以数据驱动的企业协同创新模式研究

梁 莹

（韶关学院 信息科学与工程学院，广东 韶关 512005）

由于近年来互联网、云计算、移动通讯和物联网的迅猛发展，无所不在的移动设备、无线传感器、智能设备和科学仪器每分每秒都在产生数据，面向数以亿计用户的互联网服务时时刻刻在产生巨量的交互数据，数据无疑是新型信息技术服务和科学研究的基石。根据著名咨询公司IDC的调查与统计，即使在全球遭遇金融危机的2009年，全球信息量仍达到800EB，未来每隔18个月，整个世界的数据总量就会翻倍，预计2020年这一数字将达到35ZB，预示着全球将正式进入数据存储的 “泽它（Zetta）时代”。因为在企业中各种业务数据正以几何级数的形式爆发，其格式、收集、储存、检索、分析、应用等诸多问题，不能再用传统的信息处理技术加以解决，大数据的使用将成为未来提高竞争力、生产力、创新能力以及创造消费者盈余的关键要素，成为领军企业与其他企业之间最显著的差别。因此，各类企业也越来越重视对规模化数据的分析和使用，企业用户迫切需要借助大数据战略进行协同创新，更为全面地了解运营情况及运营环境，从而获得更多经济价值。

1 大数据是企业实现自主创新的最大契机

随着数据科学向其他社会学科和自然学科渗透，数据的包容性达到了前所未有的数量、容量和质量，其重要性更是上升到生产要素的战略高度。同时，现代信息技术作为产业升级、打造新兴产业的引擎，又极大地推动了大数据处理技术的发展。大数据由于本身所附带或隐含的价值，被类比为新时代的石油、黄金，甚至被视为“一种与资本与劳动力并列的新经济元素”，也就是说大数据不仅对生产过程中形成产品和产生价值起到重要的作用，其本身更是作为像资本和劳动力这样的生产要素，是产品生产中不可或缺的元素。根据Wikibon发布的报告《大数据厂商收入与市场预测2013－2017》显示，2013年与大数据相关的硬件、软件和服务营收达到186亿美元，较前一年增长58%，其中大数据相关的服务收入占整个市场的40%。2014年大数据市场增长速度放缓至53%，收入达285亿美元，到2017年市场收入将达500亿美元，如图1所示［1］。Wikibon所指的大数据专业厂商指的是那些大数据相关收入占总收入超过50%的独立硬件、软件和服务供应商。他们在数据管理和分析方面引入的新方法让大数据成本当今IT业最热的话题。

图1 Wikibon大数据市场预测分析图

传统行业的信息化建设思路和技术的落后，导致了大量数据被分离、限制在各类彼此隔离的系统之中，同时大型行业企业、政府等也面临实施数据处理、应用方面的巨大挑战，依托传统信息技术已无法取得质的突破，因此如何以新的DT（Data Technology）整合数据、存储数据、处理数据、应用数据，解决业务系统实时性、并发性问题、海量数据存储计算问题、数据价值挖掘及应用问题是传统行业迫切的需求。比如国内某家大型家电制造商，通过在生产线上安装传感器，记录大量一线的生产信息，利用这些分析、处理后的记录来提高产品的优品率。而这些还只能代表大数据应用的一个起点，大数据的精髓在于把自己记录的数据对外分享产生更大的价值，以及用外部的数据来解决自身的业务问题。以国家电网为例，智能电表及电能采集系统收集数据的目的当然首先是收费，但实际上该数据能够发挥更大的作用。首先能够判断房屋是否限制，这对一个城市来说可以指导房价、地价的调控，其次，电网的监控可以用来判断整个区域的工业、制造业、商业在不同区域发展情况［2］。

以数据为生产要素的新一代信息化建设对新兴技术及应用需求迫切。一方面，一些企业为了自身业务的发展需要，确实迫切需要新的技术解决在大数据处理方面所遇到的问题；另一方面，随着经济的高速发展以及市场环境的不断变化，越来越多的企业意识到数据在开拓市场、提升自身竞争力等方面所起到的重要作用，挖掘数据、寻找新价值的需求逐渐受到重视。目前众多行业已成功地应用了大数据技术，例如，互联网行业借助大数据为用户提供了更加优质的服务，获得了丰厚的利润回报；金融业使用数据挖掘、数据流处理等技术成功探索金融欺诈模式，实现金融欺诈的实时预警；零售业利用大数据技术实现了零售市场细分和实时精准营销。可以预见大数据必将成为各机构提高核心竞争力、抢占市场先机的关键，成为企业从“业务驱动”向“数据驱动”转变的重要推力，为企业带来自主技术研究与产品研发的新契机。

2 大数据时代的企业协同创新问题

过去在我国的企业信息化建设过程中，不同行业之间的系统与数据几乎没有交集，同一行业，比如交通、社保系统内部等，也是按行政领域进行划分建设，跨区域的信息交互和协同非常困难。甚至在同一单位内，比如一些医院的信息系统建设，病例管理、病床信息、药品管理等子系统都是分离建设的，没有实现信息共享和互通。继2008年金融危机以来，传统行业各项指标就一直下滑，行业的同类质竞争十分严重，产能过剩，各国政府和企业家们都迫切需要创新和转型。数据创新往往首先从一个行业先行切入，待到逐渐成熟后再向关联行业渗透。如果这个行业关联和渗透的维度很多，就会得到迅猛发展。例如，阿里首先关注的是江浙一带的中小企业的商贸环节。虽然五花八门，但关联的行业和机会很多，升级也就很多，到后来发展到全国乃至全球，现在已经覆盖了几乎所有的行业和领域，甚至造成对“高大上”的金融业的冲击。

现代企业中存在各种不同的应用、各种数据格式及存储需求，但在企业之间、企业内部都存在条块分割、信息孤岛的现象，各个企业之间的数据不能实现可控的数据交换和共享，而且各个应用之间由于涉及开发技术和环境的限制对企业的数据共享也造成了障碍，阻碍了企业各个应用之间的数据交换和共享，不能满足企业在数据可控、数据管理、数据安全方面的需求。为实现跨行业跨部门的数据整合，需要制定统一的数据标准、交换接口及共享协议，这样不同行业、不同部门、不同格式的数据才能基于一个统一的基础进行访问、交换和共享。如图2所示。对于数据访问，还需要制定细致的访问权限，规定什么样的用户在什么样的场景下，可以访问什么类型的数据。在大数据及云计算时代，不同行业、企业的数据可能存放在同一平台和数据中心之上，我们需要对一些敏感信息进行保护，比如设计企业商业机密级交易信息方面的数据，虽然是依托平台来进行处理，但是除了企业自身的授权人员之外，要保证平台管理员以及其他企业都不能访问此类数据。

图2 企业统一数据平台构建图

3 构建以数据驱动的企业协同创新模式

传统创新活动主要局限在组织内部，而开放性、网络化的创新方式提供了事前设计的可能性。从社会媒体获取潜在顾客需求，以及竞争对手产品的市场表现，可以帮助组织准确制定新产品创新策略和预测市场反应。在可视化环境下，工程师可以在一个集成视图上看到整体情况，从而对产品质量的管理和完善作出更加精准的决策。针对经常性的干扰事件，如航空中的大风大雾天气、物流中的交通堵塞、生产制造中的原材料短缺等，研究消除干扰的策略和措施。互联网经济不断成熟，在线商务开始出现产业集群化迹象，表现为参与的个人和企业数量急剧增加，类型逐渐多元化，而且协同关联性强。电子商务不再只是买卖双方之间交易的简单电子化，其他行业机构如银行、物流、软件、担保、电信等也逐渐开始围绕网络客户需求进行集聚，通过互联网交织形成新产业环境，并进行更广泛的资源整合。无论是信息服务业还是传统制造业，供应链模式必须变革，在全球范围内选择供应商，建立长期、稳定、合作的双赢局势，供应链大数据将是商业决策的基础，如图3所示。

图3 基于大数据的供应链企业协同集成视图

在局部领域科技创新成本逐渐加大、消费严重下滑的形势下，依托信息数据技术进行数据协同创新的呼声日益升高，这使得数据创新有了极大的发展动力。比如，精密制造、三网融合及近来各国都在试水的第三次工业革命，将信息化与数据应用提到了空前的高度。由于我国的基础技术和基础学科底子较为薄弱，在单一学科和单一领域的科技创新难度越来越大，成本越来越高，周期越来越长，并且学科与学科之间、行业与行业之间的交流沟通不畅，思维灵活度、融合度都不足。改变这种不利局面的一个最好做法就是，以大数据的理念运用到每一个单一领域，使思维活性和市场活性充分发酵，为创新做好准备。数据能迅速将不同领域、不同行业的技术，以集成创新、模式创新和内容创新的方式落地，进而产品化和商品化，促进各领域、各行业的发展。

大数据作为继云计算、物联网之后IT产业又一次颠覆性的技术变革，对现代组织管理运作理念、组织业务流程产生着深远影响，使得组织管理决策越来越依赖于数据分析而非经验甚至直觉。大数据可以为组织带来新的价值，但其真正的价值还没有得到有效验证。在当下复杂的商业环境中企业必须能够快速响应市场需求和变化，因而越来越多的企业组织正努力收集和处理信息，要将样本数据的逻辑推理，尽可能地改为全量数据的结果预判，树立大数据的思想，把数据当成生产要素，加载到每一个环节，让每一个环节都尽可能地用全量数据而不是样本数据说话，并反馈到上一个甚至上几个环节纠正偏差，并植入互联网众包、开源、长尾的基因，致力在模式、内容、技术上实现协同创新。

4 结语

在大数据爆炸的时代，各行各业都需要首先收集汇总全行业的数据，然后通过分析挖掘其中的规律来精确地解释数据，定位模式，进行判断、决策和趋势预测，数据成为他们节约成本、提高效率、改善服务、拓展业务的关键。互联网企业一旦在平台和模式上有了突破，就极有可能迅速病毒式蔓延发展，不仅使资本和人才的投入获得巨大的收益，而且会给社会和行业带来革命性的改变。如今互联网携带者数据的基因，秉承符合自身发展的新思想，以全新的模式，向人类文明的各个方面发起了冲击。随着国家经济结构调整、产业升级的不断深化，信息处理技术的作用将日益凸显，而大数据处理技术将成为在国民经济支柱产业信息化建设中实现核心技术的弯道追赶、跟随发展、应用突破、减少绑架的最佳突破点。

［1］ 赵勇，林辉，沈寓实，等.大数据革命——理论、模式与技术创新［M］.北京：电子工业出版社，2014.

［2］ J Bughin，M Chui，J Manyika.Clouds，Big Data，and Smart Assets：Tentech－enabled Business Trends to Watch［J］.McKinsey Quarterly，2010（3）：1－14.