1.3　工業大數據的認知辨析

1.3.1　經濟與制度視角

從經濟的角度可以幫助我們理解工業大數據的價值創造途徑與合適的制度安排。為論證“數字化轉型的本質是生產力、生產關系的重構”，就需要回答：① 數據作為一種生產資料，是如何轉為生產力的？② 從制度安排的角度，一個合理的組織分工是什么？

新制度經濟學和新興古典經濟學從交易費用最小化的視角來研究制度安排或制度創新。對于企業，企業模式的交易成本主要包括計劃、監督、激勵、控制等管理過程所產生的費用。影響市場交易費用的主要因素是空間費用和契約費用。數據（或宏觀的數字經濟）帶來了哪些成本的變化？戈德法布和塔克[15]將其總結為搜尋、復制、運輸、追蹤、驗證等五類成本的降低。數字經濟學探索的是當某些成本大幅下降甚至接近于零時，宏觀經濟模型或產業模式是如何變化的。

回到工業企業，工業企業內部的交易費還體現在決策依賴信息收集、經驗知識的積累與傳承、決策與物理系統的交互等方面，工業大數據通過大數據領域建模（或數據資源化）、知識沉淀、模型部署應用有效地降低了這些交易費用。在市場交易費用方面，契約費用還包括必要上下文和技能轉移的成本，也就是說，為開發一個工業應用，需要了解工藝知識、現場信息和歷史信息，數據技術本身不能直接降低這些轉移成本。這就涉及工業企業數字化轉型的社會分工（例如，哪些適合第三方專業化服務，哪些適合內生組織）和數字化能力建設機制設計的問題。

工業大數據的特點可以從需求通用性、上下文知識傳遞效率兩個維度描述，不同類型的工業大數據對應的社會分工模式如表1-4所示。對于標準的大數據平臺或沒有業務語義的分析（如圖像識別），可以采用標準產品采購模式，通過規模化應用實現經濟性；對于有一定個性化，但上下文容易描述清晰的情形，可以采用第三方專業化服務的模式，例如，業務應用定制開發或分析模型研發服務，依靠技能專業化提高整體效率；對于需求通用，但上下文信息很難明確描述，例如，復雜設備診斷，專家需要自主收集所需的數據，這時專家服務是一種有效的方式，依靠專家在知識上的持續積累，提高整體效率；在需求個性化強、專業知識傳遞效率低、背景信息流動性差的情形下，交易費用遠遠高于分析技能傳遞的費用，根據組織經濟學原理，最佳的組織形態應該是分析技能向領域專家移動，也就是說，讓領域專家掌握基礎分析技能，實現內部創新。很多工業分析問題都遵循二八法則，即80%的問題用20%的技術算法就可以解決，其余20%的技術難題留給第三方技術服務商或學界。通常的做法是分層化，底層解決共性問題，逐層縮小范圍增加聚焦，在通用性和適用性間折中。

表1-4　不同類型的工業大數據對應的社會分工模式