数字化情景下的传统管理理论变革——数据基础观话语体系的构建

宋立丰，郭 海，杨主恩

（1.北京物资学院商学院,北京 101126; 2.中国人民大学商学院，北京 100872）

1 研究背景

全球的企业和组织正逐渐从工业经济时代进入到数字经济时代，这种时代的转变是全方位、系统化的，包括信息技术、商业模式、组织结构等的转变［1］。然而，数字经济时代中的传统企业应该如何变革、数字化或互联网企业如何优化管理实践、如何解释和预测数字化企业的管理现象等问题却一直没有系统的管理理论来解决［2］。这是由于数字经济时代的管理理论研究与企业管理实践是分离的，尽管2018年以来很多学者和研究机构开始重视和推动数字经济时代管理理论的发展，但是相关的研究却多浮于表面［3］。

现有数字化管理理论方面的研究主要存在两方面问题。一方面，数字经济时代是一个系统环境，各元素、各领域和各个体之间相互交错、难以分离，但是现有研究却大多仅从单一视角入手，探讨由此引发的变革。例如，大数据、移动互联、人工智能、区块链、虚拟现实、云计算等构成数字经济时代基础的信息技术带来的创业创新、商业模式、人力资源管理等方面的变革，并由此提出某一技术带来的某一领域的管理理论创新［4］。这实质上包含某单一技术对单一领域的影响、单一技术对多个领域的影响、多个技术对单一领域的影响。新的理论应该对上述问题进行全面地解释，那么现有理论解释方式存在的问题就显而易见了。不同信息技术之间并不是相互独立的，那么不同技术带来的管理理论的矛盾该如何解决，例如区块链带来的是分布式的人力资源管理，而人工智能则崇尚自动化的人力资源管理，两者的融合和兼容却少有学者注意。在数字经济时代的企业，大多数恰恰是技术复合型的，这就使企业管理者难以根据新的管理理论作出决策［5］。另一方面，也有部分学者使用过去的管理理论对数字化企业的管理现象进行分类、解释和预测，但是数字经济时代的企业形式空前多样化，这使得类似的研究难以囊括全部的数字化企业，甚至仅能关注小部分企业的管理实践，例如，过去以资本和劳动为核心生产要素的经济理论难以解释数字经济时代的平台企业、互联网企业和轻资产小微企业的价值产出；同样，现今对于数字化企业的创业、成长和竞争的主流研究也是从传统资源、能力、制度等视角出发，以分析组织结构完整的大型互联网企业为主，忽略了对中小微企业、草根创业、用户创业和投资者创业等领域的研究。这是由于传统的管理理论难以契合数字经济时代多样化组织的多样化的管理现象，仅关注成熟的大型数字化企业中的传统管理现象，从而造成新的管理理论难以普遍适用。

无论是学术界还是产业界，都需要有适应数字经济时代的新的管理理论，具体构建则需要从上述两方面入手解决以下几个问题：数字经济时代相对于工业经济时代究竟发生了哪些变化？这些变化之间是否存在联系？以及如何系统地描述这些变革？进一步的，传统的管理理论在哪些发面不能契合数字化企业的管理实践？为什么不能？如何结合数字经济时代的新元素完成传统管理理论的革新？本文试图围绕数据这一数字经济时代的核心生产要素，构建一套基于数据基础观的话语体系，进而推演出新时代管理理论的变革路径和方向。

2 基于数据的话语体系

从工业经济到数字经济时代的变革，最根本的变革来源于一种新型生产要素的产生，即数据，这是一种相对抽象和基础的经济学解释［6］。而上文所述的种种新兴的信息技术，则是为了更好地开发和利用这种要素而发明的工具，数字化企业为了更高效地使用这一工具，构建了新型的模式、关系和结构。毫无疑问，数据是数字经济时代来临的最大推动力，也是数字化系统的核心要素，而对于数据的社会科学研究目前主要集中在经济学和哲学领域，因此，要构建数字经济时代的管理理论，必须首先理清数据在管理实践中的意义。

2.1 数据系统逻辑

作为一种新的生产要素，数据在经济社会中的意义过于复杂和多样，至今还没有一个公认或完整的论断［7］，有学者认为可以从两方面考虑，其一数据可以优化决策，其本质上是一种信息，其二数据可以加速资源流转，其本质上是时间；也有观点认为，数据就是资本，例如在互联网金融大潮中现金的数字化以及数字货币的兴起；当然，也可以认为数据就是关系，可以降低交易成本。这些零散论断本质上都是在用过去传统理论的话语体系来解释数据，进而造成了数字经济时代管理理论的混乱，但是，对这些观点进行更深层次地梳理，可以发现其存在一定的共性。

数据无论是信息、关系、资本还是时间，都是一种不能独立存在的要素，这是其不同于土地、劳动力等生产要素的重要特点［8］。也就是说，数据需要依附于其他要素才能发挥作用，才具有管理学意义。根据第二经济的概念，其本质是为第一经济附着一个“神经层”，使其变得智能化。这里的第一经济指的是实体经济，而第二经济就是现今经济社会体系中越来越重要的数字经济。独立存在的数据是一种简化的符号，就现在的信息技术来说，就是“0”和“1”［9］。因此，数字经济可以认为是实体经济的投影，就像物体的三视图，而“0”和“1”构成的数字世界就是实体经济三维世界的二维投影。降维是人类认识世界最重要的方式之一，低维世界能够帮助人类更好地认识高维世界，例如，文学作品能够极端地演绎社会关系，虚拟游戏能够极大地刺激任性，而无论是文学作品还是虚拟游戏都是根据现实世界认为构造出的低维世界。因此，数字经济和实体经济的关系就像人的身体和思维的关系，人没有思维，也可以像猿猴一样依靠本能生存，工业经济时代也可以依靠市场自主调节运转，而思维则能够使人智能地调节身体，数据就像是链接人类的智能，帮助经济社会更加智慧地运转。所以，以实体经济的元素诠释数字经济中的数据，只能是片面的、不完整的，必须以数据的特点为基础去解释和分析实体经济，才能构建真正适合数字经济时代的理论。

2.2 数据的特征及其形成

过去大多数研究混淆了“大数据技术”与“生产要素数据”这两个概念，这导致现在对数据特点的归纳众说纷纭。其中，有认可度相对较高的4V特征，即量（volume）、速（velocity）、类（variety）、价值（value）四方面，也有相对全面的10V总结， 即 量 (volume)、 速 (velocity)、 类 (variety)、 质 (veracity)、效 (validity)、值 (value)、变 (variability)、源(venue)、词 (vocabulary)、惑 (vagueness)［10］；从数据应用角度来看，数据则具有数据载体的多栖性、数据使用的非排他性、数据使用的高盈利性、数据价值的差异性、数据使用方式的差异性、数据具体用途的不可预测性、数据使用效果的外部性等特点［11］。

数据这种元素自古有之，其表现形式多种多样，但是数字经济时代所说的数据则如上文论述中提到的，本质上是“0”和“1”的电子信号。过去学者总结的数据特点是相对于数字经济时代之前的传统数据而言的，这就导致了这些特点往往是根据技术和应用特点归纳而来的，缺乏适应整体数字化网络的系统适用性。根据数据特点构建管理理论时，应追溯数据特点的本质和形成规律，进而与传统理论的要素特点进行对比，完成对传统管理理论的变革。

2.3 数据过程

任何科学过程本质上都可以划分为3步：规定统一的度量衡、根据度量衡记录物质世界的现象、总结现象中的规律并加以运用，数据则能够依附于物质世界的各个领域加速这一科学过程，其度量衡是“0”和“1”，通过将现象转化成基于“0”和“1”的数字信号加以记录、集中和储存，通过不同的分析方式发现其中的规律，进而将其应用于该领域的生产［12］。无论是“互联网+”、大数据、区块链、人工智能还是工业互联网，其本质上都是通过某种工具、技术或手段完成这一数据过程，即数据收集，包括数据生成和数据获取、数据传输和数据储存、数据分析以及数据应用。数字化网络分为3个层次，即数据层、信息层和知识层，分别对应着数据过程的3个中间状态，数据收集之后传输和储存的就是数据层数据，加以分析后总结出的数据规律就是信息层数据，与某一领域结合完成的应用就是知识层数据。

总体而言，数据系统逻辑、数据特点和数据过程就是数字经济时代管理理论的通用话语体系，类似于资源理论中的资源、能力，需求理论中的需求、价值，创业理论中的机会，这套基于数据的话语体系就是数字经济时代完成管理理论变革的工具。由于数据的依附性，所有传统管理理论与数据结合生成的新理论系统都符合统一的数据逻辑、数据特点和数据过程，这个系统就是数据基础理论体系，如图1所示。

图1 数据基础观话语体系

3 数据基础观下的需求理论

需求理论是一个宏大的跨学科领域的话语体系，本文聚焦于自2010年以后逐渐形成的基于用户需求的企业战略理论，即需求基础观［13］。这一理论系统，多以需求和价值作为核心要素构建解释组织外部环境、企业竞争优势和战略选择的理论，其形成和兴起的时期正是数字经济时代降临的窗口，而其研究对象也多是代表性的数字化企业和行业。可以发现，需求基础观与数字经济时代的大环境密不可分，因此本文从另一个视角，也就是数据这一要素出发，重新审视需求基础观的框架、逻辑和理论。

3.1 数字经济时代的需求逻辑变化

需求是一个内涵极为丰富的名词，过去多用于经济学理论中，与供给相对应，是一个多重假设下的抽象概念，但是进入数字经济时代后，原本需求假设中被忽略的部分急剧扩大，使传统的基于需求的理论不再适用［14］。这些变化包括4个方面：第一，相同时间内要求满足的需求增加；第二，需求迅速多样化；第三，需求变动速度加快；第四，付出的成本结构发生变动。这些变化使需求具备了管理学范畴的研究价值和必要，也即是基于需求的企业战略观的基础。

在传统的认知中，社会生产力的提高意味着经济总供给的增加，而人的欲望是无止境的，因此需求总是随着供给的提升而提升，甚至往往超出供给，即人们总是为了更美好的生活而奋斗。无论是供给还是需求，两者在变动过程中通过市场的调节往往是均衡的，但是有一点是不变的，就是人们用来满足需求的时间，因为从古至今，人类的平均寿命并没有明显增加，从工业经济时代到数字经济时代更是基本没有变化，那么人们需求的增长就意味着在有限时间内获取更多的价值，具体表现为人们对碎片时间的利用、夜生活时间的延长等。这种需求的变动根源是数字化网络的激发，因为只有数据这种打破时空界限的流动性最强的生产要素才能最高效地匹配满足需求的资源，而数字化网路的全面附着性，使其可以应用在人们满足各个方面需求的过程中，这就导致了数字经济时代人们对美好生活的追求在很大程度上转化为能用数据（互联网、人工智能AI等）满足的需求不再通过其他方式满足。由于数据处理速度较快，为了应对此需求变化，企业的其他生产要素与协同生产能力必须大于数据流转速度，如提高资金流转效率等，这就是数字经济时代组织信息化、分工化、追求效率等变革的根本动力。在这种情况下，整个经济社会的总体供需仍然是均衡的，而微观层次人们用来满足需求的时间不变，但满足需求的效率提高，需求满足的选择权增强，企业也必须积极变革提高效率以应对这种需求的变化和由此引起的更加激烈的竞争。也就是说，数字化的需求必须通过数字化的供给来满足。因此，需求基础观认为的应该基于需求进行企业战略理论的构建，不如说是市场需求和企业战略的变革都是由数据引发的，符合数据逻辑框架的。

人们的需求天然存在差异性，而这种差异化需求在工业经济时代由于规模效应、市场调查、物流仓储、技术研发等成本问题只能得到部分的满足［15］。差异化战略早在波特的竞争战略中就已提出，但这种差异并不是指需求之间的差异，而是企业供给之间的差异，本质上是对差异化需求的模糊区分。数字经济时代由于数字化网络的全面性、实时性，使得人们差异化的需求能够得到更为清晰地勾勒和描绘，将之转化为个性化需求，因此，用户数据通常指的是用户行为数据，这些数据记录了用户的活动，之中蕴含着活动的动机即需求，同时也包含着用户未来活动的可能即潜在需求，所以，企业满足个性化需求的关键基础就是用户数据，这也是数字化企业战略差异化的原因。需求的多样性一直存在，数据使这种多样性不断具现，进而使数据也变得多样，两者在数字经济时代互为表里；同样的，人们的潜在需求也得到了更大程度的满足，人类“喜新厌旧”的特质得到极大程度的激发，因为旧需求满足获得的价值是不断递减的，所以人们具有极大的追求新需求满足而在有限时间内获得更大价值的动力。因此，如何追求持续稳定的数据获得，成为了企业创新、成长和变革的方向。

人们需求的满足必然伴随着价值的创造，但是人为满足需求所获得的价值还需要考虑付出的成本。在数字经济时代，这部分成本的构成发生了极大的改变，人们对需求满足过程中的金钱成本重视程度有所降低，而对时间成本、精神成本的重视大幅度提高。这实质上是因为交易成本中物质化的成本，如金钱成本等，数据化程度最高，而数据的产生和获取由于技术的进步变得成本极低，甚至边际成本为零，这时，相对较为抽象的时间成本、心理成本等由于无法在很大程度上完成数据转化，使之在总成本构成中变得突出。因此，无论是用户还是企业，能够通过数字化网络完成的供需匹配、所创造出或获得的价值，一定是成本最低的。

3.2 需求层次的数字化特征

经典的需求层次理论认为人的需求分为不同层次，且在需求量上呈现金字塔形趋势。这一理论由于存在诸多矛盾，且具有很大的模糊和不确定性而逐渐被越发严谨的管理学所弃置，但其理论思想在数字经济时代中得到了更为明确的体现。

过去，人们较高层次的需求往往依附于较低层次的需求，同时也相对模糊和内在，这导致学者们难以准确发现、描述和测量较高层次的需求，而在数字经济时代，由于数据的准确性和实时性，人们的交易、社交、学习等较高层次需求满足的过程都可以通过结构化或半结构的数据进行记录，这使心理类和行为类的管理学研究具备了打破问卷和实验研究范式的基础。通过对需求数据的分析可以明显发现，人们的需求种类在不同层次上存在差异，较低层次需求的种类较少，而较高层次需求的种类较多，也就是说，需求的多样性在高层次需求中表现得更加明显。在数据上表现为较低层次需求呈现强马太效应、弱长尾效应，例如互联网经典论断中网络满足3大类基础需求，即搜索、社交和电商，无论是中国的BAT（指百度公司、阿里巴巴集团、腾讯公司）还是世界范围内的这3类企业，都基本是一家企业占据绝对的主导优势，用户在通过数据满足类似基础层次需求时面对的数据供给差异化程度低，而网络外溢效用强、数据复制和转移门槛低；而其在较高层次的需求则表现为弱马太效应、强长尾效应，例如在娱乐、教育等市场领域呈现多家企业并存，中小企业“百花齐放”的态势，用户的较高层次需求具有较强的定制化属性，个性化程度较高，因此需求的供给种类就相对多样，差异化程度也较高，数据的复制和转移成本及难度都相应提高。

从纵向来看，不同需求层次也表现出数据黏性维度上的差异。较低层次的需求数据在短期内黏性较低、转换成本较低，例如支付宝与微信支付、滴滴出行与快滴拼车的竞争初期主要依靠优惠和补贴，但由于低层次需求的稳定性，这种需求长期存在，因此在较长时间后数据的黏性会变得极高，并且呈现出需求习惯的内化和数据的深层次依附，转换成本较高，例如微信支付与支付宝的用户隔离现象；而较高层次需求存在应变性、不确定性，因此用户数据的黏性很难提高，表现为社群经济模式和频繁的供给更新，例如网红经济等。

不同层次需求数据的特性在一定程度上决定了作为供给方的企业的战略选择和竞争态势，而更复杂的复合需求满足，如网络生态建设，则需要结合用户需求和用户数据、企业供给与企业数据等进行综合分析。

3.3 价值链理论与数据过程

在数字经济时代，数据激发需求、记录需求并且决定需求满足的方式，那么是否意味着数据具有价值呢？数据本质上是“0”和“1”的组合，字符串本身不具有任何价值，有价值的是其中蕴含的信息。数据处理的自动化、智能化和规模化使其基本不凝结劳动价值，成本极低，也正是这种特性使其可以与任何其他生产要素、生产领域结合。数据就像人的五感，感受、传导、记录着外部的现象，经过大脑的处理转化为信息，而数据同样需要一定的过程才能转化成有价值的信息，即数据过程。

数据过程就是一个不断处理数据的价值创造过程，这一过程在数字经济时代重塑了传统的价值链理论。数据使价值链彻底分为了两大部分：创造类价值生产和制造类价值生产［16］。依托于数据的人工智能、工业互联网和工业自动化技术等，使得生产制造的价值创造环节急速贬值，并且高度依赖于创造类价值的生产，两者通过数据完成不同类型生产要素的转化。这种趋势使得数字经济时代的数字化企业迅速膨胀，传统工业企业的附加值下滑，同时由于数据本身的特性，也表现出其他市场趋势［17］。由于数据的高可塑性和数据处理的价值显性，使得数字经济时代的价值链获得了极大的延伸，基于数据的价值创造使得任何一点微小的价值链环节都可以独立、稳定地存在，进而形成固定的行业领域，例如独立的外卖行业［18］；源于数据的可复制性、高流动性和开放性，使得数据高速扩散，极大地增加了价值链的广度，例如新型的众包模式。而数据的可转换性和连接性使得高度扩散和延伸的价值链紧密而自由地结合起来，造成了数字经济时代更高程度的社会分工和越发多样化的商业模式。

所以，数据价值的高低在极大程度上取决于数据过程，数据本身不存在所谓价值密度高低的特点，而是一种衡量尺度。相对于多样化的数据增值过程，数据价值链的源头都是源数据的收集，也就是数据的生成和获取，数据源的质量高低也在一定程度上决定了数据的价值密度；但是，由于数据来源的丰富性、数量价值的差异性以及数据成本的模糊性，使得数据成为流通程度最高而所有权清晰度最低的生产要素，这也是数字化企业竞争状态混乱的根源。综上，上文通过对数据系统逻辑与需求逻辑、数据特征与需求层次、数据过程与价值创造3个方面的探索，依据数据基础观话语体系进行了需求理论的数字化变革，其理论框架如图2所示。

图2 数据基础观下的需求理论框架

4 数据基础观下的资源理论

基于资源的管理理论一直是管理学的重要组成部分，例如资源基础观、资源依赖理论、动态能力理论等，它们为分析和解释企业竞争、组织成长、组织间关系等方面的问题提供了基础［19］。这里的资源多指组织的技术、资本、人力等传统要素。而随着企业家精神、数据等要素发挥越来越重要的作用，资源理论的适用性不断降低，急需契合数字经济时代中数字化企业的新型商业模式、新型组织关系和新型市场环境的变革；用户生产的数据代表着需求，同时也需要企业通过数据供给满足需求，企业则需要用户数据作为供给来产出可以满足需求的数据产品。因此，数据既是需求也是资源，而当其代表资源时，传统资源理论应如何围绕数据资源解释和预测管理现象呢？

4.1 资源观的基础逻辑变革

资源基础观是指组织拥有有价值的、稀有的、难以模仿的、难以替代的资源，以此创造独特价值，并形成和维持相对于其他组织的竞争优势［20］。这个理论框架在数字经济时代对于小微企业、草根创业、网络生态布局等管理现象上的解释有效性越发乏力，部分学者将其归因为环境不确定性增强、资源基础观的动态解释效力差，并提出复杂的动态能力体系作为补充［21］。实质上，从数据基础观的视角出发，这种不适应源于资源观基础逻辑中关于资源的抽象假设不能囊括数据这一广泛的新型资源，进而也就不能解释基于这种资源的组织、组织行为和企业战略，因此需要进行基于数据资源的理论变革。

基于资源形成竞争优势的前提是对资源的拥有，这里的资源是具有明确所有权的，进而才能讨论资源的使用、转移等问题［22］。但是，数据的所有权是相对模糊的。数据产生自数据源，也就是用户行为，那么是否由谁收集储存则所有权就归谁？数据具有相当大程度上的公共属性，那么公共数据由谁拥有则哪些企业可以使用？数据的拥有是否具有有效期？这些问题都是目前的信息技术难以解决的，也就导致了数据资源所有权的模糊性。但是数据的价值不对称性使得数据的供需双方对数据的所有权重视程度存在差异，即企业更重视数据的使用，用户更重视数据服务的供给，其中很少存在关于数据所有权的争议和买卖，因此，数据资源对传统资源理论中资源所有权的必要性和重要性提出了挑战，即在数据经济时代是否仅拥有资源的使用权就可以形成企业的竞争优势，例如共享经济中使用权的转移，实质上就是一种基于数据资源的新型利用方式。所以，基于数据的资源观应该是对数据资源的使用、挖掘、改造，进而形成企业的竞争优势。

针对数据是否有价值这一问题，上文已经进行了论述，但是这种价值在传统的资本、技术等资源与能源、土地等自然资源上存在极大差异。在相似的内外部环境下，传统资源对于不同组织的作用差异不大，例如相同数量的资本代表的价值是相似的，当然不排除存在能力、随机性等因素可能导致巨大差异的产生，但从长期来看，价值的波动较小。与传统资源不同，数据资源对于处于相似的内外部环境中的不同组织而言，其价值差异则相对较大。这源于能力因素对于数据资源的价值开发影响远大于其他资源。进一步的，人的能力包括智力、劳动等的差异会在数据资源的利用上呈现更大的波动。结合数据资源的所有权分析可以发现，在数字经济时代，依托于数据资源的价值创造将在更大程度上依靠人的智慧、能力和劳动，而非过去的主要依靠于对于资源的占有，因此，数据资源的价值实质上是一种人的价值的凝结和体现。

资源的稀缺性是指必须由少数组织占有而非普遍存在，组织才能靠其创造独特价值、形成竞争优势，但是数据资源海量、多类和快速增长等特性决定了其不具有稀缺性。数据来源具有普遍性，每个人每时每刻都会产生数据，而随着信息技术的发展，可以被采集、记录储存的数据类型越来越多，如结构化的文字、数字等和非结构化的图片、音频、视频等，导致数据总量巨大；同时，数据的增长不是传统的线性增长，而是符合摩尔定律的指数型增长，这使得数字资源快速膨胀。相对于自然资源，数字资源与资本类似，是一种完全依托于人产生的资源，具有可再生性和重复利用性，但又不同于资本代表某种社会关系相对稳定存在，而是代表人类行为的记录，甚至在某种程度上代表人类心理行为，如情绪、知识等，因此，数据资源给了企业更多的资源空间。

企业之间资源相互模仿的障碍主要有3个方面：逻辑主因关系不确定、路径依赖和模仿成本。逻辑主因关系不确定是指无法确定形成竞争优势的资源以及资源来源，但在数字经济时代，数据的开放性、可追溯性和可获得性使得这一过程变得可测量，因此依靠传统的信息不对称隐藏优势资源的方式逐渐被淘汰。由于数据的转移成本低，数据价值链延长，分工更细，标准化程度更高，这使得企业数据资源之间的模仿成本大幅度降低。逻辑主因关系不确定性的降低和模仿成本的降低并不代表着企业数据资源之间的模仿障碍降低，因为这一障碍在路径依赖方面发生了极大的分化。数据打破了时空界限，使得原本优势资源依赖的地域路径、国家路径等障碍大幅度削弱，打破了相当一部分路径依赖方式；而随着信息技术的不断发展成熟，数据流转速度提高、难度降低，数据资源的形成路径发生了极大的改变，传统的基于某种创意、创新模式的单一路径越来越容易模仿，例如共享汽车、共享单车等。但同时也有一部分新的路径形成方式产生，例如围绕基础信息技术的优势数据资源形成路径，如谷歌公司；基于整体系统的生态化优势数据资源形成路径，如阿里巴巴集团；基于用户习惯、共识的社会性优势数据资源形成路径，如腾讯公司。类似这3种路径的模仿难度大幅度提高，各自的基础也有所不同，包括技术积累、专利法律保护力度、社会文化共识等，这也进一步形成基于优势数据资源形成路径的企业发展方式。总的来说，由于路径依赖的分化，企业数据资源的模仿障碍两级分化严重。

4.2 数据资源依赖与组织间关系

资源基础观更多的是讨论某种单一资源的特性及其带来的竞争优势，但是组织不可能拥有全部独特资源［23］。资源依赖理论认为组织因为需要从外部获取资源，会因为各自资源的依赖程度不同而形成不同的组织间关系，例如权力不平衡等，组织进而会采取联盟、并购等行为手段加以应对［24］，而数据资源的特性则使组织间的资源依赖关系发生了新的改变，也衍生出了更多的竞合选择。

传统资源具有很强的排他性，例如资金只有使用者才能获得资金收益，因此需要支付资金所有者租金，从而也就形成了资源使用者和所有者之间的权力关系或竞争关系，但是数据资源具有重复利用性，且其网络外部性强，因此通过数据资源更多的是形成一种相互依赖的合作关系［25］。例如，现今中国多数APP支持使用微信账号、支付宝账号登录，腾讯公司和阿里巴巴集团的用户数据资源无疑是其最核心的优势资源，但是其他企业却可以低成本甚至无偿使用这种数据资源；相对的，腾讯公司和阿里巴巴集团也通过这种方式完善自身的网络生态，扩大整体的数据资源价值。这就形成了基于数据资源的共生的组织关系。

资源依赖理论认为组织间关系不平衡的根源在于资源获取的不确定性，但对数据资源而言，则存在不同之处。数据资源本质上是人的智慧劳动的凝结，具有很强的时效性和自我更新的动机，因此最优质的数据资源永远在未来，这就使得组织获取外部优质数据资源的必要性降低，因为基础性的外部数据资源也可以支持自身的优势数据资源形成竞争优势，例如垂直应用平台企业接入外部的支付渠道、信用评级数据等；另一方面，数据资源的形成成本可能很高，但是作为产物数据资源复制成本和转移成本却很低，甚至有学者认为新增数据的边际成本近乎为零，这就导致企业没有控制数据资源本身交易的动机，反而由于网络效应会尽可能推动这一过程，如腾讯公司、阿里巴巴集团等的数据共享和平台共享。因此，这就导致了数字化企业在维持自身优势数据资源的基础上，更倾向于使用外部的低成本、标准化的数据资源，体现为大范围数字化价值链环节的外包、协同作业等，例如餐饮、娱乐等互联网企业利用外部低成本支付渠道和信用评价数据，而数据资源的可塑性则使组织的内外部数据资源较为容易地完成优化配置进行完成服务。这两种趋势进一步结合发展，就形成了数字经济时代独有的社群经济模式：基于数据资源的共生性达到最高，资源获取的不确定性降到最低，组织的部分数据资源依托自身的用户、粉丝等利益相关者，它们大多本身就是组织优势数据资源的提供者，利用数据处理的兼容性，使数据源本身成为数据的价值创造者。

本文分别论述了需求侧和供给侧理论基于数据基础观的变革，两者通过数据这一要素打破了过去相互割裂、各自为政的存在形式，以一种互为表里、相互依存、相互联系的状态演变为更加契合数字经济时代的管理理论。因此，文本通过结合数据系统逻辑与资源基础观、数据特征与资源理论、数据过程与企业竞争优势，探讨了数据基础观话语体系下的资源理论数字化变革，其理论框架如图3所示。

图3 数据基础观下的资源理论框架

5 数据基础观在企业成长领域的应用

如今中国全面进入数字经济时代刚刚超过10年，多数数字化企业还都处于初生的新创阶段，尽管有部分已快速成长为独角兽企业，甚至是具有行业垄断地位的企业，但是对这些数字化企业的已有研究大多集中在创业领域，关注其创生、成长和创新过程［26］，可是数字经济时代的数字化企业普遍都具有新的创新方式、新的商业模式和新的成长路径，过去学者在各自领域的研究过程中不可避免地会忽略这些企业在这些方面的联系和共性，从而难以准确把握企业的成长规律和发展方向，因此，需要从数据基础观视角出发，结合数据基础观下的需求理论和资源理论，系统梳理数字化企业的成长过程，重构数字经济时代的企业成长相关理论。

5.1 数据基础观下的创业机会体系

创业研究领域存在两种过程逻辑，即因果逻辑和效果逻辑，它们各自应用于不同情境的创业行为。也有学者认为在一些特殊情境和方式下，这两种逻辑可以互补、融合、交替使用［27］。但在数字经济时代，两种创业逻辑所不能解释的创业行为越来越多，已经不仅仅是相互融合所能弥合的了。两种逻辑的理论不适用性产生的原因有两方面：其一，基于传统需求和资源的理论概括，难以准确描述数字化情境；其二，基于机会的创业理论话语体系难以准确描述数字化企业的行为过程。

效果逻辑的提出掀起了一阵对因果逻辑的批判，两者对于创业行为的解释在多个方面存在差异，而这些差异在数字经济时代又有了新的变化。因果逻辑认为未来是可以预测的，而效果逻辑则认为未来是偶然结果，不必预测而是去创造。对于未来的可预测性一直是管理理论中各个领域争论的焦点，而这个问题早在“拉普拉斯妖”的预言中就有过论述，可以引申为知道事物所有的状态和影响因素就可以掌握它的过去和未来。效果逻辑对于因果逻辑的否定在于，因果逻辑在传统技术手段下基于过去对未来的预测存在极大的误差率和延迟性，并且这种预测的成本极高；而效果逻辑放弃预测的本质是从创业者最熟悉的自身情境出发，不要求全局的预测，而是小范围地了解，这反而提高了预测的精确性。但是在数字经济时代，随着信息技术的不断发展，创业者更容易获得低成本、系统性、实时性的数据，并以此提高预测的准确性；而且，数据打破时空界限，使得创业者的熟悉边界变得模糊、衍生性增强。另一方面，需求等因素在数字经济时代的变化也更为剧烈，所能够预测的未来极为短暂，因此也需要效果逻辑的“创造未来”及时响应，这种响应往往也是基于数据的创业行为。

创业一直是一个多维跨越式的研究领域，而基于创业机会的理论体系则使创业真正成为了一门管理学科，但是，由于机会这一核心概念过于模糊和抽象，使创业理论仍然存在极大的混乱冲突，而数据这一要素则使创业机会理论得到具现。创业机会理论认为创业过程是一个机会的识别、评估、开发过程，但是在机会得到开发之前，创业过程的价值性却很模糊，这也是为什么在相当长的一段时间内“PPT创业”会大行其道［28］。在数字化的情境下，机会的识别、评估、开发，实质上就是一种特殊的数据收集、分析和应用过程，但是，依托数据的创业过程不需要极强的完整性就能创造价值，数据的生产、获取、分析、应用等每个过程都可以明确价值，甚至进行价值转移和交易，这代表着基于机会的创业过程越来越零散、短暂，需要将其转化为一种相对常规的价值创造方式，例如众包。另外，创业机会理论中也存在部分矛盾和冲突，例如创业机会是发现的还是开发的、创业机会的识别是依靠创业者特质的还是依靠环境的等问题。而基于数据的机会过程则具有极强的可追溯性，数据的附着性和系统性决定整个创业过程的各方面都可以转化成一种可视化的数据符号；同时，数据的关联性则使创业过程涉及的各领域要素得到系统性的联系，在打破创业研究领域壁垒的同时使创业真正形成一门系统性科学。本质上，创业机会是一种需求与资源的不匹配，但是这个错位由于需求和资源两方面的复杂性变得更加模糊和不确定，导致基于机会的创业理论出现一系列争议，但是在数字经济时代，数据作为两者的桥梁，完成了对基于数据基础观的需求-资源体系整合，也使创业机会得到更大程度的聚焦，使创业机会理论焕发生机。

5.2 迭代式创新的兴起基础

由于数字经济时代需求变化的周期更短，需求存在的生命周期也更短，创业者或创业组织的创业在很大程度上从过去的未被发现和未被满足需求的直接资源供给，转变为通过不断创新应对用户的差异化新需求，甚至预测、开发和操纵用户的未来需求。在这种情境下，传统的创新方式已经无法满足创业者和创业组织的要求，因此基于数据的迭代式创新形式应运而生［29］。

迭代式创新是对传统创新的颠覆，其进入数字经济时代才正式出现，并迅速地被广泛应用于数字化企业当中，是一种数据基础观在创新领域的典型应用。由于数据的可塑性、虚拟性和互联性特点以及数据过程的标准化和分工化，可以允许创业者或企业通过相对初级甚至半成的数据产业将创意具现，也就是对识别到的创业机会进行利用。这种创新方式的成本远远低于传统的创新方式，甚至还可以通过众筹、众包等方式将成本降到最低。将创意具现为创新产品和资源后，由于数据的开放性，用户可以直接体验产品并进行有效互动，而产品的使用过程和产品评价都可以通过数据加以记录和分析。数据传输的高速性足以支持用户最快地得到资源供给数据，创业者最快地得到用户需求数据，并保证一次创新过程以最快的速度完成；基于数据这种相对无限的资源，创业者就可以低成本无限次地进行反复创新和微小创新，对数据进行重复利用和深度挖掘，可以针对用户需求进行区分供给，完成连续的创新试错。而整个迭代式创新的过程都可以通过可追溯的数据进行追踪，为创业者的创新路径分析、方向选择和创新过程管理提供基础，甚至使创新这一过程变得可视化、可转移和交易。

5.3 数字化企业生态网络

数字经济时代下的数字化企业，在完成高速的创业扩张后，下一步的公司创业方向或成长路径呈现出一种前所未有的生态化形态。生态化成长也可以称为网络生态布局、生态圈建设或互联网生态系统等。无论是早期的乐视公司、阿里巴巴集团和腾讯公司，还是后来跟进的小米公司、海尔集团和滴滴出行等企业，都采用了生态化的成长方式，这实质上就是数据这一关键要素固有的相关性特征驱动的结果。这一特性在学术研究领域的应用更加广泛，获得某一事物的参数越多，越容易发现其规律。这种类似于“拉普拉斯妖”的现象，实质上就是数据网络效应的体现，主体越多方面的数据被收集，越能够提取和开发更多的价值，其“1+1＞2”的价值效应十分明显。数据的这种特性迥异于其他生产要素，根本原因就是数字经济时代的需求态势和资源供给目标发生了变化。

这种相关性同样决定了数字化企业生态成长的一些特点。首先，相同层次的需求数据、不同领域数据关系越贴近，其价值增值越能被企业所利用，例如乐视公司和滴滴出行的生态建设都是围绕相关性极强的领域进行的。其次，对于不同层次的需求数据，越是较低层次的数据越能够与更广范围的高层次数据产生价值增值，例如阿里巴巴集团和腾讯公司的生态布局领域跨度极大，天马行空。再次，数字化程度越高的企业，数据相关性增值效应越明显，这是因为数据与其他传统生产要素结合，其价值增值会受到其他要素交易成本的抑制，例如海尔集团的生态建设主要集中在创新、研发等数字化程度较高的领域，而在制造环节的生态建设较少。最后，较高层次需求数据的生态化有助于企业对较低层次数据的影响力提高，例如京东、美团公司的生态化数据层次明显高于阿里巴巴集团和腾讯公司，但是其生态化建设程度较高时，更有可能使用户由于惯性、安全等基础层次需求而选择其较低层次的数据供给，例如支付。

6 总结与展望

本文首先通过数据网络逻辑、数据特性和数据过程建立了数据基础观的基本支柱和工具，作为整个话语体系的关键概念，然后基于数据基础观的话语体系重新构建数字经济时代的传统管理理论，完成其数字化变革。为什么不能称为数据基础观理论或数据基础理论呢？这是因为数据是一种客观存在生产要素，其特点不以人的意志为转移，但是它又不同于土地、资本等要素，因为数据与人的联系最为紧密。在管理学中，只有基于人的规律才能够称为理论，所以需要将数据与人的活动相结合。本文仅做了需求理论、资源理论和企业成本理论3个领域的数据基础观的理论重构，是因为这3个领域最为基础、应用空间最为广泛。数据基础观可以与任何管理理论领域结合，例如与商业模式理论结合，对价值主张、价值创造、价值分配进行数字化的解读；与竞争理论领域结合，构建企业基于数据的竞合关系；与新型信息技术结合，基于数据分析人工智能、物联网和区块链等的商业本质和数字化应用。当所有的“拼图”全部完成，管理学就完成了数字经济时代的理论更新，形成一支新的理论分支。