面向共享制造的数据治理接力链形成——基于接力三方演化博弈

胡晓雪

（1.西安财经大学 管理学院，陕西 西安 710100；2.西安财经大学现代企业管理研究中心，陕西 西安 710100）

一、引言及文献综述

共享制造是共享经济在生产制造领域的一种应用创新。工业和信息化部发布的《关于加快培育共享制造新模式新业态促进制造业高质量发展的指导意见》中，将其定义为围绕生产制造各环节，运用共享理念将分散、闲置生产资源集聚起来，弹性匹配、动态共享给需求方的新模式新业态[1]。数据资源作为新型生产要素，已快速融入生产制造的各个环节，在驱动制造业创新发展中发挥着关键作用。数据治理是保障共享数据资源质量，管控数据流通过程中各种可能风险的主要手段[2]。共享制造模式使得企业可利用的数据资源由其内部不断向关联外部业务生态扩展，相应地，与之匹配的数据治理也从单一主体内部治理向多主体协同共治的方向发展。研究各主体的协作模式和协作动力，为共享制造模式下的数据治理实践提供新思路，对于创新数据要素开发利用，以数据赋能驱动制造业高质量发展具有重要意义。

国内外学者对多主体协同数据治理模式开展了多视角研究。Broek&Veenstra 依据敏感数据监管压力和共享数据类型提出了市场型、集市型、层次型和网络型四种治理模式，并对比了不同模式的特征和适用情境[3]。Micheli 等(2020)从社会科学的视角提出数据共享池、数据合作社、公共数据信托和私有数据主权四种治理模式[4]。宋俊典等(2018)从技术视角提出基于区块链的数据治理协同模型[5]。马广惠、安小米(2019)研究了大数据共享交换情境下的政府大数据治理路径，提炼出重构式和探索式两种路径[6]。上述研究为探索共享制造数据治理具体协作方式提供启发，但现有数据治理模型集中在政府、公共、科学数据领域，不适应共享制造的场景需求和治理主体的关系特征。因此，文章引入接力创新和信息生态链理论刻画共享制造数据治理主体间的协作关系。

在数据共享、数据质量、共享制造领域，博弈论是研究决策者意愿、行为和干预机制的常用方法。徐绪堪等(2020)构建了由政府数据提供方、使用方和政府开放数据管理组织组成的政府开放数据共享模型，探讨开放数据的数据质量对博弈三方策略演化路径的影响[7]。祝凌瑶等(2022)构建通过中央政府和不同地方政府数据质量管理机制演化博弈模型，论述了中央政府通过奖罚统一监督和管理地方政府数据质量管理的必要性[8]。吴军等(2022)基于前景理论和心理账户理论，研究了共享制造供需双方机会主义共享行为的策略选择和影响因素[9]。

多主体数据治理的成功实施离不开各个主体的积极参与和密切协作，本研究在建模治理主体协作方式的基础上，利用演化博弈工具，进一步探讨各主体参与数据治理接力的动力来源和影响因素，以期为共享制造数据治理接力链的形成和引导政策的制定提供理论依据。

二、共享制造数据治理接力链关系模型

1. 理论基础

（1） 信息生态链理论

信息生态链理论将信息生态系统视作由信息、信息人和信息环境三个要素构成的有机整体，按照角色和分工可将信息人划分为信息供应者、信息传递者、信息消费者和信息分解者四类，不同种类信息人之间信息流转的链式依存关系称为信息生态链[10]，描述了各类信息人在自身信息需求和价值实现目的的驱动下向同一价值链上聚合而形成的上下游关系和链式状态。以信息流转和信息共享活动为核心，通过各种要素的相互作用和有机整合，生态链上的信息人之间相互依存，协同进化，促进信息的高效流转[11]。

（2） 接力创新理论

接力创新是大数据价值孵化的典型方式之一[12]。接力创新是指由能力显著异质、优势明显互补的不同主体分别承担创新链上不同环节的任务，以“接力”传递的方式依次完成一项创新从构思、研发、生产到商业应用等活动，最终实现创新价值的过程[13]。接力创新具有以下特性：多主体参与，各创新主体之间地位平等，能力异质、互补；各创新主体在不同阶段加入创新，依据自身能力优势承担创新链上某个特定环节的任务，形成纵向分工合作；接力之前，创新主体之间的合作目标和合作规则不明确，各主体更关注自身目标的实现，创新不依靠国家意志引导和预定义的机制安排[14]。接力创新的这些特性使其更适用于描述具有复杂性、不确定性、阶段性、风险性和多主体参与特征的创新过程。

2. 共享制造数据治理难点分析

共享制造模式下的数据治理除具有工业数据治理在数据质量、采集、应用和互通方面的技术障碍问题[15]，还面临以下的管理挑战：

第一，多主体参与是前提。共享制造数据资源服务于具体的数据应用和业务场景，定制的、差异化的数据需求对治理目标、内容和方式提出了不同要求，单个治理主体无法准确掌握数据概貌，也不具备匹配各种复杂场景要求的全部治理能力。

第二，数据治理是具有异质能力的多个主体灵活组合，优势互补的过程。共享制造是制造资源和能力的优化配置模式。在这一模式下，数据治理主体的能力具体体现为资源能力，即拥有制造关联的数据资源；创新能力，指对数据资源进行加工处理、洞察和挖掘数据价值；服务能力，即存储和分析数据资源的能力。治理主体通过专业化分工发挥各自的优势能力，解决综合的、复杂的治理问题，共同促进数据价值实现。

第三，治理绩效取决于治理主体之间的通力合作。数据价值实现程度依赖于是否形成了有效的协作关系及各个治理主体的优势能力是否得到充分发挥。

第四，各个治理主体地位对等，共治关系不具备强制性。治理主体主要包括数据供需双方和各利益相关方，各方地位对等，在数据治理过程中国家意志引导和政策规定的约束力较弱，一方难以对其他方的行为进行监督干预，不易形成某一方主导的合作局面。

由上述分析可知，如何在多个治理主体之间建立并维持良性的合作关系，充分调动各主体参与治理的积极性，是成功实施共享制造数据治理的关键。

3. 共享制造数据治理接力链关系模型构建

在共享制造模式下，数据作为一种生产要素，经由共享制造平台，在产能提供方和需求方之间进行跨组织流通以支持制造中的各环节。数据需求的个性化和数据价值实现具有的场景依赖性决定了数据治理是具有异质能力的治理主体按需组合的协同治理过程。为最大化实现数据价值并管控数据流通过程中可能出现的各种风险，治理活动须贯穿数据从产生、传递、利用到消亡的全生命周期且活动间具有固有的先后次序，承担数据流通各环节治理任务的治理主体间形成了纵向分工的合作关系。在这种伴随共享制造业务数据需求建立的短期、动态合作中，各个治理主体地位平等，专注于实现各自负责环节的治理目标，符合接力创新模式的根本特征。因此，文章将治理主体间的纵向协作关系视为一种接力关系，借鉴接力创新和信息生态链理论，构建共享制造数据治理接力链关系模型，如图1 所示。

图1 共享制造数据治理接力链关系模型

根据数据全生命周期涉及的治理活动关联角色，首先抽取出三类治理主体：数据提供者、数据聚合者和数据利用者。在共享制造场景中，数据提供者可以是制造企业、供应商、客户、政府部门和行业协会、网络资讯平台等数据资源提供方，是数据的源头，对应信息生态链上的信息供应者；数据聚合者主要包括共享制造平台运营方、数据托管机构和分析机构等，负责数据流动过程中的汇聚、筛选、整合、规范化、安全性和访问权属管理，兼具信息生态链上信息传递者和信息分解者功能；数据利用者主要是制造企业，其按需应用制造资源池中的数据，挖掘数据潜在价值并将其转化为服务和产品，对应信息生态链上的信息消费者。三方主体以“接力”的方式开展数据治理合作，保障数据由供方向需方传递全过程的数据质量、安全和合规。共享制造数据治理接力链的形成主要依靠治理主体的自发行为和市场机制作用，也受到信息环境的影响，同时，遵循接力创新的一般规律，参与顺序接力的各个治理主体之间存在较强的博弈关系。

三、共享制造数据治理演化博弈模型

1. 博弈动因分析

共享制造数据治理接力链上的三方治理主体进行博弈的动因主要体现在：一是信息不对称，具体表现为数据概貌未知和对积极治理带来的数据价值与消极治理面临的风险的预期不同；二是各个主体在数据治理资源和能力方面的差异；三是由于数据在接力链上单向传递，链上某个治理主体的绩效将直接影响其后继治理主体的治理成本，下游主体存在“搭便车”行为的空间。

基于成本—收益理论和风险管理理论，结合共享制造数据治理的接力特点，本研究认为各治理主体在共治收益、治理成本、放任风险和信息环境等因素的共同作用下，以自身利益最大化为目标进行演化博弈。信息环境主要体现在政府监管部门或相关监督机构能以激励、惩罚政策对治理主体的决策行为进行干预，不同干预措施和干预力度构成了不同的信息环境。

2. 博弈基本假设

假设H1：共享制造数据治理过程主要涉及数据提供者、数据聚合者和数据利用者三方主体。每类主体都有积极进行数据治理和消极进行数据治理两种策略。数据提供者群体以x的比例选择积极治理策略，以1-x比例选择消极治理策略；数据聚合者群体以y的比例选择积极治理策略，以1-y的比例选择消极治理策略；数据利用者群体以z的比例选择积极治理策略，以1-z的比例选择消极治理策略；其中x、y、z均为时间t的函数。

假设H2：若三方主体均积极进行数据治理，将形成共治收益F，包括经济利益和社会收益。其中，经济利益主要来源于高质量共享制造数据的价值变现；数据提供者的社会收益源于数据治理知识的收集和转换所形成（或增强） 的数据治理能力及数据引用、重用和赋能制造过程带来的影响力提升；数据聚合者的社会收益源于通过数据治理获得的声誉、口碑和影响度及由技术工具革新和管理手段完善形成的数据治理能力；数据利用者的社会收益主要体现为数据洞察力和挖掘能力的增强。只要有一方主体消极治理，就无法形成数据治理接力链，且不产生共治收益。

假设H3：数据提供者积极治理，通过贡献高质量数据将从监管方处获得激励R，开展相关数据治理活动需付出成本C1，消极治理节省了成本，但需要承担由数据质量、数据安全和数据违规使用可能对其造成的经济损失和声誉等负面影响F2。

假设H4：数据提供者积极治理数据时，数据聚合者选择积极治理策略，开展相关数据治理活动需付出成本C2，消极策略可获得“搭便车”收益F3，但可能受到监管方的处罚P，同时需要向数据提供者支付补偿O2，弥补数据在聚合阶段缺乏管控可能给数据提供者带来的损失L2；数据提供者消极治理数据时，数据聚合者选择积极治理策略，开展相关数据治理活动的难度增大，需付出成本C2′，且C2′>C2，消极策略在支付罚金P和补偿O2的基础上，还将承担数据质量、安全和违规使用风险可能对其造成的声誉、信用、影响力下降等负面影响F4。

假设H5：数据治理是三方主体接力合作的过程，接力链上的上游主体消极治理，将增加下游主体的治理成本。若数据聚合者积极开展数据治理，数据利用者选择积极策略需付出成本C3，数据提供者积极而数据聚合者消极治理时，数据利用者选择积极策略需付出成本C3′，治理提供者和数据聚合者均消极治理，数据利用者选择积极策略需付出大额成本C3″，且C3″>C3′>C3。

假设H6：数据利用者选择消极治理策略，数据在应用阶段遭到破坏、更改、泄露或违规使用被查处时，需向数据提供者支付补偿O1以弥补其损失L1。位于数据治理接力链上的上游主体均积极治理，数据利用者选择消极治理策略时，可获得“搭便车”收益F1。当数据利用者的上一接力节点数据聚合者消极治理时，数据利用者选择消极策略，可能因使用低质量数据致使决策失误造成损失L3，其中，β1为数据提供者提供经过治理的高质量数据，数据聚合者和利用者均消极治理的情况下，数据利用者使用数据作出错误决策的概率，β2为三方主体均消极治理，数据利用者使用低质量数据作出错误决策的概率，0≤β1<β2≤1。

表1 模型参数及其说明

3. 博弈模型构建

基于上述假设，构建数据提供者、数据聚合者和数据利用者三类主体间的数据治理演化博弈模型。三方主体不同策略组合的得益情况如表2 所示。

表2 三方主体各策略组合的得益情况

根据表2 策略组合的得益情况，可分别计算出三方主体积极数据治理策略和消极数据治理策略的期望得益及策略的平均期望得益。

数据提供者主体积极数据治理策略S(1)和消极数据治理策略S(0)的期望得益及策略的平均期望得益分别为：

由此，求得数据提供者主体积极数据治理策略的复制动态方程为：

同理可知，数据聚合者主体积极数据治理策略C(1)和消极数据治理策略C(0)的期望得益及策略的平均期望得益分别为：

数据聚合者主体积极数据治理策略的复制动态方程为：

数据利用者主体积极数据治理策略U(1)和消极数据治理策略U(0)的期望得益及策略的平均期望得益分别为：

要以矫正为主要目的，切实推进劳动改造功能回归，在按体施劳、劳动保护等制度的基础上，对劳动改造制度进行理性化设计，从而适应罪犯作为人的本质需要和重新社会化的需要，充分发挥劳动改造在矫正罪犯恶习、培养劳动习惯、培训劳动技能等方面的作用。

数据利用者主体积极数据治理策略的复制动态方程为：

4. 博弈模型求解

联立式(4)、(8)和(12)，可得到数据提供者、聚合者和利用者的三维动力系统，分别令F(x)=0，F(y)=0，F(z)=0，进一步求解该复制动态方程组，可知系统存在8 个均衡点，分别为：E1=(0，0，0)，E2=(0，0，1)，E3=(0，1，0)，E4=(1，0，0)，E5=(1，1，0)，E6=(1，0，1)，E7=(0，1，1)，E8=(1，1，1)。

根据Friedman(1998)[16]的方法，通过求均衡点对应的雅克比矩阵的特征值，可判定各均衡点是否是演化稳定点，一个均衡点的所有特征值均小于0 时，该均衡点是稳定点。博弈系统的雅克比矩阵如式(13)所示。

将各均衡点的值代入雅克比矩阵，可进一步求得各均衡点对应雅克比矩阵的特征值如表3 所示。

表3 各均衡点对应雅可比矩阵的特征值

若均衡点是演化博弈的稳定点，该点对应的所有特征值均需小于0，即：λ1<0，λ2<0，λ3<0，可进一步求出各均衡点的局部稳定性分析条件。

四、模型分析与模拟仿真

基于模型求解结果，在Matlab R2017b 环境下仿真了不同情形下三类治理主体的行为演化路径，进一步分析策略选择行为的影响因素。

1. 数据提供者的行为演化路径和影响因素

分析各均衡点的局部稳定性条件发现，数据提供者积极开展数据治理的策略选择行为主要受共治收益、治理成本、消极治理造成的负面影响和激励等因素的影响。

（1） 激励对提供者行为演化路径的影响

在不产生共治收益的时期，数据提供者的数据治理行为演化路径受治理成本和消极治理造成的负面影响的共同制约。激励措施和激励力度对提供者行为演化路径影响的仿真结果如图2 所示。图2 表明，治理成本较高而消极治理策略造成的负面影响较低时，激励的有效性取决于激励力度。无激励或激励力度较小的情况下，提供者将选择消极治理策略，要促使其积极开展数据治理，必须提供足够的激励，较大的激励将加快提供者行为的收敛速度。

图2 激励对提供者行为演化路径的影响(F2

（2） 共治收益对提供者行为演化路径的影响

假设数据提供者的治理成本和消极治理造成的负面影响是一定的，共治收益对提供者行为演化路径影响的仿真结果如图3 所示。图3 显示，共治收益无法抵消治理成本时，提供者的策略选择受激励力度和共治收益的共同作用，两者呈现互补关系。共治收益较小时，大力度的激励才能促使数据提供者选择积极治理策略，随着共治收益的增长，激励力度可相应下降。

图3 共治收益对提供者行为演化路径的影响（有激励）

2. 数据聚合者的行为演化路径和影响因素

分析各均衡点的局部稳定性条件发现，数据聚合者积极治理的策略选择受到数据提供者的策略、治理成本、“搭便车”效应、消极治理所需承担的负面影响和惩罚措施等多重因素的综合影响。

（1） 提供者消极治理情形下聚合者的行为演化路径

在数据提供者消极治理的情形下，聚合者的策略选择行为受到治理成本、消极治理造成的负面影响和惩罚措施的共同作用。有三种情形：一是治理成本小于消极治理所需承担的负面影响；二是治理成本大于消极治理所需承担的负面影响，惩罚力度较小；三是治理成本大于消极治理所需承担的负面影响，惩罚力度大，仿真结果如图4 所示。图4 表明，治理成本是影响聚合者行为演化路径的关键因素，当治理成本小于消极治理造成的负面影响时，无需进行干预，聚合者会自发选择积极治理策略。而当治理成本较大时，惩罚是必要的，但小的惩罚无效，要引导聚合者选择积极治理策略，惩罚力度要大于治理成本和负面影响的差值。

图4 提供者消极治理时聚合者的行为演化路径

（2） “搭便车”收益对聚合者行为演化路径的影响

在数据提供者积极治理的情形下，数据聚合者消极治理可获得“搭便车”收益。若治理成本和惩罚力度固定，“搭便车”收益对聚合者行为演化路径的影响仿真结果如图5 所示。“搭便车”收益较小时，惩罚能约束聚合者选择积极治理策略，但当聚合者通过“搭便车”行为能获取可观收益时，其将选择“搭便车”行为，较大的“搭便车”收益将加快聚合者消极治理行为的收敛速度。

图5 “搭便车”收益对聚合者行为演化路径的影响

（3） 共治收益对聚合者行为演化路径的影响

固定“搭便车”收益和治理成本，不加干预的前提下，共治收益对聚合者行为演化路径影响的仿真结果如图6 所示。图6 表明，较小的共治收益无法抵消治理成本，聚合者将选择消极治理策略；但当共治收益足够大，超过治理成本和机会收益之和时，惩罚措施是“无用”的，积极治理将成为聚合者的自发选择。

图6 共治收益对聚合者行为演化路径的影响

3. 数据利用者的行为演化路径和影响因素

分析各均衡点的局部稳定性条件发现，数据利用者积极治理的策略选择不仅受到数据提供者和聚合者策略选择的影响，还受治理成本、错误决策导致的损失、“搭便车”收益、共治收益和惩罚力度等因素的制约。

（1） 聚合者消极治理情形下利用者的行为演化路径

数据聚合者消极治理将增加数据利用者的治理成本，将治理成本固定为较大的值，惩罚力度对利用者行为演化路径影响的仿真结果如图7 所示。表明小的惩罚力度是无效的，数据利用者仍将选择消极治理策略，要引导其选择积极治理策略，惩罚力度需大于治理成本与决策失误损失的差值。

图7 惩罚力度对利用者行为演化路径的影响

（2） 聚合者积极治理、提供者消极治理情形下利用者的行为演化路径

在数据聚合者积极治理、提供者消极治理的情形下，数据利用者的策略选择行为受治理成本和惩罚措施的共同影响。假设治理成本固定，不同惩罚力度下利用者的行为演化路径仿真结果如图8 所示。即无惩罚情形下，在治理成本作用下，利用者选择消极治理策略，较小的惩罚力度无法改变策略选择行为的演化方向，但会减缓收敛速度，惩罚力度超过治理成本时，利用者会选择积极治理策略，大的惩罚力度将加快利用者行为的收敛速度。

图8 聚合者积极治理、提供者消极治理时利用者的行为演化路径

（3） 提供者、聚合者积极治理情形下利用者的行为演化路径

数据提供者、聚合者均选择积极治理策略的情形下，数据利用者的策略选择行为受治理成本、“搭便车”收益、共治收益和惩罚措施的共同影响。假设治理成本和“搭便车”收益是固定的，图9 仿真了共治收益和惩罚力度对利用者行为的共同作用。在共治收益无法覆盖治理成本和机会收益时，无惩罚的情形下利用者将选择消极治理策略；共治收益和惩罚力度呈互补关系，共治收益较小时，大的惩罚力度才能促使利用者选择积极治理策略。而当共治收益较大时，惩罚力度可相应减小；两者之和越大越能加快行为的收敛速度。

图9 共治收益、惩罚力度对利用者行为演化路径的共同影响

五、共享制造数据治理接力对策建议

文章构建共享制造数据治理接力链关系模型，通过接力三方的演化博弈建模，探讨了数据提供者、聚合者和利用者积极参与数据治理的影响因素和策略选择行为演化路径。综合上述研究结果，提出“自治先行—监管保障—利益驱动”的阶段式策略，促进数据治理接力链的形成。

第一，鼓励数据自治，克服成本障碍，为接力链的形成奠定良好基础。治理成本越高，各利益相关方参与接力的意愿就越低，难以形成共治局面。尤其是大数据体量大、多样化、高速性、价值高但价值密度低等特点加大了治理难度的情况下，加强数据自治能为数据治理接力链的形成奠定基础。一方面，数据自治有助于数据提供者有效管理自身数据资产，从源头上保障共享制造数据资源的质量，降低治理成本；另一方面，通过数据自治形成的数据治理能力（体现为技术工具革新，管理手段完善，数据管理人员信息素养的提升，数据洞察力的增强等） 能提高治理效率，降低接力的时间成本。因此，培养共享制造参与方的数据治理意识，积累和发展成功经验，不断提升治理能力，是控制成本、开展接力治理实践的前提。

第二，完善激励和惩罚机制，为接力链的形成提供管控保障。由于消极治理策略需承担的损失往往存在滞后性，治理主体通常无法在决策前对损失大小进行合理预判，又面临相对高昂的治理成本，此时，监管是促成接力的必要手段。作为接力链的起点，数据提供者的策略选择同时影响下游主体的策略和治理成本，给予其一定激励有助于形成良好的共治开端，而惩罚机制能有效制约接力链下游主体的“搭便车”行为，但奖惩力度要随接力治理进程的推进作出适应性调整以避免失灵。接力初期，奖惩力度要足够大才有效，随着合作的深入，接力各方密切交互，建立信任关系，达成共同愿景，治理成本随之降低并开始产生共治收益，奖惩力度可相应减小以降低监管成本，引导共治策略由“监管驱动”向“利益驱动”过渡。待共治收益足以覆盖成本和各种机会收益时，数据治理进入“利益驱动”的成熟阶段。

第三，建立合理的利益分配机制，为接力链的维持提供持续动力。公平获益是数据治理的主要目标之一，而数据治理的价值常常难以从数据共享、共用、决策创新等其他活动中剥离出来单独进行量化，给准确度量数据治理收益带来挑战。针对接力链上治理主体地位的对等性，探索合理的利益分配方式和协调机制，保障接力各方的获益和公平感，调动其持续参与接力的积极性，是数据治理接力链有待进一步探究的关键问题。