1.3　工业大数据的认知辨析

1.3.1　经济与制度视角

从经济的角度可以帮助我们理解工业大数据的价值创造途径与合适的制度安排。为论证“数字化转型的本质是生产力、生产关系的重构”，就需要回答：① 数据作为一种生产资料，是如何转为生产力的？② 从制度安排的角度，一个合理的组织分工是什么？

新制度经济学和新兴古典经济学从交易费用最小化的视角来研究制度安排或制度创新。对于企业，企业模式的交易成本主要包括计划、监督、激励、控制等管理过程所产生的费用。影响市场交易费用的主要因素是空间费用和契约费用。数据（或宏观的数字经济）带来了哪些成本的变化？戈德法布和塔克[15]将其总结为搜寻、复制、运输、追踪、验证等五类成本的降低。数字经济学探索的是当某些成本大幅下降甚至接近于零时，宏观经济模型或产业模式是如何变化的。

回到工业企业，工业企业内部的交易费还体现在决策依赖信息收集、经验知识的积累与传承、决策与物理系统的交互等方面，工业大数据通过大数据领域建模（或数据资源化）、知识沉淀、模型部署应用有效地降低了这些交易费用。在市场交易费用方面，契约费用还包括必要上下文和技能转移的成本，也就是说，为开发一个工业应用，需要了解工艺知识、现场信息和历史信息，数据技术本身不能直接降低这些转移成本。这就涉及工业企业数字化转型的社会分工（例如，哪些适合第三方专业化服务，哪些适合内生组织）和数字化能力建设机制设计的问题。

工业大数据的特点可以从需求通用性、上下文知识传递效率两个维度描述，不同类型的工业大数据对应的社会分工模式如表1-4所示。对于标准的大数据平台或没有业务语义的分析（如图像识别），可以采用标准产品采购模式，通过规模化应用实现经济性；对于有一定个性化，但上下文容易描述清晰的情形，可以采用第三方专业化服务的模式，例如，业务应用定制开发或分析模型研发服务，依靠技能专业化提高整体效率；对于需求通用，但上下文信息很难明确描述，例如，复杂设备诊断，专家需要自主收集所需的数据，这时专家服务是一种有效的方式，依靠专家在知识上的持续积累，提高整体效率；在需求个性化强、专业知识传递效率低、背景信息流动性差的情形下，交易费用远远高于分析技能传递的费用，根据组织经济学原理，最佳的组织形态应该是分析技能向领域专家移动，也就是说，让领域专家掌握基础分析技能，实现内部创新。很多工业分析问题都遵循二八法则，即80%的问题用20%的技术算法就可以解决，其余20%的技术难题留给第三方技术服务商或学界。通常的做法是分层化，底层解决共性问题，逐层缩小范围增加聚焦，在通用性和适用性间折中。

表1-4　不同类型的工业大数据对应的社会分工模式