基于戰略匹配成熟度的企業大數據戰略實施研究

[摘要]通過引入戰略匹配成熟度概念，構建了企業大數據建設及應用水平提升路徑的系統動力學模型，并對企業大數據建設及應用水平提升路徑和關鍵影響因素作用進行了模擬。利用模擬結果對企業大數據戰略實施評價，總結企業大數據戰略在不同周期、不同成熟度級別的關鍵過程域和目標，確定不同級別貢獻度指標，并對企業整個大數據體系進行關鍵元素分析，讓企業能更清晰地知道自身當前大數據建設及應用水平所處的發展位置及改進方法，從而保證大數據戰略與企業戰略的良好匹配，特別是為后疫情時代企業的大數據建設和應用水平的快速科學提升提供了規范的理論和實證解釋。

[關鍵詞]企業大數據戰略;戰略匹配成熟度;大數據建設及應用能力

一、 引言

身處大數據時代，對于企業來說，大數據已經不僅僅是一個工具，它更加代表著一個企業的思想。企業對它的重視程度直接影響著企業的整體戰略目標。特別是在此次新冠肺炎疫情中，大數據在企業復工復產中發揮著積極的作用，成為應對市場變動、實現逆勢發展不可或缺的基礎性、關鍵性生產要素。大數據在催生新產業新業態、提升消費和經濟增長中的作用，也深深影響了企業的戰略思維，引起企業戰略形式和戰略模式的變革。

二、 企業大數據戰略

海量大數據與處理這些大數據的技術的發展，對企業的組織結構、運作方式等都產生了深遠影響。只有當二者實現結合，把大數據應用真正嵌入到企業的各個部分和各個發展階段，與企業命運融為一體，才能鑄就企業的核心競爭力，企業大數據本身及其所蘊含的價值才能成為企業最重要的資本和戰略性資源。基于此，企業利用云端直接向網絡平臺獲取所需的海量信息數據，然后對獲取的信息數據進行精準地統計分析，隨后反饋給云端或是分析得到自身所需要的結果，為企業決策者制定戰略提供依據，構成企業大數據戰略。企業大數據戰略包括影響企業戰略決策和措施的關鍵技術和應用軟件，分為大數據技術、核心能力和管理機制三個方面，其實質是關于企業大數據建設及應用水平提升的全局策劃和指導。

當今，企業單純進行大數據技術建設投入是完全不夠的，更重要的是如何將大數據與企業的業務活動、組織變革等柔性結合起來，通過大數據戰略的實施提高企業大數據建設及應用水平與企業戰略目標的匹配程度，將大數據分析有效地應用于企業運營，這對于處在知識經濟迅猛發展時期，想要利用大數據及大數據分析轉化釋放潛能、實現轉型的企業而言具有深遠的現實意義。

三、 相關研究文獻回顧

1. 有關信息化對企業戰略及經營影響的研究

國內外有學者對信息化及涉及到的企業戰略及相關經營理論進行了研究。張建設認為，進入信息化時代后，企業戰略決策環境、決策主體及決策依據都發生了巨大變化，傳統戰略理論開始走向終結，社會化決策正在崛起[1]。吳瑞鵬等認為，企業建立信息系統，關鍵是企業高層領導要有明確的意識，要有一套企業發展戰略目標，要有企業的真正需求、規劃和建立信息系統的目標，要管理科學化;企業文化和組織結構要滿足信息系統建設的需要[2]。通過分析發現我國很多企業信息化失敗的原因，主要包括企業組織變革滯后、資金投入不夠、員工阻力等。所以，企業信息化建設不僅是技術變革，更重要的是思想觀念、管理和制度的創新。另外，左美云等用聚類方法得到信息化成熟度模型IMM，模型涉及了企業的信息制度、信息戰略及外部協同等企業管理組織的方面[3];同時，還將企業信息化能力應用于管理優化、戰略支持、技術支撐等領域。

2. 有關信息數據戰略理論的研究

對于信息數據戰略理論的研究，我們將之前的研究成果總結為四個方面，分別是從財務角度、生產力角度、組織角度、大數據投資回報角度進行研究。

（1）財務角度。近年來的許多文獻致力于評估信息數據戰略投資的財務意義。已有研究通過識別包括成本收益、投資回報、資產回報、成本控制、市場份額和資產凈值回報、由特定或一組信息數據投資引起的銷售增長等財務測量標準的變化來試圖測量企業的績效。這類研究的注意力主要局限于單個案例、特殊技術或單個行業，對業務價值創造以及最終被測量的動態過程的理解有限。

（2）生產力角度。最近對生產力經濟理論的研究已經成功說明了信息數據投資對企業績效的貢獻[4]。這些研究指出，有員工與網絡平臺聯系更多的企業比那些員工與網絡平臺聯系少的企業，在對企業的績效貢獻方面要好。研究者還指出，生產函數方法，如Cobb-Douglass生產框架，通過評估輸入（通常是庫存或資金流和勞動力）與企業的產出（如收入和價值增加）之間的關系來測量企業績效。

（3）組織角度。早期的信息數據研究回顧了一系列可能被信息數據影響的組織維度。許多組織理論用來檢驗信息數據對組織機構不同的層次和方面的影響，包括分工和工作的相互依賴性、集中或分權控制、控制幅度、過程和步驟的制定、過程整合以及工作滿意度等[5]，建議信息數據的特殊價值由組織的戰略目標或是各部門的業務目標決定。信息數據配置成為影響組織或部門績效評估的重要因素。

（4）投資回報角度。之前的研究已經提出了測量提供競爭優勢和創造業務價值的與信息數據相關的績效模型，主要有CAPITA模型、平衡計分卡（BSC）及GAO的分層績效平衡卡方法[6]。這些模型為一項數據戰略績效影響研究提供了測量標準和測定維度，目的是將從信息數據應用系統中得來的競爭優勢指標量化。它們的局限性在于都是對某一特殊應用效益的量化，是為了測量而測量，沒有體現出這些這些因素與企業戰略之間的相互關系。

通過以上對大數據應用現狀和有關信息化理論研究的回顧，可以發現：

①現有的研究大多側重于大數據的獲取、存儲、處理、挖掘和信息安全等技術方面，鮮有從企業管理的角度探討大數據對于現代企業戰略決策和經營管理等方面帶來的變革與沖擊的研究。企業的管理者也往往只追求合適的信息化技術，而忽視其他的方面。

②不少現有涉及到企業戰略的研究都是有關信息化及信息系統的內容，大數據時代是在信息化基礎上出現的更高層次和水平的數據技術，它所呈現出的特點對企業戰略管理的影響比信息化的影響更為復雜，研究要求也更高。

③大部分關于信息化評價的研究都重在利用定性的方法對企業信息化現狀進行描述，對信息化模式作出判斷，然后再對企業實行信息化。這樣的信息化只是完成了企業的數據處理目標，距離企業最終的戰略目標甚遠。

同時，在大數據時代，網絡組織的出現、傳統價值鏈的解構、知識管理的興起對企業戰略管理的影響逐漸擴大，大數據規劃影響著企業戰略目標的實現，成為企業戰略能力形成的關鍵[7]。后疫情時代，面對大數據環境下此大趨勢以及企業戰略決策和運營管理的迫切需求，開展企業大數據戰略研究顯得十分必要和重要。

3. 有關于戰略匹配的研究

（1）戰略匹配概念的提出。20世紀90年代初期，Das等人提出了信息化戰略模型，從技術與功能集成的層面考慮信息系統的規劃。隨后，Bates提出了“戰略匹配”這一概念。1993年，Venkatrama和Henderson對戰略匹配的相關概念進行了規范，又將信息化戰略模型進一步細化，將企業面臨的信息化環境分為內外兩個領域[8]，使得對這個領域的研究趨向成熟。

（2）促進或阻礙戰略匹配的因素。Luftman等就有關戰略匹配的問題對15個行業的500多家公司的代表進行了問卷調查。他們發現，戰略匹配是一個不斷變化和發展的過程。在這個過程中，組織中的某些活動可以幫助企業實現戰略匹配，而另外的一些顯然阻礙著戰略匹配[9]。

通過研究可以看出，前人對企業大數據的認識，開始從單純的技術視角轉向關注大數據對企業經營管理的影響上，特別是開始考慮從戰略角度來研究如何利用大數據。這已經成為今后企業大數據建設及成長過程首要考慮的問題。

四、 企業大數據建設及應用水平提升機制戰略匹配成熟度分析

1. 戰略匹配成熟度

戰略匹配是關于過程和關系的。所謂過程，就是企業做哪些事情才能使大數據戰略與企業戰略目標相一致，大數據戰略與企業戰略目標相適應。所謂關系，是基于企業發展與變革的演化和目的的角度，把戰略匹配視為在企業動態的、持續的組織變革中，大數據發展及應用的維度之間以及其與企業各主要部分間的關系。戰略匹配是企業實現收益最大化的必然前提[10]。

為更好地實現戰略匹配，我們參照了前人提出的戰略匹配成熟度概念，又進行了創新。這一概念對企業如何隨大數據戰略的變化而使自身的戰略匹配成熟度在不同層次演化給出了更好的解釋，包括橫向、縱向上的匹配，匹配更強調動態、持續。旨在為企業評估、改善戰略匹配情況和達成成熟的企業戰略匹配提供理論、方法和工具，了解企業的戰略選擇和匹配實踐的成熟度，即可知道該企業目前所處的發展位置及該如何改進。

2. 基于戰略匹配成熟度的企業大數據建設及應用水平提升機制的影響因素

基于前文的文獻回顧，參照Henderson等模型中針對IT業務戰略匹配評價指標的設置，我們將影響企業大數據發展與應用水平提升機制的影響因素歸納為六個方面：企業治理與管理者、技能與培訓、跨部門協同、友好合作、大數據連接范圍與程度、大數據發展與應用價值測度。通過對這六個方面及其之間的關系分析，來保證大數據戰略與企業戰略目標的平衡匹配，保證企業相應階段的匹配成熟度。

（1）企業治理與管理者。企業治理是指企業在項目選擇和優先次序排列、資產歸屬、預算控制和投資等活動中分配決策權的時候所作的選擇。企業治理中要加強對大數據建設及應用的重視，將其視為可以培育的投資目標。

另外，企業管理者的素質和戰略意識，對于改善大數據發展與應用、實現大數據戰略與企業戰略匹配具有決定性作用[11]。企業管理者應將大數據發展與應用規劃與企業中長期發展戰略相結合，在企業的每個層面上識別大數據資源和獲利機會，并借以構建企業在新形勢下新的競爭優勢。

（2）員工技能與培訓。技能與培訓，主要考慮的是大數據戰略在企業各部門的職業培訓機會，以及易于大數據發展與應用的企業文化氛圍。因此，要提高大數據的管理水平，不僅要求參與人員具備全面的知識，而且需要不斷學習新的技能和方法[12];同時，要培養一批熱心于大數據建設，既善于經營管理，又懂現代大數據處理技術，還具有先進管理理念的復合型人才，并注重培育相應的文化氛圍。

（3）企業內部跨部門協同。協同理論指出，企業內部、企業間甚至企業集群間的多方協同戰略，是企業獲取競爭優勢的重要源泉。在企業內部迅速消除大數據發展及應用過程中形成的“信息孤島”，做到技術與管理并重，技術與管理有機融合，實現企業不同職能部門間的協作，是企業實現大數據變化環境下跨越的重要前提[13]。因此，要有效地推進企業大數據發展與應用，必須建立分工明確、責任到位的組織體系，這涉及到決策層、技術層、管理層和執行層。

（4）友好合作關系。本文對友好合作關系的定義包含了四個方面的內容：彼此之間的信任、不同部門對知識共享的理解、對重要能力和資源的共同依賴、相互參與部門戰略決策。

（5）大數據連接范圍與程度。大數據連接范圍指的是大數據平臺可以聯系地點的普及性。大數據連接程度代表大數據通過系統連接的程度。當企業內部每個部門了解企業的所有戰略目標時，大數據系統才更有效。因此，從這個角度來說，要建立企業級的大數據標準，建立大數據戰略。

（6）大數據發展與應用價值測度。本研究認為，大數據發展與應用價值測度即企業在決定大數據資源與技術對自身的重要性和貢獻時所作的管理決策和戰略性選擇。特別是后疫情時代，面對下滑的經濟，面對更加激烈的競爭，企業對大數據技術的使用已經從業務流程效率和以成本節約著眼的內部的、職能的關注，轉向從大數據對業務流程增值和提供競爭優勢著眼的外部的、合作的、競爭角度的關注。因此，如何構建測量大數據發展及應用價值的管理機制成為關鍵。從這一角度來說，要建立和完善系統、有效的大數據投資回報分析體系和投資管理機制。為簡化研究，本文將采用“企業績效”這一指標對大數據發展及應用的價值進行測度。

另外，當評估企業大數據發展與應用于企業戰略目標戰略匹配成熟度時，結果會收斂到提供一個總體成熟度水平，即戰略匹配總體成熟度。這個總體收斂的目的是為了促進企業使用評估水平作為基準，為了進一步提升企業大數據發展及應用的成熟度水平而做出戰略選擇和管理實踐活動[14]。戰略匹配總體成熟度對企業的大數據投資回報和企業績效有著直接影響。因此，通過什么樣的管理實踐使得企業戰略規劃滿足大數據下變化的環境需求，并通過大數據的有效應用提升企業績效，非常重要。

通過以上分析，本文提出企業大數據建設及應用水平提升機制戰略匹配成熟度理論模型，如圖1所示。

五、 模型構建及模擬

1. 企業大數據建設及應用水平提升機制研究

企業大數據建設及應用過程，有兩條主線：一條是從企業戰略到企業大數據規劃，再到企業大數據戰略，再到企業大數據規劃;另一條是對企業實際大數據發展及應用水平和關鍵影響因素進行評價，從而了解企業大數據建設及應用水平的發展并進行預測。這兩條主線從不同視角觀察企業大數據的建設及應用，前者從需求的角度分析企業戰略對企業大數據建設及應用的需要，對于制定大數據規劃、大數據戰略具有重要指導意義;后者從供應的角度體現企業大數據的功能和潛能，對于評估企業大數據建設及應用的作用具有重要借鑒意義。這兩條主線相輔相成，共同幫助企業實現依據戰略匹配成熟度的大數據建設及應用水平的提升，如圖2所示。

2. 企業大數據建設及應用水平提升路徑的系統動力學模型

（1）建模思路。企業大數據建設及應用，其實質是為實現企業戰略目標，解決企業管理中與大數據建設及應用相關的系統性問題。本文討論的是如何提升企業的大數據建設及應用水平，因此，把這個問題設成模型關注的主體，把其他部分作為它的關鍵影響因素。對企業大數據建設及應用水平提升路徑的研究，就轉化成為在各種關鍵影響因素下企業如何提升基于戰略匹配成熟度的大數據建設及應用水平。

影響企業大數據建設及應用水平的關鍵因素可分為外部和內部兩大類，本研究重點關注的是內部關鍵因素對企業大數據建設及應用水平的影響。我們通過實地調研訪談和對調查問卷數據的分析，證明了從企業治理與管理者角度、員工技能與培訓、跨部門協同、友好合作關系、大數據連接范圍與程度、大數據發展與應用價值測度對企業大數據建設及應用水平都有顯著影響。

另外，因為大數據建設及應用水平涉及到諸多硬件，受折舊因素影響較大，而且一段時間內為緩慢漸變的過程。由于折舊不是研究的主要對象，因此，本研究做簡化處理，綜合成一個折舊變量。通過對管理因素的細化，從內生性解釋中提煉出企業大數據建設及應用水平提升系統的重要變量，如表1所示。

（2）模型構建。根據以上的理論分析建立變量間的關系式，在數據和資料明確的情況下，依據現實情況或采用統計方法估計設定參數值。在此基礎上，構建企業大數據建設及應用水平提升路徑因果回路圖，如圖3所示。

從圖3中可以看出，從管理者實施大數據戰略的意愿下，經過連接集中到大數據建設及應用水平，再到企業的戰略匹配成熟度，有5條路徑，這5條路徑均為同向變化的增強回路。而企業的戰略匹配成熟度到管理者實施大數據戰略的意愿有2條分支：一條正極連接，企業戰略匹配成熟度指標反映出為提升大數據建設及應用水平所作的戰略調整是有成效的，因此會形成進一步重視和強化大數據戰略的意愿;另一條是負極，隨著大數據建設及應用的持續深入和加深理解，管理者會形成對大數據建設及應用水平的一個理想的期望，實際的大數據建設及應用水平與期望的大數據建設及應用水平之間差距越小，管理者繼續關注和加強相關工作的動力和大數據戰略意愿就會越低。因此，前述的5條正向的連接經過這兩種不同極性的連接，就形成了10條回路。其中，5條為增強回路，5條是平衡回路。開始階段增強回路起主導作用，促進大數據建設及應用水平的發展。隨著大數據建設及應用水平的不斷提高，平衡回路作用開始顯現，大數據建設及應用水平的增長速度將減緩。

（3）模型的一般性模擬。本研究借助Vensim PLE 7.3.5具體實現對企業大數據建設及應用水平提升路徑和關鍵影響因素作用的模擬。

①企業大數據建設及應用水平提升路徑的模擬

通過模擬，圖4反映了企業大數據建設及應用水平從低到高的成長過程，呈現S型的提升過程。根據曲線走向的變化，可以將曲線分為前、中、后3部分。這3部分各具特點。前部曲線先下降后上升，呈現下彎碟形;中部曲線呈現較快的上升過程;后部曲線緩慢上升并趨近于水平。這說明企業大數據建設及應用過程一般會經歷最初的適應調整，并快速上升，最后趨于穩定。

企業經過一段大數據建設與應用之后，水平會有所上升，所以把大數據的建設及應用水平的初始值提高，同時將考察的時間跨度延長。經過模擬得到如圖5的結果。

通過圖5可知，如果繼續進行更長時間跨度的考察，則企業將面臨外部環境或內部發展壓力而出現大數據建設及應用水平快速下降的情景。

②關鍵影響因素的模擬

隨著企業大數據建設及應用水平的提升，通過模擬其關鍵影響因素的對應態勢，得到圖6、圖7的發展軌跡。

通過圖6可以看出，企業的戰略匹配成熟度發展軌跡與大數據建設及應用水平軌跡基本一致。因此，企業的戰略匹配成熟度成為大數據建設及應用水平提升的決定性因素。在圖7中，企業績效的發展軌跡也隨著戰略匹配成熟度影響下的大數據建設及應用投資回報的變化而有類似變化。

圖8反映出，管理者實施大數據戰略的意愿初期隨著企業大數據建設及應用水平的發展狀況而起伏，后隨著大數據建設及應用水平的不斷提升而提升。等到大數據建設及應用水平步入穩定期，管理者對大數據建設及應用關注度和意愿開始下降，并在一定水平上保持平緩。因此，隨著管理者實施大數據戰略的意愿的變化，其對大數據建設及應用的投入也發生類似的變化，包括基礎設施的建設、研發的投入及員工的培訓，如圖9和圖10所示。

圖11至圖14四個模擬結果表明，友好合作關系、企業內部多部門跨部門協同、員工態度和員工能力一直保持上升軌跡，并且初期上升更快，隨著大數據建設及應用進入穩定期，開始保持平穩小幅累積增長。友好合作關系一直處在領先和拉動的地位。企業內部多部門跨部門協同、員工態度和員工能力整個發展軌跡都很接近，說明互動對提升員工大數據建設及應用能力重要且直接。

六、 模型檢驗

本研究的模型檢驗將從數據檢驗和經驗支持兩個層次展開。數據檢驗將模擬結果與實地調研獲得的一手問卷調查數據進行比較，考察模擬結果與現實的一致性。經驗支持將從實地調研獲得的訪談資料中提煉出有益的業界經驗，再通過模型模擬出與業界經驗相一致的特性。這些檢驗有助于探討模型的理論意義。

檢驗模擬的企業大數據建設及應用水平隨時間提升的狀態和過程，與企業實際提升的狀態和過程是否相符，這是判斷本文研究模型有效性的重要方法。下面將通過對實地調研所獲得的實證數據進行近似時間序列處理并與模擬數據進行對比，進而通過Logistic擬合比較模擬和實證數據。

1. 數據檢驗與經驗支持

我們共發放100份調查問卷，回收73份，回收率為73%。去掉因關鍵信息殘缺、失真的無效問卷，保留了51份有效問卷作為實證研究的有效樣本。

由于現實條件所限，調研獲得的大多是不同企業有大數據建設及應用記錄的截面數據，可以了解企業大數據建設及應用一定年限的各個變量的狀態。為此，對51個有效樣本作近似時間序列處理，得到表2。

由表2的數據，我們得到處理后的樣本企業大數據建設及應用水平年限分布圖，如圖15所示。通過觀察可以發現，企業建設及應用大數據的年限小于等于7的部分近似呈S曲線特點，大于7的部分也近似呈S形趨勢，這說明企業大數據建設及應用水平S形提升路徑是實踐中普遍存在的現象。同時，此線之所以有這樣的分布趨勢，一般是因為企業在使用大數據技術一段時間后會隨戰略、業務及技術的變化而發生明顯調整，在數字技術發達的今天，一般在6～8年左右。隨著疫情爆發帶來的市場的變化，該時間會縮短至2～3年左右。

為了進一步檢驗企業大數據建設及應用水平及其關鍵影響因素的實際關系與模型的符合程度，將模擬出的大數據建設及應用水平、友好合作關系、企業內部多部門跨部門協同、員工能力數據與實證數據進行對比。實證數據選取了更為準確的大數據建設及應用時間小于7的部分。參考表1，大致設定上述變量初始值都為45，代入圖3中的模型，模擬出相應數據，并截取初始值為45—80的部分，結果見表3所示。

為了說明關鍵影響因素對大數據建設及應用水平的影響，分別對比模擬和實證數據中關鍵影響因素與大數據建設及應用水平的關系圖，如圖16至圖24所示，圖中左半部分是各指標的模擬數據散點圖，右半部分是各指標的實證數據散點圖。

2. Logistic擬合

下面將采用Logistic回歸曲線來驗證模型和實證結果的一致性。本研究選取的是Logistic曲線，其特點是開始增長緩慢，而在以后的某一范圍內迅速增長，達到某限度后，增長又緩慢下來，曲線略呈S形。而模型模擬的提升軌跡也有典型的S形特征。因此，Logistic曲線能很好地代表模型模擬的提升路徑軌跡。

通過以上關系對比圖可以看出，從一般平均狀況反映的趨勢看，模型模擬體現的大數據建設及應用水平受關鍵因素的影響與實際情況基本相符。其中，企業的戰略匹配成熟度、友好合作關系、企業內部多部門跨部門協同表現的較為明顯。因此，從近似時間序列來看，模型的有效性得到實證的檢驗。

為不失一般性，以大數據建設及應用水平、友好合作關系、企業內部多部門跨部門協同、員工能力初始值為50代入模型進行模擬，得到模擬數據樣本97個狀態。以大數據建設及應用水平為因變量，時間為自變量，進行Logistic曲線擬合，得到表4、表5及圖25。

通過表4和表5統計量的顯示及圖27的直觀展示，可以看出Logistic曲線能很好反映模型大數據建設及應用水平時間序列的特性。

同樣，可以對模型其他關鍵因素的模擬數據進行Logistic擬合，過程在此不再一一贅述。通過擬合，大數據建設及應用水平與其他關鍵指標之間的對應關系也基本符合模型反映的規律特性。因而，模型在統計意義上與實證數據相符且具有顯著性。

3. 小結

（1）突出關鍵因素對大數據建設及應用水平提升的影響。通過以上分析，我們可以看出，企業要想借助大數據戰略更好地實現企業戰略目標，企業管理者要力推大數據部門與其他各部門跨部門協同，加強不同部門的人員對知識共享和共同理解以及對重要資源的共同依賴，提高不同部門間相互參與部門戰略決策的程度，增強彼此之間的信任。這是企業提升自身大數據建設及應用水平的前提。無論在企業發展的何種階段，企業內部各部門的友好合作關系、跨部門協同都是影響大數據建設及應用水平提升的重要因素。在此基礎上，通過培訓、學習，帶動員工態度的轉變和能力的提高。同時，管理者應關注這些影響因素的相互匹配和作用，前期將大數據建設及應用導入良性的發展軌跡，后期（經過大數據戰略意愿波峰之后）可將更多精力轉向企業中的其他事宜[14]，提升企業績效。

（2）基于大數據戰略與企業總體戰略目標的匹配程度對大數據戰略進行周期劃分。借鑒前人的研究成果[15]，結合企業大數據戰略與企業總體戰略目標的匹配程度，我們可以將企業大數據建設及應用水平提升過程分為調整期、上升期和穩定期三個時期。在調整期中，由于大數據戰略的實施，企業整體戰略與大數據戰略的匹配成熟并不高，初期會經歷一個適應調整時期。大數據建設及應用效果開始不盡如人意，后逐步適應回升。在上升期中，隨著逐步磨合和適應，大數據建設及應用效果開始體現，各方面有利因素也被積極調動起來，企業員工容易感受到大數據應用效果，從而加強對大數據知識的學習和應用，大數據建設及應用呈現良性循環，水平提升較快。在穩定期中，隨著大數據建設及應用的逐步成熟，企業已經不能離開大數據的業務支持，大數據已經成為企業為實現戰略目標不可或缺的部分。此階段，一方面大數據建設的規模已經比較大，全面提升已經不易;另一方面，大數據建設及應用已經接近管理者的期望，管理者注意力可能已經轉到其他影響企業發展的瓶頸上，大數據建設及應用處于基礎支持和維護改進的狀態。

（3）針對大數據戰略周期特點對其與企業戰略匹配成熟程度進行評估。在確定企業的大數據技術之后，可利用業務成熟度和業績創造兩個維度，來對企業大數據戰略與企業整體戰略的匹配成熟度進行評估。對于業務成熟度維度，可使用大數據建設及應用投資、大數據能力支撐（如跨部門合作等）等指標進行評估。對于業績創造維度，可使用企業投資回報、運營效率等指標進行評估。通過評估，可以對大數據建設及應用水平在企業各部門中的現狀進行優先級排序，便于企業按順序推進相關大數據戰略在不同部門的實施，這在一定程度上也有利于克服大數據戰略周期中出現的弊端。

七、 構建企業大數據建設及應用能力分級模型框架

1. 市場的變化和企業戰略目標的變化也會對企業大數據建設及應用水平產生影響

因為我們要研究的戰略匹配是一個過程和關系的概念，除了以上對企業內部基于戰略匹配成熟度的大數據建設及應用水平提升影響因素的研究外，市場的變化和企業戰略目標的變化也會與企業大數據建設及應用水平產生關系，它們都會使原有的大數據戰略與企業大數據建設及應用水平不匹配，從而導致大數據建設及應用水平下降。不同程度的市場變化產生的沖擊和影響大小有所不同，比如有的是來自市場的快速變化，企業必須作出相應的反應，及時調整戰略，業務流程或組織架構都要發生相應的調整;有的甚至是企業級的兼并重組，原有的企業大數據建設變得不適應，需要不同程度的調整。新的大數據技術的出現和成熟，帶來企業軟、硬件的個性變化，也會對大數據建設及應用水平產生重大影響，企業可能不得不面臨大幅更換現有數據系統的軟件和硬件的壓力和選擇。企業大數據建設及應用過程中，隨著不斷成長壯大，企業的整體戰略目標也會發生方向上的調整，企業的市場規模和范圍、組織功能也要調整，職能不斷細化，原有的大數據系統難以支持這些新的變化，且變化的程度不同導致企業大數據應用水平降低的幅度不同。大數據應用發生變化的表現形式常常是企業大數據戰略及整個企業戰略的變革，企業應密切關注此變化以加強管理。

2020年的“疫情大考”，企業積極利用大數據技術以應對變化了的市場環境，采取的舉措可圈可點，但同時也暴露了部分企業在大數據建設及應用穩定期的弊端，如數字化應變滯緩、以往的商業模式和組織模式單一且過時、供應鏈整合能力不足等。而且，后疫情時代，市場上也出現了不少新型的大數據技術。伴隨我國經濟發展的新勢態，企業如何把新的大數據技術應用于原有大數據戰略并加以改進，如何利用改進后的大數據戰略提升自身大數據應用水平、加速自身在行業中的轉型，都是迫切需要解決的問題。

2. 構建企業大數據建設及應用能力分級模型

在不同階段，企業的大數據建設及應用能力與企業戰略的匹配程度不同。因此，企業應根據內外部環境和條件，結合對企業大數據戰略與企業整體戰略的匹配成熟度的評估結果，及時歸納總結每一級別的關鍵過程域和目標，確定不同級別貢獻度指標，并對企業整個大數據體系進行關鍵元素分析，從而保證大數據戰略與企業戰略的良好匹配。為此，我們構建企業大數據應用能力分級模型框架，見圖26。

八、 建議

本研究為后疫情時代企業在大數據建設及應用方面創造性地開辟了一條管理之路。今后還可以在以下幾個方面繼續深入地研究，進而實現企業大數據戰略建設的科學化，實現對企業的大數據建設及應用的系統化與數據化管理。

（1）可對大數據建設及應用水平的關鍵影響因素的作用階段進行比較，在企業成長周期內注重大數據的應用過程。

（2）大數據投資的本質是復雜的，既包括產生貨幣回報的大數據投資，也包括很難定量的效率改進。由于大部分企業目前的大數據投資集中在建設企業的大數據基礎設施上，即使是投資在新出現的應用技術上，也有著投資回報的時滯效應，因此大數據投資的貨幣回報很少，但其確實有價值增值。因此，我們可以考慮用一種綜合的指標來衡量大數據戰略的投資回報。

（3）戰略匹配和由此帶來的大數據業務價值改善變化之間存在時滯效應。對戰略匹配的縱向研究可能會提供更靈活的戰略匹配方法，更好地反映大數據下企業決策環境的變化，以提高大數據投資回報。

參考文獻：

[1] 張建設.大數據：戰略論的終結與社會化決策的興起[J].企業管理，2012（10）：92-96.

[2] 吳瑞鵬，陳國清，郭迅華.中國企業信息化中的關鍵因素[J].南開管理評論，2004（3）：74-79.

[3] 左美云，陳蔚珠，胡銳先.信息化成熟度模型的分析與比較[J].管理學報，2005（3）：340-346.

[4] McAfee A， Brynjolfsson E.Big Data：The Management Revolution[J].Harvard Business Review，2018（10）：1-9.

[5] 胡泳.“大數據”視角的行為科學[J].IT經理世界，2012（9）：41-42.

[6] 李寧.大數據時代企業的準備[J].網絡應用，2011（10）：18-20.

[7] [美]維克托·邁爾—舍恩伯格.大數據時代[M].杭州：浙江人民出版社，2013.

[8] Henderson J C， Venkatraman N.Strategic Alignment：Leveraging Information Technology for Transforming Organizations[J].IBM Systems Journal，1993，32（1）：4-16.

[9] Luftman J. Assessing IT-business Alignment Maturity[J].Communications of the Association for Information Systems，2000，4（14）：1-51.

[10] 楊青.基于能力的BP-ISP戰略匹配研究[D].復旦大學，2011.

[11] 何軍.大數據對企業管理決策影響分析[J].科技進步與對策，2018（9）：36-37.

[12] 馬慶國，李艾.電子商務與企業信息化：組織學習效應實證研究[J].管理工程學報，2004（2）：14-19.

[13] Dabenport H， Barth P，Bean R.How “Big Data” Is Different[J].MIT Sloan Management Review，2019，53（5）：57-88.

[14] Chakravarthy B S.Measuring Strategic Performance[J].Strategic Management Journal，1986，7（5）：437-458.

[15] Moore J. The Death of Competition： Leadership and Strategy in the Age of Business Ecosystems[J].Harper Business Publish Press，1996（1）：92-95.

Research on the Implementation of Enterprise

Big Data Strategy Based on Strategy Matching Maturity

Abstract：In the process of operation and management， enterprises must consider how to adjust the internal structure to adapt to the enterprise's big data strategy and external market environment， so as to better implement the enterprise strategy and obtain a longer-term competitive advantage. This study aims to realize the functional integration of big data strategy and enterprise strategic planning by introducing the concept of strategic matching maturity. System dynamics was used to simulate the influence factors of pipe diameter and lifting path from two aspects of data verification and empirical support. The simulation results are used to evaluate the implementation of the enterprise big data strategy， summarize the key process areas and objectives of the enterprise big data strategy in different periods and different maturity levels， determine the contribution index of different levels， and analyze the key elements of the whole big data system of the enterprise， so that the enterprise can know more clearly the development position of the enterprise's current big data construction and application level How to improve， so as to ensure the good matching degree of big data strategy and enterprise strategy， especially for the construction of big data and the rapid scientific promotion of application level of enterprises in the post epidemic era provides a normative theoretical and empirical explanation.

Key words：enterprise big data strategy;strategy matching maturity;big data construction and ability

基金項目：第56批中國博士后科學基金資助項目“大數據對企業戰略決策和經營活動的影響研究”（編號：2014M561122）。

作者簡介：王炫（1982-），女，武漢理工大學管理學博士，中國人民大學博士后，河南省科學技術發展戰略研究所副研究員，研究方向為企業戰略研究和創新管理。

（收稿日期：2020-8-18 責任編輯：殷 俊）