大數據應用與企業開放式創新的協同演化
——基于扎根理論的對比性案例研究

陶小龍，劉 珊，鐘雨芮，鄭 湛

(1.云南大學 工商管理與旅游管理學院，云南 昆明 650091；2.武漢紡織大學 傳媒學院，湖北 武漢 430073)

0 引言

《中國互聯網發展報告(2019)》指出，2018年中國數字經濟規模為31.3萬億元，占GDP比重達到了34.8%，數字經濟已成為我國經濟發展的新引擎。近年來，無論是實踐界還是學界，大數據和開放式創新都是高頻詞，二者在萬物互聯的數字經濟時代實現對接，并產生了越來越廣泛的影響。但是，仍有大量企業處于大數據應用與開放式創新融合發展探索甚至觀望階段。首先，很多企業難以獲取外部平臺的大數據資源，不會用也用不好企業內部數據資源。其次，大部分企業仍處于主動創新乏力或閉環式創新階段，即使想要利用大數據資源進行開放式創新，也不清楚開放式創新的最佳路徑。大數據應用的本質是大數據價值創造，即利用相關方法和工具對存儲的大數據進行分析，從而為研發、生產、服務、管理及決策等提供支持。眾多企業實踐表明，大數據應用對研發創新具有顯著驅動作用，有助于提高企業決策質量[1-2]。創新是形成企業動態能力的源泉，而大數據應用為企業創新提供新動力。大數據應用與開放式創新具有較強的開放屬性，那些意識超前的領導人已帶領企業跨越組織邊界整合創新資源，形成合作共贏的開放式創新局面。企業通過充分發揮大數據應用與開放式創新的雙重價值優勢，可以解決“數據孤島”問題，實現長尾效應，從而在更大程度上優化運營模式，提升客戶需求響應能力和內部管控水平。

鑒于此，剖析企業大數據應用與開放式創新的相互作用機理，促進大數據應用與企業開放式創新良性互動，成為亟待研究的課題。大數據應用對開放式創新的驅動作用已得到學界和企業界的認可，但開放式創新對大數據應用是否存在反作用力？如果存在，那么二者間互動如何？上述作用機理是否存在行業差異？以上問題是亟需打開的“黑箱”。因此，本文將大數據應用和開放式創新納入同一研究框架，研究二者關聯關系和演化過程，并通過對不同行業案例進行對比分析，發現大數據應用與開放式創新協同演化的行業差異，從而構建初步理論模型。本文不僅對于數字創新問題研究具有一定的啟發，而且對于企業促進大數據應用與開放式創新雙向賦能具有重要借鑒價值。

1 文獻回顧

1.1 大數據及其應用

大數據描述了一個新的技術系統時代，旨在通過高速捕獲、發現和分析等技術從海量數據集中提取數據價值。企業可以通過建立數據庫、數據鏈和數據網絡，借助大數據提高環境動態適應能力，強化供應鏈的敏捷性。大數據應用對經濟發展具有促進作用是現有研究的共識[3]，以人工智能為代表的大數據應用協同綠色創新發展模式成為大勢所趨[4]。大數據應用已超越傳統信息管理范疇和傳統信息技術處理能力，在大數據中直接查找所需信息、知識等數據密集型研究，可能是解決棘手難題的系統性方法[5]。

當前，個人是行走的數據生成器[6]，企業在生產經營過程中也源源不斷地產生數據資源。在大數據對消費者影響的研究中，主要分析消費者網絡購物行為特點和影響因素，進而引導消費者的購物行為[7]。大數據以破竹之勢迅猛發展，使用戶等原本決策相關性較弱的主體參與企業管理成為可能[8]。方便、快捷的信息搜索讓消費者傾向于體驗營銷而非傳統廣告。尤其在虛擬購物體驗中，越是直接的個性化體驗，越能激發消費者的購買欲[7]。利用海量數據積累和大數據應用技術，消費者行為和體驗正在被改變，而企業也將真正進入以市場為導向的開放式發展階段[9]。

1.2 開放式創新

在大數據時代，企業創新能力不再受制于企業內部條件，而是可以從外部知識和創新資源合理利用中獲取[10]。開放式創新的概念最早由Chesbrough[11]提出，是指對外部流入或內部流出的有價值的創意性知識有目的地進行整合利用。該定義強調將內外部創新資源放到同一個結構中，整合資源進行研發，實現商業化。在現有文獻中，開放式創新被劃分為內向型開放式創新和外向型開放式創新。具體而言，內向型開放式創新主要是通過收購、合作等方式將外部資源(如技術、知識等)整合到內部創新過程中[12]；外向型開放式創新則是通過技術授權、對外合作外包等方式，將企業自身技術和知識等資源進行轉移輸出，在企業外部完成創新[13]。

近十年來，開放式創新的研究重點集中于商業模式、創新網絡及創新風險3個方面[14]，大多利用實證研究探討不同因素對開放式創新績效的影響[15]。企業采用開放式創新模式，一方面能夠降低技術創新和市場不確定性帶來的風險，通過吸收利用、重新整合內外部知識、技術等資源提高創新能力。另一方面，產業集群式的開放式創新不僅對創新績效具有正向影響，而且能有效提升產業集群績效[16]。已有研究表明，企業存在最佳開放點，在該點上的創新績效最好[17]。然而，Bouncken&Kraus[18]指出，中小企業與供應商、客戶、合作伙伴、競爭對手間的合作與競爭是其創新績效的“雙刃劍”。有學者提出了創新中的開放性悖論，即企業能夠跨越組織邊界通過與不同合作伙伴進行資源整合和知識吸收提高企業創新績效[19]，卻無法避免企業內部知識產權外泄及資源浪費等方面的風險[20]。針對上述問題，進一步研究發現，充分利用網絡使分散的客戶資源參與研發過程，形成動態的、個性化創新情境，這類知識性創新資源難以被競爭對手自由移動[21]，有助于企業降低開放式創新帶來的風險。同時，對不同創新網絡功能進行整合，制定具有針對性的內部創新獨占機制，也是解決“開放式悖論”的新思路[22]。

1.3 大數據應用驅動企業創新

隨著數字紅利的出現，大數據被視為一種新的生產要素，同時也是可以撬動企業生產效率的數據杠桿。大數據在企業生產過程中通過與信息系統融合，能夠有效提高對生產過程控制的精準度，有助于實現企業生產智能化。此外，大數據也被視為一種戰略資源。大數據驅動企業建立的數據系統[23]，使企業獲得了較強的動態能力，可以提高其應對外部環境變化的敏銳性[24]。要想憑借大數據資源在競爭中贏取戰略優勢，需要充分挖掘和高效利用大數據的多重屬性[25]。大數據應用不僅為企業對外合作創造了機會，而且其特有的4V屬性對創新研發過程產生了顛覆性影響[26]。大數據及其技術迅猛發展，為突破式創新中的困境提供了新的技術支持，從而有利于降低創新風險[27]。

對于“開放式創新悖論”，可以通過引入大數據參與創新加以解決。在企業研發網絡中，來源于不同區域的知識為企業帶來分散性外部資源，形成一種隔離機制，阻止知識在不同組織間流動，為企業獲取更多獨創價值[28]，提高競爭者模仿門檻，進而使核心企業獲取具有排他性的創新經濟回報[21]。同時，企業在充分利用數字紅利參與創新過程中，主要從用戶導向出發而非單純地利用數字化技術，其最終目的是開辟與消費者需求精準對接的創新渠道[29]。并且，創新績效與用戶參與創新深度高度相關[17]。

大數據與開放式創新在實踐界被廣泛應用，但二者關系研究有待進一步深入。因此，揭示二者之間的關聯關系及其協同演化機理，有助于促進大數據應用與企業開放式創新的良性循環。

2 研究設計

2.1 研究方法

本文研究目的是揭示大數據應用與企業開放式創新間的關系，回答二者間作用機理究竟是“怎么樣”的這一關鍵問題。上述研究問題尚處于探索階段，其中涉及的管理問題和過程機理尚未得到理論層面的解答，適合采用案例研究方法。為了使研究更加深入，本文進一步采用多案例對比的研究方法。

2.2 案例選擇

本研究選取兩個行業的多案例進行對比分析。首先，根據目的性抽樣原則，從制造業和服務業各選一家企業作為主案例，選擇標準如下：第一，案例企業在大數據應用與開放式創新方面進行了深入實踐，且企業發展歷程能夠充分體現二者發展過程；第二，案例企業在行業內具有代表性，擁有較豐富、權威的資料和信息，便于研究者通過不同方式進行相關資料收集。綜合周江華(2012)、于超(2018)和肖靜華(2018)的案例選擇標準，本研究案例選擇標準較為合理。特別指出，考慮到大數據應用與開放式創新的作用關系在不同行業可能存在差異，而制造業與服務業屬于兩大重點行業，故本研究最終選擇兩家代表性企業，即青島紅妮集團有限公司(簡稱“紅妮”)和四川新網銀行股份有限公司(簡稱“新網”)作為主案例開展研究。表1為主案例企業主要特征描述。

其次，根據需要補充輔案例樣本。本文所選案例分屬于制造業和服務業，選自2020年大數據產業發展試點示范項目的入選企業。輔案例企業資料相對容易獲得且與研究目的相吻合。表2為輔案例企業信息，在對5個樣本進行分析后，范疇達到相對飽和。

表1 主案例企業主要特征描述

表2 輔案例企業信息

2.3 資料收集

本研究主要以一手資料與二手資料相結合的方式獲取案例資料。研究團隊于2019年8月現場聽取紅妮總經理的企業發展報告，獲得了紅妮數字化創新發展的一手資料與相關文檔資料。進一步地，2020年對案例企業進行了電話訪問和線上用戶評價收集。此外，開展了大量二手資料整理工作。Yin[30]、Eisenharst[31]指出，在探索性研究中，只要出版物具有思考性，就可以作為信息源和研究素材加以使用。為了進一步確保研究資料的真實性和有效性，本研究在二手資料收集過程中采取以下措施：

(1)對企業相關資料進行全面收集和閱讀，對不同來源的資料內容進行對比分析，同時利用一手資料加以驗證。

(2)在選擇資料來源時，充分考慮出版物的思考性，選擇權威發布的資料。

3 案例分析

3.1 主案例對比分析

3.1.1 扎根理論

本研究借助扎根理論對案例資料進行整理和分析。扎根理論是指在系統性資料收集與分析的基礎上，提煉形成理論的研究方法，其編碼按照貼標簽、概念化、范疇化的步驟進行。

3.1.2 扎根理論分析

(1)開放性編碼。為了最大程度地保證編碼過程有序呈現，本文利用Nvivo12軟件進行編碼。將所有案例材料導入Nvivo12后，對原始資料按照語義信息進行節點劃分，本文以最小概念節點作為劃分依據，將資料中與研究內容完全不相關的內容和概念加以剔除。剔除后對原始資料所有節點進行“貼標簽”處理，最終紅妮案例獲得182個標簽編碼。在此基礎上，通過對零散化標簽內容的深入分析，聚類劃分得到60個概念，再對概念進行規范化歸納，最終得到23個副范疇。同理，新網案例最終得到179個標簽編碼，65個概念和21個副范疇。表3、表4是研究過程中開放性編碼的部分展示。

(2)主軸編碼。主軸編碼要求在開放性編碼的基礎上對副范疇概念進行對比分析和理論化提煉，探究其內在邏輯聯系。本研究依據“(A)因果條件—(B)現象—(C)情境脈絡—(D)中介條件—(E)行動/行為—(F)結果”的邏輯關系建立典范模型，進而提煉出案例資料主范疇。紅妮、新網范疇概念所形成的典范模型如圖1、圖2所示。

表3 紅妮開放性編碼示例

表4 新網開放性編碼示例

紅妮作為傳統制造企業，在外部市場變化、產業轉型升級等外部因素，以及企業價值導向、經營理念等內部因素作用下，積極作出戰略調整(因果條件)。在20多年的運營過程中，紅妮塑造了較強的創新能力、品牌影響力，具備一定的行業競爭優勢，但始終處于以內部創新為主的發展階段。盡管積累了4 000萬體量的線下大數據資源卻難以轉化，造成數據資源閑置(現象)。紅妮于2017年正式確立大數據戰略為發展目標，深挖沉淀數據價值，跨越組織邊界實現協同發展(情境)。為適應消費升級的市場環境，紅妮積極開拓線上平臺，搭建企業內部和外部互動橋梁(中介條件)，引進C2M個性化定制模式實現了用戶參與產品設計，開發智能系統實現了運營體系優化和升級，形成了開放式創新局面(行動/互動)。開放式創新成果不僅為大數據應用過程提供反饋與技術支持，而且使企業實現降本增效(結果)。

圖1 紅妮編碼典范模型

圖2 新網編碼典范模型

作為新型互聯網銀行，新網積極受惠于國家金融普惠政策，樹立顧客和數據驅動的價值導向，始終保持開放的發展姿態(因果)，擁有3家上市公司的股東資源平臺和高科技核心人才等內部資源，以及互聯網技術、系統研發、數字化能力等核心能力(現象)。在市場機遇和挑戰共存的現代金融服務行業，始終堅持開放合作與產學研合作創新，提高企業數字化運營的穩定性(情境)。企業探索開放連接模式，在海量場景機構和銀行等金融機構之間充當萬能連接器， 而大數據體量增加和全產業鏈數據融合將進一步推動系統升級(中介條件)。新網積極進行大數據整合，利用風控系統對業務風險進行實時控制，形成了以智能決策為主、人工決策為輔的業務模式(行動/行為)。伴隨這一探索的成功，新網既降低了營業成本和交易損耗，又提升了業務效率和風控能力(結果)。

基于對上述典范模型的梳理，結合研究重點對副范疇作進一步歸納，提煉出7個主范疇概念，表5為主軸編碼結果。

(3)選擇性編碼。選擇性編碼是指在主軸編碼的基礎上尋找和凝練出核心范疇，以核心范疇為基礎，挖掘其與主范疇和概念之間的關系，并以“故事線”的形式將這些關鍵要素相互串聯。通過對紅妮案例進行編碼并與已有理論比較發現，“開放式創新”“大數據應用”兩個主范疇與最多的范疇和概念相關。因此，歸納出3個核心范疇分別是：基于資源基礎的開放式創新、基于開放式創新的大數據應用、基于大數據戰略的開放式創新。3個核心范疇串聯起來反映了該案例的動態故事線，按照故事主線，其大數據應用與開放式創新演化過程可分為3個階段。圖3是紅妮大數據應用與開放式創新的具體演化過程。第一階段為基于資源基礎的開放式創新階段：基于大數據資源形成數據開發能力(見圖3中①②對應的過程)；第二階段為基于開放式創新的大數據應用階段：通過互動界面形成大數據分析能力(見圖3中③對應的過程)；第三階段為基于大數據戰略的開放式創新階段：通過用戶參與形成價值創造能力(見圖3中④對應的過程)。綜上，從產品設計、研發到服裝生產與銷售，紅妮實現了全產業鏈智能升級，形成了大數據應用與開放式創新相互聯動、良性循環的可持續發展格局。例如，在定制業務方面，紅妮從以前定制一套內衣需要幾天時間到現在從接單到發貨只需4個小時。

同理，得到新網的核心范疇為：基于開放式創新的大數據整合、基于大數據應用的開放式創新、基于開放式創新的價值創造。通過核心范疇能夠反映出研究內容的整體情況，建立起完整的故事主線，該故事線所呈現的大數據應用與開放式創新演化過程可劃分為3個階段。圖4是新網大數據應用與開放式創新具體演化過程。第一階段為基于開放式創新的大數據整合：通過互動界面形成大數據整合能力(如圖4中①②對應的過程)；第二階段為基于大數據應用的開放式創新：通過服務系統形成流程再造能力(如圖4中③對應的過程)；第三階段為基于開放式創新的價值創造：通過大數據預測形成價值創造能力(如圖4中④對應的過程)。綜上，于2016年獲得中國銀監會籌建批復的新網，從經營模式、系統研發、服務創新等方面映射出其基于數據和技術的創新活動。例如，新網通過大數據風控系統對客戶行為數據進行判斷和智能決策，將單筆信貸審批時間壓縮至42s，既顛覆了以往客戶“自證信用”模式，又提高了服務效率。

表5 主軸編碼結果

圖3 紅妮大數據應用與開發式創新協同演化模型

圖4 新網大數據應用與開放式創新協同演化模型

3.2 輔案例分析

兩個主案例的分析結果基本上反映了制造企業和服務企業大數據應用與開放式創新協同演化模式。為了對主案例的研究結果進行驗證和補充，通過補充制造業和服務業的其它案例并進行扎根理論編碼及多案例間的比較分析，補充新的范疇和現有范疇的新面向。表6展示了新范疇的出現過程，在制造業第三個案例(S3)和服務業第二個案例(S5)之后無新范疇產生，即達到理論飽和。

表6 新范疇出現過程

根據新出現的范疇概念，結合主案例分析結果，最終構建制造企業大數據應用與開放式創新協同演化模型，如圖5所示。該模型清晰地反映了制造企業大數據應用與開放式創新協同演化發展過程。

第一階段，基于資源基礎的開放式創新階段：基于大數據資源形成數據開發能力。由于制造企業普遍存在線下數據積累(如產品數據、銷售數據等)，處于該階段的企業在內部價值主張和外部驅動(政策、市場環境等)下對大數據進行整合，并通過搭建信息化管理系統、數字工廠對生產過程中的數據資源進行開發(如圖5中①②對應的過程)。第二階段，基于開放式創新的大數據應用階段：通過互動界面形成價值創造能力。此階段，企業在開放式創新成果的基礎上，通過互動界面(與用戶、合作伙伴等互動)產生源源不斷的即時市場數據，并利用上述市場數據進行大數據分析(如圖5中③對應的過程)。通過打造“用戶+制造”的商業模式實現生產環節反向定制，促進企業成本優化和績效提升(如圖5中④對應的過程)。第三階段，基于大數據戰略的開放式創新階段：通過資源整合形成技術優化能力。該階段，企業整合內外部資源，進一步挖掘大數據價值，并將其應用于描繪用戶畫像和精準營銷(如圖5中⑤對應的過程)。在大數據戰略優勢下，企業通過搭建創新平臺實現合作創新，實現對生產技術和產品的優化(如圖5中⑥對應的過程)。最終，企業獲得了大數據應用與開放式創新的循環驅動和雙向支持。

圖5 制造企業大數據與開放式創新協同演化模型

結合對主案例和輔案例的分析，構建服務企業大數據應用與開放式創新協同演化模型，如圖6所示。該模型清晰地展現了服務業企業大數據應用與開放式創新協同演化發展過程。

第一階段，基于開放式創新的大數據整合：通過互動界面形成大數據整合能力。該階段，通過搭建多場景互動界面，企業全面獲取用戶行為數據，并形成將不同場景用戶數據整合對接的能力(見圖6中①②對應的過程)。第二階段，基于大數據應用的開放式創新：通過服務系統形成大數據分析能力。此階段，在大數據應用的基礎上，企業通過合作創新研發創新服務系統，對現有業務運營進行流程再造(見圖6中③對應的過程)，推動合作伙伴間的資源共享，并對內外部數據資源加以分析利用(見圖6中④對應的過程)。第三階段，基于開放式創新的價值創造：通過創新平臺形成價值創造能力。該階段，企業搭建的創新平臺有助于對現有服務體系進行系統優化，如提高風險控制能力和評估預測精準度(見圖6中⑤對應的過程)，通過大數據預測進行智能決策，在很大程度上提高了服務效率和企業績效(見圖6中⑥對應的過程)。最終，企業實現大數據應用與開放式創新循環上升的協同演化過程。

圖6 服務企業大數據應用與開放式創新協同演化模型

3.3 大數據應用與開放式創新相關性分析

基于扎根理論編碼結果，大數據應用與開放式創新并非單向驅動關系，而是在其過程模型中體現出一種雙向循環協同發展關系。因此，本研究進一步利用Nvivo12軟件對編碼節點進行關聯分析，結果采用Pearson相關系數表示。該系數可以用來衡量不同概念節點之間的相關性水平，范圍在(-1，1)之間，絕對值越接近1概念之間相關性就越強。

對大數據應用(節點B)與開放式創新各編碼節點(節點A)進行相關性分析，探析大數據應用與開放式創新各節點的相關性，再對開放式創新(節點D)與大數據應用的各編碼節點(節點C)進行相關性分析，探討開放式創新與大數據應用各環節的關聯關系。所有Pearson相關系數均大于0.5，即大數據應用與開放式創新之間存在較為緊密的雙向相關關系，但在不同行業中，各節點關聯性有所差異，表7為相關性分析結果。

表7 大數據應用與開放式創新相關性分析結果(部分)

4 結語

4.1 大數據應用與開放式創新協同演化模型

通過對制造業和服務業案例的分析與歸納，本研究初步構建大數據應用與開放式創新協同演化模型，如圖7所示。該模型主要由協同演化模式、要素支持、協同演化過程和能力演化過程4個核心模塊構成。在企業價值主張和外部驅動下，企業選擇大數據與開放式創新發展戰略，通過二者協同演化，最終實現價值創造。

由于行業差異，不同企業協同演化內在邏輯有所不同。具體而言，在生產制造業，大數據應用使用戶參與到生產和研發環節，滿足用戶對產品個性化的需求。而在以服務為導向的服務業，開放式創新提供企業大數據應用過程的系統支持，實現行業資源共享合作，提升業務水平。因此，本文將二者協同演化過程歸納為數據驅動型和創新驅動型兩種模式。

圖7 大數據應用與開放式創新協同演化理論模型

(1)數據驅動型協同演化模式。數據驅動型協同演化過程發生在制造企業，其中數據資源為始發性要素。制造企業協同演化過程可總結為：在內部數據資源驅動下，企業跨越組織邊界進行開放式創新，通過聯合研發為大數據應用提供技術支持，激活沉淀數據并產生新的外部數據資源。而補充的資源再次驅動開放式創新進程，技術不斷優化、場景數據不斷豐富，形成大數據應用與開放式創新循環演化的協同效應。實現用戶、合作機構等多主體參與的產品創新是該過程的核心目的。隨著協同演化的推進，企業能力實現螺旋上升。具體而言，從大數據整合、大數據分析到大數據預測，大數據價值挖掘與應用能力培育逐步深入；從數據開發、價值創造到技術優化，開放式創新能力全方位提升。

(2)創新驅動型協同演化模式。創新驅動型協同演化過程多見于服務企業，企業內外部創新資源整合能力是推動協同演化進程的前提條件。服務企業協同演化過程可歸納為：企業整合內外部創新要素啟動大數據資源開發與應用，而大數據應用可以為開放式創新提供支撐，進而實現開放式創新與大數據應用雙向演化協同。該過程中，實現服務流程與質量精準可控是服務企業的核心驅動力。服務企業能力演化過程為：從數據獲取、流程再造到系統優化，企業開放式創新能力逐漸增強；從大數據整合、大數據分析到價值創造，大數據資源挖掘與應用能力逐步提升。

4.2 局限與展望

本文采用經典的建構主義扎根理論分析方法，對來自制造業和服務業的多個企業案例進行對比分析，初步歸納出兩類大數據應用與企業開放式創新協同演化模式，力圖解釋大數據應用與企業開放式創新雙向賦能機理和規律。由于選擇的案例數量有限，研究結論是否普遍適用于同類企業有待進一步驗證。未來可以通過隨機抽樣調查和定量研究，驗證本文結論的普適性。