數據賦能與我國制造企業創新：前沿探析與未來展望

郭星光，陳 曦

(南京大學 商學院，江蘇 南京 210093)

0 引言

自改革開放以來，我國經濟發展取得舉世矚目的成就，而制造企業在其中起到了至關重要的作用。一方面，國家統計局數據顯示，2018年中國工業增加值約為同期GDP總量的33.9%，其中制造業增加值約為同期GDP總量的29.4%。從規模上看，制造業是名副其實的國家支柱產業。另一方面，粗放的產業發展模式使得我國制造企業不但沒有在全球價值鏈中產生自己的“經濟租”，反而深陷“低端鎖定”[1]。與之相應，中國經濟發展從供不應求、經濟高速增長的基本狀態轉向市場日益飽和、經濟增長放緩的基本狀態[2]。新常態下我國制造業的主要問題是供需結構嚴重失衡[3]，即低附加值供給遠遠過剩，而高附加值供給嚴重不足。在上述宏觀經濟背景下，制造業轉型升級問題迫在眉睫。近年來興起的數據科學無疑為產業創新和升級提供了重要契機。

Baumer[4]認為，數據科學屬于新興交叉學科，在特定應用領域，數據科學可以充分運用數學、統計學和計算機科學等知識從日益復雜的數據環境中提取關鍵且有意義的信息；程學旗等[5]進一步從方法論和本體論統一視角闡述數據科學內涵，發現數據科學是有關數據價值鏈實現過程的基礎理論和方法學，主要研究如何從數據到信息、從信息到知識、從知識到決策轉換，并實現對現實世界的認知和操控。數據科學迅速發展，使得數據賦能逐漸成為制造企業競爭優勢的重要來源，同時拓展了理論研究邊界，提煉出新的理論機制[6]。例如，在實踐方面，發達國家主要圍繞著數據科學的核心概念，提出了各式各樣的制造業產業創新和升級方案，如德國的“工業4.0”、美國的“先進制造業國家戰略計劃”[7]、日本的“科技工業聯盟”[8]等。2015年，國務院通過的《中國制造2025》綱領中，制造業發展的第一個目標就是“數字化、網絡化、智能化取得明顯進展”。2014—2020年，“大數據”連續7年進入李克強總理的政府工作報告，表明數據和制造業結合已經上升為國家戰略。在理論研究方面，學者們對數據賦能帶來的理論創新進行了廣泛討論。George等[9]認為，數據科學發展會成為管理學轉變的重要契機，國際頂級期刊JMIS(Journal of Management Information Systems)于2018推出專刊研討大數據對企業的戰略價值[10]。陳劍等[11]通過理論研究構建數字化環境下企業運營管理框架和體系；陳冬梅等[6]在回顧戰略管理理論的基礎上，結合數字化環境特點，討論數字化時代戰略管理理論面臨的挑戰和機會。上述學術研究充分反映出學界對數據賦能理論的重視。

數據科學在理論和實踐中的應用已經十分廣泛，其快速發展為中國制造企業創新和升級提供了新的機遇，但現有研究相對匱乏。例如，孫新波等[12]通過文獻研究對數據賦能發展歷程和概念進行辨析，還有學者討論一般信息技術投資對企業總體生產力的影響[13-16]，但較少關注創新這一獨特的企業行為和現象。現有關于數據賦能與創新的研究主要集中在商業模式創新、價值共創和企業決策范式創新等方面。例如，曾鏘[17]運用案例研究法構造大數據背景下商業模式創新的基本分析單元；周文輝等[18]研究平臺企業通過數據賦能促進價值共創的過程；陳國青等(2020)討論大數據背景下管理決策范式轉變和行為洞察、風險預見、業務模式等決策范式創新。然而，現有研究大多不強調行業背景，主要集中在創新單一層面，缺乏多層面整體性考慮。關于數據賦能如何驅動制造企業創新缺少系統研究框架，如何從理論高度理解數據賦能對制造企業創新的促進作用是學界亟待解決的問題。

鑒于此，從數據賦能角度理解制造企業創新是本文的主要目標，與許多不強調行業背景的研究相比，本文聚焦制造業。通過梳理國內外相關文獻，厘清賦能演化過程，提出數據賦能形式和對象。在此基礎上，分別從制造業產品創新、商業模式創新、企業長期競爭力、企業創新生態系統和產業升級等5個層面，研究數據賦能驅動制造企業創新的路徑和機制。最后，本文構建多層次數據賦能驅動制造企業創新研究框架。一方面，完整的研究框架有助于從理論角度解析數據技術對制造企業創新各環節的賦能，同時有助于研究者準確尋找理論中的空隙，開展一系列問題研究；另一方面，在制造業亟需轉型升級的背景下，本研究對企業管理者和政策制定者具有獨特的實用價值。

1 數據賦能內涵、形式及主要對象

1.1 數據賦能內涵

賦能這一概念起源于授權賦能，圍繞賦權(empowerment)進行拓展。傳統意義上，授權賦能強調組織內部權利分配問題。例如，Thomas & Velthouse[19]將賦權定義為內在動機，體現在4種認知中(意義、互補、自決和影響)，反映個體工作角色定位。當前，學術界對賦能的概念和維度尚未形成共識。例如，Leong等[20]認為，可以從結構賦能、心理賦能和資源賦能3個不同維度認識賦能；周文輝等[21]認為，現有文獻大多有兩個研究視角，即員工賦能和顧客賦能，其中，員工賦能可以分解為結構賦能、領導賦能和心理賦能3個維度；Lenka等[22]以4家工業制造業定性數據為基礎，將數據賦能概念化為智能能力(intelligence capability)、連接能力(connect capability)和分析能力(analytic capability)3個方面。

從另一個角度，學者們提出了使能(enable)概念[11]。Bhatt等[23]研究信息技術基礎設施靈活性對組織響應的使能作用，認為其可以幫助企業建立競爭優勢；Camisón等[24]運用實證研究方法，驗證組織創新是技術創新能力和企業績效的使能因素；Wamba等[25]認為，大數據分析已經成為新的競爭優勢使能者。由此可見，相對于賦權而言，使能應用范圍更廣。本文對賦能的定義與使能更為接近，數據賦能即數據賦予能力，通過應用數據提升企業競爭力的過程。

1.2 數據賦能的主要形式

1.2.1 產生知識(洞見)

這一賦能形式依托于人工智能、機器學習和商業智能等信息技術，上述新技術借助算法、數據和人工智能等設備，將人們從初級低維的腦力工作中解放出來，從而生產出高知識附加值的產品和服務[26]。無處不在的傳感器和智能終端可以收集海量數據，但是這些原始數據本身并不“智能”，正是人作為創新主體，將價值觀、理論、知識甚至直覺融合到算法模型和產品中，不斷通過反饋、學習和迭代提升智能，將人的主動性和創造性相結合，進而產生制造企業創新過程中所需的知識或洞見[27]。

1.2.2 感知變化

萬物互聯的智能化時代，企業面臨的商業環境瞬息萬變，尤其是自動化決策技術的廣泛應用，企業必須在有限的時間內迅速作出決策。管理信息系統、大數據和人工智能技術發展，使企業信息傳播能力和數據處理能力不斷加強，進而提升其對外界信息的感知能力和應變能力，使企業在動態市場環境中的組織敏捷性得以提升[28]。在制造業創新方面，數據賦能可以通過提升制造企業敏感度、信息處理準確性和實時性，提升自身變化感知及應對能力。

1.2.3 連接物、連接人

物聯網、智能制造、云計算等數據技術將物理世界在線化，使得信息共享和協作可以發生在人與人之間、人與物之間、物與物之間。例如，在零售商店的冰箱中放置傳感器，商店經理通過物聯網可以實時監測傳感器數據，當冰箱出現異常時，報警系統提醒商店經理，經理可以查看員工工作狀態，進而進行維修任務分配[29]。不同于上一種“感知變化”的賦能形式，“連接物、連接人”這一形式更強調數據賦能帶來的連接便利。在制造業中，智能制造的普遍應用可以大幅度降低連接成本，使得連接變得更加便捷，進而提高行業資源整合效率，促進創新。

1.2.4 協調活動

信息系統使用可以使企業組織機構更具柔性，進而使企業能夠對外部環境變化迅速作出響應。例如，靈活的創新需要多功能團隊、扁平化層級結構和順暢的溝通渠道，成功的管理要求組織能夠應對動蕩環境變化，并通過有效協調資源和組織活動確保組織目標實現[30]。數據賦能制造企業，在一定程度上能夠促使企業組織活動更加科學，使協調活動更具有針對性。

1.2.5 決策支持

數據分析被認為是現代商業規則的改變者，因為其具有較高的運營和戰略潛力，可以全方位提高企業經營效率和業務效率，成為企業競爭優勢的塑造者[25]。事實上，在大數據時代企業通過商業智能和決策支持系統輔助決策的現象越來越普遍。一方面，大數據全樣本、客觀性和實時性特征可以讓企業決策依據更具客觀性。另一方面，機器學習和大數據挖掘等一系列新技術可以通過數據分析結果預測用戶行為特征與競爭對手動態路徑，在很大程度上給予制造企業決策上的支持。

1.3 數據賦能主要對象

1.3.1 對人與團隊賦能

賈根良[31]認為，以信息和數據為基礎的工業智能化時代，是從機器替代體力勞動到人工智能替代腦力勞動的過程。一方面，數據賦能把人從低維的重復性工作中解放出來，使其能夠更加專注于富含創意和充滿挑戰的工作，同時增強的自我效能感激發了人的內在潛力[32]。另一方面，數據賦能可以促進人與人之間的溝通、協作和信息共享，方便團隊更高效地進行資源配置和決策制定[33]。

1.3.2 對管理方式賦能

數據賦能的智能化時代，企業運行狀態呈現透明化趨勢，傳感器和智能終端收集大量企業運行數據，企業管理層能夠根據實時數據判斷企業運營狀態并迅速作出管理決策，虛擬化成為工作方式的常態[34]。一方面，數據賦能可以全方位優化企業生產和經營管理，同時管理者通過扮演教練的角色，授權下屬更多選擇，整體上提高企業管理效率[21]。另一方面，智能化時代企業面臨的內外部環境發生劇烈變化，使得企業不得不重新思考商業模式和管理方式，而數據賦能等新技術可以為新時代管理理論發展和管理方式變革提供堅實的技術基礎。

1.3.3 對技術賦能

海量原始數據是一種不可多得的資源，與技術結合使數據產生“智能”，同時大數據為新興技術發展路徑研究指明了新的方向。例如，周瀟等(2017)基于海量異構數據，利用文本分析、三元組提取法(SAO)和技術路線圖等方法，對技術創新路徑進行識別、探索和預測。這表明數據賦能可以依托數據技術，促進不同技術進一步融合。

1.3.4 對組織結構賦能

數據賦能環境下企業組織結構也會發生相應的改變，Jarrahi[35]認為，數據挖掘及大數據預測可以為商業智能化提供技術支持和輔助決策，同時使組織結構更加扁平化和去中心化。數據賦能可以極大提高信息獲取與分享效率，在一定程度上解決組織信息不對稱問題，降低組織生產成本和交易成本。新技術環境下，科層制組織結構難以適應組織內外部環境(高山行、劉嘉慧，2018)，數據賦能時代下組織結構呈現出網絡化特點[36]。

綜上，數據賦能的主要形式、對象及對應的代表性數據技術如圖1所示。

圖1 數據賦能主要形式、對象及對應的代表性數據技術

2 數據賦能驅動制造企業創新機制與路徑

上述關于數據賦能內涵、形式和主要對象的研究是基礎研究，屬于“是什么”的問題，是數據賦能驅動制造企業創新機制與路徑研究的基礎。然而，要打開數據賦能驅動制造企業創新的“黑箱”，就要對其作用機理進行透徹研究，這部分研究屬于“為什么”的問題。已有學者從數據賦能[18, 37]、生態系統[33]、價值共創[18,21,37-39]、戰略創業[21]、平臺賦能[40]、敏捷制造[41]和大規模定制技術[32]等視角，對數據賦能與企業創新進行相關研究和討論。但上述研究大多不強調行業背景，也未形成完整研究框架。基于此，本文聚焦于制造業，系統建立數據科學與組織科學之間的聯系，從制造企業產品創新、商業模式創新、企業長期競爭力、企業創新生態系統和制造業產業升級等5個維度，剖析數據賦能如何驅動制造企業創新，試圖打開作用機制的“黑箱”，其路徑與機制闡述如下。

2.1 數據賦能與制造企業產品創新

Cooper[42]認為，產品創新，無論是開發新產品還是改進已有產品，對現代企業生存和發展均至關重要。數據賦能環境下，企業充分利用數據技術快速進行產品迭代創新，是其競爭優勢的來源。例如，Zhan等[43]提出，加速創新過程、加強顧客聯系和構建創新生態系統，能夠幫助企業以更快的速度與更低的成本開發產品；孫新波和蘇鐘海[41]運用案例法構建數據賦能幫助制造企業實現敏捷制造的過程模型。通過梳理已有文獻，本文從技術創新、開放式創新和敏捷性3個方面闡述數據賦能驅動制造企業產品創新的作用機理，具體研究框架如圖2所示。

圖2 數據賦能與制造企業產品創新研究框架

2.1.1 路徑一：數據賦能—企業技術創新—制造企業產品創新

Utterback等[44]將產品創新定義為，為滿足用戶或市場需求而在商業上引進的新技術或技術組合。由此可見技術創新對于產品創新的重要性。一方面，日益成熟的數據分析與數據挖掘技術能夠從海量原始數據中識別出不易被發現的復雜關系，有助于企業重新組合生產要素、優化配置資源、進一步識別新的用戶市場，這種數據驅動創新有助于制造企業在技術上實現顛覆式創新。另一方面，數據賦能環境下企業與消費者之間的距離被縮短，企業與用戶互動變得更加便捷，用戶參與感變得更強，例如小米公司通過用戶參與進行產品開發。同時，企業通過持續對用戶評論、瀏覽和搜索記錄等數據進行挖掘與分析，逐步優化產品和技術，實現漸進式創新[45]。在此背景下，技術創新逐漸成為制造企業產品創新的基石。

2.1.2 路徑二：數據賦能—企業開放式創新—制造企業產品創新

數據賦能時代，越來越多的企業主動拓展自身組織邊界，加入到開放式創新網絡中。Chesbrough[46]將開放式創新定義為，有目的地利用知識流入和流出加速內部創新，并擴大外部創新市場。由此可見，知識是開放式創新的核心要素。智能化時代，數據呈指數級增長。數據賦能環境下，制造企業能夠通過數據挖掘和數據分析技術產生更多知識與洞見，降低知識生產成本。新知識產生后，人工智能和機器學習技術能夠迅速將其吸收并轉化成企業自身生產力。同時，創新網絡使知識流動速度加快，進一步促進知識共享(李濤、高良謀，2016)。總之，數據賦能可以降低知識生產成本，促進知識吸收和共享，使企業開放式創新變得越來越普遍，從而進一步提高制造企業產品創新效率。

2.1.3 路徑三：數據賦能—企業組織敏捷—制造企業產品創新

基于動態能力視角，組織敏捷主要由運營敏捷、合作伙伴敏捷和客戶敏捷構成[47]。首先，在運營敏捷方面，制造企業能夠通過智能終端上傳數據，實時觀測企業運營狀況，并根據智能輔助決策系統迅速進行管理決策，同時能夠對企業運營數據進行挖掘，進一步優化運營流程；其次，在合作伙伴敏捷方面，制造企業通過對合作伙伴進行動態評估和動態選擇提升合作靈活性，同時降低合作風險；最后，在客戶敏捷方面，制造企業能夠通過分析用戶需求提升顧客需求感知敏捷性，同時與用戶零距離交互，提升服務敏捷性。由此可見，數據賦能環境可以提升企業組織敏捷性，使制造企業在運營上更高效，與合作伙伴溝通更便捷，對客戶需求把握更精準。同時，較高的企業敏捷性可以進一步降產品創新成本，分散產品創新風險，使產品創新更符合用戶個性化需求。總之，從動態能力視角出發，數據賦能可以通過提升企業組織敏捷性，促進制造企業產品創新。

2.2 數據賦能與制造企業商業模式創新

Ng[48]認為，數據是一種新的經濟資源，可以激勵企業進行商業模式創新，改變生產者和消費者之間的關系；李文蓮和夏健明[49]提出大數據驅動商業模式創新的三維視角；郝金磊和尹萌[39]引入價值共創，解釋賦能與商業模式創新的作用機理。在已有文獻的基礎上，本文立足制造業，分別從智能制造、營銷渠道和中國式“巧創”3個角度，分析數據賦能如何驅動制造企業商業模式創新，具體研究框架如圖3所示。

圖3 數據賦能與制造企業商業模式創新研究框架

2.2.1 路徑一：數據賦能—企業智能制造—制造企業商業模式創新

互聯網和智能化技術的發展，使制造業領域具備大數據采集、傳輸和處理能力。制造技術與信息通信技術、智能技術，特別是與產品相關的專業知識深度融合，正在制造模式、制造方法及生態系統方面進行一場前所未有的變革，智能制造越來越成為制造企業獲取競爭優勢的關鍵。首先，數據賦能環境下，各種智能終端使得生產設備更加智能化(equipment intellectualized)，人工智能、機器學習的應用使整個生產過程變得智能且可控(production intellectualized)。數據技術發展為制造企業實現柔性制造和大規模智能定制奠定技術基石，甚至使多時段差異化制造成為可實現的先進生產技術[32]。其次，基于數據和實時反饋的供應鏈管理變得更加高效(supply chain management intellectualized)。在此基礎上，降低企業能源管理成本，提高制造業資源配置效率(energy management intellectualized)[50]。數據賦能環境下，智能制造已經成為制造企業商業模式創新的重要途徑。

2.2.2 路徑二：數據賦能—企業營銷渠道創新—制造企業商業模式創新

目前，制造業采用的多種營銷渠道相互關系復雜，是選擇單一渠道投放廣告，還是同時從電視、網絡渠道和移動渠道投放廣告？哪種廣告渠道對消費者的影響更大？企業選擇單一銷售渠道還是多種渠道協同？銷售渠道間是蠶食關系還是互補關系[51]？上述問題是企業亟待解決的難題，而數據賦能可以為制造企業優化營銷渠道提供新思路，制造企業可以通過數據挖掘技術分析廣告渠道間的關系，并測度其對消費者的影響，而在此基礎上的精準營銷能夠最大程度地降低企業成本并提高營銷效率。同理，企業可以在單一銷售渠道和多種銷售渠道之間建立模型，尋找利潤最大化的渠道組合，甚至根據個性化需求建設企業營銷渠道。在上述環境下，企業營銷渠道創新逐漸成為制造企業商業模式創新的重要推動力量。

2.2.3 路徑三：數據賦能—企業“巧創”—制造企業商業模式創新

巧創(bricolage)概念由Nelson于2005年引入到創新和創業領域，他認為，當創業者所掌握的資源不足以滿足需求時，可以充分利用現有資源應付企業眼前需要解決的問題[52]。制造業后發企業在資源不足的情況下，能夠對外部環境快速作出反應。這種反應是基于其對感知變化的把控，這些企業正是由于其規模小、組織結構簡單等原因能夠對市場變化迅速作出判斷。同時，上述企業善于利用有限資源產生新的知識，也善于促進團隊學習和學習型組織建設。因此，在數據賦能情景下，“巧創”模式通過感知變化、產生知識等形式促進制造企業尤其是制造業后發企業商業模式創新。

2.3 數據賦能與制造企業長期競爭力

企業資源觀(resourced-based view)認為，企業是資源和能力的集合。數據和數據技術是組織中重要的異質性資源，這些異質性資源對于企業取得競爭優勢并獲取超額利潤具有至關重要的作用。對企業而言，維持競爭優勢和獲取競爭優勢同樣重要。企業動態能力、吸收能力以及數據賦能環境下的數據倫理對制造企業維持長期競爭力具有重要意義，具體研究框架如圖4所示。

圖4 數據賦能與制造企業長期競爭力研究框架

2.3.1 路徑一：數據賦能—企業動態能力—制造企業長期競爭力

動態能力理論(dynamic capabilities theory)分析企業在快速變革環境中的財富創造來源和財富獲取能力。該理論假設，相比低動態能力企業，高動態能力企業更具有優勢。該理論闡釋了企業如何采用動態能力創造并維持相對于其它企業的競爭優勢[53]。Pavlou & Sawy[54]構建了動態能力理論分析模型，該模型包括4個部分：感知能力、學習能力、整合能力和協調能力。數據賦能環境下，制造企業通過使用智能技術，特別是大數據技術，可以提升企業環境感知能力。同時，學習能力增強有利于新知識和洞見產生，企業運營狀況數字化能夠促使管理人員迅速制定管理決策。進一步地，更加柔性的組織有利于企業高效配置資源，從而提升企業協調能力。由此可見，制造企業可以通過上述做法，獲取和維持自身長期競爭優勢。

2.3.2 路徑二：數據賦能—企業吸收能力—制造企業長期競爭力

吸收能力理論(absorptive capacity theory)考察企業識別新知識、吸收并應用新知識以實現組織目標的過程[55]。Zahra & George[56]認為，吸收能力有4個維度：獲取、消化、轉換和利用，上述4個維度都是針對新知識的。數據賦能環境下，制造企業不僅可以獲取更多新知識，而且可以通過數據技術對已有知識進行挖掘和識別。機器學習和人工智能算法應用可以進一步促進企業對新知識的消化和吸收。同時，數據賦能環境下制造企業變得更加靈活，能夠迅速對新知識進行轉換和利用。上述分析框架能夠解釋數據賦能如何促進制造企業吸收能力，進而維持自身長期競爭力。

2.3.3 路徑三：數據倫理—企業競爭優勢—制造企業長期競爭力

倫理理論(ethical theory)給予人們應如何為人處事的觀點和建議[57]，健全的倫理有一個共同特點：使個人能夠根據倫理理論原則，提出具有說服力和合乎邏輯的論點。數據賦能時代，數據越來越獨立于用戶活動而被收集，用戶面臨數據被濫用和隱私泄露風險，負責任地使用數據成為消費者的強烈訴求。Mandinach等[58]指出，數據倫理包括如何使用數據，以及如何保護隱私和保障數據的機密性。數據賦能環境下，制造企業可以制定長遠數據運用策略，承諾保護用戶隱私，尊重用戶選擇，使數據處理透明度成為長期競爭優勢。

2.4 數據賦能與制造企業創新生態系統

創新生態系統(innovation ecosystem)是一個新興概念，許多公司試圖建立或加入一個強有力的創新生態系統，以提高其創新能力和市場反應能力。蘋果、谷歌、微軟、西門子等知名企業憑借強大的技術能力和資源優勢，構建起大規模創新生態系統[59]。黃海霞和陳勁[60]研究創新生態系統中的協同創新模式，張鎰等[61]研究創新生態系統中平臺企業競爭優勢形成路徑問題。在此基礎上，本文分析數據賦能驅動制造企業創新生態系統構建的作用機理。

2.4.1 路徑一：數據賦能—企業協同創新—制造企業創新生態系統

競爭環境復雜性和不確定性較高的情況下，企業組織與外界交換信息和資源，形成產學研一體化的整體效應或協同效應。數據賦能環境下，企業協同創新影響因素主要分為企業內部和外部兩個部分[62]。從內部來講，數據賦能有助于制造企業知識和洞見產生，為企業協同創新奠定知識基礎。數據技術應用可以降低組織間溝通成本，增加企業收益，為企業協同創新奠定物質基礎。從外部來講，數據賦能可以減少企業間信息不對稱，進而減少道德風險和逆向選擇，促進協同創新。信息共享有助于提升供應鏈企業間的信任程度，為企業協同創新奠定良好的合作基礎。數據賦能通過影響企業內外部因素促進制造企業協同創新，從而進一步促進企業創新網絡和企業創新生態系統構建與發展。

2.4.2 路徑二：數據賦能—企業平臺創新—制造企業創新生態系統

平臺型創新是時代發展的產物，是通過創建新平臺或改進現有平臺快速迭代平臺業務模型的實踐，是雙邊或多邊群體實現合作共贏的過程[63]。工業互聯網產業聯盟發布的《工業互聯網平臺白皮書(2019)》顯示，工業互聯網平臺整體處于發展初期，呈現蓬勃發展之勢，全國各類知名工業互聯網平臺已有數百家，產生了如海爾、寶信、徐工和富士康等具有行業影響力的平臺。數據賦能環境下，制造業平臺通過擴大數據采集范圍，增強數據應用的實效性，同時拓寬數據應用領域。工業數據成為工業知識的源泉，沉淀的工業知識可以對傳統經驗判斷進行模塊化和軟件化。同時，工業平臺APP和人工智能發展進一步為知識創新奠定技術基礎，基于數據驅動的制造業平臺創新逐漸成為制造業創新生態系統的重要組成部分。

2.5 數據賦能與制造業產業升級

中國經濟發展進入新常態，推進制造業產業轉型升級和經濟結構調整，成為今后我國經濟發展的重要任務。制造業產業升級一直是產業經濟學研究的重點，現有研究主要集中在制造業產業升級內涵、驅動因素、升級路徑和升級戰略等方面。一般認為，制造業產業升級可以從產業結構視角和價值鏈視角加以界定[64]。數據賦能環境下，本文從制造業服務化和制造業價值鏈重構兩個方面，分析數據賦能對制造業產業升級的影響路徑。

2.5.1 路徑一：數據賦能—制造業服務化—制造業產業升級

服務化幾乎在全球范圍內所有行業中發生，Vandermerwe & Rada[65]認為，服務化經歷了以下3個階段：產品或服務、產品+服務、產品+服務+支持活動+知識+自助服務。目前，制造業服務化處于第3個階段。徐振鑫等[66]認為，制造企業正從以產品為中心的產品型制造向以服務為中心的服務型制造轉變。數據賦能環境下，制造企業能夠以極低成本獲取大量消費者數據，并借助數據分析和挖掘技術精準識別消費者偏好。消費者可以根據自身需求和偏好，定制個性化產品與服務，而企業可以根據消費者偏好進行大批量個性化生產，真正實現柔性制造。同時，制造企業能夠通過預測消費者偏好，主動設計消費者偏好演化路線，整合企業資源、降低運營成本，生產符合消費者預期的產品和服務。實踐經驗表明，生產服務化是我國制造企業產業升級的可行之路[66]。

2.5.2 路徑二：數據賦能—制造業價值鏈重構—制造業產業升級

智能化時代全球價值鏈正進行一系列解構和重構，這為我國制造業彎道超車，向價值鏈高端環節攀升提供了絕佳機遇。數據賦能環境下，技術主要通過影響“微笑曲線”中高附加值的產品研發和營銷渠道驅動價值鏈重構[67]。一方面，制造企業能夠基于海量用戶數據產生知識和洞見，及時測度用戶滿意度，進而對產品設計進行調整。同時，制造企業在數據驅動下能夠迅速對外界變化作出響應，實現組織敏捷和產品敏捷。另一方面，數據賦能可以改變制造企業傳統營銷渠道，實現線上和線下渠道融合，通過數據分析構建最優渠道組合。數據賦能通過影響制造業價值鏈高附加值部分，實現價值鏈重構和價值鏈升級，從而進一步促進制造業產業升級。

3 數據賦能與制造企業創新研究框架整合

綜上，本文分析數據賦能的主要形式和主要對象，在相關組織理論的基礎上，從產品創新、商業模式創新、企業長期競爭力、創新生態系統和產業升級等5個方面，打開數據賦能對制造企業創新的作用機制“黑箱”，建立組織科學與數據科學的聯系。在此基礎上，本文構建數據賦能與制造企業創新研究框架，如圖5所示。

圖5 數據賦能與制造企業創新研究框架

本研究構建一個多層次且具有豐富理論支撐的數據賦能驅動制造企業創新模型，將數據賦能維度與制造企業創新進行有機整合。首先，從微觀層面分析數據與數據科學如何賦能制造企業的人和團隊，即如何影響人的主動性和創新能力以及產品開發團隊的創新能力；其次，從中觀層面研究數據技術如何賦能企業組織和管理，主要包括數據賦能如何影響企業商業模式創新能力、企業長期競爭能力，以及企業創新生態系統構建；最后，從宏觀層面分析數據和數據科學如何賦能制造業產業生產力提升。

從微觀層面到中觀層面再到宏觀層面，數據賦能制造企業創新是一個多層面聯動現象：產品創新是商業模式創新的基礎，商業模式創新造就企業長期競爭力，從單一企業創新到企業集群創新形成創新生態系統，產業升級是數據賦能的最終結果。該研究框架從理論視角出發，同時立足實踐，以期為學術研究者和企業管理人員提供一定的借鑒。

4 結語

4.1 研究結論

在制造業亟需轉型升級的當下，研究數據如何賦能制造企業創新具有重要戰略意義。本文通過文獻綜述探析數據賦能與制造企業創新研究的前沿動態，得到如下結論：

(1)數據賦能內涵即數據賦予能力，是指通過應用數據提升企業競爭力的過程。

(2)數據賦能形式主要有產生知識(洞見)、感知變化、連接物和人、協調活動、決策支持等5種。

(3)數據賦能對象主要有人和團隊、管理方式、技術和組織結構等4類。

(4)按照從微觀層面到中觀層面再到宏觀層面的邏輯，數據主要通過賦能制造企業產品創新、商業模式創新、企業長期競爭力、企業創新生態系統和制造業產業升級等5種機制驅動制造企業創新，每種機制均有其對應的賦能路徑。

(5)從整體性和系統性視角出發，將數據賦能形式、對象以及數據賦能驅動制造企業創新機制路徑和對應理論整合在一起，以期為研究人員和企業管理實踐者提供全新的知識地圖。

4.2 研究展望

數據賦能與制造企業創新研究方興未艾，得到越來越多學者關注，也取得了一系列研究成果。根據前文梳理和分析，本文認為，后續研究可以關注以下3個方面：

(1)數據賦能制造企業創新研究與組織理論的有效銜接。組織理論在發展過程中，衍生出諸多解釋企業活動各層面的理論，而數據科學發展為新時代理論構建提供了契機。有學者認為，當前數據、方法和知識類別發生著重大變化，研究人員亟需補充、理解和利用新的理論觀點。同時，新的數據和方法為研究人員提供了理論構建的新途徑[68]。本文嘗試將數據賦能研究與組織理論進行銜接，并在數據賦能與制造企業研究框架中將數據賦能與相關理論進行整合，但對于數據技術在上述重要研究理論中扮演何種角色仍未闡述清楚。因此，本文認為，在數據賦能與制造企業創新研究中，將數據賦能與組織理論框架下各理論進行銜接是未來研究方向。

(2)數據賦能與制造企業創新的研究方法和研究數據。本文建立了多層次數據賦能與制造企業創新研究框架，從個體到組織再到多個企業或產業，不同研究方法適用于不同研究主體，但現有研究方法主要為案例研究法[18,21,40,41,69]。未來可以運用多樣化研究方法，從不同層面對數據賦能與制造企業創新進行研究。

現有相關數據存在較為嚴重的缺陷，國內數據缺陷尤其嚴重。例如，學術界一直缺乏數據賦能的大規模二手數據。現有研究數據往往基于問卷調研，盡管問卷調研有其優勢，但也具有主觀性偏差且難以解決數據分析過程中的內生性問題。國內只能使用上市公司年報中的固定資產和無形資產投資細項對企業數據賦能進行測算[70]，上述方法在準確性方面存在較大問題。為解決這一數據問題，未來可以參照最新以機器學習技術分析求職網站信息的做法[71]，構建中國制造企業數據賦能大型面板數據。這不僅可以成為一系列實證研究的基礎，還可以通過數據開放手段，為廣大對數據賦能感興趣的學者們提供更多研究機會。

(3)中國特定情景下數據賦能對制造企業創新的影響。梳理文獻發現，大部分數據賦能與制造企業創新的實證研究立足于西方樣本[14, 71]。相較于西方制造業，中國制造企業環境有其特殊性，主要體現在以下方面：第一，中國是一個人口大國，移動互聯網用戶多，能夠產生海量用戶行為數據；第二，中國是一個制造業大國，制造企業市場規模大，企業交易數據多，數據賦能應用場景更加豐富；第三，我國制造企業面臨動態變化的消費者需求。移動互聯網和信息技術飛速發展使得用戶消費水平明顯升級，制造企業需要通過數據賦能企業產品、技術和商業模式等方式驅動創新發展，以滿足消費者動態化需求。

因此，未來研究者需要考慮中國特定環境給數據賦能制造企業創新帶來的變化，在借鑒現有研究的基礎上，根據我國制造企業自身特色具體問題具體分析。同時，研究結論可以為政府政策制定提供參考，從而有效促進數據賦能制造企業創新。