大數(shù)據(jù)驅動情景下數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新關鍵影響因素
——話語分析方法的一項探索性研究

李文博

(浙江師范大學 經濟與管理學院，浙江 金華 321004)

0 引言

互聯(lián)網(wǎng)發(fā)展已快速步入大數(shù)據(jù)時代，并引發(fā)了人們工作、生活、思維方式甚至整個社會的巨大變革。學者Mayer-Schonberger & Cukier[1]指出：“大數(shù)據(jù)日益改變著人類生活以及理解世界的方式，成為新發(fā)明和新服務的源泉，而更多改變正在蓄勢待發(fā)。”人類已經步入數(shù)字技術革命時代，數(shù)字經濟成為當前經濟發(fā)展的主旋律，世界各國紛紛通過機制設計將數(shù)字經濟上升為國家發(fā)展戰(zhàn)略。作為數(shù)字經濟時代的產物，數(shù)字創(chuàng)業(yè)的出現(xiàn)引起學者廣泛關注。數(shù)字創(chuàng)業(yè)是數(shù)字創(chuàng)業(yè)者和數(shù)字創(chuàng)業(yè)團隊為適應數(shù)字經濟變革，通過識別和開發(fā)數(shù)字創(chuàng)業(yè)活動，以領先進入或跟隨進入方式進入數(shù)字市場，創(chuàng)造數(shù)字產品和數(shù)字服務的創(chuàng)業(yè)活動[2]。

在大數(shù)據(jù)驅動和數(shù)字創(chuàng)業(yè)情景下，海量企業(yè)正蓬勃開展高品質商業(yè)模式創(chuàng)新實踐，如杭州微鏈區(qū)塊鏈、有數(shù)數(shù)字科技基于大數(shù)據(jù)驅動快速迭代、進化尋優(yōu)、即時響應等特質的商業(yè)模式創(chuàng)新實踐加速涌現(xiàn)。大數(shù)據(jù)與數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新之間的關系突出表現(xiàn)為大數(shù)據(jù)對商業(yè)模式創(chuàng)新全要素驅動，包括大數(shù)據(jù)驅動價值主張創(chuàng)新、大數(shù)據(jù)驅動關鍵流程創(chuàng)新、大數(shù)據(jù)驅動收益模式創(chuàng)新和大數(shù)據(jù)驅動價值網(wǎng)絡創(chuàng)新等主要類型。以大數(shù)據(jù)驅動價值網(wǎng)絡創(chuàng)新為例，以眾包、數(shù)據(jù)共享為代表的技術路徑為價值網(wǎng)絡重構提供了可行性，企業(yè)可以運用大數(shù)據(jù)共享系統(tǒng)，從供應商處獲得數(shù)據(jù)，并積極開展全供應鏈體系合作[3]。正如Goyal等[4]所言：“由于每個消費者偏好不同，每個消費者都是一個微市場，大數(shù)據(jù)使得微市場化價值主張創(chuàng)新成為可能。”

然而，案例研究表明，大數(shù)據(jù)驅動情景下數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新實踐呈現(xiàn)迥異圖景：部分數(shù)字創(chuàng)業(yè)企業(yè)依托商業(yè)模式創(chuàng)新得以快速成長，逐漸升級為行業(yè)領先企業(yè)；另一部分企業(yè)陷入偽創(chuàng)新窘境，被牢牢鎖定在價值鏈低端環(huán)節(jié)，在激烈的市場競爭中敗下陣來。大數(shù)據(jù)驅動情景下，數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新面臨諸多困境。突出表現(xiàn)為：大數(shù)據(jù)處理能力對于企業(yè)要求較高，企業(yè)在海量數(shù)據(jù)擠壓下如何快速對數(shù)據(jù)進行提純是一大考驗。因此，數(shù)字創(chuàng)業(yè)企業(yè)商業(yè)模式創(chuàng)新需要快速迭代，并對企業(yè)信息處理流程進行整合升級。由此可見，深入研究大數(shù)據(jù)驅動情景下數(shù)字創(chuàng)業(yè)商業(yè)模式關鍵影響因素是一個重要議題。

在理論層面，現(xiàn)有研究較好地回答了大數(shù)據(jù)驅動情景下數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新如何發(fā)生的問題，可以從兩個維度說明：一是以大數(shù)據(jù)產品為中心沿價值鏈橫向拓展的商業(yè)模式創(chuàng)新；二是以大數(shù)據(jù)技術為中心沿行業(yè)縱向拓展的商業(yè)模式創(chuàng)新。第一種情況對大數(shù)據(jù)處理和挖掘能力要求較高，尤其是對海量、多源非結構化數(shù)據(jù)的采集、整理、分析和決策[5]。第二種情況涉及底層基礎設施供應、大數(shù)據(jù)技術提供、完整的IT解決方案等[6]。例如，Oracle公司依托大數(shù)據(jù)技術對產業(yè)鏈上下游環(huán)節(jié)進行拓展，包括數(shù)據(jù)庫、操作系統(tǒng)、中間件、應用軟件等，搭建了新一代海量關系數(shù)據(jù)管理平臺[7]。但與大數(shù)據(jù)驅動數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新實踐相比，現(xiàn)有研究對于關鍵影響因素的分析存在如下不足：側重于考察各獨立解釋變量對于數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新的直接影響，較少分析各影響因素間的邏輯關系。在此背景下，鑒于話語分析技術具備研究探索性命題的高效性，本文圍繞大數(shù)據(jù)驅動情景，聚焦數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新實踐，提煉影響數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新的關鍵因素，可為大數(shù)據(jù)驅動情景下數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新實踐提供參考依據(jù)。

1 文獻綜述

大數(shù)據(jù)驅動情景下數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新是目前創(chuàng)新管理領域關注的焦點問題，對于理解企業(yè)在熊彼特式競爭環(huán)境下的能力異質性和績效差異尤為重要[8]。2011年，美國麥肯錫公司發(fā)布了《大數(shù)據(jù)：下一個創(chuàng)新、競爭和生產率前沿》研究報告[9]，顯示大數(shù)據(jù)在商業(yè)模式創(chuàng)新領域的應用成果逐漸增多，且呈現(xiàn)快速增長及多樣化發(fā)展趨勢。在實踐層面，受益于大數(shù)據(jù)的嶄新時代背景，以《今日頭條》等為代表的新興數(shù)字企業(yè)商業(yè)模式創(chuàng)新速度和質量都表現(xiàn)出區(qū)別于以往時代背景的新鮮特質。

1.1 大數(shù)據(jù)驅動情景下數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新特質

大數(shù)據(jù)驅動情景下，以谷歌、亞馬遜、沃爾瑪?shù)葹榇淼幕ヂ?lián)網(wǎng)公司在商業(yè)模式創(chuàng)新方面具備新穎性特質，主要表現(xiàn)為：第一，商業(yè)模式創(chuàng)新呈現(xiàn)出典型的大數(shù)據(jù)驅動特征，對于企業(yè)數(shù)據(jù)挖掘能力和智能處理能力要求較高[10]。比如，依托對消費者瀏覽數(shù)據(jù)的挖掘和處理能力，亞馬遜推出的精準營銷模式創(chuàng)新大幅提升了公司銷售業(yè)績，保持了持續(xù)競爭優(yōu)勢。第二，以云計算、物聯(lián)網(wǎng)、人工智能、數(shù)據(jù)挖掘等為代表的大數(shù)據(jù)技術工具化應用在商業(yè)模式創(chuàng)新領域表現(xiàn)得越來越明顯[11]。比如，在醫(yī)院健康領域，利用云計算技術實現(xiàn)云健康管理模式創(chuàng)新，可以對個人健康狀況進行大數(shù)據(jù)分析，并給出合適的建議。第三，以大數(shù)據(jù)資源運用為價值取向的跨界融合式商業(yè)模式創(chuàng)新逐漸凸顯[12]。通過跨界融合式創(chuàng)新，企業(yè)可以拓展創(chuàng)新空間，發(fā)揮企業(yè)競爭優(yōu)勢，依托大數(shù)據(jù)技術提升跨界融合式創(chuàng)新頻率和質量。第四，大數(shù)據(jù)驅動情景下，商業(yè)模式創(chuàng)新與技術創(chuàng)新交叉融合精彩案例不斷涌現(xiàn)[13]。比如，谷歌安卓操作系統(tǒng)就是商業(yè)模式創(chuàng)新與技術創(chuàng)新交叉融合的典范，依托大數(shù)據(jù)技術不斷進行迭代式創(chuàng)新，以優(yōu)化技術和商業(yè)模式，進而提高用戶體驗感。

1.2 大數(shù)據(jù)驅動情景下數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新主要路徑

圍繞大數(shù)據(jù)資源和大數(shù)據(jù)技術進行商業(yè)模式創(chuàng)新的主要路徑有數(shù)據(jù)連接、數(shù)據(jù)融合、數(shù)據(jù)擴張等。①數(shù)據(jù)連接：提供一種數(shù)據(jù)連接網(wǎng)絡平臺，主要通過基礎用戶沉淀、網(wǎng)絡效應激發(fā)、商業(yè)系統(tǒng)共生和主導架構鎖定四大關鍵行動形成競爭優(yōu)勢[14]。比如，蘋果公司應用程序商店App Store將客戶和技術數(shù)據(jù)連接起來，屬于一種雙邊網(wǎng)絡效應發(fā)揮平臺商業(yè)模式創(chuàng)新；②數(shù)據(jù)融合：通過向產業(yè)鏈上游和下游拓展，實現(xiàn)組織邊界跨越與大數(shù)據(jù)能力協(xié)同演化。組織邊界跨越主要涵蓋水平邊界、垂直邊界、外部邊界和地理邊界，其中水平邊界存在于組織不同職能部門、不同產品系列或不同項目組之間，垂直邊界主要體現(xiàn)為組織內部等級制度[15]；③數(shù)據(jù)擴張：基于大數(shù)據(jù)技術驅動，形成創(chuàng)新主體范圍更廣、創(chuàng)新資源流動更頻繁、創(chuàng)新鏈條運行更生態(tài)化的開放式創(chuàng)新生態(tài)系統(tǒng)，進而驅動商業(yè)模式創(chuàng)新的蓬勃開展[16]。

1.3 大數(shù)據(jù)驅動情景下數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新行為屬性

大數(shù)據(jù)驅動情景下，數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新行為屬性主要有進化、協(xié)同、柔性、開放、網(wǎng)絡等，分述如下：①進化屬性：針對非結構化和半結構化數(shù)據(jù)資源，采用數(shù)據(jù)倉庫等手段開展進化式商業(yè)模式創(chuàng)新行為[17]，主要強調行為的漸變性，通過一系列創(chuàng)新節(jié)點的過渡，累積產品、優(yōu)化服務或模式；②協(xié)同屬性：針對多源非結構化海量數(shù)據(jù)，采用數(shù)據(jù)挖掘手段和分布式系統(tǒng)技術，融合技術、信息、組織、知識、管理等多個要素進行協(xié)同式商業(yè)模式創(chuàng)新[18]；③柔性屬性：主要表現(xiàn)為結構柔性、戰(zhàn)略柔性、運作柔性等，以供應鏈運作柔性為例，需要企業(yè)通過高效的供應鏈管理，協(xié)同供應鏈中的各參與者主體，合理利用供應鏈資源，通過自我調節(jié)應對外部變化，包括緩沖能力、適應能力、調節(jié)能力、優(yōu)化能力等[19]；④開放屬性：Chesbrough[20]提出，伴隨著企業(yè)間合作、知識共享和轉移愈發(fā)頻繁，創(chuàng)新范式由封閉創(chuàng)新日漸向開放創(chuàng)新轉變,無論是產品創(chuàng)新還是商業(yè)模式創(chuàng)新，開放創(chuàng)新理念在大數(shù)據(jù)時代表現(xiàn)得尤為明顯，谷歌、臉譜、蘋果、亞馬遜等一系列卓越企業(yè)提供了現(xiàn)實佐證；⑤網(wǎng)絡屬性：大數(shù)據(jù)驅動情景下，數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新具備鮮明的網(wǎng)絡屬性，可用網(wǎng)絡能力表征，即企業(yè)優(yōu)化網(wǎng)絡位置和節(jié)點關系的能力[21]。

綜上所述，現(xiàn)有研究存在如下不足：首先，以大數(shù)據(jù)驅動為情景變量，針對數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新影響因素的研究較少，大數(shù)據(jù)驅動與商業(yè)模式創(chuàng)新兩個核心范疇之間的有機聯(lián)系不強，尚未形成結構化模塊解釋體系，無法從理論與實踐兩個方面提供有益借鑒；其次，案例研究方法不足以處理大數(shù)據(jù)與商業(yè)模式創(chuàng)新研究問題的復雜性，話語分析技術應用性研究在國內比較新穎。而運用話語分析技術可以有效梳理大數(shù)據(jù)的新穎性時代背景，可為現(xiàn)有影響因素體系作出適度貢獻；最后，由于外部情景變量差異較大，大數(shù)據(jù)驅動情景還存在若干不足，如數(shù)據(jù)驅動跨界模式與傳統(tǒng)跨界模式匹配度問題、平臺數(shù)據(jù)挖掘性學習對于商業(yè)模式創(chuàng)新的影響效應等[22]。鑒于此，本文利用話語分析技術，對大數(shù)據(jù)驅動情景下數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新關鍵影響因素進行實證研究，可為數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新實踐提供決策依據(jù)。

2 方法選取與數(shù)據(jù)來源

2.1 方法選取

本研究采用話語分析方法，具體研究路徑可描述為：研究者將話語視為一個充滿復雜關系和多元內容的社會符號系統(tǒng)，通過抽絲剝繭般的層次化分析還原或排列所隱含或映射的復雜關系和內容[23-24]。選取話語分析方法原因有三：一是本文核心范疇為數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新關鍵影響因素，在大數(shù)據(jù)驅動情景下具備較強的探索性，而話語分析方法對于研究具備較強探索性的核心范疇比較適用，可以較好地提煉話語樣本中所蘊含的話語模型；二是中國日益豐富的數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新實踐易于收集大樣本話語證據(jù)，蘊含著豐富的話語證據(jù)，可通過建構性話語分析提煉原創(chuàng)性話語命題；三是近年來，在高品質研究期刊上，以話語分析為主要研究方法的論文不斷涌現(xiàn)，話語編碼、范疇提煉、效度檢驗等話語分析工具日漸成熟，可以保證研究結論的穩(wěn)健性。

2.2 數(shù)據(jù)來源

本研究按照以下3個標準選取案例：①案例企業(yè)進行多樣化商業(yè)模式創(chuàng)新實踐，尤其是大數(shù)據(jù)驅動情景下商業(yè)模式創(chuàng)新實踐具備典型性特征；②案例企業(yè)兼顧不同大數(shù)據(jù)應用領域，涉及物聯(lián)網(wǎng)、區(qū)塊鏈、云計算、人工智能和實體經濟的深度融合；③案例企業(yè)在數(shù)據(jù)媒體上有較多報道，便于進行話語收集和整理，并易于與調研訪談數(shù)據(jù)進行交叉驗證。最終，話語分析小組選取杭州微鏈區(qū)塊鏈、有數(shù)數(shù)字科技、商湯科技、又拍云等8家數(shù)字創(chuàng)業(yè)企業(yè)作為案例分析樣本，案例企業(yè)背景如下：

(1)杭州微鏈區(qū)塊鏈科技有限公司成立于2017年，是一家專注于區(qū)塊鏈技術研發(fā)與應用的初創(chuàng)企業(yè)。公司持續(xù)進行商業(yè)模式創(chuàng)新，自主研發(fā)可擴展的區(qū)塊鏈基礎服務平臺，并積極探索區(qū)塊鏈技術應用落地，在數(shù)字資產、貿易金融、供應鏈溯源等領域進行多元化應用。公司著力構建了以區(qū)塊鏈技術為核心價值的生態(tài)鏈，旨在打造全球領先的區(qū)塊鏈服務平臺。

(2)浙江有數(shù)數(shù)字科技有限公司是由浙江清華長三角研究院投資孵化和重點扶持的數(shù)字型科技企業(yè)，公司基于“數(shù)據(jù)場景、智能應用”理念，以企業(yè)數(shù)據(jù)為內核，專注于為金融行業(yè)、政府機構提供場景化數(shù)字科技應用服務，是浙江“企業(yè)碼”平臺技術支持單位。2020年4月，公司大數(shù)據(jù)預警系統(tǒng)登上“2019人工智能案例TOP100”榜單。

(3)商湯科技開發(fā)有限公司是一家全球領先的人工智能軟件公司，旨在持續(xù)引領人工智能前沿研究，打造更具拓展性的人工智能軟件平臺。在智慧健康行業(yè)，商湯科技基于深度學習算法與高并發(fā)影像三維處理能力，自主研發(fā)了Sense Care智慧診療平臺，在保障數(shù)據(jù)安全的基礎上，有效提高了醫(yī)生的診療效率和精度，上榜2019福布斯中國最具創(chuàng)新力企業(yè)。

(4)杭州又拍云科技有限公司是一家企業(yè)級云服務商，致力于為客戶提供一站式在線業(yè)務加速服務，以場景化 CDN 為核心，為客戶提供對象存儲、多媒體處理、云通信、影像識別、文字識別等服務，打造了安全可靠的全站加速、短視頻應用、直播應用等場景化解決方案。2020 年，杭州又拍云科技有限公司榮獲西湖區(qū)高成長性創(chuàng)新企業(yè)、中國企業(yè)服務領域高成長企業(yè) TOP100。

(5)杭州樂刻網(wǎng)絡技術有限公司以用戶運營為核心，構建數(shù)據(jù)中臺，打通場景、用戶、教練、服務，對健身產業(yè)進行數(shù)字化改造，重構健身服務新零售業(yè)態(tài)，助推健身產業(yè)和互聯(lián)網(wǎng)深度融合與升級，目前已經成長為國內領先的互聯(lián)網(wǎng)運動健身賦能平臺。基于中央數(shù)據(jù)賦能共享模式，為合伙人提供選址協(xié)同、數(shù)據(jù)分析與資源配置等數(shù)據(jù)驅動服務。

(6)浙江融象數(shù)字科技有限公司創(chuàng)建于2019年，在大數(shù)據(jù)技術研發(fā)及數(shù)據(jù)智能應用領域進行多樣化商業(yè)模式創(chuàng)新，基于“線上+線下”創(chuàng)新模式持續(xù)為地方政府和企業(yè)提供高質量數(shù)智服務。通過強化技術產品迭代和延伸服務鏈，運用大數(shù)據(jù)技術推動產業(yè)升級、協(xié)同產業(yè)資源和服務企業(yè)成長。

(7)杭州云呼網(wǎng)絡科技有限公司成立于2017年1月22日，是一家基礎醫(yī)療產業(yè)互聯(lián)網(wǎng)服務平臺，自主研發(fā)以用戶服務為核心的醫(yī)療健康應用軟件。通過整合專家學術資源，為基層醫(yī)療機構提供醫(yī)療產品、服務及解決方案；通過大數(shù)據(jù)分析與挖掘，精準描摹醫(yī)療科普用戶畫像，構建基層醫(yī)療全域疾病圖譜和健康地圖，實現(xiàn)醫(yī)療健康知識與服務精準推送。

(8)杭州魔點科技有限公司成立于2016年，是一家從事人工智能創(chuàng)新性研究并將先進人工智能技術與行業(yè)應用相結合的科技型企業(yè)。魔點堅持用互聯(lián)網(wǎng)+AI思維打造智能硬件，實現(xiàn)人、事、物、組織的智能與協(xié)同，助推人工智能技術場景化落地。公司堅持以協(xié)同數(shù)據(jù)為思維，基于組織產生智連與協(xié)同，圍繞碎片化需求打造節(jié)點閉環(huán)，串聯(lián)節(jié)點形成多場景智連。

本研究采用一手話語收集與二手話語收集兩種方法。為保證話語分析信度和效度，綜合采取多種研究策略。一手話語收集通過半結構化訪談、調研問卷、參與式體驗等多種途徑，共收集語句356條；二手話語收集通過報紙、網(wǎng)站、雜志等渠道，共整理有效語句504條，兩種途徑構成的話語池語句數(shù)有860條。其中，一手語句占比41.40%；二手語句占比58.60%。在收集一手語句時，在8家案例企業(yè)中選取16個訪談對象，包括中高層管理人員10人、政府部門官員3人、高校學者3人，如表1所示。

表1 半結構化訪談Tab.1 Semi-structured interview summary

半結構化訪談主要問題如下：貴企業(yè)進行了哪些商業(yè)模式創(chuàng)新？請介紹一下大數(shù)據(jù)技術運用情況？大數(shù)據(jù)時代，數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新包括哪些影響因素？在上述影響因素中，您認為最重要的幾條是什么？競爭對手在大數(shù)據(jù)運用上有哪些新穎做法？貴企業(yè)在鼓勵商業(yè)模式創(chuàng)新方面有哪些好的策略？對以上每個案例整理相應話語，并進行編號。

3 數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新關鍵影響因素

3.1 話語編碼展現(xiàn)

編碼過程嚴格按照結構化程序進行，共分為3個步驟：第一，遵循原生編碼準則，抽取每條語句的主體語詞對其進行編碼，如“雙十一期間，訂單量暴增，用戶爆發(fā)式點擊，對系統(tǒng)容錯性要求較高”。抽取的主體語詞分別是：爆發(fā)式點擊、系統(tǒng)容錯性。第二，對不同語句提煉的主體語詞進行聚類分析，降低概念維度空間，如提煉的初始概念包括實踐學習、技術團隊、硬件技術等。第三，對初始概念進行聚類，形成若干范疇，并對范疇屬性和維度進行規(guī)范化描述，如范疇審慎學習屬性包括策略、對象、速度、效果等；維度主要包括實踐學習、事件學習、體驗學習等。

因為初始概念提取工作量較大，所以以NVIVO 8軟件為輔助手段。接下來，為保證范疇歸類的一致性，通過計算Cohen′s Kappa系數(shù)判斷一致性誤差是否處于可接受水平。編碼者一致性系數(shù)分別為：審慎學習67.71%、數(shù)據(jù)配置66.20%、數(shù)據(jù)系統(tǒng)70.09%、嵌入學習80.82%，其它范疇一致性系數(shù)均在60%以上，編碼總體一致率為70.68%，由此判定初始概念編碼一致性檢驗符合標準。

話語分析小組根據(jù)數(shù)據(jù)感知、數(shù)據(jù)整合、產業(yè)環(huán)境、網(wǎng)絡關系等27個典型范疇在860條語句中出現(xiàn)的頻率，將其劃分為3類：低頻范疇、中頻范疇和高頻范疇，具體劃分標準為：低頻范疇≤50次、50次<中頻范疇≤100次和高頻范疇>100次。低頻范疇共有7個，其中審慎學習30次，數(shù)據(jù)系統(tǒng)20次，知識聯(lián)盟16次，數(shù)據(jù)感知45次；中頻范疇共有12個，其中嵌入學習71次，價值治理85次，規(guī)劃能力63次，數(shù)據(jù)技術92次；高頻范疇共有8個，其中數(shù)據(jù)配置110次，治理模式125次，關系質量104次，數(shù)據(jù)驅動136次。

各范疇編號為：A1審慎學習、A2數(shù)據(jù)配置、A3數(shù)據(jù)系統(tǒng)、A4嵌入學習、A5價值治理、A6規(guī)劃能力、A7知識聯(lián)盟、A8治理模式、A9數(shù)據(jù)技術、A10關系質量、A11數(shù)據(jù)感知、A12界面跨越、A13數(shù)據(jù)驅動、A14共享資源、A15知識滲透、A16主體行為、A17政策設計、A18鄰近資源、A19數(shù)據(jù)整合、A20產業(yè)環(huán)境、A21數(shù)據(jù)挖掘、A22網(wǎng)絡關系、A23適應行為、A24共享數(shù)據(jù)、A25網(wǎng)絡嵌入、A26政策執(zhí)行、A27數(shù)據(jù)識別。

3.2 話語模型提煉

對于數(shù)據(jù)識別、數(shù)據(jù)系統(tǒng)等27個子范疇，需要進一步作凝聚子塊分析，以探討大數(shù)據(jù)驅動情景下數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新關鍵影響因素的故事線。結果發(fā)現(xiàn)，27個因素之間存在相互作用關系，依次對每兩個因素進行二元關系分析，共包括4種關系類型：一是因素A對因素B具有單向影響關系；二是因素B對因素A具有單向影響關系；三是因素A與因素B之間存在雙向影響關系；四是因素A與因素B之間無影響關系，分別用符號V、A、 X、 O表示。由此，形成數(shù)據(jù)識別、數(shù)據(jù)整合、政策設計、網(wǎng)絡關系等27個因素之間的二元關系圖，二元關系生成由5位專家根據(jù)訪談語句和調研數(shù)據(jù)綜合評定。

27個因素之間存在復雜關聯(lián)性，有些是直接關聯(lián)，有些是間接關聯(lián)。比如，數(shù)據(jù)感知和數(shù)據(jù)識別之間存在直接關聯(lián)關系，知識聯(lián)盟與主體行為之間存在間接關聯(lián)關系，網(wǎng)絡嵌入通過界面跨越影響主體行為等。根據(jù)二元關系圖生成鄰接矩陣，元素含義為：若兩個子范疇之間存在影響關系，取值為1；若兩個子范疇之間不存在影響關系，則取值為0。這些因素之間的關聯(lián)關系可進一步通過可達矩陣在數(shù)學上的規(guī)范表示。可達矩陣是關聯(lián)話語構件的一種重要的技術工具，它運用矩陣形式表示因素之間的邏輯關聯(lián)。經過層次化處理形成可達矩陣，如表2所示。

表2 可達矩陣層次化處理結果Tab.2 Hierarchical processing of reachable matrices

27個典型范疇進一步聚攏為6個核心子群，對應6個層級G1,G2,…,G6。

G1=[A21, A23]

G2=[A16, A19, A27]

G3=[A2,A4,A5,A10,A11,A12,A15]

G4=[A1,A3,A6,A7,A8,A9,A25]

G5=[A13,A14]

G6=[A17,A18,A20,A22,A24,A26]

話語模型提煉的目的在于進一步凝練各影響因素之間的邏輯關系，運用圖形、表格或概念等形式表示各影響因素之間的體系結構和關聯(lián)脈絡，形成理論解釋工具。本文核心范疇為數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新，研究背景為大數(shù)據(jù)驅動情景，內核問題為關鍵影響因素，涉及的前置范疇包括產業(yè)環(huán)境、政策設計、共享數(shù)據(jù)、鄰近資源、網(wǎng)絡關系等。

基于前述矩陣分析，本文構建大數(shù)據(jù)驅動情景下數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新關鍵影響因素話語模型，如圖1所示。從中可見，各層次關鍵影響因素呈現(xiàn)多態(tài)性、遞進性和結構性特征。其中，第一、第二層次為大數(shù)據(jù)驅動情景和網(wǎng)絡共享資源，是大數(shù)據(jù)驅動情景下數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新的外部情景因素。由此可見，一方面，企業(yè)應從共享數(shù)據(jù)、鄰近資源和網(wǎng)絡關系維度入手，開拓數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新網(wǎng)絡共享資源，提升商業(yè)模式創(chuàng)新速度和質量；另外，還要從政策設計、政策執(zhí)行和產業(yè)環(huán)境入手，為大數(shù)據(jù)驅動情景下數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新營造良好的創(chuàng)新氛圍和產業(yè)軟環(huán)境。第三、第四層次為大數(shù)據(jù)驅動情景下數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新直接影響因素，包括數(shù)據(jù)感知、關系質量、數(shù)據(jù)配置、嵌入學習、規(guī)劃能力等14個范疇。由此可見，一方面，企業(yè)應從數(shù)據(jù)感知、關系質量、數(shù)據(jù)配置、規(guī)劃能力等維度著手，驅動數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新實踐；另一方面，也要從嵌入學習、知識滲透、價值治理、審慎學習等維度著手，提高數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新績效。第五、第六層次為大數(shù)據(jù)驅動情景下數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新主軸線，可以提煉為數(shù)據(jù)識別→數(shù)據(jù)整合→網(wǎng)絡重構。上述主軸線對應的兩個核心范疇分別為數(shù)據(jù)挖掘能力和企業(yè)適應行為。據(jù)此，大數(shù)據(jù)驅動情景下數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新關鍵因素可聚攏為數(shù)據(jù)挖掘能力和企業(yè)適應行為兩個主范疇。對于數(shù)據(jù)挖掘能力而言，企業(yè)數(shù)據(jù)識別、數(shù)據(jù)整合等顯著影響商業(yè)模式創(chuàng)新質量和績效；對于企業(yè)適應行為而言，企業(yè)主體行為直接驅動商業(yè)模式創(chuàng)新質量和績效。

大數(shù)據(jù)驅動情景下數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新為第七層次，即話語模型目標層；第二至第六層為歸因層，表征大數(shù)據(jù)驅動情景下數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新的關鍵影響因素。

3.3 話語模型闡釋

上述話語模型共涉及7個層次，相鄰兩個層次之間存在關系路徑。比如，在第一層次和第二層次之間存在產業(yè)環(huán)境→大數(shù)據(jù)驅動情景、網(wǎng)絡關系→網(wǎng)絡共享資源等6條關系路徑；在第三層次和第四層次之間存在規(guī)劃能力→網(wǎng)絡感知、數(shù)據(jù)系統(tǒng)→關系質量、知識聯(lián)盟→知識滲透等7條關系路徑。不同層次之間也存在不同的關系路徑。比如，第二層次和第四層次之間存在網(wǎng)絡共享資源→嵌入學習關系路徑。具體關系路徑話語證據(jù)如表3所示。

接下來，進行話語效度檢驗，主要判斷話語模型穩(wěn)定性問題，即是否有新元素出現(xiàn)，如果有新質涌現(xiàn)，則重新補充、修改話語模型，直至沒有新質涌現(xiàn)；如果不能產生新元素，則直接判定話語效度通過檢驗。具體需要通過兩項驗證：一是收集新話語證據(jù)，檢驗是否產生新范疇；二是基于新話語證據(jù)，檢驗是否產生新范疇隸屬關系或關系路徑。將預留的60條語句作為話語檢驗樣本對其進行效度檢驗。

第一項驗證結果表明，新話語證據(jù)未產生新范疇，仍然是審慎學習、規(guī)劃能力、數(shù)據(jù)整合、產業(yè)環(huán)境等27個范疇。如在“又拍云以場景化CDN為核心業(yè)務，為客戶提供云存儲、云處理、云安全、流量營銷等服務，是一家基于大數(shù)據(jù)驅動的平臺型公司，具有嶄新的商業(yè)模式，并且經過市場驗證非常可行，具備廣闊的市場應用前景”這段話中，主體語詞大數(shù)據(jù)驅動隸屬于范疇數(shù)據(jù)驅動，并非新范疇。檢驗過程可表示為“范疇(主體語詞)”的形式，舉例為“數(shù)據(jù)驅動(大數(shù)據(jù)驅動+平臺型公司)”。

圖1 關鍵影響因素話語模型Fig.1 Discourse models of key influencing factors

第二項驗證結果表明，新話語證據(jù)未產生新關系路徑，仍然是主體行為→商業(yè)模式創(chuàng)新、嵌入學習→主體行為、網(wǎng)絡共享資源→知識聯(lián)盟等33條關系路徑。如在“不管是哪種方式(商業(yè)模式局部創(chuàng)新)都離不開對用戶海量行為數(shù)據(jù)的整理、分析和挖掘，這些都必須依靠技術軟件，人工支撐肯定是不行的”這段話中，隸屬關系為“用戶海量行為數(shù)據(jù)→商業(yè)模式局部創(chuàng)新”，可表示為“數(shù)據(jù)挖掘能力→商業(yè)模式創(chuàng)新”，并非新關系路徑。

基于以上分析，可以判定本研究話語檢驗有效，話語模型具備普遍性和穩(wěn)定性，可以此模型為理論分析工具，將其應用于關鍵影響因素研究。

3.4 話語情景適用性

關鍵影響因素話語模型共給出兩條故事線：一條為大數(shù)據(jù)驅動情景→數(shù)據(jù)挖掘能力→商業(yè)模式創(chuàng)新；另一條為網(wǎng)絡共享資源→企業(yè)適應行為→商業(yè)模式創(chuàng)新。本文結合上述兩條故事線，給出現(xiàn)實適用情景和理論適用情景。

(1)故事線1(大數(shù)據(jù)驅動情景→數(shù)據(jù)挖掘能力→商業(yè)模式創(chuàng)新)理論適用情景：首先，本部分涉及數(shù)據(jù)識別→數(shù)據(jù)挖掘能力、關系質量→數(shù)據(jù)整合、政策設計→大數(shù)據(jù)驅動情景等17條關鍵路徑。按照條目數(shù)統(tǒng)計，可分為7條強關系路徑、10條弱關系路徑。其中，強關系路徑條目總數(shù)為186條，占總條目數(shù)的59.62%；其次，排在前4位的強關系路徑為規(guī)劃能力→數(shù)據(jù)感知、關系質量→數(shù)據(jù)整合、數(shù)據(jù)識別→數(shù)據(jù)挖掘和數(shù)據(jù)技術→數(shù)據(jù)配置。前4位強關系條目總數(shù)為133條，占強關系總條目數(shù)的71.51%，占整個關系路徑條目總數(shù)的42.63%；最后，產業(yè)環(huán)境、政策設計和政策執(zhí)行構成大數(shù)據(jù)驅動情景下3個直接影響因子。如“杭州對于整個互聯(lián)網(wǎng)新生事物的發(fā)展非常寬容，正是寬容的產業(yè)環(huán)境和政策設計使杭州涌現(xiàn)出微鏈區(qū)塊鏈等一大批高品質數(shù)字創(chuàng)業(yè)企業(yè)，新奇的商業(yè)模式不斷出現(xiàn)(5-46)。”

表3 反映關系路徑的關鍵話語證據(jù)Tab.3 Key discursive evidence reflecting relationship path

(2)故事線1(大數(shù)據(jù)驅動情景→數(shù)據(jù)挖掘能力→商業(yè)模式創(chuàng)新)現(xiàn)實適用情景：提供關鍵話語證據(jù)如下：“銀泰作為傳統(tǒng)線下企業(yè)，在實體經營方面積累了豐富的經驗，但如何插上互聯(lián)網(wǎng)的翅膀是管理層面臨的一個重大課題。單靠自己的力量非常薄弱，可以和阿里巴巴展開戰(zhàn)略協(xié)同，重新打造線上平臺交易系統(tǒng)，運用先進的阿里云技術，使線上和線下實現(xiàn)良性互動。在電商平臺的強力沖擊下，我們加快了商業(yè)模式創(chuàng)新的節(jié)奏和步伐。比如，目標群體精確定位、線上線下商品比價、商業(yè)生態(tài)系統(tǒng)打造等(3-31、32、33)。”

(3)故事線2(網(wǎng)絡共享資源→企業(yè)適應行為→商業(yè)模式創(chuàng)新)理論適用情景：首先，本部分共包含嵌入學習→主體行為、知識聯(lián)盟→知識滲透、網(wǎng)絡關系→網(wǎng)絡共享資源等17條關系路徑。按照條目數(shù)統(tǒng)計，可劃分為8條強關系路徑、9條弱關系路徑。其中，強關系路徑條目總數(shù)為153條，占總條目數(shù)的50.66%；其次，排在前4位的強關系路徑為知識聯(lián)盟→知識滲透、鄰近資源→網(wǎng)絡共享資源、網(wǎng)絡關系→網(wǎng)絡共享資源和嵌入學習→主體行為。前4位強關系條目總數(shù)為96條，占強關系總條目數(shù)的62.75%，占整個關系路徑總條目數(shù)的31.79%；最后，共享數(shù)據(jù)、鄰近資源、網(wǎng)絡關系構成網(wǎng)絡共享資源的3個直接影響因子。如“好的網(wǎng)絡關系是潤滑劑，大家形成利益共同體，像大學技術力量支撐對于技術團隊素質提升就很有幫助，大學節(jié)點加入成為重要的共享性資源(2-92)。”

(4)故事線2(網(wǎng)絡共享資源→企業(yè)適應行為→商業(yè)模式創(chuàng)新)現(xiàn)實適用情景：提供關鍵話語證據(jù)如下：“商湯科技基于對大數(shù)據(jù)的積累與應用，目前已成為大數(shù)據(jù)技術領軍企業(yè)。通過對用戶數(shù)據(jù)進行整合與分析，匹配不同城市、不同區(qū)域市場情景進行智能化產品服務。同時，通過構建開放平臺以及與其它主體企業(yè)協(xié)同，與業(yè)內伙伴攜手建立高效、智能商業(yè)生態(tài)系統(tǒng)，最大限度地提升用戶體驗。

在上述技術平臺及網(wǎng)絡資源支持下，商湯進行了一系列商業(yè)模式創(chuàng)新，在行業(yè)內影響較大(3-22、23、24、25)。”

4 結語

4.1 研究結論

本研究將話語分析技術引入數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新這一新研究領域，深入剖析大數(shù)據(jù)驅動情景下商業(yè)模式創(chuàng)新影響因素這一內核問題，得出如下結論：

(1)將影響數(shù)字商業(yè)模式創(chuàng)新的關鍵因素結構化為數(shù)據(jù)識別、數(shù)據(jù)整合、嵌入學習等27個核心范疇，并類屬化為“大數(shù)據(jù)驅動情景→數(shù)據(jù)挖掘能力→數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新”和“網(wǎng)絡共享資源→企業(yè)適應行為→數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新”兩條故事線。其中，27個核心范疇影響程度存在顯著差異。根據(jù)出現(xiàn)頻率不同，發(fā)現(xiàn)數(shù)據(jù)配置、治理模式等8個范疇影響作用較大，嵌入學習、價值治理等12個范疇影響作用一般，審慎學習、數(shù)據(jù)系統(tǒng)等7個范疇影響作用較小。

(2)“大數(shù)據(jù)驅動情景→數(shù)據(jù)挖掘能力→數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新”故事線核心范疇包括數(shù)據(jù)整合、數(shù)據(jù)配置、數(shù)據(jù)系統(tǒng)、政策設計等14個核心范疇，“網(wǎng)絡共享資源→企業(yè)適應行為→數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新”故事線核心范疇包括知識滲透、嵌入學習、治理模式、網(wǎng)絡關系等13個核心范疇。上述兩條故事線表明，數(shù)據(jù)挖掘能力和企業(yè)適應行為是大數(shù)據(jù)驅動情景及數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新的中介變量。這啟示企業(yè)商業(yè)模式創(chuàng)新一方面要關注數(shù)據(jù)挖掘能力，如數(shù)據(jù)整合能力、數(shù)據(jù)系統(tǒng)配置等；另一方面也要關注企業(yè)適應行為，如知識滲透、嵌入學習等。

(3)以微鏈區(qū)塊鏈等案例企業(yè)為話語證據(jù)樣本，對數(shù)據(jù)識別→數(shù)據(jù)感知、知識聯(lián)盟→知識滲透、關系質量→數(shù)據(jù)整合等關系路徑進行檢驗，并識別強關系路徑和弱關系路徑。這啟示企業(yè)商業(yè)模式創(chuàng)新尤其要關注每條故事線的強關系路徑。其中，反映第一條故事線的強關系路徑共有7條，包括規(guī)劃能力→數(shù)據(jù)感知、關系質量→數(shù)據(jù)整合等；反映第二條故事線的強關系路徑共有8條，包括知識聯(lián)盟→知識滲透、嵌入學習→主體行為等。

4.2 研究貢獻

(1)針對數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新這一關鍵問題，將影響因素系統(tǒng)化為“大數(shù)據(jù)驅動情景→數(shù)據(jù)挖掘能力→數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新”和“網(wǎng)絡共享資源→企業(yè)適應行為→數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新”兩條故事線，在若干觀點上貢獻新穎見解，如嵌入學習、知識滲透、價值治理和界面跨越是4類典型的企業(yè)適應性行為。本文研究結果不僅進一步深化了數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新的路徑解釋，而且從技術和管理兩個視角彌補了大數(shù)據(jù)驅動情景下商業(yè)模式創(chuàng)新研究的不足[25-26]，豐富了大數(shù)據(jù)驅動對于商業(yè)模式創(chuàng)新的解釋力。

(2)在話語模型提煉部分，將鄰接矩陣和可達矩陣作為話語構件關聯(lián)分析工具，一方面為大數(shù)據(jù)與商業(yè)模式創(chuàng)新結合研究提供了一種新分析視角,另一方面也為大數(shù)據(jù)驅動情景下企業(yè)商業(yè)模式創(chuàng)新研究提供了新分析路徑，是對建構性話語分析的有益補充[27-28]。

4.3 研究啟示

本研究管理啟示有三：

(1)大數(shù)據(jù)驅動情景下，數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新應從外部數(shù)據(jù)情景和企業(yè)內部主體性行為兩方面綜合推進，尤其注意與競爭性企業(yè)、大學、研究機構、供應商等結成創(chuàng)新網(wǎng)絡，通過高品質關系聯(lián)結獲取網(wǎng)絡資源，驅動數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新。

(2)匹配大數(shù)據(jù)驅動情景，企業(yè)應提高系統(tǒng)化數(shù)據(jù)挖掘能力，從軟硬件、技術和管理等方面綜合推進，強化技術人員和管理人員的大數(shù)據(jù)意識，學習行業(yè)標桿企業(yè)的管理經驗和技術工具，利用大數(shù)據(jù)維持長期競爭優(yōu)勢。

(3)對于數(shù)字創(chuàng)業(yè)企業(yè)而言，應從線上和線下融合渠道推動商業(yè)模式創(chuàng)新，專注于細分市場差異化商業(yè)模式，并在兩條故事線上有所側重，不斷內化自己的動態(tài)核心能力。

4.4 不足與展望

本研究存在如下不足：一是收集大樣本數(shù)據(jù)，對影響因素模型進行統(tǒng)計學意義上的穩(wěn)定性檢驗，有可能影響結論的精準性，未來可擴大典型案例話語數(shù)量，基于更豐富的話語證據(jù)檢驗和修正模型；二是以8家案例企業(yè)進行應用性檢驗，行業(yè)和區(qū)域差異性勢必影響結論穩(wěn)健性，未來可將案例企業(yè)擴充至行業(yè)和區(qū)域進行對比分析，提高研究精細化程度。