数据赋能研究现状及未来展望

孙新波，苏钟海，钱 雨，张大鹏

（东北大学 工商管理学院，沈阳 110169）

互联网时代背景下，信息技术飞速发展，数据逐渐成为企业获取竞争优势的一项重要资源，数据及数据技术对各行业既成的业态及形态的赋能影响开始受到广泛关注。在企业实践层面，近年来，阿里巴巴、腾讯、京东、滴滴等大型平台企业都在强调平台的赋能价值，运用数据技术和数据赋能为赋能对象提供支持和帮助，强调用数据服务助力平台商家的业务发展，实现共同受益。在理论研究中，数据赋能研究受到了广泛关注，研究领域涉及农业生产、旅游、医疗卫生、政府治理、教育、保险、金融、电子商务、制造等，但重要期刊发表的数据赋能研究成果很少，这表明成熟的研究并不多，触及数据赋能理论层面的探讨不足，主要表现为：①研究者对数据赋能的发展历程缺乏整体性把握（不知道从哪里来），对相关研究的发展方向缺乏明确指引（不知道往哪里去）；②数据赋能概念的定义及内涵缺乏清晰的界定，相关概念混淆混用；③数据赋能的基本要素、边界、理论基础等未得到足够探讨，数据赋能研究进一步深化和发展面临巨大挑战，亟须系统梳理数据赋能的研究现状并对其未来发展方向给出合理建议。

基于此，本文聚焦数据赋能的概念基础，梳理其定义及内涵，辨析容易混淆的相关概念，分析国内外数据赋能研究主题和理论基础的差异及其原因，结合我国数据赋能研究的本土情境和本土需求对未来研究进行展望。本文的创新之处在于：①梳理数据赋能的发展脉络，明确其定义和内涵，从整体观视角完善孙新波和苏钟海［1］对数据赋能的定义，并清晰界定赋能与赋权、使能，数据赋能与数字化赋能、大数据赋能之间的关系，从概念层面划清数据赋能的边界，为后续相关研究提供参考；②深入探讨数据赋能的研究现状，包括国内外研究的差异及其差异归因，并着重讨论数据赋能国内外研究的理论基础和理论关联，为数据赋能研究的进一步发展奠定理论基础；③基于文献分析勾勒数据赋能的已有研究轮廓，针对本土情境以完整的过程性理论构建未来发展框架，具有重要的理论意义和实践指导价值。

1 数据赋能的概念基础

1.1 数据赋能的发展历程

数据赋能根植于人力资源管理的授权赋能（empowerment）概念，授权赋能指授予企业员工额外的权利，是企业组织主动自上向下由集权向分权的过程［2］。KANTER［3］指出授权赋能是依托工作环境和条件，提供信息和工作资源等支持进而提升员工的能力，并将授权赋能定义为把权力分配给组织体系中处于不利地位的成员。SPREITZER［4］以授权赋能研究如何激发员工主动行为为依据将其划分为基于组织视角的组织赋能和基于个体视角的心理赋能两个理论方向。雷巧玲［5］将授权赋能归类为结构性授权赋能、心理授权赋能和领导授权赋能。

赋能概念的发展逐渐取代了授权赋能概念，并形成了针对赋能对象和针对赋能方式及手段的两个主要研究方向。针对赋能对象的研究强调赋能对象的被赋能过程，默认信息技术、信息工具是赋能实现的方式和手段，聚焦赋能对象的能力在赋能前后的变化。例如，员工赋能指互联网信息技术等提高员工间相互沟通的效率和促进工作所需信息的即时获取，推动复杂情境下跨职能业务流程的改进和决策制定［6］；顾客赋能指顾客通过互联网信息技术手段表达个人需求和参与需求满足的过程，实现与企业的价值共创［7-9］。而针对赋能方式和手段的赋能研究不关注赋能的对象，而是以价值创造为导向，关注赋能实现的过程及该过程中涉及的赋能手段和工具。例如，数据赋能是指创新数据的运用场景及技能和方法实现数据价值的过程［1］；数字化赋能指使用信息系统或信息技术工具的人群或组织获得了过去所不具备的能力或不能实现的目标［10］；网络赋能是提升网络潜能的各种技术、技能和方法的总称［11］。

近年来，鉴于数据及数据技术对商业实践的颠覆性影响，针对赋能方式及手段的数据赋能受到广泛关注，例如，潘善琳和崔丽丽［10］、欧阳桃花等［12］在数字化赋能商业实践和社会活动方面有较好的成果；周文辉等［13］、孙新波和苏钟海［1］、胡海波和卢海涛［14］在数据赋能大规模定制实现、商业系统演化过程的价值共创、数据驱动敏捷制造系统实现等方面做出有益的补充，形成了数据赋能的现有研究框架。

1.2 数据赋能的定义与内涵

孙新波和苏钟海［1］在其数据赋能敏捷制造系统实现机理的研究中率先给出了数据赋能的定义：创新数据的运用场景以及技能和方法实现数据价值的过程，但理论研究和实践尚未达成一致。不过，相关的研究也存在一些共通之处：LENKA等［15］将企业数据赋能能力划分为智能能力、连接能力和分析能力3个维度，并指出三者协同的结果提高了企业数据获取、分析和运用能力进而获得赋能价值。周文辉等［13］指出数据赋能是赋能范畴下资源赋能的核心，通过提升人、物、信息间的连接能力、数据分析能力（信息交换、信息处理和信息共享）和信息运用能力（用户行为感知、动态资源分配、灵活分析服务）促进平台企业的价值共创。孙新波和苏钟海［1］则指出数据化、标准化和联网化是数据赋能制造企业实现敏捷制造的3大关键，数据化使企业从运营网络获得数据并运用到自身的经营管理优化及决策中［16］，标准化和联网化则会加速数据传输和最大限度地释放数据价值。LEONG 等［17］针对2011 年泰国洪灾应急处理的研究指出，受灾群体以社交媒体为信息沟通和共享的方式和手段可实现数据赋能社群集体参与、共享识别和协作控制能力的提升，达成灾难应急。

目前，数据赋能研究至少达成了两点共识。①作为现象及现象与现象间关系的表达，数据的存在并不能使使用主体自动获得额外价值［18］，数据赋能必然强调数据获取、分析和运用的场景、技术和方法，为赋能对象提供能力获得或提升、价值创造必备知识（如机会、资源）等的可能。同时，无论赋能对象通过数据赋能获得新能力还是提升原有能力，或是获得价值创造必备知识，数据赋能都强调要在数据赋能的过程或终点实现赋能价值，这是数据赋能的目的。②数据赋能不单纯关注赋能对象个体和系统子元素，而倾向于关注整体和系统，例如敏捷制造系统、价值共创体系等。

综上，本文尝试对数据赋能的定义进行完善：数据赋能是特定系统基于整体观视角创新数据的运用场景以及技能和方法的运用以获得或提升整体的能力，最终实现数据赋能价值的过程。这意味着数据赋能的主体和对象将作为一个整体被考察，而数据赋能的过程是赋能主体和对象以价值创造为导向而协同的过程，其价值产出也会被双方所共享。

1.3 相关概念界定与区分

1.3.1 赋能、使能与赋权 赋能、使能与赋权作为数据赋能的相关基础概念经常被混淆，但三者内涵存在明显差异。在概念层面，孙中伟［19］认为赋能强调赋予被赋能对象资格，使其可参与原本不能参与的价值创造活动。罗仲伟等［20］指出赋能突破了基于“雇佣”关系及组织层级的赋权概念，凸显了组织成员间的“伙伴”关系，是围绕自我管理的逆向授权，即权力不是来自组织中心而是组织中最基层的单位。KONCZAK等［21］认为赋权既包含权力的赋予及下属成员的责任承担与自主决策，也包含信息分享、技能发展和创新绩效指导等。从相关关系来看，魏炜和蔡春华［22］从商业实践视角指出赋能强调赋能主体企业自身生态系统的构建，而使能则强调使能企业通过为被使能企业提供产品和服务而增强后者的竞争优势。刘亚军［23］认为赋权的概念更加具体化，而使能涵盖的范围则相对宽泛，赋权可以是使能的手段之一。

本文认为，赋能的关注点在赋能主体自身，更加强调赋能对象的主动性，赋能对象能力获得或提升与否及多寡取决于其主动吸收、利用赋能主体提供的赋能内容（平台、机会和资源等）的程度；使能在促进使能对象能力的获得或提升过程中则更强调使能对象要向主体期望的方向发展，包含使能主体的目的性和使能对象的被动性。赋权关注中心权力的下放及下放过程中被赋权对象的回应，是赋能和使能的具体实现手段之一。

1.3.2 数据赋能、大数据赋能与数字化赋能 这三个概念容易混淆，但存在微妙差别。①按照孙新波和苏钟海［1］的观点，数据赋能侧重从价值创造和共享的角度来解释数据赋能主体创新数据的应用场景、技能和方法的目的，而不仅是实现主体能力的获得或提升。②大数据赋能尚没有明确的定义，但FAHMIDEH 和BEYDOUN［24］通过制造系统大数据分析架构设计的研究指出，传统制造系统借由大数据分析平台赋能以应对经营风险、实现经营目标。同时，WELLS 和CHIANG［25］指出企业的大数据技术能力决定了其基于海量数据的竞争优势，包括对数据的组织、构建及挖掘其背后隐藏的可操作信息的能力。此外，有国内学者认为大数据赋能涵盖了大数据及大数据技术的赋能方式［26-27］。因此，大数据赋能强调赋能主体数据资产的累计效应（数据量）及其对大数据深入挖掘和分析的方法和技术。③潘善琳和崔丽丽［10］认为数字化赋能是指数据及数据技术驱动商业和社会创新的消费化效应和变革化效应；YING 等［28］则认为数字化技术赋能电子商务平台的目的是使员工受益，即数字化赋能的探讨相对关注数字化技术对赋能对象能力获得或提升的作用。因此，数据赋能的概念包含大数据赋能和数字化赋能，后两者是前者更加具体的赋能方式和手段。大数据赋能强调大数据资产带来的累计效应和大数据分析技术和方法的运用，而数字化赋能侧重数字技术和工具的运用。此外，大数据赋能同样需要一定数字技术和数字工具的辅助，即其与数字化赋能在含义上存在重叠。

2 数据赋能的研究现状

2.1 国内外研究概况

数据赋能研究可分为数据赋能与价值共创、数据赋能与制造升级、数据赋能与社群问题、数据赋能与弱势群体4方面，典型研究如表1所示。①针对数据赋能与价值共创的研究主要关注企业商业价值共创的机理和过程。例如，DU［29］将信息技术视为商业交换到顾客价值产出的中介变量，并指出信息系统的运用促成了顾客价值创造；胡海波和卢海涛［14］在探讨企业商业生态系统演化各阶段下价值共创主体及价值共创类型的演变问题时指出，数据赋能促进商业生态系统演化，进而影响共创价值由交换价值向平台价值、社会价值演变。②针对数据赋能与制造升级的研究主要关注制造企业的制造敏捷性问题。例如，曾德麟等［12］运用案例研究探究了信息技术提升复杂产品制造敏捷性的机制，并指出企业通过识别复杂产品制造的信息处理需求，构建具有不同层级和中心度的信息处理网络提升复杂产品的敏捷制造。③针对数据赋能与社群问题的研究则主要运用数据赋能解释信息技术对公共问题和自发式社群运动的促进作用。例如，BAACK［31］基于数据化赋能对民主、参与和新闻影响机制的研究指出，社会活动家通过呼吁开放原始数据，并将开源数据的赋能思维运用到开放和灵活的代议制民主中，促进公共问题的民主参与和新闻解释方式的转变；TIM等［32］在探讨数据赋能推动马来西亚乡村社群的环境可持续性运动中指出，数据赋能促使社区自发进行角色分配，并组织和执行有影响力的活动，进而形成集体成果和目标。④针对数据赋能与弱势群体的研究主要是继承授权赋能观点，侧重于数据及数据技术对赋能对象的心理赋能，使处于权力不利地位的弱势群体分享权力，推动社会公平。例如，JOHNSEN等［33］通过对经过治疗的癌症患者进行访问，确认与此类病患高度相关的健康和保健事项，进而对其他同类病患赋能，提高其对这些相关重要事项的掌握能力。HECKERT和FABIC［34］通过对性别和健康专家的访谈，评估了人口与健康调查数据（DHS）在撒哈拉以南非洲地区妇女赋能的效用，并指出这些数据应当应用于经济、法律、决策参与、社会规范制定等方面，提升女性群体的权力。

表1 数据赋能典型研究Tab.1 Typical researches on data empowerment

此外，数据赋能研究大多采用案例研究方法，国内以单案例研究为主，而国外则以多案例研究居多，极少部分采用测验法。从内容来看，绝大多数研究主要关注数据赋能的机制机理。研究概况如图1所示。

图1 数据赋能研究概况Fig.1 Research summary of data empowerment researches

2.2 国内外研究焦点差异

为了明确国内外数据赋能研究的差异，采用共词网络分析对国内外数据赋能文献的关键词进行分析。鉴于前文对数据赋能、数字化赋能与大数据赋能关系的界定，分别以中国学术期刊网全文数据库和Web of Science数据库作为检索源进行文献检索（见表2）。其中，“数据赋能”在检索机制上包含“大数据赋能”，“Data empowerment”在检索机制上包含“Big data empowerment”。另外，中文文献检索的筛选条件选择“核心期刊”可能会丢失一些未发表在核心期刊的高质量文献，却可以保障全体检索文献相对严谨。同时，英文文献以“ARTICLE”和“REVIEW”为筛选条件是为了获得相关度较高的结果，拒绝专利、社论等相关度不高的检索结果。本文借此确保后续探讨尽可能地触及数据赋能研究的真实轮廓。

表2 英文文献检索情况Tab.2 Search results of English literature

对检索到的中文文献的关键词做共词网络分析，结果如图2所示。现有数据赋能的中文研究主要分为3 大独立的聚簇。其中，聚簇1 和聚簇2 分别只获得了1 篇文献的支持，其余文献都集聚在聚簇3 中。此外，聚簇1聚焦金融行业企业的数据创新运用与金融风控能力提升，聚簇2关注业务部门对数据资产的运用和治理，聚簇3的“数据赋能”“价值共创”和“案例研究”作为研究热点将相关研究桥接了起来，并延伸至企业的敏捷制造、价值共创、商业模式创新以及技术创新等。

图2 中文文献关键词共现网络（Cut-off-value=0）Fig.2 Co-occurrence network of Chinese literatures’keywords（Cut-off-value=0）

对检索到的英文文献的关键词做共词网络分析，当“Cut-off-value”设置为“0”时，结果如图3所示。数字化赋能（digital empowerment）、案例研究（case study）、赋能（empowerment）、病人赋能（patient empowerment）、数据技术（digital technology）、互联网（Internet）、中国（China）和身份（identity）是数据赋能英文研究的焦点。虽然图3的共词网络已经给出了研究热点，考虑到整体网络较为庞杂，研究进一步将整体网络的“Cut-off-value”设置为“1”，结果如图4所示。数据赋能研究的英文文献关键词共现网络表明，数据赋能的英文研究有两大聚簇：①聚焦于用案例研究数字化技术对病人的赋能，主要关注弱势群体；②聚焦于中国情境与身份问题（虚拟ID）。

图3 英文文献关键词共现网络（Cut-off-value=0）Fig.3 Co-occurrence network of English literatures’keywords（Cut-off-value=0）

图4 英文文献关键词共现网络（Cut-off-value=1）Fig.4 Co-occurrence network of English literatures’keywords（Cut-off-value=1）

共词网络分析的结果表明，国内外数据赋能研究的焦点存在明显差别，为进一步探究这种差异，本文对检索并筛选的文献结果的研究来源和研究主题进行了统计，结果如表3所示。其中，国外研究指部分英文文献，而国内研究指中文文献和国内学者发表的英文文献，而国内外合作的研究指包含有中国学者的研究（表明这类研究包含有中国情境）。国外研究大多聚焦在弱势群体的能力提升方面，涉及病人的医疗与护理问题［33］、女性权利问题［34］、未成年人健康问题等［36］，也有部分研究涉及社会公民赋能［37］、课堂与远程教育实现过程中教师和学生数据赋能［35，38-39］。国内研究则聚焦在商业模式、制造升级与价值共创方面，也有极少部分研究关注数据赋能金融风控、数据资产管理以及消费者赋能问题。国内外合作的研究则在弱势群体赋能、商业实践和社群问题等方面都有涉及，但文献数量相对较少。

表3 数据赋能研究主题及作者来源统计Tab.3 Statistics of the topics and authors’source of data empowerment research

2.3 国内外研究理论差异

虽然数据赋能根植于授权赋能的概念，但严格地说，授权赋能（赋能）本身并未发展成为成熟的理论，故而对于数据赋能而言，其概念与内涵继承和发展于赋能，但其理论基础不在于赋能。数据赋能的国内外研究焦点不同，两者在开展研究时所依托的理论基础及与其他理论的相似性也存在一定的差异。

2.3.1 理论基础的差异 数据赋能的国外已有研究侧重于对授权赋能的继承，数据及数据技术的关联只作为嵌入其中的技术情境加以讨论，而未将数据赋能看作一个整体概念进行研究。因为授权赋能关注的是组织内处于劣势地位员工的权力分配问题，SPREITZER［4］对赋能研究方向的划分（组织层面的组织赋能和个体层面的心理赋能）也明确指出赋能的落脚点在于激发组织成员的主动性。SAEED 等［40］在变革型领导如何影响组织创新行为的研究中更是直接将组织成员的内在动机与心理赋能划归同一概念的范畴，并指出在影响组织创新行为的过程中两者高度相关。此外，即便当前国外数据赋能研究将关注的主体从授权赋能的组织弱势成员拓展到了数据赋能的社会弱势群体，其背后的思想依旧深受激励理论的影响，强调数据赋能对象的心理感知和效能激发。因此，数据赋能国外研究的理论基础应该来源于激励理论。换言之，在授权赋能概念基础上考虑数据及数据技术影响作用的数据赋能研究可能会推动赋能成为新时代的新兴激励理论。

其次，数据赋能的国内和国内外合作研究更加侧重于强调数据是商业和社会创新的资源，并且关注数据赋能过程的能力构建和机理探究，这表明此类研究的发展极有可能受到资源基础理论和动态能力理论基本观点的影响，并有可能会对这两个理论的发展产生进一步的影响。原因如下。①鉴于战略管理学者们就BARNEY等［41］对企业资源基础理论基本论点达成的共识——企业占有的异质性资源能够为其带来持续竞争优势，数据及数据技术的发展在一定程度上奠定了数据成为企业一种新兴战略资源要素的趋势，这必然会诱发数据赋能研究有意靠向资源基础理论。确切地说，有价值、稀缺、不可模仿和难以替代的数据资源有希望被描述为企业持续竞争优势的新兴来源之一，进而拓展和丰富资源基础理论的内容，成为数据资源转化为企业竞争优势的、具有过程性质的理论。②根据TEECE等［42］对企业动态能力的界定——动态能力是指企业协调资源的能力，其关注企业如何利用既有资源进行市场开发和市场机会捕捉，是企业协调内部资源以更加灵活、敏捷的姿态应对不稳定外部环境的能力。结合数据赋能已有研究在企业制造转型升级、商业模式创新和价值共创等方面取得的成果，其也有可能会发展成为企业动态能力的一种具体形式。并且，LENKA［15］和周文辉等［13］就企业数据赋能能力的维度划分已经在这方面做出了尝试。因此，对数据赋能研究的深入发展将会是对企业动态能力理论的有益补充。此外，就国内研究而言，数据赋能作为一个聚焦机理机制的概念，是联通数据资源与数据价值的逻辑。这对于研究目前对企业资源与企业能力两者之间的争论（资源算不算能力？能力是不是资源？）而言，有望在企业层面为桥接资源基础理论和动态能力理论提供一条更加切实可靠的融通路径。

2.3.2 理论相似性的差异 数据赋能的国内研究表明数据赋能在一定程度上与信息处理理论的内容存在重叠。首先，信息处理理论（information processing theory，也称信息加工理论）源于认知心理学，认为人的认知过程就是对信息的加工过程：注意、选择和接收信息—对信息编码、内在化和组织—利用加工产生的结果支撑决策和指导行为［43］。随着信息技术深度融合到企业的生产运营过程，数据处理理论逐渐被引入企业管理领域。企业信息处理理论认为企业必须拥有高质量的信息收集、分解、合成与传播的能力以应对经营的不确定性，进而提高其决策能力［44］。此外，信息处理理论还强调组织信息处理的结果，即对组织目标实现能力的提高［45］。值得一提的是，信息是数据经过加工后的高阶形态，数据赋能突出创新运用数据的场景、技能和方法，这包含了信息收集、分解、合成与传播过程，因此信息处理的过程是数据赋能切实的手段。同时，数据赋能强调数据赋能价值的实现，而信息处理理论强调企业信息处理能力对组织目标达成的正向影响［46］，目标达成即是获得了信息处理的价值。总体而言，数据赋能与信息处理理论在内容上有重叠，一是两者关注的对象（数据与信息）有重叠，另外可能是数据赋能基础研究缺失导致其边界模糊。

而数据赋能的国外研究则表明数据赋能与包容性创新理论存在部分交叉。源于社会排斥理论和福利经济学理论的包容性创新（inclusive innovation）主要是指企业通过技术和商业模式的创新来满足生活在贫困线下、权利得不到充分保障的金字塔底层群体的需求，或利用创新能力获得经济回报，同时提高他们的生活质量，缓解和消除贫困［47-48］。并且，包容性创新被认为是有利于弱势群体的创新，既是过程又是绩效产出的结果［49］。数据赋能与包容性创新理论都涉及对社会弱势群体问题，并且两者都强调价值的产出。当然，国外数据赋能研究与包容性创新理论仍旧存在一定差异，例如，两者实现的路径不完全一致，数据赋能侧重数据及数据技术的运用，包容性创新侧重技术和商业模式的创新。此外，两者关注弱势群体的范围也不一样，前者关注多类型的弱势群体，包括病人、未成年人、女性、临时受难的群体等，后者仅关注低收入人群。

2.4 国内外研究差异的成因

国内外数据赋能研究在研究焦点和理论基础上的差异可能源于研究情境的不同。国内数据赋能研究立足于我国特定国情。首先，互联网基础设施的完善使我国网络用户量激增，数量庞大且频次超高的线上活动产生了海量数据，这为国内数据赋能研究发展提供了肥沃的土壤。同时，在经济发展进入新旧动能转化的背景下，我国政府出台了“两化融合”系列方针政策，互联网信息技术加速、深层次地渗透到产业实践中，数据技术对传统企业的生产制造、商业模式和价值共创等产生了颠覆性影响，这引起了国内研究学者的关注。例如，潘善琳教授于2016年发起并领导的聚焦数字化赋能商业与社会创新最佳实践的数字化赋能研究联盟（digital enablement research alliance，DERA）在国内得到了诸多研究学者的积极响应，促成了当下国内数据赋能研究在这方面的繁荣。此外，因为大部分国内数据赋能研究都在关注企业的商业实践创新，其自然进入了企业创新与战略管理的研究范畴，也会自觉地从资源基础理论和企业动态能力理论中寻找理论支撑，对数据赋能过程的关注也使得其与信息处理理论产生了理论相似。再者，因为数据赋能的研究才刚刚兴起，缺乏成熟的理论体系（包括构念维度、量表等）支持量化的实证测验，这从侧面解释了已有数据赋能研究中案例研究居多的原因，同时也说明，数据赋能研究的当务之急应该在于建构其基础理论体系。

另一方面，国外数据赋能研究同样根植于国外实践环境，其生产机械化、自动化、信息化等水平较高，国外学者对信息技术尤其是数据技术对商业模式和制造模式影响的感知较国内研究学者要低。相反，因为发达国家（检索文献多数作者的工作单位所在）服务业相对发达，国外学者对弱势群体权利与公平等社会问题的敏感度更高。正因如此，国外数据赋能研究更多地体现在对早期赋能概念的继承，关注数据与数据技术对组织团体（尤其是弱势群体）的赋能，致使其理论基础落脚到了管理心理学的激励理论上，也使其在关注对象上与包容性创新理论产生了重叠。

3 数据赋能的研究展望

鉴于国外数据赋能研究更多落脚于社会学、心理学领域的事实，本文基于中国的本土情境及需求，响应潘善琳等［10］聚焦数字化赋能商业与社会创新的倡议，从战略管理视角展望数据赋能在基础研究、方法及模型研究和应用研究3方面的未来发展方向（见图5）。

3.1 数据赋能的基础研究

图5 数据赋能研究展望Fig.5 Research prospects of data empowerment

数据赋能的基础研究还存在不足，同时相关研究也处于碎片化状态，主要体现在数据赋能的定义和内涵认识不统一、数据赋能研究没有形成完备和规范的研究模型和方法体系、数据赋能对于企业经营绩效缺乏明确的指标界定、数据赋能研究的对象缺乏层次划分等。未来对数据赋能相关的基础研究可以考虑以下3方面：①基于数据资源进一步探讨企业和社群数据赋能能力的形成前提及开发过程，并且探讨企业数据赋能能力的影响因素；②就数据赋能对企业经营绩效的影响发展给出恰当的指标体系，并针对数据赋能对象的异质性构建数据赋能的具体方式；③结合我国具有数据来源多、数据量大、数据技术发展迅猛等优势，可考虑从多角度界定数据赋能的基本要素、关系、适应范围（普适性的边界或情境和约束条件）、分析框架等，并在不断的发展过程中明确并建构与已有理论的关系，形成具有本土特色的数据赋能理论体系。

3.2 数据赋能的研究方法及模型研究

就研究方法而言，现有关于数据赋能机理机制的研究多采用案例研究法，并且以单案例研究为主。因此，后续一方面可以尝试结合多案例研究综合多层次、多维度视角对数据赋能的机理机制进行拓展；另一方面还可尝试开发企业数据赋能能力的量表，结合定量、定性与定量相结合的方法来开展数据验证研究，丰富数据赋能的研究体系。

对于数据赋能的研究模型而言，现有研究大多探讨数据赋能对于社群或者企业能力提升的影响方式和手段及过程，后续研究可考虑将数据赋能能力作为结果变量探讨其影响因素及影响机制，亦或将数据赋能能力作为前置因素探讨其对企业和社群组织创新绩效的影响。此外，现有的数据赋能机制模型研究集中考虑的是企业和社群的信息处理能力（包括信息技术和社交媒体等），未来研究可以对此进行深化讨论，如在模型中纳入数据属性（消费者属性数据、消费行为数据等）、数据类型（结构化、半结构化和非结构化数据等）以及赋能对象特征属性等进行探讨。

3.3 数据赋能的应用研究

未来数据赋能的应用研究可以考虑从深度和广度两个维度来开展。在研究深度上，现有研究关于数据赋能依托赋能对象的差异而造成的作用类型和作用机理还没有得到很好的整合和统一，后续可以对数据赋能的作用类型和作用机理进行更深一步的研究，构建更加合理的数据赋能机理模型。在研究广度上，首先，在企业经营管理范畴内，数据赋能不仅对制造流程和价值共创模式产生影响，对组织结构乃至组织管理思维和方式也产生了一定的冲击，数据赋能对组织变革的影响同样值得探讨。其次，未来研究还可以拓展数据赋能在企业经营管理方面的其他研究主题，如企业跨边界资源整合能力、企业创新创造能力、企业财务能力等，为企业实践提供更有价值的指导。最后，还可就数据赋能的一些外延性问题进行探讨：①囿于现实数据绝大部分是依托用户行为而产生的，用户的隐私保护等问题应该受到足够的重视；②需要明确数据赋能是否会带来一些负向影响，如果是，那么如何规避这种负向作用也值得讨论；③基于成本—收益的观点，数据赋能中“度”的问题也值得探讨；④在战略、营销、公共管理、信息技术等新领域及多学科交叉领域引入数据赋能作为研究视角的研究同样值得期待；⑤考虑中国情境下政府与企业关系的特殊性，可以讨论数据赋能主体间的协同关系和协作方式等。

4 结论与贡献

4.1 研究结论

本文基于文献分析探究数据赋能的发展现状，得到以下主要结论。①数据赋能面向的是系统整体，故而数据赋能研究应从整体观的视角关注数据赋能过程和结果、主体和对象的协同，将数据赋能研究从个体层和元素层提升到系统层进行讨论，响应孙新波和苏钟海［1］的呼吁。②孙中伟［19］、罗仲伟等［20］、KONCZAK 等［21］、魏炜和蔡春华［22］和刘亚军［23］的研究都指出，赋能和使能关注作用对象能力的获得或提升，赋能包含赋能对象的主动性，而使能强调使能主体的目的性和使能对象的被动性，使能对象获得使能主体支持的条件是要向后者期望的方向发展，而赋权则是实现赋能和使能的具体手段之一。同时，孙新波和苏钟海［1］、MAHDI和GHASSAN［24］、YING等［28］的研究分别指出，数据赋能、大数据赋能、数字化赋能都强调数据及数据技术的赋能作用最终实现数据赋能价值，但由于实现方式和手段的范畴差异使得数据赋能在概念上包含了大数据赋能和数字化赋能，而大数据赋能和数字化赋能则在一定程度上有交叉。③国内数据赋能研究聚焦在商业模式、制造升级和价值共创等，而国外研究则聚焦在数据及数据技术对弱势群体能力的提升，深层次的原因在于学者所处的情境不同，导致对数据赋能社会活动和商业实践的感知差异。此外，数据赋能的国内研究侧重将数据作为一种新兴战略资源，并将之视为企业获取可持续竞争优势的一种手段，很大程度上受资源基础理论和动态能力理论的影响，并与信息处理理论存在一定的理论相似性；而国外研究则更多地在继承和发展授权赋能的思想，只是在处于弱势地位群体的能力提升中考虑了数据及数据技术的嵌入性影响，理论基础偏向激励理论，与包容性创新理论具有理论相似性，同时也存在明显差异。④基于中国本土情境的数据赋能研究需要在理论基础、方法和模型及应用3个层面进行拓展，并且，对数据赋能企业商业模式创新、制造转型以及数据赋能商业实践创新的组织基础等的探讨具有重要实践指导意义。

4.2 研究贡献

数据赋能被认为是企业数字化转型的关键，数据及数据技术的发展推动了数据赋能研究，但已有研究存在的概念混用、体系混乱等问题阻碍了数据赋能研究的进一步发展。本文结合文献研究法厘清了数据赋能的概念基础，分析了数据赋能的研究现状，并展望了数据赋能未来的发展方向。本文的研究贡献包括：①厘清了数据赋能的发展历程、基本定义及内涵以及相关概念等基础知识，对数据赋能实践具有重要现实价值，并且基于研究文献的梳理，从整体观视角完善了数据赋能的定义及内涵，为数据赋能后续研究的规范性和严谨性发展提供了参考，也为实践者理解和运用数据赋能获取数据赋能价值提供了新的视角；②分析了国内外数据赋能研究在研究焦点、理论基础和理论相似方面的差异，并对产生差异的原因进行了分析，为后续数据赋能研究的发展夯实了理论基础，同时也为进一步拓展这些理论提供了一些有益的思考；③从基础、方法和模型及应用3个层面展望了数据赋能未来研究的方向，并基于中国本土情境提出了诸多详细的研究点，为后续数据赋能研究提供了参考。