现有制造型企业基于大数据的商业模式创新——以中易和为例

金珺，陈俊滢，张郑熠



现有制造型企业基于大数据的商业模式创新——以中易和为例

金珺，陈俊滢，张郑熠

（浙江大学管理学院，浙江杭州，310058）

大数据催生了一大批基于数据的新创企业，同时对现有企业的商业模式产生极大的冲击，为现有制造型企业进行商业模式创新提供了可能。本文在回顾商业模式和大数据理论后，提出“基于大数据商业模式”五要素框架，并详细阐述各要素内涵。然后在此框架下，选取中易和节能技术有限公司进行案例研究，结合Hartmann的数据驱动商业模式（DDBM）矩阵，从“关键数据来源”和“关键活动”两个要素，揭示现有制造型企业如何利用大数据进行有别于新创企业的商业模式创新。

大数据；商业模式创新；现有制造型企业

一、引言

信息化的步伐急剧推动着海量数据的产生。这些呈指数级增长的数据包含着大量多样化和复杂化的信息，通过互联网、云计算、社交媒体和移动终端的应用，渗透到每一个行业和业务职能领域，改变着企业的商业环境，对企业传统的运营方式和管理方式产生极大的冲击。

Gartner研究表明，IT企业领导者普遍认为，相较于技术的可行性，数据业务的商业化更难实现[1]。探索大量新的信息流可以从根本上改变企业绩效，然而企业往往收集海量的数据却不知如何处理。为了将这些数据转换成竞争力，企业需要新的技能和管理方式[2]。换言之，大数据具备对现有的商业模式进行创造性变革的潜力，然而其创造价值的过程需要有效的商业模式支撑。因此有必要对大数据背景下的商业模式创新进行研究。

商业模式（Business Model）一词最早于1957年出现在论文中，但这个概念在当时并未引起学术界的关注。直到上世纪90年代中后期，信息和通信技术的快速发展，带动了一大批基于互联网进行模式创新而使价值急剧扩大的公司。越来越多的战略和创新领域的学者开始研究商业模式[3-8]。然而，国内外学者对商业模式的研究仍处于探索性阶段，且大数据是一个新兴领域，学术界对基于大数据的商业模式创新研究较少

本文首先对商业模式和大数据理论进行回顾。接着在文献综述的基础上提出“基于大数据商业模式”五要素框架，并详细阐述各要素内涵。然后在此框架下，选取中易和节能技术有限公司进行案例研究，并结合Hartmann的DDBM矩阵[9]，从“关键数据来源”和“关键活动”两个维度，揭示现有制造型企业如何利用大数据进行有别于新创企业的商业模式创新。最后是对本文的总结。

二、文献综述

（一）商业模式

商业模式自20世纪90年代中期开始引起商界和学术界的广泛关注，并频繁地出现在电子商务、战略和创新管理文献中。目前，学术界对于如何定义商业模式还没有达成共识，不少学者从要素视角构建分析框架，以描述企业的商业模式内涵[8,10-12]。

Chesbrough等认为，成功的商业模式能清晰地阐述企业的价值主张、细分市场、价值链结构、成本结构和盈利潜力、价值链中位置、竞争战略6大特征，并以施乐公司为例，进一步验证企业如何通过这些方面将技术潜力转化为商业价值[8]。Hedman和Kalling指出，商业模式有力地解释了企业信息系统和战略之间的关系，它应当包括客户和竞争者、价值提供、活动和组织、资源等要素[13]。Morris总结出商业模式的定义涵盖经济、运营和战略三个层面，涉及价值提供、目标市场、能力、竞争战略、收入模式和增长率这6个决策变量[14]。Johnson等强调客户价值定位、关键资源、关键流程、盈利准则是一个成功的商业模式必备的四大相互关联的组成要素，共同定义了企业如何创造和传递价值[15]。

目前，在商业模式构成框架中，最具代表性的是Osterwalder提出的“商业模式画布”，从市场提供、企业、客户和盈利模式4个方面描述企业的价值创造逻辑。市场提供即价值主张，描述的是企业提供产品和服务的内在价值；企业界面包括商业伙伴、价值创造所需的关键资源和关键业务活动；客户界面包括客户细分、价值传递依赖的渠道和客户关系；盈利模式包括保证企业有利可图的成本结构和收入流[16-17]。

通过对2001年以来被引频次500次以上的关于商业模式要素研究的文献进行分析，本研究得出价值提供、目标市场、关键资源、关键流程和盈利模式是企业商业模式最重要的五大要素（见表1）。

表1：商业模式关键要素总结

（二）大数据

作为未来学家阿尔文·托夫勒笔下的“第三次浪潮”，大数据以一种不可阻挡之势风靡全球。学术界已有研究主要围绕大数据的技术实现和经济效益两方面展开。伴随着大数据在商界的爆炸式应用，麦肯锡、IDC、Gartner、IBM等专业公司开始先于学术界研究大数据引起的管理变革。

麦肯锡全球研究院将大数据定义为“无法在一定时间内使用传统数据库对其内容进行获取、管理和处理的数据集合”[18]。未来企业间的竞争不仅仅在于如何获取更多数据，更重要的是如何有效地处理大规模数据。彻底的客户定制化服务、持续的试验以及新颖的商业模式成为企业获取和分析大数据的印记。

IT研究机构Gartner运用3个“V”，即大量化（Volume）、多样化（Variety）和快速化（Velocity），阐述大数据的内涵，强调大数据是“大量、高增长和多样化的信息资产，要求企业采用低成本、创造性的信息处理方式以提高洞察力和信息处理能力”。这个定义表明大数据不仅仅指数量大，也突出数据的种类繁多和生成速度之快，同时要求企业具备存储与处理非结构化数据的能力，从而挖掘商业机遇获取商业价值。类似地，国际数据公司（IDC）指出，大数据是一种新一代的技术和架构，具备高效率的捕捉、发现和分析能力，能够经济地从类型繁杂、数量庞大的数据中挖掘出色价值。

尽管大数据是一个新兴领域，但其体系化的商业应用已在零售、金融、互联网等行业不断涌现[19]。研究者对于大数据的认识不再局限于某个特定领域的大规模数据运用。越来越多的人意识到，数据记录现实世界的各个方面，我们面对的是涵盖各个领域的数字信息环境。

（三）大数据与商业模式创新

McAfee和Brynjolfsson对美国330家企业进行调查，结果发现，企业数据驱动的特征越明显，其财务和运营状况越好。尤其是在第三产业，使用大数据的企业的盈利能力比竞争者平均高6%[19]。IBM强调，收集、存储、处理数据只是企业的技术手段，建立大数据驱动的商业体系才能为企业创造新的利润来源[20]。

商业模式创新意味着改变要素内涵及要素间的关系。基于大数据背景，荆浩构建商业模式轮型结构，提出从价值主张、企业界面、客户界面和盈利模式四个方面变革商业模式[21]。Hartmann等在总结前人研究后，结合大数据情境，分析出关键资源和关键活动这两个关键要素下的六大特征，即免费可得数据、客户提供数据、追溯/生成数据和数据聚集、数据分析、数据生成，建立3x3“DDBM矩阵”，将样本企业归为六大类（见图1）。这是一个针对新创企业的DDBM模型，而大数据是一项重大的管理变革，不仅催生了许多基于大数据的新创企业的出现，也动摇了现有企业的价值创造逻辑。

图1： DDBM矩阵

三、基于大数据商业模式框架

为了系统地分析将数据作为关键资源的企业的商业模式，本文在回顾商业模式要素和大数据特征理论的基础上，提出基于大数据的商业模式五要素框架，包括价值主张、目标市场、关键资源、关键流程和盈利模式。

（一）价值主张

价值主张是商业模式的核心要素，它定义了企业创造何种价值[7,22]。一个成功的企业往往能为客户提供优于替代者的更高满意度的价值[15]。一些学者将高度依赖于大数据提供的服务分为两类：数据服务（Data-as-a-service）和分析服务（Analytics-as-a-service）[23]。前者是指通过与数据提供者的合作收集数据，进而向客户提供访问路径，如证券交易所向公众公开上市公司财务年报；后者则是对数据分析、追溯后生成商业情报、预测模型等信息[19]。

（二）目标市场

这个要素界定了企业竞争市场的性质和范围，即向谁提供价值，同时也确定了企业的运营环境[24]。客户的类型和地域分散性都会影响一个组织的结构、资源和销售渠道[14]。学术界、企业界对市场划分还没有形成一个统一的标准，其中最普遍的分类方法，是将目标客户划分为企业客户和个人客户，即B2B和B2C[24]。

（三）关键资源

麦肯锡全球研究院指出，数据正在成为与物质资产和人力资本相提并论的重要生产要素，大数据的使用将成为未来提高竞争力的关键要素。大多数企业也都开始意识到“数据”有可能成为其核心资产，希望通过收集和分析大数据来获取竞争优势[18]。Negash建立商务智能的数据类型/来源矩阵，将数据分为结构化和半结构化两种，并依据数据来源将数据分为内部和外部数据[25]。而Hartmann则进一步把内部数据划分为现有数据和生成数据，外部数据包括免费可得数据和客户提供数据[1]。

（四）关键流程

信息技术领域原先已经有“海量数据”、“大规模数据”等概念，但这些概念只着眼于数据规模本身，未能充分反映数据爆发背景下的数据处理与应用需求，而“大数据”这一新概念不仅指规模庞大的数据对象，也包含对这些数据对象的处理和应用活动，是数据对象、技术与应用三者的统一。大数据技术是从各种类型的大数据中，快速获得有价值信息的技术，包括数据采集、存储、管理、分析挖掘、可视化等技术及其集成。

（五）盈利模式

Johnson将企业的盈利准则定义为如何在为客户提供价值的同时也为自己创造价值的蓝图，它包括收入模式、成本结构、利润模式和资源补给率四个方面[15]。收入由产品或服务的价格和数量共同决定，其中数量又受到市场规模、购买频次以及辅助销售等影响；成本通常包括固定成本和可变成本两部分，成本结构是关键资产、经济规模等的函数；利润模式表明每笔交易需净赚多少以达到盈利目标；资源补给率则涉及生产前置时间、生产能力、资金周转率、资产利用率等变量。

四、研究方法

（一）研究策略

本文采用纵向单案例研究策略。案例的纵向研究可以更全面地了解案例背景，揭示所要研究的案例如何随着时间的变化而发生变化；单案例研究可以用于研究有代表性的典型案例，从这一案例中得到的结论有助于加深对于同类事件、事物的理解[26]。目前对基于大数据的商业模式的研究较少，且主要聚焦于新创互联网公司，而纵向单案例研究是一种重要的理论探索方法。本文运用案例研究，在“基于大数据商业模式”框架下分析现有制造型企业的商业模式，并结合Hartmann的DDBM矩阵，依据“关键数据来源”和“关键活动”两个关键要素，揭示其有别于新创企业的模式创新。

（二）案例选择

本文将中易和作为研究案例主要基于典型性的原则。主要表现在：（1）中易和是一家经历了3年快速成长期的现有企业。与新创企业不同，现有企业要实现商业模式的转变必然会变革原先的价值创造逻辑中的部分甚至全部环节，其变革前后的差异较明显和易于观察；（2）中易和是一家新型的制造型企业。在成立之初，中易和为客户提供能源控制仪器，是传统的制造型企业；而随后中易和改变了节能产业的基础设施，提供的不仅仅是硬件设备，也包括结合物联网和云计算技术的能源信息化服务，充分地体现了制造业的商业模式创新过程；（3）中易和是一家依托大数据以实现商业模式创新的企业。大数据的兴起为企业寻求新的利润来源和竞争优势提供了方向。中易和的成功转型，很好地证明了大数据是企业实现商业模式创新的重要驱动力。

（三）数据收集

本案例采用访谈和文件两种不同的证据来源，不同来源的证据相互印证，能有效地提高案例的内部效度[25]。作者首先参观案例企业的展厅，并参与由中易和中层管理者主持的企业介绍座谈会，初步了解了企业的发展历程、现有业务及未来战略规划；随后，作者主要基于上文提出的“基于大数据商业模式”五要素框架，对中易和的三位高层管理者先后进行了两次深度访谈，每次不少于2个小时，目的在于充分了解中易和的商业模式创新背景和过程；此外，本文还收集并综合分析了企业内部报告、官方网站、产品手册、企业相关新闻报道等重要资料。

五、案例企业介绍

中易和节能技术有限公司成立于2011年，是中国领先的能源信息化、建筑节能与自动化控制解决方案服务商。公司成立伊始，为政企客户提供能源控制设备，其商业模式以产品为中心，重视产品创新，专注于高精尖技术研发，信息只是一种支撑手段而非价值本身的来源。数据主要来源于客户，与数据相关的活动还停留在数据聚集这个层面。

不久，随着业务的飞速发展，企业领导者意识到传统的卖设备的模式成长空间有限，开始运用大数据和互联网思维寻求新的竞争优势，带领团队探索转型之路。现在，中易和依托物联网和云计算，为客户提供能源信息化解决方案，实现数据在节能领域的应用。公司面向市场提供“节能云终端+优能利在线平台+分析报告”三位一体的定制化节能解决方案，其商业逻辑充分体现大数据的驱动作用。

节能云终端是具备电表、水表、燃气表、热量表等各种能量表计能力的集成硬件终端，通过传感器、仪表等设备获取企业能源使用数据。这个智能化终端包含100多个控制变量，产生的数据被储存在与之相连的数据库中。

优能利全面支持APP、微信、Pad、PC等终端，是提供电量检测、用电质量、谷电利用、电费管理、单产能耗、成本分析、报警推送等全功能的能源管理平台，使能耗过程与能效成本可视化。而且，中易和重视网络化价值，通过构建优能利这个众筹平台鼓励客户共享用能信息，进行同行效能比较，以检验组织能源成本结构的有效性。

此外，中易和每年向客户提供定制化的分析报告，通过对用能模型的分析，发现与定位高能耗症结点，并给出治理方案。

六、案例分析与讨论

（一）中易和的商业模式分析

大数据的运用，使中易和突破了传统制造型企业“技术至上”的桎梏，为中易和创造了低成本和差异化竞争优势。本文将从价值提供、目标市场、关键资源、关键活动和盈利模式五要素，对案例企业的商业模式进行剖析。

价值提供：中易和提供的是基于大数据的“产品+服务”的定制化节能解决方案。传统的能源管理系统存在资金需求庞大、管理人才匮乏、信息化基础要求过高的弊端。而中易和以提高能源利用效率为核心，依托信息化与能源大数据技术，引导客户建立新颖高效的能源管理模式。集成控制设备起到最基本的能源监测作用，同时也是重要的数据收集器，记录了水、电、燃气、热量等重要用能数据。互联网和智能化设备与控制仪器相连接，成为企业能源管理的一环，改变企业能源基础设施。这是中易和价值提供的重要创新。此外，高层管理者用移动终端就可以实时查看能源数据，随时掌握企业用能，KPI纳入能源管理体系，能源运行管理机制成为闭环。

目标市场：目前，中易和的目标市场定位于需要能源信息化产品和服务的政府机构、学校和企业。国家力推低碳环保的新兴产业，鼓励企业加强能源管理、节约能源成本、发展智慧经济，优化节能产业的基础设施成为经济发展的内生要求。因此中易和的智慧能源解决方案得到政府、研究机构的大力扶持，优能利首先在政府和学校得到推行。另一方面，近年来制造业的平均利润率已下滑至3-5%，粗放的生产运营模式导致企业的能源成本过高，侵蚀了企业的大部分利润。此外，中小工业企业能源信息化普及率较低。资金、技术和运维的多方面困难，很大程度上阻碍了这部分企业应用能源管理系统。总之，节能所带来的利润空间关系到企业在竞争激烈的市场上是否可以获得立足之地。传统粗放型用能模式往往以资源环境为代价，能源消耗大，利用率低下，迫切需要借助节能控制系统寻找节能症结和解决方案。

关键资源：在中易和，数据是商业模式变革的驱动力和创造价值的关键资源。从战略管理的角度来讲，资源是任何企业获取竞争优势的来源[27]。在过去，中易和的运营以技术为导向，依赖于优质的原材料和高精尖的研发能力，向客户提供大型控制设备，是典型的以产品为中心的制造型企业。而现在，在互联网经济背景下，信息和通信技术大大降低焦点企业与其他利益相关者的沟通成本，企业可以更容易地获取有关要素市场和产品市场的信息[28]。近两年，中易和逐渐建立起一体化的服务体系，依托大数据衍生出的定制化服务成为中易和价值创造的新引擎。

关键活动：中易和提供的“节能云终端+优能利在线平台+分析报告”三位一体的定制化节能解决方案，是通过一个基于数据的业务活动系统来实现的。节能云终端作为建筑智能节能一体化控制器，精细化计量客户的用能数据，保证了能源数据的采集，是中易和数据库的主要数据来源；优能利则是一个在线数据分析和再生成平台，向客户全方位提供电量监测、用电质量、单产能耗、成本分析、同行能效对比、关注重点用能设备、节能潜力挖掘等信息；而分析报告相当于定制化的用能诊断书，基于用能模型，结合客户能耗数据，每年定期向客户在线推送用能报告，并给出治理方案。这三大基于数据的服务型产品/平台相互关联，成为中易和服务体系的重要载体。

盈利模式：中易和价值提供的转变，必然带来盈利模式的变革。在过去，中易和向客户提供大型集成节能控制设备，成本高，资金回转周期长；而现在，中易和大胆变革公司的顶层设计，不仅推出位于物理层的智能化节能控制设备以及数据采集与传输设备，并在应用层构建适合政府机构、高校、商业企业、工业企业等多领域的云计算平台，以及定制化的分析报告。一方面，智能化设备大大降低了成本，另一方面，依托互联网和云技术的数据分析服务成为新的利润中心。此外，先付款后服务的模式，使应收账款转变为预收账款，促使企业拥有更多的现金流。

（二）现有制造型企业的商业模式创新

基于上文对中易和商业模式分析，作者发现中易和的关键数据来源于政府机构、客户以及历史积累数据，而与数据相关的关键活动包括数据聚集、分析和生成，因此提出与新创企业不同的现有制造型企业的商业模式创新类型（见图2）。

图2：现有制造型企业的商业模式创新

大数据通常被称为“多元结构”数据[20]。中易和云平台囊括免费获取的、客户提供的以及追溯/生成的数据。作为提供能源信息化解决方案的创新型公司，中易和得到政府和高校的大力支持，包括政府机构统计数据和公共建筑数据的共享；中易和的节能云终端直接记录客户用能变量，这些变量通过传输设备被储存到数据库中，成为优能利在线云平台的原始数据；此外，对于中易和这家转型中的制造型企业而言，与新创企业最大的差异在于它拥有相当一部分可追溯数据。中易和在成立之前隶属于中控集团的节能事业部，经过与老客户多年的合作，已经积累了大量的数据，且出于双方的信任，中易和获取新数据的过程也变得更为便捷。

商业流程是任何一个企业和组织运行机制的核心。Zott和Amit将商业模式看作是由一系列跨焦点企业组织边界的相互依赖的活动组成的系统[29]。中易和节能云终端记录原始的客户数据并将这部分数据上传到数据库，优能利既是数据聚集也是数据分析平台，而中易和提供的分析报告则是定制化的数据生成活动。由此观之，中易和的关键流程即数据聚集、数据分析和数据生成活动，无不体现基于大数据的模式特征。

总之，相较于新创企业，现有制造型企业在运用大数据进行服务化转型的过程中，其数据来源可以更为丰富和开放，数据处理活动也愈益表现出客户定制化特点。

七、结论

学术界已有关于商业模式和大数据研究主要针对电子商务或新创企业。本文在回顾商业模式和大数据理论后，提出价值提供、目标市场、关键资源、关键活动和盈利模式五要素“基于大数据商业模式”框架，并结合现有制造型企业进行案例研究，丰富了商业模式和大数据理论。

本文还为制造型企业如何运用大数据进行商业模式创新提供了新的思路。近几年，传统制造型企业成本过高，利润普遍下滑。为了获取竞争优势，满足客户定制化需求，企业需要新的创造价值的动力。中易和基于大数据的商业模式创新很好地展现了现有制造型企业如何运用大数据思维改革企业顶层设计，打破原来以生产为中心的价值链，探索数据驱动的新型商业模式，推动制造型企业转型升级，为制造业服务化提供借鉴。

[1] KART L,HEUDECKER N,BUYTENDIJK F.Survey analysis:Big data adoption in 2013 shows substance behind the hype[EB/OL].(2013-09-13)[2014-10-25].https://www.gartner.com/doc/2589121?ref=SiteSearch&sthkw=big%20data&fnl=search.

[2] MCAFEE A,BRYNJOLFSSON E.Big data:The management revolution[J].Harvard Business Review,2012(9):59-68.

[3] 欧阳峰.商业模式创新研究的演化路径与展望[J].科技管理研究,2010(12):12-16.

[4] ZOTT C,AMIT R,MASSA L.The business model:Recent developments and future research[J].Journal of Management,2011,37(4):1019-1042.

[5] WEILL P,MALONE T W,APEL T G.The business models investors prefer[J].MIT Sloan Management Review,2011,52(4):17.

[6] BURKHART T,KRUMEICH J,WERTH D,et al.Analyzing the business model concept-a comprehensive classification of literature[C].Giardini Naxos:Proceedings of the International Conference on Information Systems(ICIS 2011),2011:12.

[7] AMIT R,ZOTT C.Value creation in e-business[J]Strategic Management Journal,2001,22:493-520.

[8] CHESBROUGH H,ROSENBLOOM R S.The role of business model in capturing value from innovation:evidence from Xerox Corporation’s technology spin-off companies[J].Industrial and Corporate Change,2002,11(3):529-555.

[9] HARTMANN P M,ZAKI M,FELDMANN N.Big data for big business?A taxonomy of data-driven business models used by startup firms[EB/OL].(2014-03-26)[2015-01-12].http://www.linkedin.com/groups/Big-Data-Big-Business-Taxonomy-

152247.S.5854538328392638466.

[10] TEECE D J.Business models,business strategy and innovation[J].Long Range Planning,2010,43:172-194.

[11] AL-DEBEI M,AVISON D.Developing a unified framework of the business model concept[J].European Journal of Information Systems,2010,19(3):359-376.

[12] CHESBROUGH H.Business model innovation: it’s not just about technology anymore[J].Strategy & Leadership,2007,35(6):12-17.

[13] HEDMANN J,KALLING T.The business model concep:theoretical underpinnings and empirical illustrations[J].European Journal of Information Systems,2003(12):49-59.

[14] MORRIS M,SCHINDEHUTTE M.The entrepreneur’s business model:toward a unified perspective[J].Journal of Business Research,2005,58:726-735.

[15] JOHNSON M W,CHRISTENSEN C M,KAGERMANN H.Reinventing your business model[J].Harvard Business Review,2008(12):58-68.

[16] OSTERWALDER A.The business model ontology-a proposition in a design science approach[D].Lausanne:University of Lausanne,2004:173.

[17] OSTERWALDER A,PIGNEUR Y,TUCCI C L.Clarifying business models:origins,Present,and future of the concept[J].Communications of the Association for Information System,2005,16(1):1-25.

[18] BROWN B,CHUI M,MANYIKA J.Are you ready for the era of ‘big data’?[J].McKinsey Quarterly,2011(11):1-12.

[19] MCAFEE A,BRYNJOLFSSON E.Big data:the management revolution[J].­Harvard Business Review,2012(10):60-68.

[20] DEVLIN B,ROGERS S,MYERS J.Big data comes of age[EB/OL].(2012-11-01)[2014-12-11]. http://www.enterprisemanagement.com/research/asset.php/2409/Big-Data-Comes-of-Age.

[21] 荆浩.大数据时代商业模式创新研究[J].科技进步与对策,2014,31(7):15-19.

[22] ZOTT C,AMIT R.The fit between product market strategy and business model:implications for firm performance[J]. Strategic Management Journal,2008(29):1-26.

[23] CHEN Y,KREULEN J,CAMPBELL M,et al.Analytics ecosystem transformation:a force for business model innovation [C].San Jose,CA:SRII Global Conference,2011:11–20.

[24] ZOTT C, AMIT R.Business model design:an activity system perspective[J].Long Range Planning,2010,43(2):216-226.

[25] NEGASH S.Business intelligence[J].Communications of the Association for Information Systems,2004,13:177-195.

[26] YIN R K.案例研究:设计与方法[M].重庆:重庆大学出版社,2010:52-55.

[27] WERNERFELT B.A resource-based view of the firm[J].Strategic Management Journal,1984,5(2):171-180.

[28] ZOTT C,AMIT R.Business model design and the performance of entrepreneurial firms[J].Organization Science,2007,18(2):181-199.

[29] ZOTT C,AMIT R.Design your future business model:An activity system perspective[J].Elsevier,2010,43:216-210.

Business Model Innovation of Existing Manufacturing Firms based on Big Data: Take Excenergy as an Example

JIN JUN, CHEN JUNYING, ZHANG ZHENGYI

Big data has not only given rise to a large number of data-based start-up firms, but also brought massive impact on the business models of existing firms, which makes the innovation of existing firms’ business model possible. After reviewing the theory of business model and big data, this paper proposes a five-element framework of “a business model based on big data” and then elaborates the connotation of each element. Furthermore, under such a framework, this paper takes Excenergy as an example, analyzes its key data sources and key activities and finally reveals how existing manufacturing firms upgrade their business models in a way different from that of start-up firms with the help of Hartmann’s data-driven business model (DDBM) matrix.

Big Data; Business Model; Existing Manufacturing Firm

F272.3

A

1008-472X(2015)03-0016-08

2015-01-19

国家自然科学基金资助项目（71172111，71232013）

金 珺（1973-），女，浙江杭州人，副教授，博士生导师，研究方向：开放式创新，技术追赶，研发全球化；

陈俊滢（1989-），女，浙江诸暨人，硕士研究生，研究方向：技术创新。

本文推荐专家：

周伟华，浙江大学管理学院，教授，研究方向：物流管理、运营管理。

杜健，浙江大学管理学院，副教授，研究方向：技术创新管理，海外投资战略。