大數據賦能制造企業雙元創新的機理研究

【中圖分類號】F273.1 【文獻標識碼】A 【文章編號】1004-0994（2025）13-0092-7

一、引言

在全球經濟格局深刻變革與產業結構深度調整的背景下，新質生產力作為由技術革命性突破、生產要素創新性配置、產業深度轉型升級形成的先進生產力形態，正成為我國經濟高質量發展的核心驅動力。新質生產力不僅體現了技術創新、管理創新和模式創新的有機結合，更強調在不斷變化的市場需求與技術環境中，企業能通過持續的創新提升整體競爭力。這要求制造企業突破傳統創新路徑依賴，在創新范式層面實現從利用式創新向探索式創新的戰略躍遷。數據作為繼土地、勞動力、資本、技術之后的第五大生產要素，發揮著重要的賦能作用。制造企業通過對數據的深度挖掘與分析，最大化釋放資源潛力，實現內部資源的優化配置與高效利用（陳慶江等，2021）。同時，結合以人工智能、大數據、云計算等為代表的新一代信息技術，數據要素進一步與其他生產要素深度融合，促進資源的跨區域流動，在拓寬企業創新邊界的同時，促使優質資源要素集中，提升資源配置的深度和強度，為企業帶來持續的創新動力。

現有研究深入探討了大數據在企業技術創新（張明超等，2021）、服務創新（尚晏瑩等，2022）、知識管理創新（劉平峰等，2021）等方面的賦能作用。這些研究強調大數據作為一種戰略性資源，對于企業探索式創新能力的提升具有顯著影響。盡管探索式創新能夠帶來新技術、新產品等顛覆性的創新突破，但其高回報往往也意味著高風險，探索式創新并非一蹴而就，制造企業往往需根據環境、資源和能力等各方面條件，審慎選擇探索式創新與利用式創新的雙元創新戰略。在制造企業從利用式創新向探索式創新進階的過程中，大數據的內在賦能機理尚不明確。因此，本文采用探索性單案例研究方法，選取三一重工股份有限公司（簡稱\"三一重工”）為典型案例，基于其數字化轉型變革實踐，深人剖析大數據賦能制造企業雙元創新的內在機理，試圖打開從數據資源獲取到競爭優勢構建的\"黑箱”。

本文的理論貢獻包括：一是，在數據賦能理論方面，既往研究強調大數據賦能與企業創新績效之間的直接因果關系，而未從過程視角厘清大數據對企業雙元創新的影響機制。本文基于資源編排理論，從數據要素的多維屬性特征切入，討論了大數據賦能制造企業雙元創新的內在機理，打開了大數據對企業雙元創新影響過程的“黑箱”。二是，在大數據環境下的企業雙元創新理論方面，本文通過對代表性企業的單案例研究，識別出大數據以信息、知識和智慧的形態與外界因素協同組合，作用于企業雙元創新的不同階段，具化了大數據作為賦能要素為企業雙元創新賦能的內涵與演進歷程，明確了大數據助力制造企業從資源編排到能力生成再到價值創造的過程，為推進大數據時代制造企業實現雙元創新提供了理論支持與實踐指導。

二、文獻回顧與研究框架

（一）大數據賦能

大數據被定義為蘊藏巨大潛在價值、能幫助企業獲得競爭優勢的異質性資源（劉力鋼和劉建基，2017），其同時具備數字要素和數字技術的多種特征屬性。大數據賦能增值效應的形成機理十分復雜，現有研究主要從流程和能力兩個視角展開探討。從流程視角來看，張明超等（2018）基于供應鏈雙元視角，指出數據屬性激活對制造企業生產過程帶來了變革性影響，表現在精準捕捉異質需求、實現個性化生產與服務精優配給、實現大規模定制等方面。Johnson等（2017）認為大數據的3V（數據體量、種類和速度）屬性改變了新產品研發過程，驅動企業開發獨特資源，從而促進新產品的成功。從能力視角來看，Lenka等（2017）將數據賦能劃分為連接能力、智能能力和分析能力三個維度，連接能力是指利用無線通信網絡實現數字產品互聯互通，智能能力是指通過智能硬件組件感知環境并自主捕獲信息，分析能力是指將數據轉化為有價值的決策。Troilo等（2017）則指出企業能夠利用大數據的容量、速度和多樣性優勢，優化模式識別、實時決策和協同探索三個過程，提升組織服務創新的能力。

對于制造企業而言，大數據真正的價值在于激活數據屬性并賦能企業創造價值（Markus，2015）。企業需要通過特定高效的資源行動方式來激活數據屬性（Ginther等，2017）。這更加突出了企業有效編排資源的重要性，企業構建資源組合（資源結構化）、從資源組合中提煉出支撐企業開展價值創造活動的能力（資源能力化）以及連接資源組合和能力從而釋放價值（資源杠桿化）（孫元等，2024）。因此，數據賦能的實現過程在邏輯層面可以視為對企業資源的編排（Sirmon等，2010）。這為利用資源編排模型解讀大數據賦能企業雙元創新的過程提供了理論依據。鑒于此，本文將大數據賦能定義為企業通過激活大數據資源的特征屬性，優化自身的資源編排，從而提高大數據應用能力以創造價值并建立起競爭優勢的過程。

（二）雙元創新

雙元創新強調企業探索式創新和利用式創新的同時進行。探索式創新又稱突破式創新、顛覆性創新，是指企業通過獲取新資源或基于對自身資源能力的重新整合編排，研究新技術、開發新產品或提供新服務的過程，強調對新領域、新技術或新市場的主動探索（王寅等，2014）。利用式創新又稱漸進性創新，是指企業基于已有的資源基礎，優化現有資源，提升產品性能或服務質量，以滿足現有市場需求的過程（Jansen等，2006），強調最大化已有資源的效用。雙元創新貫穿于企業全生命周期，能夠在企業的同一業務單元共存（亢秀秋等，2019），為企業提供額外的優勢來源（Colbert，2004）。然而，有效平衡兩類創新、規避資源沖突并非易事。有研究表明，企業的動態能力在這一過程中起著重要作用（孫慧和張雙蘭，2018）。動態能力體現為企業有效整合、編排和配置內外部資源以敏捷響應環境變化的根本性能力（David，2007）。吳荻等（2020）運用扎根理論識別出企業的動態能力對雙元創新的影響具有階段性特征，在動態能力的作用下，企業創新從單一的利用式創新向雙元創新發展。簡兆權等（2020）采用fsQCA方法，從機會識別、資源拼湊和吸收能力三個維度研究了促進企業實現雙元創新的組態路徑，并指出吸收能力能夠促進兩類創新活動的平衡。可見，動態能力能夠促進企業雙元創新，企業在不同環境下表現出的動態能力差異會影響對兩種創新的權衡。

（三）大數據環境下的企業雙元創新

近年來，學術界圍繞著大數據在企業雙元創新中的應用展開了深入研究。朱國軍等（2024）發現大數據通過與數字平臺結合形成大數據合作資產，發揮技術賦能和市場賦能效應，促進企業實現產品和服務的雙元創新。張茜松等（2024）探究了資源和能力要素構成的資源組態與雙元創新之間的復雜因果關系，并指出企業通過大數據分析能力來響應客戶需求，進而實現高水平的雙元創新。周永樂（2023）指出，企業在應用大數據技術收集、更新有效信息的過程中，不斷產生新思維、形成新理念、發現新創造要素，從而不斷提升探索式創新水平。

綜合以上文獻來看，從數據賦能的邏輯出發，不論是企業的大數據資源、大數據能力，還是對大數據技術的應用，都可以解構為數據要素的不同形態，其結合外部因素會產生協同作用。參考Rowley（2007）構建的DIKW（DatatoInformationtoKnowledgetoWisdom）模型，本文認為數據沿著“信息一知識一智慧”的遞進層次賦能企業實現價值創造，進而促進雙元創新的形成。其中：“信息”是指無序數據經過處理后形成有決策價值的數據集合，用于指導企業的研發、生產、營銷等活動；數據資源經處理和分析形成信息資源，這些信息資源通過整合、轉化，形成指導生產的“知識”；“智慧”可以理解為應用在行動中的知識，是一種以現有知識為基礎，對問題進行分析、對比、推理從而輸出解決方案的能力。

（四）研究框架

本文選擇企業雙元創新作為結果變量，基于數據賦能、資源編排和動態能力理論對企業不同階段的創新行為及邏輯進行剖析，探討大數據賦能制造企業雙元創新的內在機理。基于“動因一行動一結果\"（MAR）分析框架和“前提一過程一結果\"的邏輯，本文構建了如圖1所示的研究框架，核心邏輯是：企業在不同資源稟賦階段面臨著不同的內外部環境；在不同的創新環境下，企業會采取相應的創新舉措，通過資源編排激活數據多維賦能屬性，形成動態能力；不同的創新舉措引導企業在探索式與利用式創新之間進行權衡，呈現出不同的雙元創新形態。

三、研究設計

（一）研究方法選擇

本文采用探索性單案例研究方法，原因在于：本文聚焦于制造企業利用大數據實現雙元創新的演化機理，屬于解讀“how\"的問題，適合采用案例研究方法；雙元創新是一個動態演進過程，相比多案例研究，對單案例的縱向持續分析能從“how\"延伸至\"why\"（Langley，1999），從而提煉出更完整的理論模型。

（二）案例選擇

本文選擇三一重工作為案例研究對象，原因如下：① 理論相關性原則。三一重工自創建以來，一直堅定不移地將創新作為發展的第一驅動力，近年來更是積極踐行“全球化、數智化、低碳化\"戰略轉型，賦能企業數智化轉型升級并取得斐然成就，與研究問題十分契合。 ② 代表性原則。三一重工是中國第一、世界第二的工程機械企業，不僅在所屬行業內屬于標桿企業，在世界范圍內也極具影響力。 ③ 數據可獲得性原則。三一重工自成立以來，其發展歷程、數字化變革經歷等獲得了企業界和學術界的廣泛關注，積累了翔實的二手資料和研究文獻，確保了資料的可收集性和完整性。

（三）資料收集

本文以多種信息渠道的二手資料為數據來源，并經過多重檢驗和相互補充，以減少信息偏差，提高研究信效度。數據來源包括： ① 從中國知網和有關數據庫下載的文獻和案例研究報告； ② 三一重工官網披露的企業年報等公開文件和企業內刊； ③ 權威平臺發布的有關三一重工數字化轉型與創新發展的資訊和研報； ④ 專業訪談類節目對三一重工高管的采訪內容； ⑤ 關于三一重工數字化轉型與創新的雜志、報紙和書籍。

四、案例分析與討論

本文對案例資料逐級縮編：一級編碼依據三一重工的發展歷程將其雙元創新過程劃分為三個階段（內部數據賦能模仿創新、內外數據賦能集成創新和大數據資源賦能自主創新）；二級編碼依據各階段資料總結出三個范疇（創新環境、創新舉措和創新形態）；三級編碼歸納各范疇的構成要素及作用機理，創新環境包括企業內部和企業外部兩個三級構念，創新舉措包括資源結構化、資源能力化（資源歸攏整合）和資源杠桿化（資源轉化利用）三個三級構念，創新形態包括利用式創新和探索式創新兩個三級構念。研究過程中嚴格篩選資料，并反復印證和補充沖突資料，直到理論模型相對飽和。

（一）內部數據賦能模仿創新階段（2008＼～2011年）

三一重工對大數據的應用可追溯至2008年，囿于時代的發展，當時大數據的概念并未普及。結合三一重工的發展歷程及大數據應用情況，本文將 2008～2011 年劃分為內部數據賦能模仿創新階段。在這一階段，三一重工將重點放在數據采集與存儲上，通過搭建信息系統整合內部數據，轉化為企業轉型所需的軟硬件支撐。企業內部數據及數字基礎設施構成了此階段賦能的基本要素。此階段的創新環境、創新舉措與創新形態的典型證據如表1所示，實現機理如圖2所示。

1.創新環境—面對挑戰。從企業外部來看，2008～2011 年正值我國工程機械行業繁榮期，旺盛的市場需求加劇了國內外競爭對手對市場份額的爭奪。而國內的制造工藝落后，自主創新能力弱，國外品牌幾乎壟斷了國內工程機械市場。從企業內部來看，相較于國際競爭對手，三一重工的研發能力弱，缺乏具有自主知識產權的核心技術，導致產品競爭力不足。

2.創新舉措—成長壓力驅動下的資源編排過程。在這一階段，三一重工著手開展信息化平臺建設：首先，以內部資源累積和外部資源獲取的方式夯實轉型基礎。

三一重工對外與行業先進企業開展技術經驗交流，并引入ERP（企業資源計劃）、PDM（產品數據管理）等數字化系統；對內推進生產設備數字化改造及經營環境數字化管理，搭建內部數據庫，初步構建起轉型所需的資源池。其次，以豐富型資源整合方式優化企業資源條件。豐富型資源整合旨在實現傳統資源與數字資源的有機耦合，拓展資源效用邊界（張媛等，2022）。三一重工自研了M2M平臺和ECC系統，并與其他數字系統集成，推進數據統一采集與處理、服務信息在線管理和設備聯網。最后，培養和生成企業的學習與吸收能力，實現產品層面的價值增值。信息化平臺的構建使得三一重工能夠高效地收集產品數據、客戶數據和設備數據。借助ECC系統，企業能輕松觸達客戶，充分挖掘數據的容量性、多元性和連接性，從而提升企業的學習與吸收能力。通過對引進技術的學習以及對產品全生命周期數據的分析，三一重工的生產工藝水平和效率取得了顯著提升。智能化設備與系統的集成進一步促成了三一重工的數字化工廠試點項目，其將先進技術與自動化機械制造相結合，在顯著降低生產成本的同時，大幅提升了再造產品的價值。

3.創新形態—利用式創新主導。三一重工在此階段以利用式創新為主，主要表現為技術二次創新和客戶服務優化。在技術二次創新方面，三一重工引進國外先進技術產品，積累關鍵參數和知識。如通過對挖掘機核心技術的深入掌握，三一重工在該領域快速實現了技術突破，挖掘機業務亦成為公司的核心業務板塊之一。同時，通過PDM項目整合全球研發資源，促進國內外研發團隊之間的信息交流與數據資源共享，實現全球范圍內不間斷的協同研發，提高創新產出效率。在客戶服務優化方面，ECC系統與M2M平臺的搭載和升級，使得三一重工能夠與用戶實時共享現場及設備信息，優化機群協作與調度，在出現故障時快速定位并規劃解決路徑，“用最快的速度、最小的投入，及時解決客戶之所急。把服務提升到了一個前所未有的高度”。

（二）內外數據賦能集成創新階段（2012＼～2018年）

單純的模仿無法幫助企業在激烈的競爭中保持長久的優勢。 2012～2018 年，大數據、人工智能等數字技術飛速發展，三一重工通過對數字平臺系統中的信息進行整合，挖掘數據關聯并升級為知識體系，為業務應用賦能。內外數據集合、數字技術、數字基礎設施以及知識共同構成此階段的賦能要素。此階段的創新形態包括利用式創新和探索式創新兩種（限于篇幅，具體的證據援引已省略），內外數據賦能集成創新的機理如圖3所示。

1.創新環境一突破困境。從企業外部來看，這一時期行業經歷了明顯的衰退與復蘇。 2012～2015 年我國基建投資放緩導致工程機械行業需求下降，加之先前的高速增長導致產能過剩，市場競爭愈發激烈，行業進人低谷。2016年后，得益于下游需求提振及新經濟周期啟動，行業開始復蘇。行業周期性波動的影響也在企業內部得到了反映。行業增長期需擴產招工、購入設備，而行業低谷時難以裁員、設備停工仍需折舊，這類固定成本無法靈活調整，產能與需求錯位制約了三一重工的發展。

2.創新舉措——環境波動驅動下的資源編排過程。三一重工首先通過外部獲取與內部積累的方式，打通企業數據鏈路，構建數字資源池。在內部資源積累方面，三一重工于2013年啟動了流程信息化變革，建立流程信息化專業管理平臺（ARIS），同時順應“工業大數據\"趨勢，將ECC系統升級為大數據平臺，在工廠內不間斷采集各類數據，實現內部技術要素互聯。在外部資源獲取方面，三一重工體外孵化了“根云\"工業互聯網平臺，通過該平臺深化產業鏈協作，實現研發、設計、生產等環節的外部協同。其次，以豐富型資源整合方式實現企業新舊資源整合。工業互聯網平臺的建立和大數據平臺的升級使得非數據形式的資源轉變為標準化的數據，促使數據要素與其他生產要素交互，優化企業內部資源配置與業務流程。最后，挖掘、利用數據的分解性、集成性和實時性，培育企業感知與預測能力，實現企業價值的提升。三一重工通過實時數據集成分析，精準感知用戶特征并預測市場趨勢，賦能服務與銷售決策。工業互聯網平臺與數字化工廠協同優化產品，前端由控制中心系統智能分解訂單，全流程數據驅動生產，后臺依托“根云\"平臺的大數據分析功能，預測配件需求，優化工藝參數，智能診斷設備狀態，助力企業快速響應問題。產品服務升級推動企業向高端品牌轉型，實現企業價值的全方位提升。

3.創新形態—探索式創新與利用式創新協同。在此階段，三一重工實現了利用式創新與探索式創新的協同，表現為精準營銷和數據化流程創新。一方面，三一重工創新了營銷服務模式，實現了精準營銷。其通過設備大數據建模分析預測需求，及時調整生產和銷售策略，從被動服務轉為主動服務。另一方面，三一重工結合數字技術、智能系統積極推動生產流程數據化，實現數據化流程創新。其利用“根云\"平臺使生產設備和生產操作聯網，推動數據的流動并與業務流程各環節協同，發揮數據價值，驅動生產制造，以滿足動態的市場需求。

探索式創新拓寬了技術和產品的“寬度”，利用式創新則加深了產品服務的“深度”，二者協同增效。三一重工利用大數據平臺勾畫出的用戶畫像指導營銷服務活動，并與研發信息化項目集成實現云端研發設計共享。而工廠內的智能生產系統可根據需求組裝不同的零件產品，以數據驅動柔性化生產，兼顧柔性與效率，為企業營銷活動提供支撐。

（三）大數據資源賦能自主創新階段（2019年至今）

自2019年以來，企業內外數據激增推動了數字技術創新，云計算、機器學習等數字技術與工業互聯網平臺、5G工廠等數字構件深度融入生產鏈。在此基礎上，三一重工積極把握智能化浪潮，拓展智能應用場景并革新流程結構，聯合上下游構建全鏈路生態，實現知識共享復用，從數字化邁向數智化。數據集合、數據元素組合與數智化知識體系共同構成此階段的賦能要素。此階段的創新形態為探索式創新（限于篇幅，具體的證據援引已省略），大數據資源賦能自主創新的機理如圖4所示。

1.創新環境一一抓住機遇。從企業外部來看，大數據技術發展重塑了全球高新技術產業分工格局，為發展中國家帶來了技術轉移機遇，我國順勢出臺了《“十四五”智能制造發展規劃》等一系列政策，引導企業加快數字化轉型。從企業內部來看，大數據作為重要的戰略性資源，已深度滲透到各產業部門及環節，為企業創新提供了全新的方式。三一重工敏銳地洞察到工程機械行業向電動化、智慧化轉型的趨勢，于是積極調整企業戰略，整合大數據資源，推動企業轉型。

2.創新舉措—戰略升級驅動下的資源編排過程。在此階段，三一重工首先通過外部合作并結合自身資源積累搭建起數據網絡，實現資源結構化。在外部合作上，三一重工與阿里云共建數據中臺，整合12個業務領域數據，以18號工廠為依托，將實體廠房的實時操作數據映射到虛擬廠房，實現數據的完全透明。在內部資源積累上，三一重工將MES制造執行系統升級為MOM智能管理系統，向上對接倉管系統及產品生命周期管理系統，向下聯通物聯網平臺及所有智能工廠，實時共享所有數據。其次，以開拓型資源整合方式優化資源條件。開拓型資源整合旨在利用新資源或將新資源與既有資源結合形成新能力，幫助企業維持已有的競爭優勢，并探索形成新的競爭優勢（張媛等，2022）。依托數據中臺與工業互聯網平臺，三一重工實現了資源的平臺化共享，與合作伙伴共同為客戶提供端到端的一體化解決方案，構建起工業互聯網生態。最后，培育生成資源整合與釋放能力，實現產業鏈價值提升。全場景數據中臺項目和MOM系統的啟動，幫助三一重工將數據資產“摸清楚、管起來”，從而顯著提升企業的資源整合與釋放能力。三一重工運用人工智能、云計算等技術手段延伸數據鏈路，整合互補資源構建產業鏈智能集群，推動上下游協同優化。

3.創新形態一探索式創新主導。在此階段，三一重工以探索式創新為主，主要表現為技術原始創新和商業模式創新。在技術原始創新方面，通過跨流程數據平臺與工業互聯網平臺整合技術資源，基于充足的知識積累，三一重工實現了“智能制造八項突破”，并推出多款自主知識產權產品。在商業模式創新方面，三一重工創造性地構建了“通用平臺 + 產業生態\"P2P2B（PlatformtoPartnertoBusiness）的全新商業模式，即“通過我們的平臺，去支持和服務我們的伙伴，幫助伙伴建立解決方案和服務能力以服務終端的客戶”。三一重工通過“根云\"平臺為產業鏈提供物聯接入、大數據等服務，將數字化轉型經驗傳遞給制造業其他領域，輸出智能解決方案，持續賦能客戶企業。

五、研究發現與理論模型

基于三一重工的案例分析，本文揭示了制造企業在數字化轉型不同階段利用數據賦能實現雙元創新的內在機理，并構建了如圖5所示的機理模型。

（一）內部數據賦能模仿創新的內在機理

在內部數據賦能模仿創新階段，企業通過構建數字化信息系統平臺，挖掘并利用大數據的容量性、多元性和連接性，提升學習與吸收能力。通過搭建信息系統平臺，實現數據的標準化處理，將數據要素轉化為有價值的信息資源，將抽象的業務需求轉化為具象的數據，從而建立起堅實的數據基礎。容量性激活是企業提升學習與吸收能力的基礎，為企業提供了豐富的信息和知識來源。多元性激活是提升學習與吸收能力的本質，多元數據可為企業提供不同視角的思考方式和解決方案，拓寬企業創新視野。通過分析學習提取的信息，企業能夠更好地理解市場和客戶需求，進而促進知識內化和創新思維的形成。連接性激活則進一步促進了企業對外部資源的有效整合和利用，是企業維持學習與吸收能力的保障。通過持續地將組織的核心數據與能夠為企業帶來價值的外部數據進行耦合，不僅可保證企業持續、及時地獲取知識，還能提升數據容量性和多元性，形成良性循環，助力企業更好地適應快速變化的市場環境并保持領先。

（二）內外數據賦能集成創新的內在機理

在內外數據賦能集成創新階段，企業采用多種數字技術手段在平臺中建立數據節點，并推動數據流動形成數據鏈，激活大數據的分解性、集成性和實時性，提升企業的感知與預測能力。通過對數據信息的整合、分析和應用，賦能企業的營銷服務和生產流程。分解性表現為非標準化的信息經過處理變為標準化的數據，然后在企業業務流程中被分配到不同的業務部門，形成數據節點，通過對數據模塊的劃分，實現流程創新。集成性可確保系統間數據交互有序以及信息流的一致性，強化全局管控。在此基礎上，賦予了企業對市場動態和內部操作的即時洞察力，使企業能快速響應外部變化，感知和預測客戶需求的變化。通過對大數據的深人分析，企業能夠提前感知和預測市場需求的變化，從而及時調整生產和銷售策略。此外，基于數據平臺構建的用戶畫像，為企業提供了精準的營銷服務指導和研發設計參考，使企業能夠從傳統的被動服務模式轉變為更具前瞻性的主動服務模式。

（三）大數據資源賦能自主創新的內在機理

在大數據資源賦能自主創新階段，大數據與生產、運營深度融合推動企業進人數字智能階段，搭建起數據生態網絡，挖掘并利用大數據的透明性、共享性和可復制性，從而提升企業的資源整合與釋放能力。共享性表現為核心企業向數據網絡節點中的直接需求者傳遞資源，從而激發企業間的協作潛力，促進生態伙伴基于統一指令協作，實現資源和能力的互補。共享性與透明性互為前提，通過信息零誤差傳輸降低信息不對稱程度，強化數據共享與透明之間的關系，優化生態網絡內部信息環境，增強信任并促進高效決策，使企業得以在更大的范圍內進行資源整合與配置。可復制性助力企業將經驗轉化為系統解決方案，形成“技術一思維一模式\"資源組合對外輸出。數據由此升華為“智慧”，在推動企業管理模式整合的同時，加快數據要素生態循環，促使企業更好地與產業相融合，最終通過數字化賦能形成智能決策路徑，實現企業內外部的顛覆性變革。

六、總結

（一）研究結論

本文基于三一重工的縱向單案例研究，探索了大數據賦能制造企業實現雙元創新的內在機理，結論如下：

1.數據賦能是制造企業實現雙元創新的關鍵驅動力。大數據遵循\"信息一知識一智慧\"的進階層次，在企業的不同成長階段逐步釋放其價值創造潛能。數據整合為信息的過程對應內部數據賦能模仿創新階段。數據要素產生價值的核心在于從龐雜的數據中提取有用的信息資源。企業通過信息化平臺整合異構數據，提煉規律并形成有序信息，為企業創新和知識積累奠定基礎。信息提煉為知識的過程對應內外數據賦能集成創新階段。數據要素形成知識的過程本質在于要素協同，以挖掘和釋放數據要素的價值。企業借助技術手段挖掘數據關聯，并將其升級為企業知識資產，賦能業務場景。知識升華為智慧的過程對應大數據資源賦能自主創新階段。數據的信息化和知識化能夠使企業更好地了解自身的業務流程和消費者需求，并將知識轉化為更有“智慧”的決策和管理，有效賦能企業生產、運營等核心環節，進而推動技術創新與管理創新、商業模式創新的融合。

2.企業要想利用大數據實現雙元創新，就要充分激活大數據的屬性，釋放賦能作用。挖掘和利用大數據屬性是企業快速建立競爭優勢的前提。本文在挖掘大數據傳統屬性的基礎上，發現大數據還具有連接性、分解性、集成性等屬性。企業在不同的發展階段應分別建立數據庫、打通數據鏈和建設數據網絡，以激發數據的以上屬性。具體而言：企業通過建立數據庫整合內部運營數據，實現產品技術優化；通過打通數據鏈整合內外數據資源，實現供需精準對接；通過建設數據網絡推動信息和知識的流通共享，促進資源的多場景復用，實現產業鏈上下游高效協同。

（二）研究局限

本文的研究也存在一些不足之處：一是采取探索性單案例研究方法，結論普適性不強，未來可選取更多代表性企業，采取多案例研究的方式增強結論的普適性。二是所選取的案例企業屬于數據資源多、基礎設施好、自帶數字基因的大型制造企業，而在大數據背景下，普通的傳統制造企業和數據資源不占優勢的中小型制造企業又如何依靠數據要素實現雙元創新？未來可以從不同類型企業出發探索其機理。

【主要參考文獻】

陳慶江，萬茂豐，王彥萌．數字技術應用對企業雙元創新的影響——基于組織生命周期的實證檢驗［ J］．軟科學，2021（11）：92 ～ 98．

亢秀秋，沈頌東，房建奇．探索式與利用式創新研究的熱點與前沿——可視化研究［ J］．技術經濟，2019（1）：63 ～ 80．

劉力鋼，劉建基．大數據情境下企業價值創造路徑及效果評價［ J］．企業經濟，2017（4）：54 ～ 59．

劉平峰，王雨婷，蘇超超．大數據賦能企業知識管理創新機理與路徑研究——基于華為案例［ J］．科技進步與對策，2021（1）：122 ～ 131．

尚晏瑩，蔣軍鋒，王修來．數據賦能驅動制造企業服務化的機理——基于探索性多案例扎根分析［ J］．系統管理學報，2022（4）：722 ～ 736．

孫慧，張雙蘭．國際化背景下動態能力與企業創新績效的關系研究——來自中國高技術企業的經驗證據［ J］．工業技術經濟，2018（11）：35 ～ 43．

孫元，吳梅麗，蘇芳．基于技術資源的創新生態系統演化及價值共創過程研究——以科大訊飛為例［ J］．南開管理評論，2024（8）：40 ～ 50．

王寅，張英華，楊德森等．基于生命周期的企業雙元性創新機制研究——以天津制造業為例［ J］．華東經濟管理，2014（5）：164 ～ 170．

吳荻，劉慧，王恩旭．基于動態能力的旅游企業雙元創新演化路徑研究——以烏鎮旅游股份有限公司為例［ J］．科研管理，2020（8）：202 ～ 210．

張明超，孫新波，錢雨等．供應鏈雙元性視角下數據驅動大規模智能定制實現機理的案例研究［ J］．管理學報，2018（12）：1750 ～ 1760．

張明超，孫新波，錢雨．數據賦能驅動智能制造企業C2M反向定制模式創新實現機理［ J］．管理學報，2021（8）：1175 ～ 1186．

張茜松，雷澤，孫寧等．如何協同資源和大數據分析能力實現雙元創新？——基于資源編排理論的fsQCA分析［ J］．科學學與科學技術管理，2024（11）：90 ～ 103．

張媛，孫新波，錢雨．傳統制造企業數字化轉型中的價值創造與演化——資源編排視角的縱向單案例研究［ J］．經濟管理，2022（4）：116 ～ 133．

周永樂．數字技術能否助力科技創新？——基于國家級大數據綜合試驗區的分析［ J］．科技和產業，2023（6）：113 ～ 118．

Colbert B. A.. The complex resource-based view： Implications for theory and practice in strategic human resource management［ J］． Academy of Management Review，2004（3）：341 ～ 358．

Johnson J. S.， Friend S. B.， Lee H. S.. Big data facilitation， utilization， and monetization： Exploring the 3Vs in a new product development process［ J］． Journal of Product Innovation Management，2017（5）：640 ～ 658．

Langley A.. Strategies for theorizing from process data［ J］． Academy of Mana-gement Review，1999（4）：691 ～ 710．

Markus M. L.. New games， new rules， new scoreboards： The potential consequences of big data［ J］． Journal of Information Technology，2015（30）：58 ～ 59．

Rowley J.. The wisdom hierarchy： Representations of the DIKW hierarchy［ J］． Journal of Information Science，2007（2）：163 ～ 180．

Sirmon D. G.， Hitt M. A.， Ireland R. D.， et al.. Resource orchestration to create competitive advantage［ J］． Journal of Management，2010（37）：1390 ～ 1412．

（責任編輯·校對： 喻晨" 陳晶）