大数据环境下企业生态系统协同演化研究_生态系统论文

大数据环境下商业生态系统协同演化研究，本文主要内容关键词为：生态系统论文,环境论文,商业论文,数据论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。

       大数据作为IT产业颠覆性的技术变革，改变了传统的信息不对称和物理区域屏障，对现代企业的战略管理、组织结构、商务决策以及运营模式等带来了深刻变革，现代企业将逐渐摒弃传统的产品、营销、成本和竞争等微观要素构成的“以产品为中心”管理模式；并转变为由资源、能力、创新、战略协同发展和产业链合作等宏观要素构成的“以客户为中心”的商业生态系统新型管理模式。在大数据时代的背景下，企业的运作及其生态正在日益地走向网络化和动态化，通过重塑企业与社会媒体、网民群体、客户、员工、上下游合作企业以及竞争对手之间的互动关系，整合产业生态链资源，构建多群体协同共生的新型的商业生态系统①。

       商业生态系统是众多行业领袖和企业领导者面临和思考的热点问题，也是目前学术理论界研究的前沿问题之一。国内外学者近几年的研究内容已经从最初概念特征的探讨到内部机制的剖析，研究视角也从系统中观层次演变为多角度跨层次，研究方法也从理论分析为主转变为实证案例研究为主。这三方面的研究发展趋势表明，该领域的研究更加重视商业生态系统与其内部企业的互动合作关系，更多的聚焦于商业生态系统及其内部企业的协同演化②。特别是在大数据环境下，海量数据的激增和价值网络的迭代赋予商业生态系统的错综复杂性和协同均衡性更加值得深究。本文在梳理分析和总结商业生态系统的概念、特征、内部机制和演化要素等现有国内外研究成果的基础上，针对大数据时代的特征来剖析商业生态系统的复杂性及其内部企业协同演化策略和治理机制，从而进一步提出未来的研究方向。

       一、商业生态系统协同演化研究评述

       (一)大数据相关研究现状评述

       大数据是指规模巨大而复杂的海量信息，无法通过传统的工具和方法进行管理、分析、并提炼为对企业有价值的洞察与资讯。它具有多样性、实时性、低密度高价值等复杂特征③。综观国内外相关的理论研究与实践应用，目前仍然处于起步阶段，理论研究多偏重于宏观分析，企业实践则侧重于数据挖掘结果的辅助决策；现有的大数据研究成果大多侧重于大数据的获取、存储、处理、挖掘和信息安全等信息科学方面，鲜有从企业管理的角度探讨大数据对现代企业战略、组织、决策和协同进化等方面带来的变革与冲击；随着大数据的日益兴起和全方位的应用实践，相关理论与实践研究将不断拓展和推动着企业对信息与数据的创造与应用范围，逐步实现智慧企业、智慧中国。

       (二)商业生态系统研究现状评述

       自Moore(1993年)从企业生态系统视角提出商业生态系统(business ecosysytem)的概念“商业生态系统是一种基于组织互动的经济联合体”④，国内外学者分别从生态、网络、复杂系统视角研究商业生态系统的基本概念、特征等，从关键种群、价值链与知识链角度对商业生态系统中组成部分和企业类型的划分展开阐述，并与自然生态系统、企业网络、价值网络、战略联盟等概念相区别。特别是跟企业生态系统的区别，相比而言，企业生态系统是以单个企业为中心的生态圈发展，而商业生态系统覆盖面更加广泛、系统内部复杂性也更高，存在多个核心企业，表现在不同行业企业间联盟或众多个体企业生态系统的联合；由于不同的商业生态系统的形成与融合需求不同，一个企业也可参与多个商业生态系统，因此不能简单地断定商业生态系统与企业生态系统的逻辑关系。

       商业生态系统作为一种复杂适应系统，国内外研究成果分别从商业生态系统的整体特性、系统内部关联特性和健康绩效特性三个方面进行特性描述，其中商业生态系统的稳健性、自组织性、涌现性和共同进化是共同关注的核心。商业生态系统的理论受到学术界越来越多的关注，逐渐成为企业战略管理等领域的重要研究前沿，而完善的大数据环境也为商业生态系统的实践应用与管理提供信息支持和环境保障。

       (三)商业生态系统协同演化研究现状评述

       商业生态系统作为多元的、动态的跨学科多角度融合理论，从系统的结构模型、健康保持与评价、企业角色-战略匹配、企业间协同、研发战略和制造战略的协同、供应链协同等方面深入探讨，Moore着重关注商业生态系统内部的不同组织种群和子系统；而Garnsey和Leong(2008)阐述商业生态系统内部核心企业的合作网络交互机制。Iansiti和Levin(2004)从创新动态性和网络关系复杂性进行战略匹配选择，Kim等(2010)从知识密集和环境变革考虑战略倾向的选择。最后赵葆军(2012)、狄子良(2013)选择不同企业(骨干、一般)战略应用以及各个行业战略应用进行详细描述与案例分析。

       商业生态系统理论发展虽已有20多年，但仍处于探索阶段，并没有形成完整而全面的理论体系。由于该理论涉及了生态学、复杂系统理论以及其他系统管理理论，研究者从不同角度都有不同的解读。现阶段国内外研究成果大部分还是停留在将生态学概念和特征，经过灵活转化后，运用于企业商务管理环境分析，或者只是对商业生态系统协同进化的表面分析，欠缺商业生态系统内部协同机制的深层次研究。关于商业生态系统协同进化与发展的专题研究更是凤毛麟角。而在大数据背景下，以数据驱动为主导的商业生态系统中市场、战略、营销和运作管理研究和实践指导，已逐渐成为企业管理领域理论与实践重点发展的核心领域。其中，对于商业生态系统的复杂性和协同发展机理、模式、协同效应量化、实现路径等问题进行理论与实证相结合是未来研究的发展趋势。

       二、大数据环境下商业生态系统复杂性分析

       (一)大数据环境商业生态系统复杂性的结构性分析

       商业生态系统所蕴含的企业商业大数据的直观体现往往是海量的孤立的数据和分散的链接，通过将这些数据与链接进行整合研究，探索发现其所蕴藏的相互关系，从而能够隐约地反映出商业生态系统各主体的网络行为特征。因此大数据环境下，商业生态系统复杂性结构性研究可从数据层面和行为层面两方面进行分析，如表1所示。数据层面包括数据类型、数据模型、数据处理；行为层面包括流量行为和用户行为。大数据环境下对于商业生态系统数据层面的分析和理解的基础上，上升为行为层面的测量、认知以及定性、定量的研究，然后再反馈指导数据的收集与处理⑤。

      

       商业生态系统内企业群体、社会群体、网民群体间交互行为产生大量实时数据所形成的大数据，往往以复杂关联的数据网络这样一种独特的形式存在，数据类型也从原来结构化数据为主，逐渐转变为以半结构化和非结构化数据为主，数据处理也不同于传统的逻辑推理研究，而是对海量数据进行搜寻、对比、聚类、分类等归纳与提炼，将隐藏在大数据网络中各种数据的相关性、各生态主体行为整体特征得以显现，因此大数据环境下应加强对商业生态系统中的数据模型和数据处理方法的剖析与挖掘，以便深入分析大数据背后的各生态主体行为特征。首先，从大数据的基本参数和性质(如数据源、数据类型、数据关系、数据结构、数据分布等等)分析，然后从数据的规模、活性、维度、颗粒度和关联度五方面进行数据资产评估，从而逐步刻画大数据背后网络行为的共性。因此，通过对大数据复杂网络分析，以商业生态系统复杂性网络上的数据(信息)发布、传播、搜索、存储和挖掘等作为处理手段，深层次发现和挖掘大数据对商业生态系统中的产生、传播以及网络信息涌现的内在机制，挖掘出隐藏在大数据背后的商业生态系统内在运行的机理，同时利用这些机理研究大数据环境下商业生态系统内主体的流量行为特点和用户行为的复杂性。复杂性数据网络分布环境中，记录或搜集顾客在社会化、移动化的媒体与渠道的流量数据，分析、挖掘顾客从最初的产品感知、品牌参与、产品购买、购买后的口碑和社会互动等生命周期的行为数据，进行交叉融合而精准的消费者个体行为与偏好分析，为商业生态系统个性化的商业推广和营销提供了牢固的信息支撑和可持续发展的坚强数据后盾。

       因此，大数据环境所蕴藏的高价值信息为商业生态系统企业制定战略决策提供辅助，为商业模式创新提供创意，为挖掘顾客需求提供参考。同样，也促使商业生态系统的有序结构发生改变，偏离原有的稳定状态，通过自组织协同演化进入新的稳定状态⑥。因此，大数据环境下商业生态系统通过对各类数据的收集及有效整理，监控并审核生态系统的每个环节，大胆、合理地预测未来可能的发展态势，通过联盟、产业融合、跨界经营等形式搭建完整的价值网络，实现信息、资源和价值在商业生态系统内流动、循环和转化，从而满足当前的产业环境及各成员的需要，根据环境变化和不确定性因素，不断完善调整系统的战略规划，从而保持商业生态系统的延续和延展。

       (二)大数据环境商业生态系统复杂性的过程性分析

       大数据环境中基于互联网的连接、海量数据的存储和云计算平台的融合，使得商业生态系统在数据获取、传递、处理、共享和应用方面，更加频繁与便利，更有助于知识溢出和协同创新，对企业战略决策的影响和支持更加有效，商业生态系统成员之间的合作与竞争更加多元化。商业生态系统内企业不仅要适应系统内环境，参与系统内开放性竞争，并且能够进一步影响和改变环境。大数据环境中商业生态系统的企业实体网络与虚拟网络相融合，随着数据与交易网络效应的放大，促进数据量能和用户数量的迭代增加，实现资源共享和优势互补，进一步强化商业生态系统的盈利模式和可持续发展。因此，基于大数据环境下商业生态系统的“以网带量，以量促利”的正反馈机制，进行复杂性过程性剖析。

       1.市场洞察的实时与精准。大数据的实时处理与反映已经覆盖商业生态系统各个链条的各个节点，在既竞争又协同的非线性相互作用下，对于某一方所产生的任何需求及供给都能及时地做出反应，实时并精准地洞察市场的需求和用户的变化，指导企业提升产品与服务创新速度，缩短产品生命周期，基于个性化差异化数据实现目标市场的细分，与行业耦合。

       2.企业运作的竞合与协同。商业生态系统内企业边界、行业边界愈发模糊并几乎融合，开放性也更加明显，“大数据”背景下，以互联网和电子商务为平台的企业合作伙伴选择范围更广，商业生态系统的成员结构具有动态性，其合作关系表现为非线性的网络化企业运作，一方面体现在传统的大规模企业群体以原有的供应链为基础，向网络生态价值链转变，企业间分工协作、互利共生；另一方面体现在基于协同商务模式构建企业间密切合作关系，使地域上异地分布、结构上平等独立的多个企业共同组成动态的“虚拟企业”或“企业联盟”。大数据环境下深入剖析商业生态系统新型企业间协同组织形式和运作机制，从而实现商业生态系统资源的优化、动态组合与共享。

       3.社会公众的互动与反馈。“大数据”背景下商业生态系统各成员之间竞合关系的非线性作用更加具有不确定性，其网络结构也更具脆弱性，以用户参与为核心要素的创新模式对商业生态系统涨落的冲击力更大。大数据环境中海量数据主要来源于由互联网用户自主创造的信息和数据(user-generated content，UGC)，新的产品或服务从最初的创意设计、生产制造、质量保证、营销策划、销售等价值创造环节都会注重公众的参与、互动和反馈，从而促进产品与服务的持续改进与迭代创新，实现企业与社会化群体的和谐一致与共同发展，全面摒弃传统的“闭门造车”管理模式，进而推动商业生态系统的持续优化和协同发展。

       三、大数据环境下商业生态系统的协同演化

       (一)大数据环境下商业生态系统协同演化研究框架

       大数据背景下，商业生态系统内模糊的企业与行业边界几乎融合，系统的开放性更加明显，通过互联网网络平台的企业合作伙伴选择范围更广，因此商业生态系统的成员结构具有动态性，生态系统成员间的关系更多体现为非线性的网络化企业运作的竞合关系，大数据使得商业生态系统各企业更加便利地来获取资源、技术和客户信息，并提供相应的保密和制约等措施以避免自身数据外泄，从而在竞争中寻求优势生态位，在企业间协商谈判中占据有利地位；基于大数据技术的商业生态系统内企业合作伙伴之间，可通过监测、分析、预测、共享多方数据的实时互动，提供更精确更丰富的决策参考信息，实现联合库存和敏捷制造，从而促进商业生态系统内部实现进一步协同合作，提升整个生态系统伙伴的竞争力。

       大数据环境下企业间的竞争不再是企业的个体间竞争，也不是供应链的链条间竞争，而是众多企业联结成的商业生态系统间的竞争。企业必须超越个体或集体竞争理论的局限性，从“协同进化”或“整体共赢”角度制定协同发展战略和治理机制，在商业生态系统动态平衡协调中寻求协同发展。立足传统商业生态系统理论和大数据时代特征，对大数据环境下商业生态系统的复杂性和协同演化机理、策略、协同效应量化、治理机制等问题进行理论与实证相结合，具有重要的理论研究和应用价值。大数据环境下商业生态系统协同演化的研究框架和具体思路如图1所示。

       (二)大数据环境商业生态系统协同演化策略

       立足传统商业生态系统理论和互联网经济与大数据时代背景特征，剖析新经济时代背景所赋予商业生态系统新的内涵和复杂性进行结构性和过程性分析，根据商业生态系统的非线性、自组织、反馈调节、协同共生、循环再生等机制，通过对大数据时代的数据和行为的“以网带量，以量促利”的正反馈以及基于系统优势生态位的互动分析，揭示大数据背景下商业生态系统整体、构成要素及要素之间的相互关系和协同要素转移过程。

      

       图1 大数据背景下商业生态系统协同演化研究框架

       通过典型海尔与阿里巴巴企业案例分析，并对信任机制、信息共享、资源整合、创新联盟、商业模式、平台战略等协同要素分析，凝练大数据背景下商业生态系统协同演化策略：从“构建信任机制，搭建信息共享平台，实现共创”到“整合资源网络，开放式协同创新，实现共生”；从“利益均衡共同发展，跨界融合异业经营，实现共赢”到“重塑商业生态，打造平台战略，实现共享”。

       1.构建信任机制，搭建信息共享平台，实现共创。商业生态系统内企业间的合作是建立在相互信任的基础上，大数据背景下信任机制的构建通过信息共享平台实现数据无缝对接和界限管理，基于大数据的分享和获取，使得企业间的竞合关系更加紧密、翔实，搭建了商业生态系统赖以生存的结构型信息支撑平台，积累亿万级的海量数据。

       2.整合资源网络，开放式协同创新，实现共生。基于大数据的多专业融合商业技术应用平台，协助商业生态系统内企业进行大规模的资源网络构建与智能合作互动，真正采集核心客户需求，寻找新的市场和商业机会，营造以需求大数据分析为核心的用户全流程参与创新模式，完全不同于传统的产品创新以及企业技术创新与管理模式，从传统以生产为中心、大规模制造的B2C模式转变为以客户为中心的定制化、柔性化和精准化协同服务的C2B模式，实现商业生态系统成员的共同成长壮大，并持续获利。

       3.利益均衡共同发展，跨界融合异业经营，实现共赢。将大数据作为商业生态系统内企业竞争和沟通平台，面对如此错综复杂的商业生态环境，系统内横跨多个行业的利益相关者在协同竞争与合作的互动关系中，寻求多边利益均衡的协同发展。随着商业生态系统的持续拓展与优化，为了更好地响应和满足客户的需求及其变化，企业通过合作与竞争开发新产品或者提供新服务，进行新一轮的商业模式创新，在打破和颠覆中实现产业融合和异业经营，并非简单的“旧市场+新市场”式吞并，从而展现出跨界型商业模式创新的生命力，实现异业联盟的资源整合和转型成功之路，共同维持商业生态系统的利益均衡与协调发展。

       4.重塑商业生态，打造平台战略，实现共享。大数据资产驱动的商业生态系统产业链合作、社会化协作和网络化生产，定位于服务多边群体机制，提升各群体之间的同边与跨边网络效应，通过产业链结构重构，实现进一步产业垂直整合，重新塑造商业生态系统结构、终端、平台和应用，实现商业生态系统合作伙伴间利益共享机制所体现商业模式的特性，与共享数据的技术架构所体现应用程序的特性相融合，从商业生态系统的整体战略需求与调整的角度，制定平台战略，从而有效引导和协调商业生态系统多方群体之间的互动和协同，并共同分享系统整体协同效应所带来的价值增值与持续盈利。

       (三)大数据环境商业生态系统协同效应测度与协同治理机制

       大数据环境下商业生态系统是以大数据网络化平台为支撑，由企业组织和个人及商业世界中的有机体的协同进化而构成的经济联合体。企业间以互利共生的方式共同进化，不是企业间简单的结合，而是更加突出商业生态系统内的企业间互动方式和结果的高度整合与一致性。协同演化的外在表现是协同效应的放大，协同效应所反映的是商业生态系统内整合的紧密程度和有序程度，也可称为协同度。在商业生态系统内部的自组织和来自外部环境的调节管理活动作用下，其系统内各类企业之间或企业与生态系统之间在发展演化过程中发挥彼此协调一致以实现系统的整体和协同效应。因此对于大数据环境下商业生态系统协同效应评价与测度，可选择改进基于遗传算法的生态学协同演进模型，根据企业大数据的数据类型、结构和商业生态系统的层次特点，描述商业生态系统内部和外部的协同演化两方面，即从商业生态系统各类企业间的协同和企业与生态系统的协同两个层面出发，应用Lotka-Volterra模型进行数学建模和仿真模拟。基于大数据流量行为和用户行为特征，结合“共创—共生—共赢—共享”不同协同阶段，建立协同效应评价指标体系，采用网络分析法ANP和复合系统协同度模型，建立商业生态系统协同效应测度模型，度量与评价商业生态系统自身协同发展指数、协同演进的水平和协同阶段的判别公式。

       通过成功的企业实践案例分析，发现传统制造商海尔和电子商务巨头阿里巴巴为核心各自组成的商业生态系统很具有典型性，从企业战略布局、运营管理、组织结构、数据资产等方面进行系统详细的剖析，提炼出构建企业并联平台生态圈的策略，因此，按照企业文化层、战略层、组织层、管理层、业务层不同层的划分，从信息治理、创新治理、关系治理、利益治理等方面建立商业生态系统的协同治理机制和规则，从而建立系统内企业之间的信任关系，调整并完善系统规则和共同体内部结构，逐渐形成合理的利益分配模式，尽可能地减少组织间的边界，实现商业生态系统各成员企业间的信息共享、有效合作和协同演化。

       大数据环境下新型企业管理理念和决策模式随着企业实践的不断深入而层出不穷。从企业管理角度剖析大数据时代商业生态系统的重大影响和变革，结合多边群体产生的企业大数据，进行大数据环境下商业生态系统的共生/竞争协同演化的理论研究和实践指导，建立可持续发展的商业生态系统，对现代企业未来的战略管理与决策具有重要意义，为商业生态系统各成员协作、协同创新提供理论指导和借鉴参考，引导商业生态系统核心企业或骨干企业持续关注协同价值理念和协同驱动要素，并构建起重塑商业生态系统的策略体系和治理机制，同时也为政府机构制定相关引导政策及法律法规，为经济可持续发展、产业结构优化以及经济增长模式转型等提供决策参考，这对于提升商业生态系统整体的发展以至提升整个产业竞争力，进而推动网络经济如何实现“企业生态协同演化”的统筹发展战略具有十分重要的现实指导和借鉴意义。

       注释：

       ①冯芷艳、郭迅华、曾大军等：《大数据背景下商务管理研究若干前沿课题》，《管理科学学报》2013年第1期。

       ②潘剑英、王重鸣：《商业生态系统理论模型回顾与研究展望》，《外国经济与管理》2012年第9期。

       ③孟小峰、慈祥：《大数据管理：概念、技术与挑战》，《计算机研究与发展》2013年第1期。

       ④Moore J F."Predators and Prey： A New Ecology of Competition".Harvard Business Review,1993,Vol.71(3).

       ⑤任勇、李一鹏：《互联网信息共享的复杂性研究》，《复杂系统与复杂性科学》2010年第23期。

       ⑥资武成：《大数据时代企业生态系统的演化与建构》，《社会科学》2013年第12期。

标签：生态系统论文;  商业论文;  大数据论文;  商业分析论文;  数据与信息论文;  数据治理论文;  战略分析论文;  协同理论论文;  企业特征论文;  商业战略论文;  群体行为论文;  商业竞争论文;  平台战略论文;  网络行为论文;  信息发展论文;  数据融合论文;  生态学论文;