數(shù)字化轉(zhuǎn)型解決方案提供能力的培養(yǎng)
——基于北京國(guó)雙科技的單案例研究

高旭東，王曉瑜，王金曉，李曉華，王舒揚(yáng)

（1.清華大學(xué)經(jīng)濟(jì)管理學(xué)院，北京 100084；2.山東大學(xué)管理學(xué)院，山東 濟(jì)南 250100）

1 引言

數(shù)字化轉(zhuǎn)型是企業(yè)培養(yǎng)技術(shù)能力、提高管理水平、應(yīng)對(duì)外部競(jìng)爭(zhēng)的重要手段。很多企業(yè)對(duì)數(shù)字化轉(zhuǎn)型采取了非常積極的態(tài)度，但現(xiàn)實(shí)中的數(shù)字化轉(zhuǎn)型效果并不理想。轉(zhuǎn)型效果不理想的原因可能有：①企業(yè)數(shù)字化轉(zhuǎn)型的措施存在缺陷及主要領(lǐng)導(dǎo)的重視和參與度不夠；②由于路徑依賴，企業(yè)鑲嵌于同客戶和供應(yīng)商的現(xiàn)有關(guān)系中，依賴難以重新配置的資源；③組織文化、身份認(rèn)同和合法性等造成的制度障礙；④沒(méi)有能力投入足夠的資源改變自身資源基礎(chǔ)、提升自身動(dòng)態(tài)能力，使得企業(yè)難以通過(guò)構(gòu)建生態(tài)系統(tǒng)及設(shè)計(jì)與環(huán)境匹配的商業(yè)模式來(lái)創(chuàng)造和獲取價(jià)值。

以上觀點(diǎn)都是從數(shù)字化轉(zhuǎn)型的企業(yè)內(nèi)部尋找原因，實(shí)際上，數(shù)字化轉(zhuǎn)型效果不理想也可能是由外部原因造成的。例如，提供數(shù)字化轉(zhuǎn)型方案的服務(wù)商或平臺(tái)能力不夠，提供的轉(zhuǎn)型方案難以實(shí)施，難以產(chǎn)生預(yù)期的效果。

根據(jù)我們長(zhǎng)期跟蹤研究的結(jié)果，在產(chǎn)業(yè)互聯(lián)網(wǎng)領(lǐng)域，數(shù)字化轉(zhuǎn)型方案提供企業(yè)的能力不足可能是數(shù)字化轉(zhuǎn)型效果不理想的主要原因。例如，某著名跨國(guó)公司（公司A）同國(guó)內(nèi)一家大型企業(yè)（公司B）簽訂了合同，為公司B提供數(shù)字化轉(zhuǎn)型解決方案；這個(gè)合同的合同額高達(dá)數(shù)千萬(wàn)人民幣，但是兩年時(shí)間過(guò)去，公司A遲遲拿不出有效的解決方案。再如，某世界著名的國(guó)內(nèi)IT企業(yè)（公司C）同一家大型央企（公司D）簽訂了合同，為公司D提供數(shù)字化轉(zhuǎn)型解決方案，結(jié)果公司C也是遲遲不能兌現(xiàn)承諾。

在眾多的數(shù)字化轉(zhuǎn)型方案提供企業(yè)中，有些企業(yè)的表現(xiàn)很突出，除知名度非常高的百度、阿里、騰訊等以外，北京國(guó)雙科技（以下簡(jiǎn)稱“國(guó)雙”）、沃德（天津）智能技術(shù)有限公司（以下簡(jiǎn)稱“沃德”）也是很好的例子。以沃德為例，其典型的客戶有國(guó)家能源集團(tuán)、神華、一潭、兗礦、大唐、華能等。沃德主要為這些客戶解決工業(yè)流程中存在的互聯(lián)網(wǎng)需求問(wèn)題，如流程中出現(xiàn)的安全問(wèn)題（生產(chǎn)安全、人員安全等），以及降低勞動(dòng)強(qiáng)度、降低庫(kù)存、降低資金占用率等問(wèn)題。

本文的研究對(duì)象是國(guó)雙，核心目的是尋找該企業(yè)為什么能夠培養(yǎng)出行業(yè)領(lǐng)先的數(shù)字化轉(zhuǎn)型解決方案提供能力的答案。國(guó)雙是一家規(guī)模不太大的企業(yè)，但卻擁有行業(yè)領(lǐng)先的數(shù)字化轉(zhuǎn)型解決方案提供能力。公司CEO祁國(guó)晟先生曾指出：關(guān)于數(shù)據(jù)倉(cāng)庫(kù)并行化，現(xiàn)在真正做得好的只有亞馬遜、微軟和國(guó)雙；相比跨國(guó)公司，國(guó)雙在核心技術(shù)上具有明顯優(yōu)勢(shì)，而在一些非核心技術(shù)上仍有差距，這需要長(zhǎng)期積累。實(shí)際上，國(guó)雙的解決方案已經(jīng)在上面提到的公司D落地，并替代了跨國(guó)公司的產(chǎn)品；公司B也已選定了國(guó)雙的解決方案。

本文的研究方法是基于理論指導(dǎo)下的單案例研究。研究表明，國(guó)雙強(qiáng)大的解決方案提供能力是基于公司走了一條“化繁為簡(jiǎn)”的道路，并且找到了一個(gè)明顯優(yōu)于行業(yè)通行做法的新模式，即在國(guó)雙內(nèi)部建立盡可能貼近真實(shí)應(yīng)用場(chǎng)景的“數(shù)據(jù)科學(xué)家+行業(yè)專(zhuān)家”試驗(yàn)田，同時(shí)以領(lǐng)先的底層技術(shù)（數(shù)據(jù)倉(cāng)庫(kù)并行化、自然語(yǔ)言處理）和真正反映行業(yè)特點(diǎn)的知識(shí)圖譜為支撐，開(kāi)發(fā)出個(gè)性化的數(shù)字化轉(zhuǎn)型解決方案。國(guó)雙的方法有效地保證了知識(shí)圖譜的高質(zhì)量（不但技術(shù)水平先進(jìn)，而且實(shí)用性強(qiáng)），從而保證了方案的高質(zhì)量（不但技術(shù)水平先進(jìn)，而且實(shí)用性強(qiáng)）。從更深層次來(lái)看，國(guó)雙的能力培養(yǎng)具有鮮明的面向長(zhǎng)遠(yuǎn)、著眼未來(lái)的特征，而這同企業(yè)創(chuàng)始人的核心價(jià)值觀和企業(yè)文化的導(dǎo)向作用密切相關(guān)。該發(fā)現(xiàn)具有重要的理論意義和實(shí)踐意義。

2 理論背景

企業(yè)的能力培養(yǎng)是一個(gè)非常復(fù)雜的過(guò)程，雖然影響因素很多，但也是有規(guī)律可循的。與本研究緊密相關(guān)的文獻(xiàn)可以分為三大類(lèi)：一是關(guān)于企業(yè)內(nèi)部因素或者外部因素作為獨(dú)立因素對(duì)企業(yè)能力培養(yǎng)影響的研究；二是關(guān)于企業(yè)內(nèi)部因素與外部因素互動(dòng)對(duì)企業(yè)能力培養(yǎng)影響的研究；三是關(guān)于發(fā)展中國(guó)家企業(yè)如何培養(yǎng)能力以實(shí)現(xiàn)追趕和超越的研究。

第一類(lèi)文獻(xiàn)非常豐富。Bhide的研究強(qiáng)調(diào)，對(duì)于新創(chuàng)企業(yè)而言，外部環(huán)境的影響往往居于主導(dǎo)地位，企業(yè)需要特別重視適應(yīng)環(huán)境；當(dāng)然，企業(yè)能夠生存以后，需要盡快把核心能力培養(yǎng)放在核心位置，即使這樣做會(huì)在短期內(nèi)妨礙企業(yè)規(guī)模的擴(kuò)大。對(duì)于行業(yè)領(lǐng)先企業(yè)而言，除企業(yè)內(nèi)部基本的資源投入（人力、物力和財(cái)力）以外，還需要特別關(guān)注技術(shù)變化的性質(zhì)和方向，區(qū)分是漸進(jìn)性創(chuàng)新還是突破性創(chuàng)新，是結(jié)構(gòu)性創(chuàng)新還是其他類(lèi)型的創(chuàng)新，是在現(xiàn)有的價(jià)值網(wǎng)絡(luò)內(nèi)創(chuàng)新還是在新的價(jià)值網(wǎng)絡(luò)內(nèi)創(chuàng)新。

第二類(lèi)文獻(xiàn)觀點(diǎn)相對(duì)集中，與本研究的關(guān)系也更為密切。例如，Lundvall認(rèn)為，現(xiàn)代經(jīng)濟(jì)中影響創(chuàng)新能力的一個(gè)基本問(wèn)題是產(chǎn)品生產(chǎn)者（producer）與使用者（user）的分離，提高企業(yè)的創(chuàng)新能力，必須處理好二者之間的關(guān)系（U—P互動(dòng)關(guān)系），保證二者的有效互動(dòng)。有關(guān)創(chuàng)新平臺(tái)、創(chuàng)新生態(tài)的研究也有類(lèi)似的發(fā)現(xiàn)，即平臺(tái)領(lǐng)導(dǎo)者、創(chuàng)新生態(tài)領(lǐng)導(dǎo)者具有特殊作用，為平臺(tái)或者生態(tài)體系中的其他利益相關(guān)者提供幫助。

現(xiàn)有研究還表明，雖然有效的U—P關(guān)系很重要，但在現(xiàn)實(shí)中建立有效的U—P關(guān)系面臨很多的挑戰(zhàn)。這種有效關(guān)系的建立更多是在使用者的主導(dǎo)下完成的，我國(guó)諸多成功實(shí)現(xiàn)追趕和超越的例子（如高鐵、地鐵、特高壓技術(shù)等）都說(shuō)明了這一點(diǎn)；即使是在政府強(qiáng)力的干預(yù)下，也需要使用者的積極配合，如我國(guó)第三代移動(dòng)通信TD-SCDMA。

第三類(lèi)文獻(xiàn)也很豐富，強(qiáng)調(diào)在高度重視基本資源投入（人力、物力和財(cái)力）的基礎(chǔ)上，認(rèn)真把握好各種機(jī)會(huì)，也特別強(qiáng)調(diào)要把握好顛覆性、突破性創(chuàng)新的機(jī)會(huì)。在第三類(lèi)文獻(xiàn)中，以“產(chǎn)業(yè)創(chuàng)新系統(tǒng)”（Sectoral Innovation System）為基礎(chǔ)的“追趕周期理論”（Catch-up Cycle Theory）與本研究的關(guān)系尤為密切。這一理論認(rèn)為，在技術(shù)機(jī)會(huì)、市場(chǎng)機(jī)會(huì)、制度機(jī)會(huì)合適的產(chǎn)業(yè)中，發(fā)展中國(guó)家可以實(shí)現(xiàn)對(duì)發(fā)達(dá)國(guó)家的超越。我國(guó)在移動(dòng)通信（3G、4G、5G）、特高壓、高鐵、發(fā)電設(shè)備等領(lǐng)域的成功實(shí)踐，驗(yàn)證并拓展了這一理論，發(fā)現(xiàn)確立有挑戰(zhàn)性的戰(zhàn)略意圖（Strategic Intent）和高遠(yuǎn)的創(chuàng)新目標(biāo)具有特別重要的意義。

上述三類(lèi)文獻(xiàn)雖然對(duì)本研究有重要的借鑒意義，但也存在明顯的不足，無(wú)法就本研究提出的問(wèn)題提供滿意的答案。例如，實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型的一個(gè)重要技術(shù)基礎(chǔ)是數(shù)據(jù)倉(cāng)庫(kù)，其相對(duì)于傳統(tǒng)的數(shù)據(jù)庫(kù)，可以說(shuō)是突破性創(chuàng)新；另一個(gè)重要技術(shù)基礎(chǔ)是自然語(yǔ)言處理，也屬于新興技術(shù)。根據(jù)第一類(lèi)文獻(xiàn)中關(guān)于突破性創(chuàng)新的研究，數(shù)字化轉(zhuǎn)型對(duì)于甲骨文（Oracle）、IBM等老企業(yè)來(lái)說(shuō)是巨大的挑戰(zhàn)，而對(duì)國(guó)雙這類(lèi)新興企業(yè)來(lái)說(shuō)則是很好的機(jī)會(huì)，這在一定程度上可以解釋國(guó)雙為什么能夠崛起。但是，同樣是根據(jù)第一類(lèi)文獻(xiàn)，由于數(shù)據(jù)倉(cāng)庫(kù)、自然語(yǔ)言處理的創(chuàng)新可以在現(xiàn)有的價(jià)值網(wǎng)絡(luò)中進(jìn)行，甲骨文、IBM等老企業(yè)不會(huì)面臨特殊的劣勢(shì)，但是實(shí)際情況并非如此?，F(xiàn)有文獻(xiàn)在這里是存在矛盾的。

再如，第二類(lèi)文獻(xiàn)特別強(qiáng)調(diào)有效的U—P互動(dòng)關(guān)系，但是如何互動(dòng)才算有效？現(xiàn)有的研究只給出了有限的答案。例如，Lundvall強(qiáng)調(diào)物理距離、相同文化背景的重要性，即生產(chǎn)者和使用者盡可能聚集在一個(gè)地方。Porter的研究也得出了同樣的觀點(diǎn)。而國(guó)雙數(shù)字化轉(zhuǎn)型解決方案的高質(zhì)量核心在于，在企業(yè)內(nèi)部創(chuàng)造性地建立了盡可能真實(shí)模擬U—P互動(dòng)關(guān)系的試驗(yàn)田，這雖然與生產(chǎn)者和使用者的物理距離、文化背景有關(guān)系，但是關(guān)系并沒(méi)有那么密切。這也是本研究需要分析和討論的。

第三類(lèi)文獻(xiàn)對(duì)本研究的啟發(fā)很大，實(shí)現(xiàn)趕超既需要關(guān)注技術(shù)、市場(chǎng)、制度等各種機(jī)會(huì)，也需要重視企業(yè)的戰(zhàn)略意圖和高遠(yuǎn)目標(biāo)追求。國(guó)雙對(duì)這些機(jī)會(huì)獨(dú)特而深刻的認(rèn)識(shí)，再加上自身文化特質(zhì)，是該企業(yè)能夠走在行業(yè)前列的根本原因。

3 研究方法

本文的研究方法是基于理論指導(dǎo)的單案例研究，主要目的既不是建立全新的理論，也不是用計(jì)量經(jīng)濟(jì)學(xué)的方法驗(yàn)證一個(gè)特定的理論，而是從國(guó)雙這一個(gè)案例出發(fā)，探討現(xiàn)有理論能否回答本研究擬回答的核心問(wèn)題，即國(guó)雙提供行業(yè)領(lǐng)先的數(shù)字化轉(zhuǎn)型解決方案的能力是如何培養(yǎng)出來(lái)的，進(jìn)而討論本案例研究對(duì)現(xiàn)有理論的進(jìn)一步完善是否有幫助。因此，本研究既是案例分析，也是理論指導(dǎo)，或可視為現(xiàn)有理論與國(guó)雙實(shí)踐的比較。

本文主要關(guān)注的是國(guó)雙的演化過(guò)程。該企業(yè)成立于2005年12月，當(dāng)時(shí)包括CEO在內(nèi)的4位創(chuàng)始人還是清華大學(xué)計(jì)算機(jī)軟件專(zhuān)業(yè)的大四學(xué)生，如今已發(fā)展成為一家擁有近1 200名員工、在國(guó)內(nèi)有7家分公司的高科技企業(yè)，是中國(guó)領(lǐng)先的云計(jì)算企業(yè)級(jí)大數(shù)據(jù)和人工智能解決方案提供商。2016年9月，國(guó)雙科技成功登陸美國(guó)納斯達(dá)克，成為中國(guó)首家赴美上市的大數(shù)據(jù)企業(yè)。

在國(guó)雙的發(fā)展歷程中，技術(shù)創(chuàng)新是一個(gè)鮮明的特征。表1列舉了國(guó)雙在技術(shù)創(chuàng)新方面取得的主要成就。

表1 國(guó)雙取得的主要技術(shù)創(chuàng)新成就

除了公開(kāi)數(shù)據(jù)外，本研究的數(shù)據(jù)來(lái)源主要有兩個(gè)方面：第一，對(duì)國(guó)雙的長(zhǎng)期觀察。本文作者之一自國(guó)雙成立之初就是董事會(huì)成員，長(zhǎng)期關(guān)注企業(yè)的發(fā)展。第二，對(duì)國(guó)雙高管團(tuán)隊(duì)的訪談，包括CEO、CTO、油氣部門(mén)負(fù)責(zé)人等。

對(duì)于數(shù)據(jù)的分析，本文采用“在理論指導(dǎo)下，邊收集數(shù)據(jù)邊分析數(shù)據(jù)”的不斷循環(huán)前進(jìn)的方法。這與早期扎根理論的數(shù)據(jù)分析方法有一定的相似之處，但是更接近張五常先生提出的方法。

在回顧國(guó)雙發(fā)展歷程、收集分析公開(kāi)數(shù)據(jù)的基礎(chǔ)上，筆者對(duì)公司高管的訪談直接從這個(gè)問(wèn)題入手：在眾多的數(shù)字化轉(zhuǎn)型解決方案提供商中，國(guó)雙為什么能夠脫穎而出？從訪談的結(jié)果來(lái)看，公司高管們的看法雖然側(cè)重點(diǎn)有所不同，但總體比較一致。例如，大家都非常認(rèn)同深厚的技術(shù)積累的作用，也非常認(rèn)同“數(shù)據(jù)科學(xué)家+行業(yè)專(zhuān)家”的模式。在此基礎(chǔ)上，我們提出了新的問(wèn)題：國(guó)雙為什么能夠?qū)崿F(xiàn)深厚的技術(shù)積累，為什么能夠總結(jié)出“數(shù)據(jù)科學(xué)家+行業(yè)專(zhuān)家”這一模式？該過(guò)程一直持續(xù)到?jīng)]有新的問(wèn)題為止。在這個(gè)過(guò)程中，對(duì)已有數(shù)據(jù)的分析，新訪談問(wèn)題的提出，對(duì)新數(shù)據(jù)的分析，都是在相關(guān)理論指導(dǎo)下進(jìn)行的。也就是說(shuō)，通過(guò)對(duì)“提出問(wèn)題，獲得數(shù)據(jù)，以理論指導(dǎo)進(jìn)行數(shù)據(jù)分析，再提出問(wèn)題，收集數(shù)據(jù)，再分析數(shù)據(jù)”這一過(guò)程不斷迭代，直到回答了本研究的核心問(wèn)題。圖1是基于數(shù)據(jù)分析總結(jié)出的國(guó)雙數(shù)字化轉(zhuǎn)型解決方案能力培養(yǎng)示意圖。

圖1 國(guó)雙數(shù)字化轉(zhuǎn)型解決方案能力培養(yǎng)示意圖

4 主要發(fā)現(xiàn)

4.1 走一條“化繁為簡(jiǎn)”的道路

本研究最重要的發(fā)現(xiàn)是，國(guó)雙對(duì)數(shù)字化轉(zhuǎn)型的一些基本問(wèn)題有著獨(dú)到的見(jiàn)解，因而對(duì)數(shù)字化轉(zhuǎn)型的基本規(guī)律有著深刻的把握。這也是國(guó)雙成為行業(yè)領(lǐng)先的數(shù)字化轉(zhuǎn)型方案提供商的重要基礎(chǔ)。

具體而言，國(guó)雙認(rèn)為，數(shù)字化轉(zhuǎn)型要想真正走向智能化，必須建立在計(jì)算機(jī)對(duì)自然語(yǔ)言處理的基礎(chǔ)之上，計(jì)算機(jī)必須既會(huì)處理結(jié)構(gòu)化的數(shù)據(jù)，也會(huì)處理非結(jié)構(gòu)化的數(shù)據(jù)，真正會(huì)思考問(wèn)題。正因?yàn)槿绱?，?guó)雙非常重視同處于自然語(yǔ)言處理領(lǐng)域最前沿的高校和科研機(jī)構(gòu)開(kāi)展合作。例如，2014年成立“中國(guó)人民大學(xué)-國(guó)雙數(shù)據(jù)科學(xué)聯(lián)合實(shí)驗(yàn)室”，2015年成立“哈工大-國(guó)雙數(shù)據(jù)科學(xué)聯(lián)合實(shí)驗(yàn)室”。

那么，計(jì)算機(jī)能不能在短期內(nèi)具備高超的認(rèn)知能力而不僅僅是感知能力，從而完全理解自然語(yǔ)言？國(guó)雙認(rèn)為，從一般意義上講，答案是否定的，可能還需要20～30年的時(shí)間，或者更長(zhǎng)；但是，計(jì)算機(jī)在特定領(lǐng)域可以實(shí)現(xiàn)重大技術(shù)突破。正是基于這樣的認(rèn)識(shí)，國(guó)雙沒(méi)有試圖制定一個(gè)通用的、適合于多個(gè)場(chǎng)景的數(shù)字化轉(zhuǎn)型方案，像微軟一樣，開(kāi)發(fā)一個(gè)操作系統(tǒng)或者應(yīng)用軟件（如Office）。相反，國(guó)雙的戰(zhàn)略是“化繁為簡(jiǎn)”，選擇特定的領(lǐng)域或者行業(yè)，在這些領(lǐng)域或者行業(yè)中一個(gè)一個(gè)攻關(guān)、一個(gè)一個(gè)突破。目前，國(guó)雙在司法領(lǐng)域、油氣行業(yè)，都實(shí)現(xiàn)了具備相當(dāng)智能水平的數(shù)字化轉(zhuǎn)型解決方案的落地。

從追趕周期理論看，相比于傳統(tǒng)的信息化，以大數(shù)據(jù)、人工智能為基礎(chǔ)的數(shù)字化轉(zhuǎn)型過(guò)程中存在著技術(shù)、市場(chǎng)、制度等多種機(jī)會(huì)。從技術(shù)機(jī)會(huì)看，由于技術(shù)創(chuàng)新主要是針對(duì)新興技術(shù)，對(duì)國(guó)雙而言，存在趕超的機(jī)會(huì)；從市場(chǎng)機(jī)會(huì)看，根據(jù)國(guó)雙CTO劉激揚(yáng)先生的看法，沒(méi)有一家企業(yè)不需要數(shù)字化轉(zhuǎn)型，因而潛在的市場(chǎng)機(jī)會(huì)也是巨大的；從制度機(jī)會(huì)看，世界各國(guó)對(duì)數(shù)字化轉(zhuǎn)型都高度重視，這為數(shù)字化轉(zhuǎn)型創(chuàng)造了非常有利的條件。

在機(jī)會(huì)眾多的背景下，國(guó)雙沒(méi)有選擇制定通用的數(shù)字化轉(zhuǎn)型方案，而是走了一條一個(gè)一個(gè)攻關(guān)、一個(gè)一個(gè)突破的“化繁為簡(jiǎn)”道路。國(guó)雙“化繁為簡(jiǎn)”道路的實(shí)質(zhì)是，充分考慮自然語(yǔ)言處理領(lǐng)域的技術(shù)發(fā)展水平，把一個(gè)本來(lái)異常復(fù)雜的問(wèn)題（通用的數(shù)字化轉(zhuǎn)型方案）簡(jiǎn)化為多個(gè)適應(yīng)特定領(lǐng)域或者行業(yè)甚至是具體場(chǎng)景的數(shù)字化轉(zhuǎn)型方案；再加上國(guó)雙在諸多核心領(lǐng)域（如數(shù)據(jù)倉(cāng)庫(kù)并行化）的技術(shù)突破，相比于同行業(yè)企業(yè)，其“化繁為簡(jiǎn)”道路似乎走得更加順利。

實(shí)際上，對(duì)復(fù)雜問(wèn)題的難度認(rèn)識(shí)不足，足以讓一個(gè)企業(yè)的競(jìng)爭(zhēng)優(yōu)勢(shì)面臨巨大挑戰(zhàn)。例如，IBM試圖在多個(gè)計(jì)算機(jī)體系結(jié)構(gòu)之間建立兼容性的嘗試就是一個(gè)慘痛的教訓(xùn)。關(guān)于對(duì)數(shù)字化轉(zhuǎn)型面臨的一系列挑戰(zhàn)的研究，包括數(shù)字化轉(zhuǎn)型過(guò)程的復(fù)雜性、多樣性以及數(shù)字化轉(zhuǎn)型戰(zhàn)略的適應(yīng)性、靈活性，也在一定程度上回答了為什么國(guó)雙選擇的數(shù)字化轉(zhuǎn)型道路會(huì)比較順利。

4.2 在企業(yè)內(nèi)部建立盡可能接近現(xiàn)實(shí)的U—P互動(dòng)“試驗(yàn)田”

在國(guó)雙內(nèi)部建立以“數(shù)據(jù)科學(xué)家+行業(yè)專(zhuān)家”為基礎(chǔ)的、盡可能接近現(xiàn)實(shí)的U—P互動(dòng)“試驗(yàn)田”，是國(guó)雙能夠提供高質(zhì)量數(shù)字化轉(zhuǎn)型方案的直接原因?！霸囼?yàn)田”的基本功能是讓行業(yè)專(zhuān)家團(tuán)隊(duì)與數(shù)據(jù)庫(kù)科學(xué)團(tuán)隊(duì)進(jìn)行緊密合作，共同推出滿足真實(shí)應(yīng)用場(chǎng)景要求的解決方案。

大數(shù)據(jù)人工智能建設(shè)項(xiàng)目屬于應(yīng)用驅(qū)動(dòng)型建設(shè)模式，必須從具體的應(yīng)用需求出發(fā)。行業(yè)專(zhuān)家先進(jìn)行業(yè)務(wù)分析、工作流程拆分和業(yè)務(wù)模型建立，再與數(shù)據(jù)科學(xué)團(tuán)隊(duì)一起構(gòu)建邏輯算法模型，最后引入所需數(shù)據(jù)進(jìn)行訓(xùn)練、測(cè)試與驗(yàn)證，直至整套系統(tǒng)趨近理想狀態(tài)。在此過(guò)程中，行業(yè)專(zhuān)家和數(shù)據(jù)科學(xué)團(tuán)隊(duì)緊密合作，通過(guò)用戶的實(shí)際數(shù)據(jù)和業(yè)務(wù)流程來(lái)驗(yàn)證，形成特定應(yīng)用的智能模型，并且不斷循環(huán)迭代、不斷優(yōu)化，最終部署到企業(yè)實(shí)際生產(chǎn)中去。圖2是國(guó)雙總結(jié)出來(lái)的指導(dǎo)油氣行業(yè)解決方案開(kāi)發(fā)的一個(gè)模型。

圖2 國(guó)雙油氣行業(yè)解決方案開(kāi)發(fā)模型

可以看出，國(guó)雙提供的這一解決方案不同于傳統(tǒng)軟件企業(yè)的做法，也不同于互聯(lián)網(wǎng)企業(yè)的一般做法?；ヂ?lián)網(wǎng)企業(yè)一般先開(kāi)發(fā)出軟件，然后將其拿到實(shí)踐中應(yīng)用并發(fā)現(xiàn)問(wèn)題、解決問(wèn)題，在不斷迭代中對(duì)軟件進(jìn)行完善。這一做法有一個(gè)致命的缺點(diǎn)：對(duì)解決方案的應(yīng)用方而言，風(fēng)險(xiǎn)太大，成本太高，客戶很難接受。

國(guó)雙的做法則不然，在國(guó)雙的“試驗(yàn)田”里，可以將行業(yè)專(zhuān)家看作是虛擬的“客戶”，他們以豐富的行業(yè)經(jīng)驗(yàn)提出特定應(yīng)用場(chǎng)景的具體需求，以此引導(dǎo)數(shù)據(jù)科學(xué)家建立算法模型。從某種意義上講，這個(gè)過(guò)程的實(shí)質(zhì)是盡可能把高風(fēng)險(xiǎn)、高成本的問(wèn)題在國(guó)雙內(nèi)部化解。

需要特別指出的是，在國(guó)雙“數(shù)據(jù)科學(xué)家+行業(yè)專(zhuān)家”的“試驗(yàn)田”模型里，數(shù)據(jù)科學(xué)家的作用是容易理解的，其在不同企業(yè)之間的差異不是特別大，但是行業(yè)專(zhuān)家的作用并不容易理解。實(shí)際上，行業(yè)專(zhuān)家的作用是獨(dú)特的、不可替代的。

第一，客戶代替不了行業(yè)專(zhuān)家。雖然最理想的狀態(tài)是國(guó)雙的數(shù)據(jù)科學(xué)家與客戶緊密合作，一起研究解決方案，但這在現(xiàn)實(shí)中是難以做到的。因?yàn)闃O少有客戶對(duì)大數(shù)據(jù)和人工智能有足夠深刻的理解，能夠與數(shù)據(jù)科學(xué)家進(jìn)行有效的互動(dòng)；同時(shí)考慮到緊密合作需要的付出，特別是時(shí)間上的付出，數(shù)據(jù)科學(xué)家與客戶的緊密合作就更難以實(shí)現(xiàn)。實(shí)際上，在解決方案的開(kāi)發(fā)過(guò)程中，最初的算法模型效果很難非常理想，這就需要行業(yè)專(zhuān)家與數(shù)據(jù)科學(xué)家一起找出問(wèn)題所在，并反復(fù)優(yōu)化模型，而這種不斷試錯(cuò)的風(fēng)險(xiǎn)和成本太高也會(huì)導(dǎo)致客戶不愿意參加。

第二，業(yè)內(nèi)流行的外包模式也無(wú)法代替國(guó)雙內(nèi)部的行業(yè)專(zhuān)家的作用。具體而言，有些數(shù)字化轉(zhuǎn)型解決方案提供商也重視了解客戶的需求，但主要是通過(guò)外包的方式，讓“了解行業(yè)的合作伙伴”提供客戶需求。相比于國(guó)雙內(nèi)部的行業(yè)專(zhuān)家，這些合作伙伴對(duì)行業(yè)的理解、對(duì)客戶需求的把握，是遠(yuǎn)遠(yuǎn)不到位的。這些合作伙伴，也不可能像國(guó)雙內(nèi)部的行業(yè)專(zhuān)家一樣，能夠與數(shù)據(jù)科學(xué)家進(jìn)行有效的溝通。

當(dāng)然，國(guó)雙成功的關(guān)鍵，即在企業(yè)內(nèi)部建立盡可能接近現(xiàn)實(shí)的U—P互動(dòng)“試驗(yàn)田”，進(jìn)而構(gòu)建“數(shù)據(jù)科學(xué)家+行業(yè)專(zhuān)家”的創(chuàng)新模式，形成專(zhuān)家知識(shí)代碼化的一整套方法論，并在后續(xù)的工作中得到了驗(yàn)證和完善，這并非是一開(kāi)始就想到的，而是一個(gè)不斷探索和學(xué)習(xí)的過(guò)程。例如，國(guó)雙早期對(duì)于行業(yè)專(zhuān)家的定位并不在數(shù)據(jù)產(chǎn)品的創(chuàng)新和場(chǎng)景化落地上。當(dāng)時(shí)國(guó)雙對(duì)于行業(yè)專(zhuān)家的要求是“理解客戶需求，輔助售前產(chǎn)品業(yè)務(wù)理念的宣講；利用業(yè)務(wù)經(jīng)驗(yàn)，輔助項(xiàng)目演示方案、演示數(shù)據(jù)的準(zhǔn)備；支持項(xiàng)目需求調(diào)研，幫助產(chǎn)品、技術(shù)增強(qiáng)業(yè)務(wù)理解；把握行業(yè)方向，能夠根據(jù)國(guó)雙目前的優(yōu)勢(shì)或者儲(chǔ)備提出項(xiàng)目建議；代表國(guó)雙參加業(yè)務(wù)研討會(huì)”。也就是說(shuō)，從當(dāng)時(shí)的情況來(lái)看，國(guó)雙只是讓行業(yè)專(zhuān)家作為客戶與產(chǎn)品之間的溝通橋梁。

但是，在業(yè)務(wù)的開(kāi)展過(guò)程中，國(guó)雙的行業(yè)專(zhuān)家和數(shù)據(jù)科學(xué)家在技術(shù)和司法之間存在知識(shí)缺口的問(wèn)題凸顯，進(jìn)而導(dǎo)致在項(xiàng)目開(kāi)發(fā)中增加溝通成本、造成資源浪費(fèi)。國(guó)雙開(kāi)始聘請(qǐng)專(zhuān)家對(duì)技術(shù)人員進(jìn)行培訓(xùn)：一方面，組織專(zhuān)家對(duì)技術(shù)人員進(jìn)行專(zhuān)項(xiàng)培訓(xùn)（包括司法程序、司法專(zhuān)有名詞等）；另一方面，組建一個(gè)特殊的小組——包括數(shù)據(jù)科學(xué)家、技術(shù)專(zhuān)家、司法專(zhuān)家，以期培養(yǎng)出一批既懂業(yè)務(wù)、技術(shù)又懂法律的復(fù)合型人才。經(jīng)實(shí)踐驗(yàn)證，此做法效果非常好，于是國(guó)雙開(kāi)啟了“數(shù)據(jù)科學(xué)家+行業(yè)專(zhuān)家”的創(chuàng)新模式。

4.3 以深厚的大數(shù)據(jù)和AI技術(shù)積累為支撐

國(guó)雙的數(shù)字化轉(zhuǎn)型方案之所以有競(jìng)爭(zhēng)力，不僅僅是通過(guò)“數(shù)據(jù)科學(xué)家+行業(yè)專(zhuān)家”的試驗(yàn)田準(zhǔn)確掌握了用戶的一般需求，而是以大數(shù)據(jù)和AI技術(shù)為基礎(chǔ)，提供了行業(yè)領(lǐng)先的、能夠滿足特定需求的解決方案。

以國(guó)雙早期的司法LD產(chǎn)品為例，該產(chǎn)品雖然可以為司法從業(yè)者提供強(qiáng)大的數(shù)據(jù)檢索和挖掘服務(wù)，但是在具體的應(yīng)用場(chǎng)景中，如在法官的審判工作中，尚不能提供便捷的智能輔助功能。國(guó)雙由行業(yè)專(zhuān)家（法官）、數(shù)據(jù)科學(xué)家和技術(shù)專(zhuān)家組成的產(chǎn)品創(chuàng)新團(tuán)隊(duì)推出了“智訟”產(chǎn)品，使得LD技術(shù)在法官的審理和判決流程的應(yīng)用場(chǎng)景中成功落地?！爸窃A”包括“智能閱卷輔助”“主動(dòng)式智能推送”“智能文書(shū)生成”“類(lèi)案文書(shū)預(yù)警”以及“訴審判一致性提醒”等5個(gè)功能模塊?！爸窃A”可根據(jù)案件所處的訴訟階段，智能切換不同的辦案工具，或者啟動(dòng)同一辦案工具的不同服務(wù)，推送不同的知識(shí)內(nèi)容，為法官提供針對(duì)性的辦案輔助?！爸窃A”在司法程序進(jìn)階的各個(gè)業(yè)務(wù)節(jié)點(diǎn)上，借助從業(yè)務(wù)流程系統(tǒng)中采集到的數(shù)據(jù)，能夠分節(jié)點(diǎn)、分類(lèi)型地為法官自動(dòng)推送知識(shí)，給出開(kāi)庭建議，完成文書(shū)寫(xiě)作，是法官智能服務(wù)的“百寶箱”。從早期的LD產(chǎn)品到后來(lái)的“智訟”，這是一個(gè)不斷提升的過(guò)程，最終實(shí)現(xiàn)了技術(shù)和產(chǎn)品性能的巨大飛躍。

如同“試驗(yàn)田”的建立和運(yùn)行是一個(gè)不斷探索和學(xué)習(xí)的過(guò)程，國(guó)雙的大數(shù)據(jù)和人工智能技術(shù)也是逐步積累起來(lái)的。長(zhǎng)期積累的大數(shù)據(jù)和人工智能技術(shù)、工具，是國(guó)雙項(xiàng)目團(tuán)隊(duì)能夠順利開(kāi)展工作的前提。很多項(xiàng)目中經(jīng)過(guò)實(shí)踐驗(yàn)證的模型和算法，可以被加工復(fù)制到類(lèi)似的項(xiàng)目或應(yīng)用場(chǎng)景中，從而逐漸形成一整套此行業(yè)的主題模型體系，并不斷迭代升級(jí)。深厚的技術(shù)積累，使國(guó)雙有大量實(shí)用的軟件產(chǎn)品、工具及資源做保障，這些確保了智能項(xiàng)目能夠順利落地。

技術(shù)積累的背后是人才的儲(chǔ)備。國(guó)雙已組建了一支非常優(yōu)秀的數(shù)據(jù)科學(xué)團(tuán)隊(duì)，他們擁有強(qiáng)大的研究、開(kāi)發(fā)、分析、建模和交付能力，在行業(yè)中具有明顯優(yōu)勢(shì)，是國(guó)雙的“戰(zhàn)略資產(chǎn)”。這支數(shù)據(jù)科學(xué)團(tuán)隊(duì)，聚集了很多頂尖科學(xué)家，在數(shù)據(jù)挖掘和智能分析、知識(shí)圖譜構(gòu)建以及智能應(yīng)用等方面有比較豐富的經(jīng)驗(yàn)，能夠根據(jù)客戶的數(shù)據(jù)及業(yè)務(wù)需求快速構(gòu)建出可執(zhí)行的算法模型。根據(jù)不同行業(yè)的業(yè)務(wù)特點(diǎn)，數(shù)據(jù)科學(xué)團(tuán)隊(duì)與行業(yè)專(zhuān)家緊密合作，基于最先進(jìn)的算法模型，進(jìn)行有針對(duì)性的改造和適配，以滿足行業(yè)特定需求。

實(shí)際上，國(guó)雙的技術(shù)能力涵蓋了廣泛的領(lǐng)域，主要包括：①全棧式地從數(shù)據(jù)采集到數(shù)據(jù)智能的技術(shù)能力；②高性能地處理結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)并把知識(shí)和經(jīng)驗(yàn)高效、準(zhǔn)確地代碼化的能力；③提供企業(yè)級(jí)通用的大數(shù)據(jù)平臺(tái)、數(shù)據(jù)倉(cāng)庫(kù)、數(shù)據(jù)智能平臺(tái)、知識(shí)智能基礎(chǔ)平臺(tái)等產(chǎn)品的能力。這些技術(shù)能力使國(guó)雙能夠在眾多的應(yīng)用領(lǐng)域中為客戶提供場(chǎng)景化落地的產(chǎn)品。

4.4 以強(qiáng)大的行業(yè)專(zhuān)家團(tuán)隊(duì)為基礎(chǔ)

在國(guó)雙“數(shù)據(jù)科學(xué)家+行業(yè)專(zhuān)家”的模式中，既懂業(yè)務(wù)又了解信息技術(shù)的資深行業(yè)專(zhuān)家團(tuán)隊(duì)的作用至關(guān)重要。國(guó)雙業(yè)務(wù)團(tuán)隊(duì)對(duì)所服務(wù)對(duì)象非常熟悉，根據(jù)產(chǎn)業(yè)劃分，組建資深的行業(yè)專(zhuān)家團(tuán)隊(duì)。他們了解行業(yè)需求、清楚業(yè)務(wù)痛點(diǎn)，可以從人工智能應(yīng)用角度提供解決方案，并能夠被用戶所理解和接受。國(guó)雙的行業(yè)專(zhuān)家團(tuán)隊(duì)不僅掌握行業(yè)知識(shí)，還擁有大數(shù)據(jù)和人工智能的思維邏輯。只有這樣，才能夠?qū)⑿袠I(yè)應(yīng)用需求準(zhǔn)確有效地“翻譯”給數(shù)據(jù)科學(xué)團(tuán)隊(duì)，用于構(gòu)建行業(yè)的智能化應(yīng)用模型。

此外，行業(yè)專(zhuān)家的作用不僅僅是“翻譯”，很多時(shí)候還帶來(lái)了觀念上的變革。例如，國(guó)雙的行業(yè)專(zhuān)家認(rèn)為：企業(yè)智能化建設(shè)需要不斷嘗試、逐步完善。甄別合適的應(yīng)用和需求很重要，不要期望大數(shù)據(jù)和人工智能技術(shù)能解決所有業(yè)務(wù)難題，任何技術(shù)都有它的適用性和局限性。不同行業(yè)之間的智能應(yīng)用是不可復(fù)制的。相似的場(chǎng)景，因產(chǎn)業(yè)特性不同，實(shí)現(xiàn)難度和復(fù)雜度也會(huì)不一樣。產(chǎn)業(yè)智能化的特點(diǎn)是實(shí)現(xiàn)系統(tǒng)的自我學(xué)習(xí)和優(yōu)化，這與傳統(tǒng)的信息化建設(shè)完全不同。再如，人工智能在產(chǎn)業(yè)的落地和應(yīng)用階段為企業(yè)創(chuàng)造價(jià)值，但其實(shí)施過(guò)程需要根據(jù)企業(yè)的自身情況，按照自動(dòng)化、智能化和創(chuàng)新化等層次，不斷提升產(chǎn)業(yè)的人工智能水平。在自動(dòng)化階段，不改變現(xiàn)有的業(yè)務(wù)流程，讓機(jī)器替代人自動(dòng)執(zhí)行業(yè)務(wù)流程，從而實(shí)現(xiàn)降本增效；在智能化階段，企業(yè)基于知識(shí)圖譜等認(rèn)知智能技術(shù)，讓機(jī)器具備分析和決策能力，對(duì)業(yè)務(wù)流程進(jìn)行改造，創(chuàng)造增量?jī)r(jià)值；在創(chuàng)新化階段，人工智能技術(shù)與行業(yè)深度融合，重塑業(yè)務(wù)流程和產(chǎn)業(yè)鏈。

行業(yè)專(zhuān)家的重要及特殊作用決定了他們需要具備良好的溝通技巧。一方面，體現(xiàn)在國(guó)雙內(nèi)部的溝通上。由于專(zhuān)業(yè)和職業(yè)不同，行業(yè)專(zhuān)家與數(shù)據(jù)科學(xué)家的思維客觀上存在很大的差別，把行業(yè)應(yīng)用需求準(zhǔn)確有效地“翻譯”給數(shù)據(jù)科學(xué)家并不容易。行業(yè)專(zhuān)家必須高度關(guān)注行業(yè)需求的各種細(xì)節(jié)，考慮各種因素，包括影響成本和效益等的因素。數(shù)據(jù)科學(xué)家往往習(xí)慣于運(yùn)用科學(xué)的抽象思維，簡(jiǎn)化復(fù)雜的現(xiàn)實(shí)世界，開(kāi)發(fā)出盡可能通用的模型。但是，如果缺乏對(duì)現(xiàn)實(shí)世界中各個(gè)行業(yè)運(yùn)行復(fù)雜性的充分認(rèn)識(shí)，模型往往難以輸出令客戶滿意的結(jié)果。另一方面，行業(yè)專(zhuān)家還需要對(duì)外進(jìn)行有效的溝通，把復(fù)雜的、技術(shù)含量很高的解決方案向客戶說(shuō)明白。這是一件非常不容易的事情，因?yàn)榇蠖鄶?shù)客戶對(duì)相關(guān)技術(shù)的理解是有限的。在這個(gè)過(guò)程中，行業(yè)專(zhuān)家的大數(shù)據(jù)和人工智能的思維邏輯是非常有幫助的。當(dāng)然，行業(yè)專(zhuān)家還有特殊優(yōu)勢(shì)，那就是他們來(lái)自行業(yè)，在行業(yè)內(nèi)有比較廣泛的影響，更容易取得客戶的信任和認(rèn)可。

4.5 企業(yè)創(chuàng)始人的核心價(jià)值觀與企業(yè)文化的導(dǎo)向作用

對(duì)很多企業(yè)而言，特別是實(shí)力雄厚的大企業(yè)，無(wú)論是建立“試驗(yàn)田”、打造數(shù)據(jù)科學(xué)團(tuán)隊(duì)，還是組建行業(yè)專(zhuān)家團(tuán)隊(duì)，都是可以實(shí)現(xiàn)的。那么，為什么國(guó)雙做得非常出色，成為行業(yè)領(lǐng)先者？這可能歸結(jié)于企業(yè)創(chuàng)始人的核心價(jià)值觀與企業(yè)文化的導(dǎo)向作用。

國(guó)雙是一家由愿景和戰(zhàn)略雙驅(qū)動(dòng)的公司，其愿景是成為一家為社會(huì)做出重大貢獻(xiàn)的企業(yè)。在這樣的愿景下，公司的重要決策就不會(huì)受太多短期利益因素的影響和干擾，從而為各種能力的培養(yǎng)，特別是深厚的技術(shù)積累，提供一個(gè)適宜的土壤和環(huán)境。例如，國(guó)雙曾經(jīng)有機(jī)會(huì)與某著名跨國(guó)公司合作建立合資企業(yè)或者被收購(gòu)。在大多數(shù)創(chuàng)業(yè)者眼里，這是一個(gè)千載難逢的機(jī)會(huì)。但是，國(guó)雙經(jīng)過(guò)認(rèn)真考慮，認(rèn)為這不符合公司的發(fā)展愿景，不利于企業(yè)的獨(dú)立成長(zhǎng)，果斷放棄了這一機(jī)會(huì)。

再如，在處理擴(kuò)大企業(yè)規(guī)模、降低成本與增強(qiáng)企業(yè)能力的關(guān)系上，國(guó)雙更傾向于增強(qiáng)企業(yè)能力。一個(gè)具體的例子是，在成功開(kāi)發(fā)出司法LD后，國(guó)雙放棄了迅速開(kāi)拓市場(chǎng)、擴(kuò)大規(guī)模、獲得收益的機(jī)會(huì)，而是繼續(xù)深入研究AI技術(shù)，不做出“智訟”不罷休。

國(guó)雙能夠在油氣領(lǐng)域提供行業(yè)領(lǐng)先的解決方案，是由很多因素促成的，包括深厚的技術(shù)積累以及行業(yè)專(zhuān)家與數(shù)據(jù)科學(xué)家的密切合作，但是深層原因卻是公司的戰(zhàn)略支持。在很長(zhǎng)一段時(shí)間，這個(gè)業(yè)務(wù)主要是投入，沒(méi)有產(chǎn)出或者產(chǎn)出極為有限，如果沒(méi)有公司的戰(zhàn)略支持，這是做不到的。

近幾年，受大環(huán)境的影響，國(guó)雙的效益并不好，但是其科研活動(dòng)并沒(méi)有受到太大的影響，科研投入繼續(xù)大幅度增加，這也是在國(guó)雙“三年戰(zhàn)略”（成為企業(yè)和政府組織數(shù)字化、智能化轉(zhuǎn)型的領(lǐng)先者）的指導(dǎo)下進(jìn)行的。這一戰(zhàn)略的效果是明顯的，國(guó)雙的技術(shù)能力得到了大幅度的提升。在大數(shù)據(jù)領(lǐng)域，國(guó)雙基于分布式并行計(jì)算的優(yōu)勢(shì)，經(jīng)過(guò)多年的深耕細(xì)作，大數(shù)據(jù)產(chǎn)品產(chǎn)出能力及其后端的多維度分析引擎技術(shù)在大數(shù)據(jù)行業(yè)處于領(lǐng)先地位；在人工智能領(lǐng)域，國(guó)雙在人工智能認(rèn)知層，即自然語(yǔ)言處理與知識(shí)圖譜關(guān)鍵領(lǐng)域取得了重大突破，在國(guó)際頂級(jí)學(xué)術(shù)會(huì)議上發(fā)表了多篇論文，并摘取了多個(gè)人工智能大賽冠亞軍；在知識(shí)產(chǎn)權(quán)方面，截至2020年6月，國(guó)雙專(zhuān)利申請(qǐng)量累計(jì)超過(guò)3 300件，其中大數(shù)據(jù)領(lǐng)域發(fā)明專(zhuān)利申請(qǐng)量超過(guò)2 200件，人工智能領(lǐng)域發(fā)明專(zhuān)利申請(qǐng)量超過(guò)400件。

5 結(jié)論與討論

本研究的主要目的是探討國(guó)雙公司是如何培養(yǎng)提供數(shù)字化轉(zhuǎn)型解決方案能力的。研究發(fā)現(xiàn)該能力的培養(yǎng)是多方面的：走一條“化繁為簡(jiǎn)”的道路；建立以“數(shù)據(jù)科學(xué)家+行業(yè)專(zhuān)家”為基礎(chǔ)的“試驗(yàn)田”；企業(yè)創(chuàng)始人的核心價(jià)值觀與企業(yè)文化的導(dǎo)向作用等。

①走一條“化繁為簡(jiǎn)”的道路。從實(shí)踐角度看，這條道路對(duì)國(guó)雙具有重大的意義。它不僅把異常復(fù)雜的問(wèn)題切割成了可以應(yīng)對(duì)的多個(gè)小的組成部分，而且為建立以“數(shù)據(jù)科學(xué)家+行業(yè)專(zhuān)家”為基礎(chǔ)的“試驗(yàn)田”奠定了基礎(chǔ)。從這一角度看，數(shù)字化轉(zhuǎn)型領(lǐng)域的其他企業(yè)，特別是互聯(lián)網(wǎng)領(lǐng)域的企業(yè)，如百度、阿里、騰訊、華為等，也可以借鑒“化繁為簡(jiǎn)”的模式。

“化繁為簡(jiǎn)”道路的理論意義也是非常重要的。復(fù)雜產(chǎn)品研發(fā)是建立在多項(xiàng)技術(shù)基礎(chǔ)之上的，而這些技術(shù)的成熟可能有快有慢，所以企業(yè)在技術(shù)能力培養(yǎng)過(guò)程中往往需要將技術(shù)發(fā)明與技術(shù)應(yīng)用分開(kāi)，從而避免多項(xiàng)成熟技術(shù)（長(zhǎng)時(shí)間）等待一項(xiàng)不成熟技術(shù)的情況出現(xiàn)。本研究表明，在數(shù)字化轉(zhuǎn)型方案這樣的復(fù)雜技術(shù)體系中，“化繁為簡(jiǎn)”可以起到類(lèi)似于將技術(shù)發(fā)明與技術(shù)應(yīng)用分開(kāi)的作用。這是對(duì)現(xiàn)有復(fù)雜產(chǎn)品開(kāi)發(fā)理論的驗(yàn)證和拓展。

②建立以“數(shù)據(jù)科學(xué)家+行業(yè)專(zhuān)家”為基礎(chǔ)的“試驗(yàn)田”。這是一種方法論，其實(shí)踐價(jià)值已在國(guó)雙得到證明，在此主要討論其理論意義。在理論背景部分已經(jīng)指出，生產(chǎn)者與使用者之間的有效互動(dòng)是創(chuàng)新的必要條件。對(duì)此，傳統(tǒng)的解決辦法是地理位置接近、文化背景相同（相似），這可以解決一定的問(wèn)題，但是缺點(diǎn)也是明顯的。如果產(chǎn)品非常復(fù)雜、創(chuàng)新周期很長(zhǎng)、風(fēng)險(xiǎn)巨大，還是難以形成有效的互動(dòng)。我國(guó)高鐵、特高壓等產(chǎn)業(yè)的創(chuàng)新主要是由使用者主導(dǎo)，而由生產(chǎn)者主導(dǎo)的TD-SCDMA創(chuàng)新困難重重，直到中移動(dòng)（使用者）接手后，才進(jìn)入良性互動(dòng)。本研究表明，在一些情況下，如創(chuàng)新的產(chǎn)品是復(fù)雜軟件，在軟件提供企業(yè)內(nèi)部模擬實(shí)現(xiàn)U—P互動(dòng)是可行的。這是對(duì)U—P互動(dòng)理論的拓展。

③企業(yè)創(chuàng)始人的核心價(jià)值觀與企業(yè)文化的導(dǎo)向作用。定位、使命、愿景、核心價(jià)值觀、文化是企業(yè)戰(zhàn)略管理中的核心概念，是企業(yè)管理的重要內(nèi)容。在本研究中，可以看到這些概念對(duì)企業(yè)創(chuàng)新能力實(shí)實(shí)在在的影響。這些影響，有時(shí)體現(xiàn)在重大決策上（如是否把企業(yè)賣(mài)給跨國(guó)公司，是否建立費(fèi)時(shí)費(fèi)力的“數(shù)據(jù)科學(xué)家+行業(yè)專(zhuān)家”模式），更多時(shí)候體現(xiàn)在日常工作中。需要特別指出的是，國(guó)雙長(zhǎng)期堅(jiān)持“成為一家為社會(huì)做出重大貢獻(xiàn)的企業(yè)”的愿景，其成本是巨大的，既包括資金成本，更包括企業(yè)領(lǐng)導(dǎo)和員工銘記在心里的使命感和責(zé)任感。這啟發(fā)我們，需要從理論上更深入地研究定位、使命、愿景、核心價(jià)值觀、文化等在創(chuàng)新能力培養(yǎng)中的作用。

本文的不足之處在于：這是一個(gè)單案例研究，雖然有理論指導(dǎo)，但是其結(jié)論能否在更大的范圍內(nèi)有啟發(fā)意義，還需要進(jìn)行更多的研究。例如，行業(yè)專(zhuān)家的重要性是顯而易見(jiàn)的，但是如何發(fā)現(xiàn)他們？如何吸引他們？如何使他們具備大數(shù)據(jù)和人工智能的思維邏輯？再如，如何發(fā)現(xiàn)“化繁為簡(jiǎn)”的道路？哪些因素會(huì)影響這條道路的發(fā)現(xiàn)？這些都是未來(lái)非常重要的研究方向。