人大经济论坛

 找回密码
 立即注册

QQ登录

只需一步,快速开始

搜索
热搜: 活动 交友 discuz
查看: 471|回复: 11

大数据时代的异质性需求、网络化供给与新型工业化

[复制链接]
发表于 2017-7-11 15:42:14 | 显示全部楼层 |阅读模式
摘要:在全球生产组织方式深刻变革的大数据时代,中国传统工业企业和新型工业化出现了全新的转型逻辑和实现契机。本文以解析大数据时代传统企业转型亟需破解的核心问题——异质性需求与网络化供给的内在逻辑入手,在分析“大数据”源泉、特征及思维转型的基础上,为传统工业企业转型发展提供了一个思路。本文认为,传统工业企业应通过三维视角构建转型路径,即累积数据资产,构建“数据驱动型”企业;实施开放式创新战略,重构工业企业竞争力 ;融入智慧型网络组织,实现企业协同转型。同时,从发展方式、产业升级、创新驱动、国际竞争四个层面,为中国的新型工业化发展提供了战略调整思路。
关键词:大数据时代;异质性需求;网络化供给;新型工业化
作者:张亚斌,马莉莉,西北大学经济管理学院。

 楼主| 发表于 2017-7-11 15:43:23 | 显示全部楼层
20 世纪末以来,以社交网络、物联网、云计算、移动互联网等新兴信息技术主导的新一轮产业革命将人类社会经济发展带入大数据时代。基于互联网与大数据的企业商业模式创新,使得传统的生产、流通和消费等环节呈现出前所未有的“信息化”、“扁平化”和“无界化”。由于可能建构起表征现实世界的“虚拟镜像”,海量规模的数据资源背后是人类思维方式和行为分析工具的彻底突破——借助于大数据的分析与研究,对消费者行为规律、需求内容、结构、方式及其发展变化的预测更趋科学性。因此,掌握大量数据资源的企业就意味着捕捉到更多的异质消费需求和商业价值创造机会,也预示着更高的生产率增长和消费者盈余,因而更易于推进企业扩张与转型。与此同时,以网络化供给为特征的全球新兴生产组织方式迅猛发展,为应对大规模攀升和敏捷市场响应的异质性需求提供了破解之道。由此,工业企业转型发展的根本前提将转变为获取、分析和运用大数据进行价值创新的动态能力,这无疑给大数据时代中国的新型工业化发展提供了重要启示与全新思路。

 楼主| 发表于 2017-7-11 15:47:10 | 显示全部楼层
一、异质性需求与网络化供给的内在逻辑

理论界对异质产品需求和供给的研究是沿着“规模经济”、“范围经济”、“模块技术”和“网络组织”的脉络渐次推进的;模块化分解衍生出大规模异质性需求 ,而“大数据”为企业高效地获取异质性需求并通过网络化组织进行生产提供了全新路径。

第一,规模经济与范围经济交互作用推动模块化技术趋向成熟。Dixit and Stiglitz(1977)通过将厂商收益递增效应纳入模型分析,论证了规模经济与需求多样性之间的均衡问题,认为异质产品需求源自于垄断竞争厂商的规模扩张[1]。随着投资、管理等要素投入的增加,生产和经营多种产品的范围扩张也体现出一定的规模经济性,具有范围经济效应[2]。模块化技术在一定程度上解决了产品异质性与零部件标准化之间的矛盾,实现了零部件生产的规模经济和多样组合带来的范围经济[3]。因而,通过不同模块的有机组合与联结,垄断竞争厂商在满足异质产品需求的同时,实现了大规模定制式生产,推动模块化技术趋向成熟[4]。

第二,瞬息万变的技术创新与敏捷快速的市场响应压力,使得模块生产厂商陷入各模块的规模经济与保持供给弹性之间的两难选择。对于难以实现规模经济的模块,厂商通过外包非核心环节的形式来专注与强化自身核心竞争力[5]。各模块厂商因产出同一产品而内在联结,而自身又成为其他产品的子模块,这种灵活虚拟的网状结构被称为网络化组织[6]。模块厂商通过协同生产来创造和共享价值,并且各自保持了较高的供给弹性和稳定性。

第三,异质性需求规模扩大是网络化组织得以形成的基础,而网络组织深化会衍生更大规模的异质性需求,二者相互促进,并自我累积强化。首先,不同模块厂商通过自身技术累积实现规模扩张和专业化[7],同一模块的不同企业在“优胜劣汰”中走向差异化发展,并演变为异质企业[8]。其次,异质企业通过外包形式收窄生产范围,专注于自身核心竞争力,继而产生规模更大的异质要素和异质产品需求。最后,网络成员通过共享异质性需求信息,以空间并立、时间串联的形式内在联结,极大地提高了响应市场中快速变化的异质性需求能力,因而组织成员通过相互协作发挥网络协同效应成为必然选择[9]。因此,网络化产生的异质性需求、时间压缩和生产空间并立,驱动其成为自我累积强化并不断扩张的发展机制[10]。

第四,大数据时代的异质性需求更趋显性化和细碎化。大数据通过联结虚拟世界与现实世界、匹配历史数据与即时数据、刻画真实情境与行为规律,使得对消费者与生产者需求偏好的“精准预测”成为可能。从消费者层面来看,大量具有隐秘性、易变性、复杂性、情境依赖性的真实消费需求通过大数据 “表达”出来,有利于提高生产者效率和消费者盈余[11]。从生产者层面来看,大数据资源可以使其无限接近和了解消费者,并通过细分掌控大量异质产品需求,为企业掌控产业链和价值定位奠定基础;同理,异质企业通过模块化分解产生的大量异质要素需求,同样可以在大数据时代得到充分显现和细分 。从网络化组织来看,大数据时代的预测分析维度、数据应用价值、信息传递效率、市场通达程度和敏捷响应能力等都得到显著改善,网络组织成员的交易效率大幅提升,进而衍生出更大规模的异质性需求,推动网络化发展机制自我强化的同时,网络协同效应得到充分发挥。

第五,“大数据”为市场更加趋于均衡、社会更加趋向帕累托最优创造条件。面对迅猛增长、复杂易变的异质性需求,一方面传统的生产与供给决策——对产业链各环节进行层层预测,难免因信息不对称而产生误差累积,最终导致趋近上游的生产环节面临更大的生产偏差和库存损耗,即偏离真实需求而形成“长鞭效应”;另一方面,“长尾效应”表明,市场长尾部分存在的更大规模异质性需求容易被企业忽略,从而失去实现企业利润和消费者剩余最大化的机会[12]。因此,当生产过程不断被打开,空间分散的网络成员各生产环节与异质性需求面临必须紧密联结的硬约束,任何脱节都可能导致所有网络成员被市场淘汰,从而因陷入“碎片化危机”引发经济波动。而大数据以科学预测异质性需求为重要指针,使生产经营各环节更加具有准确性和针对性。一旦 “真实”异质性需求确定,信息通过网络组织传递和共享,很大程度上解决了生产者与消费者之间的信息不对称问题,实现真正意义上的大规模定制、按单生产和精准营销,提升了各成员对市场的敏捷反应能力与协同效率。因此,大数据为生产者实现规模经济和范围经济,降低企业经营风险和交易成本 ,实现消费者剩余最大化和整个社会的帕累托最优提供了重要条件。


 楼主| 发表于 2017-7-11 15:47:59 | 显示全部楼层
二、“大数据”的源泉、特征与思维转型

大数据是互联网、物联网、移动终端、工业传感器等软硬件设备生成的结构化、半结构化及非结构化数据总和,其核心商业价值在于通过数据挖掘、人工智能、预测分析等技术,获取、处理、应用大规模异质性需求信息和知识,为价值创造、公共服务、科学研究等提供支撑。“大数据”引发的颠覆性变革是全方位、多层面的,消费者的需求内容、结构和方式趋向异质化,企业要素获取和价值创造呈现网络化,组织关系和竞争格局亟待重构。因此,基于大数据的思维理念变革将成为传统企业价值创新和应对各种挑战的逻辑必然。

 楼主| 发表于 2017-7-11 15:49:25 | 显示全部楼层
(一)“大数据”的源泉

从经济动因来看,大数据根源于模块化分解与异质化加剧。一方面,分工细化产生的大量“碎片化信息”,以及异质网络成员之间、生产与消费之间必须联结的迫切性,使“碎片化信息”的使用成为必要;另一方面,信息技术发展使“碎片化信息”以大数据的形式呈现,反过来又为网络成员的进一步异质化和细碎化提供物质保障。总之,分工细碎化使大数据得以产生,生产内部及其与消费联结的必要性,使大数据有必要被高效利用。

从技术背景来看,随着信息基础设施的不断完善,社交网络、高速宽带、移动终端、物联网、高能存储设备以及云计算等为大数据的集中采集、存储与共享提供场所。数据收集、挖掘、传播、分析、预测等大数据技术的自动化,以及语义分析、图文转换、模式识别、行为分析算法等大数据技术的智能化,使得大数据商业应用的技术基础和物质条件日渐夯实。大数据应用已拓展至公共管理、科学研究、经济预测等领域,成为新发明、新产业、新服务的源泉,正在推动人类社会转向更加信息化、数字化、网络化的全新存在方式[13]。

从具体产生途径来看,大数据来源大致可以分为三类:一是人们通过互联网进行信息传递和交互产生的文本、图片、声音、视频等数据;二是计算机信息系统内部产生的包括文件、数据库等的自动生成;三是各类物联网,如电子传感器、工业设备、家用电器、汽车、电表、科研仪器等数字互联设备产生的巨量流媒体数据。随着数据采集技术的快速普及,数据规模的爆炸式增长和数据模式的高度复杂化,大数据的来源和应用越来越广泛,人、机、物三元世界达到空前融合,世界已进入网络化的大数据时代[14]。

从海量数据的商业利用方式来看,首先,大数据将人们看似毫不相关的“行为”和“需求偏好”内在联结起来,形成完整的“行为轨迹”和“偏好链”,用以表征渐趋异质化的消费需求,因此具备了数据产品的内在属性。其次,同一产品的不同模块企业之间为实现商业价值,通过共享信息进行协作与决策,而同一模块的不同企业在竞争中走向差异化发展,继而产生规模更大的异质性需求数据,分散在众多虚拟网络化组织中,而数据价值挖掘、知识管理的竞争成为组织间竞争的核心。最后,网络化组织在自我强化累积的过程中,各异质企业需要面对更大的市场规模和更为分散的供应链,为减少信息不对称和提升交易效率,彼此敏捷协作和内在联结成为必然,由此形成对大数据的强劲需求。

 楼主| 发表于 2017-7-11 15:51:12 | 显示全部楼层
(二)“大数据”的特征

大数据时代,数据信息已经从稀少发展到了超级富余,数据及其影响无处不在,从商业到科学,从政府到艺术等各个领域[15]。目前,“大数据”的主要特征体现在四个方面:其一,数据规模巨大。从B(Byte)、KB、MB、GB、TB,到PB、EB、ZB、YB……数据宇宙的边界不断扩大[16]。例如2012 年沃尔玛的消费者每天产生的交易数据就超过60PB[17],而2010 年全球数据总量为1.2ZB,并且每年以约40%的速度高速增长,预计2020 年将突破35.2ZB[18]。其二 ,类型复杂多样,绝大部分为日志、图像、视音频等非结构化数据。更加强调总体而非样本,追求混杂性而非单一性,探寻相关关系而不仅是因果关系[19] ,从而使消费者与生产者组织关系、行为规律、需求偏好的表征更为全面。其三,高效处理。在协同应对大规模异质性需求时,强大的市场响应压力使得各网络成员必须对大数据进行实时处理,比竞争对手反应更为敏捷,这成为大数据时代组织竞争力的重要特征。其四,低密度高价值。网络组织分工深化使消费者和生产者需求趋向细碎化,产生的海量分散数据使得有价值信息的比例降低,但看似杂乱无章的低密度数据中存在内在的联结性和高价值性。

 楼主| 发表于 2017-7-11 15:52:44 | 显示全部楼层
(三)大数据时代的企业思维转型

首先,数据成为重要的生产要素,参与企业价值创造过程。现代西方经济学认为,企业生产要素主要包括劳动力、土地和资本。进入工业化时代,技术成为相对独立的要素之一。大数据时代,数据将作为重要的要素投入生产,并以多种不同的服务模式重构企业价值创新网络。掌控大量数据资源的企业就意味着接近、了解和拥有大量消费者,就更易于掌控产业链,并实现向其他领域的多元化扩张,这使得数据资源渐趋成为驱动企业创新的战略制高点和赖以持续发展的根本保证[20]。因此,传统企业需要树立以数据为中心的新思维,通过对大数据的高效处理和应用,对消费者、合作者、竞争者真实和潜在的异质性需求作出科学定位,优化生产经营和决策管理,实现不同企业之间的协同创新和价值增值。

其次,生产者供给方式由“推式”转向“拉式”。传统的“推式”生产是企业追求同质产品的大规模生产,而后推向市场,相似产品可替代性不强,消费者多样化需求受到抑制;而大数据使消费者的中心地位逐渐回归,企业凭借大数据可以快速地捕捉到大量“长尾市场”中的异质性需求,通过移动网络平台随时跟踪订单信息,并与其他上游网络组织成员共享数据,不同模块供应商之间敏捷响应,完成生产并即时发货,从而大大缩短了产品生产周期,降低了企业存货过剩风险,实现真正意义上的个性化定制。因此,大数据时代,以传统的企业事先决策为中心的“推式”生产将转向为以消费者异质性需求为中心的“拉式”生产。

最后,消费者进入生产领域,生产过程呈现出更为广泛的社会性。大数据使采集、处理和共享大量利益相关者数据,建构起规模更大、黏度更高的虚拟网络组织成为可能。在网络化组织中,一方面消费者角色和地位发生前所未有的逆转,消费群体由“需求抑制”转向“需求表征”,并通过参与企业产品创意、设计、试验、生产、营销、管理等各个环节,与企业进行广泛而深入的互动与反馈;另一方面,企业与企业形成了跨行业、跨区域、跨国界的开放性网络组织,产品生产与价值创造过程日益表现出更为广泛的社会参与性和互动性。例如,阿里巴巴集团利用企业与消费者海量数据优势,与其他企业进行深度产业融合,由一家电子商务公司转型为集平台、金融、数据服务、物流等为一体的企业,成功地对价值链进行整合与重构,给金融、物流、电子商务、制造、零售等行业带来深刻影响和重要启示[21]。

 楼主| 发表于 2017-7-11 15:54:44 | 显示全部楼层
三、大数据时代的传统工业企业转型

(一)传统工业企业的严峻挑战与战略机遇

如前所述,网络化供给方式主要利用模块的层层分解实现规模经济,而异质性需求供给能力和敏捷程度的提升主要通过模块组合来实现。因此,为敏捷 、高效地应对大数据时代日益攀升且复杂多变的异质性需求,网络化组织的当务之急是尽可能地直接与异质性需求,特别是与消费群体最终的异质产品需求相联结。但是,由于距离市场中最终异质产品需求相对较远,如何高效率、低成本地获取快速变化的数据资源,并通过在网络组织中建立信息沟通机制来完成敏捷生产与协同供给,成为传统工业企业面临的严峻挑战。

与此同时,网络组织的深化发展使数据大量产生,但大数据并非杂乱无章,而是有着与网络化生产系统有机结合的必要性和规律性。海量数据的采集、加工和应用技术使数据成为企业生产经营服务的专门化资产,即数据资产的“服务化”,继而数据资产进入生产性服务业。网络化生产系统的内在联结性 ,要求数据资产与其它分工环节密切协同,从而转向生产制造与数据服务业的协同演进。因此,需要建立数据驱动创新的生产制造企业,协同应对生产与消费的现代性矛盾,并由此改造升级传统的生产制造系统。

网络组织的自我累积强化使异质性需求迅猛攀升,并在大数据时代得到准确表征,同时构成网络化供给机制不可或缺且日趋重要的组成部分。一方面,面对基于互联网和大数据等商业模式提出的大规模异质性需求和敏捷响应压力等苛刻要求时,传统工业企业自身的生产资源储备、产品开发周期、生产运营成本、产能利用率、个性化水平等将很难应对;另一方面,以数字化、个性化和智能化为特征的网络化制造范式快速兴起,为大数据时代的中国传统工业企业提供了转型发展的战略机遇,同时为推进“信息化”与“工业化”的深度融合,以及实现新型工业化提供了根本动力。

 楼主| 发表于 2017-7-11 15:55:15 | 显示全部楼层
(二)大数据时代传统工业企业的转型路径

异质性需求与网络化供给的内在协同,演化出需求大数据、合作大数据和生产大数据,从而为传统工业企业融入智慧型网络组织,并向数字化生存企业转型提供了战略机遇和全新路径。因此,大数据时代传统工业企业应通过“数据驱动型—开放式创新—网络化协同”三维视角构建转型路径,具体来说,包括以下方面:

 楼主| 发表于 2017-7-11 15:57:48 | 显示全部楼层
1.累积数据资产,构建“数据驱动型”企业
大数据时代,数据成为资产,并演变为相对独立的生产要素,参与企业价值创造过程[22]。以消费者需求为导向的“拉式”生产方式回归本位,凸显出数据资产的战略价值。数据资产相对丰裕、数据价值应用较高的企业将更加贴近复杂易变的市场前沿,因而能够快速准确地应对消费群体的异质性需求。因此,通过直接或间接获取和累积数据资产,构建“数据驱动”型制造企业,是传统工业企业转型的必由之路。具体而言,主要包括以下方面:一是构建数据聚合与分享平台。实力较强的企业为消费者提供产品并进行数据资源积累,通过数据存储、挖掘和应用为产业链各环节提供数据增值服务,向产业链的上下游垂直整合,而实力较弱的中小企业可以融入平台实现数据资源的间接使用和共享。二是实施数据驱动创新战略。将大数据采集和应用技术渗透至产品设计研发、生产制造、质量控制、供应链管理、售后服务等价值创新的各个环节,缩短产品开发周期,优化生产过程、增加附加值,提升企业竞争力。三是发挥大数据的“正反馈效应”。企业通过获取消费者需求数据,为其提供产品的同时,又产生更大规模消费者的需求数据,从而激励企业创造更优质的产品,形成良性循环的正反馈效应。四是探索“制造即服务”的云制造模式。企业以云计算、物联网、智能化等技术为支撑,将软硬件、企业、知识等数据资源存放于云制造服务平台,消费者创造性地使用云制造满足异质性需求[23],真正实现消费者主导制造过程和数据资产服务于制造业。

2.实施开放式创新战略,重构工业企业竞争力
网络化供给机制不仅促进了全球制造网络的形成,而且形成了全球创新网络。大数据时代,一方面传统制造企业必须面对不断攀升的异质性需求和激烈的市场竞争,能否随时直接或间接地获取数据资源,对生产流程和决策管理进行优化和再造,成为企业赢得市场的核心竞争力[24];另一方面,制造企业产品的供给越来越需要跨领域合作,即设计研发、机械制造、软件开发、供应链管理等跨专业和跨国界团队的协同配合[25]。随着互联网、云计算、大数据等信息技术快速兴起,技术和知识的溢出速度加快、技术生命周期缩短、利用专业知识创新和获利的能力降低、企业研发风险加大等,使得企业内部与外部的创新和商业化推广变得同等重要[26]。与注重企业内部研发“良性循环”的封闭式创新范式不同,开放式创新更加注重组织内外创新资源的双向流动。因此,有必要通过开放式创新范式实现协同创新效应,在利用传统创新模式的同时,注重寻求外部成本更低、效率更高的理念、资本和技术,如采用合作研发、技术许可授权、业务众包、产学研合作、供应商与用户创新等[27]。以开放、共享、平等的理念打造全球化制造网络组织,特别是在网络化和信息化的创新体系下寻求全球价值链整合[28],提升中国制造业附加值,由此重构中国工业企业国际竞争力。

3.融入智慧型网络化组织,实现企业协同转型
互联网、云计算、大数据等信息科技革命推动人与人、人与组织、组织与组织关系快速重构,消费者与生产者之间形成了不断累积强化的网络组织,这必然要求传统企业,特别是工业企业进行结构性变革,融入智慧型网络组织,实现企业协同转型。具体而言,工业企业构建和融入智慧型网络组织主要体现在以下层面:一是形式层面,采用泛互联网范式,即传统工业企业与拥有移动终端、网络平台、软件应用、数据资产的企业构建一体化网络组织,形成企业累积数据资产并发挥其价值的最佳范式[29]。二是内容层面,联结工业互联网,即利用互联网和大数据改造传统工业制造,突破物理距离、时间成本及信息不对称的约束,改造传统企业生产组织方式和空间组织方式,将物理资源优势转化为数据资源优势,使制造高度数字化、网络化和智能化 ,更加适应大数据时代的异质性需求。三是本质层面,通过组织协同创新来驱动成员提高生产和创新效率、保持组织活力、协调生产关系、利用内外部资源等,促进传统工业企业自身产业融合,以及与其它产业的跨界融合,同时也实现与外部复杂易变的环境动态匹配和整合创新。四是结果层面,以信息化带动传统工业企业转型升级,通过融入智慧型网络生产组织,促进信息产业与工业产业的渗透、交叉和重组等深度融合,在提高新的竞争力的同时 ,实现新型工业化的转型发展。

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关于我们|Archiver|手机版|小黑屋|人大经济论坛 ( 京ICP备05066828号-20 京公网安备 11040202430141号 )

GMT+8, 2019-12-13 09:32 , Processed in 0.049830 second(s), 27 queries .

Powered by Discuz! X3.4

© 2001-2017 Comsenz Inc.

快速回复 返回顶部 返回列表