数据要素与核心竞争力的构建

黄嫚丽 郭子生

数据和数据要素受到前所未有的重视。最近两年人工智能的革命性进展使得数据的价值和意义更加凸显，OpenAI发布的“文生视频”（text-to-video）工具Sora“再次震撼了整个世界”。欢呼和担忧并存之下，企业更关心的是基于数据、算法、算力的新一代信息技术是否改变了企业生存和发展的逻辑，如何更新思维以获得可持续的竞争力。

2022年12月《中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见》发布，其后国家数据局会同其他十六个部门制定了《“数据要素×”三年行动计划（2024—2026年）》，对发挥数据要素乘数效应，赋能经济社会发展作出具体部署。作为一种新型生产要素，数据参与生产经营过程并产生价值。在这个过程中，数据要素兼具双重属性，既是劳动对象，也是劳动工具。近年来，对作为劳动对象的数据要素已有广泛而深入的讨论。围绕数据要素市场展开的多领域研究深入探讨了数据要素应用中的种种难题，如确权、定价、交易、分配、安全和风险控制等，并取得了丰硕的成果。我国的数据要素市场不断向统一、高效、竞争、有序的方向迈进。然而，广大中国制造企业更关心的是，作为劳动工具的数据要素如何影响企业，数据要素的加持如何改变核心竞争力的构建逻辑，中国制造企业如何在新一代信息技术环境中提升竞争力。战略管理的一项重要共识是，核心竞争力是提升竞争力的根本保证，因此，本文主要从核心竞争力构建的角度探讨上述问题。

数据要素意味着什么：战略管理的意义背景

企业战略决策者常将投入品抽象化地表述为“资源”。资源涵盖了组织内外所有可以利用的要素，不仅是投入到生产领域的生产要素。一直以来，资源都是战略管理关注的核心问题。以往企业主要通过追逐外部机会获得增长和竞争优势，随着市场不断成熟，越来越多企业发现一味追逐机会不仅会导致盲目扩张，而且会形成短视的决策习惯。事实上，机会不能保证进入同一行业的所有企业都能获得成功。为此，企业开始从内部寻找驱动发展的动力，最终聚焦在资源、能力和核心竞争力上。资源、能力和核心竞争力成为成熟市场竞争优势的根本来源，企业需要以更长远的视野来布局资源和能力，构建核心竞争力。这是战略管理领域的主导思维模式——产业组织模式和以资源为基础的观点（简称RBV）。

以资源为基础的观点有两个基本假设：企业是资源的集合，企业拥有异质性资源。异质性资源是企业存在发展差异最根本的原因。为此，人们一直在追问：拥有什么资源，如何利用资源，才能获得竞争优势？外部环境和情境的不同，让上述问题变得愈加复杂。

有关企业资源的一系列理论和研究，大致从三个视角回应了上述问题。首先是产出型视角，关注最终产出，强调投入的资源必须促进特定产物的形成。产出型视角明确地将资源看作是获得期望产出的必要条件，为战略管理理论的发展奠定了基础。其次是投入型视角，聚焦生产所需的投入要素，将获得某类产出的必要条件收缩到特定的资源上。最后是过程型视角，强调管理者必须有策略地决定获取、配置以及整合资源的方式，才能将投入品转化为有价值的产品或服务。过程型视角主张资源利用是一个能动的过程，即资源转化为产品的过程受行动者的意向驱动。组织以不同方式利用资源，形成异质组合，因此拥有同样资源的个体不一定能创造出同等价值。过程型视角直接推动了动态能力、资源编排、资源拼凑等研究的出现。三种视角的理论和研究相互补充，其中过程型视角形成独具特色的“资源学派”。

三种视角下的传统战略管理理论一直没有明确定义过“资源”。一种代表性观点来自著名战略学者巴尼，他认为资源是“企业所掌握的、使其能形成并执行高效而有成果的资产、能力、组织流程、企业特性、信息、知识等优势或要素”。这种笼统的界定一方面强调了企业对组织内有形和无形资源同等重视，另一方面也反映出企业战略决策者对资源的理解更加强调其对于竞争优势或收益的指向性。

时代变迁带来了外部环境的革命性变化，聚焦某种特殊资源的讨论日益受到重视。20世纪90年代知识经济到来， 出现了“以知识为基础的观点”（knowledge-based view），这一观点主要探寻知识特别是隐性知识推动竞争优势构建的机理。进入21世纪，外部环境越来越“乌卡”（VUCA，即动态性、复杂性、模糊性和不确定性等四种特性的简称），注意力资源成为焦点，于是有了“注意力基础观”（attention-based view）。这一观点认为决策者的注意力资源是有限的，只能分配在有限的议题与对应的行动之上，强调注意力资源的分配会影响战略决策及其结果。数字经济来临，关注点转向了数字技术、数字资源、数据资源对战略决策、行动和竞争优势的影响，“数字基础观”“数据基础观”等应运而生。随着新一代信息技术和人工智能的发展，或许会出现“人工智能基础观”“大模型基础观”“算法基础观”或“人-机基础观”“人-机智能基础观”等觀点。

通过梳理战略管理理论对资源以及不同类型资源的讨论，我们认为，要讨论数据这一新的资源要素推动企业核心竞争力构建的机制，首先要分析其属性，然后再结合外部环境探讨其推动核心竞争力和竞争优势构建的规律，进而帮助企业用好涌现的新资源，构建适应新时代的核心竞争力。

数据要素的属性：核心竞争力构建过程视角

从一般意义上看，数据要素具有可复制性、非竞争性、排他性与非排他性并存、非均质性、无限收敛、智能即时性、泛在赋能性等特点。数据要素既可以作为独立的资源支持企业战略决策，又能与其他资源结合形成能力，甚至是核心竞争力，进而成为竞争优势来源，创造数据要素的乘数效应。因此，数据要素具有这样一个鲜明特征：既可以是劳动对象，也可以是劳动工具。从制造企业角度看，不改变主业的情况下，数据要素主要作为劳动工具存在。目前，作为劳动工具的数据要素全方位地促进企业发展，包括提高各层面和各类别行为和活动的效率（包括决策效率、运营效率、行动效率等），降低成本，提高组织的敏捷性和精益性，提高组织对外部环境的洞察力和捕捉商业机会的能力、对客户需求的理解程度、产品和服务的创新能力、商业模式创新能力、应变能力、组织韧性，激发使能创新（enable innovation），进而推进企业算法商务模式出现，形成新的竞争优势。充分利用好数据要素，能够推动制造企业高质量发展，发展新质生产力。

在战略决策框架下，数据要素与企业的组织性资源有类似之处。企业的组织性资源与企业的经营模式相匹配，是企业发展过程中逐步形成的特定资源，具有很强的使用惯性。组织结构、管理机制、企业文化、行为规范等均为组织性资源。组织性资源具有极强的异质性，无法剥离组织独立定价交易，是其他资源的黏合剂，具有泛在赋能性。

在传统战略管理框架下，指向性强、稳定性高的资源结合/组合沉淀并产生特定的经验、知识和技能（know-how），发展成为企业的能力。能力与能力、能力与资源再次稳定地组合迭代，进一步形成各种复合能力。这些能力如果满足有价值的（Valuable）、稀缺的（Rare）、难以替代的（Non-Substitutable）、难以模仿（Imperfectly Imitable）等特性，就有可能构建出企业的核心竞争力（见图1）。

因为能与其他资源结合，组织性资源在构建核心竞争力过程中，具有突出的协同性和涌现性。作为劳动工具的数据要素，与组织性资源一样具有协同性和涌现性。数据要素与其他资源组合可以提升原有能力，这就是所谓协同性。例如，传统的营销能力与数据要素驱动的营销能力，在内涵上具有巨大差异。与此同时，数据要素的协同性还有可能使企业的闲置或废弃资源“重获新生”。例如，某乘用车制造企业主机厂为提高涂装环节机器人喷涂色泽、亮度等指标的稳定性，自行研发了一套监控系统，通过机械臂感应采集数据来形成品控的实时预警。采集数据的机械臂来自于焊装环节。焊接环节对机械臂的运行品质要求高，焊接机械臂运行达到一定次数后就会被强制“退役”，成为“鸡肋”资源，一定时间后报废处理。经过改造，焊接机械臂在涂装环节得到再利用，其使用效能因数据采集而被再次唤醒。闲置设备资源、数据资源和数字技术资源的再组合，也提高了该企业的涂装品控能力。这种协同能力不断与其他能力、资源组合迭代，构建出新的复合型能力或综合性能力，如果这些能力具备VRIN等特点，就有可能打造出企业的核心竞争力。

涌现性指数据要素与其他资源结合可能产生新的能力，这种新能力不是事先设计出来的，而是结合过程中“意外”生成的。新能力的生成在弱人工智能下往往源于数据与其他资源隐藏的关联性；在强人工智能下，则是算法和算力支撑下的“自我”发现，是远关联度预测下的新发现。例如，结合了数据要素，过去不具备产品设计能力的企业生成了这一新能力。

数据要素与组织性资源也存在明显的不同。对企业而言，数据要素可以是给定的，作为投入品输入到组织内，与其他资源协同互动或涌现出新能力；也可以是生成的，在组织的活动过程中（如采购管理或碳足迹管理等）沉淀形成，或AI自行生成混杂在沉淀数据中。不同模块的数据打通形成数据平台，能更好地发挥协同性和涌现性。企业还可以基于对市场需求的识别，进一步将这些内部数据与其他资源（如专利等）进行有机结合，转变为可供交易的数据，进行变现。这是数据要素与组织性资源的最大差异。组织性资源无法定价和交易（即使是将企业的管理机制、文化等总结提炼以专著形式出版，也不是组织性资源本身的变现和交易，而是内容创作），但数据要素是可以在一定条件下进行定价和交易的。

制造企业将数据要素进行“打包”，形成面向市场的产品和服务，也就是俗称的“数据产业化”“数据产品开发”，实际上是新增了一项非制造的经营业务，也就是进行多元化。因此，企业需要在战略愿景、战略决策层面对此进行重新审视，甚至可能需要调整战略愿景和战略定位。

数据要素参与核心竞争力构建的机制

核心竞争力的构建机制可以划分为三种类型。第一种是“学习累进模式”，即企业通过组织学习实现从资源到能力的跃升，从而构建起核心竞争力。从组织学习的角度看，基于不同的学习方式和路径对同样的资源进行组合，会形成不同的能力（见图1）。双元学习模型是最常见的组织学习方式，指利用式和探索式两种路径及其交互，有利于促成有效的学习效果，进而建立并发挥企业能力。利用式学习和探索式学习都可以进一步细分为不同形式，如“干中学”或整合创新等，所以，企业组织学习的模式实际上存在极为多样化的选择。

以组织学习为主线的核心竞争力构建机制，存在两个企业普遍关注的延伸问题。第一个是管理者和员工、个体和群体的角色及作用问题。个人学习到组织学习的转换是组织学习得以推进的关键节点，需要企业的结构、机制和文化支撑（组织性资源的结合在此发生）。第二个是知识管理问题，组织学习作为构建核心竞争力的主线必然涉及知识管理。知识管理关注的是企业中隐性知识和显性知识的有效创造和积累，相互作用和整合。其中涉及个人知识与组织知识的转换，需要针对性的机制、合适的组织文化作为保障。两个方面的延伸问题都与企业的组织结构、管理机制、管控模式及文化氛围等紧密相关，也就是与企业的组织性资源相关。组织性資源不仅具有协同性，还是一个约束“开关”。发达国家的跨国公司都是以学习累进模式构建核心竞争力的典型代表。

第二种是“合模式”，即企业创造性地利用“合”——复合、联合、结合、相合——来建立竞争优势或者弥补竞争劣势，从而构建核心竞争力。与强调内部资源能力利用的学习累进模式不同，合模式强调与外部资源、能力的链接以及发挥外部资源和能力的杠杆作用，这在互联网经济条件下具有积极的启示性意义。合模式强调企业核心竞争力不仅源于内部，还源于外部生态系统。在新的外部环境下，产业链整合能力、网络连接能力、生态资源整合利用能力、生态系统参与或治理能力成为企业核心竞争力的新内容。苹果、小米、阿里巴巴、腾讯等新一代互联网企业都是以合模式构建核心竞争力的代表。

第三种是“战略承诺驱动的迭代模式”。外部环境要素对企业构建核心竞争力既有正面影响，也有负面作用，战略承诺驱动是企业有效应对和克服外部环境不利影响的关键基础。战略承诺驱动核心竞争力构建有两条路径，分别是“有心栽花”与“先无心插柳，后有心栽花”。企业先聚焦于一个维度或领域的能力培育和提升，之后如“攻破一个又一个高地”一般“偏执地”集中投入资源，培育出多个领域的能力且形成协同，并同步对企业的治理结构、管理机制和企业文化进行完善和优化。以战略承诺构建核心竞争力的关键是为每一次投入配置资源，以集中建立某种能力的隐形边界，从而克服外部环境特别是各种“风口”的诱惑。广东新宝电器是这一模式的典型代表。

学习累进模式、合模式和战略承诺驱动的迭代模式是不同历史发展阶段企业构建核心竞争力的规律总结。新一代信息技术时代，建立核心竞争力的本质规律并未改变，但在融入数据要素之后，企业运行和管理的精益化水平大大提升，核心竞争力的构建机制也发生了变革。

第一，摆脱具体行业特性的、面向需求场景的核心竞争力越来越受到重视。

在数字化程度不断提高的大背景下，数据资源日益充沛。因为数据资源具有“因人而异”的非均质性特点，企业在将数据资源与其他资源和能力进行组合来推进能力构建和核心竞争力构建时，都面临一个趋势，即与新一代信息技术结合度越深，越有可能将与之相关的能力发展成自己的核心竞争力。例如，越来越多的企业将自己定义为物联网公司、软件公司或科技集团（一家著名的中国新能源整车制造企业提出将致力于成为全球领先的人工智能企业），这些愿景反映出其构建核心竞争力的方向和焦点。

此外，無论是以哪一种模式构建核心竞争力，数据要素加持的资源和能力组合迭代都应跟随企业的战略、管控模式（即组织性资源）。“乌卡”环境下，企业面向需求场景进行战略调整，管控模式出现比较明显的前中后台划分，因此，核心竞争力的分层日益成为主流（见本文作者在《清华管理评论》2023年第六期《新型工业化征程上的制造企业：构建核心竞争力的新思路》的讨论）。数据中台与业务中台共存，并作为活动桥梁，将基础性、可共享、可复用的资源能力与一线需求情景链接起来。在企业的前、中、后台三个层面上，数据要素都参与其中，数据要素的沉淀与属性因此也出现了分层（见图2）。

第二，对“涌现”的探究成为先锋企业构建能力的焦点。

涌现性是数据要素不同于其他生产要素的属性之一。在大数据、算法和算力的支持下，企业越来越有可能利用人工智能在数据要素与其他资源、要素的互动中发现各类远程关联，以及并非事先设计的关联即涌现，从而推动新能力的出现以及各应用领域的创新。然而，对于涌现是如何产生的，涌现产生的机制、边界、条件、指向等问题，目前并无标准答案，仍充满“神秘”。

企业要充分挖掘数据要素涌现性所能带来的价值，使其在核心竞争力构建中产生创新性效应，首先要在使用数据要素，特别是算法和人工智能时强化“微调”（finetuning）和“提示”（prompting）方面的能力；其次，应进一步将算法细化为算法设计与算法工程，并分别给予相应的投入，以建构刺激涌现的组织环境；最后，每一轮涌现出的“新事物”，都应沉淀为下一轮所用，使数据要素的利用过程持续优化。

要使涌现出的新事物符合核心竞争力建构所需，需要的是“无限的努力”。具体而言，可以聚焦利用数据的理想意向（预期的理想结果）与要解决的问题（如某个具体需求），找到两者之间的空缺来推动解决方案的“涌现”。

第三，培育数据要素安全治理的机制和能力，并将其嵌入核心竞争力构建全过程。

数据要素的安全及伦理问题日益受到社会的重视和关注。数据要素安全治理的规则、结构、机制和文化都应成为企业组织性资源的新内容，数字安全方面的能力也应该成为数据要素加持下的核心竞争力构建的基础。数据要素安全治理的相关组织性资源投入，将大大提升企业合规水平。企业将流程中的合规要求指标化，一方面可以通过数据分评估合规水平，另一方面可以在数据流动路径中设置阈值，提前预警，从而形成更具效能的前置型合规管理体系。中国企业在数据要素安全治理方面有丰富的实践经验，但对大部分企业而言，在组织性资源中融入数据安全治理要素仍有很长的路要走。

第四，想象力成为稀缺资源，这或许是强人工智能时代企业构筑可持续竞争优势的关键。

当数据要素在企业的能力构建中承担越来越重要的作用，利用数据要素能大大提高企业的敏捷性、韧性、决策能力，能使企业具有强大的预测能力时，企业之间的竞争将演变为更底层的竞争，即企业机制、文化和价值的竞争。这意味着企业构建核心竞争力，不仅需要投入新一代信息技术如人工智能、大数据、物联网等资源，配置高端人才团队，还需要将想象力作为重要资源进行优化配置。尤其在算法与人工智能时代，想象力与机器生成的文本相比更是稀缺资源。钱学森先生说过：“艺术的思维是先科学后艺术，科学的思维是先艺术后科学。”企业的想象力将打开对人类需求场景的理解，使数据要素的利用更加有的放矢；创造更多数据要素与其他资源和能力粘合、协同的可能性，使更多的创新性“涌现”；使算法设计、算法工程更具创新性，提高生成更多意外效能的概率。

面临的挑战

数据要素的乘数效应使核心竞争力的构建更具多样性和复杂性，此外，数据要素的涌现性也带来了更多不确定性，这给企业带来了新的挑战，具体体现在两个方面。

第一，外部环境的不确定性显著提升。一方面，数据要素市场的发育程度及相关制度环境如政策、规则和政府治理等，将会对企业利用数据要素推动核心竞争力构建的意愿产生影响。另一方面，外部环境尤其是政策环境也将影响制造企业能在多大程度上利用数据要素提高制造主业能力或推动制造服务化高质量发展，而不是走向另外一种形式的“脱实向虚”。因此，从企业的角度看，应对外部环境的难度并没有因为数据要素的加持而降低，战略牵引下的核心竞争力构建依然是应对新一代信息技术时代提升竞争力的基本逻辑。

第二，战略决策者面临新的挑战。新一代信息技术时代或人工智能时代，人是核心，企业中领导“人”的战略决策者面临全方位多样化挑战。人工智能渗入数据要素发挥价值的过程，科学决策、价值决策交织在一起，这对管理者提出了更高的要求。当今时代迫切需要具备人文精神的复合型企业家。企业家本就是稀缺资源，理解技术和市场，懂“人”，具有系统思维的复合型企业家更是稀缺，具有人文精神和想象力的企业家尤其稀缺。唯有在儿童、青少年的教育和培养体系中种下人文精神和想象力的种子，才有可能在人-机协同时代的“新人类”中产生适应时代要求的新型企业家。

结语

当前数据已如空气般存在，充分利用数据、数据资源和数据要素来获得发展成为企业的必然选择。在新一代信息技术环境下，企业生存和发展的底层逻辑没有改变，但发展的思维需要不断更新。本文探讨了作为劳动工具的数据要素加持下，制造企业构建核心竞争力的特点以及面临的挑战。

数据要素与其他资源能力的作用机制和组织性资源类似，可以通过“学习累进模式”“合模式”和“战略承诺驱动的迭代模式”参与核心竞争力构建；然而，因其具有协同性和涌现性，又有独特之处，面向需求场景、探究涌现、安全治理和具备想象力成为数据要素加持核心竞争力的新要求。这些新要求让我们看到，在人工智能协助下，战略决策者在构建企业核心竞争力过程中仍然处于主导地位，这既振奋人心，又让人倍感任重道远。

本研究受国家社会科学基金资助项目（20BGL031）和教育部人文社会科学研究基金资助青年基金项目（19YJCZH062）资助。感谢受访企业高管的真知灼见，文责自负。