數字化情景下的傳統管理理論變革
——數據基礎觀話語體系的構建

宋立豐，郭 海，楊主恩

（1.北京物資學院商學院,北京 101126; 2.中國人民大學商學院，北京 100872）

1 研究背景

全球的企業和組織正逐漸從工業經濟時代進入到數字經濟時代，這種時代的轉變是全方位、系統化的，包括信息技術、商業模式、組織結構等的轉變［1］。然而，數字經濟時代中的傳統企業應該如何變革、數字化或互聯網企業如何優化管理實踐、如何解釋和預測數字化企業的管理現象等問題卻一直沒有系統的管理理論來解決［2］。這是由于數字經濟時代的管理理論研究與企業管理實踐是分離的，盡管2018年以來很多學者和研究機構開始重視和推動數字經濟時代管理理論的發展，但是相關的研究卻多浮于表面［3］。

現有數字化管理理論方面的研究主要存在兩方面問題。一方面，數字經濟時代是一個系統環境，各元素、各領域和各個體之間相互交錯、難以分離，但是現有研究卻大多僅從單一視角入手，探討由此引發的變革。例如，大數據、移動互聯、人工智能、區塊鏈、虛擬現實、云計算等構成數字經濟時代基礎的信息技術帶來的創業創新、商業模式、人力資源管理等方面的變革，并由此提出某一技術帶來的某一領域的管理理論創新［4］。這實質上包含某單一技術對單一領域的影響、單一技術對多個領域的影響、多個技術對單一領域的影響。新的理論應該對上述問題進行全面地解釋，那么現有理論解釋方式存在的問題就顯而易見了。不同信息技術之間并不是相互獨立的，那么不同技術帶來的管理理論的矛盾該如何解決，例如區塊鏈帶來的是分布式的人力資源管理，而人工智能則崇尚自動化的人力資源管理，兩者的融合和兼容卻少有學者注意。在數字經濟時代的企業，大多數恰恰是技術復合型的，這就使企業管理者難以根據新的管理理論作出決策［5］。另一方面，也有部分學者使用過去的管理理論對數字化企業的管理現象進行分類、解釋和預測，但是數字經濟時代的企業形式空前多樣化，這使得類似的研究難以囊括全部的數字化企業，甚至僅能關注小部分企業的管理實踐，例如，過去以資本和勞動為核心生產要素的經濟理論難以解釋數字經濟時代的平臺企業、互聯網企業和輕資產小微企業的價值產出；同樣，現今對于數字化企業的創業、成長和競爭的主流研究也是從傳統資源、能力、制度等視角出發，以分析組織結構完整的大型互聯網企業為主，忽略了對中小微企業、草根創業、用戶創業和投資者創業等領域的研究。這是由于傳統的管理理論難以契合數字經濟時代多樣化組織的多樣化的管理現象，僅關注成熟的大型數字化企業中的傳統管理現象，從而造成新的管理理論難以普遍適用。

無論是學術界還是產業界，都需要有適應數字經濟時代的新的管理理論，具體構建則需要從上述兩方面入手解決以下幾個問題：數字經濟時代相對于工業經濟時代究竟發生了哪些變化？這些變化之間是否存在聯系？以及如何系統地描述這些變革？進一步的，傳統的管理理論在哪些發面不能契合數字化企業的管理實踐？為什么不能？如何結合數字經濟時代的新元素完成傳統管理理論的革新？本文試圖圍繞數據這一數字經濟時代的核心生產要素，構建一套基于數據基礎觀的話語體系，進而推演出新時代管理理論的變革路徑和方向。

2 基于數據的話語體系

從工業經濟到數字經濟時代的變革，最根本的變革來源于一種新型生產要素的產生，即數據，這是一種相對抽象和基礎的經濟學解釋［6］。而上文所述的種種新興的信息技術，則是為了更好地開發和利用這種要素而發明的工具，數字化企業為了更高效地使用這一工具，構建了新型的模式、關系和結構。毫無疑問，數據是數字經濟時代來臨的最大推動力，也是數字化系統的核心要素，而對于數據的社會科學研究目前主要集中在經濟學和哲學領域，因此，要構建數字經濟時代的管理理論，必須首先理清數據在管理實踐中的意義。

2.1 數據系統邏輯

作為一種新的生產要素，數據在經濟社會中的意義過于復雜和多樣，至今還沒有一個公認或完整的論斷［7］，有學者認為可以從兩方面考慮，其一數據可以優化決策，其本質上是一種信息，其二數據可以加速資源流轉，其本質上是時間；也有觀點認為，數據就是資本，例如在互聯網金融大潮中現金的數字化以及數字貨幣的興起；當然，也可以認為數據就是關系，可以降低交易成本。這些零散論斷本質上都是在用過去傳統理論的話語體系來解釋數據，進而造成了數字經濟時代管理理論的混亂，但是，對這些觀點進行更深層次地梳理，可以發現其存在一定的共性。

數據無論是信息、關系、資本還是時間，都是一種不能獨立存在的要素，這是其不同于土地、勞動力等生產要素的重要特點［8］。也就是說，數據需要依附于其他要素才能發揮作用，才具有管理學意義。根據第二經濟的概念，其本質是為第一經濟附著一個“神經層”，使其變得智能化。這里的第一經濟指的是實體經濟，而第二經濟就是現今經濟社會體系中越來越重要的數字經濟。獨立存在的數據是一種簡化的符號，就現在的信息技術來說，就是“0”和“1”［9］。因此，數字經濟可以認為是實體經濟的投影，就像物體的三視圖，而“0”和“1”構成的數字世界就是實體經濟三維世界的二維投影。降維是人類認識世界最重要的方式之一，低維世界能夠幫助人類更好地認識高維世界，例如，文學作品能夠極端地演繹社會關系，虛擬游戲能夠極大地刺激任性，而無論是文學作品還是虛擬游戲都是根據現實世界認為構造出的低維世界。因此，數字經濟和實體經濟的關系就像人的身體和思維的關系，人沒有思維，也可以像猿猴一樣依靠本能生存，工業經濟時代也可以依靠市場自主調節運轉，而思維則能夠使人智能地調節身體，數據就像是鏈接人類的智能，幫助經濟社會更加智慧地運轉。所以，以實體經濟的元素詮釋數字經濟中的數據，只能是片面的、不完整的，必須以數據的特點為基礎去解釋和分析實體經濟，才能構建真正適合數字經濟時代的理論。

2.2 數據的特征及其形成

過去大多數研究混淆了“大數據技術”與“生產要素數據”這兩個概念，這導致現在對數據特點的歸納眾說紛紜。其中，有認可度相對較高的4V特征，即量（volume）、速（velocity）、類（variety）、價值（value）四方面，也有相對全面的10V總結， 即 量 (volume)、 速 (velocity)、 類 (variety)、 質 (veracity)、效 (validity)、值 (value)、變 (variability)、源(venue)、詞 (vocabulary)、惑 (vagueness)［10］；從數據應用角度來看，數據則具有數據載體的多棲性、數據使用的非排他性、數據使用的高盈利性、數據價值的差異性、數據使用方式的差異性、數據具體用途的不可預測性、數據使用效果的外部性等特點［11］。

數據這種元素自古有之，其表現形式多種多樣，但是數字經濟時代所說的數據則如上文論述中提到的，本質上是“0”和“1”的電子信號。過去學者總結的數據特點是相對于數字經濟時代之前的傳統數據而言的，這就導致了這些特點往往是根據技術和應用特點歸納而來的，缺乏適應整體數字化網絡的系統適用性。根據數據特點構建管理理論時，應追溯數據特點的本質和形成規律，進而與傳統理論的要素特點進行對比，完成對傳統管理理論的變革。

2.3 數據過程

任何科學過程本質上都可以劃分為3步：規定統一的度量衡、根據度量衡記錄物質世界的現象、總結現象中的規律并加以運用，數據則能夠依附于物質世界的各個領域加速這一科學過程，其度量衡是“0”和“1”，通過將現象轉化成基于“0”和“1”的數字信號加以記錄、集中和儲存，通過不同的分析方式發現其中的規律，進而將其應用于該領域的生產［12］。無論是“互聯網+”、大數據、區塊鏈、人工智能還是工業互聯網，其本質上都是通過某種工具、技術或手段完成這一數據過程，即數據收集，包括數據生成和數據獲取、數據傳輸和數據儲存、數據分析以及數據應用。數字化網絡分為3個層次，即數據層、信息層和知識層，分別對應著數據過程的3個中間狀態，數據收集之后傳輸和儲存的就是數據層數據，加以分析后總結出的數據規律就是信息層數據，與某一領域結合完成的應用就是知識層數據。

總體而言，數據系統邏輯、數據特點和數據過程就是數字經濟時代管理理論的通用話語體系，類似于資源理論中的資源、能力，需求理論中的需求、價值，創業理論中的機會，這套基于數據的話語體系就是數字經濟時代完成管理理論變革的工具。由于數據的依附性，所有傳統管理理論與數據結合生成的新理論系統都符合統一的數據邏輯、數據特點和數據過程，這個系統就是數據基礎理論體系，如圖1所示。

圖1 數據基礎觀話語體系

3 數據基礎觀下的需求理論

需求理論是一個宏大的跨學科領域的話語體系，本文聚焦于自2010年以后逐漸形成的基于用戶需求的企業戰略理論，即需求基礎觀［13］。這一理論系統，多以需求和價值作為核心要素構建解釋組織外部環境、企業競爭優勢和戰略選擇的理論，其形成和興起的時期正是數字經濟時代降臨的窗口，而其研究對象也多是代表性的數字化企業和行業。可以發現，需求基礎觀與數字經濟時代的大環境密不可分，因此本文從另一個視角，也就是數據這一要素出發，重新審視需求基礎觀的框架、邏輯和理論。

3.1 數字經濟時代的需求邏輯變化

需求是一個內涵極為豐富的名詞，過去多用于經濟學理論中，與供給相對應，是一個多重假設下的抽象概念，但是進入數字經濟時代后，原本需求假設中被忽略的部分急劇擴大，使傳統的基于需求的理論不再適用［14］。這些變化包括4個方面：第一，相同時間內要求滿足的需求增加；第二，需求迅速多樣化；第三，需求變動速度加快；第四，付出的成本結構發生變動。這些變化使需求具備了管理學范疇的研究價值和必要，也即是基于需求的企業戰略觀的基礎。

在傳統的認知中，社會生產力的提高意味著經濟總供給的增加，而人的欲望是無止境的，因此需求總是隨著供給的提升而提升，甚至往往超出供給，即人們總是為了更美好的生活而奮斗。無論是供給還是需求，兩者在變動過程中通過市場的調節往往是均衡的，但是有一點是不變的，就是人們用來滿足需求的時間，因為從古至今，人類的平均壽命并沒有明顯增加，從工業經濟時代到數字經濟時代更是基本沒有變化，那么人們需求的增長就意味著在有限時間內獲取更多的價值，具體表現為人們對碎片時間的利用、夜生活時間的延長等。這種需求的變動根源是數字化網絡的激發，因為只有數據這種打破時空界限的流動性最強的生產要素才能最高效地匹配滿足需求的資源，而數字化網路的全面附著性，使其可以應用在人們滿足各個方面需求的過程中，這就導致了數字經濟時代人們對美好生活的追求在很大程度上轉化為能用數據（互聯網、人工智能AI等）滿足的需求不再通過其他方式滿足。由于數據處理速度較快，為了應對此需求變化，企業的其他生產要素與協同生產能力必須大于數據流轉速度，如提高資金流轉效率等，這就是數字經濟時代組織信息化、分工化、追求效率等變革的根本動力。在這種情況下，整個經濟社會的總體供需仍然是均衡的，而微觀層次人們用來滿足需求的時間不變，但滿足需求的效率提高，需求滿足的選擇權增強，企業也必須積極變革提高效率以應對這種需求的變化和由此引起的更加激烈的競爭。也就是說，數字化的需求必須通過數字化的供給來滿足。因此，需求基礎觀認為的應該基于需求進行企業戰略理論的構建，不如說是市場需求和企業戰略的變革都是由數據引發的，符合數據邏輯框架的。

人們的需求天然存在差異性，而這種差異化需求在工業經濟時代由于規模效應、市場調查、物流倉儲、技術研發等成本問題只能得到部分的滿足［15］。差異化戰略早在波特的競爭戰略中就已提出，但這種差異并不是指需求之間的差異，而是企業供給之間的差異，本質上是對差異化需求的模糊區分。數字經濟時代由于數字化網絡的全面性、實時性，使得人們差異化的需求能夠得到更為清晰地勾勒和描繪，將之轉化為個性化需求，因此，用戶數據通常指的是用戶行為數據，這些數據記錄了用戶的活動，之中蘊含著活動的動機即需求，同時也包含著用戶未來活動的可能即潛在需求，所以，企業滿足個性化需求的關鍵基礎就是用戶數據，這也是數字化企業戰略差異化的原因。需求的多樣性一直存在，數據使這種多樣性不斷具現，進而使數據也變得多樣，兩者在數字經濟時代互為表里；同樣的，人們的潛在需求也得到了更大程度的滿足，人類“喜新厭舊”的特質得到極大程度的激發，因為舊需求滿足獲得的價值是不斷遞減的，所以人們具有極大的追求新需求滿足而在有限時間內獲得更大價值的動力。因此，如何追求持續穩定的數據獲得，成為了企業創新、成長和變革的方向。

人們需求的滿足必然伴隨著價值的創造，但是人為滿足需求所獲得的價值還需要考慮付出的成本。在數字經濟時代，這部分成本的構成發生了極大的改變，人們對需求滿足過程中的金錢成本重視程度有所降低，而對時間成本、精神成本的重視大幅度提高。這實質上是因為交易成本中物質化的成本，如金錢成本等，數據化程度最高，而數據的產生和獲取由于技術的進步變得成本極低，甚至邊際成本為零，這時，相對較為抽象的時間成本、心理成本等由于無法在很大程度上完成數據轉化，使之在總成本構成中變得突出。因此，無論是用戶還是企業，能夠通過數字化網絡完成的供需匹配、所創造出或獲得的價值，一定是成本最低的。

3.2 需求層次的數字化特征

經典的需求層次理論認為人的需求分為不同層次，且在需求量上呈現金字塔形趨勢。這一理論由于存在諸多矛盾，且具有很大的模糊和不確定性而逐漸被越發嚴謹的管理學所棄置，但其理論思想在數字經濟時代中得到了更為明確的體現。

過去，人們較高層次的需求往往依附于較低層次的需求，同時也相對模糊和內在，這導致學者們難以準確發現、描述和測量較高層次的需求，而在數字經濟時代，由于數據的準確性和實時性，人們的交易、社交、學習等較高層次需求滿足的過程都可以通過結構化或半結構的數據進行記錄，這使心理類和行為類的管理學研究具備了打破問卷和實驗研究范式的基礎。通過對需求數據的分析可以明顯發現，人們的需求種類在不同層次上存在差異，較低層次需求的種類較少，而較高層次需求的種類較多，也就是說，需求的多樣性在高層次需求中表現得更加明顯。在數據上表現為較低層次需求呈現強馬太效應、弱長尾效應，例如互聯網經典論斷中網絡滿足3大類基礎需求，即搜索、社交和電商，無論是中國的BAT（指百度公司、阿里巴巴集團、騰訊公司）還是世界范圍內的這3類企業，都基本是一家企業占據絕對的主導優勢，用戶在通過數據滿足類似基礎層次需求時面對的數據供給差異化程度低，而網絡外溢效用強、數據復制和轉移門檻低；而其在較高層次的需求則表現為弱馬太效應、強長尾效應，例如在娛樂、教育等市場領域呈現多家企業并存，中小企業“百花齊放”的態勢，用戶的較高層次需求具有較強的定制化屬性，個性化程度較高，因此需求的供給種類就相對多樣，差異化程度也較高，數據的復制和轉移成本及難度都相應提高。

從縱向來看，不同需求層次也表現出數據黏性維度上的差異。較低層次的需求數據在短期內黏性較低、轉換成本較低，例如支付寶與微信支付、滴滴出行與快滴拼車的競爭初期主要依靠優惠和補貼，但由于低層次需求的穩定性，這種需求長期存在，因此在較長時間后數據的黏性會變得極高，并且呈現出需求習慣的內化和數據的深層次依附，轉換成本較高，例如微信支付與支付寶的用戶隔離現象；而較高層次需求存在應變性、不確定性，因此用戶數據的黏性很難提高，表現為社群經濟模式和頻繁的供給更新，例如網紅經濟等。

不同層次需求數據的特性在一定程度上決定了作為供給方的企業的戰略選擇和競爭態勢，而更復雜的復合需求滿足，如網絡生態建設，則需要結合用戶需求和用戶數據、企業供給與企業數據等進行綜合分析。

3.3 價值鏈理論與數據過程

在數字經濟時代，數據激發需求、記錄需求并且決定需求滿足的方式，那么是否意味著數據具有價值呢？數據本質上是“0”和“1”的組合，字符串本身不具有任何價值，有價值的是其中蘊含的信息。數據處理的自動化、智能化和規?；蛊浠静荒Y勞動價值，成本極低，也正是這種特性使其可以與任何其他生產要素、生產領域結合。數據就像人的五感，感受、傳導、記錄著外部的現象，經過大腦的處理轉化為信息，而數據同樣需要一定的過程才能轉化成有價值的信息，即數據過程。

數據過程就是一個不斷處理數據的價值創造過程，這一過程在數字經濟時代重塑了傳統的價值鏈理論。數據使價值鏈徹底分為了兩大部分：創造類價值生產和制造類價值生產［16］。依托于數據的人工智能、工業互聯網和工業自動化技術等，使得生產制造的價值創造環節急速貶值，并且高度依賴于創造類價值的生產，兩者通過數據完成不同類型生產要素的轉化。這種趨勢使得數字經濟時代的數字化企業迅速膨脹，傳統工業企業的附加值下滑，同時由于數據本身的特性，也表現出其他市場趨勢［17］。由于數據的高可塑性和數據處理的價值顯性，使得數字經濟時代的價值鏈獲得了極大的延伸，基于數據的價值創造使得任何一點微小的價值鏈環節都可以獨立、穩定地存在，進而形成固定的行業領域，例如獨立的外賣行業［18］；源于數據的可復制性、高流動性和開放性，使得數據高速擴散，極大地增加了價值鏈的廣度，例如新型的眾包模式。而數據的可轉換性和連接性使得高度擴散和延伸的價值鏈緊密而自由地結合起來，造成了數字經濟時代更高程度的社會分工和越發多樣化的商業模式。

所以，數據價值的高低在極大程度上取決于數據過程，數據本身不存在所謂價值密度高低的特點，而是一種衡量尺度。相對于多樣化的數據增值過程，數據價值鏈的源頭都是源數據的收集，也就是數據的生成和獲取，數據源的質量高低也在一定程度上決定了數據的價值密度；但是，由于數據來源的豐富性、數量價值的差異性以及數據成本的模糊性，使得數據成為流通程度最高而所有權清晰度最低的生產要素，這也是數字化企業競爭狀態混亂的根源。綜上，上文通過對數據系統邏輯與需求邏輯、數據特征與需求層次、數據過程與價值創造3個方面的探索，依據數據基礎觀話語體系進行了需求理論的數字化變革，其理論框架如圖2所示。

圖2 數據基礎觀下的需求理論框架

4 數據基礎觀下的資源理論

基于資源的管理理論一直是管理學的重要組成部分，例如資源基礎觀、資源依賴理論、動態能力理論等，它們為分析和解釋企業競爭、組織成長、組織間關系等方面的問題提供了基礎［19］。這里的資源多指組織的技術、資本、人力等傳統要素。而隨著企業家精神、數據等要素發揮越來越重要的作用，資源理論的適用性不斷降低，急需契合數字經濟時代中數字化企業的新型商業模式、新型組織關系和新型市場環境的變革；用戶生產的數據代表著需求，同時也需要企業通過數據供給滿足需求，企業則需要用戶數據作為供給來產出可以滿足需求的數據產品。因此，數據既是需求也是資源，而當其代表資源時，傳統資源理論應如何圍繞數據資源解釋和預測管理現象呢？

4.1 資源觀的基礎邏輯變革

資源基礎觀是指組織擁有有價值的、稀有的、難以模仿的、難以替代的資源，以此創造獨特價值，并形成和維持相對于其他組織的競爭優勢［20］。這個理論框架在數字經濟時代對于小微企業、草根創業、網絡生態布局等管理現象上的解釋有效性越發乏力，部分學者將其歸因為環境不確定性增強、資源基礎觀的動態解釋效力差，并提出復雜的動態能力體系作為補充［21］。實質上，從數據基礎觀的視角出發，這種不適應源于資源觀基礎邏輯中關于資源的抽象假設不能囊括數據這一廣泛的新型資源，進而也就不能解釋基于這種資源的組織、組織行為和企業戰略，因此需要進行基于數據資源的理論變革。

基于資源形成競爭優勢的前提是對資源的擁有，這里的資源是具有明確所有權的，進而才能討論資源的使用、轉移等問題［22］。但是，數據的所有權是相對模糊的。數據產生自數據源，也就是用戶行為，那么是否由誰收集儲存則所有權就歸誰？數據具有相當大程度上的公共屬性，那么公共數據由誰擁有則哪些企業可以使用？數據的擁有是否具有有效期？這些問題都是目前的信息技術難以解決的，也就導致了數據資源所有權的模糊性。但是數據的價值不對稱性使得數據的供需雙方對數據的所有權重視程度存在差異，即企業更重視數據的使用，用戶更重視數據服務的供給，其中很少存在關于數據所有權的爭議和買賣，因此，數據資源對傳統資源理論中資源所有權的必要性和重要性提出了挑戰，即在數據經濟時代是否僅擁有資源的使用權就可以形成企業的競爭優勢，例如共享經濟中使用權的轉移，實質上就是一種基于數據資源的新型利用方式。所以，基于數據的資源觀應該是對數據資源的使用、挖掘、改造，進而形成企業的競爭優勢。

針對數據是否有價值這一問題，上文已經進行了論述，但是這種價值在傳統的資本、技術等資源與能源、土地等自然資源上存在極大差異。在相似的內外部環境下，傳統資源對于不同組織的作用差異不大，例如相同數量的資本代表的價值是相似的，當然不排除存在能力、隨機性等因素可能導致巨大差異的產生，但從長期來看，價值的波動較小。與傳統資源不同，數據資源對于處于相似的內外部環境中的不同組織而言，其價值差異則相對較大。這源于能力因素對于數據資源的價值開發影響遠大于其他資源。進一步的，人的能力包括智力、勞動等的差異會在數據資源的利用上呈現更大的波動。結合數據資源的所有權分析可以發現，在數字經濟時代，依托于數據資源的價值創造將在更大程度上依靠人的智慧、能力和勞動，而非過去的主要依靠于對于資源的占有，因此，數據資源的價值實質上是一種人的價值的凝結和體現。

資源的稀缺性是指必須由少數組織占有而非普遍存在，組織才能靠其創造獨特價值、形成競爭優勢，但是數據資源海量、多類和快速增長等特性決定了其不具有稀缺性。數據來源具有普遍性，每個人每時每刻都會產生數據，而隨著信息技術的發展，可以被采集、記錄儲存的數據類型越來越多，如結構化的文字、數字等和非結構化的圖片、音頻、視頻等，導致數據總量巨大；同時，數據的增長不是傳統的線性增長，而是符合摩爾定律的指數型增長，這使得數字資源快速膨脹。相對于自然資源，數字資源與資本類似，是一種完全依托于人產生的資源，具有可再生性和重復利用性，但又不同于資本代表某種社會關系相對穩定存在，而是代表人類行為的記錄，甚至在某種程度上代表人類心理行為，如情緒、知識等，因此，數據資源給了企業更多的資源空間。

企業之間資源相互模仿的障礙主要有3個方面：邏輯主因關系不確定、路徑依賴和模仿成本。邏輯主因關系不確定是指無法確定形成競爭優勢的資源以及資源來源，但在數字經濟時代，數據的開放性、可追溯性和可獲得性使得這一過程變得可測量，因此依靠傳統的信息不對稱隱藏優勢資源的方式逐漸被淘汰。由于數據的轉移成本低，數據價值鏈延長，分工更細，標準化程度更高，這使得企業數據資源之間的模仿成本大幅度降低。邏輯主因關系不確定性的降低和模仿成本的降低并不代表著企業數據資源之間的模仿障礙降低，因為這一障礙在路徑依賴方面發生了極大的分化。數據打破了時空界限，使得原本優勢資源依賴的地域路徑、國家路徑等障礙大幅度削弱，打破了相當一部分路徑依賴方式；而隨著信息技術的不斷發展成熟，數據流轉速度提高、難度降低，數據資源的形成路徑發生了極大的改變，傳統的基于某種創意、創新模式的單一路徑越來越容易模仿，例如共享汽車、共享單車等。但同時也有一部分新的路徑形成方式產生，例如圍繞基礎信息技術的優勢數據資源形成路徑，如谷歌公司；基于整體系統的生態化優勢數據資源形成路徑，如阿里巴巴集團；基于用戶習慣、共識的社會性優勢數據資源形成路徑，如騰訊公司。類似這3種路徑的模仿難度大幅度提高，各自的基礎也有所不同，包括技術積累、專利法律保護力度、社會文化共識等，這也進一步形成基于優勢數據資源形成路徑的企業發展方式。總的來說，由于路徑依賴的分化，企業數據資源的模仿障礙兩級分化嚴重。

4.2 數據資源依賴與組織間關系

資源基礎觀更多的是討論某種單一資源的特性及其帶來的競爭優勢，但是組織不可能擁有全部獨特資源［23］。資源依賴理論認為組織因為需要從外部獲取資源，會因為各自資源的依賴程度不同而形成不同的組織間關系，例如權力不平衡等，組織進而會采取聯盟、并購等行為手段加以應對［24］，而數據資源的特性則使組織間的資源依賴關系發生了新的改變，也衍生出了更多的競合選擇。

傳統資源具有很強的排他性，例如資金只有使用者才能獲得資金收益，因此需要支付資金所有者租金，從而也就形成了資源使用者和所有者之間的權力關系或競爭關系，但是數據資源具有重復利用性，且其網絡外部性強，因此通過數據資源更多的是形成一種相互依賴的合作關系［25］。例如，現今中國多數APP支持使用微信賬號、支付寶賬號登錄，騰訊公司和阿里巴巴集團的用戶數據資源無疑是其最核心的優勢資源，但是其他企業卻可以低成本甚至無償使用這種數據資源；相對的，騰訊公司和阿里巴巴集團也通過這種方式完善自身的網絡生態，擴大整體的數據資源價值。這就形成了基于數據資源的共生的組織關系。

資源依賴理論認為組織間關系不平衡的根源在于資源獲取的不確定性，但對數據資源而言，則存在不同之處。數據資源本質上是人的智慧勞動的凝結，具有很強的時效性和自我更新的動機，因此最優質的數據資源永遠在未來，這就使得組織獲取外部優質數據資源的必要性降低，因為基礎性的外部數據資源也可以支持自身的優勢數據資源形成競爭優勢，例如垂直應用平臺企業接入外部的支付渠道、信用評級數據等；另一方面，數據資源的形成成本可能很高，但是作為產物數據資源復制成本和轉移成本卻很低，甚至有學者認為新增數據的邊際成本近乎為零，這就導致企業沒有控制數據資源本身交易的動機，反而由于網絡效應會盡可能推動這一過程，如騰訊公司、阿里巴巴集團等的數據共享和平臺共享。因此，這就導致了數字化企業在維持自身優勢數據資源的基礎上，更傾向于使用外部的低成本、標準化的數據資源，體現為大范圍數字化價值鏈環節的外包、協同作業等，例如餐飲、娛樂等互聯網企業利用外部低成本支付渠道和信用評價數據，而數據資源的可塑性則使組織的內外部數據資源較為容易地完成優化配置進行完成服務。這兩種趨勢進一步結合發展，就形成了數字經濟時代獨有的社群經濟模式：基于數據資源的共生性達到最高，資源獲取的不確定性降到最低，組織的部分數據資源依托自身的用戶、粉絲等利益相關者，它們大多本身就是組織優勢數據資源的提供者，利用數據處理的兼容性，使數據源本身成為數據的價值創造者。

本文分別論述了需求側和供給側理論基于數據基礎觀的變革，兩者通過數據這一要素打破了過去相互割裂、各自為政的存在形式，以一種互為表里、相互依存、相互聯系的狀態演變為更加契合數字經濟時代的管理理論。因此，文本通過結合數據系統邏輯與資源基礎觀、數據特征與資源理論、數據過程與企業競爭優勢，探討了數據基礎觀話語體系下的資源理論數字化變革，其理論框架如圖3所示。

圖3 數據基礎觀下的資源理論框架

5 數據基礎觀在企業成長領域的應用

如今中國全面進入數字經濟時代剛剛超過10年，多數數字化企業還都處于初生的新創階段，盡管有部分已快速成長為獨角獸企業，甚至是具有行業壟斷地位的企業，但是對這些數字化企業的已有研究大多集中在創業領域，關注其創生、成長和創新過程［26］，可是數字經濟時代的數字化企業普遍都具有新的創新方式、新的商業模式和新的成長路徑，過去學者在各自領域的研究過程中不可避免地會忽略這些企業在這些方面的聯系和共性，從而難以準確把握企業的成長規律和發展方向，因此，需要從數據基礎觀視角出發，結合數據基礎觀下的需求理論和資源理論，系統梳理數字化企業的成長過程，重構數字經濟時代的企業成長相關理論。

5.1 數據基礎觀下的創業機會體系

創業研究領域存在兩種過程邏輯，即因果邏輯和效果邏輯，它們各自應用于不同情境的創業行為。也有學者認為在一些特殊情境和方式下，這兩種邏輯可以互補、融合、交替使用［27］。但在數字經濟時代，兩種創業邏輯所不能解釋的創業行為越來越多，已經不僅僅是相互融合所能彌合的了。兩種邏輯的理論不適用性產生的原因有兩方面：其一，基于傳統需求和資源的理論概括，難以準確描述數字化情境；其二，基于機會的創業理論話語體系難以準確描述數字化企業的行為過程。

效果邏輯的提出掀起了一陣對因果邏輯的批判，兩者對于創業行為的解釋在多個方面存在差異，而這些差異在數字經濟時代又有了新的變化。因果邏輯認為未來是可以預測的，而效果邏輯則認為未來是偶然結果，不必預測而是去創造。對于未來的可預測性一直是管理理論中各個領域爭論的焦點，而這個問題早在“拉普拉斯妖”的預言中就有過論述，可以引申為知道事物所有的狀態和影響因素就可以掌握它的過去和未來。效果邏輯對于因果邏輯的否定在于，因果邏輯在傳統技術手段下基于過去對未來的預測存在極大的誤差率和延遲性，并且這種預測的成本極高；而效果邏輯放棄預測的本質是從創業者最熟悉的自身情境出發，不要求全局的預測，而是小范圍地了解，這反而提高了預測的精確性。但是在數字經濟時代，隨著信息技術的不斷發展，創業者更容易獲得低成本、系統性、實時性的數據，并以此提高預測的準確性；而且，數據打破時空界限，使得創業者的熟悉邊界變得模糊、衍生性增強。另一方面，需求等因素在數字經濟時代的變化也更為劇烈，所能夠預測的未來極為短暫，因此也需要效果邏輯的“創造未來”及時響應，這種響應往往也是基于數據的創業行為。

創業一直是一個多維跨越式的研究領域，而基于創業機會的理論體系則使創業真正成為了一門管理學科，但是，由于機會這一核心概念過于模糊和抽象，使創業理論仍然存在極大的混亂沖突，而數據這一要素則使創業機會理論得到具現。創業機會理論認為創業過程是一個機會的識別、評估、開發過程，但是在機會得到開發之前，創業過程的價值性卻很模糊，這也是為什么在相當長的一段時間內“PPT創業”會大行其道［28］。在數字化的情境下，機會的識別、評估、開發，實質上就是一種特殊的數據收集、分析和應用過程，但是，依托數據的創業過程不需要極強的完整性就能創造價值，數據的生產、獲取、分析、應用等每個過程都可以明確價值，甚至進行價值轉移和交易，這代表著基于機會的創業過程越來越零散、短暫，需要將其轉化為一種相對常規的價值創造方式，例如眾包。另外，創業機會理論中也存在部分矛盾和沖突，例如創業機會是發現的還是開發的、創業機會的識別是依靠創業者特質的還是依靠環境的等問題。而基于數據的機會過程則具有極強的可追溯性，數據的附著性和系統性決定整個創業過程的各方面都可以轉化成一種可視化的數據符號；同時，數據的關聯性則使創業過程涉及的各領域要素得到系統性的聯系，在打破創業研究領域壁壘的同時使創業真正形成一門系統性科學。本質上，創業機會是一種需求與資源的不匹配，但是這個錯位由于需求和資源兩方面的復雜性變得更加模糊和不確定，導致基于機會的創業理論出現一系列爭議，但是在數字經濟時代，數據作為兩者的橋梁，完成了對基于數據基礎觀的需求-資源體系整合，也使創業機會得到更大程度的聚焦，使創業機會理論煥發生機。

5.2 迭代式創新的興起基礎

由于數字經濟時代需求變化的周期更短，需求存在的生命周期也更短，創業者或創業組織的創業在很大程度上從過去的未被發現和未被滿足需求的直接資源供給，轉變為通過不斷創新應對用戶的差異化新需求，甚至預測、開發和操縱用戶的未來需求。在這種情境下，傳統的創新方式已經無法滿足創業者和創業組織的要求，因此基于數據的迭代式創新形式應運而生［29］。

迭代式創新是對傳統創新的顛覆，其進入數字經濟時代才正式出現，并迅速地被廣泛應用于數字化企業當中，是一種數據基礎觀在創新領域的典型應用。由于數據的可塑性、虛擬性和互聯性特點以及數據過程的標準化和分工化，可以允許創業者或企業通過相對初級甚至半成的數據產業將創意具現，也就是對識別到的創業機會進行利用。這種創新方式的成本遠遠低于傳統的創新方式，甚至還可以通過眾籌、眾包等方式將成本降到最低。將創意具現為創新產品和資源后，由于數據的開放性，用戶可以直接體驗產品并進行有效互動，而產品的使用過程和產品評價都可以通過數據加以記錄和分析。數據傳輸的高速性足以支持用戶最快地得到資源供給數據，創業者最快地得到用戶需求數據，并保證一次創新過程以最快的速度完成；基于數據這種相對無限的資源，創業者就可以低成本無限次地進行反復創新和微小創新，對數據進行重復利用和深度挖掘，可以針對用戶需求進行區分供給，完成連續的創新試錯。而整個迭代式創新的過程都可以通過可追溯的數據進行追蹤，為創業者的創新路徑分析、方向選擇和創新過程管理提供基礎，甚至使創新這一過程變得可視化、可轉移和交易。

5.3 數字化企業生態網絡

數字經濟時代下的數字化企業，在完成高速的創業擴張后，下一步的公司創業方向或成長路徑呈現出一種前所未有的生態化形態。生態化成長也可以稱為網絡生態布局、生態圈建設或互聯網生態系統等。無論是早期的樂視公司、阿里巴巴集團和騰訊公司，還是后來跟進的小米公司、海爾集團和滴滴出行等企業，都采用了生態化的成長方式，這實質上就是數據這一關鍵要素固有的相關性特征驅動的結果。這一特性在學術研究領域的應用更加廣泛，獲得某一事物的參數越多，越容易發現其規律。這種類似于“拉普拉斯妖”的現象，實質上就是數據網絡效應的體現，主體越多方面的數據被收集，越能夠提取和開發更多的價值，其“1+1＞2”的價值效應十分明顯。數據的這種特性迥異于其他生產要素，根本原因就是數字經濟時代的需求態勢和資源供給目標發生了變化。

這種相關性同樣決定了數字化企業生態成長的一些特點。首先，相同層次的需求數據、不同領域數據關系越貼近，其價值增值越能被企業所利用，例如樂視公司和滴滴出行的生態建設都是圍繞相關性極強的領域進行的。其次，對于不同層次的需求數據，越是較低層次的數據越能夠與更廣范圍的高層次數據產生價值增值，例如阿里巴巴集團和騰訊公司的生態布局領域跨度極大，天馬行空。再次，數字化程度越高的企業，數據相關性增值效應越明顯，這是因為數據與其他傳統生產要素結合，其價值增值會受到其他要素交易成本的抑制，例如海爾集團的生態建設主要集中在創新、研發等數字化程度較高的領域，而在制造環節的生態建設較少。最后，較高層次需求數據的生態化有助于企業對較低層次數據的影響力提高，例如京東、美團公司的生態化數據層次明顯高于阿里巴巴集團和騰訊公司，但是其生態化建設程度較高時，更有可能使用戶由于慣性、安全等基礎層次需求而選擇其較低層次的數據供給，例如支付。

6 總結與展望

本文首先通過數據網絡邏輯、數據特性和數據過程建立了數據基礎觀的基本支柱和工具，作為整個話語體系的關鍵概念，然后基于數據基礎觀的話語體系重新構建數字經濟時代的傳統管理理論，完成其數字化變革。為什么不能稱為數據基礎觀理論或數據基礎理論呢？這是因為數據是一種客觀存在生產要素，其特點不以人的意志為轉移，但是它又不同于土地、資本等要素，因為數據與人的聯系最為緊密。在管理學中，只有基于人的規律才能夠稱為理論，所以需要將數據與人的活動相結合。本文僅做了需求理論、資源理論和企業成本理論3個領域的數據基礎觀的理論重構，是因為這3個領域最為基礎、應用空間最為廣泛。數據基礎觀可以與任何管理理論領域結合，例如與商業模式理論結合，對價值主張、價值創造、價值分配進行數字化的解讀；與競爭理論領域結合，構建企業基于數據的競合關系；與新型信息技術結合，基于數據分析人工智能、物聯網和區塊鏈等的商業本質和數字化應用。當所有的“拼圖”全部完成，管理學就完成了數字經濟時代的理論更新，形成一支新的理論分支。