“大数据”时代企业生态系统的演化与建构*

资武成

随着网络技术、通信技术、移动设备技术的融合与发展，信息数据呈现出前所未有的爆发式增长，“大数据”已经引起了学术界的高度关注。《Nature》杂志出版的专刊“Big Data”指出，“大数据”时代的到来将引起一次社会革命，必将对政府治理、企业决策、个人生活产生巨大而深远的影响①Frankel F，Reid R，“Big data:Distilling meaning from data”，Nature，vol.7209，No.455，2008，p.30.。2011年《Science》出版的关于数据处理的专刊“Dealing with data”，深入讨论了大数据所带来的机遇和挑战，并指出如果能够有效地组织和使用这些数据，将会发挥科学技术对社会发展的巨大推动作用②“Dealing with data”，Science，vol.6018，No.331，2011，pp.639-806.。全球知名咨询公司麦肯锡提出“大数据”时代已经到来，并认为“大数据”将逐渐成为重要的生产要素，人们对“大数据”的运用将预示着新一轮生产率的增长和消费者盈余浪潮的到来③James Manyika，Michael Chui，“Big Data:The Next Frontier for Innovation，Competition and Productivity”，McKinsey Quarterly，No.5，2011，pp.27-30.。Bughin et al.认为“大数据”时代会产生新的管理模式和规则，“大数据”的挖掘和应用能驱动企业获取竞争优势④Bughin，Jacques，Livingston，John，Marwaha，and Sam，“Seizing the Potential of”Big Data“”，McKinsey Quarterly，No.4，2011，pp.1-7.。

在实践中，大量的企业也已经关注并应用“大数据”为企业决策服务，苹果、微软、IBM、三星、阿里、华为、腾讯等知名企业均已开始建构基于“大数据”的企业生态系统。因此，在“大数据”时代，企业生态系统的运行环境和运营模式会发生那些变化?企业生态系统如何演化?如何基于“大数据”构建完善的企业生态系统都是迫切需要研究的现实问题。

一、“大数据”及企业生态系统的内涵

“大数据”(Big data)目前还没有一个明确的定义，Manish et al.认为，“大数据”是指多种来源、多形式的、实时的“大数据”集合，需要专业化软件工具和分析专家去收集、处理和管理的数据集合①Manish Goyal，Maryanne Q，Hancock and Homayoun Hatami，“Selling into Micromarkets”，Harvard Business review，No.7，2012，pp.1-9.。Archak等提出，“大数据”是需要新的处理方式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产②Archak N，Ghose A，Ipeirotis P G，“Deriving the pricing power of product features by mining consumer reviews”，Management Science，vol.57，No.8，2011，pp.1485-1509.。李国杰等学者认为“大数据”是指无法在可容忍的时间内用传统IT技术和软硬件工具对其进行感知、获取、管理和服务的数据集合，并表示“大数据”具有“4V”特征:①海量数据 (Volume)，数据集合的规模已从GB到TB再到PB级，甚至已经开始以EB和ZB来计算;②类型复杂 (Variety)，“大数据”类型包括结构化数据、半结构化数据和非结构化数据;③实时处理 (Velocity)，“大数据”通常以数据流的形式动态、快速地产生，具有很强的时效性，数据的状态与价值也随时空变化而发生改变;④价值巨大 (Value)，通过对浩瀚的毫无关联的“大数据”进行挖掘和分析，能找出商业活动的本质规律和趋势，发现“大数据”背后隐藏着的经济价值③李国杰、程学旗:《大数据”研究:未来科技及经济社会发展的重大战略领域》，《中国科学院院刊》2012年第6期。。

企业生态系统 (Business Ecosystem)最早是由美国学者James Moore提出的，他借用生态学的概念来解释企业组织及其与环境之间的关系。Moore，J.认为企业生态系统是指由相互作用的企业组织与个人所形成的经济群体，包括生产商、销售商、消费者、供应商、投资商、竞争者、互补者、企业所有者以及有关的政府④Moore，J，The Death of Compet it ion:Leadership and Strategy in the Age of Business Ecosystems，Harper Business Publish Press，1996，p.92.。该概念表示企业生态系统是一个相对开放的系统，这个系统中所有的组成要素相互影响、相互促进;同时，企业生态系统也会受到外部环境的制约和影响，企业生态系统在各种内外部力量的作用下得到演化和发展。

“大数据”背景下，企业生态系统和外部环境之间的边界日趋模糊，信息共享和知识溢出已成为企业生态系统中各成员合作竞争与协同演化的主要方式之一。在这种竞争环境下，信息和知识成了企业经营管理中的重要生产要素，也是决定企业创新能力的关键。通过选择和构建良好的企业生态系统，从外界获取有价值的数据和知识，是企业提高核心竞争力、获取持续竞争优势的重要途径。

二、“大数据”时代企业生态系统的重新审视

(一)产业环境:行业融合与细分协同演化

企业生态理论认为，包含众多企业的企业生态系统与外部环境相互交流相互影响，企业生态系统不仅受到外部环境的制约，同时它也具备影响甚至改变环境的能力。随着“大数据”时代的到来，企业生态系统的产业环境发生了革命性的变化，呈现出产业融合与细分协同演化格局。一方面，产业融合愈发明显，以前认为不相关的行业通过“大数据”技术有了内在的关联，行业之间潜在的价值关联有了新的表现形式。如传统的零售企业开始进军电子商务;物业管理公司通过对社区视频数据分析能够开展个性化的广告业务;从事电子商务的阿里巴巴已涉及金融、物流、云计算等行业。因此，“大数据”的挖掘和应用促进了行业间的融合，也创新了企业的盈利模式。

另一方面，“大数据”时代企业生态系统变得更加开放，竞争异常激烈，广泛而清晰地对“大数据”进行挖掘和细分，找到企业在垂直领域的业务和应用，已经成为企业脱颖而出形成竞争优势的重要方式①云鹏:《在”大数据”时代，如何找到垂直价值》，《企业观察家》2012年第11期。。如社交网络的发展，诞生了一批专注开发导购应用程序的企业，通过收集客户社交数据挖掘其内在的商品偏好和需求，为相关的电子商务企业提供商品导购服务。例如，“大数据”也不再是企业生态系统中的大企业所独占，中小企业也可以从“大数据”中挖掘有价值的信息，成为细分市场的核心资源，为自身的业务提供支持。

因此，在“大数据”时代，企业生态系统面临的产业环境精彩纷呈，这种产业环境的变化改变了企业对外部资源需求的内容和方式，创新了企业创造价值、传递价值的方式和路径，模糊化了企业生态系统的资源边界、市场边界和契约边界，企业生态系统必将形成以“大数据”为核心资源的业务融合与市场细分协同演化，重构其内部价值网络和外部关系网络。

(二)运营模式:基于“大数据”的协同运作

在“大数据”背景下，企业生态系统的协同合作更为紧密和精确，基于“大数据”资源构建以流程优化和客户订单为导向的协同运作模式已成为企业生态系统的主要运营模式，基于“大数据”应用的协同运作主要表现为:

1.协同设计。在产品的设计阶段，加强伙伴间的合作与沟通，倾听客户的心声、考虑产品对环境的影响是提高产品竞争优势的关键，这就需要企业生态系统的各成员共同参与进行协同设计。传统的设计都是基于企业自身收集的历史数据和静态数据，不能实时动态的把握客户的需求变化。“大数据”资源的开发和应用，为企业生态系统的协同设计提供了数据支撑和智力支持，企业通过构建基于“大数据”的协同产品设计平台，实时获取设计研发企业、生产制造企业、销售企业等成员企业的反馈信息和知识溢出，为提高产品设计质量提供了智力支持。同时，“大数据”技术的应用，能实时捕捉客户的需求数据，针对每一个消费者进行完全个性化设计。例如，玩具行业巨头乐高基于在线订购的允许客户组装他们自己乐高套件的乐高工厂，对其所需的玩具进行自我设计，以实现客户参与玩具的创造。

2.协同生产。协同生产的本质就是企业在应用CAD、CAM、CAPP、ERP等管理信息系统的基础上，将任务实时合理的安排给各成员企业和企业内部的各制造单元。这个过程难度最大的就是对来自企业内外部制造过程中多态的、异构的、实时数据的整合和应用，“大数据”技术开发和平台应用为实现协同生产提供了便利。如以MapReduce和Hadoop为代表的非关系数据分析技术，可以直接对复杂异构的数据进行分析，避免了传统数据库耗费大量时间从不同来源抽取数据加以合并才能用于分析的复杂过程②Jeff Howe，Crowdsourcing:How the Power of the Crowd is Driving the Future of Business，Crown Publishing Group，2006，p.320.。通过应用这些“大数据”处理技术，企业实时收集处理供应商数据、客户订单数据、生产车间信息、竞争对手信息、外部市场需求等信息，协调原材料提供商、半成品生产企业、产品生产企业等合作伙伴的生产决策，优化企业生态系统的流程，实现协同生产。

3.协同库存。传统的企业库存管理中，满足客户需求的同时又尽可能的降低库存成本一直是企业需要破解的难题，“大数据”的开发和应用为解决这一难题提供了可能。企业生态系统中的合作伙伴，通过对客户企业的实时交易数据、实时生产信息、消费信息等数据的分析，能提前预判客户市场的需要并进行库存补给和管理。例如，全球最大的零售企业沃尔玛和宝洁公司，建立了基于卫星分析的联合库存管理系统，宝洁公司每天能对沃尔玛销售自己产品的实时数据进行分析，并根据分析结果预测和补充库存，即保证了客户的需要又降低了库存成本。

4.协同物流。物流运输规划的基石是数据，“大数据”的特征为企业生态系统中各合作伙伴实施协同物流提供了天然优势。企业通过实时收集和分析供应链系统中原材料、半成品、产品的物流运输信息，从供应链系统视角对各节点企业的仓储选址、物流配送线路、逆向物流进行协调优化，充分利用物流信息资源提高物流效率。如Teradata天睿公司通过建立了“大数据”分析系统，通过获取、整合、分析客户企业、物流设备、物流运输线路、天气等的信息数据，做到智能化的实时安排物流线路，实现整个合作伙伴的协同物流。

因此，通过“大数据”的整合和分析，企业生态系统的合作伙伴能优化企业内外部流程，提高产品质量，降低资源消耗，实现个性化定制生产的同时能更好的适应环境的变化，以实现协同运作。

(三)合作方式:基于“大数据”资源的多元化

在“大数据”背景下，信息数据已经成为企业生态系统中核心资产，数据传递、信息共享已经成为企业生态系统中成员的重要合作途径。由于“大数据”资源的动态配置和应用，企业生态系统的合作方式呈现出多元化，主要有:

1.业务外包 (Outsourcing)。以“大数据”为核心资源的运营体系中，“大数据”运行的基础设施和技术开发具有投入成本大、风险高等特征;同时，“大数据”资源具有易复制、易传播、价值流失快等特点，这就使得企业在“大数据”资源获取和利用方面倾向选择生态系统中合作伙伴的分享与合作，以实现企业生态系统中“大数据”资源的柔性配置和规模效率，因此，业务外包已经成为企业生态系统协同商务的主要形式之一，如IT设施外包、“大数据”软件开发外包、数据管理外包等。

2.众包 (Crowdsourcing)。众包是指把传统上由指定代理人 (如雇员)完成的任务以公开选拔的形式外包给大量不特定的个人去做的行为①Jeff Howe，Crowdsourcing:How the Power of the Crowd is Driving the Future of Business，Crown Publishing Group，2006，p.312.。众包模式的实质是对离散、零乱的资源的有效利用，深度挖掘“大数据”蕴含企业生态系统的集体智慧，为企业提供创意设计、生产规划、市场推广、策略评估等服务。如IT产业，开源社区 (open Source Community)就是众包的典型模式，各大IT巨头都争相采取这种模式构建自己的创新生态系统。许多世界性大公司也都建立了自己的网络平台或者借助众包中介 (Crowdsourcing Intermediates)以众包方式解决技术、创意、设计等原来由企业内部流程和资源完成的活动。例如，加拿大矿产公司GoldCorp为解决RedLake矿区的矿脉定位问题，在网络上公布了该矿区几十年来全部的地质数据，在短短几周内收到大量网民的积极反馈，并根据网民建议从110个矿点中准确地发现了80多处矿藏。

3.共同创造 (Co-creation)。共同创造就是让企业生态系统中各成员企业、消费者、投资商、竞争者、互补者、政府组织等主体共同参与产品的价值创造②李文莲、夏健明:《基于“大数据”的商业模式创新》，《中国工业经济》2013年第5期。。从企业生态系统商务圈的视角看，实现共同创造的基本途径就是企业整合来自多元系统的数据，包括外部生态系统、外部供应商、消费者等获取信息数据以共创产品。例如，玩具行业巨头乐高基于在线订购的允许客户组装他们自己乐高套件的乐高工厂，以实现客户参与玩具的创造。

(四)客户市场:个性化的精准细分

当今市场的竞争日趋激烈，客户需求高度个性化，产品的生命周期越来越短，传统的企业数据主要来自客户信息、产品、交易等结构化数据，难以对客户的潜在需求进行精确的预判和个性化的细分。“大数据”技术的开发和应用，使得企业进行客户市场决策所依赖的市场信息在数据量、数据结构、数据模态和时效上都发生了根本性的变化，能对客户的行为、状态、商务圈等非结构化的数据进行动态的监控和实时挖掘，深刻洞察用户消费动机和偏好，主要表现为:

1.对消费者消费行为背景的信息分析。如通过用户的注册信息分析消费者的性别、年龄、职业、居住环境等信息，预判其可能的消费类别和水平。

2.对消费者动机的及时捕获。例如通过对消费者的实时点击、浏览、实时评论行为的追踪，及时捕获其消费动机和产品偏好。

3.对消费过程数据的分析。如在汽车、电脑、手机等产品中内置传感器获取消费过程数据，以分析客户的消费行为和能力。

4.对消费者采购圈的分析。如企业电子商务系统消费者采购圈的交流与评论。

5.对消费者未来消费趋势的分析。如通过长时段的消费行为洞察消费者的自然模式，赋予营销者一种动态的、情境导向的对消费者的感知，预见消费者可能的行为①胡泳:《“大数据”视角的行为科学》，《IT经理世界》2012年第9期。。

因此，这种“大数据”的变化引发了企业生态系统营销环境的变革，让企业在目标市场选择和营销管理决策时进行定量分析和提前预判，通过对其生态系统中客户信息全面的分析和处理，就能实现精准营销，降低营销成本，提高营销效果。

三、“大数据”时代企业生态系统的演化

(一)“大数据”时代企业生态系统演化的内在机理

企业生态系统是一个动态、复杂系统，其演化过程表现出很强的自组织过程特征，根据耗散结构理论，系统产生自组织现象，形成耗散结构，必须满足以下条件:开放及开放到一定程度、远离平衡态、非线性相互作用和涨落②。这些条件在企业生态系统的形成过程中均有着自己的作用，也是促使企业生态系统演化的内在条件和动力。在“大数据”背景下，企业生态系统这些自组织形成的条件显得更加明显和充分。

1.企业生态系统的开放性及开放程度。企业生态系统不是封闭孤立的系统，一方面，它必须不断从周围环境输入维持其运行与发展所必须的能量、物质与信息;另一方面，它又必须将自身所产生的能量、物质或信息输出给周围环境，如产品提供、知识溢出、环境污染等。在“大数据”背景下，企业生态系统的开放性更加明显，开放程度更高。表现为:①以互联网、海量数据存储、云计算等为代表的信息技术让企业生态系统的成员从外界获取产品、客户、市场、竞争对手等方面的数据更加便利;②“大数据”的处理和应用，企业生态系统内部各合作伙伴之间的数据传递和信息共享更加频繁，对企业决策的影响愈发明显;③各企业生态系统之间的知识溢出更加丰富，合作与竞争呈现出多元化趋势。

因此，基于“大数据”的连接与融合，企业生态系统传统的企业边界、行业边界愈发模糊，企业生态系统的开放性更加明显，企业不仅要适应环境，参与开放系统的竞争，而且也具备了影响和改变环境的条件和能力。

2.企业生态系统远离平衡态。企业生态系统远离平衡态意味着系统内部存在着物质转换、能量流动、信息传递等各种活动状态，呈现出各种活动的交锋与激烈碰撞，这种碰撞在企业生态系统中表现为远离平衡态的企业间横向整合和纵向应用，如行业竞争对手的消失以及潜在威胁者的加入、企业战略联盟的形成与瓦解、供应链中节点企业的退出与新合作伙伴的加入，客户的维系与流失。

“大数据”时代，企业生态系统的非平衡态表现的更生动、更直观、更激烈。具体表现为:①以知识为核心要素的企业创新速度更快、产品生命周期更短。②以互联网和电子商务为平台的合作伙伴选择范围更广，企业生态系统的成员结构呈现出一定的动态性;③以知识共享和流程优化的生态系统成员合作关系表现为非线性的竞合关系。④以差异化数据为导向的市场细分与行业耦合更趋偶然性。因此，这些非平衡态因素促进了企业生态系统内外的信息、资源、能量等要素的流动，有助于产生自组织现象。

3.企业生态系统内部的非线性相互作用。根据自组织理论，企业生态系统的自组织演化就是在其内部大量子系统以及企业和其他组织在既竞争又协同的非线性相互作用下发生、发展的③张成考:《基于知识社会企业生态系统的管理变革》，《科学学与科学技术管理》2005年第2期。。“大数据”背景下，企业生态系统的非线性作用一方面表现为企业间的竞争关系，各企业

② 胡泳:《“大数据”视角的行为科学》，《IT经理世界》2012年第9期。力争通过对“大数据”的分析来获取资源、技术、客户，并采取保密和限制等措施防止自身的数据外泄和知识溢出，以使自身取得功能上的有利态势与协商中的有利地位，从而加速了非平衡的竞争关系。另一方面，“大数据”技术促使企业生态系统内部进一步协同合作，以电子商务平台以及中介网络平台的双方或多方互动数据，掌握了更精确更丰富的决策信息，对降低市场中供需双方的信息不对称、解决市场失效、提高企业利润起着关键的作用;如供应链伙伴之间通过监测、分析、共享各环节的数据实现联合库存和准时制造，提升了整个生态系统伙伴的竞争力。因此，“大数据”背景下，企业生态系统各要素之间表现为既竞争又合作的非线性作用，推动企业生态系统的优化和动态发展。

4.企业生态系统的涨落。涨落指系统参量在一个数值上下震荡的现象，它是系统形成有序结构的原始动力，企业生态系统涨落的结果是使偏离平衡态的系统恢复到原来的状态，或者使处于某一临界点上的系统达到一种新的稳定状态，呈现出原有状态所不具备的新功能，实现企业生态系统的升级与进化①胡斌、章仁俊:《企业生态系统的动态演化机制》，《财经科学》2008年第9期。。“大数据”背景下，企业生态系统的各成员表现得更为动态和不确定性，其结构也更具脆弱性，以知识为核心要素的技术创新对企业生态系统涨落的冲击力更大。因此，有价值的数据是企业制定战略决策、技术创新、挖掘顾客需求的指南针，也是改变企业生态系统的有序结构、形成企业生态系统耗散结构的触发器，从而促使企业生态系统偏离原有的稳定状态，进入新的稳定状态。

(二)“大数据”时代企业生态系统演化的外部机制

上面基于自组织理论分析了“大数据”时代企业生态系统演化的内在机理，这是决定企业生态系统演化的方向和状态，但各组织在企业生态系统演化的过程中还得经过环境的选择，只有适应环境并得以健康发展的企业生态系统才是真正的演化，所以，环境选择成为企业生态系统演化的外部机制②张成考:《基于知识社会企业生态系统的管理变革》，《科学学与科学技术管理》2005年第2期。。

在“大数据”背景下，企业生态系统面对的环境选择更为复杂，外部环境可能是企业生态系统的稳定有序演化的助推器，也可能是破坏和干扰企业生态系统有序运行的导火线。外部环境的选择主要包括三个方面:第一，企业生态系统之间的复杂竞争关系，企业生态系统之间基于数据情报的市场争夺、技术竞争和产品较量更为直接和激烈;另一方面，被“大数据”信息包围的企业生态系统开放程度更高、界限更为模糊，企业生态系统之间呈现出协同、融合等状态，如企业生态系统之间的知识溢出、技术创新呈现出相互学习、相互促进。这种基于“大数据”的连接与融合，会突破传统的企业生态系统边界，引发基于“大数据”的产业链延伸和行业变革。第二，“大数据”背景下，社会、经济、文化等环境因素的改变，包括客户需求和消费习惯呈现出完全的个性化和多样化、“大数据”技术引导的政府政策的设计和选择、企业生态文化融合性等方面都会直接冲击到企业生态系统演化的速度和效果。第三，自然界因素，如企业生态系统生存发展过程中所需的自然资源、物质介质等自然界的因素。

因此，“大数据”的处理和应用，企业不仅能适应环境，参与开放系统的竞争，而且也具备了影响和改变环境的条件和能力。在企业生态系统自组织的内部动力和外部环境相互作用下，会进行方向性的战略选择，实现整个企业生态系统的优化和升级。

四、“大数据”时代企业生态系统的构建策略

在“大数据”时代，遵循企业生态系统的特征和演化规律，建构良好的企业生态系统是企业获取持续竞争优势的关键。

(一)构筑以“大数据”为核心资源的企业生态系统商业模式

“大数据”技术的发展为信息的分离提供了平台和工具，通过对“大数据”资源的分类整理和重新聚合，能够形成新的信息和资源。对“大数据”资源规模经济和范围经济的追求促使了以“大数据”为中心的价值链延伸，通过数据挖掘、分享、价值传递，必将引起企业生态系统的价值主张、业务流程、盈利模式、价值网络等商业模式要素的改变，形成企业生态系统新的商业模式①李文莲、夏健明:《基于“大数据”的商业模式创新》，《中国工业经济》2013年第5期。。例如，淘宝网在运行的过程中采集和存储了海量的交易数据，并构建了自己高性能的云存储系统Ocean Base，该云存储系统形成了面向进驻商家的多项数据产品，不仅能为商品企业、淘宝卖家、交易中介、消费者提供各类优化工具和数据服务;同时，利用Ocean Base开源还可以为非淘宝的其他电子商务网站提供数据产品服务，为各类网站及社区提供电子商务解决方案，彻底完成了从交易平台到为整个生态系统提供商务服务的角色转变，创新了以“大数据”为核心资源的商业模式。

(二)畅通企业生态系统的的数据交流渠道

“大数据”具有多样化、数据量大、生产的和处理的速度快等特征，一般无法在可容忍的时间内用传统IT技术和软硬件工具对其进行感知、获取、管理和服务。因此，建立在“大数据”基础的企业生态系统必须打造先进的基础设施，构建良好的数据处理和知识共享环境，畅通企业生态系统的的数据交流渠道。这主要包括:①加大对计算机基础设施建设的投入，建设高效的企业生态系统网络、服务器处理和存储系统、云计算平台等硬件系统，提高处理数据的效率;②促进数据库系统、数据仓库系统的建设，建立对非结构化数据、非数值型数据进行有效管理的数据存储系统;③开发科学的数据挖掘系统，建立良好的数据收集、处理、挖掘、决策支持等软件系统;④要结合企业生态系统的实际应用开辟数据交流与共享的渠道，如电子社区、企业生态系统内部网、供应链协同知识管理系统等。通过构建良好的数据处理和知识共享系统，就能形成“大数据”核心资产，提高“大数据”的传递和应用效益。

(三)创新以“大数据”为基础的关键业务和活动流程

“大数据”背景下，企业生态系统的主体、资源、结构、价值、边界网络等要素进行不断的动态演化和重构，创新以“大数据”为基础的关键业务和活动流程是企业生态系统获取竞争优势的动力源泉。创新以“大数据”为基础的关键业务和活动流程主要包括:①基于“大数据”的流程优化，提高业务流程的处理效率。如物流企业通过对合作伙伴多维“大数据”的分析，找出企业物流配送的最优运输模式和路线，提高物流配送效率。②应用“大数据”作为企业活动的关键资源，创新企业生态系统的价值活动。如玩具制造企业，通过挖掘企业生态系统中合作伙伴的交易数据、客户购买行为数据、产品质量数据等关键资源，改进产品的设计和性能，创造企业新的价值增长点。③以“大数据”活动取代企业传统的业务和流程，形成企业生态系统新的经营方式和合作模式。如沃尔玛和宝洁公司，通过对商业数据的分析形成联合库存管理，改变了传统的库存管理的业务类型和活动流程。

(四)构建精确的客户关系管理系统 (Customer Relation Management，CRM)

当今经济已进入买方市场，实时的、动态的、个性化的客户需求愈发难以预测，并成为企业生态系统中最不确定的因素。现有的企业CRM其数据主要来自客户、产品、交易等结构化数据，对客户的行为、状态、商务圈等非结构化的数据还不能动态的实时挖掘和处理，难以对客户的潜在需求进行精确的预判和定位。在大数据背景下，数据量成倍增长，数据的类型也不断地丰富，网页、文件、日志，新的数据存储形式不断地兴起，因此，如何构建先进的CRM，对客户的信息进行全面的分析和处理，是企业决胜市场的关键。

适应“大数据”要求的CRM应该具有如下特征:①具有海量的存储能力，能够对网页、文件、日志、视频等非结构化数据进行存储和处理，提供全面、丰富的个性化客户信息;②能持续跟踪、监控客户的状态和动态行为，有效弱化需求变动的影响，提前预判客户变化着的需求，实现对市场需求变化最大程度的适应。③综合应用数据库、数据仓库、数据挖掘、互联网、图形用户界面、网络通讯等先进技术，向企业、市场和客户服务人员提供操作简单、功能强大的数据处理功能。④拥有良好的挖掘算法，即不仅要能对传统的结构化数据进行分析处理，也要能够对非结构化的海量数据进行高效的处理。

因此，构建以“大数据”处理为核心的企业生态系统CRM，精确挖掘客户需求，才能增强企业生态系统的环境适应能力，赢得市场竞争。

(五)培育以“大数据”处理和应用为中心的企业生态系统文化

企业从海量杂乱无章的“大数据”里要挖掘出对企业决策有参考价值的数据，需要经历发现、提取、加工、创新等一系列复杂过程，同时需要企业生态系统全体成员参与数据的管理和控制，形成以数据为支持的决策导向。这就需要完善企业生态系统的数据处理制度，形成重视数据处理与应用的企业生态系统文化，主要措施包括:①建立数据收集和与处理的制度文化，包括数据收集、存储制度、数据传递、共享制度、保障数据安全制度等。②建立起企业员工对数据处理和应用的理念，通过员工技能培训、学习、讨论、考核等方式深化企业员工对数据开发和应用的意识，让企业生态系统全体成员普遍接受以数据应用和核心的工作方式。③在企业生态系统成员之间建立行之有效的知识激励机制，包括知识明晰机制、知识绩效机制、知识奖惩机制，以形成特有的、规模化的、不断创新的知识资产和核心生产要素，培育重视“大数据”处理和应用的企业生态系统文化。

结 语

当前，“大数据”在我国的理论研究和实践应用都还处于初级阶段，但是其商业价值已经突显，对于大多数企业来说，如何清晰的把握“大数据”时代企业生态系统的特征和演化规律，构筑合理的企业生态系统是企业脱颖而出形成竞争优势和核心竞争力的关键。同时，“大数据”时代的到来，必将孕育新的生产模式、商业模式、管理模式，企业生态系统必将置身于更加开放、更加复杂、非线性作用的动荡环境之中，各种非特定的竞争因素会促使企业生态系统发生持续的创新和变革。企业必须洞悉其生态系统的变化，应势而变，不断创新，以实现企业和生态系统的协同演化与升级。