大数据公司的结构调整：组织与治理维度

周婷婷

一、引言

大数据融合海量信息，颠覆传统的商业模式，创造了绚丽多彩的商业应用。百度景点预测、亚马逊包裹预测、微信利用地理位置信息推送的精准营销广告［1］等大数据应用精彩纷呈。大数据日益成为组织核心竞争力构建过程中必争的重要战略资源［2］，也不再专属于互联网企业。通过电子设备、互联网、物联网、信息系统等手段，金融业、零售业、物流业、医疗卫生业、传媒业等［3］都能够坐拥海量大数据。大数据对商业银行风险管理［4］、税收征管［5］、物流运输［6］、企业信用信息平台［7］等都产生了重要影响。

大数据在商业领域的颠覆性创新深刻改变了企业的商业模式与运营理念。但是，大数据如火如荼的商业应用中却不可避免地潜藏着巨大的应用风险。大数据集成系统存在着分离识别侵害自由权、关联分析侵害平等权、技术垄断侵害知情权以及资源独占侵害发展权等诸多问题。［8］大数据产业的发展在未来可能会遇到更多的挑战，如隐私保护、数据治理等问题。［9］

隐私侵害体现在大数据存储、传输、处理以及销毁过程中。［10］在大数据时代，人们几乎已无隐私可言。淘宝、京东等电商记录着我们的身份、银行卡以及购物信息；百度储存着我们的网络浏览信息；QQ、微信监视着我们的社交网络、互动交流信息；移动、联通保存着我们的手机在何时何地与基站连接的时空、通信信息……形式各样的组织在我们不知情时已然收集了我们的大量信息。不仅如此，这些信息还可能正在被免费分享、正式出售或非法倒卖给其他组织或个人。大数据已成为网络攻击的显著目标，政府、企业和个人的隐私信息都存在泄露的风险。［11］隐私被严重侵害的问题在大数据时代日益凸显。

除隐私侵害外，大数据的预判偏误、数据独裁同样构成了大数据应用的潜在威胁。大数据展示了它的强大威力，组织对大数据战略的发展也深信不疑。这将产生潜在的危险——对大数据的严重依赖。也就是说，大数据日益占据着组织决策的关键环节，渐成大数据独裁的局面。但是，大数据并不总是成功的。大数据分析的固有缺陷——大数据样本误差、样本偏差、相关性导向等，内生决定了大数据预判的潜在偏误，也决定了大数据分析不应具有权威性与独裁性。

大数据规模再大，也没有涵盖全部样本。即使淘宝的双十一再火爆，也还是有不少群体不喜欢网络购物；即使微信再流行，也依然存在着还未使用智能手机的客户群。在这种背景下，大数据分析就难以回避样本误差与样本偏差问题。即使数据规模可以在一定程度上弥补样本误差，但对样本偏差却无能为力。由于非随机选择样本问题导致样本分析得出错误结论的例子不胜枚举，比如1936年美国杂志Literary Digest对美国总统竞选的选情错误预测事件。另外，大数据的出现使科学从追求因果性转变成重视相关性。［12］大数据对相关性而非因果性的追逐容易导致分析结果的偏误，比如谷歌针对流感的预测误差事件。

在商业机遇与威胁并存的大数据时代，大数据公司、大数据产业都亟需探索大数据变革的现实路径，以解决大数据带来的潜在问题，实现大数据的理性繁荣。仅隐私侵害一项，规章制度与保护机制的建立便已涉及大数据产业的诸多利益方。曲婧认为，为了保护海量大数据中行为人的隐私权利，需要健全我国的法律规范。［13］吴标兵等认为，亟待加强对数据和隐私信息采集、分析、处理、交易等方面的顶层设计。［14］陈火全针对大数据时代的隐私危机，提出建立基于信誉机制的P2P网络安全策略。［10］鉴于大数据对个人隐私保护的挑战，亟需建立更加完备的个人数据保护模式和保护机制。［9］由此可见，对隐私侵害、预判偏误以及数据独裁等大数据潜在应用威胁的应对措施需要宏观政策、中观行业制度、微观企业规则在行为规范、运营模式上的协同变革。在大数据时代引发的剧烈变革中，相对于宏观和中观维度，立足于微观企业层面对大数据改革路径的探索是基石。大数据这一新事物，具有强大的生命力和远大的前途，但发展的路径却与曲折、矛盾相伴而生。大数据企业是大数据应用的 “排头兵”，站在大数据探索与改革的最前沿。相比宏观政策和中观行业制度的颁布而言，大数据企业在追逐大数据价值提升过程中出现的问题及其解决措施为大数据变革提供了良好的试验场，是大数据时代各利益相关方实现改革突破的关键。

鉴于此，针对大数据时代产生的诸多威胁，本文选择最基础的微观企业视角，探讨大数据公司如何通过结构调整应对大数据时代商业环境的机会与威胁。在组织与治理结构方面针对大数据新增业务的必要调整是大数据公司适应大数据变革的组织保障。本文从组织协作、权力配置与治理设计视角入手，探究大数据商业挖掘顺势构建过程中大数据公司实现理性繁荣的组织与制度基础。研究发现，大数据公司依据业务性质、依赖关系、协调收益以及成本的权衡确定大数据部与关联组织的差异化协作策略。大数据部的权力流向需权量组织内部的信息权让渡成本与决策权转移成本，确保大数据部与关联组织的合理权力配属。专业委员会、独立董事以及监察员的三维治理体系是规范大数据公司的治理保障。本文首次从微观大数据企业的结构调整视角，探究了大数据业务部门与其关联组织在大数据公司内部的协作方式、权力配置以及治理规范问题，从新型组织大数据企业维度拓展了公司组织理论和治理理论。本文针对大数据企业结构的具体调整方案为大数据公司切实规避大数据应用威胁，最大限度获取大数据商业价值提供了组织支撑，对大数据公司的实际运转具有重要的借鉴意义。

二、文献述评

大数据时代提供了庞大的数据资源［15］，为所有领域和行业带来了一场前所未有的重构革命［16］。贾利军、许鑫基于大数据的重要特征，认为营销范式日益向科学化营销、艺术化营销集聚，企业的营销组织结构、人员构成以及工作内容也因大数据发生巨变。［17］杜丹清认为，交叉型零售渠道模式是应对大数据时代中国零售业严峻生存压力的有效路径。［18］翟伟丽指出，我国相互独立的金融监管体系难以适应大数据时代金融发展的需求，加大体制与机制创新、增强相互开放力度、融入互联网精神是解决之道。［19］姚键等认为，税收征管模式在大数据背景下将由传统的“分人盯户”格局转向以风险管理为导向的现代税收征管新格局。［20］郜凯英、杨宜勇指出，在大数据时代，社会保障信息系统应依托云计算完善平台建设，以提升社保管理效率，节约社会成本。［15］

大数据的出现促进了信息技术与各行业的深度融合，推动了新技术与新应用的不断涌现。［2］大数据技术领域已经进入应用创新阶段，在创新动力、主体、基础、价值上各具特征，正在形成普惠式社会化创新模式。［21］在经济学方面，王琳探讨了多维大数据序列降低相关性复杂度的方法，并对中国宏观经济发展进行了相关性分析，确定了与地区生产总值存在相关关系的因素。［22］俞立平基于大数据对传统经济学的挑战，界定了大数据经济学的概念、涵盖范围以及与相关学科的关系。［23］在竞争情报方面，黄晓斌、钟辉新界定了基于大数据的企业竞争情况系统的功能和模型，分析了系统模型的结构和作用。［24］在财务方面，邱玉慧等利用社会保险大数据进行了审计评价。［25］宋彪等基于互联网的关联在线信息，借助情感分析，通过网民信息发布频次，结合财务指标，建立了引入大数据的财务风险预警模型。［26］在营销方面，陈以増、王斌达探讨了大数据驱动下顾客参与的产品开发模式的实施流程。［27］崔冬梅指出，企业利用电信增值业务交叉销售模型得出有用的规则集，可以对企业的目标客户以及交叉销售对象进行预测。［28］

随着大数据环境的影响，亟需对组织流程进行根本性再设计，以调整组织结构中不适应的地方。［1］冯芷艳等立足于大数据背景下面临的时代挑战，指出大数据商业模式创新应关注大数据环境下商务创新的治理结构。［29］尽管组织与治理设计在大数据变革中不可或缺，但大数据相关的研究与应用目前仍然处于起步阶段。［29］在经济管理领域的大数据学术研究大多局限于大数据在金融体系重构、宏观经济、企业养老保险、财务预警、市场营销、电子商务等方面的重大影响与实际应用问题。虽有少量研究从组织与治理视角针对大数据变革提出了有益的见解，但大多囿于组织内单个部门的结构调整、组织结构的集权与分权、企业生态系统的治理等问题，疏于探讨大数据公司在组织调整、治理结构方面的理论分析与实践建议。

袁鹏基于徐工集团的财务管理实践，认为在大数据时代，财务职能部门应建立以收集、处理和分析企业业务相关数据为主导的工作模式，搭建系统、多维、动态的财务管控体系，［30］但其研究仅涉及财务部门的组织调整，并未提出大数据公司结构调整的建议。何军探讨了大数据对企业管理决策环境、管理决策数据、知识获取方式、决策参与者、决策组织和决策技术产生的影响，认为分散式决策以及扁平化的组织结构是大数据时代适宜的企业管理决策组织［31］，但其主要关注大数据下的决策参与者角色变异、数据分析师以及决策支持系统，并未涉及大数据公司组织内部的关系协调与权力配置问题。李忠顺等认为，在大数据时代，企业决策的扁平化组织结构更常见，企业决策权更倾向于高程度的分权［32］，但其研究仅关注组织结构的决策权在集权与分权方面的配置，没有探讨组织内部的协作策略与治理调整。邵鹏等认为大数据时代产生的虚拟组织可以通过众包的形式，将过去由员工执行的工作以自由自愿的形式外包给非特定的大众网络，利用集体智慧创造价值。［1］然而，大数据公司的所有业务不可能都实现众包，众包不能代表大数据公司的组织形态。资武成探讨了由相互作用的企业组织与个人所形成的企业生态系统在大数据时代的产业环境、运营模式、合作方式、客户市场等特征，剖析了大数据时代企业生态系统演化的内外部机制。［33］但其研究对象并不是应用大数据的公司，而是由不同公司组成的企业生态系统，对于单个大数据公司治理建构的指导作用有限。未来的研究仍需立足于大数据公司本身，探讨大数据公司适宜的组织实现形式和治理结构设计。

三、大数据公司的结构调整：组织与治理维度

随着大数据对现代经营理念的颠覆式缔造，公司对大数据商业机会的顺势构建也日渐增加。当公司的大数据业务达到一定规模时，大数据技术人员①依据大数据的分析流程，本文认为大数据技术人员包括大数据采集师、存储师、挖掘师、建模师、安全师，分别负责大数据的收集、存储、挖掘、建模以及安全事宜。公司可依据自身的大数据业务特点，有选择性地设置大数据技术人员的岗位及其职责。在组织内的权责配置问题便应运而生。作为企业大数据应用成败的关键因素，大数据技术人员必须在行动上相互协调，直接沟通，才能做好大数据的系列工作。因此，本文认为，当公司的大数据业务具备一定规模时，将大数据技术人员保持在一个巩固的团队是较为明智的选择，因为大数据技术人员的团队化建设是组织内部顺畅依赖关系，降低协调成本的最优路径。

大数据技术人员的工作并不是大数据部工作的全景。组织行为分为专业行为和协调行为。［34］相应地，组织内部的大数据关联职位包括大数据专业职位与协调职位两类。协调活动在企业运作中发挥了重要的作用，在产生协作效益的同时也会增加协作成本。［35］因此，企业在组建大数据部时，除了考虑大数据技术人员之外，还需关注大数据技术人员及其关联职位的依赖关系、协调收益、协调成本以及权力配置。鉴于此，本文以大数据公司为研究对象，参照公司大数据业务的功能定位，在界定大数据部与其关联组织在业务上的往来性质及依赖关系的基础上，探讨大数据公司相关部门的协作关系及权力分配的调整。②鉴于组织结构的复杂性和多样性，本文仅关注大数据部与其关联组织在协作策略与权力配置中的理论问题。大数据公司组建大数据部后进行的组织调整需具体问题具体分析，实行 “一企一策”，尤其要考虑不同类型公司对大数据业务战略定位与功能属性的不同界定。大数据公司在本文特指满足如下条件的公司：拥有大数据资产，进行大数据分析，并将大数据作为决策辅助工具获取商业利益；公司的大数据业务具有一定规模；公司除大数据业务外，还从事其他经营业务。

（一）组织内大数据部的协作策略

组织内各个部门之间的协作关系是组织有效运作的润滑剂。在结构与规则边界内的协调行为预期能够取得较高的运作效率，实现组织行动的步调一致。在大数据公司原有组织结构的基础上，新成立的大数据部与其关联部门如何协作的问题至关重要。立足于组织部门责任、资源控制的既定情境，依据部门间业务往来的性质以及依赖关系，大数据公司需要在行为准绳的边界下确定大数据部与其关联组织的协作策略。

在大数据公司中，与大数据部关联的组织包括发展战略部、审计监察部、产品研发部、营销策划部、生产管理部、行政人事部和客户服务部等。③鉴于大数据公司组织形式及大数据业务的多样性，本文未能涵盖所有大数据部的关联组织。不同大数据公司的上述七个部门在业务职能上也并未相同。本文对协作策略的论述仅限于理论探讨。大数据公司在实际操作中，应以协作理论为依据，根据具体情况，界定协作关系。

发展战略部、审计监察部、产品研发部、营销策划部依赖大数据部提供的企业内部存储的互联网、物联网等数据，在合适模型构建的基础上，对企业的发展机遇、战略定位、财务舞弊、违规行为、产品设计及营销方案等进行预测。大数据部在分析与预测过程中，需要与这四个部门充分沟通，讨论大数据应用方案，适时调整数据挖掘方向，最优大数据支撑效应。

大数据部依据生产管理部门设定的初步产量方案及生产日程安排，利用历年的销售大数据，进行产品需求量预测。生产管理部与大数据部针对企业未来产品需求量的信息进行交流，并依据营销策划部的定期销量预测数据，确定生产计划。生产管理部在生产计划限定的范围内，指导材料采购部进行采购，为实现JIT提供了较为精准的大数据支撑。

在大数据应用的背景下，依托完备的信息系统，公司可以有效记录员工在电子设备上的操作印记。大数据部利用员工的行为数据，建立工作时间、工作态度、工作努力程度、工作效率等维度的衡量体系，对员工进行考核。客户服务部在与客户沟通的过程中，积累了大量音频、文本、图像等非结构化数据。大数据部门在数据采集与存储的基础上，利用分析技术对公司潜在服务漏洞、客户隐性需求等进行挖掘。

大数据部与其关联组织在不同业务往来中呈现出迥异的依赖关系，内生决定了组织内大数据部的差异化协作策略。基于行政理论，组织各部门间的协作包括调整式协作、计划式协作和标准化协作。［36］

当组织不同部门之间的行为存在着新信息传递以及行为相互调整的需求，但由于组织沟通机制的边界性不能将具有沟通需求的不同部门进行整合时，调整式协作成为组织部门间协作的主要方式。

计划式协作基于预先设定好的日程方案，对组织内不同部门之间的行为进行治理，达到协调统一的目的。计划式协作要求的是相对动态的计划性，即各部门需要在复杂环境中对预设方案进行实时调整。

组织内不同部门之间在理性程序和规则的约束框架下进行的沟通与协作是标准化协作。在相对稳定的业务流程中，组织利用完善的规章制度将组织成员的行为限定在特定的边界内，使组织各部门之间的沟通在特定情境与规则之间实现匹配。

基于行政理论，本文认为，发展战略部、审计监察部、产品研发部、营销策划部与大数据部之间的协作属于调整式协作范畴，因为上述四个部门与大数据部之间的关系具有业务往来的动态性、沟通的频繁性以及行为的交互性特征；生产管理部与大数据部在动态预设方案的约束下，进行沟通与协作，解决部门冲突，实现组织的目标，属于计划式协作；行政人事部对员工基于大数据的考核，建立在完备的程序与规则的基础上。员工考核规则的稳定性内生决定了大数据部与行政人事部之间的沟通属于标准化沟通的范畴；客户服务的标准化特性以及非反馈式沟通模式保证了大数据部与客户服务部在标准化协作方式下能够实现组织行为的协调一致。综上所述，大数据部与其关联组织的协作关系如图1所示。

图1 大数据部及其关联组织的协作策略图

（二）组织内大数据部的权力配置

大数据部与其关联组织之间的协作策略描述了沟通模式，但仍未解决权力配置的本质问题。知识分工理论［37］、 有限理性模型［38］认为信息是组织设计需要考虑的重要因素。科学决策权的行使依赖于正确信息的获取。在其他因素限定的情况下，组织结构取决于内部信息的处理效率。［39］但是，在考量信息的同时，组织设计也不应忽略决策权问题。因此，信息权和决策权的合理融合是组织权力配置的关键环节。［40］

组织内部信息权与决策权的结合涵盖三种情形：将信息权让渡给决策权持有者、将决策权授予信息权拥有者、将信息权和决策权转移给第三方。在组织内部不同部门之间，信息权与决策权的转移方向取决于信息与决策让渡成本之间的博弈。［41］信息让渡成本包括信息传递成本和信息失真成本；决策让渡成本涵盖决策偏误成本与决策代理成本。决策偏误成本反映决策权转移后新决策权拥有者做出错误决策对组织的潜在负面影响，而决策代理成本表征新旧决策权拥有者由于利益冲突而内生呈现的决策权委托代理成本。

当信息让渡成本低于决策让渡成本时，让决策者持有信息是最优选择；当信息让渡成本高于决策让渡成本时，应让信息拥有方获得决策权。信息权与决策权的同时让渡或者出现在上下级组织之间，或者出现在敏感问题的处理过程中，或者两者兼而有之。基于组织管理的需要抑或敏感问题的解决，下级组织向上级组织汇报信息并接受上级组织的决策领导，此时上级组织同时拥有下级组织让渡的信息权与决策权。

大数据部与其他关联组织同为信息权拥有者，关联组织还拥有决策权。以大数据部与行政人事部的信息权与决策权分布为例，大数据部拥有员工的行为大数据及其绩效分析信息，行政人事部拥有人事、劳动工资等信息以及相应的人事任免、考核、管理的决策权。在信息让渡成本方面，由于大数据部拥有的职能信息量远低于关联组织，大数据部向关联组织 （由于业务特殊性，审计监察部除外）让渡信息的成本较低。在决策权配置方面，原有关联组织对职能权力的保留能够有效避免各类职能权力汇聚于大数据部引起的机构臃肿。也就是说，大数据部应向关联组织（审计监察部除外）让渡信息权，使拥有决策权的关联组织同时享有信息权。

除审计监察部之外，关联组织为实现决策权与信息权的有效汇集，会积极采取措施促进信息从大数据部向关联组织的流动。企业内部管理信息系统、辅助决策系统、人工智能系统、控制系统等的建立健全是获取信息的有效途径，但大数据技术人员与职能人员的交融更能促进沟通，增进了解，推动信息在大数据部与关联组织之间的传递。

对于调整式协作关系的关联组织 （审计监察部除外），即发展战略部、产品研发部、营销策划部，其与大数据部之间的沟通兼具交互性与复杂性。因此，大数据部与上述调整式协作关系部门应互换精英员工，定期轮岗，促进沟通。

大数据分析的实质已不再局限于数学工程，而更多依赖于知识跨越的思维创新，需要多元化的业务技能与知识模式。大数据部与关联组织互派的业务人员，需具备良好的沟通技能，娴熟的业务本领以及灵敏的商业感知能力。这些定期轮岗的互派员工，切实推动了大数据部与关联组织的和谐协作关系。

对于计划式和标准化协作关系，由于大数据部与这些关联组织 （生产管理部、行政人事部、客户服务部）之间的协作关系相对稳定、规则明确、边界清晰，部门之间的沟通与协作在一定程度上能够保证组织的良好运作，不存在互派职员的必要性。

鉴于审计监察部工作的特殊性，审计监察部与大数据部之间的权力配置与上述原则不同。大数据背景下的审计监察部，利用公司完备的信息系统建立员工工作行为的大数据，在评估员工合规行为的同时，还具备预测员工舞弊行为的功能。利用大数据对人们的潜在舞弊进行预测是兼具敏感性与道德破坏性的行为。大数据对人类行为的预判毕竟只是推测，用推测结果降低舞弊行为具有高风险性。因为我们无法完全保证大数据来源、存储、分析以致最后得出员工行为预测结果这一整串链条上是否存在偏误以及人为操纵。即使处理过程毫无纰漏，但大数据本身的分析模型并不一定正确，也相应不可能具有完全的精确性。

审计监察部与大数据部之间的权力配置适用于信息权与决策权的同时让渡，即将信息权与决策权同时上移至副总裁层面。大数据部上移其利用大数据分析出的潜在与现实的舞弊行为信息，同时，审计监察部上移组织各层面的审计、核查、监督信息以及决策权，由分管审计监察的副总裁同时拥有信息权和决策权。鉴于审计监察信息的敏感性，审计监察部与大数据部要建立起完善的责任规则体系，严控信息的获取权限，协助副总裁做好公司的审计监察工作。

组织授予大数据部相应的信息权、使用权以及决策权，但不是让渡权。即大数据部没有大数据的产权。如果大数据部需要与外界进行交易，需要事先获得组织的许可。在组织的授权范围内，大数据部可以与其他组织进行交换，包括提供或接受大数据服务，构建大数据交易平台。大数据部与其他组织的交易过程，建议采用授权形式。以大数据部对外出售大数据服务为例，大数据部可以从对方获取数据赚取的总价值中提取一定比例作为提供大数据服务的费用，而不是一次性地商定大数据出售的价格。

（三）大数据公司的治理结构：大数据战略引领与行为规范

组织结构的协调配置有助于降低部门之间的矛盾与冲突，顺畅沟通协作机制。组织内大数据部的协作策略、权力配置界定了大数据部的沟通机制与权力归属，但还不足以保障大数据公司的规范运行，也无法发挥公司大数据战略发展的引领作用。在大数据挑动颠覆性商业模式与机会的时代，组织结构的调整不能脱离大数据公司治理层的良性运转。

依据公司治理理论，以大数据时代公司面临的商业机会与威胁为考量，本文的治理结构设计以大数据部为治理客体，通过发挥大数据专业委员会、大数据技术背景的独立董事、大数据监察员的治理主体地位，旨在推动大数据公司的治理层引领公司大数据发展，规范公司大数据应用。选择董事会作为规范大数据部行为，引领大数据发展的治理主体是因为董事会同时拥有战略功能［42］与监督功能［43］。 吸纳大数据技术人才进入董事会战略发展规划的决策环节有助于大数据公司切实引领公司的大数据发展，而具有专业大数据才能的独立第三方成员担任董事后，监督公司大数据部的行为动机才有了潜在公正的立场。

大数据公司的治理结构涵盖董事会的战略与监督功能，涉及大数据专业委员会、大数据技术背景的独立董事以及大数据监察员三维度。具体而言，大数据监察员独立于大数据部，在组织内部对大数据的原则遵循状况进行监督，并接受大数据专业委员会的领导。大数据监察员因具有大数据专业知识，具备监督组织内部大数据原则遵守情况的能力。同时，大数据监察员因独立于大数据部，因此具有客观立场去监督大数据部的运转。大数据专业委员会隶属于董事会，拥有信息调阅权和监督权。大数据专业委员会由大数据技术背景的独立董事担任主席，至少一半成员需由独立董事 （拥有大数据专业技术）构成。大数据专业委员会成员构成保证了大数据专业委员会兼具专业性和独立性。在专业性方面，大数据专业委员会担负着大数据合规与战略整合的责任，即在确保组织内大数据部按规则行事的前提下，推动组织的大数据战略发展，引领公司利用大数据技术创造新的收入增长点，站在行业技术革新的前端，有效发挥董事会的战略职能。在独立性方面，由于大部分成员是独立董事，独立于大数据公司，亦独立于大数据部，能够合理保证大数据专业委员会担负起评估大数据部数据源的合规性，分析测评工具的合理性、模型预测结果的正确性等工作。在代理理论、管家理论、资源依赖理论的支撑下，董事会设立大数据专业委员会对大数据战略的推动具有积极意义。

大数据公司治理结构的独立性至关重要。组织内部设立独立大数据监察员、大数据专业背景独立董事的重要意义在于，通过聘任一批具有独立性及专业技能的大数据技术人员为大数据部的监督者和高层决策者，能够有效制约大数据部的数据独裁与潜在侵害，解决数据提供者利益保护的滞后性问题，实现大数据关联方的利益均衡。独立董事拥有的决策权、监督权以及干预权更有助于独立董事扮演企业契约规则的监护人角色［44］，实现大数据的有效治理。

四、结论

大数据产业发展异军突起，数据挖掘浪潮引领崭新商业模式的缔造。大数据智领商业实践前沿，但规避盲点的大数据公司的理性繁荣亟需组织调整与治理结构的支撑。基于理论推演与论述，笔者认为：

第一，大数据技术人员的高度整合是大数据部组建的首要原则。大数据部与关联组织的调整式协作、计划式协作、标准化协作策略取决于其业务性质、依赖关系、协调收益以及成本的权衡。发展战略部、审计监察部、产品研发部、营销策划部与大数据部之间存在新信息的传递以及行为调整需要，适用于调整式协作；生产管理部与大数据部之间的沟通基于预先设定好的相对稳定的日程方案，适用于计划式协作；行政人事部、客户服务部与大数据部在理性程序与规则的约束下进行业务往来，适用于标准化协作。

第二，大数据部与其关联组织的权力配属是组织良好运作的保障。依据信息权让渡成本与决策权转移成本的权衡，组织内大数据部的权力配置视协作关系、业务性质的差别而呈现出异质性。对于计划式和标准化协作关系的关联组织而言，拥有决策权的关联组织享有大数据部让渡的信息权；对于调整式协作关系的关联组织 （审计监察部除外），大数据部向持有决策权的关联组织转让信息权的同时，还需与其互换优秀员工，定期轮岗，实现顺畅的调整式协作关系；审计监察业务的特殊性决定了大数据部、审计监察部向组织副总裁层面同时转移决策权和信息权，并严格限定信息获取权限，强化问责体系。

第三，大数据专业委员会、大数据技术背景的独立董事以及大数据监察员的三维治理结构是大数据公司战略引领与行为规范的治理层保障。大数据监察员独立于大数据部，接受大数据专业委员会的领导。大数据专业委员会隶属于董事会，在保证成员高度独立性的基础上，拥有信息调阅权和监督权，担负大数据合规与战略整合的责任。

［1］邵鹏，胡平，齐杰.大数据时代产业发展与社会管理问题研究前瞻［J］.科技进步与对策，2014（12）：154－160.

［2］许晔.大数据时代中国面临的挑战与对策［J］.中国科技论坛，2015（3）：24－29.

［3］林志刚，彭波.大数据管理的现实匹配、多重挑战及趋势判断［J］.改革，2013（8）：15－23.

［4］高建峰，张志荣.大数据时代商业银行风险管理优化［J］.上海金融，2014（8）：103－104.

［5］王向东，王文汇，王再堂，黄莹.大数据时代下我国税收征管模式转型的机遇与挑战［J］.当代经济研究，2014（8）：92－96.

［6］梁红波.云物流和大数据对物流模式的变革［J］.中国流通经济，2014（5）：41－45.

［7］李莉，顾春霞，杨雅楠.大数据背景下科技型中小企业信用信息平台建设——基于消除 “隐性壁垒”问题的探讨［J］.中国流通经济，2014 （8）： 63－69.

［8］蒋洁，卫承霏，何亮亮.大数据集成的权益危机与价值回归［J］.科技管理研究，2016（2）：199－202.

［9］崔小委，吴新年.大数据应用促进大数据产业落地［J］.科技管理研究，2016（2）：203－207.

［10］陈火全.大数据背景下数据治理的网络安全策略［J］.宏观经济研究，2015（8）：76－84.

［11］陈飞.大数据时代信息经济发展趋势及对策建议［J］.宏观经济管理，2014（3）：61－62.

［12］张峰，张迪.论大数据时代科研方法新特征及其影响［J］.科学学研究，2016（2）：166－170.

［13］曲婧.精细化：大数据时代管理模式的变革［J］.税务与经济，2014（5）：46－49.

［14］吴标兵，许为民，许和隆，张宇.大数据背景下科技服务业发展策略研究［J］.科技管理研究，2015（10）：104－109.

［15］郜凯英，杨宜勇.中国互联网＋社会保障信息系统构建——基于大数据挖掘视角［J］.经济与管理研究，2016（5）：83－89.

［16］刘小川，桑达卓玛.试论大数据时代的税制体系重构［J］.税务研究，2015（10）：12－15.

［17］贾利军，许鑫.谈 “大数据” 的本质及其营销意蕴［J］.南京社会科学，2013（7）：15－21.

［18］杜丹清.大数据时代的零售市场结构变迁——基于电商企业规模扩张的思考［J］.商业经济与管理，2015（2）：12－17.

［19］翟伟丽.大数据时代的金融体系重构与资本市场变革［J］.证券市场导报，2014（2）：47－50.

［20］姚键，王周飞，陈爱明.基于大数据背景的税收风险管理［J］.税务研究，2015（11）：64－66.

［21］党倩娜，罗天雨，曹磊.多维视角下大数据领域技术创新演进、前沿与特性［J］.科学学与科学技术管理，2015（8）：49－60.

［22］王琳.多维大数据序列相关性分析方法在宏观经济中的应用［J］.统计与决策，2014（9）：84－86.

［23］俞立平.大数据与大数据经济学［J］.中国软科学，2013（7）：177－183.

［24］黄晓斌，钟辉新.基于大数据的企业竞争情报系统模型构建［J］.情报杂志，2013（3）：37－43.

［25］邱玉慧，吕天阳，杨蕴毅.基于大数据的企业基本养老保险待遇调整绩效审计分析——以X省为例［J］.审计研究，2014（3）：106－112.

［26］宋彪，朱建明，李煦.基于大数据的企业财务预警研究［J］.中央财经大学学报，2015（6）：55－64.

［27］陈以増，王斌达.大数据驱动下顾客参与的产品开发方法研究［J］.科技进步与对策，2015（10）：72－77.

［28］崔冬梅.大数据时代之统计数据挖掘实证［J］.统计与决策，2016（4）：180－182.

［29］冯芷艳，郭迅华，曾大军，陈煜波，陈国青.大数据背景下商务管理研究若干前沿课题［J］.管理科学学报，2013（1）：1－9.

［30］袁鹏.“大数据时代”徐工集团财务管控体系构建［J］.财务与会计，2016（3）：46－49.

［31］何军.大数据对企业管理决策影响分析［J］.科技进步与对策，2014（4）：65－68.

［32］李忠顺，周丽云，谢卫红，成明慧，董延峰，蒋峦.大数据对企业管理决策影响研究［J］.科技管理研究，2015（14）：160－166.

［33］资武成.“大数据”时代企业生态系统的演化与建构［J］.社会科学，2013（12）：55－62.

［34］Hart O， Moore J.On the Design of Hierarchies： Coordination Versus Specialization［J］.Journal of Political Economy，2005， 113 （4）：675－702.

［35］Harris M，Raviv A.Organization Design［J］.Management Science，2002，48 （7）：852－865.

［36］Thompson J D.Organization in Action： Social Science Bases of Administrative Theory［M］.Transaction Publishers，2003.

［37］Hayek F.The Use of Knowledge in Society［J］.American Economic Review，1945，35 （4）： 519－530.

［38］Simon H A.Models of Man， Social and Rational［M］.New York： John Wiley＆ Sons， Inc.，1957.

［39］Radner R.The Organization of Decentralized Information Processig［J］.Econometrica，1993，61 （5）：1109－1146.

［40］Nault B R.Information Technology and Organization Design： Locations and Information［J］.Management Science，1998，44 （10）：1321－1335.

［41］彭赓，李敏强，寇纪淞.信息、信息技术与组织决策结构［J］.中国软科学，2001（5）：61－65.

［42］Stiles P， Taylor B.Boards at Work： How Directors View Their Roles and Responsibilities［M］.Oxford University Press，2001.

［43］Johnson J， Daily C， Ellstrand A.Boards of Directors： A Review and Research Agenda［J］.Journal of Management， 1996， 22 （3）： 409 －438.

［44］郭强，蒋东生.不完全契约与独立董事作用的本质及有效性分析——从传统法人治理结构的缺陷论起［J］.管理世界，2003（2）：78－98.