激活数据价值的影响因素研究进展

陆 洋 王超贤

(1中国社会科学院大学，北京 100191;2 中国信息通信研究院 北京 100191)

数据已经成为数字经济时代的战略资源和关键生产要素。释放数据价值潜力成为人类发展的重要时代命题，也是各国的重要战略诉求。我国高度重视激发数据要素价值，习近平总书记指出，要发挥数据的基础资源作用和创新引擎作用。党的十九届四中全会明确数据可作为生产要素参与分配，随后中央的会议和文件进一步明确数据作为生产要素的基础和战略性地位，国家“十四五”规划详细阐述建立健全数据要素市场规则的总体部署，为加快数据要素发展、发挥数据要素资源价值指明方向。

与数据在实践中的飞速发展相比，关于数据要素价值的理论研究刚刚起步。激发数据要素价值是一个系统性的复杂问题，但并没有得到系统研究。当前，以数据要素为名的各项研究，大致可以分为几类：一是对数据要素属性的研究[1-2]；二是关于数据要素对企业决策、战略、创新及绩效等影响的研究[3-4]；三是关于数据要素市场的研究[5]。四是关于数据对宏观经济影响的研究[1，6]。这些研究都非常深入且有价值，但都是把数据作为一种资源、一种技术来进行研究，并不是从要素角度进行研究，其核心根源是缺少对作为一种要素的数据应该如何研究的总体视角和规范性分析。

本文从企业技术采纳的视角来重新理解数据价值创造问题，将数据的价值创造过程看作是企业应用数据技术以改善绩效的过程。基于这一视角，本文构建了一个组织、环境和能力的OEC分析架构，对经典文献研究成果归并整理和比较分析，在此基础上提出研究共识、差异、缺口和展望。

1 综述框架

数据要素如何才能创造价值，带来可见的经济绩效改善？这是一个需要揭开的黑箱。当把数据要素价值创造过程看作是数据技术在企业中应用带来技术改善的过程时，这不是一个全新的问题，过去的很多研究具有借鉴价值。最有影响力的是关于索洛悖论的研究。此后，经济学、管理学和信息系统理论等就信息技术能否创造价值以及如何创造价值进行了深入的分析，揭开了从技术到绩效之间的黑箱，产生了两个观点：第一，信息技术改善经济绩效的过程是一个复杂的、系统的、长期的过程，完成这一过程，需要一系列互补性资产或能力。第二，信息技术的绩效改善有“滞后效应”，只有当信息技术在企业中的渗透和应用超过一定临界水平才可能带来可见的绩效改善。其中互补资产或互补能力得到了广泛的应用和拓展，如吸收能力理论在企业竞争战略中被广泛应用。

此外是关于动态能力的研究。它原本研究的是在动态化市场环境中，企业如何利用各种资源取得竞争优势。后来学者开始将其应用到企业新技术的价值创造分析中，将其作为企业间技术利用绩效差异的决定性因素。还有学者建立了影响企业技术利用绩效的综合分析框架，以TOE分析框架最为知名。该框架从技术、组织和环境3个层面分析影响组织技术创新实施的因素，为研究企业创新及技术采纳提供了新的理论视角。

总体来看，这些理论框架缺少对数据要素价值创造过程的深入分析，但其分析方法、观点也具有借鉴价值。实际上，有很多研究者利用这些理论框架对数据要素价值创造过程进行了分析。本文结合数据要素的新特点，提出OEC分析框架，对激活数据要素价值影响因素的研究进行梳理。O(Organization)即企业组织，是企业经营活动过程中形成的一种管理结构。组织的规模、文化、结构是影响企业利用数据创造价值最直接的因素。E(Environment)指企业环境，是企业组织可能面临的各类外部因素，包括行业竞争状况、国家政策等，是影响企业数据利用的调节变量。C(Capability)是企业能力，是将组织、资产转化为竞争优势的关键来源。本文以企业吸收能力、动态能力、学习能力为重点，剖析这些不同的企业能力作为中介变量，如何影响数据要素价值化，从而导致不同水平的竞争优势和企业绩效。综上所述，本文从企业技术扩散的视角分别探究数据要素价值释放的影响因素，研究框架如图1所示。

图1 企业数据要素价值化的OEC研究框架

2 企业组织的传导作用

2.1 组织规模

企业规模可以影响企业数据项目投资和获利方式[7]。传统研究表明大企业往往在基础资源、规模经济、先发能力、分权模式和创新水平等方面具有优势。大公司可以调用的数据体量大、种类多，能够汇聚高质量的数据资源，为数据提供决策分析奠定良好基础。同时，大企业拥有先进的数字基础设施、完善的数据分析培训和更安全的数据管理等互补性资产，成为数据分析与业务融合的关键补充，形成数据分析的先发优势。

与此相反，一些研究认为企业规模对经济绩效成负向关系。较大的组织表现出更高程度的分化，如更分散的管理决策模式、更复杂的沟通形式和更大的组织惯性等，而数据要素价值充分释放要求创新、灵活、高效的组织形式。因此，小公司反而缩小了与大公司之间的资源差距，更能获利。

2.2 组织战略

大量研究指出，数据驱动的组织战略有助于企业从数据分析投资中实现商业价值。此战略文化下，企业更加重视数据分析支持的决策，管理人员的行动基于见解而非本能。Dubey等研究表明，数据文化通过制度压力能够更好地使有形资源和无形资源有效结合、合理利用，从而影响企业成本和运营绩效[8]。

总体来看，当数据思维成为一种流行的组织战略文化时，数据分析获取的知识传播、转化和利用更加高效；而在缺乏数据思维的企业中，即使充分建立大数据分析能力也很难获得价值回报。成功发展数据驱动文化的企业，在组织战略和分析决策之间建立了强有力的联系。能否做到这一点，很大程度上取决于最高管理层是否充分认识到数据分析在决策中的重要作用，并为此提供足够的资源支持。

2.3 组织结构

网络化、扁平化的企业结构有助于降低数据价值化过程中的沟通和交易成本，激发数据传递和流动的需求，提升数据要素的经济效率，从而驱动企业应用数据分析结果指导生产经营。哈佛鲍德温·卡莉丝教授等人提出镜像理论，认为技术架构必然有某种与之相对应的组织结构安排，以承载技术要素之间的相互作用关系。数据作为一种全新的生产要素，其在企业中的融合应用将受到企业组织耦合度(组织构件之间的区隔性及同一性程度)、协调(组织内部的相互作用及控制关系)和创新(组织构件之间的知识共享与升级)等多方面影响。执行数据采集、分析、管理等相关任务的参与者应具有沟通联系和解决争议的组织纽带，并且这种需求随数据在企业中的应用发展而增加。

3 企业环境的调节作用

3.1 竞争压力

竞争压力是指来自客户、供应商和竞争对手的压力，是推动企业进行信息技术升级和组织流程变革的重要因素。许多研究指出，面临竞争压力的企业越多，新技术将更容易成功采用[9]。竞争压力驱动企业激发数据要素潜力以应对外部变化。当外部竞争压力较低时，企业即使在主观上主动构筑数据资源优势，仍可能因缺乏变革动力而维持原有组织惯例流程。如果竞争对手更多采用数据分析，将激励企业管理者应用数据分析，以维护企业在市场上的竞争地位。

本质上，数据要素价值释放是一种知识资源的创造、获取与利用的过程。当面临高竞争压力时，企业将寻求通过商业洞察乃至知识创造来减少不确定性，而这一过程也将促进企业通过内、外部资源配置形成组织能力，进而建立新的知识创造惯例，最终转化为决策效率和竞争优势。

3.2 外部支持

外部支持是指来自政府、供应商或第三方的支持。如何将数据资源转化为市场竞争力，企业面临许多难题，外部支持可以有效降低企业数据采用的经济成本，有助于更好促进创新。在外部支持下，企业可以使用开源平台、培训项目等方式提高数据分析能力，尤其是对缺乏足够资源的中小企业，外部支持尤为重要。实证分析表明，中小型企业的数据分析面临复杂性和不确定性，外部支持对数据分析渗透采纳具有显著影响。

值得关注的是，政府监管不一定阻碍企业数据创新。相反，政府监管可以看作一种重要的外部支持，帮助企业应用新技术开展大数据分析。例如，政府和行业组织可以搭建公共服务平台，制定关键设备数据接口标准，加强不同设备的数据采集和互通互操作，推广各层级统一的数据交换框架，将极大推动不同领域数据标注与管理应用。

3.3 行业集中度

企业行业属性对数字化投资和后续绩效的影响越来越重要，在众多产业结构变量中，行业集中度是数据分析对企业绩效的主要调节变量。Raguseo等的研究证实了行业集中度存在负调节作用，即研究行业集中度越高，数据分析解决方案对企业盈利能力的贡献越低[7]。究其原因，竞争压力可以看作行业集中度起调节作用的中间变量，而竞争压力通常与更高的组织效率有关。行业集中度越高，企业往往具有一定的市场势力和垄断能力，构建起市场准入壁垒，行业面临较低的竞争压力。如前所述，竞争压力越弱的行业，企业数据分析和绩效改善的意愿就越低。也有学者认为[10]，市场过于集中代表行业已经进入成熟或衰退阶段，可获得的资源更少，限制了数据技术在企业中的融合渗透。

3.4 环境动态性

由于客户需求、新兴技术和市场竞争的快速变化，企业外在环境表现为不稳定性和不可预测性。动态环境中运营的组织面临更高的不确定性，相比稳定环境中的企业要更快地处理信息，激发了企业利用数据要素支撑决策的意愿。在高度动荡的环境中，企业需要应用数据分析及时快速响应变化，对于绩效呈现积极影响[11]。而正如Mikalef等人指出，环境的动态性将放大动态能力对企业的数据分析创新能力[12]。因此，在高度动态的环境中，企业需要通过强大的数据分析能力将业务目标、商业活动、合作伙伴、竞争对手等众多信息整合在一起，有助于形成商业洞察力并采取相应行动。

表1展示出OEC研究框架下企业环境的主要影响因素，以及它们的调节机制和方向。

表1 企业环境相关因素的调节机制

4 企业能力的支撑作用

4.1 吸收能力

吸收能力由学者Cohen和Levintha在1990年提出，指企业把外部知识和技术应用于商业的能力，是研究知识转移的重要工具。吸收能力强的组织可以高效整合内部和外部的知识来源，积极开拓技术和市场机会，逐渐成为企业实现数据要素价值化的关键支撑。吸收能力赋予企业更多的创新性和灵活性，不仅仅是汇聚整合已有资源，更大的价值在于这些资源结合后产生的协同效应。

吸收能力包括获取、同化、转化和利用四个过程，使得企业将无序的、未经加工处理的原始数据转化为具有使用价值的、产生经济效益的宝贵资源。首先，企业获取外部信息，掌握技术和市场最新动态，从庞大的海量信息中识别筛选符合自身战略目标的知识。然后，分析、解释和理解外部获得的信息，并将现有知识与获得的新知识结合起来，形成知识的内化。最后，将这些可转化的知识应用于商业目的，获得竞争优势。

4.2 动态能力

动态能力的重要研究价值在于其明确描述了组织如何适应快速变化的外部环境的详细观点。由于数据分析产生的洞察力不能直接转化为业务价值，研究者普遍将动态能力视为企业通过数据分析获取竞争优势的中介变量，即企业激活释放数据价值必须依靠动态能力才能实现[10]。Torres进一步将动态能力分解为数据感知、抓取、转化能力[3]，论证了动态能力可以将原始数据转换为有价值的知识，减少决策中的不确定性，不断提升企业市场竞争力。

综合研究学者的观点，动态能力在迅速变化的环境中及时配置资源、变更业务流程、重塑商业模式，是企业激活数据要素价值的必要因素。企业开展数据分析必须收集和处理大量数据，动态能力较强的企业可以更好地感知和筛选外部信息，更容易在内部和外部环境中发现机会和威胁。在确认这些变化后，企业内部建立共识、整合组织资源以开展必要的数据分析，并利用分析结果制定策略，帮助企业及时抓住变革机遇，最终将数据资产转化为经济绩效。

4.3 学习能力

学习能力帮助企业通过多渠道、多维度的数据反馈，形成快速迭代、持续调整的策略，是将数据资源转化为实用价值的另一种重要能力。从内部试错改进的角度，学习能力强的企业可以利用现有的组织内部知识，通过快速实验迭代、成员间知识共享等方式实现新知识创造，最终形成组织能力上的精炼、转换、扩展和更新。研究认为，企业在内部持续进行实验、试错等探索行为，各式信息被记录并存储为组织记忆，形成适应现实环境的组织惯例更新[13]。

从外部获取知识的角度，它赋予企业根据其他组织行为来调整、改变甚至替换自身行为的能力，帮助组织从外部获取知识并内化。这种能力既可来源于竞争对手，也可来自其他行业组织或政府。学习能力帮助企业对外部信息和知识进行处理、内化，并修正知识系统，使其嵌入或融入个体、技术、结构与惯例中，促进形成有效的生产与管理技巧和技能。

4.4 比较分析

企业能力代表价值的主要来源，常被视为组织资产转化为竞争优势的关键手段。尽管不同能力的运作方式有所差异，以吸收能力、动态能力、学习能力为代表的组织资产显著提升企业的竞争水平和企业绩效。图2展示了企业3种内部能力的关系。

图2 企业内部能力的关系

吸收能力和动态能力均强调企业时刻感知外部变化，识别提炼出有价值的信息，根据数据分析结果及时做出决策，从而提升企业的竞争水平。同时二者各有侧重，吸收能力重点描述企业将外部知识内化成组织资产的过程，动态能力强调企业组织模式和资源配置可以对外部变化快速响应、及时更新。学习能力从知识转化的角度阐释了数据分析提升绩效的机理，更加凸显将外部知识内化吸收、为我所用的重要意义，也指组织利用内部知识形成新洞察、锻造新能力。总体上，三者都强调企业通过数据分析反馈，识别机遇并内化吸收，实现组织惯例更新，逐渐培育形成数据驱动的组织文化。

5 结 语

5.1 研究结论

大数据时代，企业的核心技术、产品和商业优势都将基于数据要素价值来构建。激活数据要素价值不仅要强化企业的技术能力，还涉及业务、流程、组织、生态等的系统性创新与变革。因此，企业必须实现内部机制和外部环境的合适匹配，如图3所示。对内，企业在加强基础设施建设的同时，也要不断加强无形资产建设，培养数据驱动转型的组织文化，提升组织感知、学习、吸收、转化等方面的能力。对外，要利用好竞争压力、外部支持、环境动态性等的正向调节作用，规避行业集中度等因素的潜在影响风险。

第一，外部环境作用于数据价值化传导路径，发挥调节作用。外部环境的竞争压力和支持有助于培育企业数据分析能力，推动实现更高水平的产出绩效；行业集中度以影响竞争强度的方式产生调节作用，不利于企业数据创新的意愿和能力的形成；快速变化的环境激发企业分析数据降低不确定性的意愿，促进企业利用数据分析提升洞察力和敏捷性。

第二，感知、学习、吸收、转化是构建企业数据转化能力的关键支撑。本文重点研究了三种企业激发数据价值的关键能力：吸收能力、动态能力、学习能力。虽然侧重点不同，但它们都强调数据要素价值释放是从外部获取知识、调整自身行为、内化组织资产的过程，其核心和本质是通过感知、学习、吸收、转化的过程获得竞争优势。

第三，组织战略、规模、结构是决定企业数据应用效果的核心因素。在数据驱动的组织战略中，企业更加重视数据分析支持的决策，数据分析获取的知识传播、转化和利用更加高效。数据在企业组织中的融合应用会受到企业组织内部结构的影响，企业应建立各部门沟通协调、解决争议的组织纽带，最大程度激发数据价值化所依赖的许多互补资源。

图3 企业激发数据要素价值的影响因素

5.2 研究展望

数据要素的开发利用带来信息的高效流通和利用，很大程度上解决信息不对称的问题，也将创造大量基于数据的新型业务模式和产业环节，共同带来产业价值的转移、创造和重构。

从研究趋势看，平台作为汇聚数据的关键载体，逐渐成为产业关注焦点和学术研究热点。数据贯通于企业各个业务环节，许多企业并非缺乏数据，而是欠缺将分散在各个业务环节的数据汇聚起来、进行分析利用的能力。研究普遍认为，数据作为核心要素未来一定在平台，汇聚数据的平台将获得远超其他价值环节的创造能力。虽然平台架构的相关研究经历了从能力视角到技术视角再到组织视角的演进，但这些研究未能阐明与数据要素特点相匹配的平台组织设计，有必要进一步探索数据平台组织的内部架构设计。

从产业实践看，无论是传统制造企业、信息技术企业、互联网企业都在依托自身优势整合平台布局和市场覆盖。平台不一定是集中式，可能是多层次分级的体系，一些平台更贴近工业现场，解决现场的业务需求；一些更靠近企业侧，解决企业运营的问题；有些平台层级更高，着眼于优化产业资源配置。也应看到，企业开展数据分析提升竞争力面临诸多挑战：数据确权、资产认定、定价交易、数据安全、人才储备等，需要各界携手解决，以最大程度减轻企业负担成本。总体上，激发数据要素价值仍处于初步探索阶段，未来还有很大的研究价值和想象空间。