工业大数据背景下企业实现数字化转型的案例研究

（暨南大学 管理学院，广东 广州510632）

一、引言

随着工业4.0、工业互联网、“中国制造2025”等国家战略的推进，世界各主要经济体争相利用新一代信息技术改造传统制造业[1]。尤其是以传感器技术、RFID 标签、嵌入式系统技术和微机电系统MEMS（Micro Electro Mechanical System）为代表的核心技术，能够对设备物联数据、生产经营业务数据、外部互联网数据进行自动化采集、存储、分析与可视化，实现了工业化数据与自动化数据的两化融合，融入了更多来自产业链上下游以及跨界的数据[2]。工业大数据逐渐成为智能工业化高级形态中最核心的生产资源[3]，它可以有效地驱动企业内部实现个性化定制、智能化生产，企业与企业之间实现网络化协同，对组织产生颠覆性的影响[4]。探索如何利用工业大数据促进传统企业实现转型升级关系到国计民生。在第四次工业革命席卷全球的背景下，充分挖掘工业大数据的潜在价值，促进传统企业发展，具有很强的实践价值。

在理论层面，Kusiak 发表于Nature的文章明确指出，工业大数据是实现智能制造的重要资源，然而已有的研究十分匮乏，亟需对工业大数据进行深入探索[5]。虽然大数据驱动的研究范式已经成为重要研究议题[6],如在社交媒体[7]、商务智能[8]、企业创新能力[9]等方面有关大数据的研究不断增多，但工业大数据的研究尚不多见，且已有的研究大多侧重于技术层面，尚未解释如何有效利用工业大数据提高生产效率、创造价值，其管理理论支撑不足，难以为实践提供切实可行的建议。鉴于此，本文引入示能性—实现（affordanceactualization,A-A）作为新的理论视角[10]，打开工业大数据实现潜在价值的机制。示能性—实现是信息系统（information system,IS）与组织行为领域的重要理论[11]，它在国际主流期刊已形成日益丰富的研究成果，非常适合用于探索新兴技术，如区块链[12]、社交媒体[13]、电子健康档案（EHR）[14]等对组织的影响。实现工业大数据潜在价值的过程即为工业大数据示能性实现的过程。因此，本文将研究问题分为两部分：工业大数据为组织提供的示能性是什么，组织如何实现工业大数据的这些示能性。

基于上述问题，本文采用案例研究的方法，构建工业大数据的“示能性—实现”理论框架，探讨工业大数据实现其潜在价值的机制。本研究具有重要的理论与实践价值：首先，基于示能性—实现的全新视角，打开了工业大数据由潜在可能性到实现组织目标的过程机制，依据数字经济时代特征提出数字化示能性的逻辑框架，从而丰富了大数据驱动的管理理论研究；其次，国内学者对技术示能性的研究尚不多见，本文通过案例探索，提出工业大数据的三种示能性以及实现过程，辨识前沿研究主题，丰富了技术示能性的研究成果，扩展了示能性研究的地理边界；最后，本文提出了工业大数据实现价值的具体行为，为企业实施数字化转型战略提供指导，也为传统制造业利用数据实现智能制造提供实践启示。

二、文献综述与研究框架

（一）示能性—实现理论

在管理信息系统领域，技术示能性（technology affordances）是指以目标为导向的行为主体利用技术工具采取行为的可能性[15]，它产生于主体对技术客观功能属性的感知。这一概念有效地融合了社会构建主义和技术决定论，显示了一种关系属性，不同的个体基于其内在的认知模式、行为能力、习惯等因素，对同一技术工具可能会形成不同的示能性[16]。示能性不仅可以用于个体层面的研究，也可以用于组织层面的研究。组织示能性是指在组织目标的指引下，组织利用技术工具实现潜在行为的可能性[17],如Strong 等分析了电子健康系统在组织层面的示能性以及实践活动[14]，Du和Pan分析了区块链技术对组织的潜在影响以及行为过程[12]。本文也关注组织层面的示能性，即技术工具为组织提供的潜在行为，以及产生于技术工具和组织之间的动态关系。

实现示能性的过程是指行为主体基于感知到的示能性，利用信息技术采取的有助于实现预期目标的行为[14]。这一过程是在目标的指引下，不断迭代的过程[18-19]。示能性作为潜在行为，是内在感知，而实际行为结果可能会偏离预期认知。因此，Strong 等提出了示能性—实现的理论视角，将示能性的实现定义为“行为主体为了完成组织目标利用技术工具的示能性实现具体结果的行为”[14]，Du在此基础上将示能性实现提炼概括为“行为主体利用技术工具采取的以目标为导向的行为结果”[12]。示能性实现对组织的影响可分为两种，短期内的影响表现为具体业务实践结果，长期内会影响组织战略目标[14]。技术示能性实现的结果为新示能性奠定基础，如此循环往复，形成动态反馈，促进技术工具和行为实践协同演化，直至完成组织变革。

示能性—实现这一视角之所以备受IS 学者重视有两方面原因：一方面是因为示能性既重视信息技术的物理属性，也强调用户的主体属性，关注的是行为主体和技术工具二者之间的关系，而已有IS 采纳和使用的研究大多只关注人的心理、认知和行为，忽略了信息技术的性能要素[20]；另一方面在于示能性是一种可能性行为，为具体实践活动指明方向，但落实到实际情景可能受各种因素的制约，主体不一定会实现示能性，这一视角有效地区分了潜在行为、实现过程、完成结果。

（二）工业大数据驱动的数字化转型

近年来，随着智能产品和设备的广泛普及，生产装备、感知设备、联网终端，包括生产者本身都在源源不断地产生数据，这些数据将会渗透到产品设计、建模、工艺、维护等全生命周期，企业的生产、运营、管理、服务等各个环节，以及供应商、合作伙伴、客户等全价值链，并将成为智能制造的基石[21]。与此同时，物联网、5G、人工智能、数字孪生等科技的爆发性发展带来了算力和算法的巨大进步，三者的日益融合逐渐形成了以“数据+算力+算法”为核心的智能制造技术体系。在此背景下，工业大数据成为新的生产要素，也成为推动传统制造业实现智能制造的重要决策依据，传统决策正在变为基于数据分析的决策。

然而，“数据+算力+算法”重构的数字经济时代的运营管理模式，已不同于IT 时代。首先，工业大数据已成为工业领域最重要的生产要素[22]。在IT 时代工业数据的收集和分析来自PC 端ERP、财务、HR 等流程系统，但不同系统之间相互割裂，数据只能在系统内流转。工业从数据到大数据，最大的变化是实现了数据的两化融合，将工业化数据与自动化数据叠加，融入了更多来自产业链上下游以及跨界的数据[23]。物联网的关键技术，如传感器技术、RFID 标签和嵌入式系统技术等，将所有物品通过网络链接起来，通过万物互联使收集的数据日益增多。其次，以云计算、边缘计算为代表的计算技术，为高效、准确地分析大量数据提供了有力支撑。最后，以人工智能、机理模型等为代表的算法技术帮助智能制造发现规律并为数字化运营提供决策支持。与此同时，以5G、TSN（Time Sensitive Network）为代表的新一代通信技术的网络集成，凭借其高速度、广覆盖、低时延等特点将“数据+算力+算法”三大要素紧密地连接起来，让它们协同作业，发挥出巨大的价值。这些现实背景凸显了在数字经济时代有效利用工业大数据的重要性。

中国历经改革开放40年的默默耕耘，逐渐建立了比较完整的工业体系[24]，新一代信息技术为中国企业转型升级提供了可靠的智能技术支撑，而与机遇相伴而行的是管理实践面临巨大挑战。以工业大数据为驱动的新工业革命从根本上动摇了中国的比较劳动成本优势，传统制造业面临着最为严峻的挑战[25]。首先，美、德、日、英等国纷纷推出“再工业化”战略，争夺高端制造业在全球价值链的绝对竞争位势，而一些发展中国家以更为低廉的人口、资源要素参与全球制造业再分工，发达国家和发展中国家同时形成双重冲击[26]。其次，长期以来中国制造业处于产业链末端，工业基础技术薄弱，高端制造业比较滞后，缺乏自主研发的关键工业技术，高新技术产业依然受制于人[2]。再次，国内劳动力、生产资源等价格不断上涨，人口红利消失，经济增长速度显著下降，企业面临市场需求疲软和产能过剩的巨大生存压力，改变依靠高要素投入形成的粗放式增长，利用信息技术优化资源配置、实现供给侧改革迫在眉睫[4]。最后，中国是制造业大国，工业体系门类齐全、规模庞大，传统制造业转型使工业大数据呈爆发式增长，海量的工业数据为处于工业2.0、工业3.0 阶段的中小企业实现数字化转型提供了可能性，但当前对工业大数据的应用尚处于起步阶段，犹如冰山一角。因此，在新一代工业革命席卷全球的背景下，探讨如何充分利用工业大数据促进传统企业转型升级是十分迫切的现实问题，具有很强的实践价值。

鉴于已有理论与企业管理实践之间的不接轨，本文以技术示能性—实现为研究视角，以求建立有效利用工业大数据促进传统企业实现数字化转型更有解释力的研究框架。

（三）研究框架

综上，工业大数据自2012年由美国通用电气公司（GE）提出以后，在过去几年中备受各界关注，被视为推动传统制造业实现数字化转型升级的核心资源，但鲜有文献关注如何利用工业大数据的内在机制。而示能性—实现作为新的理论视角，解释了信息技术为行为主体提供的潜在可能性行为以及有效实现预期目标的动态循环过程，近几年在管理信息系统领域备受关注，已经成为分析信息技术与信息系统实现组织变革的重要理论依据，如Robey[27]、Dong-Hee Shin[28]、Erkko 等[29]、Leidner 等[30]、Tim[31]的研究。技术示能性将潜在行为、实际行为和行为结果进行区分，有助于更清晰地了解信息技术对组织的影响，掌握信息技术采纳、使用的成功与失败因素，阐明了如何更有效地利用信息技术促进组织转型升级。因此，本文将示能性-实现作为理论基础，从示能性、实践行为和实现结果三方面着手，探索组织利用工业大数据提高效率、获得成长的过程路径，并提出工业大数据驱动的数字化示能性—实现模型，对数字化管理研究范式做出补充和发展。本文的理论框架如图1所示。

图1 研究分析框架

三、研究方法

本文采用探索性单案例研究的方法。主要考虑到以下三个方面。第一，本文的研究问题关注“如何（how）”的问题，需要构建利用工业大数据的过程模型，案例研究比较适合[32]。第二，本文关注数字经济时代的核心生产要素，工业大数据资源实现潜在价值的过程，已有文献相对比较少，故而需要采用探索性案例研究方法[33]。第三，本文研究比较新的情景—工业领域与新一代信息技术结合，需要有充实的案例素材和数据，单案例更适合细致入微地分析、阐明复杂现象背后的机理[34]。

（一）样本选择

本研究案例样本选择的主要标准是：（1）企业拥有丰富的工业大数据，包括不同工业企业、多种行业在信息化过程中产生的数据等，数据具备多源异构性；（2）企业成立已经有一定时间，利用工业大数据资源形成了具备核心竞争优势的主营业务，累积了一定的经验和知识；（3）在长期的发展历程中，利用工业大数据资源进行战略转型。

本研究依据典型性原则和理论抽样的原则，选择广东中设智控科技股份有限公司（简称中设智控）为研究对象，主要原因是：（1）中设智控成立于1999年，是国内较早的工业软件企业，为工业企业提供设备资产管理软件以及综合管控服务，以设备管理为切入点帮助大中小企业实现信息化。目前为止，服务客户超过四千家工业企业，涵盖机场、港口、烟草、化工、冶金、制造等各个行业，累积各类设备技术标准数据、运行数据近五亿条。（2）中设智控利用近二十年的工业大数据先后设计和开发了十多种覆盖企业设备工程、设备资产、设备运行、设备维修的相关软件产品和服务，拥有软件著作权、专利等达200余项，以ACCM 综合服务、标准产品服务为核心，成功构建了在设备管理领域的竞争优势。（3）中设智控利用在工业大数据领域的多年经验，融合云计算、生产与设备管理、智能数据采集等先进的技术手段，成功构建了基于工业大数据的工业互联网云平台CPC2025，从软件服务提供商转型为工业互联网平台企业。2017年11月21日，中国工业互联网大会在广州举办，宣布中设智控成功入选为首批工业互联网生态服务商。2018年1月17日，中设智控与阿里云和航天云网共同启动、落实广东省内唯一的工业互联网产业示范基地，也是国家级工业互联网产业示范基地。

（二）案例背景

中设智控在1999年于广州成立，是国内较早的设备资产综合管控服务提供商，自主研发设备管理软件，成立当年就推出基于PB 技术的设备管理系统PM5.0版本，2003年成为首家在中国推出B/S 架构设备管理软件（EAM2003）的企业，代替了企业原先单纯依赖手工记录设备运行信息的方式，实现了数据录入电子化。此后，企业不断优化更新已有的产品，对EAM（Enterprise Asset Management，企业资产管理系统）系列逐年升级并推出一系列标准化的设备管理软件。设备管理软件的功能愈加丰富，涵盖采购管理、台账管理、技术标准管理以及设备运行维护等，能满足更多专业需求。

中设智控凭借在设备管控领域累积的知识和经验，业务实现多元化，从EAM 系统开发与销售逐步发展为提供包括设备资产评估评测、管理咨询、系统开发及数据服务在内的设备综合管控服务。2009年与厦门大学合作成立了资产综合管控研究所及联合实验室，率先提出企业资产综合管控的理论体系ACCM，将具体实践进行最高层次的理论抽象、凝练为标准方法论，成为其战略层面的重要支撑。基于此，业务呈现分类分级的特点：面向大型集团企业客户以定制化项目形式提供ACCM 综合服务（整体综合服务，包含系统定制和技术支持），面向中小企业客户销售标准化产品（提供信息化系统软件硬件产品）。此外，为了更好地开发新客户，企业还提供多重技术支持服务（系统开发安装以外的服务）。

经过两年的逐步探索，2016年5月18日，中设智控借助专业经验和承载近二十年的设备管理大数据资源，融合ACCM、生产与设备管理技术、智能数据采集等先进的技术手段，成功建立了一个融合“工业物联网数据采集处理平台”“工业互联网应用平台”“工业大数据分析平台” 三位一体的CPC2025 工业互联网平台，提供以生产制造服务、大数据服务、接入服务为主的三大类服务，帮助仍处于工业2.0 阶段的230万余家中小工业企业精准实现“去库存、提产能、保安全”的目标，构建了一个崭新的价值网络和生态圈。

（三）数据收集和分析策略

数据收集主要针对高管团队进行深度访谈以及现场观察，利用公司网站资料、企业内部书籍、文件等。中设智控企业多名高管为暨南大学的DBA 学生，能够为研究提供充实、可靠的资料，保证数据的相互补充和交叉验证，提高案例信度和效度。研究团队先后进行了5 次实地调查，与多位高管进行深入访谈，包括董事长、董秘、总经理等，每次访谈平均时间约为2 小时，参与研究人员包括教授、副教授、讲师、博士生、硕士生，由1 或2 人主要提问，其余人员补充提问，访谈全程录音，有3 人以上对访谈内容做详细笔记，并在访谈结束2 天内将所有录音转录为文档。访谈过程中，既根据访谈提纲有计划地提问，也即兴根据受访者的回答深入对话，尽可能收集丰富、翔实的信息。

本文遵循SPS（Structural,Pragmatic,Situational）案例研究方法[34]：（1）从网站、文档等收集企业的基本资料，为实地调研奠定基础，获得企业准入后，与董事长确定访谈时间，对访谈资料进行转录，理清工业大数据的利用情况，整理资料时遇到新问题或是不确定的方面及时与企业联系，解决疑惑；（2）完成案例分析部分，遵循SPS 路径建模范式，分析工业大数据促进企业实现数字化转型的内在过程，呈现路径模型；（3）与访谈人员通过面谈、微信、钉钉等途径进行讨论，分析案例呈现与实际情况是否契合，采纳公认度较高的结论，对有歧义的部分，再次进行分析、讨论，直至能够形成一致的见解。

四、研究发现

基于理论框架，本部分从示能性和实现来探讨工业大数据为企业创造价值的过程，并构建工业大数据驱动的数字化示能性—实现的机制模型。

（一）工业大数据提供的示能性

1.产品定制化

中设智控这一示能性基于精益生产的理念，以用户端的需求缺口为导向，满足客户真正的差异化需求，实现拉动式生产。中设智控通过分析所有的生产信息数据、设备运行数据、设备维护维修数据等工业数据发现，成千上万的大中小工业企业在机械化、自动化、智能化等方面的发展程度参差不齐，而其中任何一台设备、任何一个环节出现异常都会给企业带来损失，甚至会导致整个企业生产过程的停滞和瘫痪，对企业的经营战略及设备资产目标构成直接威胁。然而中国工业处于2.0与3.0 并存阶段，不同阶段、不同行业的企业对设备资产管理的需求不同，中设智控决定根据市场需求研发不同的设备管理软件。

2.生产服务化

生产服务化的示能性是中设智控基于工业大数据为客户提供以产品为核心的服务。它不是传统意义上售后产品服务模式，而是更注重利用全产业链、生命周期形成的大数据进行综合的数据分析与挖掘，针对全产业链各个环节的各级用户，面向其具体的活动需求提供定制化的、可以辅助其具体活动决策的信息。中设智控的管理咨询服务，将以往设备管理系统的价值链向前后两端延伸。向前，帮助客户企业明确设备管理目标、评估设备管理现状、梳理设备管理问题以及选取相应的设备管理方法，根据实际情况为企业定制化开发EAM 系统，并对使用人员进行专业化培训；向后，在企业应用产品的过程中继续为其提供设备管理数据分析服务，防患于未然，彻底帮助用户解决设备管理系统“用不好、不好用”的苦恼。

3.运营平台化

随着以智能制造为主导的第四次工业革命的发展，中设智控董事会经过多次商讨达成共识，认为现在开展工业互联网业务既符合国家的政策支持，也有利于发挥公司本身的资源优势，同时又顺应了工业发展进程的大趋势。基于公司的共同决议，中设智控决定采取“全面获取生产现场数据，数据与设备管理软件相结合”的平台布局策略，将公司由原先的工业软件企业战略转型为以工业大数据为基础的工业互联网企业，主营业务也从“向传统的资产密集型企业提供ACCM 综合服务”转变为“以中国设备门户网站为交易平台，资讯窗口、工业云服务为载体，工业大数据为轴心的中国设备资产综合服务”（总经理刘）。

（二）实现工业大数据提供的示能性

1.产品升级

在长期的项目实践中，中设智控不断自主研发一系列设备管理软件，以满足大中小工业企业不同层次的需求。1999年成立之初就推出基于PB 技术的设备管理系统PM5.0版；2003年首次在中国市场推出B/S 架构设备管理软件EAM2003；2004年自主研发产品平台EAM2004；2008年开发出中设EAM2008 系列设备资产管理软件，涵盖了20 多个行业；2010年推出面向大型集团型企业的设备资产管理平台中设EAM11g；2012年推出中设标准化设备资产管理软件产品——中设EAM2012 系列；2015年推出中设EAM2015，规划设备资产综合管控知识库。董事长曹说：“一开始中设智控为单个的企业提供设备管理系统，后来很多客户企业慢慢集团化，大概在2008年，我们根据市场需求，开发了集团化的软件系统，这种集团化设备管理软件覆盖面更广，传输回来的数据类型更加多元化、丰富化。比如，烟叶、机场、石油管道以及汽车制造，都是由单个企业的设备管理系统发展为集团化的设备管理系统，最近做的云南中烟下面两大集团公司，红塔和红云红河都是集团化设备管理系统。”

为了帮助客户实现更高的安全性、可靠性、运作效率与投资回报率，中设智控根据前期收集的工业大数据，形成两种不同的设备资产管理产品：一种是标准化平台，主要面对中小企业客户，其设备需求较为简易并且趋于同质化，为其提供可自主安装使用的标准化产品（如EAM2012、EAM2015 等产品）来满足需求；另一种是开发性平台，主要面对大型集团企业用户，为其提供定制化综合服务，即根据不同企业进行管理咨询和定制化设计，形成适应于特定情境的设备管理系统。如中石油天然气管道是全球最复杂的管道网络系统（简称“管网系统”）之一，管网系统的有效运行需要配备大量现代化高精设备，中设智控将设备资产管理融入行业的国际标准，并结合中国设备管理现状而进行研发，为石油天然气管网设备管理提供了定制化的设备管理平台。中设智控在长期实践中利用工业大数据实现了产品升级。

2.价值链升级

中设智控如今开展的ACCM（设备综合管控）综合服务模式与传统EAM 项目最大的不同便是引入了管理咨询服务，将以往设备管理系统的价值链向前后两端延伸。前端，通过管理咨询、评估评测快速定位客户设备资产管理水平，明确客户企业设备管理目标、评估设备管理现状、梳理设备管理问题，选取相应的设备管理方法，根据实际情况为企业设计相应的管理方案，以及开发与之匹配的系统；后端，继续为企业用户分析设备管理数据，防患于未然。依托于ACCM 项目，中设智控注重为客户建立完备的设备资产管控体系，打通设备管理流程的整个链条，不再单纯依靠开发设备管理系统，而是强调系统产品与客户设备资产管理现状相契合。中设智控通过工业数据分析客户需求，主营业务由原来销售设备资产管理软件变成集资产管理软件、咨询培训等服务为一体的综合管控服务，实现了链条升级。

3.商业模式升级

经过两年的初步探索，2016年中设智控凭借着专业经验和承载十多年的设备管理大数据资源，融合ACCM、生产与设备管理技术、智能数据采集等先进的技术手段，成功构建了中设智控CPC2025 工业互联网平台。其主要特性有两个：第一是以价值为引导，用发展与务实的眼光看待物联网、工业大数据与工业互联网的工具属性，从解决企业内部、外部看得见的痛点入手，帮助企业识别和解决未来“不可见”的需求与痛点；第二是打通企业经营三界，包括设备状态、生产现场与业务管理、外部商务经营、第三方分析服务，融合应用三类数据，包括企业内部数据、外部商业数据、第三方数据。

CPC2025工业互联网平台直接采用PaaS、SaaS微服务等新型架构搭建平台：通过将现有工业场景向云端迁移，构建应用服务平台，实现应用的灵活部署与调用；依托数据采集与网络互联优势构建物联管理平台，并不断提升工业数据处理能力；通过云计算、大数据运营及数据服务技术，强化工业连接及工业分析，全面获取生产现场数据和远程设备运行数据、维保数据，并通过数据与软件的结合，提供更精准的决策支持；通过平台用户汇聚其产业的上下游各环节资源，为用户提供供需对接、设计协同、制造协同、管理协同等多维度的智能化应用。CPC2025 基于个性化定制生产模式构建的工业互联网平台，实现了用户需求、设计资源与生产能力的全面对接，为客户企业提供全面的平台服务。中设智控顺应工业4.0、“中国制造2025”的潮流，从工业软件企业转为工业互联网平台企业，实现了商业模式升级。

图2 工业大数据驱动的示能性—实现模型

五、结论与讨论

（一）理论贡献

大数据驱动的管理范式在理论界和实践界已经得到广泛响应，数据也被视为驱动传统工业企业实现数字化转型的关键生产要素，但缺乏对工业大数据潜在价值的深入探讨。鉴于已有的理论缺口和新一代工业革命促进中国传统制造业转型的现实紧迫性，本文围绕“工业大数据如何实现潜在价值”这一核心问题，以中设智控为研究对象，分析工业大数据为组织提供的潜在价值和实现过程，并总结了工业大数据“示能性—实现”的理论模型（请见图2）。本文的理论贡献可归纳为两个方面。

第一，在数字化技术席卷全球的背景下，本研究为传统企业进行数字化转型提供了新的理论视角。当前，不论是德国的工业4.0、美国的“工业互联网联盟”，还是我国的“中国制造2025”，各国关注的焦点都在于利用以数据资源为代表的新生产要素，促进企业实现高质量的发展。工业大数据开启了智能制造的新时代，成为提升企业生产力、竞争力、创新能力的关键要素，如何实现工业大数据潜在价值，是全球工业转型面临的迫在眉睫的重要问题[35]。本研究引入了“示能性—实现”的理论视角，提出了一条数字化转型之路，详细阐述了工业大数据的赋能机制。首先，工业大数据作为数字经济的基础，是最重要的生产资源，为企业提高运营管理能力提供了三种潜在的可能性，即示能性，分别为产品定制化、生产服务化、运营平台化。其次，数字化示能性是潜在的，它为具体实践行为提供指引，其实现体现于组织的业务流程，包括产品、价值链、商业模式三方面。最后，数字化示能性实现形成动态反馈循环，一种业务结果的实现为新的技术示能性奠定基础，促进组织优化已有的产品服务模式和业务流程，并促进技术工具的更新换代，如此循环往复实现数字化转型。

第二，丰富和扩展了示能性—实现理论。在本体论层面，分析了数字化技术为组织提供示能性实现的过程和机理；在认识论层面，从新一代工业革命驱动传统企业实现智能化、数字化的组织情境出发探索和拓展了技术示能性的实现逻辑。一方面，Markus和Silver 正式提出信息技术的功能示能性概念仅有十余年[20]，当前的研究仍处于摸索阶段，对于信息技术的示能性以及实现的内在机理缺乏明确的认识，研究结论零散甚至冲突。例如，Strong 等认为电子健康档案的示能性是“获取和存储病人数据”“随时随地能够在线调用健康数据”，使用EHR的结果是“病人的健康数据能够获取”“数据、流程的标准化”[14]，将示能性的实现结果与技术示能性本身混淆，难以区分。本文分别从工业大数据提供的“潜在行为”“业务实践”和“实践结果”分析了示能性及其实现的过程，系统地阐述了组织利用数字科技提高业务能力和创新能力，实现高质量发展的转型路径。这也清晰地展示了示能性—实现的作用机制，按照逻辑顺序描述了企业有效利用信息技术实现预期目标的动态发展过程。另一方面，示能性及相关概念已引起国外学者的高度重视，近几年逐渐发展为管理信息系统领域的重要理论视角，但国内对该理论的研究仍较为缺乏。本文第一作者基于在新西兰坎特伯雷大学的访学经历，通过关于示能性—实现理论与国外学者进行的对话，探索了中国企业利用工业大数据的情景，不仅扩展了该理论的应用地理边界，也为我国学者开展适用于“中国制造2025”情境下的研究，构建了一套具有科学性、前瞻性、战略性的理论，促进传统企业实现信息化与工业化的深度融合，为中国企业更有效地融入全球价值链提供了借鉴建议。

（二）实践启示

中国制造业门类齐全、规模庞大，在新一代工业革命的推动下累积了大量的工业数据，但如何利用数据创造价值尚待解决。作为对这一问题的响应，本文提出了工业大数据示能性—实现的过程模型，为企业实现数字化转型提供从潜在行为到实现过程的全局视角，并剖析了其背后的路径机理，为处于不同工业化阶段的企业提供了可借鉴的成长模式。同时，本文采用探索性单案例研究的方式对工业大数据创造价值的过程进行了初步研究，为其他企业利用工业大数据提供实践启示。首先，企业必须明确示能性，即利用数据实现的战略目标，如产品升级、服务衍生以及价值链条升级等。其次，实现这些示能性需要匹配相应的实践活动，在这一实现过程中可能会偏离预期示能性，企业可以根据战略目标灵活调整实践活动。最后，组织情境对数字化示能性的实施至关重要，为了实现新兴技术的潜在价值，企业需要重视数字化战略。

（三）研究局限与展望

尽管本文解释了实现工业大数据价值的过程模型，形成了一些有价值的发现，但仍存在一些不足：首先，本文主要以中设智控为对象进行单案例分析，存在复制性局限，其他企业可能存在多种示能性及实现过程，未来有待进行多案例研究；其次，示能性的研究逐渐成为国际主流期刊的重点，但尚未引起国内学术界的重视，未来可以采用更多的研究方法检验该理论框架，如问卷调查、模拟仿真、行为实验等。