數據驅動能力、創新生態系統“占位”與企業高質量創新

劉鐵鑫　杜靜然　伊茹罕

【摘要】運用縱向單案例研究法， 以小米為研究對象， 基于創新生態系統占位視角， 探究核心企業數據驅動能力對創新質量的提升過程與機理， 試圖構建創新生態系統占位視角下數據驅動能力對創新質量影響機理的理論框架。研究發現： 企業數據驅動能力是動態發展的， 數據驅動能力通過適配的創新生態系統占位提升創新質量。在數據驅動能力偏弱時， 應適配創新生態體系“核心生態層”占位， 有利于核心企業創新質量提升前的原始積淀； 在數據驅動能力偏強時， 應適配“核心生態層+底層生態層”的創新生態系統占位， 有益于核心企業創新質量進一步提升。最終搭建出創新生態系統占位視角下數據驅動能力對核心企業創新質量影響路徑的理論框架， 并明確提出應根據數據驅動能力選擇創新生態系統占位， 積極推動核心企業創新質量提升。

【關鍵詞】數據驅動能力；核心生態層；底層生態層； 生態系統占位；創新質量

【中圖分類號】F270；F016? ? ? 【文獻標識碼】A? ? ? 【文章編號】1004-0994（2023）04-0105-10

一、 引言

數字技術推動經濟進入數智時代， 各行各業在經濟生產活動中產生的數據呈指數級增長， 并不斷賦能技術創新及應用創新（姜李丹等，2022）。目前已有學者對企業數據驅動能力與企業績效的關系進行了相關探究， 但關于企業數據驅動能力影響企業創新績效的研究還未形成一致結論。一方面， 企業數據驅動能力對于企業創新行為的培育（Adner，2006） 、 產品或服務的創新（Mcafee 和Brynjolfsson，2012）大有裨益， 數據驅動能力可以通過增加創新投入與創新產出來提升企業創新績效。另一方面， 大數據“提純”難度較高（于曉龍和王金照，2014）， 即使實現了有效挖掘、 分析與利用， 數據驅動能力的潛在價值也只有在一定條件下才會被釋放。并不是所有具有數字驅動能力的企業都可以獲得成功， 僅依靠數據驅動創新的企業很可能落入大數據陷阱。由此判斷， 數據驅動能力對企業創新績效的影響可能不是直接的， 會通過一定機制產生作用。隨著數據驅動能力嵌入核心企業內部， 創新參與者之間的關系和結構會發生變化， 創新開始呈現出生態系統的特征（孫聰和魏江，2019）。隨著企業間創新生態系統的逐漸建立， 依據企業所處創新生態系統位置的不同， 逐漸劃分為“核心生態層”占位與“底層生態層”占位兩種情況（湯臨佳等，2019）。事實上， 創新生態系統中核心企業的數據驅動能力會引起其所在創新生態系統內部占位變化， 進而對企業創新產生不同影響。基于此， 本文擬通過研究核心企業不同階段數據驅動能力及其在創新生態系統中的內部占位， 厘清數據驅動能力對核心企業創新質量提升的影響機制與路徑， 從而在一定程度上彌合學術界對于數據驅動能力與企業創新績效關系的觀點分歧。采用縱向單案例研究方法， 基于創新生態系統占位視角， 探究數據驅動能力對核心企業創新質量提升的影響路徑， 構建數據驅動能力對核心企業創新質量影響機理的理論框架。

本文的研究貢獻在于： 通過分析企業不同階段數據驅動能力， 以企業所處的創新生態系統占位為研究視角， 揭開數據驅動能力對創新生態系統中核心企業創新質量影響的“黑箱”。這不僅益于解釋數據驅動能力能否提升企業創新績效的爭議， 同時可以梳理出數據驅動能力、 創新生態系統占位對核心企業創新質量提升的影響路徑。本研究不僅可以拓展創新生態系統理論應用邊界， 同時還能豐富企業數據驅動能力理論與企業創新理論。

二、 文獻綜述

（一）數據驅動能力與創新生態系統

作為數字經濟最重要的支撐之一， 大數據業務為現代網絡信息構建奠定了基石， 提供了海量、 高速、 多樣、 準確、 高價值的大數據資產（White，2012）， 為數字賦能各行業領域發揮著至關重要的作用。需要明確的是， 企業的大數據資產價值有效發揮需要與具體流程慣例相結合， 形成企業數據驅動效應（孫新波等，2019）， 進而形成企業數據驅動能力。事實上， 企業數據驅動能力需要經過數據獲取、 數據組合分析及數據利用三個階段的協同動態演化實現（頡茂華等，2022）。

有學者認為， 企業的數據驅動能力有助于企業創新行為的培育、 創新模式的改進、 服務及產品創新的強化， 進而提升企業創新績效。然而， 實踐中 數據驅動能力對企業創新績效的影響卻出現了不同的結果。例如， 微軟在移動操作系統方面的失敗、 諾基亞在終端手機領域的敗北， 均表明數據驅動能力不是企業獲取競爭優勢的充分條件， 事實上， 數據驅動能力對企業創新的影響是需要一定的機制才能實現的。

進入數字經濟時代， 原有二元互動下的企業與消費終端之間價值的單向傳遞已不能滿足企業發展， 以企業為核心的商業生產生態系統逐漸建立， 創新活動隨之變化， 創新生態系統逐漸形成。其中， 伴隨著企業數據驅動能力的增強， 其在生態系統所處的位置必然會發生改變， 這可能對企業創新產生一定影響。另外， 創新生態系統中， 核心企業對于創新質量提升發揮著重要的引領作用。由此， 核心企業的數字驅動能力很可能會通過其在創新生態系統中的占位作用于核心企業創新質量。

（二）創新生態系統與企業創新質量

自1912年熊彼特首次提出創新概念以來， 創新理論先后經歷了創新范式1.0（線性創新）、 創新范式2.0（開放式創新）及創新范式3.0（創新生態系統）階段（戰睿等，2022）。具體來說， 創新理論發展是一個過程： 經由內部技術開發（樊霞等，2018）， 協調相關合作伙伴方， 再與各種組織進行系統式創新協同， 最后形成創新生態系統。創新生態系統思想源于Moore（1993）提出的“商業生態系統”， 由Ander（2006）結合創新活動最終確定。他認為， 企業創新生態系統是核心企業與上下游企業在擁有共同創新戰略價值主張的基礎上， 整合多方創新資源所建立的創新依存關系集合。也有學者認為， 創新生態系統是由一系列異質性組織， 圍繞某一核心企業或平臺， 通過互補實現內部控制和外部協調， 以參與共同價值創造而形成的創新網絡（Thomas和Autio，2014；楊升曦和魏江，2021）。

隨著數字技術逐步應用于企業運營管理， 傳統創新理論已不能滿足當前發展需求。企業數據驅動能力日益增強， 創新生態系統成員主體之間的競爭與合作日趨復雜 ， 亟須結合創新生態系統新情境探索其創新行為（溫湖煒和王圣云，2022）。已有關于創新生態系統的研究主要聚焦于創新生態系統的構建（武建龍等，2021）、 創新生態系統的演化（梅亮等，2014）、 創新生態系統的價值共創及實現機制（戴亦舒等，2018）等方面。雖有研究提到了創新生態系統對企業創新的影響（包宇航和于麗英，2017）， 但創新生態系統如何影響企業創新， 尤其對系統內核心企業創新的影響這一問題并未深入探討。

事實上， 創新生態系統中的創新過程具有自組織特點， 可以根據環境變化不斷演進（柳卸林和王倩，2021）。創新生態系統可以認為是更高級的網絡組織形式， 表現出一種共同的特點， 即“核心—外圍”結構（趙輝和田志龍，2014）。在此基礎上， 又可劃分為“核心生態層”和“底層生態層”。隨著創新生態系統中核心企業的大數據應用、 數字技術的提升， 其在生態系統中的銷售、 供應鏈及用戶資源的數據可視化不斷增強（王發明和張贊，2021）， 創新生態系統中核心企業的位置很可能發生變化。本文借鑒社會網絡結構中的結構嵌入理論， 依據創新生態系統中核心企業的網絡聯結規模、 中心度、 強度等指標變化（頡茂華等，2021）， 確定核心企業在創新生態系統中是“核心生態層”亦或是“底層生態層”占位， 由此進一步分析其對核心企業創新質量的影響。也就是說， 創新生態系統中核心企業需要根據企業數據驅動能力不斷調整其所處的創新生態系統位置， 以形成與企業數據驅動能力相匹配的創新生態系統網絡占位， 才能最大限度地發揮創新生態系統對企業創新質量的提升作用。創新生態系統中核心企業的數據驅動能力與其所處創新生態系統占位的適配是提升其創新質量的有效路徑。

大數據的應用與發展驅動著企業轉型與升級， 對企業的創新活動產生一系列影響， 關乎企業創新質量。目前， 測度企業創新水平的方法有多種。有學者分別通過研發投入（Griliches，1990）、 專利產出（Freeman 和Soete，1997）、 新產品數量（Hitt等，1996）等單一指標進行度量。也有學者將研發投入、 專利及新產品等創新績效指標納入統一的分析框架， 綜合評價企業創新水平。在此基礎上， 還有學者將相對指標引入創新績效評價中， 如利用新產品銷售收入比、 專利交叉引用率（Fischer等，2001； 張明等，2008）等。考慮到本文數據的可得性， 借鑒Hagedoorn 和Cloodt（2003）的做法， 將研發投入、 專利及新產品納入創新質量的評價體系中， 實現對企業創新質量的客觀綜合評價。由此， 本文以企業創新質量為切入點， 研究核心企業數據驅動能力、 創新生態系統占位適配的經濟后果。從以上分析可以看出， 研究數據驅動能力、 創新生態系統占位以及企業創新質量， 可以從更深層面探究數據驅動能力提升企業創新質量的路徑。

三、 研究設計

（一）研究方法

本文通過縱向探索的單案例研究法， 將數據驅動能力引入核心企業生態系統占位對其創新質量影響路徑與機理的研究。選擇此研究方法的原因如下： 首先， 案例研究法適合回答本文研究問題的“how”和“why”（Yin，2002）。也就是說， 將創新生態系統占位引入數據驅動能力對核心企業創新質量的影響研究中， 以進一步解構和明晰為什么核心企業數據驅動能力與其創新生態系統占位的適當匹配才能提升企業創新質量？應如何匹配？其路徑與機理是什么？其次， 由于本研究需要探索企業在不同數據驅動能力階段如何匹配適合的創新生態系統占位， 揭開核心企業創新質量提升的“黑箱”， 因此， 需要進行探索式案例研究。最后， 本研究需要解析研究案例縱向發展過程， 梳理縱向變化中的因果邏輯， 展現核心企業不同數據驅動能力階段的創新質量提升路徑。因此， 應以單案例為基礎進行分析。本研究通過獲取“小米”相關數據并進行探索性編碼分析， 以此詮釋數據驅動能力、 創新生態系統占位對核心企業創新質量的影響路徑。

（二）案例選取

遵循以下原則， 本研究選取小米進行案例分析： ①極端性原則。小米公司成立于2010年， 是一家以智能手機、 智能硬件和 IOT 平臺為核心的消費電子及智能制造公司， 致力于構建一個龐大的物聯網， 打造新的生態系統。2017年， 小米的生態鏈銷售額就達到200億元。2018年7月小米集團在香港主板上市， 且當年業務遍及全球80多個國家和地區。2019年及2020年連續2年登上美國《福布斯》雜志發布的“全球上市公司2000強”排行榜， 分別排名426位、 384位。②啟發性原則。小米從智能手機入手， 建立了以手機、 電視、 路由器為主的三大產品線， 以小米生態鏈為依托打造出百余種產品。在掌握小米生態系統核心環節基礎上形成了軟件、 硬件、 服務、 內容聯動的生態系統。隨后， 小米開始重視研發創新在生態系統中的作用， 成功自主研發芯片， 夯實了未來發展的基礎。近年來， 小米不斷拓展生態系統領域， 發展、 完善創新生態系統， 力圖打造創新驅動下的全球化開放生態。在競爭激烈的數字經濟領域及復雜的創新生態系統中， 小米面臨的各種問題及應對措施值得分析， 這有益于為更多的企業提供參考。可見， 小米符合單案例選取標準。

為了充分識別和挖掘核心企業數據驅動能力、 創新生態系統占位及其創新質量的因果關系， 筆者對小米發展進程中的關鍵事件進行了縱向梳理。根據小米戰略及生態邊界劃分成兩階段， 如圖1所示。

（三）數據收集與分析

為滿足案例分析的信度與效度要求， 本研究從多個來源收集數據， 以使數據能夠相互補充及交叉驗證。筆者收集并整理了有關小米的二手資料， 包括書籍、 網站、 企業微博以及在線社區（百度貼吧、知乎）等。之后對小米進行了實地調研， 主要包括訪談、 體驗式觀察。參考Busk和 Marascuilo（2015）的建議， 案例分析分為三個步驟： ①識別關鍵信息。通過對獲得數據進行選擇、 聚焦、 簡化， 以實現相關研究問題的信息識別。②形成關鍵構念。對識別信息進行概念化編碼， 在此基礎上形成關鍵構念。③聚合理論范疇。在關鍵構念基礎上， 形成不同發展階段的企業數據驅動能力、 所屬創新生態系統占位及創新質量這三個理論范疇。以雙盲法對數據進行編碼， 若編碼結束后結果不一致， 將邀請專家參與指導， 以獲得一致編碼結果。案例數據信息見表1。

（四） 編碼結果

本文根據質性研究邏輯， 對案例數據的編碼結果進行列示， 具體見表2。

四、案例分析與發現

（一）數據驅動弱能力、 創新生態系統“核心生態層”占位與核心企業創新質量

1. 典型資料與編碼。小米發展第一階段數據驅動弱能力、 創新生態系統“核心生態層”占位對其創新質量影響資料列示， 具體見表3。

2. 數據驅動弱能力。通過數據獲取、 數據組合分析和數據利用三個方面， 分析小米在企業發展第一階段的數據驅動能力。

（1）數據獲取。小米成立之初， 擁有了一定數量的用戶群體， 截至2011年9月， 米聊的用戶超過700萬， 小米論壇的用戶超過60萬。但米聊的受眾群體相較于微信、 騰訊等平臺顯得微不足道， 后期由于體驗度不佳， 米聊宣布退出市場。雖然小米還保留著小米論壇這一數據獲取終端， 但論壇的數據獲取存在局限。數據發布者基本上是小米的發燒友， 普通消費者的反饋信息匱乏， 獲取類型和數量相對受限。綜上， 此時小米的數據獲取受到一定限制。正如“米粉”所說， “小米發展前期比較重視硬件設備產品， 如手機、 移動電源， 小米與互聯網的聯結處于初步發展階段， 小米的數據獲取量應該不多。”

（2）數據組合分析。起初小米通過小米論壇獲取用戶對產品的反饋， 由于獲取數據還沒形成一定的數量級， 所以更多由人工進行處理和分析， 此時， 小米數據的組合分析水平相對較低。正如產品經理所言： “小米用戶的反饋意見， 可以直接在論壇中提交， MIUI團隊會對遞交意見的改進點進行初級判斷。”這直接體現了當時小米數據組合分析主要依靠團隊進行人工處理， 此階段下小米的數據組合分析能力偏弱。

（3）數據利用。受限于數據獲取量和數據組合分析水平， 此階段小米對于其獲取的數據資源并沒有實現充分的利用， 例如小米自身與其他企業生產的產品（小米手機、 小米手環、 移動電源等終端設備）的互聯互通還不完善， 移動物聯網還未充分構建。企業內部的運營、 戰略決策也沒有以數據為依據。正如技術人員所言： “小米在成立初期對數據的利用水平不高， 主業是做移動產品的硬件及軟件設備。”由此， 小米在這一階段的數據利用能力不強。

綜上， 小米在發展第一階段數據驅動能力較弱。

3. 創新生態系統的“核心生態層”占位及效果評價。網絡結構中的結構嵌入理論認為， 社會資源的獲得取決于主體在網絡中占有的位置（伯特，2008）。也就是說， 企業在創新生態系統中的占位會產生一定的經濟后果。雖然核心企業可以通過密切的創新協作或者資源互補協作形成創新網絡， 但隨著數字技術嵌入企業內部， 企業的數字驅動能力發生變化， 核心企業在創新網絡中的位置也會發生改變。而這有可能影響核心企業的資源獲取， 進而作用于企業創新活動。小米創立初期就具備了一定的數據驅動能力， 但由于數據驅動能力不足， 其在創新生態系統中與其他企業的網絡互動和延伸存在一定約束。本文以創新生態系統中核心企業為起點， 通過對核心企業與其他企業之間的網絡聯結規模、 中心度、 強度進行度量， 并結合小米的實際境況得出， 此時小米的創新生態系統占位是以“核心生態層”為主。具體分析如下：

（1）聯結規模： 較小。小米依據小米論壇及MIUI獲取用戶數據， 經過初級的大數據分析， 實現小米產品的研發及改進， 吸引多方加入小米創新生態鏈。具體來說， 小米創立之初就很重視供應商在其構建的生態系統中的地位和作用。例如， 小米實現了與芯片供應商“高通”的合作。以高通提供的高科技芯片為依托， 小米打造了小米手機、 小米電視、 小米手環、 小米藍牙等產品。其中， 除小米手機為小米公司自主研發的產品外， 小米電視、 小米手環、 小米藍牙等產品的研發均以小米為核心， 分別與其生態鏈上的紫米科技、 華米科技、 藍米科技進行協同創新， 以拓展其生態創新系統的縱向邊界， 實現小米在智能硬件設備上的突破。但此時小米數據驅動能力不強， 僅通過小米論壇獲取客戶信息稍顯不足。另外， 小米合作平臺尚未搭建， 也會直接影響小米對于合作方信息的獲取。信息獲取受限直接導致小米的創新合作伙伴數量不多， 合作產品的類別單一。同時， 創新生態系統中， 小米與其他企業的創新關系以“競爭”為主、? “合作”為輔， 沒有形成“共生依存。”正如小米的銷售經理所言： “雖然小米初期的創新生態系統已初具雛形， 但小米產品組合的寬度和深度主要依靠于小米自身， 與多數供應商僅是‘供應關系， 供應商并未完全內化為創新生態系統中的創新主體”。因此， 可以判斷在發展第一階段， 創新生態系統的核心端為小米， 合作方有紫米科技、 華米科技等。創新生態系統中的網絡聯結創新主體的數量還未形成一定規模； 創新合作的項目多為硬件設備， 合作項目單一； 合作關系是以小米為核心的雙邊合作。綜上， 在小米發展的第一階段， 小米與其他創新主體間的網絡聯結規模還是比較小的。

（2）聯結中心度： 較高。目前小米處于生態鏈的核心位置， 在生態網絡系統中起著聯結供應商和合作方的作用。但是， 受限于小米的數據驅動能力， 對于創新生態系統外部高技術企業加入其創新生態系統的吸引力不足， 導致小米創新生態系統依舊缺乏對核心技術（例如芯片）的掌控。由此， 在創新生態系統網絡內部形成了以小米為中心， 聯結生態鏈上中下游多個企業的局面， 小米在創新生態系統網絡中居于核心地位。正如小米銷售經理所言： “我們的生態鏈企業雖然要依靠‘高通的外部支持， 但好多企業所生產的產品更依賴小米， 產品設計與生產都是以小米手機為起點的終端設備的延伸。創新生態系統內部的中小企業均聚焦于小米所主導的移動終端這類產品之上， 對小米的依賴程度較高。”由此， 這一階段小米在創新生態系統中的聯結中心度比較高。

（3）聯結強度： “中心—外圍”射線減弱。受限于此階段小米的數據驅動能力， 小米尚未建立起由海量多品類用戶支撐的互聯網絡。創新生態系統中企業主體間信息溝通受限， 核心企業小米與其他創新企業之間的互動次數、 互信程度、 研發合作處于中心強、 外圍弱的不均衡狀態。對創新生態系統中底層企業來說， 企業間互動次數相對較少， 研發合作沒有實現技術上質的提升。另外， 此階段創新生態系統尚未建成物聯網平臺， 企業間關系緊密度相對較弱， 仍以“競爭”為主， 信任程度并不高。正如小米的合作者所言： “小米生態鏈中的企業前期合作均依托小米， 以小米為核心。創新主體的互動基本上都是與小米的雙向互動。由于其他企業之間相互都不認識， 不可能一開始就進行研發合作。”此階段， 小米沒有物聯網平臺， 相關合作方的交流不能及時溝通反饋。生態系統中的其他企業出于對自己的保護， 沒有合作開發新產品。創新生態系統中的企業互動更多是以小米為核心展開的， 互動關系也以小米為核心逐級減弱， 所以此時創新生態系統中的聯結強度不均衡。

在小米發展的第一階段， 雖然有數據和技術的支撐， 但由于數據驅動能力較弱， 小米的信息獲取受限， 對高技術企業加入創新生態系統的吸引力不足， 以及創新生態系統中企業間的信息溝通反饋不充分， 導致創新生態系統以小米為核心， 處于聯結規模較小、 聯結中心度較高、 聯結強度呈現“中心—外圍”射線減弱的不均衡狀態。由此判斷， 小米處于整個創新生態系統“核心生態層”占位。這益于將創新生態系統的有限創新資源向核心企業集聚， 為小米創新質量的提升起到積累沉淀的作用。

4. 數據驅動弱能力、 創新生態系統“核心生態層”占位對核心企業創新質量的影響路徑。結合調研資料編碼分析， 為了與小米發展第一階段的數據驅動弱能力適配， 小米選擇創新生態系統中的“核心生態層”占位， 以促進創新生態系統中創新資源的集聚、 核心企業與其他企業間的雙向創新協調以及有效知識觸達， 進而實現核心企業創新質量的積累與沉淀。數據驅動弱能力背景下， 創新生態系統“核心生態層”占位對核心企業創新質量的影響路徑如下：

為了應對數據驅動弱能力的困境， 小米從創新生態系統核心層占位入手， 以實現創新質量提升前的積累與沉淀。首先， 受限于數據驅動弱能力及未構建物聯網和數字平臺， 核心企業小米憑借其對創新生態系統中其他企業的市場調研和分析， 獲得了大量產品市場需求信息。創新信息資源集聚支撐了小米對原有產品小米手機、 小米電視和路由器三大產品的研發和改進。其次， 此階段由于數據驅動能力較弱， 小米對創新生態系統外的“高技術”企業的吸引力不足， 為了促進企業創新， 小米選擇創新生態系統核心層的占位， 初步實現小米與創新生態系統中其他企業間的雙向創新協調， 以提升小米在創新活動中的合作創新能力。雖然在此過程中小米并沒有實現關鍵技術突破， 但在創新產品數量上取得了一定成功。最后， 由于此階段數據驅動能力弱、 缺乏統一的物聯網平臺， 創新生態系統企業主體信息溝通受限， 不利于創新溢出與吸收。小米核心生態層的占位選擇可以實現以小米為核心的創新知識的有效觸達， 有助于形成其他企業對小米的反向技術溢出， 助力小米的初級產品開發與創新。雖然本階段小米的數據驅動能力不強， 但是小米在創新生態系統中的“核心生態層”占位有利于創新信息資源集聚、 雙向創新協調以及反向技術溢出， 為小米創新質量提升做好了積累與沉淀。由此， 數據驅動弱能力與創新生態系統“核心生態層”的占位選擇， 有利于小米創新質量提升前的原始積累與沉淀。

因此， 本文基于創新生態系統占位， 剖析了數據驅動能力在小米發展第一階段對其創新質量的影響路徑。其路徑與機理如圖2所示。

（二）數據驅動強能力、 創新生態系統“核心生態層+底層生態層”占位與核心企業創新質量

1. 典型資料與編碼結果。小米發展第二階段數據驅動強能力、 創新生態系統“核心生態層+底層生態層”占位及對其創新質量影響資料， 如表4所示。

2. 數據驅動強能力。經過近4年的發展， 小米的數據驅動能力得到了大幅提升。①在數據獲取上， 小米產品的客戶量實現激增， 僅小米的云服務用戶就突破了2億， 擁有巨大的客戶資源。用戶對小米的評價也不僅局限于手機， 還涉及小米機器人、 小米出行等產品。同時， 生態系統中各創新主體也實現了數據共享。此時， 小米數據獲取量較大， 為數據驅動能力提升奠定了基礎。②在數據組合分析方面， 傳統自建服務器已經不能滿足小米數據存儲需求。小米構建了云服務平臺， 通過云端處理量級數據， 數據在時間和空間上得到了精準匹配。同時， 小米設置了內部機構， 專門提供算法和AI技術支持， 以提升數據組合分析能力。此時小米具有較強的數據組合分析能力。③數據利用能力方面， 結合數據獲取及數據組合分析， 小米將數字化應用到創新生態系統的內部。依靠豐富的數據資源和強大的算法， 建立了龐大的智能物聯網系統， 通過對智能終端數據的動態抓取與分析， 實現了創新生態系統內部不同企業間30多種產品的數據互聯， 形成了覆蓋小米和米家產品的物聯網系統。綜上， 小米發展第二階段數據驅動能力較強。

3. 創新生態系統的“核心生態層+底層生態層”占位及其效果評價。數字經濟的發展使得企業數據驅動能力成為參與創新活動的新型要素和戰略資產（Amoore和Piotukh，2015）， 數據的全面覆蓋、 高效復制、 多源異構等特征促進智能社會的新型生產關系重構， 經濟主體的角色由單一走向多元。隨著企業數據驅動能力的提升， 以及創新生態系統的動態演進發展（冉奧博和劉云，2014； Metcalfe和Ramlogan，2008）， 核心企業在其創新生態系統中的占位也發生了變化。此階段小米的數據驅動能力較強， 依據創新生態系統中小米的網絡聯結規模、 聯結中心度、 聯結強度與現實境況， 獲得小米在創新生態系統中選擇“核心生態層+底層生態層”的占位。具體分析如下：

（1）聯結規模： 較大。2014年以后小米高層開始重視信息化、 數據化建設， 試圖從用戶、 產品、 運營等方面提升小米的數據獲取、 組合分析及利用能力。由此， 小米實現了對動態信息的獲取。作為創新生態系統中的核心企業， 小米數據驅動強能力為更多創新主體提供了物聯網入口， 吸引著更多數量和類別的企業加入小米創新生態系統。截至2018年， 小米共同投資或孵化的公司就超過了210家。通過獲取動態客戶及行業信息， 提升了核心企業自主研發及合作研發的可能性， 實現了多創新主體、 多品類的研發合作。創新主體間的關系也由“雙向競合”轉變為企業間的“多邊共生共創”。正如小米的銷售經理所言： “小米的創新生態系統已基本形成。創新系統中的企業數量和品類很多。這一點， 從我們店里的產品數量和類別就可以看出來。另外， 很多產品是與創新生態系統中其他企業合作研發的。用上小米你就會感受到什么是創新生態系統了。” 綜上， 在小米發展的第二階段， 網絡聯結規模較大。

（2）聯結中心度： 高。此時小米數據驅動能力相對較強， 推動了整個創新生態系統數據網絡的建立， 不僅吸引了高技術企業加入， 更促進了小米對創新生態系統整體創新資源的協調。具體來說， 小米的云服務提供了數據存儲平臺， 通過對創新生態系統全部存儲數據的智能分析， 可以精準計算出生態系統中各企業創新資源的供給與需求數額。正如小米的研發經理所言： “小米的云計算和AI技術的不斷提升， 實現了對整個創新生態系統內部創新資源的配置， 基于核心企業小米的協同創新活動會愈加頻繁。數據驅動能力的提升會增加核心企業聯結中心度的強度， 實現核心企業對整個創新系統、 創新資源的整體調度與配置。”由此， 在小米發展的第二階段， 創新生態系統中基于小米這一核心企業所形成的網絡聯結中心度會更高。

（3）聯結強度： “多層并進”網格聯結。由于此階段小米的數據驅動能力較強， 為整個創新生態系統IOT平臺的搭建提供了支撐。創新生態系統中的企業可以借助小米IOT 平臺開放的數據資源， 實現不同創新主體間信息的共享和及時溝通。同時， 接入小米IOT 平臺的產品也可接入其他IOT 平臺， 實現生態圈系統多邊交錯互動互助。創新主體間的合作與發展更像是一種共生共創的關系， 創新互動由原來的雙邊形式轉變為現在的多邊協作。例如， 能夠被小愛同學控制的產品（如手機、 電視及音箱等）， 會形成共同的智能聯動。一個企業產品的升級研發需要考慮其他產品的口徑和標準， 通過與核心企業和其他關聯企業的頻繁交流， 實現知識多向溢出與吸收。正如小米的合作者所言： “在小米較強的數據驅動能力下， 每個創新生態系統中的創新主體都熱情高漲。因為有小米的數據驅動， 創新主體間的交流由原來只與小米的雙向互動轉化為主體間的多邊交錯互動， 異常活躍。小米好像形成了一種向心力， 打破了企業間的創新壁壘。”數據驅動能力加速了企業間信息的動態溝通， 將創新主體納入一張創新之網。所以， 此時小米的聯結強度呈均衡的“多層并進”網格聯結狀態。

在小米發展的第二階段， 較強的數據驅動能力推動了小米物聯網、 云計算的應用， 為獲取動態信息提供可能， 提升了核心企業對整體創新資源的協調能力， 為創新生態系統中其他企業間動態及時溝通奠定了基礎， 以小米為核心形成了聯結規模大、 聯結中心度高、 聯結強度“多層并進”的網格聯結狀態。由此判斷小米處于創新生態系統“核心生態層+底層生態層”占位。這益于創新生態系統在更大范圍內創新互動， 為小米創新質量提升起到積極促進作用。

4. 數據驅動強能力、 創新生態系統“核心生態層+底層生態層”占位對核心企業創新質量的影響路徑。 結合調研資料編碼分析， 在小米發展的第二階段數據驅動強能力的推動下， 小米選擇了創新生態系統“核心生態層+底層生態層”的占位， 拓展了小米在創新生態系統中創新資源獲取范圍， 實現了多向協同創新和更大范圍的知識觸達， 實現了核心企業創新質量的提升。數據驅動強能力背景下， 創新生態系統“核心生態層+底層生態層”占位對核心企業創新質量的影響路徑如下：

為了與數據驅動強能力適配， 小米從創新生態系統“核心生態層+底層生態層”占位入手， 實現了企業創新質量的大幅提升。首先， 較強的數據驅動能力可以滿足創新生態系統整體客戶需求以及實現行業信息的動態、 完整獲取， 吸引創新生態系統外部更多數量和類型的企業加入， 有益于拓展創新資源的獲取范圍和獲取數量， 激發企業的核心技術研發意愿， 促進企業加大研發投入。其次， 此階段數據驅動能力強， 促進了小米對創新生態系統整體創新資源的調動與協調， 促使優質創新資源向核心企業聚集， 也發揮了其他企業對核心企業的支持作用， 提升了創新資源的配置效率， 企業協同創新能力得到提升。最后， 此階段數據驅動能力強， 使得創新主體間動態、 及時的信息溝通成為可能， 深化了系統中創新主體間基于小米平臺的多邊交流， 有益于知識大范圍及深度觸達， 實現了創新生態系統的多向技術溢出， 有益于核心企業創新數量與質量提升， 最終實現核心企業的高質量創新。

本文基于創新生態系統占位視角， 解釋了數據驅動能力在小米發展第二階段對核心企業創新質量的影響路徑， 其路徑與機理如圖3所示。

（三）數據驅動能力、 創新生態系統占位與核心企業創新質量影響路徑的理論機理構建

以創新生態系統占位為視角， 分析核心企業數據驅動能力對企業創新質量提升的實現路徑可知， 企業數據驅動能力較弱時， 創新生態系統應占位“核心生態層”， 通過較大的網絡規模、 較高的聯結中心度和以“中心—外圍”射線減弱為特點的聯結強度， 實現核心企業對原有產品的研發與改進、 合作創新能力的提升及其他企業對核心企業的反向技術溢出， 進而影響創新投入和產出， 為核心企業創新質量提升進行積累與沉淀。在企業數據驅動能力較強時， 積極轉變創新生態系統占位， 選擇創新生態系統中的 “核心生態層+底層生態層”， 通過較大網絡規模、 高網絡中心度和以“多層并進”網格聯結為特點的聯結強度， 激發核心技術企業的研發意愿， 提升協同創新能力， 促進企業間的多向技術溢出， 以大幅提升核心企業創新質量。由此， 在核心企業數據驅動能力發展的不同階段， 需要改變其在創新生態系統中的占位， 與不同的數據驅動能力相匹配， 才能持續提升核心企業的創新質量。在此基礎上， 最終構建出創新生態系統中數據驅動能力對核心企業創新質量提升的影響機理理論框架， 如圖4所示。

五、 小結

本文以小米為研究對象， 基于創新生態系統占位視角， 揭示了數據驅動能力、 創新生態系統占位對核心企業創新質量的影響路徑， 最終構建數據驅動能力與創新生態系統占位適配下提升核心企業創新質量的理論框架。本文不僅有益于拓展創新生態系統理論應用邊界， 也豐富了有關于企業數字能力以及企業創新的理論。

基于上述研究， 本文也得出以下啟示： 其一， 創新生態系統中核心企業應根據自身數據驅動能力， 精準定位其創新生態系統占位， 實現企業數據驅動能力與創新生態系統中占位的匹配。其二， 核心企業應根據不同階段數據驅動能力以及與之適配的創新生態系統占位， 梳理其對企業創新質量的影響路徑。在數據驅動能力較弱時， 適配“核心生態層”的創新生態系統占位， 通過對原有產品研發與識別、 合作創新能力提升及反向技術溢出， 實現核心企業創新質量提升前的原始積累。在數據驅動能力較強時， 適配創新生態系統“核心生態層+底層生態層”的創新生態系統占位， 通過激發企業的核心技術研發意愿， 提升協同創新能力促進及多向技術溢出， 最終實現核心企業創新質量的提升。

另外， 本文研究也存在一定局限： 基于案例研究方法限制， 研究結論普適性不足， 需要進一步通過大樣本進行檢驗。本研究僅聚焦于創新生態系統占位視角下數據驅動能力對核心企業創新質量的影響， 其他影響因素尚未討論。企業創新質量的度量存在一定主觀判斷， 可能對研究結論產生微小影響。未來可針對上述問題做進一步思考與研究。

【 主 要 參 考 文 獻 】

包宇航，于麗英．創新生態系統視角下企業創新能力的提升研究［ J］．科技管理研究，2017（6）：1 ～ 6．

羅納德·S.伯特著．任敏，李璐，林虹譯．結構洞：競爭的社會結構［M］．上海：上海人民出版社，2008．

戴亦舒，葉麗莎，董小英．創新生態系統的價值共創機制 —— 基于騰訊眾創空間的案例研究［ J］．研究與發展管理，2018（4）：24 ～ 36．

樊霞，賈建林，孟洋儀．創新生態系統研究領域發展與演化分析［ J］．管理學報，2018（1）：151 ～ 158．

姜李丹，薛瀾，梁正．人工智能賦能下產業創新生態系統的雙重轉型［ J］．科學學研究，2022（4）：602 ～ 610．

柳卸林，王倩．創新管理研究的新范式：創新生態系統管理［ J］．科學學與科學技術管理，2021（10）：20 ～ 33．

梅亮，陳勁，劉洋．創新生態系統：源起、知識演進和理論框架［ J］．科學學研究，2014（12）：1771 ～ 1780．

冉奧博，劉云．創新生態系統結構、特征與模式研究［ J］．科技管理研究，2014（23）：53 ～ 58．

孫聰，魏江．企業層創新生態系統結構與協同機制研究［ J］．科學學研究，2019（7）：1316 ～ 1325．

孫新波，錢雨，張明超，李金柱．大數據驅動企業供應鏈敏捷性的實現機理研究［ J］．管理世界，2019（9）：133 ～ 151．

湯臨佳，鄭偉偉，池仁勇．智能制造創新生態系統的功能評價體系及治理機制［ J］．科研管理，2019（7）：97 ～ 105．

溫湖煒，王圣云．數字技術應用對企業創新的影響研究［ J］．科研管理，2022（4）：66 ～ 74．

武建龍，郝蒙曉，黃靜．“互聯網+”環境下企業創新生態系統的構建研究 —— 以蔚來新能源汽車為例［ J］．軟科學，2021（5）：70 ～ 77．

頡茂華，劉鐵鑫，施諾，王乾．數據驅動能力、組織結構對企業戰略績效的影響 —— 基于A網約車公司的縱向案例研究［ J］．管理學報，2022（3）：317 ～ 325．

頡茂華，趙圓圓，劉遠洋．網絡聯結、資源獲取與組織學習互動影響戰略績效路徑研究 —— 基于長城汽車的縱向案例研究［ J］．科研管理，2021（5）：57 ～ 69．

楊升曦，魏江．企業創新生態系統參與者創新研究［ J］．科學學研究，2021（2）：330 ～ 346．

于曉龍，王金照．大數據的經濟學涵義及戰略績效機制［ J］．中國國情國力，2014（2）：28 ～ 30．

戰睿，王海軍，孟翔飛．企業創新生態系統的研究回顧與展望［ J］．科學學與科學技術管理，2020（5）：179 ～ 197．

張明，江旭，高山行．戰略聯盟中組織學習、知識創造與創新績效的實證研究［ J］．科學學研究，2008（4）：868 ～ 873．

趙輝，田志龍．伙伴關系、結構嵌入與績效：對公益性 CSR 項目實施的多案例研究［ J］．管理世界，2014（6）：142 ～ 156．

Adner R.. Match Your Innovation Strategy to Your Innovation Ecosystem［ J］．Harvard Business Review，2006（4）：98 ～ 107．

Amoore L.， Piotukh V.. Life beyond Big Data： Governing with Little Analy-

tics［ J］． Economy and Society，2015（3）：341 ～ 366．

Fischer M.， Diez J. R.， Snickars F.. Metropolitan Innovation Systems： Theory and Evidence from Three Metropolitan Regions in Europe［M］．Berlin： Springer，2001．

Freeman C.， Soete L.. The Economics of Industrial Innovation ［M］．London： Pinter Publishers，1997．

Hagedoorn J.， Cloodt M.. Measuring Innovative Performance ：Is There an Advantage in Using Multiple Indicators？［ J］．Research Policy，2003（8）：1365 ～ 1379．

Hitt M. A.， Hoskisson R. E.. Johnson R. A.. The Market for Corporate Control and Firm Innovation［ J］．The Academy of Management Journal，1996（5）：1084 ～ 1119．

Mcafee A.， Brynjolfsson E.. Big Data： The Management Revolution［ J］．Harvard Business Review，2012（10）：60 ～ 68．

Metcalfe S.， Ramlogan R.. Innovation Systems and The Competitive Process in Developing Economies［ J］．Quarterly Review of Economics & Finance，2008（2）：433 ～ 446．

Moore J. F.. Predators and Prey： A New Ecology of Competition［ J］．Harvard Business Review，1993（3）：75 ～ 86．

Thomas L.， Autio E.. Innovation Ecosystems［ J］．The Oxford Handbook of Innovation Management，2014（1）：204 ～ 288．

White M.. Digital Workplace： Vision and Reality［ J］．Business Information Review，2012（29）：205 ～ 214．

Yin R. K.. Case Study Research： Design and Methods［M］．Thousand Oaks， Ca： Sage，2002．

Griliches Z.. Patent Statistics as Economic Indicators： A Survey［ J］．Journal of Economic Literature，1990（8）：1661 ～ 1707．

（責任編輯·校對： 李小艷? 黃艷晶）

【基金項目】內蒙古財經大學區域數字經濟與數字治理研究中心課題“內蒙古數字商務與產業集聚度耦合協同發展研究”（項目編號：szzl2022006）