基于外部動力的大數據環境下產品創新模式研究

李 冰，李玉博

(哈爾濱工程大學經濟管理學院，黑龍江 哈爾濱 150001)

基于外部動力的大數據環境下產品創新模式研究

李 冰，李玉博

(哈爾濱工程大學經濟管理學院，黑龍江 哈爾濱 150001)

本文基于產品創新的外部動力，認為傳統的產品創新過程都是在單一作用力或多力的獨立作用下實現的，大數據將這些外部作用力進行了充分有效的融合，使力與力之間協同作用，因此提出風車型產品創新模式。從產品創新階段視角分析了大數據環境下產品創新的外部驅動力作用機制，從數據處理階段視角分析了制約力的作用機制，并通過華為公司利用大數據進行產品創新的案例分析，證明了在大數據環境下風車型產品創新模式的可行性和有效性。

大數據；外部動力；產品創新；風車型模式

1 引言

隨著互聯網技術、物聯網技術、傳感器技術等快速發展，越來越多的數據被不斷產生，這些數據讓企業一時之間難以選擇和處理，如何及時洞察出有用的信息，以適應快速動態的市場競爭環境，對企業來說是一個難題和挑戰[1-2]。市場調研機構(IDC)的最新報告顯示，2014—2019年大數據技術和服務市場創造的價值的年復合增長率(CAGR)預計為23.1%，并且在2019年社會在大數據方面的支出將達到486億美元[3]。大數據中蘊含的巨大商業價值、科學研究價值、社會管理與公共服務價值以及支撐科學決策的價值，正在被認知與開發利用[4-6]。

產品創新是企業賴以生存和發展的基礎，在大數據環境下，如何利用大數據技術，快速推出新產品并占領市場，成為企業進一步發展的目標。Zhang認為雖然大數據在創新領域的應用存在存儲難、安全性低和處理速度慢等挑戰，但是通過大數據分析技術可以促進創新管理，以及幫助企業制定創新戰略[7]；McAfee等指出大數據可以幫助企業創造新產品和服務，升級現有產品和創造全新的商業模式，比如通過獲取現有產品的相關數據，促進下一代產品的更新，以及提供具有創新性的產品售后服務[8-9]；Regina結合大數據分析結果，發現加快產品更新速度和提高產品質量都能提高產品的盈利能力[10]；經濟合作發展組織(OECD)在其2013年發布的研究報告中指出，數據已成為創造競爭優勢和驅動創新、可持續發展的核心資產[11]；Xu從知識融合角度研究發現，通過大數據分析進行的產品創新，更容易取得成功[12]；陳以增等探討了大數據環境下用戶參與產品開發方法，并通過用戶參與小米手機開發案例，論證企業可以運用大數據技術提高產品創新能力[13]。

綜上所述，已有文獻從宏觀角度對大數據在產品創新中的應用進行了充分研究，但是對大數據如何驅動產品創新，以及如何引起產品創新模式的變革則較少涉及。本文從產品創新的外部動力角度出發，研究在大數據環境下的產品創新動力作用機制，并提出風車型的產品創新模式，以期為大數據環境下產品創新的研究提供借鑒。

2 大數據環境下風車型產品創新模式

2.1 傳統環境下產品創新的外部動力分析

從動力角度，可以將產品創新的驅動力分為內部動力和外部動力。綜合已有文獻可知，產品創新的外部動力主要包括技術進步的推力、市場需求的拉力、市場競爭的壓力和政府引導的支持力(見圖1)。

圖1 傳統環境下產品創新的外部動力

(1)技術推力[14-15]。這種模式認為市場和消費者是新產品的接受者，產品創新的目的是創造新的市場需求，而任何一項新產品的設計和開發都需要技術的支持，因此技術作為產品開發最基本的動力，作用于產品創新的各個階段，推動產品創新。

(2)市場拉力[16]。市場需求是產品創新的出發點和創意源泉，對產品和技術提出了明確的要求，可見產品創新的直接動力來源于市場需求。

(3)競爭壓力[17]。在市場需求尚未完全滿足的情況下，企業通過對競爭產品進行詳細分析并獲取相應的技術和產品創新知識，結合企業自身情況，對知識和技術進行引進消化再吸收，實現對現有產品的升級改造，快速推出具有競爭力的新產品。

(4)政府支持力[18]。在蘇聯和中國計劃經濟時代，主要通過政府制定創新計劃、鼓勵政策來引導企業開展研發工作，提高科技水平，或直接創造新的市場需求，促使企業進行產品創新。

綜上可知，傳統環境下產品創新是在多種力的綜合作用下進行，因此可以得出傳統環境下的產品創新綜合模式(見圖2)。

圖2 傳統環境下的產品創新綜合模式

綜合傳統環境下的產品創新外部動力分析和產品創新綜合模式可知，企業的產品創新是在單一力作用下或多種力獨立作用下實現。比如在創意產生階段，傳統環境下企業獲取用戶需求的方式通常是填寫問卷、接受訪問等，然而由于消費者的真實需求具有隱蔽性、復雜性和易變性，利用歷史的、靜態的、結構化的數據，企業很難獲得用戶的真實需求，使得一部分產品在生產出來之后就被市場淘汰。在大數據環境下，則可以輕易解決這些問題，企業通過互聯網技術、物聯網技術輕松獲得用戶的行為數據、屬性信息以及地理位置信息等，并利用大數據分析技術，掌握消費者的真實需要，在對企業自身技術水平和研發能力準確評估基礎上，形成產品創意。因此，如何充分有效利用產品創新的外部動力，成為大數據環境下產品創新研究的重點。

2.2 大數據環境下產品創新的外部動力分析

盡管本文的研究重點是在產品創新的外部驅動力上，但是產品創新的制約力也是客觀存在的，尤其是在大數據環境下，大數據本身的不足更是無法忽略的。除此之外，政策因素、資金因素、環境因素等也會影響產品創新，鑒于已有學者在這方面進行了深入研究，所以本文不做贅述[19]。本文從作用力的作用階段、作用形式，分析風車型產品創新模式的驅動力和制約力，得出大數據環境下產品創新的動力作用機制(見圖3)。

圖3 大數據環境下產品創新的動力作用機制

從圖3可以看出，在大數據環境下的產品創新過程中，驅動力的本質沒有發生變化，只是作用形式發生改變，從傳統環境下的單一作用力轉變為大數據環境下的合力，即在大數據環境下，將技術推力、市場拉力、競爭壓力和政府支持力轉化為數據，結合大數據分析的結果來進行產品創新。可以看出，在大數據環境下，產品創新外部動力的融合更為緊密，各力環環相扣，同時作用于產品創新的各個階段，像風吹動風車轉動一樣，加速產品創新流程。因此，本文提出了大數據環境下的產品創新模式——風車型產品創新模式(見圖4)。在風車型產品創新模式中，技術推力、市場拉力、競爭壓力和政府支持力仍是“風車轉動”的驅動力，而大數據自身所面臨的挑戰，諸如數據存儲成本高、數據獲取困難、技術人員不足和價值密度低等，形成“風車轉動”的制約力[20-22]。

圖4 風車型產品創新模式

3 大數據環境下風車型產品創新模式的動力作用機制分析

3.1 風車型模式下產品創新的驅動力分析

結合產品創新流程，從以下六個階段研究風車型模式下產品創新的驅動力。

(1)創意產生。新產品創意來源于多個方面，如科學技術突破、顧客需求、市場競爭、環境問題、政策鼓勵等。在互聯網世界，通過網絡爬蟲技術，可以輕易掌握目標用戶和潛在用戶的個人屬性數據、行為數據以及社交數據；在物聯網世界，企業也可以運用來自內置于產品中的傳感器數據，了解商品的真實使用情況；在真實世界，對競爭對手的銷售數據分析、政府政策和引導計劃進行分析，評估市場環境和經濟環境。

(2)概念設計。這個階段首先要考慮用戶對產品功能結構的需求，對產品內置傳感器和用戶反饋的數據進行分析，獲得產品最常被使用的功能，以及最符合用戶習慣的產品功能結構，通過市場需求分析數據，獲得用戶最期望增加的功能；其次通過對技術和生產相關數據的分析，獲得最有可能實現的功能；最后綜合已有的產品設計數據和競爭對手推出的新產品數據，設計出最符合用戶需求的產品功能。

(3)立項分析。企業在對一個新產品進行立項分析時，需要對其業務操作、技術等方面進行可行性分析。在大數據環境下，通過企業業務流程數據(如產品物料、采購、生產等)，對新產品概念的業務操作可行性進行評價決策，以確定其是否可行；通過對新技術試制新產品過程中反饋的傳感器數據、良品率以及所消耗的成本等綜合數據分析評價，確定技術上的可實施性。

(4)設計開發。新產品的設計開發過程是一個迭代開發的循環過程，在大數據環境下，可以采用“數據-產品-數據”的數據驅動型產品設計開發模式。通過分析競爭對手采用的新技術、開發出的新產品、政府引導的科技計劃取得的專利和創新性技術、消費者行為信息等數據，企業研發人員可以及時了解行業內最先進的技術和最全面的發展動態，掌握消費者的個性化需求，最大程度的拓寬設計思路，進行新產品的設計和開發，并制造出新產品的原型樣品后進行測試，根據測試得到的相關數據再進行產品的修正，形成依托數據進行迭代開發的循環模式。

(5)測試矯正。產品試制過程中可以依據生產記錄數據，對生產運營過程進行分析，針對試制過程中的生產不足等問題提出改進計劃，制定更合理的生產計劃；針對產品質量、勞動成本、完工時間等數據進行分析，找出生產控制的關鍵內容，并制定相應的生產計劃，從而使得生產過程能夠得到更好的保障。產品試銷時通過對顧客需求數據以及市場競爭環境數據的分析，可以優化產品組合，調整產品投放策略；對產品的銷售統計數據分析，可以合理設置存貨位置，減少銷售渠道層數，加快供貨速度。

(6)上市管理。大數據環境下，可以通過搜集消費者的行為數據，通過情感分析、語義分析等大數據分析技術，對特定消費群體進行精準定位，制定營銷策略；然后根據市場競爭對手銷售數據和市場產品結構數據，確定產品組合方案和市場投放策略；最后結合消費者的購買動機、購買方式、信息接收習慣等數據，設計產品銷售方案。

3.2 風車型模式下產品創新的制約力分析

在大數據融合產品創新外部動力，加速產品創新流程的同時，大數據本身存在的一些問題，成為風車型產品創新模式的制約力。本文從數據處理的四個階段——數據采集、數據存儲、數據分析、數據應用，詳細分析風車型模式下產品創新的制約力[23]。

(1)數據采集。數據采集階段主要存在數據獲取困難的問題，主要表現在三個方面。首先，在信息時代下，用戶對隱私的關注會帶來用戶對網絡的不安全感，造成不登錄、注冊、使用網絡平臺，進而無法對其在線行為數據進行捕捉；其次，產品內置傳感器、多渠道獲取信息和企業進行信息化建設等，都會提高企業獲取數據的成本；最后，在大數據資源與共享方面，由于受發展程度、經濟利益、文化傳統和其他因素的影響，我國數據資源的“孤島化”“荒漠化”與“不完整化”現象比較嚴重，數據交換、利用和共享率低下，這在一定程度上增加了數據獲取的難度，形成風車型模式下產品創新的初始阻力。

(2)數據存儲。隨著數據量的爆發性增長，普通的服務器和數據庫難以滿足大數據的存儲要求，因此需要采用獨特的分布式存儲架構，配置相當高的大型服務器，以及訪問速度快、保障性高的磁盤陣列，來滿足海量數據的高速存儲需求，保證數據的處理性能[4]。在當前環境下，大型服務器和高性能磁盤陣列等硬件設備非常昂貴，同時對于服務器及數據庫的維護也需要專業的技術人員，投入及運營維護成本都很高，一般企業難以接受 。因此，數據存儲成本高昂，無形中增加產品創新風險，造成風車型模式下產品創新的動力不足。

(3)數據分析。傳統數據分析技術力求通過復雜算法從有限的數據集中獲取信息，其更加追求準確性；大數據分析技術則是通過高效的算法和模式對全體數據進行分析。因此，出現了許多專門針對大數據的集成、管理及分析的技術和方法，如布隆過濾器(Bloom Filter)、散列法(Hash法)、字典樹(Trie樹)、并行計算(MapReduce)等。然而，一方面由于大數據來源多樣化，且應用于不同的領域，需要采用不同的分析處理模式，當前技術水平下，難以滿足業務需求；另一方面，新興的大數據分析技術，帶來的還有相關技術人員不足，據麥肯錫全球研究院估計，2018年美國對數據高級分析師的需求為19萬，對數據管理和普通數據分析的崗位需求將達150萬。因此，大數據環境下的風車型模式中，技術和人員的缺失成為產品創新最大的阻力。

(4)數據應用。這里所說的數據應用階段為狹義的數據應用，即大數據的價值實現。大數據具有數據價值巨大的特點，使得大數據應用在多個領域，但是相應的數據價值密度低，成為風車型模式產品創新的制約力。第一，大數據由于數據量巨大，同時數據量又在不斷增長，因此單位數據的價值密度在不斷降低；第二，如果所采集的信息本身噪聲較大或者一些關鍵性的數據沒有包含進來，那么所挖掘出來的價值也就大打折扣；第三，大數據需要進行深度的數據挖掘和分析，而在挖掘過程中所需的人力、財力耗費巨大，項目周期也相對較長，挖掘出來的信息對于企業決策、成本效益等方面的貢獻并不大。因此，在大數據環境下產品創新的過程中，數據價值密度低會造成動力的偏差。

4 案例分析

華為公司作為信息、通信和技術(ICT)行業的領軍企業，在大數據、云計算和互聯互通領域具有天然優勢，因而能夠在大數據環境下，快速適應產品創新模式的變革。

4.1 廣泛的數據來源

華為目前實行“以客戶需求為導向”的產品創新戰略，對客戶的行為分析采用機器學習制和全量多維分析，通過構建全數據模型，實現百萬維度數據實時分析。在市場和用戶的數據采集方面，華為擁有廣泛的數據來源。首先，華為與全球領先的通信運營商建立了 34 個聯合創新中心或實驗室，通過合作協議，從運營商處獲取大量的用戶數據資源，包括用戶消費數據、用戶個人屬性數據等，以此拓寬數據采集渠道，全面獲取目標用戶的數據，把領先技術轉化為自身的競爭優勢和商業成功。其次，花粉俱樂部也是一個很重要的渠道，截至2016年5月1日，論壇內帖子總數達到158263125個，注冊用戶達到25758777位，在花粉俱樂部這個開放社區里，每周都有上萬個用戶反饋的帖子，其中不乏一些深度的產品使用體驗報告，華為公司通過整合分析用戶的發言信息，可以低成本、高效率地獲取用戶的需求信息，為智能手機的研發提供創新思路。最后，華為公司結合自身的技術和硬件優勢，為每個智能手機內置了反饋軟件和傳感器，根據用戶使用手機過程中傳回的各種數據，有針對性地對產品進行功能設計，推出更符合用戶功能需求的智能手機。

4.2 大數據技術全球研究院

業界領先的大數據技術是華為公司的核心競爭優勢，目前華為在全球共設有23個研究院，其中有一部分專門從事大數據技術方面的研究。例如，華為在美國、歐洲、印度、深圳、杭州和南京分別建立了MOLAP、分布式計算算法、數據可視化、大數據管理平臺、流計算、實時決策等專業研究院，專注于大數據的技術研究。經過1000多名員工8年多的持續努力，華為公司已經全方位掌控大數據核心技術，同時為了增加大數據平臺的易用性和復雜查詢能力，創新設計了表聚簇和多級索引方案，實現與公司現有數據庫、數據倉庫的無縫對接。

4.3 云計算數據中心

隨著數據的不斷產生以及數據體量的持續增大，華為公司通過建立云計算數據中心來解決數據存儲難的問題。目前華為已在安徽宿州、貴州玉溪、江蘇鹽城、浙江湖州、山東濟寧等五個地區建立了云計算數據中心，專門用來存儲和處理大數據，同時擁有FusionSphere云操作系統、FusionStorage分布式存儲系統和FusionInsight大數據分析平臺、ManageOne數據中心管理系統等，并推出面向未來業務驅動的分布式云計算數據中心架構(SD-DC2)，將其應用在智能手機的產品開發和風險控制方面，實現更高效的運作和管理。華為公司通過重構以大數據為基礎的決策和分析體系，建立基于大數據和云計算的產品創新和反饋機制，極大地提高了產品競爭力和客戶滿意度。

5 結論

傳統環境下，產品創新的外部動力主要來源于技術進步、市場需求、市場競爭和政府引導，存在作用力單一、缺乏協同的問題。大數據環境下，盡管產品創新驅動力沒有發生變化，但是大數據成功地將這些驅動力進行了融合，使它們能步調一致、相互促進，實現更高效地產品創新，即本文提出的風車型的產品創新模式。從物理學角度來看，在大數據環境下的風車型產品創新模式中，外部驅動力在產品創新六個階段的融合效果，遠遠超過了因大數據特點所帶來的制約力，完全可以勝任風車型產品創新模式動力源，并且取得了更好的作用效果。同時，華為公司利用大數據開展產品創新的過程和成果有力地證明了風車型產品創新模式的可行性和高效性。因此，風車型產品創新模式將成為大數據時代企業產品創新的最佳選擇。

[1]LEE Jay，KAO Hung，YANG Shan.Service innovation and smart analytics for industry 4.0 and big data environment[C]// Proceedings of the 6th CIRP Conference on Industrial Product-Service Systems.Canada，Windsor，2014:3-8.

[2]LABRINIDIS Alexandros.Challenges and opportunities with big data[J].Journal proceedings of the VLDB endowment，2012，5(12):2032-2033.

[3]IDC Special Study.New IDC forecast sees worldwide big data technology and services market growing to $48.6 billion in 2019，driven by wide adoption across industries[R].Framingham，Mass：Research Press Release，2015.

[4]CHEN Hsinchun，CHIANG Roger，STOREY Veda.Business intelligence and analytics：from big data to big impact[J].MIS quarterly，2012,36(4):1165-1188.

[5]BRYANT Randal，KATZ Randy，LAZOWSKA Edward.Big-data computing：creating revolutionary breakthroughs in commerce，science，and society[J].Computing community consortium，2008，8:1-7.

[6]WEF Mobile Financial Services Development Report.Big data，big impact：new possibilities for international development[R].Switzerland，World Economic Forum,2012.

[7]ZHANG Jinsong，CHEN Yan，LI Taoying.Opportunities of innovation under challenges of big data[C]// Proceedings of the 10th International Conference on Fuzzy Systems and Knowledge Discovery.Shenyang，China，IEEE，2013:669-673.

[8]MCAFEE Andrew，BRYN Erik.Big data：the management revolution[J].Harvard business review，2012(10):61-68.

[9]LAVALLE Steve，LESSER Eric，SHOCKLEY Rebecca，HOPKINS Michael，KRUSCHWITZ Nina.Big data，analytics and the path from insights to value[J].MIT sloan management review，2011，52(2):21-32.

[10]MCNALLY Regina，AKDENIZ Billur.New product development processes and new product profitability：exploring the mediating role of speed to market and product quality[J].Journal of product innovation management，2011，28(S1)：63-77.

[11]OECD Digital Economy.Exploring data-driven innovation as a new source of growth：mapping the policy issues raised by big data[R].OECD Publishing.2013，http://dx.doi.org/10.1787/5k47zw3fcp43-en.

[12]XU Zhenning，FRANK Gary.Effects of big data analytics and traditional marketing analytics on new product success：a knowledge fusion perspective[J/OL].Journal of business research,2015.http://dx.doi.org/10.1016/j.jbusres.

[13]陳以增,王斌達.大數據驅動下顧客參與的產品開發方法研究[J].科技進步與對策，2015，32(10)：72-77.

[14]SUBRAHMANYA Bala.Model of technological innovations in small enterprises：comparative perspective of Bangalore(India) and northeast England(UK)[J].Technovation，2005，25(3):269-280.

[15]ORIHATA Motokazu，WATANABE Chihiro.Evolutional dynamics of product innovation：the case of consumer electronics[J].Technovation，2000，20(8):437-449.

[16]MOWERY David，ROSENBERG Nathan.The influence of market demand upon innovation：a critical review of some recent empirical studies[J].Research policy，1979，8(2):102-153.

[17]孫平，王誼.產品創新——巨變時代中權利的獲得與利用[M].成都：西南財經大學出版社，1998.

[18]GEORG Susse，ROPKE Inge，JORGENSEN Ulrik.Clean technology innovation and environmental regulation[J].Environmental and resource economics，1992，2(6)：533-550.

[29]JURADO Jaider，GRACIA Antonio，LUCIO Ignacio，HENRIQUEZ Liney.The effect of external and internal factors on firms’product innovation[J].Research policy，2008，37(4)：616-632.

[20]HILBERT Martin.Big data for development：a review of promises and challenges[J].Development policy review，2016，34(1):135-174.

[21]SAGIROGLU Seref，SINANC Duygu.Big data：a review[C]// Proceedings of the 2013 International Conference on Collaboration Technologies and Systems(CTS)，San Diego，CA，2013:42-47.

[22]BHATIA Anuradha，VASWANI Gaurav.Big data-a review[J].International journal of engineering sciences & research technology，2013，2(8)：2102-2106.

[23]MADDEN Sam.From databases to big data[J].IEEE internet computing，2012(5):4-6.

(責任編輯 沈蓉)

Product Innovation Model Based on External Power in Big Data Environment

Li Bing，Li Yubo

(School of Economics and Management，Harbin Engineering University，Harbin 150001，China)

In the view of external power，all traditional product innovations were done in a single acting force or multiple independent ones.The big data made these acting forces fused fully and efficiently.There was quite obviously a lot of synergy among the forces to push forward product innovations，which worked just like windmill.So the model of windmill-type product innovation was first put forward in this paper.In big data circumstances，it analyzed mechanism of external acting forces from the perspective of different stages of product innovation and mechanism of restrained forces from the view of data processing.It also proved the feasibility and availability of windmill-type product innovation in the environment of big data by the case study of Huawei Company using big data in product innovation.

Big data；External power；Product innovation；Windmill-type model

黑龍江省自然科學基金項目“節能減排的低碳效應與績效評價研究”(G201313)。

2016-06-02 作者簡介：李冰(1978-),女，黑龍江人，副教授，博士；研究方向：科技與創新管理。

F273

A