网络环境下服务科学与创新管理研究展望

华中生，魏 江,周伟华,杨 翼,章 魏

(浙江大学管理学院,浙江 杭州 310058)

1 引言

生产型经济的高度成熟和新兴信息技术的快速发展有力推动了全球产业结构重心加速向后工业化服务型经济转移，服务与创新已成为未来社会经济发展的重要支柱[1]。人类社会的经济形态已逐步进入“服务化”，形成了“服务经济”。世界银行的数据显示，发达国家的服务业产值在GDP中占比约75%，其信息服务业、金融服务业等现代服务产业的产值均已超过服务业总产值的50%以上[2]。国家统计局数据显示，2017年，服务业产值在全国GDP中占比达到51.6%，服务业已成为中国第一大产业，成为中国经济发展的新引擎。

互联网及大数据为代表的网络信息技术的广泛深入应用，推动着服务业的快速发展，服务内容和领域不断扩展，涌现出大量新兴的服务模式和服务市场[3]。20世纪30年代，服务业被英国经济学家Fisher归属于第三产业，区别于从自然界获取初级产品的第一产业(如农、林、牧、渔)以及对初级产品进行再加工的第二产业(如采掘、制造、建筑)[4]。现今，服务业正与第一第二产业不断深入融合，形成新的服务模式和业态。例如，应用物联网的农业生产，农户可以实现按客户需求种植农产品，并按其要求进行施肥、灌溉、施药、采摘、配送，以及客户要求的其他环节，从而实现按客户订单生产的定制农业模式，农业生产价值大幅增值。可见，传统农业生产环节仅仅是上述生产模式的一部分，因而不能将这种农业模式简单地划分到第一产业或第三产业。类似的例子还有企业研发与物流等服务的外包、服务型制造等。

网络环境下新的服务模式、服务业态和服务产品不仅改变了人们的生产、生活及行为方式，也改变了生产和服务资源的组织方式。传统生产型经济的发展理念是通过生产能力建设、专业分工与规模生产以降低成本，满足社会整体的一般需求。与之不同的是，服务经济时代需要有新的发展理念，即：有效服务供给能力建设和按需高效满足社会个性化需求。实现这种新的发展理念需要科学的理论与方法指导。早在2008年“服务科学”双清论坛上，郭重庆院士就提出：“服务科学是一个极具前沿意义的学科，信息技术与服务科学紧密结合必将改变世界”[5]。近十年来，人们在服务科学和创新管理领域取得了很多成果，但很多重要且基本的问题仍缺乏深入研究。

为此，本文基于互联网与大数据环境对服务科学与创新的影响分析，围绕服务科学与创新，对网络环境下服务科学与创新管理研究的关键科学问题与主要方向进行思考与总结。

2 网络环境下的服务及其特征

服务是协同创造与获取价值的服务提供商与客户的交互行为与过程[6]。“服务”概念的理解常有两个方面：一方面侧重指服务产品(产出)，与制造产出的有形产品不同，服务具有无形性、顾客参与性、不可存储性等特征；另一方面侧重服务提供(消费)的系统与过程，指以协同创造、获取客户价值为目标的交互行为及其过程。例如，星巴克不只是卖咖啡，更是提供工作、生活之外社交聚会服务的地方。表面上，星巴克在出售咖啡，但其本质则是出售与消费者共度的时光。美国肺结核病研究与治疗先驱特鲁多医生(Edward Livingston Trudeau, 1848-1915)在其位于Saranac Lake湖畔的墓志铭：“有时去治愈，经常去缓解，总是去抚慰(To cure sometimes, To relieve often, To comfort always)”不仅成为医务工作者行医之道的座右铭，也揭示了服务的真谛：服务不仅属于自然科学与社会科学(如治愈与缓解)，还涉及人文学科(如抚慰)。

网络环境下，新兴信息技术极大地便利和加速了服务提供者与客户之间(如阿里旺旺等)的交互行为与过程，加速了客户的扩散效应并增强了客户之间的紧密联系(如社交媒体等)；客户可以成为服务提供者(如视频网站的网友原创视频等)，甚至客户可以参与服务提供者的决策(如景区门票网友定价[7]等)。较之于传统服务业，网络环境下的服务模式与服务业态产生了重要变革，呈现出新的特征[8-11]：

1) 服务系统化。服务系统可以是服务流程、服务供应链，更多的是服务生态系统。服务系统中的顾客、信息主体、资源主体和环境等参与要素间形成动态的关联，从而使整个系统趋于稳定。服务系统具有明显的开放整合性特征，保证服务系统与外界存在紧密的联系，整合各种专业化服务及其相关资源。服务系统化成为服务业用以提高服务运营能力、强化知识服务管理并提供智能技术服务的关键。此外，服务系统包括多元化主体，不仅仅包括盈利组织，譬如提供原创视频的客户等。

2) 服务主导的观念。服务不再是产品的附属品。产品只是服务交付的载体，服务是生产的最终目的。人们对有形产品的技术含量及产品多功能性要求越来越高，消费者更看重的不是物质性的产品，而是售前售中售后服务。产品正在成为传递服务的载体，而伴随产品的无形服务的价值却变得越来越重要。

3) 客户行为与企业决策的交互影响。即时与移动通讯等技术使得服务交互与服务接触(连接)的模式跨越时空发生了根本性改变，服务交互与接触方式的数量大大增加且可以动态切换。各种社交媒体的综合应用等使得客户的选择与决策产生相互影响，客户(潜在客户)之间及其与服务提供者之间关系对客户行为和服务价值的影响极大。

4) 服务资源的组织与整合。强调服务资源协同地满足社会服务需求，而不是单个企业孤立地满足若干细分市场的需求。服务系统是开放系统，更进一步将顾客和企业的二元视角扩展为更为广泛复杂的服务系统网络结构。参与者通过服务交换和价值创造的逻辑组织，有效利用系统资源，增强资源流动性，从而为服务系统甚至社会共同创造价值。

可见，网络环境下的服务产生了显著变化，单独依靠某个学科或某种领域的理论与方法无法有效开展研究，需要从根本上重新审视网络环境下服务的基本科学问题。

2005年IBM正式提出服务科学管理和工程(Services Sciences Management and Engineering, SSME)的概念，认为服务科学是科学、工程和管理三个维度的结合。目前人们对服务科学研究的理论也主要来自三个相关学科(方向)：服务运作(运营)管理、服务营销和服务计算。服务运作管理主要将生产运作管理的相关理论与方法拓展到服务运作，在商业模式分析、服务流程分析、服务排程与决策优化、服务质量管理和收益管理等方面形成了系统的理论与方法，并在服务实践中有很多成功应用。服务营销提出了服务包的概念和服务主导逻辑。服务计算是从面向对象和面向构件的计算演化而来的一种分布式计算模式，通过分布在企业内部或者跨企业边界的不同商业应用系统实现快捷、灵活的无缝集成与相互协作，实现消除商业服务和信息技术服务之间鸿沟的目的。

本文认为，服务科学是对所有具有服务本质并创造价值的人类行为与活动进行研究的科学，包括洞察服务需求，揭示服务主体行为特征和服务关系的科学本质，发现服务过程与服务系统效率的关键要素及其作用规律，探索服务价值的测度方法、创造模式与传递机制。

3 网络环境对服务科学与创新管理研究的影响

互联网和大数据作为一类战略性人造资源，正在加快融入服务供给到服务消费的全过程，变革传统的服务关系、服务流程、服务模式和服务体系，形成真正意义上的现代服务业，极其深刻地影响着服务科学与创新的发展。

(1) 大数据推动服务研究科学化

网络环境下的服务强调服务主体及参与者的行为特征与服务从创造到消费的全过程。服务主体及参与者的个体及群体行为特征受环境等因素的影响巨大，其演变过程极其复杂，对相关研究带来了极大挑战。传统的管理学研究一般基于某些参数或情境假设，以模型驱动或采用调研或少量公开的数据进行分析，往往难以准确把握服务系统、服务主体及参与者的行为特征及其演变规律，得到的研究结果具有一定情境、时间与空间的局限性，也无法有效检验研究结论的正确性。

互联网大数据环境下，数据中蕴含的商业价值、科学研究价值及公共服务价值正在被人们广泛地认知。通过网络平台，可以从不同时间与空间维度精确把握服务主体与参与者的各种行为与其变化过程。服务过程中产生的大数据已不是服务系统的副产品，而已成为联系服务各个环节的关键纽带。基于纽带数据分析，有助于厘清网络平台中数据交互产生的复杂性以及数据的冗余性，进而可以根据实际需求挖掘其所蕴含的价值[12]。数据价值的挖掘有助于真实而准确地把握服务系统、服务主体与参与者的全时空行为特征及其演变规律，为服务管理科学决策提供依据，能克服传统研究范式的不足，为提高服务科学研究的准确性、有效性与科学性提供可能。

大数据分析可以为服务系统科学决策与绩效改善制定科学且切实可行的策略，可有效降低服务成本、提高服务效率，最终促进服务生产力的发展。综上，以数据为中心与以计算为手段的数据驱动的研究区别于传统模型研究与调查研究，正在服务管理的各个环节取代原有范式，为推动服务研究科学化提供可能。

(2) 服务价值多元化

传统的商业研究与产业发展侧重短期与长期的经济利益，其价值观点立足于消费者与生产者，认定企业是价值创造者，顾客是价值破坏者[13]。网络环境下，商业经济活动已从以制造为中心转向以服务和创新为中心，企业商务管理与决策实践日益向技术融合与企业内外部融合发展和演变，经营理念呈现顾客价值至上的服务型特征。在此背景下，企业提供产品和服务的过程与消费者使用接受产品和服务的过程紧密结合，彼此密切交互，企业内外部活动及其与用户交互产生的数据日益成为其发展和创造价值的关键资源。从这一点来看，用户成为其价值共创的参与者和重要资源，企业必须与用户的价值形成有效融合，才能实现价值共创。

有学者从服务科学的角度指出，服务型制造的目标就是价值网络中新的价值创造和竞争力的打造[14]。这一观点不仅适应于服务型制造，也适应于其它类别的服务。服务的创造、供给及服务过程的实现依赖于用户的有效参与及服务系统各个组成部分的协同与完美融合，最终形成协同融合的服务生态系统。唯如此，才能真正提高服务系统的竞争力。数据驱动的研究不仅能有效区分客户群体，挖掘用户需求，还能识别影响服务生态系统结构、形成与演变的关键环节和要素，有助于有效整合资源，促进服务生态系统的可持续发展。基于这一点，服务系统的价值共创也包括服务系统各主体协同融合的多主体价值共创。

因此，网络环境下服务系统中的消费者和生产者之间区别逐步消除，顾客在生产消费过程中的价值体现由价值破坏者转变为价值创造的参与者，体现了价值观念的转型。服务科学与创新研究中要体现这种价值转型，不再仅仅表现为以企业产品制造的经济利益为目标，还要转向整合资源与多实体参与的价值共创。

(3)新服务与新服务模式不断形成

互联网与大数据技术的发展与应用不断地改变人们的生产与活动行为，个人(用户)在生产、消费等活动中的主体地位将日益明确与显现，催生了服务与服务模式的创新。服务模式指服务型企业在提供服务的过程中采取的不同模式。互联网与大数据技术等新一代信息技术推动很多服务行业的服务模式发生了改变，触发了很多服务创新，主要体现下列几个方面。

1)用户行为方式变化，服务需求差异化明显

新信息技术广泛而深入的应用潜移默化地改变了思维方式以及传统观念，影响人们的生产和生活方式。例如，电商平台改变了人们的购物方式，共享单车和滴滴平台等改变了人们的出行行为与出行方式，微信支付和支付宝改变了人们的交易支付方式等。借助网络平台和大数据技术，可以精确地捕捉用户(个体)与群体行为及其变化过程，进而可以精准地实现用户分类，把握不同时空与渠道的用户需求，兼顾线上与线下的差异性、个性化与实时性，形成线上与线下的有效融合，进一步促进服务及服务模式的创新。

2)客户之间关系的改变

即时移动通讯等技术使得服务交互与服务接触的模式发生了根本性改变。服务交互与接触方式众多且可以动态切换，顾客与顾客通过信息交互打破了独立不相关，产生了连结，成为互相信任、彼此依赖的各种客户群体，其行为与选择将直接影响服务需求、供给与实现的过程与方式，最终影响服务产品与模式的创新与实现。例如，滴滴拼车与团购就是客户间有效交互完成服务的典型实例。

3)客户与企业关系的改变

互联网与大数据环境下，客户成为企业一种重要资源。客户个体及群体可直接与企业形成交互，企业和顾客的价值关系从传统的买卖双方转变为信息资源共享者、利益相关者和风险共承者；同时双方的信息交互有利于实现价值共创，推动服务产品与模式的创新及服务绩效的改善。例如，顾客在线评论、客户行为的大数据分析有助于企业调整服务与经营策略，改善服务质量等。

4)服务资源组织方式的改变

网络环境下的服务资源组织与协调即对传统资源、非传统资源以及服务特有资源的获取、组织、协调与优化。互联网与大数据的应用有助于企业挖掘影响服务产品与模式创新的关键环节、要素和资源，实现服务资源的动态组织及网络化组织，以实现服务系统的多组织/个体的协同服务创新、供给与实现。资源组织方式的改变，最终推动服务产品与模式的创新，如众筹、众包、共享经济等就是通过资源组织方式改变形成的新服务模式。

4 服务科学与创新管理的重要研究方向

当前，中国经济正处在一个大转折、大变革的时代。一方面，我国逐步向服务经济转型。现代服务业，尤其是创新驱动的高附加值的服务业发展，将是我国经济健康持续增长的重要动力源泉。另一方面，我国加速迈入老龄化社会，开放二胎催生出生活、健康、医疗与公共服务等巨大服务需求。这些变化既是我国社会经济发展的一大挑战，也是一个重要的机遇。

面向我国经济转型和社会发展中重大需求，结合互联网和大数据等新兴信息技术快速发展对现代服务业带来的机遇与挑战，网络环境下的服务科学与创新管理问题的未来研究将涉及关键基本科学问题及服务创新管理两个方面展开，两者之间的关系如图1所示。

图1揭示了网络环境下服务科学与创新管理研究的方向,主要包括服务科学的基本科学问题及创新管理研究两个方面。其中，服务科学的基本科学问题是服务管理与服务创新的基础，涉及服务价值的内涵与度量、服务资源要素及其价值生成与服务关系的界定与形成；在此基本科学问题研究的基础上，通过运作与管理，才能有效实现服务创新，其主要问题包括服务生态系统的形成与演化、服务资源要素组织与协调、服务关联与融合、社会服务运作管理四个方面。

图1 服务科学与创新管理研究未来研究主题

服务价值度量及服务资源要素及其价值形成是服务关系建立的前提与基础，基于特定服务，确立特定价值才能明确相应的服务关系。在明确基本科学问题的基础上，基于特定服务价值，首先关联并融合各种服务主体，构建服务生态系统，才能基于特定服务进行服务资源要素的组织与协调进行服务创造与实现；服务的关联与融合是指面向特定需求的各种服务的关联与融合，是服务生态系统形成与服务资源组织研究的演化与发展；各种服务生态系统的关联与融合，最终形成特定的或综合的社会服务生态系统，社会服务运作管理应运而生。

(1) 服务科学研究的基本科学问题

1)服务价值的内涵与度量

“价值”一词在人们日常生活和学术研究中被普遍使用，但内涵往往各不相同。本质上，“价值”是一个哲学概念。我国学者将价值定义为：客体的存在、属性及其变化同主体的结构、需要和能力是否相符合、相一致或相接近的关系[15]。价值主要包括两个层面：事物的外在价值，即事物对于人的价值，可以通过客体满足主体需要的效用来界定；事物的内在价值，即衡量同类事物之间孰贵孰贱、孰高孰低的标准，因不同需要之间包含与被包含关系复杂而衡量方法需具体问题具体分析[16]。类似地，社会科学认为价值是事物对于人类社会的生存与发展的影响程度[17]。

服务经济时代，服务价值的内涵需要重新界定。德勤公司认为其服务的价值是给客户带来的价值增值而非服务的成本。新一代信息技术的应用使得人与人之间联系广泛并形成复杂高维的关系网络。人们的活动更多地具有社会性特征，经济性特征可能只是从属于其社会性的辅助特征。例如，创客空间中创意提供者关注其创意的经济价值，但可能更关注其创意的新颖性及他人的认可度。社区志愿者的助老服务活动，是志愿者自身价值观驱使的一种公益、非盈利活动。不能单从服务的提供者与客户之间的二元关系来描述服务价值，主要原因有：

a) 服务的提供者是差异化的，可以是专业的盈利性企业，也可能是专业的非盈利机构；可以是一个正式的组织，也可以是一个非正式组织、一个边界不明确的群体(如众包服务)或者是一个未曾谋面的人。差异化的服务提供者具有差异化的目标，往往不能用一个维度去衡量其所提供服务的价值。

b) 客户需求的满足往往难以仅仅通过金钱或者交易的方式实现。根据马斯洛的需求层级论，人的生活与安全需要的满足可以主要通过金钱满足，但权力、自尊、自我实现的需要往往难以通过金钱满足。在服务经济时代，人们的社会经济活动可以是一种包含各种需要实现的全景式活动，单纯从经济价值的角度(金钱、交易等)认识服务的价值，是显然不够的。

c) 即使服务提供者和客户都只关注服务对各自的经济价值，关注的方式与方法也有很多不同。从时间的维度看，服务价值很难在任何一个或多个给定的财务周期上去衡量。网络环境下众多复杂的商业模式决定了服务提供者与客户之间的二元关系无法描述服务价值，例如搜索引擎平台等多方平台服务模式中有两个以上二元服务关系相互影响(搜索内容服务与广告服务)，其中搜索内容服务关注客户搜索需求的准确匹配，而广告服务是在搜索客户需求把握的基础上进行有针对性的产品与服务推荐。可见，广告服务的价值不能只从广告本身去衡量，还需要考虑其与搜索服务关联性。

综上，随着服务价值内涵的变化，服务价值的度量与测量方法也需要同时改变，涉及的主要问题包括：单项服务价值度量方法与关联服务价值的度量方法，单周期静态价值的度量与多周期动态价值的度量，经济价值也有社会福利角度的非经济价值的度量等。服务价值度量方法的研究是服务科学的基础科学问题，唯有合理地度量服务价值，才能科学有效地为服务管理与服务系统中服务运作管理决策提供科学的研究基础。

2)服务资源的要素及其价值生成

经济学中，资源定义为生产过程中所使用的投入要素[18]。根据这一定义，服务资源是服务形成过程的要素。因此，网络环境下的服务资源不仅包括人(服务提供者与客户均参与服务价值共创过程)、财(资金)、物(设备、设施、原材料等)传统资源，还包括数据、信息和知识等非传统资源。其中，数据资源指设备与物品的状态参数、客户需求参数记录等；信息资源指通过组织、加工数据而获得的描述与判断；知识资源是可以反复利用的、建立在知识基础之上的、可以给社会带来财富增长的一类资源的总称，包括事实、原理、技能知识和人际知识。

网络环境下的服务资源除了其构成要素更为丰富之外，还有两方面重要的不同点：

a) 资源的数量规模要求不断降低。网络环境下的共享、众筹、众包等服务模式可以有效集成单体数量少的资源形成规模化并发挥其价值。网络环境下资源集成利用的成本不断变低，并且在满足社会个性化需求方面与规模大的同种资源相比更显优势。

b) 越来越广泛的资源所有权与使用权分离。网络环境下，资源所有权与使用权的分离体现越来越广泛，如共享单车、共享宝马汽车、以及数据资源(电子商务平台容许第三方利用技术手段和契约得到数据的部分使用权)等。广泛的资源所有权与使用权分离不仅催生了越来越多的商业模式创新，形成越来越复杂的服务网络，而且改变了人们对服务资源属性与作用的认知。

上述服务资源的构成要素与独特性及其认知的改变，改变了服务资源的构成要素的所有权与使用权关系及作用，将影响服务网络构造及其价值的创造过程。如何合理地挖掘与管理服务资源要素，要素之间的关联关系，衡量要素的质量与价值，合理管理服务资源要素的所有权与使用权等，是服务资源组织与价值创造的前提，也是服务科学研究的基础科学问题。

3)服务关系的界定与形成

关于“服务关系”，人们往往沿用其它学科领域对关系的理解。例如，在物流与供应链管理领域，人们研究过物流节点之间的联通关系，供应链成员间不同形式的关系[19]，如战略合作关系、一般合作关系等；在人力资源管理领域，人们也研究过各种不同形式的人际关系[20]；在网络、人口迁移与传染病模型中，关系被定义为节点之间路径连接或者身体接触[21]。

实际上，服务关系具有与已有关系概念不同的内涵与特点。服务关系是服务提供者与客户之间以满足客户需求为目标、带有契约约束(或一致预期的约定)的联系。可见，服务关系不是两个主体之间简单的通讯联系或者某种具体的业务或者活动关联。由于客户的服务需求具有场景性、非理性、时间上的因承性，服务关系包括自然属性与社会属性，是服务提供者的人格化代表与客户之间非对抗性社会关系，涉及人际关系、经济关系和法律关系等多个维度，而不同维度之间是相互嵌套、相互影响、相互制约的。

基于上述服务关系概念的定义，可以概括出对服务关系的几点基本认识：

a) 服务关系是服务创新和服务个性化与服务差异化的来源；

b) 服务过程中各种服务活动的实施是建立良好服务关系的基础；

c) 长期服务关系有利于根据顾客需求进行服务改善；

d) 主体间(服务提供者与客户)各种关系最终通过服务关系发生作用。

任何服务的实现都依赖于服务系统中各主体间的协作，以及各主体与客户之间的关系。服务关系是服务科学研究的重要切入点与落脚点，服务关系的界定与形成是服务系统构建及服务创新的前提。如何明确主体关系，以及服务系统各主体间及其与客户间的关联服务关系，构建可持续与可信赖的服务关系，是服务关系创新的前提，是服务与服务模式创新的基础。

(2) 服务创新管理的主要研究问题

创新是创造与价值的源泉，也是经济发展的基本动力。实现创新是服务科学的根本目的，也是提高服务产出率、服务质量与服务系统的增长率与回报率的关键[10]。从服务科学视角，其创新主要基于服务价值的衡量，整合服务资源要素，创新服务关系，以此实现服务与服务模式的创新，形成新的服务业态。服务创新主要实现途径包括以下三个方面。

1) 服务生态系统的形成与演化

服务生态系统是服务的创造者、提供者、关联服务提供者以及客户共同构成的一个完整的综合服务系统，系统中各个主体紧密联系，共同实现服务由创造到实现的全过程，涉及服务资源要素的获取、服务价值创造与服务提供方式等。例如，科技服务系统中将企业孵化、科技信息咨询、科技成果转化、企业加速以及科技金融等纳入，并将各种创新创业企业与个人纳入服务系统，最终形成科技服务生态系统。服务生态系统是在特定政策与资金约束下，基于特定的规则建立的有机的整体系统。

服务生态系统从构建到运行及后续动态演化涉及一系列的科学问题：(i) 服务生态系统的构建规则。基于特定服务，首先衡量服务的价值，明确服务资源的要素及服务主体，明确服务关系，确定服务要素的获取、创造过程及提供方式，基于此才能建立科学合理的服务生态系统构建规则。(ii) 服务生态系统运行的规则，涉及服务资源的自主组织、治理机制和制度选择问题，以及服务资源获取方式、价值创造过程与机制以及服务提供方式(如机器人、基于位置服务与移动服务等)及其影响要素。(iii) 服务生态系统发展的规则，涉及基于价值网络和交易成本的产业/企业边界形成与演化规律、交叉发展的趋势与方向预测等。此外随着生态服务系统构建要成熟的过程中，伴随着服务模式与商业模式的演变，服务生态系统也在逐渐演化，其服务模式与商业模式的创新与演变规律及其影响要素也是重要的研究问题。

2) 服务资源要素的组织与协调

在构建服务生态系统的基础上，为创造服务，必须有效组织各项服务资源要素，包括：(i) 不同类别的组织资源集成与协调机制，所谓不同类别指营利与否，服务能力大小，服务质量水平高低等；(ii) 服务资源的调度与配置问题，比如医疗服务排班、预约和跨组织协调等。服务资源组织与协调即对传统资源、非传统资源以及服务特有资源的获取、组织、协调与优化。在新兴信息技术条件下，数据资源、信息资源和知识资源也成为了很重要的服务资源。与之相对应的，信息处理需要大量的计算能力和存储能力。因此，非传统资源(包括数据资源、信息资源、知识资源)、计算和存储能力的分配、组织与协调就成了一类新兴的问题。

服务资源要素的组织与协调涉及一系列科学问题：(i)服务系统中资源组织与调度、资源使用的优化组合与配置是服务系统资源管理的基本科学问题。(ii) 服务系统中多主体间的竞争与协调，服务系统中涉及服务网络中多个关联主体，各主体为完成特定服务既是相互依存的服务关系，又是独立的利益主体。主体决策往往与系统整体利益产生冲突，如何设计科学有效的协调机制，实现服务系统中多主体的完美协同是形成有竞争力的服务系统关键问题，这里涉及服务成本共担、利润共享等多种机制。(iii) 基于规则的服务资源组织与协同，服务体间的服务能力与资源存在差异性与互补性等特征，如何基于规则制定合理的主体间资源共享与互补机制成为主体间协同完成服务的关键。此外，由于基于网络平台的众多服务系统是网络化的虚拟系统，相互之间往往是任务合作制的，服务系统的组织结构是动态的、松散的，如何设计出基于任务的服务资源组织与协调机制，以及动态机制，也是一个非常重要的研究主题。

作为服务资源组织与协调的一个具体问题，这里给出一个异质数据服务资源的组织与融合示例。新兴信息技术的应用促进了在线/移动监测装置的发展。譬如国家电网为维护维修地处偏远山区的变压器，需要对变压器运行状态进行监测：现场检测或者通过远程色谱仪进行在线监测。现场检测的数据(即真实数据)可靠，但数据比较稀疏，成本高；在线监测装置收集的数据可能不太可靠，但数据规律，成本低。综合利用这两类不同的数据资源来更好地进行变压器的故障监测与预警，一个基本问题是如何判定在线监测数据的可靠性，即需要评判在线监测数据与真实数据之间的关系。

具体地，给定在线监测随机过程Xt，如何识别和度量其与实际随机过程Yt的关系？这一问题的难点在于随机过程的时间变化特征不明确，已有的方法很难解决这一问题。

假设监测和真实随机过程均为离散型随机过程，用小写字母表示其对应时刻的随机变量，即Xt={xt}，Yt={yt}。当已知监测和真实过程k阶Markov过程时，可计算下述传递熵(transfer entropy)[22]

其中∑g是∑xi+1∑xi+1L∑xi-k+1∑yiL∑yi-k+1g的缩写形式。上述传递熵可以判定真实过程Yt传递给监测过程Xt的信息交换程度，侧面反映两组随机过程的关系。此外，可以根据现有研究进行非参数检验[23]，避免传递熵估计中的维数诅咒[24]，两组随机过程双向传递综合关系的判断[25]，并推展至连续时间跳跃型随机过程[26]。但是Xiong Wanting[27]指出传递熵很难刻画非平稳随机过程之间的信息传递。因此，传递熵更多地是描述特定随机过程在一定时间段上的信息交换，很难综合判断两个随机过程整体上的信息关系，特别是在非平稳的情形下。

两组随机过程整体上的关系还可参考格兰杰因果关系(Granger Causality)和互信息(Mutual Information)、传递熵(Transfer Entropy)及其变种将随机过程当作随机变量进行关系度量。对应于上述问题，格兰杰因果关系只能用于判别监测随机变量是否对实际随机变量预测具有参加价值[28]，进行相关的非参数估计[29]或非线性估计[30]等。互信息可以用于度量两组随机变量的总体相关关系，如最大信息系数(Maximal Information Coefficient)揭示非函数关系[31]，数据间的局部互信息等[32-33]。

可以看出，现有的随机过程关系测度分别进行两组随机过程的一定时间段上关系判别，以及忽略时间变动(时序特征)进行整体关系的判别。如何对具有时序特征的两个随机过程进行相关分析，是一个极具挑战性的问题[34-35]。

3) 服务的关联与融合

互联网与大数据环境下，客户的服务需求差异化、个性化日益显著，且服务需求不断变化，很多服务的创造与实现需要多项服务之间的关联与融合。服务间的关联与融合主要三种形式：面向客户需求的专业服务关联与融合、互补异构服务的关联与融合与服务的跨界融合。

(i)专业服务面向客户需求的关联与融合

面向特定客户需求的服务需要多项关联服务协同与融合实现，如共享单车中的实时位置服务、微信支付服务、车辆投放与调度服务等，医疗生活服务中的在线支付、信息服务与医疗服务融合等。这些特定服务的关联与融合，既是特定模式的产物与需求，也能进一步促进服务与服务模式创新，以获取更大商业价值。例如，滴滴出行继出租车打车平台之后逐步推出了滴滴专车、滴滴快车、滴滴代驾、滴滴公交等新服务。

(ii)互补异构服务的关联与融合

互补异构服务关联与融合主要是指服务之间可以形成有效的补充，共同完成某种特定的服务或使得某种服务更加完善。例如，养老服务中融入医疗服务形成了医养一体化的养老服务模式。互补异构服务的关联与融合能更好地洞察客户需求与对象状态，以便提供更加个性化与人性化的服务。例如，航空公司的VIP客户服务，将客户的票务信息、出行信息、酒店信息等各种数据融合，以推荐其旅行中所需要的全方位信息服务。

(iii)服务的跨界融合

服务的跨界融合形成跨界服务正是基于信息网络技术，突破原有产业、行业/领域惯例、通过嫁接外产业/行业/领域价值或全面创新而实现价值跨越的企业/品牌行为，为客户提供集成多种服务内容的新服务。例如微信原本是一个社交平台，通过跨界已成为一个集聊天、语音、在线支付、定位、红包等服务功能于一体的综合性生活服务平台。跨界服务跨越整合多个的传统服务领域，为用户提供宽频段、高满意度的服务。

服务的关联与融合有利于推动服务与服务模式的创新，成为服务创新发展的关键，其中涉及较多的科学问题：服务资源关联融合与跨界融合机制、融合途径及服务模式融合的演化过程、服务关联与融合的影响要素，以及由此相关的服务价值度量、服务定价决策、资源组织与协调等问题。

这里以平台服务中基于价值和关系的服务定价问题为例，说明相关的研究问题与研究挑战。网络环境下客户与服务提供者之间的界限变得模糊。例如，视频网站的原创内容就可以由客户提供，该客户通过其他客户的评价获得满足感，通过视频内容的评价影响其他顾客是否购买等。类似的例子有创客空间、共享平台等。

假设平台有m个商家(或服务提供者，用上标p表示)，n个客户(用上标c表示)。客户i加入平台的效用U可表示如下：

平台的n=∑iIUi>0目标函数为：

其中，第一项为客户加入平台的收益，第二项为服务提供者加入平台的收益，第三项为平台的预计利润(佣金减去成本)，第四项平台初期投资。网络环境下，互联网平台经常通过补贴等形式抢占客户资源，平台目标函数应该是市场占有率等。

上述问题可以归属到双边定价问题。但现有双边定价的研究考虑网络外部性探讨单个平台或多个平台的定价问题[36-37]，考虑的效用函数要更为简单。借助于大数据分析，可以细化明确上述效用表达式。此外，可以考虑策略型顾客的价保型定价[38]、顾客的知情程度[39]、不同价格敏感程度[40]。还可以基于现有产品联合库存定价问题[41]、产品有效期的动态定价[42]开展平台服务资源配置协调与定价联合决策、以及考虑服务内容更新的动态定价等问题的研究。

4) 社会服务运作管理

社会服务是服务业的重要组成部分，涉及医疗卫生、教育、文体及养老等诸多公共服务行业，其形成与发展既是社会存在与发展的需求，也需要具备与之相适应的社会生态与社会管理。任何一项社会服务的创造与实现都需要多项服务的关联与融合，需要多个服务系统甚至服务生态系统的关联与交叉融合共同实现。以养老服务为例，单独依靠政府的力量难以有效满足快速增长的养老需求，需要借助社会资源。因此，首先要建立社会化养老服务的社区，涉及社区服务设施建设与人文环境建设(包括意识、理念与文化传统等)；再融合社会化养老服务的社会组织及相关资源，包括社区的政府机构、非政府组织、非盈利机构等，还有义工、社区老人等，涉及这些机构的协同与组织、义工组织、社会老人组织，以及社区服务支持与监督管理及跨社区服务资源协调等科学问题。完善的养老服务系统是一个具有完整体系的社会服务生态系统。医疗服务系统也是如此，集社区医院、公立医院、私立医院以及相关的盈利与非盈利医疗服务机构与设施于一体，利用新兴信息技术，在服务运作管理的基础上，构成一个完整的社会医疗服务生态系统。随着养老服务需求的日益变化，将医疗资源与养老服务关联，集两大社会服务生态系统于一体，利用信息技术可构建医养结合的社会服务生态系统。

社会服务生态系统的形成与有效运行需要借助社会服务运作管理来实现，实现良好的社会服务涉及社会管理的众多方面，其相关科学问题包括各种社会服务组织及服务资源的组织与协调、基础服务设施的建设管理、服务平台的建设管理、服务价值共创、服务质量管理与监督、服务定价等基本问题。除这些基本科学问题之外，社会服务运作管理实现的关键科学问题是服务能力与资源共享，相关研究涉及共享经济领域众多科学问题，是一个复杂且异常重要的科学研究领域。

5 结语

近年来，服务科学与创新受到各国政府、企业及学术界的高度重视。许多著名大学和企业陆续成立了“服务科学研究中心”，管理科学与运筹学协会INFORMS设立了专门的服务科学部门以及全文期刊Service Science。我国优选法统筹法与经济数学研究会筹建了“服务科学与运作管理”分会。在一些重要的国际学术会议中，关于服务科学与创新主题的讨论和交流日益广泛。

服务科学是研究服务的基本概念、逻辑和原理，如服务参与者行为、服务关系、服务模式及其发展规律等，是对所有具有服务本质并创造价值的人类活动进行研究的科学。任何一类服务都可以提炼出共性问题以及具有一般性的普遍规律。作为学科的研究基础，服务科学需要对服务进行“去领域化”的一般性基础科学问题的研究。另外，由于不同领域的服务之间本身差异巨大，服务科学还应当从社会经济生活中的不同服务领域出发，根据领域的差别化问题，进行分门别类的研究。众所周知，服务科学与创新的研究一般会涉及服务网络的价值共创、商业模式创新、服务质量管理、服务渠道设计、服务主体及参与者行为、服务静态与动态定价、相关的服务主体的竞争与协调以及这些主题涉及的影响要素等常见的科学问题。本文在分析网络环境下服务特征的基础上，深入探讨其对服务科学与创新的影响，从“科学”与“创新”的内涵与本质出发，重点阐述了服务科学未来研究的三个基础科学问题及服务创新管理四个重要的研究方向，这些研究既可以基于现有模型驱动和行为研究，也可以借助于网络平台与大数据技术，从数据驱动角度研究服务管理与创新的相关问题。本文提炼的研究主题旨在推动以中国实践为背景的服务科学的研究，为相关领域的研究提供参考。

[1] 刘作仪, 杜少甫. 服务科学管理与工程：一个正在兴起的领域[J]. 管理学报, 2008, 5(4): 607-615.

[2] Organization of Economic Cooperation and Development.OECD Factbook. Economic, Environmental and Social Statistics[R/OL].[2013-01-09]. http:// www.oecd-ilibrary.org/economics/oecd-factbook-2013_factbook-2013-en.

[3] 华中生. 网络环境下的平台服务及其管理问题[J]. 管理科学学报, 2013, 16(12): 1-12.

[4] Fisher A G B. The clash of progress and security[M].New York:Augustus M. Kelley,1935.

[5] 郭重庆. “服务科学”：一个极具前沿科学意义的学科[J].中国科学基金, 2008, 22(4): 217-220.

[6] 赵晓波,谢金星,张汉勤,等.展望服务科学[J].工业工程与管理, 2009, 14(1):1-4.

[7] 930老友记mp.景区票价由网友定价，靠谱吗？[EB/OL].[2018-01-04].http://www.sohu.com/a/214677374_99959951.

[8] Manyika J, Chui M, Brown B, et al. Big data: The next frontier for innovation, competition and productivity[R]. Working Paper. Mckinsey & Company. 2011.

[9] 吴晓波, 姚明明, 吴朝晖, 等. 基于价值网络视角的商业模式分类研究：以现代服务业为例[J]. 浙江大学学报(人文社会科学版), 2014, 44(2): 64-77.

[10] 魏建良, 朱庆华. 服务科学发展面临的挑战[J]. 中国科技论坛, 2008, (1): 97-101.

[11] Orliwska M E, et al.[C]//Proceedings of the First International Conference on Service-Oriented Computing (ICSOC 2003), Trento, Italy, December. 15-18, 2003.

[12] 徐宗本, 冯芷艳, 郭迅华, 等. 大数据驱动的管理与决策前沿课题[J]. 管理世界, 2014, (11): 158-163.

[13] Normann R, Ramirez R. From value chain to value constellation: designing interactive strategy[J]. Harvard Business Review, 1993, 71(4): 65-77.

[14] 霍宝峰. 服务科学将推动服务型制造的未来发展[N]. 中国经济时报, 2017-09-27(3).

[15] 费多益. 作为哲学范畴的“价值”[J]. 自然辩证法研究, 2000, 16(12): 1-6.

[16] 何祚榕. 什么是作为哲学范畴的价值[J].人文杂志，1993，(3)：17-18.

[17] 李培林,李强,马戎.社会学与中国社会[J].北京：社会科学文献出版社，2008.

[18] 彼得·蒙得尔(英)等著. 经济学解说(第三版)[M].胡代光，译.北京：经济科学出版社, 2000.

[19] Zhang Qi. Influence of relationship between supply chain members on innovation performance[J]. Open Journal of Social Sciences, 2014，(2):167-172.

[20] Sinha S, Venaik A. Effect of human resource management climate on interpersonal relations and organizational effectiveness[J]. International Journal of Research in IT and Management. 2016，(9): 61-80.

[21] Zhang Chong, Wang Bian, Lv Benfu，et al. Social network characteristics of online shopping interpersonal relationship in real and virtual communities[C]//Proceedings of the 14th International Conference on Commerce and Enterprise Computing. Huangzhou,China,Sepmber，9-11, 2012.

[22] Schreiber T. Measuring information transfer[J]. Physical Review Letters, 2000, 85(2): 461-464.

[23] Verdes P F. Assessing causality from multivariate time series[J]. Physical Review E, 2005, 72(2): 026222.

[24] Runge J, Heitzig J, Petoukhov V, et al. Escaping the curse of dimensionality in estimating multivariate transfer entropy[J].Physical Review Letters, 2012, 108(25): 25870.

[25] Spinney R E, Lizier J T, Prokopenko M. Transfer entropy in physical systems and the arrow of time[J]. Physical Review E, 2016, 94(2): 022135.

[26] Spinney R E, Prokopenko M, Lizier J T. Transfer entropy in continuous time, with applications to jump and neural spiking processes[J]. Physical Review E, 2017, 95(3): 032319.

[27] Xiong Wanting, Faes L, Ivanov P C. Entropy measures, entropy estimators, and their performance in quantifying complex dynamics: Effects of artifacts, nonstationarity, and long-range correlations[J]. Physical Review E, 2017, 95(6): 062114.

[28] Wiener N. In Modern Mathematics for Engineers, Series I, edited by E. F. Beckenham (McGraw-Hill, New York, 1956), pp. 125-139.

[29] Dhamala M, Rangarajan G, Ding Mingzhou. Estimating granger causality from fourier and wavelet transforms of time series data[J]. Physical Review Letters, 2008, 100(1): 018701.

[30] Marinazzo D, Pellicoro M, Stramaglia S. Kernel method for nonlinear granger causality[J]. Physical Review Letters, 2008, 100(14): 144103.

[31] Reshef D N, Reshef Y A, Finucane H K, et al. Detecting novel associations in large datasets[J]. Science, 2011, 334(6062): 1518-1524.

[32] Frenzel S, Pompe B. Partial mutual information for coupling analysis of multivariate time series[J]. Physical Review Letters, 2007, 99(20): 204101.

[33] Zhao Juan, Zhou Yiwei, Zhang Xiujun, et al. Part mutual information for quantifying direct associations in networks[J]. Proceedings of the National Academy of Sciences, 2016, 113(18): 5130-5135.

[34] Barnett L, Barrett A B, Seth A K. Granger causality and transfer entropy are equivalent for gaussian variables[J].Physical Review Letters, 2009, 103(23): 238701.

[35] Oizumi M, Tsuchiya N, Amari S. Unified framework for information integration based on information geometry[J]. Proceedings of the National Academy of Sciences, 2016, 113(51): 14817-14822.

[36] Armstrong M. Competition in two-sided markets[J]. The RAND Journal of Economics, 37(3): 668-691.

[37] Hagiu A. Daniel S. First-party content and coordination in two-sided markets[J]. Management Science, 2013, 59(4): 933-949.

[38] Lai Guoming, Debo L G, Sycara K. Buy now and match later: Impact of posterior price matching on profit with strategic consumers[J].Manufacturing & Service Operations Management, 2010, 12(1): 33-55.

[39] Chu L Y, Zhang Hao. Optimal preorder strategy and endogenous information control[J]. Management Science, 2011, 57(6): 1055-1077.

[40] Desiraju R, Shugan S. Strategic service pricing and yield management[J]. Journal of Marketing, 1999, 63(1):44-56.

[41] Gallego G, van Ryzin G. Optimal dynamic pricing of inventories with stochastic demand over finite horizons[J]. Management Science, 1994, 40(8): 999-1020.

[42] Li Yanzhi, Lim A, Rodrigues B. Pricing and inventory control for a perishable product[J]. Manufacturing & Service Operations Management, 2009, 11(3): 538-542.