基于动态能力多重观点整合视角的企业大数据能力概念内涵、层级结构与构成要素研究

何中伟

（江苏洋河酒厂股份有限公司， 江苏 宿迁 223800）

0 引言

近年来，随着互联网、物联网和移动终端应用日益普及，人类正面临着前所未有的数据爆炸。数据逐渐成为继人、财、物、信息之后又一种具有战略意义的新型生产要素。资源基础理论（RBV）表明资源以及基于资源形成的能力是企业竞争优势的来源。从资源视角看，大数据是企业的一项重要资产，在相对稳定的环境下，大数据资源本身就是企业核心竞争力的来源，但在动态环境下，企业面临着顾客需求的日益多样化和个性化、产品生命周期缩短、任意批量订单生产以及新技术和新商业模式的不断冲击和挑战，在此环境下取胜的唯一法宝便是培育适应外界环境变化的能力，即动态能力。因此，仅从资源视角研究大数据本身还远远不够，资源本身并不能直接促进企业发展，资源需要转化成能力才能为企业带来竞争优势。目前，已有部分学者开始提出大数据能力的概念，研究大数据能力的结构、影响因素、价值创造路径、绩效作用机理、培育机制等等。然而，有关大数据能力的研究从总体上来说仍处于起步阶段，特别是相对于资源视角与技术视角的大数据研究，聚焦于管理视角研究大数据的基础性、系统性理论框架和实证研究仍然比较匮乏。尤其，对于“大数据能力是什么、如何对其进行定义？大数据能力组成结构包括哪些要素、各个要素之间又是什么关系?”等基础性问题，现有文献还没有进行很好的回答。而对这些问题的回答，无疑会丰富大数据能力研究的理论成果，为进一步探究大数据能力的测度、大数据能力形成的驱动因素、大数据能力与企业绩效等变量之间的相互关系打下坚实基础；也为企业识别、构建、整合与提升大数据能力等管理实践，提供有益建议。

1 大数据能力概念内涵与结构维度研究现状

Lavalle 等[1]首先提出大数据能力的概念，认为大数据能力是指数据筛选、整理、分析与应用的能力，但并未做详细解释。之后Hurwitz 等[2]、Kyungshik 等[3]、程刚等[4]、谢卫红等[5]相继展开了大数据能力研究，为大数据能力理论奠定了基础。目前，国外学者主要基于技术、管理应用与创新发展3 个不同视角给出了大数据能力的概念。Hurwitz 等[2]认为大数据能力是企业能够对巨量离散数据进行实时分析和挖掘，进而将其转化成洞察和智能的能力，该能力代表了新一代数据管理与分析技术，包含大数据的“采集与交换、预处理与存储、分析与挖掘、展现与传递”等技术。Kyungshik 等[3]指出大数据能力是一种“数据驱动”能力，即企业价值链各个环节、运营与管理不同阶段均可以自下而上地由数据来驱动，甚至可以由机器根据数据直接决策。并且，大数据能力还是整合内外部资源，通过深度分析，预测、适应环境变化的能力，包括资源整合、深度分析、实时洞察与预测等三方面[5]。此外，大数据能力还是“数据闭环”应用的能力[6]，大数据的具体应用往往能够构造起从“数据采集、建模分析、效果评估到反馈修正”各个环节的完整“数据闭环”，不断优化、螺旋上升[7-8]。Marfo[9]表明大数据能力是通过学习和创新，不断拓展和深化大数据应用范围与应用程度的能力，它能使企业更加敏捷、柔性地适应环境变化，在大数据实践中实现动态平衡，由“大数据战略规划能力、大数据学习与创新能力以及大数据动态反应能力”3 维度构成。

国内学者程刚、李敏等提出了大数据能力的定义，但此定义的提出缺乏理论体系支撑，并且未对该定义内涵进行具体阐述，另外，此定义忽略了大数据能力的动态性特征，也未能就大数据能力的维度划分进行研究。王田绘[10]、成明慧[11]基于动态能力理论分析了大数据能力的内涵，给出了大数据能力的概念，开发了大数据3 个维度的测量量表，但是未能结合大数据本身的数据、技术与管理的三重特征综合给出大数据能力的概念与内涵，忽略了大数据能力的层级与动态的特性，也未能对大数据能力维度进行基于理论支撑的构建与检验。

2 大数据能力的理论基础

2.1 能力阶层分类理论

Collis[12]在系统总结企业能力已有定义基础上，将企业能力分为“能够比竞争对手更有效地执行企业基本职能活动的能力、企业动态提升各项业务活动的能力、企业能够认识到其他资源的内在价值并早于竞争对手制定新战略的能力”等三类。Javidan[13]则把能力分成“资源、能力、竞争力和核心竞争力”四个层次，并且给出了一个逐层提升的演进逻辑框架。Drejer A 等[14]依据复杂性程度对企业能力进行分类，提出了简单能力、半复杂能力和复杂能力的理念。Wang 和Ahmed[15]提出动态能力的层级模型，认为企业能力是广义上的层级概念，企业所拥有的资源基础是其零阶能力，企业生存技能的狭义“能力”是一阶能力，与竞争优势相关的“核心竞争力”是二阶能力，组织整合、更新、再造、重构、环境适应等能力则是三阶能力。周玉泉，李垣等[16]将组织能力分为运营能力和动态能力两类。运营能力确定组织能够做什么，它存在于组织固定流程和惯例中，能够确保组织达成一定的绩效水平，属于零阶能力。动态能力指企业为适应外界环境变化，及时整合内外部资源，不断优化制度、流程与规范，快速满足市场需求，进而获得持续竞争优势的能力。运营能力是相对稳定的，而动态能力则反映组织随环境变化不断整合、重构与配适。能力的阶层分类理论揭示了组织能力的阶层化特征，反映了能力由低到高逐层演化、渐进提升的逻辑，为我们界定大数据能力的维度结构提供一个很好的分析框架。

2.2 动态能力理论

动态能力的概念由（Teece 和Pisano，1997）提出，他们认为动态能力中的动态是指企业为了适应商业运行环境的需要而对自身已有能力进行整合与重构，而能力则是指适应、整合更新和重构组织内外部资源的知识、经验与技能[17]。动态能力理论研究包括以Henderson 和Clark 为代表的技术观点（Technology View）、以Teece 等为代表的更新观点（RenewView）、以Eisenhardt&Martin 为代表的流程观点（Process View）和以Zollo&Winter 为代表的组织学习观点（Learning View）等四类观点。

2.2.1 技术观点（Technology View）

技术观点学派认为动态能力是作用于技术技能和诀窍的能力[18]，动态能力的发展过程是企业技术路径和技术范式形成的过程[19]。就技术角度而言，动态能力本质上是技术能力形成、应用与发展，能力动态性是由技术属性决定的，并且在一定的技术范式下动态演化。技术观点的不足在于将动态能力仅视为新技术体系的规范化应用与发展，存在定义过窄的问题[20]。

2.2.2 更新观点（RenewView）

更新观点学派认为动态能力是企业整合（Integrate）、建立（Build）和重构（Reconfigure）内外部胜任力以适应外界环境快速变化的能力。他们认为“动态”强调的是与外部迅速变化的环境保持同步性更新的速度和频率，“能力”则强调对企业内外部技术、资源、职能进行整合、优化和配适，以应对外界环境变化，进而提升企业绩效[17]。更新观点的不足在于将动态能力定义成一种特殊的能力，存在过于抽象、同义反复的问题。

2.2.3 流程观点（Process View）

流程观点学派认为动态能力是一个具体的、能操作、可衡量的确定性流程与惯例。具体来说，动态能力是企业利用依附于流程的组织和战略管理来获取、整合、配置、重构资源，进而主动适应外界市场与环境变化并获得竞争优势。与更新观点学派强调流程是动态能力的核心构成要素不同，流程观点学派将动态能力视为具体可识别的制度、流程与管理，强调市场动态性决定动态能力模式[21]。流程观点的缺陷在于将动态能力简单等同于流程与管理，忽略了能力本质上的“超资源”特质，缺乏对流程中隐形要素的关注。

2.2.4 组织学习观点（Learning View）

组织学习观点学派从演化角度出发，提出动态能力是一种持续且稳定地组织学习行为，通过组织学习，企业得以系统地改善运营管理，以提高企业绩效。他们认为知识的积累、编纂和表达等学习机制不仅构成了动态能力路径依赖的基础，而且促进其演化发展[22]。基于组织学习视角定义动态能力既可以防止仅从个体能力范畴理解动态能力，又能凸显动态能力在流程、制度和管理等改善方面的稳定、重复、可持续性作用。组织学习观点的不足在于仅关注组织中隐性资源（信息、知识与技能），忽略了对“人、财、物”等实物资源的考虑。

2.3 动态能力理论整合分析研究框架

能力层级理论表明了动态能力的结构，技术学派、更新学派、过程学派和学习学派等动态能力理论揭示了动态能力的基本分析单位。由此，可以看出动态能力是一个由多能力组成的、具有层次性和多维度结构、且相互影响和相互作用的系统体系。动态能力的基本分析单元是制度、流程与惯例，制度、流程和惯例的基础是与之相对应的可支配资源与技术，制度、流程与惯例的演化过程是组织集体学习与创新发展的结果。据此建立动态能力的L-TRPL 分析框架（如图1 所示）。

图1 基于L-TRPL 的动态能力分析框架

3 基于L-TRPL 视角的大数据能力内涵与结构

3.1 大数据能力的动态性分析

Teece 等[17]认为动态能力是企业整合、优化和重构内外部资源以适应外界环境变化的能力，这一概念突破了传统资源基础观视角只关注于企业内部静态资源的局限，强调了对外界环境变化的适应以及动态优化和系统整合。而企业大数据能力的构建目的是企业根据环境变化需要有效应用、部署相关大数据资源、技术、知识来获取竞争优势。从这个角度看，企业大数据能力实际上也是一种动态能力。所以，动态能力的L-TRPL 整合性分析框架也是大数据能力分析的框架基础。

3.2 大数据能力的概念与内涵

3.2.1 大数据能力概念推导

综合动态能力L-TRPL 分析框架，对大数据能力做出概念界定：以大数据基础设施为基础的企业调用、部署和有效利用大数据及相关组织资源，提升“营销、研发、采购、仓储、生产、物流”等职能部门运营柔性与效率，推动“业务流程再造、资源融合发展、组织结构优化与战略转型变革”等决策系统的整合与重构，不断学习创新以预测、适应外部环境变化，进而提升企业绩效与竞争优势的具有价值性、稀缺性、难以模仿性和难以替代性的知识、技术、经验与技能。

3.2.2 大数据能力的内涵

在大数据能力的L-TRPL 分析框架下，大数据能力包含搜集、整理、分析、应用、发展大数据及其相关资源的多维度、多层次的能力系统；其次，大数据能力应用的前提是拥有大数据资源，大数据收集、存储、深度分析、数据挖掘、可视化技术是大数据资源利用的基础；此外，大数据能力的基本表现形式是嵌入一系列具体的制度、流程和惯例，这些制度、流程和惯例通过整合利用包括大数据资源在内的企业资源以提升企业绩效；最后，适应外界环境变化，通过组织学习与持续创新，促进配置、整合、重构企业资源是大数据能力形成竞争优势的源泉。

3.3 大数据能力层级结构及其相互关系

3.3.1 大数据能力层级结构

基于L-TRPL 分析框架，将大数据能力划分为“大数据基础能力（Big Data Foundation Capability）、大数据应用能力（Big Data Application Capability）和大数据发展能力（Big Data Development Capability）”三个维度，其分层结构的具体表述见图2 所示。

图2 大数据能力层级结构

1）大数据基础能力（Big Data Foundation Capability）：大数据一阶能力。大数据基础能力是构建大数据技术与基础设施平台为企业提供可靠大数据服务的能力。企业利用大数据技术，规划、构建与运营大数据平台的目的在于促进企业内部以及企业间数据与资源实时集成与共享，推动企业高效运营和科学决策，进而实现更好的规模经济和范围经济效应。大数据基础能力是一种非能动性能力，很容易被竞争对手模仿，也难以直接为企业带来竞争优势，然而这一能力却是企业开展基本大数据应用活动的前提。

2）大数据应用能力（Big Data Application Capability）：大数据二阶能力。大数据应用能力是企业有效组织和利用大数据及其他互补资源，将大数据充分嵌入到企业运营与管理决策流程中，实现业务单元、供应链体系、价值网络高效整合的能力。大数据应用能力是嵌入企业运营与管理决策实践中形成的，具有较强的路径依赖性和复杂性，且不容易被竞争对手模仿，企业运营和管理决策中的大数据应用能力将直接影响企业绩效。因此，大数据应用能力是大数据能力的核心维度之一，是整合、优化、分析、应用大数据及相关资源的关键因素。

3）大数据发展能力（Big Data Development Capability）：大数据三阶能力。大数据发展能力是企业利用大数据资源，不断整合、重构企业制度、流程与管理，使企业能更好地适应环境，不断打破自身固有管理和模式，实现持续创新的能力，属于企业相对高阶的动态能力。企业要在不断变化的环境下获取竞争优势，就必须持续创新，而组织学习是持续创新与发展的源泉。

3.3.2 不同层级大数据能力结构间关系

大数据能力的层次源于企业大数据应用中的发展需要，因为有效的大数据战略需要对外界不确定性环境做出及时、有效的反应。而有效的大数据战略往往体现在企业日常运营与管理实践中，其实施的落脚点在于各项基础设施、制度、流程和管理的构建与应用。大数据基础能力是支持大数据平台构建、运营与应用的各种日常基本技术，为企业大数据应用与发展提供稳固的基础，但大数据基础能力本身不具有很强的动态性，不能因应外界环境变化做出主动适应与动态调整，是大数据能力中相对低级的能力。大数据应用能力是企业利用大数据协调各职能部门、各业务单元、各价值网络的能力，它为企业日常运营与管理实践提供数据、信息与决策支持，推动企业高效运转，并且也能够通过不断创新来支持企业创造性能力构建，是大数据动态能力中较高阶的能力。大数据发展能力是企业根据外界环境变化，创新、优化、整合与重构企业大数据战略，并创造性地建构新能力的能力。大数据发展能力促进大数据基础能力、大数据应用能力的形成与演化，也正是由于大数据发展能力的存在，企业大数据能力才具有了极大的创造性，大数据发展能力是大数据能力层级体系中最高阶的能力。

把握大数据能力从低到高的拓展性特征和由硬到软的柔性演化趋势，对企业逐步提升大数据能力，并最终达成其战略目标具有十分重要的意义。大数据能力的战略性最终必然会体现在大数据资源配置与整合、大数据在日常运营和具体的管理决策应用实践中（包括大数据技术平台的构建过程、大数据的管理与应用过程、大数据组织创新与协调发展过程以及大数据能力动态发展过程），其实施的落脚点在于企业的流程、制度及惯例，大数据能力具体表现为大数据资源整合能力、大数据深度分析能力、大数据实时洞察能力、大数据预测与决策能力，其升级与演化的机制是组织集体学习。

4 基于L-TRPL 视角的大数据能力构成要素分析

4.1 大数据基础能力（Big Data Foundation Capability）构成要素

大数据基础能力（BDFC）是企业开展大数据应用活动的基本功能性能力，涉及大数据基础设施水平以及规划和管控那些影响基础设施设计和运营的技术与管理能力。具体包括大数据平台规划与构建能力（Platform Planning&Building Capability）、大数据平台运营管理能力（Platform Operation&Management Capability）和大数据技术运用能力(Technical-use Capability）3 个方面。

4.1.1 大数据平台规划与构建能力（Platform Planning&Building Capability）

大数据平台规划与构建能力（PPBC）强调技术流程、管理流程与具体业务流程之间的协同和融合，包括技术架构设计与构建能力、业务架构设计与构建能力和管理架构的设计与构建能力等3 个部分[23]。

1）技术架构设计与构建能力。基于前瞻性、可扩展、开放性、高性能、稳定性、安全性、易维护等原则，结合技术发展和企业需求，从硬件设施、数据收集与分类存储、数据分析与计算、数据挖掘、数据共享、数据质量管理、可视化等方面建立大数据技术架构的能力。

2）业务架构设计与构建能力。包括从商业模式创新和业务价值链嵌入两个层面发展大数据应用价值能力。基于大数据的商业模式创新指结合企业转型升级发展需要，从用户主导、企业互联、组织创新等层面帮助企业构建基于大数据驱动的新型商业模式。而基于价值链的大数据应用规划则是企业沿着价值发现、价值创造与价值实现的价值链环节，通过大数据应用提升运营与决策效率及效益，进而使大数据应用与业务紧密结合，真正产生业务价值。

3）管理架构的设计与构建能力。建立促进大数据应用的长效治理体系与持续推进机制，针对性建立职能架构体系以保证企业大数据有效实施的能力。包括建立管理体系（确定管理模式，对原体系变更；管理数据获取，建立利于大数据获取的组织架构和流程）、管理控制数据质量（建立对各个域数据质量的统一管理体系）、管理数据变现（依据法律法规，制定统一的数据变现规则）、管理数据安全（针对各种条例开展审计工作，保障业务稳定运营）等4 方面管理架构的设计与构建。

4.1.2 大数据平台运营管理能力（Platform Operation&Management Capability）

大数据平台运营管理能力（POMC）主要考虑功能性、可用性、兼容性、安全性、扩展性等运维管理内容，具体包括7 个方面：平台基本功能及数据导入导出对SQL 任务、NoSQL 任务、机器学习、批处理任务的支持；平台产品能够方便用户进行非运行维护；平台产品能够提供基本的安全方案，具备认证功能以防止数据服务体系的数据资源被恶意修改和盗取，以及传输过程中被截留或篡改；平台产品具备高可用的机制，防止机器的失效带来的任务失败以及数据丢失；平台产品能够支持业务系统和应用系统需要，动态扩展平台功能，并以服务接口方式无缝对接其他应用系统；平台产品能够在平台结构变化或新增功能时，仍然保证正常运行；是否能够根据队列、用户的权重来细粒度地分配计算资源等[24-25]。

4.1.3 大数据技术运用能力（Technical-use Capability）

大数据技术运用能力（TUC）指大数据的收集、存储、深度分析、数据挖掘、可视化技术等方面的技术运用能力。包括：大数据采集与交换能力、大数据预处理与存储能力、数据分析与挖掘能力以及大数据展现与应用能力等4 个部分。

1）大数据采集与交换能力。为各种异构数据源提供数据采集接口，支持多种主流关系数据库的高效数据采集；支持HDFS、FTP、文本文件等文本类日志数据离线导入；支持实时数据接入；支持结构化、半结构化、非结构化的异构数据实时接入；支持全量、批量、实时等多种数据采集策略[26]。

2）大数据预处理与存储能力

完成对已接收数据的辨析、抽取、清洗等操作，用存储器把采集到的数据存储起来，建立相应数据库，方便数据的管理与应用[27]。

3）大数据分析与挖掘能力。通过数据融合、统计分析、数据挖掘、深度学习等数据开发核心技术，将数据空间完全释放出来，完成对大数据的治理并支撑对数据的探索能力，以供应用开发与分析对数据的方便使用[28]。

4）大数据展现与应用能力。对底层数据模型的语义封装，构建基于用户、产线、工厂、设备、产品等对象的统一数据模型，对各类统计分析应用与用户实现更加便捷、易用的数据访问接口。包括基于平台的数据处理流程可视化和高维数据结果展示可视化两个方面[29]。

大数据基础能力具体构成要素见图3。

图3 大数据基础能力（BDFC）构成要素

4.2 大数据应用能力（Big Data Application Capability）构成要素

大数据应用能力（BDAC）是指将大数据资源与其他资源和能力结合起来提升企业价值链各环节运营与决策能力。借鉴March（1991）和Ozsomer&Genctttrk（2003）对组织能力的分类，本文将大数据应用能力分为“利用式大数据应用能力”和“探索式大数据应用能力”两类。

4.2.1 利用式大数据应用能力（Big Data Application Capability for Exploitation）

利用式大数据应用能力指企业利用大数据处理结构化流程的能力，利用式大数据应用能力的目标是提高企业的操作效率。利用式大数据应用能力往往作用于结构化流程、不确定性较低。具体包括：营销与服务环节大数据应用能力、研发设计环节大数据应用能力、采购物流环节大数据应用能力、生产制造环节大数据的应用能力等4 个方面。

4.2.1.1 营销与服务环节大数据应用能力

包括基于大数据分析的产品设计（Product）、产品定价（Price）、推广渠道质量监控（Place）、产品推荐与广告规划（Promotion）、客户关系管理系统构建（CRM）和产品生命周期管理（PLM）等6 方面大数据应用能力[30]。

产品设计中的大数据应用能力：根据客户体验和对产品外观，功能，性能等方面的期望，对提升产品满意度，物流效率和客户服务质量提出建设性意见，有效收集和分析客户评价数据，改进产品完善运营和服务，建立以客户为中心的产品创新机制。

产品定价中的大数据应用能力：通过大数据分析，研究不同客户群体对不同产品种类、不同销售场景下的价格敏感度差异，并测量价格敏感客户群对产品价格变化的直接反应和容忍度，为实施更加精细化、差异化的产品定价策略提供决策参考。

推广渠道质量监控中的大数据应用能力：通过大数据建立营销推广渠道质量分析模型，实时监控推广渠道的有效性和质量，及时优化和调整渠道促销策略和预算。

产品推荐与广告规划中的大数据应用能力：根据现有客户特征，交易历史，购买流程与行为轨迹等客户行为数据，进行客户行为模拟画像，为其他潜在客户推荐产品提供更为精准的营销策略；此外，利用大数据进行广告目标受众测试、时段分析、到达率与有效性模拟，实施精准广告运营与管理。

客户关系管理系统构建中的大数据应用能力：通过数据和CRM分析发现相关类型的数据、信息分类和喜好追踪。这样能够为公司提供各种类型的信息，定制客户体验，以此来改进业务流程、提高利润。

产品全生命周期管理中的大数据应用能力：基于条形码、二维码、RFID 等产品标识符号，运用传感器、智能感知、视频采集、VR 等技术，实时采集和动态分析产品全生命周期的数据和信息，对产品不同生命周期状态进行标记和预警，并将有效的信息和数据当成商品一样及时传递给客户，实现产品全生命周期的管理。

4.2.1.2 研发设计环节大数据应用能力

包括产品协同设计、设计仿真、工艺流程优化等3 方面的大数据应用能力[31]。

产品协同设计中的大数据应用能力：利用大数据存储、分析、处理等技术处理产品数据，建立企业级产品研发设计数据库，促进设计数据在企业内部各部门以及供应链上下游各企业间信息共享，提升跨部门、跨企业、跨区域研发资源统筹管理，提高网络化协同设计能力。

设计仿真中的大数据应用能力：采用大数据技术与产品设计排程仿真相结合，实现研发设计环节各流程的模拟、分析、评估、验证与优化，以减少工程变更数量，优化设计流程，缩短交付周期、降低成本和能源消耗。

工艺流程优化中的大数据应用能力：利用大数据分析功能，收集工艺流程历史数据，分析工艺流程和资源投入之间相互关系，评估和优化当前操作工艺流程。

4.2.1.3 采购、物流环节大数据应用能力

包括供应链配送体系优化、用户需求快速响应等方面的大数据应用能力[32]。

供应链配送体系优化中的大数据应用能力：主要强调与供应链上下游企业、第三方物流公司建立战略联盟或开展外包合作，利用互联网、移动互联网、物联网和产品电子标签等技术，获取用户需求、产品设计、采购、制造、仓储、物流等各个环节大数据，预先进行数据分析，做好采购管理、仓储库存管理、运输管理等服务，优化运营管理流程，提高市场响应速度，保障采购、生产、库存、物流高效有序。

用户需求快速响应能力：从模型和算法出发，对实时需求进行分析和预测，提升企业市场响应能力、优化用户体验、提高企业运营绩效。

4.2.1.4 生产制造环节大数据应用能力

包括智能生产、生产流程优化、设备预测维护、生产计划与排程、能源消耗管控和个性化定制等6 方面的大数据应用能力[33-34]。

智能生产中的大数据应用能力：生产线和生产设备都将装有传感器，并实时获取数据，然后通过互联网传输数据，进而对生产过程实时监控。与此同时，生产所产生的数据经过规范处理、快速传递、实时反馈到生产运营与决策过程中，将工厂升级为自适应、自反馈、自调整的智能网络系统，使得工业控制、生产运营与管理决策最优，进而降低要素和资源配置成本、提高资源与要素利用效率，提升生产过程绩效。

生产流程优化中的大数据应用能力：使用大数据技术创建产品生产过程的虚拟模型，模拟仿真并分析优化生产流程。

设备预测维护中的大数据应用能力：利用传感器从现场设备获取速度、温度、压力等数据，通过基于规则和案例的故障诊断、设备状态全生命周期管理趋势预测等模型，进行设备故障预测与诊断。

生产计划与排程中的大数据应用能力：收集客户需求、仓储、物料、生产线、人员等基础数据，通过大数据分析技术揭示历史预测与实际完成偏差，考虑人员数量与技能约束、工装模具规模约束、物料可用约束、产能约束，通过智能优化算法，制定生产排程计划，并监控计划与实际偏差，动态调整与优化计划排产。

能源消耗管控中的大数据应用能力：收集运营管理各环节能耗历史数据，构建能耗仿真模型，以此进行多维度能耗仿真预测。进而利用获得的运营管理各环节数据，及时检测并发现能耗峰值或异常情况，实现运营管理过程中能源消耗实时优化，推动整体生产线节能降耗。

个性化定制中的大数据应用能力：收集用户个性化需求数据、企业运营与管理供应链数据等信息，构建个性化产品生产模型。生产过程中，将产品需求信息传递给智能设备，通过分析计算，进行原材料准备、设备优化、流程整合，并生产出符合用户个性化需求的产品。

4.2.2 探索式大数据应用能力（Big Data Application Capability for Exploration）

探索式大数据应用能力指企业利用大数据处理非结构化流程的能力，其目标是发展企业新能力，捕捉市场新机会，或者提出解决当前问题的新方案。探索式大数据应用能力通常绩效难以预先度量，而且往往作用于非结构化(或结构化程度低)流程、不确定性高。具体包括：业务流程再造中的大数据应用能力、资源融合创新中的大数据应用能力、组织结构优化中的大数据应用能力、组织战略转型中的大数据应用能力等4 个方面。

4.2.2.1 业务流程再造中的大数据应用能力

由于在企业经营过程中，大数据对于生产、服务甚至是整个经营过程都有影响，为了提高组织运营效率，必须对生产运营流程的各个环节进行深入分析，对不合理之处进行整合、优化甚至重构，企业循序渐进地引入和运用大数据的新理念与新技术，可以提高组织在大数据背景下的业务流程再造成功率[35]。

4.2.2.2 资源融合创新中的大数据应用能力

一方面，相较于传统数据，大数据可以提供更为准确、全面、及时的信息来分析企业生产要素的投入数量与类型，进而达到整合、优化、创新生产要素的目的。另一方面，大数据应用会使得企业对于生产产品类型、生产数量、生产时间等做出相应规划，为此生产工艺与生产流程都需要做出相应优化与整合，从而促成生产要素之间的融合创新[36]。

4.2.2.3 组织结构优化中的大数据应用能力

随着大数据的产生，企业所处环境、发展战略、人员素质、组织的岗位设置与职能需求都会随之产生变化，为此需要优化、整合甚至重构组织结构来应对这些变化，而借助大数据应用，可以使得组织结构优化的方向与流程更为合理[37]。

4.2.2.4 组织战略转型中的大数据应用能力

从企业战略转型的定义中可以看出，组织战略转型的目的是为了适应用户需求变化与提升市场竞争能力的需要。大数据技术可以帮助企业系统分析和深入探究内外部环境机会与威胁，了解市场发展态势、基于企业资源与能力发展实际、找准市场定位，明确资源配置方向，促进业务创新，实现企业更好地适应未来发展，引领组织战略转型[38]。

大数据应用能力具体构成要素见图4。

图4 大数据应用能力（BDAC）构成要素

4.3 大数据发展能力（Big Data Development Capability）构成要素

大数据发展能力（BDDC）是一种创新大数据能力的能力，主要指在现有的大数据资源和能力的基础上，通过不断地学习和创新，实现对“大数据基础能力、大数据应用能力”的保护与改善，同时，对“大数据洞察与环境适应能力、大数据基础设施的重构与再造能力以及大数据应用范围的拓展和应用程度深化能力”进行扩展与重构，进而推动企业更加柔性、敏捷、高效地适应外界环境变化，在企业大数据实践中实现柔性平衡。具体包括：大数据战略能力、大数据学习与创新能力、大数据动态反应能力3 个方面。

4.3.1 大数据战略能力（Big Data Strategy Capability）

大数据战略能力(BDSC)强调了企业保护和扩展较低层次大数据能力的要求，包括大数据整体动态规划调整能力，大数据应用场景识别能力，组织、人才与IT 为大数据提供保障能力，组织文化对大数据战略支持能力等4 方面[39]。

4.3.1.1 大数据整体动态规划调整能力

预测企业未来发展在大数据方面的需求，并根据企业发展战略需要制定或调整大数据战略规划，使之与企业发展战略相匹配。

4.3.1.2 大数据应用场景识别能力

结合企业运营与管理决策需要，找准大数据切入点，从业务运营监控、用户洞察与用户体验优化、精细化运营和营销、业务市场传播、经营分析等环节，选择适合大数据优先应用的场景，并制定大数据解决方案，进而形成竞争优势。

4.3.1.3 组织、人才与IT 为大数据提供保障能力

大数据发展战略实施需要组织、人才与IT 能力的支持，这些要素的构建，既需要与战略发展保持高度一致，又要能够嵌入组织运营与管理决策的关键流程。

4.3.1.4 组织文化对大数据战略支持能力

在整个企业层面建立一种以客观数据为决策依据和衡量标准的价值观和制度体系，为企业能够利用大数据产生价值提供基础的能力。大数据战略的规划与实施涉及组织全体员工，因此，需要对企业价值认同和员工进行重塑，确保员工行动的一致性，没有共同认知、共同理念与一致的行为，就无法实现大数据观念、体系和制度流程方面的创新。

4.3.2 大数据学习与创新能力（Big Data Learning&Innovation Capability）

大数据学习与创新能力（BDL&IC）体现了对大数据相关知识的获取和创造，它为改善较低层次的大数据能力创造条件，包括“大数据新技术的研发能力，大数据人力资源持续教育和培训能力，大数据应用系统的更新与重置能力，大数据应用范围与程度深化能力”等4 个方面[40]。

4.3.2.1 大数据新技术的研发能力

大数据领域每年都会涌现大量新技术，企业需要不断学习、掌握数据获取、数据存储、数据挖掘与分析、数据建模、数据可视化等方面的新技术，为企业从大规模数据中挖掘有效的信息和知识，为企业运营、决策提供服务。

4.3.2.2 大数据人力资源持续教育和培训能力

企业内外部学习是形成大数据能力的重要途径，企业通过内部沟通与培训学习，以及与外部用户、供应商的知识整合、转移和应用，培养具备“新的角度、新的视野、勇于接受挑战、从错误中学习、快速需求反馈、学会学习”等大数据规划与应用方面突破性创新所需的高素质人才。

4.3.2.3 大数据应用系统的更新与重置能力

根据技术发展和业务应用需要，适时更新大数据平台技术架构、业务架构与管理架构，提升大数据运营管理水平，改善与优化大数据技术运用能力。

4.3.2.4 大数据应用范围与程度深化能力

随着企业大数据能力的积淀与提升，不断深化探索式大数据应用（业务流程再造、资源融合创新、组织结构优化、组织战略转型）和利用式大数据应用（营销与服务、研发设计、采购物流、生产制造）的范围与程度，挖掘大数据价值，更好地满足客户需求，打造竞争优势、提升企业绩效。

4.3.3 大数据动态反应能力（Big Data Dynamic Response Capability）

大数据动态反应能力（BDDRC）显示的是如何根据外界环境的变化，进一步改善、重构和提升较低层次大数据能力水平，包括“基于大数据的快速响应能力、大数据基础设施与平台柔性能力、基于大数据的价值创新能力”3 方面[41]。

1）基于大数据的快速响应能力。企业内部价值链和外部价值网络具有紧密联系，沟通运行顺畅高效，能够及时与外界环境变化做出快速反应，是一种防御性能力。

2）大数据基础设施与平台柔性能力。由于客户需求、市场竞争、价值链网络环境不断变化，大数据设施平台需要具备快速、低成本地调动和利用事先准备的能力进行战略转向，进而高效地把握机遇、控制风险。

3）基于大数据的价值创新能力。企业将精力集中在市场和客户需求变化的发现与自身价值创造上，并由此在产业模式、管理模式和商业模式创新方面开创蓝海市场。

大数据发展能力具体构成要素见图5。

图5 大数据发展能力（BDDC）构成要素

5 结论

大数据能力是一个由多维度结构组成的多层面体系，包括大数据基础能力、大数据应用能力和大数据发展能力，其中每一个维度又可细分为更加具体的子能力。大数据基础能力是企业维持正常大数据采集、存储、分析与应用的能力，反映了企业在竞争与发展中的基本大数据技能，是大数据能力体系的内在综合体现。大数据应用能力是通过运营改善与管理决策优化降低组织运营成本、促进组织结构变革、提升组织绩效与竞争优势的重要手段。大数据发展能力则是及时调整和动态优化，不断适应外界环境变化的能力，是企业实现持续发展的必要条件。在大数据能力结构体系中，大数据基础能力与大数据应用能力嵌入在企业制度、流程与惯例当中，易于观察，是显性能力；而大数据发展能力则不易被市场或外部人所发现，甚至企业内部人也难以对其进行描述或定量评价，是深层次的隐性能力，然而却是企业长期的持续竞争优势的源泉所在。大数据能力各构成维度的能力强度以及能力维度间相互影响、相互作用关系决定着企业大数据能力的大小。通过能力阶层理论和动态能力理论，可以得出如下结论：第一，大数据能力是一种分阶层的能力，它不仅包含大数据基础设施及平台的构建与运营、大数据技术的运用等基础性能力，还包含组织运营与决策中的大数据应用能力，以及通过大数据更好地进实施业务流程再造、资源融合创新、组织结构优化与组织战略转型的能力，当然也包括促进大数据基础能力与大数据应用能力持续发展、不断升级的大数据发展能力；第二，大数据能力是一种综合性能力，它包含了静态的战略要素（平台、架构、技术）和动态的过程特征（应用与发展）；第三，大数据能力是一种过程能力，它包括大数据嵌入制度、体系与流程进而提升与优化原有组织能力的过程，也包括通过组织学习重构组织规则并整合核心能力，进而发展与优化大数据基础与应用能力的过程。