数字化转型解决方案提供能力的培养——基于北京国双科技的单案例研究

高旭东，王晓瑜，王金晓，李晓华，王舒扬

（1.清华大学经济管理学院，北京 100084；2.山东大学管理学院，山东 济南 250100）

1 引言

数字化转型是企业培养技术能力、提高管理水平、应对外部竞争的重要手段。很多企业对数字化转型采取了非常积极的态度，但现实中的数字化转型效果并不理想。转型效果不理想的原因可能有：①企业数字化转型的措施存在缺陷及主要领导的重视和参与度不够；②由于路径依赖，企业镶嵌于同客户和供应商的现有关系中，依赖难以重新配置的资源；③组织文化、身份认同和合法性等造成的制度障碍；④没有能力投入足够的资源改变自身资源基础、提升自身动态能力，使得企业难以通过构建生态系统及设计与环境匹配的商业模式来创造和获取价值。

以上观点都是从数字化转型的企业内部寻找原因，实际上，数字化转型效果不理想也可能是由外部原因造成的。例如，提供数字化转型方案的服务商或平台能力不够，提供的转型方案难以实施，难以产生预期的效果。

根据我们长期跟踪研究的结果，在产业互联网领域，数字化转型方案提供企业的能力不足可能是数字化转型效果不理想的主要原因。例如，某著名跨国公司（公司A）同国内一家大型企业（公司B）签订了合同，为公司B提供数字化转型解决方案；这个合同的合同额高达数千万人民币，但是两年时间过去，公司A迟迟拿不出有效的解决方案。再如，某世界著名的国内IT企业（公司C）同一家大型央企（公司D）签订了合同，为公司D提供数字化转型解决方案，结果公司C也是迟迟不能兑现承诺。

在众多的数字化转型方案提供企业中，有些企业的表现很突出，除知名度非常高的百度、阿里、腾讯等以外，北京国双科技（以下简称“国双”）、沃德（天津）智能技术有限公司（以下简称“沃德”）也是很好的例子。以沃德为例，其典型的客户有国家能源集团、神华、一潭、兖矿、大唐、华能等。沃德主要为这些客户解决工业流程中存在的互联网需求问题，如流程中出现的安全问题（生产安全、人员安全等），以及降低劳动强度、降低库存、降低资金占用率等问题。

本文的研究对象是国双，核心目的是寻找该企业为什么能够培养出行业领先的数字化转型解决方案提供能力的答案。国双是一家规模不太大的企业，但却拥有行业领先的数字化转型解决方案提供能力。公司CEO祁国晟先生曾指出：关于数据仓库并行化，现在真正做得好的只有亚马逊、微软和国双；相比跨国公司，国双在核心技术上具有明显优势，而在一些非核心技术上仍有差距，这需要长期积累。实际上，国双的解决方案已经在上面提到的公司D落地，并替代了跨国公司的产品；公司B也已选定了国双的解决方案。

本文的研究方法是基于理论指导下的单案例研究。研究表明，国双强大的解决方案提供能力是基于公司走了一条“化繁为简”的道路，并且找到了一个明显优于行业通行做法的新模式，即在国双内部建立尽可能贴近真实应用场景的“数据科学家+行业专家”试验田，同时以领先的底层技术（数据仓库并行化、自然语言处理）和真正反映行业特点的知识图谱为支撑，开发出个性化的数字化转型解决方案。国双的方法有效地保证了知识图谱的高质量（不但技术水平先进，而且实用性强），从而保证了方案的高质量（不但技术水平先进，而且实用性强）。从更深层次来看，国双的能力培养具有鲜明的面向长远、着眼未来的特征，而这同企业创始人的核心价值观和企业文化的导向作用密切相关。该发现具有重要的理论意义和实践意义。

2 理论背景

企业的能力培养是一个非常复杂的过程，虽然影响因素很多，但也是有规律可循的。与本研究紧密相关的文献可以分为三大类：一是关于企业内部因素或者外部因素作为独立因素对企业能力培养影响的研究；二是关于企业内部因素与外部因素互动对企业能力培养影响的研究；三是关于发展中国家企业如何培养能力以实现追赶和超越的研究。

第一类文献非常丰富。Bhide的研究强调，对于新创企业而言，外部环境的影响往往居于主导地位，企业需要特别重视适应环境；当然，企业能够生存以后，需要尽快把核心能力培养放在核心位置，即使这样做会在短期内妨碍企业规模的扩大。对于行业领先企业而言，除企业内部基本的资源投入（人力、物力和财力）以外，还需要特别关注技术变化的性质和方向，区分是渐进性创新还是突破性创新，是结构性创新还是其他类型的创新，是在现有的价值网络内创新还是在新的价值网络内创新。

第二类文献观点相对集中，与本研究的关系也更为密切。例如，Lundvall认为，现代经济中影响创新能力的一个基本问题是产品生产者（producer）与使用者（user）的分离，提高企业的创新能力，必须处理好二者之间的关系（U—P互动关系），保证二者的有效互动。有关创新平台、创新生态的研究也有类似的发现，即平台领导者、创新生态领导者具有特殊作用，为平台或者生态体系中的其他利益相关者提供帮助。

现有研究还表明，虽然有效的U—P关系很重要，但在现实中建立有效的U—P关系面临很多的挑战。这种有效关系的建立更多是在使用者的主导下完成的，我国诸多成功实现追赶和超越的例子（如高铁、地铁、特高压技术等）都说明了这一点；即使是在政府强力的干预下，也需要使用者的积极配合，如我国第三代移动通信TD-SCDMA。

第三类文献也很丰富，强调在高度重视基本资源投入（人力、物力和财力）的基础上，认真把握好各种机会，也特别强调要把握好颠覆性、突破性创新的机会。在第三类文献中，以“产业创新系统”（Sectoral Innovation System）为基础的“追赶周期理论”（Catch-up Cycle Theory）与本研究的关系尤为密切。这一理论认为，在技术机会、市场机会、制度机会合适的产业中，发展中国家可以实现对发达国家的超越。我国在移动通信（3G、4G、5G）、特高压、高铁、发电设备等领域的成功实践，验证并拓展了这一理论，发现确立有挑战性的战略意图（Strategic Intent）和高远的创新目标具有特别重要的意义。

上述三类文献虽然对本研究有重要的借鉴意义，但也存在明显的不足，无法就本研究提出的问题提供满意的答案。例如，实现数字化转型的一个重要技术基础是数据仓库，其相对于传统的数据库，可以说是突破性创新；另一个重要技术基础是自然语言处理，也属于新兴技术。根据第一类文献中关于突破性创新的研究，数字化转型对于甲骨文（Oracle）、IBM等老企业来说是巨大的挑战，而对国双这类新兴企业来说则是很好的机会，这在一定程度上可以解释国双为什么能够崛起。但是，同样是根据第一类文献，由于数据仓库、自然语言处理的创新可以在现有的价值网络中进行，甲骨文、IBM等老企业不会面临特殊的劣势，但是实际情况并非如此。现有文献在这里是存在矛盾的。

再如，第二类文献特别强调有效的U—P互动关系，但是如何互动才算有效？现有的研究只给出了有限的答案。例如，Lundvall强调物理距离、相同文化背景的重要性，即生产者和使用者尽可能聚集在一个地方。Porter的研究也得出了同样的观点。而国双数字化转型解决方案的高质量核心在于，在企业内部创造性地建立了尽可能真实模拟U—P互动关系的试验田，这虽然与生产者和使用者的物理距离、文化背景有关系，但是关系并没有那么密切。这也是本研究需要分析和讨论的。

第三类文献对本研究的启发很大，实现赶超既需要关注技术、市场、制度等各种机会，也需要重视企业的战略意图和高远目标追求。国双对这些机会独特而深刻的认识，再加上自身文化特质，是该企业能够走在行业前列的根本原因。

3 研究方法

本文的研究方法是基于理论指导的单案例研究，主要目的既不是建立全新的理论，也不是用计量经济学的方法验证一个特定的理论，而是从国双这一个案例出发，探讨现有理论能否回答本研究拟回答的核心问题，即国双提供行业领先的数字化转型解决方案的能力是如何培养出来的，进而讨论本案例研究对现有理论的进一步完善是否有帮助。因此，本研究既是案例分析，也是理论指导，或可视为现有理论与国双实践的比较。

本文主要关注的是国双的演化过程。该企业成立于2005年12月，当时包括CEO在内的4位创始人还是清华大学计算机软件专业的大四学生，如今已发展成为一家拥有近1 200名员工、在国内有7家分公司的高科技企业，是中国领先的云计算企业级大数据和人工智能解决方案提供商。2016年9月，国双科技成功登陆美国纳斯达克，成为中国首家赴美上市的大数据企业。

在国双的发展历程中，技术创新是一个鲜明的特征。表1列举了国双在技术创新方面取得的主要成就。

表1 国双取得的主要技术创新成就

除了公开数据外，本研究的数据来源主要有两个方面：第一，对国双的长期观察。本文作者之一自国双成立之初就是董事会成员，长期关注企业的发展。第二，对国双高管团队的访谈，包括CEO、CTO、油气部门负责人等。

对于数据的分析，本文采用“在理论指导下，边收集数据边分析数据”的不断循环前进的方法。这与早期扎根理论的数据分析方法有一定的相似之处，但是更接近张五常先生提出的方法。

在回顾国双发展历程、收集分析公开数据的基础上，笔者对公司高管的访谈直接从这个问题入手：在众多的数字化转型解决方案提供商中，国双为什么能够脱颖而出？从访谈的结果来看，公司高管们的看法虽然侧重点有所不同，但总体比较一致。例如，大家都非常认同深厚的技术积累的作用，也非常认同“数据科学家+行业专家”的模式。在此基础上，我们提出了新的问题：国双为什么能够实现深厚的技术积累，为什么能够总结出“数据科学家+行业专家”这一模式？该过程一直持续到没有新的问题为止。在这个过程中，对已有数据的分析，新访谈问题的提出，对新数据的分析，都是在相关理论指导下进行的。也就是说，通过对“提出问题，获得数据，以理论指导进行数据分析，再提出问题，收集数据，再分析数据”这一过程不断迭代，直到回答了本研究的核心问题。图1是基于数据分析总结出的国双数字化转型解决方案能力培养示意图。

图1 国双数字化转型解决方案能力培养示意图

4 主要发现

4.1 走一条“化繁为简”的道路

本研究最重要的发现是，国双对数字化转型的一些基本问题有着独到的见解，因而对数字化转型的基本规律有着深刻的把握。这也是国双成为行业领先的数字化转型方案提供商的重要基础。

具体而言，国双认为，数字化转型要想真正走向智能化，必须建立在计算机对自然语言处理的基础之上，计算机必须既会处理结构化的数据，也会处理非结构化的数据，真正会思考问题。正因为如此，国双非常重视同处于自然语言处理领域最前沿的高校和科研机构开展合作。例如，2014年成立“中国人民大学-国双数据科学联合实验室”，2015年成立“哈工大-国双数据科学联合实验室”。

那么，计算机能不能在短期内具备高超的认知能力而不仅仅是感知能力，从而完全理解自然语言？国双认为，从一般意义上讲，答案是否定的，可能还需要20～30年的时间，或者更长；但是，计算机在特定领域可以实现重大技术突破。正是基于这样的认识，国双没有试图制定一个通用的、适合于多个场景的数字化转型方案，像微软一样，开发一个操作系统或者应用软件（如Office）。相反，国双的战略是“化繁为简”，选择特定的领域或者行业，在这些领域或者行业中一个一个攻关、一个一个突破。目前，国双在司法领域、油气行业，都实现了具备相当智能水平的数字化转型解决方案的落地。

从追赶周期理论看，相比于传统的信息化，以大数据、人工智能为基础的数字化转型过程中存在着技术、市场、制度等多种机会。从技术机会看，由于技术创新主要是针对新兴技术，对国双而言，存在赶超的机会；从市场机会看，根据国双CTO刘激扬先生的看法，没有一家企业不需要数字化转型，因而潜在的市场机会也是巨大的；从制度机会看，世界各国对数字化转型都高度重视，这为数字化转型创造了非常有利的条件。

在机会众多的背景下，国双没有选择制定通用的数字化转型方案，而是走了一条一个一个攻关、一个一个突破的“化繁为简”道路。国双“化繁为简”道路的实质是，充分考虑自然语言处理领域的技术发展水平，把一个本来异常复杂的问题（通用的数字化转型方案）简化为多个适应特定领域或者行业甚至是具体场景的数字化转型方案；再加上国双在诸多核心领域（如数据仓库并行化）的技术突破，相比于同行业企业，其“化繁为简”道路似乎走得更加顺利。

实际上，对复杂问题的难度认识不足，足以让一个企业的竞争优势面临巨大挑战。例如，IBM试图在多个计算机体系结构之间建立兼容性的尝试就是一个惨痛的教训。关于对数字化转型面临的一系列挑战的研究，包括数字化转型过程的复杂性、多样性以及数字化转型战略的适应性、灵活性，也在一定程度上回答了为什么国双选择的数字化转型道路会比较顺利。

4.2 在企业内部建立尽可能接近现实的U—P互动“试验田”

在国双内部建立以“数据科学家+行业专家”为基础的、尽可能接近现实的U—P互动“试验田”，是国双能够提供高质量数字化转型方案的直接原因。“试验田”的基本功能是让行业专家团队与数据库科学团队进行紧密合作，共同推出满足真实应用场景要求的解决方案。

大数据人工智能建设项目属于应用驱动型建设模式，必须从具体的应用需求出发。行业专家先进行业务分析、工作流程拆分和业务模型建立，再与数据科学团队一起构建逻辑算法模型，最后引入所需数据进行训练、测试与验证，直至整套系统趋近理想状态。在此过程中，行业专家和数据科学团队紧密合作，通过用户的实际数据和业务流程来验证，形成特定应用的智能模型，并且不断循环迭代、不断优化，最终部署到企业实际生产中去。图2是国双总结出来的指导油气行业解决方案开发的一个模型。

图2 国双油气行业解决方案开发模型

可以看出，国双提供的这一解决方案不同于传统软件企业的做法，也不同于互联网企业的一般做法。互联网企业一般先开发出软件，然后将其拿到实践中应用并发现问题、解决问题，在不断迭代中对软件进行完善。这一做法有一个致命的缺点：对解决方案的应用方而言，风险太大，成本太高，客户很难接受。

国双的做法则不然，在国双的“试验田”里，可以将行业专家看作是虚拟的“客户”，他们以丰富的行业经验提出特定应用场景的具体需求，以此引导数据科学家建立算法模型。从某种意义上讲，这个过程的实质是尽可能把高风险、高成本的问题在国双内部化解。

需要特别指出的是，在国双“数据科学家+行业专家”的“试验田”模型里，数据科学家的作用是容易理解的，其在不同企业之间的差异不是特别大，但是行业专家的作用并不容易理解。实际上，行业专家的作用是独特的、不可替代的。

第一，客户代替不了行业专家。虽然最理想的状态是国双的数据科学家与客户紧密合作，一起研究解决方案，但这在现实中是难以做到的。因为极少有客户对大数据和人工智能有足够深刻的理解，能够与数据科学家进行有效的互动；同时考虑到紧密合作需要的付出，特别是时间上的付出，数据科学家与客户的紧密合作就更难以实现。实际上，在解决方案的开发过程中，最初的算法模型效果很难非常理想，这就需要行业专家与数据科学家一起找出问题所在，并反复优化模型，而这种不断试错的风险和成本太高也会导致客户不愿意参加。

第二，业内流行的外包模式也无法代替国双内部的行业专家的作用。具体而言，有些数字化转型解决方案提供商也重视了解客户的需求，但主要是通过外包的方式，让“了解行业的合作伙伴”提供客户需求。相比于国双内部的行业专家，这些合作伙伴对行业的理解、对客户需求的把握，是远远不到位的。这些合作伙伴，也不可能像国双内部的行业专家一样，能够与数据科学家进行有效的沟通。

当然，国双成功的关键，即在企业内部建立尽可能接近现实的U—P互动“试验田”，进而构建“数据科学家+行业专家”的创新模式，形成专家知识代码化的一整套方法论，并在后续的工作中得到了验证和完善，这并非是一开始就想到的，而是一个不断探索和学习的过程。例如，国双早期对于行业专家的定位并不在数据产品的创新和场景化落地上。当时国双对于行业专家的要求是“理解客户需求，辅助售前产品业务理念的宣讲；利用业务经验，辅助项目演示方案、演示数据的准备；支持项目需求调研，帮助产品、技术增强业务理解；把握行业方向，能够根据国双目前的优势或者储备提出项目建议；代表国双参加业务研讨会”。也就是说，从当时的情况来看，国双只是让行业专家作为客户与产品之间的沟通桥梁。

但是，在业务的开展过程中，国双的行业专家和数据科学家在技术和司法之间存在知识缺口的问题凸显，进而导致在项目开发中增加沟通成本、造成资源浪费。国双开始聘请专家对技术人员进行培训：一方面，组织专家对技术人员进行专项培训（包括司法程序、司法专有名词等）；另一方面，组建一个特殊的小组——包括数据科学家、技术专家、司法专家，以期培养出一批既懂业务、技术又懂法律的复合型人才。经实践验证，此做法效果非常好，于是国双开启了“数据科学家+行业专家”的创新模式。

4.3 以深厚的大数据和AI技术积累为支撑

国双的数字化转型方案之所以有竞争力，不仅仅是通过“数据科学家+行业专家”的试验田准确掌握了用户的一般需求，而是以大数据和AI技术为基础，提供了行业领先的、能够满足特定需求的解决方案。

以国双早期的司法LD产品为例，该产品虽然可以为司法从业者提供强大的数据检索和挖掘服务，但是在具体的应用场景中，如在法官的审判工作中，尚不能提供便捷的智能辅助功能。国双由行业专家（法官）、数据科学家和技术专家组成的产品创新团队推出了“智讼”产品，使得LD技术在法官的审理和判决流程的应用场景中成功落地。“智讼”包括“智能阅卷辅助”“主动式智能推送”“智能文书生成”“类案文书预警”以及“诉审判一致性提醒”等5个功能模块。“智讼”可根据案件所处的诉讼阶段，智能切换不同的办案工具，或者启动同一办案工具的不同服务，推送不同的知识内容，为法官提供针对性的办案辅助。“智讼”在司法程序进阶的各个业务节点上，借助从业务流程系统中采集到的数据，能够分节点、分类型地为法官自动推送知识，给出开庭建议，完成文书写作，是法官智能服务的“百宝箱”。从早期的LD产品到后来的“智讼”，这是一个不断提升的过程，最终实现了技术和产品性能的巨大飞跃。

如同“试验田”的建立和运行是一个不断探索和学习的过程，国双的大数据和人工智能技术也是逐步积累起来的。长期积累的大数据和人工智能技术、工具，是国双项目团队能够顺利开展工作的前提。很多项目中经过实践验证的模型和算法，可以被加工复制到类似的项目或应用场景中，从而逐渐形成一整套此行业的主题模型体系，并不断迭代升级。深厚的技术积累，使国双有大量实用的软件产品、工具及资源做保障，这些确保了智能项目能够顺利落地。

技术积累的背后是人才的储备。国双已组建了一支非常优秀的数据科学团队，他们拥有强大的研究、开发、分析、建模和交付能力，在行业中具有明显优势，是国双的“战略资产”。这支数据科学团队，聚集了很多顶尖科学家，在数据挖掘和智能分析、知识图谱构建以及智能应用等方面有比较丰富的经验，能够根据客户的数据及业务需求快速构建出可执行的算法模型。根据不同行业的业务特点，数据科学团队与行业专家紧密合作，基于最先进的算法模型，进行有针对性的改造和适配，以满足行业特定需求。

实际上，国双的技术能力涵盖了广泛的领域，主要包括：①全栈式地从数据采集到数据智能的技术能力；②高性能地处理结构化和非结构化数据并把知识和经验高效、准确地代码化的能力；③提供企业级通用的大数据平台、数据仓库、数据智能平台、知识智能基础平台等产品的能力。这些技术能力使国双能够在众多的应用领域中为客户提供场景化落地的产品。

4.4 以强大的行业专家团队为基础

在国双“数据科学家+行业专家”的模式中，既懂业务又了解信息技术的资深行业专家团队的作用至关重要。国双业务团队对所服务对象非常熟悉，根据产业划分，组建资深的行业专家团队。他们了解行业需求、清楚业务痛点，可以从人工智能应用角度提供解决方案，并能够被用户所理解和接受。国双的行业专家团队不仅掌握行业知识，还拥有大数据和人工智能的思维逻辑。只有这样，才能够将行业应用需求准确有效地“翻译”给数据科学团队，用于构建行业的智能化应用模型。

此外，行业专家的作用不仅仅是“翻译”，很多时候还带来了观念上的变革。例如，国双的行业专家认为：企业智能化建设需要不断尝试、逐步完善。甄别合适的应用和需求很重要，不要期望大数据和人工智能技术能解决所有业务难题，任何技术都有它的适用性和局限性。不同行业之间的智能应用是不可复制的。相似的场景，因产业特性不同，实现难度和复杂度也会不一样。产业智能化的特点是实现系统的自我学习和优化，这与传统的信息化建设完全不同。再如，人工智能在产业的落地和应用阶段为企业创造价值，但其实施过程需要根据企业的自身情况，按照自动化、智能化和创新化等层次，不断提升产业的人工智能水平。在自动化阶段，不改变现有的业务流程，让机器替代人自动执行业务流程，从而实现降本增效；在智能化阶段，企业基于知识图谱等认知智能技术，让机器具备分析和决策能力，对业务流程进行改造，创造增量价值；在创新化阶段，人工智能技术与行业深度融合，重塑业务流程和产业链。

行业专家的重要及特殊作用决定了他们需要具备良好的沟通技巧。一方面，体现在国双内部的沟通上。由于专业和职业不同，行业专家与数据科学家的思维客观上存在很大的差别，把行业应用需求准确有效地“翻译”给数据科学家并不容易。行业专家必须高度关注行业需求的各种细节，考虑各种因素，包括影响成本和效益等的因素。数据科学家往往习惯于运用科学的抽象思维，简化复杂的现实世界，开发出尽可能通用的模型。但是，如果缺乏对现实世界中各个行业运行复杂性的充分认识，模型往往难以输出令客户满意的结果。另一方面，行业专家还需要对外进行有效的沟通，把复杂的、技术含量很高的解决方案向客户说明白。这是一件非常不容易的事情，因为大多数客户对相关技术的理解是有限的。在这个过程中，行业专家的大数据和人工智能的思维逻辑是非常有帮助的。当然，行业专家还有特殊优势，那就是他们来自行业，在行业内有比较广泛的影响，更容易取得客户的信任和认可。

4.5 企业创始人的核心价值观与企业文化的导向作用

对很多企业而言，特别是实力雄厚的大企业，无论是建立“试验田”、打造数据科学团队，还是组建行业专家团队，都是可以实现的。那么，为什么国双做得非常出色，成为行业领先者？这可能归结于企业创始人的核心价值观与企业文化的导向作用。

国双是一家由愿景和战略双驱动的公司，其愿景是成为一家为社会做出重大贡献的企业。在这样的愿景下，公司的重要决策就不会受太多短期利益因素的影响和干扰，从而为各种能力的培养，特别是深厚的技术积累，提供一个适宜的土壤和环境。例如，国双曾经有机会与某著名跨国公司合作建立合资企业或者被收购。在大多数创业者眼里，这是一个千载难逢的机会。但是，国双经过认真考虑，认为这不符合公司的发展愿景，不利于企业的独立成长，果断放弃了这一机会。

再如，在处理扩大企业规模、降低成本与增强企业能力的关系上，国双更倾向于增强企业能力。一个具体的例子是，在成功开发出司法LD后，国双放弃了迅速开拓市场、扩大规模、获得收益的机会，而是继续深入研究AI技术，不做出“智讼”不罢休。

国双能够在油气领域提供行业领先的解决方案，是由很多因素促成的，包括深厚的技术积累以及行业专家与数据科学家的密切合作，但是深层原因却是公司的战略支持。在很长一段时间，这个业务主要是投入，没有产出或者产出极为有限，如果没有公司的战略支持，这是做不到的。

近几年，受大环境的影响，国双的效益并不好，但是其科研活动并没有受到太大的影响，科研投入继续大幅度增加，这也是在国双“三年战略”（成为企业和政府组织数字化、智能化转型的领先者）的指导下进行的。这一战略的效果是明显的，国双的技术能力得到了大幅度的提升。在大数据领域，国双基于分布式并行计算的优势，经过多年的深耕细作，大数据产品产出能力及其后端的多维度分析引擎技术在大数据行业处于领先地位；在人工智能领域，国双在人工智能认知层，即自然语言处理与知识图谱关键领域取得了重大突破，在国际顶级学术会议上发表了多篇论文，并摘取了多个人工智能大赛冠亚军；在知识产权方面，截至2020年6月，国双专利申请量累计超过3 300件，其中大数据领域发明专利申请量超过2 200件，人工智能领域发明专利申请量超过400件。

5 结论与讨论

本研究的主要目的是探讨国双公司是如何培养提供数字化转型解决方案能力的。研究发现该能力的培养是多方面的：走一条“化繁为简”的道路；建立以“数据科学家+行业专家”为基础的“试验田”；企业创始人的核心价值观与企业文化的导向作用等。

①走一条“化繁为简”的道路。从实践角度看，这条道路对国双具有重大的意义。它不仅把异常复杂的问题切割成了可以应对的多个小的组成部分，而且为建立以“数据科学家+行业专家”为基础的“试验田”奠定了基础。从这一角度看，数字化转型领域的其他企业，特别是互联网领域的企业，如百度、阿里、腾讯、华为等，也可以借鉴“化繁为简”的模式。

“化繁为简”道路的理论意义也是非常重要的。复杂产品研发是建立在多项技术基础之上的，而这些技术的成熟可能有快有慢，所以企业在技术能力培养过程中往往需要将技术发明与技术应用分开，从而避免多项成熟技术（长时间）等待一项不成熟技术的情况出现。本研究表明，在数字化转型方案这样的复杂技术体系中，“化繁为简”可以起到类似于将技术发明与技术应用分开的作用。这是对现有复杂产品开发理论的验证和拓展。

②建立以“数据科学家+行业专家”为基础的“试验田”。这是一种方法论，其实践价值已在国双得到证明，在此主要讨论其理论意义。在理论背景部分已经指出，生产者与使用者之间的有效互动是创新的必要条件。对此，传统的解决办法是地理位置接近、文化背景相同（相似），这可以解决一定的问题，但是缺点也是明显的。如果产品非常复杂、创新周期很长、风险巨大，还是难以形成有效的互动。我国高铁、特高压等产业的创新主要是由使用者主导，而由生产者主导的TD-SCDMA创新困难重重，直到中移动（使用者）接手后，才进入良性互动。本研究表明，在一些情况下，如创新的产品是复杂软件，在软件提供企业内部模拟实现U—P互动是可行的。这是对U—P互动理论的拓展。

③企业创始人的核心价值观与企业文化的导向作用。定位、使命、愿景、核心价值观、文化是企业战略管理中的核心概念，是企业管理的重要内容。在本研究中，可以看到这些概念对企业创新能力实实在在的影响。这些影响，有时体现在重大决策上（如是否把企业卖给跨国公司，是否建立费时费力的“数据科学家+行业专家”模式），更多时候体现在日常工作中。需要特别指出的是，国双长期坚持“成为一家为社会做出重大贡献的企业”的愿景，其成本是巨大的，既包括资金成本，更包括企业领导和员工铭记在心里的使命感和责任感。这启发我们，需要从理论上更深入地研究定位、使命、愿景、核心价值观、文化等在创新能力培养中的作用。

本文的不足之处在于：这是一个单案例研究，虽然有理论指导，但是其结论能否在更大的范围内有启发意义，还需要进行更多的研究。例如，行业专家的重要性是显而易见的，但是如何发现他们？如何吸引他们？如何使他们具备大数据和人工智能的思维逻辑？再如，如何发现“化繁为简”的道路？哪些因素会影响这条道路的发现？这些都是未来非常重要的研究方向。