基于演化博弈的大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟成員失敗知識共享機制研究

徐岸峰 陳宇 李玥

摘 要：失敗知識共享是大數(shù)據(jù)企業(yè)提高創(chuàng)新績效、降低失敗概率的有效途徑，能夠促進大數(shù)據(jù)企業(yè)的協(xié)同創(chuàng)新發(fā)展。針對大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟成員失敗知識共享問題，本文運用演化博弈理論，構(gòu)建大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟成員間失敗知識共享演化博弈模型，分析各因素對大數(shù)據(jù)企業(yè)失敗知識共享策略演化路徑的影響機理。結(jié)果表明：通過提高大數(shù)據(jù)企業(yè)間信任水平、容錯度、懲罰成本、失敗知識共享量、失敗知識互補程度和降低失敗知識共享難度系數(shù)可促進大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟成員間的失敗知識共享。

關(guān)鍵詞：失敗知識共享;大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟;演化博弈

中圖分類號：F224.32文獻標(biāo)識碼：A文章編號：2097-0145（2022）02-0077-07doi：10.11847/fj.41.2.77

Research on Failed Knowledge Sharing Mechanism of Big Data Industry

Alliance Members Based on Evolutionary Game

XU An-feng， CHEN Yu， LI Yue

（School of Economics and Management， Harbin University of Science and Technology， Harbin 150080， China）Abstract：Failed knowledge sharing is an effective way for big data enterprises to improve innovation performance and reduce failure probability， which can promote collaborative innovation development of big data enterprises. Aiming at the problem of failed knowledge sharing among big data industry alliance members， this paper constructs the evolutionary game model of failed knowledge sharing among members of big data industry alliance by using evolutionary game theory， and analyzes the influence mechanism of various factors on the path of failed knowledge sharing strategy of big data enterprises. The results show that， by improving the trust level， fault tolerance， penalty cost， failed knowledge sharing amount and failure knowledge complementary degree among big data enterprises， reducing the difficulty coefficient of failed knowledge sharing can promote failed knowledge sharing among big data enterprises.

Key words：failed knowledge sharing; big data industry alliance; evolutionary game

1 引言

黨的十九大報告指出，“建設(shè)現(xiàn)代化經(jīng)濟體系，推動互聯(lián)網(wǎng)、大數(shù)據(jù)以及人工智能與實體經(jīng)濟的深度融合?！贝髷?shù)據(jù)時代的到來使企業(yè)的知識共享與創(chuàng)新活動產(chǎn)生了巨大變化。大數(shù)據(jù)背后所隱藏的知識逐漸成為大數(shù)據(jù)企業(yè)之間競爭的焦點，大數(shù)據(jù)企業(yè)開始尋求合適的企業(yè)共享數(shù)據(jù)資源來彌補自身在知識創(chuàng)新方面的“數(shù)據(jù)資源缺口”，由此，大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟應(yīng)運而生。雖然大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟的建立能夠有效促進聯(lián)盟企業(yè)間資源整合與知識共享，但隨著知識共享活動不斷增強，主體參與度不斷提高，合作環(huán)境不斷復(fù)雜化，聯(lián)盟成員間的知識共享面臨著巨大的挑戰(zhàn)。失敗事件在大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟知識共享過程中客觀存在且不可避免，適度的失敗反而刺激企業(yè)快速尋找解決辦法。通過對失敗事件的分析和識別，從中獲得更多的知識和經(jīng)驗[1，2]，使大數(shù)據(jù)企業(yè)有效降低重復(fù)失敗率，從而提高知識創(chuàng)新績效[3，4]。由此可見，失敗知識也是大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟中非常重要的資源。因此，對大數(shù)據(jù)企業(yè)如何通過與大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟中其他企業(yè)進行失敗知識資源的共享這一問題進行研究，對提高大數(shù)據(jù)企業(yè)自身競爭優(yōu)勢和保證大數(shù)據(jù)產(chǎn)業(yè)健康發(fā)展，從而促進產(chǎn)業(yè)聯(lián)盟優(yōu)化管理具有重要意義。

知識共享是知識管理的核心，是知識效應(yīng)提升的重要驅(qū)動力[5]，也是聯(lián)盟獲得合作收益的重要基礎(chǔ)[6]。作為聯(lián)盟績效增長的重要途徑，聯(lián)盟成員的知識共享行為受多種因素影響，如聯(lián)盟成員風(fēng)險偏好[7]、懲罰系數(shù)[8]、知識吸收能力[9]以及邊際收益[10]等。聯(lián)盟內(nèi)外部的知識共享活動形成了由知識資源網(wǎng)絡(luò)、技術(shù)網(wǎng)絡(luò)和人際關(guān)系網(wǎng)絡(luò)有機結(jié)合的聯(lián)盟知識共享網(wǎng)絡(luò)[11]。隨著聯(lián)盟成員間合作的不斷深入，不可避免會出現(xiàn)各種阻礙甚至是失敗，而聯(lián)盟成員往往側(cè)重于向成功企業(yè)學(xué)習(xí)成功的技術(shù)和經(jīng)營方式，卻忽略了失敗知識。其實，失敗知識更容易使企業(yè)獲取有效的教訓(xùn)與經(jīng)驗，對失敗經(jīng)驗的共享與學(xué)習(xí)能夠促進企業(yè)創(chuàng)新發(fā)展[12]，是企業(yè)減少創(chuàng)新失敗率和提高績效的有效途徑[13]。

近年來，源于生物進化論的演化博弈理論被學(xué)者們運用于戰(zhàn)略聯(lián)盟[14]、企業(yè)協(xié)同創(chuàng)新[15]和供應(yīng)鏈[16]等領(lǐng)域。關(guān)于戰(zhàn)略聯(lián)盟的研究，Chen和Sun[17]引入信任約束的懲罰機制與獎勵機制，構(gòu)建了聯(lián)盟成員間的信任決策演化博弈模型;Heidl等[18]認為戰(zhàn)略聯(lián)盟的不穩(wěn)定性主要因為聯(lián)盟中存在復(fù)雜性和潛在的“搭便車”行為，提出減少聯(lián)盟成員的機會主義行為可通過引入第三方來實現(xiàn)。對企業(yè)間協(xié)同創(chuàng)新問題的研究，米捷等[19]通過分析本土企業(yè)與跨國投資企業(yè)間不同位勢下的知識共享行為，建立了博弈參與雙方知識共享與機會主義行為的演化博弈模型;綦良群和周凌玥[20]通過分析裝備制造企業(yè)協(xié)同創(chuàng)新網(wǎng)絡(luò)對知識轉(zhuǎn)移行為的影響，構(gòu)建了裝備制造企業(yè)與知識密集型企業(yè)和配套企業(yè)的知識轉(zhuǎn)移演化博弈模型。對供應(yīng)鏈的研究，Lotfi等[21]通過建立供應(yīng)商與經(jīng)銷商之間的博弈模型，指出實現(xiàn)兩者之間互利共贏局面的關(guān)鍵因素是良好的信息共享氛圍;劉濤等[22]針對供應(yīng)鏈中的信用交易過程，運用演化博弈理論構(gòu)建了供應(yīng)商、零售商信用交易的演化博弈模型。8D50FF8C-602E-4474-BFBE-EEC85FD85697

目前學(xué)術(shù)界對知識共享的研究已取得了較多的成果，但關(guān)于失敗知識，尤其在大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟成員間的共享問題還鮮有學(xué)者關(guān)注。無論是組織之間還是組織成員之間的知識共享，都會出現(xiàn)“囚徒困境”或逆向選擇的情形，而且演化博弈理論在知識共享的研究中也得到了廣泛應(yīng)用。由于失敗知識的緘默性和情境性，大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟成員間失敗知識的共享更加復(fù)雜和困難，企業(yè)間信任水平、數(shù)據(jù)資源差異程度和資源量，以及大數(shù)據(jù)企業(yè)對失敗知識的容錯程度、認知程度、差異性知識資源的整合成本和懲罰機制等對博弈方策略演化路徑具有重要影響。所以，本文將運用演化博弈理論，構(gòu)建大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟成員間失敗知識共享的演化博弈模型，分析各因素對大數(shù)據(jù)企業(yè)策略演化路徑的影響，從微觀視角深入探析大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟成員間關(guān)于失敗知識共享行為的決策過程。

2 演化博弈理論的適用性及模型假設(shè)

2.1 演化博弈理論的適用性

大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟中的失敗知識共享是大數(shù)據(jù)企業(yè)間相互博弈的過程。大數(shù)據(jù)企業(yè)組建聯(lián)盟的最初目標(biāo)是實現(xiàn)合作共贏，其原則符合博弈理論對多重合作博弈的解釋。多重合作博弈引入了“理性預(yù)期”，這也是它與一次性隨機博弈最關(guān)鍵的區(qū)別。大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟中某一成員的知識共享行為在一定程度上會受到其他成員共享策略行為的制約，反過來也會影響其他成員的知識共享行為。失敗知識的抽象性與外部性使失敗知識在大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟成員間進行共享成為可能。

演化博弈理論擯棄了傳統(tǒng)博弈理論中將人視為超級理性個體的假設(shè)，而是將“博弈參與者都是有限理性的個體”作為基礎(chǔ)。在大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟中，每個大數(shù)據(jù)企業(yè)都以實現(xiàn)自身利益最大化為目標(biāo)，因此聯(lián)盟內(nèi)的大數(shù)據(jù)企業(yè)都是有限理性的。由于聯(lián)盟成員在企業(yè)文化、企業(yè)結(jié)構(gòu)和管理理念等方面存在差異，彼此之間信息存在不完全性和不對稱性等特征。此外，大數(shù)據(jù)企業(yè)之間存在相互模仿和學(xué)習(xí)的現(xiàn)象，即當(dāng)某一大數(shù)據(jù)企業(yè)采取某策略后獲得了較好的收益，其他大數(shù)據(jù)企業(yè)都會有復(fù)制該策略的傾向。綜上，大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟成員的以上特性滿足演化博弈理論的基本假設(shè)。

2.2 模型假設(shè)

2 模型假設(shè)

（1）參與主體與合作策略。為了簡化分析過程，假設(shè)大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟中存在大數(shù)據(jù)企業(yè)A和大數(shù)據(jù)企業(yè)B，每一個大數(shù)據(jù)企業(yè)都具有兩個策略可供選擇：共享和不共享，且采取失敗知識共享策略的概率分別為x和y，采取不共享策略的概率為1-x和1-y，其中x，y∈[0，1]。

（2）直接收益與協(xié)同收益。參與演化博弈的雙方在共享自身的失敗知識過程中，不僅可獲得由于學(xué)習(xí)、吸收對方提供的失敗知識而獲取提升自身績效的知識和技能的直接收益，同時也獲得因知識相互融合而產(chǎn)生價值增值的協(xié)同收益。其中直接收益受共享方失敗知識存量ki和接收方對失敗知識學(xué)習(xí)能力si兩個因素的影響。共享方失敗知識存量與接收方所獲收益成正比關(guān)系，共享方擁有的失敗知識存量越大，接收方所獲得的收益就越多。接收方的知識學(xué)習(xí)能力是指對共享方所共享的失敗知識進行吸收、理解和轉(zhuǎn)化的能力。因此，大數(shù)據(jù)企業(yè)A和大數(shù)據(jù)企業(yè)B在博弈中獲得的直接收益分別為sAkB和sBkA。當(dāng)大數(shù)據(jù)企業(yè)A和大數(shù)據(jù)企業(yè)B同時選擇共享策略時，兩者會因合作創(chuàng)新而產(chǎn)生協(xié)同效應(yīng)，該效應(yīng)所產(chǎn)生收益的大小取決于合作雙方的相互信任程度θ以及合作雙方失敗知識的互補系數(shù)β，聯(lián)盟成員之間良好的信任關(guān)系促使彼此有理由相信對方的共享動機有利于或至少不會損害自身的收益。假設(shè)大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟進行失敗知識共享時的協(xié)同系數(shù)為θβ（θβ>1），那么大數(shù)據(jù)企業(yè)A和大數(shù)據(jù)企業(yè)B在博弈中獲得的協(xié)同收益分別為θβkA和θβkB。

（3）努力成本與懲罰成本。失敗事件對大數(shù)據(jù)企業(yè)是一個弱點，大多數(shù)大數(shù)據(jù)企業(yè)并不愿意完全或者過多暴露自身的失敗，從而使得其他大數(shù)據(jù)企業(yè)獲取其失敗知識時難度增加。所以，本文引入失敗知識擴散難度系數(shù)μ來表示對博弈雙方在失敗知識協(xié)同創(chuàng)新上所額外增加的努力成本的影響。借鑒Joseph和Thevaranjan[23]研究中的成本函數(shù)，大數(shù)據(jù)企業(yè)A和大數(shù)據(jù)企業(yè)B在失敗知識共享過程中投入的努力成本可表示為

u2I2A和u2I2B。其中Ii表示大數(shù)據(jù)企業(yè)在進行失敗知識共享時投入的成本，主要包括溝通成本、傳遞成本和機會成本。溝通成本主要指失敗知識共享方為接收方理解失敗知識的內(nèi)涵而花費的成本;傳遞成本主要指共享方將失敗知識外顯化為接收方易于學(xué)習(xí)和吸收的形式而花費的成本;機會成本主要是指聯(lián)盟成員因選擇失敗知識共享而喪失其專有優(yōu)勢所造成的利益損失。為減少聯(lián)盟成員機會主義行為產(chǎn)生的概率，中間組織需要制定合理的懲罰成本T（T>0，T

（4）容錯度。由于失敗客觀存在，隱瞞失敗、回避失敗等“反失敗”偏見往往導(dǎo)致大數(shù)據(jù)企業(yè)個體更加關(guān)注、認同成功經(jīng)驗與知識[24]。此時參與失敗知識共享的聯(lián)盟成員對失敗知識的容錯態(tài)度將會影響共享活動的順利進行。容錯態(tài)度主要是指大數(shù)據(jù)企業(yè)對失敗知識的認知態(tài)度，較高的認知態(tài)度表示大數(shù)據(jù)企業(yè)對內(nèi)部具有開放導(dǎo)向的寬容失敗氛圍，將失敗知識作為其自身的一種重要資源而加以利用。本文假設(shè)參與博弈的大數(shù)據(jù)企業(yè)在失敗知識共享過程中的容錯度為ei，且容錯度ei分別與失敗知識存量和失敗知識吸收能力成正比，即當(dāng)大數(shù)據(jù)企業(yè)A和大數(shù)據(jù)企業(yè)B都選擇共享策略時，雙方獲得的直接受益分別為sAkBeB和sBkAeA，而協(xié)同收益分別為θβkAeA和θβkBeB。

3 模型構(gòu)建與分析

3.1 模型構(gòu)建

基于上述假設(shè)，構(gòu)建大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟成員大數(shù)據(jù)企業(yè)A和大數(shù)據(jù)企業(yè)B兩方失敗知識共享的演化博弈支付矩陣，如表1所示。

由于聯(lián)盟成員之間的信息并非完全透明的，屬于不完全信息下的博弈，在失敗知識共享過程中，各共享主體均是有限理性的。由表1可知大數(shù)據(jù)企業(yè)A選擇失敗知識共享策略時的收益為8D50FF8C-602E-4474-BFBE-EEC85FD85697

UYA=y（sAkBeB+θβkAeA-u2I2A）+（1-y）（T-u2I2A）（1）

大數(shù)據(jù)企業(yè)A選擇失敗知識不共享策略時的收益為

UNA=y（sAkBeB-T）（2）

因此，大數(shù)據(jù)企業(yè)A獲得的平均收益為

UA=xUYA+（1-x）UNA

=xyθβkAeA+xT-u2xI2A+ysAkBeB-yT（3）

根據(jù)演化博弈的復(fù)制動態(tài)理論，并結(jié)合（1）、（2）、（3）式可得出大數(shù)據(jù)企業(yè)A選擇失敗知識共享策略比例的復(fù)制動態(tài)方程為

f（x，y）=dxdt=x（UYA-UA）

=x（1-x）（yθβkAeA+T-u2I2A）（4）

同理，大數(shù)據(jù)企業(yè)B選擇失敗知識共享策略時的收益為

UYB=x（sBkAeA+θβkBeB-u2I2B）+

（1-x）（T-u2I2B）（5）

大數(shù)據(jù)企業(yè)B選擇失敗知識不共享策略時的收益為

UNB=x（sBkAeA-T）（6）

因此，大數(shù)據(jù)企業(yè)B獲得的平均收益為

UB=yUYB+（1-y）UNB

=xyθβkBeB+yT-u2yI2B+xsBkAeA-xT（7）

根據(jù)演化博弈的復(fù)制動態(tài)理論，結(jié)合（5）、（6）、（7）式可得出大數(shù)據(jù)企業(yè)B選擇失敗知識共享策略比例的復(fù)制動態(tài)方程為

g（x，y）=dydt=y（UYB-UB）

=y（1-y）（xθβkBeB+T-u2I2B）（8）

博弈系統(tǒng)的穩(wěn)定狀態(tài)通過演化博弈的參與者不斷地試錯與學(xué)習(xí)而得到，即有效的納什均衡。令dxdt=0，可得到x*=0，x*=1和y*=uI2A-2T2θβkAeA;同理當(dāng)dydt=0時，解得y*=0，y*=1和x*=uI2B-2T2θβkBeB。聯(lián)盟成員在失敗知識共享過程中相互學(xué)習(xí)、模仿對方最優(yōu)的行為策略，是大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟不斷向穩(wěn)定方向演化的內(nèi)在動力。在“羊群效應(yīng)”的作用下，當(dāng)聯(lián)盟中有一部分成員在選擇某一策略后獲得更高收益時，其他聯(lián)盟成員將會紛紛效仿學(xué)習(xí)并采用能給自身帶來更高收益的策略，直至聯(lián)盟中所有成員的策略趨于穩(wěn)定，此時大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟不斷接近一種均衡狀態(tài)[25]。在大數(shù)據(jù)企業(yè)A和大數(shù)據(jù)企業(yè)B所組成的演化博弈系統(tǒng)中，其演化均衡等價于ESS（Evolutionary Stable Strategy，即演化穩(wěn)定策略）。基于這種原理和思想，該動態(tài)系統(tǒng)中的局部均衡點為P1（0，0）、P2（0，1）、P3（1，0）、P4（1，1）以及P5（uI2B-2T2θβkBeB，uI2A-2T2θβkAeA）。這5個均衡點共同構(gòu)成了大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟成員失敗知識共享演化博弈系統(tǒng)解域的邊界

{（x，y）|0x1;0y1}。對于一個由微分方程系統(tǒng)所描述的大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟成員失敗知識共享行為的動態(tài)演化過程，可通過由該系統(tǒng)得到的雅可比矩陣（Jacobian Matrix）的局部穩(wěn)定分析來判斷各個平衡點的穩(wěn)定性。對微分方程（4）和（8）分別求x和y的偏導(dǎo)數(shù)，可得微分方程系統(tǒng)的雅可比矩陣J。

J=f（x，y）xf（x，y）y

g（x，y）xg（x，y）y=

（1-2x）（yθβkAeA+T-u2I2A）x（1-x）θβkAeA

y（1-y）θβkBeB（1-2y）（xθβkBeB+T-u2I2B）（9）

3.2 模型分析

在大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟成員失敗知識共享演化博弈過程中，博弈參與方收益函數(shù)中各參數(shù)初始值及其變化將會影響聯(lián)盟成員在失敗知識共享中所付出的成本與獲得的收益，進而導(dǎo)致演化博弈系統(tǒng)向不同均衡點收斂。根據(jù)ESS進行判定，當(dāng)某一均衡點使得雅可比矩陣的行列式det（J）>0，且矩陣的跡tr（J）<0時，就可判定該均衡點屬于局部漸進穩(wěn)定的狀態(tài)，此點所對應(yīng)的策略組合即是演化穩(wěn)定策略。由于支付矩陣中某些變量的大小不能確定，因此需要進一步對不同情況下均衡點的穩(wěn)定性和系統(tǒng)動態(tài)演化的收斂結(jié)果進行分析。

（1）當(dāng)大數(shù)據(jù)企業(yè)A和大數(shù)據(jù)企業(yè)B在失敗知識共享過程中所獲得的協(xié)同收益與因?qū)Ψ绞艿綉土P而自身獲得的補償之和小于其所付出的成本時，即θβkAeA+T

θβkBeB+T0，且跡tr（J）<0。此外，根據(jù)“有限理性”原則和博弈對稱性可知，失敗知識不共享策略是大數(shù)據(jù)企業(yè)A和大數(shù)據(jù)企業(yè)B的理性選擇，雙方的演化博弈結(jié)果將收斂于穩(wěn)定點P1（0，0），即大數(shù)據(jù)企業(yè)A和大數(shù)據(jù)企業(yè)B將同時采取失敗知識不共享策略，此時聯(lián)盟成員間的交叉協(xié)作較少或者不可能產(chǎn)生，彼此之間不會獲得由于失敗知識共享所產(chǎn)生的協(xié)同收益，兩者陷入“囚徒困境”。

（2）當(dāng)大數(shù)據(jù)企業(yè)A在失敗知識共享過程中所獲得的協(xié)同收益與因?qū)Ψ绞艿綉土P而自身獲得的補償之和大于所付出的成本，而大數(shù)據(jù)企業(yè)B在失敗知識共享過程中所獲得的協(xié)同收益與因?qū)Ψ绞艿綉土P而自身獲得的補償之和小于其所付出的成本時，即

θβkAeA+T>u2I2A，且

θβkBeB+Tu2I2B時，雙方的演化博弈結(jié)果最終也將收斂于穩(wěn)定點P1（0，0）。8D50FF8C-602E-4474-BFBE-EEC85FD85697

（3）當(dāng)大數(shù)據(jù)企業(yè)A和大數(shù)據(jù)企業(yè)B在失敗知識共享過程中所獲得的協(xié)同收益與因?qū)Ψ绞艿綉土P而自身獲得的補償之和大于其所付出的成本時，即θβkAeA+T>u2I2A，且

θβkBeB+T>u2I2B時，均衡點P1（0，0）與P4（1，1）所對應(yīng)的雅可比矩陣行列式det（J）>0，且跡tr（J）<0，因此均衡點P1（0，0）與P4（1，1）處于局部穩(wěn)定狀態(tài)，此時博弈系統(tǒng)將收斂于兩種不同演化結(jié)果，即大數(shù)據(jù)企業(yè)A和大數(shù)據(jù)企業(yè)B將同時采取失敗知識共享策略或同時采取失敗知識不共享策略。由于0

圖1反映了博弈系統(tǒng)中雙方的復(fù)制動態(tài)關(guān)系與各主體在相關(guān)因素影響下的策略選擇的演化路徑。當(dāng)系統(tǒng)的初始狀態(tài)處于分界線上方，演化博弈的結(jié)果將會收斂于演化穩(wěn)定點P4（1，1），即大數(shù)據(jù)企業(yè)A和大數(shù)據(jù)企業(yè)B都選擇失敗知識共享的穩(wěn)定策略。當(dāng)系統(tǒng)的初始狀態(tài)處于分界線的下方，演化博弈的結(jié)果將會收斂于演化穩(wěn)定點P1（0，0），即大數(shù)據(jù)企業(yè)A和大數(shù)據(jù)企業(yè)B都選擇失敗知識不共享的穩(wěn)定策略。但最終向哪個穩(wěn)定策略演進，取決于各個博弈參與方對博弈對手策略選擇的預(yù)估與判斷，即對博弈對手選擇失敗知識共享策略的信任、對失敗知識的容錯態(tài)度、努力成本和懲罰成本的大小以及各方失敗知識存量等。

綜上，只有當(dāng)大數(shù)據(jù)企業(yè)A和大數(shù)據(jù)企業(yè)B在失敗知識共享過程中所獲得的協(xié)同收益與因?qū)Ψ绞艿綉土P而自身獲得的補償之和大于其所付出的成本時，即θβkAeA+T>u2I2A，且θβkBeB+T>u2I2B時，大數(shù)據(jù)企業(yè)A和大數(shù)據(jù)企業(yè)B才有可能同時選擇失敗知識共享策略，并且選擇失敗知識共享策略的概率受到支付矩陣中各參數(shù)的影響。由此得出以下結(jié)論：

結(jié)論1 當(dāng)大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟成員知識共享演化博弈系統(tǒng)以最大的概率收斂于帕累托最優(yōu)均衡P4時，這意味著博弈系統(tǒng)中博弈主體的策略選擇將會落在圖1中的四邊形P2P5P3P4區(qū)域內(nèi)，此時對博弈雙方選擇知識共享的概率的要求為

x>x*=uI2B-2T2θβkBeB， y>y*=uI2A-2T2θβkAeA

結(jié)論2 在x*=uI2B-2T2θβkBeB中，大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟成員間失敗知識的擴散難度系數(shù)u、博弈主體B進行失敗知識共享活動投入的成本IB與x*存在正向關(guān)系，而懲罰成本T、博弈主體間信任水平θ、所共享失敗知識的互補系數(shù)β、博弈主體B的知識存量kB及其容錯態(tài)度eB與x*存在反向關(guān)系。同理，在y*=uI2A-2T2θβkAeA中，大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟成員間失敗知識的擴散難度系數(shù)u、博弈主體A進行失敗知識共享活動投入的成本IA與y*存在正向關(guān)系，而懲罰成本T、博弈主體間信任水平θ、所共享失敗知識的互補性β、博弈主體A的知識存量kA及其容錯態(tài)度eA與y*存在反向關(guān)系。因此，為了能夠促進博弈雙方以最大的概率選擇失敗知識共享策略，大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟應(yīng)通過提高成員間信任水平、正視對失敗知識的容錯態(tài)度、增加非共享方所支付的懲罰成本、并選擇與自身知識互補性較高的企業(yè)進行合作，同時弱化投入成本或減少對方的機會成本等方法，使得x>x*、y>y*。

4 數(shù)值仿真

由上文分析結(jié)果可知，為了能夠使大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟成員失敗知識共享的動態(tài)演化博弈結(jié)果最終趨向于穩(wěn)定點P4（1，1），促進參與失敗知識共享博弈的大數(shù)據(jù)企業(yè)獲得更高的收益，需要將共享雙方博弈的初始狀態(tài)落在演化路徑圖四邊形P2P5P3P4的區(qū)域內(nèi)，即盡可能使

uI2B-2T2θβkBeB與

uI2A-2T2θβkAeA的值變小，增加共享雙方博弈初始狀態(tài)落在四邊形P2P5P3P4區(qū)域內(nèi)的概率。為更加直觀地描述大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟成員失敗知識共享支付矩陣中各參數(shù)變量對大數(shù)據(jù)企業(yè)共享策略選擇的影響，運用Python 3.7進行數(shù)值仿真分析，模擬θβkAeA+T>u2I2A，且θβkBeB+T>u2I2B情況下聯(lián)盟成員在失敗知識共享策略上的變動。支付矩陣中相關(guān)參數(shù)的初始化取值情況分別為：θ取2.1，β取0.6，eA取0.05，eB取0.06，kA取400，kB取300，IA取20，IB取18，u取0.05，T取5，x和y均取0.5。

（1）由圖2可知，當(dāng)其他參數(shù)取值不變時，隨著大數(shù)據(jù)企業(yè)間信任水平的提高，共享雙方逐漸從失敗知識不共享策略演化為共享策略，使得雙方策略發(fā)生改變的臨界值介于0.5至1.2之間。當(dāng)共享雙方信任水平大于臨界值時，雙方均選擇共享策略，且隨著信任水平的提高，演化博弈系統(tǒng)收斂于失敗知識共享穩(wěn)定策略的速度加快。大數(shù)據(jù)企業(yè)間的信任是同其他企業(yè)共享自身知識資源的前提，共享雙方的信任水平越高，對其預(yù)期收益越有信心，進而更愿意將自身的知識資源進行分享。

（2）由圖3可知，當(dāng)其他參數(shù)取值不變時，隨著大數(shù)據(jù)企業(yè)間失敗知識互補系數(shù)的提高，共享雙方逐漸從失敗知識不共享策略演化為共享策略，且在臨界狀態(tài)以后，演化博弈系統(tǒng)收斂于失敗知識共享穩(wěn)定策略的速度逐漸加快。在大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟中，大數(shù)據(jù)企業(yè)的技術(shù)創(chuàng)新往往具有跨學(xué)科性質(zhì)，大數(shù)據(jù)企業(yè)間關(guān)鍵知識資源的差異化使得彼此之間在失敗知識的結(jié)構(gòu)和數(shù)量上表現(xiàn)出較大的不對稱性，而正是這種不對稱性形成了大數(shù)據(jù)企業(yè)間進行失敗知識共享的內(nèi)在動力。

（3）由圖4可知，以大數(shù)據(jù)企業(yè)A為例，當(dāng)其他參數(shù)取值不變時，隨著該企業(yè)失敗知識共享量的增加，大數(shù)據(jù)企業(yè)B，即失敗知識接收方將逐漸從失敗知識不共享策略演化為共享策略，反之亦然。在大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟中，參與失敗知識共享博弈的雙方具有決定共享知識量的自主權(quán)，在博弈初期，由于信息的不對稱性和不完全性，致使共享雙方不會輕易將自身更多的知識量共享給對方。但隨著時間的推進，共享雙方合作頻率逐漸增加，信任水平逐漸提高，而且雙方逐漸獲得更高的預(yù)期收益，激發(fā)了其選擇失敗知識共享策略的積極性。8D50FF8C-602E-4474-BFBE-EEC85FD85697

（4）由圖5可知，當(dāng)其他參數(shù)取值不變時，隨著大數(shù)據(jù)企業(yè)間失敗知識共享難度的增加，共享雙方選擇失敗知識共享策略的概率逐漸降低。由于大數(shù)據(jù)企業(yè)所擁有的失敗知識具有隱性特征，為實現(xiàn)同其他大數(shù)據(jù)企業(yè)的共享，必須要對自身復(fù)雜的失敗知識進行顯性化，以便于接收方快速學(xué)習(xí)與吸收。隨著共享難度的提高，大數(shù)據(jù)企業(yè)將付出更高的共享成本，從而降低了大數(shù)據(jù)企業(yè)間失敗知識共享意愿，最終使得演化系統(tǒng)趨向于失敗知識不共享的穩(wěn)定策略。

（5）由圖6可知，當(dāng)其他參數(shù)取值不變時，隨著大數(shù)據(jù)企業(yè)間懲罰成本提高，共享雙方逐漸從失敗知識不共享策略演化為共享策略。大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟成員間信息的不對稱性容易導(dǎo)致機會主義行為的產(chǎn)生，因此聯(lián)盟通過建立懲罰機制對機會主義行為的失敗知識共享方采取懲罰措施，保障積極共享策略博弈方的合法收益，充分調(diào)動失敗知識共享雙方的積極性。

5 結(jié)論與建議

針對大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟成員間失敗知識共享問題，運用演化博弈理論，構(gòu)建了聯(lián)盟中大數(shù)據(jù)企業(yè)間失敗知識共享的演化博弈模型，通過分析各因素對策略演化路徑的影響機理，得出了以下結(jié)論：（1）當(dāng)θβkAeA+T>u2I2A，θβkBeB+T>u2I2B時，大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟失敗知識共享博弈系統(tǒng)存在兩個演化穩(wěn)定策略，即（共享，共享）和（不共享，不共享）。（2）聯(lián)盟成員失敗知識共享策略的選擇以預(yù)期收益為依據(jù)，通過提高大數(shù)據(jù)企業(yè)間信任水平、失敗知識互補系數(shù)、失敗知識共享量、懲罰成本以及大數(shù)據(jù)企業(yè)自身容錯度，降低失敗知識共享難度系數(shù)，將有利于增加企業(yè)的預(yù)期收益，從而提高企業(yè)采取失敗知識共享策略的積極性。

為進一步加強聯(lián)盟成員間失敗知識的共享意愿，提出以下管理建議：（1）將失敗知識共享作為大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟準(zhǔn)入門檻之一。大數(shù)據(jù)企業(yè)成立大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟，聯(lián)盟成員在進行業(yè)務(wù)往來時，優(yōu)先考慮能夠以積極態(tài)度共享自身失敗知識的成員企業(yè)，優(yōu)先考慮與現(xiàn)有聯(lián)盟成員企業(yè)知識異質(zhì)性較強的企業(yè)。（2）設(shè)置聯(lián)盟成員間對話機制，加強大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟成員間的溝通與協(xié)調(diào)。通過成員之間良好的溝通交流，有效降低成員間失敗知識共享難度，促進聯(lián)盟成員企業(yè)獲得互補性失敗知識，同時有利于提升聯(lián)盟成員間的信任水平與協(xié)調(diào)效應(yīng)，進而降低失敗知識共享風(fēng)險。（3）引入獎懲機制與監(jiān)督引導(dǎo)管理，以促進失敗知識共享行為的發(fā)生。搭配聯(lián)盟成員間容錯機制，大力支持成員間的失敗知識共享，調(diào)動聯(lián)盟成員共享積極性。同時，加強第三方機構(gòu)與政府相關(guān)部門對大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟的監(jiān)督與引導(dǎo)，鼓勵聯(lián)盟成員間形成失敗知識共享的環(huán)境與氛圍，降低失敗知識共享成本。

參 考 文 獻：

[1]Diwas K C， Staats B R， Gino F. Learning from my success and from others failure： evidence from minimally invasive cardiac surgery[J]. Management Science， 2013， 59（11）： 2435-2449.

[2]唐朝永，陳萬明，彭燦.外部創(chuàng)新搜尋、失敗學(xué)習(xí)與組織創(chuàng)新績效[J].研究與發(fā)展管理，2014，26（5）：73-81.

[3]杜維，劉清華.合作聯(lián)盟間失敗知識定價模型研究[J].情報雜志，2015，34（11）：94-99.

[4]于曉宇，蔡莉.失敗學(xué)習(xí)行為、戰(zhàn)略決策與創(chuàng)業(yè)企業(yè)創(chuàng)新績效[J].管理科學(xué)學(xué)報，2013，16（12）：37-56.

[5]張建衛(wèi)，滑衛(wèi)軍，周愉凡，等.研發(fā)人員跨界行為何以影響其創(chuàng)造力？——基于知識共享和領(lǐng)導(dǎo)積極反饋的整合視角[J].預(yù)測，2021，40（5）：9-16.

[6]Inkpen A. A note on the dynamics of learning alliances： cooperation and relative scope strategic[J]. Strategic Management Journal， 2000， 21（7）： 775-779.

[7]吳潔，陳璐，盛永祥，等.考慮風(fēng)險的產(chǎn)業(yè)技術(shù)聯(lián)盟知識共享演化博弈研究[J].運籌與管理，2018，27（11）：36-42.

[8]奚雷，王玲，郝世綿.突破性創(chuàng)新聯(lián)盟知識共享演化博弈研究[J].西昌學(xué)院學(xué)報（自然科學(xué)版），2018，32（3）：31-34.

[9]劉宇，邵云飛，康健.知識共享視角下聯(lián)盟組合構(gòu)型對企業(yè)創(chuàng)新績效的影響[J].科技進步與對策，2019，36（21）：134-140.

[10]吳文清，張海紅，趙黎明.競合視角下企業(yè)組織聯(lián)盟知識共享演化與激勵[J].北京理工大學(xué)學(xué)報（社會科學(xué)版），2015，17（5）：63-68.

[11]周永紅，宮春梅，陳思.企業(yè)聯(lián)盟知識共享網(wǎng)絡(luò)層次及其演化[J].情報理論與實踐，2015，38（9）：60-63.

[12]杜維，劉清華.合作聯(lián)盟間失敗知識定價模型研究[J].情報雜志，2015，34（11）：94-99.

[13]于曉宇，蔡莉.失敗學(xué)習(xí)行為、戰(zhàn)略決策與創(chuàng)業(yè)企業(yè)創(chuàng)新績效[J].管理科學(xué)學(xué)報，2013，16（12）：37-56.

[14]蔣云霞.產(chǎn)業(yè)集群生態(tài)化發(fā)展的三方博弈分析[J].系統(tǒng)工程，2010，28（8）：105-108.

[15]肖靈機，汪明月.戰(zhàn)略性新興產(chǎn)業(yè)知識異地協(xié)同共享機制研究[J].研究與發(fā)展管理，2016，28（3）：36-46.

[16]Song H， Gao X. Green supply chain game model and analysis under revenue-sharing contract[J]. Journal of Cleaner Production， 2018， 170（1）： 183-192.8D50FF8C-602E-4474-BFBE-EEC85FD85697

[17]Chen Y， Sun L. Trust strategy simulation of corporation-NPO cross alliance using evolutionary game theory[J]. Kybernetes， 2017， 46（3）： 450-465.

[18]Heidl R A， Steensma H K， Phelps C. Divisive faultlines and the unplanned dissolutions of multipartner alliances[J]. Organization Science， 2014， 25（5）： 1351-1371.

[19]米捷，林潤輝，董坤祥.OFDI企業(yè)與本土集群企業(yè)知識共享的演化博弈分析——基于知識位勢的視角[J].管理評論，2016，28（9）：106-130.

[20]綦良群，周凌玥.裝備制造企業(yè)協(xié)同創(chuàng)新網(wǎng)絡(luò)知識轉(zhuǎn)移的演化博弈研究[J].預(yù)測，2019，38（1）：83-90.

[21]Lotfi Z， Sahran S， Mukhtar M， et al.. The relationships between supply chain integration and product quality[J]. Procedia Technology， 2013， 11（6）： 471-478.

[22]劉濤，李幫義，孫濤.供應(yīng)鏈中信用交易的演化博弈分析[J].管理評論，2010，22（3）：115-121.

[23]Joseph K， Thevaranjan A. Monitoring and incentives in sales organizations： an agency-theoretic perspective[J]. Marketing Science， 1998， 17（2）： 107-123.

[24]Li Y M， Hua J， Li J H. Knowledge sharing in communities of practice： a game theoretic analysis[J]. European Journal of Operational Research， 2010， 207（2）： 1052-1064.

[25]曹霞，張路蓬，劉國巍.基于社會網(wǎng)絡(luò)結(jié)構(gòu)的創(chuàng)新擴散動力機制及其仿真研究[J].運籌與管理，2018，27（5）：149-156.8D50FF8C-602E-4474-BFBE-EEC85FD85697