大數據賦能企業知識管理創新機理與路徑研究
——基于華為案例

劉平峰，王雨婷，蘇超超

(1.武漢理工大學 經濟學院；2.湖北省電子商務大數據工程技術研究中心，湖北 武漢 430070)

0 引言

伴隨信息技術的發展和應用，大數據作為可以捕獲、交流、儲存和分析的大型數據池[1]，被國家視為具有戰略性與競爭性的重要基礎資源，可為企業創造巨大價值。大數據時代的來臨讓企業知識管理得到了顯著發展，結合大數據技術工具，企業可以對數據進行整合分析并提取數據中的知識[2]，通過知識管理實現知識積累、交流和創新，解決企業認知不足和信息匱乏問題，推進企業知識管理創新[3]。在國際競爭日益加劇的環境下，利用大數據進行知識管理創新是國內企業擺脫被其它國家恣意制裁、提高競爭力的重要手段。

目前關于大數據環境下企業知識管理創新的研究主要基于兩個視角：一是從知識管理的整體觀出發，研究大數據環境下知識管理創新對企業創新能力及績效的影響[4]；二是從知識管理的具體活動切入，研究大數據對知識管理流程的具體影響[5]。其中，國內外學者通過大量假設檢驗了大數據背景下知識管理創新對企業創新能力及創新績效的正向影響[6-7]，即大數據能夠賦能企業知識管理創新[8]。

然而，如何通過大數據賦能企業知識管理創新，學術界尚未給出具有充分解釋力的回答。該問題可以分解為3個子問題：①大數據中的哪些數據能夠賦予企業知識管理創新能力(what)；②大數據能夠賦能什么主體進行知識管理創新(who)；③大數據如何賦能主體進行知識管理創新(how)。因此，本文從知識管理的具體活動切入，以行業典型案例為樣本，采用扎根理論數據編碼方式，對大數據賦能企業知識管理創新的內在機理和演化路徑進行探索性案例研究，旨在回答賦能2W1H的3個核心問題，以期為國內企業利用大數據實現知識管理創新提供參考路徑，同時，進一步豐富大數據賦能知識管理創新的理論認識與實踐應用。

1 文獻回顧

1.1 賦能理論

“賦能”概念是從“管理之母”Follett最早提出的“賦能授權”思想衍生而來的。賦能授權，即通過員工授權機制的建立實現組織群體的增權升能。Acar等[11]將賦能從組織行為學角度進行了拓展，提出“顧客賦能”概念；Patrizia等[12]將其定義為一種通過教育或傳遞相關信息等手段，賦予顧客生產、競爭和創新的能力。互聯網時代到來后，業界結合產業發展趨勢，圍繞“賦能”提出了許多新觀點。如2015年阿里巴巴學術委員會主席曾鳴教授提出“未來組織最重要的功能是賦能”；2016年京東發布“零售賦能”，拋出了零售業互聯網化升級新思路；2017年騰訊公司創始人馬化騰也表示，希望騰訊能夠成為一家賦能型公司；2019年，中國聯通提出“5G賦能VR”，旨在通過沉浸式體驗、場景交互等新模式，實現虛擬與現實的無縫跨界。

在大數據時代，隨著數據知識資源的不斷擴充和新型技術工具的不斷涌現，賦能被賦予了新內涵[13]。賦能的核心從賦權轉向以提升企業核心價值為導向的創新活動，即企業通過賦予相應主體一定的環境基礎及技術手段等，為企業、員工、用戶賦予生產、競爭和創新能力[14]，以最大限度發揮個人才智和潛能，快速感知客戶需求，創造性實現產品升級和服務提升[15]。羅仲偉等[16]從賦能企業的組織視角提出賦能的概念模型，即賦能前提—過程—結果的基本邏輯；郝金磊等[17]在前人理論研究的基礎上，完成賦能和價值共創理論的對接，構建了賦能理論的簡易分析框架。賦能理論主張通過高度整合資源，為主體賦予生產、競爭與創新能力，并營造合適的氛圍和技術環境，創造性實現產品升級和服務提升，進而達到企業價值提升。該界定為本文研究提供了合適的切入視角。

1.2 大數據環境下的企業知識管理

知識管理是企業對內外部知識資產進行的管理活動，其核心任務是通過系統的過程將知識相互整合并提供給企業員工分享、吸收和利用，以實現企業知識創新與價值提升。學者們基于不同研究視角提出不同的企業知識管理結論。如劉力鋼等[18]將知識管理途徑歸納為知識搜尋、知識融合和知識創新；姜紅等[19]認為企業知識管理活動主要為知識競爭、知識擴散和知識創新，知識管理的基本活動包括知識搜尋、收集、整合、存儲、檢索、分享、轉化、利用、創新等。

大數據作為一種開發性強的數據資源，為企業知識管理注入了新理念和新思維，推進了企業知識管理水平提升。大數據具有數量龐大、動態增長、多源異構、價值低密的4V特征[20-21]，其核心在于應用現代新興信息技術，實現對海量數據的有效收集、存儲、分析及利用。近年來，國內外學者圍繞大數據在企業知識管理中的技術應用展開了深入研究。Cooper[22]認為數據中所包含的涵義描述構成了信息，而信息經過結構化、組織化形成知識。國內外學者普遍認可“信息源于數據，知識源于信息”，認為知識的本質是對有價值的數據/信息的提取、組織、管理與融合，但如何從大數據中挖掘出其隱含的信息并將其轉化為知識則是重中之重。趙蓉英等[23]認為在大數據4V特征下，只有通過對數據集合進行挖掘，實現數據—信息—知識鏈條的有效轉化并進行科學的知識管理，才能發揮大數據的真正價值；Liew等[25]提出利用智能移動終端平臺挖掘數據集合中的有效信息，以幫助企業進行知識管理；葉英平等[26]系統闡述了大數據處理工具在不同知識管理環節中的應用，分別提出應對碎片整合、應用價值、硬件支撐、隱私倫理等問題的對策。總結現有文獻可知，大數據主要以數據源和信息技術工具兩種形態作用于知識管理：①碎片化的原始數據經過收集、清洗、轉換等操作進入數據倉庫，形成數據集合，經動態分析并整合后形成信息資源，再經過加工分析與轉化，可直觀地呈現出來，最終成為可應用于企業生產活動的知識；②大數據背景下各類大數據技術工具的應用推進了知識管理過程變革。

基于對賦能理論、大數據背景下企業知識管理研究成果的分析，本文將結合賦能、大數據與知識管理的已有研究成果，運用單案例研究方法，探究大數據賦能企業知識管理創新的內在機理及演化路徑，構建具有普適性的知識管理創新理論模型，為大數據環境下企業知識管理創新提供借鑒模板。

2 研究設計

2.1 研究方法

本文采用縱向單案例研究方法，其主要原因在于：①案例研究方法通過歸納出具有解釋力和預測性的普適結論，以回答“如何(How)”和“為什么(Why)”的問題。目前大數據賦能知識管理創新研究尚處于起步階段，采用定量方法研究其作用機理具有一定難度，而通過定性的案例研究方法能夠挖掘案例的重要信息，更適合回答大數據賦能企業知識管理創新的2W1H問題，有利于進一步掌握企業知識管理創新體系形成的內在機理；②單案例研究方法適用于對一個獨特且具有代表性的案例展開研究，而多案例研究方法通常用于驗證理論可重復性、理論拓展及對立重復等。當前國際環境變化多端，華為在遭受美國舉全國之力打壓控制的情況下，憑借自身強大的知識自信成長為國內乃至世界通訊行業的翹楚。因此，進行華為的單案例研究對提升我國企業知識管理創新水平具有極高的研究參考價值；③縱向案例分析作為單案例研究的一種重要方法，通常采用時間序列分析對案例進行深度追蹤。縱觀華為的知識管理體系發展歷程，具有明顯的階段性特征，結合時間序列與關鍵事件進行歸納分析，有助于厘清企業知識管理發展脈絡，梳理數據賦能環境下的知識管理創新體系演化路徑。

2.2 案例選擇

為了使案例研究更具有說服力，本文結合研究目的，從國家首批“創新型企業”名單中選取華為技術有限公司(以下簡稱華為)作為案例企業，主要基于兩點理由：第一，遵循理論抽樣的聚焦原則與重要性原則。華為作為世界500強企業，是全球領先的信息與通信技術解決方案供應商，自創立以來，其通過高效的知識管理體系實現了持續快速的發展。在國際競爭日益加劇的環境下，許多企業倒閉，而華為基于自身的開放式創新建立了競爭優勢，因此具有典型性與代表性；第二，通過對現有文獻檢索發現，目前從大數據賦能知識管理創新視角切入，以華為公司為案例的研究未見報道。華為經過30余年的建設與積累，已成為世界級知識密集型組織，其知識管理發展歷程值得深入研究。因此，本文將華為作為案例研究企業，通過分析其知識管理系統形成的內在機理與演化路徑，以期為大數據環境下其它企業知識管理創新提供借鑒模板。

2.3 資料收集

本研究自2018年9月初開始案例企業資料收集工作，過程分為前期資料收集和后期訪談記錄兩個部分。首先通過企業官網官微、數據庫、媒體等渠道收集二手資料，經整合梳理后制定訪談提綱，分別對平臺產品用戶及企業內部中層管理者、員工開展半結構化訪談，并將其整理成訪談記錄。在案例分析過程中，對以上核心資料和數據信息進行三角驗證，將經過校驗的數據信息用于佐證觀點。

3 案例分析與討論

根據華為戰略變遷，可將其發展歷程分為創業期、發展期和全球布局期3個時期[27]。可以發現，華為在不同階段的知識管理建設重心及措施，與其發展歷程具有明顯的時間對應性。基于這樣的時間節點，對案例資料進行逐級縮編：在一級編碼中，將一手和二手資料梳理為3個階段，分別為外源數據賦能的模仿積累階段、內源數據賦能的內化交流階段和內外源數據雙重賦能的滲透創新階段；在二級編碼中，將各階段的資料抽象概括為創新環境、創新主體和創意開發3個范疇；在三級編碼中，歸納總結出各范疇的構成要素及作用機理。為保證研究結果的可靠性與信服力，在編碼過程中對資料進行嚴格篩選，并對沖突的資料進行反復印證、確認和補充，直到理論模型相對飽和。數據資料收集來源如表1所示。

表1 案例數據一級編碼

3.1 外源數據賦能的模仿積累階段(1987-1994年)

華為知識管理雛形形成于創業期，該時期其知識管理處于外源數據賦能的模仿積累階段，產品模仿與知識積累是其典型特征。此時數據量還未達到指數級增長階段，大數據效應尚未凸顯，外源的客戶數據、產品技術數據及市場數據構成了賦能的基本要素。作為行業“新兵”，華為首先將知識管理重點放在知識積累上，向競爭對手和客戶學習、復制、模仿、逆向工程成為重要的知識積累方式。表2展示了華為在外源數據賦能下模仿積累階段的創新環境、創新主體與創意開發的典型證據。

該階段的創新環境—創新主體—創意開發過程如圖1所示。

表2 外源數據賦能下模仿積累階段典型證據

圖1 外源數據賦能的模仿積累階段知識管理結構

3.1.1 創新環境

創業初期，華為面臨雙重困境。從企業外部來講，首先，華為面對的是來自全球的競爭對手，他們擁有豐富的知識積累和穩定的工業基礎，有一流的研發體系和堅實的市場地位，相比之下，華為與行業先進企業的知識儲備差距巨大，且核心知識產權被壟斷；其次，借助技術成本較低的用戶交換機市場實現早期創業的華為缺乏自主技術產品，難以在競爭不斷加劇的市場中存活。從企業內部講，華為尚未成立自身研發部門，員工總量與研發人員比例均處于較低水平；產品以代理為主，自主開發的產品較少，技術水平較低；市場主要定位在國內農村地區，市場占有率較低。

但是，華為并沒有“閉門造車”，而是努力追求自主創新，緊緊抓住第三次科技革命和我國改革開放帶來的技術轉移機遇，牢牢把握市場機會窗口期。此外，華為創業初期依靠代理業務積累的內部資本成為獲取外部數據的重要支撐。

3.1.2 創新主體

在意識到技術創新和自主知識產權的重要性后，華為從現有外源客戶、產品技術和市場數據中搜索學習對象，將企業自身產品研發、員工知本作為首要賦能主體，摸索知識獲取及學習模式。

3.1.3 創意開發

在產品研發上，華為秉持“技術拿來主義”，將“提升核心競爭力”作為企業愿景，將學習重點聚焦于企業外部存在的公共顯性知識，在繼承前人創新成果的基礎上進行持續再創新。自1989年起，華為通過交流合作等方式，不斷從合作伙伴及其它企業獲取新知識，拓展自身知識基礎，并借助當時較為成熟的交換機技術和現成的產業鏈資源，在模仿的基礎上先后開發出首個擁有自主知識產權的BH03交換機和中國首臺C&C08交換機，在市場競爭中逐步站穩腳跟。

在員工知本上，華為在1990年開始嘗試“員工持股制度”，通過優先購股權等方式將知識轉化為資本，將提升企業核心競爭力的重要動力進行集體綁定，把可能的知識風險和知識流失控制在最低水平，創造性地為知識資本化提供路徑；為了將獲取到的知識快速地在員工間分享和擴散，華為自1994年起開始構建員工知識庫，自行搭建的文件服務器成為知識積累的初級承載體。在外源數據的賦能作用下，華為抓住內外市場機遇，以早期代理積累的資本為強大支撐，集中攻克與外部企業競爭的技術壁壘和知識鴻溝，以產品研發和員工知本為主要抓手，完成了從交換機代理商到生產商的轉變，實現了知識在企業內部的初步積累。

3.2 內源數據賦能的內化交流階段(1995-2010年)

發展期的華為已經擁有了知識獲取能力，其知識管理步入內源數據賦能的內化交流階段，該階段的主要特征是資源內化與知識交流，將管理數據納入賦能要素，基于計算機網絡、數據庫和多媒體等技術的大數據應用初步顯現。此時的華為意識到知識獲取只是提升的初級階段，必須將賦能要素由外轉內，提高知識內化程度和知識交流效率，才能根據自身特點開展創新，實現提升核心競爭力的目標。表3展示了華為在內源數據賦能的內化交流階段的創新環境、創新主體與創意開發的典型證據。該階段的創新環境—創新主體—創意開發過程如圖2所示。

3.2.1 創新環境

知識積累為華為蓄積了能量，也帶來了新問題。企業內部：首先，華為投入巨大資源從領先企業獲取的知識難以在短時間得到高效理解、吸收和利用；其次，此前搭建的文件服務器中的知識只能在個別部門甚至部門內特定成員間共享，其復雜的權限分組使知識傳播和共享舉步維艱。此外，獲取的知識大多用于支持產品/技術升級與創新，在其它業務方面的應用匱乏，導致花費巨大成本獲取的知識難以物盡其用。企業外部：國際化進程加快，通信產業進入高速發展期，擁有成熟知識管理模式的國際領先企業在產品技術領域不斷“向前”，國內外廠商競爭激烈。

表3 內源數據賦能的內化交流階段典型證據

此時，華為開始意識到必須形成自己的知識管理模式和體系，才能使知識得到有效吸收，從而發揮最大效用。基于此，華為積累的知識資產連同打通的外部技術與信息傳輸通道，共同成為華為不斷吸收、內化知識并構建完善知識管理體系的重要途徑。

3.2.2 創新主體

為了探索適合自身的知識管理體系，華為將企業內部視為知識內化交流的主要陣地，選取更加細化的規章制度和平臺社區作為新的創新主體，分別構成知識管理體系的基本框架和核心組件。與此同時，企業外部合作持續擴張，為知識的吸收內化不斷注入新鮮“血液”和動力。隨著內外主體呈現出范圍更廣、維度更深的發展性，企業逐步向體系化演進。

3.2.3 創意開發

在外部合作上，華為在第一階段的經驗基礎上擴大數據搜索通道，外部獲取對象逐漸從技術產品擴展到管理制度和公司體系，范圍和數量的不斷擴充為華為建立知識管理體系提供了強大助力。1996年后，華為積極與大型跨國企業、海內外科研院所發展戰略合作關系，同時，積極在國際市場上爭奪話語權和主導權，在全球范圍內跟蹤數據信息，在開放創新的國際化進程下不斷吸收新知識并將其內化，保證了知識管理體系形成過程中的知識更新。

在規章制度上，華為制定的一系列條例成為知識管理體系的基本框架。1995年，華為設立知識產權部，并在1998年出臺《華為基本法》，“以知識為本”的公司理念強調知識、知識勞動及員工的特殊地位和作用，并創造性地將知識作為企業價值創造中的一個獨立要素；1999年頒布《專利創新鼓勵辦法》，并先后引入內部培訓制度和“師徒制”員工培養方案，加速員工對知識的吸收與轉化。

圖2 內源數據賦能的內化交流階段知識管理結構

在平臺社區上，華為利用數據庫及計算機網絡技術存儲知識，對此前的孤島式知識進行整合和鏈接，通過網絡建設實現內部知識共享，加速知識流動和吸收，使之成為知識管理體系的核心組成部分。一方面，華為根據業務方向逐步建立內部員工知識交流平臺：1998年，華為引入企業知識庫和郵件系統等基礎信息設施；2002年，根據自身特點量身定做了知識門戶LotusNotesR6；2005年，針對營銷業務資料共享建立了3MS平臺；2010年，先后上線了hi3ms知識共享社區和以培訓考核為目的的i-learning平臺。另一方面，為提升員工知識儲備能力，2002-2005年華為先后創建了高端人才庫、中央研究院、華為培訓中心和華為大學，并于2008年設立“知識產品貨架”及“知識集市”機制，強調對既有知識的傳播和重用。不同類型知識平臺共同構成了企業知識資源集散中心，幫助華為實現了對知識的有序管理和高效吸收。

3.3 內外源數據聯合賦能的滲透創新階段(2011年至今)

隨著網絡技術的發展，華為進入全球布局期，其知識管理也步入了內外源數據聯合賦能的滲透創新階段，該階段的主要特征是數據滲透和知識創新。由于內外源數據迅猛增長，共同作為大數據被納入賦能要素，與此同時，數據量增大推動大數據技術不斷革新，以云計算、全量多維分析、機器學習、智能硬件大數據算法等為代表的大數據技術工具成為主要賦能要素，驅動華為客戶價值 “具象化”和知識輸出“產品化”。表4展示了華為在內外源數據賦能下的滲透創新階段的創新環境、創新主體與創意開發的典型證據。該階段的創新環境—創新主體—創意開發過程如圖3所示。

3.3.1 創新環境

大數據的蓬勃發展給華為知識管理帶來新挑戰，企業內外發展形勢對華為來說，既是挑戰也是機遇。企業外部：全球高技術產業分工格局的大變革，使發展中國家企業開始有機會承接到新一輪技術、知識成果轉移；國家出臺的關于培育戰略性新興產業等政策也為企業轉型升級創造了良好條件。企業內部：一方面，大數據作為具有重要研究價值的資源，為企業知識轉化提供了新來源；另一方面，大數據技術工具的不斷涌現為企業知識管理體系升級帶來了新手段。因此，把握發展趨勢、整合大數據與駕馭新技術成為華為面臨的新挑戰。

表4 內外源數據賦能下滲透創新階段典型證據

圖3 內外源數據聯合賦能下滲透創新階段知識管理結構

3.3.2 創新主體

此階段，內外數據資源互補，同時為企業所用，在數據交換中企業邊界逐漸模糊。因此，華為將大數據蘊藏的客戶價值和大數據技術需求下的知識輸出作為重要創新主體，將內部知識管理體系逐漸擴展為內外聯動的知識管理生態系統。

3.3.3 創意開發

在客戶價值上，華為將“以客戶需求為導向”作為創新基本戰略，構建信息化平臺。2011年，華為通過構建大數據智能系統，匯集大量用戶數據，打破不同APP邊界，對用戶使用習慣、頻率、強度等數據進行記錄。為了擴充用戶反饋數據來源，2012年，華為建立了用戶線上互動社區——花粉俱樂部，通過UCG內容實現數據庫共建，為企業與用戶共創產品打下基礎，從知識管理源頭進行了有效擴充。

在知識輸出上，大數據驅動下的企業級需求促使華為致力于大數據、云計算、人工智能等領域的技術研發，這也是華為以大數據為中心、布局產業鏈的突破口。2011年，華為建設了20個云計算數據中心，并在2013年發布了集Hadoop、數據庫處理和大數據云服務于一體的大數據平臺產品Fusionlnsight，其標志著華為以大數據為基礎的戰略生態系統——云帆聯盟上市。圍繞知識輸出開展的創新作為知識管理的最后環節，不僅使華為在全球產業界占據了舉足輕重的地位，也從另一角度拓展了數據獲取渠道。

4 研究發現與理論模型

4.1 三階段構建機理

數據賦能下知識管理創新表現出的“創新環境-創意主體-創意開發”階段性特征，與知識管理“金三角”演變過程相對應。圖4總結歸納了大數據賦能企業知識管理 “創新環境—創新主體—創意開發”理論模型在各階段的構建機理。

4.1.1 外源數據賦能知識積累

在前期，企業集中縮小核心產品技術差距，聚焦外部顯性公共數據獲取，為產品研發賦予技術學習、繼承模仿的能力，為員工知本賦予知識轉化資本的驅動力。一方面，外部顯性公共數據作為獲取性高、成本低的資源，對初創期企業具有較高價值；另一方面，借助數據清洗工具，通過提取—清洗—轉換—集成等操作，實現知識的高效提取。在該階段，企業以縮小知識儲備差距為核心目標，首先加大引入，在產品研發上通過繼承模仿方式持續再創新；其次降低流失率，為員工提供全方位利益機制，將可能的知識流失降到最低限度。二者互相作用、相互促進，最終實現企業知識積累。

4.1.2 內源數據賦能知識交流

在中期已積累的知識催生出內部知識吸收轉化的強烈需求，倒逼企業以構建完整的內部知識管理體系為目標，促進知識資源在企業內部吸收內化和交流共享。首先，將知識價值的認同與激勵機制制度化，搭建知識型組織體系框架；其次，借助云端分布技術工具和聯機處理技術工具，支撐企業針對不同業務分區建立知識共享交流平臺，作為核心組件填充知識管理體系；最后，開啟外部合作通道的維持和擴展，保障企業內部數據不斷更新，同時，為未來的知識輸出奠定渠道與基礎。

圖4 三階段知識管理創新構建機理

4.1.3 內外源數據聯合賦能知識創新

在后期，不斷革新的技術使得其推動效應顯著，形成內激勵與外激勵共同作用狀態，在這種情況下，企業必須將知識管理重心轉向知識創新，以知識管理的頭尾為延伸切入點，分別將客戶價值和知識輸出作為創新主體，將企業內部知識管理體系擴展為內外聯動、高效循環的知識管理生態系統。一方面，以用戶數據擴充知識獲取來源，借助可視化呈現技術工具進行客戶數據價值挖掘，實現用戶企業產品“共創”；另一方面，圍繞大數據布局產業鏈，圍繞市場需求進行知識輸出，擴展企業間數據交換通道，作為知識管理的最后環節銜接知識獲取，完成知識管理的“金三角”循環，構成內外聯動的知識管理生態系統。由于知識管理不再拘泥于企業內部，隨著企業內外數據交換增多，賦能主體與客體相互轉化、互相賦能，實現企業內外主體的共享共贏。

4.2 總體演化路徑

鑒于當前的大數據背景，圖5總結歸納了大數據賦能企業知識管理 “創新環境—創新主體—創意開發”理論模型在各階段的演化路徑。

4.2.1 創新環境

大數據時代，隨著數據量呈指數級增長和信息的高速傳播成為市場常態，企業內外“知識壁壘”被不斷壓縮乃至消除，倒逼企業快速進行知識積累，進而催生出對企業內部知識吸收轉化率的強烈需求，而新的數據技術工具則為應用和輸出新知識提供了手段，也為進一步賦能創造了條件。在這一過程中，企業知識管理賦能要素的發力點勢必發生從外部數據到內部數據、再到內外數據共同發力的轉變。

4.2.2 創新主體

創新主體演變主要經歷了“底層要素-核心框架-外部發散”的過程。體系搭建必然要從核心底層抓起，產品和員工作為企業底層核心要素，共同成為賦能初期的主要抓手；中期則需要構建制度平臺，作為知識管理體系的核心框架，滿足底層要素知識交換和傳播需要；客戶價值則使得體系在囊括外部參考的情況下變得更加完善與成熟，同時，為底層要素形成自主知識提供了良好環境。

4.2.3 創意開發

從初步產生知識積累，到形成內部知識管理體系，再到建立知識管理生態系統， 企業知識管理的創意開發作為創新主體賦能的“靈感”和“血肉”，同步經歷了由點到線再到面的演化路徑。

圖5 “創新環境—創新主體—創意開發”演化路徑模型

5 結論與展望

5.1 主要結論

本文以華為技術有限公司為案例企業，研究了大數據作為數據源和技術工具，為企業知識管理創新賦能的內在機理，總結歸納了“創新環境—創新主體—創意開發”的理論模型，將企業知識管理創新演化路徑分為3個階段：外源數據賦能的知識積累階段、內源數據賦能的知識交流階段和內外源數據聯合賦能的知識創新階段。其中，在外源數據賦能的知識積累階段，企業從外部數據中心進行知識提取和學習，通過加大引入和降低流失實現知識積累；在內源數據賦能的知識交流階段，企業從內部著手，逐步構建知識管理體系框架與組件，加速內部數據向知識轉化，促進知識在企業內部的交流、吸收；在內外源數據聯合賦能下的知識創新階段，通過賦能客戶價值和知識輸出，完成知識管理“金三角”的首尾銜接，構成內外交換、循環聯動的知識管理生態系統。

5.2 理論貢獻

賦能理論方面。第一，本文回應了郝金磊等[17],提出的賦能理論分析框架 并在此基礎上識別出隨著3階段演化的賦能要素(創新環境)、賦能主體(創新主體)及賦能機理(創意開發)；第二，現有賦能理論研究分別提出了顧客賦能[11-12]、平臺賦能[13]、員工賦能[14-15]等賦能主體，但忽略了不同環境背景下賦能主體間的階段匹配與演化過程。本文在前人研究成果的基礎上，豐富了大數據作為賦能要素時企業維度知識管理下的賦能主體，并將其與體系演化歷程中的3個階段相匹配；第三，以往文獻強調賦能有利于提升企業創新績效的直接因果關系[28]，在此基礎上，本文進一步梳理了知識管理體系建立的內在機理，從知識管理角度切入，打開了賦能對企業創新影響過程的“黑箱”。

大數據環境下的企業知識管理方面。第一，本文進一步驗證了知識管理“金三角”理論的演化過程，將知識管理層面的環節交互，從企業維度擴充為立體的體系演化；第二，本文在大數據作為知識轉化來源[22-23]及現代信息技術工具方法[24-26]的基礎上，以代表性領軍企業為單一案例進行研究，識別出隨著時間序列演化的數據賦能要素，實現了對知識管理創新研究的案例對接和理論深化，具化了數據作為賦能要素為企業知識管理創新賦能的內涵與演進歷程研究。

5.3 研究局限

本研究尚存在一些不足之處：①采取單一案例進行研究，理論框架稍顯薄弱，所得結論的普適性存在不足。在未來研究中，可收集更多資料，采用多樣化研究手段予以佐證；②本研究主要基于案例研究法選取樣本企業，從理論層面探討大數據賦能企業知識管理的模型，未來可在上述模型的基礎上，從定量分析角度開展實證研究，檢驗并優化本模型的可靠性與適用性。