引言

自从党的十九届四中全会明确提出数据也是一种生产要素以来，数据对提高生产效率的乘数作用凸显^[1]。随着数字化技术与经济等活动的深度融合，特别是在“网络效应”和“羊群效应”的推动下，“企业—客户”数据量呈指数型增长，这一方面形成了以客户为中心的需求侧数据规模，另一方面也形成了以平台企业或者核心企业为中心的供给侧数据优势。从企业群落看，需求侧数据优势激发了先动者优势和平台效应优势，形成赢家通吃的局面，同时从产业链供给关系看，供给侧数据优势及其形成的数据资源在多层级嵌入，形成了平台企业或者关键核心企业数据杠杆作用。这一方面要求整个产业内企业及客户之间协同关系，另一方面也相对改变了平台企业为中心的产业链供给关系及系统内竞争秩序。从过去的研究看，数据不仅仅是一种资源，更是一种生产要素，数据资源的丰富程度直接决定了资源禀赋的丰裕水平^[2]。同时数据组织、数据技术使用及其数据治理等，决定了数字化发展水平及其数据资源活跃度，例如企业之间有效的数据治理促进了企业之间竞争，提高了其他企业参与能力。平台企业由于先导优势，再基于企业数据安全、数据使用层级、共享机制等内在化要求，有助于塑造企业竞争优势独特性，形成数据垄断、APP数据剩余索取权等。特别是我们观察到一些平台企业，例如基于企业关注和社会关注需要的进入与退出规则，这关系到平台企业为中心的产业链发展乃至于系统的演化。已有文献虽然对数据作为价值功能做了大量阐述，但是数据与企业平台战略变革缺乏应有的融合研究，若干基于数据价值要素发挥机制仍有待进一步洞悉。第一，数据要素资源与平台企业战略转型之间的内在逻辑关系需要我们进一步从微观视角进行分析，以帮助我们厘清数据资源如何助推企业战略转型。第二，传统我们对平台企业的研究更多集中于服务型平台研究，例如对淘宝、京东等类似平台服务型平台企业研究。这些平台企业数据规模及其技术分析能力可能是这些服务型企业平台关键能力，但是对于制造业平台企业来说，数据资源与传统制造业资源如何融合形成企业关键核心能力尚未得到应有重视。本研究基于数据要素资源入手，概括要素资源组织二重性及其特征基础上，分析数据资源作用机理，以及在分析“数据资源+传统资源”是如何构建企业平台化转型战略基础上，提出制造业企业平台化战略转型作用机理模型。

一.   数据特性及组织二重性内涵

一   数据及组织二重性典型特征

数据资源能够成为信息、知识，以及对决策起到支持作用，关键在于数据是否有组织、技术标准以及按照价值用途确定其何种管理标准。数据资源如果没有一定的数据标准进行界定归类，就只是处于潜在的、未被利用的、待激活的价值状态^[3]。数据组织管理是数据价值形态演进的基础与前提条件。现有数据组织及管理标准没有明确的定义，通常是行业内达成共识的通用数据标准，或是领先的核心企业所确定的数据标准。因此，在组织层面，数据组织首先具有他组织属性。可以理解为，数据映射的是生产生活活动，数据关联及其数据之间映射关系反映的是某个参与主体或者群体行为，只有数据对生产生活活动存在映射关系，数据资源才具有可利用的价值，即被组织被收集被挖掘为信息，达到信息集成支撑决策。或者说，如果缺乏他组织“赋能”，数据就只是观察结果，多具有价值稀疏、内容单一等初始特性^[4]，因此数据资源的组织化，进一步提高了数据资源的价值属性。有明确目标的数据组织及管理，通过组织与系统内建构，形成有价值用途的信息、知识，才能起到决策支持作用和价值实现功能。

数据也是生产活动的结果，有独立于企业个体能动性之外的产业属性。具体表现为企业个体在数字化转型中数据达到某个临界规模后，由于规模经济等因素，形成的平台内数据网络规模扩张与平台集聚加速机制，且边际上的第三方企业不断增多，而且是“越多越多”的现象，这是独立于企业之外的。在产业生态系统中，一方面，双边市场或多边市场中的一方或多方用户数量突破某个临界规模，那么其生产活动蕴含的数据价值量也会爆发式增长到一定规模，就可能会引发“鸡生蛋、蛋生鸡”的网络正反馈作用^[5]。这种网络规模扩张不仅仅是一种循环，在生产活动与技术改进中更是不断进行螺旋迭代，且具有惯性。边际上多边企业向生态系统的集聚过程是自动产生的，不需要动员企业个体去产生数据，只要系统内企业存在，其行为轨迹必然遵守一定的产业轨道，例如产品、技术轨道、行业轨道和市场竞争惯性，必然会产生数据，表现为数据具有自组织属性。另一方面，数据资源的多元共享特性使得多元化参与主体的协作模式向节点组织甚至是生态组织转变，发挥每个“节点”的自组织、自驱动能力，相互协作，共同“织网”形成生态共同体^[3]。各个节点的组织要素推动了互补与协同机制，当拥有这些数据的企业进行合作，数据形态和数据形式在同一范围得到强化，从而在不同范围进一步扩大影响。作为节点的平台企业数据形成一定规范时，必然会吸引生态系统内中小企业及潜在第三方消费者参考和模仿。特别是对数据的规范、标准，形成数据资源的相互嵌入和建构特征，这又表现为他组织属性。从这层意思上看，数据自组织属性是建立在他组织基础之上，这样数据组织过程又表现为杠杆效应。因此，从产业生态系统本身的形成和演进来看，数据具有他组织、自组织双重属性，这种二重属性表现出数据杠杆作用。值得注意的是，数据自组织的前提条件是他组织，具体详见表1。

表  1  数据组织二重性概念特征及内涵

特征	内涵
数据异质性	不同数据集、不同的挖掘方法，产生的数据价值对不同用户也会存在差异[2, 6]。
数据组织与标准	数据标准是相互通信的协议[7]；数据是搭建数据库的“巴别塔”，促进知识的协同生产[6]。数据标准化影响了数据质量和可访问程度[8]。建立围绕数据组织、算法及数据安全及数据治理等一套规则。
数据自组织	数据与其他数据结合[8]。
数据他组织	要求数据语义遵循特定规范和规则，数据标准的使用是由强大的需求侧和供给侧力量驱动的[6]；利用产业与消费数据网络，打通供给端与需求端通路[9]。
注：内容根据本文观点整理而得。

下载: 导出CSV 

| 显示表格

二   数据组织差异

从产业链供给角度来看，数据资源的壁垒与隔离导致了企业业务流程、产品设计与市场支撑能力的差别，成为企业平台数字化转型的痛点，制约了企业核心竞争力的提升。在挖掘数据价值过程中的数据标准化统一缓解了这种数据割裂，一方面有利于上游原材料企业制定合理库存，实现资源的优化配置；另一方面通过设备数据的关联规范了下游企业使用数据生产的技术标准，提高了生产效率与技术稳定性。对内打破了不同部门以及不同环节之间的“数据孤岛”，强化组织资源对业务流程的调整，同时对外形成产业链供应链上下游的数据关联，保证业务和产品数据化可视化状态，这既提高了组织对外优势，也提升了对产业链供应链价值管理。作为节点的平台企业，可以进一步通过数据标准的更新迭代等“他组织”标准化赋能，结合大数据处理的技术能力提升，降低信息传递与处理成本，推动着组织管理数字化发展。而“他组织”的数据标准化过程必然同时将平台企业之间的数据组织标准化传导到众多第三方中小企业及其他竞争企业上，从而加快了产业链供应链数据标准化管理进程，升级以及强化了不同互补资源之间的功能协同，这种因为数据标准化形成的价值创造系统，解决了过去产业链和供应链相对松散性问题，也必然进一步构筑了核心企业或者在位企业对产业链供应链控制力和效率及明显的效益差距，因此也形成了不同核心企业或者在位企业的竞争优势差距。

从需求侧来看，数字技术的突破促进了以用户需求为导向的生产过程，市场需求决定着企业推出新产品的方向与供给数量。数据作为一种资源，其异质性提升企业业务质量，业务关系决定数据资源的配置，企业对外关系的扩大更是要求数据作为重要支撑。数据改变了传统的业务流程和商业模式，实现了价值共创。新产品的创造不仅受利益相关的供给方的影响，还要考虑平台上有大量需求侧的消费者共同参与到产品设计、生产、销售的全过程，平台数据规模以指数型增长，不断积累转化。这就需要通过分析系统及时提取信息供企业进行生产决策，以便动态维持供需稳定。这种数据到知识的转化实现了数据价值倍增，同时这种“加杠杆”机制将会在这个过程中产生“马太效应”^[10]，以自组织机制的方式撬动平台企业的优势空间，吸引越来越多的第三方中小企业及消费者集聚，扩大企业竞争优势与劣势格局的分界线。这种数据标准的“出租”过程不会因为追随型企业数量的增加而产生任何损失^[11]，产业生态系统内的各个企业通过在生态系统内创造了具有可复制可共享的“准公共物品”而实现了数据的标准化。更进一步来说，也可以理解为，任何第三方企业都可以在不影响其他人使用的情况下，使用平台企业或者领先企业确定的数据标准。

二.   数据杠杆及价值效应

不同于一般自然资源的不可再生性，在经济运行和生产生活的过程中，生态系统内各个参与主体的数据能够进行无边际成本地再生产^[12]。从数据技术维度来说，无论是一般性数据还是海量数据，都需要经过数据采集、标注、集成、汇聚和标准化等资源化过程，数据资源化过程就是数据质量提升过程，也是从一般数据到知识发现过程，这是数据变成有价值的基础^[13]。而数据成为生产要素在产业中运行时，会出现数据价值倍增效应和倍减效应，这种效应就形成了数据杠杆。因为数据本身既多源异构、多元共享，多元数据往往存在结构性差异、碎片化程度高、价值密度低等内在特性。而核心企业或者在位企业有意识按照一定数据标准化要求，加强数据的采集、存储和服务等，这一系列过程提升了数据使用场景、使用效率和使用效益，并且在场景化应用中实现了数据的价值增值（倍增）^[3]。值得注意的是，资源互补性和协同性决定了不同企业之间的合作关系。从生产生活需求看，必须建立数据资源的协同机制：一是数据协同利用网络空间加速知识经验在产业链上下游的扩散传递^[14]，同时数据自身特点与商务管理目的、数据层面、特征层面或知识层面的协同^[15]，有效促进了数据规模提升和数据价值倍增。二是根据数据信息源的互斥、互补或依赖等关系，不同企业的协同合作实现对人才、技术、资本、管理等生产要素流转数字化的“五链协同”^[16]，重构原有产业要素配置，使数据资源实现价值倍增。从企业间层面看，核心企业的数据优势不仅吸引第三方中小企业追随合作，同样吸引终端消费者的增加，由此产生的数据资源也在不断爆发式增长，存在数据的网络正反馈效应。

另一方面，海量的数据中不可避免会存在隐私数据、不公开数据、内部不公开数据等，出于对数据安全的保护，拥有大型数据池的公司不愿与实际或潜在的竞争对手分享代表其最大价值资产之一的数据^[7]，这必然形成系统内不同类型、不同发展层次企业之间竞争和合作关系。此外对保密性和商业秘密，即对数据安全性的关注可能会增加很高的壁垒，数据利用能力不足和机会主义行为可能会造成价值共毁现象^[17]。因此在一个产业生态系统内，必然形成以不同平台企业或者核心企业为中心不同生态群落之间竞争与合作关系，这必然在市场上表现为就数据提供、收集和共享方面的自我应用限制，造成数据市场的寒蝉效应^[18]。即不同企业间的协同受到限制可能会出现数据资源的价值倍减，引起数据的网络负反馈效应。从整个生态系统动态性发展看，数据杠杆一旦被激活，组织的双重机制将吸引越来越多的中小企业以及终端消费者向平台企业集聚，越来越多的参与主体进行价值创造^[19]。只有不断创新，企业才能在动态变化的环境中生存，通过企业核心竞争力的更新克服核心竞争力刚性^[20]。这种数据杠杆在动态中拓展了产业生态系统内数据标准“租赁”、合作或者“免费模仿”的范围和规模，自然而然地创造了一种平台企业为数据标准化的“加杠杆”机制，意味着越来越多的第三方中小企业与数据标准的在位平台企业实现直接或间接的“一对多”资源新组合^[21]。

数据组织二重性及其杠杆作用对于产业生态系统内在机制存在直接关联，特别是他组织属性相对于自组织属性更加突出。主要是因为，生态系统内平台企业、核心企业想获得竞争优势，需要尽可能建立正反馈机制，避免负反馈机制。即根据市场上的数据要素市场发展、发展趋势、数据场景、竞争对手等，加大数据组织及管理创新，提升其对数据资源控制能力。也就是说，在产业竞争与合作中，“他组织”的能力和质量的提升对自组织正反馈机制的持续性和强度起到决定性作用，具体详见表2。

表  2  数据杠杆及价值内涵

特征	内涵
数据杠杆	越多的人主动或被动地提供数据，公司就越能提高其产品的质量，产品对其他用户就越有吸引力，公司就有越多的数据可以进一步改进其产品，这对潜在用户就越有吸引力[22]。
数据价值—数据价值倍增	另一个消费者拥有一种兼容的商品时，一个消费者对该商品的价值就会增加[23]。还与其他生产要素互相融合连接时，发挥倍增作用[3, 8]。
数据价值—数据价值倍减	“过度惯性”阻碍从一个共同标准或技术向一个可能更高的新标准或技术的集体转换的可能性[23]；“转换”数据以使其与其他数据兼容的工具成本和复杂性可能很高[6]；隐私数据等不完全公开数据使得数据价值无法发挥， 会造成数据价值的倍减。
注：内容来自本文观点整理而得。

下载: 导出CSV 

| 显示表格

三.   案例：数据驱动与企业服务型战略转型

综上，根据数据要素资组织二重性及其特征与数据资源作用机理，选取了以致力打造综合性数据平台以推动企业战略转型的玻璃心材料科技型企业——凯盛科技集团——为案例进行分析研究。

一   数据自组织与个人及组织知识显性化

数据自组织在企业内的实现方式主要有三个途径：按标准采集形成数据链、上下游内部的数据关联、模型分析及知识外显化。以玻璃生产行业为例，其一，现代玻璃生产，特别是显示玻璃生产是专业化技术很高的产业。需要从材料配方、融化、拉薄、切割等不同生产工序，温度、湿度和材料混合等各个方面精准度非常高。过去主要玻璃生产主要是需要一部分很有经验技工（老师傅个人经验知识）掌握，因此很多特定玻璃生产及工序控制主要是靠有经验技工来完成，在专用生产设备和数字化技术加持下，实现了从单个器件、车间到整个生产过程数字化管理。另外不同部件要求不同，例如炉膛温度，通过数据积累与数据分析，形成了不同产品生产数据温控性标准，这种内部数据固化及标准化工程，提高了产品标准化生产过程管理，也加快了企业内部从过去依赖于经验管理到智能化管理跃迁。即整个生产过程从过去基于个人的生产管理转向基于数据管理、基于数据决策的管理过程跃迁。

其二，利用采集到的不同技术工序、不同生产部门之间数据形成数据关联分析和体系化，推动了企业对关键资源管理控制和形成企业内部知识化管理。数字基础设施与传统关键部件制造有机耦合，一方面实现了数据生产、存储、共享和分析等在企业资源架构内的互联互通；另一方面加快专业设备和数据化技术融合。研发主任介绍，生产过程的技术操作能通过MES系统转化为数据进行统计记录，再按照客户的具体要求设计生产算法，再将算法储存在数字产品的微平台之中。从以往生产单一的制造设备，到按照生产技术要求设计智能解决方案，整合采集的不同技术工序以及不同生产部门数据，以数据标准的形式让算法辐射算法，形成行业部门之间的内部数据关联。企业内部数据关联以及基于数据算法实现，推进了企业关键核心设备制造能力，也提高了企业对关键核心设备制造及流程管理能力。这样企业通过数据在部门、上下工序之间流动及链接，形成了基于数据企业内部自组织过程，这一方面推进了企业对关键数据及核心部件管理能力、制造能力和控制能力，也为企业内部技术基于数据升级改造和内部能力提升打下了基础。

其三，根据所需信息资源的模式和规律进行数据挖掘，通过模型分析技术衍生出大数据等集成信息资产，促进了个人及组织知识的显性化。产业链最关键的环节就是技术转化，数据自组织实现了隐性知识通过数字技术的编译外显化方式开发数据。玻璃行业新产品开发已经超越了单纯生产过程，进一步结合实验室数据和生产工程方面数据，基于相应的超薄玻璃生产管理目的，挖掘相应技术参数数据，形成其他企业不具备的内部异质性知识。通过技术和专业知识的学习模仿、消费更高质量的产品与服务，企业在超薄电子玻璃领域内扩大影响，打破了国内超薄电子玻璃全部依赖进口的局面。平台的强连接能力加速了数据的标准化过程，实验室数据和生产技术及工艺数据已经超越了单纯经验知识范畴，将个体工作经验认知通过数据标准转化为企业核心内部隐性知识，实现了技术的模仿研发与产品优势。这种企业独有的数据标准成为企业数据自组织的基础，形成了具有核心竞争力的技术壁垒，在一定程度上吸引了边际上多边企业集聚，进一步提升了企业的数据采集与控制能力。

二   数据他组织与部门及组织管理流程化

针对数字化转型需求，企业自身进行了数字化建设。以凯盛为例，其从第一条数字液晶大屏开始，就要求从原材料数据、原料配方数据以及生产过程数据统一。企业为此设置了生产管理智慧看板，针对每个项目生产、项目资料、仓库物料、项目时效等及时更新参数，实现了设计部门和部门之间的信息跨屏、信息同频的功能，并对映射生产活动的数据不断进行挖掘提取，达到了信息的数据集成。由此，包括数据采集、数据分析、数据辅助决策等一系列数据已经成为部门乃至企业内部关键数据，不仅构成企业生产过程控制的核心知识及技术工艺，也支撑了企业产品技术标准及工艺基础，并为管理决策提供了支撑。因此通过这种个人经验数据的固化及标准的形成，体现了数据资源的相互嵌入和建构特征，即他组织属性。数据资源的整合应用支撑了信息交互、知识优势互补，共同构筑了企业核心竞争能力。

为了适应产品服务与供给变化，企业利用集采平台优势进行原料储备，通过一系列系统实现了数据他组织。在行业实践积累中，形成了一整套科研数据信息系统，这套数据处理方法和传统玻璃生产线产品研制直接关联，提升了企业对外技术和产品输出能力。并且各阶段相互作用，为设备制造提供数据支持，实现了更大范围的数据控制与管理。对于繁杂的数据信息资源，根据生产及管理要求，企业采用了不同的信息处理方式。例如大数据分析技术能够支持企业有效部署和运用数字资源，并与传统资源和能力相结合共创价值^[24]。大数据分析能力的构建不仅仅是建立在数字化网络基础之上，还通过数字化网络技术实现了企业内外部互联互通，解决了信息“孤岛”问题，数据在不同系统间流动，实现信息实时更换及其信息交换；更为重要是生产过程中分布式存储的数据流集合，形成网络互联，实时进行国内外设备诊断、生产过程数据在线分析以及辅助决策等。

三   数据他组织能力与对外行业装备制造能力

苗圩^[25]指出：“制造业是实体经济的主体，是技术创新的主战场，是供给侧结构性改革的重要领域。”国际化的激烈竞争中，企业只有在技术突破达到一定程度才能掌握话语权。由案例企业的发展可以看到，在超薄玻璃的关键核心技术方面的自有知识产权，构成了企业独有的装备制造能力。这种数据他组织与对外行业装备制造能力的形成主要有以下三个方面：其一，不同的研发数据按照生产流程与技术要求进行分析整合，形成了产品全生命周期的数据关联，促进了不同部门间的生产研发协同。从现代装备制造业发展看，行业知识和数据对装备制造业能力建设有具有关键作用。知识与数据的协同可以使得隐性知识外显化为企业核心数据，形成企业核心技术的数据标准，利用这些数据标准引领行业内产品技术的进一步开发与利用。可以说，这种“他组织”能力与质量的不断提升，进而强化数据自组织正反馈机制的连续性，提高作用强度。

其二，设备系统中的产品与技术融合，技术标准转化为数据标准嵌入产品，带动下游企业生产。从图纸制造到软件编程为客户提供数字化产品，利用算法系统将客户需求与实体设备制造连接，进行了数字孪生技术的探索，促进了制造系统的数据关联协同。随着设备产品的应用，数据管理已经不单纯是企业内部数据管理，而是全球范围内合作伙伴的数据管理，包括玻璃行业政策信息、供求数据、海外订单数据、合作企业生产及原料采购等数据。装备制造业能力及基础建设决定了行业发展水平和未来发展高度，这些建设在数据基础之上的装备制造，已经成为行业发展关键设备，提升了企业对外行业装备制造能力。

其三，基于数据的互联互通，在双方许可的情况下，企业可以对设备实行远程的数据控制，提高了管理的数字化智能化应用水平。数据的多元共享特性突破传统生产要素的排他性限制，与劳动、知识、管理等要素的结合放大了数据的杠杆作用，加强了行业上下游的数据标准控制能力。在提升数据的采集与分析能力、关键设备制造能力建设、在同行业大范围被应用等基础上，对没办法到达客户工厂的海外订单搭建联网协作平台，在云端数据库的支持下进行设备分析和实时技术交流，实现了设备的远程维护与服务，减轻了企业与企业之间、企业与客户之间的空间制约，为进一步开拓市场打下了基础。数字技术与设备制造的深度融合淡化了创新主体边界，生成的数字产品改变了以往单一生产的设备使用方式，易根据客户需求进行重新整合以满足个性化需求，按照相应数据标准指导下游企业生产，实现了从单一制造向数据及服务型企业转变。

四   数据杠杆及企业平台价值传递

数据要素的运行过程与数据价值形态的演进过程具有动态一致性^[3]，不可忽视的现象是企业一般基于一定的产业生态系统，在系统内通过竞争与合作中实现数据价值倍增或倍减的数据杠杆作用。企业要尽可能建立正反馈机制，避免负反馈机制，从而确立价值链控制能力，提升企业竞争优势。结合案例企业的发展模式来看，从需求侧来开展大数据分析，根据全球不同市场的发展，运用数据积极勾勒行业市场发展“画像”，并利用这些“画像”，给全球玻璃行业市场提供决策咨询信息，引导和支持整个行业形成统一的产品信号、市场信号。推动行业关键设备定制及管理，实现产品高效设计，产品全生命周期动态管理、以及用户、供应商等多方信息交互；协同设计和产品创新，构建了整个行业发展环境；运用未来市场需求杠杆、产品杠杆实现了企业商业模式和战略模式统一，整体推动了全球太阳能发电玻璃产业生态系统可持续发展，实现了先进数字化装备的输出。

从供给侧来看，除了一般通用的数据标准外，企业对企业自身制造能力进行数据评估，建立高效的供应链数据组织及标准，提高了生产效率。从原料采购、生产制造、资源利用等各个环节的数据进行采集与监管，构建与技术需求配套的数据标准链，通过数据链的协同和关联分析，实现上下游企业数据共享和协同决策，帮助上下游企业形成统一、有序内部市场管理，实现了管理流程标准化的输出。强大的数据支撑能力与行业技术标准保障了后期的市场维护与服务，在统一的标准框架内实现了设备的远程诊断与维护，数据在传递过程中安全、可控、一致和准确，进而形成其对合作企业及产业标准建设。数据打通供给端与需求端通路^[9]，形成了关联企业之间利益共享关系。数据链的互联互通，产品供给与市场需求协同共振，凯盛实现了自身从传统制造业向现代平台型制造企业的数字化转型发展，由此可以洞察数据驱动制造业企业平台战略转型的一般模式，具体详见图1。

图  1  数据驱动制造业企业服务型平台战略转型过程

下载: 全尺寸图片 幻灯片

四.   研究讨论与理论模型

综合上文，我们管中窥豹，从集团在关键设备研发及其对外服务能力方面，可以发现凯盛集团企业数据驱动企业服务型战略转型基础及其进一步战略安排：一是以数据为中心的制造业企业平台转型战略问题。目前大数据无论是作为资源还是技术手段，已经成为平台企业形成竞争力关键手段和方略。过去强调的五大战略过程要素^[26]已经转化为数据资源、数据创新、数据支撑的商业生态、数据支撑的业务流程与管理以及商业模式，本案例企业已经形成了数据为中心资源整合模式，例如经验和知识转化、部门数据与组织数据整合、关键设备数据与生产流程数据嵌入等等，这些数据进一步形成了企业基础性资源，对外服务型资源基础。因此制造型企业如何构筑“数据+传统制造业资源”并形成新的基础性资源，已经决定了企业生产与服务能力建设至关重要一环，这进一步推动制造业企业平台化转型或者推动制造业企业平台型战略关键。二是以数据为中心的价值共享和数据资源杠杆效应问题。生态系统的独特之处在于突出体现了组织之间相互依赖、相互合作和共存的特征，决定了组织之间选择性、竞争性和资源依赖性等关系^[2]。案例企业通过数据组织二重性特征，有效利用数据对内对外建立了组织相互依赖相互合作关系，而这种依赖和合作关系不同于传统对外合作和依赖关系。案例企业通过自身数据组织和服务能力建设，提升了企业对其他企业渗透能力，并且通过这种渗透，建立了共同数据资源价值共享要求。正是这种独特的组织属性和共同数据资源价值共享要求，一方面刺激其他中小企业集聚、进而发挥了数据的杠杆效应；另一方面激发了平台企业及其模仿者获取数据资源能力和数据组织管理能力，并创造了不断放大数据标准作用的杠杆机制和合作关系，这进一步形成具有联盟属性的价值创造系统^[10]，从而实现服务供给和价值创造最大化。三是平台企业数据壁垒效应及其价值共创问题，创新主体间的互动与协调是价值共创的重要条件。传统的平台企业以用户驱动为核心，数据资源能力与数据技术能力支撑产品创新与服务创新，形成的数据壁垒塑造企业的核心竞争力。但是从案例企业实际情况看，案例企业开始根植于行业制造业发展，主要通过“行业数据+行业关键设备供给”进一步塑造了企业对外制造业能力提升，为客户提供了端到端的系统集成服务，这不同于传统平台企业，是数据为中心平台制造型企业建设过程。数据资源和数据技术壁垒的作用机理与传统平台企业存在较大异质性，例如传统设备制造能力可能是传统制造业企业壁垒，或者是数据规模和大数据处理能力是服务型企业平台的壁垒，但是对于制造型企业来说，“数据+设备制造能力”已经成为企业竞争力关键壁垒，这方面在案例企业已经表现得尤为明显。围绕上述讨论，可以总结形成开放性环境中数据驱动制造业企业平台战略转型的整合性模型，详见图2。

图  2  数据驱动制造业企业服务型平台战略转型作用模型图

下载: 全尺寸图片 幻灯片

五.   结语

《“十四五”数字经济发展规划》中提出，要以数字技术与实体经济深度融合为主线，激活数据要素潜能，赋能传统产业转型升级。国内外学者多从数据要素价值化形成机制，以及与其他生产要素结合形成的互补性资产、企业动态能力等视角研究数据赋能企业转型过程。在此基础之上，本文围绕数据如何驱动制造业企业服务型战略转型这一问题，论述了数据组织二重性特征，从数据组织差异入手，探究数据要素在满足新需求和优化新供给上的支撑作用。并采取装备制造业企业进行案例研究，从理论层面探讨了“数据+传统制造业资源”推动制造业企业转型的模型。我们发现，首先数字经济背景下数据具有他组织与自组织二重性。基于他组织下的数据规则及标准和自组织下的数据加杠杆、数据规则及标准建设能力和数据杠杆效应及机制是影响企业竞争壁垒和形成竞争优势关键。其次，制造业企业平台战略转型已经不同于过去服务型企业平台建设，其关键在于“数据+传统制造业资源”形成新的竞争性资源，这些资源可以通过数据技术杠杆、流程杠杆、商业模式杠杆等，构筑竞争壁垒和竞争优势，也可以通过加数据杠杆作用机制形成行业有序力量，进一步带动企业上下游的价值创造与价值共享。最后，外部环境变化、技术进步及数据规则及标准更新等，促进了制造业企业战略转型和平台企业生态系统构建，特别是将“数据+传统制造业资源”构建是促进制造业企业平台化转型关键力量。