數據賦能驅動精益生產創新內在機理的案例研究

○ 張明超 孫新波 王永霞

引言

起源于日本豐田汽車的傳統精益生產自傳入我國以來，在生產制造領域得到廣泛推廣，一度被業界看作是現代生產運營管理的黃金法則。傳統精益生產被認為是一種能夠最大限度降低企業資源消耗、提高企業生產效率和產品質量的管理模式創新。[1]然而，隨著生產環境和要求越發復雜多變，傳統精益生產理念缺陷影響下的實踐隱患也逐漸暴露出來。[2]一方面，企業往往過度放大傳統精益生產中的“消除浪費”理念，導致對“優化價值創造過程的進取精神”的忽視；[3]另一方面，傳統精益生產理念在滲透范圍上是局部的，缺乏在多元價值協作活動中的廣泛融入，[1]因此現實中不少遵循傳統精益生產邏輯的企業其整體生產水平仍是“非精益”的，甚至是粗放的。

數據科學技術為傳統精益生產創新升級帶來了契機，數據賦能驅動企業在客戶交互、流程管控和合作方式等方面實現精益變革，[4,5]使現代企業打造出數據化精益生產優勢。現有研究雖注意到數據賦能在促進精益生產創新中的驅動作用，但多聚焦以下兩個方面：其一，籠統地描述性指出大數據技術或數據本身在需求交互識別、[4,6]流程柔性敏捷、[6]組織細粒度治理[7]以及資源動態配置[5]等方面的系列“精益”賦能作用，但對于數據賦能作用的內在機理卻缺乏探究；其二，采用決策分析、動態仿真以及網絡分析等方法“原子還原地”對“萬物皆數”法則下生產運營過程中的庫存控制、[8]供應鏈協同優化[9]和設備資源及人力資源管理[10]等方面進行系列“精益”規劃，進而制定精益生產過程中的資源“最優”配置策略，但對數據賦能如何“整體生成式”地驅動精益生產創新實現缺少整合性探討。

鑒于此，本研究采用案例研究方法，以青島酷特智能股份有限公司（以下簡稱“酷特智能”）為案例研究對象，探究其如何通過數據賦能驅動精益生產模式創新升級，在豐富數據賦能和精益生產相關理論研究的同時，也對指導企業借助大數據科技或手段打造數據化精益生產優勢具有一定的實踐意義。本研究重點關注挖掘數據賦能驅動精益生產創新內在機理和討論數據賦能驅動下的精益生產相較傳統精益生產的創新變化。

一、文獻回顧

1.數據賦能相關研究

“賦能”一詞源于組織行為領域關于授權賦能的研究成果，強調下屬“努力—績效”期望或者自我效能感提升的過程。[11]在大數據時代背景下，曾鳴提出“未來組織最重要的職能是賦能”，[12]由此賦能再次成為商業領域的熱點話題。數據挖掘與處理技術的快速發展，讓一直以來靜態存儲的數據有了發揮出潛在價值的空間，“數據賦能”隨即引起了學術界的廣泛關注。數據賦能指通過大數據方式為相關作用主體賦予能量，[13]或者相關作用主體通過挖掘、分析和利用數據資源形成之前所不具備的數據能力，創造過去不能實現的價值目標。[14]數據賦能的關鍵是通過創新數據的使用場景、技能與方法來實現數據價值，在此過程中通常要求客戶需求、流程作業、生產任務和關聯合作等資源以數據化、標準化和聯網化方式呈現。[15]其中，數據資源的決策有用性、高速增長性、可重復開采性和功能多樣性等特征決定了在利用、開發和管理等方面都將與傳統資源有所不同，[7]基于不同的開發和應用目的，還需要特定高效的數據資源行動方式。[16]數據能力則是指依賴數據的連接、交互和智能分析，[5]相關作用主體在價值創造方面的常規性能力被數據化加持后具有的突破性或進階性特征的新體現。[4]

現有關于數據賦能作用主體的研究主要有以下四個層面：一是員工賦能，指借助數據通信技術，促進員工之間信息溝通和實時交流，[17]激發員工的工作熱情和主觀能動性，推動跨部門高效合作；[18]二是客戶賦能，即企業可以通過設計數據交互渠道為客戶創造參與價值創造和表達自身想法的機會，針對客戶真實需求實現個性化滿足；[15]三是合作賦能，即企業通過數據共創平臺的搭建，匯聚需求側的需求數據并及時分享給供給側的潛在利益相關者，[6]促進合作伙伴之間資源互補與協調；[12]四是流程賦能，即通過大數據工具、技術等的應用推動企業生產制造智能化和數據化變革，提高組織生產效率及塑造完成復雜生產目標的能力。[15]

數據賦能是一個新興概念，現有研究盡管注意到大數據對于相關主體的賦能作用，[16]但更多的仍是限于描述性指出大數據及其工具或技術對作用主體的“增益”影響，[17]對數據賦能作用的內在機理缺乏嚴謹性探討，更缺乏在某一應用場景下探討不同賦能作用之間的相互關系。

2.精益生產相關研究

（1）傳統精益生產相關研究

傳統精益生產由麻省理工學院專家Womack等于1990年在國際汽車發展計劃項目中，通過總結豐田公司的生產模式和管理經驗，在《改變世界的機器》一書中首次提出。[1]Womack認為，傳統精益生產是一種能夠最大限度降低企業資源消耗、提高企業生產效率和產品質量以及最大限度滿足市場需求的管理模式創新。[19]傳統精益生產表現為企業人力上的精化管理、設備設施的聯合優化使用以及合作資源的準確選擇，通過減少全流程環節中的庫存浪費、等待浪費、動作浪費、生產過剩浪費、不良品浪費、搬運浪費和過分加工浪費，盡最大可能實現物盡其用。[1]而現在一般意義上的精益生產是指基于生產流程、組織結構、供應鏈和客戶關系管理等方面的系統變革，使企業生產系統能夠有效應對復雜多變的市場需求，保證利益相關者最好結果的一種生產管理方式。[9]與大規模生產模式不同，“多品種、小批量”是現代精益生產的核心特色。[20]

但傳統精益生產自身的理論缺陷限制了其應用價值的發揮：第一，傳統精益生產過分關注消除浪費，嚴格控制或取消企業生產運營中不適應新經濟的弊病。[21]很多企業中流傳頗廣的是“精益就是消除浪費”，[1]但過分關注浪費反而導致對“優化價值創造過程的進取精神的忽視”；[3]第二，“精益”觀念和活動多局限于庫存控制和生產資源計劃方面，缺乏在多元價值協作活動中的廣泛融入；[1,21]第三，傳統精益生產孤立地強調客戶滿意是保證企業長期成功的關鍵，忽視了對生產價值目標實現有影響的利益相關者的作用，[22]難以針對突發狀況快速協調變化。

（2）數據化精益生產相關研究

盡管學術界目前缺乏對數據化精益生產的系統性探討，但學者們已經注意到大數據在需求預測、產品生產、供應鏈管理、組織結構變革方面展現出的系列“精益”效能，[5]為打造數據化精益生產優勢提供了條件。在需求預測方面，基于細粒度的個性數據識別使需求決策更加準確。[4,7]通過對客戶評論數據的挖掘與分析，使企業能夠“精準”捕捉生產需求，[23]由隨需而變到主動發現和創造需求；[5]在產品生產方面，大數據技術實時監測潛在的運營風險，并通過數據的交互促進制造資源自動合理調度，[24]推動生產流程“精密”運作。[6,24]在供應鏈管理方面，大數據環境下供給端與需求端實現了信息高度對稱，企業跨越時空范圍局限匹配優質的合作資源，[5]實現所需資源能力的“精選”配置；[6,25]在組織變革方面，任務資源的數據化與模型化增強了員工績效的實時可測性，[6]任務數據的開放透明打破了自上而下的線性工作流程，[5]員工根據任務要求跨部門即興合作成為現實，[17]工作執行的“精細”度得到充分保障。[26]盡管現有學者認識到大數據推動精益生產創新升級、邁向數據化精益生產中的關鍵作用，但學術界更多的是對數據化精益生產進行分解式解讀，缺乏對數據化精益生產的整體生成式探討，對數據化精益生產尚沒有形成清晰的概念認知。

綜上所述，在傳統精益生產弊端日益暴露，逐漸與企業現實生產要求不適切的背景下，大數據及其技術推動了精益生產的創新變革，在客戶需求、產品生產、組織治理以及外部合作等方面產生了由數據賦能所重新生成和定義后的“精益”價值效應。本研究將繼續挖掘數據賦能驅動精益生產創新的內在機理，為生產企業打造數據化精益生產優勢提供理論指引。

二、研究設計

1.研究方法

本研究擬探究數據賦能驅動精益生產創新的內在機理，重點探究數據從哪些方面“如何”進行賦能，屬于回答“如何”問題的范疇，探索性單案例研究基于豐富的數據信息和嚴謹的資料分析，有助于識別現象或問題背后的真相，基于理論基礎與實踐數據的反復對焦以期有效打開“內在機理”的黑箱。[27,28]

2.研究樣本

本文以酷特智能作為案例研究樣本詮釋和發展數據賦能和精益生產等相關理論研究，首先，酷特智能在服裝行業整體低迷的背景下，通過數據化變革每天可以生產4000 套個性化服裝，產值連續5年保持100% 的增長率，充分體現了案例選取的重要性和代表性原則。[27]其次，酷特智能在打造數據化精益生產優勢的同時，也積極對外輸出生產模式轉型解決方案，目前已經幫助包括電器、機械、家具和建材等在內的20 多個行業、100多家企業完成了生產模式的創新升級，這種跨界輸出實踐證明了其數據化精益生產經驗和體系具有可復制潛力。最后，酷特智能通過數據賦能重新定義了精益生產，[29]且該企業關于精益生產創新實踐資料保存較為完整，與構建數據賦能驅動精益生產創新內在機理的整合性模型的理論目標存在極大的適配性。

3.數據收集與分析

在數據收集方面，以研究者深入訪談和現場觀察為主、二手資料為輔收集數據。研究團隊分別于2017年8-9月、2018年1-2月、2019年4-5月、2019年7-8月、2020年8月對酷特智能進行了5 次實地調研，累積調研資料30 余萬字。首先，在正式訪談中，本研究團隊圍繞酷特智能的精益生產創新實踐先后訪談了董事長、工程系統總經理、工學院副院長、一線員工、供應合作商以及客戶等多方利益相關者（具體情況見表1），全面了解酷特智能精益生產創新實現的具體情節。其次，通過媒體網站、公司內部資料以及學術文獻等收集與本研究相關的二手資料信息。最后，本研究團隊邀請酷特智能的高管做學術交流報告，并與多位高管進行正式或非正式交流，依據多重數據來源和多個受訪者兩種方式進行數據的三角驗證。

表1 酷特智能調研實況與資料編碼方案

在數據分析方面，研究團隊首先對調研所獲得的質性數據進行了有條理的分類壓縮，具體編碼方案見表1。其次，研究團隊分成兩組，每組3-4 名成員，采用背對背的方式進行獨立編碼。當每組1 名成員提出觀點時，其他人扮演支持或反對者的角色，直到所有人達成意見統一。在編碼過程中，小組成員采用開放式編碼的形式對質性資料進行閱讀分析，在此過程中保持開放的心態，準確理解和領悟被采訪者所要表達的真實意思，避免將文獻或者研究者頭腦中固有的框架強行嫁接到數據上。在對原始資料概念化基礎上進一步將相關概念歸納范疇化，最終形成33 個副范疇，見表2；接下來小組成員基于對前期文獻的整體把握，反復聚焦和對比副范疇間的深層關系進行系統聚類分析，進一步歸納出12個主范疇，見表3；隨后，結合典型例證深入探究表4 中各個主范疇之間存在的相互關系，并分屬到不同數據賦能層面；最后，通過選擇式編碼將主范疇進一步進行理論抽象，串聯出完整的“故事邏輯線”，構建出概括全部主范疇的核心范疇，如表4所示。在編碼過程中不斷在“數據—理論—模型”之間迭代和調整，[30]直至達到理論飽和。

表2 開放式編碼示例

表3 主軸式編碼示例

表4 選擇式編碼示例

三、研究發現

本研究結合現有相關理論文獻以及對調研材料編碼分析研究發現，酷特智能通過挖掘和釋放大數據潛能，分別從客戶、流程、合作和員工層面進行賦能作用，系統性推進數據化精益生產創新實現。其中，數據賦能驅動精益生產創新遵循“數據資源行動—數據能力生成—精益價值實現”的機理路徑，即通過對不同情境中的多類型數據資源采取不同的資源行動，[16]在此過程中或通過對數據資源的再利用促進相關作用主體生成相應價值創造方面的數據能力，[31,32]最終利用能力推動精益價值實現。以下將從不同層面展開分析數據賦能驅動精益價值實現的內在機理，構建數據賦能驅動精益生產創新內在機理的整合性理論模型。

1.數據賦能驅動客戶層面精益價值實現內在機理

（1）數據需求資源沉淀

一方面，酷特智能通過“魔幻大巴”在各大城市商圈現場量體，配合三維自動掃描技術，只需3 分鐘就可以輕松獲取客戶的體型數據。在酷特智能的同城實體門店內，客戶可以享受量體師的測量服務，又可以通過客戶端遠程預約上門量體。通過線下信息采集的手段，酷特智能準確地收集起客戶的個性需求數據，及時了解到客戶可能存在的特殊需求。另一方面，客戶可以在酷特智能定制APP 的個人賬戶中輸入三維尺寸、身高、體重、款式要求、顏色搭配和聯系方式等個性需求數據，系統會根據數據指標推薦定制服裝樣圖供客戶參考。通過線下信息收集和線上行為識別，酷特智能累積了200 萬的異質性客戶需求數據。依托先進的智能數據處理單元，經歷迭代式地數據清洗、整理、轉換和分類等集成增值處理過程，[7]酷特智能建立了版型、款式、工藝和BOM（物料清單）四大數據庫，廣泛覆蓋當下個性潮流需求。

資源沉淀強調企業通過一定時間、經歷、行為和手段方式等凝聚目標資源，實現資源要素從無到有，從有到優的“積蘊”過程。[33]酷特智能通過持續不斷地線下信息收集、線上行為識別和集成增值分析，形成了強大的數據需求資源沉淀，[17,33]具備了能夠滿足客戶個性需求的數據儲備支撐。圍繞著為客戶提供個性化定制服務的生產宗旨，在數據需求資源沉淀基礎上不斷開發和完善客戶交互系統的服務與功能，并在系統支持下客戶逐漸涌現出基于數據交互和分析作用支撐下的設計能力。[34]

（2）數據設計能力涌現

基于數據需求資源沉淀所打造的主流服裝款式、顏色和面料等多個功能模塊均內置在客戶交互系統中。客戶在確認完量體數據后，可以自助方式進行拼湊組合設計。自助拼湊組合能力的涌現保證了非專業客戶真實需求意愿的表達，廣泛提高了消費參與的主人翁意識。正如某客戶所言：“我完全不懂服裝設計，但現在就跟拼圖一樣，可以選擇自己喜歡的模塊進行組合，能夠穿自己親手設計的服裝非常有成就感。”對于個性化要求比較高的專業客戶，他們更喜歡發揮主觀能動性進行探索性創造設計。客戶交互系統中已經擁有100 萬億種規模的版型組合形式，能夠滿足駝背、凸肚、墜臀等113種特殊體型特征。當客戶探索設計的全個性化服裝數據導入客戶交互系統后，系統會通過大數據算法開啟匹配搜尋模式，一個量體數據的變化同時驅動后續上萬個數據的同步變化，[24]直至達到各類模塊的最優契合。正如工程系統總經理所言：“讓客戶自主設計服裝，在以前根本不敢想，因為企業不可能單獨為某個客戶重新設計版型。現在卻可以借力大數據算法在版型庫中自動搜尋匹配，這是支撐客戶自主創新設計的根本。”主觀探索創造能力的涌現使客戶可以盡情地表達個性需求意愿，更代表著酷特智能真正將“客戶至上”的經營理念落到實處。系統會根據數據需求資源沉淀的經驗模式，針對客戶提交的需求方案提出反饋建議，幫助客戶及時進行預先方案的修正糾偏，最終形成覆蓋客戶服裝設計、個人信息和特殊要求在內的符合實際生產邏輯的整體設計方案。

（3）生產目標精準化

客戶親身參與設計并直接提交個性需求，企業也自然地就精準捕捉到客戶的真實需求反映，進而以精確清晰的目標定位引導生產。正如工學院副院長所說：“客戶真正需要什么，我們就生產什么，而且還不愁賣不出去，企業的生產理念發生了變化。”生產目標精準化是實現數據化精益生產的前提，不僅推動企業實現“按需生產”，更將傳統“先做再賣”的生產模式轉變為“先賣后做”，每一件服裝在生產之前就已經有了主人，所以對企業來說是“負庫存”，成功解決了產品庫存積壓問題。

綜上，生產企業可以針對客戶個性需求，通過線下信息采集、線上行為識別和增值集成處理形成數據需求資源沉淀，并通過對數據需求資源的再利用促進客戶涌現出基于自助拼湊組合、主觀探索創造和及時修正糾偏的數據設計能力，有效推動企業生產目標精準化，實現了數據賦能驅動下客戶層面的精益價值。

圖1 數據賦能驅動客戶層面精益價值實現的內在機理

2.數據賦能驅動流程層面精益價值實現的內在機理

（1）數據作業資源調度

當客戶的數據需求集成單元進入智能制造執行系統后，就成為制造環節的作業信息資源，被系統轉碼并且分解成打版、裁剪、制領等多道生產工序的操作要求，隨后各工序根據生產要求進行作業配料資源安排。每一單生產任務都會生成對應的RFID標簽卡，內含了所需經歷工序環節的統籌安排。通過任務信息分解將多批次訂單變成各工序上的數據化操作要求。當隨流水線轉動的布片到達每個工序時，只需用智能記錄儀將RFID標簽卡掃描一下，工人便可感知到即時所需的操作要求。由于一件服裝涉及多個不同工序的生產操作，并且是與其他服裝進行混合生產，那么各個工序之間的無縫對接就顯得尤為重要。智能制造執行系統通過RFID標簽卡對每一件服裝生產進度全程跟蹤，并及時分析各個工序的運行狀況，隨時進行作業排程的動態規劃與調整，保證工序任務量的合理配給。正如某釘扣工序的師傅所言：“這么多的定制服裝，如果一下子都流動到我這里來釘扣，肯定忙不過來，而且還容易造成流水線停滯。現在系統會評估各個工序的運行狀況，智能地規劃與調整每件服裝的先后加工順序，保證流水線能夠穩定地并行排產。”

資源調度指借助開放鏈接機制對資源進行合理的調節、分析和使用，保證各類型資源在質與量上的雙重保障，[24]尤其避免資源配置的錯位和冗余，[35]為節點功能價值的正常發揮提供穩定保障。酷特智能通過任務信息分解、即時要求感知和智能規劃排程的行動方式或手段，實現了數據作業資源在生產工序之間的動態調度，[24]讓復雜多變的個性化生產任務有章可循。任務信息分解是生產企業化繁為簡、用規模化方式實現個性化生產的前提；即時要求感知與智能規劃排程是實現生產作業中的信息資源、配料資源以及人力資源準確交互、動態匹配與整體協調優化的重要支撐。數據作業資源調度的實現推動生產流程構建了基于數據驅動的制造能力，[36]在效率、柔性和調控方面發生了創新升級變化。

（2）數據制造能力構建

智能制造執行系統根據運營數據指標預判可能阻礙流程持續正常運轉的因素，并提前通過生產作業資源的重新協調與安排進行自動復原調控，有效提升生產運行韌性，及時將浪費、積壓和滯后問題化解在發生之前。正如工程系統總經理所言：“現在很少在生產加工環節出現問題，全流程數據化運行，使我們可以及時識別潛在風險，真正做到了以事前主動地先發、先行應對不確定性危機。”再者，由于同一工序不同時刻工人感知到的操作要求不同，同一條流水線上很難看到兩件相同的服裝。正如某制領工序的師傅所言：“我一天大約要加工完成五百多種樣式的衣領，上一件與下一件的樣式要求是不一樣的。”數據作業資源的即時調度有效支撐了多批次混合生產的快速切換，流程成功構建了柔性并行生產能力，使定制生產效率得到穩定保證。酷特智能每天可以生產4000 套個性化服裝，不僅保持產量規模，更顯著提高了生產環節的價值含量，實現了“效率”與“質量”同步兼得。

（3）生產加工精密化

高精度的數據信息架構提高了生產工藝的精致細密水平。[6]一方面，數據信息的及時透明傳遞推動了工人們按“數”在線生產，智能制造執行系統能夠針對突發狀況進行自動復原調控，有效減少了生產運行中的誤差，定制質量得到穩定保證；另一方面，定制服裝是在數據驅動的流水線下并行排產，生產作業周期顯著縮減，從下單開始只需要7 個工作日就可以將定制服裝發送到客戶手中。數據驅動的定制生產體系有效杜絕了過去工位轉換、物料協調配給、審批確認等帶來的成本浪費，酷特智能的定制服裝價格是同行價格的30%，讓普通消費者也可以享受個性化生產的價值。

綜上，生產企業可以通過任務信息分解、即時要求感知和智能規劃排程的行動方式或手段推動數據作業資源調度，在此過程中促進流程構建了基于自動復原調控、柔性并行生產和生產效率保證的數據制造能力，有效推動企業生產加工精密化，實現了數據賦能驅動下流程層面的精益價值。

圖2 數據賦能驅動流程層面精益價值實現的內在機理

3.數據賦能驅動合作層面精益價值實現的內在機理

（1）數據關聯資源整合

酷特智能主動降低泛在合作商的價值參與準入門檻，只要能為客戶需求的滿足貢獻有競爭力的價值，無論規模大小、資格新老都可以在供應協同系統中注冊備案，成為企業潛在的數據關聯資源。[37]酷特智能會及時在供應協同系統中分享倉儲數據以及所需的特殊原料或服務信息，在線的合作商憑借自身實力以競爭搶單的方式獲取合作機會。企業則評估所有搶單者的歷史數據記錄和信譽情況，從中選取最佳合作伙伴。通過各憑實力搶單的不確定性合作方式設計，酷特智能與泛在合作商建立起動態合作關系，有效避免了長期固化合作中受制于外界合作商的問題。正如某合作商所言：“現在都是跟著訂單走，如果供應質量存在問題缺陷，很容易被企業拉入黑名單，所以現在信譽非常重要。”

資源整合指企業根據發展戰略或市場需求對不同來源、不同層次、不同內容的資源進行識別與選擇、汲取與配置及有機協調，聚合出能夠最有效支撐目標實現的集成力量。[38]酷特智能通過降低準入門檻、倉儲信息分享及各憑實力搶單的行動方式或手段，推動了數據關聯資源的高效整合。[37,38]其中，降低準入門檻增加了潛在的合作商數量，拓展了利益攸關聚攏的空間；倉儲信息分享使合作商能夠及時了解企業的生產需求狀況；各憑實力搶單保證企業能夠實現資源最優配置。數據關聯資源整合的實現推動了合作商之間的供應能力，也在數據驅動作用下較之前發生了增持或更新。[39]

（2）數據供應能力塑造

定制服裝的生產需要里料、襯料、填料、線等多種原材料的及時供應。數據關聯資源整合促使各合作商之間塑造了跨界協同響應需求的能力，[5,6]有效支撐酷特智能快速匯聚所需資源能力實施生產。正如工學院副院長所言：“只需要在平臺發布原材料需要，眾多潛在的合作商就會積極響應，爭先恐后地向我們發起供貨請求。”此外，數據的實時確認與連接打破了以往需求側與供給側之間的信息不對稱，[17]酷特智能與合作商之間塑造了供需對稱匹配能力，既保證了常規性資源的及時優質滿足，又實現了特殊資源的廣泛搜索與到位。通過數據關聯資源整合，酷特智能帶動價值鏈上下游的供應商、物流商和服務商價值共創，改變了過去“利己、獨享、排他”的局面，塑造了多方主體之間聯動共贏的數據供應能力。[5]正如某合作商所言：“只有滿足客戶的需要，所有參與者才能獲得收益。中間缺少了哪一個環節都不行，因為大家是相互依存和互補的，在不斷的交流與合作中共創價值、共享利潤。”

（3）生產配套精選化

數據供應能力的塑造進一步使企業能夠以精挑細選后的優質配套資源能力保障生產運行。一方面，面對動態變化的資源能力需求，合作商之間的跨界協同響應促使酷特智能有機會主動選擇合作伙伴，進而配置最優質的資源能力。不確定性的合作方式倒逼價值鏈中的節點成員不斷提升供給品質，進一步保證了企業所需資源能力的優質供應。另一方面，多方聯動共贏能力的塑造顛覆了過去企業與合作商之間的零和博弈關系，實現了向“良性共和博弈”的積極轉變，反過來又吸引更多的合作商加入供應協同系統中，如此正向循環，酷特智能不但可以聚合優質資源能力，更能廣泛聯合利益合作伙伴在更多業務領域內進行價值突破與創新。

綜上，生產企業可以通過降低準入門檻、倉儲信息分享以及各憑實力搶單的行動方式或手段推動數據關聯資源整合，促進合作商塑造基于跨界協同響應、供需對稱匹配和多方聯動共贏的數據供應能力，有效推動企業生產配套精選化，實現了數據賦能驅動下合作層面的精益價值。

4.數據賦能驅動員工層面精益價值實現的內在機理

（1）數據任務資源部署

酷特智能將生產運行過程中涉及到的人力、財務、制造、原料以及關系營銷等各種職能需要分化成若干個數據任務資源包，[24]實時在組織治理系統中發布。針對某一項特定職能任務，已經不再是過去的職能部門來完成，而是由具有相似興趣、技能的員工隨機自發組織成“細胞單元”（酷特智能內員工自發組織成的合作團體）來攬接。秉承優勝劣汰的治理理念，組織治理系統會定期對細胞單元的績效指標數據進行評估，當確定某一細胞單元運行狀態不佳時，細胞單元內的成員有權重新選擇“細胞核”（相當于意見領袖），而該細胞單元也可能被其他更有競爭力的細胞單元所“吞噬”。酷特智能還配有運營服務機構，整體協調不同細胞單元之間的摩擦或合作，并為細胞單元提供所需的必要資源與服務。來自系統后臺的定向到位支持促進了細胞單元的穩定運行，有效保障各項生產任務圓滿完成。

圖3 數據賦能驅動合作層面精益價值實現的內在機理

資源部署強調通過安排、布置、協調和共享系統內存使任務資源得到更有效率的并行排程、執行與完成。[40]酷特智能通過隨機自發組織、秉承優勝劣汰以及定向提供支持的行動方式或手段，實現對數據任務資源的妥善部署。[24,40]其中，隨機自發組織有利于針對特定任務匯聚互補性創新力量；秉承優勝劣汰則提高了員工的積極性和創造性，同時也使企業避免了人力資源空轉問題；定向提供支持有利于解決突發問題，保證組織持續穩定運行。數據任務資源部署的實現刺激了員工自我驅動能力的激活，[41]使其能夠充分釋放自身能量，在更大領域范圍內參與價值創造，員工之間以及員工與企業之間逐漸在利益價值觀上達成統一。

（2）數據自驅能力激活

生產運營中的數據任務資源都由員工自組織攬接，員工不再受傳統職能部門的束縛，個體能動發揮能力得到激活。[42]員工可以充分展現自身才能，多勞多得，主動靈活地去參與力所能及的任務。正如從事會計職能的某員工所言：“我不屬于哪個部門，哪個項目需要財務核算，我就可以競爭上崗。” 細胞單元本身就具有合作基因，鼓勵不同背景和技能的人形成聯合作戰團體。優勝劣汰的合作控制機制更促使員工不得不進行密切合作，這種軟硬相依的制度安排刺激了員工之間緊密協作共創能力激活。泛在的相關員工聚焦共同目標“聚沙成塔”，為生產運營提供了源源不斷的創新動力。正如工程系統總經理所言：“員工之間存在競爭，也存在合作，但合作永遠是大于競爭的。只有彼此之間相互合作，才能推動任務的高效完成。”另外，員工只有持續提供貢獻才能不被淘汰，這反而促進員工主動學習與創新，努力嘗試和接受各種價值的挑戰，企業也逐漸形成“敢為爭先，創新突破”的組織氛圍，實現了員工與企業同步發展成長能力的激活。

（3）生產治理精細化

數據自驅能力激活推動了企業能夠以精確且細粒度的組織治理強度推進生產運行。[7]由于職能與任務都由具備相應能力與興趣的員工通過自我驅動來完成，充分實現了“專人對應專事”。正如從事大數據分析職能的某員工所言：“每一項任務都能被最有實力完成它的員工攬接，員工發自內心的積極性和創造性是推動任務完成的最有力保證。”再者，組織治理系統基于對生產運營數據的監測，為員工提供及時的信息反饋，敦促其不斷優化進度安排與調整作業表現。正如某制版工序的員工所言：“智能系統會監測你的生產行為表現，一旦發現問題會及時發出警示，盡量把問題消解在開始的地方。”

圖4 數據賦能驅動員工層面精益價值實現的內在機理

綜上，生產企業可以通過隨機自發組織、秉承優勝劣汰以及定向提供支持的行動方式或手段推動數據任務資源部署，在此過程中促進員工激活了基于個體能動發揮、緊密協作共創和同步發展成長的數據自驅能力，有效推動企業生產治理精細化，實現了數據賦能驅動下員工層面的精益價值。

5.數據賦能驅動精益生產創新內在機理的整合性理論模型

生產企業通過秉承和踐行生產價值創造全過程數據化變革意識，遵循“數據資源行動—數據能力生成—精益價值實現”的數據賦能作用機理路徑，整合性實現對客戶、流程、合作和員工層面進行賦能，重新生成、定義和豐富了“精益”內涵，打造出數據化精益生產優勢。

在客戶層面賦能作用中，通過數據需求資源沉淀促進客戶涌現出數據設計能力，推動生產目標精準化。由于包括流程、合作以及員工層面在內的生產價值創造活動都直接或間接以生產目標為指導，所以客戶賦能是數據化精益生產實現的首要前提；在流程層面賦能作用中，通過數據作業資源調度促進流程構建數據制造能力，推動生產加工精密化，成功將客戶、員工和合作端的聯合價值力量轉化為產出，所以流程賦能是數據化精益生產實現的關鍵基礎；在合作層面賦能作用中，通過數據關聯資源整合，促進合作商塑造數據供應能力，推動生產配套精選化，為客戶個性表達、流程制造和員工能動性發揮提供資源能力支持，所以合作賦能是數據化精益生產實現的重要保障；在員工層面賦能作用中，通過數據任務資源部署，促進員工激活數據自驅能力，推動生產治理精細化，保證了客戶交互、流程運作以及合作維護工作有條不紊執行，所以員工賦能是數據化精益生產實現的必要支撐。圖5 呈現了數據賦能驅動精益生產創新內在機理的整合性理論模型。

圖5 數據賦能驅動精益生產創新內在機理的整合理論模型

（1）數據資源行動

資源行動強調企業在面對不同情境需要時，主動采取相應的資源處理方式或手段推動組織實現由資源到能力的轉化。[43]隨著數據資源成為推動生產方式創新的重要要素，針對多類型數據資源本身的差異化處理要求，進一步豐富了傳統資源行動的方式或手段。基于此，本研究中的數據資源行動是指為了響應或滿足不同生產情境的需要，企業針對多類型數據資源本身主動采取的資源處理方式與手段，是發揮數據賦能作用的前提所在。例如，為了滿足多元混合排產的生產要求，以數據作業資源調度的方式促成流程運行中以數據化形式呈現的信息資源、配料資源以及人力資源實時動態組合。由此可見，數據資源行動一方面建立在對常規性資源以數據化形式“孿生”重現的基礎上；[44]另一方面，根據不同的情境要求和資源類型特征，還需要針對數據資源采取特定的資源行動方式。

（2）數據能力生成

企業對組織內外部資源采取有效的資源行動是生成能力的關鍵。[45]根據情境要求開展的數據資源行動同樣也促進了數據能力生成。從生成表現來看，數據能力生成是指依賴數據的連接、交互和分析作用 ，[5]相關作用主體在價值創造方面的常規性能力被數據化加持后有了新內涵或者增持了具有突破性或進階性特征的新體現。[4]具體而言，數據設計能力、數據制造能力、數據供應能力和數據自驅能力均是常規性設計、制造、供應能力和自驅能力在數據化加持后的結果。但在其進一步的現實表現中，一部分是原有能力在數據效用下內涵發生了增值創新變化，如基于生產效率保證的數據制造能力構建，是由之前面向規模化生產效率的提升,轉變為現在面向個性化定制效率的提升，內涵發生了質的升級變化；另一部分則是依賴數據效用增持或激活的具有突破性或進階性的新能力體現。如基于主觀探索創造的數據設計能力涌現、基于自動復原調控的數據制造能力構建等，這些都是之前不具備或難以實現的能力，但是在數據效用下都成為了現實，實現了對原有常規性設計、制造、供應能力和自驅能力的突破或進階。從生成過程來看，不完全同于傳統意義上的資源行動在前、能力生成在后的順序邏輯，[46]數據能力生成也存在與數據資源行動同步的情況，二者是相輔相成的，即在數據資源行動過程中就生成了相應的數據能力，數據能力的生成進一步推動與支撐數據資源行動的開展。譬如，基于自動復原調控、柔性并行生產的數據制造能力本身就是在數據作業資源調度實現過程中構建起來的，而自動復原調控能力的構建能夠有效排解生產運行中的突發狀況，進一步促進與保證了數據作業資源的即時穩定調度。

（3）精益價值實現

競爭性能力是企業創造價值優勢的關鍵，[47]生產環境中數據能力生成同樣也推動了精益價值實現。本研究中精益價值實現是指“精益”理念在不同生產方面滲透、延伸與拓展。其中，生產目標精準化旨在以精準清晰的目標定位引導生產；企業擺脫了以市場經驗輔助生產目標決策的滯后性與盲目性，按照客戶真實需求進行個性化生產；生產加工精密化旨在以精致細密的工藝水平實施生產；企業實現了定制質量、成本和效率的兼得，推動了生產環節在“微笑曲線”中底端位置的逆轉；生產配套精選化旨在以精挑細選的優質配套輔助保障生產，為多元異質性需求的滿足提供了及時到位的資源服務支撐。生產治理精細化旨在以精確且細粒度的組織治理強度推進生產，保證生產運營中的每一項任務都能被專業的人才攬接并妥善完成。數據驅動下的精益價值面向生產價值創造全過程，在生產目標、生產加工、生產配套以及生產治理方面的不同精益價值反映都有其獨特的功能作用，彼此之間又互為依賴與支撐，共同推動數據化精益生產這項系統工程的落地實現。

綜上，大數據時代生產企業可以借力數據賦能打造數據化精益生產優勢。數據化精益生產創新遵循“數據資源行動—數據能力生成—精益價值實現”內在機理路徑。即生產企業需要將常規性生產資源以數據化形式“孿生”重現，并針對不同情境中的數據資源類型采取特定的資源行動方式，在此過程中或通過對數據資源的再利用，促進相關作用主體在價值創造方面生成相應的被數據化加持后有了新內涵，或者具有突破性或進階性特征新體現的數據能力，進而支撐不同生產方面精益價值的創造實現。

四、研究討論、貢獻與展望

1.討論

數據化精益生產早已超越傳統精益生產中“消除浪費”的“精益”理念局限，其“精益”內涵在生產目標、生產加工、生產配套以及生產治理等方面得以延伸、豐富和拓展，實現了生產能力水平的系統性創新升級。此處立足于數據化精益生產實踐，從客戶、流程、合作和員工四個層面，圍繞著不同層面的假設、屬性、模式和效果分析數據化精益生產相較于傳統精益生產的創新變化。表5 呈現了數據化精益生產與傳統精益生產的比較分析。

表5 數據化精益生產與傳統精益生產比較分析

（1）客戶層面：傳統精益生產注重以低成本和高質量滿足由相似客戶群體形成的特定市場需求 。[1]生產企業往往基于先前市場調研制定下一輪生產行動規劃，整體生產模式秉持“先做后賣”邏輯，[48]客戶被動接受企業的價值產出。由于生產規劃緊隨市場需求反饋動態調整，傳統精益生產基本實現均衡生產、少庫存，且能夠不定期地滿足多個小眾市場的相對個性需求。[43]數據化精益生產能夠迎合千人千面的需求多變，追求個性和多元的生產價值統一；客戶有機會主動參與到生產價值創造過程中，其即時精準的個性需求數據直接轉化為生產目標計劃，生產企業實現“先賣后做”的模式升級。不僅杜絕庫存浪費，更創造“負庫存”空間。因此，數據化精益生產是生產企業補缺確定已有的客戶個性需求，而客戶則充滿了價值參與和個性滿足的雙重收獲感。

（2）流程層面：傳統精益生產秉承生產現場作業的集約式效率觀念，[49]旨在通過采用先進技術、工藝和設備優化生產流程，減少浪費和無用環節，在最充分利用一切作業資源的基礎上提高生產效率。[1]隨著以看板管理系統為代表的生產工具廣泛引入，流程實現自動化和信息化運作，只在必要時間提供必要量的拉動式準時化生產方式，[43]有效支撐了多品類、小批量制造能力實現。數據化精益生產中各流程節點依賴數據紐帶良性互動，生產作業資源的實時動態調度與匹配造就了增值式效能；可視化數據管理系統立體、連續地記錄與傳達運營狀況，每個工序都按照即時要求或反饋進行變化作業；智能化和數據化基因推動全流程實現了針對式個性化生產，激活了多品類、單定量的潛力，以迎合隨時變化的生產要求。

（3）合作層面：傳統精益生產強調將所必需的渠道環節以及合作伙伴整合起來，上下游共同努力削減生產價值創造中產生的成本浪費。[50]傳統精益生產主張以定向契約形式將合作伙伴緊密聯系在核心企業周圍，追求特定市場需求下價值鏈成員的協同一致性。[45]然而，面向特定市場合作伙伴之間的緊密聯結也決定了傳統精益生產的價值效益只會惠及到有限局部。數據化精益生產中依賴數據驅動生產企業能夠快速地聚合分散在價值鏈上下游的資源能力，共同致力于客戶個性需求滿足；利益攸關方之間以共生多贏的姿態構建了隨需動態聯結的價值合作關系，在持續地跨界高效匹配中打造了一片能夠及時滿足變化需要的價值場域。

（4）員工層面：傳統精益生產中員工不單是提供勞動的人，更是企業核心資本的重要組成部分。[21]生產企業充分尊重人性，即為客戶提供低成本、高質量的產品或服務同時，也要為員工創造舒適的工作環境，充分調動起員工的歸屬感和參與意識，[45]創建具有高度協作精神且能獨立自主工作的戰斗團隊。通過“以人定崗”與“以崗定人”的方式雙管齊下，并對員工充分授權，在保證生產任務妥善完成的同時更要推動員工人力資本價值得到最大發揮，避免額外的無效勞動人力或行為浪費。[1]數據化精益生產中生產企業始終堅持員工是最核心的資源，在尊重、培育和發揮員工能力的基礎上，更加強調還原員工人性，即充分滿足員工個人工作意愿與訴求，讓其根據自身“心性”動態選擇最適合自己的價值意義，在保證生產任務得到專力完成的同時更注重點燃員工的自我成就動機。員工自發驅動，員工之間自發組織，面對任務變化組織自發進化，員工與組織之間在同步發展、共同進步中實現價值共識、共生與共贏。

2.研究貢獻與實踐啟示

本研究的理論貢獻主要體現在：第一，深入挖掘了數據賦能驅動精益生產創新的內在機理。盡管現有學者注意到大數據技術或數據本身在生產運營場景中的系列“精益”賦能作用，[5,6]但對于數據如何賦能進而推動精益生產創新升級的內在機理尚不清晰。本研究挖掘出數據賦能驅動精益生產創新遵循“數據資源行動—數據能力生成—精益價值實現”的機理路徑，充分回應了現有學者對加強大數據從資源到價值實現的轉化過程研究的呼吁。[16]第二，以數據化精益生產為創新結果，進一步豐富和拓展了傳統精益生產中的“精益”內涵。傳統精益生產的“精益”理念側重于局部現場作業的改進優化，[1]表現為“盡一切可能消除浪費”的行為。[3]隨著生產環境的日益復雜變化，有學者認識到“精益”二字的內涵應該得到進一步拓展與延伸。[51]本研究立足于大數據時代精益生產創新的實踐背景，探析了數據化基因植入后數據化精益生產的本質，深化了精益生產在大數據情境中的新解讀。數據化精益生產中的“精益”在理念上主張價值創造全過程的系統優化與性能提升，在表現上整合性體現為包括生產目標精準化、生產加工精密化、生產配套精選化以及生產治理精細化在內的全局“精益”價值行為。第三，基于系統生成觀辨析了促進數據化精益生產實現的條件作用。現有文獻多是關于大數據及其技術給某一特定生產運營領域帶來的“精益”價值解析，[5,23]缺乏對數據化精益生產的整體生成式探討。本研究從客戶、流程、合作和員工層面整合性探究了推動數據化精益生產實現的賦能作用機理，辨析了不同層面賦能在數據化精益生產實現中的作用。其中，客戶賦能是數據化精益生產實現的首要前提，流程賦能是數據化精益生產實現的關鍵基礎，合作賦能是數據化精益生產實現的重要保障，員工賦能是數據化精益生產實現的必要支撐。

本研究的實踐啟示有：第一，在大數據時代，企業家對精益生產的理念認知不能再局限于“消除浪費”層面，尤其是要注重生產價值創造過程的全局性數據化基因植入與系統優化。第二，若想充分挖掘和釋放大數據在推動生產模式創新中的“精益”潛能，生產企業首先需要對生產情境中的常規性資源進行數據化“孿生”再現，并且針對不同類型數據資源采取特定的資源行動，進而生成支撐精益價值實現數據能力。第三，數據化精益生產本身是一項復雜系統工程，不僅是在生產流程方面引入先進的管理工具那么簡單。企業要通過設計數據運營架構，從客戶、流程、合作與員工層面協同賦能，整合性實現生產目標精準化、生產加工精密化、生產配套精選化以及生產治理精細化，才能打造成數據化精益生產優勢。第四，大數據時代生產企業的愿景和使命應主動“價值向善”，由于員工、客戶和合作商都是企業的生產資源，在企業內部應創造鼓勵主觀能動性發揮的企業文化和靈活性的任務制度安排，給員工提供釋放才能的舞臺；在企業外部應主動傾聽客戶需求聲音，并且積極轉變傳統“零和博弈”競爭理念，謀求與合作商之間的和諧共贏。

3.研究局限與展望

本研究仍存在以下不足：第一，選擇的案例企業是一家數據化程度較高的互聯網服裝企業，案例選擇的“理性過度”可能導致現有結論在普適性方面存在不足，未來需要更多案例實踐加以驗證與完善；第二，僅從客戶、流程、合作和員工層面探究了數據賦能作用下的精益生產創新內在機理及變化，對不同層面賦能作用的相互影響與關系缺少更深入的研究；第三，僅是數據化精益生產研究的開端，未來可在本文提出的整合性理論模型基礎上進行跨層次的量化實證檢驗，不斷修正與完善該理論模型。