数据驱动能力、创新生态系统“占位”与企业高质量创新

刘铁鑫　杜静然　伊茹罕

【摘要】运用纵向单案例研究法， 以小米为研究对象， 基于创新生态系统占位视角， 探究核心企业数据驱动能力对创新质量的提升过程与机理， 试图构建创新生态系统占位视角下数据驱动能力对创新质量影响机理的理论框架。研究发现： 企业数据驱动能力是动态发展的， 数据驱动能力通过适配的创新生态系统占位提升创新质量。在数据驱动能力偏弱时， 应适配创新生态体系“核心生态层”占位， 有利于核心企业创新质量提升前的原始积淀； 在数据驱动能力偏强时， 应适配“核心生态层+底层生态层”的创新生态系统占位， 有益于核心企业创新质量进一步提升。最终搭建出创新生态系统占位视角下数据驱动能力对核心企业创新质量影响路径的理论框架， 并明确提出应根据数据驱动能力选择创新生态系统占位， 积极推动核心企业创新质量提升。

【关键词】数据驱动能力；核心生态层；底层生态层； 生态系统占位；创新质量

【中图分类号】F270；F016      【文献标识码】A      【文章编号】1004-0994（2023）04-0105-10

一、 引言

数字技术推动经济进入数智时代， 各行各业在经济生产活动中产生的数据呈指数级增长， 并不断赋能技术创新及应用创新（姜李丹等，2022）。目前已有学者对企业数据驱动能力与企业绩效的关系进行了相关探究， 但关于企业数据驱动能力影响企业创新绩效的研究还未形成一致结论。一方面， 企业数据驱动能力对于企业创新行为的培育（Adner，2006） 、 产品或服务的创新（Mcafee 和Brynjolfsson，2012）大有裨益， 数据驱动能力可以通过增加创新投入与创新产出来提升企业创新绩效。另一方面， 大数据“提纯”难度较高（于晓龙和王金照，2014）， 即使实现了有效挖掘、 分析与利用， 数据驱动能力的潜在价值也只有在一定条件下才会被释放。并不是所有具有数字驱动能力的企业都可以获得成功， 仅依靠数据驱动创新的企业很可能落入大数据陷阱。由此判断， 数据驱动能力对企业创新绩效的影响可能不是直接的， 会通过一定机制产生作用。随着数据驱动能力嵌入核心企业内部， 创新参与者之间的关系和结构会发生变化， 创新开始呈现出生态系统的特征（孙聪和魏江，2019）。随着企业间创新生态系统的逐渐建立， 依据企业所处创新生态系统位置的不同， 逐渐划分为“核心生态层”占位与“底层生态层”占位两种情况（汤临佳等，2019）。事实上， 创新生态系统中核心企业的数据驱动能力会引起其所在创新生态系统内部占位变化， 进而对企业创新产生不同影响。基于此， 本文拟通过研究核心企业不同阶段数据驱动能力及其在创新生态系统中的内部占位， 厘清数据驱动能力对核心企业创新质量提升的影响机制与路径， 从而在一定程度上弥合学术界对于数据驱动能力与企業创新绩效关系的观点分歧。采用纵向单案例研究方法， 基于创新生态系统占位视角， 探究数据驱动能力对核心企业创新质量提升的影响路径， 构建数据驱动能力对核心企业创新质量影响机理的理论框架。

本文的研究贡献在于： 通过分析企业不同阶段数据驱动能力， 以企业所处的创新生态系统占位为研究视角， 揭开数据驱动能力对创新生态系统中核心企业创新质量影响的“黑箱”。这不仅益于解释数据驱动能力能否提升企业创新绩效的争议， 同时可以梳理出数据驱动能力、 创新生态系统占位对核心企业创新质量提升的影响路径。本研究不仅可以拓展创新生态系统理论应用边界， 同时还能丰富企业数据驱动能力理论与企业创新理论。

二、 文献综述

（一）数据驱动能力与创新生态系统

作为数字经济最重要的支撑之一， 大数据业务为现代网络信息构建奠定了基石， 提供了海量、 高速、 多样、 准确、 高价值的大数据资产（White，2012）， 为数字赋能各行业领域发挥着至关重要的作用。需要明确的是， 企业的大数据资产价值有效发挥需要与具体流程惯例相结合， 形成企业数据驱动效应（孙新波等，2019）， 进而形成企业数据驱动能力。事实上， 企业数据驱动能力需要经过数据获取、 数据组合分析及数据利用三个阶段的协同动态演化实现（颉茂华等，2022）。

有学者认为， 企业的数据驱动能力有助于企业创新行为的培育、 创新模式的改进、 服务及产品创新的强化， 进而提升企业创新绩效。然而， 实践中 数据驱动能力对企业创新绩效的影响却出现了不同的结果。例如， 微软在移动操作系统方面的失败、 诺基亚在终端手机领域的败北， 均表明数据驱动能力不是企业获取竞争优势的充分条件， 事实上， 数据驱动能力对企业创新的影响是需要一定的机制才能实现的。

进入数字经济时代， 原有二元互动下的企业与消费终端之间价值的单向传递已不能满足企业发展， 以企业为核心的商业生产生态系统逐渐建立， 创新活动随之变化， 创新生态系统逐渐形成。其中， 伴随着企业数据驱动能力的增强， 其在生态系统所处的位置必然会发生改变， 这可能对企业创新产生一定影响。另外， 创新生态系统中， 核心企业对于创新质量提升发挥着重要的引领作用。由此， 核心企业的数字驱动能力很可能会通过其在创新生态系统中的占位作用于核心企业创新质量。

（二）创新生态系统与企业创新质量

自1912年熊彼特首次提出创新概念以来， 创新理论先后经历了创新范式1.0（线性创新）、 创新范式2.0（开放式创新）及创新范式3.0（创新生态系统）阶段（战睿等，2022）。具体来说， 创新理论发展是一个过程： 经由内部技术开发（樊霞等，2018）， 协调相关合作伙伴方， 再与各种组织进行系统式创新协同， 最后形成创新生态系统。创新生态系统思想源于Moore（1993）提出的“商业生态系统”， 由Ander（2006）结合创新活动最终确定。他认为， 企业创新生态系统是核心企业与上下游企业在拥有共同创新战略价值主张的基础上， 整合多方创新资源所建立的创新依存关系集合。也有学者认为， 创新生态系统是由一系列异质性组织， 围绕某一核心企业或平台， 通过互补实现内部控制和外部协调， 以参与共同价值创造而形成的创新网络（Thomas和Autio，2014；杨升曦和魏江，2021）。

随着数字技术逐步应用于企业运营管理， 传统创新理论已不能满足当前发展需求。企业数据驱动能力日益增强， 创新生态系统成员主体之间的竞争与合作日趋复杂 ， 亟须结合创新生态系统新情境探索其创新行为（温湖炜和王圣云，2022）。已有关于创新生态系统的研究主要聚焦于创新生态系统的构建（武建龙等，2021）、 创新生态系统的演化（梅亮等，2014）、 创新生态系统的价值共创及实现机制（戴亦舒等，2018）等方面。虽有研究提到了创新生态系统对企业创新的影响（包宇航和于丽英，2017）， 但创新生态系统如何影响企业创新， 尤其对系统内核心企业创新的影响这一问題并未深入探讨。

事实上， 创新生态系统中的创新过程具有自组织特点， 可以根据环境变化不断演进（柳卸林和王倩，2021）。创新生态系统可以认为是更高级的网络组织形式， 表现出一种共同的特点， 即“核心—外围”结构（赵辉和田志龙，2014）。在此基础上， 又可划分为“核心生态层”和“底层生态层”。随着创新生态系统中核心企业的大数据应用、 数字技术的提升， 其在生态系统中的销售、 供应链及用户资源的数据可视化不断增强（王发明和张赞，2021）， 创新生态系统中核心企业的位置很可能发生变化。本文借鉴社会网络结构中的结构嵌入理论， 依据创新生态系统中核心企业的网络联结规模、 中心度、 强度等指标变化（颉茂华等，2021）， 确定核心企业在创新生态系统中是“核心生态层”亦或是“底层生态层”占位， 由此进一步分析其对核心企业创新质量的影响。也就是说， 创新生态系统中核心企业需要根据企业数据驱动能力不断调整其所处的创新生态系统位置， 以形成与企业数据驱动能力相匹配的创新生态系统网络占位， 才能最大限度地发挥创新生态系统对企业创新质量的提升作用。创新生态系统中核心企业的数据驱动能力与其所处创新生态系统占位的适配是提升其创新质量的有效路径。

大数据的应用与发展驱动着企业转型与升级， 对企业的创新活动产生一系列影响， 关乎企业创新质量。目前， 测度企业创新水平的方法有多种。有学者分别通过研发投入（Griliches，1990）、 专利产出（Freeman 和Soete，1997）、 新产品数量（Hitt等，1996）等单一指标进行度量。也有学者将研发投入、 专利及新产品等创新绩效指标纳入统一的分析框架， 综合评价企业创新水平。在此基础上， 还有学者将相对指标引入创新绩效评价中， 如利用新产品销售收入比、 专利交叉引用率（Fischer等，2001； 张明等，2008）等。考虑到本文数据的可得性， 借鉴Hagedoorn 和Cloodt（2003）的做法， 将研发投入、 专利及新产品纳入创新质量的评价体系中， 实现对企业创新质量的客观综合评价。由此， 本文以企业创新质量为切入点， 研究核心企业数据驱动能力、 创新生态系统占位适配的经济后果。从以上分析可以看出， 研究数据驱动能力、 创新生态系统占位以及企业创新质量， 可以从更深层面探究数据驱动能力提升企业创新质量的路径。

三、 研究设计

（一）研究方法

本文通过纵向探索的单案例研究法， 将数据驱动能力引入核心企业生态系统占位对其创新质量影响路径与机理的研究。选择此研究方法的原因如下： 首先， 案例研究法适合回答本文研究问题的“how”和“why”（Yin，2002）。也就是说， 将创新生态系统占位引入数据驱动能力对核心企业创新质量的影响研究中， 以进一步解构和明晰为什么核心企业数据驱动能力与其创新生态系统占位的适当匹配才能提升企业创新质量？应如何匹配？其路径与机理是什么？其次， 由于本研究需要探索企业在不同数据驱动能力阶段如何匹配适合的创新生态系统占位， 揭开核心企业创新质量提升的“黑箱”， 因此， 需要进行探索式案例研究。最后， 本研究需要解析研究案例纵向发展过程， 梳理纵向变化中的因果逻辑， 展现核心企业不同数据驱动能力阶段的创新质量提升路径。因此， 应以单案例为基础进行分析。本研究通过获取“小米”相关数据并进行探索性编码分析， 以此诠释数据驱动能力、 创新生态系统占位对核心企业创新质量的影响路径。

（二）案例选取

遵循以下原则， 本研究选取小米进行案例分析： ①极端性原则。小米公司成立于2010年， 是一家以智能手机、 智能硬件和 IOT 平台为核心的消费电子及智能制造公司， 致力于构建一个庞大的物联网， 打造新的生态系统。2017年， 小米的生态链销售额就达到200亿元。2018年7月小米集团在香港主板上市， 且当年业务遍及全球80多个国家和地区。2019年及2020年连续2年登上美国《福布斯》杂志发布的“全球上市公司2000强”排行榜， 分别排名426位、 384位。②启发性原则。小米从智能手机入手， 建立了以手机、 电视、 路由器为主的三大产品线， 以小米生态链为依托打造出百余种产品。在掌握小米生态系统核心环节基础上形成了软件、 硬件、 服务、 内容联动的生态系统。随后， 小米开始重视研发创新在生态系统中的作用， 成功自主研发芯片， 夯实了未来发展的基础。近年来， 小米不断拓展生态系统领域， 发展、 完善创新生态系统， 力图打造创新驱动下的全球化开放生态。在竞争激烈的数字经济领域及复杂的创新生态系统中， 小米面临的各种问题及应对措施值得分析， 这有益于为更多的企业提供参考。可见， 小米符合单案例选取标准。

为了充分识别和挖掘核心企业数据驱动能力、 创新生态系统占位及其创新质量的因果关系， 笔者对小米发展进程中的关键事件进行了纵向梳理。根据小米战略及生态边界划分成两阶段， 如图1所示。

（三）数据收集与分析

为满足案例分析的信度与效度要求， 本研究从多个来源收集数据， 以使数据能够相互补充及交叉验证。笔者收集并整理了有关小米的二手资料， 包括书籍、 网站、 企业微博以及在线社区（百度贴吧、知乎）等。之后对小米进行了实地调研， 主要包括访谈、 体验式观察。参考Busk和 Marascuilo（2015）的建议， 案例分析分为三个步骤： ①识别关键信息。通过对获得数据进行选择、 聚焦、 简化， 以实现相关研究问题的信息识别。②形成关键构念。对识别信息进行概念化编码， 在此基础上形成关键构念。③聚合理论范畴。在关键构念基础上， 形成不同发展阶段的企业数据驱动能力、 所属创新生态系统占位及创新质量这三个理论范畴。以双盲法对数据进行编码， 若编码结束后结果不一致， 将邀请专家参与指导， 以获得一致编码结果。案例数据信息见表1。

（四） 编码结果

本文根据质性研究逻辑， 对案例数据的编码结果进行列示， 具体见表2。

四、案例分析与发现

（一）数据驱动弱能力、 创新生态系统“核心生态层”占位与核心企业创新质量

1. 典型资料与编码。小米发展第一阶段数据驱动弱能力、 创新生态系统“核心生态层”占位对其创新质量影响资料列示， 具体见表3。

2. 数据驱动弱能力。通过数据获取、 数据组合分析和数据利用三个方面， 分析小米在企业发展第一阶段的数据驱动能力。

（1）数据获取。小米成立之初， 拥有了一定数量的用户群体， 截至2011年9月， 米聊的用戶超过700万， 小米论坛的用户超过60万。但米聊的受众群体相较于微信、 腾讯等平台显得微不足道， 后期由于体验度不佳， 米聊宣布退出市场。虽然小米还保留着小米论坛这一数据获取终端， 但论坛的数据获取存在局限。数据发布者基本上是小米的发烧友， 普通消费者的反馈信息匮乏， 获取类型和数量相对受限。综上， 此时小米的数据获取受到一定限制。正如“米粉”所说， “小米发展前期比较重视硬件设备产品， 如手机、 移动电源， 小米与互联网的联结处于初步发展阶段， 小米的数据获取量应该不多。”

（2）数据组合分析。起初小米通过小米论坛获取用户对产品的反馈， 由于获取数据还没形成一定的数量级， 所以更多由人工进行处理和分析， 此时， 小米数据的组合分析水平相对较低。正如产品经理所言： “小米用户的反馈意见， 可以直接在论坛中提交， MIUI团队会对递交意见的改进点进行初级判断。”这直接体现了当时小米数据组合分析主要依靠团队进行人工处理， 此阶段下小米的数据组合分析能力偏弱。

（3）数据利用。受限于数据获取量和数据组合分析水平， 此阶段小米对于其获取的数据资源并没有实现充分的利用， 例如小米自身与其他企业生产的产品（小米手机、 小米手环、 移动电源等终端设备）的互联互通还不完善， 移动物联网还未充分构建。企业内部的运营、 战略决策也没有以数据为依据。正如技术人员所言： “小米在成立初期对数据的利用水平不高， 主业是做移动产品的硬件及软件设备。”由此， 小米在这一阶段的数据利用能力不强。

综上， 小米在发展第一阶段数据驱动能力较弱。

3. 创新生态系统的“核心生态层”占位及效果评价。网络结构中的结构嵌入理论认为， 社会资源的获得取决于主体在网络中占有的位置（伯特，2008）。也就是说， 企业在创新生态系统中的占位会产生一定的经济后果。虽然核心企业可以通过密切的创新协作或者资源互补协作形成创新网络， 但随着数字技术嵌入企业内部， 企业的数字驱动能力发生变化， 核心企业在创新网络中的位置也会发生改变。而这有可能影响核心企业的资源获取， 进而作用于企业创新活动。小米创立初期就具备了一定的数据驱动能力， 但由于数据驱动能力不足， 其在创新生态系统中与其他企业的网络互动和延伸存在一定约束。本文以创新生态系统中核心企业为起点， 通过对核心企业与其他企业之间的网络联结规模、 中心度、 强度进行度量， 并结合小米的实际境况得出， 此时小米的创新生态系统占位是以“核心生态层”为主。具体分析如下：

（1）联结规模： 较小。小米依据小米论坛及MIUI获取用户数据， 经过初级的大数据分析， 实现小米产品的研发及改进， 吸引多方加入小米创新生态链。具体来说， 小米创立之初就很重视供应商在其构建的生态系统中的地位和作用。例如， 小米实现了与芯片供应商“高通”的合作。以高通提供的高科技芯片为依托， 小米打造了小米手机、 小米电视、 小米手环、 小米蓝牙等产品。其中， 除小米手机为小米公司自主研发的产品外， 小米电视、 小米手环、 小米蓝牙等产品的研发均以小米为核心， 分别与其生态链上的紫米科技、 华米科技、 蓝米科技进行协同创新， 以拓展其生态创新系统的纵向边界， 实现小米在智能硬件设备上的突破。但此时小米数据驱动能力不强， 仅通过小米论坛获取客户信息稍显不足。另外， 小米合作平台尚未搭建， 也会直接影响小米对于合作方信息的获取。信息获取受限直接导致小米的创新合作伙伴数量不多， 合作产品的类别单一。同时， 创新生态系统中， 小米与其他企业的创新关系以“竞争”为主、  “合作”为辅， 没有形成“共生依存。”正如小米的销售经理所言： “虽然小米初期的创新生态系统已初具雏形， 但小米产品组合的宽度和深度主要依靠于小米自身， 与多数供应商仅是‘供应关系， 供应商并未完全内化为创新生态系统中的创新主体”。因此， 可以判断在发展第一阶段， 创新生态系统的核心端为小米， 合作方有紫米科技、 华米科技等。创新生态系统中的网络联结创新主体的数量还未形成一定规模； 创新合作的项目多为硬件设备， 合作项目单一； 合作关系是以小米为核心的双边合作。综上， 在小米发展的第一阶段， 小米与其他创新主体间的网络联结规模还是比较小的。

（2）联结中心度： 较高。目前小米处于生态链的核心位置， 在生态网络系统中起着联结供应商和合作方的作用。但是， 受限于小米的数据驱动能力， 对于创新生态系统外部高技术企业加入其创新生态系统的吸引力不足， 导致小米创新生态系统依旧缺乏对核心技术（例如芯片）的掌控。由此， 在创新生态系统网络内部形成了以小米为中心， 联结生态链上中下游多个企业的局面， 小米在创新生态系统网络中居于核心地位。正如小米销售经理所言： “我们的生态链企业虽然要依靠‘高通的外部支持， 但好多企业所生产的产品更依赖小米， 产品设计与生产都是以小米手机为起点的终端设备的延伸。创新生态系统内部的中小企业均聚焦于小米所主导的移动终端这类产品之上， 对小米的依赖程度较高。”由此， 这一阶段小米在创新生态系统中的联结中心度比较高。

（3）联结强度： “中心—外围”射线减弱。受限于此阶段小米的数据驱动能力， 小米尚未建立起由海量多品类用户支撑的互联网络。创新生态系统中企业主体间信息沟通受限， 核心企业小米与其他创新企业之间的互动次数、 互信程度、 研发合作处于中心强、 外围弱的不均衡状态。对创新生态系统中底层企业来说， 企业间互动次数相对较少， 研发合作没有实现技术上质的提升。另外， 此阶段创新生态系统尚未建成物联网平台， 企业间关系紧密度相对较弱， 仍以“竞争”为主， 信任程度并不高。正如小米的合作者所言： “小米生态链中的企业前期合作均依托小米， 以小米为核心。创新主体的互动基本上都是与小米的双向互动。由于其他企业之间相互都不认识， 不可能一开始就进行研发合作。”此阶段， 小米没有物联网平台， 相关合作方的交流不能及时沟通反馈。生态系统中的其他企业出于对自己的保护， 没有合作开发新产品。创新生态系统中的企业互动更多是以小米为核心展开的， 互动关系也以小米为核心逐级减弱， 所以此时创新生态系统中的联结强度不均衡。

在小米发展的第一阶段， 虽然有数据和技术的支撑， 但由于数据驱动能力较弱， 小米的信息获取受限， 对高技术企业加入创新生态系统的吸引力不足， 以及创新生态系统中企业间的信息沟通反馈不充分， 导致创新生态系统以小米为核心， 处于联结规模较小、 联结中心度较高、 联结强度呈现“中心—外围”射线减弱的不均衡状态。由此判断， 小米处于整个创新生态系统“核心生态层”占位。这益于将创新生态系统的有限创新资源向核心企业集聚， 为小米创新质量的提升起到积累沉淀的作用。

4. 数据驱动弱能力、 创新生态系统“核心生态层”占位对核心企业创新质量的影响路径。结合调研资料编码分析， 为了与小米发展第一阶段的数据驱动弱能力适配， 小米选择创新生态系统中的“核心生态层”占位， 以促进创新生态系统中创新资源的集聚、 核心企业与其他企业间的双向创新协调以及有效知识触达， 进而实现核心企业创新质量的积累与沉淀。数据驱动弱能力背景下， 创新生态系统“核心生态层”占位对核心企业创新质量的影响路径如下：

为了应对数据驱动弱能力的困境， 小米从创新生态系统核心层占位入手， 以实现创新质量提升前的积累与沉淀。首先， 受限于数据驱动弱能力及未构建物联网和数字平台， 核心企业小米凭借其对创新生态系统中其他企业的市场调研和分析， 获得了大量产品市场需求信息。创新信息资源集聚支撑了小米对原有产品小米手机、 小米电视和路由器三大产品的研发和改进。其次， 此阶段由于数据驱动能力较弱， 小米对创新生态系统外的“高技术”企业的吸引力不足， 為了促进企业创新， 小米选择创新生态系统核心层的占位， 初步实现小米与创新生态系统中其他企业间的双向创新协调， 以提升小米在创新活动中的合作创新能力。虽然在此过程中小米并没有实现关键技术突破， 但在创新产品数量上取得了一定成功。最后， 由于此阶段数据驱动能力弱、 缺乏统一的物联网平台， 创新生态系统企业主体信息沟通受限， 不利于创新溢出与吸收。小米核心生态层的占位选择可以实现以小米为核心的创新知识的有效触达， 有助于形成其他企业对小米的反向技术溢出， 助力小米的初级产品开发与创新。虽然本阶段小米的数据驱动能力不强， 但是小米在创新生态系统中的“核心生态层”占位有利于创新信息资源集聚、 双向创新协调以及反向技术溢出， 为小米创新质量提升做好了积累与沉淀。由此， 数据驱动弱能力与创新生态系统“核心生态层”的占位选择， 有利于小米创新质量提升前的原始积累与沉淀。

因此， 本文基于创新生态系统占位， 剖析了数据驱动能力在小米发展第一阶段对其创新质量的影响路径。其路径与机理如图2所示。

（二）数据驱动强能力、 创新生态系统“核心生态层+底层生态层”占位与核心企业创新质量

1. 典型资料与编码结果。小米发展第二阶段数据驱动强能力、 创新生态系统“核心生态层+底层生态层”占位及对其创新质量影响资料， 如表4所示。

2. 数据驱动强能力。经过近4年的发展， 小米的数据驱动能力得到了大幅提升。①在数据获取上， 小米产品的客户量实现激增， 仅小米的云服务用户就突破了2亿， 拥有巨大的客户资源。用户对小米的评价也不仅局限于手机， 还涉及小米机器人、 小米出行等产品。同时， 生态系统中各创新主体也实现了数据共享。此时， 小米数据获取量较大， 为数据驱动能力提升奠定了基础。②在数据组合分析方面， 传统自建服务器已经不能满足小米数据存储需求。小米构建了云服务平台， 通过云端处理量级数据， 数据在时间和空间上得到了精准匹配。同时， 小米设置了内部机构， 专门提供算法和AI技术支持， 以提升数据组合分析能力。此时小米具有较强的数据组合分析能力。③数据利用能力方面， 结合数据获取及数据组合分析， 小米将数字化应用到创新生态系统的内部。依靠丰富的数据资源和强大的算法， 建立了庞大的智能物联网系统， 通过对智能终端数据的动态抓取与分析， 实现了创新生态系统内部不同企业间30多种产品的数据互联， 形成了覆盖小米和米家产品的物联网系统。综上， 小米发展第二阶段数据驱动能力较强。

3. 创新生态系统的“核心生态层+底层生态层”占位及其效果评价。数字经济的发展使得企业数据驱动能力成为参与创新活动的新型要素和战略资产（Amoore和Piotukh，2015）， 数据的全面覆盖、 高效复制、 多源异构等特征促进智能社会的新型生产关系重构， 经济主体的角色由单一走向多元。随着企业数据驱动能力的提升， 以及创新生态系统的动态演进发展（冉奥博和刘云，2014； Metcalfe和Ramlogan，2008）， 核心企业在其创新生态系统中的占位也发生了变化。此阶段小米的数据驱动能力较强， 依据创新生态系统中小米的网络联结规模、 联结中心度、 联结强度与现实境况， 获得小米在创新生态系统中选择“核心生态层+底层生态层”的占位。具体分析如下：

（1）联结规模： 较大。2014年以后小米高层开始重视信息化、 数据化建设， 试图从用户、 产品、 运营等方面提升小米的数据获取、 组合分析及利用能力。由此， 小米实现了对动态信息的获取。作为创新生态系统中的核心企业， 小米数据驱动强能力为更多创新主体提供了物联网入口， 吸引着更多数量和类别的企业加入小米创新生态系统。截至2018年， 小米共同投资或孵化的公司就超过了210家。通过获取动态客户及行业信息， 提升了核心企业自主研发及合作研发的可能性， 实现了多创新主体、 多品类的研发合作。创新主体间的关系也由“双向竞合”转变为企业间的“多边共生共创”。正如小米的销售经理所言： “小米的创新生态系统已基本形成。创新系统中的企业数量和品类很多。这一点， 从我们店里的产品数量和类别就可以看出来。另外， 很多产品是与创新生态系统中其他企业合作研发的。用上小米你就会感受到什么是创新生态系统了。” 综上， 在小米发展的第二阶段， 网络联结规模较大。

（2）联结中心度： 高。此时小米数据驱动能力相对较强， 推动了整个创新生态系统数据网络的建立， 不仅吸引了高技术企业加入， 更促进了小米对创新生态系统整体创新资源的协调。具体来说， 小米的云服务提供了数据存储平台， 通过对创新生态系统全部存储数据的智能分析， 可以精准计算出生态系统中各企业创新资源的供给与需求数额。正如小米的研发经理所言： “小米的云计算和AI技术的不断提升， 实现了对整个创新生态系统内部创新资源的配置， 基于核心企业小米的协同创新活动会愈加频繁。数据驱动能力的提升会增加核心企业联结中心度的强度， 实现核心企业对整个创新系统、 创新资源的整体调度与配置。”由此， 在小米发展的第二阶段， 创新生态系统中基于小米这一核心企业所形成的网络联结中心度会更高。

（3）联结强度： “多层并进”网格联结。由于此阶段小米的数据驱动能力较强， 为整个创新生态系统IOT平台的搭建提供了支撑。创新生态系统中的企业可以借助小米IOT 平台开放的数据资源， 实现不同创新主体间信息的共享和及时沟通。同时， 接入小米IOT 平台的产品也可接入其他IOT 平台， 实现生态圈系统多边交错互动互助。创新主体间的合作与发展更像是一种共生共创的关系， 创新互动由原来的双边形式转变为现在的多边协作。例如， 能够被小爱同学控制的产品（如手机、 电视及音箱等）， 会形成共同的智能联动。一个企业产品的升级研发需要考虑其他产品的口径和标准， 通过与核心企业和其他关联企业的频繁交流， 实现知识多向溢出与吸收。正如小米的合作者所言： “在小米较强的数据驱动能力下， 每个创新生态系统中的创新主体都热情高涨。因为有小米的数据驱动， 创新主体间的交流由原来只与小米的双向互动转化为主體间的多边交错互动， 异常活跃。小米好像形成了一种向心力， 打破了企业间的创新壁垒。”数据驱动能力加速了企业间信息的动态沟通， 将创新主体纳入一张创新之网。所以， 此时小米的联结强度呈均衡的“多层并进”网格联结状态。

在小米发展的第二阶段， 较强的数据驱动能力推动了小米物联网、 云计算的应用， 为获取动态信息提供可能， 提升了核心企业对整体创新资源的协调能力， 为创新生态系统中其他企业间动态及时沟通奠定了基础， 以小米为核心形成了联结规模大、 联结中心度高、 联结强度“多层并进”的网格联结状态。由此判断小米处于创新生态系统“核心生态层+底层生态层”占位。这益于创新生态系统在更大范围内创新互动， 为小米创新质量提升起到积极促进作用。

4. 数据驱动强能力、 创新生态系统“核心生态层+底层生态层”占位对核心企业创新质量的影响路径。 结合调研资料编码分析， 在小米发展的第二阶段数据驱动强能力的推动下， 小米选择了创新生态系统“核心生态层+底层生态层”的占位， 拓展了小米在创新生态系统中创新资源获取范围， 实现了多向协同创新和更大范围的知识触达， 实现了核心企业创新质量的提升。数据驱动强能力背景下， 创新生态系统“核心生态层+底层生态层”占位对核心企业创新质量的影响路径如下：

为了与数据驱动强能力适配， 小米从创新生态系统“核心生态层+底层生态层”占位入手， 实现了企业创新质量的大幅提升。首先， 较强的数据驱动能力可以满足创新生态系统整体客户需求以及实现行业信息的动态、 完整获取， 吸引创新生态系统外部更多数量和类型的企业加入， 有益于拓展创新资源的获取范围和获取数量， 激发企业的核心技术研发意愿， 促进企业加大研发投入。其次， 此阶段数据驱动能力强， 促进了小米对创新生态系统整体创新资源的调动与协调， 促使优质创新资源向核心企业聚集， 也发挥了其他企业对核心企业的支持作用， 提升了创新资源的配置效率， 企业协同创新能力得到提升。最后， 此阶段数据驱动能力强， 使得创新主体间动态、 及时的信息沟通成为可能， 深化了系统中创新主体间基于小米平台的多边交流， 有益于知识大范围及深度触达， 实现了创新生态系统的多向技术溢出， 有益于核心企业创新数量与质量提升， 最终实现核心企业的高质量创新。

本文基于创新生态系统占位视角， 解释了数据驱动能力在小米发展第二阶段对核心企业创新质量的影响路径， 其路径与机理如图3所示。

（三）数据驱动能力、 创新生态系统占位与核心企业创新质量影响路径的理论机理构建

以创新生态系统占位为视角， 分析核心企业数据驱动能力对企业创新质量提升的实现路径可知， 企业数据驱动能力较弱时， 创新生态系统应占位“核心生态层”， 通过较大的网络规模、 较高的联结中心度和以“中心—外围”射线减弱为特点的联结强度， 实现核心企业对原有产品的研发与改进、 合作创新能力的提升及其他企业对核心企业的反向技术溢出， 进而影响创新投入和产出， 为核心企业创新质量提升进行积累与沉淀。在企业数据驱动能力较强时， 积极转变创新生态系统占位， 选择创新生态系统中的 “核心生态层+底层生态层”， 通过较大网络规模、 高网络中心度和以“多层并进”网格联结为特点的联结强度， 激发核心技术企业的研发意愿， 提升协同创新能力， 促进企业间的多向技术溢出， 以大幅提升核心企业创新质量。由此， 在核心企业数据驱动能力发展的不同阶段， 需要改变其在创新生态系统中的占位， 与不同的数据驱动能力相匹配， 才能持续提升核心企业的创新质量。在此基础上， 最终构建出创新生态系统中数据驱动能力对核心企业创新质量提升的影响机理理论框架， 如图4所示。

五、 小结

本文以小米为研究对象， 基于创新生态系统占位视角， 揭示了数据驱动能力、 创新生态系统占位对核心企业创新质量的影响路径， 最终构建数据驱动能力与创新生态系统占位适配下提升核心企业创新质量的理论框架。本文不仅有益于拓展创新生态系统理论应用边界， 也丰富了有关于企业数字能力以及企业创新的理论。

基于上述研究， 本文也得出以下启示： 其一， 创新生态系统中核心企业应根据自身数据驱动能力， 精准定位其创新生态系统占位， 实现企业数据驱动能力与创新生态系统中占位的匹配。其二， 核心企业应根据不同阶段数据驱动能力以及与之适配的创新生态系统占位， 梳理其对企业创新质量的影响路径。在数据驱动能力较弱时， 适配“核心生态层”的创新生态系统占位， 通过对原有产品研发与识别、 合作创新能力提升及反向技术溢出， 实现核心企业创新质量提升前的原始积累。在数据驱动能力较强时， 适配创新生态系统“核心生态层+底层生态层”的创新生态系统占位， 通过激发企业的核心技术研发意愿， 提升协同创新能力促进及多向技术溢出， 最终实现核心企业创新质量的提升。

另外， 本文研究也存在一定局限： 基于案例研究方法限制， 研究结论普适性不足， 需要进一步通过大样本进行检验。本研究仅聚焦于创新生态系统占位视角下数据驱动能力对核心企业创新质量的影响， 其他影响因素尚未讨论。企业创新质量的度量存在一定主观判断， 可能对研究结论产生微小影响。未来可针对上述问题做进一步思考与研究。

【 主 要 参 考 文 献 】

包宇航，于丽英．创新生态系统视角下企业创新能力的提升研究［ J］．科技管理研究，2017（6）：1 ～ 6．

罗纳德·S.伯特著．任敏，李璐，林虹译．结构洞：竞争的社会结构［M］．上海：上海人民出版社，2008．

戴亦舒，叶丽莎，董小英．创新生态系统的价值共创机制 —— 基于腾讯众创空间的案例研究［ J］．研究与发展管理，2018（4）：24 ～ 36．

樊霞，贾建林，孟洋仪．创新生态系统研究领域发展与演化分析［ J］．管理学报，2018（1）：151 ～ 158．

姜李丹，薛澜，梁正．人工智能赋能下产业创新生态系统的双重转型［ J］．科学学研究，2022（4）：602 ～ 610．

柳卸林，王倩．创新管理研究的新范式：创新生态系统管理［ J］．科学学与科学技术管理，2021（10）：20 ～ 33．

梅亮，陈劲，刘洋．创新生态系统：源起、知识演进和理论框架［ J］．科学学研究，2014（12）：1771 ～ 1780．

冉奥博，刘云．创新生态系统结构、特征与模式研究［ J］．科技管理研究，2014（23）：53 ～ 58．

孙聪，魏江．企业层创新生态系统结构与协同机制研究［ J］．科学学研究，2019（7）：1316 ～ 1325．

孙新波，钱雨，张明超，李金柱．大数据驱动企业供应链敏捷性的实现机理研究［ J］．管理世界，2019（9）：133 ～ 151．

汤临佳，郑伟伟，池仁勇．智能制造创新生态系统的功能评价体系及治理机制［ J］．科研管理，2019（7）：97 ～ 105．

温湖炜，王圣云．数字技术应用对企业创新的影响研究［ J］．科研管理，2022（4）：66 ～ 74．

武建龙，郝蒙晓，黄静．“互联网+”环境下企业创新生态系统的构建研究 —— 以蔚来新能源汽车为例［ J］．软科学，2021（5）：70 ～ 77．

颉茂华，刘铁鑫，施诺，王乾．数据驱动能力、组织结构对企业战略绩效的影响 —— 基于A网约车公司的纵向案例研究［ J］．管理学报，2022（3）：317 ～ 325．

颉茂华，赵圆圆，刘远洋．网络联结、资源获取与组织学习互动影响战略绩效路径研究 —— 基于长城汽车的纵向案例研究［ J］．科研管理，2021（5）：57 ～ 69．

杨升曦，魏江．企业创新生态系统参与者创新研究［ J］．科学学研究，2021（2）：330 ～ 346．

于晓龙，王金照．大数据的经济学涵义及战略绩效机制［ J］．中国国情国力，2014（2）：28 ～ 30．

战睿，王海军，孟翔飞．企业创新生态系统的研究回顾与展望［ J］．科学学与科学技术管理，2020（5）：179 ～ 197．

张明，江旭，高山行．战略联盟中组织学习、知识创造与创新绩效的实证研究［ J］．科学学研究，2008（4）：868 ～ 873．

赵辉，田志龙．伙伴关系、结构嵌入与绩效：对公益性 CSR 项目实施的多案例研究［ J］．管理世界，2014（6）：142 ～ 156．

Adner R.. Match Your Innovation Strategy to Your Innovation Ecosystem［ J］．Harvard Business Review，2006（4）：98 ～ 107．

Amoore L.， Piotukh V.. Life beyond Big Data： Governing with Little Analy-

tics［ J］． Economy and Society，2015（3）：341 ～ 366．

Fischer M.， Diez J. R.， Snickars F.. Metropolitan Innovation Systems： Theory and Evidence from Three Metropolitan Regions in Europe［M］．Berlin： Springer，2001．

Freeman C.， Soete L.. The Economics of Industrial Innovation ［M］．London： Pinter Publishers，1997．

Hagedoorn J.， Cloodt M.. Measuring Innovative Performance ：Is There an Advantage in Using Multiple Indicators？［ J］．Research Policy，2003（8）：1365 ～ 1379．

Hitt M. A.， Hoskisson R. E.. Johnson R. A.. The Market for Corporate Control and Firm Innovation［ J］．The Academy of Management Journal，1996（5）：1084 ～ 1119．

Mcafee A.， Brynjolfsson E.. Big Data： The Management Revolution［ J］．Harvard Business Review，2012（10）：60 ～ 68．

Metcalfe S.， Ramlogan R.. Innovation Systems and The Competitive Process in Developing Economies［ J］．Quarterly Review of Economics & Finance，2008（2）：433 ～ 446．

Moore J. F.. Predators and Prey： A New Ecology of Competition［ J］．Harvard Business Review，1993（3）：75 ～ 86．

Thomas L.， Autio E.. Innovation Ecosystems［ J］．The Oxford Handbook of Innovation Management，2014（1）：204 ～ 288．

White M.. Digital Workplace： Vision and Reality［ J］．Business Information Review，2012（29）：205 ～ 214．

Yin R. K.. Case Study Research： Design and Methods［M］．Thousand Oaks， Ca： Sage，2002．

Griliches Z.. Patent Statistics as Economic Indicators： A Survey［ J］．Journal of Economic Literature，1990（8）：1661 ～ 1707．

（責任编辑·校对： 李小艳  黄艳晶）

【基金项目】内蒙古财经大学区域数字经济与数字治理研究中心课题“内蒙古数字商务与产业集聚度耦合协同发展研究”（项目编号：szzl2022006）