如何实现大数据价值？（下）

本文编译自《辩论大数据：从大数据中实现价值的文献综述》（Debating big data：A literature review on realizing value from big data），作者：Wendy Arianne Günther, Mohammad H. Rezazade Mehrizi, Marleen Huysman, Frans Feldberg

本文上篇内容已发布，可点击（ 如何实现大数据价值？（上））阅读。

为保证阅读的流畅性，本文对脚注及正文内容有删减。

4. 可携带性和互连互通是大数据的社会技术特征

影响组织如何使用大数据、开发组织模型以及在实践中处理利益相关者利益的大数据的独特特征是什么？这种批判性的反思可以帮助理解大数据使用的价值实现。

许多文献强调大数据的特征，即3V：体量、速度和多样性。后来，学者增加了准确性、细粒度等特征，这些特征很大程度上与大数据的技术功能有关。之后，组织环境也纳入考虑，以回应对大数据更具有社会技术特征的呼吁。

根据前一节中讨论的六个问题，本文提出了组织从大数据中实现价值的两个社会技术特征：可携带性和互连互通（interconnectivity）。

可携带性，是指将数字化数据从应用程序的一个情境转移到其他情境和远程访问的可能性。组织将收集的数据使用于不同情境时，数据可被赋予完全不同的含义。由于大数据的重点是超越组织边界利用众多来源的大量不同数据，所以可携带性至关重要。如果可以跨技术平台和组织边界传输和远程访问数据，组织就“可以访问解决问题所需的基本数据，或获得以前不可能收集的见解”。

在工作实践层面，可携带性允许分析师和决策者在无需事先收集的情况下远程访问或转移数据。为从这些新的数据源中进行筛选，人类智能仍然是必要的。在组织层面，可携带性既使组织的分析师和决策者能够执行其分析（去中心化方式）；同时也促进了基于销售数据源的商业模式的开发。在超组织层面，可携带性允许跨组织共享和访问数据的开放系统，也使共享敏感的个人数据等潜在有害行为成为可能。

互连互通（interconnectivity）指的是从各种大数据来源合成数据的可能性。本质上，复杂的技术逐渐允许参与者集成异构数据源，并从其组合中提取创新想法。这使将孤立的数据源以新的方式关联、组合成为可能。

由于合成数据“大于其各个部分的总和”，互连互通常使工作实践层面的分析师和决策者通过探索联结的可能性来获得更多见解，人类的创造力在联结数据、从而形成新想法方面也很重要。因此，互连互通（interconnectivity）能够通过人类和算法智能之间的相互作用实现数据的连接。在组织层面，围绕中心化的争论主要集中在综合组织各个部门的数据源的可行性上。在超组织层面，互连互通创造跨组织的新伙伴关系和合作可能性，但也需要处理公众关注的问题。例如，将健康和财务记录等不同数据源进行关联，可以识别私人敏感信息。

可携带性和互连互通（interconnectivity）影响着组织参与者如何处理大数据、开发组织模型以及处理利益相关者的利益。因此，未来研究需审视它们在实践中的应用。大数据的可携带性和互连互通可以催生新的模式和想法。然而，如果人们被现存刻板的思维方式、生活习惯、历史价值观和规范所约束，就不会产生真正的新想法。因此需要进行实证研究，在工作实践层面上，分析师和决策者如何存在偏见，以及可携带性和互连互通（interconnectivity）在何种条件下会产生新想法。

组织可以开发组织模型、标准、原则和政策，以便在不同组织内部和组织间优化可携带性和互连互通。但是，在某个合作伙伴网络中进行优化可能会妨碍组织单位与无法遵守现有的标准、原则和策略的实体进行连接。这导致一个有趣的悖论：一方面，标准、政策等机制应该足够稳定，为组织内部和组织之间的可携带性和互连互通提供空间，而另一方面，“游戏规则”需要不断地重新审核。未来研究可以讨论组织如何处理这一悖论。

从不同的语境中收集和合成数据是一个涉及许多不同利益相关者的复杂过程。如果收集、合并的数据质量难以保障，则可能会给组织和社会带来严重后果，或将导致基于错误认知的决策，影响数据驱动的产品和服务的质量。未来需通过实证研究不同的环境下，组织如何创建有效的策略，以确保数据的质量，同时利用大数据的社会技术特征。

5. 跨层面相互作用和利益一致性

现已证明，大数据的可移植性和互连互通这两个社会技术特征对组织从大数据中实现价值影响重大。但为进一步提高对大数据价值实现的理解，还应该超越单个层面，研究工作实践、组织模型和利益相关者的利益在各个层面上如何相互作用。

组织须不断调整工作实践、组织模型和利益相关者的利益，从大数据中实现价值。表1中的命题解释了工作实践、组织模型和涉众利益如何相互作用。

一是工作实践和组织模型间的相互影响。从工作实践层面的大数据中获得见解应与适合开发的结构和业务模型并行，否则可能会限制组织实现大数据的价值。未来不仅须关注如何让组织识别新数据驱动业务机会、设计新数据产品和基于大数据和开发创新的商业模式，同时也须让组织识别出大数据和分析如何驱动新模型，即在商业模式创新发生时，从“内部”捕捉其过程。

面对大数据，工作实践层面的分析师和决策者受到主导的组织模型的约束。未来研究需要考虑组织如何创建灵活的组织模型，以促进工作实践层面的跨学科交互。此外，只有大数据在组织层面不仅适应当前的商业模式，且用于创新商业模式，才有可能支持新想法的产生。这要求未来的研究集中于在工作实践和组织模型之间创建协同效应。

二是组织模型与超组织利益相关者的利益间的相互影响。组织如何处理涉众的利益取决于组织模型。当对数据进行集中管理时，组织能够更好地控制与外部的数据交换。相反，不同的业务单位在分析能力上获得更多的自主权容易促进与外部各方的数据共享。

其次，将外部资源整合到组织模型中会带来处理不同利益相关者利益的挑战。当组织无法在内部开发大数据资源时，可能会选择将分析工作外包，甚至合并或收购数据驱动的组织以整合业务。然而，外包在知识产权和所有权方面带来额外挑战。此外，当大数据成为企业战略的重要组成部分时，企业仍需发展自己的技能。因此，未来的研究需要超越外包、合并和收购的正式流程，并考虑组织如何在外部团队、习惯、文化和技术与传统团队之间建立有效的互动，特别是在存在战略差异的情况下。

此外，战略制定者在开发组织模型时需考虑不同利益相关者的利益。有时只有在组织已经收集和合并了大量的数据并将其纳入其商业模式后，利益相关者的考量才会出现。这需要对如何在组织模型的开发中容纳灵活性进行研究，以便处理新兴的利益相关者利益。

三是跨组织利益相关者的利益与工作实践之间的互动。工作实践层面的想法可能会引起新利益相关者的兴趣，这些利益相关者应通过新的监管框架、政策或治理机制处理。未来研究可以探讨谁（例如，法律专家和数据分析师）应参与工作实践层面的数据分析，以及如何部署，以防止道德和法律问题。这也提出了一个问题：如何培训那些大数据分析者，以确保即便无法律框架规制也能及时和主动地遵守法律和道德要求。

相反，在工作实践层面的分析师和决策者在从大数据获取有价值的见解、做出与大数据使用相关的决策并根据见解采取行动时，也会受到超越组织利益相关者利益的限制。当创造社会价值是组织的重要目标时，探索和接受决策的见解受到道德和法律责任的限制。面对不同背景的框架、规范和价值观间的差异，需要进行比较案例研究，以研究参与者如何在不同的背景下从大数据中获得有价值的见解。

6. 未来研究的局限性和途径

未来，还需要进行分析更多辩论以及在实践中产生社会和经济价值的大数据的其他特征的实证研究。或有人提出，可携带性和互连互通（interconnectivity）也可认为是更传统数据的社会技术特征，而非“大”数据的社会技术特征。然而，可携带性和互连互通在大数据中得到了加强，正是组织利用可携带性和互连互通所创造的机会的范围和程度引发了这六场辩论。然而，可携带性和互连互通是否是大数据独有的特征，是否会对大数据的价值实现带来现实的挑战，有待未来研究考证。

 为技术进步制定战略并实现其价值是复杂、新兴、动态的过程，涉及许多社会维度，并日益超越组织边界。因此，组织必须不断调整工作实践、组织模型和利益相关者的利益。建立在过程思维基础上的方法格外重要，它结合了不同层次的分析，并允许研究人员跟踪工作实践、组织模型和利益相关者利益随时间的演变。此外，对大数据价值实现的实证研究也需要跨学科的研究方法。

综上所述，目前关于大数据价值实现的文献包括有限的实证研究和对旧思想的重新包装。以上六场关于组织如何从大数据中实现社会和经济价值的核心辩论需要未来研究加以关注。此外，大数据的可携带性和互连互通特征影响着组织在实践中如何从大数据中实现价值。最后，从大数据中实现价值是工作实践、组织模型和利益相关者之间不断互动的结果，本文呼吁开展跨层面互动和协同的实证研究。基于未来的经验证据，或许能够判断大数据的价值在多大程度上满足组织和社会的预期。

（完）

往期文章：

1. 数据权属与数据治理之争

      请扫描二维码获取该系列文章中英文原文：

   2.  欧盟数据治理模式