the path form insights to value[J].MIT Sloan Management Review，2014，52（2）：21-31.[50]Mayer-sch N V，Cukier K.Big data：a revolution that will transform how we live，work，and think[M].Houghton Mifflin Harcourt，2013.[51]

Chen H，Chiang R H，Storey V C.Business intelligence and analytics：from big data to big impact[J].MIS Quarterly，2012，36（04）：1-24.[52]

Gordijn J，Akkermans J M.Value based requirements engineering：exploring innovative ecommerce idea[J].Requirements Engineering Journal，2003，2（08）：114-134.[53]徐澤水.純語言多屬性群決策方法研究[J].控制與決策，2004（07）：778-781+786.[54]

Garcia-Cascales M S，Lamata M T.Solve a decision problem with linguistic information[J].Pattern Recognition Letters，2007，28（16）：2284-2294.[55]李 濤，高良謀.“大數據”時代下開放式創新發展趨勢[J].科研管理，2016（07）：1-7.[56]杜元偉，段萬春，黃慶華.基于頭腦風暴原則的主觀證據融合決策方法[J].中國管理科學，2015（03）：130-140.[57]

Henderson V.Prospect theory，liquidation，and the disposition effect[J].Management Science，2012，58（02）：445-460.[58]Henderson V，Hobson D，Alexi S L.Randomized strategies and prospect theory in a dynamic context[J].Journal of Economic Theory，2017，168：287-300.[59]Kahneman D，Tversky A.Prospect theory：an analysis of decision under risk[J].Econometrica：Journal of the Econometric Society，1979（01）：263-291.[60]

Tversky A，Kahneman D.Advances in prospect theory：cumulative representation of uncertainty[J].Journal of Risk and Uncertainty，1992，5（04）：297-323.

[61]韓德強，楊 藝，韓崇昭.DS證據理論研究進展及相關問題探討[J].控制與決策，2014（01）：1-11.[62]Li F，Qian Y，Wang J，et al.Multigranulation information fusion：a dempster-shaferevidence theory-based clustering ensemble method[J].Information Sciences，2017，378：389-409.[63]李春好，杜元偉，劉成明.基于基元前景交叉判斷的前景價值模型[J].管理科學學報，2010（02）：12.[64]Fu C，Yang S.An attribute weight based feedback model for multiple attributive group decision analysis problems with group consensus requirements in evidential reasoning context[J].European Journal of Operational Research，2011，21（01）：179-189.[65]

Wei G W.Grey relational analysis method for 2-tuple linguistic multiple attribute group decision marking with incomplete weight information[J].Expert Systems with Applications，2011，38（05）：4824- 4828.[66]Kuo T.A modified TOPSIS with a different ranking index[J].European Journal of Operational Research，2017，260（01）：152-160.

（責任編輯：嚴 焱）