基于大數據的產業鏈演變研究

張軼群　杜傳忠

內容提要 產業鏈的空間演化過程具有內在的規律性，在新經濟時代，大數據賦予產業鏈更加豐富的內涵。本文從大數據融合視角著重分析了產業鏈多維度結構，在對典型案例進行分析的基礎上，分析指出：在數字經濟時代，技術變革促使產業鏈結構從傳統的線性映射結構演化為多維空間結構，產業鏈的多維空間結構直接影響產業轉型升級的方向;大數據與供需鏈融合作為網絡協同的微觀基礎，影響著價值鏈的增值，而且，微笑曲線各段附加值差距縮小，在物聯網架構下，企業“合作”趨勢漸強;從宏觀層面來看，大數據具有提高產業鏈穩定性的作用，但是依靠單一維度的融合不能發揮大數據分析的優勢，需要供需鏈、價值鏈、企業鏈、空間鏈四維協同整合，以達到完善產業鏈系統的目的。

關鍵詞 大數據產業鏈 融合機理

〔中圖分類號〕F49 〔文獻標識碼〕A 〔文章編號〕0447—662X（2020）04—0038—09

一、引言

產業鏈理論的研究對產業融合發展具有重要意義，產業鏈策略選擇也是市場競爭的重要手段。伴隨著全球化的快速發展，導致當今世界的競爭方式也產生了巨大變化，數據作為一種新型資源，其社會經濟地位愈發重要，這使得大數據與產業鏈的融合成為經濟發展的客觀需求。同時隨著大數據資源和分析技術的不斷提升，大數據為產業轉型升級帶來了新的突破口。早在1973年，Negroponte便開創性地提出數字技術的出現導致產業交叉，進而引發學者的討論，但是與發達國家相比，我國的相關研究十分匱乏。近幾年，我國政府對大數據、人工智能產業發展的重視力度持續增強，相關政策主要有國務院2015年8月頒發的《促進大數據發展行動綱要》、工信部2017年1月發布的《大數據產業發展規劃（2016—2020年）》。在當前人工智能時代，數據要素的融合使得產業鏈結構發生了新的變化，大數據與產業鏈之相互關系，以及大數據影響產業發展的作用機理研究是十分必要的。

大數據系統是一個復雜的、提供數據生命周期（從數據的產生到消亡）的不同階段數據處理功能的系統。對于不同的應用，大數據系統通常涉及多個不同的階段。按照系統工程方法，大數據系統可分解為數據生成、數據獲取、數據存儲和數據分析4個連續的階段。傳統的決策模型對海量數據的獲取、分析、處理能力有限，尤其難以應對非線性、變結構等開放性復雜決策問題。而基于大數據構建的決策模型不僅可以顯著地降低決策復雜度，減少決策過程中的不確定性，還能洞察隱藏在復雜性之下的潛在規律，從而在微觀、中觀、宏觀層面為決策者提供支持。然而一個良好的產業生態需要兼顧架構相似、數據相通、股權相連、運營協同4個方面。構成產業生態的核心標志之一，就是數據的互聯互通、數據的融合利用，也正是因為這一點，才使得不同的行業可以有機地整合在一起，跨層級、跨部門、跨產業地提升工作效率。大數據價值系統在產業鏈任意維度的缺失，必然導致企業或者產業無法協同整合，引發的產業內部不均衡以及對外部環境的不適應，都會阻礙產業轉型升級。

早期產業鏈的概念建立在傳統的映射式線性鏈條結構之上，從資源配置角度看，技術鏈、產業鏈和技術創新鏈三者之間存在的結構性失衡是阻礙規模經濟或者范圍經濟形成的根本原因。產業鏈的空間動態演化，是產業鏈內涵深化和空間范圍擴大的有機統一，它推動著區域生產要素的重組，引起區域產業結構、空間布局的變動。綜合來看，現有研究主要存在兩方面問題，其一，產業鏈的理論與實證研究大多從單一維度展開，缺少新背景下多維度協同整合的理論分析;其二，針對數據融合下的產業鏈結構變化，缺少大數據與產業鏈融合的機理分析。本文基于大數據視角，尋找大數據與產業鏈融合的作用機理，進而探討企業數字化升級后的產業鏈發展路徑。

二、大數據對產業鏈演變的作用機理分析

國外相關研究常見的術語是供需鏈（Supply Chain）、價值鏈（Value Chain），而“產業鏈”則較少提到，根據國內外學者的研究成果以及產業鏈的演化規律，本文從狹義范圍上將產業鏈概括為供需鏈，即采購原材料并轉換為中間產品和產成品，直至到達消費者手中，涉及有形與無形產品以及企業與消費者關系的網狀鏈結。從廣義范圍上將產業鏈分成供需鏈、價值鏈、企業鏈、空間鏈四個維度，產業鏈本身是一個空間概念，需要從微觀基礎進行協同整合，大數據正是起到這樣的作用。傳統研究中提出的產業鏈整合可以理解為狹義的供需鏈整合，而由映射式的線性鏈結演化為空間鏈結以后，產業鏈整合應當歸結為產業鏈內部某一環節如何發展的問題，比較前后變化可以發現，前者相對來說屬于借助系統外部條件進行協同整合，而后者則是將研究集中到產業鏈內部的某一方向，解決問題的著力點并不相同。

1.大數據對供需鏈

由于狹義的產業鏈可以理解為供需鏈，所以供需鏈在產業鏈理論中十分重要。供需鏈的產生可以從供給和需求兩個方面進行解釋，是一個消費需求與生產需求互相聯動的過程。從原始需求開始，通過宏觀-中觀-微觀的消費需求與生產需求的高級-中級-初級層次分別進行循環對接，在對接過程中發生技術創新以保證供需鏈不發生斷裂，企業的生產制造能力是供需鏈聯動過程的必要保證。

供需鏈柔性化是傳統企業轉型的一種途徑，通過增加供需鏈彈性，更快地對客戶需求做出反應，使企業快速而經濟地處理生產經營活動中環境或由環境引起的不確定性。定制化需求的出現引起供需鏈柔性化轉型，而大數據資源能力嫁接到供需鏈中，最核心的功能是需求分析及預測，強化企業與客戶的連結，在企業端提升企業績效和商務運營能力并創造新產品，同時在客戶端增強客戶體驗。以大數據為核心的資源配置，能更快應對市場機制及宏觀調控波動對企業和消費者的影響。

在供需鏈中的企業成員之間，通過大數據信息共享減少信息不對稱的問題，優化企業或部門之間的協調配合機制。傳統供需鏈主要有計劃、采購、制造、物流以及銷售等環節，經大數據滲透之后，通過統計分析、綜合評價、收益回報分析等解析方法為企業制定精準的戰略計劃以及預測模型，增強前端控制能力。在提高供需鏈效率方面，通過大數據分析對采購、庫存以及物流進行匹配和優化，以此提高供需鏈運營效率。而制造精細化以及工業互聯網的發展也是以供需鏈為基礎的，消費端則通過定制需求參與到整個供需鏈的運營過程中，尤其在大數據應用滲透到供需鏈各節點的時候，節點企業或者部門之間協同將必不可少，并且供需鏈的融合效率大幅提升。如圖1所示，在這個過程中，大數據的數據質量尤為重要，重點刻畫了需求分析和消費者參與的過程，但大數據的預測潛力不能夠完全釋放，而缺乏訓練有素的技術人才是影響其發揮作用的主要障礙。企業要面對的問題是在哪一個環節加強數據控制，在哪一個環節的大數據搜集能帶來收益或者節約成本等問題。

2.大數據對價值鏈

波特的價值鏈思想更多體現為企業的工藝流程以某種形式不斷創新，進而創造價值的過程，信息作為支撐因素發揮作用。而現代觀點則更傾向于各節點企業或者節點部門經過協同效應重新創造價值的過程。基于企業價值鏈的視角，H.Gilbert Miller認為數據價值鏈的形成涉及數據獲取、數據管理以及利益相關者和技術架構，通過不同的數據組合形式為企業的決策、生產提供增值信息。②微笑曲線理論提出在價值鏈的兩端，上游的設計研發和下游的營銷部分附加值較高，中間的生產制造部分附加值較低，大數據與價值鏈融合之后，大數據的價值系統與原價值鏈系統疊加，形成1+1>2的效果，最終整體提升企業價值鏈附加值，由于消費者對全流程參與程度的加深也縮小了價值鏈中間與兩端的利潤差距，表現為價值鏈向上平移以及價值鏈趨于平緩，如圖2所示。

圖1 大數據融合下的供需鏈

圖2 大數據影響下的微笑曲線

從產業發展的角度來看，大數據的本質是數據信息鏈（網），其參與價值鏈增值的過程可以表現為信息要素的增值過程。

新經濟時代，企業對數字化變革趨勢變得異常敏感，大數據資源形成的信息鏈網可以反映企業戰略和流程導向以及消費市場狀況。首先企業有多種渠道獲取數據資源，通常主要有三種方式，包括互聯網以及企業、政府的開放數據，企業內部信息門戶數據，經由信息反饋機制獲得的數據等。獲取大量數據資源之后企業的信息管理部門需要進行數據處理工作，包括清洗、分析、整合等，經過處理的數據轉化成十分重要的數據知識要素，從而實現了企業的第一次價值增值過程。其次，數據知識要素開始進入企業經營的核心流程。大數據、物聯網平臺的云端轉移直接影響企業的戰略管理流程，為決策者制定戰略以及研發提供新的依據。在生產制造和銷售環節價值鏈和供需鏈通過大數據資源實現微觀聯通，支持企業內部或者企業間數據共享，促進產業鏈的協同效應，從而實現了企業的第二次價值增值過程，引發產業升級。第三，在最終的消費市場輸出端，建立客戶反饋機制，通過收集數據信息資源對整個經營流程后端控制，并且反饋后的信息資源成為連結價值鏈輸入端和輸出端的紐帶，從而實現了第三次價值增值過程，如圖3所示。

圖3 大數據對價值鏈的增值機理分析

3.大數據對企業鏈

大數據與物質、資金、技術等共同構成連接各企業生命體的微觀資源，形成網狀企業鏈，拓展為空間鏈。通常同種類型企業之間的連結具有分工與交易屬性，不同種類的企業之間的連結具有協作與擴張屬性，無論哪種類型的企業連結最終會形成以核心生態企業或者核心區域為主導的產業生態集群，延伸出產業鏈的中觀接口。企業鏈和空間鏈的對接主要是產業配套半徑問題，產業配套半徑的大小和遠近決定了產業鏈迂回的形態。在傳統產業鏈理論中企業之間形成的連結嚴格地受到地域、物流、交通情況的限制，上述條件會引發企業鏈的長度較短、擴展范圍狹窄以及物流成本激增等問題，從而導致產業鏈在空間范圍內的拓展速度緩慢。大數據資源和技術通過降低溝通成本，使合作范圍可以根據需求靈活調整，也從市場和宏觀層面刺激了創新的產生。企業鏈中的核心生態企業會影響其他企業的創新策略選擇，但是核心生態企業的利潤與其所在鏈條位置無關，在戰略選擇上不會選擇實力較強的企業進行創新合作。這些特征是發展到大數據時代之后才演化出的新型特征，數據資源在企業鏈的應用除了縮減成本和增強創新之外，還可以提升協作效率、降低運營風險等。

圖4 大數據對企業鏈的影響機理分析

大數據平臺作為企業鏈的載體，如圖4所示，通過大數據服務主體之間的價值交換以及分工協作等交易活動，以企業為主導連結的企業鏈與大數據融合，由各方利益聯合體共同參與形成基于網絡環境的大數據平臺，包括資金流、創新流、人才流，并且衍生出各種數據服務商、各類企業組合以及互補合作伙伴等等。這種企業網絡協同化可概要地解說為企業以不同場景為依托，讓其他企業能夠協調參與，從而使企業間的產品和服務實現網絡化經營，最終形成競爭、協作、開放、可持續的更加復雜的網群結構，在區域環境上演化成數據生態循環系統。

4.大數據對空間鏈

空間鏈反映了產業鏈的空間聯系強度和范圍廣度，具有調節區域承載能力的作用，空間鏈是一個更加抽象的概念，不僅指地域之間的距離還包括時空以及環境、人文狀況等復雜因素，以空間坐標、鏈網密度、經濟水平等因素測度的空間狀況已不能完全反映數字經濟時代的空間復雜程度，導致空間維度對產業鏈的影響也愈來愈復雜多變。在網絡支持的基礎上，大數據的精準分析主要從降低環境風險，增強產業鏈的整體穩定性以及空間輻射能力三個方面進行控制，鏈網內的企業越多，覆蓋范圍越廣，網絡協同效應增益效果越強。而現代產業鏈理論對空間鏈部分沒有足夠的重視，仍然是以波特價值鏈和SCP范式為主。但是產業鏈不同于產業或者企業，產業鏈強調的是“產業的整體”和企業間的“競合關系”，研究的重心不是產業或企業間的競爭，而是產業與產業、企業與企業間的對接，此種對接即為一種空間的延伸，能夠為產業或者企業的“生長”輸送養分，透過外部環境找到發展機遇。

大數據通過提高產業鏈從微觀（供需鏈）到中觀（價值鏈、企業鏈）再到宏觀（空間鏈）的層級提升速度，解決產業鏈容易中斷以及資源配比不協調等制約產業升級的瓶頸問題。就大數據融合下的產業鏈協同整合而論，傳統產業鏈需要在單一維度拓展出大數據微觀接口，以此作為協同和升級的基礎，目前較多傳統制造業仍舊停留在自動化的水平上，并不具備轉型升級的條件。

產業鏈協同整合模型的運作體現為三個關鍵步驟。在供需鏈上利用大數據分析找到企業的競爭要項，以此減少企業的隨機行為，獲取的信息在企業各部門問傳遞，企業內部被強化的橫向連結優化價值增值模式;在消費端的大數據控制系統，通過甄別有效的潛在市場，形成以數據驅動為主的資源配置模式，企業之間按照細分市場服務，主要解決產業鏈管理中供需匹配的難題，“合作”式的生存形態增多;以數據分析與共享作為一種潛在趨勢，影響跨地區、跨國戰略合作效率，其中形成正向提升的主要原因，是消除和減少了人為操控的環節以及設置不當的邊界，當然，很多優化整合需要有較好的大數據模型和度量標準作為基礎。

三、基于大數據的產業鏈升級路徑案例分析

互聯網以及數據智能化造就了物聯網系統，而物聯網的核心是有協同、有分工、有組織的社會屬性架構。進一步的大數據、物聯網、智能制造之間的關系需要辨析清楚，大數據是智能制造的核心驅動力，智能制造在物聯網的架構下運作，而物聯網又能生成大數據，三者相互影響，對實體產業的發展帶來根本性的變革。

1.大數據與供需鏈、價值鏈升級——海爾智能制造路徑分析

1984年海爾于山東青島創立，經過30多年的發展，迎來了互聯網時代，從大規模制造逐漸轉變為大規模定制。早在2005年，海爾首席執行官張瑞敏就提出企業向互聯網轉型，要把傳統制造變成大規模定制，倒逼企業從以自身為中心轉變為以用戶為中心。2012年海爾集團開始建設互聯工廠，變產銷分離為產銷合一，同年在日本成立海爾亞洲，提出“構筑家電產品的新商業模式”，探索智能住宅發展路徑。2015年海爾集團作為中國首批智能制造試點示范企業，從大規模制造轉型大規模定制，探索轉型智能制造模式的實踐路徑。2017年海爾自主創新打造出工業互聯網平臺COSMOPlat，成為物聯網范式下用戶全流程參與的，涵蓋企業、用戶、資源要素的共創共贏多邊平臺。轉型過程中大數據的獲取以及供應鏈、價值鏈的轉型兩個方面可以突出產業鏈協同整合的優勢。本文著重從大數據來源和供應鏈、價值鏈的轉型兩個方面分析海爾產業鏈升級的路徑。

（1）海爾大數據來源

海爾提出“無交互不海爾，無數據不營銷”，海爾從兩個層面運營用戶數據：①底層數據平臺——海爾SCRM社交化客戶關系管理數據平臺，存儲8類數據資產，核心是1.2億用戶數據。該平臺設計的數據模型可以進行地址匹配，對用戶地址添加分類標簽，經由標簽映射回中國郵政的名址數據庫，找到有相似特點的所有小區，實現細分市場，精準營銷。②上層會員平臺——海爾夢享+會員俱樂部，活躍會員超過1500萬。用戶注冊夢享+會員后，生成大量數據存放在SCRM數據平臺，包括產品銷售數據、售后服務數據、官方網站數據、社交媒體數據等等，使得數據孤島得以連接成大數據平臺。

（2）海爾供需鏈、價值鏈升級路徑

①大數據分析技術應用。傳統制造升級方面以海爾亞洲的家電平臺為例，實現大規模定制，數據分析嵌入在供需鏈和價值鏈的全部環節（設計、制造、銷售、服務等）。1）在設計開發環節中，經由收集到的數據提取消費者實際和潛在需求，數據融合形成第一次價值增值;2）在生產制造環節中，將設計落實到可供生產制造的工藝流程上，例如在冰箱內搭載Wi—n和安卓系統，作為數據控制平臺，再根據圖紙制定生產計劃，合理安排定制產品和預制產品流水線，內部協同形成第二次價值增值;3）在銷售服務環節中，與零售商配合并提供家電的安保和餐飲服務，例如數據控制平臺監控到冰箱內食材不足，會提醒客戶在網上超市下單等，以此拓展消費服務范圍，數據回流形成第三次價值增值，全部流程反映了大數據價值系統對價值鏈增值的過程。

②大數據對產業鏈的柔性化改造。新產業革命帶來的主要沖突是制造企業的“規?；鄙a與用戶主導時代的用戶“個性化”需求之間的矛盾，海爾智能制造云平臺COSMOPlat以用戶體驗為中心，削減“規?；迸c“個性化”之間的矛盾，生成用戶與生產制造的并聯體系，不同于傳統企業的生產模式，海爾COS-MOPlat是一種從創意到交付的用戶全流程參與的需求驅動型生產模式，如圖5所示，在這種體系下用戶“既是消費者也是設計者、生產者”。

圖5 海爾COSMOPlat全流程

例如在過去洗衣機大同小異，但如今人們對洗衣機外觀、聯網、音樂以及智能家居等功能均有要求，傳統生產線顯然無法靈活掌控，在COSMOPlat平臺上，消費者提出需求后，由全球上百萬設計類資源提供創新設計生產服務，與用戶共同進行產品和設計的改進，通過迭代盤旋修改的過程，使用戶主導下的產品有了實現的可能，再通過智能制造，將用戶定單直達全流程節點，最終完成用戶從創意到產品交付的全流程參與。

2.大數據價值鏈與企業分類

大數據與價值鏈融合后形成大數據價值鏈，根據所提供價值的不同來源，Schtinberger將大數據公司分為三類：基于數據本身的公司、基于技術的公司、基于思維的公司，另外一類則兼具前三種能力或者某兩種能力的組合，其各自特點如表1所示。

表1 價值來源與企業分類

（1）基于數據和基于技術的企業大數據價值鏈

美國的航空業極其發達，早在2003年就有通過大數據分析對機票價格進行預測的系統Farecast。國內真正意義上專注于機票價格預測的工具型產品在2018年初才有推出，是由比度（北京）國際旅行社有限公司開發的“蜻蜓旅行”APP，蜻蜓旅行自行開發的算法價格預測模型是實現精準預測機票價格的關鍵，其產品的票價預測準確度達95%，目前蜻蜓旅行價格信息的獲取渠道，主要是合作伙伴開放給蜻蜓旅行的數據接口導入以及抓取航司和第三方網站數據。Farecast的數據是由機票預訂軟件廠商ITA Software提供的，由于ITA與Farecast的公司在商業定位和核心競爭力方面均有不同，以致在大數據價值鏈上的位置也十分不同，ITA的創始人之一卡爾·德馬肯表示過ITA一直在避免因任何數據而暴露的航空公司的利潤問題。但是ITA公司在提供服務過程中必定會產生大量數據，ITA公司在大數據價值鏈上游將收集到的數據授權給Farecast，Farecast通過數據分析服務獲取了大數據價值鏈上的大部分價值，其余價值則轉移到用戶身上。與Farecast不同的是，蜻蜓旅行弱化了從上游吸收數據的環節，以積累的航班數據和開放數據為主，將數據和技術融合在一起，成為大數據價值鏈的主導，并掌控下游的利潤分配，如圖6所示。

圖6?數據價值鏈對比

企業在價值鏈中的位置極大地影響了利潤狀況，如果是處在大數據價值鏈的核心位置，企業就能擴大規模，充分挖掘數據價值，通過為客戶提供定制化服務或者免費的支付服務，企業還可以從用戶端獲取更多數據回報，經過數據分析預測或者賣掉分析結果獲取循環的價值增值，但目前有大量擁有數據來源的企業還沒有意識到價值鏈中數據增值的巨大利潤空間。

（2）兼備型企業大數據價值鏈

有些大型公司兼有數據資源、技術和創新思維三種能力，較為典型的例子是亞馬遜。亞馬遜成立于1995年，總部在美國西雅圖，是業內最早將云物流、大數據、人工智能等運用于商業運營、物流倉儲管理的電商企業之一。亞馬遜在大數據價值鏈中同時充當三種不同的角色，早在1997年的時候亞馬遜就產生了一個運用數據分析的想法，叫做“協同過濾”，但那時并沒有充足的數據資源，發展至今它已經成為了爭相模仿的推薦系統。相較于其他企業，亞馬遜并沒有在調研等工作上投入較多，而是將新產品的評論和消費信息在短時間內收集起來，對這些信息進行大數據分析從而準確地評估新產品，適時推廣。通過踐行消費者全流程參與的理念，2015年亞馬遜設立實體店，打通了圖書銷售線上線下的“全渠道”，亞馬遜強大的數據庫信息一方面用來做庫存決策;另一方面通過預測更早發現某種書的走紅趨勢，利用數據制定決策而不是憑直覺。不僅僅是圖書銷售市場的大數據收集與分析的價值增值，2017年亞馬遜啟用了智能供應鏈系統，整個過程幾乎零人工干預，這種價值增值具備短期內不易被復制的優勢。

3.大數據與全產業鏈生態系統——小米、美團的產業鏈生態系統比較分析

在企業鏈和空間鏈中應用大數據分析技術極其重要的一點，是企業之間的合作對大數據分析能力的提升。許多例子表明，單一企業的大數據分析能力十分有限，依據分工原則，建立合作者之間的“數據產業鏈生態系統”可以顯著提高效率。數據產業鏈生態系統由供需鏈、價值鏈、企業鏈、空間鏈協同整合而成，具備分屬不同類型的價值創造合作伙伴，例如，采購商、分銷商、數據分析外部服務商、設備提供商等等。但由于企業的核心競爭力不同，多數企業不僅無法完成大數據分析，而且跟不上技術進步，這就需要企業借助供應商、軟硬件提供商以及分析服務商等不同服務來推動企業內部的流程改造。企業之間一定程度的資源共享，擴充了產品線，萌生新的產業聯盟。在大數據對產業鏈干預的過程中，企業在制定數據分析策略的同時，應當清楚核心合作伙伴、內部保留以及外包技術，明確是提供有針對性的專業化服務還是面向所有行業的服務。我國較為典型的數據驅動下的產業鏈生態系統主要有小米智能互聯、美團區域服務、阿里全球化生態圈等。本文選取小米智能互聯產業鏈生態系統和美團區域服務產業鏈生態系統進行對比分析，二者都在2010年成立，前者是以互聯網+制造業為策略思想，后者是以互聯網+服務業為策略思想，但兩者均形成了大規模的產業鏈生態系統，具體見表2。

表2 小米、美團產業鏈生態系統對比

小米是全產業鏈整合的制造企業，以產品和供應鏈作為核心競爭力，美團則是借助實體商業發展的，以本地服務為導向的電子商務型企業，由于企業的策略思想和產品理念的不同導致二者協同機制和未來的差異化發展。小米產業鏈直接連接了生產者和消費者，縮減了大量渠道成本，從單一產品的成本結構向跨群生態鏈的收益結構調整。而美團嚴格地說不能形成完全閉環的產業鏈生態系統，其構建的是“商家-美團-用戶”的服務閉環，強調服務在區域范圍內的持續滾動，由此在“技術”與“效率”何者為先的抉擇之下，小米傾向于前者，美團傾向于后者?？偠灾?，企業發展面臨諸多風險和不確定性，但是產業轉型對于互聯網、大數據的依賴將是確定不移的。

四、結論與啟示

數字經濟時代，技術變革促使產業鏈結構從傳統的線性映射結構演化為多維空間結構，包括供需鏈、價值鏈、企業鏈、空間鏈四個維度，協同整合需要企業提高自身的數據智能化能力，因而大數據參與下的產業鏈多維空間結構直接影響產業轉型升級的方向。

企業的生產制造能力是大數據與供需鏈融合的必要保證，在這個過程中大數據提升了供需鏈的柔性化水平;一方面通過需求分析及預測創造新型消費體驗;另一方面通過數據信息共享優化企業部門的協作機制，并作為網絡協同的微觀基礎影響價值鏈增值。進一步地，大數據的價值系統與原價值鏈系統疊加，引發三次價值增值，從而整體提升企業價值鏈附加值，最終微笑曲線各段的附加值差距縮小。

大數據服務主體之間的一系列交易活動促成企業鏈與大數據的融合，經由各方利益聯合體形成基于網絡環境的大數據平臺，作為企業網絡化經營的載體。在物聯網架構下，表現出企業的“合作”趨勢漸強。

產業整體發展是產業鏈研究的重心，而空間維度的復雜狀況使得影響產業鏈升級的不可測因素增多，在一定的企業數量和覆蓋范圍條件下，大數據從降低風險、增強穩定性和輻射能力三個方面控制網絡協同的增益效果。另外，在大數據模型和度量標準的支撐下數據共享通過減少人為操控和不當邊界等問題，對國際合作效率產生正向影響。

從案例分析和宏觀層面來看，產業鏈升級路徑的選擇應考慮發展時期、區域范圍和行業特征等因素，而產業鏈的升級動力需要依靠四個維度的協同整合，大數據雖然具有提高產業鏈穩定性的作用，但是只進行單一維度的融合并不能發揮大數據的優勢，企業之間的協同效果也取決于具體的市場應用場景。

通過對大數據與產業鏈協同關系的研究，本文獲得以下啟示：（1）物聯網架構部署是數字經濟發展的重要推動力，其中傳感器和芯片通常收集數據而不處理數據，由此企業面臨的挑戰是如何存儲有用數據的快速流并充分利用;另一方面產業轉型升級如何落實到微觀企業也值得我們進一步思考。（2）大數據技術成為物聯網與企業之間的橋梁，在傳輸各類信息的同時維持著產業鏈各維度流程管理的協調統一，未來大數據的管理問題也將越來越突出。（3）大數據與產業鏈協同是產業生態系統構建的基礎，概括來說產業生態系統的功能是協同環境質量和經濟效益達到產業結構功能優化以及產業整體效益的最大化，所以產業鏈構成產業生態系統的基本骨架，而大數據則保證系統的可持續發展。

責任編輯：韓海燕